李成宇
, 张士强
Li Chengyu, Zhang Shiqiang
中图分类号: F205;F062.2;X22
文献标识码: A
文章编号: 1000-0690（2018）12-1970-09
收稿日期: 2017-11-28
修回日期: 2018-01-29
网络出版日期: 2018-12-20
版权声明: 2018 《地理科学》编辑部 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.
基金资助:
作者简介:
作者简介：李成宇(1990-),男,山东青州人,博士研究生,主要从事能源经济研究。E-mail:lig@nwu.edu.cn
展开
摘要
将中国30省市（不含港、澳、台和西藏地区）作为研究对象,进行省际工业生态效率空间分布及影响因素研究。首先构建中国省际工业生态效率评价指标体系,其次利用DEA-BCC模型结合Malmquist指数对2006~2015年中国30省市在时空两个维度上的工业生态效率进行测算,再次运用Geoda软件分析中国工业生态效率的空间分布特征,最后通过空间误差模型对中国工业生态效率的影响因素进行检验。研究结果表明：① 中国工业生态效率虽呈现小幅度下降趋势,但整体效率水平较高;30省市之间存在明显差异性,呈现出东部>中部>西部的分布格局。② 中国工业生态效率Malmquist指数增长率水平较高;30省市Malmquist指数均为正向增长,呈现出稳定增长趋势;技术进步效率是Malmquist指数的主要推动力。③ 中国30省市工业生态效率呈现正向空间自相关性,且存在明显的集聚状态,近邻效应显著。④ 中国省际工业生态效率的主要影响因素有经济发展水平、产业结构、政府规制、技术进步、外商投资和产业集聚。
关键词：
Abstract
Taking 30 provinces and cities of China as research objects, the spatial distribution and influencing factors of inter provincial industrial eco-efficiency are studied. The article sets up the evaluation index system of Chinese provincial industrial eco-efficiency. Combined with the Malmquist index model, the DEA-BCC model is used to measure the industrial eco-efficiency spatio-temporally in 2006-2015. And Goda software is used to analyze the spatial distribution characteristics of industrial ecological efficiency. Finally, the influencing factors of China's industrial eco-efficiency is examed through the spatial error model. The results show that: 1) China's industrial eco-efficiency, although showing a slight downward trend, but the overall high level of efficiency; there are obvious differences between the 30 provinces, showing a distribution pattern of the eastern> Central> West. 2) China's industrial eco-efficiency Malmquist index higher growth rates; Malmquist index of 30 provinces and cities are positive growth, showing a steady growth trend; improve efficiency technology is the main driving force Malmquist Index. 3) China 30 provinces and industrial eco-efficiency presents a positive spatial autocorrelation, and there is a significant gathering state, the neighbor effect is significant. 4) The level of economic development, industrial structure, government regulations, technological progress, foreign investment, and industrial agglomeration are the main factors affecting the eco-efficiency of the provinces.
Keywords：
改革开发以来,中国工业发展迅速,现已成为中国经济腾飞的重要推动力。然而,近30 a来,中国工业主要依靠高消耗、高污染的粗放式发展模式,这种模式在推动中国工业发展的同时,也会产生严重的环境污染、生态破坏等问题。随着时间的推移,这些问题已逐渐凸显出来,成为制约中国工业发展的重要因素,如不及时转变这种粗放式发展模式,中国工业强国的目标将难以实现。当前,中国正处于工业转型升级的关键期,处理好工业发展与生态环境之间的关系,提高发展过程中的生态效率成为急需解决的问题。因此,研究中国工业生态效率,对于制定相关政策、转变工业发展模式、促进工业生态和谐发展具有现实意义。
1990年美国学者Schaltegger等提出生态效率的概念[1],1996年BASE集团从产品生产角度界定生态效率的概念,1998年DECD将概念扩大到政府、工业企业及其他组织[2]。至此,生态效率得到学术界和企业界广泛认可和接受,成为衡量经济与环境协调发展的重要参考。现阶段,生态效率的研究主要集中在应用和测算两方面。在生态效率应用方面,国内外学者已将其广泛的应用到区域[3,4]、城市[5,6]、产业[7,8]、行业[9,10]、工业园区[11]、产品[12]等不同领域,已取得一些成果。在生态效率测算方面,按照技术方法可分为两类;一类是建立生态效率指标体系,构建综合指数 [13,14]的研究;一类是采用DEA及其扩展方法对生态效率进行测算 [4,15,16]。关于工业生态效率方面的研究也已趋于成熟,研究尺度以区域、城市为主,研究方法则以DEA及其扩展方法为主,同时大多数研究能够在测算工业生态效率的基础上进行工业生态效率影响因素的分析,使研究具有一定深度 [14,17~21]。可以看出,现有文献对中国工业生态效率的研究已较为深入,但仍存在以下几个不足之处：一是工业生态效率指标体系不完善,仅选取少数几个指标作为资源环境消耗投入,不能全面的反映工业生态效率的真实水平;二是研究多以静态工业生态效率为主,缺少动态工业生态效率方面的研究,无法从时、空两个维度出发来反映工业生态效率;三是工业生态效率影响因素的检验以Tobit、多元线性回归等传统计量模型为主,利用空间计量模型进行检验的研究少。基于此,本文首先构建中国省际工业生态效率评价指标体系,然后利用DEA-BCC模型结合Malqumist指数模型测算2006~2015年间中国30省市在时空两个维度上的工业生态效率,随后通过空间自相关模型探讨中国工业生态效率的空间特性,最后采用空间计量模型检验中国工业生态效率的影响因素。
1） DEA模型。DEA模型包括CCR模型和BCC模型,1978年Charnes等人提出CCR模型,用于测算规模报酬不变下的效率,随后Banker等人又对CCR模型进行修正,提出考虑规模报酬可变的BCC模型。DEA作为一种非参数分析模型,具有精确、可比、易分解等优势,并能很好地体现不同区域间效率的差别,本文选择DEA模型来进行静态测算,以期科学准确的体现中国省际工业生态效率的真实水平。又因为投入量要远比其产出量更容易控制,因此本文选择投入导向型DEA-BCC模型,具体详见参考文献[22,23]。
2） Malmquist指数模型。Malmquist指数模型由瑞典经济学家Sten Malmquist提出,后经Fare等人的发展,使得Malmquist指数得到广泛应用。由于BCC模型仅能通过截面数据进行单期效率比较分析,无法运用面板数据,从时间维度上测度效率动态变化趋势,而Malmquist指数模型则能很好的弥补这一不足,本文选择Malmquist指数模型来进行动态测算,以期更好的反映中国省际工业生态效率的动态变化趋势,具体详见参考文献[24]。
3） 空间自相关分析。空间自相关作为检验空间单元属性聚集程度的度量方法,分为全局和局部两类。全局反映整个研究区域内空间相关性的总体趋势,局部反映区域间的空间关系。空间自相关作为定量研究区域空间问题的重要方法,能够将数据与图形有效结合,全面展示空间分布差异性及相似性,真正做到数值与二维空间上的统一,因此,本文选择Moran's I来测度全局空间自相关,以此来反映中国省际工业生态效率的空间分布特征,具体公式详见参考文献[25]。
4） 空间计量模型。空间计量模型是一种能够有效解决被考察变量之间存在的空间依赖性及空间相关性问题的分析工具,主要包括空间滞后模型和空间误差模型。由于普通回归模型会因空间因素影响低估或高估某些因素的影响作用,使得结果不够准确,鉴于此,本文选择能够考虑空间因素的空间计量模型来检验中国省际工业生态效率的影响因素,具体详见参考文献[26]。
1.2.1 评价指标体系构建
工业生态效率的核心思想“少投入多产出”符合DEA对投入产出指标的要求。因此,本文参考前人研究[5,27],将资源消耗、环境污染作为投入指标,将工业增加值作为产出指标,构建科学可比的中国省际工业生态效率评价指标体系,如表1所示。
表1 中国省际工业生态效率评价指标体系
Table 1 Index system for evaluation of industrial ecological efficiency in China
| 指标 | 类别 | 具体指标 | 说明 |
|---|---|---|---|
| 投入指标 | 资源消耗 | 能源消耗 | 工业能源消费量 |
| 土地消耗 | 工业用地面积 | ||
| 水资源消耗 | 工业用水总量 | ||
| 劳动力消耗 电力消耗 | 工业就业人数 工业用电量 | ||
| 环境污染 | 废水排放 | 工业废水排放量 | |
