要素禀赋、投入结构与工业用水效率——基于2002—2011年中国地区数据的分析

构建基于地区要素禀赋的投入价格体系,利用成本效率DEA模型将要素禀赋因素纳入工业用水效率分析框架,测算分析了中国2002—2011 年地区工业用水效率增长,并对其收敛性进行了检验。测算结果显示,各地区的工业用水效率在不断上升,但地区间差距较大,存在三个明显的梯队;大部分地区的要素投入结构与自身要素禀赋特征不匹配,东、中部地区普遍表现为资本投入比重过低和水资源投入比重过高,西部地区则普遍表现为劳动投入比重过低和水资源投入比重过高。收敛性检验结果显示,全国各地区的工业用水效率并未像资本效率和劳动效率一样呈现出较强的收敛趋势,但高用水效率地区与低用水效率地区分别存在俱乐部收敛。     

经济集聚对中国三大城市群土地利用生态效率的影响

基于非期望产出的超效率EBM模型,测算2005—2016年京津冀、长三角和珠三角等中国三大城市群土地利用生态效率,采用核密度函数对其演变特征进行分析,并运用面板门槛回归模型和面板向量自回归模型,从产业和人口两个角度分析经济集聚对城市群土地利用生态效率的非线性影响和直接冲击。结果表明：（1）2005—2016年间中国三大城市群土地利用生态效率总体呈现先收敛后分化的演化特征,不同城市群之间的土地利用生态效率时空演变具有显著差异;（2）第三产业集聚水平和人口集聚水平对城市群土地利用生态效率表现出单门槛效应,表明适度产业集聚和人口集聚对城市群土地利用生态效率具有正向促进作用,反之则会导致促进作用下降甚至出现负向影响;（3）第三产业集聚水平和土地利用生态效率自身对土地利用生态效率的直接冲击都是从开始就达到顶峰而后收敛为0,而第二产业集聚水平和人口集聚水平则是先负向冲击后持续正向冲击。城市群在制定经济发展政策和土地利用政策时,既要充分发挥经济集聚的正面环境效应,也要重视不同经济集聚的适度性和动态性。     

碳排放视角下的江苏省土地利用转型生态效率研究——基于混合方向性距离函数

生态效率关乎经济与生态之间的双重问题,要保证在实现社会经济正常发展的同时将环境影响控制到最小程度。CO₂等温室气体的排放作为造成全球气候变暖的主要产物,成为改善全球环境问题的焦点。土地利用转型在一定程度上影响着土地生态,并从土地的投入和产出方面影响土地生态效应,分析其影响机理将有助于最小化土地利用成本,最大化土地生态价值。论文运用混合方向性距离函数模型和Global Malmquist-Luenberger（GML）指数,将CO₂排放量作为生态效率的非期望产出指标,构建土地利用转型投入和产出指标体系,测算2006—2014年江苏省13个城市在土地利用转型背景下的生态效率及环境全要素生产率增长状况,并对全要素生产率变动进行分解,以期缓解经济快速增进带来的生态环境问题。研究结果表明：CO₂过度排放以及能源过度消耗,使得很多城市普遍存在生态低效率;2006—2014年江苏省总体平均生态效率值为0.827,若能够充分利用当前技术水平,资源强度和污染排放强度在平均意义上可以提高17%;江苏省生态效率变化区域差异明显,生态效率存在空间关联性和集聚效应;环境全要素生产率增长呈现地域不均衡性,纯技术进步是影响环境全要素生产率增长变动的重要影响因素;技术规模变化的区域差异幅度最大,是构成环境全要素生产率增长差异的重要因素。     

基于综合集成法的江苏省潮间带风电产业可持续发展评价

以2012~2015年江苏省潮间带风电产业数据为基础,结合江苏省潮间带风电产业实际发展情况,建立了江苏省潮间带风电产业可持续发展评价指标体系,对潮间带风电产业可持续发展水平进行了总体评价。利用数据包络分析模型,从投入-产出视角来衡量潮间带风电产业可持续发展效率。得出如下结论:2012~2015年,江苏省潮间带风电产业可持续发展综合水平指数从0.345上升至0.605;可持续发展综合效率平均值为0.916,整体效率处在较高水平。在2012~2013年,存在可持续发展无效、投入过剩和产出不足的情况,2014年后可持续发展效率进入良性发展阶段。根据投入指标的影响力分析,可知经济投入指标对投入产出效率影响最大,而科技创新投入指标影响力最小,还需进一步加强科技投入与人才吸引。     

