曲 超， 劉桂環(huán)， 吳文俊， 王金南2,

1.中國(guó)社會(huì)科學(xué)院研究生院， 北京 102488 2.生態(tài)環(huán)境部環(huán)境規(guī)劃院生態(tài)環(huán)境補(bǔ)償研究中心， 北京 100012 3.生態(tài)環(huán)境部環(huán)境規(guī)劃院， 國(guó)家環(huán)境保護(hù)環(huán)境規(guī)劃與政策模擬重點(diǎn)實(shí)驗(yàn)室， 北京 100012

我國(guó)生態(tài)補(bǔ)償機(jī)制可分為縱向生態(tài)補(bǔ)償和橫向生態(tài)補(bǔ)償兩種類型，其中，縱向生態(tài)補(bǔ)償主要是指上下級(jí)預(yù)算主體之間按照法定標(biāo)準(zhǔn)，通過財(cái)政轉(zhuǎn)移支付制度和專項(xiàng)基金等方式開展的生態(tài)補(bǔ)償，屬于經(jīng)濟(jì)學(xué)中解決公共產(chǎn)品外部性問題的“庇古范式”；橫向生態(tài)補(bǔ)償是指不具有隸屬關(guān)系的補(bǔ)償者與受償者之間綜合運(yùn)用法律、政策和市場(chǎng)等手段開展的合作式補(bǔ)償，屬于經(jīng)濟(jì)學(xué)中利用環(huán)境產(chǎn)權(quán)交易模式的“科斯范式”. 我國(guó)生態(tài)補(bǔ)償實(shí)踐以中央對(duì)地方的縱向生態(tài)補(bǔ)償為主，中央通過轉(zhuǎn)移支付和專項(xiàng)基金等方式承擔(dān)地方的事權(quán)支出責(zé)任[1]. 國(guó)家重點(diǎn)生態(tài)功能區(qū)生態(tài)補(bǔ)償是目前各項(xiàng)生態(tài)補(bǔ)償政策中投入資金數(shù)量最大、補(bǔ)償領(lǐng)域最綜合、影響范圍較廣泛的一項(xiàng)政策. 該政策實(shí)施以來(lái)，補(bǔ)償?shù)姆秶褦U(kuò)大到818個(gè)縣(市、區(qū))，補(bǔ)償金額增至721×108元(2018年). 2018年國(guó)家重點(diǎn)生態(tài)功能區(qū)縣域生態(tài)環(huán)境質(zhì)量監(jiān)測(cè)評(píng)價(jià)與考核報(bào)告(中國(guó)環(huán)境監(jiān)測(cè)總站)顯示，長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市有關(guān)縣域中，生態(tài)環(huán)境“基本穩(wěn)定”的縣域占比為88.93%，生態(tài)環(huán)境“變好”的縣域占比為4.64%，生態(tài)環(huán)境“變壞”的縣域占比為6.43%. 效率問題是生態(tài)補(bǔ)償?shù)暮诵膯栴}，在預(yù)算硬約束和生態(tài)環(huán)境問題日益突出的雙重壓力下，如何提高正在實(shí)施和將要實(shí)施的生態(tài)補(bǔ)償政策效率，逐漸成為國(guó)內(nèi)外學(xué)者和決策部門普遍關(guān)注的重點(diǎn). 由于財(cái)政部門和環(huán)保部門未系統(tǒng)公開過歷年對(duì)各地國(guó)家重點(diǎn)生態(tài)功能區(qū)轉(zhuǎn)移支付的詳細(xì)數(shù)據(jù)和考核情況，至今鮮見選取財(cái)政轉(zhuǎn)移支付等核心指標(biāo)對(duì)其環(huán)境效率進(jìn)行評(píng)價(jià)的研究. 為更有效地實(shí)施長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償政策，極有必要在建立健全長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償與保護(hù)長(zhǎng)效機(jī)制之際，對(duì)該區(qū)域國(guó)家重點(diǎn)生態(tài)功能區(qū)轉(zhuǎn)移支付類型生態(tài)補(bǔ)償政策環(huán)境效率開展回顧性評(píng)價(jià)，檢驗(yàn)沿江各省市補(bǔ)償政策的環(huán)境效率，也可為其他區(qū)域生態(tài)補(bǔ)償政策設(shè)計(jì)提供參考.