| 工业化学需氧量排放量 | |||
| 工业氨氮排放量 | |||
| 工业二氧化碳排放量 | |||
| 废气排放 | 工业二氧化硫排放量 | ||
| 工业烟粉尘排放量 | |||
| 工业废气排放量 | |||
| 固体排放 | 工业固体废物排放量 | ||
| 产出指标 | 经济发展总量 | 工业增加值 |
1.2.2 空间计量影响因素选取
工业生态效率的影响因素众多,本文参考已有文献[17,18,19,20,21],选择经济发展水平、产业集聚、产业结构、对外开放程度、政府规制、技术进步和外商投资7个指标,作为影响工业生态效率的因素。其中经济发展水平以人均GDP衡量,产业集聚以区位熵计算结果衡量,产业结构以第二产业占GDP比重衡量,对外开放程度以规模以上企业出口交货值衡量,政府规制以工业污染治理投资额衡量,技术进步以发明专利拥有数衡量,外商投资以外商直接投资占GDP比重衡量。
所有数据均来历年《中国统计年鉴》[28]、《中国能源年鉴》[29]、《中国工业经济年鉴》[30],并结合30省市相关统计资料进行修正。考虑到港澳台及西藏地区数据可获取性差,故未作考虑。由于DEA测算要求数据样本数量要满足大于投入产出指标之和的3倍或投入产出指标乘积的要求,但本文年度样本数量有限,且环境污染指标过多,因此参考吴琦[31]的处理方法利用主成分分析法对环境污染指标进行降维处理,将其拟合成1个指标。
本文从静态和动态两个角度测算中国省际工业生态效率变化情况。静态测算反映的是生态效率的水平;动态测算则反映的是生态效率的增长率变动趋势,数值大于1说明提高,小于1表示降低。
从图1可以看出,2006~2015年间中国工业生态效率虽呈现出小幅度下降趋势,但整体效率水平较高,各项效率值都较为平稳,其中综合效率在0.75~0.80之间波动,纯技术效率都处于0.8~0.9之间,规模效率则始终保持在0.9以上的高位状态。
图1 2006~2015年中国省际工业生态效率整体变动趋势
Fig.1 The provincial industrial ecological efficiency in China in 2006-2015
进一步观察表2可知,中国工业生态效率的综合效率均值、纯技术效率均值、规模效率均值分别为0.790、0.853、0.927,说明当前中国工业生态效率处于较高水平。具体各省市来看,北京、天津、山东、广东、内蒙古、黑龙江6省市的综合效率值为1,处于前沿面上,其他24个省市均存在不同程度的无效率状态。江苏、福建、浙江、河北、新疆、云南6省综合效率值水平也比较高,均在0.8之上,而宁夏、贵州、甘肃3省的综合效率值最低,均低于0.6,其他省份的综合效率值则处于0.6~0.8之间。可以看出,中国各省市之间存在明显的差异性,效率高的省市集中在东部地区,而效率低的省市集中在中部和西部地区,呈现出东部>中部>西部的分布格局。东部地区优越的地理位置,雄厚的经济、工业、科技实力,在纯技术效率和规模效率上有很大优势。中部地区作为中国重要的工业基地,工业化程度高,在规模效率上具有优势,但缺少先进管理经验、技术工艺的支持,在纯技术效率方面存在不足。西部地区经西部大开发战略耕耘,在技术、管理、人才等方面已有长足进步,纯技术效率和规模效率都有很大提升,但整体上仍低于东中部地区。
表2 2006~2015年中国省际工业生态效率均值及分解结果
Table 2 Chinese inter-provincial industrial ecological efficiency mean value and decomposition results in 2006-2015
| 省份 | 综合 效率 | 纯技术 效率 | 规模 效率 | 省份 | 综合 效率 | 纯技术 效率 | 规模 效率 | 省份 | 综合 效率 | 纯技术 效率 | 规模 效率 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 北京 | 1 | 1 | 1 | 云南 | 0.819 | 0.847 | 0.966 | 广西 | 0.677 | 0.688 | 0.985 |
| 天津 | 1 | 1 | 1 | 河北 | 0.816 | 0.983 | 0.829 | 重庆 | 0.674 | 0.715 | 0.942 |
| 山东 | 1 | 1 | 1 | 陕西 | 0.804 | 0.811 | 0.991 | 湖北 | 0.622 | 0.661 | 0.939 |
| 广东 | 1 | 1 | 1 | 吉林 | 0.798 | 0.816 | 0.977 | 山西 | 0.618 | 0.627 | 0.985 |
| 黑龙江 | 1 | 1 | 1 | 河南 | 0.795 | 0.995 | 0.798 | 安徽 | 0.605 | 0.615 | 0.984 |
| 内蒙古 | 1 | 1 | 1 | 海南 | 0.762 | 1 | 0.762 | 甘肃 | 0.58 | 0.644 | 0.901 |
| 上海 | 0.998 | 1 | 0.998 | 青海 | 0.757 | 1 | 0.757 | 贵州 | 0.512 | 0.64 | 0.812 |
| 江苏 | 0.922 | 0.997 | 0.925 | 江西 | 0.752 | 0.756 | 0.994 | 宁夏 | 0.502 | 0.832 | 0.618 |
| 福建 | 0.892 | 0.942 | 0.946 | 辽宁 | 0.735 | 0.815 | 0.904 | 东部 | 0.906 | 0.966 | 0.937 |
| 浙江 | 0.838 | 0.889 | 0.94 | 湖南 | 0.696 | 0.726 | 0.957 | 中部 | 0.736 | 0.775 | 0.954 |
| 新疆 | 0.827 | 0.855 | 0.964 | 四川 | 0.688 | 0.729 | 0.945 | 西部 | 0.713 | 0.796 | 0.898 |
本文选用Malmquist指数法测算分析中国省际工业生态效率的动态变化趋势,得到2006~2015年 中国省际工业生态效率Malmquist指数变动趋势（图2）以及2006~2015年中国省际工业生态效率的Malmquist指数及分解结果（表3）。
图2 2006~2015年中国工业生态效率Malmquist指数变动趋势
Fig.2 The change trend of the Malmquist index of China's inter- provincial industrial ecological efficiency in 2006-2015
表3 中国省际工业生态Malmquist指数及分解结果
Table 3 China's inter-provincial industrial ecological efficiency Malmquist index and decomposition results
| 省份 | 技术 效率 | 技术进 步效率 | 纯技术 效率 | 规模 效率 | Malmquist 效率指数 | 省份 | 技术 效率 | 技术进 步效率 | 纯技术效率 | 规模 效率 | Malmquist 效率指数 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 辽宁 | 1.017 | 1.118 | 1.025 | 0.992 | 1.137 | 湖南 | 0.988 | 1.094 | 0.996 | 0.992 | 1.081 |
| 天津 | 1.000 | 1.124 | 1.000 | 1.000 | 1.124 | 安徽 | 0.984 | 1.097 | 0.983 | 1.001 | 1.080 |
| 内蒙古 | 1.000 | 1.123 | 1.000 | 1.000 | 1.123 | 湖北 | 0.970 | 1.114 | 0.988 | 0.982 | 1.080 |
| 甘肃 | 1.004 | 1.116 | 1.007 | 0.998 | 1.121 | 广西 | 0.972 | 1.111 | 0.971 | 1.001 | 1.080 |
| 陕西 | 1.013 | 1.098 | 1.013 | 1.000 | 1.112 | 江苏 | 0.995 | 1.084 | 1.000 | 0.995 | 1.079 |
| 青海 | 1.000 | 1.107 | 1.000 | 1.000 | 1.107 | 河北 | 0.966 | 1.115 | 0.988 | 0.978 | 1.077 |
| 海南 | 0.999 | 1.106 | 1.000 | 0.999 | 1.106 | 广东 | 1.000 | 1.073 | 1.000 | 1.000 | 1.073 |
| 山西 | 1.005 | 1.100 | 1.005 | 1.000 | 1.105 | 福建 | 0.988 | 1.082 | 1.000 | 0.988 | 1.069 |
| 河南 | 0.993 | 1.109 | 1.001 | 0.992 | 1.101 | 重庆 | 0.985 | 1.084 | 0.985 | 1.000 | 1.068 |
| 吉林 | 1.014 | 1.084 | 1.011 | 1.002 | 1.099 | 浙江 | 0.961 | 1.109 | 0.983 | 0.979 | 1.066 |
| 宁夏 | 0.981 | 1.116 | 0.957 | 1.026 | 1.095 | 上海 | 0.998 | 1.061 | 1.000 | 0.998 | 1.059 |
| 四川 | 1.003 | 1.090 | 1.019 | 0.985 | 1.094 | 江西 | 0.979 | 1.081 | 0.976 | 1.003 | 1.058 |
| 贵州 | 0.974 | 1.122 | 0.983 | 0.991 | 1.093 | 新疆 | 0.953 | 1.105 | 0.959 | 0.993 | 1.052 |
| 黑龙江 | 1.000 | 1.093 | 1.000 | 1.000 | 1.093 | 均值 | 0.990 | 1.100 | 0.994 | 0.996 | 1.090 |
| 山东 | 1.000 | 1.093 | 1.000 | 1.000 | 1.093 | 东部 | 0.993 | 1.095 | 1.000 | 0.994 | 1.088 |
| 云南 | 0.973 | 1.117 | 0.976 | 0.997 | 1.087 | 中部 | 0.992 | 1.097 | 0.995 | 0.997 | 1.087 |
