吳鳳平 梁蔓琪

摘要工業(yè)生產(chǎn)總值增長對(duì)國民經(jīng)濟(jì)發(fā)展起主導(dǎo)性作用。伴隨著經(jīng)濟(jì)發(fā)展，工業(yè)化和城鎮(zhèn)化水平的不斷提高，工業(yè)用水總量多、用水效率低下、廢水排放帶來的環(huán)境污染嚴(yán)重等問題已成為制約工業(yè)發(fā)展的瓶頸。江蘇省工業(yè)生產(chǎn)總值位居全國各省份前列，為了保障江蘇省工業(yè)可持續(xù)發(fā)展，本文在全要素和環(huán)境生產(chǎn)技術(shù)框架下，利用規(guī)模方向距離函數(shù)建立工業(yè)廢水排放績效測度模型與工業(yè)廢水減排潛力測度模型，對(duì)江蘇省13個(gè)地級(jí)市2006—2015年工業(yè)廢水排放績效進(jìn)行測算，將工業(yè)灰水足跡作為非期望產(chǎn)出，分別得出用水總量控制下期望產(chǎn)出和非期望產(chǎn)出的改進(jìn)方向、改進(jìn)目標(biāo)值及其變化率，從而測度江蘇省工業(yè)廢水排放績效及其減排潛力，并從蘇南、蘇北和蘇中三大區(qū)域差異化視角進(jìn)行綜合分析。然后借助Kernel密度估計(jì)方法，分析江蘇省各地級(jí)市全要素框架下工業(yè)廢水排放績效的空間分布規(guī)律和動(dòng)態(tài)演變趨勢。結(jié)果表明：江蘇省年均工業(yè)廢水排放績效為0.772，工業(yè)廢水減排值為263.5億m3，占年均工業(yè)灰水排放量的24%。就三大區(qū)域而言，年均工業(yè)廢水排放績效從高到低依次是蘇南、蘇中和蘇北，其值分別為0.911、0.789和0.624。其中，蘇北地區(qū)工業(yè)廢水排放績效增長速度最快，在2006—2015年期間由0.529增長至0.79，增長率為49.5%。在工業(yè)灰水減排潛力方面，蘇北減排潛力最大，其次是蘇中，蘇南最小。從空間分布和動(dòng)態(tài)演變上看，江蘇省各地區(qū)的工業(yè)廢水排放績效存在空間分布上的差異，但差異正在逐步減小，并且績效值向高水平聚攏。

關(guān)鍵詞工業(yè)廢水排放績效；規(guī)模方向距離函數(shù)；減排潛力；時(shí)空變化

中圖分類號(hào)X22文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1002-2104（2018）08-0079-08DOI：10.12062/cpre.20171207

近年來，水資源問題已成為制約世界經(jīng)濟(jì)發(fā)展的主要問題之一。我國人均水資源占有量少，水資源時(shí)空分布差異顯著。伴隨著經(jīng)濟(jì)的發(fā)展，工業(yè)化和城鎮(zhèn)化水平的不斷提高，工業(yè)用水總量多、用水效率低下、廢水排放帶來的環(huán)境污染嚴(yán)重已成為制約工業(yè)發(fā)展的瓶頸。2012年，國務(wù)院三號(hào)文件《關(guān)于實(shí)行最嚴(yán)格水資源管理制度的意見》，指出當(dāng)前我國水資源面臨的嚴(yán)峻形勢，明確了“用水總量控制、用水效率控制、水功能區(qū)限制納污控制”三條紅線的主要目標(biāo)。本文在用水總量約束下，測算出工業(yè)廢水的排放績效與減排潛力，為我國工業(yè)的可持續(xù)發(fā)展提供參考。作為我國的經(jīng)濟(jì)發(fā)展大省，江蘇省2015年的地區(qū)生產(chǎn)總值突破70 000億元，在全國排名第二，其人均生產(chǎn)總值也位居全國第四。因此，本文選取江蘇省作為實(shí)證研究對(duì)象具有重要的現(xiàn)實(shí)意義。

1文獻(xiàn)綜述

近年來，國內(nèi)外許多學(xué)者圍繞經(jīng)濟(jì)發(fā)展的資源消耗和環(huán)境影響開展研究。Chung等人[1]在Shepherd距離函數(shù)的基礎(chǔ)上提出方向距離函數(shù)（DDF），相較于傳統(tǒng)的DEA法，該方法在考慮期望和非期望產(chǎn)出時(shí)引入方向矢量，在非期望弱處置原則的基礎(chǔ)上，衡量決策單元在該方向上的效率。

