, 康蕾, 刘毅Spatio-temporal analysis of provincial input-output efficiency in China
SONGZhouying, KANGLei, LIUYi通讯作者:
收稿日期:2017-11-1
修回日期:2018-09-28
网络出版日期:2019-02-20
版权声明:2019《地理研究》编辑部《地理研究》编辑部 所有
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (3720KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
改革开放40多年来,中国经济发展取得举世瞩目的成绩,综合国力迅速提升[1]。1978-2016年,国内生产总值（GDP）从3678.7亿元增长到744127亿元（现价）,人均GDP从385元增长到53980元。但高速经济发展带来的资源枯竭与环境污染问题日益突出,可持续发展面临严峻的考验。一是资源和能源消耗量巨大,1978-2016年,中国能源消费总量从5.71亿t标准煤增长到43.6亿t标准煤。二是中国环境恶化问题日趋突出,“三废”排放居高不下。2016年,全国工业废水排放总量达237.5亿t,工业废气排放总量达645531亿标准m3,工业固体废弃物产生量达32.7亿t。高速经济增长以高昂的资源环境消耗为代价,充分表明中国在经济发展过程中存在各项资源配置效率低下的问题,也说明中国当前的经济发展模式是不可持续的。当今世界已经进入生态约束时代,人类在大力发展经济的同时越来越注重生态环境保护问题,可持续发展成为人类共识[2]。发展绿色经济也是中国的重要战略之一,政府和公众对环境问题日益重视,“十三五”规划明确提出“把生态文明建设放在突出地位”。在此背景下,转变经济增长方式、提高经济发展的投入产出效率,是中国实现可持续发展的必然选择。如何科学地定量评价绿色经济发展水平是可持续发展的一个基础理论问题,也是当前研究热点之一;而投入产出效率作为绿色发展的重要抓手,是定量评价绿色经济发展水平的主要方法之一[3,4]。国内外众多****就这一问题从不同角度进行了探讨,并提出了生态效率、能源效率、经济效率、工业创新效率、绿色生产效率等概念[5,6,7,8,9,10,11,12,13,14,15,16,17],也围绕不同资源要素的投入产出效率开展了大量研究[18,19,20,21,22]。这些概念的本质是经济指标与资源或环境指标的投入产出比[9,10],通过指标体系将经济、资源和环境连接起来,力图找出实现经济效益和环境效益双赢的路径。在如何科学、定量评价方面,现有文献主要涉及比值评价法、因子分析法、数学模型分析法等[9,10]。其中,比值评价法不能区分不同的环境影响,也不能给出最优比率集合,目前已很少应用;因子分析法容易受到选取指标的限制,具有不完全性,也在被逐渐淘汰;目前占主流的数学模型分析法,主要包括数据包络分析（DEA）、Malmquist指数模型等。近年来,大量****引用DEA模型分析中国区域生态效率、城市产出效率、水资源效率等,但DEA的CCR基础模型只能区分有效单元和无效单元,对于多个同时有效单元无法做出进一步评价与比较;且现有文献主要是不同决策单元之间的横向比较分析,基于长时间序列并分阶段关注区域投入产出效率时空格局特征及差异的研究尚待进一步丰富。
基于上述背景,从区域视角出发,在CCR模型基础上采用超效率DEA评价模型,对1995-2015年中国各省区的投入产出效率进行测度,通过时间、空间格局的对比分析,试图揭示中国投入产出效率的演变态势,并对投入产出效率呈现区域差异的原因作进一步探索和阐释,以期为中国可持续发展提供一定的科学支撑。
2 研究方法及数据来源
2.1 投入产出效率的指标体系构建
区域投入产出效率的基本涵义是以较小的资源投入和环境污染来获取较大的经济产出。基于中国社会经济发展与资源环境问题演变态势,同时兼顾样本数据的可得性和可比性,本文选取了以社会经济要素、自然资源要素为主的投入指标,以经济正产出及污染负产出组成的产出指标（表1）。Tab. 1
表1
表1中国区域投入产出效率测度指标体系
Tab. 1The input-output efficiency measurement indicators of provinces in China
| 指标类型 | 类别 | 具体指标 |
|---|---|---|
| 投入指标 | 自然资源要素 | 用水总量 |
| 建设用地面积 | ||
| 能源消耗总量 | ||
| 社会经济要素 | 从业人员数量 | |
| 固定资产投资额 | ||
| R&D经费支出占比 | ||
| 产出指标 | 经济产出 | GDP |
| 工业增加值 | ||
| 社会消费品零售总额 | ||
| 污染排放 | 工业固体废物产生量 | |
| 工业废气排放总量 | ||
| 工业废水排放量 |
新窗口打开
需要说明的是,针对评估指标,特别是产出指标的特性不同,采用一定的方法对指标进行规范化处理[5]。当产出指标要求“越大越好”时（包括GDP、工业增加值、社会消费品零售总额等经济产出）,采用上限效果测度,计算公式为：
当产出指标要求“越小越好”时（包括各项污染产出）,采用下限测度,计算公式为：
式中：δk为第k个省份产出指标经过标准化处理后的值,
2.2 DEA数据包络分析法
数据包络分析（Data Envelopment Analysis,DEA）是基于线性规划模型衡量具有多投入、多产出的多个相同类型决策单元相对有效性或效益的非参数统计方法,是处理多投入、多产出的效率评价问题的理想模式[23,24,25,26]。在DEA模型中,决策单元简记为DMU（Decision Making Unit）,即根据各DMU的投入产出情况判断其是否为DEA有效。2.2.1 基础模型—CCR-DEA模型 首先基于投入的CCR模型评价全国各省区市的资源环境投入产出效率。假定要评价n个地区（DMU）的投入产出效率,每个DMU都有m个投入变量和s个产出变量,xik表示第k个地区第i种投入变量,yjk表示第k个地区的第j种产出变量。则第k个DMU投入产出效率计算公式如下[27]：
式中：
2.2.2 扩展模型—超效率DEA模型 为了进一步对多个同时有效的DMU进行分析和评价,引入超效率DEA模型—Super CCR模型来弥补这一缺陷,以解决多个效率值为1的DMU之间的比较。超效率DEA模型如下：
式（4）中要素和参数含义同式（3）。与基础模型不同的是,超效率DEA模型对某DMU进行效率评价时,先将其排除在外。就无效DMU而言,其最终效率值与用传统DEA模型测量出来的一样;对有效DMU而言,在其效率值不变的前提下,按比例增加投入,将投入增加的比例记为超效率评价值,故其测定的效率值要大于利用传统DEA模型测定的效率值。
2.3 数据来源
社会经济及资源环境数据主要来源于1996-2016年《中国统计年鉴》、各省统计年鉴,个别数据来源于专业统计年鉴。例如,建设用地面积主要来源于1996-2016年的《中国城市统计年鉴》;用水总量数据主要来源2000-2015年的《中国水资源公报》,1995年各省区市的用水总量没有统计,故用供水量代替;工业增加值来源于相应年份的1996-2016年的《中国工业经济统计年鉴》;R&D经费支出数据主要来自各省的科技统计信息网以及《全国科技经费投入统计公报》;2015年,各省区市的工业废气排放总量、工业废水排放总量、工业固体废物产生量等三项数据来源于Winds咨询数据库,部分以1996-2016年《中国能源统计年鉴》做补充,还有部分数据来源于国家发改委。本文的研究范围不包括港澳台地区;由于西藏多项重要指标数据缺乏,在分析时暂不考虑西藏。3 结果分析
