Scientia Geographica Sinica 2015 , 35 (12): 1568-1574

Orginal Article

基于空间视角的水资源经济环境效率评价

陈磊, 吴继贵, 王应明

福州大学经济与管理学院,福建福州 350116

Efficiency Eevaluation of Water Resource-economic-environment System Based on Spatial Perspective

CHEN Lei, WU Ji-gui, WANG Ying-ming

School of Economics & Management, Fuzhou University, Fuzhou,Fujian 350116, China

中图分类号: X196

文献标识码: A

文章编号: 1000-0690（2015）12-1568-07

通讯作者: 王应明,博士。E-mail:msymwang@hotmail.com

收稿日期: 2014-12-25

修回日期: 2015-10-23

网络出版日期: 2015-01-20

基金资助: 国家自然科学基金资助项目（71371053）高等学校博士学科点专项科研基金（20123514110012）教育部人文社会科学研究青年基金项目（14YJC630056）福建省自然科学基金项目（2014J01264）资助

作者简介:

作者简介：陈磊（1988-）,男,福建福安人,博士研究生,主要研究管理系统工程。E-mail:chenlei0593@hotmail.com

展开

摘要

基于2008~2012年中国水资源-经济-环境（WEE）系统的省际面板数据,运用考虑非期望产出的数据包络分析（DEA）方法测算WEE系统的整体技术效率、纯技术效率、规模效率和规模收益情况;构建基于万有引力定律的空间权重矩阵,着重分析整体技术效率的空间分异规律。探讨3种WEE效率之间的空间相关性;并运用空间误差模型（SEM）分别对这些效率间的空间效应进行分析。结果表明：① 提升WEE整体技术效率的瓶颈在于纯技术效率;② 区域间的3种WEE效率都存在显著的空间误差相关;③ 技术创新性、外资依存度、产业结构、产权结构通过纯技术效率和规模效率,以不同的作用形式对WEE整体技术效率产生正向影响;④ 水资源禀赋和政府重视度对WEE整体技术效率产生负向影响。

关键词： 水资源-经济-环境（WEE） ; SBM模型 ; 空间相关性 ; 空间误差模型

Abstract

In recent years, the environmental efficiency of economic development and the utilization efficiency of water resource have become important research issues worldwide. However, the study about Water Resource-Economy-Environment (WEE) system is very rare. In additional, the spatial correlation between regions is usually ignored in traditional study. In this article, we thus introduce the data envelopment analysis (DEA) method and spatial econometrics method to analyze the efficiency evaluation problem of WEE system in China. Based on provincial panel data from 2008 to 2012, the technical efficiency, pure technical efficiency, scale efficiency and return to scale of WEE system are gained by slack based measure (SBM) model, which is one of traditional DEA models. And some conclusions are summarized as follows. First, all kinds of efficiencies are increasing year by year, but the growth rate are small. Second, the key to prove technical efficiency of WEE system lies in pure technical efficiency. Third, the technology efficiency of WEE system is gradually reduced from eastern China to western China, and it is caused by that the population quality, economic strength, technical level, and investment power are different between these areas. For analyzing the spatial differentiation of efficiency distribution, the Moran index of technology efficiency is calculated, and the result shows that there has significant spatial correlation in the efficiency distribution. In order to further analysis this spatial differentiation, LISA space aggregation graph is drawn. We then use the Lagrange multiplier (LM) test and robust LM test to analyze the provincial panel data of Chinese WEE system based on the spatial weight matrix determined by the law of universal gravitation. The results of text show that three kinds of efficiency values are verified by the spatial error model (SEM) at 5% significant level. We thus use SEM to analyze the space effect of technology efficiency of Chinese WEE system. The results show that the technical creativity, the industrial structure and the property right structure have positive correlations with WEE system technical efficiency by different acting forms on pure technical efficiency and scale efficiency, while the water resource endowment have negative correlation. There are some phenomena that inconsistent with our assumptions. First, the government attention has negative correlation with WEE system technical efficiency, and some reasons are summarized. Second, the utilization of foreign investment has positive correlation with the technical efficiency of WEE system, but this correlation is not obvious.

Keywords： Water resource-Economic-Environment (WEE) ; SBM model ; spatial correlation ; spatial error model (SEM)

PDF (607KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

陈磊, 吴继贵, 王应明. 基于空间视角的水资源经济环境效率评价[J]. , 2015, 35(12): 1568-1574 https://doi.org/

CHEN Lei, WU Ji-gui, WANG Ying-ming. Efficiency Eevaluation of Water Resource-economic-environment System Based on Spatial Perspective[J]. Scientia Geographica Sinica, 2015, 35(12): 1568-1574 https://doi.org/

近年来,经济发展的环境效率和水资源的利用效率皆已成为国内外学者研究的热点问题。而自1989年Färe等人率先建立考虑非期望产出的数据包络分析（DEA）环境效率评价模型以来,DEA俨然成为环境效率最常用的测度方法之一^[1]。DEA衡量环境效率主要存在两种测度方法,一是利用考虑非期望产出的CCR、BCC、SBM等DEA模型来衡量某一阶段的经济环境效率^[2];二是通过DEA-Malmquist指数方法来衡量某一时期内经济环境效率的动态变化^[3]。水资源效率的研究主要集中在用水效率和污水处理效率上^[4]。其中,学者们不仅使用了LMDI^[5]、DEA^[6]等多种方法对效率进行测度,部分研究还考虑了效率之间的空间效应^[7]。

虽然经济发展的环境效率及水资源效率研究日趋丰满,却鲜有涉及水资源-经济-环境（WEE）系统的研究。WEE系统是个复杂的开放系统,其效率受到外界多种因素的影响。而DEA方法虽然可以快速准确地衡量其效率,却很难发现这种影响的存在。根据地理学第一定律：“任何事物之间总是相关的,而距离近的事物的相关性要比距离远的事物之间大”^[8],难免存在相互影响的空间相关性。这种空间相关性在传统社会经济环境系统的研究中却常常被忽略。针对以上问题,本文采用考虑非期望因素的SBM模型分别对2012年中国31个省市水资源经济环境的整体技术效率、纯技术效率、规模效率和规模收益情况进行衡量;随后,借助空间计量方法,研究整体技术效率的空间分异规律,分析空间效应、水资源禀赋、政府重视程度等因素对3种效率的影响,最后得出提高WEE效率的方法路径。

1 研究方法

1.1 DEA方法

DEA是基于投入产出数据的决策单元（DMU）相对有效性评价的评价方法。本文结合实际问题,采用Tone提出的考虑非期望产出的非角度非径向的松弛变量方法（SBM）模型来对WEE效率进行测度^[9]。其模型描述如下：