| 北京 | 1.000 | 1.084 | 1.000 | 1.000 | 1.084 | 西部 | 0.987 | 1.108 | 0.988 | 0.999 | 1.094 |
从图2可知,2006~2015年中国工业生态效率的Malmquist指数增长率增幅较快,但整体趋势不够稳定,上下波动明显,其中,2006~2011年期间呈现波动增长趋势,2011年达到峰值,随后开始下降,2014年下落至最低点,2015年又开始反弹。分解来看,技术进步效率均为正,虽上下变化较为剧烈,但增长率水平较高,技术效率、纯技术效率、规模效率则均出现负增长。可以看出,技术进步效率呈现出强增长趋势,且变动趋势与Malmquist指数增长率变动趋势保持一致,明显是Malmquist指数增长的主要推动力。
从表3可知,中国30省市的Malmquist指数均为正,呈现出稳定增长趋势。具体省市来看,Malmquist指数排名靠前的省份有辽宁、天津、内蒙古、甘肃、陕西、青海、海南、山西、河南,其增长率均在10%以上,Malmquist指数排名靠后的省份则有江苏、河北、广东、福建、重庆、浙江、上海、江西、新疆,其增长率都均低于8%,其他省市增长率则处于8%~10%之间。可以看出,中国各省市、各地区之间的Malmquist指数存在差异性,增长率高的省市集中在西部地区,增长率低的省市则集中在东中部地区,呈现出与静态效率相反的空间分布格局。这主要是因为东中部地区开发时间早,工业化水平高,在管理、技术、规模等方面已趋于完备,提高空间有限,而西部地区由于开发较晚,工业化、现代化程度较低,在技术、管理、教育、规模等方面仍有广阔的提高空间,加上国家西部大开发战略的支持,使其Malmquist指数增长率有一个较快的增幅。此外,30个省市技术进步效率均为正,且增长率高,而技术效率、纯技术效率、规模效率的增长率偏低,很多省市甚至出现负增长,再次说明技术进步效率是Malmquist指数增长的主要推动力。
利用2006~2015年中国30省市工业生态效率,在一阶rook空间矩阵的基础上,运用GeoDa1.6软件,计算Moran's I值。从表4可知2006~2015年间中国工业生态效率的全局Moran's I指数均为正,且均通过显著性水平检验,表明中国30省市工业生态效率存在显著的正向空间自相关,高(低)相邻省际单元相对集聚,呈现出很强的空间集聚模式。同时,2006~2015年Moran's I值出现微弱增长,且期间出现较大波动,则说明中国省际工业生态效率空间相关显著性虽有所增强,但分布格局还不太稳定,易发生变动。
表4 2006~2015年中国省际工业生态效率的Moran's I检验
Table 4 Moran's I test of China's inter-provincial industrial ecological efficiency in 2006-2015
| 年份 | Moran's I | Z值 | P值 | 年份 | Moran's I | Z值 | P值 |
|---|---|---|---|---|---|---|---|
| 2006 | 0.2172 | 2.0300 | 0.0360 | 2011 | 0.2900 | 2.8303 | 0.0050 |
| 2007 | 0.2774 | 2.6464 | 0.0070 | 2012 | 0.1177 | 1.3371 | 0.0980 |
| 2008 | 0.3231 | 2.9812 | 0.0060 | 2013 | 0.2414 | 2.4640 | 0.0130 |
| 2009 | 0.3612 | 3.1835 | 0.0050 | 2014 | 0.2359 | 2.3488 | 0.0150 |
| 2010 | 0.3695 | 3.2529 | 0.0040 | 2015 | 0.2196 | 2.1692 | 0.0190 |
为更好体现中国省际工业生态效率的空间集聚状态及变化特征,结合Moran散点图,利用ArcGIS软件绘制代表性年份的Moran散点空间分布图（图3）。
图3 中国省际工业生态效率Moran′s I散点空间分布
Fig.3 Chinese inter-provincial industrial ecological efficiency Moran′s I spatial distribution of scatter
从图3可知,位于H-H象限的省市集中在东部地区,如北京、上海、福建,随着时间推移该象限地区范围逐渐扩展至东北地区。位于L-L象限的省市数量众多,集中在西部地区,如陕西、四川、贵州,随着时间推移该象限地区范围有向中部地区扩散的趋势。位于H-L象限的省市数量少,呈零星分散状态,如内蒙古、河南、广东,并未形成明显扩散趋势。位于L-H象限的省市开始集中在中部地区,如山西、安徽、江西,随着时间推移该象限范围逐渐向东部地区转移。可以看出,东部和西部地区表现出相似的空间关联性（“高-高”或“低-低”）,而中部地区则表现出非相似的空间关联性（“低-高”或“高-低”）,这说明中国省际工业生态效率的空间依赖性与差异性并存,但以空间依赖性为主。
空间计量模型主要分为空间滞后模型和空间误差模型两类。在实证研究中可以通过LM检验来判断具体模型的选择,本文通过MATLAB软件对2006~2015年中国30省市面板数据进行检验。通过LM检验可知,LM-lag、LM-err系数分别为9.281 7和13.642 9,均通过1%下的显著性水平检验,且LM-err值大于LM-lag值,同时Robust-LM-err系数为4.943 5,通过了在5%下的显著性水平检验,而Robust-LM-lag系数为0.582 3,未通过显著性水平检验,因此根据Anselin判别准则[26],本文选择空间误差模型。在此基础上,本文分别对无固定效应、空间固定效应、时间固定效应、时空双固定效应及随机效应这5种情况下的空间误差模型进行检验,通过对比分析选取其中最为合理的模型,表5为5种效应的检验结果。可以看出,时空双固定效应的空间误差模型的判定系数和Log-L值分别为0.964 2、575.429 2均高于其他4种效应,因此,本文采用时空双固定空间误差模型分析中国省际工业生态效率的影响因素。
表5 SEM模型估计及检验
Table 5 Estimation and test of SEM model
| 变量 | 无空间效应 | 空间固定效应 | 时间固定效应 | 双固定效应 | 随机效应 |
|---|---|---|---|---|---|
| InGDP | -0.0045（-0.2595） | -0.0718**（-2.1989） | 0.0276（1.4670） | 0.1133*（1.7297） | -0.0554*（-1..8720） |
| InAGG | 0.0750（0.8302） | 0.3491***（4.0544） | 0.1949**（2.0681） | 0.2956***（3.1730） | 0.2348***（2.9109） |
| InIS | -0.4162***（-4.5673） | -0.0783（-1.5407） | -0.5736***（-5.7288） | -0.1594***（-2.7114） | -0.0585（-1.1677） |
| InOPEN | 0.0660***（7.9470） | -0.0105（-1.3110） | 0.0363***（3.5367） | -0.0102（-1.3655） | 0.0004（0.0630） |
| InGR | -0.0363***（-3.3549） | -0.0099*（-1.8990） | -0.0307***（-2.5977） | -0.0115**（-2.0178） | -0.0109**（-2.1104） |
| InTP | -0.0123（-1.2295） | 0.0094（0.8875） | 0.0221*（1.7160） | 0.0286**（2.4129） | 0.0079（0.7945） |
| InFDI | 0.0354***（2.7925） | 0.0307***（4.4858） | 0.0305**（2.4690） | 0.0253***（3.6698） | 0.0323***（4.6768） |
| λ | -0.4632***（-5.2806） | 0.2587***（3.4696） | -0.4615***（-5.2604） | 0.3182***（4.4462） | 0.2077**（2.5653） |
| R2 | 0.4972 | 0.9618 | 0.5487 | 0.9642 | 0.9587 |
| log-likelihood | 188.4538 | 565.2325 | 204.1590 | 575.2492 | 466.2652 |
根据表5中时空双固定效应估计结果显示,λ值显著为正,且通过1%的显著水平检验,说明中国省际工业生态效率存在较强的空间集聚现象,印证了空间因素在模型设定中的必要性和科学性。具体来看经济发展水平、产业集聚、技术进步、外商投资均通过显著性检验,且都显著为正。其中产业集聚和外商投资的系数分别为0.295 6和0.025 3,在1%的显著性水平下通过检验,技术进步的系数为0.028 6,在5%的显著性水平下通过检验,经济发展水平系数为0.113 3,在10%的显著性水平下通过检验。经济发展水平系数显著为正,人均GDP每提高1%,能促进工业生态效率提高0.113 3%。一方面,经济发展水平高的地区,政府治污资金投入量大,工业企业的生产技术与工艺也更为清洁环保,有利于工业生态效率的提升。另一方面,高收入水平带来的是与之匹配的高素质劳动力、高效率管理及高要求的“生态环境质量”,这些正好为提升工业生态效率提供了人才、技术、管理方面的保证。外商投资系数显著为正,外商投资占比每上升1%,工业生态效率就会提高0.025 3%。外商投资拥有先进的理念、节能减排技术及绿色管理经验,并能够形成有效的技术、知识溢出效应,为地区、企业强化环保意识、提升节能减排技术、培养绿色环保人才提供助力。同时,越来越多的省市开始重视外资质量,积极引进科技含量高、节能环保型的绿色外资,停止引进高污染、高消耗的褐色外资,绿色外资数量的增加,也有利于工业生态效率的改善。技术进步显著为正,技术进步水平每上升1%,工业生态效率就会提高0.028 6%。技术进步的增强有利于创新和改进生产工艺、利用技术以及节能减排技术,以此来提升工业生态效率。产业集聚显著为正,产业集聚水平每上升1%,工业生态效率就会提高0.295 6%。一方面产业集聚使资源、技术、基础设施得到集中配置,既能降低成本,又使相关政策、措施、经验得到广泛普及,间接提升了工业生态效率。另一方面,产业集聚产生的技术溢出,使绿色生产工艺、节能减排技术得以快速推广,从而改善工业生态效率。
