减少PM2.5非期望产出的投入指标的削减研究

论文总字数：33508字

目 录

摘要 2

Abstract 3

目录 4

1引言 5

2文献综述 6

2.1 DEA方法及其应用 6

2.2 PM_2.5的组分及来源 7

3模型、指标与数据 7

3.1 DEA模型 7

3.2 指标选取 10

3.2.1 生产函数 10

3.2.2 PM_2.5的组分及来源的投入指标 11

3.2.3 产出指标 12

3.3 数据来源 13

4实证分析 14

4.1 实证结果分析 14

4.2 DEA模型中投入冗余率 16

4.2.1 全国范围内重点削减投入冗余指标 16

4.2.2 各省份削减投入冗余指标 17

5结论与政策建议 19

参考文献 20

致谢 24

1引言

改革开放30多年来，我国粗放型的经济增长方式带来高强度的污染排放，导致几乎所有污染物排放总量均为世界第一。尤其是近几年来大气污染问题日益突出。2013年亚洲开发银行和清华大学联合发布的《中华人民共和国国家环境分析》报告称，中国最大的500个城市中，只有不到1%的城市达到了世界卫生组织推荐的空气质量标准，并指出世界上污染最严重的10个城市中，有7个在中国^[1]。重污染天气周而复始、持续性雾霾居高不下，极大地损害了居民身体健康、侵害了政府公信力、阻碍了社会可持续发展，已成为“全面建成小康社会”进程的严重制约。如何采取有效措施应对雾霾等大气污染带来的挑战，成为政府部门、学术界等共同关心的重要议题。

政府部门期望通过颁发政策文件，利用国家行政力量强力推动减霾。我国政府高度重视雾霾的防治工作，先后发布了一系列重要的政策文件。如国务院于2013年9月颁发了《大气污染防治行动计划》^[2]（简称大气十条），不仅对各地区大气污染设立了明确的控制目标，而且制定了十大类35项具体措施，力争再用五年或更长时间，逐步消除重污染天气，改善全国空气质量。2014年的政府工作报告中，李克强总理在谈到雾霾治理时，提出“必须加强生态保护，下决心用硬措施完成硬任务”。2015年2月举行的国务院常务会议要求在抓紧完善现有大气治理政策的基础上，推出加快调整能源结构、发挥税收等的激励作用和实施大气污染防治责任考核三大措施。这些政策和会议都要求建立区域协作机制、统筹区域环境治理。特别提出要从技术进步、调整能源结构和产业结构三大治霾路径出发，通过政府管制强力推动雾霾治理。但各省应如何调整能源结构和产业结构？调整幅度如何？尚无明确的目标和路径，使得政策的可操作性不强。

许多学者试图从了解大气污染物的成因入手，从源头上控制大气污染物的排放。但大气污染物的来源体系和形成过程异常复杂。目前中国大气污染排放体系包括电厂、化工等固定源、机动车、非道路机械等移动源、溶剂涂料、农业、生物质燃烧和扬尘等面源，以及植被排放等天然源，不仅涉及的行业多样，同一行业中生产工艺的技术跨度也极大，排放特征差异悬殊。从污染成因看，除直接来自源排放的一次细颗粒物外，更复杂的是二氧化硫（SO₂）、氮氧化物（NO_x）、挥发性有机物（VOCs）、氨（NH₃）等气态污染物在大气中经化学转化形成的臭氧（O₃）和二次颗粒物（包括硫酸盐、硝酸盐、铵盐和有机物等）。历史监测数据的分析显示，在江苏省最近发生的几次典型大气重污染事件中，二次颗粒物在PM_2.5质量浓度中的比例超过80%。而且多种污染物同时以高浓度存在，形成过程相互交错和耦合，局地与区域的大气污染相互影响。另外，快速城镇化建设深刻地改变城市群区域空间结构，导致大气边界层扩散能力减弱、不利天气出现频率增加。这些都是城市大气污染形成的综合因素。可见，大气污染物的成因和来源体系非常复杂，无法有效地对症下药，使得大气污染的防治愈发艰难。因此，想要从源头上理清雾霾的成因，然后再采取措施减霾，是一件难度很大、跨期很长的工作。因此，如果能从管理学的视角出发，采用定量分析工具研究大气污染物的减排指标，一方面不需要在短期内厘清大气污染的源头及其形成过程，另一方面可以为政府规制的减排指标及其幅度提供实证支撑，无疑具有很好的方法参考价值和现实指导意义。

本文尝试提出一种通过削减导致雾霾的源头性指标以控制雾霾排放的方法。以中国各省份作为评价单元，以PM_2.5为例（作为非期望产出），采用数据包络模型（DEA）评价方法，将引起PM_2.5排放的典型的可能性因素作为投入指标，从排放效率评价的角度，测算投入指标的冗余程度，将冗余指标作为控制PM_2.5排放的削减指标，以达到削减雾霾的目标。这种方法不用考虑雾霾复杂的致灾机理和形成过程，数据可获取，原理简单，思路清晰，为雾霾的防控与治理提供了新的思路。

