资源环境约束下煤炭产业生态效率测评及其影响因素分析

(武汉工程大学 管理学院,湖北 武汉 430205)

资源环境约束下煤炭产业生态效率测评及其影响因素分析

黄万华,卢 盈

(武汉工程大学 管理学院,湖北 武汉 430205)

通过文献回顾和理论分析,构建由资源效率指标和环境效率指标共同构成的煤炭产业生态效率评价体系,运用DEA方法分别测算煤炭产业的生态效率、资源效率和环境效率,通过构建Tobit回归模型,实证分析了我国煤炭产业生态效率的影响因素。结果表明:煤炭产业的资源效率、环境效率和生态效率总体偏低,资源效率是制约煤炭产业生态发展的主要因素;研发投入强度、利用外资水平和所有制结构对煤炭产业生态效率的提高发挥着积极的作用,而外部监督与生态效率呈现负相关,能源消费结构对生态效率的影响不显著。

煤炭产业;产业生态化;生态效率

国家“十三五”规划提出绿色发展理念,将生态环境总体质量改善列为全面建成小康社会的新目标。长期以来，我国传统的粗放式勘探和开采方式,导致煤炭产业生产效率低下、环境污染日益严重,不断挑战煤炭产区的生态承载力,已严重制约着我国经济、社会的可持续发展。因此,在资源环境问题日益严峻的形势下,科学测算出我国煤炭产业的生态效率,探寻煤炭产业发展与资源环境之间的均衡点,已成为我国煤炭产业绿色发展和可持续发展的必然要求。

1 文献综述

生态效率一词最早是由Schaltegger、Sturm[1]提出来的,强调经济效率和环境效率的统一。随后世界可持续发展工商理事会(WBCSD)[2]在此基础上进一步拓展生态效率概念,认为生态效率是在尽量减少物品或服务投入的同时,减少有害污染物的排放,达到最大程度提升物品、服务利用率和舒适度的目的。近年来,国内外学者从不同层面对生态效率的测算方法和实际应用上展开了实证研究。

在生态效率的测算方法上,Schaltegger、Burritt[3]用产出与环境影响增加量的比值来衡量生态效率;Dahlstrom[4]从资源生产力、资源使用效率和资源强度三个方面建立了英国钢铁和铅制品行业生态效率的评价指标体系;邱寿丰[5]认为,生态效率指标体系主要包括资源消耗和环境影响两大类指标,其中资源消耗类指标有劳动效率、水资源效率和资源能源效率,而环境效率包括废水排放效率、固废排放效率、废气排放效率等;吕连宏[6]等利用层次分析法对中国煤炭工业城市的生态环境质量和生态效率进行了研究;汪东[7]等运用数据包络分析模型对中国30个省市区的工业生态效率进行了测评。

在生态效率的应用研究方面,可分为企业、工业园区、产业和区域四个层面。Van J、Caneghem[8]等以安塞乐米集团为例,从光化学氧化、水利用等角度对企业的生态效率进行了评价分析;Charmondusit K、Keartpakpraek K[9]以泰国马塔普工业园区的石油和石化公司为例,从资源消耗、污染物排放、水资源利用三个角度对其生态效率进行了评估;刘魏[10]等运用SBM中四种不同模型对我国综合类生态工业示范园区的生态效率进行了评价分析;Oggioni G[11]等利用DEA方法和定向距离函数法,构建了各国水泥产业生的态效率评价模型;彭昱[12]运用DEA-Malmquist方法评价了我国电力工业行业的生态效率;陈翔[13]等以造纸业为例,运用矩阵式DEA网络模型对我国工业产业循环经济效率展开了实证研究;汪克亮[14]等通过面板数据,运用方向距离函数与共同前沿法分析了各省份生态效率的差异性及其影响因素;成金华[15]运用超效率DEA模型,测算了我国30个省份的生态效率,分析了我国生态效率区域差异的空间机制。

具体到煤炭产业生态效率的研究来看,程晓娟[16]等建立PCA-DEA组合模型分析评估了我国煤炭产业的生态效率,发现煤炭产业的总体生态效率不高的主要原因在于规模无效;牛苗苗[17]通过构建煤炭产业生态效率评价指标体系,运用熵权法和DEA方法对我国煤炭产业生态效率进行了实证分析;彭毅[18]通过构建基于数据包络分析的综合评价模型,并利用层次分析法分析了煤炭行业资源型央企的生态效率。

