中国环境规制效率的时空分异与驱动因素解析

中国环境规制效率的时空分异与驱动因素解析一、引言1.1研究背景与意义1.1.1研究背景随着经济的快速发展和人口的持续增长，中国的环境问题日益凸显，成为制约可持续发展的关键因素。大气污染、水污染、土壤污染等环境问题不仅对生态系统造成了严重破坏，也给人类健康和经济发展带来了巨大威胁。近年来，中国在工业化进程中经历了快速发展，这导致了严重的环境污染问题。工业排放、汽车尾气、燃煤等源头污染，加剧了雾霾现象的发生频率和强度，给居民的健康带来了极大的危害，尤其是老人和儿童更为脆弱，同时也对农作物生长和生态系统造成了严重影响。中国是水资源极度稀缺的国家之一，然而过度工业化和城市化使水资源面临严重的污染威胁，工业废水和生活污水排放以及农业面源污染已经污染了大部分河流、湖泊和地下水，给人们的生活、农业和工业生产带来了巨大的困扰，严重威胁着人民的生活质量和健康安全。农业使用的化肥、农药和工业废弃物等引起了土壤的污染，农田的污染导致农产品中的有害物质含量上升，威胁到人们的食品安全，同时，污染物还会通过土壤的迁移和渗透对地下水进行污染，加剧水资源的压力。为了应对日益严峻的环境问题，中国政府不断加强环境规制，出台了一系列严格的环境保护政策和法规。环境规制作为保护环境、促进可持续发展的重要手段，旨在解决市场机制在环境外部性问题方面的失灵，并实现经济与自然的和谐发展。通过政府颁布行政制度、利用市场机制以及发挥公众作用，环境规制在一定程度上遏制了环境污染的恶化趋势，推动了经济的绿色转型。然而，由于中国地域辽阔，各地区在经济发展水平、产业结构、资源禀赋和环境管理能力等方面存在较大差异，环境规制的实施效果在不同地区呈现出明显的时空差异。一些地区在环境规制的推动下，环境质量得到了显著改善，而另一些地区则面临着环境规制与经济发展之间的矛盾，环境规制的效率有待提高。在当前全球积极应对气候变化、推动绿色低碳发展的大背景下，深入研究中国环境规制效率的时空差异及其影响因素，对于优化环境规制政策、提高环境治理水平、实现经济与环境的协调可持续发展具有重要的现实意义。1.1.2研究意义理论意义：丰富环境规制理论体系。现有关于环境规制的研究虽然取得了一定成果，但对于环境规制效率的时空差异及影响因素的综合研究仍有待完善。本研究通过深入分析不同地区环境规制效率在时间和空间上的变化规律，以及背后的影响因素，有助于进一步丰富和完善环境规制理论，为后续研究提供新的视角和思路。拓展效率评价方法在环境领域的应用。运用科学合理的方法对环境规制效率进行测度和分析，不仅可以为环境规制政策的制定和评估提供科学依据，还能推动效率评价方法在环境科学、经济学等多学科交叉领域的应用和发展，促进相关学科理论的融合与创新。实践意义：为政府制定差异化环境规制政策提供依据。了解不同地区环境规制效率的差异及影响因素，有助于政府认识到各地区环境治理的特点和需求，从而制定更加精准、有效的环境规制政策。针对环境规制效率较高的地区，可以进一步优化政策措施，巩固和提升环境治理成果；对于环境规制效率较低的地区，能够有针对性地采取改进措施，加强政策支持和引导，提高环境规制效果。促进区域环境协调发展。通过揭示环境规制效率的时空差异，有助于发现区域之间在环境治理方面存在的不平衡问题，为促进区域环境协调发展提供参考。各地区可以借鉴其他地区的成功经验，加强区域间的合作与交流，实现资源共享、优势互补，共同推动全国环境质量的改善。推动企业绿色转型。环境规制政策的实施对企业的生产经营活动产生直接影响。研究环境规制效率的影响因素，能够为企业提供明确的信号，引导企业加大环保投入，采用清洁生产技术，优化产业结构，实现绿色转型，提高企业的环境竞争力和可持续发展能力，从而推动整个经济社会向绿色低碳方向发展。1.2国内外研究现状1.2.1国外研究现状在环境规制效率测度方法方面，国外学者较早开展研究并取得了丰富成果。数据包络分析（DEA）作为一种常用的非参数效率评价方法，被广泛应用于环境规制效率的测度。如Charnes等在1978年提出的CCR模型，为DEA方法奠定了基础，该模型假设规模报酬不变，通过线性规划来评估决策单元的相对效率，能够在多投入多产出的复杂情况下，有效衡量环境规制效率。此后，Banker等在1984年提出了BCC模型，放宽了规模报酬不变的假设，使得DEA方法能够更灵活地适应不同的生产规模和技术条件，进一步完善了DEA在环境规制效率测度中的应用。除此之外，随机前沿分析（SFA）也是一种重要的参数估计方法，它通过设定生产函数的具体形式，利用随机误差项来分离技术无效率和随机因素的影响，从而估计生产单元的效率。如Kumbhakar和Lovell运用SFA方法研究了环境规制对企业生产效率的影响，为从生产函数角度分析环境规制效率提供了思路。在时空差异分析方面，国外学者从不同尺度进行了研究。部分研究聚焦于国家层面，分析不同国家在环境规制效率上的差异及演变趋势。如Andersson和Nazrul通过对多个发达国家和发展中国家的环境规制政策与环境绩效数据进行分析，发现发达国家由于技术先进、资金充足，在环境规制效率上普遍高于发展中国家，且随着时间推移，发达国家通过持续创新和政策优化，环境规制效率呈上升趋势；而发展中国家虽然在环境规制投入不断增加，但由于经济发展阶段和技术水平限制，效率提升相对缓慢。还有学者从区域层面进行研究，如在欧盟内部，不同成员国之间的环境规制效率存在明显差异，北部和西部一些国家在环境规制执行和效果上表现较好，而南部和东部部分国家则面临更多挑战，这与各地区的产业结构、环境政策执行力度以及公众环境意识密切相关。在影响因素探讨方面，国外学者从多个角度展开分析。在经济发展水平方面，一些研究表明，随着经济发展水平的提高，国家或地区有更多资源投入到环境保护中，能够采用更先进的环境技术和管理手段，从而提高环境规制效率。如Grossman和Krueger提出的环境库兹涅茨曲线（EKC）假说，认为在经济发展初期，环境污染会随着经济增长而加剧，但当经济发展到一定水平后，环境质量会随着经济进一步增长而改善，这在一定程度上反映了经济发展水平对环境规制效率的影响。在产业结构方面，高污染、高能耗产业占比较大的地区，环境规制面临更大压力，效率提升难度较大。如Acemoglu等学者研究发现，产业结构重型化会导致环境污染加剧，增加环境规制成本，降低环境规制效率，而产业结构的优化升级有助于提高环境规制效率。在技术创新方面，大量研究证实技术创新是提高环境规制效率的关键因素之一。Porter和Kramer提出“波特假说”，认为适当的环境规制可以激发企业的创新活力，企业通过技术创新可以降低污染排放，提高生产效率，从而实现环境规制与企业竞争力提升的双赢局面。1.2.2国内研究现状国内学者在环境规制效率研究方面也取得了丰硕成果。在效率测度上，同样广泛运用DEA及其扩展模型。陈诗一等利用DEA-Malmquist指数方法，对中国各地区工业环境效率进行了测度和动态分析，不仅考虑了期望产出（工业增加值），还将非期望产出（污染物排放）纳入模型，全面评估了工业环境规制效率的变化情况，发现中国工业环境效率整体呈上升趋势，但地区间差异较大。邓慧慧等运用超效率SBM-DEA模型，对中国285个地级市的环境规制效率进行了测度，该模型克服了传统DEA模型无法对有效决策单元进行进一步区分的不足，能够更准确地衡量环境规制效率的高低。在区域差异研究上，国内学者主要关注东、中、西部三大区域以及省际之间的差异。原毅军和谢荣辉基于中国省际面板数据的实证检验，发现东部地区由于经济发达、技术先进和环境监管严格，环境规制效率相对较高；中部地区次之；西部地区由于经济发展相对滞后，产业结构偏重，环境规制效率相对较低。