徐大偉　李斌

摘要

從上世紀(jì)90年代起，中國(guó)在全國(guó)和各區(qū)域范圍內(nèi)實(shí)施了大量以生態(tài)補(bǔ)償為理論基礎(chǔ)的環(huán)境保護(hù)項(xiàng)目。同時(shí)，伴隨著生態(tài)補(bǔ)償項(xiàng)目的實(shí)施，生態(tài)補(bǔ)償?shù)南嚓P(guān)研究也在不斷推進(jìn)。目前，中國(guó)對(duì)于生態(tài)補(bǔ)償?shù)难芯恐饕性诶碚擉w系的構(gòu)建、機(jī)制的探索、補(bǔ)償對(duì)象、補(bǔ)償方式以及補(bǔ)償金確定等補(bǔ)償前階段的研究，而較少涉及對(duì)現(xiàn)有補(bǔ)償項(xiàng)目績(jī)效評(píng)估等補(bǔ)償后階段的研究，特別是缺少標(biāo)準(zhǔn)經(jīng)濟(jì)學(xué)范式的績(jī)效評(píng)估研究。因此，本文在提出了區(qū)域生態(tài)補(bǔ)償績(jī)效評(píng)價(jià)的必要性與理論意義的基礎(chǔ)上，通過(guò)引入熵值法、傾向值匹配法、面板數(shù)據(jù)回歸方法等經(jīng)濟(jì)學(xué)技術(shù)對(duì)區(qū)域生態(tài)補(bǔ)償績(jī)效進(jìn)行評(píng)估。本文以遼東山區(qū)生態(tài)補(bǔ)償財(cái)政項(xiàng)目為案例，運(yùn)用熵值法對(duì)經(jīng)濟(jì)、社會(huì)、生態(tài)狀況相近的27縣綜合生態(tài)績(jī)效進(jìn)行計(jì)算、比較，經(jīng)過(guò)統(tǒng)計(jì)分析初步發(fā)現(xiàn)績(jī)效最好的縣均是政策影響縣，但也存在諸如清河、燈塔、弓長(zhǎng)嶺等補(bǔ)償縣的生態(tài)績(jī)效并沒(méi)有較大提升；通過(guò)對(duì)補(bǔ)償政策組與非補(bǔ)償政策組以及按行政區(qū)劃分的生態(tài)績(jī)效比較發(fā)現(xiàn)，補(bǔ)償政策以及行政歸屬對(duì)生態(tài)績(jī)效影響是顯著的；運(yùn)用面板回歸方法，發(fā)現(xiàn)在控制了行政區(qū)劃、時(shí)間、環(huán)保投資和森林資源現(xiàn)有存量后，補(bǔ)償政策的效應(yīng)為0.475。為避免樣本選擇問(wèn)題，文章引入Kernel內(nèi)核匹配法得出平均處理效應(yīng)為0.783。兩方法均支持補(bǔ)償政策有效的結(jié)論。最后，為考察生態(tài)補(bǔ)償績(jī)效影響因素，對(duì)補(bǔ)償政策組樣本進(jìn)行面板回歸并與全樣本回歸結(jié)果進(jìn)行比較。研究認(rèn)為，行政區(qū)劃與財(cái)政赤字占比分別在1%水平上顯著，且財(cái)政赤字占比效應(yīng)為正。由于現(xiàn)階段生態(tài)補(bǔ)償政策依然包含過(guò)多行政色彩，所以第二產(chǎn)業(yè)占比、林業(yè)占比、人均GDP等經(jīng)濟(jì)因素只有人均GDP在10%水平上顯著。另外，通過(guò)年份時(shí)間變量的引入，考察了各年平均生態(tài)績(jī)效的變化情況，并發(fā)現(xiàn)政策效應(yīng)在逐漸趨于收斂，這也從另一個(gè)角度證實(shí)了補(bǔ)償政策的實(shí)際效果。

關(guān)鍵詞傾向值分析；熵值法；生態(tài)補(bǔ)償；績(jī)效評(píng)估

中圖分類(lèi)號(hào)F062.2；F326.2文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1002-2104（2015）03-0034-09doi：10.3969/j.issn.1002-2104.2015.03.005

生態(tài)補(bǔ)償是人類(lèi)在保護(hù)環(huán)境、改善生態(tài)環(huán)境的過(guò)程中，逐漸提出的一種以經(jīng)濟(jì)學(xué)為理論基礎(chǔ)的制度安排，按照“中國(guó)環(huán)境與發(fā)展國(guó)際合作委員會(huì)”對(duì)生態(tài)補(bǔ)償?shù)亩x：“生態(tài)補(bǔ)償是一種以保護(hù)生態(tài)服務(wù)功能、促進(jìn)人與自然和諧相處為目的，根據(jù)生態(tài)系統(tǒng)服務(wù)價(jià)值、生態(tài)保護(hù)成本、發(fā)展機(jī)會(huì)成本，運(yùn)用財(cái)政、稅收、市場(chǎng)等手段，調(diào)節(jié)生態(tài)保護(hù)者、收益者和破壞者經(jīng)濟(jì)利益關(guān)系的制度安排。”國(guó)外生態(tài)補(bǔ)償主要采取對(duì)生態(tài)服務(wù)支付的形式，比如：加拿大聯(lián)邦政府的“永久性草原覆蓋恢復(fù)計(jì)劃”（PPCRP）、美國(guó)的保護(hù)與儲(chǔ)備計(jì)劃（CRP）、環(huán)境質(zhì)量激勵(lì)項(xiàng)目（EQIP）以及歐盟的農(nóng)業(yè)環(huán)境保護(hù)項(xiàng)目[1]。自上世紀(jì)90年代起，中國(guó)在11個(gè)?。ㄗ灾螀^(qū)）的685個(gè)縣（單位）和24個(gè)國(guó)家級(jí)自然保護(hù)區(qū)開(kāi)展了征收生態(tài)環(huán)境補(bǔ)償費(fèi)的試點(diǎn)。2012年，已有27個(gè)?。▍^(qū)、市）建立了省級(jí)財(cái)政森林生態(tài)效益補(bǔ)償基金，資金規(guī)模達(dá)51億元；有30個(gè)省（區(qū)、市）建立了礦山環(huán)境恢復(fù)治理保證金制度，累積繳納保證金612億元；還有包括對(duì)草原、濕地、流域、水源地、海洋以及重點(diǎn)生態(tài)功能區(qū)的專(zhuān)項(xiàng)補(bǔ)貼。作為一種公共財(cái)政支出，如此大規(guī)模的補(bǔ)償資金投入是否達(dá)到預(yù)期效果，是否對(duì)生態(tài)環(huán)境的改善起到顯著作用是決策者必須關(guān)注的問(wèn)題，這為開(kāi)展生態(tài)補(bǔ)償績(jī)效評(píng)價(jià)研究提供了現(xiàn)實(shí)需要。

