EN中文

地理科学 >

2012 , Vol. 32 >Issue 3: 294 - 300

DOI: https://doi.org/10.13249/j.cnki.sgs.2012.03.294

辽宁沿海经济带工业环境效率分析

  • 佟连军 , 1 ,
  • 宋亚楠 , 1, 2 ,
  • 韩瑞玲 1, 2 ,
  • 李名升 3
展开
  • 1.中国科学院东北地理与农业生态研究所, 吉林 长春 130012
  • 2.中国科学院研究生院, 北京 100049
  • 3.中国环境监测总站, 北京 100012
宋亚楠。E-mail:

作者简介：佟连军(1960-),男,吉林长春人,教授,博士生导师,主要从事环境与发展方向研究。E-mail:

收稿日期: 2011-06-21

  要求修回日期: 2012-02-09

  网络出版日期: 2012-03-25

基金资助

国家自然科学基金项目(41071086)、中国科学院知识创新工程重要方向项目(KZCX2-YW-342-2)资助

收起

Industrial Environmental Efficiency of Costal Economic Belt in Liaoning Province

  • TONG Lian-jun , 1 ,
  • SONG Ya-nan , 1, 2 ,
  • HAN Rui-ling 1, 2 ,
  • LI Ming-sheng 3
Expand
  • 1. Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun, Jilin 130012, China
  • 2. Graduate University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. China National Environmental Monitoring Centre, Beijing 100012, China

Received date: 2011-06-21

  Request revised date: 2012-02-09

  Online published: 2012-03-25

Copyright

本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
Fold

摘要

环境效率是生态效率的重要组成部分。基于环境效率对于指导区域经济与环境协调发展的重要意义,以重工业基地辽宁沿海经济带为例作环境效率研究,应用数据包络分析（DEA）和随机前沿分析（SFA）测算辽宁沿海经济带2001~2009年工业环境效率和产出弹性。在此基础上利用Tobit模型构建多元线性回归,分析工业环境效率的关键影响因素。结果表明：2001~2009年辽宁沿海经济带工业环境效率有大幅提高,但与理想状况仍有一定差距。其中大连的工业经济增长主要依靠劳动力推动,对环境成本的依赖正在减小,丹东、营口和葫芦岛3市的工业增长需要牺牲更多的环境成本。重工业化、资本密集化和高新技术化不利于工业环境效率提高,经济发展水平的提高则极大地促进了工业环境效率的提高。所有制结构、生产规模、外商投资和环境管理力度等因素因其作用的两面性,对工业环境效率无有效影响。

关键词： 工业环境效率; 数据包络分析（DEA）; 随机前沿分析（SFA）; Tobit模型; 辽宁沿海经济带

本文引用格式

佟连军 , 宋亚楠 , 韩瑞玲 , 李名升 . 辽宁沿海经济带工业环境效率分析[J]. 地理科学, 2012 , 32(3) : 294 -300 . DOI: 10.13249/j.cnki.sgs.2012.03.294