产业结构、政府规制通过显著性检验,显著为负。其中产业结构系数为-0.159 4,在1%的显著性水平下通过检验,政府规制系数为-0.011 5,在5%的显著性水平下通过检验。具体来看,产业结构系数显著为负,第二产业比重每上升1%,工业生态效率就能下降0.159 4%。由于第二产业中包含大量高耗能、高污染的重工业行业,这些行业大都采用粗放式发展,资源浪费、环境污染现象严重。因此,地区第二产业比重越高,意味着各种污染物排放量的增加和生态环境的恶化,也就越不利于工业生态效率的提升。政府规制系数显著为负,政府规制水平每上升1%,工业生态效率就能下降0.011 5%。从理论上讲,政府可以通过相关手段来改善经济主体因市场盲目性、非理性以追求利益最大化的特点所造成的生态环境问题,但根据回归结果表明,工业生态效率并没有随着政府规制强度的加强而得以提升。究其原因,一是因为环境治理投资具有“被动性”,企业盲目追求经济利益,忽视生态环境,无法很好的落实政府驱动下的工业污染治理措施及政策。二是因为中国工业污染治理投资与发达国家相比,仍长期处于较低水平,政府规制的强度和力度都不够。对外开放程度系数为-0.010 2,呈负相关,但未通过显著性检验,说明对外开放对工业生态效率的影响不显著。
本文基于2006~2015年中国30省市的面板数据,利用DEA-BCC模型结合Malmquist指数模型对中国30省市的工业生态效率进行分析,以此为基础,运用空间自相关方法,分析工业生态效率的空间特性,最后基于空间误差模型,探讨中国工业生态效率的主要影响因素。得出以下结论：① 从静态效率测算结果来看,2006~2015年间中国工业生态效率虽呈现小幅度下降趋势,但整体效率水平较高。30省市工业生态效率存在明显差异性,仅有北京、天津、山东、广东、内蒙古、黑龙江6省市工业生态效率值达到1,其他省市均存在不同程度无效率状态,总体呈现出东部>中部>西部的分布格局。② 从动态测算结果来看,2006~2015年中国工业生态效率Malmquist指数增长率水平高,但整体趋势不够稳定,上下波动明显。中国30省市Malmquist指数均为正向增长,增长趋势稳定,并呈现出与静态效率相反的空间分布格局。技术进步效率均为正,且增长率水平高,是Malmquist指数增长率的主要推动力。③ 从空间自相关分析结果来看,中国30省市工业生态效率呈现正向空间自相关性,但分布格局不够稳定,易发生变动。同时,中国30省市工业生态效率在空间上存在明显的集聚状态,其中,东部沿海省市主要体现为“H-H”集聚,西部地区省市体现“L-L集聚”,中部地区省市则主要表现为“H-L”和“L-H”集聚。④ 从空间计量估计结果来看,中国工业生态效率分别受到经济发展水平、产业结构、政府规制、技术进步、外商投资和产业集聚影响,其中经济发展水平、技术进步、外商投资、产业集聚与工业生态效率呈显著正相关,产业结构和政府规制与工业生态效率呈显著负相关。
基于以上结论,本文提出如下建议：① 坚持走新型工业化道路,尽快摒弃高消耗、高污染的粗放式工业发展模式,积极向集约型绿色可持续发展模式转变,既要提升和改善工业发展质量,又要加强对生态环境的保护治理,做到工业发展和生态文明两手抓、两手硬,以此实现工业发展与环境保护之间的双赢。② 优化产业结构,降低重工业比重,提高产业关联度高、附加值大的工业比重,倡导发展高、精、尖产业及绿色产业,逐步降低工业对化石能源的依赖性,积极引导水能、风能、太阳能等清洁能源为工业生产服务。③ 政府应通过税收等政策鼓励工业企业加大研发投入,强化生产工艺、技术、设备等方面的研发及改造力度。工业企业则应自觉加大科研投入,提高自身研发和创新能力,积极引进国内外先进的生产工艺、技术设备、管理经验,促进技术、知识的有效溢出。④ 政府应加大工业污染治理投资规模,加强对工业污染治理投资的监督,确保投入资金被高效利用。同时,还要积极转变生态环境治理路径,推进工业源头治理,尽量避免先污染后治理的末端治理,加强环境规制执行力度,使工业污染物从源头就能得到有效控制。
The authors have declared that no competing interests exist.
| [1] |
Ökologische rationalität: Ansatzpunkte zur ausgestaltung von ökologieorientierten management instrumenten [J]. |
| [2] |
基于超效率DEA模型的中国省际生态效率时空差异研究 [J].https://doi.org/10.3969/j.issn.1672-884X.2011.03.018 URL Magsci [本文引用: 1] 摘要
<p>建立了基于DEA模型的生态效率投入产出指标体系，运用超效率DEA模型对中国30个地区1995～2007年的生态效率进行了测度，将测度结果按照东、中、西、东北4个区域进行了时空差异分析，并对生态效率变化趋势进行了收敛检验。结果显示：1995～2007年中国的生态效率存在明显的区域差异，效率均值的高低排序依次为东部、中部、东北、西部，其中东部、西部、东北呈生态效率下降趋势，中部呈上升趋势，只有东部地区生态效率均值高于全国均值，其余地区生态效率均值都低于全国均值；通过收敛检验可以看出1995～2007年间，中国生态效率呈发散趋势，即差距在逐渐增大，其主要受东部地区生态效率变化的影响。</p>
Spatial-temporal differences of provincial eco-efficiency in China based on the super efficiency DEA model .https://doi.org/10.3969/j.issn.1672-884X.2011.03.018 URL Magsci [本文引用: 1] 摘要
<p>建立了基于DEA模型的生态效率投入产出指标体系，运用超效率DEA模型对中国30个地区1995～2007年的生态效率进行了测度，将测度结果按照东、中、西、东北4个区域进行了时空差异分析，并对生态效率变化趋势进行了收敛检验。结果显示：1995～2007年中国的生态效率存在明显的区域差异，效率均值的高低排序依次为东部、中部、东北、西部，其中东部、西部、东北呈生态效率下降趋势，中部呈上升趋势，只有东部地区生态效率均值高于全国均值，其余地区生态效率均值都低于全国均值；通过收敛检验可以看出1995～2007年间，中国生态效率呈发散趋势，即差距在逐渐增大，其主要受东部地区生态效率变化的影响。</p>
|
| [3] |
中国区域生态效率评价及影响因素实证分析——以2000-2006年省际数据为例 [J].
以2000-2006年中国29个省际截面数据为样本,采用因子分析赋权的研究方法,评价中国区域生态效率的差异性。进一步以区域生态效率评价值为因变量,利用线性回归模型,分析环保资金投入,环境政策及产业结构对生态效率的影响。研究结论表明:(1)中国区域生态效率差异较为明显,总体呈'东高西低'的格局;(2)环保资金投入与产业结构调整均对生态效率改善有积极影响;(3)以排污费为代表的环境经济政策对生态效率改善影响并不显著。并依据以上研究发现,提出了相应的政策建议。
Empirical analysis of the evaluation of regional ecology efficiency and influential factors in China:Evidences from provincial data during 2000-2006 .
以2000-2006年中国29个省际截面数据为样本,采用因子分析赋权的研究方法,评价中国区域生态效率的差异性。进一步以区域生态效率评价值为因变量,利用线性回归模型,分析环保资金投入,环境政策及产业结构对生态效率的影响。研究结论表明:(1)中国区域生态效率差异较为明显,总体呈'东高西低'的格局;(2)环保资金投入与产业结构调整均对生态效率改善有积极影响;(3)以排污费为代表的环境经济政策对生态效率改善影响并不显著。并依据以上研究发现,提出了相应的政策建议。
|
| [4] |
|
| [5] |
基于超效率DEA模型的城市群生态效率研究——以长株潭“3+5”城市群为例 [J].https://doi.org/10.3969/j.issn.1002-2104.2013.04.027 URL [本文引用: 2] 摘要
循环经济是区域实现可持续发展的重要模式,生态效率方法是研究循环经济比较适合的定量方法。本文以长株潭"3+5"城市群为研究对象,建立了基于DEA模型的生态效率投入产出指标体系,运用超效率DEA方法测算了各城市2005-2010年的效率,然后利用Malmquist—DEA模型对生态效率进行动态对比研究,最后建立基于面板数据的Tobit模型考察不同因素对效率的影响。实证结果表明:城市群整体生态效率水平比较高,城市间差距较大,长沙作为省会城市生态效率明显处于领先地位。通过运用Malmquist—DEA指数分析结果表明2005-2010年全要素生态效率的增长率TFP值都大于1,年均增长率为12.6%。从增长率的进一步分解表明技术进步是推动生态效率增长率的主要动力,而综合技术效率和纯技术效率的下降是制约TPF提升的瓶颈因素。最后通过对各省生态效率影响因素分析表明产业结构、研发强度对生态效率有显著的正向影响,但引进外资对生态效率的影响是负面的;技术进步则是促进生态效率增长的内在动力。
Urban agglomerations eco-efficiency analysis based on super-efficienty DEA model:Case study of “Chang-Zhu-Tan” 3+5”urban agglomeration.China Population, https://doi.org/10.3969/j.issn.1002-2104.2013.04.027 URL [本文引用: 2] 摘要
循环经济是区域实现可持续发展的重要模式,生态效率方法是研究循环经济比较适合的定量方法。本文以长株潭"3+5"城市群为研究对象,建立了基于DEA模型的生态效率投入产出指标体系,运用超效率DEA方法测算了各城市2005-2010年的效率,然后利用Malmquist—DEA模型对生态效率进行动态对比研究,最后建立基于面板数据的Tobit模型考察不同因素对效率的影响。实证结果表明:城市群整体生态效率水平比较高,城市间差距较大,长沙作为省会城市生态效率明显处于领先地位。通过运用Malmquist—DEA指数分析结果表明2005-2010年全要素生态效率的增长率TFP值都大于1,年均增长率为12.6%。从增长率的进一步分解表明技术进步是推动生态效率增长率的主要动力,而综合技术效率和纯技术效率的下降是制约TPF提升的瓶颈因素。最后通过对各省生态效率影响因素分析表明产业结构、研发强度对生态效率有显著的正向影响,但引进外资对生态效率的影响是负面的;技术进步则是促进生态效率增长的内在动力。
|
| [6] |
资源型城市生态效率评价 [J].
