环境DEA技术（共7篇）
环境DEA技术 篇1
一、引言
物流业是国民经济发展的重要服务行业,其发展水平已成为衡量一个国家或地区综合实力的重要标志之一。同时,物流业对汽油、煤油等能源的消耗量较大,成为中国能源消耗的主要行业之一。例如,2011年,物流业消耗煤油量和汽油量为1 646.35万吨和3 373.52万吨,分别占总消耗量的90.6%和45.6%;可以说,物流业已成为二氧化碳气体排放的重要来源。伴随着物流业在国民经济发展中地位的日益提升,如何通过环境管制理念和先进的物流技术,在促进物流业效率增长的同时将环境污染影响降至最小,合理地规划、统筹和管理物流系统显得非常重要。
全要素生产率分析是研究经济增长的重要工具,可以从整体上反映一个产业的生产率状况。自Chow(1993)[1]首次提出该研究方法以来,目前已成为热点,关于中国全要素生产率的研究主要集中在三个方面:一是主要集中于工业和农业部门等具体部门的全要素生产率研究;二是运用加总时间序列数据研究中国全要素生产率随时间的波动和变化态势;三是运用面板数据对中国各省份的全要素生产率的差异化进行实证研究。
早期物流产业效率的文献研究集中于对运输业效率进行分析,Oum等(1992)[2]提出了交通生产率的概念并提出测算方法,国内学者余思勤等(2004)[3]测算了中国交通各部门1990—2000年的生产率,但并未测算交通全行业的生产率。刘玉海等(2008)[4]分析了2000—2004年中国道路运输业生产率。随着物流业的快速发展,对物流产业效率问题的研究也逐渐增多。Barros(2003)[5]运用生产率指数测算了1990—2000年葡萄牙10个港口的技术进步与技术效率。张越等(2006)[6]考察了1995—2005年中国9个民用机场的生产率,分析了机场业务量增长和下降的原因。于剑(2007)[7]测算了中国5个主要航空公司2002—2006年的全要素生产率,认为生产率总体上有所提高,且增长受到技术效率改善与技术进步的共同影响。田刚等(2009)[8]运用超越对数随机前沿模型方法,分析了1991—2007年我国29个省级地区的物流业全要素生产率,并分析了其增长来源。王维国等(2012)[9]利用Malmquist-luenberger生产率指数方法测算了1997—2009年我国30个省级地区的物流产业效率,并首次将碳排放纳入非期望产出考虑,发现物流产业效率受外部环境因素影响显著。唐建荣等(2013)[10]综合考虑环境负荷与经济增长之间的关系,将非期望产出的二氧化碳排放量作为投入变量,运用DEA模型衡量了物流业的纯技术效率、规模效率和综合效率,发现不过滤碳排放的影响,物流业的纯技术效率值被低估,而规模效率值被高估。
综上所述,现有关于物流产业效率方面的研究成果颇丰,但仍然存在不足:一是诸多学者主要集中于从行业层面或企业层面考察和比较物流业全要素生产率的变化,缺乏从区域角度考虑物流产业的研究,也未能考察区域物流生产率的差异和变动;二是目前研究方法中基本都是将物流资本、物流业从业人员和物流业能源消耗等生产要素作为投入要素和期望产出考虑,未将环境污染等非期望因素纳入度量。因此,本文研究将碳排放作为非期望产出纳入模型度量,并运用基于环境DEA技术的Malmquist-lu enberger指数方法测算物流业全要素生产率。
二、研究方法与模型
(一)曼奎斯特-鲁恩博格生产率指数模型
Chung et al.(1997)[11]在环境DEA技术与方向距离函数的基础上,提出了曼奎斯特-鲁恩博格生产率指数(简称LP),解决了减少非期望产出情形下测算全要素生产率的问题。
考虑一个地区物流产业总值生产函数F(X),其中X表示要素投入,并假设要素投入X=(K,L,E)∈RN+,K表示资本投入,L为劳动力投入,E为能源投入。通过生产得到Y和C。其中Y对物流产业增长发展有利,是一种期望产出,期望其越大越好;而C是一种伴随生产过程产生的非期望产出,期望其越小越好。所有可能的包括期望产出与非期望产出的产出构成的集合称为生产可行集,记为P,基于环境DEA技术的非参数分析框架,假设一共有i=1,…I个地区作为决策单元,第i=1,…I个地区的投入和产出值为(Ki,Li,Ei,Yi,Ci),强度变量覣i是在构造生产前沿时分配给每个决策单元的权重,可以采用以下的线性规划来表示。
方向性距离函数是指在某种生产技术水平下,基于固定的投入(或产出),描述产出指标变量(或投入指标变量)最优比例的一种代表性函数,可以用式(2)表示:
式(2)中,距离函数值λ表示决策单元观测值(Y,C)与其在生产前沿面上投影(Y+λdY,C-λdC)之间的距离。方向向量d=(dY,-dC)决定了效率测度的方向,即产出扩张或减少的方向,其中期望产出(Y)扩张的方向为dY,而非期望产出(C)下降的方向向量-dC,方向距离函数实现在非期望产出约束下期望产出的最大扩张。根据方向向量d=(dY,-dC)的不同取值,本文设定了两种方向距离函数情形。
情形一:假设d=(Y,0),不考虑非期望产出(C)的影响,可以用数学规划式(3)表示:
情形二:假设d=(Y,-C),并且非期望产出(C)具有弱处置性,方向向量d=(Y,-C)要求同比例的增加物流业增加值而降低二氧化碳排放,可以用数学规划式(4)表示:
式(4),关于要素投入(K,L,E)和期望产出(Y)的不等式表示它们是可自由处置的。而关于非期望产出(C)的等式表明非期望产出(C)的弱处置性。函数值λ=0意味着该决策单元处于生产前沿面上,其生产是有效率的。函数值越大,表明决策单元离生产前沿面越远,效率越低。
在低碳约束情形下,第i个决策变量的曼奎斯特-鲁恩博格生产率指数LP可以表示为:
全要素生产率指数LP可以被分解为效率变化(EF)和技术进步变化(TE)的连乘积:
(二)收敛性分析
σ收敛分析是研究随着时间的推移,不同地区之间物流业全要素生产率LP的离差随时间推移而变化的情况。若离差逐渐变小,则表示生产率的离散程度在缩小,趋于σ收敛。若离差变大,则表示生产率的离散程度在扩大,趋于发散。本文研究的碳强度约束下全要素生产率σ收敛分析可以用式(9)表示:
其中,LPi,t表示第i个地区在t时期的物流业全要素生产率,而是t时期所有M个地区物流业全要素生产率的平均值。当σt+1<σt时,则说明碳强度约束下中国物流业全要素生产率的离散程度在缩小,存在σ收敛。
三、数据描述与处理
本文使用的样本为2004—2011年中国各地区物流业的投入和产出数据。所用数据来源有《中国统计年鉴》(2005—2012年)和《中国能源统计年鉴》(2005—2012年),选取和处理的指标如下。
(1)物流资本投入:刘秉镰(2006)、邓学平(2008)[12]在其研究中选取用固定资产投资指标代替资本存量作为资本投入量,本文在研究物流资本投入时借鉴这一方法,并选取以2004年作为基期,以全行业固定资产投资价格指数替代分行业投资价格指数。物流业投资(亿元)本文选取中国统计年鉴(2005—2012年)关于按主要行业分的全社会固定资产投资中的交通运输、仓储和邮政业的投资总额。
(2)劳动力投入:即物流业从业人员,本文选取中国统计年鉴(2005—2012)关于统计各地区交通运输、邮电通信业就业人员数中的统计数据,将铁路运输业、道路运输业、城市公共交通业、航空运输业、管道运输业、装卸搬运、其他运输服务业和邮政业累积加和得到。
(3)能源投入:本文选取交通运输、仓储和邮政业中消耗量比例最大的七项能源,包括煤炭、汽油、煤油、柴油、燃料油、液化石油气和天然气,将《中国能源统计年鉴》(2005—2012)统计的各省市所消耗的一次能源量作为能源投入,并将汽油、煤油、柴油等各类型的消耗量统一转换成标煤,加总即得到总能源消耗量。
(4)物流业产值:即物流GDP,本文选取除西藏以外30省的交通运输、仓储和邮政业增加值,《中国统计年鉴》中按三次产业分地区生产总值(2005—2012)中的交通运输、仓储和邮政业增加值。其中各地区现价的物流业产值数据来自历年统计年鉴,以2004年不变价格折算各年份各地区的物流业产值。
(5)二氧化碳排放量:按照《中国能源统计年鉴》(2005—2012)中分地区各类能源消耗量及二氧化碳信息分析中心公布的各类能源排放系数,计算得到各地区2005—2012年的二氧化碳排放量。样本数据的统计概述如表1所示。
本文将除去西藏在内的30个省或自治区划分为东部地区、中部地区和西部地区三大区域,具体划分标准参考中国统计局的划分标准(1)。
图1的散点图描述的是按照区域划分的物流业产值与其二氧化碳排放量。其中,纵轴代表各省或自治区的物流业产值,横轴代表各省或自治区的二氧化碳排放量。从图1可以看出,2004—2011年,山东省的物流业平均产值最高,广东省的物流业平均二氧化碳排放量最大,图中散点与原点斜率倒数表示单位物流碳排放(本文称之为物流碳强度),且斜率越大,表明物流碳强度越小。总体看来,东部地区的山东、河北、浙江、江苏、福建等省份的物流碳强度较小。中部地区居中,其中江西、安徽等地区的平均物流碳强度较低,湖北的平均物流碳强度最高;西部地区整体物流业碳强度较高,尤其是新疆、云南等地区的平均物流碳强度较高。
四、物流业全要素生产率测算与收敛性分析
(一)不同情形的物流业生产率比较
本节分别测算了我国物流业2004—2011年不考虑碳约束和考虑碳约束两种情况下的物流业全要素生产率。情形一计算的是传统的物流业生产率(LP表示)。情形二将碳排放作为弱处置的非期望产出纳入方向距离函数计算物流业生产率(CLP表示),产出中包括物流业增长和碳排放两个目标。
从表2可以看出,情形一中未考虑物流碳强度约束,2004—2011年物流业生产率指数为1.008,表示该时期中国30个省和自治区物流业生产率平均年增长为0.8%。情形二考虑碳约束,2004—2011年物流业生产率指数为1.019,表示该时期中国物流业生产率平均年增长1.9%,高于未考虑碳约束的情形。这表明了强调环境管制的物流业生产率要高于不考虑环境管制的物流业生产率。
图2是2005—2011年碳强度与累积的物流业生产率之间的变化趋势。累积的CLP可以直观地反映t+1期生产率是提高还是倒退,若t+1期累积的CLP较第t期大,表明t+1期的物流业生产率较上一期有所提高。2005—2007年单位物流GDP(以2004年不变价计算)碳排放由0.867吨/万元减少至0.755吨/万元,2007—2009年出现暂时性的增长,增至0.836吨/万元,2010—2011年又呈现下降趋势,2011年减少为0.724吨/万元,从整体趋势来看,近年来单位物流GDP碳排放量呈现下降趋势。通过比较2005—2011年的碳强度和累积的物流业生产率可以发现,两者存在明显的变化趋势,累积的CLP可以较好地解释碳强度的变化,CLP得到改进,碳强度下降,反之,则上升。
(二)碳强度约束下物流业生产率分解
根据公式(6),对碳强度约束下的物流业生产率分解为效率变化指数(EF)和技术进步指数(TE)。从表2和表3可以发现,2005—2011年物流业生产率年均增长1.9%,主要来源于物流业技术的进步,其中技术进步年均增长1.5%,而物流效率的改进对碳约束下的物流业生产率增长的贡献不大,年均增长率约0.4%。主要原因是2000年以来,中国工业化和城市化快速发展,产业结构不断升级,刺激了物流需求的强劲增长,加上各级政府对物流业大量资金和人力的投入,物流相关政策的出台,物流技术创新效果明显。2005年以来,中国提出低碳经济转型战略,发展以节能为主,物流业作为能源消耗的主要产业之一,各区域在追求提高物流业产值的同时注重节能和低碳技术,物流信息技术的不断创新有效地推动了物流业全要素生产率进步。伴随着物流业进一步发展,物流基础设施投资快速增长,必须注重节能与低碳技术的创新与利用。
(三)碳强度约束下区域物流业生产率
