丁玲玲，林瑞躍

中國各地區(qū)能源和環(huán)境效率評估——基于松弛變量的網(wǎng)絡DEA模型

丁玲玲，林瑞躍

(溫州大學數(shù)理學院，浙江溫州 325035)

隨著社會的發(fā)展，能源和環(huán)境問題越來越受到廣泛關(guān)注．采用基于松弛變量的網(wǎng)絡DEA模型對2017年中國的30個省市自治區(qū)進行能源和環(huán)境效率評價，并對中國東部區(qū)域、西部區(qū)域、中部區(qū)域的產(chǎn)業(yè)能源效率特點以及各產(chǎn)業(yè)效率與整體能源效率相關(guān)性進行分析．結(jié)果表明：中國整體能源效率較低，東部區(qū)域各產(chǎn)業(yè)能源效率高于中部區(qū)域和西部區(qū)域，特別是第三產(chǎn)業(yè)能源效率遠高于中部區(qū)域和西部區(qū)域；第三產(chǎn)業(yè)的能源效率和整體能源效率相關(guān)性最高．

SBM-DEA模型；平行結(jié)構(gòu)；產(chǎn)業(yè)；能源效率

能源是整個世界發(fā)展和經(jīng)濟增長的最基本驅(qū)動力，是人類賴以生存的基礎．我們所使用的大部分能源是不可再生的，大量能源消耗會導致能源不足，且會產(chǎn)生環(huán)境污染物，因此需要對能源和環(huán)境效率進行研究，提高能源效率．在能源效率問題上，要得到投入和產(chǎn)出之間的生產(chǎn)函數(shù)比較困難，數(shù)據(jù)包絡分析（Data Envelopment Analysis, DEA）是一種非參數(shù)的方法，具有無需預先設定生產(chǎn)函數(shù)的參數(shù)和投入產(chǎn)出權(quán)重，避免分析者主觀意志的影響，可以很好地評價帶有多個輸入和多個產(chǎn)出的同類決策單元（Decision Making Unit, DMU）的相對績效，所以DEA是評價能源效率的優(yōu)質(zhì)工具．當使用DEA評價能源和環(huán)境效率時，需要把能源的產(chǎn)出分為期望產(chǎn)出和非期望產(chǎn)出，其中非期望產(chǎn)出就是能源使用時產(chǎn)生的污染物，這樣就可以同時考慮經(jīng)濟發(fā)展和環(huán)境保護．目前已經(jīng)有很多學者使用DEA進行能源和環(huán)境效率分析．Sueyoshi等[1]探討了使用徑向DEA模型評估運營和環(huán)境效率狀況．Guo等[2]將能源存量定義為結(jié)轉(zhuǎn)中間鏈接，采用動態(tài)DEA模型來評估經(jīng)合組織國家和中國的能源效率，探討運營效率低下的根源．Goto等[3]從經(jīng)濟學和商業(yè)的角度來討論統(tǒng)一的運營和環(huán)境效率，提出將輸入分為“需要減小的”和“可以適當增大的”兩類，然后將它們統(tǒng)一在可處置的概念下應用于評估日本47個縣的制造業(yè)和非制造業(yè)的效率．Shang等[4]采用考慮非期望產(chǎn)出的基于松弛度量（Slack Based Measure, SBM）的DEA模型對中國不同地區(qū)的全要素能效進行了測度，并利用Moran指數(shù)得到中國全要素能源效率空間相關(guān)性是正相關(guān)的結(jié)論．Chang等[5]提出了非徑向SBM-DEA模型，分析得出中國的交通運輸業(yè)在環(huán)境方面效率低下的結(jié)論．Meng等[6]對中國區(qū)域能源和碳排放效率的DEA評價研究進行綜述，并基于中國“九五”“十五”“十一五”規(guī)劃的相同數(shù)據(jù)集，分別采用6種DEA模型對中國區(qū)域經(jīng)濟增長進行實證研究，得出了不同模型的優(yōu)缺點．Wang等[7]使用BCC①BCC是1984年Banker, Charnes和Cooper提出的一個規(guī)模效益可變模式的DEA分析擴展模型．和SBM模型和Bootstrap-DEA方法評估中國鋼鐵行業(yè)各階段的環(huán)境效率，利用回歸模型對影響環(huán)境效率的關(guān)鍵環(huán)境保護策略進行研究．