本文引入生态效率概念,基于能值生态足迹法,评价我国资源型城市的生态效率,兼与宜居城市进行比较分析,以探讨资源型城市可持续发展状况.研究发现,与宜居城市相比,资源型城市生态效率低下;资源类型和城市规模对生态效率影响较大,二产比重、单位GDP能耗与生态效率负相关;城市人均绿地面积、建成区绿化覆盖率则正相关.因此,延长产业链,提高资源使用效率,发展循环经济,缓解生态压力,对于提高生态效率,至关重要.
An assessment for the eco-efficiency of resource-based cities .
本文引入生态效率概念,基于能值生态足迹法,评价我国资源型城市的生态效率,兼与宜居城市进行比较分析,以探讨资源型城市可持续发展状况.研究发现,与宜居城市相比,资源型城市生态效率低下;资源类型和城市规模对生态效率影响较大,二产比重、单位GDP能耗与生态效率负相关;城市人均绿地面积、建成区绿化覆盖率则正相关.因此,延长产业链,提高资源使用效率,发展循环经济,缓解生态压力,对于提高生态效率,至关重要.
|
| [7] |
Eco-efficiency analysis of industrial system in China: A data envelopment analysis approach [J].https://doi.org/10.1016/j.ecolecon.2008.03.009 URL [本文引用: 1] 摘要
Eco-efficiency is an instrument for sustainability analysis, indicating how efficient the economic activity is with regard to nature's goods and services. This paper conducts an eco-efficiency analysis for regional industrial systems in China by developing data envelopment analysis (DEA) based models. Using real data of 30 provinces in China, an empirical study is employed to illustrate the pattern of regional industrial systems' eco-efficiency. The results indicate that Tianjing, Shanghai, Guangdong, Beijing, Hainan and Qinghai are relatively eco-efficient. The results also show that, provinces with higher level GDP per capita will have higher eco-efficiency relatively with an exception of Hainan and Qinghai. The study provides deeper insights into the causes of eco-inefficiency, and gives further implications on environmental protection strategies in China. In the article, we also discuss the advantages and disadvantages of using DEA in eco-efficiency analysis and areas that require further work are presented.
|
| [8] |
中国农业生态效率测度及时空差异研究 [J].https://doi.org/10.3969/j.issn.1002-2104.2016.06.002 URL [本文引用: 1] 摘要
农业生态效率测度对于促进农业生态化和可持续发展具有重要作用。基于1993—2013年农业投入产出相关数据,采用劳动、土地、化肥、农药、农膜、机械动力、灌溉、役畜八类投入指标,农业碳排放和农业污染两类非期望产出指标以及农业总产值作为期望产出指标,利用SBM-Undesirable扩展模型测算全国、东中西、八经济区及省际农业(种植业)生态效率,并分解无效率项。结果显示:1样本期内中国农业生态效率总体呈现"降-升-降-升"平缓右偏型"W"结构,总体上中国农业生态效率趋于提升;2东中西部三个地区和八大经济区农业生态效率总体趋势与全国基本一致,但又各具特点,三区域中东部地区差异较大,八经济区中西北地区和西南地区差异较大;3省际农业生态效率总体上也存在差别,农业生态效率总体较高的省份既有上海、江苏等经济发达的沿海地区,又有贵州、新疆等经济落后地区。从效率损失结构来看,农业生态效率损失总体上主要是由投入冗余和非期望产出冗余导致的,但投入和非期望产出冗余内部结构又存在诸多不同。总体而言,化肥、农药、农膜过度使用及其负面作用在较多地区表现较为突出。农业生态效率测度实质是平衡农业投入、期望产出和非期望产出三者的关系,提升农业生态效率,促进农业生态化发展和可持续发展。同时,在农业生态效率评价中,要基于资源禀赋现实、基于要素替代关系、基于生态负面影响等,结合地区发展现实和不同的发展阶段进行相应调整,有区别地促进农业生态化发展。
A research of agricultural eco-efficiency measure in China and space-time differences.China Population, https://doi.org/10.3969/j.issn.1002-2104.2016.06.002 URL [本文引用: 1] 摘要
农业生态效率测度对于促进农业生态化和可持续发展具有重要作用。基于1993—2013年农业投入产出相关数据,采用劳动、土地、化肥、农药、农膜、机械动力、灌溉、役畜八类投入指标,农业碳排放和农业污染两类非期望产出指标以及农业总产值作为期望产出指标,利用SBM-Undesirable扩展模型测算全国、东中西、八经济区及省际农业(种植业)生态效率,并分解无效率项。结果显示:1样本期内中国农业生态效率总体呈现"降-升-降-升"平缓右偏型"W"结构,总体上中国农业生态效率趋于提升;2东中西部三个地区和八大经济区农业生态效率总体趋势与全国基本一致,但又各具特点,三区域中东部地区差异较大,八经济区中西北地区和西南地区差异较大;3省际农业生态效率总体上也存在差别,农业生态效率总体较高的省份既有上海、江苏等经济发达的沿海地区,又有贵州、新疆等经济落后地区。从效率损失结构来看,农业生态效率损失总体上主要是由投入冗余和非期望产出冗余导致的,但投入和非期望产出冗余内部结构又存在诸多不同。总体而言,化肥、农药、农膜过度使用及其负面作用在较多地区表现较为突出。农业生态效率测度实质是平衡农业投入、期望产出和非期望产出三者的关系,提升农业生态效率,促进农业生态化发展和可持续发展。同时,在农业生态效率评价中,要基于资源禀赋现实、基于要素替代关系、基于生态负面影响等,结合地区发展现实和不同的发展阶段进行相应调整,有区别地促进农业生态化发展。
|
| [9] |
基于PCA-DEA组合模型的中国煤炭产业生态效率研究 [J].
针对DEA模型在处理相关性强的输入输出数据方面的不足,建立了基于PCA-DEA的组合评价模型,应用于我国煤炭产业的生态效率评价。本文首先回顾了生态效率的内涵,然后借鉴德国的环境经济账户,结合我国煤炭产业自身特点,构建煤炭产业生态效率评价指标体系;进而依据PCA-DEA组合评价模型流程,利用主成分分析法(PCA)提取影响生态效率的主成分,采用DEA模型对我国煤炭产业2001年-2010年间生态效率状况进行了评价。研究显示:①我国煤炭产业在2001年-2010年10年发展过程中,仅有2003年、2010年两年达到了DEA相对有效,表明投入产出要素的技术和规模效率处于最佳状态;②剩余8年均处于不同程度地无效率状态,其中有5年实现纯技术效率有效,3年纯技术效率和规模效率均无效,且规模报酬递减;③10年中的纯技术效率都大于规模效率,表明我国煤炭产业的综合技术无效主要原因在于规模无效。最后根据分析结果为提高煤炭产业生态效率提出了有针对性的对策建议。
The ecological efficiency of the coal industry based on PCA and DEA modeling [J].