目前生態(tài)補(bǔ)償效率的相關(guān)研究主要集中在評(píng)價(jià)方法、指標(biāo)體系兩方面：①評(píng)價(jià)方法. 侯鵬等[2]以海南島中部山區(qū)熱帶雨林重點(diǎn)生態(tài)功能區(qū)為研究區(qū)域，綜合利用多源衛(wèi)星遙感數(shù)據(jù)和地面觀測(cè)統(tǒng)計(jì)數(shù)據(jù)，探討了該區(qū)域生態(tài)系統(tǒng)的變化情況和保護(hù)成效. 張濤等[3]采用熵值法利用變異系數(shù)確定權(quán)重的方式計(jì)算出湖北省國(guó)家重點(diǎn)生態(tài)功能區(qū)生態(tài)補(bǔ)償績(jī)效的綜合指數(shù)，并進(jìn)行了生態(tài)補(bǔ)償績(jī)效評(píng)價(jià). ②指標(biāo)體系. 熊瑋等[4]基于2003—2015年江西省國(guó)家重點(diǎn)生態(tài)功能區(qū)的面板數(shù)據(jù)，利用數(shù)據(jù)包絡(luò)線分析法(SBM-DEA)對(duì)其生態(tài)補(bǔ)償績(jī)效進(jìn)行了綜合評(píng)價(jià). 李國(guó)平等[5]基于PSR模型，以陜西省36個(gè)國(guó)家重點(diǎn)生態(tài)功能區(qū)縣域?yàn)槔?，測(cè)度其2011—2015年綠色發(fā)展?fàn)顩r和綠色減貧效果. 靳樂山等[6]闡述了將生態(tài)系統(tǒng)生產(chǎn)總值(GEP)納入生態(tài)補(bǔ)償績(jī)效考核的必要性和可行性，認(rèn)為GEP適用于生態(tài)綜合補(bǔ)償機(jī)制下的生態(tài)補(bǔ)償績(jī)效考核.

上述研究為推動(dòng)國(guó)家重點(diǎn)生態(tài)功能區(qū)生態(tài)補(bǔ)償理論與實(shí)踐做出了重要貢獻(xiàn)，也為后續(xù)研究提供了良好視角. 但是，在研究尺度上，現(xiàn)有研究主要集中在省域尺度和行業(yè)尺度(如森林、水資源等)，目前尚鮮見對(duì)長(zhǎng)江經(jīng)濟(jì)帶國(guó)家重點(diǎn)生態(tài)功能區(qū)財(cái)政轉(zhuǎn)移支付的投入產(chǎn)出情況的報(bào)道. 在研究方法上，大部分研究?jī)H根據(jù)國(guó)家考核指標(biāo)進(jìn)行管理層面的描述性評(píng)價(jià)，僅有少部分研究采用DEA方法開展了績(jī)效定量評(píng)價(jià)，但沒有很好地分離背景效應(yīng)和隨機(jī)誤差等因素對(duì)于效率評(píng)價(jià)的影響. 盡管研究國(guó)家重點(diǎn)生態(tài)功能區(qū)績(jī)效評(píng)價(jià)的案例不多，但國(guó)內(nèi)外學(xué)者在環(huán)境保護(hù)績(jī)效評(píng)價(jià)方面開展了諸多研究. 如Goto等[7-10]利用DEA方法將3種效率指標(biāo)應(yīng)用于制造業(yè)和非制造業(yè)數(shù)據(jù)集，通過實(shí)證驗(yàn)證了波特假設(shè)在制造業(yè)中的有效性，并發(fā)現(xiàn)第三產(chǎn)業(yè)占比是影響環(huán)境效率的最重要因素. Ali等[11]綜述了1978—2016年DEA理論和模型的應(yīng)用，對(duì)10 300多篇相關(guān)期刊論文進(jìn)行了分類研究. Toshiyuki等[12]綜述了20世紀(jì)80年代以來(lái)DEA方法在能源和環(huán)境領(lǐng)域應(yīng)用的發(fā)展趨勢(shì)，對(duì)DEA方法在全球變暖、氣候變化等重大政策問題方面的應(yīng)用進(jìn)行了評(píng)述. 這些研究的特點(diǎn)是在產(chǎn)出分析中納入了非期望產(chǎn)出，即將二氧化碳排放量、化學(xué)品、污染物質(zhì)和各種類型的廢物排放納入研究范圍.

