上海市生态福利绩效评价研究

龙亮军+王霞

摘要 生态福利绩效是指自然消耗转化为福利水平的效率。随着全球生态约束时代的到来，自然资本变得绝对稀缺，如何在生态极限内提高人类的福利水平是可持续发展的终极目标。本文基于DEA方法，从投入产出角度构建了城市生态福利绩效评价指标体系，并结合主成分分析法（PCA），运用改进的基于非径向非角度的超效率DEA模型（Super-SBM模型）对上海市2006—2014年的生态福利绩效水平进行综合测评，并与2014年我国35个主要城市（省级和副省级城市）进行横向对比研究。结果表明：①2006—2014年期间，上海的总体生态福利绩效水平不高，并未处于DEA有效的前沿面，其中仅3个年份为DEA有效，其余6个年份均为DEA无效，DEA有效年份数占样本总数的33.33%，但从整个发展态势来看，近几年来有逐步改善和提高的趋势。②2014年，我国35个主要城市的生态福利绩效整体水平不高，深圳、海口排名前两位，而上海仅排名第30位，资源环境消耗过高是生态福利绩效值偏低的主要原因。从投入冗余情况来看，上海市在水资源和土地两方面消耗过高，存在过度冗余，环境污染排放也具有较大的优化空间，资源环境问题成为制约上海建设生态宜居城市的主要瓶颈。③PCA-DEA组合模型比DEA模型下所测算出来的绩效值更精确，且考虑松弛变量的非径向Super-SBM模型比基于径向的DEA模型精确度更高，对于相关领域的资源环境绩效或生態效率评价具有较好的适用性和借鉴价值。最后根据实证分析结果可知，上海应淘汰过剩产能并转变生产和生活消费方式、发展绿色低碳的共享经济，同时构建紧凑型城市，实现城市“精明增长”。

关键词 生态福利绩效；可持续发展；主成分分析法；PCA-DEA；Super-SBM模型

中图分类号 F205 文献标识码 A 文章编号 1002-2104（2017）02-0084-09

doi：10.3969/j.issn.1002-2104.2017.02.013

正如著名生态经济学家Daly所提到，我们已从自然资本相对富裕的“空的世界”走向绝对稀缺的“满的世界”[1]。全球发展面临着严峻的资源枯竭和环境恶化挑战，走社会经济与自然环境相协调的可持续发展之路是当前世界各国的必然选择[2]。上海作为我国第一大城市、国家经济中心和长三角城市群的龙头城市，经济发展一直处于领先水平，但与此同时生态环境的承载极限不断面临挑战，社会经济发展与生态承载力严重不协调，资源消耗和环境污染问题严重。2014年“全球城市实力指数”（Global Power City Index， GPCI）报告显示，上海综合排名位于42个城市中第15位，其中在生态环境层面的排名位于42个城市中第37位[3]，生态环境问题成为制约上海角逐全球顶端城市的重要瓶颈[4]。在资源环境约束的大背景下，如何在生态门槛内，持续地提升城市居民的福利水平，即生态福利绩效的提高，是城市可持续发展的根本要求[5]，这也与我国城市生态文明建设的目标相吻合。

1 文献综述

生态福利绩效的起源来自于Daly[6]通过计算单位自然消耗所带来的福利水平的提升来评估各国的可持续发展状况，并将其表示为服务与通量的比值，其中“服务”代表通过经济系统的转换，人类最终从生态系统中获得的效用或者福利，“通量”代表人类从生态系统中获取的低熵能源和物质以及最终向生态系统排放的高熵废弃物的总和。在Daly思想的基础上，国内学者诸大建[7]于2008年首次提出了生态福利绩效的概念，并定义生态福利绩效为自然消耗转化为福利水平的效率，用来衡量国家或地区的可持续发展能力。

生态福利绩效从概念的角度而言，其实是生态效率的版本升级，最主要区别在于不再是以追求纯GDP产出为导向，而是追求生态投入最小化情况下福利产出最大化。目前国内外评价生态效率所采用的方法除了比值法[8]之外，主要通过构建生态效率的评价指标体系并运用非参数的DEA方法[11]，并证明了DEA方法在生态效率评价中具有较好的适用性。