从对现有文献的回顾和整理来看,国内外学者对生态效率展开了大量的实证研究,对生态效率概念基本达成一致,认为生态效率是经济产出与资源消耗、环境影响总量的比值[1-3]。在生态效率的具体测评方法上,主要有单一比值法[3]、指标体系法[4,5]和模型法[6,7]。生态效率的应用研究也逐渐从企业[8,9]、工业园区[10]扩展到产业[11-13]和区域[14,15]层面,研究内容主要集中在生态效率测评、生态效率区域差异性、影响机理分析等方面。现有的关于煤炭产业生态效率的研究成果[16-18]主要集中在煤炭产业生态效率指标体系的构建和煤炭产业生态效率的测算方面。在生态效率的研究上,学者们取得了丰富的成果,但仍存在以下不足:①现有研究主要是对煤炭产业总体生态效率的测算,缺乏对煤炭产业生态效率的进一步分解,因此研究结论不具体和深入。②国内对煤炭产业生态效率影响因素的研究多以定性分析为主,缺少量化实证研究。本文在程晓娟[16]、牛苗苗[17]等的研究基础上,利用主成分分析方法提取资源效率因子和环境效率因子,建立数据包络评价模型,测算我国煤炭产业的生态效率、资源效率和环境效率,在此基础上采用Tobit截断回归对煤炭产业生态效率的影响因素进行实证分析。

2 测算方法与模型构建

数据包络分析(Date Envelopment Analysis,DEA)利用统计学方法自动赋权,在处理多投入多产出的情况下有其特有的优势,是效率评价中应用最广泛的方法之一,最具代表的有CCR模型(Constant Returns to Scale)和BCC模型(Variable Returns to Scale)。基于煤炭产业对资源投入控制相对简单,本文选取规模可变的投入导向型BCC模型来测算煤炭产业的生态效率。假设有n个决策单元DMU,每个DMU都有m种投入和s种产出,xij(xij>0,i=1,2,…,m)代表第j个决策单元DUM对第i种类型输入的投入量,yrj(yrj>0,r=1,2,…,s)表示第j个决策单元DMUj的第r种类型输入的投入量,并记为:

Xj=(x1j,x2j,…,xmj)T,Yj=(y1j,y2j,…,ysj)(j=1,2,…,n)

(1)

s.t minθ=VD

(2)

λ≥0;i=1,2,…,m;r=1,2,…,q;j=1,2,…,n

通过引入对偶规范式和阿基米德无穷小量ε、投入—产出松弛变量s-、s+,第j0个决策单元的BCC模型最终为:

s.t minθ-εΣ(s-+s+)

λ≥0;s-≥0,s+≥0

(3)

i=1,2,…,m;r=1,2,…,q;j=1,2,…，n

式中,θ表示决策单元的效率值;∑λ>1、∑λ=1和∑λ<1分别表明规模效益递减、不变和递增;松弛变量S-和S+分别表示输入超量和输出亏量。当θ<1或S-≠0、S+≠0时,则表明决策单元非有效,需要进一步改进;当θ=1时,表明决策单元弱有效;当θ=1且S-=S+=0同时满足时,则表明该决策单元的投入—产出水平达到效率最佳,且θ值越大,效率越高。

通过以上DEA模型测算得到的煤炭产业生态效率值,除受所选取的投入—产出指标影响外,还受到其他因素的影响。为了更加全面地分析煤炭产业生态效率的影响因素和作用机理,在运用数据包络分析方法测算出煤炭产业生态效率后,将其作为因变量,选取其他影响因素作为自变量,建立回归模型。由于通过BCC模型测度的生态效率值在0—1之间,属于受限因变量,如果采用普通的最小二乘回归,参数估计将有偏差且存在不一致的情况,所以本文选用受限因变量的Tobit回归模型:

(4)

式中,Yk为受限因变量;Xk为自变量;β为待估计的参数变量;μk-N(0,σ2),k=1,2…,当采用极大似然法对Tobit模型进行估计时,得到β和σ2是原参数的一致估计量。