按照区域划分,比较东部、中部和西部三大区域的物流业生产率,如表4所示。不考虑低碳约束和低碳约束下的各区域物流业生产率均大于1,这表明近年来随着各地大力发展物流业,技术创新效果明显。比较东部、中部和西部三大区域的物流业生产率,发现东部地区最高,西部居中略高于中部,这也表明2000年以来我国西部大开发战略提出以来,西部地区经济发展刺激了西部地区物流需求,加上近年来国家对西部地区物流基础设施的投资建设,有效地促进了西部地区物流产业效率的提升。比较各区域的物流效率变化指数,东部地区最高,西部居中,中部最低;以及各地区的技术进步指数,东部最高,中部居中,西部最低,这也表明了西部地区在物流技术创新方面落后于东部和中部地区,西部地区物流业生产率的提升依赖于引发效率变化的规模指数变化,而并非纯技术效率的提升。另外,值得注意的是,低碳约束下各区域的技术进步指数较未考虑低碳约束都有大幅提升,这也再次验证近年来物流业生产率的提升主要依赖于物流技术进步和创新,低碳物流经济的发展必须依赖于低碳技术的创新。
(四)收敛性分析
计算2005—2011年全国及东部、中部和西部三大地区的碳约束下物流业生产率的值。图3显示的是我国总体及东部、中部和西部三大区域物流业生产率标准差随时间变化的情况。
从全国整体来看,2004—2011年呈现先下降,再小幅上升并趋于平稳的状态。东部和中部地区的低碳约束下物流业生产率标准差明显高于西部地区,这表明东部和中部地区低碳约束下的各省物流业生产率相差较西部地区大。从分地区来看,三大区域2005—2008年均有大幅下降的趋势,在2009年出现小幅回升。2009年以后中部地区呈现明显发散趋势,地区间低碳约束物流业生产率差异程度在扩大;东部地区的碳强度约束下的物流生产率存在趋同性;西部地区的碳强度约束下的物流生产率存在收敛性,表明西部地区各省份直接的物流业生产率差距在逐步减小。
五、结论与建议
本文运用方向距离函数和环境DEA技术,考虑将非期望产出碳强度纳入模型,构建碳强度约束下中国物流业生产率,与传统的物流业生产率比较。并进一步分析了影响物流业生产率变化的重要因素,比较区域物流业生产率变化,并进行收敛性分析,得到以下主要结论:
1.未考虑物流碳强度约束,2004—2011年中国30个省和自治区物流业生产率平均年增长为0.8%,考虑二氧化碳排放约束,物流业生产率平均年增长为2%,高于不考虑碳强度约束。这表明了强调环境管制的物流业生产率要高于不考虑环境管制的情形。
2.低碳物流经济的发展兼顾物流业增长和碳减排两个目标。本文对物流业生产率的测算能够与碳强度目标吻合。累积的物流业生产率可以较好地解释碳强度的变化,物流业生产率得到改进,碳强度下降;物流业生产率倒退,碳强度上升。
3.2005—2011年物流业生产率年均增长1.9%,其中物流技术进步年均增长1.5%,而物流效率的改进对碳约束下的物流业生产率增长的贡献不大,年均增长率约0.4%。物流业生产率的提升主要依赖于物流技术进步和创新。
4.从物流业生产率比较看,东部地区高于西部地区高于中部地区;从物流效率变化指数比较,也是东部地区高于西部地区高于中部最低;从物流技术进步指数比较看,东部最高,中部居中,西部最低;西部地区在物流技术创新方面落后于东部和西部地区,物流业生产率的提升依赖于引发效率变化的物流规模指数变大。
5.在碳强度约束下,东部地区的物流业生产率存在趋同性;中部地区的物流业生产率呈现发散趋势,地区间差异程度在扩大;而西部地区的物流业生产率存在收敛性,地区差异程度在缩小。
本文的政策建议有如下几点:
1.低碳物流经济的发展目标是双重的,不仅仅关注于物流经济的增长,更重要的是考虑低碳转型的要求,必须保证在实现物流业生产效率提升的前提下尽可能减少二氧化碳的排放,在评估物流产业效率和区域差异时,应重新审视评价物流产业效率的重要指标。
2.2000年以来,中国工业化和城市化快速发展,刺激了物流需求的强劲增长,各级政府对物流业大量资金和人力的投入,物流相关政策的出台,对物流业的发展起到明显的推动作用。然而,低碳物流经济的发展不仅仅只是依赖物流规模的盲目扩张,现阶段应以物流效率增长和节能减排为目标,鼓励物流信息技术创新和物流节能技术创新。
3.西部地区是我国物流业发展的重要地区,相对东部地区和中部地区,具有更高的碳强度,物流信息技术水平也较为落后。因此,政府在制定和引导未来区域物流发展时,应一方面加大节能减排的政策引导,另一方面加强西部地区物流基础设施硬件和物流信息技术软件的资金投入,促进物流技术创新,促进西部地区在新一轮西部大开发和承接中东部产业转移过程中抓住机遇,追赶中东部地区,提高物流生产率。
环境DEA技术 篇2
关键词：环境效率,海洋经济,区域经济,可持续发展
1 引言
近年来,随着我国沿海地区工业化进程的不断推进和海洋经济的快速发展,海洋水体污染、生态受损等环境问题日益严重。既促进沿海地区经济发展,又保护沿海地区生态环境的发展途径,是实现沿海经济可持续发展的重要保障,而这就需要提高沿海地区环境效率。目前国内外对于环境效率的研究文献很多,其中运用数据包络分析(Data En velopment Analysis,DEA)理论评价地区环境效率的方法得到日益广泛的关注。
1957年法国著名经济学家Farrell在《生产效率衡量》中第一次提出DEA雏形[1];1978年Charnes、Cooper和Rhode提出第一个DEA模型———基于规模报酬不变的CCR模型,将Farrell提出的单投入单产出的DEA雏形扩展为多投入多产出的DEA基本型[2];随后Banker、Charnes和Cooper又提出考虑规模报酬可变的DEA模型的另一个基本形态———BCC模型[3]。DEA模型无需主观设定权重大小,也无需提前设定生产函数,并且可以同时测算多个同类型的决策单位的效率[4]。
目前国内外对于环境效率的研究文献很多,但研究沿海地区环境效率的比较少见。本文结合我国沿海地区实际,首先运用DEA-CCR模型探讨规模报酬不变前提下的环境综合技术效率,然后基于DEA-BCC模型探索规模报酬可变前提下的环境纯技术效率,再根据二者之间的差异分析沿海地区规模效率,即该规模效率意味着衡量规模报酬不变的生产前沿与规模报酬可变的生产前沿之间的差异。本文基于DEA方法揭示沿海各地区之间存在的效率差异,为提高我国沿海地区环境效率提供参考,其中沿海地区是指我国有海岸线的地区[4],包括天津、河北、辽宁、山东、上海、江苏、浙江、福建、广东、广西和海南等11个省级行政单位。
2 模型与方法
2.1 规模报酬不变的CCR模型
CCR模型是将多投入、多产出的效率评价模型转化为线性规划方程组,以此解出最优解即有效值,从而测算出规模报酬不变时决策单元的相对效率。
假设有n个决策单位(decision making units,DMUs),设xij为第j个决策单元的第i种投入(xij≥0),总共有m种投入;设ykj为第j个决策单元的第k种产出(ykj≥0),总共有s种产出。n个决策单位的投入组合形成矩阵X(T),产出组合形成矩阵Y(T),其中:
对第j个决策单位进行分析,引入松弛变量s(s可分为s+和s-),建立对偶规划模型:
在式(1)中,当*ρ=1且s=0时,第j个决策单元为DEA有效单位;当*ρ<1时,第j个决策单元为DEA无效单位。
当规模报酬不变时,运用投入导向的DEA-CCR模型测算得出的是综合技术效率(technical efficiency,TE),意味着在当前给定情况下每个决策单位为维持当前产出的最小投入。如果ρ*=1,代表该决策单位处于有效生产前沿面,当前状态有效,该DMU以有效率的方式生产;如果*ρ<1,该DMU偏离有效生产前沿面,可以通过调整投入比例、减少相关投入来进行优化,此时存在无效率,即技术效率的损失。
2.2 规模报酬可变的BCC模型与规模效率
在CCR模型中加入规模报酬可变的约束变量构造BCC模型,其给出目标DMU的纯技术效率值。BCC模型为:
约束条件为:;u0无限制
式中:TE代表CCR模型测算出的环境综合技术效率,PTE代表BCC模型测算出的环境纯技术效率(pure technical efficiency,PTE),意味着在规模报酬可变前提下决策单位为维持当前产出的最小投入;综合技术效率可分解为规模效率和纯技术效率,其中规模效率(scale efficiency,SE)意味着衡量规模报酬不变的生产前沿与规模报酬可变的生产前沿之间的差距。最佳规模效率意味着DMU处于平均成本曲线最低点时的生产规模,当SE=1时,表示该决策单位处于最佳规模效率状态;当SE<1时,表示规模无效率;规模效率存在两种情况,分别为规模效率递增和规模效率递减。
2.3 指标选取和数据来源
本文以全国31个省级行政单位为决策单位(DMU),用2007—2013年的面板数据作为样本;选取各地区电力消费量、全社会资本投资和年末就业人员数量作为投入变量,选取GDP作为期望产出指标,选取各地区化学需氧量排放量(COD)和二氧化硫排放量(SO2)作为非期望产出指标。
本文使用的数据均来源于相关年份《中国统计年鉴》《中国环境统计年鉴》和《中国海洋统计年鉴》。
3 实证结果与分析
3.1 基于CCR模型的沿海地区环境效率
在实证分析过程中,环境效率的内涵是产出不变、投入最小,因此选用投入导向型模型,用DEA solver Pro9.0软件进行计算。具体过程为:运用投入导向型的CCR模型计算出2007—2013年全国范围内31个省级行政单位的综合技术效率,从中选择沿海11个省级行政单位的计算结果(表1),以便进行下一步的具体分析。
经过计算,沿海地区平均环境效率值为0.873,高于全国平均环境效率值0.787,沿海地区环境效率在全国处于领先水平。相较于全国整体而言,沿海地区经济较为发达,经济对环境的影响较大且依赖性较强,环境保护工作也开展得较早,已取得一定成效。其结果表明经济基础和环境效率之间存在联系。
在沿海地区中,天津、上海、江苏、广东常年环境效率值为1、为DEA有效单位,其余地区为DEA无效单位,因此沿海地区环境效率仍有改善的余地。
沿海地区环境无效率单位中,河北、辽宁、山东、广西均为资源型,其中河北、辽宁、山东煤炭资源丰富,而广西森林资源丰富。可见,提升沿海地区环境效率水平的重点之一为改善资源型地区经济结构。
浙江和福建也属环境无效率单位,两地的环保投资额占省GDP比重常年维持在1%~2%[4],环保投资水平一度低于全国平均水平,说明环保投资力度直接影响环境效率。
海南和广西经济起步较晚、发展较慢、经济基础比较薄弱,经济发展的重点均在于热带高效农业、旅游业和工业,这三者的发展对环境也造成一定破坏。如,海南热带高效农业需要毁林开荒、围湖造田等,容易造成水土流失、湿地数量锐减。因此,提高海南和广西环境效率的关键在于转变经济增长方式。
3.2 规模报酬可变的BCC模型
DEA-BCC模型计算出的是某决策单元的纯技术效率,代表当前DMU除规模效率的相对效率水平,即价格机制、技术水平和管理水平不同所造成的非规模经济和要素可处置性的效率差距[5]。运用投入导向型的DEA-BCC模型计算出2007—2013年全国各省级行政单位的纯技术效率,将沿海地区挑选出来如表2所示。
将表2与表1对比可知,无论规模报酬如何,沿海地区环境相对效率的总体情况是不变的,即沿海地区环境效率均值高于全国环境效率均值。天津、上海、江苏、广东常年环境效率值为1,为有效决策单位,其余地区环境效率值常年小于1,为无效决策单位,其中大部分为资源型地区。
3.3 基于DEA方法的规模效率分析
通过综合技术效率和纯技术效率可得环境的规模效率,则利用前文运算,结果如表3所示。可知除常年环境效率值为1即位于有效生产前沿面的地区之外,其余地区的规模效率处于规模报酬递增状态,均存在改进余地。
注:IRS为规模报酬递增.
