删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中国东部沿海地区四大城市群生态效率评价

本站小编 Free考研考试/2021-12-29

任宇飞¹^,², 方创琳¹^,²^,, 蔺雪芹³

1. 中国科学院地理科学与资源研究所,北京 100101

2. 中国科学院大学资源与环境学院,北京 100045

3. 首都师范大学资源环境与旅游学院,北京 100048

Evaluation of eco-efficiency of four major urban agglomerations in eastern coastal area of China

RENYufei¹^,², FANGChuanglin¹^,²^,, LINXueqin²

1. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

2. University of Chinese Academy of Sciences, Beijing 100049, China

3. College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China

通讯作者:通讯作者：方创琳(1966-), 男, 甘肃庆阳人, 研究员, 中国地理学会会员(S110001715M), 主要研究方向为城市地理、城市群发展与城镇化的资源环境效应等。E-mail: fangcl@igsnrr.ac.cn
收稿日期:2016-08-6
修回日期:2017-06-8
网络出版日期:2017-11-20
版权声明:2017《地理学报》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:

国家自然科学基金重大项目(41590840, 41590842)

国家自然科学基金项目(41371177)

作者简介:
-->作者简介：任宇飞(1990-), 男, 甘肃兰州人, 博士, 研究方向为城市群可持续发展。E-mail: renyuf@126.com

展开

摘要
东部沿海地区城市群是国家经济发展的战略核心区和国家新型城镇化的主体区之一,其经济—生态可持续发展问题是近年来地理研究领域的前沿主题。首先对城市群生态效率进行定义并将其作为城市群可持续发展测度指标;随后运用传统DEA模型及非期望产出SBM模型,对东部沿海地区四大城市群在2005年、2011年、2014年三个时间截面中的经济效率、生态效率进行比较评价并分析了城市群生态效率时空演变特征;最后通过松弛度分析,为改善沿海地区四大城市群生态效率提供了对应建议。结果表明：① 山东半岛城市群、长三角城市群、珠三角城市群经济综合效率呈先下降后上升的V字型演变格局,而京津冀城市群经济综合效率始终呈下降趋势,2011年前其受纯技术效率影响较大,2011年后受规模效率影响较大;② 京津冀城市群受污染影响带来的效率损失最大,山东半岛城市群相对较小,总体而言,四大城市群生态效率在2005-2011年为下行期,2011-2014为修复期;③ 沿海四大城市群内城市生态效率时空格局具有不同的演化特征,核心城市周边以及沿海沿江地区城市生态效率相对较优,内陆城市则较低;④ 京津冀城市群、长三角城市群、珠三角城市群核心城市资源消耗强度高、经济效益产出高、生态效率高,从整体来看,城市群内多数城市呈污染物排放量下降趋势,污染物治理效果较为明显,环境影响问题有所改善;⑤ 影响东部四大城市群经济生态效率的原因不同,本文从城市群角度进行了差异性分析,并提出了合理化建议。

关键词：生态效率;DEA;SBM;时空分异格局;松弛度分析;东部沿海地区四大城市群
Abstract
Nowadays, the urban agglomerations in the eastern coastal area of China have been the strategic core regions of national economic development and part of the main regions of the new-type urbanization. However, they suffer a series of eco-environment problems, such as increased consumption of resources, energy and materials. Thus, over the past few years, the eco-environment problem of urban agglomerations has become the forefront subject in the field of geographical research. The paper is unfolded with the definition of the eco-efficiency of urban agglomeration, which is taken as the measurement index of sustainability of urban agglomerations. Subsequently, with the aid of the traditional DEA model and undesirable output model of SBM, the paper carries out a comparative evaluation of the economic efficiency and ecological efficiency of the four major urban agglomerations in eastern China in the three periods of 2005, 2011 and 2014, and analyzes the spatio-temporal characteristics of evolution of urban agglomerations. In conclusion, with an analysis of laxity, the paper proposes corresponding suggestions for the improvement of eco-efficiency of the four major urban agglomerations in coastal China. As is suggested in the results, first and foremost, the overall economic efficiency of urban agglomerations located in Shandong Peninsula, Yangtze River Delta and Pearl River Delta displays a V-shaped pattern of "first decrease and then increase". In contrast, the overall economic efficiency of the Beijing-Tianjin-Hebei urban agglomeration declines from the beginning to the end. Before 2011, a significant impact of pure technical efficiency is displayed, and after 2011, it is greatly affected by scale efficiency. Secondly, the Beijing-Tianjin-Hebei urban agglomeration suffers from a considerable loss of efficiency due to the impact of pollution. In contrast, there is a less severe loss in the efficiency of Shandong Peninsula urban agglomeration. On the whole, the eco-environment efficiency of the four major urban agglomerations was at a descending stage from 2005 to 2011, and at a revival stage from 2011 to 2014. In addition, the spatio-temporal pattern of urban eco-efficiency in the four major urban agglomerations in the coastal areas is possessed with different evolution characteristics. The peri-urban areas of core cities and riverside and seaside areas have a better urban eco-efficiency, and the inland cities have an inferior urban eco-efficiency. Apart from that, it is found that the core cities of the Beijing-Tianjin-Hebei, Yangtze River Delta and Pearl River Delta urban agglomerations have a high resource consumption, economic benefit output and high eco-efficiency. Overall, most cities in the urban agglomerations demonstrate a declining tendency of pollution emissions, together with marked reduction of pollutants and mitigation of environmental problems. Last but not least, the economic eco-efficiency of the four major urban agglomerations is influenced by different factors. The paper conducts a differential analysis from the perspective of urban agglomeration, and proposed the concrete suggestions.

Keywords：eco-efficiency;data envelopment analysis;undesirable SBM;spatio-temporal pattern;slacks analysis;four urban agglomerations of eastern China

-->0
PDF (3393KB)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 收藏本文-->
任宇飞, 方创琳, 蔺雪芹. 中国东部沿海地区四大城市群生态效率评价[J]. , 2017, 72(11): 2047-2063 https://doi.org/10.11821/dlxb201711010
REN Yufei, FANG Chuanglin, LIN Xueqin. Evaluation of eco-efficiency of four major urban agglomerations in eastern coastal area of China[J]. 地理学报, 2017, 72(11): 2047-2063 https://doi.org/10.11821/dlxb201711010

1 引言

城市群作为国家新型工业化与新型城镇化发展到较高阶段的必然产物,是国家参与全球竞争与国际分工的全新地域单元,也是“一带一路”建设的主战场,城市群的发展对于国家新型城镇化和经济社会发展中有着举足轻重的主宰与主导地位^[1]。1978年至今,中国实行了“T”字型和“π”字型发展战略,在沿海沿江经济发展主轴上培育起了三大经济核心区,其中沿海城市群继因其优越的区位优势继而发育成为中国对外开放程度和经济发展水平最高的典型城市群^[2-4]。尽管沿海城市群的社会经济发展取得了举世瞩目的成就,但同时面临着日益加剧的生态环境威胁。例如,在中国长期推进粗放型经济发展模式的背景和环境下,沿海城市群地区目前仍然存在高耗能、高污染、高风险且产出低、效益低的“三高两低”工业发展模式,导致经济发展对生态环境系统胁迫压力进一步加大,使其成为一系列生态环境问题的高度集中且激化的高度敏感地区和重灾区。因此,在党和国家多项重要文件连续提出将生态文明理念全面融入城市发展以及提高城市群高效、绿色发展能力的背景下,量化沿海城市群资源要素利用效率、协调其经济发展与生态环境间关系,既是服务于党和国家重大战略需求,对推动其他城市群地区经济社会与资源环境协调高效发展也具有重要的指导和借鉴作用。
生态效率“eco-efficiency”由英文单词ecology（生态学）、economy（经济学）和efficiency（效率、效能）合成而来,集中体现了经济发展与资源环境利用关系,经过20多年的发展生态效率评价已经成为综合分析城市可持续发展的重要工具^[5-7]。生态效率一词最早由Schaltegger和Burritt提出,此后国际相关机构从不同角度定义了生态效率：从满足人类发展需求为基本点,世界可持续发展工商理事会（WBCSD）定义生态效率指在满足人类需求和生活质量的基础上,通过将生命周期中对环境的影响降低到地球可承载的范围内,从而提供具有价格竞争力的商品与服务^[8];从降低自然资源投入为基本点,如欧洲环境署（EEA）定义生态效率指以最少的自然界投入创造更多福利^[9],联合国亚洲及太平洋经济社会委员会（ESCAP）定义生态效率为提升基础的社会生产力和降低资源消耗变化的重要基本元素,生态效率的测度将会更好的提升绿色发展^[10];从减少环境破坏为基本点,如联合国贸易和发展会议（UNCTAD）定义生态效率指增加（至少不降低）股东价值的同时,减少对环境的破坏^[11]。尽管生态效率缺乏统一的学术界定,但其内涵都具有共同性,均指通过高效率配置资本及自然资源投入,使经济发展对环境影响最小化,经济效益最大化,从而提高人类生活品质,最终实现经济可持续发展。
针对生态效率评价问题,学术界做了大量富有成效的研究工作。国内外相关文章主要围绕生态效率评价指标选择、核算方法与评价模型、生态效率的时序变化规律与空间分异、分行业生态效率评价等,以区域中观尺度层面和微观企业（行业）层面研究为主^[12-14]。其中,研究领域与空间尺度的不同,生态效率对应的具有多样的核算指标。其核算主要从经济价值与环境影响三个层面出发,在国外,WBCSD提出了微观的企业（行业）层面的经济效益核算方法,即把产品或服务的生产总量、销售总量或净销售额视为经济价值^[8]。Kuosmanen等则从区域尺度出发,认为国民生产总值（GNP）可以反映区域的富有程度以及社会创造的价值^[12]。Sepp?l?建议了三种经济指标以反映区域商品和服务的价值,即国内生产总值、工业增加值和基本商品输出价格^[13]。对于环境核算层面,UNCTAD报告列出了以排放量为基础的5个环境指标,即不可再生能源消耗、水资源消耗、温室气体排放、危害臭氧层气体的排放、固体和液体废弃物。在国内,****多从省际（区域）尺度建立评价指标体系：经济价值核算主要以地区GDP、人均GDP、研究目标行业产值为主。环境核算层面,主要由资本存量、土地、水、能源消耗量、劳动力、废水、废固、废气等指标构成（表1）。对于研究复杂的城市经济生态耦合系统,生态效率评价结果应客观反映经济、资源、环境等城市子系统的协调发展程度,通常采用对数据进行加权处理的方式将多维度的复杂性指标集成为单一数值,因模型法可以有效避免权重赋值的主观性,成为了生态效率研究的主要手段^[20]。目前得到广泛应用的模型主要有DEA模型^[16]、UMM模型^[21]、LCI模型^[22]、VSM^[23]模型等。其中,对于不同类型决策单元的多指标投入和多指标产出效率计算,DEA模型因具有所需指标少、最大程度保证了原始信息完整性以及对于具有共同特性的决策单元进行综合评价时不需要对变量做函数假设等优点^[25],成为了目前学术界使用较多的相对效率计算模型。
Tab. 1
表1
表1中国生态效率研究对象、方法及指标总结
Tab. 1Summary of eco-efficiency research object, methods and indicators

研究对象	模型方法	经济价值核算	资源投入核算	环境影响核算	参考文献
长株潭“5+3”城市群	DEA模型	地区GDP	能源消耗总量、电力消耗总量、用水总量、建设用地面积、就业人数	废水排放量、化学需氧量、二氧化硫排放量、烟尘排放量、工业粉尘排放量、工业固体废弃物排放量	[14]
中国省际生态效率	超效率DEA模型	地区GDP	万元GDP能耗、建设用地面积、用水总量、就业人数	废水排放量、化学需氧量、二氧化硫排放量、烟尘排放量、工业粉尘排放量	[15]
中国省际能源生态效率	DEA模型	人均GDP	能源消费总量、劳动力投入、固定资产投资额、技术市场成交额	二氧化碳排放量、工业二氧化硫排放量、工业烟尘排放量、工业废水排放量、工业废气排放量、工业固体废弃物排放量	[16]
苏州高新区、苏州工业园区、无锡新区工业园区生态效率	指标体系结合TOPSIS法	人均GDP、GDP总量、固定资产投资额、单位面积产值	单位产值能耗、单位产值水耗	单位产值废水排放、单位产值废气排放、单位产值固废排放、单位产值COD排放、单位产值二氧化硫排放	[17]
松花江流域(吉林省段)产业系统生态效率	指标体系法	工业生产总值	能源消费量	工业二氧化硫、工业烟尘、工业粉尘、工业废水中化学需氧量	[18]
中国省际生态效率	指标体系法	地区GDP		废水排放总量、废气排放总量、固体废气物排放总量、地区总能耗、地区生产总电耗	[19]

