在过去的几十年里，中国的经济总量超过了世界上的绝大多数国家，已经成为世界上仅低于美国的第二大经济大国。虽然中国的经济发展取得了巨大的成就，但是长期以来“高投入、高排放、低效率”的经济增长方式使我们付出了巨大的资源与环境代价。从2015年世界卫生组织（WHO） 发布的报告中可以看到，全球空气污染最重的10个城市中，我们国家占了7个。我国由于经济增长而引发的环境问题已经引起越来越多的国际关注，所面临的国际压力也逐渐增大。2016年全国两会也提到了关于环境问题的政策，李克强指出，2016年二氧化碳排放强度要降低3.1%以上，化学需氧量（COD）和氨氮排放量均要减少2%左右，SO2（二氧化硫）与NOX（氮氧化物）排放量分别要减少3%和5%左右，要加强节能减排工作，加大环境污染治理力度。为了减轻环境污染压力，京津冀地区不断增加环境污染治理投资，京津冀地区的环境污染治理投资效果一方面取决于京津冀环境污染治理投资规模，另一方面取决于京津冀环境污染治理投资效率，如果只是扩大投资规模，而忽略了京津冀环境污染治理投资的效率，反而有可能会导致京津冀环境压力的增大。因此，研究京津冀地区的环境污染治理投资效率是非常必要的。

此阶段同初期研究形式类似，前期试图总结出针对数学基本活动经验的课堂教学策略，本期更侧重于验证前期总结的途径是否有效。继续采用课堂观察、师生访谈、个例研究的形式进行研究。

在环境治理投资效率方面，比较早的研究有Fare（2005）[1]等基于美国1985年到1995年火力发电企业层面的数据，综合考量有利和不利产出对环境污染治理绩效进行研究，研究结论是，环境污染治理会使得生产率和技术变化同时下降。尹希果（2005）[2]和颉茂华 （2010）[3]等人根据修改和校正后的环境治理投资优先增长模型，计算出了我国环境治理投资的效率值，研究结果表明，尽管我国环境污染治理投资是经济增长速度的1.5-2倍，环境污染状况仍然未得到较好的治理，也就是说我国环境治理投资的效率非常低。闻岳春（2012）[4]根据2003年到2009年的相关数据，运用DEA模型对我国30个省的环境污染治理投资效率水平进行分析研究，并按照各区域的效率水平和经济增长水平分成四类地区，研究结果表明，不同类型地区的环境污染治理投资的影响因素是不同的，针对不同地区应采取不同的措施来相应提高其环境污染治理投资效率水平。

国内外大多都利用DEA方法来分析研究环境污染治理投资的效率。针对环境污染较严重的京津冀地区进行研究，本文采用了前沿的分析研究方法，通过使用EBM超效率模型，基于时间和空间角度，来分析京津冀地区的环境污染治理投资效率。EBM模型已广泛应用于现有研究中，高鸣和陈秋红（2014）[5]采用EBM模型，测算了2000年到2011年我国的农业碳排放效率，结果显示我国各省份的农业碳排放效率是逐年递增的。王晓岭和武春友（2015）[6]通过建立Super-EBM模型，测算了G20国家2000年到2010年的能源经济效率和环境效率，研究结果表明，与能源经济效率相比，G20国家的能源生态效率总体呈现发散的趋势。

本文基于前人的研究，首次使用EBM超效率模型来测算京津冀地区的环境污染治理投资效率，考虑到了径向和非径向松弛变量的共存特征，更准确地测算了京津冀地区的环境污染治理投资效率。并且，构建了基于EBM超效率模型的效率评价新体系，由一般的综合效率分析向投入产出贡献率分析进行有效拓展，使京津冀环境污染治理投资效率的评价体系更加系统化。

一、研究方法

EBM模型是在数据包络分析模型的基础上发展起来的。数据包络分析法（Data Envelopment Analysis，DEA） 指的是用于衡量研究对象，即决策单元（Decision Making Unit，DMU） 相对效率的非参数技术效率分析方法。在DEA理论模型中，决策单元的数量可以是无限的，决策单元是投入和产出能够计量的部门或个体，但决策单元必须是同一类，也就是说决策单元是有可比性的。技术效率是指某一生产单位在生产过程中达到该行业平均生产水平的程度，可以反映生产单位的技术水平。

