论文部分内容阅读
摘 要：水环境改善是建设美丽中国的重要组成部分，通过绿色信贷政策引导资金促进水环境的治理，同时对其绩效进行评价很有必要。基于2013—2016年长三角城市群26个城市的相关数据，使用DEA-BC2模型和TOPSIS模型，分别从治理效率和治理效果的角度分析绿色信贷在水环境治理领域的绩效，并依据评价结果画出治理绩效的四象限分布图，进而依据各市所属类型提出建议，借助模糊Borda法弥补四象限分布图的不足，得到清晰直观的绩效评价结果。
关键词：绿色信贷 水环境 绩效评价 长三角城市群
一、引言
水资源是居民生产生活和经济发展中不可或缺的一种重要资源，尤其在当今强调绿色经济与可持续发展的背景下，水环境污染的问题越来越受到社会各界的广泛关注。2015年4月2日，国务院正式发布《国务院关于印发水污染防治行动计划的通知》，以求切实加大水污染防治力度，保障国家水安全。金融作为现代经济发展的重要一环，在水污染治理中起到举足轻重的作用。十九大报告中明确指出，要全面深化绿色发展的制度创新，完善绿色金融的制度构建和设计，使金融体系更好地支撑经济的可持续发展。绿色信贷是绿色金融体系中最重要的组成部分，通过源头引导资金流向的方式，推动产业结构升级，因此，对绿色信贷在水环境治理方面的绩效进行科学系统的评价很有必要。
长三角地区是我国经济基础最为雄厚的地区之一，现已成为世界第六大城市群，地理环境优越，河网密布，但近年来蓝藻爆发、浙江沪水质性缺水、长三角流域跨境水体污染等事件引发社会各方高度关注，充分说明长三角地区水环境治理问题迫在眉睫。与此同时，长三角地区绿色金融较全国其他区域发展较早，因此，以长三角地区为研究对象进行绿色信贷水环境治理绩效评价具有现实意义和代表性。
二、绿色信贷及其绩效评价方法
绿色信贷是中国特有的概念，与国际上广泛使用的“绿色融资”“可持续金融”“社会责任投资”等概念密切相关（张昱东，2018）。自20世纪80年代绿色金融理论产生以来，国内外学者对其进行了广泛的研究。Robert（2014）认为，经济增长是环境保护的必要条件，可以通过金融创新的手段来支持以环境保护为主题的可持续发展。Dubourg（1996）从污染排放的沉没成本出发，肯定了金融支持对污染减排的积极作用。随着环境问题的日益凸显，国内学者对绿色信贷的研究愈加重视。王遥等（2016）分析了绿色金融对经济发展的影响。谭玫瑰（2011）认为绿色信贷重点强调了可持续发展的思路，商业银行从源头引导资金流向，进而推动可持续经济的有序发展。张承惠等（2016）分析了国外绿色金融体系的发展经验，并根据我国的实际情况提出相适应的绿色金融发展逻辑和框架。张光平等（2016）对我国绿色信贷的发展进行了梳理，并结合上海地区绿色信贷的发展现状提出相应的发展建议。
国内关于绿色信贷的研究中不乏对绿色信贷绩效的评价。曾学文等（2014）通过构建绿色金融发展评价指标体系，分析得出绿色信贷对“两高一剩”行业的控制有一定效果，但其对经济的支持有待加强。于晓刚（2010）通过定性分析的方法对17家国内外银行的绿色金融发展状况进行了评价。杨朝飞（2010）从绿色信贷与管理、绿色金融服务等方面对我国50家银行的绿色信贷实施效果进行了评价。
在绿色发展这一时代主题影响下，水环境问题已然成为相关领域的研究热点。孙冬营等（2018）运用SBM模型测算了长三角城市群的用水效率，并对工业用水效率的时空差异进行分析。孙才志等（2017）使用SBM-DEA模型对中国31个省份水资源的绿色效率、环境效率、经济效率进行测算并分析。杨高升和谢秋皓（2019）通过SE-SBM模型对长江经济带绿色水资源效率的时空变化进行研究，并结合ML指数法分析了绿色水资源效率影响因素。
梳理文献发现，目前国内对于绿色信贷的研究尚处于初步阶段，主要研究内容集中于绿色信贷的基础概念和绿色信贷的盈利性，对绿色信贷绩效的评价较少，关于绿色信贷水环境治理绩效的评价更加罕见。因此，本文将使用DEA-TOPSIS模型从治理效率和治理效果两种不同的角度对长三角地区绿色信贷水环境治理绩效进行评价。
三、评价指标与模型构建
（一）绩效指标体系的构建与数据来源
绿色信贷充分发挥资金的引导作用，通过优惠的贷款利率和政策向环保企业提供资金支持，鼓励企业进行绿色生产，实现节能减排。与此同时，通过压降“两高一剩”企业的信贷额度甚至不予贷款，迫使“两高一剩”企业转型升级，进而减少污染排放，改善水环境。此外，绿色信贷对环保企业的支持以及对“两高一剩”企业的信贷压降也会促使有关政府部门加强配套污水处理设施的建设，进而促进水环境的改善。绿色信贷支持水环境治理的路径如图1所示。
