Analysis of atmospheric environmental efficiency in Anhui province based on super-efficiency SBM model
-
摘要:
基于安徽省2010—2018年各投入产出的面板数据，采用考虑非期望产出的超效率SBM（Slack-Based Measure）模型测算安徽省16市大气环境效率，并利用STATA软件分析改善大气环境的内在要素. 实证结果表明：安徽省大气环境效率整体偏低且呈现“皖中>皖南>皖北”的特点；加大工业R&D经费和废气治理设备运用运行费用投入有利于降低大气污染物的产生，且后者效果更为显著，据此给出大气治理投入方面的建议.
Abstract:The super-efficiency slack-based measure (SBM) model considering the unexpected output was used to calculate the atmospheric environmental efficiency of 16 cities in Anhui province based on the panel datas of input and output of Anhui province from 2010 to 2018. And STATA software was used to analyze the internal elements of improving atmospheric environment. Empirical results show that the atmospheric environmental efficiency of Anhui province is generally low and presents the characteristic of “central Anhui > southern Anhui > northern Anhui”. It is beneficial to reduce the production of air pollutants to increase the investment of industrial R&D and the operation cost of waste gas treatment equipment, and the latter effect is more significant. Based on this, some suggestions on the input of atmospheric governance were given.
-
表 1 投入产出要素的描述性统计
Table 1. Descriptive statistics of input-output factors
指标 观察数 均值 标准差 最小值 最大值 K 144 19.190 28.037 0.267 164.899 E 144 3.825 4.453 0.019 21.966 SO2 144 2.303 1.775 0.230 9.918 DUST 144 2.268 2.007 0.188 10.628 Q 144 345.104 517.881 8.787 3096.010 
下载: 导出CSV
表 2 安徽省16市2010—2018大气环境效率
Table 2. Air pollution emission efficiency of 16 cities in Anhui province from 2010 to 2018
城市 2010 2011 2012 2013 2014 2015 2016 2017 2018 均值 合肥 2.79 1.95 1.58 1.51 1.66 2.03 2.73 2.11 2.40 2.08 淮北 0.04 0.10 0.09 0.09 0.14 0.13 0.27 0.35 0.44 0.18 亳州 0.52 0.63 0.71 0.76 0.65 0.61 0.49 0.51 0.51 0.60 宿州 0.53 0.60 0.22 0.29 0.39 0.40 0.33 0.30 0.26 0.37 阜阳 0.78 0.25 0.34 0.39 0.43 0.51 0.44 0.44 0.54 0.46 蚌埠 0.48 0.43 0.57 0.63 1.02 0.49 0.62 0.76 0.78 0.64 淮南 0.03 0.03 0.08 0.07 0.05 0.05 0.05 0.07 0.13 0.06 滁州 1.04 1.17 2.07 1.37 1.32 1.29 1.28 1.28 1.11 1.33 六安 0.87 1.28 0.63 1.06 0.48 0.37 0.57 0.66 0.66 0.73 芜湖 0.49 1.01 0.73 0.78 0.92 0.74 0.42 0.47 0.41 0.66 马鞍山 0.50 0.40 0.32 0.31 0.18 0.14 0.13 0.15 0.20 0.26 铜陵 0.52 1.02 1.02 1.03 1.11 1.07 0.51 0.44 1.08 0.87 安庆 1.09 0.49 0.49 0.44 0.45 0.42 0.37 0.42 0.57 0.53 池州 1.42 0.27 0.16 0.24 0.43 0.56 0.55 0.47 0.31 0.49 宣城 0.63 0.36 0.20 0.23 0.28 0.30 0.26 0.26 0.30 0.31 黄山 3.05 0.76 1.96 1.88 0.93 0.92 0.85 2.83 0.90 1.57 皖北 0.40 0.34 0.34 0.37 0.45 0.37 0.37 0.41 0.44 0.39 皖中 1.45 1.22 1.19 1.09 0.98 1.03 1.24 1.12 1.18 1.17 皖南 1.10 0.64 0.73 0.75 0.64 0.62 0.45 0.77 0.53 0.69 均值 0.92 0.67 0.70 0.69 0.65 0.63 0.62 0.72 0.66 0.70
下载: 导出CSV