三階段DEA模型[13-17]是將傳統(tǒng)的數(shù)據(jù)包絡(luò)分析方法(DEA)和隨機(jī)前沿分析方法(SFA)結(jié)合起來(lái)的計(jì)算效率的一種非參數(shù)方法. 目前，三階段DEA模型在我國(guó)科技支出評(píng)價(jià)、農(nóng)業(yè)支出評(píng)價(jià)、工業(yè)排放評(píng)價(jià)等方面已經(jīng)得到了較好的應(yīng)用[18-21]，楊國(guó)梁等[22-23]在分析DEA模型原理和應(yīng)用的基礎(chǔ)上，通過對(duì)環(huán)境變量的合理調(diào)整，對(duì)三階段DEA模型在應(yīng)用方面存在的問題進(jìn)行了歸納和總結(jié). 如能在生態(tài)補(bǔ)償政策領(lǐng)域開展應(yīng)用，應(yīng)該能夠顯示出其重要的決策支撐意義和價(jià)值. 借鑒相關(guān)文獻(xiàn)[24-27]的研究成果，筆者對(duì)國(guó)家重點(diǎn)生態(tài)功能區(qū)生態(tài)補(bǔ)償?shù)沫h(huán)境效率進(jìn)行定量分析，并在假定相同的外部環(huán)境下重新計(jì)算各決策單元的技術(shù)效率值，以更好地揭示影響生態(tài)補(bǔ)償效率的主要因素，對(duì)現(xiàn)有環(huán)境效率測(cè)度研究作有效補(bǔ)充.

1 研究方法

1.1 第一階段DEA模型——傳統(tǒng)DEA模型分析初始效率

DEA模型是評(píng)價(jià)同一類型的組織或部門在多投入、多產(chǎn)出的決策單元下是否技術(shù)有效的非參數(shù)前沿效率分析方法，可分為投入導(dǎo)向和產(chǎn)出導(dǎo)向，根據(jù)具體分析目的，該研究選擇投入導(dǎo)向BCC(規(guī)模報(bào)酬可變)模型. BCC模型計(jì)算出來(lái)的效率值為綜合技術(shù)效率(TE)，可以進(jìn)一步分解為規(guī)模效率(SE)和純技術(shù)效率(PTE)，TE=SE×PTE. 在第一階段DEA模型中對(duì)資金投入、人力投入、能源投入的產(chǎn)出數(shù)據(jù)進(jìn)行初始效率評(píng)價(jià). 對(duì)于任一決策單元，投入導(dǎo)向下對(duì)偶形式的BCC模型可表示為

minθ=ε(êTS-+eTS+)

(1)

式中：s.t表示公式的約束條件；ε為阿基米德無(wú)窮??；ê和e為單位向量；S-為投入松弛變量；S+為產(chǎn)出松弛變量；j為決策單元；n為決策單元數(shù)；X、Y分別是投入、產(chǎn)出向量；θ為效率值，若θ<1，則決策單元非DEA有效.