Abstract

Environmental efficiency is an essential element of eco-efficiency because of its important role in the evaluation of the level of regional green development. Taking the heavy industrial base in Northeast China, Liaoning coastal economic belt, as the study area, this article measures its industrial environmental efficiency and identified factors′ significant function on the transformation of environmental efficiency. In this study, the data envelope analysis (DEA) and stochastic frontier analysis (SFA) are employed in the computation of industrial environmental efficiency of Liaoning costal economic belt over the period of 2001-2009. Then, this study builds a multiple linear regression using Tobit model to identify factors that influence industrial environmental efficiency. The results indicate that, in 2001-2009, Liaoning costal industrial environmental efficiency improved from 0.15 to 0.44, but there was still a gap compared with ideal production status. Industrial environmental efficiencies of the 6 cities in this area were quite different. Panjin had the highest industrial environmental efficiency and Dandong the lowest. Dalian had the best output elasticity as its industrial growth was promoted mostly by the increase of labor force, and had the least reliance upon environmental cost. However, the growth of industrial economy in the cities of Dandong, Yingkou and Huludao still had strong dependence on the increase of environmental cost. There were 4 factors acting on environmental efficiency significantly. They were proportion of heavy industry, capital-labor ratio, proportion of hi-tech industry and citizens′ living standard. The increase of heavy industrial proportion and capitalization reduced industrial environmental efficiency. The development of hi-tech industry also decreased environmental efficiency as it focused on equipment manufacturing and petrochemical industry which produce large amount of waste. Progress of citizens′ living standard increased environmental efficiency for citizens not only demanded more industrial products but also requested better surviving environment. Other factors like ownership, production scale, foreign investment, environmental management did not have significant function. The environmental efficiency did not decrease or increase with the reduction of proportion of nation-owned enterprises or large enterprises. The fast augmentation of foreign investment did not pull up environmental efficiency as expected. As the management of environmental quality did not perform continually, it is not useful in the increase of environmental efficiency. In the future industrial development, in order to raise environmental efficiency, Liaoning coastal economic belt should impair the share of heavy industry, develop the hi-tech industry scientifically without causing more severe environmental problems, introduce foreign investment more prudently without bringing in more pollution and strengthen environmental control.

Key words： industrial environmental efficiency; data envelope analysis; stochastic frontier analysis; Tobit model; Liaoning costal economic belt

环境污染与经济增长之间关联性的问题,不仅是对经济可持续发展问题的深入分析,而且是对环境与经济政策的重大思考。对于环境污染与经济增长之间关联性的研究,应建立在更为严格、 谨慎的经济学理论和经济计量检验之上[1]。环境效率是用来衡量经济发展所付出的环境代价大小的一个指标[2]。国外对环境效率的分析主要集中于产业[3]、企业[4]、产品以及国际贸易[5]等方面,从微观角度探讨如何从产品设计、生产、销售到回收等各个经济活动环节提高环境效率。国内研究多以区域为研究对象,绝大多数以全国作为研究尺度[6~9],以各省作为决策单元,计算各省环境效率。研究表明自20世纪90年代后期以来,中国环境效率不断上升,环境效率的分布多符合中国东、中、西的3个经济带的划分,自东向西递减。一些学者针对中国电力产业做了相关研究[10],结果表明,2000年以来中国电力产业环境效率不断下降,不利于中国节能减排目标的实现。目前,中国环境效率研究缺乏以经济区为对象的研究,而珠三角、长三角、京津冀以及辽宁沿海等经济区已经成为中国经济增长的引擎,同时也是环境污染的重灾区[11]。为弥补这一研究空白,本文以辽宁沿海经济带为研究区域,利用DEA和SFA两种方法测度2000年以来该区工业环境效率的变化情况,利用Tobit模型从产业结构、资本有机构成、所有制结构、高新技术产值比重、生产规模、环境管理力度、外商投资、经济发展水平等方面找出环境效率显著影响因子,为区域经济、环境协调发展提供指导。

1 研究方法

1.1 SFA原理

随机前沿分析（SFA,Stochastic Frontier Analysis）假定生产者与技术前沿的差距受自身技术效率和随机扰动（如政策变化、市场需求变动）的影响,把生产者对最优技术的偏离对应的分解为两部分U（非负随机变量,表示生产的无效程度,假设服从截断分布）和V（随机变量,独立于U,服从正态分布）。SFA的基础模型为：
Yi=F(Xi,a)·exp(Vi-Ui)
式中,i表示生产者,Yi表示产出,Xi表示投入,a为待定系数,Vi-Ui表示对最优技术的偏离,生产者的效率为exp(-Ui)。
SFA有柯布—道格拉斯函数和超越对数两种形式可供选择,后者的优越之处是放宽了技术中性和产出弹性固定的假设,缺点是变量过多导致多重共线性问题[12]。为达到最佳模拟效果,本文选择超越对数形式（公式1）,并根据模型优化的指导思想——似然函数值越大越好,未知参数越少越好,在其基础上减少自变量数目,建立了7个备选模型,并通过似然比检验和Gamma检验降低多重共线性对结果的影响,最终确定理想模型为模型3（表1）。
LnYit=α0+ΣjαjLnXjit+Σk βkLnWkit+(1/2)ΣjΣlαjlLnXjitLnXlit+(1/2)ΣkΣmβkmLnWkitLnWmit+
ΣjΣkδjkLnXjitLnWkit+Vit-Uit (1)
式中,Y为工业总产值,X为传统投入,W为环境投入,i代表生产者,t代表年份,j、l分别代表第j、l种传统投入,k、m分别代表第k、m种污染物。α、β、δ为待定系数,其中αjl=αlj,βkm=βmk。
Table 1 Candidate models and testing results of SFA

