基于DEA模型的国内各地区节能减排效率研究

于鹏飞李 悦高义学郗 敏孔范龙

(1.青岛大学化学化工与环境学院,山东青岛 266071;2.临沐县环境保护局,山东临沂 276700)

基于DEA模型的国内各地区节能减排效率研究

于鹏飞1李 悦1高义学2郗 敏1孔范龙1

(1.青岛大学化学化工与环境学院,山东青岛 266071;2.临沐县环境保护局,山东临沂 276700)

运用数据包络分析(DEA)方法,从宏观角度将国内各地区作为开展节能减排成效评价的基本单位,从不同的角度对节能减排各项指标进行了分类,建立节能减排效率评价指标体系模型。并在此基础上综合分析了2007年全国31个省、市、自治区的能源、水资源利用效率以及废水、SO2综合治理绩效和效率。分析表明,我国能源、水资源的利用效率、废水、SO2治理和排放效率虽有普遍提高,但整体效率仍比较低,节能减排的潜力很大。

DEA;节能减排;效率分析

数据包络分析(data envelopment analysis,DEA)是由美国运筹学家A.Charnes和W.W.Copper等学者在“相对效率评价”的基础上发展起来的一种非参数前沿效率分析方法[1]。该方法常被用于生产生活的投入产出系统中进行管理、决策和效益效率评价等,目前已成为管理科学与系统工程领域较广泛运用的一种分析工具[2]。它主要采用数学规划方法,以测评一组具有多种投入和多i种产出的“部门”或“单元”(称为决策单元,Decision Making Unit,简记为DMU,本文中DMU为各省)的绩效和相对效率为基础[3],利用众多DMU构成评价集合,通过对相对效率的分析比较,根据对各DMU观察的数据判断DMU是否为DEA有效,确定“有效生产前沿面”,并根据各DMU与有效生产前沿面的距离状况,确定各DMU是否DEA有效,同时还可用投影方法指出非DEA有效或弱DEA有效DMU的原因及应改进的方向和程度[4]。由于DEA无需任何权重假设的特性,在避免主观因素和简化运算、减少误差等方面有着显著的优越性[5]。DEA方法在环境领域的应用主要在可持续发展能力、协调发展评价、环境绩效以及环境影响评价等领域[6]。本文拟将能源、环境和经济作为一个系统,运用DEA方法研究节能减排的效率,并从无效DMU的改进方向对我国节能减排工作提出改进措施和建议。

1 DEA模型的建立

1.1 应用步骤

DEA方法在评价节能减排效率方面的的应用步骤包括确定评价目的、选择决策单元、建立输入输出指标体系、选择DEA模型、进行DEA评价分析、调整输入输出指标体系、得出综合评价结论7个步骤[7]。

1.2 评价指标的建立

“节能减排”指的是降低能源消耗、减少污染物排放[8]。节能减排是我国“十一五”规划的重要组成部分,党中央、国务院高度重视节能减排工作,把它放在维护中华民族长远利益的战略高度坚持不懈地推进,节能减排的效率与“十一五”规划目标的实现息息相关[9]。

本文拟将能源、水消耗量以及环境容量资源的使用作为投入指标,这些指标代表了经济发展中对于能源的投入及环境资源的投入;产出指标反映了经济是否发展,减排成果,以GDP、废水排放达标量和SO2削减量作为产出指标。

投入指标名称:能源消费总量,表中简称能源;用水总量,表中简称用水量;工业废水排放量,表中简称工业废水量;工业SO2排放量,表中简称SO2;

产出指标名称:地区生产总值,表中简称GDP;工业废水排放达标量,表中简称废水达标量;工业SO2削减量,表中简称S02削减量;

能源消费总量数据来自《中国能源统计年鉴2008》[10],供水总量、GDP、工业废水排放量、工业SO2排放量、工业废水达标量、SO2削减量数据来自《中国统计年鉴2008》[11]。DEA模型的具体输入指标体系如表1所示。1.3 DEA模型的选择