在资源型地区中,辽宁、山东和广西规模效率较低,可以通过提升其规模效率来提高环境效率,这与辽宁、山东和广西三地多为中小型煤矿企业和中小型木材厂的经济现状相符;河北的规模效率较辽宁、山东和广西三地有明显增强,说明除规模效率外,资源配置和技术等也是影响环境效率的重要因素[6]。福建和浙江的规模效率在沿海地区中处于中等位置,这与福建和浙江中小型企业较多、经济基础较雄厚的现状相符。
4 对策建议
本文根据我国31个省级行政单位2007—2013年的面板数据,基于DEA方法测度各地区环境效率和规模效率,并选择沿海地区作为重点进行分析。
基于分析结论,本文认为,在越接近生产前沿提升环境效率越困难的情况下,沿海地区经济发展应重点加强科学技术在提高生产力水平上的作用,积极转变经济增长方式,使经济增长由高耗能高排放的粗放型向高利用低污染的集约型转变,加强规模聚集效应,提高环保力度。
从经济基础角度看,根据实证分析结果可知,经济基础和环境效率之间存在一定联系,且增强规模效率有利于提高环境效率。沿海地区作为经济较为发达地区,环境效率也处于全国领先水平;在沿海地区中,广西和海南经济基础较薄弱,其环境效率也较低。因此,要提高沿海地区环境效率,需要加强经济建设,加强规模聚集效应,在发展经济的同时兼顾环境保护,走可持续发展的道路[7]。
资源型地区环境效率相对较低,这些地区靠扩大资源投入来扩大规模,从而实现经济增长。对于沿海地区来说,资源型地区的经济与环境属重中之重,必须转变经济增长方式,提高资源质量,加强能源利用率,实现投入要素的优化配置,积极将经济增长方式由粗放型向集约型转变,同时调整产业结构,积极发展第三产业,以此提高环境效率。
提高科技水平一方面可以提高生产技术水平即提高投入利用率;另一方面也可以提高环保技术水平即降低环境污染。对于企业来说,在生产方面,买入高科技生产设备和引进高科技人才,有利于减少投入、提高期望产出量、降低成本、提高利润率;在环保方面,买入高科技环保设备可以有效减少排污量,更加方便、快捷、无污染地进行生产活动。因此,提高沿海地区环境效率必须加大科研投入、提高科技水平。
综上所述,提升沿海地区环境效率和提升区域经济一体化,其重点在于改善资源型地区的环境效率,其核心在于发挥上海、广东、江苏和天津作为沿海巨头的支持作用,深化改革,扩大开放,增强区域内合作交流,促进人才、科技、信息和金融资本的合理流动,调整产业布局,优化经济结构,完善基础设施建设,增加环保投资,提高资源利用率,严格控制废气废水排放量。
参考文献
[1]孙莹.区域海洋经济可持续发展指标体系的构建及应用:以浙江省为例[J].浙江学刊,2011(6):167-170.
[2]陈关聚.中国制造业全要素能源效率及影响因素研究:基于面板数据的随机前沿分析[J].中国软科学,2014(1):180-192.
[3]范斐,孙才志,张耀光.环渤海经济圈沿海城市海洋经济效率的实证研究[J].统计与决策,2011(6):119-123.
[4]赵昕,郭恺莹.基于GRA-DEA混合模型的沿海地区海洋经济效率分析与评价[J].海洋经济,2012,2(5):4-10.
[5]周申蓓,莫卫,刘朋.基于三阶段DEA方法的我国海洋污染治理效率研究[J].水利经济,2014,32(4):11-15.
[6]王成金.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):98-109.
环境DEA技术 篇3
关键词：能源-经济-环境,DEA,技术有效性,规模有效性
一、引言
能源-经济-环境协调研究主要是指为实现社会发展系统中能源、经济、环境三个子系统之间综合平衡与协调发展, 对各子系统之间交互作用程度测算方法和模型的研究。
近年来, 河北省经济社会有了很大的发展, 但是随着经济的迅速发展, 能源、环境的瓶颈制约矛盾也越来越突出。河北省的能源消费量逐年递增, 并呈加快趋势, 但河北省能源利用效率则相对较低;同时, 由于经济增长方式粗放, 环境污染在某些地方和领域还比较普遍。因此, 探讨一条既保证河北能源供应、生态平衡以支撑经济发展, 又保证河北经济持续、稳定、快速发展的道路, 是河北面临的迫切问题。
目前国内对河北省能源-经济-环境协调评价研究还比较少, 而且大多只是从某个角度为切入点来分析, 并没有系统的分析河北省能源-经济-环境协调度评价。
二、DEA评价方法
数据包络分析 (Data Envelopment Analysis, DEA) , 是1978年美国著名运筹学家查恩斯 (A.Charnes) 、库伯 (W.Cooper) 等人创建的一种进行多目标决策的系统分析方法, 此方法特别适用于多输入多输出的复杂系统分析。
设有n个部门或决策单元 (D M U) , 每个决策单元DMUj (j=1, 2, …, m) 使用m种输入Xij (i=1, 2, …, m) 得到s种输出Ykj (k=1, 2, …, s) , 某一决策单元的效率用 (1) 式决定:
hj为第j个评价单元D M Uj的相对有效性指数。式中, vi (i=1, 2, …, m) 和uk (k=1, 2, …, s) 分别是对第i种类型输入的权重和对第k种类型输出的权重。
对DMUj0进行评估, 就可以构造所谓C2R模型。C2R模型以将要评价的决策单元DMUj0的效率指数hj为目标, 以所有决策单元的效率指数hj≤1为约束, 构成最优化模型 (P) , 如式 (2) :
模型 (P) 是一个分式规划问题, 通过Charnes Cooper变换可以把式 (P) 转变为线性规划模型, 并根据线性规划对偶理论求出它的对偶规划模型, 式 (3) 是引入松弛变量以及非阿基米德无穷小后的对偶规划模型 (Di) 。
定理1:设ε为非阿基米德无穷小, 规划问题 (Di) 的最优解为:
(1) 若:也表明DMU的生产活动非同时技术效率最佳和规模效益不变。
(2) 若:则DMUj0为规模收益递增, 即规模经济;, 则DMUj0为规模收益不变, 即规模经济不变;若则DMUj0为规模收益递减, 即规模不经济。
三、河北省能源-经济-环境协调评价指标体系的确定
根据数据口径的统一性、可比性原则, 同时考虑可得性, 并结合河北省的实际情况, 设置输人输出指标和决策单元。其中, 输入指标为:地区生产总值GDP、能源消费总量;输出指标为:废水排放总量、工业烟尘排放总量。
本文选取河北省2000年~2008年九年为决策单元, 数据均来源于2001-2009年的《河北省经济年鉴》和《中国统计年鉴》。
四、河北省能源-经济-环境协调评价实证分析
根据DEA方法的C2R模型模型, 运用DEA-SOLVE-LV软件进行运算, 得出河北省2000年~2008年的能源-经济-环境投入产出效率技术有效性和规模有效性评价结果, 见表。
由以上的计算结果可以看出, 河北省能源-经济-环境投入产出效率技术有效的年份是2000年、2001年、2004年、2006年、2008年, 其它年份投入产出效率技术无效, 因此河北省能源-经济-环境投入产出效率有明显的波动性, 但总体评价值都比较高, 这表明河北省份能源、环境和经济的协调发展状况很好, 经济生产方式正积极由以投入为主的规模型向高效集约型转变, 逐步转变以资源消耗、环境污染为代价而换取经济增长的传统非协调发展观。即使它们的能源投入和经济投入大的情况下, 仍能使得对环境造成的污染控制到尽量小。但是规模报酬除了2000年跟2001年是不变的, 其他年份都是递减的, 因此, 河北省份今后需要进一步加强能源基础设施建设, 提高综合能源的利用率。
五、总结
通过上面的实证分析表明, 本文采用DEA综合评价方法能有效地解决区域能源-经济-环境协调度的定量化评价问题, 为评估多层次复杂系统提供了一种新的思路和方法。评价结果可以反映能源-经济-环境系统协调发展的状况, 并找出河北省能源-经济-环境系统发展过程中存在的主要问题, 为河北省能源、经济、环境协调发展机制的建设提供数据支持与决策依据。
参考文献
[1]李艳:环境一经济系统协调发展分析与评价研究.[河北工业大学硕士论文], 2001
环境DEA技术 篇4
1972年6月,联合国各国政府代表及国际组织代表在瑞典召开了关于讨论环境的第一次国际性会议,并通过了《联合国人类环境会议宣言》,旨在呼吁各国政府和人民为维护我们共有的环境而努力。2009年12月的哥本哈根世界气候大会,来自192个国家的谈判代表召开峰会,商讨《京都议定书》一期承诺到期后的后续方案,即2012~2020年的全球减排协议。这都表明全球对环境问题越来越重视。
近年来,我国对环境保护也越来越重视,“十一五规划”提出到2010年底,单位GDP能耗降低20%左右,主要污染物排放总量减少10%左右,到2010年末全都实现了确定的约束性目标。“十二五”时期,我国仍处经济发展的重大机遇期。随着工业化进程的加快,能源刚性需求也在增长,节能减排任务十分艰巨,面临的内外部压力非常严峻。为达到“十二五规划”的节能减排目标,2011年8月底,国务院制定了《“十二五”节能减排综合性工作方案》。这些体现了我国政府对环境问题越来越重视,并将其提升到战略的高度。然而,实现这些目标需要各个地区共同努力,为更加精准地把握各个地区环境效率,需要对不同的地区的环境效率进行评价,并根据结果有针对性地采取措施,以实现“十二五”规划的节能、减排目标。
2 相关文献回顾
目前国内关于环境效率的研究尚不多,主要分为两类:一类是理论研究,主要是从技术角度研究环境效率评价方法,具有代表性的如:卞亦文(2007)提出了一种能够同时评价决策单元整体效益和子部门效率的DEA模型[1];刘勇等(2010)比较了环境效率度量的6中DEA模型,得出基于松弛测度的SBM模型为环境效率识别较强模型的结论[2];宋马林等(2010)在考虑非期望产出对环境影响时,比较了不同模型对评价效率影响,构建了ISBM-DAE模型,认为该模型比传统的SBM模型更注重非期望产出对环境效率影响[3]。总之,从环境效率评价方法角度看,目前大多数学者认为SBM模型或在其基础上改进的模型为环境效率评价的有效方法。另一类是实证研究,主要是从经济增长与环境保护之间的关系以及区域环境效率评价两个方面进行研究,较有代表性的如:郭庆旺等(2005)研究了我国经济增长与环境污染间关系,认为我国近30年经济的高速增长主要是依靠要素投入增长实现,在经济增长的同时环境污染也日益严重[4];吴琦等(2009)利用DEA方法建立能源效率评价模型,对我国30个行政区域进行实证研究,得出东部地区能源效率比中、西部地区好,同时能源效率与第三次产业正相关的结论[5];李胜文等(2010)利用随机前沿生产函数估算了我国1986~2007年省级环境效率,得出我国东、中、西部环境效率水平不平衡的结论[6];王兵等(2010)运用SBM方向性距离函数和卢恩伯格生产率指数测度了中国30个省份1998~2007年环境效率、环境全要素生产率,认为能源过多使用和污染物过多排放是环境无效率的主要原因[7];袁鹏等(2011)测算了我国284个城市工业部门的环境效率,检查了我国经济增长与环境效率之间的库兹涅曲线关系[8]。
总之,目前国内对环境效率的研究主要集中在环境效率的评价方法和不同地区环境效率测算两方面。在评价方法上,大多认为SBM模型是既能考虑投入产出效率、又能考虑非期望产出的一种较好的环境效率评价模型;在不同地区环境效率评价的实证研究方面,大多认为东部地区环境效率较好、中部次之、西部最差。已有的这些研究虽然都考虑了非期望产出,但几乎都将其放在目标函数中进行考虑。实际上,经济、社会发展是社会的最终发展目标,但这一目标必须在生态环境可承载范围内实现,即在环境保护这一约束条件下,实现经济、社会发展。宋马林等(2010)提出的ISBM-DEA模型虽然也将非期望产出作为约束变量,但由于未对模型中非期望产出的前沿面进行约束,这可能导致有效单元的非期望产出比无效的反而大,这与现实可能有偏差。考虑到这些,本文在评价环境效率时借用了宋马林等解决非期望产出的思想,将非期望产出作为经济发展的约束条件,并对其进行了约束,使之不会出现有效单元非期望产出反而比无效单元非期望产出大的情况。