國內(nèi)外一些學(xué)者在二氧化碳排放績效、生態(tài)效率等問題上開展了大量的研究。Ramli N A 等[2]在Fre， Grosskorf[3]提出松弛測度（SBM）的基礎(chǔ)上，改進(jìn)DDF中方向矢量的隨意性問題，考慮期望產(chǎn)出松弛與非期望產(chǎn)出松弛，建立規(guī)模方向距離函數(shù)（SDDF），以此研究馬來西亞制造業(yè)的生態(tài)效率。Zaim等[4]和Zofio等[5]采用不同的DEA模型，對(duì)經(jīng)濟(jì)合作與發(fā)展組織的國家和地區(qū)進(jìn)行二氧化碳排放效率上的分析。Zhou Peng等[6]用非徑向DDF模型來評(píng)價(jià)生產(chǎn)行業(yè)的能源與二氧化碳排放效率。Wang Q W 等[7]基于DDF模型的分析方法，對(duì)我國28個(gè)省份的工業(yè)二氧化碳排放效率進(jìn)行測度。付麗娜等利用MalmquistDEA模型，對(duì)生態(tài)效率進(jìn)行動(dòng)態(tài)對(duì)比研究[8]。孫作人等[9]利用非參數(shù)距離函數(shù)和環(huán)境生產(chǎn)技術(shù)，對(duì)我國工業(yè)二氧化碳排放強(qiáng)度進(jìn)行測算。李健等[10]運(yùn)用改進(jìn)后的SDDF模型，對(duì)中國省區(qū)二氧化碳排放效率及減排潛力進(jìn)行研究。

綜合來看，現(xiàn)有文獻(xiàn)較少關(guān)注廢水排放績效改進(jìn)對(duì)國家經(jīng)濟(jì)建設(shè)和生態(tài)保護(hù)的積極影響，并且其研究對(duì)象大多選用省區(qū)直轄市或是個(gè)別城市，較少涉及到全省范圍內(nèi)地級(jí)市的對(duì)比研究。本文基于江蘇省13個(gè)地級(jí)市2006—2015年的面板數(shù)據(jù)，在全要素和環(huán)境生產(chǎn)技術(shù)框架下，利用規(guī)模方向距離函數(shù)對(duì)江蘇省各地級(jí)市工業(yè)廢水排放績效進(jìn)行測算，這對(duì)提升江蘇省工業(yè)廢水排放績效和降低工業(yè)廢水排放總量具有一定理論和現(xiàn)實(shí)意義，對(duì)全國也有借鑒意義。

吳鳳平等：用水總量控制下江蘇省工業(yè)廢水排放績效及減排潛力研究中國人口·資源與環(huán)境2018年第8期2研究方法

2.1構(gòu)建生產(chǎn)可能性集

1957年，F(xiàn)arrell[11]提出用生產(chǎn)前沿概念來估計(jì)技術(shù)效率。1997年，Battese[12]提出隨機(jī)前沿生產(chǎn)函數(shù)。本文根據(jù)Fre等[13]關(guān)于環(huán)境生產(chǎn)技術(shù)的研究，關(guān)注工業(yè)生產(chǎn)中廢水排放和減排問題，在全要素生產(chǎn)框架下構(gòu)造生產(chǎn)可能性集如下：設(shè)生產(chǎn)系統(tǒng)中有J個(gè)決策單元（DMU），第i個(gè)x=（x1，x2，…，xk）∈RK+后，產(chǎn)出一種期望產(chǎn)出工業(yè)生產(chǎn)總值（y∈RI+）和一種非期望產(chǎn)出工業(yè)廢水（b∈RM+）。其生產(chǎn)系統(tǒng)生產(chǎn)可能性集可表示為：

P（x）={（x，y，b）}

∑Jj=1ωjxjk≤xik；k=1，2，…，K；

∑Jj=1ωjyj≥yi；

∑Jj=1ωjbj=bi；

ωj≥0；j=1，2，…，J（1）

其中，下標(biāo)i表示第i個(gè)DMU的投入產(chǎn)出數(shù)據(jù)，ωj表示相對(duì)被評(píng)價(jià)DMU而重新構(gòu)造的一個(gè)有效DMU組合中第j個(gè)DMU的組合比例。生產(chǎn)可能性集P（x）是具有凸性特征的有界閉集，且滿足：①有限的投入只能得到有限的產(chǎn)出，投入要素具有自由可處置性，即當(dāng)x′≥x時(shí)，存在P（x）P（x′）；②在不等式的約束下，投入要素和期望產(chǎn)出具有強(qiáng)可處置性，即若其他條件不變情況，期望產(chǎn)出可多可少；③在等式約束下，非期望產(chǎn)出具有弱可處置性與零結(jié)合性特征，即非期望產(chǎn)出總是伴隨著期望產(chǎn)出一起出現(xiàn)。