1.2 第二階段DEA模型——相似SFA模型剔除背景因素和統(tǒng)計(jì)噪聲

決策單元的效率受到管理無(wú)效率、背景因素和統(tǒng)計(jì)噪聲的影響，相似SFA模型主要目標(biāo)是將第一階段的松弛變量分解成以上3種效應(yīng)的影響. 構(gòu)造以投入為導(dǎo)向的SFA回歸函數(shù)：

Sni=f(Zi,βn)+νni+μni

(2)

式中，Sni為第i個(gè)決策單元第n項(xiàng)投入的松弛值，Zi為第i個(gè)決策單元的背景變量，βn為第n項(xiàng)投入的背景變量的系數(shù)，vni+μni為混合誤差項(xiàng)，μni為管理無(wú)效率.

SFA回歸的目的是剔除背景因素和隨機(jī)因素對(duì)效率測(cè)度的影響，以便將所有決策單元調(diào)整于相同的外部環(huán)境中. 調(diào)整公式如下：

(maxvni-vni)

(3)

1.3 第三階段DEA模型——調(diào)整后的投入產(chǎn)出變量的DEA效率分析

將第二階段DEA模型獲取的投入變量替代原投入變量，再次計(jì)算各決策單元的效率，此時(shí)的效率已剔除背景因素和隨機(jī)因素的影響，更能反映環(huán)境效率的真實(shí)水平.

2 指標(biāo)構(gòu)建與數(shù)據(jù)來(lái)源

2.1 投入和產(chǎn)出指標(biāo)

投入指標(biāo). 選取反映資本、資源和勞動(dòng)力等要素的投入指標(biāo)，將中央財(cái)政與省級(jí)財(cái)政對(duì)國(guó)家重點(diǎn)生態(tài)功能區(qū)的轉(zhuǎn)移支付作為資本投入指標(biāo)(不考慮通脹因素)，將能源消費(fèi)總量作為資源投入指標(biāo)，將從業(yè)人員總量作為勞動(dòng)力投入指標(biāo).

產(chǎn)出指標(biāo). 參考郭四代等[28]對(duì)區(qū)域環(huán)境效率測(cè)度的產(chǎn)出變量選取方法，選擇了COD和SO2削減量作為產(chǎn)出變量，二者也是與環(huán)境質(zhì)量改善密切相關(guān)的核心指標(biāo). 為確保產(chǎn)出指標(biāo)為正值，選用線性數(shù)據(jù)轉(zhuǎn)換法對(duì)主要污染物指標(biāo)進(jìn)行特殊處理，采用式(4)對(duì)主要污染物指標(biāo)值進(jìn)行轉(zhuǎn)化.

Yi′=-Yi+C

(4)

式中，Yi′為主要污染物處理值，Yi為主要污染物原始值，C值為樣本地區(qū)污染物指標(biāo)最大值的1.05倍.

2.2 背景變量

背景變量是指對(duì)評(píng)價(jià)對(duì)象的效率產(chǎn)生影響、但并不是評(píng)價(jià)對(duì)象可以主觀控制的因素，背景變量的選取直接關(guān)系到第二階段DEA模型回歸結(jié)果. 參考已有研究成果[22,24,29]，并結(jié)合數(shù)據(jù)的可得性，所選取背景變量主要包括第三產(chǎn)業(yè)比例、人口密度、人均GDP、對(duì)外開放度(以進(jìn)出口總額計(jì))等指標(biāo).

2.3 數(shù)據(jù)來(lái)源

由于2011年以前中央財(cái)政未對(duì)上海市、江蘇省、浙江省三省市開展國(guó)家重點(diǎn)生態(tài)功能區(qū)轉(zhuǎn)移支付，因此采用了2012—2017年面板數(shù)據(jù). 全部數(shù)據(jù)均來(lái)自于歷年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》和長(zhǎng)江經(jīng)濟(jì)帶各省市統(tǒng)計(jì)年鑒以及申請(qǐng)公開的各級(jí)財(cái)政、環(huán)境統(tǒng)計(jì)數(shù)據(jù). 需要說明的是，浙江省通過綠色發(fā)展財(cái)政獎(jiǎng)補(bǔ)資金支持國(guó)家重點(diǎn)生態(tài)功能區(qū)建設(shè)，并未單列相關(guān)資金，故以浙江省對(duì)省級(jí)重點(diǎn)生態(tài)功能區(qū)轉(zhuǎn)移支付作為該省參考值.