经典的DEA模型可以分为两类，一是由Charnes，Cooper等共同提出的径向模型——CCR模型[7]和BCC模型[8]，二是由Tone提出的非径向模型——SBM模型[9]。但不管是径向的CCR模型和BBC模型还是非径向的SBM模型，在测算效率过程中均不能将产出的好坏区分出来。随后，Chung等提出了能够区分期望产出和非期望产出的DDF模型[10]。但DDF模型是径向模型，容易高估被评价对象的效率[11]。结合SBM模型和DDF模型的优点，在2010年，Tone和Tsutsui提出了一种兼容径向和非径向的混合距离函数测度方法模型，即EBM模型[12]。EBM模型不但可以测算出目标值和实际值之间的改进比例，还可以计算出各项投入产出非径向的数值，并找出实际值和目标值之间的差距[13]，也就是说，EBM模型可以更准确地计算出决策单元的效率。

EBM模型分三种导向，分别是投入导向、产出导向和非导向。投入导向的EBM模型指的是在产出既定的条件下，各投入量根据同比例减少的水平来测度其效率的状况。投入导向的EBM模型的重点在于产出不变，为使的效率最大各投入指标变化的情况。产出导向的EBM模型指的是在投入既定的条件下，各产出量根据同比例上升的水平来测度其效率的状况。产出导向的EBM模型的重点在于投入不变，为使得效率最大各产出指标变化的情况。非导向的EBM模型是从投入与产出两个角度来测度无效率的状况。研究目的不同，选择的模型导向就不相同，但如果研究目的仅仅是想要得到各决策单元的相对效率值，那么这三种导向的模型都是可以选择的[14]。本文想要从投入与产出两个角度来分析研究京津冀地区的环境污染治理投资效率，因此选用非导向的EBM模型。非导向的EBM模型的公式如下：

精品酒店在经营管理过程中的不断创新也是其能够存在发展的一个重要条件。精品酒店在整个经营管理过程中都体现出创新的元素：首先在酒店投资建设方面，精品酒店不同于传统酒店对酒店地段区位的重视，而是将更多的资金投入到酒店装修设计方面，其次，在经营管理方面，精品酒店采取外包策略，将主要酒店资源和精力放在其特色产品的经营上。第三，精品酒店通过产品服务赢得宾客的较高的满意度，贵族管家式的酒店服务为每位入住的客人营造家庭般的舒适和温暖，在关注宾客感受的同时，以宾客喜欢的方式提供服务，并总能制造出意想不到的惊喜。

 

假定要测算一组共n个DMU的效率值，记为DMUj（j=1，2，…，n），当前要测算的DMU记为DMUk，每个DMU有m种投入指标，记为xi（i=1，2，…，m），q种产出，标记为yr（r=1，2，…，q），X和Y分别是投入矩阵和产出矩阵，λ表示DMU的组合系数，S-是投入指标的松弛变量，S+是产出指标的松弛变量，是投入指标的权重，w+r是产出指标的权重，θ和φ为变量。是非径向的权重，在[0，1]范围内，当ε=0时，EBM模型与径向模型相同，当ε=1时，EBM模型与SBM模型相同。

法律的强制性可以确保环境污染治理投资的决策能够持续有效的实施，法律的稳定性可以确保稳定的环境污染治理投资资金来源和有效的环境污染治理投资政策。这就要求京津冀的政府必须从我国宪法的要求出发，建立和完善适应京津冀实际情况的法律法规体系，完善环境法规和环境监测标准，使环境污染治理企业与执法人员在环境治理与执法过程中有法可依。此外，还需要强化环境污染治理执法队伍建设，保证执法行为规范，确保能够加大执法力度，提升相关执法水平。

孕期黄体酮和雌激素的改变 、血流加速导致牙龈肿胀，容易出现牙龈炎、牙龈肿胀，牙龈出血或者牙周病，严重时会影响牙齿软组织周围的韧带和骨骼，这些疾病会导致早产和低出生体重儿。分娩结

 

上式中每个变量的含义和前面一致，有区别的是超效率模型的核心思想是在测算第k个DMU的效率时，用其余所有的DMU投入产出的组合来替代第k个DMU的投入产出，这样就把第k个DMU剔除出去了。

本文结合EBM模型和超效率DEA模型的优点，综合为EBM超效率模型，对2013-2016年我国京津冀的环境污染治理投资效率进行分析。EBM超效率模型计算出来的结果能够很好地反映当前环境污染治理投资的有效性，并能够较为准确地给出各投入产出指标的改进比例，对各DMU具有很大的指导意义。