有关福利的研究，目前并没有绝对统一的指标来衡量，主要分为主观和客观两大类。客观福利指标经历了从最初的GDP到GNP、ISEW、GPI、HDI等的发展[14]；主观福利指标包括生活满意度和幸福感等，主要通过问卷调查而得到，由于主观感受因人而异，而且受访者常常会因为“社会比较”和“享乐适应”的影响[15]，从而使问卷调查出来的福利水平数据容易出现偏差。目前人类发展指数（HDI）是国际上比较认可的表征客观福利的指标，包括收入、教育和健康三个维度。联合国开发计划署（UNDP）自1990年以来会在每年发布的《人类发展报告》中公布世界主要国家和地区的人类发展指数排名[17]。

目前生态福利绩效的研究主要集中在国家层面，如：Common[18]、Dietz等[19]、臧漫丹等[20]、诸大建[5]等，还有部分学者将生态福利绩效应用到省级层面，如：何林[21]、冯吉芳[22]等。有关城市层面的生态福利绩效的研究文献鲜见，而我国目前正处于城市化的加速阶段，城市化已成为国家经济发展和社会进步的主要引擎和推动力，研究城市层面的生态福利绩效，能够更有针对性地为可持续发展提供相关政策建议。因此本文拟投入产出的角度出发，以资源消耗、环境污染和福利水平三方面作为切入点，构建城市生态福利绩效的评价指标体系，分析上海市近10年来的生态福利绩效状况，并与国内35个主要城市（省级和副省级城市）进行横向对比，以期更好地发现上海目前城市发展过程中存在的不足，进而能够更有效地提出针对性政策建议以促进上海市的可持续发展。

2 研究方法、指标体系、数据说明

2.1 研究方法

有关效率或绩效测算主要分为参数法和非参数法两种，分别以随机前沿分析法（SFA）和数据包络分析法（DEA）为代表。在实际应用中，随机前沿法（SFA）需事先设定前沿生产函数， 利用统计方法对参数进行估计，而DEA方法无需事先确定函数关系、非主观赋权以及可分析决策单元无效因素，避免了主观设定函数和权重的影响，测算结果更为客观，在国内外得到了广泛的认可和应用。由于本文所选取样本容量较小，需要对多个指标合成少数几个指标以满足DEA对投入产出指标数据的要求。因此首先运用主成分分析法（PCA）对原始指标进行降维处理，用较少几个相互独立的综合指标来代替，以保证DEA测算的精确性，然后在此基础上，运用改进后的DEA模型进行实证分析。具体方法和模型介绍如下：

2.1.1 主成分分析法（PCA）

主成分分析法（Principal Components Analysis， PCA）是由Hotling[23]于1933年最先提出的，其基本思想是在保证数据信息损失最小的前提下，经恰当的线性转换，对原始的具有一定相关性的多个指标进行降维处理，用少数几个相互独立的综合指标来代替[24]。主成分分析法的一般操作步骤如下[25]：①对原始指标数据进行标准化处理，以消除变量间在数量级和量纲上的不同；②计算相关系数矩阵；③计算特征值与特征向量，根据特征值和贡献率确定主成分；④计算主成分载荷；⑤对多个主成分进行加权求和即可得到综合指标，权数为每个主成分的方差贡献率。

2.1.2 改进DEA模型—Super-SBM 模型

数据包络分析（Data Envelopment Analysis， DEA）由Charnes[26]等人于1978年首先提出，是一种多个要素投入与产出之间的相对效率测度的非参数分析方法。传统DEA 模型如CCR和BCC模型[27]，是从径向（投入和产出以等比例缩小或放大）和角度（投入或产出角度）两个方面来测算效率，因没有考虑投入产出的松弛问题，使得测算出的效率值不够精确[28]。针对传统DEA模型的问题，Tone[29]于2001年提出了基于松弛变量测度的非径向非角度的DEA 分析方法，即SBM模型（Slacks-Based Measure），这种模型的优点是效率值随着投入和产出松弛程度的变化而严格变化。但SBM模型测得效率值时会出现多个决策单元同时有效（效率值均为1）的情况，此时无法对这些决策单元进行有效评价与排序[30]。为此，Tone[31]于2002年基于修正松弛变量提出了Super-SBM 模型，该模型对SBM 模型的有效单元可以继续进行评价和排序。改进的DEA模型（考虑松弛变量的非径向Super-SBM模型）具体形式如下[32]：