2.2工業(yè)廢水排放績效測度模型

本文采用規(guī)模方向距離函數(shù)（Scale directional distance functions）來對(duì)工業(yè)廢水排放績效進(jìn)行測度，基本思路是考慮在現(xiàn)有水資源投入、勞動(dòng)力投入和既定經(jīng)濟(jì)產(chǎn)出條件下，假設(shè)規(guī)模報(bào)酬可變，用理論上可達(dá)到的最小工業(yè)廢水排放量與實(shí)際排放量進(jìn)行比較，進(jìn)而測度排放績效的高低。通過環(huán)境生產(chǎn)技術(shù)構(gòu)建出生產(chǎn)可能性集后，引入方向向量g=（gy，-gb）來構(gòu)建規(guī)模方向距離函數(shù)如下：

D0（x，y，b；g）=max{λTβ：（（y，b）+

g·diag（β））∈P（x）}（2）

其中，λ=（λy，λb）T，是期望產(chǎn)出與非期望產(chǎn)出的歸一化權(quán)向量，本文設(shè)定期望產(chǎn)出與非期望產(chǎn)出同等重要，即λy=λb=0.5。β=（βy，βb）T。其中βy值為擴(kuò)張因子，其值表征期望產(chǎn)出向生產(chǎn)前沿面擴(kuò)張的規(guī)模。βb值為收縮因子，其值表征非期望產(chǎn)出向生產(chǎn)前沿面收縮的規(guī)模，βy，βb∈[0，1]。λTβ值表征了被評(píng)價(jià)DMU既減少工業(yè)廢水排放、又增加經(jīng)濟(jì)產(chǎn)出的能力，值越大表明被評(píng)價(jià)DMU的工業(yè)廢水排放績效越低，也就是說其產(chǎn)生的工業(yè)廢水越多，其減排潛力也就越大。本文將1-λTβ值定義為全要素工業(yè)廢水排放績效指標(biāo)，值越大工業(yè)廢水排放績效越好。本文參考Fre等[13]的研究，建立線性規(guī)劃模型來求解D0（x，y，b；g）。

D0（x，y，b；g）=maxλTβ

s.t.

∑Jj=1ωjxjk≤xik；k=1，2，…，K；

∑Jj=1ωjyj≥yi（1+βy）；

∑Jj=1ωjbj=bi（1-βb）；

λy+λb=1；λy，λb>0；ωj≥0； j=1，2，…，J（3）

2.3工業(yè)廢水減排潛力測度模型

根據(jù)Ramli等[2]的研究，給出被評(píng)價(jià)DMU到達(dá)生產(chǎn)前沿面的方向向量的計(jì)算公式。當(dāng)λTβ=0，DMU處于生產(chǎn)前沿面上，gy和gb能夠取任意值；當(dāng)λTβ>0，DMU的期望產(chǎn)出和非期望產(chǎn)出的改進(jìn)方向向量按公式4計(jì)算：

gy=β*yβ*y+β*b；gb=β*bβ*y+β*b（4）

其中，gy和gb滿足0≤gy，gb≤1且gy+gb=1。同時(shí)，根據(jù)計(jì)算結(jié)果，可以得到非有效DMU欲達(dá)到效率最優(yōu)時(shí)其期望產(chǎn)出與非期望產(chǎn)出的改進(jìn)目標(biāo)值分別為：

yt=∑Jj=1ωjyj；bt=∑Jj=1ωjbj（5）

本文通過計(jì)算在用水總量控制下，各DMU趨近生產(chǎn)前沿面時(shí)期望產(chǎn)出和非期望產(chǎn)出的改進(jìn)方向、改進(jìn)目標(biāo)值與其變化率，來測算工業(yè)廢水的減排潛力。

2.4Kernel密度估計(jì)