上述研究只考慮初始的投入和最終產(chǎn)出，忽略每個DMU的生產(chǎn)過程之間的相互關(guān)系和生產(chǎn)過程對總效率的影響．F?re等[8]提出的網(wǎng)絡DEA模型考慮了DMU內(nèi)部生產(chǎn)過程的關(guān)系，得到更為科學的系統(tǒng)效率．Tone等[9]提出的一種基于松弛變量測量的網(wǎng)絡DEA模型，考慮到了每個子過程的重要性，能夠處理中間變量，評估過程效率和系統(tǒng)效率，但是它需要決策者對過程效率的權(quán)重進行賦值，Kao[10]對SBM的網(wǎng)絡DEA的整體效率進行分解，提出一種不用提前對過程效率權(quán)重賦值的方法．近年來也有不少學者將網(wǎng)絡DEA應用于能源和環(huán)境方面的效率評估．Hu等[11]擴展了一個兩階段SBM-DEA網(wǎng)絡結(jié)構(gòu)模型，對油田效率進行了研究．Huang等[12]用非徑向網(wǎng)絡DEA方法來評估環(huán)境保護系統(tǒng)的性能．Zhou等[13]提出了混合網(wǎng)絡結(jié)構(gòu)兩階段SBM-DEA模型，對水的使用和污水處理的效率進行了詳細測度．

由于中國的各地區(qū)的經(jīng)濟文化差異，各地區(qū)的不同產(chǎn)業(yè)都呈現(xiàn)不同的特點．為了更加具體了解我國各地區(qū)的能源和環(huán)境效率狀況，本文構(gòu)建平行結(jié)構(gòu)下的網(wǎng)絡SBM-DEA模型，對我國東部區(qū)域、西部區(qū)域、中部區(qū)域的整體能源效率以及各產(chǎn)業(yè)能源效率進行了評價．

1 平行結(jié)構(gòu)下的SBM-DEA模型

根據(jù)第一、第二、第三產(chǎn)業(yè)劃分將能源使用劃分為三層，考慮到三個產(chǎn)業(yè)同時進行，建立了平行結(jié)構(gòu)的網(wǎng)絡SBM-DEA模型．根據(jù)能源和環(huán)境效率的特點，把產(chǎn)出分為了期望產(chǎn)出和非期望產(chǎn)出．由于在規(guī)?？勺儯╒ariable Returns to Scale, VRS）下多了一個約束條件得到的結(jié)果區(qū)分度沒有規(guī)模不變（Constant Returns to Scale, CRS）下的高，所以本文構(gòu)建CRS條件下的DEA模型．

模型如下：

由于模型（1）是非線性的，不利于求解，用Charnes-Cooper變換，令

把模型（1）轉(zhuǎn)化為如下線性模型：

．

2 實證分析

2.1 數(shù) 據(jù)

選取2017年我國除香港、澳門、臺灣、西藏以外的30個省市自治區(qū)作為評價對象，參照Mardani等[14]能源DEA文獻綜述，投入指標選取各產(chǎn)業(yè)反映資產(chǎn)、勞動力和能源的指標，期望產(chǎn)出選取各產(chǎn)業(yè)總產(chǎn)值，非期望產(chǎn)出選取各產(chǎn)業(yè)二氧化碳排放量．各指標數(shù)據(jù)采集情況如下．