目前，中國(guó)對(duì)于生態(tài)補(bǔ)償?shù)难芯恐饕性诶碚擉w系構(gòu)建、機(jī)制探索、補(bǔ)償對(duì)象、補(bǔ)償方式以及補(bǔ)償金確定等方面，即關(guān)注的是補(bǔ)償前階段的研究，而較少涉及對(duì)現(xiàn)有補(bǔ)償項(xiàng)目績(jī)效的評(píng)估，即補(bǔ)償后階段的研究?，F(xiàn)有生態(tài)績(jī)效評(píng)估的研究也限于方法、數(shù)據(jù)、指標(biāo)確定等方面的制約，還難有科學(xué)、客觀準(zhǔn)確的標(biāo)準(zhǔn)研究。這些研究的缺陷主要表現(xiàn)為兩方面：第一，沒(méi)有就一個(gè)案例給出具體的指標(biāo)和明確的生態(tài)綜合績(jī)效值，無(wú)法進(jìn)行進(jìn)一步的定量統(tǒng)計(jì)分析；第二，較少應(yīng)用經(jīng)濟(jì)學(xué)的前沿評(píng)估方法。由于中國(guó)地域遼闊，并沒(méi)有全國(guó)性的生態(tài)補(bǔ)償政策，補(bǔ)償?shù)膶?shí)施主要以區(qū)域?yàn)橹?，相?yīng)研究也主要關(guān)注區(qū)域補(bǔ)償政策對(duì)本區(qū)域發(fā)展的效果。因此，本文選擇遼寧東部山區(qū)森林生態(tài)補(bǔ)償作為案例，通過(guò)應(yīng)用傾向值分析方法對(duì)生態(tài)補(bǔ)償政策效應(yīng)以及影響因素進(jìn)行評(píng)估，以期為全國(guó)其他補(bǔ)償項(xiàng)目績(jī)效評(píng)估提供參考。

本文以遼東山區(qū)2009-2012年27個(gè)農(nóng)業(yè)縣為例進(jìn)行分析，利用熵權(quán)法、面板回歸方法以及傾向值匹配法，在得出生態(tài)績(jī)效綜合值的基礎(chǔ)上對(duì)其進(jìn)行比較分析，通過(guò)生態(tài)績(jī)效考察生態(tài)補(bǔ)償政策的實(shí)際效應(yīng)，并最終考察生態(tài)補(bǔ)償績(jī)效的影響因素。