还有研究对长江经济带、京津冀等特定区域的环境规制效率进行分析，如尹礼汇和吴传清研究了环境规制与长江经济带污染密集型产业生态效率，发现长江经济带不同省市的环境规制对产业生态效率的影响存在差异，上游地区环境规制对产业生态效率的促进作用相对较弱，中下游地区相对较强。在影响因素分析方面，国内学者的研究涵盖多个方面。在经济发展水平上，多数研究表明经济发展与环境规制效率之间存在非线性关系。在产业结构方面，国内研究也证实产业结构调整对环境规制效率具有重要影响。高耗能、高污染产业占比高的地区，环境规制成本高，效率较低；而加快产业结构优化，发展高新技术产业和服务业，能够有效降低污染排放，提高环境规制效率。在技术创新方面，国内学者普遍认为技术创新是推动环境规制效率提升的核心动力。企业通过加大研发投入，开发和应用清洁生产技术、污染治理技术等，能够实现经济增长与环境保护的协同发展。此外，国内研究还关注到政府治理能力、环境监管强度、公众环保意识等因素对环境规制效率的影响。如政府治理能力强、环境监管严格的地区，环境规制政策能够得到有效执行，环境规制效率相对较高；公众环保意识的提高，能够形成对企业污染排放的社会监督压力，促进企业积极响应环境规制政策，提高环境规制效率。1.2.3研究述评综合国内外研究现状，虽然在环境规制效率的测度方法、时空差异分析和影响因素探讨等方面取得了丰富成果，但仍存在一些不足之处。在测度方法上，现有研究大多侧重于单一方法的应用，不同方法之间的比较和融合研究相对较少，且在指标选取上缺乏统一标准，导致不同研究结果之间的可比性存在一定问题。在时空差异分析方面，虽然对不同区域的环境规制效率差异有了一定认识，但对差异形成的深层次原因和内在机制研究不够深入，尤其是在不同区域的政策适应性和协同性方面的研究有待加强。在影响因素研究上，各因素之间的交互作用以及动态变化对环境规制效率的影响尚未得到充分探讨，缺乏系统性和综合性的研究框架。基于以上不足，本研究的切入点在于运用多种测度方法进行对比分析，构建统一、科学的指标体系，更准确地测度中国环境规制效率。深入剖析环境规制效率时空差异的形成机制，从政策、经济、社会等多维度进行综合分析。全面考虑各影响因素之间的交互作用，建立动态面板模型，探究其对环境规制效率的动态影响，为优化环境规制政策提供更具针对性和可操作性的建议，这也是本研究的创新点所在。1.3研究内容与方法1.3.1研究内容本文主要研究中国环境规制效率的时空差异与影响因素，具体内容如下：环境规制效率测度：收集中国各地区的环境投入、经济产出和污染物排放等相关数据，运用数据包络分析（DEA）方法，构建包含期望产出（如GDP）和非期望产出（如工业废气、废水、固体废物排放量）的环境规制效率评价模型，测度中国各地区在不同时间段的环境规制效率值，全面评估环境规制的实施效果。时空差异分析：在时间维度上，分析环境规制效率随时间的变化趋势，探讨不同时期环境规制政策的调整对效率的影响；在空间维度上，通过绘制环境规制效率的空间分布图，运用空间自相关分析等方法，研究环境规制效率在不同地区之间的空间分布特征，识别高值区和低值区的分布格局，分析区域间的差异程度。影响因素识别：从经济发展水平、产业结构、技术创新、政府治理能力、环境监管强度、公众环保意识等多个方面，选取相关指标，运用计量经济学模型，如面板数据模型、空间计量模型等，实证分析各因素对环境规制效率的影响方向和程度。政策建议提出：根据研究结果，针对不同地区环境规制效率的特点和影响因素，提出具有针对性的环境规制政策建议，包括制定差异化的环境规制标准、优化产业结构、加大技术创新支持力度、加强环境监管、提高公众环保意识等，以提高环境规制效率，促进区域环境协调发展。1.3.2研究方法本文将采用多种研究方法，以确保研究的科学性和全面性，具体如下：数据包络分析（DEA）：运用DEA方法测度环境规制效率，该方法能够在多投入多产出的复杂情况下，有效衡量环境规制效率，无需设定生产函数的具体形式，避免了主观因素对权重设定的影响，具有较强的客观性和适用性。通过构建DEA模型，将环境投入、经济产出和污染物排放等指标纳入模型中，计算各地区的环境规制效率值。空间自相关分析：运用空间自相关分析方法，研究环境规制效率的空间分布特征，通过计算全局Moran'sI指数和局部Moran'sI指数，判断环境规制效率在空间上是否存在集聚现象，以及哪些地区存在显著的空间正相关或负相关关系，揭示环境规制效率的空间关联特征。计量模型：构建面板数据模型和空间计量模型，分析影响环境规制效率的因素。面板数据模型可以控制个体异质性和时间趋势，更准确地估计各因素对环境规制效率的影响；空间计量模型则考虑了空间相关性，能够更全面地分析各因素在空间上的作用机制。通过回归分析，确定经济发展水平、产业结构、技术创新等因素对环境规制效率的影响方向和程度。文献研究法：广泛查阅国内外关于环境规制效率的相关文献，梳理和总结现有研究成果，了解研究现状和发展趋势，为本文的研究提供理论基础和研究思路，避免研究的重复性和盲目性。比较分析法：对不同地区的环境规制效率进行比较分析，找出差异较大的地区，分析其在经济发展水平、产业结构、环境政策等方面的差异，从而为制定差异化的环境规制政策提供参考依据。1.4研究创新点本研究在环境规制效率领域的研究中，在方法、视角及内容层面均展现出一定的创新性，具体内容如下：方法创新：在测度环境规制效率时，摒弃单一方法的局限性，综合运用数据包络分析（DEA）及其多种扩展模型，如超效率SBM-DEA模型、DEA-Malmquist指数模型等。通过不同模型的对比分析，克服单一模型在处理非期望产出、规模报酬可变以及动态效率分析等方面的不足，使测度结果更加准确、全面。同时，将空间自相关分析与计量模型相结合，在研究环境规制效率影响因素时，充分考虑各地区之间的空间相关性，避免因忽视空间效应而导致的估计偏差，为研究环境规制效率提供了更科学、严谨的方法体系。视角创新：从时空双维度深入剖析环境规制效率，不仅关注不同地区环境规制效率在空间上的差异，还对其在时间序列上的动态演变过程进行详细分析，探究不同时期环境规制政策调整与效率变化之间的内在联系，为理解环境规制效率的发展趋势提供了更为全面的视角。此外，本研究还从政策、经济、社会等多维度综合分析环境规制效率时空差异的形成机制，突破了以往研究仅从单一或少数几个维度进行分析的局限，有助于更深入、系统地揭示环境规制效率差异背后的深层次原因。内容创新：全面考虑各影响因素之间的交互作用，建立动态面板模型，探究经济发展水平、产业结构、技术创新、政府治理能力、环境监管强度、公众环保意识等因素在不同时期和不同地区对环境规制效率的动态影响，弥补了现有研究在因素交互作用和动态变化分析方面的不足。同时，基于研究结果，针对不同地区环境规制效率的特点，提出具有针对性和可操作性的差异化环境规制政策建议，为政府制定更加精准有效的环境规制政策提供了有力参考，增强了研究的实践应用价值。二、相关理论基础2.1环境规制理论2.1.1环境规制的概念与内涵环境规制是指由于环境的共用品性质和环境污染的外部性，由政府或非政府组织制定的，影响排污单位做出有利于环境保护的法律、法规、政策或制度，属于社会性规制。其核心目的是通过制定和执行一系列规则和标准，实现环境保护和资源合理利用，涉及政府、企业和公众等多个主体，旨在纠正市场失灵，确保经济活动与环境可持续性之间的平衡。从广义角度看，环境规制的目标具有多元性。首要目标是减少污染物排放，涵盖大气污染物如二氧化硫、氮氧化物、颗粒物等，水污染物如化学需氧量、氨氮、重金属等，以及固体废弃物等，从而改善空气质量、水质和土壤环境质量，保护生态系统的健康与稳定。例如，通过严格的废气排放标准，减少工业企业向大气中排放有害气体，降低雾霾天气的发生频率，保护人们的呼吸系统健康；对工业废水排放进行严格管控，防止河流、湖泊等水体受到污染，保障水资源的安全和生态功能。