结合绿色信贷水环境治理路径图，充分考虑评价指标相关数据的可获得性、有效性、可靠性和可度量性，并遵循DEA“等幅扩张性”原则，本文构建绿色信贷水环境治理绩效评价指标体系（见表1）。
基于绿色信贷水环境治理绩效评级指标体系，本文的决策单元包括长三角城市群26个城市，相关指标数据来源如下：绿色信贷数据来源于中国银保监会2018年公布的《2013年至2017年6月国内21家主要银行绿色信贷数据》，工业污水减排量、工业化学需氧量减排量、工业氨氮减排量、工业用水节水量、排水管道增加量的相关数据来源于各市2014—2017年《统计年鉴》，Ⅲ类断面及以上占比增加量来源于各市2013—2016年《环境状况公报》。
（二）DEA-BC2模型
DEA模型主要用于研究多输入、多输出的生产函数理论，由于不需要预先估计参数，在避免主观因素影响和简化算法、减少误差等方面有着不可低估的优越性（朱乔，1994）。在经典DEA模型中，C2R模型，BC2模型，FG模型和ST模型是最具代表性的四种模型（魏权龄，2004）。这四种模型分别描述规模收益不变、规模收益可变、非规模收益递增、非规模收益递减情况下的生产效率（马占新等，2014）。由于绿色信贷水环境治理效率变化趨势还尚未可知，本文选取规模收益可变的BC2模型对长三角城市群绿色信贷水环境治理效率进行评价。BC2模型的数学表达式（1）如下所示： （三）TOPSIS模型
TOPSIS模型同样不需要预估参数，在避免主观因素影响、简化算法、减少误差方面与DEA-BC2模型一样具备优越性，使得对绿色信贷水环境治理的综合绩效评价更加客观公允。TOPSIS模型评价过程如下：
（四）模糊Borda法
模糊Borda法是组合评价法的一种，可将多种单一方法的评价结果进行组合，进而使得最终的评价结果更加客观、科学（郭显光，1995）。模糊Borda法的最大优势是将各种方法的得分差异和排序差异均纳入评价模型中，因此在现实研究中得到广泛应用（苏为华和陈骥，2006）。本文将在对绿色信贷水环境治理进行效率评价和效果评价的基础初上，采用模糊Borda法对两种评价结果进行组合评价，从而得到更加科学合理的组合评价结果。模糊Borda法的組合评价过程如下：
四、绿色信贷水环境治理绩效综合评价
（一）绿色信贷水环境治理效率评价
目前，我国绿色信贷的主要目标仍旧是加大水污染防治力度，保障国家水安全，因此，本文从产出导向型的DEA-BC2模型进行绿色信贷水环境治理效率评价。应用DEAP2.1软件对26个城市2014—2016年各项投入产出指标的算数平均数进行测算，得到各城市的治理效率（见表2）。
通过对长三角城市群绿色信贷水环境治理效率评价可知，上海、江苏、浙江、安徽的治理效率分别为0.106、0.273、0.618、0.712。安徽、浙江两省治理效率表现良好，而上海、江苏两地治理效率偏低，所辖城市在长三角城市群中排名靠后。从整体来看可以发现，长三角城市群中经济发展状况最好的一批城市在整个长三角城市群中治理效率普遍偏低，经济发展中等的城市治理效率最高，经济发展相对落后的城市治理效率处于中等位置。总的来说，长三角城市群的治理效率随着城市的经济发展程度大致呈现出“倒U型”的曲线关系，与EKC假设不谋而合。
值得注意的是，绍兴、金华、舟山、马鞍山、铜陵、池州六市效率值均为1，单靠DEA-BC2模型的效率评价难以从中分出优劣。此外，DEA-BC2模型只是从效率的角度对长三角城市群的绿色信贷水环境治理绩效进行评价，忽略了各城市水环境治理的具体效果。以上海市为例，上海市的治理效率评价结果为0.106，在长三角城市群中排名靠后，而上海市水环境治理产出指标的相关数据远远超过其余城市。显然，单从效率角度无法对上海市绿色信贷在水环境治理中所做出的贡献进行全面公正的科学评价，对于其他城市也同样如此。综上所述，单独通过DEA-BC2模型对长三角城市群治理效率进行测评并不能科学全面的反映出长三角城市群绿色信贷水环境治理的绩效，因此，本文引入TOPSIS模型，进一步对长三角城市群绿色信贷水环境治理效果进行评价。
（二）绿色信贷水环境治理效果评价
使用TOPSIS模型进行治理绩效评价，主要考察对象为各城市绿色信贷在水环境治理上的产出绝对量，因此，本文根据26个城市6项产出指标相关数据建立原始数值矩阵yij，并从效益型角度进行效果评价，评价结果如表3所示。