二、指标选取及数据来源

在使用EBM超效率模型评价环境污染治理投资效率时，要先规定各项投入指标和产出指标。为了准确反映京津冀地区的环境污染治理投资效率，根据科学性、完备性、可操作性、独立性等指标选取原则，本文选取了城市环境治理投资（包括污水处理投资、园林绿化投资和垃圾处理投资）和工业污染源治理投资（主要包括治理废水投资、治理废气投资和治理固体废物投资）作为投入指标，其分别对应的城市污水日处理能力、建成区绿化覆盖率、生活垃圾无害化处理量和工业废水处理量、废气治理设施处理能力、工业固体废物综合利用量分别作为产出指标。构建的评价指标体系见表1。

国内PDA大致有两种形式，一是读者直接通过邮箱、论坛、到馆推荐的方式向图书馆提供所需文献的信息；二是图书馆与原版图书的出版商或是代理商合作，在图书馆举办大型原版书展，邀请读者参与，并根据他们的挑选情况进行现场采买。2014年5月，天津大学图书馆和中国进出口总公司就曾联合举办了这样的原版书展，参展的都是最新出版的原版外文图书，是经有关专家和国外出版社推荐，从剑桥大学出版社等众多国际知名出版社中精选出来的，他们让图书馆的读者现场参与挑选，最后，根据推荐情况进行择优订购。像这样让读者充分参与图书采购决策，能够增加原版外文图书的利用率，将滞架率降低。

根据数据的可得性和环境治理污染的时效性，本研究采用省际面板数据，选用2013年到2016年的相关数据进行研究，所有数据都来自于《中国统计年鉴》和《中国环境统计年鉴》。对于省份的确定，因为体制上的不同，本研究不包括高度自治的香港、澳门和台湾地区，然后根据数据的可比性，本文选择的是除西藏外的其余30个省份。

 

表1　京津冀环境污染治理投资效率评价指标体系

  

注：城市环境治理投资包括城市污水处理投资、园林绿化投资和垃圾处理投资。

 

评价对象　指标类别　指标名称　单位投入指标　城市环境治理投资额　亿元工业污染源治理投资额　亿元环境污染治理投资效率　产出指标城市污水日处理能力　万立方米建成区绿化覆盖率　%生活垃圾无害化处理量　万吨工业废水处理量　万吨废气治理设施处理能力　万立方米工业固体废物综合利用量　万吨

三、京津冀环境污染治理投资效率的实证研究

在用EBM超效率模型进行实证分析前先对其测算结果中所涉及的各个术语名词进行简单阐述。

青瓷一巴掌就挥了过去，造化弄人，这司机不是别人，就是十八岁那年将她肚子弄大，却抵死不肯承认的男人，何小勇。

比例改进值也叫径向改进值，指的是在既定投入产出上等比例方向的改进值。松弛改进值指的是对于有效前沿面而言，在等比例改进之后，仍然相对于有效DMU而言的差距部分的值。目标值指的是使各投入产出达到有效前沿面的值。

北京市的纯技术效率和规模效率与天津和河北相比要高，而河北的纯技术效率高于全国平均水平，天津的纯技术效率远低于全国平均水平。这表明北京市在充分利用已有技术条件下，有效地提高了环境污染治理投资的纯技术效率，因此使环境污染治理投入产出在规模效率上同比例增加。虽然河北省的环境治理投资的纯技术效率是有效的，但其投资规模效率是无效的，这就导致河北省的环境治理投资综合效率较低。与河北和北京相比，天津市的环境污染治理投资的纯技术效率和规模效率均处在较低水平，其均值分别是0.36和0.58，所以天津市在京津冀地区的环境污染治理投资综合效率值中是最低的。

规模报酬（RTS）是指在既定条件下，各个投入指标同比例变化所带引起的产出变化，即环境污染治理投资规模变化与所带来的产出变化的关系。规模报酬有规模报酬递增（+）、规模报酬不变（0）和规模报酬递减（-）三种情况。

综合技术效率（CRS） 是指每个决策单元的环境污染治理投资效率值。如果某个省份的综合技术效率大于等于1，表明该省份的环境治理投资是有效的。CRS=VRS*SE。

中药的提取过程是中药质量传递的关键环节，在设计提取工艺时，应考虑到药材所含成分的理化性质及其之间的差异，如分子大小、熔点、沸点、极性、溶解性等[25]。目前，最常用的提取方法是水蒸气蒸馏法，《中国药典》2015年版中规定的中药挥发油提取方法几乎是水蒸气蒸馏法，但水蒸气蒸馏法不适于热敏性、难溶性成分的提取。因此，需加强各种中药挥发油的最佳工艺基础性研究，完善中药挥发油提取技术。提取方法标准化的同时，具体的工艺参数也需明确，如采用有机溶剂萃取法，则需明确说明所用的有机溶剂名称、用量及萃取时间等。中药挥发油的提取过程若能得到有效控制，则其质量的稳定均一性将随之大大提升。