1相關(guān)研究評(píng)述

對(duì)生態(tài)補(bǔ)償?shù)难芯恐饕莾纱箢I(lǐng)域，即補(bǔ)償前研究（理論探索、前期評(píng)估、補(bǔ)償機(jī)制研究、補(bǔ)償標(biāo)準(zhǔn)、方式的確定）和補(bǔ)償后研究（效果評(píng)估、經(jīng)驗(yàn)總結(jié)、案例分析）。對(duì)于前者國(guó)內(nèi)外研究成果相對(duì)較多，體系比較健全，主要原因在于該領(lǐng)域以理論、模型方法的構(gòu)建為主，開(kāi)展研究受客觀條件制約較少。對(duì)于后者，目前的研究相對(duì)較少，而國(guó)外的研究無(wú)論是方法的應(yīng)用、數(shù)據(jù)的搜集還是效果評(píng)估的科學(xué)性都值得國(guó)內(nèi)學(xué)習(xí)。在國(guó)外，生態(tài)補(bǔ)償主要采取生態(tài)服務(wù)價(jià)值支付（PES）的形式，相應(yīng)績(jī)效的研究也多以案例研究為主。Chevillat，et al.研究了瑞士生態(tài)補(bǔ)償區(qū)實(shí)施效果[2]。Hein，et al.對(duì)印度尼西亞森林可持續(xù)利用經(jīng)濟(jì)效益案例進(jìn)行研究[3]。Clifton和Julian研究了印度尼西亞海洋國(guó)家公園直接補(bǔ)償支付效果[4]。Matulis和Brett Sylvester對(duì)哥斯達(dá)黎加PES項(xiàng)目目標(biāo)與現(xiàn)實(shí)差距進(jìn)行了評(píng)估[5]。Zammit和Charlie評(píng)估了澳大利亞森林保護(hù)基金和環(huán)境監(jiān)管項(xiàng)目運(yùn)行效果[6]。Vidal，et al.評(píng)估了墨西哥Monarch Butterfly Biosphere保護(hù)區(qū)2001至2012年森林生態(tài)保護(hù)績(jī)效[7]。除了案例分析，也有從理論概述角度對(duì)生態(tài)補(bǔ)償績(jī)效的研究。Levrel，et al.對(duì)美國(guó)生態(tài)補(bǔ)償各種方式的適應(yīng)性、績(jī)效評(píng)價(jià)、生態(tài)替代標(biāo)準(zhǔn)的適用性及生態(tài)補(bǔ)償?shù)某杀具M(jìn)行了研究[8]。Aradottir，et al從理論角度就生態(tài)服務(wù)支付政策對(duì)植被、土地、社會(huì)等效應(yīng)進(jìn)行了論述[9]。Adhikari，et al通過(guò)對(duì)11個(gè)國(guó)家26個(gè)案例的評(píng)述，重新闡述了影響PES實(shí)施效果的主要因素并提出從公平、參與、民生、環(huán)境可持續(xù)等四個(gè)角度評(píng)估PES的產(chǎn)出效果[10]。至于評(píng)估方法，由于PES項(xiàng)目的多學(xué)科交叉性，國(guó)外相關(guān)領(lǐng)域的學(xué)者應(yīng)用了環(huán)境工程、生態(tài)學(xué)、項(xiàng)目評(píng)估、地理學(xué)等領(lǐng)域的方法來(lái)評(píng)估補(bǔ)償績(jī)效。Brady，et al通過(guò)基于代理人的Ariplis模型模擬了農(nóng)民用地決策改革的政策后果以及對(duì)現(xiàn)實(shí)農(nóng)業(yè)區(qū)生態(tài)服務(wù)、生物多樣性等方面的伴生影響[11]。Huber，et al將多學(xué)科的方法綜合應(yīng)用于瑞士Jura Moutains的PES項(xiàng)目效果評(píng)價(jià)，研究了項(xiàng)目對(duì)當(dāng)?shù)厣鷳B(tài)、社會(huì)、經(jīng)濟(jì)狀況的影響[12]。Crookes，et al通過(guò)系統(tǒng)動(dòng)力模型評(píng)估了市場(chǎng)機(jī)制對(duì)南非生態(tài)修復(fù)的經(jīng)濟(jì)效力與風(fēng)險(xiǎn)的作用[13]。Duncan，et al運(yùn)用Bayes模型推斷基期數(shù)據(jù)，從而對(duì)植被修復(fù)工程的長(zhǎng)期效果進(jìn)行再評(píng)估[14]。由于國(guó)外的研究主要是針對(duì)生態(tài)服務(wù)價(jià)值支付（PES）項(xiàng)目，從概念上與國(guó)內(nèi)生態(tài)補(bǔ)償綜合評(píng)估有一定區(qū)別。雖然，研究方法先進(jìn)、科學(xué)，但研究對(duì)象僅針對(duì)某一類(lèi)指標(biāo)（比如生態(tài)環(huán)境指標(biāo)、經(jīng)濟(jì)指標(biāo)、社會(huì)指標(biāo)），較少涉及生態(tài)補(bǔ)償綜合指標(biāo)。另外，應(yīng)用社會(huì)科學(xué)特別是經(jīng)濟(jì)科學(xué)范式的研究并不多見(jiàn)，主要還是環(huán)境、生態(tài)領(lǐng)域的定性和定量研究。

從國(guó)內(nèi)來(lái)看，補(bǔ)償績(jī)效的研究主要分為方法探討、定性概述、定量研究三大類(lèi)。蔣愛(ài)軍等在闡述開(kāi)展國(guó)家級(jí)公益林績(jī)效評(píng)價(jià)必要性和原則的基礎(chǔ)上，提出了績(jī)效評(píng)價(jià)的主要指標(biāo)體系和標(biāo)準(zhǔn)方法，并以湖南試點(diǎn)為例進(jìn)行了分析[15]。吳水榮和顧亞麗從森林生態(tài)補(bǔ)償對(duì)森林經(jīng)營(yíng)者的影響、是否有效地促進(jìn)森林生態(tài)服務(wù)供給、以及是否有助于緩減貧困等三個(gè)方面的效果進(jìn)行評(píng)價(jià)[16]。張來(lái)章等對(duì)當(dāng)前黃河流域水土保持生態(tài)補(bǔ)償主要的實(shí)踐活動(dòng)進(jìn)行了分析和評(píng)價(jià)，但沒(méi)有提出實(shí)質(zhì)性的評(píng)價(jià)方法和數(shù)量結(jié)果[17]。汪峰對(duì)四川省退耕還林政策績(jī)效進(jìn)行了研究[18]。李佳通過(guò)統(tǒng)計(jì)調(diào)查的研究方法對(duì)石羊河流域生態(tài)補(bǔ)償效果進(jìn)行了評(píng)價(jià)與分析[19]。張寶林采用1993-2011年和1991-2011年的數(shù)據(jù)分別對(duì)兩類(lèi)國(guó)家林業(yè)治沙重點(diǎn)工程公共投資績(jī)效進(jìn)行實(shí)證研究[20]。但是，這些研究多停留于方法的探究與文字、數(shù)字的敘述和羅列，而定量研究的方法和范式的選用比較陳舊，估算的有效性不甚理想。

相對(duì)于財(cái)政績(jī)效、公共政策績(jī)效研究，生態(tài)補(bǔ)償政策方面的績(jī)效研究在定量方法上還有待進(jìn)步、拓展。因此，本文將試圖在該領(lǐng)域的績(jī)效評(píng)價(jià)方面有所突破，結(jié)合生態(tài)補(bǔ)償理論的實(shí)際，運(yùn)用熵權(quán)法計(jì)算綜合綜合績(jī)效，引入傾向值匹配分析法，并對(duì)遼東山區(qū)農(nóng)業(yè)縣開(kāi)展生態(tài)補(bǔ)償政策績(jī)效評(píng)估。