資產(chǎn)：資本投入的數(shù)據(jù)無法在統(tǒng)計年鑒上直接獲得，且不同領(lǐng)域資本投入的計算方法有很大差異，因此本文選用固定資產(chǎn)投資額來衡量資本投入量，數(shù)據(jù)來自2018年《中國固定資產(chǎn)投資統(tǒng)計年鑒》②國家統(tǒng)計局固定資產(chǎn)投資統(tǒng)計司．中國固定資產(chǎn)投資統(tǒng)計年鑒[M]．北京：中國統(tǒng)計出版社，2018．．

勞動力：勞動力指標選擇延用了文獻[15-16]的方法，采用年末就業(yè)人數(shù)作為勞動力的衡量，數(shù)據(jù)從各省市自治區(qū)2018統(tǒng)計年鑒③參見：各省2018年統(tǒng)計年鑒．得到．

能源：能源數(shù)據(jù)采用2018年的《中國能源統(tǒng)計年鑒》④國家統(tǒng)計局能源司．中國能源統(tǒng)計年鑒[M]．北京：中國統(tǒng)計出版社，2018．中地區(qū)能源平衡表的數(shù)據(jù)，根據(jù)能源平衡表的分類計算各產(chǎn)業(yè)能源消耗情況．能源平衡表中能源種類很多，考慮到碳排放系數(shù)采集情況，沒有將潤滑油、石腦油等使用較少的能源進行統(tǒng)計，只是將使用普遍的能源轉(zhuǎn)化成標準煤后進行產(chǎn)業(yè)能源使用統(tǒng)計．

產(chǎn)業(yè)總產(chǎn)值：產(chǎn)業(yè)總產(chǎn)值是最直觀的經(jīng)濟貢獻數(shù)據(jù)，它是理想的產(chǎn)出指標，數(shù)據(jù)來自2018年的《中國統(tǒng)計年鑒》⑤中華人民共和國國家統(tǒng)計局．中國統(tǒng)計年鑒[M]．北京：中國統(tǒng)計出版社，2018.．

二氧化碳排放：將所收集的各類能源數(shù)據(jù)除去用作原料的能源，使用IPCC排放因子法計算二氧化碳排放量，二氧化碳排放因子使用《2006年IPCC國家溫室氣體清單指南》⑥Paustian K , Ravindranath N H , Amstel A V. 2006 IPCC Guidelines for National Greenhouse Gas Inventories [M]. International Panel on Climate Change, 2006.中推薦的相關(guān)排放因子和計算方法得到．

因為各變量數(shù)據(jù)篇幅較大，我們只給出它們的描述性統(tǒng)計，如表1所示．

表1 各變量的描述性統(tǒng)計

2.2 結(jié)果和分析

使用MATLAB對模型（3）編程，導入收集到的投入、產(chǎn)出數(shù)據(jù)得到各地區(qū)整體能源效率和各產(chǎn)業(yè)能源效率，見表2．表2中1、2、3分別代表該地區(qū)的第一、第二、第三產(chǎn)業(yè)的能源效率，代表整體能源效率．從各產(chǎn)業(yè)能源效率平均值可以看出，中國的三個產(chǎn)業(yè)能源效率都不高，整體能源效率較差．

表2 各地區(qū)總體效率、產(chǎn)業(yè)效率和排名

產(chǎn)業(yè)能源效率中，第一產(chǎn)業(yè)能源效率最高．第一產(chǎn)業(yè)是指利用生物的自然生長和自我繁殖特性，人為控制其生長和繁殖過程，生產(chǎn)出我們所需要產(chǎn)品或工業(yè)原料的一類行業(yè)．第一產(chǎn)業(yè)產(chǎn)值增加對能源的依賴相對第二、第三產(chǎn)業(yè)較少，所以第一產(chǎn)業(yè)能源效率相對二、三產(chǎn)業(yè)要高一些．第二產(chǎn)業(yè)有很多能源密集型行業(yè)，能源消耗很多，污染物排放量也很大，第二產(chǎn)業(yè)的能源效率最差．