核密度估計(jì)（Kernel density estimation）作為一種估計(jì)概率密度函數(shù)的非參數(shù)方法，在地區(qū)分布規(guī)律研究中廣泛運(yùn)用。對(duì)于一組隨機(jī)變量x1，x2，…，xn，其核密度估計(jì)的形式為：

fh（x）=1nh∑ni=1K（xi-xh）（6）

其中，n表示隨機(jī)變量的個(gè)數(shù)，h表示帶寬。本文選用Sliverman[14]證明在高斯核函數(shù)的最優(yōu)帶寬h*，h*=1.364 3δn-0.2s，其中δ=0.776 4，核函數(shù)K（x）是一個(gè)加權(quán)函數(shù)，分為高斯核、三角核、四次核等不同類型，根據(jù)分組數(shù)據(jù)的密集程度來選擇運(yùn)用哪一類型核函數(shù)。本文選取高斯核函數(shù)來研究江蘇省工業(yè)廢水排放績效的分布動(dòng)態(tài)演化趨勢，其函數(shù)表達(dá)式為：

Gaussian：K（x）=12πe-12x2（7）

因?yàn)楹嗣芏裙烙?jì)屬于非參數(shù)估計(jì)，沒有確定的函數(shù)表達(dá)式，所以可以通過觀察分析核密度估計(jì)結(jié)果得到的圖形，來了解變量分布的位置、形態(tài)等，分析其分布演化。

3實(shí)證研究

3.1投入產(chǎn)出變量選取

考慮到用水總量控制下工業(yè)廢水排放績效需要反映出環(huán)境保護(hù)和工業(yè)經(jīng)濟(jì)增長兩方面指標(biāo)，本文選取資本投入（K）、勞動(dòng)力（L）和工業(yè)用水總量（W）為投入變量，以地區(qū)工業(yè)總產(chǎn)值（G）為期望產(chǎn)出變量，以工業(yè)灰水足跡（D）為非期望產(chǎn)出變量。具體投入產(chǎn)出變量選取見表1。

3.2數(shù)據(jù)來源與處理

由于相關(guān)變量統(tǒng)計(jì)資料有限，本文將區(qū)間定為2005—2015年，以江蘇省13個(gè)地級(jí)市為研究對(duì)象。根據(jù)地理位置分布，劃為蘇北、蘇中和蘇南三大地區(qū)。蘇北地區(qū)5個(gè)城市包括徐州、連云港、宿遷、淮安和鹽城；蘇中地區(qū)3個(gè)城市包括揚(yáng)州、泰州和南通；蘇南地區(qū)5個(gè)城市包括南京、常州、蘇州、無錫和鎮(zhèn)江。本文數(shù)據(jù)來自《中國城市統(tǒng)計(jì)年鑒》《江蘇省統(tǒng)計(jì)年鑒》《江蘇省水資源公報(bào)》及各地市的統(tǒng)計(jì)年鑒、環(huán)境公報(bào)、水資源公報(bào)等，根據(jù)研究對(duì)象的特點(diǎn)對(duì)相關(guān)變量數(shù)據(jù)進(jìn)行相應(yīng)的選擇和處理。投入產(chǎn)出變量的統(tǒng)計(jì)性描述見表2。

（2）勞動(dòng)力。勞動(dòng)力投入理論上應(yīng)包含勞動(dòng)力的投入數(shù)量、素質(zhì)和勞動(dòng)時(shí)間，但由于江蘇省各地市勞動(dòng)人員人均受教育水平和勞動(dòng)時(shí)間數(shù)據(jù)不可得，因此本文選取統(tǒng)計(jì)年鑒中各地市各年規(guī)模以上工業(yè)企業(yè)從業(yè)人員數(shù)作為勞動(dòng)力投入。

（3）工業(yè)用水總量。本文選用各地市水資源公報(bào)中歷年工業(yè)用水總量數(shù)據(jù)。

（4）工業(yè)總產(chǎn)值。工業(yè)總產(chǎn)值作為期望產(chǎn)出，選擇《江蘇省統(tǒng)計(jì)年鑒》中公布的各地市工業(yè)總產(chǎn)值數(shù)據(jù)，并按照對(duì)應(yīng)年份的工業(yè)品出廠價(jià)格指數(shù)，折算成以2005年為基期的不變價(jià)格。

（5）工業(yè)灰水足跡（工業(yè)廢水排放總量）。工業(yè)生產(chǎn)過程中產(chǎn)生的污染是點(diǎn)源污染，工業(yè)廢水中通常包含多種形式的污染物，而化學(xué)需氧量（chemical oxygen demand，COD）是工業(yè)廢水中含量最大的污染物。工業(yè)灰水足跡是指為了稀釋工業(yè)生產(chǎn)排放的污染物以達(dá)到相關(guān)水質(zhì)標(biāo)準(zhǔn)的水資源需求量，本文選用工業(yè)灰水足跡作為工業(yè)生產(chǎn)中的非期望產(chǎn)出。