通过TOPSIS模型对长三角城市群绿色信贷水环境治理效果评价可知，上海、江苏、浙江、安徽四地的治理效果为0.429、0.224、0.257、0.216，上海治理效果最好，明显优于其余三省，浙江、江苏次之，二者差距不大，安徽的治理效果最不理想。可以明显看出，在治理效果中，上海市的评价结果大大优于治理效率上的评价结果。出现这一结果的原因，是效率评价测算的是产出与投入之间的相对值，上海市在产出的绝对值上远远超过其他城市，但是由于基数庞大的投入量，导致产出与投入的相对值较小，因此在效率评价中排名靠后。单纯从效率上对上海市的治理绩效进行评价而忽略其在治理效果上的巨大贡献显然是不科学的，这也印证了引入TOPSIS模型进行综合评价的必要性。同时，绍兴、金华、舟山、马鞍山、铜陵、池州六市的治理效果也呈现出不同的评价结果，可以作为治理绩效评价的补充，从而化解DEA-BC2模型所带来的“共同最优”问题。
总体而言，通过TOPSIS模型测评出的治理效果结果与通过DEA-BC2模型测评出的治理效率结果存在明显的差异。为了统筹两者的评价结果，综合考虑长三角城市群绿色信贷水环境治理的效率与效果，给出科学系统的绩效评价结果。本文依据上述两种评价结果，画出长三角城市群绿色信贷水环境治理绩效四象限分布图（见图2）。
根据图2可知，长三角城市群中的26个城市主要分布于L-L和H-L象限，只有泰州市和金华市分布于H-H象限，上海市和苏州市分布于L-H象限。江苏省城市主要分布于L-L象限，浙江省和安徽省主要分布于H-L象限。
通过绿色信贷水环境治理绩效四象限分布图，可以把长三角城市群分为四类：
第一类城市为金华市和泰州市，水环境治理效率高于0.5，治理效果高于0.3，绿色信贷水环境治理处于高效率-高效果阶段。在这一阶段，各城市的绿色信贷水环境治理高效高能，并且初步完成了效率向效果转化的过程，整体的水环境治理绩效处于城市群的领先水平，这一评价结果与两座城市的实际情况相符。金华市与泰州市在整个长三角城市群中属于经济发展相对落后的城市，同时又具备一定的工业基础，承载了大量的“两高一剩”企业，在这一事实背景下，通过绿色信贷政策并配合相关的水环境治理窗口指导，能够充分撬动当地各方的水环境治理措施，取得理想的治理效率和治理效果。
第二类城市为上海市和苏州市。这两个城市水环境治理效率低于0.5，治理效果高于0.3，处于低效率-高效果阶段。在这一阶段，上海市和苏州市绿色信贷水环境治理已经度过高效率时期，水环境治理进入攻坚克难的关键时点。上海市和苏州市作为长三角城市群最发达的一类城市，率先通过绿色信贷政策推动“两高一剩”企业的转型，并对转型不达标的相关企业实施搬迁、关停等措施，在水环境治理上取得了理想的效果。但由于经济发展状况良好，在绿色信贷方面的资金支持力度相对较大，导致两个城市的治理效率偏低。 第三类城市包括南京、无锡、常州、南通、盐城、扬州、杭州、宁波、台州、合肥、安庆12座城市。这类城市水环境治理效率低于0.5，治理效果低于0.3，处于低效率-低效果阶段。这类城市的经济发展状况普遍较好，经济发展仍在一定程度上依赖“两高一剩”企业，单纯地通过绿色信贷政策难以取得理想的治理效果。另外一个原因是符合绿色信贷标准，能够获得绿色信贷资金企业较多，进而导致治理效率普遍偏低。
第四类城市包括嘉兴、湖州、绍兴、舟山、芜湖、马鞍山、铜陵、滁州、池州、宣城10座城市，均为浙江省和安徽省城市。这些城市绿色信贷水环境治理效率高于0.5，治理效果低于0.3处于高效率-低效果阶段。这类城市正处于经济发展与水环境治理选择的两难时期，“两高一剩”企业与当地经济发展息息相关，因此，绿色信贷政策推行力度较小，取得的治理效果也不理想，但相对于当地绿色信贷资金投入力度，治理效率在整个长三角城市群中较高，说明绿色信贷政策的推行对水环境治理具有一定的推动作用。
四象限分布圖虽然综合考虑了绿色信贷水环境治理的治理效率和治理效果，并给出了长三角城市群的分布结构，各个城市可以根据自身的类型因地制宜地制定出与自身特征相符合的改进策略，但在绩效评价方面依然存在缺陷。以芜湖市和滁州市为例，两市均位于H-L象限，芜湖市的治理效率优于滁州市，但在治理效果上弱于滁州市，二者的治理绩效孰优孰劣难以给出客观明确的评价结果。此外，四象限分布图只能将研究对象进行大致分类，无法给出研究对象的具体排名。因此本文进一步引入模糊Borda法，综合考虑长三角城市群在治理效率和治理效果两方面的得分和各自的排名，给出各市绿色信贷在水环境治理绩效上的得分。
（三）绿色信贷水环境治理绩效综合评价
在对长三角城市群绿色信贷水环境治理效率和效果进行评价的基础上，使用模糊Borda法将两者的评价结果进行结合，得到长三角城市群绿色信贷水环境治理的综合评价结果，评价结果如表4所示。