2測(cè)算方法、模型及數(shù)據(jù)處理

2.1生態(tài)補(bǔ)償財(cái)政績(jī)效的測(cè)算方法

從目前的研究來(lái)看，績(jī)效評(píng)價(jià)的定量方法主要是專(zhuān)家打分Delphi法、AHP層次分析法、主成份分析法、DEA數(shù)據(jù)包絡(luò)法以及熵值法。本文采用熵值法對(duì)生態(tài)綜合績(jī)效進(jìn)行定量分析與測(cè)算。

2.2政策效果傾向得分匹配方法

分組政策效果的估計(jì)存在一個(gè)嚴(yán)重的問(wèn)題——樣本選擇性問(wèn)題，即樣本在干預(yù)組與控制組的分配并不是隨機(jī)的，實(shí)際分配過(guò)程往往要遵循一定的準(zhǔn)則、標(biāo)準(zhǔn)。為避免樣本選擇性問(wèn)題造成的內(nèi)生性，Rosenbaum和Rubin創(chuàng)立了“傾向值匹配方法”[21]進(jìn)行政策評(píng)估。

2.3績(jī)效影響因素的實(shí)證模型

本文運(yùn)用面板回歸方法分別對(duì)全樣本27縣以及補(bǔ)償16縣生態(tài)績(jī)效影響因素進(jìn)行考查，核心解釋變量包括：補(bǔ)償政策虛擬變量、行政區(qū)劃虛擬變量（補(bǔ)償政策以外的上級(jí)行政因素）、赤字占比（財(cái)政補(bǔ)貼需求）、人均GDP、第二產(chǎn)業(yè)占比、林業(yè)占比；控制變量包括：年度完成環(huán)保投資額（環(huán)保努力程度）、當(dāng)年森林面積存量。

2.4數(shù)據(jù)來(lái)源及處理

2.4.1生態(tài)績(jī)效估算數(shù)據(jù)

根據(jù)《遼寧省人民政府關(guān)于對(duì)東部生態(tài)重點(diǎn)區(qū)域?qū)嵤┴?cái)政補(bǔ)償政策的通知》，本文確定以岫巖縣等16個(gè)遼東山區(qū)農(nóng)業(yè)縣為例，選取同一行政區(qū)內(nèi)，社會(huì)經(jīng)濟(jì)相近但未獲得財(cái)政補(bǔ)償?shù)?1農(nóng)業(yè)縣作為對(duì)照組，并將時(shí)間變量設(shè)定為生態(tài)補(bǔ)償政策實(shí)施后的四年數(shù)據(jù)（2009-2012年）。數(shù)據(jù)主要來(lái)自于2009-2012年的《中國(guó)林業(yè)統(tǒng)計(jì)年鑒》和《遼寧統(tǒng)計(jì)年鑒》。

2.4.2回歸方程數(shù)據(jù)

通過(guò)個(gè)案排秩方法對(duì)生態(tài)績(jī)效值進(jìn)行正態(tài)變換，并通過(guò)對(duì)年份設(shè)置虛擬變量，以考察時(shí)間效應(yīng)，最后根據(jù)樣本是否屬于政策組設(shè)置政策虛擬變量。模型設(shè)定中的其他變量數(shù)據(jù)均來(lái)自于2009-2012年的《中國(guó)林業(yè)統(tǒng)計(jì)年鑒》以及《遼寧統(tǒng)計(jì)年鑒》。

3生態(tài)補(bǔ)償政策績(jī)效計(jì)算及差異分析

3.1生態(tài)績(jī)效指標(biāo)的理論基礎(chǔ)

根據(jù)生態(tài)補(bǔ)償理論，

生態(tài)補(bǔ)償?shù)暮诵脑瓌t是：“誰(shuí)收益，誰(shuí)補(bǔ)償；誰(shuí)污染，誰(shuí)補(bǔ)償?！蓖瑫r(shí)，需要明確的是，生態(tài)補(bǔ)償?shù)哪烤褪抢媒?jīng)濟(jì)方法協(xié)調(diào)各方利益關(guān)系，最終達(dá)到生態(tài)效益的最大化，而不僅是經(jīng)濟(jì)效益的最大化。

國(guó)內(nèi)關(guān)于生態(tài)補(bǔ)償?shù)母拍詈蛢?nèi)涵理解不一，主要分歧集中在生態(tài)補(bǔ)償?shù)难a(bǔ)償內(nèi)容上，即生態(tài)補(bǔ)償?shù)目陀^對(duì)象是什么？對(duì)什么進(jìn)行生態(tài)補(bǔ)償？將什么納入補(bǔ)償標(biāo)準(zhǔn)的確定？目前，廣為認(rèn)可的補(bǔ)償類(lèi)型是服務(wù)補(bǔ)償、資源補(bǔ)償、破壞補(bǔ)償、發(fā)展補(bǔ)償、保護(hù)補(bǔ)償?shù)?方面內(nèi)容。從補(bǔ)償內(nèi)容看，可以認(rèn)為生態(tài)補(bǔ)償政策有兩個(gè)主要目的：一是促進(jìn)生態(tài)環(huán)境的改善；二是促進(jìn)公平的發(fā)展權(quán)利。因此，本文在構(gòu)建生態(tài)績(jī)效時(shí)，將重點(diǎn)體現(xiàn)這兩方面指標(biāo)。

3.2生態(tài)績(jī)效的測(cè)算及政策效果分析

首先，根據(jù)表1設(shè)計(jì)的指標(biāo)體系，運(yùn)用熵權(quán)法計(jì)算權(quán)重，得出遼東山區(qū)27縣2009-2012年生態(tài)補(bǔ)償綜合績(jī)效