其中，ρSE为相对效率值， x、y分别为输入和输出变量，（x，y）为决策变量的参考点，m、s分别为投入、产出指标个数，s-i、s+r分别为投入、产出的松弛量，λj为权重向量。

①当ρSE≥1，且s-=s+=0时，被评价的决策单元相对有效；

②当ρSE≥1，s-≠0或s+≠0时，被评价决策单元为弱有效；

③当<1时，被评价的决策单元相对无效；需要对投入产出进行必要改進[33]。

2.2 评价指标体系构建

生态福利绩效的本质是以最少的自然生态投入转换获得最大的福利水平产出，这也与DEA方法对投入与产出指标的要求相符。生态投入包括资源消耗和环境污染两方面，其中关于环境污染指标的处理方法借鉴国内专家学者成金华[34]、潘兴侠[35]、付丽娜[36]、陈傲[37]等对有关生态效率评价研究中选取环境污染指标作为投入要素的方法，鉴于生态福利绩效的概念本质上是生态效率的版本升级，因此在研究方法上具有可参照性，故本文将环境污染指标作为生态投入的一部分。

根据指标体系构建的科学性、系统性和可操作性等原则，本研究选取能源消费、水和土地利用作为城市生态系统的资源消耗指标，分别由人均消费标准煤、用水量和城市建设用地面积来表征；环境污染指标由城市“三废”（废水、废气、固废）污染排放，包括工业源和生活源的排放。而目前国内大多数研究只考虑工业三废的排放量[38]，存在一定的局限性，仅能反映城市工业发展对环境的影响，不能反映城市整体对环境的影响情况。福利水平由经济、教育和健康三个维度共同体现，也是参照由联合国开发计划署（UNDP）[17]发布的人类发展指数（HDI）所采用的三个维度指标进行量化评估。具体指标体系如表1所示。

2.3 数据来源与说明

本文首先通过近10年的时间序列数据对上海市生态福利绩效水平进行纵向分析，考虑到环境污染指标中氮氧化物排放量的数据是从2006年才开始正式统计的，而目前最新的《上海统计年鉴2015》中也只更新到2014年的数据，因此本文将研究的区间界定为2006—2014年。同时还选取了2014年我国35个主要城市（省级和副省级城市）的截面数据进行横向对比分析。所有原始数据均来自《上海市统计年鉴2015》、《上海环境年鉴2014》、《中国统计年鉴2015》、《中国城市建设统计年鉴2014》、《中国2014年度环境统计年报》、及各城市最新统计年鉴、水资源公报和环境状况公报等，少数缺失的数据利用内插法和外推法得到。

本研究中所选取的35个主要城市分别由26个省会城市、4个直辖市和5个计划单列市组成。鉴于省级（副省级）城市无论在政治地位还是经济实力方面都具有一定的代表性，同时在数据的可得性和可比性方面也具备一定的优势，因此通过横向对比分析，能够更明确地发现上海目前发展所存在的问题及不足，进而为上海的可持续发展提出相对合理的政策建议。

人类发展指数（HDI）通过相关的基础数据经由特定公式计算而得。首先以《2014人类发展报告》[39]中公布的阈值为标准，对HDI中三个维度指标准采用极值法进行无量纲化处理。在HDI的具体计算中，本研究采用联合国开发计划署（UNDP）自2010年以来《人类发展报告》中开始采用的最新HDI计算方法，即采用预期寿命指数（LEI）、教育指数（EI）和收入指数（II）的几何平均值来测算人类发展指数（HDI）。

考虑到GDP和GNI 指标之间从构成内容上相差“来自国外的要素收入净额”，两个指标的实际数值尤其是人均数值之间的差别不大[41]。为了计算方便，本研究中直接用处理后的人均GDP值来计算HDI值，其中人均GDP按2005年不变价进行处理。