以除港澳台及西藏之外的30个省市区为DMU,以DEA-SOLVER Pro.5.0为模型运行平台,分别选择CCR-I模型和Super CCR-I模型对收集的数据指标进行计算,得到1995-2015年各DMU的资源环境投入产出效率。鉴于两种模型得到的投入产出效率无效部分的数值相同,而在有效值部分超效率模型给出了进一步区分,故只列出基于Super-CCR模型的评价结果（表2）。Tab. 2
表2
表2基于Super-CCR模型的1995-2015年中国投入产出效率评价结果
Tab. 2The input-output efficiency of provinces in China based on Super-CCR model, 1995-2015
| DMU | 1995年 | 2000年 | 2005年 | 2010年 | 2015年 | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Score | Rank | Score | Rank | Score | Rank | Score | Rank | Score | Rank | |||||
| 北京 | 1.8996 | 4 | 1.6290 | 5 | 1.7783 | 4 | 2.1187 | 3 | 2.2354 | 3 | ||||
| 天津 | 1.1805 | 12 | 2.1003 | 3 | 1.8765 | 3 | 2.6745 | 2 | 2.6102 | 2 | ||||
| 河北 | 1.1131 | 15 | 1.1051 | 13 | 1.0473 | 11 | 1.1227 | 10 | 1.0271 | 16 | ||||
| 山西 | 0.9354 | 22 | 0.8840 | 24 | 0.9969 | 13 | 0.9630 | 15 | 0.7515 | 27 | ||||
| 内蒙古 | 0.8566 | 27 | 1.0261 | 16 | 0.8079 | 21 | 1.2056 | 8 | 1.1021 | 12 | ||||
| 辽宁 | 1.0513 | 19 | 1.1845 | 10 | 0.9021 | 17 | 0.9927 | 14 | 1.0861 | 13 | ||||
| 吉林 | 0.9808 | 21 | 1.0163 | 17 | 0.8301 | 19 | 0.8182 | 21 | 0.8867 | 21 | ||||
| 黑龙江 | 1.2809 | 8 | 1.2846 | 7 | 0.9934 | 14 | 0.6442 | 29 | 0.7601 | 26 | ||||
| 上海 | 2.1383 | 3 | 1.8469 | 4 | 1.5113 | 7 | 1.6870 | 5 | 1.4638 | 6 | ||||
| 江苏 | 1.2089 | 10 | 1.0726 | 14 | 1.0536 | 10 | 1.1072 | 12 | 1.2170 | 9 | ||||
| 浙江 | 1.2202 | 9 | 1.1561 | 11 | 1.0614 | 9 | 1.1207 | 11 | 1.2136 | 10 | ||||
| 安徽 | 0.9102 | 24 | 0.8977 | 23 | 0.6558 | 29 | 0.7523 | 24 | 0.8119 | 25 | ||||
| 福建 | 1.1874 | 11 | 1.2592 | 8 | 1.2525 | 8 | 1.0690 | 13 | 1.0690 | 15 | ||||
| 江西 | 1.0583 | 18 | 0.9967 | 18 | 0.7866 | 23 | 0.9110 | 16 | 0.9424 | 19 | ||||
| 山东 | 1.1652 | 13 | 1.2071 | 9 | 1.5888 | 5 | 1.4173 | 7 | 1.3969 | 7 | ||||
| 河南 | 1.1266 | 14 | 1.0383 | 15 | 0.9863 | 16 | 1.1404 | 9 | 1.1361 | 11 | ||||
| 湖北 | 0.8347 | 28 | 0.9285 | 21 | 0.9872 | 15 | 0.7777 | 22 | 0.9651 | 18 | ||||
| 湖南 | 1.0358 | 20 | 0.9638 | 19 | 0.8506 | 18 | 0.8686 | 19 | 1.0814 | 14 | ||||
| 广东 | 1.3497 | 6 | 1.5800 | 6 | 1.5814 | 6 | 1.4863 | 6 | 1.5186 | 5 | ||||
| 广西 | 1.1044 | 16 | 0.9475 | 20 | 0.7541 | 24 | 0.8444 | 20 | 1.2868 | 8 | ||||
| 海南 | 5.4019 | 1 | 20.7961 | 1 | 21.6711 | 1 | 15.8943 | 1 | 16.7966 | 1 | ||||
| 重庆 | - | - | 0.9024 | 22 | 0.8226 | 20 | 0.7445 | 25 | 0.8653 | 23 | ||||
| 四川 | 1.8328 | 5 | 0.8246 | 25 | 0.8032 | 22 | 0.8701 | 18 | 0.8732 | 22 | ||||
| 贵州 | 0.9338 | 23 | 0.7446 | 28 | 0.6834 | 28 | 0.7748 | 23 | 0.8885 | 20 | ||||
| 云南 | 1.2860 | 7 | 1.1271 | 12 | 1.0437 | 12 | 0.7150 | 27 | 0.8406 | 24 | ||||
| 陕西 | 0.8728 | 26 | 0.7604 | 27 | 0.7507 | 25 | 0.9054 | 17 | 1.0176 | 17 | ||||
| 甘肃 | 0.7555 | 29 | 0.6644 | 30 | 0.7320 | 27 | 0.6554 | 28 | 0.5365 | 30 | ||||
| 青海 | 2.5956 | 2 | 2.3932 | 2 | 2.9437 | 2 | 1.8926 | 4 | 2.2157 | 4 | ||||
| 宁夏 | 0.8867 | 25 | 0.7151 | 29 | 0.5733 | 30 | 0.5689 | 30 | 0.6959 | 29 | ||||
| 新疆 | 1.0751 | 17 | 0.7684 | 26 | 0.7434 | 26 | 0.7272 | 26 | 0.7036 | 28 | ||||
| 平均值 | 1.3544 | - | 1.7940 | 1.7690 | - | 1.5823 | - | 1.6665 | - | |||||
新窗口打开
3.1 全国层面投入产出效率的时空格局