表1 SFA备选模型与检验结果

备选模型设定 模型检验
条件 自变量数 参照模型 对数似然函数 LR 似然比检验 Gamma
模型1 无 20 - 20.02 - - 0.002
模型2 αjl=0（j≠l）,βkm=0（k≠m） 16 1 23.94 -7.88 接受 0.031
模型3 αjl=0（j≠l）,βkm=0（k≠m）,δj,k=0 10 2 32.46 -17.05 接受 0.918
模型4 αjl=0,βkm=0, 11 2 13.18 21.52 拒绝 0.002
模型5 αjl=0,βkm=0,δj,k=0 5 4 0.04 26.27 拒绝 0.205
模型6 δj,k=0 14 1 31.31 -22.56 接受 0.575
模型7 αjl=0（j=l）,βkm=0（k=m）,δj,k=0 9 6 26.1 10.41 接受 0.547
利用SFA估计出的系数,计算产出弹性。产出弹性是产出变化相对于投入变化的比率,能够反映某种投入的增加对产出扩大的作用程度。
传统投入的产出弹性计算：
dy y d x j x j = dlny dln x j = α j + 1 2 ∑ α j l lnx + l ∑ δ jk ln w k (2)
环境投入的产出弹性计算：
dy y d w k w k = dlny dln w k = β k + 1 2 ∑ β km lnw + m ∑ δ jk ln x j (3)
SFA通过计算生产者与理想生产前沿的差距得到该生产者的效率,称之为绝对效率。优点是消除随机扰动因素对效率估算的影响,测算结果变化平缓。缺点是效率变化趋势平稳,难以观察生产者本身的效率变化速度和生产者之间的效率变化差异。函数形式的事先假定带来了主观性,但是可以通过检验降低主观因素的影响[13]。

1.2 DEA原理

数据包络分析（DEA,Data Envelope Analysis）是利用线性规划模型来评价生产者是否技术有效的分析方法。其基本思路是比较不同生产者加权的投入、产出向量确定有效生产前沿,衡量各生产者与最佳生产前沿的距离,最后确定各生产者的效率[14]。
经典的DEA模型是CCR模型和BBC模型,二者都是径向计算。所谓径向就是投入(X1,X2)或产出(Y1,Y2)同比例变化为(aX1,aX2)、(bY1,bY2)(a,b>0),通常情况下各种投入或产出不会同比例变化,存在松弛量(slacks)。为解决松弛量问题,本文选择Tone[15]在1997年提出的SBM模型（Slacks-Bas-ed Measure）,假设sk-表示最大投入冗余,sr+表示最大产出不足,那么xki-sk-和yri+sr+用来代替原生产前沿在目标函数中体现松弛变量的作用,这样计算出的效率是为使生产者达到生产前沿所需优化投入或产出的平均改进程度。
min ρ = 1 - 1 m ∑ k = 1 m s k - x ki 1 + 1 n ∑ r = 1 t s r + y ri (4)
Subject to xki-sk-= ∑ j = 1 n λ j x kj (5)
yri+sr+= ∑ j = 1 n λ j y rj (6)
λ≥0,sk-≥0,sr+≥0 (7)
式中,ρ为效率值;i,j表示生产者序数,共有n个生产者;xki、xkj表示第i、j个生产者第k种投入,yri 、yk j表示第i、j个生产者第r种产出,λ为权重向量。
DEA通过计算生产者与同期同类型最佳生产者的差距得到其效率,称之为相对效率。其优点在于无需事先假定函数形式,模型的权重由线性规划分析数据产生,因此不受主观因素的影响;缺点是无法排除效率估算结果中的随机因素,且难以预测绝对效率的变化趋势。