從第一產(chǎn)業(yè)的能源效率排名情況看，能源效率較高的地區(qū)有安徽、海南、重慶、江西、江蘇、四川、廣西和上海，它們的第一產(chǎn)業(yè)能源效率為1，其中上海和江蘇是中國經(jīng)濟發(fā)達地區(qū)，其他地區(qū)的經(jīng)濟都不太發(fā)達．能源效率排名靠后的地區(qū)有山西、天津、北京、甘肅、內(nèi)蒙古、新疆和寧夏，其中北京是中國的首都，經(jīng)濟發(fā)達，天津經(jīng)濟也比較發(fā)達，其他幾個地區(qū)經(jīng)濟較差．從第一產(chǎn)業(yè)能源效率排名可以看出第一產(chǎn)業(yè)能源效率和經(jīng)濟發(fā)達程度關(guān)系不大．第二產(chǎn)業(yè)能源效率排名靠前的地區(qū)有陜西、上海、北京和廣東，能源效率排名靠后的地區(qū)有河北、黑龍江、青海、甘肅、安徽和廣西．第三產(chǎn)業(yè)能源效率較高的地區(qū)有天津、廣東、上海、江蘇和北京，能源效率為1，其他地區(qū)能源效率都比較低，能源效率最低的地區(qū)有新疆、黑龍江、吉林、青海、貴州和安徽，能源效率都沒有超過0.3．第二、第三產(chǎn)業(yè)能源效率較高的地區(qū)大都是中國經(jīng)濟較發(fā)達的地區(qū)，說明第二、第三產(chǎn)業(yè)的能源效率與經(jīng)濟的發(fā)展相關(guān)性高．

根據(jù)我國經(jīng)濟地帶標準，我們將30個省市自治區(qū)劃分為東部區(qū)域、西部區(qū)域、中部區(qū)域，表3是我國三大區(qū)域的各產(chǎn)業(yè)能源效率和整體能源效率的平均值．從表3可以看出，在三個區(qū)域中東部區(qū)域的各產(chǎn)業(yè)和整體能源效率是最好的，東部區(qū)域第三產(chǎn)業(yè)的能源效率遠高于中部區(qū)域和西部區(qū)域；中部區(qū)域各產(chǎn)業(yè)和整體能源效率都是最低的，但和西部區(qū)域差距較?。?/p>

表3 三大區(qū)域的各產(chǎn)業(yè)和總體能源環(huán)境效率的平均值

圖1是東部區(qū)域各產(chǎn)業(yè)的能源效率柱形圖．從圖1可以看出，東部區(qū)域的整體能源效率較好，其中第三產(chǎn)業(yè)能源效率遠高于中部區(qū)域和西部區(qū)域，北京、天津、江蘇、上海和廣東這五個地區(qū)的能源效率為1，河北和遼寧這兩個省的第三產(chǎn)業(yè)能源效率低于全國平均值．在東部區(qū)域中，上海各產(chǎn)業(yè)的能源效率都是1，整體能源效率為1．北京第二、第三產(chǎn)業(yè)能源效率是1，江蘇第一、第三產(chǎn)業(yè)能源效率是1．天津第三產(chǎn)業(yè)能源效率有效，廣東第三產(chǎn)業(yè)能源效率有效，海南第一產(chǎn)業(yè)能源效率有效．東部區(qū)域其他地區(qū)的能源效率都不高，河北省除了第一產(chǎn)業(yè)能源效率比北京高外，其他都是東部省份中最低的．

圖1 東部區(qū)域各產(chǎn)業(yè)能源效率

圖2是中部區(qū)域各產(chǎn)業(yè)的能源效率柱形圖．從圖2可以看出，中部區(qū)域整體能源效率較差，其中第二產(chǎn)業(yè)能源效率最差，都在0.4以下．對于第一產(chǎn)業(yè)，安徽和江西這兩個省份的能源效率為1，湖北省的能源效率超過了全國平均值，但其他地區(qū)第一產(chǎn)業(yè)能源效率都低于全國平均值．中部區(qū)域的第三產(chǎn)業(yè)能源效率中，只有湖南、湖北和江西這三個省份超過了全國平均值，其他地區(qū)第三產(chǎn)業(yè)能源效率都低于全國平均值．中部區(qū)域整體能源效率只有湖北和江西這兩個省高于全國平均值．