本文选取从2013年到2016年全国30个省市的环境污染治理投资相关数据，共有120个样本，将这些数据整理成面板数据，利用MATLAB软件对其进行EBM超效率模型数据处理，得到这些样本的综合技术效率值（CRS）、规模报酬（RTS）、纯技术效率值（VRS）、规模效率值（SE）、松弛改进值、比例改进值、目标值等，如表2所示。

 

表2　环境污染治理投资效率及其分解

  

2013　2014 CRSVRS　SE　RTS　CRS　VRS　SE　RTS　CRS北京　1.25　1.51　0.83　+　1.01　1.01　1.00　-　0.37天津　0.22　0.37　0.58　-　0.25　0.43　0.60　-　0.23河北　1.01　1.02　0.98　-　0.43　0.71　0.61　-　0.33山西　0.40　1.00　0.40　-　0.28　1.00　0.28　-　0.24内蒙古 0.23　0.44　0.51　-　0.29　0.47　0.62　-　0.15辽宁　0.86　1.02　0.85　-　0.79　1.02　0.78　-　0.41吉林　0.57　0.66　0.86　-　0.83　0.85　0.98　-　0.52黑龙江 0.58　0.74　0.79　-　1.02　1.02　1.00　-　0.28上海　0.86　0.93　0.93　-　0.63　0.81　0.78　-　1.08江苏　0.42　1.01　0.42　-　0.33　0.95　0.35　-　0.23浙江　0.69　0.85　0.81　-　1.01　1.03　0.98　-　0.26安徽　0.72　1.00　0.72　-　0.54　0.80　0.67　-　0.23福建　0.43　0.72　0.60　-　0.44　1.00　0.44　-　0.32江西　0.65　1.01　0.65　-　1.04　1.06　0.98　-　0.36山东　0.25　1.02　0.25　-　0.23　1.00　0.23　-　0.18河南　0.61　1.02　0.60　-　0.72　1.02　0.71　-　0.34湖北　1.02　1.02　1.00　+　0.70　0.81　0.86　-　0.36湖南　0.90　0.95　0.95　-　0.46　0.71　0.65　-　0.34广东　1.01　1.08　0.94　-　0.88　1.00　0.88　-　1.12广西　1.01　1.01　1.00　-　1.02　1.03　0.99　-　0.47海南　1.01　1.01　1.00　-　0.16　0.48　0.34　-　1.01重庆　0.52　0.59　0.88　-　0.73　0.92　0.79　-　0.44四川　1.00　1.00　1.00　-　0.81　1.00　0.81　-　0.46贵州　0.52　0.53　0.98　-　0.55　0.57　0.97　-　0.37云南　0.63　1.01　0.63　-　0.56　1.00　0.56　-　1.02陕西　0.28　0.44　0.62　-　0.25　0.41　0.59　-　0.20甘肃　0.40　0.41　0.96　-　0.29　0.30　0.94　-　0.24青海　1.01　1.02　1.00　+　1.06　1.09　0.98　+　0.69宁夏　1.03　1.04　0.99　-　0.69　0.70　0.99　-　0.37新疆　0.39　0.51　0.78　-　0.47　0.51　0.91　-　0.26 20152016　均值省份VRS 1.01 0.38 0.84 1.00 0.32 0.83 0.63 0.46 1.08 1.00 0.59 0.52 0.65 0.71 1.00 0.72 0.63 0.58 1.12 0.68 1.03 0.64 0.74 0.44 1.04 0.35 0.31 0.73 0.38 0.36 SE　RTS　CRS　VRS　SE　RTS　CRS　VRS　SE 0.36　-　0.30　1.03　0.29　-　0.73　1.14　0.62　6 0.61　-　0.14　0.27　0.51　-　0.21　0.36　0.58　28 0.40　-　0.20　1.00　0.20　-　0.49　0.89　0.55　19 0.24　-　0.37　1.02　0.37　-　0.32　1.01　0.32　24 0.47　-　0.15　0.35　0.44　-　0.21　0.40　0.51　29 0.50　-　0.50　0.91　0.55　-　0.64　0.94　0.67　9 0.83　-　0.36　0.53　0.67　-　0.57　0.67　0.84　15 0.62　-　0.39　0.58　0.67　-　0.57　0.70　0.77　14 1.00　-　0.39　0.63　0.62　-　0.74　0.86　0.83　4 0.23　-　0.27　1.01　0.27　-　0.31　0.99　0.32　25 0.45　-　0.20　0.57　0.34　-　0.54　0.76　0.65　16 0.44　-　0.41　0.69　0.59　-　0.47　0.75　0.61　20 0.48　-　0.26　0.57　0.45　-　0.36　0.74　0.50　22 0.50　-　0.44　0.73　0.60　-　0.62　0.88　0.68　10 0.18　-　0.17　1.01　0.17　-　0.21　1.01　0.20　30 0.47　-　0.30　0.69　0.44　-　0.49　0.86　0.55　18 0.57　-　0.33　0.59　0.55　-　0.60　0.76　0.75　12 0.59　-　0.43　0.67　0.64　-　0.53　0.73　0.71　17 1.00　-　0.67　1.02　0.66　-　0.92　1.06　0.87　1 0.70　-　0.43　0.64　0.67　-　0.73　0.84　0.84　5 0.98　+　1.06　1.20　0.88　+　0.81　0.93　0.80　3 0.68　-　0.68　0.82　0.83　-　0.59　0.74　0.80　13 0.62　-　0.38　0.67　0.57　-　0.66　0.85　0.75　8 0.84　-　0.33　0.41　0.80　-　0.44　0.49　0.89　21 0.98　-　0.48　0.65　0.74　-　0.67　0.92　0.73　7 0.57　-　0.21　0.39　0.53　-　0.23　0.40　0.58　27 0.78　-　0.28　0.39　0.88　-　0.30　0.34　0.89　26 0.95　-　0.61　0.77　0.79　-　0.84　0.90　0.93　2 0.98　-　0.36　0.36　1.00　-　0.61　0.62　0.99　11 0.71　-　0.20　0.32　0.62　-　0.33　0.42　0.75　23综合排名全国均值　0.68　0.97　0.80　0.62　0.72　0.74　0.430.740.46　0.38　0.77　0.33　0.53　0.80　0.58京津冀均值　0.83　0.87　0.78　0.57　0.82　0.74　0.310.690.62　0.21　0.68　0.58　0.48　0.77　0.68