从历年全国平均水平看,全国层面区域投入产出效率在波动中呈上升态势。具体来说,1995-2000年,全国投入产出效率增长较快,从1.354上升至1.794;2000-2010年间则呈持续下降态势,由1.794下降到1.582;2010-2015年,投入产出效率又略有回升,上升至1.667。从具体的省区市投入产出效率的动态演变过程来看,大部分省区市的投入产出效率时间演变态势与全国总体态势大致相似。1995年,全国共有20个省区市达到投入产出效率有效,效率较高的省份包括海南、青海、上海、北京、四川、广东、云南、黑龙江、浙江、江苏等东部、东北、西部省份,空间分布相对较为均衡。2000年,投入产出效率有效省份减少到17个;2005年和2010年呈持续减少态势,投入产出效率有效省份分别有12个、13个,数量不到决策单元总数量的一半。四川、云南等西南地区省份的投入产出效率相对下降较快,而内蒙古、河北、山东等华北省份的投入产出效率相对上升较快。2015年,实现DEA有效的省区市数量再次回升到17个,包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南等东部省份,河南、湖南等中部分省份,广西、陕西、内蒙古、青海等西部省份以及东北的辽宁。从空间格局看,后金融危机时期,全国投入产出效率的空间差异有所扩大。2015年,中国区域投入产出效率呈较明显的由东向西、由北向南逐渐降低的态势;其中,海南省DEA效率最高达16.8,其次是天津（2.61）、北京（2.24）、青海（2.22）、广东（1.52）、上海（1.46）等。主要因为这些省区市（除青海外）的第三产业发达、科技研发投入强度大,有利于充分利用先进技术提高生产活动效率;2015年,京津沪的第三产业占比都达到50%以上,特别是北京的第三产业占比高达79.65%,北京、上海的R&D经费占比更是高达5.95%、3.66%。而青海多年来一直注重绿色发展,其效率较高与地方政府均大力开展以绿色发展为主的绩效考核紧密相关。排名前十的省区市还包括山东、广西、江苏、浙江等,这些省份的第二、第三产业都比较发达、科技研发投入相对较高;广西经济总量虽然相对较低,但其工业固废、废气、废水等污染排放相对较低,故投入产出效率水平也较高。投入产出效率最低的省份包括黑龙江、山西、新疆、宁夏、甘肃等。其中,黑龙江、山西GDP规模超万亿,但长期以资源能源、重化工业为主,污染排放量大,经济发展呈现明显的“资源高投入、污染高排放”的粗放型增长方式,严重影响投入产出效率;而新疆、宁夏、甘肃均为典型的经济欠发达地区,经济产出较低,经济增长方式较粗放,较低的经济总量与较高的污染排放共同制约区域投入产出效率的提高。总体看,1995-2015年,西南地区投入产出效率下降较快,华北地区投入产出效率上升较明显。20年间,仅北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南、青海等11个省区市始终保持投入产出有效,绝大部分是东部沿海发达省份,西部地区仅青海一直保持DEA有效。
3.2 区域层面投入产出效率的时空差异
为进一步刻画全国资源环境投入产出效率的时空格局差异,从四大板块入手分析东部、东北、中部以及西部地区的区域投入产出效率（图1、图2）。东部地区投入产出效率明显高于其他三个区域,1995-2015年持续达到DEA有效,虽然波动较明显但2015年较1995年投入产出效率水平有显著提升。1995-2015年,东北、中部及西部地区的投入产出效率均呈下降态势,其中,东北地区在1995、2000年DEA有效,2000年DEA效率达1.162,但之后投入产出持续走低一直呈DEA无效;中部地区一直呈DEA无效,效率值先下降后上升呈倒U型,2005年达到最低值0.877;西部地区在1995年DEA有效,但之后DEA效率持续走低一直呈无效状态,2015年略有回升达到DEA有效。
显示原图|下载原图ZIP|生成PPT图11995-2015年中国区域投入产出效率的空间差异
-->Fig. 1The spatial differences of provincial input-output efficiency in China, 1995-2015
-->
显示原图|下载原图ZIP|生成PPT图21995-2015年全国各地区投入产出效率平均水平
-->Fig. 2National input-output efficiency in China, 1995-2015
-->
（1）东部地区
东部10省的投入产出效率在各年份均达到DEA有效,但时序变化波动相对较大,总体呈现先上升后下降再略有回升的趋势。其中,海南的投入产出效率值明显高于其他省市,多年来一直位于全国第1位。北京、天津、上海、广东的投入产出效率多年来也一直位居全国前列。其中,北京的效率值从2000年开始呈现持续上升趋势,在全国的排名也稳步上升;广东的DEA效率发展较为平稳、在平稳中有所提高,在全国排名一直保持在第5、第6位;上海的效率呈降低趋势,全国排名也在波动中有所后退,主要因为上海经济发展很大程度上还是有赖于第二产业带动,多年来第二产业占比都保持在40%以上,加之长期以来延续的是较粗放的出口导向型经济增长模式,生态环境质量逐渐成为影响城市整体发展的突出短板,制约了投入产出效率的提高。天津的DEA效率总体水平相对上升较快,在全国排名也从第12位上升到第2位;主要是因为近年来天津产业结构不断优化调整,2015年第三产业占比首次达到50%以上,大大提高了地方的投入产出效率。江苏和浙江的DEA效率均呈现先降低后提高的趋势,但总体变化幅度不大;福建、山东的DEA效率则呈先上升后回落的态势。河北的投入产出效率水平在东部地区相对最低,其效率值在波动中整体呈略微下降态势,其中2010年达到最高值1.1227,2015年下降到1.0271。
（2）东北地区
东北地区投入产出效率整体偏低,东北三省在全国排名均较为靠后。主要因为东北地区作为老工业基地和资源型地区,长期以来一直以钢铁、机械、石油、化工和煤炭等重工业为主导,经济发展模式比较粗放,资源消耗、环境破坏代价大;加之金融危机之后东北地区转型升级相对较慢,近年来地区经济增长缓慢,投入产出效率距离实现有效仍存在较大差距。其中,黑龙江DEA效率在波动中呈持续降低态势,辽宁、吉林的DEA效率演变态势与全国总体格局基本相似。1995年、2000年,黑龙江、辽宁的DEA效率均有效,且分别位居东北地区第一、第二位;2005年,三省均表现为DEA无效,黑龙江、辽宁仍居东北地区第一、第二位;金融危机之后,黑龙江经济转型升级效果较弱,投入产出效率一度降到0.644,尽管2015年有所回升但仍处于东北地区最低;辽宁省产生转型升级效果较明显,其投入产出效率自2005年开始一直处于上升态势,2015年达到1.086,位居东北地区第一;吉林省转方式、调结构的成效相对更有效,2010年之后DEA效率开始上升至东北地区第二位。
（3）中部地区
中部各省的投入产出效率普遍偏低,区域内部差异不明显。其中,山西、安徽以及湖北的效率相对较低,一直呈DEA无效状态。因为山西是全国资源型大省,其产业经济发展以煤炭产业为核心,各种资源投入高、资源消耗和污染排放极大,产业发展过程研发投入较少,从而导致DEA效率一直较低。安徽和湖北两省发展模式相似,当地已有产业体系和生产技术水平仍较为落后,资源采选及初级产品加工业占比过大、且第三产业发展较弱,工业三废排放量较大,很大程度增加了对生态环境和资源的压力,限制了投入产出效率的提高。另外,江西和湖南的投入产出效率处于中部地区中等水平,1995年两省均为DEA有效,之后呈快速下降态势,2005年之后开始不断回升,但其投入产出效率依然未达到有效。河南的投入产出效率为中部地区最高,呈先下降后上升的趋势,除2005年外其他年份均为DEA有效。