假设有n个DMU,每个DMU具有m种投入x, $\begin{matrix} s_{1} \end{matrix}$ 种期望产出 $\begin{matrix} y^{g} \end{matrix}$ , $\begin{matrix} s_{2} \end{matrix}$ 种非期望产出 $\begin{matrix} y^{b} \end{matrix}$ ,则 $\begin{matrix} DM U_{0} \end{matrix}$ 的整体技术效率 $\begin{matrix} θ_{0}^{TE} \end{matrix}$ 可以由式(1)表示。

$\begin{matrix} \min θ_{0}^{TE} = \frac{1 - \frac{1}{m} \overset{m}{\sum_{i = 1}} \frac{s_{i}^{-}}{x_{i 0}}}{1 + \frac{1}{s_{1} + s_{2}} (\overset{s_{1}}{\sum_{r = 1}} \frac{s_{r}^{g}}{y_{r 0}^{g}} + \overset{s_{2}}{\sum_{l = 1}} \frac{s_{l}^{b}}{y_{l 0}^{b}})} \\ s . t . x_{0} = Xλ + s^{-}, y_{0}^{g} = Y^{g} λ - s^{g}, \\ y_{0}^{b} = Y^{b} λ + s^{b}, s^{-}, s^{g}, s^{b}, λ \geq 0 . \end{matrix}$ (1)

式中 $\begin{matrix} s^{-}, s^{g}, s^{b} \end{matrix}$ 分别是x, $\begin{matrix} y^{g} \end{matrix}$ , $\begin{matrix} y^{b} \end{matrix}$ 的松弛量, $\begin{matrix} λ \end{matrix}$ 为权重向量,X, $\begin{matrix} Y^{g} \end{matrix}$ , $\begin{matrix} Y^{b} \end{matrix}$ 为投入产出矩阵。当 $\begin{matrix} θ_{0}^{TE} \end{matrix}$ =1时, $\begin{matrix} DM U_{0} \end{matrix}$ 整体技术有效;否则即通过投入产出松弛量改进效率。整体技术效率又可拆分为纯技术效率和规模效率,纯技术效率用于衡量技术水平、管理模式等因素对生产效率的影响,规模效率用于反映规模因素对生产效率的影响^[10]。若令式（1）中的 $\begin{matrix} λ \end{matrix}$ 满足 $\begin{matrix} Eλ = 1 \end{matrix}$ 的约束条件,即为规模收益可变的SBM模型,所求目标值 $\begin{matrix} θ_{0}^{PTE} \end{matrix}$ 为 $\begin{matrix} DM U_{0} \end{matrix}$ 的纯技术效率,其中 $\begin{matrix} E \end{matrix}$ 为单位向量。规模效率可表示为 $\begin{matrix} θ_{0}^{SE} = \frac{θ_{0}^{TE}}{θ_{0}^{PTE}} \end{matrix}$ 。Cooper等认为,可以通过DMU的规模收益状态来衡量其是否具有规模效应,即规模的增大带来经济效益的提高^[11]。其判断标准为：若 $\begin{matrix} λ^{*} \end{matrix}$ 为式（1）中的最优权重,则 $\begin{matrix} \sum λ \end{matrix}$ 的值大于、等于、小于1,分别对应着DMU规模收益递减、不变和递增。

1.2 空间计量方法

一般来说,空间数据基本都具有空间依赖或空间自相关的特性,这种联系可以通过空间滞后模型（SLM）或空间误差模型（SEM）进行描述^[12]。本文采用SEM来进行中国WEE效率之间的空间效应分析,模型表示如下：

$\begin{matrix} Y_{it} = X_{it} β + ε_{it} \end{matrix}$ , $\begin{matrix} ε_{it} = λW ε_{it} + μ_{it}, μ_{it} ~ N [0, σ^{2}] \end{matrix}$ (2)

式中, $\begin{matrix} Y_{it}, X_{it}, β_{it} \end{matrix}$ 分别表示地区 $\begin{matrix} i \end{matrix}$ 在时期t的因变量、自变量、变量系数; $\begin{matrix} ε_{it}, μ_{it} \end{matrix}$ 分别表示残差和随机扰动;λ,W表示空间误差相关系数和空间权重矩阵。由于区域间环境效率的空间相关性不仅局限于拥有共同边界的地区之间,而且还取决于区域的经济发展水平。区域的经济发展水平越强,则对其他区域的吸引力越大,空间溢出效应越明显。因此,本文采用冯烽等使用的基于万有引力定律的空间权重设定法来确定空间权重矩阵^[13]。其方法如下：

$\begin{matrix} w_{ij} = \{\begin{matrix} \frac{m_{i} m_{j}}{d_{ij}^{2}}, i \neq j \\ 0, i = j \end{matrix} \end{matrix}$ (3)

其中, $\begin{matrix} d_{ij} \end{matrix}$ 为地区i和地区j的地理距离, $\begin{matrix} m_{i} \end{matrix}$ 为地区i的经济发展水平,本文以样本期内的人均GDP代表。所有的 $\begin{matrix} w_{ij} \end{matrix}$ 共同组成空间权重矩阵W,并进行标准化以消除量纲影响。

2 实证分析

2.1 变量关系与数据来源

本研究以2008~2012年中国31个省市（不含港澳台）的WEE系统作为研究对象。该系统的投入变量为资本投入、劳动力投入和水资源投入,分别用资本形成总额、三次产业就业人数和用水总量来衡量;以地区生产总值GDP代表期望产出;以水污染主要的衡量指标化学需氧量COD排放总量为非期望产出。WEE系统是个复杂的开放系统,其效率指标还受到空间效应及其他因素的影响。这些因素如表1所示。

表1 影响效率指标的变量

Table 1 Variables of affecting efficiency

影响变量	代表指标
水资源禀赋x₁	用水总量/水资源总量
技术创新性x₂	R&D经费投入/GDP总值
政府重视程度x₃	废水治理投资总额/财政支出总额
外资依存度x₄	FDI/社会固定资产投资总量
产业结构x₅	第三产业生产总值/GDP总值
产权结构x₆	国有企业生产总值/GDP总值

新窗口打开

为了进一步消除量纲影响,将影响变量的数据进行最大值归一化处理。每一个WEE系统都可以看成是一个相对独立的DMU,则任意2个DMU之间的投入产出指标与影响变量之间的关系如图1所示。

显示原图| 下载原图ZIP| 生成PPT

图1 变量关系

Fig.1 Variable relationship

本研究指标数据来自《中国统计年鉴》（2009~2013年）^[14]、《中国环境统计年鉴》（2009~2013年）^[15]。需要注意的是,2008~2010年的COD排放总量不包含农业COD排放量。因此为了保证可比性,2011~2012年的COD排放总量需要除去农业排放的部分。空间权重矩阵所用的各地区空间数据来源于国家基础地理信息中心。