3 煤炭产业生态效率测算

3.1 概念界定

生态效率强调经济效率和环境效益的统一,基本思想是以最小化的资源消耗和环境污染创造最大化的价值,即以最小的资源投入和环境代价换取最大的经济价值。公式表示如下：

(5)

(6)

(7)

式中，产品或服务价值即为煤炭产业所创造的经济价值,本文用原煤产量和主营业务收入衡量。生态环境影响具体包括了资源消耗和环境污染两个方面,根据影响的侧重点不同,又可将其分解为资源效率和环境效率两个效率指标。

3.2 研究指标与数据选取

根据投入指标越小越好,产出指标越大越好的原则,本文借鉴付丽娜[19]、马勇[20]等方法,将资源消耗与环境污染作为投入指标,将经济价值作为产出指标处理，借鉴德国环境经济账户中的生态效率指标,以“柯布—道格拉斯”生产函数为基础,构建由资源效率指标和环境效率指标共同构成的煤炭产业生态效率评价指标体系(表1)。资源效率评价指标体系以资源消耗指标(能源消耗、劳动力投入、资本投入和运营成本)作为投入变量,以原煤产量和主营业务收入作为产出变量。环境效率则依照投入越小越好、产出越大越好的原则,将环境污染相关指标如废水排放、废气排放和固体废弃物排放等作为投入指标,原煤产量和主营业务收入作为产出变量构建指标体系。根据生态效率的定义,将资源消耗和环境污染指标共同构成其投入指标,产出指标则同样用原煤产量和主营业务收入衡量。

表1 煤炭产业生态效率评价指标体系

本文研究的是煤炭产业的生态效率,研究对象仅限于狭义的煤炭产业,即煤炭开采与洗选业。为了保证数据的准确和客观性,本研究范围限于《中国统计年鉴》统计的主营业务收入在500万元以上的煤炭企业。由于缺乏横向的各地煤炭企业的具体数据,本文选取纵向历年煤炭产业数据作为DEA的决策单元。由于2014年、2015年煤炭产业工业SO2排放和工业烟粉尘排放数据的缺失和2016年相关统计年鉴的时效滞后性,故本文以2001—2013年数据形成13个决策单元。为了保证数据的可靠性和权威性,所有的统计数据均来自相关年份的《中国统计年鉴》、《中国能源统计年鉴》、《中国环境统计年鉴》和中经网统计数据库。数据描述性统计见表2。为了消除价格因素对相关指标的影响,本文采用1991年为基期的固定资产投资价格指数对固定资产净值年平均余额进行平减,采用1990年为基期的工业生产者购进价格指数对主营业务成本进行价格平减,采用1985年为基期的工业生产者出厂价格指数对主营业务收入进行价格平减。

表2 样本描述性统计

3.3 指标的相关性分析

在计算煤炭产业生态效率之前,本文首先运用SPSS19软件对2001—2013年的数据进行Pearson相关性分析。分析表明，相关系数越大,说明指标间的关联性越密切。从表3可见,投入变量之间都具有较强的相关性,很可能存在共线性问题,因此本文首先运用主成分分析法分别提取资源消耗指标(X1、X2、X3、X4)和环境污染指标(X5、X6、X7、X8、X9)的主成分。

3.4 生态效率实证分析

本文将生态效率(EF)分解为资源效率(REF)和环境效率(EEF)两个维度,通过相关性分析可以看到各指标间的相关性较强,会影响数据分析的准确性,故先将各指标数据进行压缩,提取资源消耗指标和环境污染指标的主成分,在进行主成分分析之前首先对数据进行标准化处理,使所有的数据均位于[0,1]之间。提取资源消耗中4个指标的主成分F1作为资源效率因子,提取环境污染中5个指标的主成分F2作为环境效率因子,可分别得到其因子载荷、特征根和累计贡献率(表4)。

表3 2001—2013年投入指标Pearson相关系数

注:**表示在0.01水平(双侧)上显著;*表示在0.05水平(双侧)上显著;Y1为原煤产量、Y2为主营业务收入、X1为能源消耗总量、X2为年均从业人员、X3为固定资产净值年平均余额、X4为主营业务成本、X5为工业废水排放、X6为工业废气排放、X7为工业SO2排放、X8为工业烟粉尘排放、X9为工业固体废弃物排放。