3 模型构建
通过以上分析,本文改变以往将非期望产出作为目标函数的处理方法,而将其作为经济发展的约束条件处理,这样目标函数只需考虑期望产出最大化即可。与ISBM-DEA模型不同的是:(1)因为将非期望产出作为约束条件进行处理,目标函数只需考虑期望产出最大化问题,因此对目标函数中的期望产出赋予比非期望产出更大的权重;(2)对非期望产出进行约束,使其不会出现因为一味追求期望产出,而使非期望产出增加的情况。于是对ISBM-DEA模型改进,首先将ISBM-DEA中关于产出的权重约束djd≥urd改为djd≤urd,然后通过C2变换将分式规划变换成一个等价的线性规划模型,如模型(1):
其中:x为投入指标,y为产出指标,z为非期望产出指标,urd为第d个决策单元的第r个输出指标权重,wid为第d个决策单元的第i个输出指标权重,Wjd为第d个决策单元的第j个输出指标权重,第二个约束条件widX0-djdZ0=1是处理非期望产出的两种方法——最小投入法和数据转换函数法的优化处理。
式(1)的对偶规划形式为:
其中,m,s,p分别为投入指标、期望产出和非期望产出个数。式(2)可能会出现有效单元非期望产出比无效单位非期望产出大的情况,为避免该种情况,需增加约束条件:,进一步将其转化为松弛变量模型,得到式(3):
由DEA的“松紧定理”可知,该式有如下定理:
定理若式(3)的任意最优解λ0=(λ10,…,λn0)T,S-,Sy+,Sz+,h,都有θj=1,S-=0,Sy+=0,Sz+=0,h=0,则称DMUj为DEA有效。若h>0,且θj=1,S-=0,Sy+=0,Sz+=0,则DMUj为弱DEA有效。
4 实证研究
4.1 指标构建
建立投入产出指标体系是进行后续实证研究的基础,为此本文构建了以下指标体系:
(1)投入指标
企业的投入要素总体分为人、财、物三类。考虑到环境效率的特殊性,本文选择能源耗费量、资本投入量、人力资源投入量及水资源使用量作为投入指标,具体如下:
能源耗费量:与已有的大部分研究相同,本文采用“标准煤”衡量能源消耗量。资本投入量:已有大部分研究将固定资产存量作为资本投入指标,然而本文认为固定资产在生产过程中并未一次性全部转化到最终产品,而是以折旧的形式将部分价值转化到最终产品,因此本文选取“固定资产折旧”衡量资本投入量。人力资源投入量:根据Hu、王群伟和Satoshi Honma等的研究,本文选取年就业人员平均数衡量人力资源投入量[9,10,11]。水资源使用量:已有的研究大部分都没有将水资源作为投入指标,然而本文认为水资源是工业生产、人民生活中不可或缺的要素,因此本文选择“用水总量”衡量水资源使用量。
(2)产出指标
本文将产出分为期望产出和非期望产出,其中期望产出为经济产出,而非期望产出为环境产出,即环境污染指标。
经济产出:本文选择地区GDP衡量经济产出。环境产出:通常采用对环境破坏有影响的指标,除了传统上的“三废”外,本文还综合考虑了其他污染物对环境的影响。
综上所述,环境效率评价指标体系见表1。
4.2 数据处理
考虑到数据的及时性与可得性,本文选取2009年中国30个省份(含直辖市,不含西藏、香港、澳门与台湾)为研究对象,数据均来自于《2010年中国统计年鉴》与《2010年中国能源统计年鉴》。
在利用DEA模型测算各决策单元效率值时,对各指标的量纲没有要求,但要求决策单元的个数大于投入指标与输出指标和的两倍,同时指标个数越少,各决策单元效率值的区分度就越大。为此,本文将环境产出的7个指标综合成一个指标,以减少指标的个数。指标综合的方法很多,常用的有主成分分析法和因子分析,但因子分析中需要对各指标人为赋权重,为了保持数据的客观性,本文选用主成分分析法。主成分分析法在合成指标前需要对数据进行标准化处理,本文采用极差变换法对原始数据处理。之后,采用SPSS statistics 18.0对环境产出数据进行主成分分析。各地区环境指标综合得分(F)见表2。
4.3 实证结果
经以上处理后,编制式(3)的应用程序,利用MATLAB 7.1计算各决策单元的效率值,结果见表3。由表3可以发现,在所选指标体系下,我国环境效率总体较低,环境效率达到1(相对有效)的地区只有北京、河南、湖南、上海、重庆、内蒙古、福建、天津,仅占总数30个省(直辖市)的约1/4。从东、中、西三大区域看,东部地区环境效率均值为0.94,中部地区环境效率均值为0.84,西部地区的环境效率均值为0.81。这表明我国东部地区环境效率明显好于中、西部,中部地区略好于西部。
5 结果分析
5.1 投入冗余、期望产出不足与非期望产出过剩分析
为进一步分析各地区环境效率的影响因素,可以对环境效率无效地区的投入指标冗余、期望产出不足或非期望产出过剩情况进行分析,测算结果见表4。由表4可看出,从冗余均值看导致环境效率较低的主要因素依次是水资源投入冗余、人力资源投入冗余、环境产出过剩和能源投入冗余导致,且前两个投入指标的冗余率分别达到29.97%与9.45%,远远大于能源投入冗余率的1.4%。而经济正产出不足率几乎为0,这可能与我们改革开放30多年以来,以经济建设为中心及区域行政考核与经济增长相挂钩的措施有关。具体到各个地区说,在环境产出剩余率上,广东、江苏、河北、新疆、广西、辽宁、吉林、江西都达到了10%以上,部分地区甚至达到50%以上,这表明这些地区在追求经济增长的过程中,忽略了环境保护,导致了环境效率的较低。在水资源投入冗余率上,陕西、浙江、山东、云南、新疆、广西、安徽、吉林、宁夏、贵州、甘肃都达到了10%以上,部分地区甚至达到100%,这表明,这些地区水资源投入过量现象十分严重。在资本和人力资源投入冗余上,各地区资本投入冗余率为0,而人力资源投入冗余率较高,部分地区如浙江、山东、新疆、广西、吉林、贵州冗余率达到了10%以上。这可能与我国目前人口众多,劳动力成本相对较低,在可替代情况下,企业可能更有动力用人力资源的大量投入取代或减少资本投入有关。在能源消耗方面,大部分省份冗余率都较低,但辽宁、江西、宁夏、贵州能源投入冗余率依然在5%以上。早在2002年,我国就成为世界能源消费第二大国,据相关统计2010年我国石油对外依存度达到55%,严峻的能源压力,从中央到地方省市都越来越重视能源利用效率,然而能源利用效率依然有待提高,部分省份能源投入冗余现场依然存在。
注:(1)M表示冗余量,R表示冗余率。(2)冗余率(R)=冗余量(M)/初始投入量。(3)均值=冗余总量/地区总数(30)。
5.2 投入指标重要性分析
投入指标的重要性直接决定了它们对产出的影响程度,投入指标越重要性,意味着对产出的影响越大,如果减小该投入指标,期望产出将会明显降低或非期望产出将明显增加。目前对指标重要性分析的方法不多,本文采用Janet M.Wagner等(2006)提出的“stepwise model”[12],测算四个投入指标对产出的影响程度。
stepwise model主要是思想为:采用相同的DEA模型,首先计算出全指标情况下的效率值,然后依次剔除各个投入指标与产出指标(如果产出只有一个这无需剔除产出指标),计算出对应的效率值,将这些效率值与全指标情况下的效率值对比,找出平均效率值改变最小的指标,该指标为重要性最低的指标。将这个指标剔除,测算剩余指标的重要程度,重复以上过程,直到只剩下最后一下投入指标和产出指标为止。各指标的重要性与被剔除的顺序相反,即剩余的最后一个投入指标重要性最大,第一个被剔除的指标重要性最小。
本文中期望产出与非期望产出指标各只有一个,因此只需考虑投入指标的重要性,产出指标无需剔除,采用stepwise model测算投入指标对效率值重要性的步骤如图1所示,测算结果列于表5。
注:黑体字为本步骤中均值差最小的值,因此其对应的指标为本步骤中应该剔除的指标。
由表5可以看出,四个投入指标对产出影响程度大小为:水资源<人力资源<能源资源<资本投入。这表明水资源使用量对产出影响程度最小,其次是人力资源,再其次是能源消耗,对产出影响最大的是资本投入。这说明要提高经济产出或降低环境产出,加大水资源、人力资源、能源的投入起到的效果都相对较小;而最有效的办法就是加大资本投入。
6 结论与启示
本文将非期望产出作为经济发展的约束条件,这一方面使环境保护受到更大的重视;另一方面与经济、社会在生态承载力范围内发展相一致。通过对宋马林等(2010)提出的ISBM-DEA模型的改进,构建了“改进的ISBM-DEA模型”,从能源、资本、人力资源、水资源四个方面构建投入指标体系,从地区GDP和环境污染两个方面构建产出指标体系,并采用主成分分析法对环境产出指标进行了综合。在以上模型、指标体系构建和数据处理基础上,本文对我国30个地区进行了实证研究,结果表明东部环境效率明显大于中、西部环境效率,中部环境效率略大于西部环境效率。为进一步分析环境效率无效地区效率值较低的原因时,本文对投入冗余、期望产出不足和非期望产出过剩进行分析,结果表明资本投入与经济正产出冗余率几乎都为0,而水资源、人力资源、能源投入方面不同地区冗余程度不同,同时环境产出过剩现象在某些省份也较严重。同时,本文还采用stepwise model对投入指标重要性进行了分析,结果表明四个投入指标对产出影响程度由小到大的排列顺序为:水资源、人力资源、能源与资本。
通过对实证研究结果进行投入冗余、期望产出不足与非期望产出过剩分析和stepwise model分析,可以得出一个比较有意义的结论和启示:对于陕西、浙江、山东、云南、新疆、广西、安徽、湖北、吉林、宁夏、贵州和甘肃来说,降低效率值的主要因素之一为水资源投入冗余,而stepwise model分析表明,水资源投入的减少,并不会显著降低经济产出或增加环境产出,因此这些地区今后应该减少水资源的投入,改变投入越多越好的观念,提高水资源的利用效率。对于浙江、广东、山东、新疆、广西、吉林和贵州来说,降低环境效率的主要因素之一为人力资源投入冗余,同样stepwise model分析表明,人力资源投入减少对期望产出的减少或非期望产出的增加也不是非常明显,今后这些地区可降低人力资源的投入量。对于广东、江苏、河北、新疆、广西、辽宁、吉林、江西及青海来说,降低环境效率主要因素之一为非期望产出过大,这表明这些地区在追求经济增长过程中没有对环境负产出引起足够的重视,今后一方面应通过提高科技含量方式降低环境产出,提高投入要素的使用效率;另一方面应该制定更加严格的排污标准,减少企业的排污。对于辽宁、江西、宁夏、青海和贵州来说,降低环境效率的主要因素之一为能源投入冗余,同样stepwise model分析表明,能源投入减少对期望产出的减少或非期望产出的增加也相对较低,今后这些地区需进一步降低能源投入量,提高能源利用效率。最后从资本投入冗余率和stepwise model结果都表明,30个地区资本投入不仅对环境效率影响最大,同时也不存在冗余现象,这表明这些地区资本投入效率都较高,要提高环境效率,今后仍需加大资本投入,特别是高科技机器、设备的投入。
综上所述,本文不仅对ISBM-DEA模型进行了改进,而且从投入冗余、期望产出不足与非期望产出过剩和stepwise model测算投入指标对产出影响的重要性两方面进行了分析。分析结果对决策者在政策制定和要素投向上具有的指导意义。
摘要：对环境效率评价模型ISBM-DEA进行了改进,在此基础上对中国30个地区2009年环境效率进行了实证研究。结果表明:我国东部地区环境效率明显高于中、西部地区,中部地区略高于西部地区;从投入产出冗余看,导致不同地区环境效率较低的原因不同,这些原因主要包括:水资源、人力资源、能源投入冗余和环境产出过剩;同时利用stepwise model方法对各投入指标进行分析表明,减少水资源、人力资源及能源的投入对期望产出的降低或非期望产出的增加影响程度相对较低。这对我国降低要素投入、提高要素利用效率和排污标准提供了决策支持。
关键词：环境经济,效率分析,改进的ISBM-DEA模型,stepwise model
参考文献
[1]卞亦文.基于DEA的多部门结构的决策单元的环境效率评价[J].系统工程,2007,25(9):80～84.