。限于篇幅，27縣各年生態(tài)綜合績(jī)效值不在正文列出。

（1）經(jīng)濟(jì)發(fā)展?fàn)顩r。GDP增長(zhǎng)率作為經(jīng)濟(jì)發(fā)展水平、發(fā)展速度的重要指標(biāo)被引入對(duì)發(fā)展?fàn)顩r的評(píng)價(jià)；同時(shí)，考慮公平發(fā)展的問(wèn)題，還引入了城鎮(zhèn)、農(nóng)村的平均工資。

（2）生態(tài)環(huán)境保護(hù)。本文選取人均森林面積、當(dāng)年植樹(shù)造林面積作為林地狀況指標(biāo)，以環(huán)境污染治理年度完成投資總額反映當(dāng)?shù)丨h(huán)保努力程度、工業(yè)二氧化硫排放量反映第二產(chǎn)業(yè)環(huán)境治理狀況，從而考察環(huán)保行為對(duì)當(dāng)?shù)毓I(yè)經(jīng)濟(jì)發(fā)展?fàn)顩r的影響。

根據(jù)熵權(quán)法計(jì)算權(quán)重，得出遼東山區(qū)27縣2009-2012年生態(tài)補(bǔ)償綜合績(jī)效。結(jié)果表明，生態(tài)補(bǔ)償政策對(duì)生態(tài)績(jī)效差異的影響較大。只有2009年，績(jī)效最好的縣是未受政策影響的海城市。之后年份，績(jī)效最好的縣均是政策影響縣，但也存在諸如清河、燈塔、弓長(zhǎng)嶺的生態(tài)績(jī)效并沒(méi)有較大提升，生態(tài)績(jī)效甚至連年落后于未實(shí)施生態(tài)補(bǔ)償?shù)目h。

通過(guò)考察排名的分布情況，可以更加直觀的觀察政策效果，如表2所示。

從排名的總體分布情況來(lái)看，排名靠前的縣，絕大多數(shù)都實(shí)施了生態(tài)補(bǔ)償政策。以2009年為例，排名前14的縣中有13個(gè)是生態(tài)補(bǔ)償縣，只有一個(gè)海城市排名靠前且未獲生態(tài)補(bǔ)償政策；而排名后13的縣中有10個(gè)沒(méi)有獲生態(tài)補(bǔ)償政策。從統(tǒng)計(jì)分布可以初步判斷生態(tài)補(bǔ)償政策對(duì)生態(tài)績(jī)效有較大影響，而政策影響是否顯著，是否受其他影響因素的影響，還需建立計(jì)量模型進(jìn)行檢驗(yàn)。

3.3生態(tài)績(jī)效差異的分組檢驗(yàn)

按照政策實(shí)施與否以及行政區(qū)劃兩個(gè)標(biāo)準(zhǔn)進(jìn)行分組，通過(guò)對(duì)歷年各組均值進(jìn)行t檢驗(yàn)，來(lái)判斷政策以及行政區(qū)劃對(duì)績(jī)效的影響。各地區(qū)的行政管理、上級(jí)的施政目標(biāo)、其他政策措施均有不同，因此，引入行政區(qū)劃的分組形式，補(bǔ)充生態(tài)補(bǔ)償政策以外的其他政策和行政管理的變異，從而使績(jī)效影響因素的考察更加全面。

3.3.1政策組與非政策組生態(tài)績(jī)效差異

將所有樣本分成政策組與非政策組，對(duì)各組的熵績(jī)效均值進(jìn)行獨(dú)立樣本Bootstrap檢驗(yàn)，如表 3所示。

從表3可見(jiàn)，政策組與非政策組之間在生態(tài)績(jī)效的差異是非常顯著的，顯著水平達(dá)到了 0.1%。但是，這種顯著的影響，并沒(méi)有考慮其他影響因素，比如行政區(qū)劃、社會(huì)發(fā)展?fàn)顩r、居民收入、財(cái)富等以及這些因素與政策的交互作用。

3.3.2行政區(qū)劃對(duì)績(jī)效差異的影響

為考察行政區(qū)劃即上級(jí)行政制約作用，將考察各地級(jí)市的行政管轄對(duì)各縣生態(tài)績(jī)效的影響。因此，為剔除補(bǔ)償政策因素的影響，分別對(duì)有政策和無(wú)政策的縣生態(tài)績(jī)效進(jìn)行行政區(qū)劃影響的考察。

為考察行政區(qū)劃即上級(jí)行政制約作用，將考察各地級(jí)市的行政管轄對(duì)各縣生態(tài)績(jī)效的影響。因此，為了剔除補(bǔ)償政策因素的影響，需要分別對(duì)有政策和無(wú)政策的縣生態(tài)績(jī)效進(jìn)行行政區(qū)劃影響的考察。由圖1、圖2可知，各市實(shí)施政策縣的績(jī)效均值呈現(xiàn)收斂趨勢(shì)，而各市非政策縣績(jī)效均值處于一種發(fā)散狀態(tài)。政策組中，丹東市一直處于高位，波動(dòng)較大，而鐵嶺市和撫順市卻是逐年提升。對(duì)于非政策縣，丹東的生態(tài)績(jī)效依然較高，說(shuō)明該市相對(duì)重視生態(tài)環(huán)境建設(shè)，屬于自主保護(hù)型。而遼陽(yáng)不論政策組還是非政策組，都排名最后，說(shuō)明生態(tài)建設(shè)并不是該市行政管理的重要任務(wù)目標(biāo)。