碳排放视角下的江苏省土地利用转型生态效率研究——基于混合方向性距离函数

生态效率关乎经济与生态之间的双重问题,要保证在实现社会经济正常发展的同时将环境影响控制到最小程度。CO_2等温室气体的排放作为造成全球气候变暖的主要产物,成为改善全球环境问题的焦点。土地利用转型在一定程度上影响着土地生态,并从土地的投入和产出方面影响土地生态效应,分析其影响机理将有助于最小化土地利用成本,最大化土地生态价值。论文运用混合方向性距离函数模型和Global Malmquist-Luenberger(GML)指数,将CO_2排放量作为生态效率的非期望产出指标,构建土地利用转型投入和产出指标体系,测算2006—2014年江苏省13个城市在土地利用转型背景下的生态效率及环境全要素生产率增长状况,并对全要素生产率变动进行分解,以期缓解经济快速增进带来的生态环境问题。研究结果表明:CO_2过度排放以及能源过度消耗,使得很多城市普遍存在生态低效率;2006—2014年江苏省总体平均生态效率值为0.827,若能够充分利用当前技术水平,资源强度和污染排放强度在平均意义上可以提高17%;江苏省生态效率变化区域差异明显,生态效率存在空间关联性和集聚效应;环境全要素生产率增长呈现地域不均衡性,纯技术进步是影响环境全要素生产率增长变动的重要影响因素;技术规模变化的区域差异幅度最大,是构成环境全要素生产率增长差异的重要因素。     

江河源区高寒草地畜牧业生态效率及影响因素

以江河源区为案例地,结合超效率DEA和Malmquist DEA模型考察高寒草地畜牧业生态效率时空变化,并分析其影响因素.结果表明:生态效率空间差异明显.2013年玉树、称多和囊谦超效率值较高,达日、玛多和唐古拉山镇超效率值较低,其他各县生态效率水平介于两者之间.生态效率动态变化可以划分3个阶段,1994-2002年为平稳上升阶段,2003-2006年为分化阶段,2007-2013年为急剧上升阶段.生态效率上升主要源于技术进步和规模效率提升,资本、降水和劳动力则是主要影响因素.需加大科技投入,提高技术和管理水平,提高劳动者素质;加强草原水利设施、人工草地和畜棚建设;加强草地生态和冻土保护,并完善畜牧业发展政策.     

中国农业生态效率测度与驱动因素

为适应我国进入高质量发展阶段,实现农业资源的高效率利用,本文以中国30个省、直辖市、自治区（不包括西藏、香港、澳门和台湾）的2003~2017年度面板数据,运用考虑生态非期望产出和期望产出两阶段网络EBM模型,构建资源环境投入—环境治理两阶段模型,测度各省（直辖市、自治区）的农业生态效率,并结合Malmquist指数进行动态分析.以测度的农业生态效率为被解释变量,在考虑农业劳动力素质的门限效应下对其驱动因素进行分析.结果显示：2007年以前中国各地区农业生态效率,呈西部到东部逐渐收敛趋势.2007年以后,呈东西部高,中部塌陷,东西部与中部地区发展失衡.农业劳动力素质存在门限效应,门限值为1012.62.当门限变量值≥1012.62时,农作物种植结构对农业生态效率的影响存在促进作用;反之,则有抑制作用.财政支农水平对提高农业生态效率有正向影响,农用机械投入强度、农业生态环境防护投资额对提高农业生态效率有负面影响.     

长江经济带旅游生态效率时空演变及其与旅游经济互动响应

运用基于非期望产出的Super-SBM模型测度长江经济带旅游生态效率,综合运用标准差椭圆、重心模型等方法勾勒旅游生态效率时空演变轨迹,借助VAR模型探讨旅游生态效率与旅游经济发展水平间的互动响应关系。结果表明：长江经济带旅游生态效率整体处于中等效率阶段,呈动态上升趋势,且表现出“东部>西部>中部”的空间分布格局;旅游生态效率形成“低低集聚、高高集聚”式的“俱乐部收敛”型“双峰”格局,向西北方向移动趋势明显;东部和中部旅游生态效率与旅游经济发展水平的脉冲响应最终趋于平稳,西部地区响应程度偏弱;旅游经济发展水平对旅游生态效率的贡献率随时间发展趋于升高,旅游生态效率对旅游经济发展水平的贡献程度随时间发展逐步降低。     