表4 因子载荷、特征根和累计贡献率

我们将我国煤炭产业2001—2013年的资源消耗主成分F1、环境污染主成分F2作为投入指标,原煤产量和主营业务收入作为产出指标分别代入DEAP 2.1软件,然后采用BCC模型分别计算煤炭产业的资源效率、环境效率和生态效率。计算结果见表5,变化趋势见图1。

表5煤炭产业资源效率、环境效率与生态效率

年份资源效率(REF)环境效率(EEF)生态效率(EF)20010.0000.5950.734irs20021.0000.9591.000-20030.5190.5890.850irs20040.5890.5740.858irs20050.5461.0001.000-20060.5170.6190.870irs20070.5230.8441.000-20080.5270.8350.949drs20090.5370.8990.937drs20100.6191.0000.983drs20110.7031.0001.000-20120.6950.8040.901drs20130.6140.8370.860drs

注:irs、-、drs分别表示规模收益递增、不变和递减。

图1 资源效率、环境效率、生态效率变化趋势

从实证结果看,我国煤炭产业的资源效率处于较低水平,2001—2013年并无显著增长,一直处于0.5水平上下波动,只有1年达到了资源效率的最优。这说明2001—2013年仅有1年达到了最优生产前沿面,实现了以最少的资源投入获得最大的经济产出,资源投入的利用率非常低,仅为1/2。由此可见,我国煤炭产业粗放型开采现象依然严重,继续依靠资源投入来提高产出的空间越来越小,资源浪费问题十分严峻,源头降耗迫在眉睫。

从环境效率来看,总体水平偏低,但普遍高于资源效率,且有3年实现了投入—产出最优,在减少环境污染的同时提高了经济产出。环境效率的变化趋势更接近于生态效率的变化趋势,可见环境效率的提升对煤炭产业生态效率的提高做出了很大贡献。但总体来看,环境效率仍处于低水平,可见在现有技术水平下存在有些污染物根本无法处理的问题,环境污染问题依然是制约煤炭产业生态效率的重要因素。因此,煤炭产业要提高生态效率应在源头消减环节上提高资源利用效率,同时在末端治理环节加强对污染物的处理和利用。

从煤炭产业总体生态效率来看,总体水平依然不高,但呈现波动上升的趋势,说明我国煤炭产业的投入要素并没有得到充分利用,资源浪费和污染物过度排放问题仍较严峻,但随着对煤炭产业环境问题的重视,生态环境问题得到了一定改善。从规模收益来看,在2007年以前煤炭产业基本都处于规模报酬递增状态,这与我国以小煤矿为主的状况相符。随着煤炭产业兼并重组和产业结构优化调整,2007年规模报酬达到最优状态,说明煤炭产业通过改进开采方式,扩大生产规模,产业结构得到优化。但2007年之后随着我国煤炭产能的过快扩张和释放,煤炭产业的规模报酬出现递减趋势,产业的产能过剩问题日益严重。

4 影响因素分析

在实证测算煤炭产业生态效率的基础上,本文将采用两阶段分析方法,以煤炭产业生态效率为因变量,效率影响因素为自变量,建立面板计量Tobit模型考察我国煤炭产业生态效率的影响因素与作用机理。