本文參考國際水足跡網(wǎng)絡(luò)出版的《水足跡評(píng)估手冊(cè)》[17]和曾昭等[18]關(guān)于灰水足跡的計(jì)算方法，給出工業(yè)灰水足跡計(jì)算方法如下：

WFgrey=LCmax-Cnat（8）

其中，WFgrey為工業(yè)灰水足跡（m3/a），L為COD排放負(fù)荷（kg/a），Cmax為達(dá)到環(huán)境水質(zhì)標(biāo)準(zhǔn)情況下污染物的最高濃度（kg/m3）。本文選擇Ⅲ類水COD標(biāo)準(zhǔn)濃度為計(jì)算工業(yè)灰水足跡的依據(jù)，取Cmax=0.002 kg/m3，Cnat為COD在水體中的原始濃度，常假設(shè)為0。為方便進(jìn)行績效水平的測算，本文將灰水足跡的計(jì)量單位更改為億m3/年。

3.3實(shí)證結(jié)果與分析

3.3.1工業(yè)廢水排放績效評(píng)估

在由規(guī)模方向距離函數(shù)構(gòu)建的工業(yè)廢水排放績效模型的基礎(chǔ)上，本文變量值代入，得到江蘇省13個(gè)地級(jí)市2006—2015年工業(yè)廢水排放績效表，如表3所示。就各地年平均值來看，無錫和鎮(zhèn)江的績效值都在0.9以上，為最佳績效。然而，宿遷的年均績效值最低，僅為0.393，且與江蘇省其它地市的績效存在較大的差距。就蘇南、蘇中和蘇北三個(gè)地區(qū)而言，蘇南績效最高，為0.911；其次為蘇中地區(qū)，績效為0.789；蘇北最差，績效值僅有0.624，且低于江蘇省平均績效水平0.772。導(dǎo)致江蘇各地區(qū)工業(yè)廢水排放績效差異的主要原因是各地區(qū)間的發(fā)展差異，影響因素大致分為：經(jīng)濟(jì)發(fā)展水平、工業(yè)技術(shù)水平、工業(yè)產(chǎn)業(yè)結(jié)構(gòu)以及江蘇各地市地方環(huán)保政策的差異。

為了能夠更加直觀地觀察江蘇省三個(gè)地區(qū)工業(yè)廢水排放績效的變化，本文將蘇南、蘇中、蘇北2006—2015年的年均績效值做成趨勢走向圖，并且加入整個(gè)江蘇省的年度平均值作為參考（見圖1）。就江蘇省的趨勢曲線來看，全省工業(yè)廢水績效呈上升趨勢，且在2014年后加速上升，這與2014年江蘇省響應(yīng)國家號(hào)召發(fā)布的節(jié)能減排戰(zhàn)略目標(biāo)，以及最嚴(yán)格水資源管理制度實(shí)施過程中“三條紅線”控制體系的全面建立有關(guān)。由圖1可知，蘇南、蘇中和蘇北地區(qū)的工業(yè)廢水排放績效時(shí)間趨勢走向存在差異。蘇南地區(qū)工業(yè)廢水排放績效與其他地區(qū)相比而言，一直處于0.9左右，具有較少的提升空間。在經(jīng)濟(jì)發(fā)展速度上，蘇中和蘇北地區(qū)的經(jīng)濟(jì)發(fā)展?jié)摿Ω?，增長速度也比蘇南地區(qū)更快。因此，蘇南地區(qū)在工業(yè)化規(guī)模較大、高用水產(chǎn)業(yè)集聚的背景下，工業(yè)廢水減排潛力在相對(duì)平穩(wěn)中略有降低。

在三個(gè)趨勢曲線中，蘇中地區(qū)的變化頻率和幅度最大。在2012年之前，蘇中地區(qū)的工業(yè)廢水排放績效值均高于全省平均水平，尤其在2007—2010年期間穩(wěn)步提升。而在2012年后，蘇中地區(qū)的績效值跌落在全省平均水平之下，且成為三大地區(qū)中績效最低的地區(qū)。這一變化的原因在于蘇中地區(qū)的工業(yè)生產(chǎn)結(jié)構(gòu)單一，高新技術(shù)產(chǎn)業(yè)占比較小。以揚(yáng)州市為例，揚(yáng)州市的主要工業(yè)產(chǎn)業(yè)為制造業(yè)，并且傳統(tǒng)制造業(yè)如紡織業(yè)、普通機(jī)械制造業(yè)、塑料制品業(yè)等占比較大。泰州市的工業(yè)生產(chǎn)結(jié)構(gòu)中，高污染、高耗水的工業(yè)占比較大，并且隨著電力行業(yè)和鋼鐵行業(yè)的發(fā)展，阻礙了當(dāng)?shù)毓I(yè)廢水減排的進(jìn)程。