（4）西部地区
西部地区的投入产出效率区域差异巨大,特别是西南地区投入产出效率呈较明显的下降态势。广西、四川、重庆、贵州、云南的DEA效率均呈先降低后提高的趋势,但2005年前下降态势较明显,金融危机之后的转型升级速度相对较慢,因此在全国地位有所下降。其中,广西的投入产出效率提升最为明显,2015年实现有效,在全国的排名上升至第8。青海的投入产出效率一直位居全国前列,1995-2015年其效率值有所下降但相对其他区市仍较高。内蒙古、陕西的投入产出效率从无效到有效、提高较为明显;特别是陕西的效率值在2000年之后呈持续平稳上升态势,全国排名不断上升,2015年效率值达到1.018。甘肃、宁夏、新疆三省（区）的投入产出效率普遍偏低,在全国排名基本处于最后三位;1995-2015年,这三省（区）的效率值在波动中总体呈下降态势,甘肃、新疆的效率自2005年以来一直呈持续降低态势。总体上看,西部地区脆弱的自然生态状况是区域投入产出效率水平低的重要原因。其中,西南地区人口总量大、人口增长迅速,但地方经济总量偏低、经济发展速度不高;区域自然资源禀赋丰富,但开发难度大且不合理开采行为时有发生,造成大规模的生态破坏和环境污染,制约区域投入产出效率。西北地区自然资源本底薄弱、生态环境恶劣,区域产业结构不合理,产品深加工能力欠缺、科技含量低下,经济发展方式粗放,加之近年来人口增长又加速资源消耗,使投入产出效率较低的局面日益严峻。
4 结论与讨论
随着中国经济快速发展及其带来的巨大资源环境安全问题,经济发展与资源环境关系以及由此引起的投入产出效率问题已经成为学术研究的热点。本文试图构建更综合、全面反映经济发展与资源环境关系的投入产出指标体系,并采用DEA模型方法对中国30个省市（不包含港澳台、西藏）的投入产出效率变化趋势及其时空格局进行分析,在区分各省投入产出是否有效的基础上进一步采用超效率DEA模型对有效省区市的DEA效率进行具体测算。研究结果显示：① 从全国层面看,全国投入产出效率在波动中呈上升态势;特别是金融危机之后中国积极转变经济发展方式、调整产业结构,效率提升较明显。2015年,各省的投入产出效率呈现明显的区域差异,投入产出效率由东向西呈逐渐降低态势。② 分区域看,东部地区投入产出效率相对最高,其区位优势明显、经济体量大、资源配置效率相对高。其中,北京、天津、广东等省市的投入产出效率上升态势较明显;上海的投入产出效率虽一直位居全国前列,但效率值和全国排名均有所下降;河北的投入产出效率相对较低,产业结构亟需优化调整。东北地区投入产出效率整体偏低,三省在全国的排名都较为靠后,投入产出效率距离实现有效存在较大差距;其中,黑龙江的效率值在波动中呈持续降低态势。中部各省产业结构偏重、投入产出效率普遍不高,其中,山西、安徽、湖北的效率偏低,河南的投入产出效率相对较高。西部地区投入产出效率的省际差异明显,西南各省的效率下降态势较明显;大部分西部省份由于自然本底薄弱、能源原材料产业占比过大导致投入产出效率偏低,仅青海的效率一直有效且位居全国前列。
不同区域的投入产出效率呈现不同变化态势,是时代背景、经济发展模式、产业结构等因素综合影响的结果。从全国层面看,20世纪90年代,随着技术进步中国经济发展模式逐渐优化,资源环境投入产出效率水平有所提升;进入21世纪,随着对外出口贸易迅猛增长,中国逐渐步入“世界工厂”的行列,中国的经济发展模式也逐渐转变为出口导向型的发展模式,投入产出效率呈持续下降态势;直到2010年之后,投入产出效率又有所提升,这与中国在2008年金融危机之后积极转变经济发展模式、调整和优化产业结构不无关系。从省级层面看,省区市的发展目标、功能定位影响其投入产出效率。例如,北京作为首都,和谐宜居日益成为当今城市发展的主要目标,随着“工业基地”“经济重心”这些定位先后退出历史舞台,其经济发展越来越依赖于科技创新,科研与技术的投入处于国内领先地位,这对提高投入产出效率具有重要作用。其次,产业是经济发展的助推器,区域产业结构对其投入产出效率也有较明显的影响。例如,广东省投入产出效率一直保持全国前列水平,不仅与其经济发展水平有关,其在金融危机之后实施的“腾笼换鸟”政策,逐渐淘汰水泥熟料、造纸、印染、制革、铅蓄电池等大量落后产能,大力增加科技研发投入,并重视产业结构升级,对其投入产出效率的提升极为关键。另外,随着资源环境问题的日益凸显,区域环境保护与污染治理也是影响区域投入产出效率的重要因素。例如,福建、山东等部分沿海省份因具有较强的资源集聚功能,随着经济发展水平的提高,其环境污染与生态破坏的问题也日益突出,在一定程度抑制投入产出效率的提高;河北承接京津“退二进三”产业转移、保障首都发展功能的要求很大程度增大了其资源消耗,加剧了河北的生态破坏与环境污染,加之本身生产技术相对落后,限制其投入产出效率的提高。相反,河南省投入产出效率水平明显高于中部地区其他省份,正是因为其积极实施可持续发展战略,在追求经济产出的同时采取污染物总量控制和“跨世纪绿色工程计划”等举措,近年来产业结构优化升级效果较明显,旅游业等第三产业增长迅速,有力地促进了区域投入产出效率的提高。
本文在对全国投入产出效率演变过程及其空间格局进行分析的基础上,结合不同省市的社会经济发展及自然生态环境状况予以讨论和阐释,基本上可以印证模型计算结果。在未来研究中,如何进一步修正、优化投入产出指标体系,进一步定量分析和科学探讨不同地区投入产出效率时空差异的影响因素,提出各地投入产出效率的提升路径及建设建议,是值得深入研究的方向。
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] | . |
| [2] | . We utilize two alternative indices to measure productivity growth for all but two OECD countries. First, we employ a Malmquist productivity index without considering the existence of hazardous by-products of production processes. To address the shortfalls of this index, we construct an alternative Malmquist–Luenberger productivity index and find that the Malmquist index underestimates the productivity growth. Finally, we investigate the effects of an international protocol on reducing global emissions and country-specific effects on Malmquist–Luenberger productivity measures. Journal of Comparative Economics 33 (2) (2005) 401–420. |