3 实证结果与分析

3.1 2006—2014年上海市生态福利绩效水平纵向动态

在纵向研究中，本文将2006—2014年9个年份作为决策单元（DMU），基于DEA方法选取不同DEA模型进行对比分析。由于DEA在实际应用中，对投入产出指标的要求比较高，如果投入指标间具有较强的相关性，将会导致决策单元在有效生产前沿面上比较集中，效率的“相对性”不够突出，容易导致决策意义的丧失[23]。鉴于此，首先将对投入产出指标进行主成分分析，将多个指标转换成几个相互独立的综合指标。由于3个表征福利水平的产出指标已经采用HDI计算公式单独计算，因此只需对投入指标进行主成分分析。

3.1.1 投入指标降维处理：主成分分析法（PCA）

本研究中投入指标主要分为资源消耗和环境污染两大类。首先需要对资源消耗和环境污染指标进行主成分分析适用性检验，主要通过KMO和Bartlett检验（一般认为，只有当KMO值大于0.5，且概率值小于0.05时才适合做主成分分析[42]），主成分分析所有过程均借助SPSS 22.0来完成。从表2可以看出，资源消耗的三个指标之间相关度不高（KMO值为0.477，概率P值为0.561），两个值均不符合要求，由此可以判定，资源消耗的三个指标不适合主成分分析，可直接代入DEA模型中；而环境污染指标因子分析的KMO 值为0.561， Bartlett球形检验概率P值为0.000，说明原始环境指标适合做主成分分析，因此在本研究中仅对反映环境污染情况的7个投入指标做主成分分析。

在主成分提取前，首先对7个指标的原始数据进行标准化处理，以消除变量间在数量级和量纲上的不同。通常对原始数据进行z-score标准化处理[42]，将年份j对应的环境指标Xi的原始值Xij使用z-score标准化为X*ij。

然后，将标准化的数据以25作为收敛迭代上限，提取主成分。依据特征值和方差贡献度，以特征值大于1为标准，可选2个主成分；累计方差贡献度达84.294%，表明这两个主成分可以说明7个指标84.294%的信息量。因此环境污染指标可以提取2个主成分，最后根据旋转后的得分系数矩阵通过加权求和得到一个综合指标以替代原有的7个环境污染指标，其中权数为每个主成分的方差贡献度，分别为69.589%和14.706%，具体如下：

（F1）X=0.338x*4+0.225x*5+0.209x*6+0.274x*7+0.208x*8+0.169x*9+0.122x*10

（F2）X=-0.296x*4-0.781x*5+0.034x*6-0.126x*7+0.286x*8+0.009x*9+0.193x*10

X=65.589%（F1）X+14.706%（F2）X（4）

3.1.2 基于DEA和改进PCA-DEA模型的实证对比分析

在经过主成分分析法，确定新的投入產出指标后，运用DEA-SOLVER 5.0软件，以投入导向分别选取不同DEA模型（基于径向和非径向）进行测算对比分析，具体结果见表3。

从表3可以看出，总体而言，上海近10年的生态福利绩效水平不高，且为DEA无效状态。所研究的9个样本年份中，仅2006、2008和2014年三个年份的效率值为DEA有效，其余年份均为DEA无效。不过从整体的发展态势上看，近几年有逐步改善和提高的趋势，这与国家“十二五”期间大力推行的“节能减排”政策，以及上海作为首批低碳试点城市有关。

根据不同DEA模型下的测算结果发现，在样本较小的情况下，投入产出指标经主成分分析后再进行DEA测算的精确度更高，同是也验证了主成分分析法（PCA）与数据包络分析法（DEA）的适用性和合理性。同时，在PCA-DEA框架下，基于非径向的考虑松弛变更的Super-SBM模型，不仅解决了传统DEA模型由于出现多个为1的有效决策单元导致无法排序的问题，同时比基于径向的传统DEA模型精确度更高，反过来也说明了，传统DEA模型所测算出的效率值存在虚高，容易误导主要决策者，影响相关政策制订的合理性和有效性。

当然，由于样本数据的可得性，本研究所选取的时间样本容量有限，仅反映了近10年的变化情况，而DEA效率值本质上就是一种“相对效率”，由所选的样本所决定，样本越多，更能够准确地反映实际情况。