2 研究区域、数据及指标设定

2.1 研究区域

辽宁沿海经济带包括大连、丹东、锦州、营口、盘锦和葫芦岛6市,是东北地区举足轻重的工业基地和开放门户。本区产业结构以重化工业为主导产业,环境问题突出。2007年本区被确定为东北地区发展的一级轴带,2009年国务院将该区的发展规划提升到国家发展战略层面,该规划一方面将会极大地带动本区产业转型与经济发展,另一方面又可能对本区的环境带来新的影响。为了了解本区工业经济、环境协调发展水平,确定环境效率关键影响因素,选取6市为决策单元进行环境效率分析。

2.2 数据及指标设定

本文选取辽宁沿海经济带6个城市2001~2009年的工业总产值作为产出变量指标,选取固定资本和劳动人口作为传统投入指标,选取工业废水、工业废气和固体废弃物排放量作为环境投入指标。数据来源于《辽宁省统计年鉴》[16]与6市《国民经济和社会发展统计公报》和《环境公报》①(① 各市《国民经济和社会发展统计公报》和《环境公报》从辽宁统计信息网、中国统计信息网、大连市统计信息网、葫芦岛统计信息网搜集得到。),并做以统一整理。

3 研究结果

3.1 辽宁沿海经济带工业环境效率

SFA计算出的是绝对效率（图1a）,SFA的结果能够给出效率的年际变化趋势。2001~2009年辽宁沿海经济带平均工业环境效率总体进步很快,从0.15上升到0.44,但是仍然有很大的提升空间。各市的工业环境效率相差很大,其中盘锦最高,比辽宁沿海经济带平均值高出10个百分点,葫芦岛和丹东低于平均水平,锦州、大连、营口3市几乎重合,且与平均水平齐平。
DEA测算出的是相对效率（图1b）,盘锦工业环境效率为1（2002年除外）,为有效生产者,其他城市的效率均以盘锦为标准得到。可以看到,营口、丹东、大连、锦州与盘锦的工业环境效率差距不断缩小,也反映盘锦的工业环境效率提高速度相对缓慢。葫芦岛的工业环境效率偏低,与盘锦差距很大。总体来说辽宁沿海经济带的工业环境效率不断提高,而且各城市之间的工业环境效率差距在缩小。
Fig. 1 Industrial environmental efficiency of the 6 cities in Liaoning coastal economic belt

图1 辽宁沿海经济带6市工业环境效率

通过SFA和DEA两种方法对各市工业环境效率进行估算,得到的结果总体趋势一致,由高到低为盘锦、大连、营口、锦州、葫芦岛、丹东。

3.2 辽宁沿海经济带工业产出弹性

同一城市的各种投入产出弹性差异很大,同一种投入对不同城市工业经济的增长作用有很大区别（表2）。
Table 2 Output elasticity for each input of the 6 cities in Liaoning coastal economic belt