东北三省全要素能源效率测算及影响因素分析

从地级市层面出发,将废水排放量和工业烟(粉)尘排放量作为非期望产出指标,利用DEA模型测算2009~2014东北三省35个地级市的全要素生产率(TFP),计算能源目标投入量与实际投入量之比,测算东北三省真正全要素能源效率(TFEE);通过Malmquist指数分解得到全要素能源效率的内部影响因素;基于Tobit模型分析全要素能源效率的外部影响因素.结果显示:东北三省中黑龙江省的全要素能源效率最高,吉林省次之,辽宁省最低;部分城市的全要素能源效率与全要素生产率差距较大;纯技术效率变动和规模效率变动对东北三省能源效率有显著正影响,技术进步影响不显著;第二产业比重、第三产业比重对东北三省能源效率有负影响,工业所有制结构对东北三省能源效率有正影响.     

基于超效率SBM模型的公路运输碳排放效率分析

文章基于2010-2019年中国省际面板数据,运用超效率SBM模型与GML指数,对中国30个省份公路运输碳排放效率进行测度和分析,实证结果表明：2019年中国公路运输的碳排放综合效率整体水平偏低,综合效率存在地区差异,中部>东部>东北>西部;2010-2019年中国的公路运输碳排放全要素生产率整体呈上升趋势,技术进步变化的降低是阻碍全要素生产率上升的关键因素。     

中国工业二氧化硫排放变化指标分解研究

基于生产理论框架,应用基于Shephard输出距离函数的方法,将我国SO2排放变化指标分解为技术效率影响、技术变化影响、输入增加影响、输出结构影响等5项指标,并对中国28个地区2000~2006年SO2排放变化面板数据进行了实证分析.结果表明:引起我国2000~2006年SO2排放增加的主要因素是工业能源消耗、资本投入及产出结构变化,技术变化则在一定程度上减少了工业SO2排放.“十五”期间国家工业SO2排放控制政策,对工业SO2排放控制技术进步及技术效率的提高有明显的促进作用.在区域层面上,东、中、西3个地区的技术变化都促进了工业SO2的减排,其中东部地区由于技术变化所导致的SO2减排较为明显.     

中国八大综合经济区能源生态效率测度及其驱动因素

为促进能源、经济、社会与生态环境的绿色可持续发展,将经济、社会福利等期望产出与生态环境污染非期望产出纳入能源生态效率测度框架,运用基于Shephard能源距离函数的随机前沿模型,从区域研究视角出发分析中国八大综合经济区能源生态效率演变趋势,并探讨其驱动因素的作用机制.结果显示：样本期内全国能源生态效率均值为0.5839,整体水平偏低,且呈现显著的空间非均衡分布特征.八大综合经济区能源生态效率水平呈现由沿海向内陆逐渐递减的发展态势.南部、东部和北部等沿海经济区能源生态效率均值分别为0.6941、0.6213、0.6087,位居前列;西南、黄河中游、长江中游以及东北等经济区次之,能源生态效率均值分别为0.5803、0.5720、0.5623、0.5537;西北经济区能源生态效率均值为0.5087,位列末位.经济发展水平与能源消费结构的估计系数分别为0.0459、0.0747,对能源生态效率的提高具有抑制作用;产业结构、城镇化水平以及环境规制的估计系数分别为-0.9339、-0.6197、-0.0387,对能源生态效率的提高具有促进作用.     

基于空间聚类分析的中国旅游业碳排放效率

旅游业碳排放效率是考量旅游经济增长与生态环境关系的重要指标,对旅游业碳排放效率的有效测度和分析是实现旅游业节能减排与可持续发展的基础支撑.采用“自下而上”法核算2001—2015年我国旅游业能源消耗量与碳排放量（不含港澳台及西藏自治区数据,下同）;继而运用非期望产出SBM模型对旅游业碳排放效率进行测度,并通过空间自相关分析揭示其空间特征;最后采用Malmquist指数（MI）评估旅游业碳排放效率的动态趋势.结果表明:①研究期内我国旅游业总体碳排放效率较低,平均水平为60%;各年度达到最佳生产前沿面（旅游业碳排放效率值为1）的省(市、自治区)(简称“省区”)数量较少,绝大多数省区的碳排放效率具有较大改善空间;旅游业碳排放效率水平存在明显的省际差异;东、中、西部地区的效率存在梯度差,形成“东高西低”的空间格局.②Moran's I指数和LISA聚类图显示,各省区旅游业碳排放效率存在明显的正向空间相关性,在空间分布上呈现出显著的地理聚集特征,形成“高—高”型与“低—低”型聚集区,空间联动格局尚未形成.③2001—2015年MI均在1以上（2004年除外）,且总体平均值高达1.195,体现出持续改善的态势;各省区碳排放效率的提升来源于技术进步与技术效率双重贡献,其中,技术进步是促进旅游业碳排放效率提升的主要贡献因素.研究显示,我国旅游业碳排放效率的空间分布不均衡,但整体呈现持续上升的态势,各省区在依赖技术进步提高碳排放效率的同时,要注重全局空间联动格局的形成,最终实现低碳旅游业的协调发展.      