[2]刘勇,李志祥,李静.环境效率评价方法的比较研究[J].数学的实践与认识,2010,40(1):84～92.
[3]宋马林,王舒鸿,刘庆龄,吴杰.一种改进的环境效率评价ISBM-DEA模型及其算例[J].系统工程,2010,28(10):91～96.
[4]郭庆旺,贾俊雪.中国全要素生产率的估算:1979～2004[J].经济研究,2005,(6):51～60.
[5]吴琦,武春友.基于DEA的能源效率评价模型研究[J].管理科学,2009,22(1):103～112.
[6]李胜文,李新春,杨学儒.中国的环境效率与环境管制——基于1986-2007年省级水平的估算[J].财经研究,2010,36(2):59～68.
[7]王兵,吴延瑞,颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究,2010,(5):95～109.
[8]袁鹏,程施.中国工业环境效率的库兹涅茨曲线检验[J].中国工业经济,2011,(2):79～88.
[9]Hu J L,Wang S C.Total-factor energy efficiency ofregions in China[J].Energy Policy,2006,34(17):3206～3217.
[10]王群伟,周德群.中国全要素能源效率变动的实证研究[J].系统工程,2008,26(7):74～80.
[11]Honma S,Hu J L.Total-factor energy efficiency ofregions in Japan[J].Energy Policy,2008,36(2):821～833.
环境DEA技术 篇5
随着社会对环保的日益关注, 人们越来越重视废旧物品的重新利用, 许多国家也加大了这方面的立法力度, 这种努力提升了物料循环利用的理念——达到资源再生、物料增值和成本节约的目的。不难发现, 在以上重新利用废旧物品中产生了一种从消费者回到生产商的新型物流 (图1) , 这种与传统物流方向相反的物流就是最近受到广泛关注的所谓“逆向物流 (Reverse Logistics) ”[1,2,3,4,5]。广义的逆向物流涉及到企业生产与销售、产品售后服务等各个方面, 如生产加工过程中的原材料节约、废料的重新利用、包装物的重新利用、次品的改造、产品消费后的回收处理等[6]。如果回收的物品不回到初始的生产商而用于其他企业 (如第三方生产商) 则构成开环供应链 (Open-loop Supply Chain) [5], 此时由于系统的独立性, 其研究与传统供应链类似。如果回收的物品回到初始的生产商实行再制造或翻新, 逆向物流与传统物流实现了无缝对接 (图2) , 则构成了闭环供应链 (Close-loop Supply Chain) [5]。生活中能再制造的产品很多, 如汽车、卡车、电视机、个人电脑、打印机、轮胎、印刷电路板等, 联合技术中心 (UTC) 、施乐公司在产品再制造方面都有成功的运作。本文研究后者。
现代市场的竞争已不仅仅是企业与企业之间的竞争, 更是企业所在的供应链之间的抗衡。这个变化正在动摇传统的企业绩效及其评价体系, 因而对供应链绩效及其评价体系的研究具有重要的理论和现实意义。供应链绩效评价研究主要集中于评价指标建立与评价方法的构建。评价指标主要是反映供应链整体运营状况以及上下节点企业之间的运营关系, 而不是单独地评价某一供应商的运营情况[7]。许多国内外专家学者和研究机构对供应链绩效评价原则、供应链绩效评价指标设置及供应链绩效评价方法等问题提出了自己的见解[8,9,10,11,12,13,14,15,16,17,18]。但也存在不少问题, 如没有一个明确、统一的供应链绩效的定义, 造成了研究中的混乱[18], 并且都缺乏考虑逆向物流对绩效的影响。评价方法是在上述评价指标体系建立的基础上, 构造科学的模型, 运用实际数据进行计算, 以直观的量化指标反映供应链的绩效。
本文把闭环供应链看成一个“超组织企业”, 在运用平衡记分法 (BSC) 分析的基础上, 结合闭环供应链的特点, 建立闭环供应链的绩效评价指标体系, 其次, 综合层次分析法 (AHP) 和数据包络法 (DEA) 的优点, 构建AHP/DEA模型的评价方法, 最后, 通过案例论述基于BSC思想和AHP/DEA模型的网络环境下闭环供应链绩效评价。
1 网络环境下闭环供应链的特点及绩效评价的原则
从图2中不难看出整个闭环供应链系统除具有传统供应链的特点之外还具有如下特点:
(1) 系统物流的封闭性, 逆向物流与传统物流实现了无缝对接;
(2) 系统的高度复杂性[5,19], 从供应链伙伴成员、消费者或终端市场回收的物品在时间、数量和质量上具有高度不确定性, 以及逆向物流系统内部物流相互影响, 导致系统对逆向物流缺乏有效控制, 从而增加了系统的复杂性;
(3) 系统目标的复杂多样性[19], 即系统绩效的评价除了要考虑成本、利润外, 还要考虑环境保护等社会效益;
(4) 系统具有天生的供需失衡本性[19], 即废旧物品的供应常常与生产商的需求不匹配。由于信息网络具有时空压缩、双向互动、虚拟空间等独特基本特征[20]。因此, 网络的形成, 极大加快了信息的流动, 大大提高了信息传递效率, 使得在闭环供应链中起重要作用的信息需求, 信息交流以及信息应用变得方便和快捷。另外, 网络的出现, 使得供应链组织模式发生新的变化, 虚拟企业必将得到空前发展。再就是, 网络可以使得销售渠道更为畅通, 供应链企业成员之间以及成员与用户之间能够形成一种互动关系, 销售方式也必将发生深刻变化。所以, 网络对降低闭环供应链的不确定性带来了前所未有的机遇。
又由于闭环供应链管理的主要目标有缩短响应时间、提高柔性、提倡资源循环再利用、保护环境、减少浪费、获得利润等等。所以, 在网络环境下, 闭环供应链能否充分利用信息技术增加供应链价值是评价的核心。为此, 在建立有效评价闭环供应链绩效的指标体系时, 应遵循如下原则:
(1) 突出重点, 要对关键绩效指标进行重点分析;
(2) 突出网络时代的特点, 尽可能采用实时分析与评价的方法, 要把绩效度量范围扩大到能反映供应链实时运营的信息上去;
(3) 采用能反映闭环供应链业务流程的绩效指标体系, 评价指标要能反映整个供应链的运营情况, 而不是仅仅反映单个节点企业运营情况;
(4) 在衡量供应链绩效时, 要采用能反映供应商、制造商、分销商、零售商、回收商及用户之间关系的绩效评价指标, 把评价的对象扩大到供应链上的相关企业;
(5) 评价指标要能反映环保效益、经济的可持续发展。
2 网络环境下闭环供应链绩效评价指标体系
企业不仅要优化内部供应链上各个环节的流程, 而且要强调产业供应链上的“合作”, 即供应商、生产商、分销商、零售商以及回收商之间的协调经营、业务流程重组和互相沟通, 建立相对稳定的关系。从评价的原则不难发现, 制约系统不能客观、实时、动态评价的原因是系统充满高度的不确定性。Beth Enslow (2002) 指出:“IT技术、移动通信、无线设备和动态优化技术的相互作用和补充, 促使物流业务流程的重构发生了巨大的变化[21]”因此, 在网络环境下, 利用现代信息网络技术, 降低系统物流的不确定性, 科学评价整个系统的绩效具有十分重要的意义。
Kaplan和Norton于1992年提出的平衡记分法[22]是一个综合评价企业长期战略目标的指标评价系统, 该体系将过去绩效评价中的财务评价和未来绩效的驱动力结合在一起, 为企业的战略管理提供有力的支持。其核心思想反映在一系列指标间形成平衡, 即短期目标和长期目标、财务指标和非财务指标、滞后型指标和领先型指标、内部绩效和外部绩效之间的平衡, 使管理的注意力从短期的目标实现转移到兼顾战略目标实现, 从对结果的反馈思考转向到对问题原因的实时分析, 因而该指标体系具有方位化、长期化、及时化、动因化等特点。平衡记分法从客户、内部业务流程、学习与成长及财务等4个角度提出了评价企业绩效的综合性指标, 综合平衡了3个利害相关的群体——股东、客户、员工之间的利益, 从而确保企业组织从系统观的角度进行战略的实施。
平衡记分法是对单个企业的绩效进行评价, 从而在评价闭环供应链整个系统的绩效时不能完全套用, 但当我们把闭环供应链整个系统当成一个“超组织企业”看待时, 其绩效评价又可借鉴平衡记分法。所以对闭环供应链绩效的评价指标体系最好在对平衡记分法分析的基础上, 结合闭环供应链的特点及其绩效评价的原则, 对平衡记分卡方法进行必要的扩充。以下笔者主要从7个方面构建闭环供应链绩效评价指标体系。
2.1 系统动态性
闭环供应链是由一系列局部交易所构成的系统。由于系统各组成成员都以自身局部利益为最优目标, 各自独立、信息滞后的计划以及回收产品的不确定性给整个系统带来了巨大的动荡。信息网络时代的来临, 为系统成员间的实时沟通, 提供了技术支持, 能有效降低系统的不确定性。为此, 设计如下几个评价指标:
(1) 系统效率。系统效率=系统实际运作能力/系统设计能力×100%。
(2) 系统生产柔性, 指对订单及回收物品数量变化进行生产的反应程度, 它反应了闭环供应链系统成员间的协调能力, 即“超组织企业的组织柔性”。
(3) 系统滞后期, 即需求、回收信息传递的延迟时间, 即系统滞后期=实际传递的时间-标准传递时间。
2.2 信息技术
在网络环境下, 供应链企业的竞争优势首先体现在信息优势上。供应链的特点之一就是信息共享, 这是维持供应链伙伴关系成功的关键。否则, 供应链很难降低重复劳动、减少浪费和成本。信息系统为实现信息共享、压缩交货时间、降低系统不确定性提供技术保障, 可以大量降低物流成本、缩短产品提前期、准确传递需求及回收信息, 从而可以快速、有效地调整生产、销售策略, 大幅度提高整个供应链系统的竞争力, 最终达到增加利润的目的。但是, 网络环境下大量没用的甚至是虚假的信息混杂、网上协同工作带来的安全问题、网络环境下动态联盟合作选择方式的变换、以及网络犯罪等败德行为, 会给供应链系统带来新的风险。为此, 设计如下评价指标:
(1) 信息系统的有效通讯标准, 指信息系统交流和协作的规范化、标准化程度。有效的通讯标准是供应链企业实现同步化的基础, 使得企业成员之间的交流有了共同的语言。可以用本供应链中已有的通讯标准数量与本行业中拥有通讯标准数最多的供应链的比值来表示。
(2) 信息系统的可靠性, 即信息采集、传递的准确性。供应链成员接受到的数据可能存在两种错误: (1) 数据采集时的错误; (2) 传送过程中产生的错误。其可靠性可以采用正确的信息数据量占信息数据总量的比率来表示。
(3) 信息的时效性, 可以采用信息数据的有效传送量占信息数据总传送量的比率来表示。
(4) 信息系统的安全性, 即抵抗计算机病毒和黑客入侵的能力, 可以用一定时期内系统遭受破坏不能运转的时间长度占这一时期时间长度的比率。
2.3 内部运作
2.3.1 内部流程的运筹与优化
闭环供应链是一个结构化、程序化的资源网络, 担负着供应商——生产商——分销商——零售商——终端用户——回收商——供应商之间物料的运输功能, 其间物流也必受到各种不同条件的限制。为了让物料在闭环供应链中合理流动, 必须考虑供应商、生产商、分销商、客户、回收商、订单、产品、库存等因素, 对生产运作流程进行优化重组。为此, 设计如下几个评价指标。
(1) 供应链订单完成的总周期, 指整个供应链对于客户订单的总体的反应时间。
(2) 回收物品的处理总周期, 指整个供应链对回收物品从回收到再制造完成的时间。
(3) 逆向、前向物流的运作流程整合程度。
2.3.2 物流
系统中的物流将直线型、垂直型、水平型的生产运作流程一体化, 构成了一个有机整体。理想的供应链应该是一个紧凑、稳定、一体化且交互性强的系统[23]。故设计如下几个评价指标。
(1) 退货率:
退货率=退货产品数/销售的产品总数×100%。
(2) 产品返修率:
产品返修率=返修产品数/生产的产品总数×100%。
(3) 运输的准确率:
指逆向物流中货物运输的正确概率及运输的准时率。
(4) 单位物流成本:
完成一单位物流业务需要的费用。
2.3.3 组织
闭环供应链是由众多具有不同功能组织成员构成的系统, 系统成员之间交易活动的顺利进行要求他们建立各自环境下的合作关系。特殊的成员关系会影响核心企业成员的获利水平[24,25]。随着市场需求及回收物品不确定性的增加, 系统成员要尽可能利用信息技术, 通过信息实时共享缩短系统响应时间, 降低系统不确定性, 削弱不确定性的影响和风险。供应链组成成员之间的关系绝不应该仅考虑成员之间的交易价格本身, 还有许多方面值得共同关注。为此, 设计如下评价指标。
(1) 产需率RPQ[8], 产需率是指在一定时间内, 节点企业已生产的产品数量与其上层节点企业 (或用户) 对该产品的需求量的比值。具体分为如下两个指标:①供应链节点企业产需率指标RJPQ。其表达式为:RJPQ=PJ/QJ, 式中, PJ表示一定时间内节点企业已生产产品数量, QJ表示一定时间内上层企业对该产品的需求量。该指标反映上、下层节点企业之间的供需关系。产需率越接近1, 说明上、下层节点企业之间的供需关系协调, 准时交货率高, 反之, 则说明下层节点企业准时交货率低或者生产管理水平低下。②供应链核心企业产需率指标RHPQ。其表达式为:RHPQ=PH/QH, 式中, PH表示一定时间内核心企业已生产产品数量, QH表示一定时间用户对该产品的需求量。该指标反映供应链整体生产能力和快速市场响应能力。若该指标数值大于或等于1, 说明供应链整体生产能力较强, 能快速响应市场需求, 具有较强的市场竞争能力;若该指标数值小于1, 则说明供应链生产能力不强, 不能快速响应市场需求。
(2) 合作伙伴关系:供应链企业间在一定时间内的共享信息、共担风险、共同获利的协议关系。
(3) 成员满意度[26]:即一定时间内下游节点企业对上游节点的企业的满意程度。该指标反映了供应链上、下节点成员企业之间关系的好坏程度。
2.4 客 户
供应链的目标之一是为整个供应链中的客户提供持久稳定的收益。因此, 供应链管理的核心之一就是进行客户管理, 了解客户的需求以及评价满足客户需求的程度的大小, 用以调整供应链的经营方法和策略。因此评价指标的选择应集中于体现客户意志、反映客户需求, 既可以是反映客户价值、客户反馈的一般指标, 也可以是集中于客户价值等特定范畴的指标, 如服务质量、柔性、成本等等[27]。
(1) 顾客满意度, 包括产品质量满意度、产品设计满意度、产品价格满意度、产品环保满意度。
(2) 客户价值率。客户价值率是客户对供应链所提供服务的满意度与服务过程中发生的成本进行比较后, 所得到的价值比。与前面在时间、质量、柔性方面进行评价不同, 该指标主要偏重于导致客户发生的成本上面。一般公式是:客户价值率=调查评价值÷每份订单的成本, 其中的调查评价值可以通过评价服务的满意值 (如通过标杆法得到比较值) 得到。
2.5 财 务
财务绩效衡量方法显示企业的战略及其实施和执行是否正在为供应链的改善做出贡献。虽然供应链绩效的评价侧重于流程导向以及非财务指标, 平衡记分法依旧将财务目标作为所有目标的中心。当供应链伙伴目标得以实现之后, 供应链应该取得财务上的成功。经营目标的实现使得成本大为降低, 提高了边际收益率;现金流得以更好的优化, 获得更高的收益和资本回收率[27], 因此整个供应链的财务优化依旧是重中之重。
(1) 资本收益率:
该指标由客户的利润除以在此期间使用的供应链的平均资产, 它反映了使用其资产的增值性绩效的大小。
(2) 现金周转率:
这是一个联系供应链的整个流程的关键指标, 评价供应链运作过程中现金在原材料、劳动力、在制品、完工产品直至现金的全过程中的周转状况。供应链系统通过先进的信息技术以及产品流集成, 协调合作伙伴之间的运作, 可以达到更快现金周转。
(3) 回收物资利润率:
回收物资利润率=回收物资所得利润/回收物资的支出×100%。
(4) 逆向物流管理成本:
逆向物流管理成本=MIS+财务+库存运转+材料回收费用。
(5) 产品的生命周期平均成本:
产品的生命周期平均成本= (产品原料+能源消耗成本+回收处理费用) /产品的生命周期。该指标反映了产品的“绿色化”程度。
2.6 环境保护
(1) 资源再生率:指通过逆向供应链回收可再利用的资源量与最初生产时投入量的比值。资源再生率=回收可再利用的资源量/最初生产时投入的资源量×100%。
(2) 原材料综合利用率, 是指企业一定时期内生产中的边、角原材料的综合利用量与原材料消耗总量的比率。其计算公式为:原材料综合利用率=经综合利用的边角原材料/消耗总量×100%;或原材料综合利用率=经综合利用原材料而产生的副产品价值/耗用原材料的价值×100%。可用来衡量资源的再利用程度。资源的利用和再利用程度越高, 说明企业越重视资源的节约, 其节约与利用的水平越高。
2.7 未来发展
供应链未来发展直接关系到供应链的价值。平衡记分法中客户角度和内部运作角度的评价分析了供应链成功的竞争力, 但是成功的目标是不断变化的。严峻的全球竞争要求供应链必须不断改进和创新, 发掘整合供应链内部和外部的资源, 提高现有流程、产品/服务质量和开发新产品的能力。在实际实施过程中主要体现在科教、创新和员工3个方面。
(1) 科教投入。科教投入比率=年度科教支出费用/总费用×100%。
(2) 创新能力, 新产品开发成功率=新产品开发成功的数量/开发新产品的数量×100%;自主知识产权比率=自行研发的知识产权数量/拥有的知识产权总量×100%。
(3) 员工方面, 员工受教育程度=大专及以上学历员工数/总员工数×100%;员工流动率=年流失员工数/总员工数×100%。
综合上述分析, 可以得到网络环境下闭环供应链的整体绩效评价指标体系 (表1) 。
3 基于AHP/DEA的网络环境下闭环供应链绩效评价方法
“超组织企业”的闭环供应链绩效评价, 不仅要获知其实际运作的绩效, 更应该知道它相对于其他供应链的相对绩效如何, 如此才能掌握改善其绩效的对策。DEA是由美国著名运筹学家A.Charnes和W.W.Cooper等学者在“相对效率评价”基础上发展起来的一种系统分析方法, 主要适用于多个决策单元 (如多条不同的供应链) 的相对绩效评价。基于上述原因, “超组织企业”除了实际运作的闭环供应链外, 本文假设还有另外4条闭环供应链 (即虚拟闭环供应链) , 这符合“绩效是相对的”的逻辑。
虽然DEA法具有不需要预先估计参数, 在避免主观因素和简化算法, 减少误差等方面的优势, 但在评价多条供应链方面仍存在以下不足: (1) DEA法需以精确的数据为基础。而由表1可知, 闭环供应链的指标包括定量和定性的, 定量指标的数据可从相关资料 (如企业财务报表) 获取, 定性指标的数据不可能通过DEA法得到, 需要借助其它方法; (2) DEA法只能把评价对象分为有效和无效两类, 而对于有效的对象不能再作进一步的区分优劣。而笔者提出的AHP/DEA闭环供应链绩效评价法, 可有效地解决上述问题, 它分3阶段完成:第1阶段, 根据确定的绩效评价指标, 获取各项指标值。对于定性指标的数据请相关专家按T.L.Saaty提出的1~9标度法 (表2) 打分, 而相关定量指标的数据则来自于“超组织企业”相关报表。由于使用DEA法无需考虑各项指标量纲同一化问题, 因此来自不同一量纲的专家打分和报表数据不会影响闭环供应链绩效的评价。
第2阶段, 运用DEA法的C2R模型, 结合第1阶段所获取的数据构造判断矩阵[28]。对于n条闭环供应链中的任意两条闭环供应链a和b按下面式 (1) 、 (2) 进行计算, 分别求出它们的相对效率值θab (表示a相对b的效率值) 和θba (表示b相对a的效率值) :
s.t.
其中xij代表第j条闭环供应链的第i个投入值;yrj代表第j闭环供应链的第r个产出值;ε为非阿基米得无穷小 (ε一般设定为10-6) ;s+r, s-i分别为松驰变量;λj表示第j闭环供应链的权系数;m、s表示某闭环供应链的投入和产出个数, 下同。
s.t.