（一）综合技术效率分析

从表2中可以看出，我国环境治理投资综合效率总体上较低，且呈现下降的趋势。从总体均值来看，2013年到2016年间我国30个省市环境治理投资效率为0.526，还没有达到有效前沿面。根据京津冀均值可以看出，我国30个省市综合效率的均值与京津冀地区的均值相比要高很多，这说明全国的环境污染治理投资效率要高于京津冀地区。其中，全国的综合效率值从2013年的0.683下降到2014年的0.376，京津冀的综合效率值从2013年的0.826下降到2016年的0.213，由此能够看出，全国的综合效率值和京津冀的综合效率值是都是不断下降的，并且京津冀与全国的环境治理投资综合效率的差距正在逐渐缩小。

大量研究表明，父母的信念是儿童信念发展的锚定起点(Ozorak, 1989; Boyatzis et al., 2006)。不同信仰的父母有着不同的观念和行为方式，这些不同借助亲子谈话等方式，影响着儿童各种观念的形成(Boyatzis et al., 2006)。 例如， Rosengren(2004)等人发现， 父母(天主教徒)被问及如何回答3～6岁的儿童的死亡问题时，大部分父母是用宗教相关的字眼来回应的，例如，天堂、灵魂、上帝等。有宗教信仰的父母的信念更加与众不同，对儿童信念的影响也显得尤为突出。

北京市2013年和2014年的环境污染治理综合效率均大于1，2013年到2016年间的均值是0.732，在全国的排名非常靠前，是第6名，说明北京市的环境污染治理投资综合效率较高，其投入产出比与河北和天津相比要高。河北与天津的综合效率平均值分别为0.493和0.21，在全国30个省市中排名分别是第19和第28，排名特别靠后，说明河北省与天津市的环境污染治理投资可能存在一些问题，如资金投入产出比例不合理和环境污染治理资金利用效率不高等。

（二）纯技术效率与规模效率分析

在表2可以看出，我国环境污染治理投资的纯技术效率和规模效率总体上不高，且这四年间一直持续下降。从总体均值来看，2013-2016年间我国30个省市环境治理投资的纯技术效率为0.80，还没有达到有效前沿面，而规模效率均值为0.58，与最优规模的距离也相差甚远。从京津冀均值来看，2013年京津冀环境污染治理投资的纯技术效率均值高达0.87，2014年下降到0.82，2015年又下降到0.69，2016年继续下降到0.68，可见，近三年京津冀环境污染治理投资效率一直呈下降趋势，但仍未达到有效前沿面。而京津冀环境污染治理投资的规模效率从2013年的0.78下降到2016年的0.58，与最优规模距离相差甚远。同时，全国的环境污染治理投资的规模效率均值与京津冀地区相比要低很多，除天津外，北京和河北的纯技术效率都比规模效率要高。此外，京津冀地区的环境污染治理投资的纯技术效率与规模效率也是逐年下降的，这和全国相对下降的趋势一致，且京津冀与全国的纯技术效率和规模效率的差距正在逐渐减小。

