中国能源环境全要素生产率评价研究——基于非期望指标的双前沿面网络DEA-Malmquist指数模型

摘要/Abstract

摘要：

根据经济发展的实际情况,将经济系统划分成能源利用子系统和环境治理子系统,建立了基于非期望指标的双前沿面网络DEA-Malmquist全要素生产率评价模型,对2011-2016年期间中国29个省、市、自治区的能源环境全要素生产率的变化情况进行了评价。评价结果表明：除环境治理子系统外,能源利用子系统和系统整体全要素生产率均处于负增长状态,仍具有较大的改善空间。从三大区域划分来看,能源利用子系统、环境治理子系统和系统整体全要素生产率均只在东部地区出现增长。

关键词: 能源环境, 全要素生产率, 非期望指标, 双前沿面, 网络DEA-Malmquist指数

Abstract:

According to the actual situation of economic development, the economic system is divided into the energy utilization subsystem and the environmental governance subsystem. This paper builds up a model based on the double frontiers network DEA-Malmquist index of undesired indicators and evaluates the changes of total factor productivity of energy and environment of 29 provinces, cities and autonomous regions in China during the period of 2011-2016. The evaluation results show that, except for the environmental governance subsystem, the total factor productivities of the energy utilization subsystem and the whole economic system are in a state of negative growth, and have larger space to promote. From the perspective of the division of the three major regions, there are only the growth in the eastern regions for total factor productivity of the energy utilization subsystem, the environmental governance subsystem and the whole system.

Key words: energy and environment, total factor productivity, undesired indicators, double frontiers, network DEA-Malmquist index

中图分类号:

F124.5

向小东,蔡其灵. 中国能源环境全要素生产率评价研究——基于非期望指标的双前沿面网络DEA-Malmquist指数模型[J]. beoplay体育提现学报（社会科学版）, 2019, 29(3): 41-56.

XIANG XIAODONG,CAI QILING. Evaluation and Research on Total Factor Productivity of China's Energy and Environment——Based on Double Frontiers Network DEA-Malmquist Index Model of Undesired Indicators[J]. Journal of Xidian University(Social Sciences Edition), 2019, 29(3): 41-56.

图/表 4

图1：

图2：

表1：

2011-2016年各子系统及系统整体能源环境全要素生产率及其分解结果"

省份	能源利用子系统			环境治理子系统			系统整体
省份	EC_R	TC_R	MPI_R	EC_C	TC_C	MPI_C	EC_H	TC_H	MPI_H
北京	0.988	0.992	0.981	1.005	0.930	0.935	0.988	0.907	0.896
天津	1.022	0.965	0.986	1.004	0.997	1.000	1.023	0.990	1.013
河北	0.977	1.106	1.081	1.000	1.042	1.042	0.979	1.097	1.074
山西	0.969	0.970	0.939	1.000	1.032	1.032	0.967	0.957	0.925
内蒙古	0.988	0.991	0.979	1.000	0.960	0.960	0.989	0.990	0.979
辽宁	1.066	0.981	1.046	0.998	1.010	1.008	1.042	0.997	1.039
吉林	1.006	0.973	0.978	0.999	0.990	0.989	1.007	0.945	0.951
黑龙江	1.054	0.966	1.018	1.000	0.971	0.971	1.042	0.955	0.996
上海	0.988	0.983	0.971	0.999	0.994	0.994	0.971	0.966	0.939
江苏	1.004	0.999	1.002	1.002	0.979	0.980	1.004	1.002	1.005
浙江	0.987	1.026	1.013	1.000	0.912	0.912	0.987	0.995	0.982
安徽	0.992	0.980	0.972	1.000	0.995	0.995	0.993	0.971	0.965
福建	0.986	0.988	0.974	1.004	0.993	0.997	0.983	0.989	0.973
江西	0.993	0.989	0.982	0.992	1.001	0.993	0.993	0.975	0.968
山东	0.986	1.013	0.999	1.000	0.979	0.979	0.986	0.977	0.963
河南	0.997	0.983	0.981	1.000	0.970	0.970	0.993	0.968	0.962
湖北	0.990	0.981	0.971	0.991	0.994	0.985	0.995	0.968	0.963
湖南	1.016	0.985	1.001	1.007	0.996	1.003	1.022	0.977	0.998
广东	0.957	0.976	0.934	1.006	1.005	1.011	0.993	1.002	0.995
广西	0.985	0.987	0.972	0.999	0.984	0.983	0.986	0.975	0.961
海南	1.010	0.924	0.933	1.005	1.016	1.021	1.011	0.980	0.990
重庆	0.994	0.972	0.966	1.002	0.998	1.001	1.032	0.970	1.000
四川	0.995	0.981	0.976	0.991	1.000	0.991	1.017	0.985	1.002
贵州	0.972	0.942	0.916	1.012	1.014	1.026	0.995	0.965	0.961
云南	0.997	0.975	0.972	1.001	1.004	1.006	0.998	0.989	0.987
陕西	0.990	0.984	0.975	1.018	1.000	1.018	1.025	0.961	0.985
甘肃	0.976	0.923	0.901	1.002	1.004	1.006	0.976	0.954	0.931
宁夏	1.000	0.928	0.928	1.002	0.980	0.982	1.000	0.903	0.903
新疆	0.974	0.944	0.919	1.005	1.000	1.004	0.974	0.968	0.943
平均值	0.996	0.988	0.984	1.002	1.006	1.008	1.001	0.984	0.985