4生態(tài)補(bǔ)償政策有效性的估計(jì)：基于傾向值分析

本文實(shí)證研究的邏輯是：首先，通過(guò)傾向值分析法（PSM）對(duì)政策的有效性進(jìn)行檢驗(yàn)，即考察補(bǔ)償縣與未補(bǔ)償縣在生態(tài)績(jī)效上的差異。之后，在得出政策有效性的基礎(chǔ)上，通過(guò)回歸分析考察影響因素對(duì)生態(tài)績(jī)效的邊際影響。

4.1靜態(tài)面板估計(jì)結(jié)果

為了與傾向值分析進(jìn)行對(duì)比，并回應(yīng)統(tǒng)計(jì)分析中提出的問(wèn)題，首先運(yùn)用面板數(shù)據(jù)估計(jì)方法對(duì)政策虛擬變量進(jìn)行估計(jì)。在模型構(gòu)建過(guò)程中，盡量加入可能的控制變量以消除遺漏變量造成的內(nèi)生性問(wèn)題。為與前面統(tǒng)計(jì)分析提出的交互問(wèn)題對(duì)照，將考查政策變量與人均GDP以及政策變量與赤字占比的交互作用，估計(jì)結(jié)果見(jiàn)表4。

模型1為未引入交互項(xiàng)的估計(jì)結(jié)果，補(bǔ)償虛擬變量系數(shù)為0.475，即從無(wú)補(bǔ)償?shù)接醒a(bǔ)償可使生態(tài)績(jī)效提高0475；考慮到生態(tài)績(jī)效值在-2到2之間取值，這個(gè)效應(yīng)比較大。另外，從統(tǒng)計(jì)角度看，該估計(jì)值在1%的水平上顯著，因此認(rèn)為回歸結(jié)果支持政策有效的判斷。至于模型2和模型3的交互項(xiàng)，結(jié)果并不支持存在交互作用。

4.2基于傾向得分匹配的估計(jì)結(jié)果

本文采用logit模型估計(jì)傾向值，得出各縣各實(shí)施補(bǔ)償政策傾向性得分，Kernel密度分布見(jiàn)圖3。從圖中可知，非補(bǔ)償組集中于傾向得分較低（025左右）的位置，且其最大傾向值也不過(guò)08左右；而補(bǔ)償組的kereal密度值大部分集中于09和1之間。這說(shuō)明樣本選擇問(wèn)題對(duì)于本案例生態(tài)補(bǔ)償績(jī)效政策的評(píng)價(jià)是比較重要的。

傾向得分匹配方法主要包括參數(shù)方法、非參數(shù)匹配方法，

參數(shù)方法主要包括1對(duì)1匹配、最近鄰匹配、半徑匹配、馬氏距離匹配等；非參數(shù)方法主要包括基于內(nèi)核的匹配估計(jì)量（Kernel）、局部線(xiàn)性回歸（llr）等。

并通過(guò)比較各種方法的評(píng)估結(jié)果判斷評(píng)估結(jié)果的穩(wěn)定性。標(biāo)準(zhǔn)研究主要通過(guò)匹配變量的平衡性分析進(jìn)行方法的確定，即通過(guò)對(duì)補(bǔ)償組與非補(bǔ)償組各匹配變量的標(biāo)準(zhǔn)偏差進(jìn)行匹配平衡性檢驗(yàn)來(lái)判斷匹配效果的優(yōu)劣。該檢驗(yàn)的原理是通過(guò)控制匹配變量的差異，從而排除因變量差異對(duì)結(jié)果變量的影響，以便評(píng)估政策效應(yīng)。根據(jù)Rosenbaum和Rubin的研究[22]，一般認(rèn)為只要標(biāo)準(zhǔn)偏差的絕對(duì)值小于20就不會(huì)引起匹配的失效。

同時(shí)，為進(jìn)一步檢驗(yàn)匹配的效果，需要對(duì)處理組和控制組企業(yè)匹配變量的均值進(jìn)行T檢驗(yàn)，以判斷二者是否存在顯著差異。如果沒(méi)有統(tǒng)計(jì)上的顯著差異則可認(rèn)為匹配效果滿(mǎn)足要求；相反則必須改變匹配方法重新匹配[23]。本文選取參數(shù)方法的最近鄰匹配法、半徑匹配法、匹配估計(jì)量以及非參數(shù)方法的局部線(xiàn)性回歸（llr）和內(nèi)核匹配法進(jìn)行平衡性分析，結(jié)果見(jiàn)表5。

從表5可知，非參數(shù)Kernel內(nèi)核匹配法有三個(gè)協(xié)變量的標(biāo)準(zhǔn)偏差顯著小于20%，只有dgdp的標(biāo)準(zhǔn)偏差略高于20%。而局部線(xiàn)性回歸匹配方法llr有三個(gè)協(xié)變量的標(biāo)準(zhǔn)偏差絕對(duì)值顯著大于20%；參數(shù)最近鄰匹配方法dgdp變量的標(biāo)準(zhǔn)偏差為30.8%；半徑匹配方法dgdp、farmincom、naturenum的標(biāo)準(zhǔn)偏差超過(guò)20%，并且forst也比較接近20%。這說(shuō)明，Kernel內(nèi)核匹配法的匹配效果是四種方法中最好的。

從表6可知，通過(guò)運(yùn)用Kernel內(nèi)核匹配法進(jìn)行匹配，有25個(gè)補(bǔ)償組樣本和44個(gè)非補(bǔ)償組樣本落入共同支持區(qū)間，有39個(gè)補(bǔ)償樣本被剔除，這表明參與匹配的樣本數(shù)是可以接受的。表7、8分別報(bào)告了運(yùn)用kernel內(nèi)核匹配法得出的遼東山區(qū)生態(tài)補(bǔ)償?shù)恼咝?yīng)，即平均處理效應(yīng)ATT為0.395，落入由0.039和0.841所圍成的95%自助抽樣置信區(qū)間。同時(shí)，95%置信區(qū)間并不包括0，這說(shuō)明有95%的把握認(rèn)為遼東山區(qū)生態(tài)補(bǔ)償?shù)恼咝?yīng)是顯著的。另外，ATT平均處理效應(yīng)相對(duì)于未匹配前的平均績(jī)效差距（0.950）小了0.555，這表明選擇性偏差的效應(yīng)比較大，在剔除之后，政策的效應(yīng)只有0.395。

