基于DEA和Malmquist的中国城市代谢效率研究

doi:10.13249/j.cnki.sgs.2015.04.419

摘要/Abstract

摘要：

运用物质流、数据包络分析（DEA）及Malmquist指数对中国31个案例城市进行了城市代谢效率的研究。通过将城市代谢系统社会经济产出、环境非期望产出及水、电、化石能源、金属矿物、建筑材料、食物等投入部分纳入进DEA和Malmquist指数中,测得了案例城市的2000年、2010年代谢效率及变化趋势。研究结果发现,中国城市代谢系统效率总体相对较高,尤其是东中部地区城市的综合效率、纯技术效率和规模效率要高于西部地区城市,大城市的代谢综合效率高于巨型、超大和特大城市。2000~2010年,城市代谢综合效率、纯技术效率等所有效率指标的均值均呈现出下降趋势,但是中、西部地区城市的综合效率和纯技术效率却呈改善趋势,并且特大和超大城市的综合效率高于巨型城市。

关键词: 城市代谢效率, 物质流分析, DEA, Malmquist指数, 中国城市

Abstract:

Urban metabolic systems are co-evolution systems of the urban economic development, the natural environment and the social environment. In this article, 31 Chinese cities′ metabolic efficiencies are tested by the material flow analysis, data envelopment analysis (DEA) and Malmquist index. Inputs and outputs of urban metabolic systems in 2000, 2010 are measured in the DEA and Malmquist index, such as economic output, environmental undesirable output, water, electricity, fossil fuels, metallic minerals, building materials, food and other inputs. Chinese cities metabolic systems have relatively high overall efficiencies, especially cities in the Eastern Coastal and Central China, with higher pure technical efficiencies and scale efficiencies than the western cities. In 2000, Tianjin, Haikou and other six cities reached the DEA optimal; while in 2010, seven cities reached the DEA optimal. The overall metabolic efficiencies of such highly developed cities as Beijing, Shanghai, Nanjing, Suzhou and other cities have maintained a relatively high level, with the average reaching more than 0.5. While the least efficient cities, Fuzhou, Chongqing and et al., have not improved significantly during the last decade. Large cities have better performances in urban efficiencies than that in giant, large and extra large cities. Since 2000 to 2010, the overall urban metabolic efficiencies, pure technical efficiencies and all other efficiency indicators show a decreasing trend, except the overall efficiencies and pure technical efficiencies of cities in the Western and Central China. It is important to take the strategy of resource-conservation and environmental protection to enhance the metabolic efficiencies of Chinese cities. Moreover, the overall urban metabolic efficiencies in large and extra-large cities are better than that in mega-cities, which proves that the moderate expansions of cities should be encouraged and supported in order to highlight scale economies; on the other hand, the government should control the scale of mega-cities to avoid diseconomies of scale. In addition, Most of the cities’ high scale efficiencies are the main reason for the urban better overall efficiency, which reflects the increasing returns to scale in urban metabolic efficiencies.

Key words: urban metabolic efficiency, material flow analysis, DEA, Malmquist index, Chinese cities

中图分类号:

F290

陈雪婷, 宋涛, 蔡建明, 李玏, 邓羽. 基于DEA和Malmquist的中国城市代谢效率研究[J]. 地理科学, 2015, 35(4): 419-426.

Xue-ting CHEN, Tao SONG, Jian-ming CAI, Le LI, Yu DENG. The Chinese Urban Metabolic Efficiencies Based on the DEA and Malmquist[J]. SCIENTIA GEOGRAPHICA SINICA, 2015, 35(4): 419-426.