再计算闭环供应链a和b相对效率比率Eab:
Eab=θab/θba (Eba=1/Eab) (3)
当Eab>1, 表示a比b效率高, 反之则效率低;当Eab=1, 表示两闭环供应链效率相同, 不分彼此。根据AHP法构造两两比较的判断矩阵A:
第3阶段, AHP法排序。根据在上一阶段中由DEA法求得的两两比较判断矩阵, 运用AHP法求出最大特征值λmax和相应的特征向量ω (Aω=λω) , 特征向量ω的分量值正是各闭环供应链的优劣值, 即ω为各闭环供应链的排序向量, 若经检验此矩阵有满意的一致性, 排序向量最大的闭环供应链即为相对绩效最佳者。
4 应用举例
为了检验本文所提的闭环供应链绩效评价指标和方法的可行性, 笔者选择了以某物流企业为背景的闭环供应链 (用a表示) , 同时为了比较, 设计了另外4条虚拟闭环供应链 (分别用b、c、d、e表示) 。在表1的32个指标中, 系统动态性、信息技术、内部过程、客户、环境保护和未来发展等6个方面的27个指标及财务方面的逆供应链管理成本、产品的生命周期平均成本2个指标共29个指标为DEA法的投入指标, 而供应链资本收益率、现金周转率、回收物资利润率等3个指标为DEA法的产出指标。其中a的定量指标的数据来自于相关“超组织企业”的报表, 如现金周转率, 其余定性指标的数据通过专家T.L.Saaty提出的1~9标度法 (表2) 打分给出, b、c、d、e的数据根据a的数据“假设”而得, 由于数据量太大, 就不在此一一列出。
运用式 (1) 、 (2) , 对其中二条闭环供应链a和b的相对效率值进行计算 (具体运用LINDO6.1软件进行计算) , 得到θab=1, θba=0.25。根据式 (3) , 闭环供应链a和b的相对效率比率Eab=θab/θba=1/0.25=4。其它闭环供应链相对效率比率值的计算与此相似, 就不再一一叙述。因此可得到判断矩阵A:
通过AHP方法可计算得出各条闭环供应链的排序权向量为:0.12、0.25、0.10、0.4和0.13, 特征值λmax=5.0017, 一致性检验C.R.=0.0084<0.1。由于d的排序权向量最大, 即相对而言d的绩效最佳, 而实际运作的供应链a只排列第4, 说明它的相对绩效是较低的, 因此, “超组织企业”应该根据供应链d的情况对供应链a进行改造, 相关指标应该向其靠拢, 从而找到改善供应链a的对策。
5 结束语
诚然, 评价闭环供应链绩效是一项复杂的系统工程, 任何人所提出的评价指标体系与方法都难免会存在不足, 本文提出的评价指标体系与方法也不例外。但是, 笔者认为该评价指标体系与方法至少存在如下几个方面的优点:
(1) 对闭环供应链系统的特点及绩效评价原则有了新的认识, 提出基于平衡计分法的绩效评价指标体系的理念, 既考虑定量和定性指标, 较真实地反映其综合效率, 因此本文所提出的绩效评价指标体系评价闭环供应链较为科学和可行。另外, 相对于已有的供应链绩效评价研究而言, 本文中所提出的评价方法, 不仅能获知供应链绩效的实际情况 (即绩效较优还是较差) , 还能得到改善其绩效不佳的对策。
(2) 本文所提出的AHP/DEA法, 在评价指标上既有定性指标又有定量指标, 考虑的较为全面, 在实际运用时尽量减少评价者的主观性, 最后以量化的数据指标作为判断闭环供应链绩效的依据, 充分体现了该方法的科学性和可操作性。另外, 在运用AHP进行判断矩阵的构造时, 采用的是由DEA法计算而得的客观数据, 因此避免了其主观性, 这与国内外有的学者把AHP作为约束锥的DEA法是有区别[29,30], 本文中的AHP法是用于第1阶段定性指标数据的获取和第3阶段各业务优先排序, 而后者只是让AHP法作为约束锥的DEA方法, 即利用AHP方法对权重选择上加以一定限制, 这样做的后果是增加了评价结果的主观性, 这与我们所强调的测度结果要客观是相矛盾的。
环境DEA技术 篇6
技术标准是一种从事生产、建设及商品流通的一种共同遵守的技术依据, 在标准化领域中需要协调统一的技术事项所制订的标准。高新技术企业在谋求自身不断发展过程中, 通过积极参与创制行业内的技术标准, 提高企业在行业中的竞争力和影响力, 这就是高新技术企业的技术标准化。
技术标准本身是一种技术上的规范。单从规范本身的角度来看, 其制定并不能为高新技术企业带来足够大的经济效益。但是, 标准是一个技术市场化过程中的强制性规则, 而技术本身只是知识的运用, 没有强制性。从产业技术运用的角度考察, 标准比技术高一个层次 (复杂度、交易规则) ;技术影响产品或者产品后一方面, 而标准可以影响整个产业。它不仅仅是技术的组合, 更是技术创新的框架和体系。
技术的思路, 是通过获取先进的技术完善自己的产品, 降低自己的成本或者说是创造出一种新的产品, 从而打败对手。而建立了标准之后, 通过建立自己的标准并将自身的标准用于产业内部或产业经济体系, 实现对外“赢者通吃”, 对内实现对产业和联盟的掌控。因此, 技术标准化的经济效益, 常常不仅是企业自身寻求自身发展所关注的要点, 同时也是许多地区、甚至国家为提高企业整体发展所要工作的目标。于是, 这种评价往往已超越了企业自身, 上升为区域经济投入产出的一个更为宏观方面的评价。
二、DEA方法的应用
1. 相关研究的理论方法及评价
近年来, 关于企业技术标准化经济效果的计算方法方面的研究成果不少, 采用的计算指标体系也各有千秋。但总的来说, 仍是以技术标准化实施之后产生的经济效果减去因技术标准化活动所产生的劳动消耗来进行计算。然而, 针对企业层面的技术标准化经济效益的评价方法, 介绍与讨论的文献并不多见, 主要是针对技术标准实施后的经济效果进行计算, 难以达到区域管理, 衡量标准化带来的经济外部性的目的。
1998年, 张长元采用了综合评价理论中的功能系数法, 在给定指标体系的基础上对企业技术标准化的效益进行了评价研究, 最先将技术标准化的经济效果进行了企业间的横向比较, 为区域内企业层面的技术标准化管理和评价提供了一套较为完整的方法。
2003年, 宋敏等人将数据包络 (DEA) 的方法首次运用到企业标准化经济效益评价之中, 并给出了某一个虚拟企业在对技术标准投入产出方面的评价研究模型。然而, 在实践过程中, 高新技术企业的技术标准创制过程一般是在几年内完成, 对某一企业测量其当年关于技术标准化的投入产出难以达到很好的对应关系。与此同时, 单纯针对某一企业创制前后的DEA分析也难以支持DEA方法需要较多决策单元的前提假设。尽管如此, 其所采取的评价方法具有一定的理论意义。
2. 采用DEA方法评价的优越性
对于评价方法的使用, 国内最常用的仍然是线性权重法, 即建立在指标体系的基础上, 对每一个指标 (准则) 赋予一定的权重, 通过将指标得分与相应的权重乘积的和作为总得分, 最后进行评价。这种方法在评价技术标准化经济效益的过程中存在一些不足:
首先, 它不是从投入产出的角度考虑问题的, 得分高低并不一定能真实地反映企业在进行标准化过程中的有效利用情况, 企业过高的投入也可能得到较高的评价分数。
其次, 应用线性权重方法进行评价, 得分较低的企业很难从评价结果中找到投入产出低效的原因, 进而难以为下一步中指导工作提供一些改进的方案。
相对于线性权重法及其他的评价方法, 数据包络分析 (DEA) 方法是用于评价部门间相对有效性的一种评价方法。该评价方法是从投入与产出的角度去评价同类型的企业或部门在生产效率方面的相对有效性, 把每一个评价对象看成一个具有“多个输入, 多个输出”的生产系统, 通过观察系统的输入和输出来评价生产系统的相对效率。
DEA评价模型是多个部门或多个企业之间进行相对有效性评价的一种方法, 其特点是适合于处理具有多个输入和多个输出的情况, 并且完全基于指标数据的客观信息进行评价, 剔除了人为因素带来的误差。其结果不仅能判断被评价决策单元的生产效率相对有效性, 而且对于非有效的决策单元, 还给出了调整改进的方向。因此, 如果仅是考虑投入规模和技术因素, 从宏观上来评价部门或企业, 则可采用DEA评价方法。魏权龄等人就曾用DEA方法对全国棉纺工业、铝冶炼工业进行评价研究, 并将结果反馈到有关部门受到高度重视。此外, DEA还有以下一些优点:
首先, 标准化效益评价需要从不同侧面、用不同指标加以描述, 而这些指标往往不能用同一量纲加以表述。DEA模型以决策单元的各个投入指标和产出指标的权系数作为变量, 从最有利用决策单元的角度上进行评价, 无需考虑量纲统一化, 并避免了确定各指标在统计平均意义的权系数, 排斥了主观因素, 具有内在的客观性, 确保了评价的准确性和有效性。
其次, DEA方法直接采用数据进行计算, 而不像一般的统计分析模型那样预先给定生产函数的形式, 并对指标进行相关性分析, 避免了生产函数形式的确定以及确定某一投入指标对若干产出指标的贡献的繁琐的工作, 使得评价方法具有简明性和易操作性。
最后, 应用某些DEA模型对DMU进行相对有效性评价时, 可以得到许多在经济学中具有深刻经济含义和背景的管理信息。
基于以上几点, 本文将沿用DEA的理论和方法, 致力于区域管理层对于辖区内企业层面的技术标准化前后经济效益进行评价研究, 通过选取合适的投入产出指标, 来满足实际考察的需求。
三、基于DEA方法的评价模型
1. 模型的建立
假设园区内存在n家正在进行技术标准化的高新技术企业, 即有n个DMU (DMU1, DMU2, ..., DMUn) , 每个DMU都有m种输入和s种输出, 那么第j个企业DMUj的输入和输出向量分别为, 现在, 设DMUj0的输入输出为 (xj0, yj0) , 也可以简记为 (X0, Y0) 。于是, 评价第j个企业同时为技术和规模有效的DEA模型为:
评价纯技术有效性的DEA模型为:
其中, U, V为闭凸锥, (X 0, Y 0) 为D M U j 0的投入和产出, u= (u1, u2, …, um) , v= (v1, v2, …, vs) 分别为投入和产出指标和的权重。
在模型中, V1为该决策单元DMU的有效值 (指投入相对产出的有效利用程度) 。V1的值越大说明效率越高, 即说明该企业的技术标准化经济效益越好。V1最大值为1。当V1=1时, 则DMUj0为弱有效的;若 (1) 的最优值V1=1, 且, 则DMUj0为相对有效的。类似地, 可以定义DMUj0关于模型 (2) 的有效的和弱有效性。
设为DMUj0的规模效率, V1, V2分别为技术效率和纯技术效率。若S=1 (V1=1, V2=1) , 则称DMUj0为规模有效 (技术有效, 纯技术有效) , 否则称为无效的。
若V1=V2, 则称DMUj0为规模收益不变;若V1
因此, 通过本模型的计算还可以得到如下信息:知晓决策单元的技术效率状况, 即各个企业在投入产出方面的效率是最佳还是非最佳;知晓决策单元的规模收益状况。即决策单元或是规模经济, 或是规模不经济;寻找出造成决策单元的非最佳技术效率和规模不经济的原因——这是实际应用DEA进行深层次分析的关键的第一步, 找出粗线条的原因, 在通过进一步的深入探讨分析, 可以深入详尽地研究分析问题, 为今后高新技术企业的技术标准创制提供宝贵经验。
2. 输入输出指标
对于高新技术企业技术标准化来说, 其最终成果大多体现为新标准建立起来后的产品销售和认可的增加。可以说, 高新技术企业技术标准化成功应该有两层含义:一是技术上的成功;二是商业上的成功。因此, 在选择与评价一个技术标准化项目时, 必须对技术因素以外的许多非技术因素予以应有的重视。通过结合企业标准化特点及测评者预定的评价目标, 本文尝试建立如下指标体系。 (如表1)
在投入方面, 调研协商投入是技术标准化过程较为特有的投入。因为技术标准的制定要满足先进性和可行性行统一的原则, 因此在创制标准过程中, 需要进行多次的调研、会议协商以及实验外协, 这些方面投入的费用应该归为调研协商投入。
在产出方面, 企业社会认可度的变化, 既是企业自身竞争实力提高的体现, 同时一定程度上反应了企业技术标准化后带来的社会附加效益。
四、实证研究
本文针对2009年北京市某科技园区内高新技术的技术标准化工作进行手机和调查, 对园区内2009年验收的技术标准申报项目进行效益评价。依照上述评价模型所需各指标, 整理得:
其中需要特别指出的是, 关于企业社会认可度的变化 (Y3) , 由于企业获得的奖励或荣誉级别不同, 所得数据经过简要的权重处理。
对于上述面板数据, 分别采用 (1) 和 (2) 所代表的DEA模型, 应用DEAP2.1软件, 对22个技术标准的经济效益、社会效益进行综合的评价, 进行得到如下结果:
由表3可知, 该年度园区内企业进行技术标准化的效率参差不齐, 个别单位所创制的技术标准没有达到很好的投入产出的配比效果。而技术效率和规模效率较高的技术标准是2, 3, 4, 5, 8, 9, 14, 15, 16, 也就是说, 创制这些标准的企业, 在标准创制过程中的投入产出相对合理。在技术标准创制的调研中, 园区应着重对这些企业进行适度调研, 深入了解其内部运作模式, 并适当给与一定奖励, 以期达到一个较好的推广和示范效果。
参考文献
[1]张长元:功能系数法在标准化经济效益评价的应用[J], 冶金标准化与质量, 1998 (9) :27-29
[2]宋敏等:基于DEA方法的企业标准化效益评价[J], 中国标准化, 2003.10:56-58
[3]段永瑞:数据包络分析——理论与应用[M], 上海科学普及出版社, 2006.
