绿色城镇化需要加强区域创新研究

提高环境治理效率是实现大力发展绿色经济以及可持续发展的重要课题，国内外学者对此进行了不懈努力。目前，关于环境治理投资效率问题的研究相对较少，主要集中在环境治理效率的影响因素和实证评价研究方面。

找出并分析影响环境治理投资效率的主要因素，是提升环境治理效率的关键。环境资源作为一种公共物品，政府是治理环境的主体。环境治理效率低下主要源于环境作为公共物品的特殊性以及政府管理水平的低下，因此在环境治理中应该建立市场调节和政府干预相结合的有效机制(于晓婷，邱继洲，2010)。宋文献(2004)等人认为环境的公共产品性质和外部性使其成为政策财政投资的重点，因此财政政策对环境保护和治理具有极大的影响，我国财政政策在设计上的缺陷造成了环境建设效率的低下。谭光荣(2007)等人分析我国环境面临的挑战，多方面分析了财政对环境治理支出的效率不高的原因。他指出现行的环境治理手段存在收费标准过低、对污染因子的收费项目不全、没考虑排放总量及在环境治理方面的宏观调控能力不强等问题，这些都是制约环境治理效率提升的重要因素。朱珊(2008)等人认为以牺牲环境为代价来追求经济快速增长的思想以及错误的政绩观是导致环境效率低下的根本症结所在。陶敏(2012)利用灰色关联分析方法，找出了影响环境治理投资效率的关键因素是环境治理投资总额、工业二氧化硫去除量等因素，利用数据证实了控制关键影响因素，能够达到有效提高环境治理投资效率的目的。

对环境治理效率进行客观公正的测算和评价是环境治理领域的研究重点，目前对环境污染效率的评价主要包括均匀污染法和投入产出数学归纳法(谭志雄，2007)。投入产出数学规划法是对经济－环境在结构上的相互关系、活动状态进行明确的分析，确定综合平衡调整后环境保护投资的最优规模。DEA模型作为重要的投入产出数据归纳法，主要是用来衡量多投入和多产出的决策单元的相对有效性。在环境和资源管理领域，DEA法的应用逐渐增多。国内外学者多采用传统DEA模型或二阶段DEA模型对环境治理效率进行实证研究，而四阶段DEA模型很少用来分析环境治理效率。四阶段DEA是Fried，Schmidt，Yaisawarng (1999)提出的，该模型剔除了外部环境对效率值的影响，能够较为准确的反映效率值，但是四阶段DEA模型无法调整随机误差对效率的影响，Simar和Wilson (1998，2000)开发的基于Bootstrap的随机DEA方法，有望解决这一缺陷。因此本文将运用四阶段DEA和Bootstrap－DEA模型来对我国的环境治理效率进行分析评价，以期能为提高我国环境治理效率提供科学的决策依据。

(二)绿色城镇化进程中区域环境治理效率的实证分析

1.方法介绍与变量选择

数据包络分析法(Data Envelopment Analysis，DEA)是由运筹学家Chames和W.W.Cooper等人于1978年创立的，是针对具有多指标输入和多指标输出的同类型部门进行相对有效性综合评价的方法，能有效地处理具有多输入多输出特征的复杂系统。经典DEA方法的一个缺陷是，它将任何与效率前沿的偏离都看作是管理无效率导致的，而不考虑决策主体所处环境、外部冲击、测量误差以及遗漏变量等对效率的影响。因此，DEA效率得分可能会低估或高估实际的效率水平。Ruggiero(2000)指出，如果不对DEA的环境变量加以控制，该方法计算得到的效率得分将是有偏差的。Fried等(1999)开发了一个四阶段DEA方法，较好地修正了外生环境变量对效率评估所造成的偏误，使得DEA效率评估更为准确。四阶段DEA方法能够“过滤”外生环境变量对效率的影响，而且无须事先将环境变量区分为投入和产出。此外，该方法还能够充分利用松弛量的信息，通过回归方法检验外生环境变量对效率影响的方向和大小。但是该方法无法剔除外生的随机冲击(Barankay，2007)。因此，计算得到的调整后的效率得分，依然有可能存在某种偏误(Fried et al.，2002)。Simar和Wilson(1998，2000)开发的基于Bootstrap的随机DEA方法，能够较好地解决这一问题。

下面将具体对四阶段DEA和bootstrap－DEA进行介绍。

(1)第一阶段: DEA模型

DEA方法由Chames、Cooper、Rhode于1978年提出，该模型是一种能够更好地评估决策单元效率的方法。该方法利用线性规划构建有效率的凸性生产前沿边界，与此前沿相比可以识别低效率的决策单位及其效率值大小。

DEA模型分为投入导向型和产出导向型两种。由于投入的数量是决策的基本变量，与产出量相比，投入量更容易控制，因此，本文采用投入导向型规模报酬可变的BCC模型进行分析(龚锋，2008)。

对于任一决策单元，投入导向下的BCC模型可表示为:

其中，i= 1，2，…，n; j= 1，2，…，m; r= 1，2，…，s; s，n为决策单元的

个数，m和s分别为输入与输出变量的个数，xij(j= 1，2，…，m)为第i个决策单元的第j个投入要素，yir(r= 1，…，s)为第i个决策单元的第s个产出要素，θ为决策单元的有效值。若θ= 1，且s+= s－= o，则决策单元DEA有效;若θ= 1，且s+≠0，或s－≠0时，则决策单元为弱DEA有效;若θ＜1，则决策单元非DEA有效。由BCC模型计算出的效率值为技术效率值，还可以进一步分解成为规模效率与纯技术效率的乘积，即:综合技术效率=纯技术效率×规模效率。

不考虑环境变量的影响，运用规模报酬可变的BBC模型测算得到DEA初始效率值θk和非射线投入松弛量。根据此阶段得出的效率值和非射线投入松弛量，我们可以计算出决策单元，也就是各省(区、市)的投入松弛量，该松弛量是各地区实际投入与最佳效率下的投入之差。计算各投入松弛量的公式为:

xik为k单位的第i项初始投入量;θk为初始的综合效率值; s

ik是非射线投入松弛量;