通过表4可以看出，使用模糊Borda法对两种不同评价结果进行组合，在一定程度上避免了单独从效率或效果的角度进行评价所带来的局限性，同时，模糊Borda法还规避了从两种不同角度进行评价带来的评价结果差异性，使最终结果评价结果更加科学统一。在表4中，上海市的绿色信贷水环境治理绩效在长三角城市群中排名第8，与单独从治理效率角度进行评价得到的第23名结果相比，使用模糊Borda法得到的结果更加科学可信，能够充分反映出上海市绿色信贷在水环境治理方面的真实绩效。同时，在表4中，芜湖市和滁州市也得到了各自治理绩效的具体得分，能够清楚直观的得出芜湖市在治理绩效方面相较于滁州市略胜一筹。总的来说，模糊Borda法的引入在很大程度上弥补了四象限分布图在绩效评价上的缺陷。
五、结语
本文从治理效率和治理效果两个方面以长三角城市群为研究对象，对绿色信贷水环境治理绩效进行综合评价，弥补了单独从治理效率角度进行评价的片面性，使得评价结果更加科学全面。在得到治理效率评价结果和治理效果评价结果的基础上，画出长三角城市群绿色信贷水环境治理绩效四象限分布图，将26个城市分别分为H-H，L-H，L-L，H-L四种类型，清楚直观地显现出长三角城市群治理绩效的分布结构，并对相应城市提出以下建议：
第一，H-H型城市整体的水环境治理绩效处于城市群的领先水平，治理成效突出。相关城市应加大对水环境的治理力度，充分利用好水环境治理的红利期，争取尽快在水环境治理方面取得更多成效，同时应当提前做好后期绿色信贷在水环境治理方面攻坚克难的准备。
第二，L-H型城市的水环境治理已经进入攻坚克难的关键时期，相关城市应加强对绿色信贷的管理，防止绿色信贷贴标签式大水漫灌，要以“精准信贷，精确治理”的方式充分利用信贷资源的导向作用，稳步推进当地产业结构升级，进而促进水环境的改善。
第三，L-L型城市的绿色信贷水环境治理正处于起步阶段，相关城市应充分考察、学习其他城市的先进经验，根据当地的实际情况，因地制宜地制定出适合当地发展特征、带有当地发展特色的水环境治理策略，推动有关企业转型升级，并加快有关绿色信贷水环境治理的基础设施建设。
第四，H-L型城市的绿色信贷政策对水环境治理具有较为显著的推动作用，但绿色信贷政策的推行力度较弱，资金支持力度较小。相关城市应充分利用这一时期水环境治理的高效率，扩大绿色信贷对水环境治理的资金支持，促进治理效率向治理效果转化，进而加强水环境治理效果的产出力度。
为了克服四象限分布图评价的局限性，本文进一步引入模糊Borda法，结合治理效率和治理效果的评价得分和排名，计算得到长三角城市群绿色信贷水环境治理绩效的具体得分和排名。此外，自绿色信贷推行以来，如何建立一个科学全面的评价体系，对绿色信贷的环境绩效进行评价是亟待解决的问题，而模糊Borda法恰好保留了对后续评价视角扩充的兼容性，为后续进一步更加全面系统的进行绩效评价提供了可能。
参考文献：
[1]张昱东.我国商业银行对绿色信贷的支持研究[D].云南：云南财经大学，2018.
[2]ROBERT R.Environmental finance： environmental compliance can be profitable[J].Natural Gas and Electricity，2014（03）.
[3]UBOURG W R.Estimating the mortality costs of lead emission in England and Wales[J].Energy Policy，1996，24（07）.
[4]王遥，潘冬阳等.绿色金融对中国经济发展的贡献研究[J].经济社会体制比较，2016（11）.
[5]谭玫瑰.商业银行绿色信贷产品研究[D].长沙：中南大学，2011.
[6]张承惠等.发展中国绿色金融的逻辑与框架[J].金融论坛，2016（02）.
[7]张光平等.绿色信贷支持金融创新与产业结构转型研究[J].金融监管研究，2016（05）.
[8]曾学文等.中国绿色金融发展程度的测度分析[J].中国延安干部学院学报，2014（11）.
[9]于晓刚.中国银行业环境记录[M].昆明：云南科技出版社，2010.
[10]杨朝飞.中国绿色信贷发展报告[R].北京：环境保护部，2010.
[11]孙冬营，佘靖雯等.长江三角洲城市群工业用水效率评价及时空差异研究[J].长江流域资源与环境，2018（09）.
[12]孙才志，姜坤等.中国水资源绿色效率测度及空间格局研究[J].自然资源学报，2017（12）.
[13]杨高升，谢秋皓.长江经济带绿色水资源效率时空分异研究[J].长江流域资源与环境，2019（02）.
[14]朱乔.数据包络分析（DEA）方法综述与展望[J].系统管理学报，1994（04）.
[15]魏权龄.数据包络分析[M].北京：科学出版社，2004.