新窗口打开
目前国内外运用DEA模型进行生态效率的评价研究集中在：① 国家层面^[26-28]。如Rashidi等^[26]利用能源消费等指标,采用DEA模型测度了经济合作与发展组织（ODEC）国家的生态效率,跟踪各国能源消费量,得出产生高额非期望产出的国家难以控制生态效率,且节约最优数量能源的潜力很小。② 区域层面^[29-30]。如Goto等^[29]利用能源消费量等作为指标,运用DEA方法评价了日本工业区运行与生态效率,证实了日本制造业中存在的波特假说,此外还得出温室气体的排放量是DEA无效率的主要因素,可通过提高技术创新资金投入的方法减少温室气体和二氧化碳的排放。③ 城市层面^[31]。如Lee等利用SBM-DEA模型,将废气作为非期望产出的方法对世界大型港口城市的生态效率进行了测度,并且引入社会和机会成本,分析了远洋船舶产生的废气对生态效率的影响。国内****对生态效率的研究主要集中在全国^[32-35]、省级^[36-38]层面。其中周五七等^[35]利用SBM模型测算了中国1998-2010年各省工业技术效率,并分析了工业技术效率的地区差异及影响因素;杨宇等^[38]通过DEA-ESDA模型对1990年、2000年、2010年中国各省能源生态效率进行分析,得出了提高能源利用效率的空间配置应注意纯技术效率在空间上的协调。
综上所述可以发现,以往****研究多以省际（区域）尺度为研究对象,但以该尺度数据作为指标无法清晰的体现出地区发展内质的不均匀性;生态效率与经济效率对比差异性研究较少,未能清晰揭示污染物排放对效率带来的损失;对由不同规模、不同职能的城市所组成的城市群生态效率研究较少,并且以城市群为研究对象,研究区域内城市数据为基本单元的生态效率研究以及城市群间差异性研究略显不足;注重结果数值分析,忽略从资源投入、经济效益、环境影响角度出发研究生态效率格局变化的机理原因。因此,本文首先对城市群生态效率进行定义,接着采取传统DEA模型和考虑非期望产出的SBM模型以及熵技术支持下的TOPSIS模型对2005年、2011年、2014年中国东部沿海地区四大城市群经济效率、生态效率进行差异性测度,还分析了其时空格局变化以及资源投入、经济效益、环境影响与生态效率的叠加影响机理,最后提出东部沿海地区四大城市群生态效率改善对策。

2 研究方法及数据来源

2.1 城市群生态效率概念

效率在《辞海》中是指“机械、电器等工作时,有用功在总功中所占的百分比”,目前广泛引申为工作的成果与所消耗能量之比,即投入与产出之比率。生态效率则可以理解为一个经济—生态系统以一定的资源要素投入为前提,通过生产等经济活动环节,将投入要素一方面转化为经济效益,另一方面转化为对环境的负向影响的综合能力。根据以上,可进一步将生态效率定义为经济—生态系统经济生产活动所获取的价值量与该过程中对环境造成的负面影响的和与该系统实际利用资源要素投入的比率,反映了在一定资源和科学技术等条件限制下,经济—生态系统的资源配置效率。根据不同的空间尺度可进一步将生态效率划分为企业生态效率、行业生态效率、区域生态效率、城市生态效率等。从生态效率的本质来看,其包含三个部分,即资源投入、经济效益以及环境影响。其中,资源要素投入为必备的基础条件,具体可以包括用于满足生产消费型产品和服务的自然投入、人力投入、资本投入、能源投入、科技投入等。经济效益则包括产品和服务所转化出的经济价值,包括GDP、工业生产总值等。环境影响通常定义为经济发展过程中产生的废弃物,废弃物实质在于资源投入与产品产出的物质能量差额,通常以废水、废气、固体废弃物排放量进行表征。因此,城市群生态效率指城市群地域范围内不同职能、不同规模的城市构成的生态经济综合系统在经济生产活动所获取的价值量与该过程中对环境造成的负面影响的和与该系统实际利用资源要素投入的比率,该过程可描述为城市群以一定的资源（劳动、资本、能源等）投入和生态环境为代价（环境污染、生态破坏等）,实现资源消耗、环境污染最小化和经济产出最优化的综合能力。提升城市群生态效率,就要求城市群社会经济子系统和生态环境子系统优化协调发展,在降低资源消耗、环境污染和生态压力的同时提升经济社会效益。
影响城市群生态效率的因素根植于构成系统的各个因素的相互关联与相互反馈过程之中,各个因素在不同层次上和层次间的相互作用形成了生态效率关键因素的层次结构（图1）。先从城市群内城市因素看,共存在6个相互作用关系,即EE-D₀、EE-E₀、EE-R₀、D₀-E₀、E₀-R₀、R₀-D₀,每一种层面又有两种联系,例如D₀与E₀之间既存在D₀对E₀的胁迫效应,还存在着E₀对D₀的约束限制,EE与D₀之间存在着D₀对EE的改善和EE对D₀的优化,总共有12种联系。在所有联系中,生态效率处于中心位置,对于资源、经济、环境因素可直接产生作用。资源—经济—环境发展的正向相互作用呈现出“胁迫—提取—支撑”,其反向相互作用表现为“约束—消耗—还原”过程。从城市群层面的D₁、E₁、R₁因素来看,它们之间不仅存在着6种相互作用模式,而且每一个因素与其内部城市的每一个因素也存在着相互作用层面及其对偶联系。例如,城市群内城市经济要素D₀要消耗城市群层面资源R₁,并受城市群环境E₁的影响,同样城市群层面的经济D₁也要对内部城市的资源R₀和环境E₀因素产生重大影响。可见,两个层面不同因素的相互作用及其之间的对偶联系是影响城市群生态效率的主要因素。

显示原图|下载原图ZIP|生成PPT
图1城市群生态效率概念框架图
-->Fig. 1Conceptual framework of the eco-efficiency in urban agglomeration
-->

2.2 城市群经济效率测度的规模报酬不变（CRS）、规模报酬可变（VRS）模型

数据包络分析（data envelopment analysis, DEA）是利用包络线代替微观经济学中的生产函数,通过数学规划来判断评价单元（DMU）是否位于生产可能集的“前沿面” 上^[39]。假设要评价N个城市群的经济效率问题,并提出评价指标体系为L种投入指标,M种产出指标。设x_nl（x_nl>0）代表第n个城市群的第l种资源的投入量,y_nm（y_nm>0）代表第n个城市群的第m种产出量。对于第（

\begin{matrix} n = 1,2, ?, N \end{matrix}

）个城市群,θ（0<θ ≤1）代表投入资源要素产出综合技术效率指数;λ_n（λ_n≥ 0）为权重变量,用来测定城市群规模收益;ε为非阿基米德无穷小量;

\begin{matrix} s^{-} \end{matrix}

（

\begin{matrix} s^{-} \geq 0 \end{matrix}

）为松弛度,反映城市群为到达DEA有效值需减少的投入量;

\begin{matrix} s^{+} \end{matrix}

（

\begin{matrix} s^{+} \geq 0 \end{matrix}

）为剩余变量,表示城市群达到DEA有效值需增加的产出量。则城市群经济效率测度的DEA模型为：

\begin{matrix} \{\begin{matrix} \min (θ - ε (\overset{L}{\sum_{l = 1}} s^{-} + \overset{M}{\sum_{m = 1}} s^{+})) \\ s.t. \overset{N}{\sum_{n = 1}} x_{nl} λ_{n} + s^{-} = θ x_{l}^{n} l = 1,2, ?, L \\ \overset{N}{\sum_{n = 1}} y_{nm} λ_{n} - s^{+} = y_{m}^{n} m = 1,2, ?, M \\ λ_{n} \geq 0 n = 1,2, ?, N \end{matrix} \end{matrix}

（1）
上述（1）式即基于规模报酬不变（Constant Returns to Scale）的DEA模型,简称CRS模型。当

\begin{matrix} θ_{n} \end{matrix}

趋向1时,表明第n个城市群经济综合效率接近有效,反之越低。
将

\begin{matrix} \overset{N}{\sum_{n = 1}} λ_{n} = 1 \end{matrix}

作为约束条件引入（1）式,可将上式转变为规模报酬可变（Variable Returns to Scale）的DEA模型,简称VRS模型。用VRS模型可得到第n个城市群的经济综合效率,即

\begin{matrix} θ_{n} \end{matrix}

;城市群的纯技术效率（Technical Efficiency）,即

\begin{matrix} θ_{TE} \end{matrix}

;规模效率效率（Scale Efficiency）,即

\begin{matrix} θ_{SE} \end{matrix}

;通过此模型可将综合效率定为纯技术效率与规模效率的乘积,即

\begin{matrix} θ_{n} = θ_{TE} \times θ_{SE} \end{matrix}

。同样,对于

\begin{matrix} θ_{TE} \end{matrix}

或

\begin{matrix} θ_{SE} \end{matrix}

的值越接近1,说明城市群的纯技术效率、规模效率越接近有效,反之越低。当

\begin{matrix} θ_{TE} \end{matrix}

或

\begin{matrix} θ_{SE} \end{matrix}

的值等于1时,则该城市群的纯技术效率或规模效率达到DEA最优前沿面。

2.3 城市群生态效率测度的含有非期望产出SBM模型

SBM模型由Tone 2001年提出和发展,属于非径向和非角度的DEA模型。SBM模型通过将松弛变量放入目标函数中,弥补了传统DEA模型大多属于径向和角度度量、缺乏对投入产出松弛问题的考虑的欠缺,能更有效评价非期望产出下的效率问题。模型表达为：

\begin{matrix} ρ = \min \frac{1 - \frac{1}{N} \overset{N}{\sum_{n = 1}} \frac{S_{n}^{x}}{x `_{k`n}}}{1 + \frac{1}{M + I} \{\overset{M}{\sum_{m = 1}} \frac{S_{m}^{y}}{y_{k`m}^{t`}} + \overset{I}{\sum_{i = 1}} \frac{S_{i}^{b}}{b_{k`i}^{t`}}\}} \end{matrix}

（2）

\begin{matrix} s.t. \overset{T}{\sum_{t = 1}} \overset{K}{\sum_{k = 1}} z_{k}^{t} x_{kn}^{t} + S_{m}^{y} = x_{k`n}^{t`}, n = 1, ?, N \\ \overset{T}{\sum_{t = 1}} \overset{K}{\sum_{k = 1}} z_{k}^{t} y_{km}^{t} - S_{m}^{y} = y_{k`m}^{t`}, m = 1, ?, M \\ \overset{T}{\sum_{t = 1}} \overset{K}{\sum_{k = 1}} z_{k}^{t} b_{ki}^{t} + S_{i}^{b} = b_{k`i}^{t`}, i = 1, ?, N \\ z_{k}^{t} \geq 0, S_{n}^{x} \geq 0, S_{m}^{y} \geq 0, S_{i}^{b} \geq 0, k = 1, ?, K \end{matrix}

（3）
式中：ρ代表效率值;N、M、I分别代表投入、期望产出与非期望产出的个数;n、m、i分别代表投入、期望产出与非期望产出的指标类型;x,y,b表示松弛变量类型;

\begin{matrix} S_{n}^{x} \end{matrix}

、

\begin{matrix} S_{m}^{y} \end{matrix}

、

\begin{matrix} S_{i}^{b} \end{matrix}

代表投入、期望产出与非期望产出的松弛向量;

\begin{matrix} x `_{k`n} \end{matrix}

、

\begin{matrix} y_{k`m}^{t`} \end{matrix}

、

\begin{matrix} b_{k`i}^{t`} \end{matrix}

代表第k`个决策单元在t`时期的投入产出值;

\begin{matrix} z_{k}^{t} \end{matrix}

代表决策单元的权重。目标函数ρ关于

\begin{matrix} S_{n}^{x} \end{matrix}

、

\begin{matrix} S_{m}^{y} \end{matrix}

、

\begin{matrix} S_{i}^{b} \end{matrix}

严格单调递减,0<ρ ≤1;当ρ = 1时,决策单元效率值位于DEA最优前沿面;当ρ<1时,决策单元存在效率损失。
SBM模型在运算过程中将松弛变量直接放入目标函数中,不仅有效解决了投入产出松弛型问题,而且还解决了非期望产出效率评价问题^[40]。

2.4 熵技术支持下的TOPSIS模型

TOPSIS模型又称“逼近理想排序法”,是距离综合评价法之一。模型优点在于可操作性和客观性,对样本需求不大且结果合理。本文依据生态环境定义将指标分为三类,即资源投入、经济效益、环境影响。采用熵技术支持下的TOPSIS模型进行综合集成。熵技术支持下的TOPSIS模型是利用熵权法对传统TOPSIS评价法中权重确定方法进行了改善,其主要计算步骤如下：
① 构建评价指标体系矩阵（X）。假设被评价对象有m个,每个评价对象的评价指标有n个,构建判断矩阵：

\begin{matrix} X = (x_{ij})_{m \times n}, (i = 1,2, ? m; j = 1,2, ?, n) \end{matrix}