保护自然资源也是环境规制的重要目标之一，包括对森林、矿产、水资源等的合理开发与利用。以森林资源为例，环境规制通过限制砍伐数量、规定砍伐方式等措施，确保森林的生态功能得以维持，如保持水土、调节气候、提供生物栖息地等；对于矿产资源，通过规范开采行为，提高资源利用率，减少资源浪费和生态破坏。维护生态平衡是环境规制的深层目标，关注生态系统中生物之间以及生物与环境之间的相互关系。例如，保护生物多样性，防止物种灭绝，维护生态系统的稳定性和自我调节能力；通过保护湿地、草原等生态系统，维持其独特的生态功能，为人类提供生态服务。促进可持续发展是环境规制的最终目标，强调经济、社会和环境的协调发展。在经济发展过程中，避免过度依赖资源消耗和环境污染的发展模式，推动绿色产业的兴起和发展，实现经济增长与环境保护的良性互动；在社会层面，提高公众的环境意识，保障公众的环境权益，促进社会公平与和谐。环境规制的手段丰富多样，法律手段方面，国家制定一系列环境法律法规，明确环境保护的基本原则、责任主体、环境质量标准、环境影响评价等内容。如《中华人民共和国环境保护法》作为我国环境保护的基本法，为其他环境法律法规的制定和实施提供了基础和框架；《水污染防治法》《大气污染防治法》等专门法律针对特定领域的环境问题，制定了具体的污染防治措施和标准，为环境规制提供了强有力的法律依据。行政手段上，政府机构通过行政命令、规划、指导和监督等方式，推动环境规制的实施。例如，发放排污许可证，对企业的排污行为进行许可和限制，只有获得许可证的企业才能合法排污，并规定其排污的种类、数量和浓度等指标；实施环境影响评价制度，对新建设项目进行环境影响评估，预测项目可能对环境造成的影响，并提出相应的环保措施和要求，从源头控制环境污染。经济手段主要借助市场机制，利用税收、补贴、排污权交易等方式，激励企业减少污染，实现环境保护目标。征收环保税，根据企业的污染排放量征收相应的税费，使企业的污染排放行为产生经济成本，从而促使企业减少污染排放；对采用环保技术和设备的企业给予税收优惠或财政补贴，降低企业的环保成本，鼓励企业积极采用环保措施；建立排污权交易市场，企业可以在市场上买卖排污指标，通过市场机制实现污染治理成本的优化，激励企业通过技术创新和管理改进降低污染排放。2.1.2环境规制的类型根据不同的标准，环境规制可划分为多种类型，常见的分类方式包括按规制强度、规制对象、规制目的、规制手段和规制层级等进行划分。按规制强度划分，环境规制可分为命令-控制型规制、市场激励型规制和自愿型规制。命令-控制型规制以严格的法律和标准形式存在，具有强制性和直接性。通常规定了明确的污染物排放限值和合规要求，企业必须遵守环境保护标准、规范和采用指定的减排设备或技术等，否则将面临严格的行政或经济处罚。如我国对火电行业制定了严格的大气污染物排放标准，要求火电厂必须安装高效的脱硫、脱硝和除尘设备，确保废气排放达到规定的标准。这种规制方式能够在短期内迅速控制污染，改善环境质量，但对政府的监管能力和执行成本要求较高，且可能抑制企业的技术创新积极性，因为企业只是被动地遵守规定，缺乏自主探索更有效减排方式的动力。市场激励型规制通过经济手段鼓励企业减少污染，赋予企业一定的自主选择权。例如实施排污权交易制度，政府确定一定区域内的污染物排放总量，并将排放指标分配给企业，企业可以根据自身的减排成本和市场价格，选择自行减排或在市场上购买排放指标。这种方式能够利用市场机制，使污染治理成本较低的企业有动力进一步减排，并将多余的排放指标出售给减排成本较高的企业，从而实现全社会污染治理成本的最小化；对环保技术给予税收优惠，降低企业采用环保技术的成本，激励企业加大在环保技术研发和应用方面的投入。市场激励型规制的效果依赖于健全的市场体系和完善的监管机制，否则可能出现市场失灵和企业的非理性行为。自愿型规制是企业基于自身意愿而非强制性规定采取的环保措施，体现了企业的社会责任和环保意识。可能包括参与碳减排倡议、投资绿色技术、开展环境管理体系认证等。例如，一些大型企业自愿加入国际碳披露项目（CDP），主动披露企业的碳排放信息，并制定碳减排目标和计划；企业开展ISO14000环境管理体系认证，通过建立和实施环境管理体系，规范企业的环境行为，提高环境绩效。自愿型规制的实施有助于提升企业的社会形象和品牌价值，但缺乏强制约束力，其实施效果在很大程度上取决于企业的自觉和主动性。按规制对象划分，可分为行业特定规制、区域特定规制和产品特定规制。行业特定规制针对不同行业的特点制定规制措施，由于不同行业的生产工艺、污染排放特征和环境影响程度差异较大，因此需要制定差异化的环境规制政策。例如，针对化工、钢铁等高污染行业，制定更为严格的排放标准和环保要求，要求其采用先进的污染治理技术和清洁生产工艺；对于电子信息等相对低污染行业，可能更侧重于对电子产品中有害物质的控制和回收利用。区域特定规制根据地理、气候等因素划分规制政策，考虑到不同地区的环境承载能力、生态功能定位和经济发展水平的差异。例如，针对酸雨控制区，制定特殊的二氧化硫和氮氧化物排放限制，以减少酸雨的形成；在生态脆弱的西部地区，加强对矿产资源开发的环境监管，限制高污染、高能耗项目的建设，保护生态环境。产品特定规制针对某些可能对环境造成影响的产品，对其生产、使用和废弃处理等环节进行规制。如对电子产品中有害物质的使用限制，要求电子产品制造商减少铅、汞、镉等有害物质的使用，降低电子产品在生产和废弃过程中对环境的污染；对汽车尾气排放进行严格控制，通过制定汽车尾气排放标准，推动汽车制造商改进发动机技术和尾气净化装置，减少汽车尾气对大气环境的污染。2.1.3环境规制的作用机制环境规制对企业行为、产业结构和经济增长具有重要的影响机制，这些机制相互关联，共同作用于经济社会的发展。在企业行为方面，环境规制首先会增加企业的生产成本。企业为了达到环境标准，需要投入资金购置环保设备，如工业企业安装废气处理设备、废水处理设施等，这些设备的购置、安装和维护都需要大量的资金投入；改进生产工艺也是企业应对环境规制的重要措施，采用更环保、更高效的生产工艺，可能需要企业进行技术改造和升级，这涉及到技术研发、设备更新和人员培训等方面的成本；开展污染治理活动，如对生产过程中产生的废弃物进行处理、对污染场地进行修复等，也会增加企业的运营成本。例如，某化工企业为了满足新的废水排放标准，投资数百万元购置了一套先进的废水处理设备，并对生产工艺进行了优化，虽然实现了达标排放，但生产成本显著上升。环境规制也能倒逼企业进行技术创新。为了降低因满足环境规制而增加的成本，企业会加大在环保技术研发方面的投入，寻求更有效的污染治理方法和更高效的生产技术。这种技术创新不仅有助于企业减少污染排放，实现可持续发展，还可能提升生产效率和产品质量，增强企业的市场竞争力。例如，一些企业研发出新型的清洁生产技术，在减少污染物排放的同时，提高了原材料的利用率，降低了生产成本；还有些企业开发出环保型产品，满足了消费者对绿色产品的需求，从而在市场竞争中占据优势。从产业结构角度来看，环境规制能够引导资源优化配置，促使产业结构向资源节约型和环境友好型转变。严格的环境规制会使高污染、高能耗产业的生产成本大幅增加，利润空间受到压缩，从而导致这些产业的投资减少，生产规模缩小。相反，环保产业和高新技术产业由于符合环境规制的要求，能够获得更多的政策支持和市场机会，吸引更多的资源流入，从而实现快速发展。例如，随着环境规制的加强，传统的钢铁、水泥等行业发展受到一定限制，而新能源、节能环保等新兴产业迎来了发展机遇，产业结构得到优化升级。环境规制还能加速淘汰落后产能，优化产业结构。对于那些无法达到环境标准、污染严重且技术落后的企业，在环境规制的压力下，将面临停产整顿或被淘汰出局的命运。