图/表 6

表1

表2

表3

图1

图2

表4

参考文献 23

[1]	World Conservation Union, UNEP and WWF. Caring for the earth: A strategy for sustainable living[M]. Gland Switzerland, 1991.
	[2] Wolman A. The metabolism of cities2] Wolman A. The metabolism of cities[J]. Scientific American, 1965, 213(3) : 179-190.
2	[3] 夏传勇.经济系统物质流分析研究述评3] 夏传勇.经济系统物质流分析研究述评[J].自然资源学报,2005,20(3):415~421. doi: 10.3321/j.issn:1000-3037.2005.03.014
[4]	Schmidt B, leek F. A universal ecological measure[J]. Fresenius Environental Bulletin, 1993, 2: 407-412.
[5]	Ayres R U, Kneese A V.Production, consumption and externalities[J]. American Economic Review, 1969, 59(3): 282-297.
[6]	陈效逑,赵婷婷. 中国经济系统的物质输入与输出分析[J]. 北京大学学报(自然科学版). 2003, 7l(4): 538~547. doi: 10.3321/j.issn:0479-8023.2003.04.017
[7]	Hanya T, Ambe Y.A study on the metabolism of cities. Science for a Better Environment[M]. Tokyo: Science Council of Japan, 1976.
[8]	Newcombe K, Kalina J D, Aston A R.The metabolism of a city: the case of Hong Kong[J]. AMBIO, 1978, (7): 3-5.
[9]	Zhang Y, Yang Z F, Fath B D,et al.Ecological network analysis of an urban energy metabolic system: Model development, and a case study of four Chinese cities[J]. Ecol Model, 2010, 221:1865-1879. doi: 10.1016/j.ecolmodel.2010.05.006
[10]	魏权龄. 数据包络分析(DEA)[J]. 科学通报, 2000,45(17): 1793~1808.
[11]	郭腾云, 徐勇, 王志强. 基于DEA的中国特大城市资源效率及其变化[J]. 地理学报, 2009, 64(4): 408~416. doi: 10.3321/j.issn:0375-5444.2009.04.003
[12]	齐君, 赵四东,杨永春,等. 基于DEA和Malmquist指数的中国环保绩效测度及其时空变化[J]. 兰州大学学报(自然科学版), 2012, 48(3):34~45. doi: 10.3969/j.issn.0455-2059.2012.03.007
[13]	Dyckhoff H, Allen K.Measuring ecological efficiency with data envelopment analysis (DEA)[J]. European Journal of Operational Research, 2001, 132: 312-325. doi: 10.1016/S0377-2217(00)00154-5
[14]	赵晓阳, 刘金兰.基于DEA和Malmquist指数的985高校科研投入产出效率评价研究[J]. 电子科技大学学报(社科版), 2013, 15(3): 94~100.
[15]	刘秉镰,林坦,刘玉海.规模和所有权视角下的中国钢铁企业动态效率研究—基于Malmquist指数[J].中国软科学,2010,(1): 150~157.
[16]	顾成彦, 胡汉辉. 基于Malmquist指数的我国电信业动态效率研究[J]. 软科学,2008,(4):54~57.
[17]	马其芳, 黄贤金, 于术桐, 等. 物质代谢研究进展综述[J].自然资源学报, 2007,22(1):141~152. doi: 10.11849/zrzyxb.2007.01.017
[18]	Schmidt B, leek F A. Universal Ecological Measure[J]. Fresenius Environmental Bulletin, 1993, 2: 407-412.
[19]	Boyden S.Ecological study of human settlements. Nature and Resources, 1980, 16(3):2-9.
[20]	李丁, 汪云林, 付允, 等. 基于物质流核算的数据包络分析—国内19个主要城市的实证研究[J].资源科学, 2007, 29(6):176~181.
[21]	国家统计局. 中国城市统计年鉴2001,2011[M ]. 北京:中国统计出版社, 2001,2011.
[22]	国家统计局. 中国能源统计年鉴2001,2011[M ]. 北京:中国统计出版社, 2001,2011.
[23]	北京市统计局. 北京统计年鉴2001,2011[M ]. 北京:中国统计出版社, 2001,2011.