（4）
式中：i为被评价对象;j为评价指标。
② 采用极值法对指标矩阵标准化：

\begin{matrix} R = (r_{ij})_{m \times n}, (i = 1,2, ? m; j = 1,2, ?, n) \end{matrix}

（5）
式中;R为标准化后的评价指标体系矩阵;r_ij为第i个被评价对象在第j个评价指标上的标准值;m为评价对象总数;n为评价指标总数。
③ 计算信息熵：

\begin{matrix} e_{j} = - k \overset{n}{\sum_{i = 1}} p_{ij} \ln p_{ij} \end{matrix}

（6）
式中：e_j为熵值;

\begin{matrix} p_{ij} = \frac{r_{ij}}{\overset{m}{\sum_{i = 1}} r_{ij}} \end{matrix}

;

\begin{matrix} k = \frac{1}{lnm} \end{matrix}

;P_ij为矩阵R的第i个被评价对象的第j项评价指标下的指标值比重。
④ 定义指标j的权重：

\begin{matrix} w_{j} = \frac{1 - e_{j}}{\overset{n}{\sum_{j = 1}} (1 - e_{j})} \end{matrix}

（7）
式中：w_j为指标j的权重;e_j为指标j的熵值。
⑤ 计算规范化后的加权矩阵（Z）：

\begin{matrix} Z = (z_{ij})_{m \times n}, z_{ij} = w_{j} \times r_{ij} (i = 1,2, ?, m; j = 1,2, ?, n) \end{matrix}

（8）
式中：z_ij为第i个评价对象在第j个被评价指标规范化后的值。
⑥ 确定最优解

\begin{matrix} z_{j}^{+} \end{matrix}

和最劣解

\begin{matrix} z_{j}^{-} \end{matrix}

：

\begin{matrix} \{\begin{matrix} z_{i}^{+} = \max_{j} (z_{ij}) (i = 1,2, ? m; j = 1,2, ?, n) \\ z_{i}^{-} = \min_{j} (z_{ij}) (i = 1,2, ? m; j = 1,2, ?, n) \end{matrix} \end{matrix}

（9）
⑦ 计算各方案与最优解（

\begin{matrix} o_{j}^{+} \end{matrix}

）和最劣解（

\begin{matrix} o_{j}^{-} \end{matrix}

）的欧式距离：

\begin{matrix} se p_{i}^{+} = \sqrt[]{\overset{m}{\sum_{i = 1}} w_{i} (z_{ij} - z_{i}^{+})^{2}} \\ se p_{i}^{-} = \sqrt[]{\overset{m}{\sum_{i = 1}} w_{i} (z_{ij} - z_{i}^{-})^{2}} \end{matrix}

（10）
⑧ 计算综合评价指数（C_i）：

\begin{matrix} C_{i} = \frac{se p_{i}^{-}}{se p_{i}^{+} + se p_{i}^{-}} \end{matrix}

（11）
式中：C_i值越大表征评价对象越优。

2.5 指标选取及数据来源

2.5.1 指标选取根据DEA方法指标选取的一般性规则,即（投入指标数

\begin{matrix} + \end{matrix}

产出指标数）

\begin{matrix} \leq \end{matrix}

1/3决策单元个数^[4]。结合城市群生态效率以及城市社会经济活动特征,城市群生态效率评价指标主要由资本要素、自然要素,人力要素构成。此外,通过对以往相关文献指标选取的梳理,发现作为城市发展必备条件的能源消耗,以及反映东部城市产业发展特点的第三产业增加值常被忽略。为此,本文构建城市生态指标体系。其中,投入指标分为资本投入要素、人力投入要素、自然投入要素、能源投入要素共4个一级指标,城市群内城市全社会固定资产投资总值、实际利用外资值、建成区面积、用水总量、从业人员总数、消耗标准煤数量共6个二级指标。产出指标分为效益产出、污染产出共2个一级指标,城市群内城市国民生产总值（GDP）、工业总产值、政府财政收入、第三产业增加值、废水排放量、废气排放量、烟尘排放量共7个二级指标（表2）。
Tab. 2
表2
表2城市群生态效率测度指标体系
Tab. 2The evaluation indicators of eco-efficiency of urban agglomeration

指标类型	一级指标	二级指标
投入指标	资本要素投入	全社会固定资产投资总值、实际利用外资值
	自然要素投入	城市建成区面积、用水总量
	人力投入	从业人员总数
	能源投入	能源消耗量
产出指标	效益产出(期望产出)	GDP、工业总产值、地方财政收入、第三产业增加值
产出指标	污染产出(非期望产出)	废水排放、废气排放、烟尘排放总量

新窗口打开
2.5.2 研究对象与数据来源本文根据方创琳对中国城市群已有的研究成果^[2],选取中国东部地区京津冀城市群、山东半岛城市群、长江三角洲城市群、珠江三角洲城市群为研究对象,共选取42个城市（不包括澳门、香港、台湾地区）作为各城市群的代表性城市。因受到数据可得性限制,本文的时间序列为2005年、2011年、2014年三个时间截面。研究数据来源于《中国城市统计年鉴（2006）》、《中国城市统计年鉴（2012）》、《中国城市统计年鉴（2015）》和相关年份北京市、天津市、上海市、河北省、山东省、江苏省、浙江省、广东省统计年鉴以及各城市国民经济和社会发展统计公报。本文用到的软件为MaxDea 6.7、Deap 2.1、ArcGIS 10.2。

显示原图|下载原图ZIP|生成PPT
图2中国东部沿海地区四大城市群经济效率评价结果
-->Fig. 2Economic efficiency of four major urban agglomerations in eastern coastal area of China
-->

3 结果分析与讨论

3.1 东部沿海地区四大城市群经济效率分析

3.1.1 经济综合效率分析经济综合效率体现了将资源投入转化为经济效益的能力,通过计算发现：2005年、2011年、2014年经济综合效率平均值分别为0.940、0.905、0.938,即达到DEA最优前沿面的94%、90.5%和93.8%,总体呈现出先下降后提升的V型演变格局,并且四大城市群经济综合效率在研究时间截面中具有显著的变化差异。其中,京津冀城市群总体呈下降趋势,其经济综合效率由2005年的0.934下降到2014年的0.887,下降幅度为4.96%,城市群资源配置合理性与经济效益转化能力相对较低。山东半岛城市群、长三角城市群、珠三角城市群经济综合效率虽然在2011年出现下降,但在2014年经济综合效率得到提升,特别是长三角城市群提升幅度较大,由2011年的0.898提升到2014年的0.970,提升幅度为8%（图2a）。从城市群内城市经济综合效率来看,京津冀城市群“双核”带动发展态势明显,北京市、天津市经济综合效率相对突出,河北省内多数城市在2011、2014年呈DEA较低水平,凸显出城市群内城市间经济综合效率差异较大的特征;山东半岛城市群内城市经济综合效率总体处于较优水平,但低位城市经济综合效率远低于其他城市,木桶效应明显;长三角城市群内城市经济综合效率在2011年后得到快速提升,普遍达到DEA最优前沿面的90%以上,整体呈高位运行趋势;虽然珠三角城市群内超过50%的城市在三个时间截面中都处于DEA最优前沿面,但是由于部分城市经济综合效率较低,也表现出明显的木桶效应（图3a）。

显示原图|下载原图ZIP|生成PPT
图3中国东部沿海地区四大城市群内城市经济效率变化示意图
-->Fig. 3Radar charts of economic efficiency of four major urban agglomerations in eastern coastal area of China
-->

3.1.2 经济纯技术效率分析经济纯技术效率体现了投入资源要素的合理化配置、利用水平。尽管四大城市群在2005-2011年间经济纯技术效率有一定下降,但在2011-2014年期间经济纯技术效率得到明显提升,总体呈V型演变格局（图2b）。其中,2005-2011年下降幅度较大的城市群为京津冀城市群与珠三角城市群,幅度分别为4.6%与4.9%,2011-2014年上升幅度最大的城市群为长三角城市群,幅度为6.4%。表明长三角城市群具有较高的经济纯技术效率改善能力,在城市群中处于相对领先地位。从城市群城市来看,四大城市群中核心城市与区域核心城市多数始终达到最优前沿面的90%以上,且在三个时间截面中变化幅度相对较小,具有较强的稳定性。在三个时间截面中经济纯技术效率始终未达到DEA最优前沿面的城市主要是以第二产业为主的中小型城市,如秦皇岛市、湖州市、日照市等（图3b）。
3.1.3 经济规模效率分析经济规模效率体现了城市群经济的规模集聚水平。中国四大城市群经济规模效率演变模式存在较大差异（图2c）,仅有珠江三角洲城市群在研究时段中始终呈上升趋势,其经济规模效率由2005年的0.963上升为2014年的0.970。山东半岛城市群与长三角城市群在2005-2011年间呈小幅度下降趋势,2011年后均表现出上升趋势。京津冀城市群则呈倒“V”型演变格局,经济规模效率在2005-2011年间呈上升趋势,随后呈下降趋势,由2011年的0.957下降到2014年的0.911,下降幅度为4.9%。从纵向城市角度而言,多数城市在2005-2014年间经济规模效率得到有效提高并具有保持高位运行的趋势,但是以第二产业为主的秦皇岛市、日照市、潍坊市经济规模效率仍然偏低（图3c）。

3.2 考虑环境污染后的东部四大城市群生态效率及时空特征分析

基于非期望产出的SBM模型能够避免不考虑环境因素进行效率评价时存在评价结果失真的问题以及传统DEA模型角度选择和径向选择的缺陷。考虑到环境污染影响时（图4）,2005年、2011年、2014年东部四大城市群生态效率平均值分别为0.897、0.847、0.892,即达到DEA最优前沿面的89.7%、84.7%和89.2%。与传统DEA模型测算的经济综合效率相比,东部四大城市群生态效率平均值分别下降4.4%、5.8%、4.6%,说明环境污染会带来一定程度的效率损失。如图3所示,从起始年份来看,京津冀城市群生态效率相对较低,受环境影响导致的效率损失最大,山东半岛城市群生态效率相对较高,生态效率受到的环境影响最小。2005-2011年期间,山东半岛城市群、长三角城市群、珠三角城市群生态效率均有所下降。其中,珠三角城市群下降幅度最大,为0.073。尽管京津冀城市群生态效率则略微上升,由0.852上升到0.856,但生态效率值仍保持较低水平。此期间是中国城镇化高速推进时期,东部大中小城市规模不断扩大,资源开发力度不断增强,同时环境污染、生态服务功能负担不断加重,致使城市群生态效率整体处于相对低值状态。2011-2014年期间,山东半岛城市群、长三角城市群生态效率呈回升趋势,分别由0.888、0.816提升至0.918、0.931,长三角城市群生态效率改善效果最为显著。京津冀城市群与珠三角城市群生态效率基本保持稳定,珠三角城市群生态效率快速下降趋势得到有效缓解。此阶段城市群生态效率的改善一方面得益于经济刺激计划带来的效益滞后性提高;另一方面得益于地方积极推行产业升级转型计划,淘汰一批高污染的落后产能产业,使得沿海四大城市群生态效率稳中有升。总体来看,沿海四大城市群生态效率在2005-2011年为下行期,2011-2014为修复期,其中山东半岛城市群、珠三角城市群属于相对高效地区。

显示原图|下载原图ZIP|生成PPT
图4中国东部沿海地区四大城市群生态效率DEA-SBM模型评价结果
-->Fig. 4Evaluation results of eco-efficiency based on DEA-SBM for four major urban agglomerations in eastern coastal area of China
-->

通过分析图5可知,沿海四大城市群内城市生态效率时空演化格局具有不同的演化特征。京津冀城市群生态效率空间格局由2005年的中间高、南北低逐渐演变为沿承德—沧州为轴线的“I”字型高值区分布,低值区则主要位于京津冀城市群的东西方向城市;山东半岛城市群内城市生态效率分布格局总体保持稳定,高值区位于北部、东部沿海一带,低值区则位于中部、南部;长三角城市群生态效率格局总体属于由东部沿海高值区向西方向逐步降低格局,尤其是与安徽交界地区形成明显的低谷区;珠三角城市群生态效率大致呈现由珠江口沿海和沿江一带城市为核心的高值区向东、西、北三个方向降低格局,内陆城市生态效率值始终较低。

显示原图|下载原图ZIP|生成PPT
图5基于Undesirable-SBM的中国东部四大城市群内城市生态效率时空格局
-->Fig. 5Spatio-temporal pattern of eco-environment efficiency based on SBM of four major urban agglomerations in eastern coastal area of China
-->