| [3] | . 尝试采用DEA测评中国202个地级及其以上城市的效率,进而探索中国城市效率在1990～2000年间的时空变化,结果发现:目前中国城市效率较低,而且呈现与三大地带经济发展格局和城市行政等级相一致的空间格局.另外,进一步把城市效率分解为规模效率、利用效率和纯技术效率,发现中国城市的利用效率和纯技术效率普遍较高,但规模效率是影响中国城市效率空间格局和时空变化的主要因素;正是由于规模效率在1990～2000年的下降抵消了利用效率、纯技术效率上升所带来的影响,造成目前中国城市效率普遍较低.因此,从规模效率的角度看中国城市目前还具有很大的发展潜力. . 尝试采用DEA测评中国202个地级及其以上城市的效率,进而探索中国城市效率在1990～2000年间的时空变化,结果发现:目前中国城市效率较低,而且呈现与三大地带经济发展格局和城市行政等级相一致的空间格局.另外,进一步把城市效率分解为规模效率、利用效率和纯技术效率,发现中国城市的利用效率和纯技术效率普遍较高,但规模效率是影响中国城市效率空间格局和时空变化的主要因素;正是由于规模效率在1990～2000年的下降抵消了利用效率、纯技术效率上升所带来的影响,造成目前中国城市效率普遍较低.因此,从规模效率的角度看中国城市目前还具有很大的发展潜力. |
| [4] | . 生态效率是衡量循环经济发展水平的重要指标,反映了经济发展中利用自然资源减轻环境压力的效率。尝试将数据包络分析(DEA)方法运用到生态效率的实证研究当中,从宏观角度对中国2000—2006年区域生态效率进行测度和评价。结果表明:在此期间,中国整体生态效率变化不大,基本保持在0.7—0.8的平均水平,但是区域间生态效率差异明显,东、中、西部效率值分别为0.939、0.712、0.641,东部与中西部地区之间存在着显著差异。工业固体废物、工业粉尘、烟尘等污染物的排放及土地、水等资源的消耗成为影响区域生态效率的主要因素。总的来看,粗放型经济增长方式制约了区域生态效率的改善,推动经济增长方式向集约型转变是提高生态效率、实现可持续发展的根本途径。 . 生态效率是衡量循环经济发展水平的重要指标,反映了经济发展中利用自然资源减轻环境压力的效率。尝试将数据包络分析(DEA)方法运用到生态效率的实证研究当中,从宏观角度对中国2000—2006年区域生态效率进行测度和评价。结果表明:在此期间,中国整体生态效率变化不大,基本保持在0.7—0.8的平均水平,但是区域间生态效率差异明显,东、中、西部效率值分别为0.939、0.712、0.641,东部与中西部地区之间存在着显著差异。工业固体废物、工业粉尘、烟尘等污染物的排放及土地、水等资源的消耗成为影响区域生态效率的主要因素。总的来看,粗放型经济增长方式制约了区域生态效率的改善,推动经济增长方式向集约型转变是提高生态效率、实现可持续发展的根本途径。 |
| [5] | . 中国城市群是中国未来经济发展格局中最具活力和潜力的核心地区,是中国主体功能区划中的重点开发区和优化开发区,在全国生产力布局格局中起着战略支撑点、增长极点和核心节点的作用。但城市群高密度的聚集导致高强度的相互作用,在拉动城市群高速度成长的同时,造成了高风险的生态环境威胁。如何客观评价城市群高密度集聚的效果?基于这一问题,本文从投入产出效率视角,构建城市群投入产出效率指标体系,采用CRS模型、VRS模型和Bootstrap-DEA方法,综合测算了中国城市群投入产出效率、变化趋势及空间分异特征。结果表明,中国城市群投入产出效率总体较低且呈下降趋势,2002年、2007年中国城市群投入产出综合效率为0.853和0.820,分别达到最优水平的85%和82%,平均综合效率下降了0.033;基于Bootstrap-DEA纠偏后的中国城市群投入产出效率更低,但更可靠有效;城市群投入产出综合效率、纯技术效率和规模效率总体表现为东部高于中部,中部高于西部的区域空间格局,呈现出与中国东、中、西区域经济发展格局相似的特征;2002-2007年中国城市群规模效率指数微弱上升,全要素生产率指数、综合效率指数、技术效率变化指数以及纯技术效率指数下降趋势显著。该研究旨在为评估我国城市群高密度集聚的效果提供定量的测算依据,进而为提高中国城市群的投入产出效率与空间集聚效率奠定科学的决策基础。 . 中国城市群是中国未来经济发展格局中最具活力和潜力的核心地区,是中国主体功能区划中的重点开发区和优化开发区,在全国生产力布局格局中起着战略支撑点、增长极点和核心节点的作用。但城市群高密度的聚集导致高强度的相互作用,在拉动城市群高速度成长的同时,造成了高风险的生态环境威胁。如何客观评价城市群高密度集聚的效果?基于这一问题,本文从投入产出效率视角,构建城市群投入产出效率指标体系,采用CRS模型、VRS模型和Bootstrap-DEA方法,综合测算了中国城市群投入产出效率、变化趋势及空间分异特征。结果表明,中国城市群投入产出效率总体较低且呈下降趋势,2002年、2007年中国城市群投入产出综合效率为0.853和0.820,分别达到最优水平的85%和82%,平均综合效率下降了0.033;基于Bootstrap-DEA纠偏后的中国城市群投入产出效率更低,但更可靠有效;城市群投入产出综合效率、纯技术效率和规模效率总体表现为东部高于中部,中部高于西部的区域空间格局,呈现出与中国东、中、西区域经济发展格局相似的特征;2002-2007年中国城市群规模效率指数微弱上升,全要素生产率指数、综合效率指数、技术效率变化指数以及纯技术效率指数下降趋势显著。该研究旨在为评估我国城市群高密度集聚的效果提供定量的测算依据,进而为提高中国城市群的投入产出效率与空间集聚效率奠定科学的决策基础。 |
| [6] | . The decreasing budgets of public forestry organizations have given rise to the present need to evaluate their efficiency and to find means to improve it. In this paper the efficiency of 19 state-funded, regional Forestry Boards is investigated using Data Envelopment Analysis (DEA). In addition, the prime determinants of efficiency are examined using Tobit models. The results indicate a substantial variation in efficiency across Forestry Boards with a potential for input saving in the range of 20%. It seems that, of the controllable factors, management style and support are associated with efficiency. It appears also that applying DEA with Tobit models provides a useful two-stage approach to assess and explain efficiency differences among public forestry organizations. |