[16]马占新，马生昀等.数据包络分析及其应用案例[M].北京：科学出版社，2013.
[17]郭显光.一种新的综合评价方法——组合评价法[J].统计研究，1995（05）.
[18]苏为华，陈骥.综合评价技术的扩展思路[J].统计研究，2006（02）.
关键词：绿色信贷 水环境 绩效评价 长三角城市群
一、引言
水资源是居民生产生活和经济发展中不可或缺的一种重要资源，尤其在当今强调绿色经济与可持续发展的背景下，水环境污染的问题越来越受到社会各界的广泛关注。2015年4月2日，国务院正式发布《国务院关于印发水污染防治行动计划的通知》，以求切实加大水污染防治力度，保障国家水安全。金融作为现代经济发展的重要一环，在水污染治理中起到举足轻重的作用。十九大报告中明确指出，要全面深化绿色发展的制度创新，完善绿色金融的制度构建和设计，使金融体系更好地支撑经济的可持续发展。绿色信贷是绿色金融体系中最重要的组成部分，通过源头引导资金流向的方式，推动产业结构升级，因此，对绿色信贷在水环境治理方面的绩效进行科学系统的评价很有必要。
长三角地区是我国经济基础最为雄厚的地区之一，现已成为世界第六大城市群，地理环境优越，河网密布，但近年来蓝藻爆发、浙江沪水质性缺水、长三角流域跨境水体污染等事件引发社会各方高度关注，充分说明长三角地区水环境治理问题迫在眉睫。与此同时，长三角地区绿色金融较全国其他区域发展较早，因此，以长三角地区为研究对象进行绿色信贷水环境治理绩效评价具有现实意义和代表性。
二、绿色信贷及其绩效评价方法
绿色信贷是中国特有的概念，与国际上广泛使用的“绿色融资”“可持续金融”“社会责任投资”等概念密切相关（张昱东，2018）。自20世纪80年代绿色金融理论产生以来，国内外学者对其进行了广泛的研究。Robert（2014）认为，经济增长是环境保护的必要条件，可以通过金融创新的手段来支持以环境保护为主题的可持续发展。Dubourg（1996）从污染排放的沉没成本出发，肯定了金融支持对污染减排的积极作用。随着环境问题的日益凸显，国内学者对绿色信贷的研究愈加重视。王遥等（2016）分析了绿色金融对经济发展的影响。谭玫瑰（2011）认为绿色信贷重点强调了可持续发展的思路，商业银行从源头引导资金流向，进而推动可持续经济的有序发展。张承惠等（2016）分析了国外绿色金融体系的发展经验，并根据我国的实际情况提出相适应的绿色金融发展逻辑和框架。张光平等（2016）对我国绿色信贷的发展进行了梳理，并结合上海地区绿色信贷的发展现状提出相应的发展建议。
国内关于绿色信贷的研究中不乏对绿色信贷绩效的评价。曾学文等（2014）通过构建绿色金融发展评价指标体系，分析得出绿色信贷对“两高一剩”行业的控制有一定效果，但其对经济的支持有待加强。于晓刚（2010）通过定性分析的方法对17家国内外银行的绿色金融发展状况进行了评价。杨朝飞（2010）从绿色信贷与管理、绿色金融服务等方面对我国50家银行的绿色信贷实施效果进行了评价。
在绿色发展这一时代主题影响下，水环境问题已然成为相关领域的研究热点。孙冬营等（2018）运用SBM模型测算了长三角城市群的用水效率，并对工业用水效率的时空差异进行分析。孙才志等（2017）使用SBM-DEA模型对中国31个省份水资源的绿色效率、环境效率、经济效率进行测算并分析。杨高升和谢秋皓（2019）通过SE-SBM模型对长江经济带绿色水资源效率的时空变化进行研究，并结合ML指数法分析了绿色水资源效率影响因素。
梳理文献发现，目前国内对于绿色信贷的研究尚处于初步阶段，主要研究内容集中于绿色信贷的基础概念和绿色信贷的盈利性，对绿色信贷绩效的评价较少，关于绿色信贷水环境治理绩效的评价更加罕见。因此，本文将使用DEA-TOPSIS模型从治理效率和治理效果两种不同的角度对长三角地区绿色信贷水环境治理绩效进行评价。
三、评价指标与模型构建
（一）绩效指标体系的构建与数据来源
绿色信贷充分发挥资金的引导作用，通过优惠的贷款利率和政策向环保企业提供资金支持，鼓励企业进行绿色生产，实现节能减排。与此同时，通过压降“两高一剩”企业的信贷额度甚至不予贷款，迫使“两高一剩”企业转型升级，进而减少污染排放，改善水环境。此外，绿色信贷对环保企业的支持以及对“两高一剩”企业的信贷压降也会促使有关政府部门加强配套污水处理设施的建设，进而促进水环境的改善。绿色信贷支持水环境治理的路径如图1所示。
结合绿色信贷水环境治理路径图，充分考虑评价指标相关数据的可获得性、有效性、可靠性和可度量性，并遵循DEA“等幅扩张性”原则，本文构建绿色信贷水环境治理绩效评价指标体系（见表1）。