针对DEA模型在处理相关性强的输入输出数据方面的不足,建立了基于PCA-DEA的组合评价模型,应用于我国煤炭产业的生态效率评价。本文首先回顾了生态效率的内涵,然后借鉴德国的环境经济账户,结合我国煤炭产业自身特点,构建煤炭产业生态效率评价指标体系;进而依据PCA-DEA组合评价模型流程,利用主成分分析法(PCA)提取影响生态效率的主成分,采用DEA模型对我国煤炭产业2001年-2010年间生态效率状况进行了评价。研究显示:①我国煤炭产业在2001年-2010年10年发展过程中,仅有2003年、2010年两年达到了DEA相对有效,表明投入产出要素的技术和规模效率处于最佳状态;②剩余8年均处于不同程度地无效率状态,其中有5年实现纯技术效率有效,3年纯技术效率和规模效率均无效,且规模报酬递减;③10年中的纯技术效率都大于规模效率,表明我国煤炭产业的综合技术无效主要原因在于规模无效。最后根据分析结果为提高煤炭产业生态效率提出了有针对性的对策建议。
|
| [10] |
旅游生态效率模型及其实证研究 .https://doi.org/10.3969/j.issn.1002-2104.2015.11.015 URL [本文引用: 1] 摘要
旅游生态效率研究的本质在于通过平衡旅游经济增长与环境影响,促进旅游可持续发展.本文采用旅游生命周期评价(LCA)的方法,基于生态效率、旅游能源消耗、旅游经济效应等理论,提出旅游生态效率的概念和模型,以海南省为例,定量计算了海南省2012年旅游生态效率值并分析其部门差异特征.研究结果显示:①基于LCA的旅游生态效率模型以旅游能源消耗为环境影晌变量,以旅游收益为经济影响变量,单位经济收益下能耗值越低说明旅游生态效率水平越优,旅游可持续发展潜力越大.②海南省2012年旅游总体生态效率值为7.353 MJ/￥,旅游交通生态效率值为15.461 MJ/￥,旅游住宿生态效率值为1.25 M J/￥,旅游活动生态效率为1.142 MJ/￥.与此同时,旅游三部门生态效率值与人均能源消耗呈现反向的大小顺序关系.③从旅游生态效率值的部门分布差异看,2012年海南省旅游活动和旅游住宿生态效率水平优于旅游交通,因此,在旅游出行距离既定的情况下,优化旅游生态效率的措施在于:提高人均消费水平、延长平均停留时间、增加平均参与活动频次.也即,"短距离、长停留、高消费"的旅游市场结构有利于提升旅游生态效率水平,反之,"长距离、短停留、低消费"的旅游市场结构则拉低了旅游生态效率水平.④由于旅游生态效率受到旅游消费结构、平均出行距离、平均停留时间、旅游交通模式等诸多因素的影响,而且是一个相对比值,旅游部门之间生态效率差距的绝对值小于人均能耗差距的绝对值.
Tourismeco-fficiency model and an empirical research [J].https://doi.org/10.3969/j.issn.1002-2104.2015.11.015 URL [本文引用: 1] 摘要
旅游生态效率研究的本质在于通过平衡旅游经济增长与环境影响,促进旅游可持续发展.本文采用旅游生命周期评价(LCA)的方法,基于生态效率、旅游能源消耗、旅游经济效应等理论,提出旅游生态效率的概念和模型,以海南省为例,定量计算了海南省2012年旅游生态效率值并分析其部门差异特征.研究结果显示:①基于LCA的旅游生态效率模型以旅游能源消耗为环境影晌变量,以旅游收益为经济影响变量,单位经济收益下能耗值越低说明旅游生态效率水平越优,旅游可持续发展潜力越大.②海南省2012年旅游总体生态效率值为7.353 MJ/￥,旅游交通生态效率值为15.461 MJ/￥,旅游住宿生态效率值为1.25 M J/￥,旅游活动生态效率为1.142 MJ/￥.与此同时,旅游三部门生态效率值与人均能源消耗呈现反向的大小顺序关系.③从旅游生态效率值的部门分布差异看,2012年海南省旅游活动和旅游住宿生态效率水平优于旅游交通,因此,在旅游出行距离既定的情况下,优化旅游生态效率的措施在于:提高人均消费水平、延长平均停留时间、增加平均参与活动频次.也即,"短距离、长停留、高消费"的旅游市场结构有利于提升旅游生态效率水平,反之,"长距离、短停留、低消费"的旅游市场结构则拉低了旅游生态效率水平.④由于旅游生态效率受到旅游消费结构、平均出行距离、平均停留时间、旅游交通模式等诸多因素的影响,而且是一个相对比值,旅游部门之间生态效率差距的绝对值小于人均能耗差距的绝对值.
|
| [11] |
基于生态承载力的工业园区生态效率评价研究 [J].https://doi.org/10.3969/j.issn.1672-884X.2009.06.008 URL Magsci [本文引用: 1] 摘要
<p>提出采用生态承载力方法计算工业园区的生态效率，并以大连经济技术开发区为例，研究了工业园区生态承载力评价方法的适用性和可行性。结果表明，该方法有助于发现工业园区发展过程中经济、社会和环境不相协调的问题，能为工业园区管理者制定园区可持续发展战略提供理论基础。</p>
Study on ecological efficiency evaluation of industrial park based on ecological carrying capacity .https://doi.org/10.3969/j.issn.1672-884X.2009.06.008 URL Magsci [本文引用: 1] 摘要
<p>提出采用生态承载力方法计算工业园区的生态效率，并以大连经济技术开发区为例，研究了工业园区生态承载力评价方法的适用性和可行性。结果表明，该方法有助于发现工业园区发展过程中经济、社会和环境不相协调的问题，能为工业园区管理者制定园区可持续发展战略提供理论基础。</p>
|
| [12] |
Measuring eco-efficiency of production with data envelopment analysis [J].https://doi.org/10.1162/108819805775247846 URL [本文引用: 1] 摘要
Aggregation of environmental pressures into a single environmental damage index is a major challenge of eco-efficiency measurement. This article examines how the data envelopment analysis (DEA) method can be adapted for this purpose. DEA accounts for substitution possibilities between different natural resources and emissions and does not require subjective judgment about the weights. Although DEA does not require subjective or normative judgment, soft weight restrictions can be incorporated into the framework. The proposed approach is illustrated by an application to assessing ecoefficiency of road transportation in the three largest towns of eastern Finland.
|
| [13] |
Eco-efficiency on the circular economy development pattern in Jiangxi Province [J]. |
| [14] |
区域工业生态效率的测算方法及应用 [J].https://doi.org/10.3969/j.issn.1002-2104.2008.06.022 URL [本文引用: 2] 摘要
生态效率的概念及其评价方法已经成为一种将可持续发展目标和要求 具体化的有效工具,其中,区域工业生态效率的测算是国内外研究的热点和难点.本文借鉴生命周期分析的相关研究成果,构建了区域工业生态效率的指标体系、计 算步骤及方法,并以北京市工业为案例进行了应用研究,结果表明:①多年来,北京市环境类工业生态效率呈指数上升趋势,从1986年到2004年上升了6 倍;资源类工业生态效率呈线性上升趋势,从1986年到2004年上升了近200倍;②影响北京市环境类生态效率变化的主要因素有新能源战略的实施、污染 企业的搬迁、环境管理力度的加强和大量环保资金的投入;⑧工业生态效率指标及其测算方法具有过程性、整合性、可操作性、可扩展性等特点,可以比较全面和真 实地反映某个区域在经济、环境、社会等方面各种政策的实施效果.
Methodology and application of eco-efficiency analysis on regional industry.China Population, https://doi.org/10.3969/j.issn.1002-2104.2008.06.022 URL [本文引用: 2] 摘要
生态效率的概念及其评价方法已经成为一种将可持续发展目标和要求 具体化的有效工具,其中,区域工业生态效率的测算是国内外研究的热点和难点.本文借鉴生命周期分析的相关研究成果,构建了区域工业生态效率的指标体系、计 算步骤及方法,并以北京市工业为案例进行了应用研究,结果表明:①多年来,北京市环境类工业生态效率呈指数上升趋势,从1986年到2004年上升了6 倍;资源类工业生态效率呈线性上升趋势,从1986年到2004年上升了近200倍;②影响北京市环境类生态效率变化的主要因素有新能源战略的实施、污染 企业的搬迁、环境管理力度的加强和大量环保资金的投入;⑧工业生态效率指标及其测算方法具有过程性、整合性、可操作性、可扩展性等特点,可以比较全面和真 实地反映某个区域在经济、环境、社会等方面各种政策的实施效果.
|
| [15] |
基于非期望中间产出网络DEA的中国省际生态效率评价研究 [J].https://doi.org/10.13956/j.ss.1001-8409.2017.02.20 URL [本文引用: 1] 摘要
从工业生产和环境保护两阶段视角,考虑非期望中间产出在两个子阶段的转化情况,创新性地构建具有非期望中间产出的中国省际生态效率评价指标体系,运用非期望中间产出网络DEA模型对我国30个省份2009~2014年的生态效率进行分析。研究表明：中国全局及阶段生态效率整体偏低,考察期内全局生态效率均有效的省份仅占13.3%,省际间生态效率差异比较明显;中国生态效率空间格局与经济空间格局类似,阶段生态效率呈现由东部地区向中西部内陆阶梯式递减的趋势;全国总体、东部、中部以及西部地区全局生态效率不存在明显的收敛特征,省际间生态效率差距在不断扩大。
Research on the provincial eco-efficiency evaluation based on Network SEA model with undesirable intermediate Outputs .https://doi.org/10.13956/j.ss.1001-8409.2017.02.20 URL [本文引用: 1] 摘要
从工业生产和环境保护两阶段视角,考虑非期望中间产出在两个子阶段的转化情况,创新性地构建具有非期望中间产出的中国省际生态效率评价指标体系,运用非期望中间产出网络DEA模型对我国30个省份2009~2014年的生态效率进行分析。研究表明：中国全局及阶段生态效率整体偏低,考察期内全局生态效率均有效的省份仅占13.3%,省际间生态效率差异比较明显;中国生态效率空间格局与经济空间格局类似,阶段生态效率呈现由东部地区向中西部内陆阶梯式递减的趋势;全国总体、东部、中部以及西部地区全局生态效率不存在明显的收敛特征,省际间生态效率差距在不断扩大。
|
| [16] |
江浙沪地区城市建设用地生态效率评价——基于三阶段DEA与Bootstrap-DEA方法 [J].