输入类别	输入代表	单位	输出类别	输出代表	单位
水	年用水量	10⁸t	经济社会发展	人均GDP	元 /人
电	年用电量	10⁸ kwh	环境非期望产出	固体废弃物	10⁴t
化石能源	煤炭、石油、天然气	10⁴t		废水	10⁴t
金属矿物	钢材	10⁴t		废气	10⁴t
建筑材料	水泥	10⁴t
食物	作物、畜禽、渔类	10⁴t
调入燃料	原煤等	10⁴t标准煤

	2000年				2010年
	C	V	S	R-S	C	V	S	R-S
北京	0.834	0.874	0.955	drs	0.632	0.648	0.976	drs
上海	0.584	0.642	0.909	irs	0.928	0.928	0.999	irs
重庆	0.031	0.034	0.901	irs	0.025	0.077	0.326	irs
天津	1	1	1	-	0.786	0.830	0.947	irs
哈尔滨	0.119	0.13	0.913	drs	0.129	0.252	0.514	irs
长春	1	1	1	-	0.343	0.682	0.502	irs
沈阳	1	1	1	-	0.508	0.698	0.727	irs
石家庄	0.563	0.758	0.743	irs	0.312	0.565	0.552	irs
兰州	0.988	1	0.988	irs	1	1	1	-
昆明	0.240	0.245	0.980	irs	0.138	0.220	0.627	irs
西宁	0.587	1	0.587	irs	0.447	1	0.447	irs
西安	0.676	0.735	0.920	irs	0.327	0.622	0.526	irs
郑州	0.09	0.513	0.175	irs	0.531	0.91	0.584	irs
济南	0.927	0.933	0.993	irs	0.677	0.683	0.992	irs
太原	0.599	1	0.599	irs	1	1	1	-
武汉	0.599	0.605	0.989	irs	0.277	0.321	0.863	irs
长沙	0.429	1	0.429	drs	1	1	1	-
南京	0.639	0.650	0.982	irs	0.545	0.546	0.998	irs
贵阳	0.264	0.385	0.685	irs	0.133	0.346	0.386	irs
南宁	0.226	0.256	0.882	irs	1	1	1	-
杭州	0.267	0.795	0.336	drs	0.147	0.149	0.990	irs
广州	0.829	1	0.829	drs	0.299	0.382	0.782	drs
福州	0.076	0.156	0.484	drs	0.077	0.105	0.734	irs
海口	1	1	1	-	1	1	1	-
呼和浩特	1	1	1	-	0.77	1	0.770	irs
乌鲁木齐	0.798	0.889	0.898	irs	1	1	1	-
大连	0.764	1	0.764	drs	0.411	0.420	0.979	irs
青岛	0.885	0.908	0.975	drs	0.419	0.550	0.761	irs
宁波	0.317	0.368	0.862	drs	0.223	0.235	0.948	irs
深圳	1	1	1	-	1	1	1	-
苏州	0.728	1	0.728	drs	0.569	0.595	0.957	drs

	2000年			2010年
	C	V	S	C	V	S
东部	0.696	0.790	0.860	0.500	0.570	0.853
中部	0.534	0.616	0.871	0.702	0.808	0.862
西部	0.429	0.780	0.548	0.538	0.696	0.676
大城市	1	1	1	__	__	__
特大城市	0.798	0.889	0.898	__	__	__
超大城市	0.613	0.736	0.840	0.725	0.891	0.767
巨型城市	0.588	0.719	0.804	0.492	0.577	0.811

	综合效率变化	技术变化	纯技术效率变化	规模效率变化	生产率变化
东部	0.757	0.543	0.786	1.083	0.391
中部	2.592	0.867	1.077	2.049	2.116
西部	1.178	0.595	1.436	0.770	0.736
大城市	1	0.167	1	1	1.067
特大城市	1.253	0.526	1.125	1.114	0.660
超大城市	1.340	0.570	1.338	0.944	0.815
巨型城市	1.030	0.635	0.883	1.188	0.704