2.2 环境效率评价结果分析

利用DEA-Solver求解考虑非期望产出的SBM模型,通过测算,2008~2012年中国31个省市的WEE效率平均值如表2所示。

2008~2012年中国WEE效率的总体趋势如图2所示：

从图2可以看出,2008~2012年中国WEE系统无论从整体技术效率、纯技术效率,还是规模效率都逐年增长的趋势,但增长速度较慢,年均增长率仅为1.9%,1.5%和0.3%。同时可以看出,整体技术效率水平偏低的主要原因在于纯技术效率水平低下,因此,提升WEE效率的关键在于产业的优化升级、先进理念的实践应用等方面,而不是单纯的加大投资力度,靠规模来拉动效率增长。从2010年后,纯技术效率增长速率有所增加,说明随着节约用水的理念不断深入人心,WEE系统可持续发展的水平日渐提高。

从表2可以看出,中国WEE整体技术效率呈东中西部逐渐减低的状况。按照不同区域的效率评价结果,可得以下结论：① 从东部地区的效率来看,北京、上海、广州、天津等地区WEE整体技术有效。这些地区地理位置优越,经济实力,技术水平,人员素质均明显高于其他地区,且存在人口密集,水资源供应紧张的问题。这种双向压力共同导致对WEE的重视,使得其无论是技术效率、规模效率,还是规模收益状态都处于相对最优的位置,在全国范围内起到标杆的作用。当然WEE有效是相对其他地区而言,并不代表它们充分挖掘出资源的潜在价值。而海南、广西虽处东部,但仍是经济欠发达地区,技术水平与人员素质都略显不足;同时,和福建、浙江等地一样,属沿海多雨地带,具有明显的水资源禀赋优势,这些因素共同导致了它们WEE效率落后于东部其他地区。需要注意的是,虽然江苏的技术效率和规模效率都处于较高水平,然而却处于规模收益递减的状态。因此,江苏省继续加大规模投入将得不偿失,其发展更应该依靠产业结构的调整和水资源的合理利用。② 从中部地区的效率来看,呈现出纯技术效率低、规模效率高、规模收益递增的效率分布。显然,随着东部地区生产成本不断升高,及中部崛起概念的持续升温,中部诸省在承接东部产业转移方面的优势日渐突显,充分发挥出整体规模效应,同时这种规模效应还具有继续加强的趋势。但其在快速发展的同时,忽视产业结构的优化升级,技术转移承接效果并不理想,且人员环保意识略有欠缺,都导致了WEE纯技术效率的低下。③从西部地区的效率来看,陕西、四川、重庆处于中西部结合的枢纽地区,担当承接产业转移,辐射广大西部地区的重责。此三地规模效率均大于0.9,且规模收益还在递增,说明多年来的西部大开发效果明显。然而,西部地区长期依赖政策与资源优势,承接大量劳动密集型、资源型产业,对生态环境的关注不多,致使整体纯技术效率不高。同时,西藏、青海等地,交通不便,地广人稀,自然环境略显恶劣,缺乏对资金的吸引力,导致较难形成规模效应,甚至还出现了规模收益递减的情况。因此,若单纯的继续加大投入,仍难以改变现状,只会导致水资源更加严重的浪费。因此,这些地区应该首重产业的整合,通过产业集群等方法改变发展缓慢、效益低下等现状。

表2 2008~2012年中国各省市WEE效率均值

Table 2 Average WEE efficiency of regions in China from 2008 to 2012

东部	$θ^{TE}$	$\begin{matrix} θ^{P TE} \end{matrix}$	$\begin{matrix} θ^{S E} \end{matrix}$	规模收益	中部	$\begin{matrix} θ^{TE} \end{matrix}$	$\begin{matrix} θ^{P TE} \end{matrix}$	$\begin{matrix} θ^{S E} \end{matrix}$	规模收益	西部	$\begin{matrix} θ^{TE} \end{matrix}$	$\begin{matrix} θ^{P TE} \end{matrix}$	$\begin{matrix} θ^{S E} \end{matrix}$	规模收益
北京	1.00	1.00	1.00	不变	山西	0.50	0.53	0.94	递增	重庆	0.51	0.56	0.91	递增
天津	1.00	1.00	1.00	不变	内蒙古	0.55	0.58	0.94	递增	四川	0.49	0.51	0.97	递增
河北	0.64	0.68	0.94	递增	吉林	0.43	0.44	0.97	递增	贵州	0.40	0.48	0.82	递增
辽宁	0.57	0.61	0.93	递增	黑龙江	0.39	0.40	0.96	递增	云南	0.37	0.42	0.90	递增
上海	1.00	1.00	1.00	不变	安徽	0.48	0.49	0.97	递增	西藏	0.28	1.00	0.28	递减
江苏	0.90	1.00	0.90	递减	江西	0.44	0.46	0.95	递增	陕西	0.51	0.52	0.99	递增
浙江	0.69	0.89	0.79	递增	河南	0.52	0.57	0.91	递增	甘肃	0.37	0.46	0.81	递增
福建	0.51	0.52	0.98	递增	湖北	0.47	0.48	0.97	递增	青海	0.35	1.00	0.35	递减
山东	0.86	1.00	0.86	递增	湖南	0.46	0.47	0.98	递增	宁夏	0.31	0.49	0.62	递增
广东	1.00	1.00	1.00	不变						新疆	0.31	0.35	0.90	递增
广西	0.35	0.37	0.96	递增
海南	0.40	0.66	0.61	递增
总均值	0.74	0.81	0.91		总均值	0.47	0.49	0.95		总均值	0.39	0.58	0.75

新窗口打开

显示原图| 下载原图ZIP| 生成PPT

图2 中国WEE效率趋势

Fig.2 Trend of WEE efficiency in China

2.3 基于多截面数据的空间分异规律分析

Moran指数是分析数据之间空间分异规律的常用方法。然而对于面板数据而言,Moran指数难以计算。所以,为了更加深入的分析效率的空间分异规律,笔者参照前人研究,通过多截面平均的方法计算整体技术效率的Moran指数^[7,16]。结果显示,WEE系统整体技术效率的Moran值为0.443 8,存在显著的空间关联性。在此基础上,绘制局部LISA空间聚集图,具体如图3所示。

显示原图| 下载原图ZIP| 生成PPT

图3 整体技术效率的LISA空间聚集图

Fig.3 LISA spatial aggregation graph of technology efficiency

LISA空间聚集图中不同的颜色分别对应着不同的空间集聚效应,而灰色区域表示其空间集聚效应在5%的显著水平上未通过检验。从图3可以看出,效率分布以空间正相关为主导。其中环渤海和长江三角洲地区经济发达,技术先进,水资源利用较为充分,呈现空间上的高-高聚集;西部地区普遍存在经济发展水平不高,产业结构不合理,水资源浪费严重的问题,整体上呈现出低-低聚集的空间效应;而海南省水资源丰富,且经济发展水平与珠三角地区相差甚大,直接反映是空间上的低-高聚集;其他地区的空间聚集关系不显著。