城市土地资源短缺、环境污染严重、利用率偏低已经成为制约城市化水平的关键性因素。选取江浙沪地区作为研究对象,探索性地运用三阶段DEA与Bootstrap-DEA方法对该地区25个城市在2009~2012年间的城市建设用地生态效率、空间格局演变及其特征进行实证分析,剥离了外部环境因素、随机误差、样本敏感性及生产前沿面完全效率状态的影响,为现实评估城市建设用地生态效率提供了更为精确可行的方法。研究结果表明：1传统DEA测度的技术效率,纯技术效率和规模效率都被不同程度地高估或低估;2自2011年以来,大部分城市的决策与管理水平都趋于成熟,但仍处于规模报酬递增阶段;3由空间演变过程来看,各城市的生态效率值在这4年间都有不同程度的提升,尤其是2011年以后,整体升幅显著。根据Bootstrap纠偏以后得到DEA排名,上海市建设用地利用水平最高,苏南地区高于苏北地区,浙东地区高于浙西地区,城市建设用地生态效率与地区经济发展水平、前期资源消耗及后期环境污染控制等多方面因素有关。
Evaluation of ecological efficiency of urban construction land in “Jiangu-Zhe-Hu”Area: Based on Three-Stage DEA and Bootstrap-DEA methods [J].
城市土地资源短缺、环境污染严重、利用率偏低已经成为制约城市化水平的关键性因素。选取江浙沪地区作为研究对象,探索性地运用三阶段DEA与Bootstrap-DEA方法对该地区25个城市在2009~2012年间的城市建设用地生态效率、空间格局演变及其特征进行实证分析,剥离了外部环境因素、随机误差、样本敏感性及生产前沿面完全效率状态的影响,为现实评估城市建设用地生态效率提供了更为精确可行的方法。研究结果表明：1传统DEA测度的技术效率,纯技术效率和规模效率都被不同程度地高估或低估;2自2011年以来,大部分城市的决策与管理水平都趋于成熟,但仍处于规模报酬递增阶段;3由空间演变过程来看,各城市的生态效率值在这4年间都有不同程度的提升,尤其是2011年以后,整体升幅显著。根据Bootstrap纠偏以后得到DEA排名,上海市建设用地利用水平最高,苏南地区高于苏北地区,浙东地区高于浙西地区,城市建设用地生态效率与地区经济发展水平、前期资源消耗及后期环境污染控制等多方面因素有关。
|
| [17] |
基于环境压力的矿业城市工业生态效率 [J].
粗放型的工业增长模式给我国矿业城市生态环境带来巨大压力。为了实现可持续发展,矿业城市工业转型势在必行。为了准确衡量我国矿业城市工业增长、资源与环境之间的协调度,本文将工业生产进程中的自然资源消耗与环境污染排放视为"环境压力",建立DEA效率模型实证测算了2003~2012年我国48个矿业城市的工业生态效率,并从多个维度分析了不同区域、资源类型矿业城市工业生态效率的异质性特征及演变趋势,构建Tobit回归模型检验矿业城市工业生态效率的影响因素。结果表明,我国矿业城市工业生态效率整体水平较低,还存在很大的节能减排潜力;不同区域、资源类型矿业城市的工业生态效率差异性较大;经济发展,提升第二产业比重以及增加环境治理投资对提升矿业城市工业生态效率有显著促进作用,而外资利用的影响则存在不确定性。
The industrial eco-efficiency of China's mining cities based on environmental pressure .
粗放型的工业增长模式给我国矿业城市生态环境带来巨大压力。为了实现可持续发展,矿业城市工业转型势在必行。为了准确衡量我国矿业城市工业增长、资源与环境之间的协调度,本文将工业生产进程中的自然资源消耗与环境污染排放视为"环境压力",建立DEA效率模型实证测算了2003~2012年我国48个矿业城市的工业生态效率,并从多个维度分析了不同区域、资源类型矿业城市工业生态效率的异质性特征及演变趋势,构建Tobit回归模型检验矿业城市工业生态效率的影响因素。结果表明,我国矿业城市工业生态效率整体水平较低,还存在很大的节能减排潜力;不同区域、资源类型矿业城市的工业生态效率差异性较大;经济发展,提升第二产业比重以及增加环境治理投资对提升矿业城市工业生态效率有显著促进作用,而外资利用的影响则存在不确定性。
|
| [18] |
工业生态效率评价及其影响因素研究——基于中国中东部省域面板数据 [J].https://doi.org/10.3969/j.issn.1007-5097.2014.03.007 URL [本文引用: 1] 摘要
文章首先通过区分污染物产生量和排放量，将工业生态效率分解为源头消减效率和末端治理效率， 以此来构建工业生态效率评价模型，评价了2005-2010年中国中部和东部各省工业生态效率；其次分别运用面板数据分析模型研究产业结构、外资利用、研 发投资和污染治理投资四因素对源头消减效率和末端治理效率的影响；最后基于实证分析结果，提出了以源头消减为核心、转变工业结构、积极引进外资、加大科研 投入和加强政府主导等中部地区提升工业生态效率水平的政策建议。
A study on evaluation of industrial eco-efficiency and its influencing factors based on provincial panel data in central and east China .https://doi.org/10.3969/j.issn.1007-5097.2014.03.007 URL [本文引用: 1] 摘要
文章首先通过区分污染物产生量和排放量，将工业生态效率分解为源头消减效率和末端治理效率， 以此来构建工业生态效率评价模型，评价了2005-2010年中国中部和东部各省工业生态效率；其次分别运用面板数据分析模型研究产业结构、外资利用、研 发投资和污染治理投资四因素对源头消减效率和末端治理效率的影响；最后基于实证分析结果，提出了以源头消减为核心、转变工业结构、积极引进外资、加大科研 投入和加强政府主导等中部地区提升工业生态效率水平的政策建议。
|
| [19] |
湖南工业生态效率评价及影响因素实证分析——基于DEA方法 [J].https://doi.org/10.15957/j.cnki.jjdl.2017.10.019 URL [本文引用: 1] 摘要
以湖南工业产业为研究对象，基于DEA评价视角，全面评价湖南工业生态效率。选取科技投入、规模程度、环境监测、政府管制、经济发展速度、资本总额6项工业生产指标，采用DEA评价法测算湖南省14个市州的工业生态效率，对选取指标进行多元线性回归。回归结果显示：规模程度、政府管制与湖南工业生态效率呈显著负相关性，经济发展速度、资本总额与湖南工业生态效率呈显著正相关性。通过对影响因素的系统分析，找到提高湖南工业生态效率的政策切入点：限制湖南工业企业盲目扩张，规范政府管制行为，助力社会经济发展，增加节能环保资金投入。
The empirical analysis of Hunan industrial ecological efficiency evaluation and influencing factors:Based on DEA method .https://doi.org/10.15957/j.cnki.jjdl.2017.10.019 URL [本文引用: 1] 摘要
以湖南工业产业为研究对象，基于DEA评价视角，全面评价湖南工业生态效率。选取科技投入、规模程度、环境监测、政府管制、经济发展速度、资本总额6项工业生产指标，采用DEA评价法测算湖南省14个市州的工业生态效率，对选取指标进行多元线性回归。回归结果显示：规模程度、政府管制与湖南工业生态效率呈显著负相关性，经济发展速度、资本总额与湖南工业生态效率呈显著正相关性。通过对影响因素的系统分析，找到提高湖南工业生态效率的政策切入点：限制湖南工业企业盲目扩张，规范政府管制行为，助力社会经济发展，增加节能环保资金投入。
|
| [20] |
基于超效率DEA的工业生态效率——以中部六省2003~2013年数据为例 [J].https://doi.org/10.15957/j.cnki.jjdl.2016.06.015 URL [本文引用: 1] 摘要
以中部六省相关年份面板数据为例,构建生态效率投入产出指标体系,运用超效率DEA方法测度相关省份11年间的工业生态效率,并运用Malmquist指数对工业生态效率进行动态对比和分解,并通过建立Tobit模型对影响工业生态效率的主要影响因素进行识别。结果表明:1中部六省工业生态效率总体水平不高,呈现先下降后上升再下降的变化趋势,省际间差异不十分显著,也逐渐呈现一定范围内的趋同性;2Malmquist指数分析表明,各省全要素生态效率TFP值都大于1,年均增长率为5.65%,主要还是要素投入驱动经济发展;3研发强度和利用外资对中部省份工业生态效率影响显著,工业结构变化对工业生态效率的影响不显著,环境治理与工业生态效率呈负相关关系。政策干预力度和外部资金影响应逐渐降低。
Industrial eco-efficiency with the integration super efficiency DEA: The central six provinces 2003-2013 data as an example .https://doi.org/10.15957/j.cnki.jjdl.2016.06.015 URL [本文引用: 1] 摘要
以中部六省相关年份面板数据为例,构建生态效率投入产出指标体系,运用超效率DEA方法测度相关省份11年间的工业生态效率,并运用Malmquist指数对工业生态效率进行动态对比和分解,并通过建立Tobit模型对影响工业生态效率的主要影响因素进行识别。结果表明:1中部六省工业生态效率总体水平不高,呈现先下降后上升再下降的变化趋势,省际间差异不十分显著,也逐渐呈现一定范围内的趋同性;2Malmquist指数分析表明,各省全要素生态效率TFP值都大于1,年均增长率为5.65%,主要还是要素投入驱动经济发展;3研发强度和利用外资对中部省份工业生态效率影响显著,工业结构变化对工业生态效率的影响不显著,环境治理与工业生态效率呈负相关关系。政策干预力度和外部资金影响应逐渐降低。
|
| [21] |
中国省域工业生态效率及影响因素的空间计量分析 [J].https://doi.org/10.18402/resci.2017.07.10 URL [本文引用: 2] 摘要
本文采用VRSDEA模型测算了2005-2014年间中国30个省域的工业生态效率,并在此基础上采用空间计量模型检验其影响因素。测算结果表明：研究期间,中国大部分省域的工业生态效率呈现波动上升的趋势,省际差异明显,呈现出自西向东逐渐增强的空间发展格局。实证检验发现：工业发展和科技创新对工业生态效率具有正向促进作用;而环境规制、对外开放与财政分权的影响显著为负;产业集聚与工业生态效率呈现“倒U”型关系;由于高污染行业所带来的污染排放与经济效益并存,导致工业结构对工业生态效率的影响不显著,但并不能由此忽略工业结构变化带来的环境污染问题。此外,在空间交互作用方面,工业生态效率的空间滞后项系数显著为正,表明地方政府可能在环境治理方面具有互相借鉴与模仿的行为;工业发展水平的二次项具有正向的空间溢出效应;财政分权与工业结构的空间溢出效应显著为负;产业集聚的空间滞后项与工业生态效率呈现“正U”型关系,因此对相邻地区工业生态效率的影响呈现先抑制后提升的关系。
Measurement and spatial econometrics analysis of provincial industrial ecological efficiency in China .https://doi.org/10.18402/resci.2017.07.10 URL [本文引用: 2] 摘要