纯技术效率（VRS） 是指在既定的规模下，环境污染治理投资的效率水平。如果某个省份的纯技术效率大于等于1，表明在技术水平不变的条件下，环境治理投资的使用是有效的。规模效率（SE）是指每个决策单元在投资规模影响下的效率水平。如果规模效率大于等于1，表明该省份处于最优的投资规模中。

（三）规模收益变动趋势分析

从表2中可以看出，我国环境治理投资的规模收益处于递减趋势的省份居多，处于递增趋势的省市特别少。2013年全国有3个省份的规模收益是递增的，在京津冀的规模收益变动中，只有北京是递增的，天津和河北都是递减的，由此看来，对于北京市来说，通过加大投资规模能够带来更多的产出。2014年、2015年和2016年全国规模收益处于递增趋势的省份都只有1个，京津冀的规模收益全都处于递减趋势，说明通过加大京津冀地区的投资规模来增大产出的可能性很小，必须依靠技术进步来提高京津冀地区的环境污染治理投资效率。

使用工装撑紧齿圈2的内圈，使得齿圈2的倒角端面6朝上放置于淬火感应圈1中，齿圈2与淬火感应圈1同心设置，淬火感应圈1的长直角边5朝上设置，位于淬火感应圈1的短直角边8一侧设有矩形截面结构的喷水圈3，喷水圈3通过紧固件与淬火感应圈1连接在一起，用于喷水冷却，淬火冷却介质浓度为3%～5%，其浓度太小淬火件易出现裂纹现象，浓度太大淬火件的硬度不够。

（四）投入产出分析

研究环境治理投资效率的最主要目的就在于通过研究决策单元的无效性来源并对其进行一定的改进，从而使其得到投资有效。因为本研究采用的是非导向的EBM超效率模型，所以对于京津冀环境污染治理投资无效性的改进是利用增加或减少投入产出值来使其达到有效前沿面的。本文根据2016年京津冀的环境治理投资效率情况，基于综合效率对京津冀的投入指标冗余和产出指标不足情况进行分析，由MATLAB软件处理得到的结果，如表3所示。

[4]闻岳春，吴英姿.基于DEA模型的环保投资综合效率的实证分析[J].同济大学学报，2012，（02）：38-43.

 

表3　京津冀投入产出指标的改进值和目标值

  

省份北京　天津　河北城市环境治理投资（亿元）比例改进值　0.00　-113.12　-2.24松弛改进值　0.00　0.00　0.00目标值　535.60　64.08　264.06投入指标工业污染治理投资（亿元）比例改进值　0.00　-14.11　-0.75松弛改进值　0.00　0.00　0.00目标值　7.60　7.99　88.25生活垃圾无害化处理量 (万吨)建成区绿化覆盖率（%）比例改进值　0.00　133.22　4.46松弛改进值　0.00　105.08　3 537.84目标值　730.80　447.01　4 074.20比例改进值　0.00　22.28　0.35松弛改进值　47.19　40.68　428.77目标值　96.29　97.86　471.02产出指标城市污水日处理能力 (万立方米)工业废水处理量 (万吨)比例改进值　0.00　167.63　4.39松弛改进值　128.98　0.00　3 202.15目标值　570.98　430.23　3 729.74比例改进值　0.00　20 765.64　6 618.76松弛改进值　31 532.06　26 377.18　0.00目标值　32 484.06　79 672.83　79 511.76工业废气治理设施处理能力（万立方米）比例改进值　0.00　12 798.99　1 426.75松弛改进值　39 204.37　0.00　75 285.91目标值　51 231.37　32 848.99　24 668.65工业固体废物综合利用量（万吨）比例改进值　0.00　1 100.52　153.01松弛改进值　9 967.94　15 118.73　73 598.41目标值　10 862.94　17 943.25　91 979.42

 

表4　京津冀环境污染治理投资的投入冗余率和产出不足率

  

省份　北京　天津　河北投入冗余率城市环境治理投资　0.11%　-63.84%　-15.85%工业污染治理投资　0.11%　-0.84%　-0.75%产出不足率生活垃圾无害化处理量　0.11%　79.19%　96.97%建成区绿化覆盖率　76.11%　80.39%　102.16%城市污水日处理能力　9.18%　43.84%　96.87%工业废水处理量　133.13%　94.92%　9.84%工业废气治理设施处理能力　95.97%　46.84%　29.13%工业固体废物综合利用量　103.74%　97.79%　94.61%