2.4 基于面板数据的空间效应分析

本文采用拉格朗日乘子（LM）检验与稳健的拉格朗日乘子（Robust LM）检验对2008~2012年中国WEE系统的省际面板数据进行分析。运用Matlab7.0,在基于万有引力定理的空间权重矩阵的基础上,检验结果如表3所示。

表3 WEE系统效率的空间相关性检验

Table 3 Results of spatial correlation test of WEE efficiency

指标	$θ^{TE}$	$\begin{matrix} θ^{P TE} \end{matrix}$	$θ^{S E}$
LM(Lag)	1.016	0.258	2.191
(P值)	(0.202)	(0.611)	(0.139)
Robust LM(Lag)	0.947	0.564	0.109
(P值)	(0.314)	(0.452)	(0.411)
LM(err)	2.634	2.134	2.758
(P值)	(0.009)	(0.014)	(0.037)
Robust LM(err)	1.628	2.440	1.68
(P值)	(0.011)	(0.012)	(0.041)

新窗口打开

从表3可知,中国WEE整体技术效率、纯技术效率、规模效率均未通过SLM的LM检验和Robust LM检验,这表明区域间的效率值不存在显著的空间滞后相关性;而3种效率值均在5%的显著水平上通过SEM的检验,表明以 $\begin{matrix} θ_{}^{TE} \end{matrix}$ 、 $\begin{matrix} θ_{}^{PTE} \end{matrix}$ 和 $\begin{matrix} θ_{}^{SE} \end{matrix}$ 为被解释变量的模型误差项之间存在显著的空间相关性,应该选用SEM来分析其空间效应。

为了进一步验证中国WEE系统效率的空间相关性,利用SEM分别对整体技术效率、纯技术效率、规模效率进行分析,所得结果如表4所示。

表4显示,3种效率SEM中的空间误差相关系数λ分别为0.706、0.912和1,且均在1%的显著水平上拒绝空间误差不相关的原假设,说明区域间的WEE效率存在明显的空间效应。因此,可以认为周边区域WEE效率的提高将通过误差冲击对本区域的WEE效率水平产生正向影响。

从变量系数来看,水资源禀赋对WEE效率皆具有的负向影响,且均在10%的水平下显著,表明水资源的紧缺有利于提高水资源的利用率,更加注重水资源的保护。技术创新对提高整体技术效率和纯技术效率都存在着显著的正向影响,然而却与WEE规模效率呈负向关系。这表明,随着技术的进步,企业更加关注核心竞争力,而将非核心、污染重的产业转移到其他生产成本低、环境监管力度弱的地区,致使规模效益下降,该现象符合发展中国家成为发达国家“污染避难所”假说的原理。产业结构的优化和产权的国有化对WEE整体技术效率的提高有促进作用,但是这些作用都不明显。这是因第三产业有助与提高纯技术效率,但由于第三产业本身准入门槛低,容易导致数量多,规模小的特点,使得很难形成规模效应;国有产业正好相反,多重视规模的扩充,对与技术创新的重视程度往往不足。

与笔者事先设想不一致的有：首先,政府重视程度对整体技术效率存在负向影响,虽然该影响并不明显,即政府对废水治理投资的费用越多,WEE效率越低。导致这种现象的原因可能是：①长期“先污染,后治理”的行为,形成污染物排放量越高,政府的重视越高的这种本末倒置的治理思路;②从国家层面上看,经济发展仍旧处于库茨涅茨曲线的左半段,许多地区废水治理投资的增长还赶不上其污染物排放及GDP增长的速度,从而导致污染治理效果不佳的假象;③水治理投资资金去向监管不严、企业自身缺乏治理废水的积极性,出现数据失真、效率低下等问题。其次,外资依存度对无论对WEE纯技术效率,还是规模效率,均存在正向的影响,但对纯技术效率的影响微弱,仅为0.094。一直以来,关于FDI与环境污染关系的研究主要分为两种观点,一是“污染避难所”假说^[17];二是FDI不仅不会恶化东道国的环境,反而对环境改善有促进作用^[18]。就其对WEE效率影响而言,本文研究在一定程度上支持第二种观点,但这种改善更大程度上来源于FDI生产活动中显著的规模效益特征。FDI确实带来是先进的技术设备和管理理念,而与之并存的是一些对水体污染严重的产业转移,因此,对WEE纯技术效率而言,外资依存度的影响并不明显。

表4 空间误差模型分析结果

Table 4 Analysis results of SEM

参数	整体技术效率		纯技术效率		规模效率
参数	系数估计值	P值	系数估计值	P值	系数估计值	P值
Constant	-0.074	0.053	0.058	0.079	0.574	0.002
x₁	-0.099	0.008	-0.138	0.034	-0.122	0.063
x₂	0.398	0.000	0.603	0.000	-0.298	0.010
x₃	-0.044	0.051	-0.117	0.028	0.126	0.026
x₄	0.484	0.000	0.094	0.020	0.997	0.000
x₅	0.282	0.012	1.270	0.000	-1.056	0.000
x₆	0.198	0.007	-0.515	0.000	0.766	0.000
λ	0.706	0.000	0.912	0.000	1.000	0.000
R²	0.981		0.966		0.946
Log-L	289.52		138.201		120.225

新窗口打开

3 结论与启示

根据实证分析结果,可以得出以下启示：

1）提高中国WEE系统整体技术效率的瓶颈在于纯技术效率,而不在于规模效率。目前,许多地方的经济发展仍然处于“重规模,轻质量”的要素驱动型增长模式。盲目的扩大规模,忽视淘汰落后产能,推动产业升级的重要性,必将导致水资源的保护与社会经济增长之间的冲突愈演愈烈,严重妨碍可持续发展战略的实践。地方经济增长应该建立在不断调整产业结构,引进先进技术设备和管理理念的基础上。特别是中西部地区,在承接东部产业转移的同时,需要注意加大技术转移的承接力度,广泛宣传节水理念,建立水资源循环利用体系以提高用水效率,改变传统高消耗、高排放的“粗放式”生产模式。

2）中国区域WEE效率不仅与自身的投入产出要素相关,还受到其他地区WEE效率的影响,它们之间存在显著的空间误差正相关。这表明,树立效率标杆,可以令标杆地区的WEE高效率通过误差项扩散至其周边区域。特别是对于经济发展水平高的区域。这些地区对其他地区的影响力巨大,应该格外注意环境监管,重视水资源循环经济体系的构建,以辐射周边区域,带动整体WEE效率的提高。