碳减排方案优化及其在产业升级中的效应研究

构建了包含能源消耗与碳排放的多行业动态一般均衡模型,研究发现,通过各行业的边际减排成本相等这一总体减排任务的合理分解方式,能够实现要素的优化配置并激发“创新补偿效应”,具有相对较高的增长效应与福利效应.分行业单独制定碳减排约束时的边际减排成本较高,且无法产生行业间减排的联动效应,因而总体减排方案是有效的.碳强度减排方案优化后,其在产业结构升级中的效应也十分明显.测算结果表明,碳减排对工业结构“重型化”的控制效应明显,还将农业减排的压力转化为“富碳农业”发展的动力,导致经济中农业占比上升.服务业企业通过增大劳动和资本等要素的投入替代产生高碳排放的能源要素,减缓碳减排政策对其生产行为的负向影响并实现了稳定增长.随着减排强度的加大,中国产业结构合理化和高度化程度得到了显著提升.     

基于DEA方法的我国大气污染治理效率评价

选取废气治理设施数、废气处理运行费用和工业二氧化硫、工业烟尘、工业粉尘去除量作为大气污染治理的投入与产出变量,运用超效率DEA模型,对我国各省份2004~2009年大气污染治理效率进行研究.结果表明,研究期内我国大气污染治理效率的省际格局基本不变,中部地区大气污染治理效率高于东部和西部地区;江西、内蒙古等省份大气污染治理效率相对较高,而北京、天津、四川、新疆等省份则相对较低;并据此提出了相应的大气污染治理投入的对策建议.     

中国水泥行业二氧化碳减排技术及成本研究

为降低水泥行业碳减排成本,确定最优碳减排技术路径,研究基于经济-能源模型,核算中国水泥行业最新碳减排技术的边际减排成本,使用情景分析方法,研究了与未实施减排技术相比,2020年17项技术的碳减排潜力,并将其作为基准情景,和2025,2030,2035年3个未来情景的碳减排潜力作比较,从而得出不同情景下的边际减排成本曲线。结果表明:1）2020年我国水泥行业17项减排技术的平均减排成本为124元/tCO₂,2020年实现总减排量3043万t,总减排成本为10.3亿元;在保持技术水平和排放水平不变的情况下,2035年17项减排技术可实现总减排量21307万t,总减排成本为103.4亿元。2）在各项减排技术中,集成模块化窑衬节能技术与水泥熟料烧成系统优化技术,具有较高减排潜力和较低减排成本,适合广泛推广;CO₂捕集利用与封存（CCUS）技术虽具有较高减排成本,但是未来减排潜力较大,应给予重视。3）技术普及率与熟料产量是决定减排潜力的重要因素,因此未来水泥行业应注重节能减排政策技术推广与产业结构调整,可进一步实现减排目标。     