基于绿色信贷水环境治理绩效评级指标体系，本文的决策单元包括长三角城市群26个城市，相关指标数据来源如下：绿色信贷数据来源于中国银保监会2018年公布的《2013年至2017年6月国内21家主要银行绿色信贷数据》，工业污水减排量、工业化学需氧量减排量、工业氨氮减排量、工业用水节水量、排水管道增加量的相关数据来源于各市2014—2017年《统计年鉴》，Ⅲ类断面及以上占比增加量来源于各市2013—2016年《环境状况公报》。
（二）DEA-BC2模型
DEA模型主要用于研究多输入、多输出的生产函数理论，由于不需要预先估计参数，在避免主观因素影响和简化算法、减少误差等方面有着不可低估的优越性（朱乔，1994）。在经典DEA模型中，C2R模型，BC2模型，FG模型和ST模型是最具代表性的四种模型（魏权龄，2004）。这四种模型分别描述规模收益不变、规模收益可变、非规模收益递增、非规模收益递减情况下的生产效率（马占新等，2014）。由于绿色信贷水环境治理效率变化趨势还尚未可知，本文选取规模收益可变的BC2模型对长三角城市群绿色信贷水环境治理效率进行评价。BC2模型的数学表达式（1）如下所示： （三）TOPSIS模型
TOPSIS模型同样不需要预估参数，在避免主观因素影响、简化算法、减少误差方面与DEA-BC2模型一样具备优越性，使得对绿色信贷水环境治理的综合绩效评价更加客观公允。TOPSIS模型评价过程如下：
（四）模糊Borda法
模糊Borda法是组合评价法的一种，可将多种单一方法的评价结果进行组合，进而使得最终的评价结果更加客观、科学（郭显光，1995）。模糊Borda法的最大优势是将各种方法的得分差异和排序差异均纳入评价模型中，因此在现实研究中得到广泛应用（苏为华和陈骥，2006）。本文将在对绿色信贷水环境治理进行效率评价和效果评价的基础初上，采用模糊Borda法对两种评价结果进行组合评价，从而得到更加科学合理的组合评价结果。模糊Borda法的組合评价过程如下：
四、绿色信贷水环境治理绩效综合评价
（一）绿色信贷水环境治理效率评价
目前，我国绿色信贷的主要目标仍旧是加大水污染防治力度，保障国家水安全，因此，本文从产出导向型的DEA-BC2模型进行绿色信贷水环境治理效率评价。应用DEAP2.1软件对26个城市2014—2016年各项投入产出指标的算数平均数进行测算，得到各城市的治理效率（见表2）。
通过对长三角城市群绿色信贷水环境治理效率评价可知，上海、江苏、浙江、安徽的治理效率分别为0.106、0.273、0.618、0.712。安徽、浙江两省治理效率表现良好，而上海、江苏两地治理效率偏低，所辖城市在长三角城市群中排名靠后。从整体来看可以发现，长三角城市群中经济发展状况最好的一批城市在整个长三角城市群中治理效率普遍偏低，经济发展中等的城市治理效率最高，经济发展相对落后的城市治理效率处于中等位置。总的来说，长三角城市群的治理效率随着城市的经济发展程度大致呈现出“倒U型”的曲线关系，与EKC假设不谋而合。
值得注意的是，绍兴、金华、舟山、马鞍山、铜陵、池州六市效率值均为1，单靠DEA-BC2模型的效率评价难以从中分出优劣。此外，DEA-BC2模型只是从效率的角度对长三角城市群的绿色信贷水环境治理绩效进行评价，忽略了各城市水环境治理的具体效果。以上海市为例，上海市的治理效率评价结果为0.106，在长三角城市群中排名靠后，而上海市水环境治理产出指标的相关数据远远超过其余城市。显然，单从效率角度无法对上海市绿色信贷在水环境治理中所做出的贡献进行全面公正的科学评价，对于其他城市也同样如此。综上所述，单独通过DEA-BC2模型对长三角城市群治理效率进行测评并不能科学全面的反映出长三角城市群绿色信贷水环境治理的绩效，因此，本文引入TOPSIS模型，进一步对长三角城市群绿色信贷水环境治理效果进行评价。
（二）绿色信贷水环境治理效果评价
使用TOPSIS模型进行治理绩效评价，主要考察对象为各城市绿色信贷在水环境治理上的产出绝对量，因此，本文根据26个城市6项产出指标相关数据建立原始数值矩阵yij，并从效益型角度进行效果评价，评价结果如表3所示。
通过TOPSIS模型对长三角城市群绿色信贷水环境治理效果评价可知，上海、江苏、浙江、安徽四地的治理效果为0.429、0.224、0.257、0.216，上海治理效果最好，明显优于其余三省，浙江、江苏次之，二者差距不大，安徽的治理效果最不理想。可以明显看出，在治理效果中，上海市的评价结果大大优于治理效率上的评价结果。出现这一结果的原因，是效率评价测算的是产出与投入之间的相对值，上海市在产出的绝对值上远远超过其他城市，但是由于基数庞大的投入量，导致产出与投入的相对值较小，因此在效率评价中排名靠后。单纯从效率上对上海市的治理绩效进行评价而忽略其在治理效果上的巨大贡献显然是不科学的，这也印证了引入TOPSIS模型进行综合评价的必要性。同时，绍兴、金华、舟山、马鞍山、铜陵、池州六市的治理效果也呈现出不同的评价结果，可以作为治理绩效评价的补充，从而化解DEA-BC2模型所带来的“共同最优”问题。