为了展现出各城市群生态效率的时间变化差异,本文引入变异系数、基尼系数。变异系数与基尼系数值的变化可以反映出生态效率在时间上的变化和趋势。变异系数为：

\begin{matrix} CV = \sqrt[]{\frac{\overset{n}{\sum_{i = 1}} (y_{i} {- u)}^{2}}{n}} / u \end{matrix}

（12）
式中：y_i为城市群内各城市生态效率;u为每年平均数;n为地区数。由变异系数结果可知,数值越来越大则表示差异越来越大,否则反之。2005-2014年,京津冀城市群（0.204~0.228）、山东半岛城市群（0.160~0.170）、珠三角城市群（0.155~0.204）变异系数不断增加,其内部城市间生态效率差异逐步增大。仅长三角城市群变异系数（0.161~0.116）不断减少,呈现出相对合理的生态效率差异减小趋势。
基尼系数为：

\begin{matrix} G = [\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} |y_{j} - y_{i}| / n (n - 1)] / 2 u \end{matrix}

（13）
式中：y_i、y_j分别代表城市群内城市生态效率值;n为城市群内城市个数;u表示当年城市群生态效率均值。通过计算2005-2014年四大城市群的基尼系数,也证明了京津冀城市群（0.102~0.114）、山东半岛城市群（0.049~0.069）、珠三角城市群（0.061~0.098）呈不断增大,仅长三角城市群（0.082~0.053）呈减小的趋势。

3.3 生态效率与综合要素投入、经济效益、环境影响叠加关系分析

随着中国城镇化和工业化的不断发展,资源形势日益严峻,中国部分地区依然实行“高投入、低效益、高污染”的发展模式,资源的不合理利用造成了经济亚健康问题,影响了可持续发展。综合分析资源投入、经济效益、污染排放与生态效率间关系是研究生态效率高低成因的重要方法。本文首先采用熵技术支持下的TOPSIS模型将城市群生态效率测度指标综合集成为资源投入、经济效益和环境污染指标3个指标,随后将城市群内各个城市集成指标与其生态效率进行对应（图6）,最后采用K-均值聚类方法将3个综合指标分为高、中、低3类（图7）。分析得出在2005-2014年间：

显示原图|下载原图ZIP|生成PPT
图6中国东部沿海地区四大城市群内城市资源投入、经济效益、环境影响综合评价结果
-->Fig. 6Comprehensive evaluation of resources, economic benefits and environment impact of four major urban agglomerations in eastern coastal area of China
-->

显示原图|下载原图ZIP|生成PPT
图7中国东部沿海地区四大城市群资源投入、经济效益、环境影响分类格局变化
-->Fig. 7Classification of resources, economic benefits and environment impact of four major urban agglomerations in eastern coastal area of China
-->

（1）“高投入、高效益”型城市分布格局基本保持不变,其污染物排放水平逐步向“低污染”转变,生态效率始终处于DEA最优前沿面（简称DEA有效率）。这类城市往往是四大城市群中社会经济发展水平较高的核心地区,其将资源投入转化为经济效率的能力远超其他城市,通过积累的财力着力进行环境治理与企业技术改造且效果明显。这类城市主要为北京市、上海市、苏州市、广州市、深圳市。
（2）“中投入、中效益”型城市通常是区域核心城市,其污染物排放水平同样呈下降趋势,这类城市消耗中等水平资源,产出中等经济效益的同时,更加重视减少污染物的排放,但由于要素配置的不合理导致部分城市生态效率未达到DEA最优前沿面,如南京市、杭州市、无锡市。此类型城市还会通过提高资源投入的方式增加经济效益,利用提高的经济效益改善生产技术水平,降低污染物排放,优化投入要素配置后转为“高投入、高效率、低污染”型城市,生态效率得到有效提升,从而达到DEA最优前沿面,如天津市。
（3）“低投入、低效益、低污染”型城市数量较多,始终占城市总数的50%,特点是通过较低的资源消耗而产出较低的经济效益,污染物排放也很低,这类城市的生态效率多数达到DEA最优前沿面。随着经济水平的发展,部分城市向“中投入、中效益、中污染”型城市转变,尽管通过增加资源消耗与提升产能的方式提高了经济效益,但是由于污染物排放量的增加,其生态效率反而出现下降,如济南市。

3.4 生态效率无效率影响因素分析及优化途径

由SBM模型原理可知,如果DMU有效值

\begin{matrix} ρ < 1 \end{matrix}

,则松弛变量

\begin{matrix} S^{-} \end{matrix}

、

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

、

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

的大小即可反映出中国东部四大城市群内城市生态效率值无效率的原因,松弛度的变化从一定程度上反映了能源投入配置的改善潜力,通过对2014年四大城市群投入要素松弛变量

\begin{matrix} S^{-} \end{matrix}

、

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

、

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

的平均值分析（表3）可发现：
Tab. 3
表3
表3中国东部沿海地区四大城市群生态效率改善潜力
Tab. 3Optimization of eco-environment efficiency of four major urban agglomerations in eastern coastal area of China

城市群	改善潜力( $\begin{matrix} δ_{ij} / % \end{matrix}$ )
城市群	资本存量	外资利用额	从业人员数	建城区面积	能源消耗	用水总量
京津冀	10.74	17.72	26.17	12.75	15.03	9.29
山东半岛	4.23	17.64	12.22	3.93	9.93	1.28
长三角	5.43	13.60	8.49	4.84	5.58	3.70
珠三角	2.85	26.47	22.55	18.98	4.144	12.74

新窗口打开
（1）京津冀城市群能源消耗与从业人员数改善潜力相对较高,一方面说明京津冀城市群中黑色金属冶炼及延压加工业、石油加工业、有色金属业等高耗能行业产值比重仍然较高,另一方面说明京津冀城市群存在人力资源利用效率低的问题。京津冀城市群拥有多个国家创新基地,应以此为支撑,加大生产创新力度,将新材料、新工艺等高新技术和先进方法用于传统工业生产,以此提升生产效率、降低能源消耗、实现清洁生产。
还需以可持续发展为导向,推动冀中南地区工业循环经济发展,利用现代电子信息技术,实现生产过程自动化、控制智能化,加强对资源能源消耗的监控,降低重工业发展带来的环境问题。
（2）山东半岛城市群外资利用额改善潜力相对较高,说明该城市群外商直接投资配置效率较低,大量的外资投入并没有带来相应的经济效益。其主要原因来自于山东半岛城市群吸引的外资主要集中于第二产业,尤其是劳动密集型、低附加值的一般性加工制造业,这一定程度上制约了城市群经济结构的升级与转型。因此,山东半岛城市群首先应积极引导外商直接投资产业方向,将投资重点放在资本技术密集型的先进制造业、高新技术产业以及现代服务业,增强外资创造的经济效益。其次,在积极吸引外资的基础上应重视吸收和融合外来先进技术,推动产业由传统资源密集型转向技术密集型的转变,加快建成中国先进制造业和战略性新兴产业基地。最后,应加快发展海洋经济产业,重点推动海洋清洁能源、现代海洋服务业、海洋科教创新等新兴项目发展,降低经济发展带来的生态环境风险从而提高生态效率。
（3）长江三角洲城市群生态效率各要素改善潜力相对较低,仅有外资利用额相对较高。外资投入主要影响产业规模,以往****认为扩大产业规模对生态效率有正向促进作用,但长三角城市群部分城市第二产业所占比重仍然较高,第二产业中多数行业属于高耗能、高污染行业,产业的发展规模与资源、能源消耗成正比,产业规模越大意味着对资源的需求量越大,经济要素的投入越多,随之带来的污染排放物也随之增加,这个过程由于行业间工艺流程、技术水准、生产方式的不同,对资源要素使用的效率有显著差异。所以,应合理利用资金,控制产业规模,将外资投入重点引导在改进生产技术方面,提高清洁生产能力,降低能源消耗和污染物排放。
（4）珠三角城市群从业人员总数与建城区面积改善潜力较高。说明珠三角城市群还有相当数量的劳动密集型的行业,这些行业设备技术落后,单纯以依靠大量廉价劳动力为主的机械式生产方式为主。珠三角城市群应依靠自身优势,如拥有很多高新技术、电子信息和通讯等产业,并且自主研发能力强,应以科技引导企业,提升劳动力综合素质,合理运用人力,提高效率并增加产品附加价值。建城区面积改善潜力高说明土地资源存在浪费情况,在当今工业化与城镇化飞速发展的时期应重视土地的集约利用,在日后通过完善土地市场和运行机制的方式下,提高土地的集约利用度,并且土地规划中引入先进方法、新理念,实现生态友好型土地利用模式。
此外,东部沿海地区四大城市群外资利用改善潜力均较高,说明外商直接投资配置比例失衡,由于中国在吸收外资中一直强调生产型投资,致使外商投资主要集中在工业等行业,在全球经济下行以及国内产能过剩的背景下难以产出较大经济效益,应在未来积极提升外资在金融、保险、商业、外贸等其他发达国家吸引外资最多行业的投入比例,并且在引资过程中避免“重数量轻质量、重引进轻管理”的做法,进一步优化外资投入配置效率。