3）技术创新性、外资依存度、产业结构、产权结构都能对WEE整体技术效率产生正向的影响。然而,不断提高生产中的技术创新水平,大力发展第三产业的同时,还有应该注意先进技术的推广应用,重视对第三产业的整合集成,不断加强核心竞争力,形成特色鲜明的产业集群,集中处理水资源污染物,发挥出应有的规模效应。而国有产业应不断调整组织结构,推行技术改革,提高水资源的使用效率。

4）水资源禀赋和政府重视度对WEE整体技术效率产生负向影响。中国应当加大宣传教育力度,使人们充分认识到水资源的重要性以及当前水资源与环境间的重重矛盾,走出“先污染,后治理”的发展困境。政府在加大水资源治理投资力度的同时,要加强资金的监管与落实,优先推行和完善水资源循环利用体系,积极借鉴和探索水资源保护方法,引导社会尽快越过库茨涅茨曲线的污染拐点,构建WEE系统各要素协同并进的科学发展模式。

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

被引期刊影响因子

[1]	Färe R, Grosskopf S, Lovell C A K, et al. Multilateral productivity comparisons when some outputs are undesirable: A nonparametric approach [J]. The Review of Economics and Statistics, 1989, 71(1): 90-98. https://doi.org/10.2307/1928054 URL [本文引用: 1] 摘要 Multilateral productivity comparisons of firms producing multiple outputs, some of which are undesirable, are obtained by making two modifications to the standard Farrell approach to efficiency measurement. The restriction that production technology satisfy strong disposability of outputs is relaxed to allow for the fact that undesirable outputs may not be freely disposable, and the efficiency measures are modified to allow for an asymmetric treatment of desirable and undesirable outputs. Performance measures that satisfy these requirements are calculated as solutions to programming problems. The methodology is applied to a sample of mills producing paper and pollutants. Copyright 1989 by MIT Press.
[2]	Hwang S N, Chen C, Chen Y, et al. Sustainable design performance evaluation with applications in the automobile industry: Focusing on inefficiency by undesirable factors [J]. Omega, 2013, 41:553-558. https://doi.org/10.1016/j.omega.2012.07.002 URL [本文引用: 1] 摘要 Design for the environment (DfE) has been recognized as one of the most important practices for achieving sustainability. One major challenge in DfE implementation is how to effectively deal with the mix of the both the desirable outputs (to maintain or improve traditional product attributes) and the undesirable outputs (to reduce environmental impacts) in the design process. In this paper, we develop a new Data Envelopment Analysis (DEA) model for DfE performance evaluation where the simultaneous increase of desirable outputs and decrease of undesirable outputs are considered with a focus on identifying inefficiency as a result of higher levels of undesirable performance. We show that our proposed method is capable of establishing a benchmark with lower undesirable outputs for an inefficient decision making unit (DMU) than other models in the existing literature. We also use empirical data to demonstrate the applications of our DEA model in evaluating the sustainable design performances of different vehicle designs for the automobile industry. By treating the undesirable factors as the dominating factors in evaluating a DMU's sustainable design performance, our model can help identify the most eco-efficient way to improve the performance attributes of a product while minimizing its various negative impacts, such as greenhouse gas emissions, water pollution, and solid wastes, on the natural environment.
[3]	Sueyoshi T, Goto M. DEA environmental assessment in a time horizon: Malmquist index on fuel mix, electricity and CO₂ of industrial nations [J]. Energy Economics, 2013, 40: 370-382. https://doi.org/10.1016/j.eneco.2013.07.013 URL Magsci [本文引用: 1] 摘要 Climate change and global warming become a major policy issue in the world. Economic activities produce not only desirable outputs (e.g., electricity) but also undesirable outputs (e.g., CO2 emission). The important policy issue is how each nation can balance between economic development and environmental protection to attain a sustainable society. In attaining the sustainable society, environmental assessment is increasingly important because it can serve as an initial step toward the green growth of each nation. For the purpose, this study proposes a new use of DEA (Data Environment Analysis) for environmental assessment in a time horizon. The proposed use of DEA incorporates Malmquist index to examine the degree of a frontier shift among multiple periods. The frontier shift indicates a technology progress and/or managerial innovation during an observed period. The index is conceptually separated into six subcomponents, which are further divided into twelve different subcomponents (six subcomponents x two disposability concepts) under the natural and managerial disposability. In the index measurement, it is necessary for us to consider a frontier crossover among different periods because technology innovation usually has a time lag until it really appears. As an empirical application, this study utilizes the proposed approach to identify the relationship among fuel mix, electricity and CO2 of ten industrial nations. This study finds three important empirical findings. First, there is a time lag in technology innovation on electricity generation and CO2 emission reduction. Consequently, it is necessary to consider the existence of a frontier crossover in assessing the electric power industry. Second, nuclear generation, as found in France, as well as hydro and renewable energy, as found in Netherlands, are important for the development of a sustainable society although the former is associated with a very high level of risk and the latter has a limited generation capacity. Finally, the electric power industry has been making a corporate effort to reduce the amount of CO2 emission by utilizing nuclear and renewable energy. (C) 2013 Elsevier B.V. All rights reserved.
[4]	Cruz N F, Carcalho P, Marques R C. Disentangling the cost efficiency of jointly provided water and wastewater services [J]. Utilities Policy, 2013, 24(5): 70-77. https://doi.org/10.1016/j.jup.2012.09.002 URL [本文引用: 1] 摘要 Providing operators with objective incentives for cost efficiency and continuous improvement in the provision of public services are major concerns for regulators. Measuring efficiency empirically is complex and this complexity is accentuated when the same operator is responsible for delivering more than one service (e.g. in order to explore potential economies of scope). Based on a sample of operators that provide water and wastewater services, this paper uses a shared input data envelopment analysis model to measure separately the efficiency of each service. The results show that a single measure may not provide enough information for monitoring multi-utilities. Together with other indicators, the proposed model can assist decision-makers in prioritizing efforts to improve overall efficiency.