3.2 2014年我国35个主要城市的横向对比分析

在分析了上海近10年来的生态福利绩效水平的一个动态变化之后，本文还将上海2014年的生态福利绩效水平与国内35个主要城市（省级和副省城市）进行横向比较。与上文相同，首先对符合要求的投入指标做主成分分析，进行降维处理，确定新的投入产出指标后再进行DEA测算，得到不同模型下的DEA效率值并进行对比分析，具体计算结果和排名见表4。

从表4可以看出，经过主成分分析（降维处理）后再进行DEA测算出来的绩效值明显低于未经主成分分析的DEA绩效值，精确度更高，再次说明了本文选取PCA与DEA组合方法使用的合理性，同时，在PCA-DEA组合框架下，基于非径向的考虑松弛变得的Super-SBM模型不仅解决了传统CCR模型无法排序的困扰，还进一步提升DEA效率值的准确性，证明了非径向的Super-SBM模型比传统的径向DEA模型测算的优越性。避免了因测算结果虚高导致主要决策相关者对此盲目乐观，进而能够更好地给出政策建议。

从2014年的排名情况可以看出，35个城市中深圳、海口、长沙、青岛、北京分别依次排名前5位，而上海仅排名第30位，处于相当靠后水平，这与上海在经济总量上排名全国第一的差距相差很大。分区域来看，呈现出“东部最高，中部次之，西部最低”的态势，东部地区的优势明显，但各城市间差异较大，而中西部地区城市却低于全国平均水平。

从投入冗余的情况来看，上海在水资源与土地方面均消耗过高，存在过度冗余，具有较大的优化空间，同时资源消耗过高成为了上海市生态福利绩效水平整体偏低的主要原因。

有一点值得说明的就是，本研究中北京各项评价指标排名靠前，是因为北京的工业产业基本都转移到了河北省内，目前产业结构主要以第三产业为主。但北京的环境质量却是大家有目共睹的，雾霾污染相当严重，仅仅把北京所有高污染排放企业转移到附近的河北，这种换汤不换药的做法，对总体区域可持续发展是不利的。由于研究结果都是基于统计数据经整理后得出来的，无法考虑到环境污染的区域性扩散特征。这也再次说明，城市生态文明建设和可持续发展，不仅仅是单独一个城市的责任，是全国乃至全球范围内共同但有区别的责任。

4 结论与政策建议

本文运用基于投入导向的改进PCA-DEA模型，即非径向的考虑松弛变量的Super-SBM模型，對上海2006—2014年的生态福利绩效水平进行纵向动态分析，并选取2014年国内35个主要城市（省级和副省级城市）的截面数据进行横向对比分析。得到如下结论：

（1）2006—2014年期间，上海的总体生态福利绩效水平不高，并未处于DEA有效前沿面上。其中仅3个年份为DEA有效，其余6个年份均为DEA无效，DEA有效年份数占样本总数的33.33%，但从整个发展态势来看，近几年来有逐步改善和提高的趋势。

（2）2014年，我国35个主要城市的生态福利绩效整体水平不高，深圳、海口排名前两位，而上海仅排名第30位，资源环境消耗过高是生态福利绩效值偏低的主要原因。从投入冗余情况来看，上海市在水资源和土地两方面消耗过高，存在过度冗余，环境污染排放也具有较大的优化空间，资源环境问题成为制约上海建设生态宜居城市的主要瓶颈。

（3）无论是纵向分析和横向对比，均说明了PCA-DEA组合模型比DEA模型下所测算出来的绩效值更精确，且考虑松弛变量的非径向Super-SBM模型比基于径向的DEA模型精确度更高，对于相关领域的资源环境绩效或生态效率评价具有较好的适用性和借鉴价值。

根据以上研究结论，本文提出如下政策建议：

（1）加快推进产业结构转型升级，淘汰过剩产能，促进生态环境和社会经济协调发展。上海作为我国第一大城市，拥有最大的工业基地，推进产业结构升级迫在眉睫，应为国内其他城市发展模式树立标杆，不是一味追求GDP而不考虑资源环境代价。