表1：

表2：

参考文献 24

[1]	MAHLBERG B, LUPTACIK M, SAHOO B K . Examining the Drivers of Total Factor Productivity Change with an Illustrative Example of 14 EU Countries[J]. Ecological Economics, 2011,72(10):60-69.
[2]	RÁCZ V J, VESTERGAARD N . Productivity and Efficiency Measurement of the Danish Centralized Biogas Power Sector[J]. Renewable Energy, 2016,92:397-404.
[3]	SONG M, ZHENG W . Computational Analysis of Thermoelectric Enterprises’ Environmental Efficiency and Bayesian Estimation of Influence Factors[J]. Social Science Journal, 2016,53(1):88-99.
[4]	MEI L, CHEN Z . The Convergence Analysis of Regional Growth Differences in China:The Perspective of the Quality of Economic Growth*[J]. Journal of Service Science & Management, 2016,9(6):453-476.
[5]	WEN J S, WANG H Y, CHEN F X , et al. Research on Environmental Efficiency and TFP of Beijing Areas under the Constraint of Energy-saving and Emission Reduction[J]. Ecological Indicators, 2018,84:235-243.
[6]	LI K, LIN B. Economic Growth Model,Structural Transformation,and Green Productivity in China[J]. Applied Energy, 2017,187:489-500.
[7]	CHEN N, XU L, CHEN Z . Environmental Efficiency Analysis of the Yangtze River Economic Zone Using Super Efficiency Data Envelopment Analysis (SEDEA) and Tobit Models[J]. Energy, 2017,134:659-671.
[8]	马海良, 黄德春, 姚惠泽 . 中国三大经济区域全要素能源效率研究——基于超效率DEA模型和Malmquist指数[J]. 中国人口·资源与环境, 2011,21(11):38-43.
[9]	匡远凤, 彭代彦 . 中国环境生产效率与环境全要素生产率分析[J]. 经济研究, 2012(7):62-74.
[10]	李小胜, 余芝雅, 安庆贤 . 中国省际环境全要素生产率及其影响因素分析[J]. 中国人口·资源与环境, 2014,24(10):17-23.
[11]	吴明娥, 曾国平, 曹跃群 . 资源环境约束下基于资本服务的全要素生产率增长研究[J]. 中国人口·资源与环境, 2015,25(5):83-91. doi: 10.3969/j.issn.1002-2104.2015.05.011
[12]	李静, 倪冬雪 . 中国工业绿色生产与治理效率研究——基于两阶段SBM网络模型和全局Malmquist方法[J]. 产业经济研究, 2015(3):42-53.
[13]	汤杰新, 马婷玉 . 中国环境规制效率与全要素生产率研究——基于SBM-Undesirable和DEA-Malmquist模型的解释[J]. 干旱区资源与环境, 2016,30(11):7-12.
[14]	傅京燕, 原宗琳, 曾翩 . 中国区域生态效率的测度及其影响因素分析[J]. 产经评论, 2016,7(6):85-97.
[15]	吴卫红, 王阳阳, 张爱美 , 等. 基于DEA-Malmquist指数方法的能源产业技术创新效率实证分析[J]. 生态经济(中文版), 2016,32(6):67-72.
[16]	陈海跃 . 中国区域能源效率及其影响因素分析——基于DEA-Malmquist模型[J]. 贵州财经大学学报, 2017(6):32-39.
[17]	杨锋 . 含有多个子系统的决策单元的DEA效率评估研究[D]. 北京:中国科学技术大学, 2006: 39-42.
[18]	SEIFORD L M, ZHU J . Modeling Undesirable Factors in Efficiency Evaluation[J]. European Journal of Operational Research, 2002,142(1):16-20.
[19]	FÄRE R, GROSSKOPF S, NORRIS M . Productivity Growth,Technical Progress,and Efficiency Change in Industrialized Countries[J]. American Economic Review, 1994,84(1):66-83.
[20]	WANG Y M, CHIN K S, YANG J B . Measuring the Performances of Decision-making Units Using Geometric Average Efficiency[J]. Journal of the Operational Research Society, 2007,58(7):929-937.
[21]	WANG Y M, LAN Y X . Measuring Malmquist Productivity Index:A New Approach Based on Double Frontiers Data Envelopment Analysis[J]. Chinese Journal of Management Science, 2015,54(11):2760-2771.
[22]	奚萍芳 . 基于动态网络DEA的能源环境效率评价[D]. 北京:中国科学技术大学, 2016: 23-24.
[23]	司守奎, 孙玺菁 . 数学建模算法与应用[M]. 北京: 国防工业出版社, 2011: 372-382.
[24]	宋丽颖, 刘源, 张伟亮 . 资源型城市全要素生产率及其影响因素研究——基于财政收支的视角[J]. 当代经济科学, 2017,39(6):17-24.