4 结论

（1）采用传统DEA模型对东部沿海地区四大城市群经济综合效率进行测度。发现山东半岛城市群、长三角城市群、珠三角城市群经济综合效率呈现2005-2011年间下降、2011-2014年上升的V字型演变格局。其中,长三角城市群经济综合效率在2011年后得到快速提升,内部城市经济综合效率普遍达到DEA最优前沿面的90%以上,而京津冀城市群经济综合效率始终呈下降趋势,其资源投入配置、经济效率转化水平相对较低。从整体来看,东部沿海地区四大城市群经济综合效率呈优化趋势。
（2）采用非期望产出SBM模型测算了以东部沿海地区四大城市群为研究对象、内部城市指标为数据的城市群生态效率,研究发现：① 传统DEA模型测度的城市群经济效率值不同程度的高于非期望产出SBM模型测度的生态效率值,环境影响将带来不同程度的生态效率损失,其中京津冀城市群受环境影响导致的效率损失最大;② 京津冀城市群、山东半岛城市群、长三角城市群、珠三角城市群地区生态效率均呈先下降后上升的趋势,2011-2014年期间,长三角城市群生态效率由0.816提升至0.931,生态效率改善效果最为显著;③ 沿海四大城市群内城市生态效率时空演化格局具有不同的演化特征,总体来看,核心城市周边以及沿海沿江地区城市生态效率相对较优,内陆城市则较低;④ 除长三角城市群外,其余城市群变异系数及基尼系数呈增长态势状态,城市群内城市间生态效率差异逐渐增大。
（3）采用熵技术支持下的TOPSIS模型以及K-均值聚类模型,通过将综合指标进行分类组合,建立生态效率与资源投入、经济效益、环境影响的叠加关系,以东部四大城市群42个城市为例进行实证研究,发现东部四大城市群中,京津冀城市群、长三角城市群、珠三角城市群核心城市资源消耗强度高、经济效益产出大、生态效率较高。从整体来看,城市群内多数城市呈污染物排放量下降趋势,污染物治理效果较为明显,环境影响问题有所改善。
（4）通过分析非期望产出SBM模型的松弛度,发现影响东部沿海地区四大城市群生态效率的原因各不相同。本文从城市群尺度出发进行了差异性分析,并提出了合理化建议。
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]	Fang Chuanglin, Mao Qizhi, Ni Pengfei.Discussion on the scientific selection and development of China's urban agglomerations. Acta Geographica Sinica, 2015, 70(4): 515-527.https://doi.org/10.11821/dlxb201504001 URL [本文引用: 1]摘要城市群作为国家参与全球竞争与国际分工的全新地域单元，是中国新型工业化和新型城镇化发展到较高阶段的产物，是“一带一路”建设的主战场，因而在推进国家新型城镇化和经济社会发展中具有举足轻重的战略地位。城市群的发展不仅主宰着国家经济发展的命脉，也主导着中国新型城镇化的未来。但中国城市群在选择与培育过程中出现了一系列亟待解决的现实问题，需要从科学角度提出推进城市群健康发展的技术路径和科学方案。基于这一意图，中国地理学会、中国城市百人论坛和中国科学院地理科学与资源研究所于2014年12月20日联合举办了首届《中国城市群发展高层论坛》。通过近100位专家激烈的辩论、争鸣与思考，一致认为：城市群在国家新型城镇化中占据主体地位并发挥重要作用，城市群的研究与发展是一个复杂科学问题和漫长过程，是一个自然自需过程，不能违背客观规律；城市群基本内涵和空间识别范围标准存在着激烈争论与思考，政策空间层面的城市群和学术空间层面的城市群有着不同的利益导向和价值取向；城市群选择和培育中存在着“滥圈滥划、扩容贪大、拔苗助长、无中生有、拼凑成群”等一系列亟待解决的“城市群病”；未来中国城市群空间格局正在形成不同的组织方案；不同发育程度的城市群存在着不同的问题和不同的发展模式，如京津冀城市群的协同发展优化模式、长江三角洲城市群的扩围模式、珠江三角洲城市群的“两条腿”并行模式、辽中南城市群的空间整合模式、哈长城市群的“井”字型空间组织模式、中原城市群的战略整合模式、关中城市群的均衡组织模式等。 [方创琳, 毛其智, 倪鹏飞. 中国城市群科学选择与分级发展的争鸣及探索 . 地理学报, 2015, 70(4): 515-527.]https://doi.org/10.11821/dlxb201504001 URL [本文引用: 1]摘要城市群作为国家参与全球竞争与国际分工的全新地域单元，是中国新型工业化和新型城镇化发展到较高阶段的产物，是“一带一路”建设的主战场，因而在推进国家新型城镇化和经济社会发展中具有举足轻重的战略地位。城市群的发展不仅主宰着国家经济发展的命脉，也主导着中国新型城镇化的未来。但中国城市群在选择与培育过程中出现了一系列亟待解决的现实问题，需要从科学角度提出推进城市群健康发展的技术路径和科学方案。基于这一意图，中国地理学会、中国城市百人论坛和中国科学院地理科学与资源研究所于2014年12月20日联合举办了首届《中国城市群发展高层论坛》。通过近100位专家激烈的辩论、争鸣与思考，一致认为：城市群在国家新型城镇化中占据主体地位并发挥重要作用，城市群的研究与发展是一个复杂科学问题和漫长过程，是一个自然自需过程，不能违背客观规律；城市群基本内涵和空间识别范围标准存在着激烈争论与思考，政策空间层面的城市群和学术空间层面的城市群有着不同的利益导向和价值取向；城市群选择和培育中存在着“滥圈滥划、扩容贪大、拔苗助长、无中生有、拼凑成群”等一系列亟待解决的“城市群病”；未来中国城市群空间格局正在形成不同的组织方案；不同发育程度的城市群存在着不同的问题和不同的发展模式，如京津冀城市群的协同发展优化模式、长江三角洲城市群的扩围模式、珠江三角洲城市群的“两条腿”并行模式、辽中南城市群的空间整合模式、哈长城市群的“井”字型空间组织模式、中原城市群的战略整合模式、关中城市群的均衡组织模式等。
[2]	Fang Chuanglin, Song Jitao, Zhang Qiang, et al.The formation, development and spatial heterogeneity patterns for the structures system of urban agglomerations in China. Acta Geographica Sinica, 2005, 60(5): 827-840.https://doi.org/10.3321/j.issn:0375-5444.2005.05.014 URL [本文引用: 2]摘要中国城市群结构体系是由不同发育程度、不同等级、不同行政隶属关系、不同成因和空间区位的城市群,通过各种物质流、能量流、信息流和知识流有机耦合而成的空间聚合体和综合集群体.通过对国内外有关城市群结构体系的综合分析,得知世界城市群结构体系正在形成,城市群间的等级职能正在参与新的国际劳动地域分工进行重组,中国城市群结构体系由28个大小不同、规模不等、发育程度不一的城市群组成,目前尚处总体发育雏形阶段,但却是中国未来经济发展格局中最具活力和潜力的战略支撑点和增长极点,主宰着国家经济发展的命脉.根据城市群发育程度指数模型计算结果,将中国城市群划分为三个等级,其中一级城市群包括长江三角洲城市群、珠江三角洲城市群和京津冀都市圈3个城市群,二级城市群包括山东半岛城市群、成都城市群、武汉城市群等11个城市群,三级城市群包括滇中城市群、天山北坡城市群等14个城市群.进一步分析发现,中国城市群总体发育程度低且差异很大,这种差异具有一定程度的合理性,并呈现出发育的阶段性、总体分布的不平衡性、空间分异的规律性、内部集聚的异质性和明显的分化性等空间分异特征.在未来的发展中,应加强对中国城市群结构体系理论的多维性、规律性和阶段性研究,加强对中国城市群结构体系形成发育的差异性、异质性和竞争性研究,加强对中国城市群结构体系的国际化、全球化与动态监测研究. [方创琳, 宋吉涛, 张蔷, 等. 中国城市群结构体系的组成与空间分异格局 . 地理学报, 2005, 60(5): 827-840.]https://doi.org/10.3321/j.issn:0375-5444.2005.05.014 URL [本文引用: 2]摘要中国城市群结构体系是由不同发育程度、不同等级、不同行政隶属关系、不同成因和空间区位的城市群,通过各种物质流、能量流、信息流和知识流有机耦合而成的空间聚合体和综合集群体.通过对国内外有关城市群结构体系的综合分析,得知世界城市群结构体系正在形成,城市群间的等级职能正在参与新的国际劳动地域分工进行重组,中国城市群结构体系由28个大小不同、规模不等、发育程度不一的城市群组成,目前尚处总体发育雏形阶段,但却是中国未来经济发展格局中最具活力和潜力的战略支撑点和增长极点,主宰着国家经济发展的命脉.根据城市群发育程度指数模型计算结果,将中国城市群划分为三个等级,其中一级城市群包括长江三角洲城市群、珠江三角洲城市群和京津冀都市圈3个城市群,二级城市群包括山东半岛城市群、成都城市群、武汉城市群等11个城市群,三级城市群包括滇中城市群、天山北坡城市群等14个城市群.进一步分析发现,中国城市群总体发育程度低且差异很大,这种差异具有一定程度的合理性,并呈现出发育的阶段性、总体分布的不平衡性、空间分异的规律性、内部集聚的异质性和明显的分化性等空间分异特征.在未来的发展中,应加强对中国城市群结构体系理论的多维性、规律性和阶段性研究,加强对中国城市群结构体系形成发育的差异性、异质性和竞争性研究,加强对中国城市群结构体系的国际化、全球化与动态监测研究.
[3]	Fang Chuanglin.Important research progress and development directions of China's urban agglomeration. Acta Geographica Sinica, 2014, 69(8): 1130-1144.https://doi.org/10.11821/dlxb201408009 URL摘要中国的城市群是近30年来伴随国家新型工业化和新型城镇化发展到较高阶段的必然产物,自21世纪初期城市群成为国家参与全球竞争与国际分工的全新地域单元之后,中国连续10年把城市群提升为推进国家新型城镇化的空间主体,首次召开的中央城镇化工作会议和《国家新型城镇化规划(2014-2020年)》进一步明确了城市群作为推进国家新型城镇化的主体地位。然而,城市群在中国的研究目前尚处在亟待加强的薄弱环节。系统总结从1934-2013年的80年间发表在地理学报的城市群主题论文,只有不到19篇,仅占总篇数的0.55%,不仅发表篇数少,而且发表时间短,首次发表城市群研究成果不到10年,研究单位和作者群体集中,研究内容瞄准国家需求但比较发散。即便如此,仅有的城市群研究成果还是对国家城市群总体格局的形成起到了引领作用,做出了重要贡献。具体体现在,提出的城市群空间格局推动国家形成了中国城市群空间结构的基本框架,引导国家新型城镇化规划把城市群作为推进新型城镇化的主体形态,提出的城市群空间范围识别标准与技术流程对界定国家城市群范围起到了重要作用,提出的城市群系列研究领域带动城市群的研究向着纵深与实用方向拓展,提出的中国城市群形成发育中存在的问题对未来城市群的选择与发展起到了警示作用。以这些研究进展和成果为基础,未来中国城市群选择与培育的重点方向为:以问题为导向,深刻反思检讨中国城市群选择与发育中暴露出的新问题;以城市群为主体,重点推动形成"5+9+6"的中国城市群空间结构新格局;以城市群为依托,重点推动形成"以轴串群、以群托轴"的国家城镇化新格局;以国家战略需求为导向,继续深化对城市群形成发育中重大科学问题的新认知,包括深入研究城市群高密度集聚的资源环境效应,科学求解城市群高密度集聚的资源环境承载力,创新城市群形成发育的管理体制和政府协调机制,研究建立城市群公共财政制度与公共财政储备机制,研究制定城市群规划编制技术规程与城市群空间范围界定标准等。 [方创琳. 中国城市群研究取得的重要进展与未来发展方向 . 地理学报, 2014, 69(8): 1130-1144.]https://doi.org/10.11821/dlxb201408009 URL摘要中国的城市群是近30年来伴随国家新型工业化和新型城镇化发展到较高阶段的必然产物,自21世纪初期城市群成为国家参与全球竞争与国际分工的全新地域单元之后,中国连续10年把城市群提升为推进国家新型城镇化的空间主体,首次召开的中央城镇化工作会议和《国家新型城镇化规划(2014-2020年)》进一步明确了城市群作为推进国家新型城镇化的主体地位。然而,城市群在中国的研究目前尚处在亟待加强的薄弱环节。系统总结从1934-2013年的80年间发表在地理学报的城市群主题论文,只有不到19篇,仅占总篇数的0.55%,不仅发表篇数少,而且发表时间短,首次发表城市群研究成果不到10年,研究单位和作者群体集中,研究内容瞄准国家需求但比较发散。即便如此,仅有的城市群研究成果还是对国家城市群总体格局的形成起到了引领作用,做出了重要贡献。具体体现在,提出的城市群空间格局推动国家形成了中国城市群空间结构的基本框架,引导国家新型城镇化规划把城市群作为推进新型城镇化的主体形态,提出的城市群空间范围识别标准与技术流程对界定国家城市群范围起到了重要作用,提出的城市群系列研究领域带动城市群的研究向着纵深与实用方向拓展,提出的中国城市群形成发育中存在的问题对未来城市群的选择与发展起到了警示作用。以这些研究进展和成果为基础,未来中国城市群选择与培育的重点方向为:以问题为导向,深刻反思检讨中国城市群选择与发育中暴露出的新问题;以城市群为主体,重点推动形成"5+9+6"的中国城市群空间结构新格局;以城市群为依托,重点推动形成"以轴串群、以群托轴"的国家城镇化新格局;以国家战略需求为导向,继续深化对城市群形成发育中重大科学问题的新认知,包括深入研究城市群高密度集聚的资源环境效应,科学求解城市群高密度集聚的资源环境承载力,创新城市群形成发育的管理体制和政府协调机制,研究建立城市群公共财政制度与公共财政储备机制,研究制定城市群规划编制技术规程与城市群空间范围界定标准等。
[4]	Fang Chuanglin, Guan Xingliang.Comprehensive measurement and spatial distinction of input-output efficiency of urban agglomerations in China. Acta Geographica Sinica, 2011, 66(8): 1011-1022.https://doi.org/10.11821/xb201108001 URL [本文引用: 2]摘要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. [方创琳, 关兴良. 中国城市群投入产出效率的综合测度与空间分异 . 地理学报, 2011, 66(8): 1011-1022.]https://doi.org/10.11821/xb201108001 URL [本文引用: 2]摘要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.
[5]	Lu Bin, Yang Jianxin.Review of methodology and application of eco-efficiency. Acta Ecologica Sinica, 2006, 26(11):3898-3906.https://doi.org/10.3321/j.issn:1000-0933.2006.11.050 URL Magsci [本文引用: 1]摘要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。 [吕彬, 杨建新. 生态效率方法研究进展与应用 . 生态学报, 2006, 26(11): 3898-3906.]https://doi.org/10.3321/j.issn:1000-0933.2006.11.050 URL Magsci [本文引用: 1]摘要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。
[6]	Schaltegger S, Synnestvedt T.The link between 'green' and economic success: Environmental management as the crucial trigger between environmental and economic performance. Journal of Environmental Management, 2002, 65(4): 339-346.https://doi.org/10.1006/jema.2002.0555 URLPMID:12369398摘要 The link between environmental and economic performance has been widely debated in the literature for the last ten to fifteen years. One view is that improved environmental performance mainly causes extra costs for the firm and thus reduces profitability. However, also the opposite has been argued for: improved environmental performance would induce cost savings and increase sales and thus improve economic performance. Theoretical and empirical research have provided arguments for both positions and have not been conclusive so far. This article discusses reasons for the different views and the differences in empirical research and presents a theoretical framework to explain the coexistence of the conflicting views. It is argued that not merely the level of environmental performance, but mainly the kind of environmental management with which a certain level is achieved, influences the economic outcome. The model presented provides implications for both empirical research and company management in practice. Research and business practice should focus less on general correlations and more on causal relationships of eco-efficiency, i.e. the effect of different environmental management approaches on economic performance.
[7]	Huppes G, Ishikawa M.A framework for quantified eco-efficiency analysis. Journal of Industrial Ecology, 2005, 9(4):25-41.https://doi.org/10.1162/108819805775247882 URL [本文引用: 1]摘要 Eco-efficiency is an instrument for sustainability analysis, indicating an empirical relation in economic activities between environmental cost or value and environmental impact. This empirical relation can be matched against normative considerations as to how much environmental quality or improvement society would like to offer in exchange for economic welfare, or what the trade-off between the economy and the environment should be if society is to realize a certain level of environmental quality. Its relevance lies in the fact that relations between economy and environment are not self-evident, not at a micro level and not at the macro level resulting from micro-level decisions for society as a whole. Clarifying the why and what of eco-efficiency is a first step toward decision support on these two aspects of sustainability. With the main analytic framework established, filling in the actual economic and environmental relations requires further choices in modeling. Also, the integration of different environmental effects into a single score requires a clear definition of approach, because several partly overlapping methods exist. Some scaling problems accompany the specification of numerator and denominator, which need a solution and some standardization before eco-efficiency analysis can become more widely used. With a method established, the final decision is how to embed it in practical decision making. In getting the details of eco-efficiency better specified, its strengths, but also its weaknesses and limitations, need to be indicated more clearly.