（2）转变生产和生活消费方式，发展绿色低碳的共享经济，建设生态宜居城市。上海在大力推广新能源电动汽车、摩拜单车（Mobike）等绿色低碳的环保产业的同时，还应注意对现有机动车及自行车生产量和总量的控制，避免所谓的“绿色产业”只是成为新的经济增长点。否则，从总量上看，还是增加了资源消耗。

（3）坚守生态红线，将生态环境作为硬约束来规划城市各时期的社会经济发展目标。通过科技创新全面提高资源综合利用率，构建紧凑型城市，提高土地利用密度以节约城市建设用地，实现城市“精明增长”。从总量上控制资源环境的容量指标，在生态门槛内提升生态投入转化为福利水平的效率，即提高生态福利绩效，是实现城市生态文明和可持续发展唯一有效途经。

参考文献（References）

[1]DALY H E. Beyond growth： the economics of sustainable development [M]. Beacon Press， 1996.

[2]张岩， 李俊莉， 赵丽薇. 基于DEA-Malmquist指数的山东省生态效率评价研究[J]. 环境科学与管理， 2016， 41（5）：165-169. [ZHANG Yan， LI Junli， ZHAO Liwei. Eco-efficiency evaluation analysis of Shandong Province based on DEA and Malmquist Index models [J]. Environmental science and management， 2016， 41（5）：165-169.]

[3]Mori Memorial Foundation （MMF）. Global power city index 2014 [R]. Tokyo， 2014.

[4]王颖， 潘鑫， 但波.“全球城市”指标体系及上海实证研究[J]. 上海城市规划， 2014（6）： 46-51. [WANG Ying， PAN Xin， DAN Bo. Global city index system and empirical study of Shanghai [J]. Shanghai urban planning review， 2014 （6）：46-51.]

[5]诸大建，张帅. 生态福利绩效及其与经济增长的关系研究[J]. 中国人口·资源与环境，2014， 24（9）：59-62. [ZHU Dajian， ZHANG Shuai. Research on ecological wellbeing performance and its relationship with economic growth [J]. China population， resources and environment， 2014， 24（9）：59-62.]

[6]DALY H. A further critique of growth economics [J]. Ecological economics， 2013， 88： 20-24.

[7]诸大建， 张帅. 生态福利绩效与深化可持续发展的研究[J]. 同济大学学报（社会科学版）， 2014 （5）：106-115. [ZHU Dajian， ZHANG Shuai. Ecological wellbeing performance and further research on sustainable development [J]. Journal of Tongji University （social sciences edition）， 2014 （5）：106-115.]

[8]HUANG J， YANG X， CHENG G， et al. A comprehensive eco-efficiency model and dynamics of regional eco-efficiency in China [J]. Journal of cleaner production， 2014， 67（6）：228-238.

[9]HUPPES G， ISHIKAWA M. Eco-efficiency and its terminology[J]. Journal of industrial ecology， 2005， 9（4）：43-46.

[10]World Business Council for Sustainable Development. Measuring eco-efficiency： a guide to reporting company performance [R]. WBCSD， 2000：2-30.

[11]楊斌. 2000—2006年中国区域生态效率研究——基于DEA方法的实证分析[J]. 经济地理， 2009， 29（7）：1197-1202. [YANG Bin. Research on regional eco-efficiency of China from 2000 to 2006： an empirical analysis based on DEA [J]. Economic geography， 2009， 29（7）：1197-1202.]

[12]张炳， 黄和平， 毕军. 基于物质流分析和数据包络分析的区域生态效率评价——以江苏省为例[J]. 生态学报， 2009， 29（5）：2473-2480. [ZHANG Bing， HUANG Heping， BI Jun. Material flow analysis and data envelopment analysis based regional eco-efficiency analysis： case study of Jiangsu Province [J]. Acta ecologica sinica， 2009， 29（5）：2473-2480.]

[13]程晓娟， 韩庆兰， 全春光. 基于PCA-DEA组合模型的中国煤炭产业生态效率研究[J]. 资源科学， 2013， 35（6）：1292-1299. [CHENG Xiaojuan， HAN Qinglan， QUAN Chunguang. The ecological efficiency of the coal industry based on PCA and DEA modeling [J]. Resources science， 2013， 35（6）：1292-1299.]