5生態(tài)補(bǔ)償績(jī)效影響因素分析

對(duì)于全樣本回歸而言，由于非補(bǔ)償樣本的引入，估計(jì)結(jié)果反映的是各因素對(duì)生態(tài)績(jī)效的影響。為考察生態(tài)補(bǔ)償績(jī)效的影響因素，需要對(duì)補(bǔ)償組進(jìn)行面板回歸，以考察什么因素影響補(bǔ)償實(shí)施后生態(tài)績(jī)效的大小。

5.1政策組短面板數(shù)據(jù)的檢驗(yàn)及估計(jì)結(jié)果

首先確定面板模型類(lèi)型：分別檢驗(yàn)混合最小二乘法、固定效應(yīng)、隨機(jī)效應(yīng)，可得固定效應(yīng)優(yōu)于混合效應(yīng)，而隨機(jī)效應(yīng)優(yōu)于固定效應(yīng)。因此，本文將選擇隨機(jī)效應(yīng)模型進(jìn)行估計(jì)。

本文對(duì)短面板數(shù)據(jù)的異方差、自相關(guān)、截面相關(guān)性進(jìn)行檢驗(yàn)。經(jīng)檢驗(yàn)發(fā)現(xiàn)，該面板數(shù)據(jù)不具備截面相關(guān)性，但存在異方差和自相關(guān)。因此，采用隨機(jī)效應(yīng)聚類(lèi)穩(wěn)健的廣義最小二乘法，該方法可以同時(shí)解決異方差和自相關(guān)問(wèn)題，估計(jì)結(jié)果見(jiàn)表9。

5.2結(jié)果分析

從表9的參數(shù)估計(jì)結(jié)果來(lái)看，實(shí)施生態(tài)補(bǔ)償16縣的city變量系數(shù)絕對(duì)值更大，并且更顯著，這反映了行政指令在生態(tài)補(bǔ)償政策實(shí)施過(guò)程中的作用更加明顯。對(duì)于全樣本而言，生態(tài)績(jī)效取決于各行政區(qū)的目標(biāo)追求，而生態(tài)保護(hù)只是各市眾多目標(biāo)之一，這分散了行政效應(yīng)；而對(duì)于補(bǔ)償組，生態(tài)補(bǔ)償政策的提出與實(shí)施本身就增加了一項(xiàng)行政任務(wù)。因此，各行政區(qū)會(huì)更加注重對(duì)這項(xiàng)工作的關(guān)注。另外，各縣受上層地級(jí)市的行政管轄，各市都有自己的一套管理體制、規(guī)章制度、政治生態(tài)，政策執(zhí)行的效率各有不同，也會(huì)造成生態(tài)補(bǔ)償績(jī)效的不同。這也與前面的統(tǒng)計(jì)結(jié)論相契合。

對(duì)于dgdp（財(cái)政赤字占比）而言，系數(shù)為正（3.782 303）且顯著大于全樣本系數(shù)（3.286 613），這表明生態(tài)補(bǔ)償財(cái)政轉(zhuǎn)移資金對(duì)緩解地方財(cái)政赤字的作用是明顯的，而該資金又是以生態(tài)環(huán)境績(jī)效的改善為要求，所以，

財(cái)政赤字占比越大，地方縣對(duì)補(bǔ)償資金需求越大，生態(tài)保護(hù)的行動(dòng)越積極，績(jī)效會(huì)隨之改善。通過(guò)對(duì)補(bǔ)償16縣財(cái)政赤字的統(tǒng)計(jì)發(fā)現(xiàn)，所有縣均處于財(cái)政赤字狀況，這解釋了為什么補(bǔ)償組dgdp系數(shù)更大更顯著。這個(gè)估計(jì)結(jié)果說(shuō)明通過(guò)財(cái)政轉(zhuǎn)移支付這種經(jīng)濟(jì)激勵(lì)方式可以有效增加地方政府提供生態(tài)環(huán)境這種公共產(chǎn)品的動(dòng)力。

核心解釋變量中sgdp（第二產(chǎn)業(yè)占比）為負(fù)但不顯著，fgdp（林業(yè)占比）為正也不顯著，其他核心解釋變量均顯著。從各縣林業(yè)占比的變量統(tǒng)計(jì)特征來(lái)看，林業(yè)占GDP比重較小，林業(yè)并不是重要產(chǎn)業(yè)，因此對(duì)績(jī)效的影響較小。而第二產(chǎn)業(yè)的系數(shù)為負(fù)，說(shuō)明產(chǎn)業(yè)結(jié)構(gòu)對(duì)當(dāng)?shù)氐纳鷳B(tài)具有制約作用，但影響不顯著。而這種不顯著很可能跟生態(tài)績(jī)效評(píng)價(jià)指標(biāo)的選取有關(guān)，因?yàn)橹笜?biāo)中并沒(méi)有過(guò)多考慮與工業(yè)生產(chǎn)相關(guān)的污染指標(biāo)。pgdp（人均GDP）為正卻在10%顯著水平上顯著，說(shuō)明經(jīng)濟(jì)發(fā)展水平對(duì)生態(tài)績(jī)效起促進(jìn)作用。無(wú)論從理論還是現(xiàn)實(shí)的觀察，都有理由認(rèn)為經(jīng)濟(jì)發(fā)展水平越高，人均GDP越高，社會(huì)對(duì)生態(tài)環(huán)境保護(hù)的訴求越強(qiáng)烈。