DEA模型有多种形式,应用DEA方法时,选用哪一种模型既要看DMU的实际背景,又要看评价目的[12]。本文采用了扩展DEA模型-超效率(Super Efficiency,以下简称SE-DEA)评价模型,SE-DEA是由Banker Gifford(1988)首先提出“SE-DEA在进行相对效率评价时,对于处在有效生产前沿面上的DMU所选择的参考集不再是全部的DMU,而是排除被评价的DMU本身的剩余DMU集合。”

表1 DEA模型输入指标体系表

SE-DEA模型有以下优点:①通过去除一些无效DMU来使最终的技术效率得到更加真实的反映;②克服传统模型增长的缺陷,能对众多的DMU单元进行充分排序与评价的DMU本身的剩余DMU集合[13]。SE-DEA与DEA模型的数学形式相似,形式为:

一个有效的决策单元可以使其投入按比例地增加,而效率值保持不变,其投入增加比例即为超效率评价值[14]。1.4 基本变量的含义

θ为决策单元DMU的有效值(指相对于产出的有效投入),S+,S-为松弛变量,θ=1且S+=S-=0时,则称DMU为DEA有效;当θ=1且S+≠0或S-≠0时,则称DMU为弱DEA有效;当θ＜0时,则称DMU为DEA无效。

将决策单元中各分量的Sij与对应指标分量xij的比值定义为投入冗余率,记为αij。它表示该分量指标可节省的比例。同样地设βrj=Srj/γrj,则βrj称为产出不足率。比较一个系统中不同年份的投入冗余率或产出不足率可动态地反映该系统在哪些方面有所改善和哪些方面还需要加强管理。还可分析同一时期内相关系统间的投入冗余率、产出不足率,进行横向比较,可综合判断各系统的投入利用效率[16]。

2 结果分析

采用SE-DEA模型,利用DEA软件,分析结果列于表2中。

整体来看,2007年我国各区域节能减排效率平均值为0.8,表明“十一五”节能减排工作整体效率较高。

(1)从相对效率值θ分析,效率值大于1的地区是北京、天津、江苏、浙江、安徽、福建、江西、山东、广东、广西、重庆、西藏(西藏可能由于能源消耗总量数据缺少,用西南地区平均值代替使θ增高),表示这些地区的节能减排效率相对较高,在保证经济持续发展的前提下,能源和水资源得到了比较充分合理的使用,污水、SO2的减排卓有成效。上海的θ为0.98,云南的θ为0.91也基本处在相对效率的“有效生产前沿面”上。

相对效率较低的是甘肃、山西、湖南、河北、辽宁、海南、湖北、四川、陕西、湖南和贵州,它们的相对效率值都在0.5-0.9之间,节能减排工作还有许多亟需改进的地方。相对效率值最低的是青海,只有0.19,其次为新疆0.22,黑龙江0.23,宁夏0.25,吉林0.32和内蒙古0.49。

可以看出θ值高的都是各直辖市和东部沿海发达地区(除了西藏),θ值较低的大多是内陆地区,而θ值很低的省份则集中在西北和东北边境省份。直辖市和东部沿海发达地区经济发展水平高,正在进行产业升级和技术革新,原有的高污染、高耗能企业项目都在进行节能技术革新和污染物排放回收利用,节能减排的效率较高;而广大内陆地区和东北老工业基地和西北地区目前还是更注重经济的发展速度,对能源、水的利用率较低,更多的依靠能源消耗量来带动经济的发展,大部分污染物削减效率较低,地区的可持续发展能力较弱。

表2 超效率DEA模型分析结果

(2)从规模效益值K分析,K值大于1的地区有广东、山东、河北、江苏、辽宁、河南、浙江、内蒙古、四川、广西、上海、湖南、山西、湖北、黑龙江、陕西、新疆和云南,说明这18个省份的规模效益递减,成倍的增加节能减排资金不会带来更高比例的增长,这类地区应该在现有基础上,优化自身产业机构,充分利用现有资金和能源。其他地区的K值都小于1,成倍的增加节能减排方面的投入力度,能源和水利用率以及污染物排放的削减率都会有更大比例的增长。

