基于非径向BM-DEA模型的我国产业生态效率测算

陈兰

（盐城工学院 经济学院，江苏盐城 224005）

基于非径向BM-DEA模型的我国产业生态效率测算

陈兰

（盐城工学院 经济学院，江苏盐城 224005）

产业生态转型是生态文明建设的产业基础。我国经济长期的高能耗、高投入、低产出运转模式，已严重锁定我国经济发展的技术路径。文章拟引入非径向BM-DEA模型，以2005—2014年我国18家工业行业的生态效率进行测算。研究表明，当前我国工业行业的生态效率仍处较低水平。因此，推进生态技术创新，强化制度保障将成为十三五期间我国经济社会发展亟须解决的重大课题。

SBM-DEA;产业生态转型；产业生态效率

0　引言

经济高速增长的“中国模式”背后，是环境恶化、生态破坏等环境问题的日益凸显，这已成为阻碍我国经济持续发展的重要因素。2008年美国金融危机引发了全球经济的滞缓，世界各国纷纷寻找新的经济增长点。以欧盟为首的低碳绿色经济变革成为新一轮经济发展的核心元素，美国、日本等发达国家力推绿色新政，积极制定阶段性刺激计划以实现生态转型基础上的经济复苏和可持续发展。在世界经济发展的新趋势下，中国同时面临着机遇与挑战。党的十八大确立了生态文明建设的突出地位，在最新公布的《十三五规划建议》中多次提及绿色发展理念。可见，创新驱动生态经济已经受到中央政府的高度重视。2015年“一带一路”规划正式出台，而生态文明的建设将是此规划实施的关键一环。

产业生态转型是生态文明建设的产业基础。一直以来，我国的经济增长都是建立在高能耗、高投入、低产出的基础之上。这种路径的锁定已造成了大量资源和能源的紧缺，继而制约了经济的长期发展。转变现有产业模式、实现生态转型是突破经济发展与生态环境不协调的根本方法。在产业生态转型战略下，对我国当前产业生态水平进行总体把握具有重要意义。

1　方法选择与模型设计

产业生态转型强调整个生产过程的生态性，因此关于产业生态水平的评价相对较困难。国内外学者采用的评价模式主要有三种：综合评价、物质流分析和生态效率。综合评价主要是通过构建几大类或几个指标体系以不同的方法进行研究，多用于宏观层面的产业生态水平分析；物质流分析以测量经济系统中物质资源量的流动来分析物质资源的利用效率并反映产业生态状况。相较于另外两种方法，物质流分析不考察价值流，偏重于生态性的考量，缺少了经济性的考量。同时，该方法需要投入产出的完整数据，而一般中微观层面的经济体的相关数据统计不全而使之难以推广应用，目前主要用于宏观层面研究。生态效率一词包含了生态性和经济性两大指标的运算，更能揭示生态产业的本质内涵，多应用于企业或行业层面的研究。兼顾本研究对象设为中观产业层面的考虑，本文选择生态效率变量进行评价。

生态效率通过经济价值量与环境压力之比进行测度。经济价值量较容易确定，一般用工业增加值或工业产值来表征；然而，环境压力涉及到多个指标的测算，包括水资源利用总量、建设用地总量、SO2年排放量、NO2年排放量、PM10年排放量、COD年排放量、氨氮年排放量等，需要通过这些指标的加权计算才能得出环境压力值。问题在于如何合理有效地分配各指标的权重？已有文献中采用的方法可以分为两类。第一类较依赖主观评判，包括单一环境影响指标下的生态效率测算和多个环境影响指标下的生态效率综合测算。单一环境影响指标下的测算非常简易，但是反映的信息量很零散，无法获得总体效率的理解。综合测算克服了这个缺陷，但难以客观科学地反映真实效率状况。近几年来，国内学者开始将生态效率细分为资源效率和环境效率两个维度进行考察，并用两者的平方根公式算得生态效率值。第二类是运用DEA模型进行相对效率的考量。此方法采用了模型依据数据统计自动对环境指标赋权的客观方法，摒弃了主观影响因素，相对较科学。

DEA采用数学规划的思想，可以针对多投入和多产出指标在无需借助任何函数模型的基础上运行。目前为止，基于DEA方法的模型一般可分为两类：径向模型与非径向模型。径向模型的主要特点体现在通过同比例缩小输入指标值或放大输出指标值来确定非DEA有效单元。而实际问题中各输入指标对输出指标的弹性存在差异，径向模型得出的结果存在一定的偏差。相比之下，非径向模型能够克服这些缺陷，较好地辨别导致DEA相对无效的具体指标，因而此处选择非径向的SBM-DEA模型。此模型在传统DEA模型基础上，将松弛变量直接构建于目标函数中，考虑了输入变量和输出变量不同的松弛性。同时，本文涉及的产出变量包括经济产出和污染产出。污染产出被视为非期望产出。传统径向模型对非期望产出不能直接区分体现。对含有非期望产出的评价问题，学者们往往采用两种方法来变换处理。一种是将非期望产出变量作为投入变量进行测算；另一种是将非期望产出值取倒数作为输出变量进行评价。而这些做法都不符合实际。SBM-DEA模型直接将产出变量分为期望产出变量和非期望产出变量进行分析，效果较佳。对于任意一个决策单元均含有三个向量：投入向量、期望产出向量和非期望产出向量。此模型具体数学规划表达式如下：

式中：s-，sg，sb分别为投入变量、期望产出变量和非期望产出变量的松弛量；ρ*值是严格递减的，同时满足0≤ρ*≤1。当ρ*=1，同时s-=0、sg=0、sb=0时，DMU有效；当ρ*≺1时，DMU非有效，可以依据松弛量进行改进优化。由于此模型为非线性规划模型，可依据Charnes-Cooper的转换方法转换为线性规划模型进而求解。