环境DEA技术 篇7
技术创新是经济增长的源泉,区域创新系统作为国家创新系统的重要有机组成部分,是国家经济发展的重要基础。提高区域技术创新能力是推进区域经济发展与建设的重要途径,作为区域发展战略的重点,它必将受到各级各类政府的高度重视。对区域技术创新绩效进行客观评价,有利于进一步把握技术创新活动的规律,也有利于在更大范围内对于不同地区的技术创新活动进行横向比较,从而为制定区域经济发展政策提供科学依据。
本文采集技术创新输入和输出的若干统计指标,根据《中国科技统计年鉴》和《中国统计年鉴》中的原始数据,运用DEA方法中C2R模型对中国区域技术创新绩效进行实证研究和分析,最后有针对性地提出了促进区域技术创新的政策建议。
一、DEA方法及其模型
数据包络分析(Data Envelopment Analysis,简称DEA)是运筹学、管理科学和数理经济学交叉研究的一个新的领域,它是由著名的运筹学家Charnes、Cooper和Rhodes等人于1978年在“相对效率评价”概念的基础上发展起来的,是评价同类型决策单元相对有效性的一种系统分析方法[1]。Macmillan(1986)将DEA模型应用于区域经济研究,指出DEA模型结果可以用于评价区域产出行为[2]。Charnes(1989)等人应用DEA模型分析了28个中国城市经济发展状况,研究结果表明,DEA可以用于评价城市效率[3]。Bannistter和Stolp(1995)研究了墨西哥不同区域的制造业效率,揭示了区域规模、城市经济与技术效率之间的正相关关系[4]。Athanassopoulos(1997)等人评估了希腊北部20个县的经济社会效率[5]。在我国,也有学者利用DEA方法来评价区域技术创新的绩效问题,如刘顺忠(2002)等运用DEA方法分析了我国各地区创新系统的特点,并对各系统的创新绩效进行了评价。他们根据各创新系统的特点和创新绩效,将我国各地区的区域创新系统进行分类。针对每一类创新系统,提出了制定区域创新政策的建议[6]。其不足是在考虑投入指标时仅仅选择了人力和财力两个方面,没有涉及到物力资源。官建成(2005)等应用两阶段模型,以专利作为中间产品,将区域创新活动分为技术产出阶段和经济产出阶段以及二者的综合阶段,并运用DEA方法中的C2R模型,分别对创新活动的技术有效性、经济有效性以及综合有效性进行评价[7]。其两阶段模型的思想值得借鉴,但不足之处是没有充分考虑若干指标存在的相关性,如第一阶段投入指标中的技术引进费用、购买国内技术费用和技术合同金额等之间显然存在着较强的相关性甚至重合性。白俊红(2009)等应用DEA分析方法对我国区域创新系统的创新效率进行了测评和分析[8]。此外,汤建影和周德群(2002)利用DEA模型对我国矿业城市的经济发展效率进行评价,研究结果表明,我国中西部地区的中小型矿业城市处于规模效益递增阶段,国家应当从地区经济发展均衡的角度出发,鼓励西部地区中小型矿业城市的发展[9];吴雷(2009)运用DEA方法对企业生态技术创新绩效进行评价[10];傅利平和王中亚(2010)运用DEA中的C2R模型研究我国34个典型资源型城市的经济发展效率[11],这些成果对区域技术创新绩效研究也有一定的借鉴意义和启示作用。
DEA方法的基本思想是建立一个线性规划模型,对各个决策单元(Decision Making Unit,简记为DMU)做出相应的评价。作为一种效率评价方法,DEA方法能够对同一系统内的各个决策单元的有效性进行评价,它主要是根据系统的输入和输出指标,建立相应的评价模型,从而得到每个评价单元的效率评价值。DEA方法具有以下优点:(1)相对的客观性;(2)不需要考虑量纲,进而不需要进行归一化处理,简化了评价工作的流程;(3)全面评估DMU的生产状况;(4)为主管部门提供许多管理信息[12]。
DEA方法也存在着一些局限性和问题:(1)测量误差和其他噪声将会影响前沿的形状及位置;(2)异常值可能影响到结果;(3)排除掉一个重要的投入或产出要素将会导致有偏结果;(4)所获得的效率分值仅是对于样本中的最佳厂商而言,增加其他厂商于样本中将减少效率分值,等等[13]。
DEA方法包括很多模型,诸如C2R模型(1978年)、C2GS2模型(1985年)、C2W模型(1986年)、C2WH模型(1987年)、C2WY模型(1988年)和逆DEA模型(1999年)等等[14]。
在本文中我们用于评价各个地区技术创新绩效的模型是DEA方法中的具有非阿基米德无穷小的C2R模型。模型如下:
该模型的最优值θ为第j0个地区的技术创新系统相对有效性,表示该地区相对于其它地区的技术创新效率。若θ=1,则第j0个地区为弱DEA有效(总体);如果θ=1,且s-=0,s+=0,则第j0个地区为DEA有效(总体)。若存在,使,则第j0个地区为规模报酬不变,若存在,使,则第j0个地区为规模报酬递增,若存在,使,则第j0个地区为规模报酬递减[1]。
二、区域技术创新绩效及评价指标
区域技术创新绩效是用来反映某个区域用人财物各种资源创造新知识,并进而将新知识转化为新产品、新工艺和新服务能力的一个概念。一个地区技术创新绩效高意味着该地区的企业、科研机构等能利用较少的投入获得较高的产出,从事技术创新的人财物各种资源得到了充分利用。
区域技术创新绩效评价指标的选择应该遵循一定的原则,如综合性、系统性、层次性和可操作性等[15]。除此之外,指标选择还应简明扼要。遵循以上原则,本文选择的指标主要有七个,其中输入指标包括三个:研究与发展人员投入、研究与发展经费支出和高校的研发机构数目。研究与发展人员投入选用的数据是《中国科技统计年鉴》中的各地区研究与试验发展(R&D)人员全时当量,研究与发展经费投入选用的数据是上述资料中的各地区研究与试验发展(R&D)内部经费支出,高校的研发机构数目同样来自上述资料。参考文献[6]在衡量技术创新效率时,用到了前两个指标。本文之所以添加了高校的研发机构这一指标作为输入指标,是因为资源必然包括人财物三个方面,而高校拥有了大量的实验室、图书馆等各种科学技术创新所不可或缺的物质资源。输出指标包括四个:国外三大检索论文数目、国内三种专利申请授权数目、新产品产值率和人均产值。前三个指标原始数值来自于《中国科技统计年鉴》,第四个指标数据来自于《中国统计年鉴》。其中,新产品产值率是指大中型工业企业新产品产值占总产值的比重,人均产值选取人均地区生产总值。选择二者的理由是技术创新包括技术产出和经济产出两个阶段[7]。用于研发的各种资源首先要转化成各种新知识、新技术,然后进一步转化为新产品和新工艺,最后要提高人们的收入和生活水平。
三、区域技术创新绩效评价的实证研究与分析
利用《中国统计年鉴》和《中国科技统计年鉴》的原始数据,根据DEA方法中的C2R模型(2-1),利用Excel中的规划求解工具和DEAP软件[16],计算的最终结果如表1所示。表中除列出了计算出的各个地区创新绩效值,还列出了各种投入资源的影子价格,最后一列是规模报酬。
注:1.不包括港澳台和西藏2.取值为10-6
1.技术创新绩效分析
根据表1计算结果,按照创新绩效值高低对不同区域进行分类,结果如表2所示。从表2可以看出,北京、吉林、黑龙江、上海、浙江、湖南、广东、海南、重庆、贵州、青海、宁夏、新疆等地处于技术创新前沿面,为DEA有效;天津、安徽、湖北和甘肃四省市的技术创新绩效值介于0.8和0.9之间,技术创新水平较高;内蒙古、辽宁、福建、广西、四川、云南、陕西的技术创新效率较低;而河北、山西、江苏、江西、山东、河南等地的技术创新效率低于0.6,属于区域技术创新效率低的地区,山东的创新效率只有0.5。由此看来,区域技术创新效率的高低和经济发展水平并不存在着必然的联系。
2.影子价格分析
投入资源的影子价格表示单位资源投入变化所引起的创新绩效的改变,是针对具体创新系统而存在的特殊价格。创新系统某种创新投入的影子价格相对于其它创新系统该投入的影子价格较高时,说明该投入对其创新绩效影响较大,是系统的稀缺资源,系统应加大对该资源的投入。例如,吉林的研发人员投入的影子价格为0.033,相对较高,为该地区的相对稀缺资源;而黑龙江的研发资金支出影子价格为0.04,相对较高,为其稀缺资源;浙江高校研发机构的影子价格为0.022,相对较高,为该地区的相对稀缺资源,等等。每个地区应因地制宜,采取有效措施克服资源瓶颈,从而实现科学发展。
3. 规模报酬分析
规模报酬分为规模报酬不变(CRS)、规模报酬递增(IRS)和规模报酬递减(DRS)三种情况。技术创新活动也要经历规模报酬递增、规模报酬不变和规模报酬递减三个阶段。从表1的规模报酬一列可知,北京、吉林、黑龙江等14省市技术创新规模报酬不变,约占总数的46.67%;天津、山西、内蒙古等8省市技术创新规模报酬递减;而河北、辽宁、安徽等8省市技术创新规模报酬递增,它们均占总数的26.67%。对于技术创新处于规模报酬递增阶段的省份而言,其技术创新水平还没有达到经济规模,增长和进步的空间还很大,必须加大技术创新投入的力度,加快技术创新的步伐。
结束语
本文运用DEA方法中C2R模型对中国区域技术创新绩效进行实证研究和分析。结果表明,我国各区域创新系统之间,无论从创新的投入、创新的产出,还是从创新系统的创新效率来说,都存在着较大的差距。区域经济发展水平和区域技术创新绩效并无本质联系。各地区在制定创新政策时应因地制宜,在着重解决影响创新系统创新能力的主要问题时,应通过科学的方法发现其经济发展过程的瓶颈因素,有针对性地加强技术创新人力、财力和物力资源的投入,并努力提高各种资源的利用效率。
摘要：区域创新系统是国家经济发展的重要基础,客观评价区域技术创新的绩效是制定区域创新政策的前提。选取3个输入和4个输出指标,运用DEA中的C2R模型对我国各地区技术创新绩效进行实证研究,从区域技术创新绩效、投入要素影子价格和规模报酬展开分析。结果表明,区域技术创新绩效和经济发展水平无必然联系,各地的相对稀缺资源不尽相同。根据各地技术创新绩效值对不同区域分类,有针对性地提出促进区域技术创新的对策建议。