最后，從時(shí)間效應(yīng)來(lái)看，截距項(xiàng)為-0.655且在5%的水平上顯著，說(shuō)明生態(tài)補(bǔ)償政策實(shí)施第一年（2009年）的平均生態(tài)績(jī)效為-0.655。而第二年（2010年）則增加了0517且在1%水平上顯著；第三年（2011年）增加了0240 5且在5%水平上顯著，這種變化說(shuō)明了生態(tài)補(bǔ)償政策在逐年增加?xùn)|部山區(qū)的生態(tài)績(jī)效，生態(tài)補(bǔ)償績(jī)效是顯著的；而到第四年（2012）生態(tài)績(jī)效平均提高雖然為正，但是已經(jīng)不顯著。這種現(xiàn)象與前面的統(tǒng)計(jì)分析相吻合，原因在于隨著生態(tài)補(bǔ)償政策實(shí)施的逐年深入，各縣、各市已經(jīng)探索出項(xiàng)目平穩(wěn)實(shí)施的方式、方法，政策的效果常態(tài)化、均衡化，生態(tài)績(jī)效趨于平穩(wěn)并逐漸收斂，這反映了政策實(shí)施效果的演化路徑。

6研究結(jié)論

第一，運(yùn)用熵值法對(duì)案例關(guān)注的綜合生態(tài)績(jī)效進(jìn)行計(jì)算、比較，經(jīng)過(guò)統(tǒng)計(jì)分析初步發(fā)現(xiàn)績(jī)效最好的縣均是政策影響縣，其中，鳳城市在2010年、2011年連續(xù)兩年位居第一，績(jī)效逐年提升。但也存在一些問(wèn)題，清河、燈塔、弓長(zhǎng)嶺的生態(tài)績(jī)效并沒(méi)有較大提升，生態(tài)績(jī)效甚至連年落后于未實(shí)施生態(tài)補(bǔ)償?shù)目h。

第二，通過(guò)對(duì)補(bǔ)償政策組與非補(bǔ)償政策組以及按行政區(qū)劃分的生態(tài)績(jī)效比較發(fā)現(xiàn)，補(bǔ)償政策以及行政歸屬對(duì)生態(tài)績(jī)效影響是顯著的。但是，初步的統(tǒng)計(jì)分析并沒(méi)有考慮其他綜合因素的影響，結(jié)果需要更科學(xué)的方法進(jìn)行檢驗(yàn)。

第三，運(yùn)用面板回歸方法，發(fā)現(xiàn)在控制了行政區(qū)劃、時(shí)間、環(huán)保投資和森林資源現(xiàn)有存量后，補(bǔ)償政策的效應(yīng)為0.475，并且在1%水平上顯著。這表明，遼東山區(qū)森林生態(tài)補(bǔ)償政策是顯著有效的。

第四，為了避免計(jì)量回歸方法可能存在的樣本選擇問(wèn)題，文章引入傾向得分匹配方法，在選擇了恰當(dāng)?shù)钠ヅ渥兞亢螅褂胠ogit模型估計(jì)了接受生態(tài)補(bǔ)償政策概率作為匹配參照的傾向得分，并對(duì)四種典型匹配方法進(jìn)行平衡性分析比較，最終確定運(yùn)用Kernel內(nèi)核匹配法對(duì)平均處理效應(yīng)（ATT）進(jìn)行估計(jì)。結(jié)果顯示補(bǔ)償組與非補(bǔ)償組平均處理效應(yīng)ATT約為0.783，這與統(tǒng)計(jì)分析以及面板計(jì)量分析一致，即生態(tài)補(bǔ)償政策效應(yīng)是顯著的。

第五，為考察生態(tài)補(bǔ)償績(jī)效影響因素，對(duì)補(bǔ)償政策組樣本進(jìn)行面板回歸并與全樣本回歸結(jié)果進(jìn)行比較，發(fā)現(xiàn)行政區(qū)劃與財(cái)政赤字占比分別在1%水平上顯著，且財(cái)政赤字占比效應(yīng)為正。由于現(xiàn)階段生態(tài)補(bǔ)償政策依然包含過(guò)多行政色彩，所以第二產(chǎn)業(yè)占比、林業(yè)占比、人均GDP等經(jīng)濟(jì)因素只有人均GDP在10%水平上顯著。另外，通過(guò)年份時(shí)間變量的引入，考察了各年平均生態(tài)績(jī)效的變化情況，并發(fā)現(xiàn)政策效應(yīng)在逐漸趨于收斂，這也從另一個(gè)角度證實(shí)了補(bǔ)償政策的實(shí)際效果。

（編輯：田紅）

參考文獻(xiàn)（References）

[1]秦艷紅，康慕誼. 國(guó)內(nèi)外生態(tài)補(bǔ)償現(xiàn)狀及其完善措施[J]. 自然資源學(xué)報(bào)， 2007，（4）： 557-567.[Qin Yanhong，Kang Muyi. A Review of Ecological Compensation and Its Improvement Measures [J].Journal of Natural Resources， 2007，（4）： 557-567.]

[2]Chevillat V， Doppler V， Graf R， et al. Wholefarm Advisory Increases Quality and Quantity of Ecological Compensation Areas[J]. Agrarforschung Schweiz， 2012， 3（2）： 104-111.

[3]Hein L， VanderMeer P J. REDD+ in the Context of Ecosystem Management [J]. Current Opinion in Environmental Sustainability， 2012，4（6）：4-11.