以蘇北地區(qū)為例，該地區(qū)在研究初期的工業(yè)廢水排放績效處于較低的水平，且具有很大的提升空間。因?yàn)樵?006—2015年期間，整個(gè)江蘇省處于工業(yè)化、城鎮(zhèn)化加速發(fā)展的階段，尤其是蘇北地區(qū)吸納了來自蘇南地區(qū)和其他發(fā)達(dá)地區(qū)的先進(jìn)生產(chǎn)技術(shù)、資金和人才。在這樣的社會(huì)大環(huán)境下，蘇北地區(qū)的經(jīng)濟(jì)發(fā)展水平迅猛增長，尤其在2011年后，伴隨著江蘇省“十二五”規(guī)劃的推進(jìn)，工業(yè)廢水排放績效的增長速度大幅提升。在2006—2015年期間，工業(yè)廢水排放績效由0.529增長至0.79，增長率為49.5%。高新技術(shù)產(chǎn)業(yè)和第三產(chǎn)業(yè)的引入改變了原先的生產(chǎn)結(jié)構(gòu)，并且重污染、高能耗的工業(yè)企業(yè)在技術(shù)調(diào)整后減少了工業(yè)廢水的排放。

3.3.2工業(yè)廢水排放績效時(shí)空分布分析

為了更直觀地展現(xiàn)江蘇省工業(yè)廢水排放績效的空間分布，方便在研究過程中對(duì)績效的動(dòng)態(tài)演變進(jìn)行分析，本文將2006年、2009年、2012年和2015年江蘇省工業(yè)廢水排放績效地區(qū)分布進(jìn)行對(duì)比，詳情見圖2。從圖中可知，江蘇省各地區(qū)的工業(yè)廢水排放績效分布是不均衡的，總體而言，績效水平大體在逐步提升。2006年，江蘇省各地市的工業(yè)廢水排放績效呈現(xiàn)出地區(qū)分布不均衡的特點(diǎn)，且由南至北績效值不斷下降，績效水平高的地區(qū)主要集中在蘇南和部分蘇中地區(qū)。而在此之后，伴隨著蘇北地區(qū)和部分蘇中地區(qū)績效水平的提升，江蘇省內(nèi)南北差距在不斷的縮小。2006年，績效值在0.65以下的地級(jí)市數(shù)量為5個(gè)，2009年、2012年都減少為3個(gè)。而2015年該類別地級(jí)市數(shù)量減少為2個(gè)，并且該年不存在績效值為0.5以下的地級(jí)市。在變化幅度上看，宿遷和連云港三個(gè)地市擁有最明顯的變化，年均績效從2006年至2015年提升0.4以上。相反，南京、蘇州和南通三個(gè)地市的年均績效值卻在十年內(nèi)有著較為明顯的降低。其中南通市變化幅度最大，2015年較2006年績效值降低0.315。

3.3.3工業(yè)廢水排放績效分布演變趨勢

圖3是描述2006—2015年江蘇省工業(yè)廢水排放績效的核密度曲線，采用2006、2009、2012和2015四個(gè)年度數(shù)據(jù)。分布圖中的橫軸表示工業(yè)廢水排放的績效水平，縱軸表示核密度[19]?？傮w而言，2006—2015年間，績效呈單峰分布的總體態(tài)勢保持不變。就密度的曲線位置和平移來看，2015年相對(duì)于2006年，峰值大幅上升，變化范圍大幅縮小，這說明十年間績效的地區(qū)差異大大縮小。在2006—2012年間，分布曲線總體呈現(xiàn)右移的趨勢，說明在這段時(shí)間內(nèi)，江蘇省工業(yè)廢水排放績效總體提升。但是，在2015年分布曲線較2012年相比左移，但峰值急劇增加，變化范圍小幅縮小，這說明2015年江蘇省各地市的工業(yè)廢水排放績效向著高水平聚攏。