[8]	WBCSD. Eco-efficient Leadership for Improved Economic and Environmental Performance. Geneva: WBCSD, 2001. [本文引用: 2]
[9]	European Environmental Agency. Making sustainability accountable: Eco-efficiency, resource productivity and innovation . .URL [本文引用: 1]
[10]	Division E D.Eco-efficiency indicators: Measuring resource-use efficiency and the impact of economic activities on the environment //eSocialSciences, 2010.URL [本文引用: 1]摘要 The paper aims at examining the "grow green, clean up later", approach to economic growth used by several countries.
[11]	Integrating environmental and financial performance at the enterprise level: A methodology for standardizing eco-efficiency indicators . United Nations, 2000.URL [本文引用: 1]摘要 Integrating environmental and financial performance at the enterprise level : a methodology for standardizing eco-efficiency indicators United Nations, 2000
[12]	Kuosmanen. Measurement and analysis of eco-efficiency: An economist's perspective. Journal of Industrial Ecology, 2005, 9(4): 15-18.https://doi.org/10.1162/108819805775248025 URL [本文引用: 2]摘要 First page of article
[13]	Sepp?l? J, Melanen, M?enp??, et al.How can the eco-efficiency of a region be measured and monitored? Journal of Industrial Ecology, 2005, 9(9): 117-130.https://doi.org/10.1162/108819805775247972 URL [本文引用: 1]摘要 Summary The concept of eco-efficiency is commonly referred to as a business link to sustainable development. In this article, ecoefficiency is examined at a regional level as an approach to promoting the competitiveness of economic activities in the Finnish Kymenlaakso region and mitigating their harmful impacts on the environment. The aim is to develop appropriate indicators for monitoring changes in the eco-efficiency of the region. A starting point is to produce indicators for the environmental and economic dimensions of regional development and use them for measuring regional eco-efficiency. The environmental impact indicators are based on a life-cycle assessment method, producing different types of environmental impact indicators: pressure indicators (e.g., emissions of CO 2 ), impact category indicators (e.g., CO 2 equivalents in the case of climate change), and a total impact indicator (aggregating different impact category indicator results into a single value). Environmental impact indicators based on direct material input, total material input, and total material requirement of the Kymenlaakso region are also assessed. The economic indicators used are the gross domestic product, the value added, and the output of the main economic sectors of Kymenlaakso. In the eco-efficiency assessment, the economic and environmental impact indicators are monitored in the same graph. In a few cases eco-efficiency ratios can also be calculated (the economic indicators are divided by the environmental indicators). Output (= value added + intermediate consumption) is used as an economic indicator related to the environmental impact indicators, which also cover the upstream processes of the region's activities. In the article, we also discuss the strengths and weaknesses of using the different environmental impact indicators.
[14]	Fu Lina, Chen Xiaohong, Leng Zhihua.Urban agglomerations eco-efficiency analysis based on super-efficienty DEA model: Case study of Chang-Zhu-Tan "3+5" urban agglomeration . China Population, Resources & Environment, 2013, 23(4): 169-175.https://doi.org/10.3969/j.issn.1002-2104.2013.04.027 URL [本文引用: 1]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Mahmluist-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Mahnquist-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。 [付丽娜, 陈晓红, 冷智花. 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 . 中国人口·资源与环境, 2013, 23(4): 169-175.]https://doi.org/10.3969/j.issn.1002-2104.2013.04.027 URL [本文引用: 1]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Mahmluist-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Mahnquist-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。
[15]	Cheng Jinhua, Sun Qiong, Guo Mingjing, et al.Research on regional disparity and dynamic evolution of eco-efficiency in China. China Population, Resources & Environment, 2014, 24(1): 47-54.https://doi.org/10.3969/j.issn.1002-2104.2014.01.008 URL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。 [成金华, 孙琼, 郭明晶, 等. 中国生态效率的区域差异及动态演化研究 . 中国人口·资源与环境, 2014, 24(1): 47-54.]https://doi.org/10.3969/j.issn.1002-2104.2014.01.008 URL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。
[16]	Guan Wei, Xu Shuting.Study on spatial pattern and spatial effect of energy eco-efficiency in China. Acta Geographica Sinica, 2015, 70(6): 980-992.https://doi.org/10.11821/dlxb201506011 URL [本文引用: 1]摘要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. [关伟, 许淑婷. 中国能源生态效率的空间格局与空间效应 . 地理学报, 2015, 70(6): 980-992.]https://doi.org/10.11821/dlxb201506011 URL [本文引用: 1]摘要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.
[17]	Wu Xiaoqing, Wang Yuan, Liu Ning, et al.Evaluation of circular economy development in industrial park based on eco-efficiency theory and TOPSIS approach. Chinese Journal of Ecology, 2008, 27(12): 2203-2208.Magsci摘要工业园区层面的生态效率评价是生态效率研究领域有待深入探索的课题。TOPSIS方法则可能是适用于生态效率评价的一种方法，它以空间统计学为基础，借助于多目标决策问题的理想解和负理想解来进行排序，能够客观地比较和评价不同样本点综合指标的优劣。本文根据生态效率和循环经济理论，结合《综合类生态工业园区标准（试行）》，建立工业园区循环经济评价指标体系，运用TOPSIS方法对苏州高新区、苏州工业园区生态工业园和无锡新区生态工业示范园区的生态效率进行综合评价，结果表明：三者的生态效率综合排名由高到低依次为：无锡新区生态工业示范园区> 苏州工业园区生态工业园> 苏州高新区，且3园区在经济发展、资源能源利用率、物质循环利用、环境污染控制等子系统有所优劣。并针对各园区的各自存在的不足提出了相应的改进和发展建议。 [吴小庆, 王远, 刘宁,等. 基于生态效率理论和TOPSIS法的工业园区循环经济发展评价 . 生态学杂志, 2008, 27(12): 2203-2208.]Magsci摘要工业园区层面的生态效率评价是生态效率研究领域有待深入探索的课题。TOPSIS方法则可能是适用于生态效率评价的一种方法，它以空间统计学为基础，借助于多目标决策问题的理想解和负理想解来进行排序，能够客观地比较和评价不同样本点综合指标的优劣。本文根据生态效率和循环经济理论，结合《综合类生态工业园区标准（试行）》，建立工业园区循环经济评价指标体系，运用TOPSIS方法对苏州高新区、苏州工业园区生态工业园和无锡新区生态工业示范园区的生态效率进行综合评价，结果表明：三者的生态效率综合排名由高到低依次为：无锡新区生态工业示范园区> 苏州工业园区生态工业园> 苏州高新区，且3园区在经济发展、资源能源利用率、物质循环利用、环境污染控制等子系统有所优劣。并针对各园区的各自存在的不足提出了相应的改进和发展建议。
[18]	Guo Fuyou, Tong Lianjun, Wei Qiang, et al.Spatial-temporal differentiation and influencing factors of industrial system eco-efficiency in the Songhua River Basin of Jilin province. Geographical Research, 2016, 35(8): 1483-1494.https://doi.org/10.11821/dlyj201608007 URL摘要在对产业系统生态效率内涵进行阐释的基础上,基于资源消减、清洁生产和末端治理等不同生产环节生态效率要素综合构建了产业系统生态效率测度模型以及产业系统可持续性评价模型,并据此对松花江流域(吉林省段)产业系统生态效率时空演变特征以及影响因素进行了深入分析,研究发现:1综合型城市侧重于源头消减效率的提高从而使产业变"轻",总体呈现低投入、低消耗以及低排放的发展特征。资源型城市侧重于清洁生产效率的提高从而使产业变"清",总体呈现高投入、高利用以及高排放的发展特征。2产业系统生态效率增长幅度为白城市松原市吉林市松花江流域长春市,流域特征明显。另外从不同生产环节效率对生态效率的贡献率分析可知,资源减量化以及末端治理是松花江流域(吉林省段)生态效率变化的决定性因素。3总体上流域产业系统可持续性有不断增强的趋势,但产业可持续性发展态势分异现象显著。并且产业可持续性发展规律性较差侧面说明了区域产业之间缺乏有效的分工与联系,产业联动发展模式尚未形成。4认为所有制结构、环境管理力度、外商投资以及科学技术是松花江流域(吉林省段)产业系统生态效率的影响因素,而经济发展水平、产业结构以及政府调控因素没有通过显著性检验。 [郭付友, 佟连军, 魏强, 等. 松花江流域(吉林省段)产业系统生态效率时空分异特征与影响因素 . 地理研究, 2016, 35(8): 1483-1494.]https://doi.org/10.11821/dlyj201608007 URL摘要在对产业系统生态效率内涵进行阐释的基础上,基于资源消减、清洁生产和末端治理等不同生产环节生态效率要素综合构建了产业系统生态效率测度模型以及产业系统可持续性评价模型,并据此对松花江流域(吉林省段)产业系统生态效率时空演变特征以及影响因素进行了深入分析,研究发现:1综合型城市侧重于源头消减效率的提高从而使产业变"轻",总体呈现低投入、低消耗以及低排放的发展特征。资源型城市侧重于清洁生产效率的提高从而使产业变"清",总体呈现高投入、高利用以及高排放的发展特征。2产业系统生态效率增长幅度为白城市松原市吉林市松花江流域长春市,流域特征明显。另外从不同生产环节效率对生态效率的贡献率分析可知,资源减量化以及末端治理是松花江流域(吉林省段)生态效率变化的决定性因素。3总体上流域产业系统可持续性有不断增强的趋势,但产业可持续性发展态势分异现象显著。并且产业可持续性发展规律性较差侧面说明了区域产业之间缺乏有效的分工与联系,产业联动发展模式尚未形成。4认为所有制结构、环境管理力度、外商投资以及科学技术是松花江流域(吉林省段)产业系统生态效率的影响因素,而经济发展水平、产业结构以及政府调控因素没有通过显著性检验。
[19]	Chen Ao. Empirical analysis of the evaluation of regional ecology efficiency and influential factors in China: Evidences from provincial data during 2000-2006. Chinese Journal of Management Science, 2008(Suppl.1): 566-570. [陈傲. 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 . 中国管理科学, 2008(增刊1): 566-570.]
[20]	Zhang B, Bi J, Fan Z Y, et al.Eco-efficiency analysis of industrial system in China: A data envelopment analysis approach. Ecological Economics, 2008, 68(1/2): 306-316.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.
[21]	Liu Y, Wang W, Li X Q, et al.Eco-efficiency of urban material metabolism: A case study in Xiamen, China. International Journal of Sustainable Development & World Ecology, 2010, 17(17): 142-148.https://doi.org/10.1080/13504501003603223 URL [本文引用: 1]摘要 In this research, the data envelopment analysis (DEA) model of measuring the eco-efficiency of urban material metabolism has been constructed based on the urban material input and output indicators. According to the data of Xiamen from 1985 to 2007, an empirical study was conducted to measure the eco-efficiency of urban material metabolism using DEA program. The results showed a general downtrend of Xiamen's eco-efficiency of material metabolism from 1985 to 2007, in which there were 15 efficient years and eight inefficient years. The eco-efficiency and urbanization rate of Xiamen was remarkably negatively correlated. Moreover, the results revealed at 4 years (1995, 2001, 2002 and 2003) there had been undesirable output slack (environmental pollution), and at 2 years (1991 and 1999) there had been desirable output slack (GDP), and at 8 years there had been input slack (water, land, food and energy), especially for water and energy. Finally, some suggestions on promoting the eco-efficiency of urban material metabolism were put forward.