表2 辽宁沿海6市不同投入的产出弹性

大连 丹东 锦州 营口 盘锦 葫芦岛
传统投入 1.85 0.17 0.49 0.02 0.72 0.59
固定资产 0.30 0.24 0.25 0.26 0.28 0.26
劳动力 1.56 -0.07 0.25 -0.24 0.44 0.33
环境投入 -0.07 0.25 0.18 0.04 0.26 0.67
废水 -0.02 0.17 0.18 0.19 0.25 0.21
废气 0.10 0.24 0.17 0.10 0.25 0.15
固体废弃物 -0.15 -0.16 -0.16 -0.25 -0.24 0.32
固定资产投资稳定地推动了辽宁沿海工业经济增长,产出弹性在0.24~0.30之间。劳动力投入对各市工业生产作用不一,对大连来说,多投入1倍的劳动力工业增产1.56倍,而对营口和丹东来说,多投入1倍的劳动力反而使工业产出分别降低0.24和0.07,反映出这2市工业部门劳动力已经饱和,劳动力投入的边际效益已为负值。环境投入中的废水投入的产出弹性仅大连为负值,即随着工业产出的扩大,大连的废水排放减少,其他各市废水产出弹性比较高,在0.17~0.25之间,表示工业产出的提高会排放出更多的废水。废气投入的产出弹性均为正,以丹东和盘锦最高,整个辽宁沿海经济带工业的发展对大气环境的破坏。由此可见,随着工业产出的扩大,大气污染还将更加严重。固体废弃物投入的产出弹性除葫芦岛外,其他5市均为负值,表明这5市在工业固体废弃物的减排上面取得了显著成效。总体来说,传统投入对大连、盘锦、锦州的工业产值增加贡献更大,而在丹东、营口和葫芦岛,工业产值增加对环境投入依赖更大。

4 工业环境效率影响因素分析

根据前人的研究,影响工业环境效率的可能因素有资本有机构成（资本劳动比,CL）、轻重产业结构（重工业产值比重,HEA）、所有制结构（国有企业产值比重,NA）、生产规模（大型企业产值比重,IP）、经济发展水平（人均国内生产总值,PG）、科技因素(高新技术产值比重,HI）、外商投资（实际利用外资额,FI）、环境管理力度(工业废水排放达标率,WS）等[17]。效率取值区间为[0,1],因此回归方程的因变量被限制在该范围,如果直接采用最小二乘法,估计出的参数容易有偏和不一致,而Tobit模型正是处理这种因变量受限情况的回归模型。本文以DEA和SFA两个方法计算的工业环境效率均值(IE)作为因变量,以影响因素作为自变量,构建Tobit回归模型。
IE=c0+c1×CL+c2×HEA+c3×NA+c4×IP+c5×PG+ c6×HI+c7×FI+c8×WS (8)
式中,c0、c1、c2、c3、c4、c5、c6、c7、c8均为待定系数。
根据计算,回归结果为：
IE=0.644-0.095CL-0.045HEA+0.024NA+0.046IP+0.229PG-0.161HI+0.229FI-0.014WS （R2=0.88,解释变量CL、PG、HI的p值在0.01水平下显著,HEA 的p值在0.1水平下显著。）

4.1 资本密集化与重工业化

回归结果显示CL每提高1个单位,工业环境效率下降0.095个单位,而HEA每上升1个单位,工业环境效率下降0.045个单位。2001~2009年辽宁沿海经济带CL不断上升,从6.1万元/人上升到16.6万元/人,HEA从2001年78.9%上升到2009年82.6% [16],由此工业环境效率下降9个百分点,贡献率为-33.3%。这说明重工业化与资本密集化都不利于工业效率的提高。根据钱纳里[18]的工业发展阶段理论：产业结构演进经历劳动密集型为主导、资本密集型为主导和技术密集型为主导的转变,对应呈现出“轻工业–重化工业–新型工业”渐次演进的规律。目前辽宁沿海经济带处于劳动密集型为主导向资本密集型为主导、轻工业向重工业演进的阶段,工业产值增长迅速,与此相对的是污染物排放量也呈现扩大趋势,不利于工业环境效率的提高。

4.2 经济发展水平

人均GDP每提高1个单位,工业环境效率提升0.229个单位。2001~2009年,辽宁沿海经济带人均GDP从1.3万元增长到4.6万元[16],9 a时间推动环境效率提高30个百分点,贡献率达到105%。经济发展水平的提高极大地促进了工业环境效率的提高。据此可以推断,经济的发展能够带来规模效应,改善生产技术,推动进治污设施建设;而且经济的发展提高了居民的生活水平,快速增长的物质需求促进了工业生产的扩大与生产效率的提高,在物质需求得到满足后居民对环境质量的要求也越来越高。