| [7] | . This paper examines changes in agricultural productivity in 18 developing countries over the period 1961-1985. We use a nonparametric, output-based Malmquist index and a parametric variable coeficients Cobb-Douglas production function to examine, whether our estimates confirm results from other studies that have indicated declining agricultural productivity in LDCs. The results confirm previous findings, indicating that at least half of these countries have experienced productivity declines in agriculture. |
| [8] | . |
| [9] | . 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. |
| [10] | . Efficiency scores of production units are generally measured relative to an estimated production frontier. Nonparametric estimators (DEA, FDH, ...) are based on a finite sample of observed production units. The bootstrap is one easy way to analyze the sensitivity of efficiency scores relative to the sampling variations of the estimated frontier. The main point in order to validate the bootstrap is to define a reasonable data-generating process in this complex framework and to propose a reasonable estimator of it. This paper provides a general methodology of bootstrapping in nonparametric frontier models. Some adapted methods are illustrated in analyzing the bootstrap sampling variations of input efficiency measures of electricity plants. |
| [11] | . 能源生态效率兼顾能源利用中的 生态效益与经济效益,是对能源—环境—经济3E系统效率的度量。基于考虑非期望产出的SBM模型对中国1997-2012年省际能源生态效率进行测度,从 空间格局规模、格局强度与格局纹理三个方面分析能源生态效率的空间分布特征和演变规律,运用空间计量模型验证中国省际能源生态效率的空间溢出效应及其影响 因素。研究表明:1中国能源生态效率整体偏低,低效率省份约占40%,广东、海南、福建位于能源生态效率值的最前沿,宁夏、甘肃、青海、新疆为主要的低能 效地区。全国能源生态效率总体上呈U型演变格局,局部地区主要有增长型、波动型、突变型和平稳型等4种演变类型;2中国能源生态效率在省际尺度上表现出显 著的全局与局部空间集聚特征,高高集聚区主要分布在东部沿海和南部沿海地区,低低集聚区主要分布在西北地区和黄河中游地区。空间格局的变化主要发生在高低 集聚区与低高集聚区,其中又以京津冀地区的集聚类型演变最为显著;3中国能源生态效率存在着明显的空间效应,某一地区的能源生态效率对相邻地区的空间溢出 程度均强于相邻地区的误差冲击对该地区的影响程度;在影响能源生态效率空间效应的诸多因素中,产业结构的影响最大。 . 能源生态效率兼顾能源利用中的 生态效益与经济效益,是对能源—环境—经济3E系统效率的度量。基于考虑非期望产出的SBM模型对中国1997-2012年省际能源生态效率进行测度,从 空间格局规模、格局强度与格局纹理三个方面分析能源生态效率的空间分布特征和演变规律,运用空间计量模型验证中国省际能源生态效率的空间溢出效应及其影响 因素。研究表明:1中国能源生态效率整体偏低,低效率省份约占40%,广东、海南、福建位于能源生态效率值的最前沿,宁夏、甘肃、青海、新疆为主要的低能 效地区。全国能源生态效率总体上呈U型演变格局,局部地区主要有增长型、波动型、突变型和平稳型等4种演变类型;2中国能源生态效率在省际尺度上表现出显 著的全局与局部空间集聚特征,高高集聚区主要分布在东部沿海和南部沿海地区,低低集聚区主要分布在西北地区和黄河中游地区。空间格局的变化主要发生在高低 集聚区与低高集聚区,其中又以京津冀地区的集聚类型演变最为显著;3中国能源生态效率存在着明显的空间效应,某一地区的能源生态效率对相邻地区的空间溢出 程度均强于相邻地区的误差冲击对该地区的影响程度;在影响能源生态效率空间效应的诸多因素中,产业结构的影响最大。 |
| [12] | . <p>以中国288个地级以上城市为研究对象,运用2008年第二次全国经济普查工业创新活动数据,综合考察城市工业创新效率的空间格局及其影响因素。首先,从投入和产出两方面构建了中国城市工业创新效率评价体系,运用DEA包络分析方法,从规模效率和纯技术效率两个维度对城市工业创新技术效率进行分析。然后,以聚类分析划分了3类工业创新效率城市,总结工业创新效率模式的空间特征,并分析了影响空间格局的原因。研究发现：中国城市工业创新效率呈现东强西弱,阶梯状减弱的总体空间格局,工业创新规模效率和纯技术效率的空间特征并不重合;全国尺度上,工业创新效率城市的空间分布与人口密度“黑河<i>-</i>腾冲”线的分布基本一致,区域尺度上,城市间呈现“核心<i>-</i>边缘”空间结构;城市工业创新效率空间格局受到工业发展基础与工业创新能力影响,提高城市工业创新效率关键在于提升工业创新中人力资本要素和优化工业创新投入规模。</p> . <p>以中国288个地级以上城市为研究对象,运用2008年第二次全国经济普查工业创新活动数据,综合考察城市工业创新效率的空间格局及其影响因素。首先,从投入和产出两方面构建了中国城市工业创新效率评价体系,运用DEA包络分析方法,从规模效率和纯技术效率两个维度对城市工业创新技术效率进行分析。然后,以聚类分析划分了3类工业创新效率城市,总结工业创新效率模式的空间特征,并分析了影响空间格局的原因。研究发现：中国城市工业创新效率呈现东强西弱,阶梯状减弱的总体空间格局,工业创新规模效率和纯技术效率的空间特征并不重合;全国尺度上,工业创新效率城市的空间分布与人口密度“黑河<i>-</i>腾冲”线的分布基本一致,区域尺度上,城市间呈现“核心<i>-</i>边缘”空间结构;城市工业创新效率空间格局受到工业发展基础与工业创新能力影响,提高城市工业创新效率关键在于提升工业创新中人力资本要素和优化工业创新投入规模。</p> |