这有助于提高产业的整体素质，促进产业的健康发展。例如，在一些地区，通过实施严格的环境规制政策，关闭了一批小造纸厂、小水泥厂等落后产能企业，为大型、先进企业的发展腾出了市场空间，推动了产业的规模化和集约化发展。在经济增长方面，环境规制与经济增长之间存在复杂的关系。从短期来看，环境规制可能会对经济增长产生一定的抑制作用。一方面，企业为了满足环境规制要求而增加的成本，可能会导致产品价格上升，市场需求下降，从而影响企业的生产和销售，进而影响经济增长；另一方面，严格的环境规制可能会限制一些高污染、高能耗产业的发展，这些产业在短期内对经济增长具有重要贡献，其发展受限会对经济增长产生负面影响。从长期来看，环境规制能够促进经济的可持续增长。通过推动技术创新和产业结构优化升级，环境规制有助于提高经济发展的质量和效益。创新的环保技术和清洁生产工艺不仅可以减少污染排放，还能提高生产效率，降低生产成本，增强企业的竞争力，从而推动经济的持续增长；产业结构的优化升级使经济发展更加依赖于知识、技术和创新，提高了经济的抗风险能力和可持续发展能力。例如，一些发达国家在加强环境规制的过程中，实现了经济增长与环境保护的双赢，通过发展绿色产业和高新技术产业，推动了经济的高质量发展。2.2效率理论2.2.1效率的概念与度量在经济学领域，效率是一个核心概念，它反映了资源配置和利用的有效程度，衡量了投入与产出之间的关系。从本质上讲，效率意味着在给定的资源投入下，尽可能实现最大的产出，或者在产出一定的情况下，使资源投入达到最小化。这一概念不仅体现了经济活动的效益，还关乎资源的稀缺性和合理利用，对于经济系统的运行和发展具有重要意义。效率的度量方法多种多样，不同的方法适用于不同的研究场景和分析目的。常见的度量方法包括生产函数法、成本函数法、数据包络分析（DEA）和随机前沿分析（SFA）等。生产函数法通过建立投入要素与产出之间的数学关系，来衡量生产效率。常见的生产函数形式有柯布-道格拉斯生产函数（Cobb-DouglasProductionFunction）和超越对数生产函数（TranscendentalLogarithmicProductionFunction）。柯布-道格拉斯生产函数假定生产过程中资本和劳动的替代弹性为常数，其基本形式为Y=AK^{\alpha}L^{\beta}，其中Y表示产出，A为技术水平，K为资本投入，L为劳动投入，\alpha和\beta分别为资本和劳动的产出弹性。超越对数生产函数则是一种更灵活的生产函数形式，它放松了生产要素替代弹性为常数的假设，能够更好地拟合实际生产过程，其一般形式为\lnY=\alpha_0+\sum_{i=1}^{n}\alpha_i\lnX_i+\frac{1}{2}\sum_{i=1}^{n}\sum_{j=1}^{n}\beta_{ij}\lnX_i\lnX_j，其中Y为产出，X_i和X_j为投入要素，\alpha_0、\alpha_i和\beta_{ij}为待估参数。成本函数法从成本角度出发，通过分析生产过程中的成本与产出之间的关系来度量效率。在成本函数中，通常将成本表示为产出和投入要素价格的函数，如短期成本函数C=wL+rK，其中C为总成本，w为劳动价格，r为资本价格，L和K分别为劳动和资本投入。通过比较实际成本与最小成本，可以计算出成本效率，即成本效率=最小成本/实际成本。如果成本效率等于1，说明企业达到了成本最小化，处于有效生产状态；如果成本效率小于1，则表明企业存在成本浪费，生产效率有待提高。数据包络分析（DEA）是一种基于线性规划的非参数效率分析方法，由Charnes、Cooper和Rhodes于1978年提出。DEA方法不需要预先设定生产函数的具体形式，能够在多投入多产出的复杂情况下，有效衡量决策单元（DMU）的相对效率。它通过构建一个生产前沿面，将每个DMU的投入产出数据投影到该前沿面上，从而计算出各DMU的效率值。假设有n个决策单元，每个决策单元有m种投入和s种产出，以规模报酬不变（CRS）假设下的CCR模型为例，其效率评价模型可表示为：\begin{align*}\min_{\theta,\lambda}&\theta\\s.t.&\sum_{j=1}^{n}\lambda_jx_{ij}\leq\thetax_{ik},i=1,2,\cdots,m\\&\sum_{j=1}^{n}\lambda_jy_{rj}\geqy_{rk},r=1,2,\cdots,s\\&\lambda_j\geq0,j=1,2,\cdots,n\end{align*}其中，\theta为决策单元k的效率值，\lambda_j为权重向量，x_{ij}和y_{rj}分别表示第j个决策单元的第i种投入和第r种产出，x_{ik}和y_{rk}表示第k个决策单元的第i种投入和第r种产出。当\theta=1时，决策单元k位于生产前沿面上，是有效的；当\theta\lt1时，决策单元k处于生产前沿面以内，存在投入冗余或产出不足，是非有效的。随机前沿分析（SFA）是一种参数估计方法，它通过设定生产函数的具体形式，并将技术无效率项和随机误差项纳入模型中，来估计生产单元的效率。与DEA方法不同，SFA方法需要预先假设生产函数的形式和误差项的分布。以柯布-道格拉斯生产函数为例，随机前沿生产函数可表示为：\lnY_{it}=\beta_0+\sum_{j=1}^{m}\beta_j\lnX_{ijt}+v_{it}-u_{it}其中，Y_{it}表示第i个生产单元在第t时期的产出，X_{ijt}表示第i个生产单元在第t时期的第j种投入，\beta_0和\beta_j为待估参数，v_{it}为随机误差项，服从正态分布N(0,\sigma_v^2)，u_{it}为非负的技术无效率项，通常假设服从半正态分布或截断正态分布。通过对模型进行估计，可以得到技术无效率项的估计值，进而计算出生产单元的技术效率，即技术效率=\exp(-u_{it})。2.2.2环境规制效率的界定与衡量环境规制效率是指在一定的环境规制政策下，实现环境保护目标与资源投入之间的有效程度。它不仅关注环境质量的改善，还考虑了在实现这一目标过程中所消耗的经济资源、社会资源等，是一个综合衡量环境规制政策实施效果的概念。环境规制效率的核心在于如何在有限的资源条件下，最大限度地实现环境质量的提升和生态系统的保护，同时确保经济发展不受过度抑制，达到环境与经济的协调发展。衡量环境规制效率的常用指标和方法丰富多样，涵盖了多个方面。在指标选取上，通常会考虑环境投入指标、经济产出指标和环境产出指标。环境投入指标包括环保资金投入，如环境污染治理投资总额、环保科研经费投入等，这些指标反映了为保护环境而投入的经济资源；能源消耗指标，如能源消费总量、单位GDP能耗等，体现了经济活动对能源的依赖程度和能源利用效率，因为能源消耗与环境污染密切相关，高能耗往往伴随着高污染排放。经济产出指标一般选取地区生产总值（GDP）、工业增加值等，用于衡量经济发展的规模和水平，以评估在环境规制下经济增长的情况。环境产出指标则涉及污染物排放指标，如工业废气排放量、工业废水排放量、工业固体废物产生量等，直接反映了环境污染的程度；环境质量改善指标，如空气质量优良天数比例、地表水水质达标率等，体现了环境规制对环境质量的实际改善效果。在方法应用方面，数据包络分析（DEA）及其扩展模型在环境规制效率衡量中应用广泛。传统DEA模型如CCR模型和BCC模型，能够在多投入多产出的框架下，对环境规制效率进行初步评估。然而，这些模型在处理非期望产出（如污染物排放）时存在一定局限性。为了克服这一问题，学者们提出了基于松弛变量的SBM-DEA模型。该模型将非期望产出作为投入要素的一部分，通过考虑投入和产出的松弛变量，能够更准确地衡量包含非期望产出的环境规制效率。