4.3 高新技术产值比重

随着经济竞争的加剧,高新技术产业在国民经济中的地位越来越明显,已逐渐成为社会经济发展的支柱产业[19]。近年来,辽宁沿海经济带以高新技术产业作为招商引资重点,不断加大科研投入,鼓励科研成果向产品转化,高新技术产业成为拉动经济增长的关键部分。2001~2009年辽宁沿海经济带高新技术产值比重HI从17.3%上升到25.6%[16]。传统观点认为高新技术产业环境效率更高,但是回归结果却与传统认识相反。回归显示,HI每上升1个单位会使工业环境效率下降0.161个单位,导致2001~2009年间工业环境效率下降5个百分点,贡献率为-14%。出现这一现象的主要原因在于高新技术产业所产生的污染物种类更多、组合类型更复杂,而相关的污染处理能力则相对滞后。基于丰富的石油资源与雄厚的工业基础,辽宁沿海经济带着重发展精细石油化工、新材料、电子产品、装备制造业、生物制药业等高新技术产业,这些产业并不比传统产业清洁,污染物处理不当反而会带来严重的重金属、生化污染,对生态环境的危害十分严重。这一结论与夏大寿[20]和金淞[21]对发达国家高新产业污染问题分析结论一致。

4.4 所有制结构、工业规模、外商投资和环境管理力度

传统观点认为国有工业企业的环境效率优于私营企业,主要原因在于国企的社会责任感更强,对污染物排放的要求更为严格。2001~2009年,辽宁沿海经济带国有工业企业产值比重从63%下降到32%[16],回归显示所有制结构的变化对工业环境效率的作用并不显著。说明国有企业的环境效率水平并非优于私营企业。政府监管的加强、国企改革、国际化生产线的引进、自身管理能力的提高等促进了私营企业减少污染物的排放,提高环境效率。合理的工业规模可以有效提高工业环境效率,随着市场制度的完善,工业发展多元化、小型化,辽宁沿海的大型工业比重不断下降。根据回归结果,工业规模的变化对辽宁沿海经济带工业环境效率的作用不明显。一般来说,大型企业的优势在于抗风险能力强,治污措施相对完善;中小企业也有自身优势,它们经营方式灵活,组织成本低廉,对市场变化反应灵敏。辽宁沿海经济带的外商投资不断扩大,实际利用外资额从2001年20亿美元上升到2009年77.5亿美元[16],回归结果表示外商投资对工业环境效率的促进作用不明显。外商投资一方面给本地工业企业带来了先进的技术,促进了科技合作,另一方面又引进了发达国家高耗能、高污染的产业。两方面的共同作用给工业环境效率带来正、负两方面影响,两种影响相互抵消。环境管理力度利用废水排放达标率表征,回归结果表明,环境管理力度对工业环境效率的影响不显著。2005年之前废水排放达标率快速提高,之后不断下降,反映出辽宁沿海经济带环保部门对企业的监管过程不连续,因此整体来说环境管理没有对环境效率产生有效的作用。可以预见监管部门长期保持较高标准的监管将有助于本区工业环境效率的提升。