基于公平与效率双重视角的中国农业碳减排潜力分析

科学估算减排潜力是实施减排责任分摊的基础。论文将环境因素纳入到经济生产体系,构建含有期望产出与非期望产出的农业经济核算框架,借助方向距离函数方法,对2000-2011 年中国31 个省(市、区)的农业碳边际减排成本进行估算。在此基础上,利用人均农业碳排放、人均农业生产总值、农业碳排放强度与农业碳排放影子价格4 个指标,构建农业碳减排潜力指数,基于公平与效率双重视角,对各省区农业碳减排潜力水平进行评估与分析。结果显示:① 农业减排成本地区差异较大。其中,海南、福建、山东、辽宁、广东、北京、天津等省区减排成本较高,其年均农业碳排放影子价格居于全国前列,最高值达2.542×10⁸元/10⁴ t;而西藏、青海两地农业碳排放影子价格最低,分别为0.105×10⁸元/10⁴ t 和0.542×10⁸元/10⁴ t,农业减排成本较低。② 基于农业碳减排的公平性与效率性差异,将中国大陆31 个省级行政区域划分为四大类:西藏等1 省2 区属于“高效较公平”型地区;甘肃1 省1 区属于“高效欠公平”型地区;辽宁等8省2 区属于“低效较公平”型地区;北京等12 省4 市属于“低效欠公平”型地区。③ 西藏、海南、青海、内蒙古四地农业碳减排潜力指数在三种情景下均排名前四,北京、黑龙江、山西三地均排名最后。④ 决策者对于公平原则与效率原则的不同偏好会导致各省区减排责任分摊机制不同。     

Greenhouse gas emissions from nitrogen fertilizer use in China

The use of synthetic nitrogen (N) fertilizers is an important driver of energy use and greenhouse gas (GHG) emissions in China. This paper develops a GHG emission factor for synthetic N fertilizer application in China. Using this emission factor, we estimate the scale of GHG emissions from synthetic nitrogen fertilizer use in Chinese agriculture and explore the potential for GHG emission reductions from efficiency improvements in N fertilizer production and use. The paper concludes with a discussion on costs and financing for a large-scale fertilizer efficiency improvement program in China, and how a GHG mitigation framework might contribute to program design.     

Quantification of energy related industrial eco-efficiency of China

Improving eco-efficiency is propitious for saving resources and reducing emissions, and has become a popular route to sustainable development. We define two energy-related eco-efficiencies: energy efficiency (ENE) and greenhouse gas (GHG) emission-related eco-efficiency (GEE) using energy consumption and the associated GHG emissions as the environmental impacts. Using statistical data, we analyze China’s energy consumption and GHG emissions by industrial subsystem and sector, and estimate the ENE and GEE values for China in 2007 as 4.871×10⁷ US/PJ and 4.26×10 < sup > 8 < /sup > US/PJ and 4.26×10⁸ US/TgCO₂eq, respectively. Industry is the primary contributing subsystem of China’s economy, contributing 45.2% to the total economic production, using 79.6% of the energy consumed, and generating 91.4% of the total GHG emissions. We distinguish the individual contributions of the 39 industrial sectors to the national economy, overall energy consumption, and GHG emissions, and estimate their energyrelated eco-efficiencies. The results show that although ferrous metal production contributes only 3.5% to the national industrial economy, it consumes the most industrial energy (20% of total), contributes 16% to the total industrial global warming potential (GWP), and ranks third in GHG emissions. The power and heat sector ranks first in GHG emissions and contributes one-third of the total industrial GWP, although it only consumes about 8% of total industrial energy and, like ferrous metal production, contributes 3.5% to the national economy. The ENE of the ferrous metal and power and heat sectors are only 8 and 2.1×10⁷ US/PJ, while the GEE for these two sectors are 9 and 4×10 < sup > 4 < /sup > US/PJ, while the GEE for these two sectors are 9 and 4×10⁴ US/GgCO₂eq, respectively; these are nearly the lowest ENE and GEE values among all 39 industry sectors. Finally, we discuss the possibility of ecoefficiency improvement through a comparison with other countries.     

区域用水环境经济综合效率及其影响因素——基于DEA和Malmquist指数模型

仅考虑经济效益而忽略环境损害的水资源利用效率指标不能全面反映区域用水的真实效果.本文基于DEA和Malmquist指数模型,提出区域用水环境经济综合效率(WEEE)概念及其评价方法,分析了2001~2012年河南省主要地市的WEEE及其影响因素.结果表明,研究时段内水资源利用保持了较高经济效率,但环境效率相对较差并由此拉低全省WEEE平均约2%;2012年WEEE未达到DEA有效的地市水资源投入平均冗余率约为18%,COD和NH₃-N平均超排率分别约为49%和49.2%,说明这些地市存在水资源利用低效和水污染物排放较高的问题.通过分析水资源利用的全要素生产率(TFP)发现,技术变化指数在研究时段内下降了2%,是抑制WEEE增长的最主要因素.为了在水资源利用过程中取得更好的环境和经济综合效益,河南省应加大对工农业节水和水污染防治的科技投入,并在严格控制用水总量的同时进一步加强水污染物的减排工作.