[22]	Frischknecht R.LCI modelling approaches applied on recycling of materials in view of environmental sustainability, risk perception and eco-efficiency. International Journal of Life Cycle Assessment, 2010, 15(7): 666-671.https://doi.org/10.1007/s11367-010-0201-6 URL [本文引用: 1]摘要 Two ISO-compliant approaches on modelling the recycling of plastics and metals are frequently applied in life cycle assessment case studies and intensively debated: the recycled content or cutoff approach and the end of life recycling or avoided burden approach. This paper discusses the two approaches from three different perspectives: (1) the kind of sustainability concept served, (2) the risk perception involved and (3) the eco-efficiency indicators resulting from the two approaches.
[23]	Plehn J, Sproedt A, Gontarz A, et al.From strategic goals to focused eco-efficiency improvement in production: Bridging the gap using Environmental Value Stream Mapping//Global Conference for Sustainable Manufacturing, 2012: 251-264.https://doi.org/10.3929/ethz-a-007584734 URL [本文引用: 1]摘要 A new computer program, HYPER, has been developed for automated analysis of protein dihedral angle values and C β H 2 stereospecific assignments from NMR data. HYPER uses a hierarchical grid-search algorithm to determine allowed values of φ, Ψ, and χ 1 dihedral angles and C β H 2 stereospecific assignments based on a set of NMR-derived distance and/or scalar-coupling constraints. Dihedral-angle constraints are valuable for restricting conformational space and improving convergence in three-dimensional structure calculations. HYPER computes the set of φ, Ψ, and χ 1 dihedral angles and C β H 2 stereospecific assignments that are consistent with up to nine intraresidue and sequential distance bounds, two pairs of relative distance bounds, thirteen homo- and heteronuclear scalar coupling bounds, and two pairs of relative scalar coupling constant bounds. The program is designed to be very flexible, and provides for simple user modification of Karplus equations and standard polypeptide geometries, allowing it to accommodate recent and future improved calibrations of Karplus curves. The C code has been optimized to execute rapidly (0.3–1.5 CPU-sec residue 611 using a 5° grid) on Silicon Graphics R8000, R10000 and Intel Pentium CPUs, making it useful for interactive evaluation of inconsistent experimental constraints. The HYPER program has been tested for internal consistency and reliability using both simulated and real protein NMR data sets.
[24]	Wu Desheng.A member of theories and approaches research on data envelopment analysis [D]. Hefei: University of Science and Technology of China, 2006. [吴德胜. 数据包络分析若干理论和方法研究[D] . 合肥: 中国科学技术大学, 2006.]
[25]	Rashidi K, Shabani A, Farzipoor Saen R.Using data envelopment analysis for estimating energy saving and undesirable output abatement: A case study in the Organization for Economic Co-Operation and Development (OECD) countries. Journal of Cleaner Production, 2014.https://doi.org/10.1016/j.jclepro.2014.07.083 URL [本文引用: 1]摘要 61We develop two DEA models to evaluate performance of the OECD countries.61The proposed models take into account energy inputs and undesirable outputs.61Two new environmental indices are given.
[26]	Camarero M, Castillo J, Picazo-Tadeo A J, et al. Eco-efficiency and convergence in OECD countries. Environmental and Resource Economics, 2013, 55(1): 87-106.https://doi.org/10.1007/s10640-012-9616-9 URL [本文引用: 2]摘要 This paper assesses the convergence in eco-efficiency of a group of 22 OECD countries over the period 1980-2008. In doing so, three air pollutants representing the impact on the environment of economic activities are considered, namely, carbon dioxide (), nitrogen oxides () and sulphur oxides (); furthermore, eco-efficiency scores at both country and air-pollutant-specific level are computed using Data Envelopment Analysis techniques. Then, convergence is evaluated using the recent approach by Phillips and Sul Econometrica 75:1771-1855 (2007), which tests for the existence of convergence groups. First, we find that eco-efficiency has improved over the period, with the exception of emissions. Second, Switzerland is the most eco-efficient country, followed by some Scandinavian economies, such as Sweden, Iceland, Norway and Denmark. In contrast, Southern European countries such as Portugal, Spain and Greece, in addition to Hungary, Turkey, Canada and the United States, are among the worst performers. Finally, we find that both the most eco-efficient countries and the worst tend to form clubs of convergence.
[27]	Shabani A, Torabipour S M R, Farzipoor Saen R, et al. Distinctive data envelopment analysis model for evaluating global environment performance. Applied Mathematical Modelling, 2015, 39(15): 4385-4404.https://doi.org/10.1016/j.apm.2014.12.053 URL摘要 Evaluations of world environmental activities comprise an important research area when obtaining a better understanding of global efforts. However, some environmental criteria might include imprecise data. Environmental criteria can be classified according to four categories: discretionary, non-discretionary, desirable, and undesirable factors. The data envelopment analysis (DEA) technique has been applied widely to assess environmental performance. Classical DEA models evaluate performance of decision making units (DMUs) individually. However, the classical DEA models have some weaknesses. First, they focus on individual DMUs, where they freely assign weights to DMUs to obtain the best efficiency scores. Second, classical DEA models do not aggregate the performance of all DMUs to obtain an overall performance score. Finally, the calculations employed by classical DEA models are very long. To overcome these weaknesses, we propose DEA models for evaluating the individual and overall environmental performance of countries. The proposed models consider discretionary, non-discretionary, desirable, and undesirable factors simultaneously. Countries (DMUs) are ranked using a minimax regret-based approach (MRA). We provide a numerical example that illustrates the application of the proposed models.
[28]	Goto M, Otsuka A, Sueyoshi T.DEA (Data Envelopment Analysis) assessment of operational and environmental efficiencies on Japanese regional industries. Energy, 2014,66(4): 535-549.https://doi.org/10.1016/j.energy.2013.12.020 URL [本文引用: 1]摘要 A balance between industrial pollution and economic growth becomes a major policy issue to attain a sustainable society in the world. To discuss the problem from economics and business perspectives, this study proposes a new use of DEA (Data Envelopment Analysis) as a methodology for unified (operational and environmental) assessment. A unique feature of the proposed approach is that it separates outputs into desirable and undesirable categories. Such separation is important because energy industries usually produce both desirable and undesirable outputs. This study discusses how to unify the two types of outputs under natural and managerial disposability. The proposed DEA approach evaluates various organizations by the three efficiency measures such as OE (Operational Efficiency), UEN (Unified Efficiency under Natural disposability) and UENM (Unified Efficiency under Natural and Managerial disposability). An important feature of UENM is that it separates inputs into two categories and unifies them under the two disposability concepts in addition to the proposed output separation and unification. This study incorporates an amount of capital assets for technology innovation, as one of the two input group, into the measurement of UENM. Then, it compares UENM with the other two efficiency measures. This study is the first research effort in which DEA has an analytical capability to quantify the importance of investment on capital assets for technology innovation. To confirm the practicality of the proposed approach, this study applies the three efficiency measures to a data set regarding manufacturing and non-manufacturing industries of 47 prefectures in Japan. This study empirically confirms the validity of Porter hypothesis in Japanese manufacturing industries, so implying that environmental regulation has been effective for betterment on the performance of Japanese manufacturing industries. Another important finding is that the emission of greenhouse gases is a main source of unified inefficiency in the two groups of industries. Therefore, Japanese industries, examined in this study, need to make their efforts to reduce the greenhouse gas emissions and air pollution substances by investing in capital assets for technology innovation.
[29]	Bozo?lu M, Ceyhan V.Energy conversion efficiency of trout and sea bass production in the Black Sea, Turkey. Energy, 2009, 34(2): 199-204.https://doi.org/10.1016/j.energy.2008.12.001 URL [本文引用: 2]摘要 This study examined the current energy balance, energy conversion efficiency, and farm-level efficiency of trout and sea bass production in the Black Sea of Turkey. Using a structured survey, we collected data from nine monoculture trout farms and five polyculture trout and sea bass farms during the 2005 2006 production season. Energy values were calculated using energy equivalents of the inputs and outputs for the farms. Data envelopment analysis was used to calculate farm-level efficiency. The total energy use per cubic meter was 46.57 MJ for trout production and 87.13 MJ for sea bass production. The main energy inputs were feed and diesel oil for both trout and sea bass production. Indirect energy use was dominant in trout production, while direct energy use was more common in sea bass production. The energy input-to-output ratio of trout production was higher than that of sea bass production. Sea bass production was more economically energy efficient compared to trout production. The allocative and economic energy efficiencies for trout and sea bass production were 0.788 and 0.881, respectively. For both types of farms, the most discriminative variable affecting economic efficiency was operator experience. Increasing focus on product distribution costs could decrease total energy costs by approximately 12%.