[14]侯迎， 郑芳. 国内外福利与福利核算研究述评[J]. 特区经济， 2014（5）：50-54. [HOU Ying， ZHENG Fang. A review of the studies on welfare and its measuring at home and abroad [J]. Special zone economy， 2014（5）：50-54.]

[15]ABRAMOVITZ M， SCITOVSKY T， INKELES A. Economic growth and its discounts [J]. Bulletin of the American Academy of Arts and Sciences， 1973， 27 （1）：11-27.

[16]DODDS S. Towards a ‘science of sustainability： improving the way ecological economics understands human well-being [J]. Ecological economics， 1997， 23 （2）：95-111.

[17]United Nations Development Programme. Human development report 1990 [M]. New York： Oxford University Press， 1990：10.

[18]COMMON M. Measuring national economic performance without using prices [J]. Ecological economics， 2007， 64（1）：92-102.

[19]DIETZ T， ROSA E A， YORK R. Environmentally efficient well-being： is there a Kuznets curve？ [J]. Applied geography， 2012， 32（1）：21-28.

[20]臧漫丹， 诸大建， 刘国平. 生态福利绩效： 概念， 内涵及 G20 实证[J]. 中国人口·资源与环境， 2013， 23（5）：118-124. [ZANG Mandan， ZHU Dajian， LIU Guoping. Ecological well-being performance： concept， connotation and empirical of G20 [J].China population， resources and environment， 2013， 23（5）：118-124.]

[21]何林， 陈欣. 基于生态福利的陕西省经济可持续发展研究[J]. 开发研究， 2011（6）：24-28. [HE Lin， CHEN Xin. Research on the economic sustainable development of Shaanxi Province based on ecological wellbeing [J]. Development research， 2011（6）：24-28.]

[22]冯吉芳， 袁健红. 中国区域生态福利绩效及其影响因素[J]. 中国科技论坛， 2016（3）：100-105. [FENG Jifang， YUAN Jianhong. Chinese regional ecological well-being performance and its influencing factors [J]. Forum on science and technology in China， 2016（3）：100-105.]

[23]王敏， 张晓平. 基于PCA-DEA模型的中国省际生态效率研究[J]. 中国科学院大学学报， 2015， 32（4）：520-527. [WANG Min， ZHANG Xiaoping. Regional eco-efficiency evaluation of China based on PCA-DEA model [J]. Journal of University of Chinese Academy of Sciences， 2015， 32（4）：520-527.]

[24]劉丽英. 基于PCA和DEA方法的北京市可持续发展能力的评价研究[J]. 数理统计与管理， 2013， 32（2）：202-210. [LIU Liying. An evaluation research on Beijings sustainable development potential via PCA and DEA [J]. Application of statistics and management， 2013， 32（2）：202-210.]

[25]吴剑崇. 基于PCA-DEA的中国各地区人口、能源、经济、环境综合效率的评价研究[D]. 南昌： 江西财经大学， 2014. [WU Jiangchong. Evaluation on the comprehensive efficiency of population energy， economy and environment in Chinese various regions based on PCA-DEA [D]. Nanchang： Jiangxi University of Finance & Economics， 2014.]

[26]CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units [J]. European journal of operational research， 1978， 2（6）：429-444.

[27]BANKER R D， CHARNES A， COOPER W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis [J]. Management science， 1984， 30（9）：1078-1092.

[28]王成金， 杨威， 许旭， 等. 工业经济发展的资源环境效率评价方法与实证——以广东和广西为例[J]. 自然资源学报， 2011， 26（1）：97-109. [WANG Chengjin， YANG Wei， XU Xu， et al. Appraising model of utilizing efficiency of resources and environment for industry and empirical study in Guangxi and Guangdong [J]. Journal of natural resources， 2011， 26（1）：97-109.]

[29]TONE K. A slacks-based measure of efficiency in data envelopment analysis [J]. European journal of operational research， 2001， 130（3）：498-509.