圖3是西部區(qū)域各產(chǎn)業(yè)的能源效率柱形圖．從圖3可以看出，重慶、陜西和四川的各產(chǎn)業(yè)能源效率較好，貴州、云南和廣西稍微差一些．青海的第一產(chǎn)業(yè)能源效率較高，其他西部區(qū)域各產(chǎn)業(yè)能源效率都低于0.4．重慶和四川的第一產(chǎn)業(yè)能源效率較好，第二產(chǎn)業(yè)能源效率較差．陜西第二產(chǎn)業(yè)能源效率達到了1，是唯一一個東部以外能源效率有效的省份．第三產(chǎn)業(yè)能源效率只有四川和重慶高于全國平均值．

圖3 西部區(qū)域各產(chǎn)業(yè)能源效率

綜合表3和圖1―3可知，經(jīng)濟發(fā)達的東部區(qū)域能源效率明顯高于經(jīng)濟發(fā)展較差的中部區(qū)域和西部區(qū)域，第二、第三產(chǎn)業(yè)的能源效率與經(jīng)濟發(fā)展情況正相關(guān)．東部區(qū)域經(jīng)濟發(fā)達、交通便利，能夠吸引全國各地人才，使得東部各類行業(yè)發(fā)展迅速、經(jīng)濟收益增加、技術(shù)進步，能源效率較高．

表4是各產(chǎn)業(yè)能源效率和整體能源效率的相關(guān)性系數(shù)．從表4可以看出，第一產(chǎn)業(yè)的能源效率與第二、第三產(chǎn)業(yè)的相關(guān)性較低，第二產(chǎn)業(yè)與第三產(chǎn)業(yè)的能源效率相關(guān)性較高，說明第二、第三產(chǎn)業(yè)的聯(lián)系更加密切．整體能源效率與第三產(chǎn)業(yè)的相關(guān)性最高，所以需重視第三產(chǎn)業(yè)的技術(shù)發(fā)展，盡可能地節(jié)約能源、減少污染，提高該產(chǎn)業(yè)能源效率，從而提高該地區(qū)的整體能源效率．

表4 各產(chǎn)業(yè)和整體能源效率的相關(guān)性系數(shù)

3 結(jié) 論

采用基于松弛變量的平行結(jié)構(gòu)網(wǎng)絡DEA模型，對2017年中國的30個省市自治區(qū)進行能源和環(huán)境效率評價，得到了更加準確的各地區(qū)整體能源效率和各產(chǎn)業(yè)能源效率，分析了中國東部、西部、中部區(qū)域的產(chǎn)業(yè)能源效率特點，并對各產(chǎn)業(yè)能源效率相關(guān)性以及各產(chǎn)業(yè)效率與整體能源效率相關(guān)性就行了分析．研究結(jié)果可為各地區(qū)準確制定提高能源效率的各項政策提供理論參考．

[1] Sueyoshi T, Goto M. DEA Radial Measurement for Environmental Assessment: A Comparative Study between Japanese Chemical and Pharmaceutical Firms [J]. Appl Energ, 2014, 115: 502-513.

[2] Guo X, Lu C C, Lee J H, et al. Applying the Dynamic DEA Model to Evaluate the Energy Efficiency of OECD Countries and China [J]. Energy, 2017, 134: 392-399.

[3] Goto M, Otsuka A, Sueyoshi T. DEA (Data Envelopment Analysis) Assessment of Operational and Environmental Efficiencies on Japanese Regional Industries [J]. Energy, 2014, 66: 535-549.

[4] Shang Y, Liu H, Lv Y. Total Factor Energy Efficiency in Regions of China: An Empirical Analysis on SBM-DEA Model with Undesired Generation [J]. J King Saud Univ Sci, 2020, 32(3): 1925-1931.