假设有n个决策单元，每个决策单元有m种投入、s_1种期望产出和s_2种非期望产出，SBM-DEA模型的效率评价模型可表示为：\begin{align*}\min_{\rho,\lambda,s^-,s^+,s^b}&\rho=1-\frac{1}{m}\sum_{i=1}^{m}\frac{s_i^-}{x_{ik}}\\s.t.&\sum_{j=1}^{n}\lambda_jx_{ij}+s_i^-=x_{ik},i=1,2,\cdots,m\\&\sum_{j=1}^{n}\lambda_jy_{rj}^+-s_r^+=y_{rk}^+,r=1,2,\cdots,s_1\\&\sum_{j=1}^{n}\lambda_jy_{rj}^b+s_r^b=y_{rk}^b,r=1,2,\cdots,s_2\\&\lambda_j\geq0,j=1,2,\cdots,n\\&s_i^-\geq0,i=1,2,\cdots,m\\&s_r^+\geq0,r=1,2,\cdots,s_1\\&s_r^b\geq0,r=1,2,\cdots,s_2\end{align*}其中，\rho为决策单元k的效率值，\lambda_j为权重向量，x_{ij}为第j个决策单元的第i种投入，y_{rj}^+和y_{rj}^b分别为第j个决策单元的第r种期望产出和非期望产出，x_{ik}、y_{rk}^+和y_{rk}^b分别为第k个决策单元的第i种投入、第r种期望产出和非期望产出，s_i^-、s_r^+和s_r^b分别为投入、期望产出和非期望产出的松弛变量。当\rho=1时，决策单元k是有效的，不存在投入冗余和产出不足；当\rho\lt1时，决策单元k是非有效的，需要通过减少投入冗余和非期望产出，增加期望产出，来提高环境规制效率。DEA-Malmquist指数模型则用于分析环境规制效率的动态变化。它通过计算不同时期生产前沿面的移动和决策单元在生产前沿面上的相对位置变化，将效率变化分解为技术效率变化（EC）和技术进步变化（TC）。Malmquist指数的计算公式为：M_{t,t+1}(x^t,y^t,x^{t+1},y^{t+1})=\sqrt{\frac{D^t(x^t,y^t)}{D^t(x^{t+1},y^{t+1})}\times\frac{D^{t+1}(x^t,y^t)}{D^{t+1}(x^{t+1},y^{t+1})}}其中，M_{t,t+1}表示从时期t到时期t+1的Malmquist指数，D^t(x^t,y^t)和D^{t+1}(x^{t+1},y^{t+1})分别为时期t和时期t+1基于投入的距离函数。当M_{t,t+1}\gt1时，表明环境规制效率在这一时期有所提高；当M_{t,t+1}=1时，效率保持不变；当M_{t,t+1}\lt1时，效率下降。技术效率变化（EC）反映了决策单元在同一生产前沿面上的追赶效应，即决策单元自身管理水平和生产技术利用效率的变化；技术进步变化（TC）则体现了生产前沿面的移动，代表了整个行业的技术创新和进步对环境规制效率的影响。通过对Malmquist指数及其分解项的分析，可以深入了解环境规制效率在不同时期的变化趋势和驱动因素。2.3空间经济学理论2.3.1空间自相关理论空间自相关理论是空间经济学的重要组成部分，它主要用于研究空间数据在分布上的相互关系，揭示地理现象在空间上的集聚或分散特征。在地理学和统计学领域，空间自相关被定义为某一变量在空间位置上的观测值与其相邻位置观测值之间的相似程度。其核心思想基于地理学第一定律，即“任何事物都与其他事物相关，但近处的事物比远处的事物更相关”。这意味着在空间中，相近位置的地理要素往往具有相似的属性特征，而空间自相关理论正是通过量化这种相似性，来分析地理现象的空间分布规律。空间自相关可分为全局空间自相关和局部空间自相关。全局空间自相关关注的是整个研究区域内某一变量的空间分布特征，通过计算全局空间自相关指数，来判断该变量在空间上是否存在集聚或分散的趋势。常用的全局空间自相关指数为Moran'sI指数，其计算公式为：I=\frac{n\sum_{i=1}^{n}\sum_{j=1}^{n}w_{ij}(x_i-\overline{x})(x_j-\overline{x})}{\sum_{i=1}^{n}\sum_{j=1}^{n}w_{ij}\sum_{i=1}^{n}(x_i-\overline{x})^2}其中，n为研究区域内的样本数量，x_i和x_j分别表示第i个和第j个样本的观测值，\overline{x}为所有样本观测值的平均值，w_{ij}为空间权重矩阵，表示样本i和样本j之间的空间关系。Moran'sI指数的取值范围为[-1,1]，当I\gt0时，表示空间正相关，即高值与高值相邻、低值与低值相邻，存在空间集聚现象；当I\lt0时，表示空间负相关，即高值与低值相邻，呈现空间分散状态；当I=0时，则表示空间不相关，观测值在空间上呈随机分布。局部空间自相关则侧重于研究区域内每个局部位置上变量的空间特征，能够识别出具体的高值集聚区域（热点）和低值集聚区域（冷点）。局部空间自相关分析常用的方法有局部Moran'sI指数和Getis-OrdG_i^*指数。局部Moran'sI指数的计算公式为：I_i=\frac{(x_i-\overline{x})}{\sum_{i=1}^{n}(x_i-\overline{x})^2}\sum_{j=1}^{n}w_{ij}(x_j-\overline{x})其中，I_i为第i个样本的局部Moran'sI指数，其他参数含义与全局Moran'sI指数公式相同。通过计算局部Moran'sI指数，并结合Z检验和P值进行显著性判断，可以确定每个样本点与其邻域之间的空间相关性。若I_i为正且通过显著性检验，则表明该样本点与其邻域的观测值具有相似性，属于高值集聚或低值集聚区域；若I_i为负且通过显著性检验，则表示该样本点与其邻域的观测值差异较大，处于空间异常值区域。Getis-OrdG_i^*指数主要用于检测局部空间上的高值或低值集聚情况，其计算公式为：G_i^*=\frac{\sum_{j=1}^{n}w_{ij}(d)x_j}{\sum_{j=1}^{n}x_j}其中，d为样本i与样本j之间的距离，w_{ij}(d)为基于距离的空间权重矩阵，当样本j与样本i之间的距离小于设定的阈值时，w_{ij}(d)=1，否则w_{ij}(d)=0。通过计算Getis-OrdG_i^*指数，并进行标准化处理得到Z(G_i^*)，结合P值进行显著性判断。当Z(G_i^*)\gt0且通过显著性检验时，表明该区域存在高值集聚现象，即热点区域；当Z(G_i^*)\lt0且通过显著性检验时，则表示该区域存在低值集聚现象，即冷点区域。在环境规制效率研究中，空间自相关理论具有重要应用。通过计算环境规制效率的空间自相关指数，可以了解不同地区环境规制效率在空间上的分布特征，判断是否存在空间集聚现象。若环境规制效率存在空间正相关，说明环境规制效率较高（或较低）的地区在空间上呈现集聚分布，可能存在区域间的相互影响和溢出效应。例如，某一地区严格的环境规制政策可能会对相邻地区产生示范作用，促使相邻地区加强环境规制，提高环境规制效率；或者某一地区环境规制的放松可能导致污染产业向相邻地区转移，从而影响相邻地区的环境规制效率。通过识别环境规制效率的热点和冷点区域，可以有针对性地制定环境规制政策。对于热点区域，可以总结其成功经验，加以推广和复制；对于冷点区域，则需要深入分析原因，采取相应的改进措施，加强政策支持和引导，以提高环境规制效率。2.3.2区域差异理论区域差异是指不同区域之间在自然条件、经济发展、社会文化、生态环境等方面存在的差别，这些差异是区域发展不平衡的重要体现。