从投入角度来看，北京市的城市环境治理投资和工业污染治理投资的比例改进值和松弛改进值均为0，表明北京的环境污染治理投资不存在冗余，同时，这也说明这两项投资的利用效率已达到最优。而天津和河北的城市环境治理投资和工业污染治理投资均存在投入冗余，为了达到有效的前沿边界，天津的城市环境治理投资和工业污染治理投资应分别减少63.84%和0.84%，表明天津的投入冗余较大，明显地抑制了天津环境治理投资效率的提升，对比北京和河北来看，天津的环境污染治理资金浪费问题是最严重的。河北的城市环境治理投资和工业污染治理投资的改进空间并不大，应分别减少15.85%和0.75%，就可以提高综合效率。综上所述，京津冀环境污染治理投资效率的提高不能只是投资量上的增加，过多的投入只会导致资金的浪费，相反会导致效率的低下，为了降低无效的投入，避免造成资金的浪费，必须对资金投入量进行合理的控制和优化。

从产出角度来看，北京市的产出指标中除生活垃圾无害化处理率以外，均存在产出不足的情况，想要达到强有效的前沿面，北京市的建成区绿化覆盖率、城市污水日处理能力、工业废水处理量、工业废气治理能力与工业固体废弃物综合利用量还分别要有76.11%、9.18%、133.13%、95.97%和103.74%的改进量。北京在工业污染治理投资的三个产出方面的产出不足率较高，表明北京在工业废水、废气、固体废物治理方面还有特别大的提升潜力。天津的产出指标都存在很大的产出不足，即有着很大的治理潜力。为了达到各个产出的目标值，天津应对投资进行合理优化的同时也要着重对产出指标进行调整，其城市垃圾无害化处理量、建成区绿化覆盖率、城市污水日处理能力、工业废水处理量、工业废气治理能力和工业固体废弃物综合利用量分别还要有79.19%、80.39%、43.84%、94.92%、46.84%和97.79%的改进量。河北省的产出指标中，相对于工业废水、废气和工业固体废弃物来说，生活垃圾处理量、建成区绿化覆盖率、城市污水处理的产出不足率较高，分别是96.97%、102.16%和96.87%，说明河北省在生活垃圾处理量、建成区绿化和城市污水处理方面还有较大的提升潜力。另外，河北省在工业废水、废气和固体废物的治理中，应对工业固体废弃物治理进行重点调整。

综上所述，在既定的环境污染治理投资规模下，由于各项指标的投入产出比不恰当，导致京津冀地区的环境污染治理投资效率较低。为了提升京津冀地区的环境污染治理投资效率，必须要调整各项指标的投入产出结构，主要是合理降低各项指标的投入量，避免浪费；同时，需加大投资结构调整和治理技术创新力度，优化投入产出指标的结构，提升科技水平，使环境污染治理资金的利用效率得到提升，在投资规模和投入指标既定的条件下，最大限度地实现京津冀环境污染治理的产出。

四、对策建议

（一）提高环境污染治理投资技术水平

加大京津冀地区对环境污染治理技术的投资，加强适合京津冀环境污染治理现状的技术研究，加大环境治理科研经费及对环境治理相关技术和设备的研发。政府应建立相关的环境治理教育机构，促进京津冀地区高校内有关专业的发展，为环境治理专业人才的培养创造良好的环境。当企业引进一些技术和设备进行环境污染治理时，政府有关环境治理部门应为企业提供技术和经济评估咨询，使企业在环境污染治理过程中不会出现资金浪费的现象，从而提高京津冀地区环境污染治理设备的利用率。

在离法国敦刻尔克不远的地方，就是波普林格，一条小路旁出现了一个小牌“中国纪念园地”，园区中比两国国旗迎风飘扬。我们来得早了点，园区里静无一人。雨有点大了，我们便在车上等待。这时，前方走来一位打着雨伞的女士，寒风中显得孤单却很高雅。一问，才知道她就是园中华工纪念群雕的创作者闫淑芬。闫老师是坐火车从安特卫普赶来的，我请她先上车避雨，然后听她讲述了关于华工纪念群雕后面的故事。

降低和控制噪声的措施主要有：防止油液中渗入空气；防止泵和阀产生“气穴”现象；防止管道内产生紊流和涡流；减小或吸收管道内的压力脉动；设置防振垫(或支架)及有关隔振措施等。