[5]	孙才志, 谢巍, 邹玮. 中国水资源利用效率驱动效用测度及空间驱动类型分析 [J]. 地理科学, 2011, 31(10): 1213~1221. Magsci [本文引用: 1] 摘要综合考虑产业用水效率、产业用水结构、经济水平、水资源禀赋及水资源开发利用率5个因素对中国用水效率的影响,基于扩展的Kaya恒等式建立因素分解模型,应用LMDI分解方法对1997~2008年中国用水效率变化进行分解分析,计算各驱动效应因素的相对贡献率,测度它们的影响程度和方向。结果表明:产业用水效率效应和经济水平效应是影响中国用水效率变化的最显著因素。通过计算各驱动效应的绝对贡献率,采用最小方差法将中国31个行政区(港澳台除外)确定为4种空间驱动类型,进而分析用水效率变化驱动效应的分布特点。研究结果对于正确理解中国用水效率的变化与经济发展之间的关系以及产业结构的调整与可持续发展研究具有一定的参考价值。
[6]	Bian Y W, Yan S, Xu H. Efficiency evaluation for regional urban water use and wastewater decontamination systems in China: a DEA approach [J]. Resources, Conservation and Recycliong, 2014, 83(5): 15-23. https://doi.org/10.1016/j.resconrec.2013.11.010 URL [本文引用: 1] 摘要 Rapid economic growth and urbanization in China have resulted in great water consumption in recent years. China has been facing increasingly severe water shortage crisis, especially in urban areas. This paper focuses on performance analysis for regional urban water use and wastewater decontamination systems in China. To this end, a DEA-based approach is developed. In the proposed approach, the efficiency of the system is decomposed into water use efficiency and wastewater decontamination efficiency. In the wastewater decontamination sub-system, the purified wastewater (reusable water) is treated as a desirable output; while in the water use sub-system, it is incorporated as a fixed input, which cannot be decreased in the process of efficiency optimization. The efficiency of the system is defined as the average of the two sub-systems鈥 efficiencies. The proposed approach can find inefficiencies caused by the internal factors between sub-systems, which cannot be identified using the traditional DEA approaches. We finally apply the proposed approach to analyze the efficiencies of regional urban water use and wastewater decontamination systems in China. Based on the application results, some findings and implications for efficiency improvement of urban water management in China are achieved.
[7]	赵良仕, 孙才志, 郑德凤. 中国省级水资源利用效率与空间溢出效用测度 [J]. 地理学报, 2014, 09(1): 121~133. [本文引用: 2]
[8]	程开明, 庄燕杰. 城市体系位序-规模特征的空间计量分析——以中部地区地级以上城市为例 [J]. 地理科学, 2012, 32(8): 903~912. URL Magsci [本文引用: 1] 摘要随着“中部崛起”战略的实施，中部地区的城市快速发展并引起广泛关注。为增进对中部地区城市体系发展规律的认识，根据1985～2009年城市人口数据，利用非参数密度估计方法得到该地区地级以上城市的Kernel密度图，发现城市规模的核密度曲线不断右移，城市整体规模日益扩大；采用空间计量模型对该地区地级以上城市的位序-规模特征进行分析，结果显示城市间的空间依赖性使空间滞后模型估计的Zipf指数值比OLS估计结果要小，表明考虑空间效应的城市体系规模分布更为集中。随后进一步解析空间依赖性影响城市规模结构演化的内在机制，认为要素集聚、产业调整和创新扩散等造成的空间相互作用提供了空间依赖性赖以存在的基础，影响城市体系的演化和位序-规模变动，使城市体系规模分布更趋均衡。结论对于明晰城市在区域城市体系中的定位，确定合理的发展战略具有参考价值。
[9]	Tone K. Dealing with undesirable outputs in DEA: A slacks-based measure (SBM) approach [R]. GRIPS Research Report Seires,2003-2005. [本文引用: 1]
[10]	汪克亮, 杨力, 杨宝臣, 等. 能源经济效率、能源环境绩效与区域经济增长 [J]. 管理科学, 2013, 26(3):86~99. https://doi.org/10.3969/j.issn.1672-0334.2013.03.009 URL [本文引用: 1] 摘要以资本、劳动和能源作为投入变量,以各省份GDP为期望产出变量,以二氧化碳排放量为非期望产出变量,在全要素生产理论框架下,基于DEA方法定义能源利用的经济效率和能源利用的环境绩效两类能源效率指数;运用非径向、非角度的SBM模型测算2000年至2010年中国各省份的能源经济效率和能源环境绩效及其分解指数,分析其演变规律与地区差异性;基于环境库兹涅茨曲线理论实证分析中国能源经济效率和能源环境绩效及其分解指数与区域经济增长之间的关系。研究结果表明,样本期内,中国能源经济效率和能源环境绩效整体水平均较低,地区差异明显,节能减排潜力巨大;能源经济效率和能源环境绩效及其分解指数与经济增长之间存在倒U形或U形曲线关系;产业结构、人口密度、能源结构和外资利用对能源经济效率和能源环境绩效均有显著影响,但是影响机制存在差异。
[11]	Cooper W W, Huang Z M, Li S X, et al. Efficiency Aggregation with Enhanced Russell Measures in Data Envelopment Analysis [J], Socio-Economic Planning Sciences, 2007, 41(1): 1-21. https://doi.org/10.1016/j.seps.2006.03.001 Magsci [本文引用: 1] 摘要 <h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">In aggregation for data envelopment analysis (DEA), a jointly determined aggregate measure of output and input efficiency is desired that is consistent with the individual decision making unit measures. An impasse has been reached in the current state of the literature, however, where only separate measures of input and output efficiency have resulted from attempts to aggregate technical efficiency with the radial measure models commonly employed in DEA. The latter measures are “incomplete” in that they omit the non-zero input and output slacks, and thus fail to account for all inefficiencies that the model can identify. The Russell measure eliminates the latter deficiency but is difficult to solve in standard formulations. A new approach has become available, however, which utilizes a ratio measure in place of the standard formulations. Referred to as an enhanced Russell graph measure (ERM), the resulting model is in the form of a fractional program. Hence, it can be transformed into an ordinary linear programming structure that can generate an optimal solution for the corresponding ERM model. As shown in this paper, an aggregate ERM can then be formed with all the properties considered to be desirable in an aggregate measure—including jointly determined input and output efficiency measures that represent separate estimates of input and output efficiency. Much of this paper is concerned with technical efficiency in both individual and system-wide efficiency measures. Weighting systems are introduced that extend to efficiency-based measures of cost, revenue, and profit, as well as derivatives such as rates of return over cost. The penultimate section shows how the solution to one model also generates optimal solutions to models with other objectives that include rates of return over cost and total profit. This is accomplished in the form of efficiency-adjusted versions of these commonly used measures of performance.</p>
[12]	姜磊, 季民河. 基于STIRPAT 模型的中国能源压力分析——基于空间计量经济学模型的视角 [J]. 地理科学, 2011, 31(9): 1072~1077. URL [本文引用: 1] 摘要 21世纪的中国已成为世界第一大能源消费国,迅猛而粗放的经济发展对能源的需求和依赖倍增,这给能源生产和供给带来巨大压力。由于产业结构和区位的异同,各省的能耗呈现空间异质和空间趋同;部分能耗通过空间效应来解释,可以改正传统能耗模型的估计偏差。采用能源消费总量作为环境压力的衡量指标,以STIRPAT模型为基础,将能源消费的空间效应纳入到STIRPAT模型进行空间计量分析。结果发现,中国省域能源消费在空间上存在依赖性,人口、社会富裕度和第二产业比重与能源消费皆为正相关,随着人口、社会富裕度和第二产业比重的增加,对能源消费的弹性系数逐渐增加。适当地控制人口、社会倡导低碳生活以及节能降耗均能缓解能源压力,同时制定差异化的区域能源消费调控措施也很有必要。
[13]	冯烽, 叶阿忠. 技术溢出视角小技术进步对能源消费的回弹效应研究 [J]. 财经研究, 2012, 38(9): 123~133. [本文引用: 1]
[14]	国家统计局. 中国统计年鉴2009~2013[M]. 北京: 中国统计出版社, 2009~2013. [本文引用: 1]
[15]	国家统计局. 中国环境统计年鉴2009~2013[M]. 北京: 中国统计出版社, 2009 ~ 2013. [本文引用: 1]
[16]	苏梽芳, 胡日东. 中国FDI区域分布决定因素的动态演变与地理溢出程度——基于空间面板数据的实证研究 [J]. 经济地理, 2008, 28(1): 16~20. URL [本文引用: 1] 摘要外商直接投资(Foreign Direct Investment,简称FDI)的空间依赖性已得到越来越多文献的证实,但FDI区位选择决定因素实证研究方面,大多数文献都忽略了这种空间依赖性, 直接导致模型估计结果无法令人信服.文章利用最新发展的空间面板数据模型研究中国区域FDI决定因素的动态演变,在模型中纳入空间效应后,发现:[1]模型的估计结果比OLS估计更为稳健;[2]吸引FDI的传统因素依然存在,但作用已弱化,然而新经济地理所揭示的贸易成本、集聚效应等传导机制的作用日益凸现;[3]相邻省份的空间溢出效应显著地影响FDI的区域分布,一省FDI的增加对相邻地区FDI流入有正向影响.
[17]	张可云, 傅帅雄, 张文彬. 基于改进生态足迹模型的中国31个省级区域生态承载力实证研究 [J]. 地理科学, 2011, 31(9): 1084~1089. URL [本文引用: 1] 摘要发达地区通过向欠发达地区转移污染型行业,导致污染由发达地区向欠发达地区转移。同样,在资源的开发利用过程中,生态破坏在区域之间也存在着明显的间接转移。一个地区使用了大量的生态资源,但其绝大部分资源都可能是靠输入,在这种情况下,输入资源地区的生态系统受到了很好的保护,而输出资源地区的生态系统却承受了巨大的生态压力。通过实证研究,应用改进生态足迹模型分析比较了2008年中国31个省市区生态承载力,并讨论了区域间生态破坏转移问题,为实现以生态文明为核心价值取向的区域协调发展战略目标提供决策参考。
[18]	许和连, 邓玉萍. 外商直接投资导致了中国的环境污染吗?——基于中国省级面板数据的空间计量研究 [J]. 管理世界, 2012, (2): 30~43. [本文引用: 1]