区域差异的形成是多种因素共同作用的结果，主要包括自然因素、经济因素、社会因素和政策因素等。自然因素是区域差异形成的基础，不同地区的地理位置、地形地貌、气候条件、自然资源禀赋等存在显著差异，这些差异直接影响了区域的产业布局和经济发展。例如，沿海地区由于地理位置优越，交通便利，便于开展对外贸易，往往成为经济发达地区；而内陆地区，尤其是一些地形复杂、交通不便的山区，经济发展相对滞后。自然资源丰富的地区，如拥有丰富矿产资源的地区，往往以资源开采和加工产业为主；而自然资源匮乏的地区，则需要依赖外部资源输入，发展资源节约型和技术密集型产业。经济因素在区域差异形成中起着关键作用。区域的经济发展水平、产业结构、技术水平、资本积累和市场发育程度等方面的差异，导致了区域经济增长速度和发展质量的不同。经济发达地区通常具有较高的产业集聚度，形成了完善的产业链和产业集群，产业结构不断优化升级，以高新技术产业和服务业为主导；而经济欠发达地区产业结构相对单一，多以传统农业和资源型产业为主，产业附加值较低，经济增长动力不足。技术水平的差异也会影响区域的经济发展，发达地区拥有先进的技术和创新能力，能够不断推出新产品和新技术，提高生产效率和产品竞争力；而欠发达地区技术水平相对落后，创新能力不足，在市场竞争中处于劣势。社会因素包括人口素质、教育水平、文化传统和社会制度等，对区域差异也产生重要影响。人口素质和教育水平较高的地区，劳动力质量较高，能够为经济发展提供高素质的人力资源，有利于推动产业升级和技术创新；而人口素质和教育水平较低的地区，劳动力素质相对较低，制约了经济的发展。不同地区的文化传统和社会制度也会影响人们的行为方式和经济活动，例如，一些地区具有创新、开放的文化氛围，有利于吸引投资和人才，促进经济发展；而一些地区传统观念较强，可能会对经济发展产生一定的阻碍。政策因素是区域差异形成的重要外部因素。政府的区域发展政策、产业政策、财政政策和货币政策等对区域经济发展具有引导和调控作用。例如，政府对某些地区实施优惠的产业政策，加大对基础设施建设的投入，给予财政补贴和税收优惠等，能够吸引企业和投资，促进区域经济发展；而一些地区由于缺乏政策支持，发展相对缓慢。区域之间的政策差异也会导致资源配置的不均衡，进一步加剧区域差异。区域差异在经济发展水平、产业结构、环境质量等方面表现明显。在经济发展水平方面，东部沿海地区经济发达，人均GDP较高，居民生活水平也较高；而中西部地区经济相对落后，人均GDP较低，存在一定的发展差距。在产业结构方面，东部地区产业结构较为优化，高新技术产业和服务业占比较高；中西部地区则以传统制造业和农业为主，产业结构有待升级。在环境质量方面，不同地区由于经济发展模式和环境规制强度的差异，环境质量也存在较大差异。一些经济发达且环境规制严格的地区，环境质量相对较好；而一些经济欠发达且以高污染、高能耗产业为主的地区，环境质量较差。区域差异对环境规制效率产生多方面影响。由于不同区域的经济发展水平和产业结构不同，对环境规制的承受能力和需求也存在差异。经济发达地区通常具有较强的经济实力和技术水平，能够承担较高的环境规制成本，并且对环境质量的要求也较高，因此更有动力和能力实施严格的环境规制政策，环境规制效率相对较高。例如，长三角、珠三角等经济发达地区，企业有足够的资金投入到环保设备购置和技术研发中，能够更好地满足环境规制要求，实现经济与环境的协调发展。而经济欠发达地区，由于经济基础薄弱，产业结构以传统产业为主，企业的盈利能力有限，对环境规制成本的承受能力较弱，可能会在一定程度上抵制严格的环境规制政策，导致环境规制效率较低。例如，一些中西部地区的资源型企业，为了降低生产成本，可能会忽视环境规制要求，违规排放污染物。区域间的产业转移也会对环境规制效率产生影响。随着经济发展和环境规制强度的变化，一些高污染、高能耗产业会从环境规制严格的地区向环境规制相对宽松的地区转移。这种产业转移可能会导致转入地区的环境污染加剧，增加环境规制的难度和成本，降低环境规制效率。例如，东部地区一些纺织印染、化工等产业向中西部地区转移，如果转入地区的环境规制不到位，就可能会出现污染排放增加、环境质量下降的问题。区域差异还会影响环境规制政策的制定和实施。由于各地区的实际情况不同，统一的环境规制政策可能无法适应所有地区的需求，需要根据区域差异制定差异化的环境规制政策，以提高环境规制效率。例如，在环境标准制定上，应充分考虑不同地区的环境承载能力和经济发展水平，避免“一刀切”的做法，确保环境规制政策的有效性和可行性。三、中国环境规制效率的测度及时空差异分析3.1研究区域与数据来源3.1.1研究区域界定本研究以中国31个省级行政区（包括省、自治区和直辖市，不包括港澳台地区）为研究对象，涵盖了东部、中部、西部和东北地区。东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省市，该地区经济发达，对外开放程度高，产业结构以高新技术产业和服务业为主，在环境规制方面通常处于前沿地位，具有较高的环境规制强度和先进的环境管理经验。中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省份，是我国重要的农业产区和能源原材料基地，产业结构相对偏重，在环境规制过程中面临着经济发展与环境保护的双重压力。西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆12个省市区，地域辽阔，自然资源丰富，但生态环境脆弱，经济发展水平相对较低，环境规制的实施难度较大，在平衡资源开发与环境保护方面面临诸多挑战。东北地区包括辽宁、吉林和黑龙江3个省份，是我国重要的老工业基地，工业基础雄厚，但传统产业占比较高，在环境规制下需要加快产业转型升级，以提升环境规制效率。选择这31个省级行政区作为研究区域，主要基于以下考虑：一是数据的可得性和完整性，这些地区的统计数据相对较为全面和规范，能够满足本研究对环境投入、经济产出和污染物排放等多方面数据的需求。二是区域的代表性，涵盖了不同经济发展水平、产业结构和资源禀赋的地区，能够全面反映中国环境规制效率的地域差异和特征。通过对不同区域的分析，可以深入了解环境规制效率在全国范围内的分布格局和变化趋势，为制定差异化的环境规制政策提供科学依据。三是便于进行区域间的比较和分析，将全国划分为东部、中部、西部和东北四大区域，有利于研究不同区域之间环境规制效率的差异及其影响因素，揭示区域间的相互关系和协同发展潜力。3.1.2数据来源与处理本研究的数据主要来源于以下几个渠道：一是国家统计局发布的《中国统计年鉴》，该年鉴提供了各地区的经济总量、人口、能源消费等宏观经济数据，这些数据是衡量经济发展水平和资源消耗的重要指标，为分析环境规制效率与经济因素之间的关系提供了基础。二是生态环境部发布的《中国环境统计年鉴》，该年鉴详细记录了各地区的污染物排放数据，包括工业废气、废水、固体废物的排放量等，是评估环境规制效果的关键数据来源，能够直观反映各地区的环境污染状况。三是各省级行政区的统计年鉴和环境统计年鉴，这些年鉴提供了更详细的地区层面数据，与国家层面的数据相互补充，确保数据的全面性和准确性。此外，对于部分缺失数据，采用了插值法、均值法等方法进行填补。例如，若某地区某一年份的工业废气排放量数据缺失，通过对该地区前后年份数据以及相邻地区同期数据的分析，采用线性插值法进行估算；对于一些统计口径不一致的数据，进行了统一调整和标准化处理，以保证数据的可比性。在数据处理过程中，还对数据进行了异常值检验和修正，确保数据质量，为后续的环境规制效率测度和分析提供可靠的数据支持。