[30]周泽炯， 胡建辉. 基于Super-SBM模型的低碳经济发展绩效评价研究[J]. 资源科学， 2013， 35（12）： 2457-2466. [ZHOU Zejiong， HU Jianhui. Evaluation of low carbon economy development efficiency based on a super-SBM model [J]. Resources science， 2013， 35（12）： 2457-2466.]

[31]TONE K. A slacks-based measure of super-efficiency in data envelopment analysis [J]. European journal of operational research， 2002， 143（1）：32-41.

[32]宫大鹏， 赵涛， 慈兆程， 等. 基于超效率SBM的中国省际工业化石能源效率评价及影响因素分析[J]. 环境科学学报， 2015， 35（2）：585-595. [GONG Dapeng， ZHAO Tao， CI Zhaocheng， et al. Evalution of regional industrial fossil efficiency in China based on super SBM and factor analysis [J]. Acta scientiae circumstantiae， 2015， 35（2）：585-595.]

[33]汪文雄， 朱欣， 余利红， 等. 不同模式下农地整治前后土地利用效率的比较研究[J]. 自然资源学报， 2015， 30（7）：1104-1117. [WANG Wenxiong， ZHU Xin， YU Lihong， et al. Comparative study on land use efficiency before and after rural land consolidation in different modes [J]. Journal of natural resources， 2015， 30（7）：1104-1117.]

[34]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[J]. 中国人口·资源与环境， 2014， 24（1）：47-54. [CHENG Jinhua， SUN Qiong， GUO Mingjing， et al. Research on regional disparity and dynamic evolution of eco-efficiency in China[J]. China population， resources and environment， 2014， 24（1）：47-54.]

[35]潘興侠， 何宜庆， 胡晓峰. 区域生态效率评价及其空间计量分析[J]. 长江流域资源与环境， 2013， 22（5）： 640-647. [PAN Xingxia， HE Yiqing， HU Xiaofeng. Evaluation and spatial econometric analysis on regional ecological efficiency [J]. Resources and environment in the Yangtze Basin， 2013， 22（5）： 640-647.]

[36]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[J]. 中国人口·资源与环境， 2013， 23（4）：169-175. [FU Lina， CHEN Xiaohong， LENG Zhihua. Urban agglomerations eco-efficiency analysis based on super-efficiency DEA model： case study of Chang-Zhu-Tan ‘3+5 urban agglomeration [J]. China population， resources and environment， 2013， 23（4）：169-175.]

[37]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[J]. 中国管理科学， 2008（S1）：566-570. [CHEN Ao. Empirical analysis of the evaluation of regional ecological efficiency and influencing factors in China： evidences from provincial data during 2000-2006[J]. Chinese journal of management science， 2008（S1）：566-570.]

[38]陈莉. 生态效率水平测评及其影响因素分析——以河西地区为例[D]. 兰州：西北师范大学， 2014. [CHEN Li. Evaluation of ecological efficiency level and analysis its influencing factors： a case study of Hexi region [D]. Lanzhou： Northwest Normal University， 2014.]

[39]Human development report 2014 [EB/OL]. http：//www.undp.org/content/undp/en/home/librarypage/hdr/human-development-report-2014/.

[40]龙亮军， 王霞， 郭兵. 生态福利绩效视角下的上海市可持续发展评价研究[J]. 长江流域资源与环境， 2016，25（1）：9-15. [LONG Liangjun， WANG Xia， GUO Bing. Evaluation on sustainable urban development from the perspective of ecological wellbeing performance： a case study of Shanghai [J]. Resources and environment in the Yangtze Basin， 2016，25（1）：9-15.]

[41]刘伟， 蔡志洲. 从国民收入国际比较的新变化看中国现代化进程[J]. 经济纵横， 2015（1）：38-45. [LIU Wei， CAI Zhizhou. Analysis on Chinas modernization process from the new changes of national income based on international comparison [J]. Economic review， 2015（1）：38-45.]

[42]李军民， 李鑫瑞. 基于主成分分析法的环境质量综合评价方法应用研究[J]. 西安科技大学学报， 2016， 36（3）：445-450. [LI Junmin， LI Xinrui. Application of regional environment quality assessment based on principal component analysis [J]. Journal of Xian University of Science and Technology， 2016， 36（3）： 445-450.]