本文余下部分如下，第二部分是文献综述；第三部分是模型、指标和数据说明；第四部分是实证结果分析，最后是结论及政策建议。

2文献综述

2.1 DEA方法及其应用

DEA方法最早由Cooper^[3]提出，是一种采用线性规划的方法评估评价单元效率的数学方法，其突出优点包括不需要考虑投入和产出指标的权重（Färe et al.2004）^[4]，采用线性规划的方法进行评价，比较稳健（Färe et al.1996）^[5]，通过有效与非有效评价单元之间的对比，有助于分析非效率的决定因素（Olatubi and Dismukes, 2000）^[6]。当然，DEA也有不足，如对异常值和投入产出指标的组合方式比较敏感（Tyteca,1997^[7]; Olatubi and Dismukes,2000^[6]; Färe et al.1996^[8]）。

环境绩效评价是DEA得到广泛应用的领域之一。如在DEA环境绩效评价思路的提出（Dyckhoff and Allen, 2001^[9]; EG Gomes and MPE Lins, 2008^[10]; Korhonen and Luptacik, 2004^[11]; Kumar, 2006^[12];Liang et al., 2004^[13]; Oude Lansink and Bezlepkin, 2003^[14]）、评价模型的构建（Pasurka, 2006^[15]; Picazo-Tadeo et al., 2005^[16]; Ramanathan, 2002^[17];Bevilacqua, M., 2002^[18]; Zhang , 1998^[19];Zhou et al., 2006^[20];Sueyoshi et al., 2001^[21]），以及模型的应用评价等方面（Goto, M., 1998^[22]; Sueyoshi et al., 2001^[23];Hu and Kao, 2006; 2007; ^[24-25]; Zhou et al., 2006a; 2006b; 2008; 2012^[26-29]），均产生了很多高质量的成果。

近几年来，学者们开始借鉴环境绩效评估的思路，用DEA评价大气污染物的排放效率。如Soloveitchik et al.（2002）^[30]较早采用DEA测算了以色列电力部门的污染减排边际成本；Fleishman et al.（2009）^[31] 采用DEA模型，将NO_x和SO₂作为非期望产出，评估了美国电厂的排放效率，并采用TOBIT模型检验SO₂和NO_x的规制政策是否对DEA的得分产生了影响；Sueyoshi and Goto（2012d）^[32]采用拓展的DEA方法，测算了美国发电厂的环境绩效；Sueyoshi and Yuan（2015）^[33]用DEA方法，将PM_2.5和PM₁₀作为非期望产出，评估了中国28个省市的排放绩效；苗壮等^[34]提出针对多个非期望 产出的非径向分配模型，以研究兼顾节能目标与“减霾”目标的区域大气污染物排放权分配机制，并实证分析了中国2015年30个省份的大气污染物排放权的区域分配；Wu et al.（2016）^[35]采用ZSG-DEA方法，将PM_2.5作为非期望产出，考虑了各省市的大气容量，在假定PM_2.5排放总量不变的情景下，评估了各省市PM_2.5的排放效率等等。

但是，从以上研究来看，较少有人将PM作为非期望产出，运用DEA评估大气污染物的排放研究。尚没有看到将PM的来源作为投入指标，评估PM投入指标的冗余问题的研究。

2.2 PM_2.5的组分及来源

PM_2.5的组分及来源是大气污染研究中的热点问题。许多学者从光学特征的角度解析了不同地区不同季节的PM_2.5的化学成分和来源，如Zhang et al.（2016）^[36]研究了西安春夏季气体及PM_2.5中水溶性组分的污染特征；Yang et al.（2016）^[37]研究了北京市2013和2014年热季PM_2.5的组分和来源；Huang et al.（2014）^[38]研究了上海2012年春季PM_2.5的光学特征和化学组分；Zhao et al.（2014）^[39]评估了珠江三角洲地区PM_2.5中有机酸的组分和来源；Cheng et al.（2015）^[40]分析了香港马路上PM_2.5和PM₁₀的化学组分和来源构成；Wei et al（2014）^[41]研究了2013年河北邯郸市严重霾的组分和来源构成等。其他的研究还包括Zhang et al.（2011）^[42]，Griffith et al.（2015）^[43]，Zhao et al.（2015）^[44]，Qiao et al.（2015）^[45]，Wang et al.（2016）^[46]，Qiu et al.（2016）^[47]，王占山等（2016）^[48]，陈魁等（2010）^[49]等。从这些文献来看，PM_2.5的化学组分构成非常复杂，主要成分有水溶性无机盐、无机元素、元素碳以及有机碳等，因地域因素、能源结构、气象因素、季节不同，化学组分有较大差异（孙广权等，2015^[50]）。但从数据的可得性角度来看，大致总结出PM_2.5的来源，可分为以下几个方面：煤的燃烧、石油产品的燃烧（汽车尾气）、建筑行业、城市废弃物燃烧、热电厂等（段连运等，2008^[51];Kumar et al. 2013^[52]）。根据以上研究，结合数据的可得性，本文选择二氧化硫排放量、氮氧化物排放量、烟尘排放量、煤炭消费量和汽车保有量等作为PM_2.5的构成来源指标。

3模型、指标与数据

剩余内容已隐藏，请支付后下载全文，论文总字数：33508字