3 小 结

本文使用超效率DEA评价模型对我国各地区节能减排效率进行了评价分析。具体讨论的主要是各地区的节能减排方面的工作是否得到了应有的功效,相对于其他的地区,哪些地区在节能减排方面的效率需要加强,需要更好并且合理的支配环境保护的每一分资金,以更好的完成节能减排目标。本文未对节能减排的具体相关领域进行探讨,如提高节能减排效率的具体实现途径、可能需要的政策和技术支持等,这是今后需要研究的方向。

(编辑:刘文政)

[1]Charnes A,Cooper W W,Phodes E M.Easuring the Efficiency of DMU[J].European Journal of Operational Research,1978,11(6):429-444.

[2]张玉萍.基于DEA的大连城市人居环境可持续发展能力评价[D].辽宁:辽宁师范大学硕士学位论文,2007:26-30.

[3]朱艳科,杨辉耀.广东省各城市经济发展相对效率的DEA评价[J].南方经济,2002,11(3),42-43.

[4]周景博,陈妍.中国区域环境效率分析[J].决策参考,2008(14):44-46.

[5]刘策,安立仁.基于DEA模型的循环经济效率实证研究[J].西安财经学院学报,2008,11(6):25-26.

[6]郑佩娜,陈海波,陈新庚.基于DEA模型的区域削减指标分配研究[J].环境工程学报,2007,(11):133-134.

[7]杨春梅,吴云凤.基于DEA的环保投入效率研究[D].暨南大学硕士学位论文.2007:3-6.

[8]国务院.中国节能减排综合性工作方案[M].北京:北京人民出版社,2007.

[9]国务院.国务院关于“十一五”期间全国主要污染物排放总量控制计划的批复(国〔2006〕70号),http://www.sepa.gov.cn/law/fg/gwyw/200611/t20061117_96183.htm.2006211220

[10]中国统计局.中国能源统计年鉴2008.北京:中国统计出版社,2008.

[11]中国统计局.中国统计年鉴2008[M].北京:中国统计出版社,2008.

[12]宋马林,杨杰,孙欣.国内各地区节能减排评价研究[J].资源开发与市场,2008,24(1):31-33.

[13]A Azadeh,M SAmalnick,S F Ghaderi,SM.Asadzadeh.An Integrated DEA PCA Numerical TaxonomyApproach for Energy Efciency Assessment and Consumption Optimization in Energy IntensiveManufacturing Sectors[J].Energy Policy,2007:3792-3806.

[14]袁晓玲,张宝山,张小妮.基于超效率DEA的城市效率演变特征[J].城市发展研究,2008,(16):103-104.

[15]龙如银,李仲贵.基于SE-DEA的中国省域技术创新效率评价[J].科技管理研究,2009,(1):73-74.

[16]柯健,李超.基于DEA聚类分析的中国各地区资源环境与经济协调发展研究[J].中国软科学,2005,(2):144-146.

AbstractA model for energy saving and emission reduction efficiency indices was established by using data envelopment analysis(DEA).By comparing the potential scales,it selected Chinese regions as the basic unit of appraisement.It also classified the indicators and drew out appraisal indicator system concerning the practice of both China and foreign countries.The utilization efficiencyof energy and water resource and emission efficiency ofmain pollutants such aswastewater and SO2for 31 provinces,municipalities and autonomous regions in China for the year of 2007 were comprehensively analyzed.The analytical results show that the effciency of energy Saving and emission reduction are relatively low,the potentials are great.

Key wordsDEA;energy saving and emission reduction;efficienly analysis

Study on Efficiency of Energy Saving and Em ission Reduction by Region Based DEA M odel

YU Peng-fei1L I Yue1GAO Yi-xue2XIM in1KONG Fan-long1
(1.School of Chemistry and Chemical Engineering and the Environment,Qingdao University,Qingdao Shandong 266071,China;
2.Environmental Protection Agency ofLinmu,Linyi Shandong 276700,China)

X321

A

1002-2104(2010)03专-0039-04

2010-01-13

于鹏飞,硕士生,研究方向为环境规划与管理。