3.3.4工業(yè)廢水減排潛力測度

改進(jìn)方向的基礎(chǔ)上，得到投入產(chǎn)出模型中非期望產(chǎn)出改進(jìn)的目標(biāo)值。在表4顯示的是江蘇各地市和三個(gè)地區(qū)的年均工業(yè)灰水足跡、年均工業(yè)灰水減排值、減排潛力和減排貢獻(xiàn)率，以及各地市在減排潛力和貢獻(xiàn)率上的排名。就城市而言，蘇州工業(yè)生產(chǎn)所產(chǎn)生的年均工業(yè)灰水足跡最多，為256.75億m3，并且同時(shí)占據(jù)最高的減排貢獻(xiàn)率

整個(gè)江蘇省工業(yè)廢水中污染物排放所需的年均灰水足跡為1 191.58億m3，其中蘇南的年均灰水足跡最多，為623.4億m3。這與蘇南地區(qū)經(jīng)濟(jì)發(fā)展水平高，工業(yè)生產(chǎn)規(guī)模大，工業(yè)用水量和排污量大等因素有關(guān)。其次是蘇北地區(qū)，平均工業(yè)灰水足跡為308.13億m3，這與蘇北地區(qū)重工業(yè)和化工工業(yè)等高污染工業(yè)為主的產(chǎn)業(yè)發(fā)展結(jié)構(gòu)有關(guān)，也與蘇北地區(qū)2006年以來經(jīng)濟(jì)的迅猛發(fā)展速度息息相關(guān)。蘇中地區(qū)的年均灰水足跡最少，為260.05億m3。就減排潛力而言，蘇北地區(qū)0.32的減排潛力大于蘇中地區(qū)的0.27和蘇南地區(qū)的0.13。并且在減排貢獻(xiàn)率上，蘇北地區(qū)貢獻(xiàn)最大，為38.7%；蘇南地區(qū)貢獻(xiàn)35.44%，位列其次；蘇中地區(qū)貢獻(xiàn)最少，為25.8%。

4結(jié)論

在生產(chǎn)前沿函數(shù)和規(guī)模方向距離函數(shù)的基礎(chǔ)上，本文對(duì)江蘇省13個(gè)地級(jí)市的2006—2015年期間年度工業(yè)廢水排放績效進(jìn)行研究，對(duì)研究期間績效的時(shí)空分布和分布的動(dòng)態(tài)演變趨勢進(jìn)行分析，得到各地市的工業(yè)廢水減排潛力和減排值，并進(jìn)行排序。結(jié)論如下：

（1）研究期間，江蘇省各地市的工業(yè)廢水排放績效水平都有所提升。就蘇南、蘇北和蘇中三個(gè)地區(qū)而言，績效水平與經(jīng)濟(jì)發(fā)展水平呈正相關(guān)，蘇南地區(qū)績效值0.911，為最高；蘇中地區(qū)和蘇北地區(qū)分居二三位，分別為0.789和0.624；蘇北地區(qū)提升速度最快，由0.529增長至0.79，增長率為49.5%。蘇中地區(qū)2010—2014年期間績效下降最明顯。

（2）從空間分布和動(dòng)態(tài)演變上看，江蘇省各地區(qū)的工業(yè)廢水排放績效存在空間分布上的差異，但2006—2015年其趨勢顯示績效差異正在逐步減小，并且績效值向高水平聚攏。

（3）在減排潛力方面，蘇北地區(qū)擁有最大的減排潛力0.32，并且提供了整個(gè)江蘇省38.77%的減排貢獻(xiàn)值。整個(gè)江蘇省的年均減排潛力值為263.5億m3，占年均工業(yè)灰水實(shí)際排放值的24%。說明江蘇省的工業(yè)廢水減排仍存在較大的提升空間。

（編輯：劉照勝）

參考文獻(xiàn)（References）

[1]CHUNG Y H， FRE R， GROSSKOPF S. Productivity and undesirable outputs： a directional distance function approach[J]. Microeconomics， 1995， 51（3）：229-240.

[2]RAMLI N A， MUNISAMY S， ARABI B. Scale directional distance function and its application to the measurement of ecoefficiency in the manufacturing sector[J]. Annals of operations research， 2013， 211（1）：381-398.

[3]FRE R， GROSSKOPF S. Directional distance functions and slacksbased measures of efficiency[J]. European journal of operational research， 2010， 206（1）：320-322.

[4]ZAIM O， FATMA T. Environmental efficiency in carbon dioxide emission in the OECD a nonparametric approach[J]. Journal of environmental management， 2000， 58（2）： 95-143.