5 结 论

本文选用了DEA和SFA两种效率计算方法,对2001~2009年辽宁沿海经济带6市的工业环境效率做了测算,而后对影响工业环境效率的因素作了分析,得出以下结论：
1） 2001~2009年,辽宁沿海经济带工业环境效率提高明显。到2009年,6市工业环境效率从高到低排列依次为盘锦、大连、营口、锦州、葫芦岛、丹东。
2） 通过产出弹性分析,发现营口和丹东工业部门劳动力过于饱和,劳动人口降低将有利于工业环境效率提高,而对其他4个城市,劳动力增加将促进工业环境效率提高。大连工业产值的增长伴随着废水排放降低,而其他5个城市工业经济的增长仍要排放更多的废水;辽宁沿海经济带大气污染随工业产值扩大有加剧的趋势;除葫芦岛外,其他5个城市工业固体废弃物排放量逐年减少。因此,辽宁沿海经济带需要进一步出台环保措施促进工业废水、废气排放的降低。
3） 工业的资本密集化、重型化以及高新技术化不利于工业环境效率的提高。石油化工业、装备制造业等产业对环境的污染较为严重,在辽宁沿海经济带的集聚严重影响了本区环境效率的提升。经济发展水平的提高极大改善了工业环境效率,更多治污设施建设以及居民对生存质量的更高要求推动了环境效率的提升。国有大型企业基础雄厚、治污条件好,而小企业生产灵活、组织简单,两者各有优势,国有工业企业比重的下降以及小型企业比重的上升对工业环境效率的变化无明显作用。外商投资既促进了本区工业技术革新,又引入了污染产业,两个作用相抵导致外商投资的增加没有提高工业环境效率。环境管理的相对不稳定导致其对环境效率的提升没有发挥应有的作用。
由于资料和自身经验有限,本文在影响因素方面论述还不够详尽,而且可能存在其他影响因素,将会是今后研究的重点。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
宋涛,郑挺国,佟连军.环境污染与经济增长之间关联性的理论分析和计量检验[J].地理科学,2007,27(2):156~162.

[2]
王俊能,许振成,胡习邦,等.基于DEA理论的中国区域环境效率分析[J].中国环境科学,2010,30(4):565~570.

[3]
Callens I,Tyteca D.Towards indicators of sustainable development for firms: a productive efficiency perspective[J].Ecological Economics,1999,28:41-53.

[4]
Hillary Ruth.Small and medium-sized enterprises and the environment: business imperatives[M].Sheffield: Greenleaf Publishing,2000.

[5]
Pearson C.Multinational corporation, the environmental development[M].Washington,DC: World Resources Institute,1987.

[6]
杨斌. 2000-2006年中国区域生态效率研究——基于DEA方法的实证分析[J].经济地理,2009,29(7):1197~1202.

[7]
李静,程丹润.中国区域环境效率差异及演进规律研究——基于非期望产出的SBM模型的分析[J].工业技术经济,2008,27(11):100~104.

[8]
周景博,陈妍.中国区域环境效率分析[J].统计与决策,2008,(14):44~46.

[9]
王兵,吴延瑞,颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究,2010,(5):95~109.

[10]
彭昱. 我国电力产业环境效率评价[J].财经科学,2011,275(2):76~83.

[11]
陆大道,刘卫东.论我国区域发展与区域政策的地学基础[J].地理科学,2000,20(6):487~493.

[12]
傅晓霞,吴利学.技术效率、资本深化与地区差异——基于随机前沿模型的中国地区收敛分析[J].经济研究,2006,(10):52~61.

[13]
杨威,金凤君,王成金,等.东北地区经济增长效率及其时空分异研究[J].地理科学,2011,31(5):544~549.

[14]
陶卓民,薛献伟,管晶晶.基于数据包络分析的中国旅游业发展效率特征[J].地理学报,2010,65(8):1004~1012.

[15]
Tone K.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research,2001,130:498-509.

[16]
辽宁省统计局.辽宁统计年鉴[M].北京:中国统计出版社,2002~2010.

[17]
涂正革. 环境、资源与工业增长的协调性[J].经济研究,2008,(2):93~105.

[18]
钱纳里,鲁滨逊,塞尔奎因.工业化和经济增长的比较研究[M].上海:上海三联书店,1989.

[19]
肖艳,胡洋.吉林省高新技术产业发展与经济增长关系的实证研究[J].地理科学,2011,31(5):589~593.

[20]
夏太寿,倪杰,张玉赋.发达国家高新技术产业环境污染基本情况研究[J].科学学与科学技术管理,2005,(4):95~99.

[21]
金淞,李金昌.论高科技污染的环境政策[J].管理世界,1996,(6):182~187.

Options
文章导航

/

〈 〉