3 實(shí)證分析

3.1 第一階段DEA模型的結(jié)果分析

運(yùn)用DEAP 2.1軟件對(duì)長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市2012—2017年國(guó)家重點(diǎn)生態(tài)功能區(qū)轉(zhuǎn)移支付政策的環(huán)境效率進(jìn)行測(cè)算，結(jié)果如表1所示. 結(jié)果顯示，僅有重慶市綜合技術(shù)效率達(dá)到1，處于生產(chǎn)前沿面，其他地區(qū)綜合技術(shù)效率均未全部達(dá)到1，且未呈現(xiàn)出明顯的遞增或遞減規(guī)律. 由于此階段的環(huán)境效率結(jié)果無(wú)法排除環(huán)境和隨機(jī)因素的影響，因而還不能反映區(qū)域真實(shí)環(huán)境效率水平，需要作進(jìn)一步調(diào)整.

3.2 第二階段基于SFA的結(jié)果分析

在DEA分析的第二階段，運(yùn)用SFA法調(diào)整長(zhǎng)江經(jīng)濟(jì)帶各省市的原始投入值，得到相同背景下的環(huán)境效率水平. 當(dāng)模型回歸系數(shù)為正時(shí)，表示增加此背景變量投入會(huì)導(dǎo)致決策單元的投入冗余；當(dāng)回歸系數(shù)為負(fù)時(shí)，表示增加該背景變量的投入將有利于提高效率. 將第一階段中各投入變量運(yùn)行后測(cè)得的松弛變量作為被解釋變量，解釋變量選擇第三產(chǎn)業(yè)增加值占比、人口密度、人均GDP、進(jìn)出口總額等背景變量，以2014年數(shù)據(jù)為例，利用Frontier 4.1軟件進(jìn)行回歸，結(jié)果如表2所示. 由表2可見，轉(zhuǎn)移支付的松弛變量Gamma值接近于1，能源消費(fèi)總量的Gamma值為0.92，且均在1%水平下顯著，這充分說明管理因素對(duì)環(huán)境效率的影響占據(jù)主導(dǎo)地位. 因此，應(yīng)進(jìn)一步將背景因素和隨機(jī)因素加以分離.

表1 長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的國(guó)家重點(diǎn)生態(tài)功能區(qū) 第一階段環(huán)境效率水平(綜合技術(shù)效率)

表2 長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的國(guó)家重點(diǎn)生態(tài)功能區(qū)第二階段SFA回歸結(jié)果

注： 括號(hào)內(nèi)數(shù)值為單側(cè)t值檢驗(yàn)值； *** 表示1%顯著水平；** 表示5%顯著水平；*表示10%顯著水平.

結(jié)果顯示，第三產(chǎn)業(yè)增加值占比對(duì)能源松弛變量的回歸系數(shù)均為負(fù)值，且在5%水平下顯著，這說明第三產(chǎn)業(yè)增加值占比提升將會(huì)降低能源松弛變量，即長(zhǎng)江經(jīng)濟(jì)帶的發(fā)展應(yīng)進(jìn)一步提高第三產(chǎn)業(yè)增加值占比、降低能源消耗以提升環(huán)境效率. 對(duì)轉(zhuǎn)移支付的松弛變量回歸系數(shù)為正值(但數(shù)值很小)，說明第三產(chǎn)業(yè)增加值占比較高時(shí)，經(jīng)濟(jì)社會(huì)活動(dòng)帶來(lái)的污染排放量已較少，通過轉(zhuǎn)移支付并不能產(chǎn)生更高的環(huán)境效率.