2　数据与指标说明

2.1数据说明

本文数据主要来自于《中国年鉴》、《中国环境统计年鉴》、《中国环境年鉴》和《工业科技活动统计年鉴》。其中2015年的《中国环境统计年鉴》尚未出版，出于数据的可获得性和完整性，此处选择工业类行业进行具体分析，并将时间节点选择在2006—2014年间。按照国家统计局最新制定的《国民经济行业分类（GB/T 4757-2011）》标准，选择属于B类（采矿业）、C类（制造业）、D类（电力、热力、燃气及水生产和供应业）的细分工业行业为例，共36个行业（见表1）。其中B类中的开采辅助活动和其他采矿业、C类中的废弃资源综合利用业、金属制品、机械和设备修理业，由于数据不全，予以剔除；橡胶制品业和塑料制品业在新标准中进行了合并，命名为橡胶和塑料制品业，该项数据由原先两项的加总合并得来；新标准另将以往的交通运输设备制造业拆分为汽车制造业和铁路、船舶、航空航天及其他运输设备制造业两项，此处仍沿用交通运输设备制造业进行统计。

表1　行业代码及名称

2.2指标说明

在采用DEA方法对行业生态效率评价的已有研究中，主要选择了以下一些指标进行测算，见表2所示。

表2　行业生态效率的指标

依据WBSCD给出的生态效率的定义，兼顾数据的可获得性，此处以工业增加值作为期望产出指标，以工业废水排放总量、工业废气排放总量、工业固体废物排放总量作为非期望产出指标，以资本存量、从业人数、能源消费总量作为投入指标。其中，2008年以前的各行业工业增加值可直接从年鉴中查询到，2008年以后的未公布，本文借鉴高越等的做法，在2007年工业增加值的基础上，依据国家统计局网站公布的工业分行业增加值增长速度以及经调整的工业品出厂价格指数，依次计算出2008—2014年各年的工业增加值，并通过固定资产价格指数（以2005年为基期，且2005年的固定资产价格指数定为100）进行剔除物价波动的因素。资本存量采用常用处理公式算得，计算公式如下：

式中：Kt为t期的资本存量；Kt-1为t-1期的资本存量；δt为t期的固定资产折旧率；It为t期的固定资产投资额。

固定资产投资项目按属性可分为建筑类和设备类。此处折旧率的计算借鉴相关文献的做法，将建筑类固定资产投资的折旧年限设为46年，设备类的设为19年；将建筑类和设备类的投资比例分别定为73.4%和26.6%，并依据国家规定的固定资产残值率固定为5%，借助公式（3）得出λ建筑=0.063和λ设备=0.146，再以两者的投资比例作为权重，加权平均后算得的全部固定资产投资的折旧率为0.085。

式中：dt为固定资产的相对效率；λ为折旧率；t为年数。

当期的实际固定资产投资额以年鉴中的当期固定资产投资总额除以上述固定资产价格指数平减后得到。基期2005年的资本存量来自于国研网文献，2006—2014年的资本存量以公式（2）依次算得。

3　实证分析与结果

采用DEA-solver Pro 5.0软件，选择Undesirable Output（Bad output-c）模型对所选指标值进行测算，得到36个行业2005—2014年各年的ρ*值，限于篇幅此处仅列出了部分结果，见表3和表4所示。从全部行业的ρ*结果求得均值仅有0.09，每年仅有H9行业即烟草制品业达到了1，大部分其他行业远低于1，可见当前我国工业行业的生态效率尚处于较低的水平。图1中显示了9年36个行业的生态效率走势，更直观地反映了这一结论。

表3　2005—2014年H1-H8行业ρ*值

表4　2005—2014年H9-H16行业ρ*值

图1　行业生态效率走势图

4　结论

在对比综合评价、物流分析和生态效率三种主要评价模式的基础上，本文选择产业生态效率作为衡量产业生态水平的变量。通过SBM-DEA模型，以工业增加值作为期望产出指标，工业废水排放总量、工业废气排放总量、工业固体废物排放总量作为非期望产出指标，资本存量、从业人数、能源消费总量作为投入指标。计算出的产业生态效率值ρ*的结果显示，2005—2014年间每一年仅有较少行业的ρ*值达到1，可见当前我国工业行业的生态效率尚处于较低的水平。因而，如何进行产业生态转型，提高产业生态水平将成为十三五期间亟须解决的重大问题。

[1]Matthew A C.Air Pollution and‘Dirty’Industries:How and Why Does the Composition of Manufacturing Output Change With Economic De⁃velopment?[J].Environmental and Resource Economics,2000,(1).

[2]Kapoor M,Kelejian H H,Prucha I R.Panel Data Models With Spatially Correlated Error Components[J].Journal of Econometrics,2006,(1).

[3]陈武新，吕秀娟.中国区域生态效率差异的实证分析[J].统计与决策，2009,（7）.

[4]潘兴侠，何宜庆.工业生态效率评价及其影响因素研究——基于中国东部省域面板数据[J].华东经济管理，2014,（3）.

[5]季丹.中国区域生态效率评价——基于生态足迹方法[J].当代经济管理，2013，35（2）.

[6]高越，李荣林.国际生产分割、技术进步与产业结构升级[J].世界经济研究，2011，(12).

（责任编辑/浩天）

F062.9

A

1002-6487（2016）22-0057-03

国家社会科学基金资助项目（14BJY215）；江苏省教育厅哲学社会科学项目（2014SJB741）

陈兰（1982—），女，江苏盐城人，博士，讲师，研究方向：技术创新与产业生态转型。