本文采用VRSDEA模型测算了2005-2014年间中国30个省域的工业生态效率,并在此基础上采用空间计量模型检验其影响因素。测算结果表明：研究期间,中国大部分省域的工业生态效率呈现波动上升的趋势,省际差异明显,呈现出自西向东逐渐增强的空间发展格局。实证检验发现：工业发展和科技创新对工业生态效率具有正向促进作用;而环境规制、对外开放与财政分权的影响显著为负;产业集聚与工业生态效率呈现“倒U”型关系;由于高污染行业所带来的污染排放与经济效益并存,导致工业结构对工业生态效率的影响不显著,但并不能由此忽略工业结构变化带来的环境污染问题。此外,在空间交互作用方面,工业生态效率的空间滞后项系数显著为正,表明地方政府可能在环境治理方面具有互相借鉴与模仿的行为;工业发展水平的二次项具有正向的空间溢出效应;财政分权与工业结构的空间溢出效应显著为负;产业集聚的空间滞后项与工业生态效率呈现“正U”型关系,因此对相邻地区工业生态效率的影响呈现先抑制后提升的关系。
|
| [22] |
Rhodes.Measuring the efficciency of decision making units [J].https://doi.org/10.1016/0377-2217(78)90138-8 URL 摘要
A nonlinear (nonconvex) programming model provides a new definition of efficiency for use in evaluating activities of not-for-profit entities participating in public programs. A scalar measure of the efficiency of each participating unit is thereby provided, along with methods for objectively determining weights by reference to the observational data for the multiple outputs and multiple inputs that characterize such programs. Equivalences are established to ordinary linear programming models for effecting computations. The duals to these linear programming models provide a new way for estimating extremal relations from observational data. Connections between engineering and economic approaches to efficiency are delineated along with new interpretations and ways of using them in evaluating and controlling managerial behavior in public programs.
|
| [23] |
|
| [24] |
Productivity growth,technical progress and efficiency change in industrialized countries [J].https://doi.org/10.2753/PET1061-1991361256 URL [本文引用: 1] 摘要
This paper analyzes productivity growth in seventeen OECD countries over the period 1979-88. A nonparametric programming method (activity analysis) is used to compute Malmquist productivity indexes. These are decomposed into two component measures, namely, technical change and efficiency change. The authors find that U.S. productivity growth is slightly higher than average, all of which is due to technical change. Japan's productivity growth is the highest in the sample with almost half due to efficiency change. Coauthors are Shawna Grosskopf, Mary Norris, and Zhongyang Zhang.
|
| [25] |
The analysis of spatial association by use of distance statistics [J].https://doi.org/10.1111/j.1538-4632.1992.tb00261.x URL [本文引用: 1] 摘要
Introduced in this paper is a family of statistics, G, that can be used as a measure of spatial association in a number of circumstances. The basic statistic is derived, its properties are identified, and its advantages explained. Several of the G statistics make it possible to evaluate the spatial association of a variable within a specified distance of a single point. A comparison is made between a general G statistic and Moran's I for similar hypothetical and empirical conditions. The empirical work includes studies of sudden infant death syndrome by county in North Carolina and dwelling unit prices in metropolitan San Diego by zip-code districts. Results indicate that G statistics should be used in conjunction with I in order to identify characteristics of patterns not revealed by the I statistic alone and, specifically, the Gi and Gi* statistics enable us to detect local 090008pockets090009 of dependence that may not show up when using global statistics.
|
| [26] |
Advanced in apatial econo-metrics: Methodology tools and applications [M]. |
| [27] |
中国生态效率的区域差异及动态演化研究 [J].https://doi.org/10.3969/j.issn.1002-2104.2014.01.008 URL [本文引用: 1] 摘要
采用2000-2011年的统计数据,首先运用超效率DEA模型对中国30个省份的生态效率进行测算,在此基础上,运用空间自相关分析方法对中国省域生态效率的演化格局进行了实证分析,以此来探寻影响中国生态效率区域差异变化的空间机制。研究表明:我国生态效率平均水平处于0.854-1.050之间,整体呈现波动性变化趋势。从区域层面看,东部地区、中部地区和西部地区2000-2011年生态效率的平均值依次为1.821,0.559和0.381,生态效率呈现由沿海向内陆、由东部向中西部递减的格局,具有明显的"俱乐部收敛"现象。从省级层面看,生态效率较高的省区集聚于东部经济发达地区,而生态效率较低的省区则集中于西部经济欠发达地区;从全局空间自相关来看,2000-2011年中国各省份生态效率的全局Moran’s I值均显著为正(指数取值范围在0.236-0.400之间),表明中国各地区生态效率呈现出正的空间相关性特征,存在较明显的空间集聚特征,近邻效应显著;从局域空间自相关来看,80%左右的省份表现为在地理空间上显著的空间正相关(H-H集聚和L-L集聚),其中H-H集聚的沿海地区已成为中国生态效率的重要增长极,有着较强的正向辐射效应,有向周围扩散的趋势,而位于L-L集聚区的西部、中部地区的大部分省区及东北三省则在空间分布上较稳定。根据实证分析结果,提出政策建议:一是转变经济发展方式,巩固节能减排效果;二是把握区域发展特征,因地制宜促进发展;三是加强区域合作与交流,寻求区域协调发展新渠道。
Research on regional disparity and dynamic evolution of eco-efficiency in China.China Population, https://doi.org/10.3969/j.issn.1002-2104.2014.01.008 URL [本文引用: 1] 摘要
采用2000-2011年的统计数据,首先运用超效率DEA模型对中国30个省份的生态效率进行测算,在此基础上,运用空间自相关分析方法对中国省域生态效率的演化格局进行了实证分析,以此来探寻影响中国生态效率区域差异变化的空间机制。研究表明:我国生态效率平均水平处于0.854-1.050之间,整体呈现波动性变化趋势。从区域层面看,东部地区、中部地区和西部地区2000-2011年生态效率的平均值依次为1.821,0.559和0.381,生态效率呈现由沿海向内陆、由东部向中西部递减的格局,具有明显的"俱乐部收敛"现象。从省级层面看,生态效率较高的省区集聚于东部经济发达地区,而生态效率较低的省区则集中于西部经济欠发达地区;从全局空间自相关来看,2000-2011年中国各省份生态效率的全局Moran’s I值均显著为正(指数取值范围在0.236-0.400之间),表明中国各地区生态效率呈现出正的空间相关性特征,存在较明显的空间集聚特征,近邻效应显著;从局域空间自相关来看,80%左右的省份表现为在地理空间上显著的空间正相关(H-H集聚和L-L集聚),其中H-H集聚的沿海地区已成为中国生态效率的重要增长极,有着较强的正向辐射效应,有向周围扩散的趋势,而位于L-L集聚区的西部、中部地区的大部分省区及东北三省则在空间分布上较稳定。根据实证分析结果,提出政策建议:一是转变经济发展方式,巩固节能减排效果;二是把握区域发展特征,因地制宜促进发展;三是加强区域合作与交流,寻求区域协调发展新渠道。
|
| [28] |
|
| [29] |
|
| [30] |
|
| [31] |
中国省域能源效率评价研究 [D].Research on provincial energy efficiency evaluation in China . |
/
| 〈 |
|
〉 |