[5]ZOFIO J L， PRIETO A M. Environmental efficiency and regulatory standards： the case of CO2 emission from OECD industries[J]. Resource and energy economics， 2001， 23（1）： 63-83.

[6]ZHOU P， WANG H. Energy and CO2 emission performance in electricity generation： a nonradial directional distance function approach[J]. European journal of operational research， 2012，221（3）： 625-635.

[7]WANG Q W， ZHOU P， SHEN N， et al. Measuring carbon dioxide emission performance in Chinese provinces： a parametric approach[J]. Renewable and sustainable energy review， 2013， 21：324-330.

[8]付麗娜，陳曉紅，冷智花.基于超效率DEA模型的城市群生態(tài)效率研究——以長株潭“3+5”城市群為例[J].中國人口·資源與環(huán)境，2013， 23（4）： 169-175. [FU Lina， CHEN Xiaohong， LENG Zhihua. Urban agglomerations ecoefficiency analysis based on superefficiency DEA Model： case study of ChangZhuTan ‘3+5 urban agglomeration[J]. China population， resources and environment， 2013， 23（4）： 169-175.]

[9]孫作人，周德群，周鵬.工業(yè)碳排放驅(qū)動(dòng)因素研究：一種生產(chǎn)分解分析新方法[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2012（5） ： 63-74. [SUN Zuoren， ZHOU Dequn， ZHOU Peng. Driving forces of industrial CO2 emissions： a new productionbased decomposition analysis method[J]. The journal of quantitative & technical economics， 2012（5）： 63-74.]

[10]李健，鄧傳霞.基于SDDF的中國省區(qū)二氧化碳排放效率及減排潛力測度[J].軟科學(xué)，2015， 29（3）：70-73. [LI Jian， DENG Chuanxia. Study on carbon dioxide emission performance and reduction potential of China provinces based on SDDF [J]. Soft science， 2015， 29（3）： 70-73.]

[11]FARRELL M J. The measurement of productive efficiency[J]. Journal of the royal statistical society， 1957： 253-290.

[12]BATTESE G E， CORRA G S. Estimation of production frontier model： with application to the pastoral zone of Eastern Australia[J]. Australian journal of agricultural and economics， 2012， 21（3）： 169-179.

[13]FRE R， GROSSKOPF S， LOVELL C A K， et al. Multilateral productivity comparison when some outputs are undesirable： a nonparametric approach[J]. The review of economics and statistics， 1989， 71（1）：90-98.

[14]王惠，王樹喬.中國工業(yè)CO2排放績效的動(dòng)態(tài)演化與空間外溢效應(yīng)[J].中國人口·資源與環(huán)境， 2015， 25（9）：29-36. [WANG Hui， WANG Shuqiao. A study on dynamic evolution of industrial carbon emissions performance and its factors in China [J]. China population， resources and environment，2015， 25（9）： 29-36.]

[15]張軍，章元.對(duì)中國資本存量K的再估計(jì)[J].經(jīng)濟(jì)研究， 2013（7）： 35-43. [ZHANG Jun， ZHANG Yuan. Reestimation of Chinas stocks of capital[J]. Economic research journal， 2013（7）： 35-43.]

[16]周五七，聶鳴.中國碳排放效率的區(qū)域差異研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2012（9）： 58-70. [ZHOU Wuqi， NIE Ming. Regional differences in the efficiency of industrial carbon emission in China[J]. The journal of quantitative & technical economics， 2012 （9）： 58-70.]

[17]HOEKSTRA A Y， CHAPAGAIN A K， ALDAYA M M， et al. The water footprint assessment manual： setting the global standard [M]. London， UK： Earthscan， 2011： 27-35.

[18]曾昭，劉俊國.北京市灰水足跡評(píng)價(jià)[J].自然資源學(xué)報(bào)， 2013， 28（7）： 1169-1178. [ZENG Zhao， LIU Junguo. Historical trend of grey water footprint of Beijing， China.[J]. Journal of natural resources， 2013， 28（7）： 1169-1178.]

[19]施祖麟，黃治華.基于核密度估計(jì)法的中國省區(qū)經(jīng)濟(jì)增長動(dòng)態(tài)分析[J].經(jīng)濟(jì)經(jīng)緯， 2009（4）：60-63. [SHI Zulin， HUANG Zhihua. A dynamic analysis of the economic growth on the provincial level in China based on kernel density estimation method.[J]. Economy survey， 2009 （4）： 60-63.]