| [13] | . 绿色生产效率评价是评估中国生态文明建设和经济转型可行性的重要途径.基于“人地协调”理念和“过程+格局”思维,建立了衡量绿色生产效率的投入—产出指标,采用数据包络分析法对中国30个省(市、区)近10年的绿色生产效率进行测度,运用熵值法、基尼系数、探索性空间数据分析、空间自相关等方法,结合ArcGIS、Geoda软件,对中国2005-2014绿色生产效率差异以及空间格局的时空演变进行研究.结果表明:①2005-2014年中国绿色生产效率呈上升趋势,呈现从“大差距低水平”向“小差距高水平”转变的时序特征;②2005-2014年中国四大地区绿色生产效率呈现东部地区＞东北地区＞中部地区＞西部地区的空间分异特征;③中国绿色生产效率呈现东高西低的率三级阶梯空间格局特征;④中国各省(市、区)绿色生产效率值与相邻地区存在相似性,表现出一定的空间集聚特征;⑤经济发展基础和差别化的资源环境区域政策是绿色生产效率区域差异的主要因素. . 绿色生产效率评价是评估中国生态文明建设和经济转型可行性的重要途径.基于“人地协调”理念和“过程+格局”思维,建立了衡量绿色生产效率的投入—产出指标,采用数据包络分析法对中国30个省(市、区)近10年的绿色生产效率进行测度,运用熵值法、基尼系数、探索性空间数据分析、空间自相关等方法,结合ArcGIS、Geoda软件,对中国2005-2014绿色生产效率差异以及空间格局的时空演变进行研究.结果表明:①2005-2014年中国绿色生产效率呈上升趋势,呈现从“大差距低水平”向“小差距高水平”转变的时序特征;②2005-2014年中国四大地区绿色生产效率呈现东部地区＞东北地区＞中部地区＞西部地区的空间分异特征;③中国绿色生产效率呈现东高西低的率三级阶梯空间格局特征;④中国各省(市、区)绿色生产效率值与相邻地区存在相似性,表现出一定的空间集聚特征;⑤经济发展基础和差别化的资源环境区域政策是绿色生产效率区域差异的主要因素. |
| [14] | . 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. 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] | . 应用改进的DEA模型对长江三角洲15城市经济发展有效性进行实证分析,发现长江三角洲15城市经济发展的有效性差距明显,投入产出效率极不相同。上海经济发展为DEA有效,江苏城市经济发展的有效性值高于浙江城市。经济发展的有效性与城市产业结构高级化相关。调整城市经济投入结构,准确进行城市的产业定位,不断促使产业升级,是提高城市经济发展有效性的正确途径。 . 应用改进的DEA模型对长江三角洲15城市经济发展有效性进行实证分析,发现长江三角洲15城市经济发展的有效性差距明显,投入产出效率极不相同。上海经济发展为DEA有效,江苏城市经济发展的有效性值高于浙江城市。经济发展的有效性与城市产业结构高级化相关。调整城市经济投入结构,准确进行城市的产业定位,不断促使产业升级,是提高城市经济发展有效性的正确途径。 |
| [16] | . 从城市经济运行的角度,运用数据包络分析方法(DEA模型),对2007年我国75个地级资源型城市的经济发展规模效益进行了定量评价,揭示出我国资源型城市经济发展效率在空间分布、资源类别上的差异,分析了影响资源型城市经济发展效率的原因,并就如何提高资源型城市经济发展效益,促进其持续发展提出了相应建议. . 从城市经济运行的角度,运用数据包络分析方法(DEA模型),对2007年我国75个地级资源型城市的经济发展规模效益进行了定量评价,揭示出我国资源型城市经济发展效率在空间分布、资源类别上的差异,分析了影响资源型城市经济发展效率的原因,并就如何提高资源型城市经济发展效益,促进其持续发展提出了相应建议. |
| [17] | . 该文采用数据包络分析 (DEA)有效性方法对我国直辖市和省会城市的投入产出效率进行评价 ,得到的结果为 :西部地区相对于东部地区 ,其投入产出的效率要低得多 ;城市并非规模越大 ,其投入产出越有效。阐明西部地区投入产出方面与东部地区存在一定差距 ,因此 ,西部开发不单是要向西部投入大量资金 ,而是要从改善西部地区的投资环境 ,提高投入产出效率入手。 . 该文采用数据包络分析 (DEA)有效性方法对我国直辖市和省会城市的投入产出效率进行评价 ,得到的结果为 :西部地区相对于东部地区 ,其投入产出的效率要低得多 ;城市并非规模越大 ,其投入产出越有效。阐明西部地区投入产出方面与东部地区存在一定差距 ,因此 ,西部开发不单是要向西部投入大量资金 ,而是要从改善西部地区的投资环境 ,提高投入产出效率入手。 |
| [18] | . . |
| [19] | . 土地整理是中国实现耕地总量动态平衡和确保耕地红线的重要措施和手段，在叫确投入产出因子的基础上，依据土地整理多投入多产出的特点，利用数据包络分析（DEA）方法对中部土地整理区各省份在土地整理项目上的投入产出效率进行计算，对相应效率损失进行分析，结果表明：（1）中部土地整理区土地整理投入产出效率在总体上具有规律性，其中农业生产条件较好的省份，不论投入产出效率值是否达到最优，皆为规模收益递减；农业生产条件较差的省份则相反；（2）由于地貌、土壤、气候等农业生产和生态条件不同，各省份投入产出效率差异较大；（3）由于规模效益差异使得各省份土地整理项目产出不随投入规模的增加而增大，土地整理投入产出结构存在不合理。 . 土地整理是中国实现耕地总量动态平衡和确保耕地红线的重要措施和手段，在叫确投入产出因子的基础上，依据土地整理多投入多产出的特点，利用数据包络分析（DEA）方法对中部土地整理区各省份在土地整理项目上的投入产出效率进行计算，对相应效率损失进行分析，结果表明：（1）中部土地整理区土地整理投入产出效率在总体上具有规律性，其中农业生产条件较好的省份，不论投入产出效率值是否达到最优，皆为规模收益递减；农业生产条件较差的省份则相反；（2）由于地貌、土壤、气候等农业生产和生态条件不同，各省份投入产出效率差异较大；（3）由于规模效益差异使得各省份土地整理项目产出不随投入规模的增加而增大，土地整理投入产出结构存在不合理。 |
| [20] | . 利用DEA、Malmquist指数模型方法，对1990—2006年中国特大城市要素资源 效率及其变化进行了深入的研究。城市效率研究显示，特大城市平均效率一般，只有少数城市达到了效率最优。进一步的分类研究发现：①东、中部地区特大城市综 合效率一般要高于西部地区，呈现出与我国区域经济格局相似的特征；②纯技术效率与城市规模成弱负相关关系，即城市规模越大，城市纯技术效率越低;③城市规 模与规模效率成一定的正相关关系。即城市规模越大，规模效率越高。城市效率变化研究显示，1990-2006年特大城市效率呈现弱改善趋势，但技术退步和 生产率下降明显。其中1990—2000年全都呈上升趋势，而2000-2006年全都呈下降趋势。进一步的分类研究显示：①城市综合效率和生产率变化趋 势是，东部沿海地区有一定提高，中西部地区下降，其中，西部地区下降最明显。②不同规模城市的综合效率变化表现为，特大城市提高，超大城市和巨型城市下 降；③不同规模城市的生产率都呈现下降趋势；④不同规模城市的规模效率都呈上升趋势，存在随特大城市规模的增大，城市规模效率提高的趋势呈现递减的现象。 . 利用DEA、Malmquist指数模型方法，对1990—2006年中国特大城市要素资源 效率及其变化进行了深入的研究。城市效率研究显示，特大城市平均效率一般，只有少数城市达到了效率最优。进一步的分类研究发现：①东、中部地区特大城市综 合效率一般要高于西部地区，呈现出与我国区域经济格局相似的特征；②纯技术效率与城市规模成弱负相关关系，即城市规模越大，城市纯技术效率越低;③城市规 模与规模效率成一定的正相关关系。即城市规模越大，规模效率越高。城市效率变化研究显示，1990-2006年特大城市效率呈现弱改善趋势，但技术退步和 生产率下降明显。其中1990—2000年全都呈上升趋势，而2000-2006年全都呈下降趋势。进一步的分类研究显示：①城市综合效率和生产率变化趋 势是，东部沿海地区有一定提高，中西部地区下降，其中，西部地区下降最明显。②不同规模城市的综合效率变化表现为，特大城市提高，超大城市和巨型城市下 降；③不同规模城市的生产率都呈现下降趋势；④不同规模城市的规模效率都呈上升趋势，存在随特大城市规模的增大，城市规模效率提高的趋势呈现递减的现象。 |