[30]	Lee T, Yeo G, Thai V V.Environmental efficiency analysis of port cities: Slacks-based measure data envelopment analysis approach. Transport Policy, 2014, 33(4): 82-88.https://doi.org/10.1016/j.tranpol.2014.02.009 URL [本文引用: 1]摘要 61This paper attempts to evaluate the environmental efficiency of port cities.61A slack-based data envelopment analysis (SBM-DEA) model was used.61As the undesirable output variables, NOx, SO2, and CO2 emissions were selected.
[31]	Zhang Zilong, Xue Bing, Chen Xingpeng, et al.Convergence in spatial difference of industrial environment efficiency in China. China Population, Resources and Environment, 2015, 25(2): 30-38.https://doi.org/10.3969/j.issn.1002-2104.2015.02.005 URL [本文引用: 1]摘要本文利用超效率数据包络分析方法,基于可持续发展工商理事会(WBCSD)的环境效率概念,构建了工业环境效率评价模型,分析了中国286个地级城市在2005-2010年间的工业环境效率的变化轨迹,基于此,利用变异系数和面板数据估计模型,分别对全国以及东、中、西部地区环境效率的空间差异的收敛性及其影响因素进行了分析。结果表明:在2005-2010年间,中国工业环境效率总体上有所降低,且基本呈现东高西低的空间格局,其中,东部地区的工业环境效率高于全国平均水平,但呈现逐年下降的趋势,中、西部地区的环境效率均低于全国平均水平,但呈现缓慢增长的趋势。中国以及东、中、西部地区工业环境效率的空间差异既存在绝对收敛,即:工业环境效率的空间差异随着时间尺的推移呈现逐渐缩小的趋势;也存在明显的东、中、西地理空间和高、中、低收入水平俱乐部收敛特征;还存在条件收敛特征,即:存在环境效率水平落后地区对发达地区的"追赶效应",城市规模、经济水平、财政能力和工业外向度对全国尺度环境效率的空间收敛过程具有促进作用,而工业增长能力则相反;不同区域的不同控制变量对环境效率的影响作用不同,城市规模、经济水平、财政能力对东部地区环境效率改善及其在区域间的收敛过程具有明显的促进作用;而中部地区城市规模、财政能力、工业增长能力与其工业环境效率之间存在明显的负向关系。城市经济水平、工业外向度则表现出促进作用;西部地区城市规模、经济水平与环境效率之间存在显著的正向关系。 [张子龙, 薛冰, 陈兴鹏, 等. 中国工业环境效率及其空间差异的收敛性 . 中国人口·资源与环境, 2015, 25(2): 30-38.]https://doi.org/10.3969/j.issn.1002-2104.2015.02.005 URL [本文引用: 1]摘要本文利用超效率数据包络分析方法,基于可持续发展工商理事会(WBCSD)的环境效率概念,构建了工业环境效率评价模型,分析了中国286个地级城市在2005-2010年间的工业环境效率的变化轨迹,基于此,利用变异系数和面板数据估计模型,分别对全国以及东、中、西部地区环境效率的空间差异的收敛性及其影响因素进行了分析。结果表明:在2005-2010年间,中国工业环境效率总体上有所降低,且基本呈现东高西低的空间格局,其中,东部地区的工业环境效率高于全国平均水平,但呈现逐年下降的趋势,中、西部地区的环境效率均低于全国平均水平,但呈现缓慢增长的趋势。中国以及东、中、西部地区工业环境效率的空间差异既存在绝对收敛,即:工业环境效率的空间差异随着时间尺的推移呈现逐渐缩小的趋势;也存在明显的东、中、西地理空间和高、中、低收入水平俱乐部收敛特征;还存在条件收敛特征,即:存在环境效率水平落后地区对发达地区的"追赶效应",城市规模、经济水平、财政能力和工业外向度对全国尺度环境效率的空间收敛过程具有促进作用,而工业增长能力则相反;不同区域的不同控制变量对环境效率的影响作用不同,城市规模、经济水平、财政能力对东部地区环境效率改善及其在区域间的收敛过程具有明显的促进作用;而中部地区城市规模、财政能力、工业增长能力与其工业环境效率之间存在明显的负向关系。城市经济水平、工业外向度则表现出促进作用;西部地区城市规模、经济水平与环境效率之间存在显著的正向关系。
[32]	Zhou Wuqi, Nie Ming.China's provincial industrial technology efficiency based on energy conservation and emissions reduction . China Population, Resources and Environment, 2013(1): 25-32. [本文引用: 1] [周五七, 聂鸣. 基于节能减排的中国省级工业技术效率研究 . 中国人口. 资源与环境, 2013(1): 25-32.] [本文引用: 1]
[33]	Liu Ruijie, Zhang Zhihui.Assessment on economic-environmental efficiency of China's industry based on WTP-DEA method . China Population, Resources and Environment, 2012, 22(2): 125-129.https://doi.org/10.3969/j.issn.1002-2104.2012.02.020 URL摘要文章为了全面分析评价中国工业近年来的效率发展情况,在经济效率评价的基础上,将工业的环境影响引入到评价体系中,采用超效率DEA评价方法,利用中国工业的基础经济与环境数据,结合社会支付意愿理论,对2000-2008年的中国工业进行了经济-环境效率测算,揭示了中国工业经济-环境效率的总体情况和发展趋势。文章在DEA效率评价过程中提出了新的解决环境非期望产出的方法,利用社会支付意愿理论将工业的环境排放和资源消耗货币化,并将货币化后的环境影响作为DEA模型中的工业环境投入,以此消除了DEA方法在工业经济-环境效率评价中存在的局限性;此外文章以社会支付意愿作为各环境影响的权重,可以更合理地反映工业的环境影响程度,提高效率评价的准确性。文章通过对比不同模型的评价结果,一方面反映出2000-2008年中国工业的经济-环境效率呈现逐年提高的良好态势,另一方面也反映出虽然中国工业的环境影响逐年恶化,但相对于经济因素其对中国工业效率的影响程度尚不十分显著,且近年来在正面影响与负面影响间波动。 [刘睿劼, 张智慧. 基于WTP-DEA方法的中国工业经济—环境效率评价 . 中国人口. 资源与环境, 2012, 22(2): 125-129.]https://doi.org/10.3969/j.issn.1002-2104.2012.02.020 URL摘要文章为了全面分析评价中国工业近年来的效率发展情况,在经济效率评价的基础上,将工业的环境影响引入到评价体系中,采用超效率DEA评价方法,利用中国工业的基础经济与环境数据,结合社会支付意愿理论,对2000-2008年的中国工业进行了经济-环境效率测算,揭示了中国工业经济-环境效率的总体情况和发展趋势。文章在DEA效率评价过程中提出了新的解决环境非期望产出的方法,利用社会支付意愿理论将工业的环境排放和资源消耗货币化,并将货币化后的环境影响作为DEA模型中的工业环境投入,以此消除了DEA方法在工业经济-环境效率评价中存在的局限性;此外文章以社会支付意愿作为各环境影响的权重,可以更合理地反映工业的环境影响程度,提高效率评价的准确性。文章通过对比不同模型的评价结果,一方面反映出2000-2008年中国工业的经济-环境效率呈现逐年提高的良好态势,另一方面也反映出虽然中国工业的环境影响逐年恶化,但相对于经济因素其对中国工业效率的影响程度尚不十分显著,且近年来在正面影响与负面影响间波动。
[34]	Yang Jun, Shao Hanhua, Hu Jun.Empirical study on evaluation and determinants of environment efficiency of China . China Population, Resources and Environment, 2010, 20(2): 49-55. [杨俊, 邵汉华, 胡军. 中国环境效率评价及其影响因素实证研究 . 中国人口. 资源与环境, 2010, 20(2): 49-55.]
[35]	Gai Mei, Lian Dong, Tian Chengshi, et al.The research for Liaoning environmental efficiency spatial-temporal differentiation. Geographical Research, 2014, 33(12): 2345-2357.https://doi.org/10.11821/dlyj201412012 URL [本文引用: 2]摘要环境问题已经成为辽宁省经济发展的瓶颈.基于随机前沿分析SFA与非期望产出的数据包络SBM的研究方法,选取2005年到2011年为研究时间,对辽宁省14个地级市环境效率进行测算,并利用聚类分析、基尼系数与β趋同等研究方法对环境效率进行时空分析.在此基础上,利用Tobit模型建立多元回归,以分析辽宁省环境效率的影响因素.结果表明:大连、沈阳、鞍山的环境绝对效率水平较高,朝阳市绝对效率水平最低;大连、盘锦、沈阳处于生产有效单元,朝阳相对效率属强无效单元;在空间与时间的分析上大连、沈阳等是效率水平高的地区,朝阳为最低地区,空间呈“山脊状”分布;绝对效率值差距在不断缩小,相对效率差距在拉大后趋于稳定;回归结果显示产业结构与经济发展水平对环境经济效率及企业资本深化与生产技术水平起正向作用;财政支持与外商直接投资没有通过模型检验,未对环境效率起作用. [盖美, 连冬, 田成诗, 等. 辽宁省环境效率及其时空分异 . 地理研究, 2014, 33(12): 2345-2357.]https://doi.org/10.11821/dlyj201412012 URL [本文引用: 2]摘要环境问题已经成为辽宁省经济发展的瓶颈.基于随机前沿分析SFA与非期望产出的数据包络SBM的研究方法,选取2005年到2011年为研究时间,对辽宁省14个地级市环境效率进行测算,并利用聚类分析、基尼系数与β趋同等研究方法对环境效率进行时空分析.在此基础上,利用Tobit模型建立多元回归,以分析辽宁省环境效率的影响因素.结果表明:大连、沈阳、鞍山的环境绝对效率水平较高,朝阳市绝对效率水平最低;大连、盘锦、沈阳处于生产有效单元,朝阳相对效率属强无效单元;在空间与时间的分析上大连、沈阳等是效率水平高的地区,朝阳为最低地区,空间呈“山脊状”分布;绝对效率值差距在不断缩小,相对效率差距在拉大后趋于稳定;回归结果显示产业结构与经济发展水平对环境经济效率及企业资本深化与生产技术水平起正向作用;财政支持与外商直接投资没有通过模型检验,未对环境效率起作用.
[36]	Bai Yongping, Zhang Xiaozhou, Hao Yongpei, et al.Research on regional environmental performance and its influential factors based on SBM-Malmquist-Tobit Model. Areal Research and Development, 2013, 32(2): 90-95.https://doi.org/10.3969/j.issn.1003-2363.2013.02.018 URL Magsci [本文引用: 1]摘要从非期望产出角度运用SBM模型测度沿黄九省（区）2001—2010年的环境效率静态水平，通过Malmquist生产率指数模型分析沿黄九省（区）环境效率的动态变化趋势，通过Tobit回归分析方法探讨影响沿黄九省（区）环境效率的影响因素，旨在对沿黄九省（区）环境效益评价提供科学依据和决策参考。结果表明：（1）在考虑环境变量之后，区域的平均效率水平均有一定程度的降低,上中游省份对环境变量的引入较下游省份更为敏感；沿黄九省（区）环境效率静态水平均相对较低，上中游省份较下游省份更甚。（2）环境效率水平有向好发展的态势，其值的改善是技术效率和技术进步两个因素共同作用的结果。（3）经济、制度和地区等因素对环境效率的影响效果各有不同，这些因素对环境效率的作用机理存在一定差别。 [白永平, 张晓州, 郝永佩, 等. 基于SBM-Malmquist-Tobit模型的沿黄九省(区)环境效率差异及影响因素分析 . 地域研究与开发, 2013, 32(2): 90-95.]https://doi.org/10.3969/j.issn.1003-2363.2013.02.018 URL Magsci [本文引用: 1]摘要从非期望产出角度运用SBM模型测度沿黄九省（区）2001—2010年的环境效率静态水平，通过Malmquist生产率指数模型分析沿黄九省（区）环境效率的动态变化趋势，通过Tobit回归分析方法探讨影响沿黄九省（区）环境效率的影响因素，旨在对沿黄九省（区）环境效益评价提供科学依据和决策参考。结果表明：（1）在考虑环境变量之后，区域的平均效率水平均有一定程度的降低,上中游省份对环境变量的引入较下游省份更为敏感；沿黄九省（区）环境效率静态水平均相对较低，上中游省份较下游省份更甚。（2）环境效率水平有向好发展的态势，其值的改善是技术效率和技术进步两个因素共同作用的结果。（3）经济、制度和地区等因素对环境效率的影响效果各有不同，这些因素对环境效率的作用机理存在一定差别。
[37]	Pan Jinghu, Yin Jun.Evaluation of coordinative development efficiency of urban and rural areas and analysis of its spatial difference in Gansu based on DEA-ESDA. Economic Geography, 2011, 31(9): 1439-1444.URL摘要基于2009年甘肃省14个地级市（州）城乡统筹发展的面板数据，运用数据包络分析（DEA）评价了各区域的城乡统筹发展效率，并通过探索性空间数据分析（ESDA）对其空间差异变化特征与规律进行了分析。结果表明：甘肃省城乡统筹发展效率总体上呈西高东低、南北分化的分布特征，并存两大“DEA有效”极核；规模效率是当前制约甘肃省城乡统筹发展综合效率的主要方面；全省普遍存在投入冗余现象，可通过优化环境、产业结构高级化、突出特色产业、提升产业技术、提高劳动力素质及提高城市化水平等途径来提高区域的城乡统筹发展效率；各区域之间城乡统筹发展效率的空间差异显著，体现出“阶梯型”发展和两极“俱乐部趋同”的态势。基于DEA—ESDA的研究方法可以清楚地解释甘肃省城乡统筹发展效率及其空间差异问题，并为城乡统筹发展评价研究提供案例参考和科学依据。 [潘竟虎, 尹君. 基于DEA-ESDA的甘肃省城乡统筹发展效率评价及其空间差异分析 . 经济地理, 2011, 31(9): 1439-1444.]URL摘要基于2009年甘肃省14个地级市（州）城乡统筹发展的面板数据，运用数据包络分析（DEA）评价了各区域的城乡统筹发展效率，并通过探索性空间数据分析（ESDA）对其空间差异变化特征与规律进行了分析。结果表明：甘肃省城乡统筹发展效率总体上呈西高东低、南北分化的分布特征，并存两大“DEA有效”极核；规模效率是当前制约甘肃省城乡统筹发展综合效率的主要方面；全省普遍存在投入冗余现象，可通过优化环境、产业结构高级化、突出特色产业、提升产业技术、提高劳动力素质及提高城市化水平等途径来提高区域的城乡统筹发展效率；各区域之间城乡统筹发展效率的空间差异显著，体现出“阶梯型”发展和两极“俱乐部趋同”的态势。基于DEA—ESDA的研究方法可以清楚地解释甘肃省城乡统筹发展效率及其空间差异问题，并为城乡统筹发展评价研究提供案例参考和科学依据。
[38]	Yang Yu, Liu Yi. Study on China's energy efficiency and its spatial-temporal variation from 1990 to 2010 based on DEA-ESDA. Journal of Natural Resources, 2014(11): 1815-1825. [本文引用: 2] [杨宇, 刘毅. 基于DEA-ESDA的中国省际能源效率及其时空分异研究 . 自然资源学报, 2014(11): 1815-1825.] [本文引用: 2]
[39]	Charnes A, Cooper W W, Golany B, et al.Foundations of data envelopment analysis for Pareto-Koopmans efficient empirical production functions. Journal of Econometrics, 1985, 30(1/2): 91-107.https://doi.org/10.1016/0304-4076(85)90133-2 URL [本文引用: 1]摘要 The construction and analysis of Pareto-efficient frontier production functions by a new Data Envelopment Analysis method is presented in the context of new theoretical characterizations of the inherent structure and capabilities of such empirical production functions. Contrasts and connections with other developments, including solutions of some remaining problems, are made re aspects such as informatics, economics of scale, isotonicity and non-concavity, discretionary and non-discretionary inputs, piecewise linearity, partial derivatives and Cobb-Douglas properties of the functions. Non-Archimedean constructs are not required.
[40]	Wu Qi, Wu Chunyou.Research on evaluation model of energy efficiency based on DEA . Journal of Management Sicences, 2009(1): 103-112.URL [本文引用: 1] [吴琦, 武春友. 基于DEA的能源效率评价模型研究 . 管理科学, 2009(1): 103-112.]URL [本文引用: 1]
[41]	Zhang Junrong, Guo Yaohuang.The relationship between the number of factors and DEA efficiency . Systems Engineering: Theory Methodology Applications, 2004(6): 520-523.https://doi.org/10.3969/j.issn.1005-2542.2004.06.010 URL摘要为使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。 [张俊容, 郭耀煌. 评价指标与DEA有效的关系 . 系统工程理论方法应用, 2004(6): 520-523.]https://doi.org/10.3969/j.issn.1005-2542.2004.06.010 URL摘要为使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。

中国东部沿海地区四大城市群生态效率评价

本站小编 Free考研考试/2021-12-29

Evaluation of eco-efficiency of four major urban agglomerations in eastern coastal area of China

1 引言