4.1 变量选择与影响方向预判

基于对生态效率概念的理解、对相关文献的回顾和借鉴[13,19,21],本文认为影响煤炭产业生态效率的主要因素有研发投入强度、利用外资水平、外部监督、所有制结构和能源消费结构五个方面,对各解释变量的界定及作用机理预判如下:①研发投入强度。以煤炭产业R&D经费投入衡量,反映科技创新对生态效率的贡献程度。研发投入有利于节能环保技术的发展,促进清洁生产和节能减排,因此本文认为研发投入对低碳生态技术进步有正向作用,对生态效率的提升起到促进作用。②利用外资水平。煤炭产业利用外资的水平用港澳台与外商投资企业的主营业务收入表示,反映煤炭产业利用外资的情况。通过引进和利用外资,在扩大生产规模的同时能带来先进的生产设备和技术,有利于环境友好型技术和绿色产品的开发,因此本文认为利用外资具有规模效应和技术溢出效应,对提高煤炭产业生态效率有促进作用。③外部监督。用煤炭产业总体资产负债率表示,反映债权人等利益相关者外部监督的力度与影响。根据利益相关者理论,企业会在提高经济效益的同时不断改进环境绩效,提高生态效率,对环境信息进行披露,以取得债权人等利益相关者的信任,因此本文认为资产负债率是提高生态效率的重要影响因素,资产负债率越高越有动力提高生态效率。④所有制结构。采用煤炭产业国有企业占企业总数的比重来衡量,反映不同所有制结构对生态效率的影响。国有制企业不管是在投融资上还是技术创新上都有其独特的优势,因此本文认为国有企业生态效率相对较高。⑤能源消费结构。用煤炭产业煤炭消耗总量占能源消耗总量的比重表示,反映煤炭产业能源结构的合理性。长期以来我国对煤炭资源的过度依赖导致对生态环境的严重破坏,因此本文认为进一步调整能源结构、减少煤炭资源在能源消耗总量中的比重,可有效减少对生态环境的破坏,从而促进生态效率的提高。

为了使数据保持平滑,本文对利用外资水平指标取对数,具体对各解释变量的定义、单位、影响系数的预估见表6,所涉及的数据来源于历年的《中国统计年鉴》、《中国科技统计年鉴》、《中国对外经济统计年鉴》。

表6 变量说明

本文选用受限因变量的计量经济模型建立的煤炭产业生态效率影响因素的Tobit回归模型为:

Yi=β0+β1X1+β2lnX2+β3X3+β4X4+β5X5+μ

(8)

式中,Yi为第i年的煤炭产业生态效率值;βi(i=1,2,…，5)为待估参数;μ为随机干扰项。

4.2 影响因素实证分析

通过Stata软件进行Tobit回归,得到回归结果(表7)。从表7可见,首先研发投入强度、利用外资水平和所有制结构对煤炭产业的生态效率有正向影响，说明加大煤炭产业的研发投入对生态效率的提高有着积极作用；科技创新的投入、清洁生产技术的研发能有效提高煤炭产业的清洁生产能力,因此要更好地发挥研发投入对生态效率的支持和推动作用,不断开展煤炭产业清洁生产技术、低碳生态技术和其他绿色技术的开发。通过利用和引进外资对清洁生产和节能减排也发挥了积极的作用。一方面，引进外资加大了煤炭产业的市场竞争,企业只有不断地提高生产效率和生态效率才能赢得竞争优势;另一方面，通过引进国外的先进管理和技术可以有效提高资源利用效率,进而促进煤炭产业生态效率的提升。所有制结构对生态效率呈弱正向影响,说明国有企业的生态效率普遍高于非国有企业,国有企业凭借其政治环境和规模优势,具有更高的清洁生产能力,但在市场化进一步完善的背景下,国有企业在生态效率上的优势逐渐趋弱。其次,外部监督对煤炭产业的生态效率产生负向影响,能源消费结构对煤炭产业的生态效率影响不显著。从理论上来说,资产负债率是反映企业负债状况和社会监督水平的重要指标。为了满足债权人等利益相关者的要求,企业迫于压力会更倾向于披露详尽的环境信息,通过提高环境绩效水平来赢得利益相关者的信任。本文回归结果显示,资产负债率与生态效率呈现负相关,可见就煤炭产业来说,相关企业的社会责任感和环保意识不强,债权人等利益相关者也没有对煤炭产业的生态化转型产生足够的重视,不管是企业还是利益相关者更多地是关注经济绩效,而对生态效率的重视远远不够。能源消费结构对生态效率的影响并不显著,可能是这13年能源消费结构变化幅度不大,因此对生态效率的影响不显著。