表 3 相关性分析
Table 3. Correlation analysis
指标 K E SO2 DUST Q K 1.000 E 0.342* 1.000 SO2 0.077* 0.430* 1.000 DUST 0.328* 0.494* 0.454* 1.000 Q 0.965* 0.257* −0.003 0.256* 1.000
下载: 导出CSV
表 4 多重共线性分析
Table 4. Multicollinearity analysis
指标 VIF 1/VIF K 1.540 0.648 E 1.520 0.658 SO2 1.390 0.721 DUST 1.210 0.830
下载: 导出CSV
表 5 SO2固定效应回归分析
Table 5. SO2 fixed effect regression analysis
SO2 参数值 标准误 t值 P值 95%置信区间 K −0.032 0.007 −4.70 0 −0.045 −0.018 E −0.165 0.046 −3.58 0 −0.256 −0.074 常数项 3.544 0.187 18.99 0 3.175 3.913 被解释变量均值 2.303 被解释变量标准差 1.775 R2 0.323 总观察数 144 F检验 30.083 Prob > F 0.000
下载: 导出CSV
表 6 DUST固定效应回归分析
Table 6. DUST fixed effect regression analysis
DUST 参数值 标准误 t值 P值 95%置信区间 K −0.034 0.010 −3.33 0.001 −0.054 −0.014 E −0.157 0.069 2.28 0.024 0.021 0.293 常数项 2.314 0.278 8.32 0 1.763 2.864 被解释变量均值 2.268 被解释变量标准差 2.007 R2 0.087 总观察数 144 F检验 6.002 Prob > F 0.000
下载: 导出CSV
-
[1] 蔡婉华, 叶阿忠. 工业大气环境效率、要素流动与经济产出互动关系研究[J] . 软科学,2019,33(11):47 − 52. [2] 郭晓佳, 周荣, 李京忠, 等. 黄河流域农业资源环境效率时空演化特征及影响因素[J] . 生态与农村环境学报,2021,37(3):332 − 340. [3] HE Q, HAN J, GUAN D B, et al. The comprehensive environmental efficiency of socioeconomic sectors in China: An analysis based on a non-separable bad output SBM[J] . Journal of Cleaner Production,2018,176:1091 − 1110. doi: 10.1016/j.jclepro.2017.11.220 [4] 朴胜任, 李健. 基于超效率SBM模型的中国区域环境效率时空差异研究[J] . 干旱区资源与环境,2018,32(4):1 − 6. [5] 郭际, 吴先华, 陈玉凤. 雾霾排放效率评估的二阶段DEA模型的构建及实证[J] . 中国软科学,2020,358(10):184 − 192. doi: 10.3969/j.issn.1002-9753.2020.10.018 [6] 王萌, 徐湘博, 张梅, 等. 区域能源效率测算及影响分析:基于三阶段DEA方法[J] . 环境保护科学,2021,47(1):28 − 35. [7] 叶菲菲, 杨隆浩, 王应明. 区域环境污染强度测算及其分类治理效率评价研究[J] . 系统科学与数学,2020,40(6):984 − 1003. doi: 10.12341/jssms13905 [8] WU Y, QUE W, LIU Y G, et al. Efficiency estimation of urban metabolism via Emergy, DEA of time-series[J] . Ecological indicators,2018,85:276 − 284. [9] 官永彬, 李玥. 长江经济带环境治理效率的实证测度与影响因素研究[J] . 重庆师范大学学报(社会科学版),2021(1):17 − 26. [10] 汪克亮, 刘悦, 杨宝臣. 京津冀城市群大气环境效率的地区差异、动态演进与影响机制[J] . 地域研究与开发,2019,38(3):135 − 140. doi: 10.3969/j.issn.1003-2363.2019.03.025 [11] 李茜, 姚慧琴. 京津冀城市群大气污染治理效率及影响因素研究[J] . 生态经济,2018,34(8):188 − 192. [12] 吕晓剑, 邓秋玮. 山东省大气环境效率时空分异与影响因素分析: 基于超效率SBM模型和GML指数[J] . 生态经济,2020,36(12):193 − 199. [13] 丁镭, 卢滢宇, 叶霜霜. 浙江省大气环境效率评价及区域差异[J] . 安全与环境学报,2019,19(3):1075 − 1085. [14] 颉茂华, 刘向伟, 白牡丹. 环保投资效率实证与政策建议[J] . 中国人口·资源与环境,2010,20(4):100 − 105. doi: 10.3969/j.issn.1002-2104.2010.04.018 [15] 吴淑丽, 昌先宇, 谭竿荣. 中国环保投资废气治理效率差异及其影响因素研究: 基于29省市面板数据的分析[J] . 统计教育,2010(5):16 − 23. [16] 汪克亮, 王丹丹, 孟祥瑞. 技术的异质性、技术差距与中国区域大气环境效率[J] . 华东经济管理,2017,31(5):48 − 55. doi: 10.3969/j.issn.1007-5097.2017.05.007 [17] 盛来运, 李拓, 毛盛勇, 等. 中国全要素生产率测算与经济增长前景预测[J] . 统计与信息论坛,2018,33(12):3 − 11. doi: 10.3969/j.issn.1007-3116.2018.12.001 -
下载: 