3.2环境规制效率测度模型构建3.2.1数据包络分析（DEA）模型原理数据包络分析（DEA）是一种基于线性规划的非参数效率分析方法，最早由Charnes、Cooper和Rhodes于1978年提出，用于评价多投入多产出决策单元（DMU）的相对效率。该方法的基本原理是通过构建一个生产前沿面，将每个决策单元的投入产出数据投影到该前沿面上，从而计算出各决策单元的效率值。在环境规制效率测度中，DEA方法能够有效处理多投入多产出的复杂系统，无需预先设定生产函数的具体形式，避免了主观因素对权重设定的影响，具有较强的客观性和适用性。DEA模型的核心假设是决策单元之间具有可比性，且生产技术具有单调性和凸性。以规模报酬不变（CRS）假设下的CCR模型为例，假设有n个决策单元，每个决策单元有m种投入和s种产出，对于第k个决策单元，其效率评价模型可表示为：\begin{align*}\min_{\theta,\lambda}&\theta\\s.t.&\sum_{j=1}^{n}\lambda_jx_{ij}\leq\thetax_{ik},i=1,2,\cdots,m\\&\sum_{j=1}^{n}\lambda_jy_{rj}\geqy_{rk},r=1,2,\cdots,s\\&\lambda_j\geq0,j=1,2,\cdots,n\end{align*}其中，\theta为决策单元k的效率值，\lambda_j为权重向量，x_{ij}和y_{rj}分别表示第j个决策单元的第i种投入和第r种产出，x_{ik}和y_{rk}表示第k个决策单元的第i种投入和第r种产出。该模型的目标是在满足产出约束的条件下，最小化投入比例\theta。当\theta=1时，决策单元k位于生产前沿面上，是有效的，意味着在现有技术水平下，该决策单元实现了投入产出的最优配置，不存在投入冗余或产出不足的情况；当\theta\lt1时，决策单元k处于生产前沿面以内，是非有效的，表明存在投入冗余或产出不足，即可以通过减少投入或增加产出，来提高环境规制效率。Banker、Charnes和Cooper在1984年提出了BCC模型，该模型在CCR模型的基础上，引入了规模报酬可变（VRS）的假设，能够将技术效率进一步分解为纯技术效率和规模效率。BCC模型的效率评价模型为：\begin{align*}\min_{\theta,\lambda,\mu}&\theta\\s.t.&\sum_{j=1}^{n}\lambda_jx_{ij}\leq\thetax_{ik},i=1,2,\cdots,m\\&\sum_{j=1}^{n}\lambda_jy_{rj}\geqy_{rk},r=1,2,\cdots,s\\&\sum_{j=1}^{n}\lambda_j=1\\&\lambda_j\geq0,j=1,2,\cdots,n\\&\mu\text{æ—

约束}\end{align*}其中，新增的约束条件\sum_{j=1}^{n}\lambda_j=1用于保证规模报酬可变。通过BCC模型计算得到的效率值为纯技术效率（PTE），它反映了决策单元在既定生产技术和管理水平下，对投入资源的有效利用程度。规模效率（SE）可以通过CCR模型的效率值（TE）与BCC模型的纯技术效率值的比值得到，即SE=\frac{TE}{PTE}。规模效率衡量了决策单元是否处于最优生产规模，当SE=1时，表明决策单元处于最优规模；当SE\lt1时，则说明决策单元存在规模无效，需要调整生产规模以提高效率。DEA模型在环境规制效率测度中具有显著的优点。它能够同时处理多个投入和多个产出指标，充分考虑环境规制过程中的复杂性和多样性。在环境规制中，投入指标可能包括环保资金投入、能源消耗、人力投入等，产出指标则涉及经济增长、污染物减排、环境质量改善等多个方面，DEA模型可以综合考虑这些因素，全面评估环境规制效率。DEA模型无需预先设定生产函数的具体形式，避免了因函数设定不当而导致的估计偏差，能够更客观地反映决策单元的实际效率水平。这对于环境规制效率测度尤为重要，因为环境系统的复杂性使得准确设定生产函数较为困难。DEA模型还能够提供丰富的信息，不仅可以计算决策单元的效率值，还能分析投入冗余和产出不足的情况，为改进环境规制政策提供具体的方向和建议。例如，通过分析投入冗余指标，可以确定哪些投入资源存在浪费，从而针对性地减少投入；通过分析产出不足指标，可以明确哪些方面需要进一步提高产出，以提升环境规制效率。3.2.2指标体系选取在运用DEA模型测度环境规制效率时，合理选取输入和输出指标是确保结果准确性和可靠性的关键。本研究综合考虑数据的可得性、代表性以及与环境规制效率的相关性，构建了如下指标体系：输入指标：污染治理投入：环境污染治理投资总额（亿元）：该指标反映了各地区在环境污染治理方面的资金投入规模，包括城市环境基础设施建设投资、工业污染源治理投资和建设项目“三同时”环保投资等，是衡量环境规制资源投入的重要指标。较高的投资总额通常意味着更多的资源用于污染治理，有助于提高环境规制效率。环保从业人员数量（万人）：代表了各地区从事环境保护工作的人力资源投入。环保从业人员在环境监测、污染治理、环境管理等方面发挥着重要作用，其数量的多少在一定程度上反映了地区对环境保护工作的重视程度和执行能力，对环境规制效率产生影响。能源消耗：能源消费总量（万吨标准煤）：体现了各地区在生产和生活过程中对能源的消耗总量。能源消耗与环境污染密切相关，高能耗往往伴随着高污染排放，因此能源消费总量是衡量环境规制投入的重要指标之一。通过控制能源消耗总量，优化能源消费结构，可以降低环境污染，提高环境规制效率。输出指标：经济增长指标：地区生产总值（GDP，亿元）：作为衡量地区经济发展水平的核心指标，反映了环境规制下地区经济的总体产出。在追求环境保护的同时，保持经济的稳定增长是环境规制的重要目标之一。较高的GDP表明地区在环境规制过程中，能够较好地实现经济与环境的协调发展，环境规制效率相对较高。污染物减排量：工业废气减排量（亿标立方米）：工业废气是大气污染的主要来源之一，包括二氧化硫、氮氧化物、颗粒物等污染物。工业废气减排量直接反映了各地区在减少大气污染物排放方面的成效，是衡量环境规制对大气污染治理效果的关键指标。减排量越大，说明环境规制在控制工业废气排放方面的效率越高。工业废水减排量（万吨）：工业废水的排放对水体环境造成严重威胁，工业废水减排量体现了各地区在水污染治理方面的努力和成果。通过加强环境规制，促使企业采取有效的废水处理措施，减少废水排放，提高水资源的利用效率，从而提升环境规制效率。工业固体废物综合利用量（万吨）：工业固体废物的产生不仅占用大量土地资源，还可能对土壤、水体和大气环境造成污染。工业固体废物综合利用量反映了各地区对工业固体废物的回收利用程度，体现了环境规制在推动资源循环利用、减少固体废物排放方面的作用。综合利用量越高，表明环境规制在促进资源节约和环境保护方面的效率越高。3.2.3模型应用与结果计算本研究运用DEA-Solver软件，采用BCC模型对收集到的中国31个省级行政区2010-2020年的面板数据进行处理，计算各地区的环境规制效率值，包括综合技术效率（TE）、纯技术效率（PTE）和规模效率（SE）。具体计算步骤如下：数据整理与标准化：对收集到的输入和输出指标数据进行整理，确保数据的准确性和完整性。由于不同指标的量纲和数量级存在差异，为了消除这些差异对计算结果的影响，采用极差标准化方法对数据进行预处理。对于正向指标（如地区生产总值、工业固体废物综合利用量），标准化公式为x_{ij}^*=\frac{x_{ij}-\min(x_{ij})}{\max(x_{ij})-\min(x_{ij})}；对于逆向指标（如环境污染治理投资总额、能源消费总量、工业废气减排量、工业废水减排量），标准化公式为x_{ij}^*=\frac{\max(x_{ij})-x_{ij}}{\max(x_{ij})-\min(x_{ij})}，其中x_{ij}为原始数据，x_{ij}^*为标准化后的数据。