表7 Tobit回归结果

注:*表示0.1显著性水平,**表示0.05显著性水平,***表示0.01显著性水平,-表示不显著。

5 结论与政策建议

本文将煤炭产业的生态效率分解为资源效率和环境效率两个维度,构建了由资源消耗指标和环境污染指标共同构成的煤炭产业生态效率评价指标体系,通过DEA方法分别测算了煤炭产业的生态效率、资源效率和环境效率。以生态效率为解释变量,建立了Tobit回归模型,具体分析我国煤炭产业生态效率的影响因素。主要得出以下结论:①我国煤炭产业的资源效率、环境效率和生态效率总体偏低,煤炭产业生态化水平不高。②环境效率普遍优于资源效率,资源效率是制约煤炭产业生态化发展的主要因素。③从煤炭产业生态效率内外部影响因素来看,研发投入强度、利用外资水平和所有制结构对煤炭产业生态效率的提高发挥着积极的作用,而外部监督与煤炭产业的生态效率呈现负相关,能源消费结构对生态效率的影响不显著。

基于以上结论和分析,提出如下政策建议:首先,要建立起“以源头减耗为核心,末端治理为辅助”的发展模式。我们将煤炭产业生态效率进一步分解为资源效率和环境效率两个方面可以看出,资源效率在13年间并无显著增长,煤炭产业依然以粗放型开采方式为主,资源浪费现象十分严重,成为制约煤炭产业生态发展的主要因素,因此源头降耗迫在眉睫,必须转变勘探开采方式,创新煤炭开采技术,将煤炭产业发展由资源消耗型向技术推动甚至创新驱动转变,提高煤炭产业的资源开发利用效率。从环境效率来看,环境效率总体水平不高,但呈现波动上升趋势,可见煤炭产业作为高污染行业,环境污染问题依然严峻。随着清洁生产技术发展和环保意识的增强,环境污染有所改善,且带动了煤炭产业整体生态效率的提高。因此,要不断推进煤炭产业清洁生产,加强环境规制力度,建立健全煤炭产业生态补偿机制,发展循环低碳经济,形成“资源—产品—再生资源”的“闭环”式煤炭产业生产模式。其次,优化产业结构,设置煤炭产业低碳准入门槛,健全市场退出机制。从煤炭产业生态效率的规模收益由递增到不变再到递减的趋势可见,我国煤炭产业的规模溢出效应逐渐消失,产能过剩问题日益严峻。因此,要大力推进煤炭产业的兼并重组,对不合格的中小型煤矿实行“关、停、并、转”,以市场规则为基准,以股份制为主要形式加快大型煤炭集团的建设,提高煤炭产业的产业集中度。同时，政府要严格管理和控制煤炭产业的低碳准入门槛,确定煤炭开采企业的最低规模标准和技术水平。改变我国煤炭产业退出壁垒较高的现状,健全煤炭产业产权交易机制,对退出市场的煤炭企业职工安置和分流问题给予政策支持。此外,加大科技投入,加强环保科技研究与开发。从实证研究可见,研发投入对生态效率的提高有着积极的作用,因此政府要加大对煤炭产业财政支持,加强科技研发投入力度,注重绿色创新技术的推广和应用,同时还要引导和建立全社会多渠道投融资体系,拓宽煤炭产业科研经费来源,建立产学研相结合长期战略协作关系,实现科技人才培养和企业创新性人才需求的对接。通过加大煤炭产业的科研投入强度,鼓励煤炭产业进行清洁生产技术和低碳环保技术的研究与开发,提高煤炭资源的综合利用效率,缓解煤炭产业资源环境的压力,实现煤炭产业发展与环境保护相协调。最后,提高对外开放水平,合理利用和引进外资。充分学习和利用国外的先进管理和技术,不断提高煤炭产业的清洁生产能力,注重利用外资的水平和质量,设置合理的外资进入门槛,防止我国成为国外污染物转移承接地。政府给予政策上的引导和支持,通过市场性政策、参与性政策、管制性政策、奖励性政策等政策对外资加以引导,同时严格控制外商投资的质量,多渠道提高我国煤炭产业的对外开放水平,最大程度地发挥外资的正向影响,达到进一步提高生态效率的目的。

[1]Schaltegger S,Sturm A.Okologische Rationalitat:Ansatzpunkte zui Ausgestaltung von Okologieorientierten Managementinstrumenten[J].Die Untermehmung,1990,44(4)∶273-290.

[2]WBCSD.Eco-efficient：Creating More Value with Less Impact[R].Geneva,World Business Council for Sustainable Development,2000∶5-36.

[3]Schaltegger S,Burritt R.Contemporary Environmental Accounting：Issues,Concepts and Practice[M].Sheffield：Greenleaf,2000.