总体而言，通过TOPSIS模型测评出的治理效果结果与通过DEA-BC2模型测评出的治理效率结果存在明显的差异。为了统筹两者的评价结果，综合考虑长三角城市群绿色信贷水环境治理的效率与效果，给出科学系统的绩效评价结果。本文依据上述两种评价结果，画出长三角城市群绿色信贷水环境治理绩效四象限分布图（见图2）。
根据图2可知，长三角城市群中的26个城市主要分布于L-L和H-L象限，只有泰州市和金华市分布于H-H象限，上海市和苏州市分布于L-H象限。江苏省城市主要分布于L-L象限，浙江省和安徽省主要分布于H-L象限。
通过绿色信贷水环境治理绩效四象限分布图，可以把长三角城市群分为四类：
第一类城市为金华市和泰州市，水环境治理效率高于0.5，治理效果高于0.3，绿色信贷水环境治理处于高效率-高效果阶段。在这一阶段，各城市的绿色信贷水环境治理高效高能，并且初步完成了效率向效果转化的过程，整体的水环境治理绩效处于城市群的领先水平，这一评价结果与两座城市的实际情况相符。金华市与泰州市在整个长三角城市群中属于经济发展相对落后的城市，同时又具备一定的工业基础，承载了大量的“两高一剩”企业，在这一事实背景下，通过绿色信贷政策并配合相关的水环境治理窗口指导，能够充分撬动当地各方的水环境治理措施，取得理想的治理效率和治理效果。
第二类城市为上海市和苏州市。这两个城市水环境治理效率低于0.5，治理效果高于0.3，处于低效率-高效果阶段。在这一阶段，上海市和苏州市绿色信贷水环境治理已经度过高效率时期，水环境治理进入攻坚克难的关键时点。上海市和苏州市作为长三角城市群最发达的一类城市，率先通过绿色信贷政策推动“两高一剩”企业的转型，并对转型不达标的相关企业实施搬迁、关停等措施，在水环境治理上取得了理想的效果。但由于经济发展状况良好，在绿色信贷方面的资金支持力度相对较大，导致两个城市的治理效率偏低。 第三类城市包括南京、无锡、常州、南通、盐城、扬州、杭州、宁波、台州、合肥、安庆12座城市。这类城市水环境治理效率低于0.5，治理效果低于0.3，处于低效率-低效果阶段。这类城市的经济发展状况普遍较好，经济发展仍在一定程度上依赖“两高一剩”企业，单纯地通过绿色信贷政策难以取得理想的治理效果。另外一个原因是符合绿色信贷标准，能够获得绿色信贷资金企业较多，进而导致治理效率普遍偏低。
第四类城市包括嘉兴、湖州、绍兴、舟山、芜湖、马鞍山、铜陵、滁州、池州、宣城10座城市，均为浙江省和安徽省城市。这些城市绿色信贷水环境治理效率高于0.5，治理效果低于0.3处于高效率-低效果阶段。这类城市正处于经济发展与水环境治理选择的两难时期，“两高一剩”企业与当地经济发展息息相关，因此，绿色信贷政策推行力度较小，取得的治理效果也不理想，但相对于当地绿色信贷资金投入力度，治理效率在整个长三角城市群中较高，说明绿色信贷政策的推行对水环境治理具有一定的推动作用。
四象限分布圖虽然综合考虑了绿色信贷水环境治理的治理效率和治理效果，并给出了长三角城市群的分布结构，各个城市可以根据自身的类型因地制宜地制定出与自身特征相符合的改进策略，但在绩效评价方面依然存在缺陷。以芜湖市和滁州市为例，两市均位于H-L象限，芜湖市的治理效率优于滁州市，但在治理效果上弱于滁州市，二者的治理绩效孰优孰劣难以给出客观明确的评价结果。此外，四象限分布图只能将研究对象进行大致分类，无法给出研究对象的具体排名。因此本文进一步引入模糊Borda法，综合考虑长三角城市群在治理效率和治理效果两方面的得分和各自的排名，给出各市绿色信贷在水环境治理绩效上的得分。
（三）绿色信贷水环境治理绩效综合评价
在对长三角城市群绿色信贷水环境治理效率和效果进行评价的基础上，使用模糊Borda法将两者的评价结果进行结合，得到长三角城市群绿色信贷水环境治理的综合评价结果，评价结果如表4所示。
通过表4可以看出，使用模糊Borda法对两种不同评价结果进行组合，在一定程度上避免了单独从效率或效果的角度进行评价所带来的局限性，同时，模糊Borda法还规避了从两种不同角度进行评价带来的评价结果差异性，使最终结果评价结果更加科学统一。在表4中，上海市的绿色信贷水环境治理绩效在长三角城市群中排名第8，与单独从治理效率角度进行评价得到的第23名结果相比，使用模糊Borda法得到的结果更加科学可信，能够充分反映出上海市绿色信贷在水环境治理方面的真实绩效。同时，在表4中，芜湖市和滁州市也得到了各自治理绩效的具体得分，能够清楚直观的得出芜湖市在治理绩效方面相较于滁州市略胜一筹。总的来说，模糊Borda法的引入在很大程度上弥补了四象限分布图在绩效评价上的缺陷。