模型设定与求解：在DEA-Solver软件中，按照BCC模型的原理和步骤，设置输入指标（环境污染治理投资总额、环保从业人员数量、能源消费总量）和输出指标（地区生产总值、工业废气减排量、工业废水减排量、工业固体废物综合利用量），并选择规模报酬可变（VRS）假设。运行软件，通过线性规划算法求解模型，得到各地区在不同年份的综合技术效率、纯技术效率和规模效率值。结果分析与检验：对计算得到的效率值进行分析，观察各地区环境规制效率的变化趋势和差异。为了检验结果的可靠性，采用曼奎斯特（Malmquist）指数对环境规制效率的动态变化进行分析。Malmquist指数可以将效率变化分解为技术效率变化（EC）和技术进步变化（TC），从而更深入地了解环境规制效率的演变机制。同时，通过敏感性分析，考察不同指标对环境规制效率的影响程度，确保结果的稳健性。通过上述模型应用与结果计算，得到了中国各地区在2010-2020年期间的环境规制效率值，为后续的时空差异分析和影响因素研究提供了数据基础。3.3中国环境规制效率的时间变化特征3.3.1总体时间趋势分析通过对2010-2020年中国31个省级行政区环境规制效率值的计算和整理，绘制环境规制综合技术效率、纯技术效率和规模效率的时间趋势折线图，如图1所示。从综合技术效率来看，整体呈现出波动上升的趋势。2010-2013年期间，综合技术效率值在0.65-0.7之间波动，这一时期，中国经济处于快速发展阶段，部分地区在追求经济增长的同时，对环境保护的重视程度相对不足，导致环境规制效率提升缓慢。2013-2016年，综合技术效率出现了较为明显的上升，从0.7左右提高到0.75以上，这主要得益于国家对环境保护的日益重视，一系列严格的环境规制政策相继出台，如《大气污染防治行动计划》《水污染防治行动计划》等，这些政策的实施促使各地区加大了环境治理力度，提高了环境规制效率。2016-2020年，综合技术效率继续保持上升态势，但增速有所放缓，稳定在0.8左右，表明环境规制效率在达到一定水平后，进一步提升面临一定的瓶颈，需要在政策制定、技术创新和管理模式等方面寻求新的突破。从纯技术效率来看，其变化趋势与综合技术效率相似，但数值相对较高，始终保持在0.8以上。这说明中国各地区在环境规制过程中，生产技术和管理水平相对较高，对投入资源的利用较为有效。2010-2014年，纯技术效率较为稳定，维持在0.85左右，表明这一时期各地区的生产技术和管理水平没有发生显著变化。2014-2018年，纯技术效率有所上升，达到0.9以上，这可能是由于各地区积极引进和应用先进的环境治理技术，加强环境管理体系建设，提高了资源利用效率。2018-2020年，纯技术效率略有下降，但仍保持在0.9左右，可能是由于部分地区在技术创新和管理改进方面遇到了困难，或者受到外部经济环境变化的影响。规模效率的变化趋势相对较为平稳，在0.7-0.8之间波动。2010-2015年，规模效率呈现出缓慢上升的趋势，从0.7左右提高到0.75左右，说明这一时期各地区在环境规制过程中，逐渐调整生产规模，提高了规模效益。2015-2018年，规模效率出现了一定程度的下降，可能是由于部分地区在扩大环境治理规模时，未能有效协调资源配置，导致规模不经济。2018-2020年，规模效率又有所回升，表明各地区在经历了规模调整的阵痛后，逐渐找到了适合自身发展的规模，提高了规模效率。3.3.2阶段性特征分析根据中国环境政策的重大变化和经济发展阶段，将2010-2020年划分为三个阶段，分别分析各阶段环境规制效率的特点。第一阶段（2010-2012年）：政策逐步加强，效率缓慢提升这一阶段，中国处于“十二五”规划初期，经济发展仍以传统产业为主，环境规制政策处于逐步完善和加强的过程中。虽然国家已经开始重视环境保护，但在实际执行过程中，部分地区存在政策落实不到位的情况。从环境规制效率来看，综合技术效率、纯技术效率和规模效率均处于相对较低的水平，且提升速度较慢。在综合技术效率方面，全国平均水平在0.65左右，部分经济欠发达地区的效率值甚至低于0.6。这主要是因为这些地区产业结构以高污染、高能耗产业为主，环境治理投入相对不足，导致环境规制效率低下。在纯技术效率方面，虽然整体水平相对较高，但仍有部分地区存在技术利用不充分的问题，如一些地区的环保设备老化，技术更新换代缓慢，影响了环境规制效率的提升。规模效率方面，由于部分地区在环境治理过程中，未能充分考虑规模效益，导致规模效率较低，一些小型企业在污染治理上难以形成规模经济，增加了治理成本。第二阶段（2013-2017年）：政策严格实施，效率快速增长2013年，中国政府发布《大气污染防治行动计划》（又称“大气十条”），随后又出台了《水污染防治行动计划》（“水十条”）和《土壤污染防治行动计划》（“土十条”），环境规制政策进入全面严格实施阶段。在这一阶段，各地区加大了环境治理投入，加强了环境监管执法力度，环境规制效率呈现出快速增长的态势。综合技术效率从2013年的0.7左右迅速提高到2017年的0.78左右，增长幅度明显。各地区积极淘汰落后产能，推动产业结构优化升级，加大对环保产业的扶持力度，提高了环境规制的整体效果。纯技术效率也有显著提升，达到了0.9以上，这得益于各地区积极引进和推广先进的环境治理技术，加强环境管理人才培养，提高了环境治理的技术水平和管理能力。规模效率在这一阶段也有所改善，从0.73左右提高到0.76左右，各地区通过整合环境治理资源，推动环境治理设施的规模化建设和运营，提高了规模效益。第三阶段（2018-2020年）：政策持续深化，效率趋于稳定进入“十三五”规划后期，环境规制政策持续深化，各地区在巩固前期环境治理成果的基础上，进一步加强环境规制。这一阶段，环境规制效率增长速度放缓，逐渐趋于稳定。综合技术效率稳定在0.8左右，表明环境规制效率在达到一定水平后，进一步提升面临一定的困难。随着环境规制的深入推进，一些深层次的问题逐渐显现，如产业结构调整难度加大，部分地区在推动传统产业转型升级过程中面临技术、资金等方面的瓶颈；环境治理成本不断上升，一些企业在环保投入上的压力较大，影响了环境规制效率的进一步提升。纯技术效率保持在0.9左右，虽然各地区在技术创新和管理改进方面不断努力，但技术进步的速度逐渐放缓，对环境规制效率的提升作用有限。规模效率也基本稳定在0.78左右，各地区在环境治理规模上已经相对稳定，进一步优化规模效益的空间较小。3.4中国环境规制效率的空间差异分析3.4.1空间分布格局描述为了直观呈现中国环境规制效率的空间分布特征，以2020年为例，运用ArcGIS软件绘制环境规制综合技术效率、纯技术效率和规模效率的空间分布图，如图2-图4所示。从综合技术效率来看，呈现出明显的区域差异。东部地区的北京、天津、上海、江苏、浙江和广东等省市，环境规制综合技术效率普遍较高，大多在0.8以上，其中北京和上海的效率值接近1，处于生产前沿面，表明这些地区在环境规制过程中，实现了投入产出的有效配置，环境规制效率较高。这主要得益于东部地区经济发达，技术先进，在环境治理方面具有较强的资金和技术支持能力，能够采用先进的污染治理技术和管理模式，提高环境规制效率。同时，东部地区的环境监管体系相对完善，公众环保意识较强，对企业的环境行为形成了有效的监督和约束，促使企业积极遵守环境规制要求，进一步提升了环境规制效率。中部地区的山西、安徽、江西和河南等省份，环境规制综合技术效率处于中等水平，在0.7-0.8之间。这些地区作为我国重要的农业产区和能源原材料基地，产业结