[4]Dahlstrom K,Ekins P.Eco-efficiency Trends in the UK Steel and Aluminum Industries：Differences Between Resource Efficiency and Resource Productivity[J].Journal of Industrial Ecology,2005,9(4)∶171-188.

[5]邱寿丰.中国区域经济发展的生态效率研究[J].能源与环境,2008,(4)∶8-10.

[6]吕连宏,刘淑春,王薇，等.空间信息统计学在环境科学领域的应用进展[J].地质灾害与环境保护,2005,16(2)∶194-198.

[7]汪东,朱坦.基于数据包络分析理论的中国区域工业生态效率研究[J].生态经济，2011,(4)∶24-28.

[8]Van Caneghem J,Block C,Cramm P,etal.Improving Eco-efficiency in the Steel Industry：The Arcelor Mittal Gentcase[J].Journal of Cleaner Production,2010,18(8)∶807-817.

[9]Charmondusit K,Keartpakpraek K.Eco-efficiency Evaluation of the Petroleum and Petrochemical Group in the Map Ta Phut Industrial Estate,Thailand[J].Journal of Cleaner Production,2011,19(2-3)∶241-252.

[10]刘巍,田金平,李星,等.基于DEA的中国综合类生态工业园生态效率评价方法研究[J].中国人口·资源与环境,2012,22(5)∶93-97.

[11]Oggioni G,Riccardi R,Toninelli R.Eco-efficiency of the World Cement Industry：A Date Envelopment Envelopment Analysis[J].Energy Policy,2011,39(5)∶2842-2854.

[12]彭昱.经济增长、电力业发展与环境污染治理[J].经济社会体制比较,2012,(5)∶183-192.

[13]陈翔,肖序.中国工业产业循环经济效率区域差异动态演化研究与影响因素分析——来自造纸及纸制品业的实证研究[J].中国软科学,2015,(1)∶160-171.

[14]汪克亮,孟祥瑞,程云鹤.技术的异质性、节能减排与地区生态效率——基于2004—2012年中国省际面板数据的实证分析[J].山西财经大学报,2015,37(2)∶69-80.

[15]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.

[16]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.

[17]牛苗苗.中国煤炭产业的生态效率研究[D].武汉：中国地质大学硕士学位论文,2012.

[18]彭毅.资源型央企生态效率提升模式研究[D].武汉：武汉理工大学硕士学位论文,2011.

[19]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.

[20]马勇,刘军.长江中游城市群产业生态化效率研究[J].经济地理,2015,35(6)∶124-129.

[21]吴鸣然,马骏.中国区域生态效率测度及其影响因素分析——基于DEA-Tobit两步法[J].技术经济,2016,35(3)∶75-80.

EvaluationofEcologicalEfficiencyofCoalIndustryUnderResourceandEnvironmentConstraintsandItsInfluencingFactors

HUANG Wan-hua,LU Ying

(School of Management,Wuhan Institute of Technology,Wuhan 430205,China)

Through the review of relevant literature and theoretical analysis,this paper constructed the eco-efficiency evaluation system of coal industry composed of resource efficiency index and environmental efficiency index,using the DEA method to measure the ecological efficiency,resource efficiency and environmental efficiency of the coal industry respectively.And then the Tobit model was constructed to study the influencing factors of the ecological efficiency of the coal industry.The results showed that the resource efficiency,environmental efficiency and ecological efficiency of the coal industry were generally low,especially resource efficiency was the main factor restricting the ecological development of coal industry.R&D investment intensity,the use of foreign capital and ownership structure of the coal industry could improve the ecological efficiency,while the external supervision was negatively correlated with ecological efficiency,and the impact of energy consumption structure on ecological efficiency was not significant.

coal industry;industrial ecology;ecological efficiency

2017-11-13；

2017-12-25

湖北省科技支撑计划软科学研究类项目(编号:2015BDF035);武汉工程大学创新基金项目(编号:CX2016110)。

及通讯作者简介：黄万华(1975-),男,湖北省大悟人,博士,副教授,研究方向为环境资源经济学。

10.3969/j.issn.1005-8141.2018.01.006

F426.21

A

1005-8141(2018)01-0028-07