Lovell C A K, et al. Multilateral productivity comparisons when some outputs are undesirable: A nonparametric approach

1989

... 近年来,经济发展的环境效率和水资源的利用效率皆已成为国内外学者研究的热点问题.而自1989年Färe等人率先建立考虑非期望产出的数据包络分析（DEA）环境效率评价模型以来,DEA俨然成为环境效率最常用的测度方法之一^[1].DEA衡量环境效率主要存在两种测度方法,一是利用考虑非期望产出的CCR、BCC、SBM等DEA模型来衡量某一阶段的经济环境效率^[2];二是通过DEA-Malmquist指数方法来衡量某一时期内经济环境效率的动态变化^[3].水资源效率的研究主要集中在用水效率和污水处理效率上^[4].其中,学者们不仅使用了LMDI^[5]、DEA^[6]等多种方法对效率进行测度,部分研究还考虑了效率之间的空间效应^[7]. ...

Sustainable design performance evaluation with applications in the automobile industry: Focusing on inefficiency by undesirable factors

2013

DEA environmental assessment in a time horizon: Malmquist index on fuel mix, electricity and CO₂ of industrial nations

2013

Disentangling the cost efficiency of jointly provided water and wastewater services

2013

中国水资源利用效率驱动效用测度及空间驱动类型分析

2011

Efficiency evaluation for regional urban water use and wastewater decontamination systems in China: a DEA approach

2014

中国省级水资源利用效率与空间溢出效用测度

2014

... Moran指数是分析数据之间空间分异规律的常用方法.然而对于面板数据而言,Moran指数难以计算.所以,为了更加深入的分析效率的空间分异规律,笔者参照前人研究,通过多截面平均的方法计算整体技术效率的Moran指数^[7,16].结果显示,WEE系统整体技术效率的Moran值为0.443 8,存在显著的空间关联性.在此基础上,绘制局部LISA空间聚集图,具体如图3所示. ...

城市体系位序-规模特征的空间计量分析——以中部地区地级以上城市为例

2012

... 虽然经济发展的环境效率及水资源效率研究日趋丰满,却鲜有涉及水资源-经济-环境（WEE）系统的研究.WEE系统是个复杂的开放系统,其效率受到外界多种因素的影响.而DEA方法虽然可以快速准确地衡量其效率,却很难发现这种影响的存在.根据地理学第一定律：“任何事物之间总是相关的,而距离近的事物的相关性要比距离远的事物之间大”^[8],难免存在相互影响的空间相关性.这种空间相关性在传统社会经济环境系统的研究中却常常被忽略.针对以上问题,本文采用考虑非期望因素的SBM模型分别对2012年中国31个省市水资源经济环境的整体技术效率、纯技术效率、规模效率和规模收益情况进行衡量;随后,借助空间计量方法,研究整体技术效率的空间分异规律,分析空间效应、水资源禀赋、政府重视程度等因素对3种效率的影响,最后得出提高WEE效率的方法路径. ...

Dealing with undesirable outputs in DEA: A slacks-based measure (SBM) approach

2003-2005

... DEA是基于投入产出数据的决策单元（DMU）相对有效性评价的评价方法.本文结合实际问题,采用Tone提出的考虑非期望产出的非角度非径向的松弛变量方法（SBM）模型来对WEE效率进行测度^[9].其模型描述如下： ...