人口密度對(duì)能源、勞動(dòng)力和資本投入松弛變量的回歸系數(shù)均為正值，基本達(dá)到10%顯著水平檢驗(yàn)，這表明在當(dāng)前階段，人口密度的增加會(huì)導(dǎo)致資本、能源和勞動(dòng)力松弛變量的增加，從而對(duì)環(huán)境效率產(chǎn)生負(fù)面影響.

人均GDP對(duì)能源、勞動(dòng)力和資本投入變量的松弛變量回歸系數(shù)接近于零. 根據(jù)環(huán)境庫(kù)茲涅茨曲線，當(dāng)人均GDP達(dá)到某一階段時(shí)，人們對(duì)生態(tài)環(huán)境的要求越來(lái)越高，由此帶來(lái)了資本、能源和勞動(dòng)力投入利用效率的提高，對(duì)環(huán)境產(chǎn)生正影響. 同時(shí)，人均GDP增長(zhǎng)對(duì)3種投入的影響很小，意味著當(dāng)前階段人均GDP增長(zhǎng)對(duì)環(huán)境效率的提升是一個(gè)緩慢的過程，需要在更大時(shí)間尺度上予以研究.

進(jìn)出口總額對(duì)資本、勞動(dòng)力投入松弛變量的回歸系數(shù)為正值，表明外貿(mào)依存度增加會(huì)導(dǎo)致資本、勞動(dòng)投入松弛變量的上升，降低環(huán)境效率水平. 進(jìn)出口總額對(duì)能源投入松弛變量的回歸系數(shù)為負(fù)值，說明當(dāng)前的對(duì)外貿(mào)易水平提高了能源的利用效率，對(duì)環(huán)境效率產(chǎn)生正影響.

3.3 第三階段調(diào)整后DEA模型結(jié)果分析

調(diào)整投入變量，并將其再次代入第一階段BCC模型，利用DEAP 2.1軟件測(cè)算2012—2017年長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的國(guó)家重點(diǎn)生態(tài)功能區(qū)在相同背景下的環(huán)境效率水平，結(jié)果如表3所示.

表3 長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的國(guó)家重點(diǎn)生態(tài)功能區(qū) 第三階段環(huán)境效率水平(綜合技術(shù)效率)

由表2、3可知，從時(shí)間分布上看，2013—2015年長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的國(guó)家重點(diǎn)生態(tài)功能區(qū)環(huán)境效率均值呈遞增趨勢(shì)，但2016年、2017年環(huán)境效率均值有所下降. 從區(qū)域分布來(lái)看，流域上游與中下游補(bǔ)償效率存在較大差距. 中游區(qū)域(江西省、湖南省、湖北省)、下游區(qū)域(上海市、浙江省、江蘇省、安徽省)第三階段環(huán)境效率均值均為0.91，而上游區(qū)域(重慶市、四川省、云南省、貴州省)第三階段環(huán)境效率均值僅為0.85，而且云南省環(huán)境效率均值顯著降低. 以云南省為例，該省貧困發(fā)生率由2015年的14.03%降至2017年的9.89%，各項(xiàng)基本公共服務(wù)水平亦有大幅提高，但涉及國(guó)家重點(diǎn)生態(tài)功能區(qū)的46個(gè)縣域中，對(duì)于2017年環(huán)境狀況，僅有2個(gè)縣域輕微變好、3個(gè)縣域輕微變差，其他縣域總體保持穩(wěn)定. 經(jīng)過測(cè)算，2016—2017年云南省的環(huán)境效率均值大幅下降，可認(rèn)為是基本公共服務(wù)擠占了環(huán)境保護(hù)方面的資金投入和管理力量，從而影響環(huán)境產(chǎn)出效率，其他省市也存在類似情況.

由表4可知，2012—2017年長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的綜合技術(shù)效率均值為0.89，調(diào)整前后沒有變化；純技術(shù)效率均值由調(diào)整前的0.94提高到0.96，規(guī)模效率均值由調(diào)整前的0.94降至0.92，意味著純技術(shù)效率對(duì)環(huán)境效率水平起主導(dǎo)作用. 同時(shí)發(fā)現(xiàn)，剔除背景因素和隨機(jī)干擾的影響后，2012—2017年長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的國(guó)家重點(diǎn)生態(tài)功能區(qū)的純技術(shù)效率一直保持較高水平，但由于規(guī)模效率在2015年之后大幅下降，導(dǎo)致2016—2017年綜合技術(shù)效率下降.