| [21] | . 正世界可持续发展委员会(WBCSD)将生态效率定义为:“生态效率的形成,需要在提供价格上具有竞争力的产品和服务以满足人们需求、提高生活质量的同时,在商品和服务的整个生命周期内 . 正世界可持续发展委员会(WBCSD)将生态效率定义为:“生态效率的形成,需要在提供价格上具有竞争力的产品和服务以满足人们需求、提高生活质量的同时,在商品和服务的整个生命周期内 |
| [22] | . 林业的高效发展是实现我国生态、经济、社会可持续发展的重要举措之一。为了促进林业发展, 我国政府对林业的投入逐年递增。本文运用DEA评价模型, 对1993年-2010年间我国林业投入产出效率进行测算和分析。测算结果表明:1993年-2002年间, 我国林业投入产出效率总体较高, 综合效率均值为0.994, 但2003年-2010年间综合效率均值下降到0.932, 且波动较大;林业劳动力投入和林业第一产业产值对我国林业投入产出的效率影响较大。结合我国林业发展的现实背景分析发现, 林业投资资金的利用效率不高、人力资源投入不足和林业经济发展水平偏低导致了近几年林业投入产出效率的降低。 . 林业的高效发展是实现我国生态、经济、社会可持续发展的重要举措之一。为了促进林业发展, 我国政府对林业的投入逐年递增。本文运用DEA评价模型, 对1993年-2010年间我国林业投入产出效率进行测算和分析。测算结果表明:1993年-2002年间, 我国林业投入产出效率总体较高, 综合效率均值为0.994, 但2003年-2010年间综合效率均值下降到0.932, 且波动较大;林业劳动力投入和林业第一产业产值对我国林业投入产出的效率影响较大。结合我国林业发展的现实背景分析发现, 林业投资资金的利用效率不高、人力资源投入不足和林业经济发展水平偏低导致了近几年林业投入产出效率的降低。 |
| [23] | 生态效率同时考虑经济效益和环境效益，是将可持续发展的宏观目标融入中观（区域）和微观（企业）的发展规划与管理中的有效工具。回顾了生态效率的概念和发展过程，分析了其内涵和指标体系，探讨了几种典型计算方法与模型，并介绍了国内外在企业、行业和区域3个层次上的应用实践，讨论和提出了进一步开展生态效率研究的焦点问题和未来方向。 . 生态效率同时考虑经济效益和环境效益，是将可持续发展的宏观目标融入中观（区域）和微观（企业）的发展规划与管理中的有效工具。回顾了生态效率的概念和发展过程，分析了其内涵和指标体系，探讨了几种典型计算方法与模型，并介绍了国内外在企业、行业和区域3个层次上的应用实践，讨论和提出了进一步开展生态效率研究的焦点问题和未来方向。 |
| [24] | . 尝试借鉴德国环境经济账户中的生态效率指标，并根据我国的实际情况，构建适合度量我国循环经 济发展的生态效率指标。然后应用构建的生态效率指标分析我国1990～2005年生态效率的历史趋势，发现我国1990--2005年各种自然输入要素的 生态效率都呈现增长的态势，但是增长的速度都仅仅使自然输入要素与经济产出呈现出不同程度的弱脱钩。根据生态效率的历史趋势预测2020年我国可能的资源 消耗和污染排放，发现如果雏持目前经济增长模式，尽管到2020年我国完全可以实现经济发展比2000年翻两番的战略目标，但是同期能源消耗量、原材料消 耗量和二氧化硫排放量也都将超过翻一番，能源消耗量甚至接近翻两番，而废水排放量也几乎翻一番。 . 尝试借鉴德国环境经济账户中的生态效率指标，并根据我国的实际情况，构建适合度量我国循环经 济发展的生态效率指标。然后应用构建的生态效率指标分析我国1990～2005年生态效率的历史趋势，发现我国1990--2005年各种自然输入要素的 生态效率都呈现增长的态势，但是增长的速度都仅仅使自然输入要素与经济产出呈现出不同程度的弱脱钩。根据生态效率的历史趋势预测2020年我国可能的资源 消耗和污染排放，发现如果雏持目前经济增长模式，尽管到2020年我国完全可以实现经济发展比2000年翻两番的战略目标，但是同期能源消耗量、原材料消 耗量和二氧化硫排放量也都将超过翻一番，能源消耗量甚至接近翻两番，而废水排放量也几乎翻一番。 |
| [25] | . 为使DEA评价结果具有合理的区分度,现有经验是使输入、输出指标总数与决策单元数之间满足一定的数量关系。通过对比研究输入、输出指标数之和、之积与DEA有效单元数之间的关系,对上述经验的合理性进行了探讨,得到了一些重要结论。 . 为使DEA评价结果具有合理的区分度,现有经验是使输入、输出指标总数与决策单元数之间满足一定的数量关系。通过对比研究输入、输出指标数之和、之积与DEA有效单元数之间的关系,对上述经验的合理性进行了探讨,得到了一些重要结论。 |
| [26] | . <p>数据包络分析(简称DEA)是运筹学、管理科学和数理经济学交叉研究的一个新的领域, 是使用数学规划评价具有多个输入与输出的决策单元(简记为DMU)间的相对有效性(DEA有效), 即判断DMU是否位于生产可能集的“前沿面”上. 使用DEA对DMU进行效率评价时, 可以得到很多在经济学中具有深刻经济含义和背景的管理信息. 介绍DEA研究的历史、现状, 特别是它的发展过程, 同时对某些模型作了扩展．阐述了数学、经济学和管理科学是这一学科形成的柱石, 优化是其研究的主要方法, 而DEA的广泛应用是它能得以迅速发展的动力．</p> . <p>数据包络分析(简称DEA)是运筹学、管理科学和数理经济学交叉研究的一个新的领域, 是使用数学规划评价具有多个输入与输出的决策单元(简记为DMU)间的相对有效性(DEA有效), 即判断DMU是否位于生产可能集的“前沿面”上. 使用DEA对DMU进行效率评价时, 可以得到很多在经济学中具有深刻经济含义和背景的管理信息. 介绍DEA研究的历史、现状, 特别是它的发展过程, 同时对某些模型作了扩展．阐述了数学、经济学和管理科学是这一学科形成的柱石, 优化是其研究的主要方法, 而DEA的广泛应用是它能得以迅速发展的动力．</p> |
| [27] | . 在介绍超效率DEA模型基础上,以反映经济发展的GDP和反映环境污染与能源消耗的相关变量为基础设计了评价生态效率的指标,并根据中国2007年的数据对各地区的生态效率进行了评价与比较,得出了全国生态效率总体偏低和地区生态效率差距较大的结论。 . 在介绍超效率DEA模型基础上,以反映经济发展的GDP和反映环境污染与能源消耗的相关变量为基础设计了评价生态效率的指标,并根据中国2007年的数据对各地区的生态效率进行了评价与比较,得出了全国生态效率总体偏低和地区生态效率差距较大的结论。 |