能源经济效率、能源环境绩效与区域经济增长

2013

... 式中

\begin{matrix} s^{-}, s^{g}, s^{b} \end{matrix}

分别是x,

\begin{matrix} y^{g} \end{matrix}

\begin{matrix} y^{b} \end{matrix}

的松弛量,

\begin{matrix} λ \end{matrix}

为权重向量,X,

\begin{matrix} Y^{g} \end{matrix}

\begin{matrix} Y^{b} \end{matrix}

为投入产出矩阵.当

\begin{matrix} θ_{0}^{TE} \end{matrix}

=1时,

\begin{matrix} DM U_{0} \end{matrix}

整体技术有效;否则即通过投入产出松弛量改进效率.整体技术效率又可拆分为纯技术效率和规模效率,纯技术效率用于衡量技术水平、管理模式等因素对生产效率的影响,规模效率用于反映规模因素对生产效率的影响^[10].若令式（1）中的

\begin{matrix} λ \end{matrix}

满足

\begin{matrix} Eλ = 1 \end{matrix}

的约束条件,即为规模收益可变的SBM模型,所求目标值

\begin{matrix} θ_{0}^{PTE} \end{matrix}

为

\begin{matrix} DM U_{0} \end{matrix}

的纯技术效率,其中

\begin{matrix} E \end{matrix}

为单位向量.规模效率可表示为

\begin{matrix} θ_{0}^{SE} = \frac{θ_{0}^{TE}}{θ_{0}^{PTE}} \end{matrix}

.Cooper等认为,可以通过DMU的规模收益状态来衡量其是否具有规模效应,即规模的增大带来经济效益的提高^[11].其判断标准为：若

\begin{matrix} λ^{*} \end{matrix}

为式（1）中的最优权重,则

\begin{matrix} \sum λ \end{matrix}

的值大于、等于、小于1,分别对应着DMU规模收益递减、不变和递增. ...

Efficiency Aggregation with Enhanced Russell Measures in Data Envelopment Analysis

2007

... 式中

\begin{matrix} s^{-}, s^{g}, s^{b} \end{matrix}

分别是x,

\begin{matrix} y^{g} \end{matrix}

\begin{matrix} y^{b} \end{matrix}

的松弛量,

\begin{matrix} λ \end{matrix}

为权重向量,X,

\begin{matrix} Y^{g} \end{matrix}

\begin{matrix} Y^{b} \end{matrix}

为投入产出矩阵.当

\begin{matrix} θ_{0}^{TE} \end{matrix}

=1时,

\begin{matrix} DM U_{0} \end{matrix}

\begin{matrix} λ \end{matrix}

满足

\begin{matrix} Eλ = 1 \end{matrix}

的约束条件,即为规模收益可变的SBM模型,所求目标值

\begin{matrix} θ_{0}^{PTE} \end{matrix}

为

\begin{matrix} DM U_{0} \end{matrix}

的纯技术效率,其中

\begin{matrix} E \end{matrix}

为单位向量.规模效率可表示为

\begin{matrix} θ_{0}^{SE} = \frac{θ_{0}^{TE}}{θ_{0}^{PTE}} \end{matrix}

.Cooper等认为,可以通过DMU的规模收益状态来衡量其是否具有规模效应,即规模的增大带来经济效益的提高^[11].其判断标准为：若

\begin{matrix} λ^{*} \end{matrix}

为式（1）中的最优权重,则

\begin{matrix} \sum λ \end{matrix}

的值大于、等于、小于1,分别对应着DMU规模收益递减、不变和递增. ...

基于STIRPAT 模型的中国能源压力分析——基于空间计量经济学模型的视角

2011

... 一般来说,空间数据基本都具有空间依赖或空间自相关的特性,这种联系可以通过空间滞后模型（SLM）或空间误差模型（SEM）进行描述^[12].本文采用SEM来进行中国WEE效率之间的空间效应分析,模型表示如下： ...

技术溢出视角小技术进步对能源消费的回弹效应研究

2012

... 式中,

\begin{matrix} Y_{it}, X_{it}, β_{it} \end{matrix}

分别表示地区

\begin{matrix} i \end{matrix}

在时期t的因变量、自变量、变量系数;

\begin{matrix} ε_{it}, μ_{it} \end{matrix}

分别表示残差和随机扰动;λ,W表示空间误差相关系数和空间权重矩阵.由于区域间环境效率的空间相关性不仅局限于拥有共同边界的地区之间,而且还取决于区域的经济发展水平.区域的经济发展水平越强,则对其他区域的吸引力越大,空间溢出效应越明显.因此,本文采用冯烽等使用的基于万有引力定律的空间权重设定法来确定空间权重矩阵^[13].其方法如下： ...

2013

... 本研究指标数据来自《中国统计年鉴》（2009~2013年）^[14]、《中国环境统计年鉴》（2009~2013年）^[15].需要注意的是,2008~2010年的COD排放总量不包含农业COD排放量.因此为了保证可比性,2011~2012年的COD排放总量需要除去农业排放的部分.空间权重矩阵所用的各地区空间数据来源于国家基础地理信息中心. ...

2013

中国FDI区域分布决定因素的动态演变与地理溢出程度——基于空间面板数据的实证研究

2008

基于改进生态足迹模型的中国31个省级区域生态承载力实证研究

2011

... 与笔者事先设想不一致的有：首先,政府重视程度对整体技术效率存在负向影响,虽然该影响并不明显,即政府对废水治理投资的费用越多,WEE效率越低.导致这种现象的原因可能是：①长期“先污染,后治理”的行为,形成污染物排放量越高,政府的重视越高的这种本末倒置的治理思路;②从国家层面上看,经济发展仍旧处于库茨涅茨曲线的左半段,许多地区废水治理投资的增长还赶不上其污染物排放及GDP增长的速度,从而导致污染治理效果不佳的假象;③水治理投资资金去向监管不严、企业自身缺乏治理废水的积极性,出现数据失真、效率低下等问题.其次,外资依存度对无论对WEE纯技术效率,还是规模效率,均存在正向的影响,但对纯技术效率的影响微弱,仅为0.094.一直以来,关于FDI与环境污染关系的研究主要分为两种观点,一是“污染避难所”假说^[17];二是FDI不仅不会恶化东道国的环境,反而对环境改善有促进作用^[18].就其对WEE效率影响而言,本文研究在一定程度上支持第二种观点,但这种改善更大程度上来源于FDI生产活动中显著的规模效益特征.FDI确实带来是先进的技术设备和管理理念,而与之并存的是一些对水体污染严重的产业转移,因此,对WEE纯技术效率而言,外资依存度的影响并不明显. ...

外商直接投资导致了中国的环境污染吗?——基于中国省级面板数据的空间计量研究

2012

〈

〉

基于空间视角的水资源经济环境效率评价

Efficiency Eevaluation of Water Resource-economic-environment System Based on Spatial Perspective

1 研究方法

1.1 DEA方法

1.2 空间计量方法

2 实证分析

2.1 变量关系与数据来源

2.2 环境效率评价结果分析

2.3 基于多截面数据的空间分异规律分析

2.4 基于面板数据的空间效应分析

3 结论与启示

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子