（二）加强有效的环境污染治理投资监管

要加大京津冀环境污染治理资金利用方面的监管力度，加大对京津冀环境污染治理设备运作的监管，推进环境污染治理设施运行市场化。建立京津冀环境污染治理设施的运作监管体制，加大对私自停止环境治理设备行为的经济处罚和行政处罚力度。政府环境治理部门要对环境污染物排放状况进行动态监管，确保环境污染投资治理的有效性。还可以将竞争机制引入环境污染治理投资领域，建立符合市场经济体制要求的先进监管体系与运作机制，将环境污染治理设施的运行成本降到最低，从而最大限度地利用环境污染治理资金。

（三）完善环境污染治理投资的相关法律法规

EBM模型既具有DEA模型在径向方面计算最优距离的优点，又具有SBM模型的考虑松弛变量的优势，但是该模型还是不能区分有效DMU效率的大小，而Andersen与Petersen[15]建立的超效率DEA模型可以进一步考虑有效DMU的效率，能够比较出有效的DMU之间效率值的大小，超效率模型的测度公式如下：

[参考文献]

[1]Fare R，Grosskopf S，Noh D.Characteristics of a　polluting technology： Theory and practice　[J].Journal of Econometrics，2005，126（2）：469-492.

[2]尹希果，陈刚，付翔.环保投资运行效率的评价与实证研究[J].当代财经，2005，（07）：59-68.

[3]颉茂华，刘向伟，白牡丹.环保投资效率实证与政策建议[J].中国人口资源与环境，2010，（04）：70-73.

测算得到的目标值与投入产出项理论上应达到的目标投入产出值相对应，比例改进值和松弛改进值与投入产出指标的投入冗余值和产出不足值相对应，其中比例改进是径向的，松弛改进是非径向的，二者的和构成了全部的改进值。可以由投入冗余值比上实际投入值得到京津冀环境污染治理投资的投入冗余率，由产出不足值比上实际产出值得到京津冀环境污染治理投资的产出不足率，如表4所示。投入冗余率和产出不足率表明了该决策单元的投入产出结构，也说明了环境污染治理投资效率有效时该决策单元的投入产出结构的之间的差别，可以为提升京津冀地区的环境污染治理投资效率提供调整和改进的方向。

[5]高鸣，陈秋红.贸易开放，经济增长，人力资本与碳排放绩效—来自中国农业的证据[J].农业技术经济，2014，（11）：101-109.

[6]王晓岭，武春友.“绿色化”视角下能源生态效率的国际比较—基于“二十国集团”面板数据的实证检验[J].技术经济，2015，（7）：70-77.

[7]Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units　[J].European journal of operational r esearch，1978，2（6）：429-444.

[8]Banker R D，Charnes A，Cooper W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management science，1984，30（9）：1078-1092.

[9]Tone K.A slacks-based measure of efficiency in data envelopment analysis[J].European journal of operational research，2001，130（3）：498-509.

[10]Chung Y H，Fare R，Grosskopf S.Productivity and undesirable outputs：a directional distance function approach[J].journal of Environmental Management，1997，51（3）：229-240.

本文再补充一点说明：概念既然是语言系统任意地切分出来的，不同的语言系统切分出来的概念就没有完全对等的可能性；但对于“牛”这类有实体指称的词而言，不同的系统切分出来的概念刚好就是相同的[15]。陈嘉映指出了其中的原因，“语言系统对概念的区分不是完全任意的。例如自然品类，杨树、柳树、松树等等，它们的分界线差不多是由现实强加给语言的”[9]77。总之，任意性不是绝对的，而是相对的[9]77，索绪尔最终未能将事物从符号中排除出去。

[11]庞瑞芝，李鹏.中国新型工业化增长绩效的区域差异及动态演进[J].经济研究，2011（11）：36-47.

气候变化与北冰洋融化又存在着相互影响的关系，科学家表示，由于北极冰盖的体积在近30年里减少了20%，极地海洋一旦缺少冰层覆盖，其海面相对温暖的空气就会向寒冷的高空移动，影响极地大气循环，其结果是极地冷空气在高压系统推动下，向北半球大陆地区进发，导致当地气温骤降。

[12]Tone K，Tsutsui M.An epsilon-based measure of efficiency in DEAA third pole of technical efficiency　[J].European Journal of Operational Research，2010，207（3）：1554-1563.

[13]李兰冰，刘秉镰.中国高技术产业的效率评价与成因识别[J].经济学动态，2014（9）：56-65.

[14]成刚.数据包络分析方法与MaxDEA软件[M].北京：知识产权出版社，2014：51-53.

[15]Andersen P，Petersen N C.A procedure for ranking efficient units in data envelopment analysis[J].Management Science，1993，（39）：1261-1264.