表4 調(diào)整前后長(zhǎng)江經(jīng)濟(jì)帶轉(zhuǎn)移支付政策的3項(xiàng)效率水平對(duì)比

4 結(jié)論與建議

a) 環(huán)境效率低主要是規(guī)模效率低造成的. 2012—2017年長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市的純技術(shù)效率一直保持較高水平，但由于2016—2017年規(guī)模效率大幅下降，導(dǎo)致綜合技術(shù)效率出現(xiàn)下降. 背景因素中第三產(chǎn)業(yè)增加值占比的影響顯著，并且對(duì)能源投入的影響系數(shù)為負(fù)值，表明提高第三產(chǎn)業(yè)增加值占比將減少能源投入的冗余，提高環(huán)境效率. 其他背景因素影響不顯著，但人口密度對(duì)資本、能源和勞動(dòng)力的影響系數(shù)均為正值，表明人口密度增加會(huì)帶來(lái)投入冗余，降低環(huán)境效率.

b) 長(zhǎng)江經(jīng)濟(jì)帶上游地區(qū)(重慶市、四川省、云南省、貴州省)的環(huán)境效率均值為0.85，與中下游地區(qū)(江西省、湖南省、湖北省、安徽省、江蘇省、浙江省、上海市)(環(huán)境效率均值為0.91)存在較大差距，表明上游地區(qū)的生態(tài)補(bǔ)償資金投入和管理水平尚存在不足. 國(guó)家重點(diǎn)生態(tài)功能區(qū)生態(tài)補(bǔ)償出現(xiàn)了改善民生與保護(hù)環(huán)境雙重目標(biāo)不協(xié)調(diào)的問題. 11個(gè)省市中以云南省環(huán)境效率為最低，并出現(xiàn)了貧困發(fā)生率和環(huán)境效率同時(shí)下降的情況.

c) 應(yīng)重視生態(tài)補(bǔ)償?shù)目茖W(xué)問題研究. 綜合運(yùn)用生態(tài)學(xué)、經(jīng)濟(jì)學(xué)、社會(huì)學(xué)等理論對(duì)各種尺度的生態(tài)補(bǔ)償開展精準(zhǔn)研究，并結(jié)合不同區(qū)域的經(jīng)濟(jì)社會(huì)特點(diǎn)和資源環(huán)境稟賦，進(jìn)一步完善國(guó)家重點(diǎn)生態(tài)功能區(qū)轉(zhuǎn)移支付政策模式. 同時(shí)，加大資金和技術(shù)投入支持力度. 提高欠發(fā)達(dá)地區(qū)國(guó)家重點(diǎn)生態(tài)功能區(qū)要素投入水平，大幅提高其規(guī)模效率. 鼓勵(lì)利益相關(guān)地區(qū)采取資金補(bǔ)助、對(duì)口協(xié)作、產(chǎn)業(yè)轉(zhuǎn)移、人才培訓(xùn)等方式進(jìn)行多元化合作.

d) 探索市場(chǎng)化生態(tài)補(bǔ)償新機(jī)制. 發(fā)揮財(cái)政投資引導(dǎo)帶動(dòng)和杠桿效應(yīng)，通過收益優(yōu)先保障機(jī)制吸引社會(huì)資本投入；推動(dòng)自然資源產(chǎn)權(quán)制度改革，為市場(chǎng)化生態(tài)補(bǔ)償?shù)於óa(chǎn)權(quán)基礎(chǔ). 對(duì)不同區(qū)域重點(diǎn)生態(tài)功能區(qū)實(shí)行差異化的考核政策，建立有效的監(jiān)管機(jī)制以提高生態(tài)補(bǔ)償政策實(shí)施效率.