[5] Chang Y T, Zhang N, Danao D, et al. Environmental Efficiency Analysis of Transportation System in China: A Non-radial DEA Approach [J]. Energ Policy, 2013, 58: 277-283.

[6] Meng F, Su B, Thomson E, et al. Measuring China’s Regional Energy and Carbon Emission Efficiency with DEA Models: A Survey [J]. Appl Energ, 2016, 183: 1-21.

[7] Wang Y, Wen Z, Cao X, et al. Environmental Efficiency Evaluation of China’s Iron and Steel Industry: A Process-level Data Envelopment Analysis [J]. Sci Total Environ, 2020, 707: 135903.

[8] F?re R, Grosskopf S. Network DEA [J]. Socio-Econ Plan Sci, 2000, 34: 35-39.

[9] Tone K, Tsutsui M. Network DEA: A Slacks-based Measure Approach [J]. Eur J Oper Res, 2009, 197(1), 2009: 243-252.

[10] Kao C. Efficiency Decomposition in Network Data Envelopment Analysis with Slacks-based Measures [J]. Omega, 2014, 45: 1-6.

[11] Hu Z, Yan S, Li X, et al. Evaluating the Oil Production and Wastewater Treatment Efficiency by an Extended Two-stage Network Structure Model with Feedback Variables [J]. J Environ Manage, 2019, 251: 109578.

[12] Huang C W, Chiu Y H, Fang W T, et al. Assessing the Performance of Taiwan’s Environmental Protection System with a Non-radial Network DEA Approach [J]. Energ Policy, 2014, 74: 547-556.

[13] Zhou X, Luo R, Yao L, et al. Assessing Integrated Water Use and Wastewater Treatment Systems in China: A Mixed Network Structure Two-stage SBM DEA Model [J]. J Clean Prod, 2018, 185: 533-546.

[14] Mardani A, Zavadskas E K, Streimikiene D, et al. A Comprehensive Review of Data Envelopment Analysis (DEA) Approach in Energy Efficiency [J]. Renew Sust Energ Rev, 2017, 70: 1298-1322.

[15] Wang K, Yu S W, Zhang W. China’s Regional Energy and Environmental Efficiency: A DEA Window Analysis Based Dynamic Evaluation [J]. Math Comput Model, 2013, 58: 5-6.

[16] 關(guān)峻, 張曉文. 低碳背景下中國區(qū)域能源效率綜合評價研究: 基于DEA的非均一化灰色關(guān)聯(lián)分析法[J]. 生態(tài)經(jīng)濟, 2016, 32(6): 63-68．

Energy and Environmental Efficiency Assessment in Various Regions of China——A Network DEA Model Based on Slack Variables

DING Lingling, LIN Ruiyue

(College of Mathematics and Physics, Wenzhou University, Wenzhou, China 325035)

With the development of the society, energy and environmental problems have received more and more attention. In this paper, a network DEA model based on slack variables is used to evaluate the energy and environmental efficiency of 30 provinces, autonomous regions and municipalities directly under the Central Government in China in 2017. The characteristics of industrial energy efficiency in eastern, western and central China, and the correlation between industrial efficiency and overall energy efficiency are analyzed. The results show that the overall energy efficiency in China is not good, and the energy efficiency of all industries in the east, especially the tertiary industry, is higher than that of industries in the central and western regions. The tertiary industryhas the highest correlation with overall energy efficiency.

SBM-DEA Model; Parallel Structure; Industry; Energy Efficiency

O221.1

A

1674-3563(2021)04-0018-09

10.3875/j.issn.1674-3563.2021.04.003 本文的PDF文件可以從www.wzu.edu.cn/wzdxxb.htm獲得

2020-08-27

國家自然科學基金項目(71971163)

丁玲玲(1996― )，女，江西贛州人，碩士研究生，研究方向：應用分析與優(yōu)化理論

(英文審校：黃璐)

(編輯：封毅)