五、结语
本文从治理效率和治理效果两个方面以长三角城市群为研究对象，对绿色信贷水环境治理绩效进行综合评价，弥补了单独从治理效率角度进行评价的片面性，使得评价结果更加科学全面。在得到治理效率评价结果和治理效果评价结果的基础上，画出长三角城市群绿色信贷水环境治理绩效四象限分布图，将26个城市分别分为H-H，L-H，L-L，H-L四种类型，清楚直观地显现出长三角城市群治理绩效的分布结构，并对相应城市提出以下建议：
第一，H-H型城市整体的水环境治理绩效处于城市群的领先水平，治理成效突出。相关城市应加大对水环境的治理力度，充分利用好水环境治理的红利期，争取尽快在水环境治理方面取得更多成效，同时应当提前做好后期绿色信贷在水环境治理方面攻坚克难的准备。
第二，L-H型城市的水环境治理已经进入攻坚克难的关键时期，相关城市应加强对绿色信贷的管理，防止绿色信贷贴标签式大水漫灌，要以“精准信贷，精确治理”的方式充分利用信贷资源的导向作用，稳步推进当地产业结构升级，进而促进水环境的改善。
第三，L-L型城市的绿色信贷水环境治理正处于起步阶段，相关城市应充分考察、学习其他城市的先进经验，根据当地的实际情况，因地制宜地制定出适合当地发展特征、带有当地发展特色的水环境治理策略，推动有关企业转型升级，并加快有关绿色信贷水环境治理的基础设施建设。
第四，H-L型城市的绿色信贷政策对水环境治理具有较为显著的推动作用，但绿色信贷政策的推行力度较弱，资金支持力度较小。相关城市应充分利用这一时期水环境治理的高效率，扩大绿色信贷对水环境治理的资金支持，促进治理效率向治理效果转化，进而加强水环境治理效果的产出力度。
为了克服四象限分布图评价的局限性，本文进一步引入模糊Borda法，结合治理效率和治理效果的评价得分和排名，计算得到长三角城市群绿色信贷水环境治理绩效的具体得分和排名。此外，自绿色信贷推行以来，如何建立一个科学全面的评价体系，对绿色信贷的环境绩效进行评价是亟待解决的问题，而模糊Borda法恰好保留了对后续评价视角扩充的兼容性，为后续进一步更加全面系统的进行绩效评价提供了可能。
参考文献：
[1]张昱东.我国商业银行对绿色信贷的支持研究[D].云南：云南财经大学，2018.
[2]ROBERT R.Environmental finance： environmental compliance can be profitable[J].Natural Gas and Electricity，2014（03）.
[3]UBOURG W R.Estimating the mortality costs of lead emission in England and Wales[J].Energy Policy，1996，24（07）.
[4]王遥，潘冬阳等.绿色金融对中国经济发展的贡献研究[J].经济社会体制比较，2016（11）.
[5]谭玫瑰.商业银行绿色信贷产品研究[D].长沙：中南大学，2011.
[6]张承惠等.发展中国绿色金融的逻辑与框架[J].金融论坛，2016（02）.
[7]张光平等.绿色信贷支持金融创新与产业结构转型研究[J].金融监管研究，2016（05）.
[8]曾学文等.中国绿色金融发展程度的测度分析[J].中国延安干部学院学报，2014（11）.
[9]于晓刚.中国银行业环境记录[M].昆明：云南科技出版社，2010.
[10]杨朝飞.中国绿色信贷发展报告[R].北京：环境保护部，2010.
[11]孙冬营，佘靖雯等.长江三角洲城市群工业用水效率评价及时空差异研究[J].长江流域资源与环境，2018（09）.
[12]孙才志，姜坤等.中国水资源绿色效率测度及空间格局研究[J].自然资源学报，2017（12）.
[13]杨高升，谢秋皓.长江经济带绿色水资源效率时空分异研究[J].长江流域资源与环境，2019（02）.
[14]朱乔.数据包络分析（DEA）方法综述与展望[J].系统管理学报，1994（04）.
[15]魏权龄.数据包络分析[M].北京：科学出版社，2004.
[16]马占新，马生昀等.数据包络分析及其应用案例[M].北京：科学出版社，2013.
[17]郭显光.一种新的综合评价方法——组合评价法[J].统计研究，1995（05）.
[18]苏为华，陈骥.综合评价技术的扩展思路[J].统计研究，2006（02）.