绿色低碳视角下我国区域建筑业生产效率及演变趋势分析

●陆菊春 钟 珍 贾倩倩

(1,2,3 武汉大学经济与管理学院 武汉 430072)

绿色低碳视角下我国区域建筑业生产效率及演变趋势分析

●陆菊春1钟 珍2贾倩倩3

(1,2,3 武汉大学经济与管理学院 武汉 430072)

本文以2005—2014年中国30个省份(不含西藏和港澳台地区)建筑业面板数据为基础，使用非期望产出的SBM模型测算绿色低碳视角下各省份的建筑业生产效率，用TOPSIS方法得到研究期间各省市建筑业生产效率的综合值，并利用Hurst指数分析效率的演变趋势。结果表明：①碳排放强度无效率水平在东中西部三大地区均为第一位，其次是投入无效率水平。东中西部地区对投入无效率贡献最大的分别为能源消耗量、动力装备率和技术装备率。②时间维度的综合效率评价结果显示，天津市综合效率最高，河北省最低；从地区分布看，东部地区综合效率值最高，其次为中部和西部地区。③全国76%以上地区建筑业生产效率的演变具有较强的长期持续性。湖北、新疆地区的效率变化处于无序状态，甘肃地区未来效率变化表现出较弱的反持续性。

建筑业 生产效率 SBM模型 Hurst指数

1.引言

建筑业既是我国国民经济支柱产业，也是高能耗、高排放行业，在建筑业生产效率不断提高的同时如何达到碳减排目标值得我们进一步关注。建筑业的低碳发展是经济效益与环境效益的综合体现，如何高效整合建筑业资源，在提供更低能耗、低排放、低污染产品的同时提高盈利能力，抢占市场份额是低碳发展的核心。

与建筑业相关的效率研究涉及不同方面，KM Ngueen(2005)以越南建筑企业的样本为基础，使用参数与非参数方法测算企业效率，两种模型所得结果一致表明国有建筑企业的效率更高。M EL-Mashaleh(2001)等人则通过企业样本检验发现资源分配不均现象的存在使得建筑企业效率与行业效率并不能相互替代。戴永安(2010)等人结合DEA模型和Tobit方法，在测算建筑业效率的基础上结合效率的影响因素进行回归分析。张智慧(2011)采用DEA方法测算了中国建筑业的生产效率，与戴永安等人的区别在于指标的处理方式，该文使用了分组筛选和主成分分析法选择投入产出指标，并证明了两种处理方法对于提高评价精度的有用性。Hu和Wang(2006)提出全要素能源效率的内涵，该指标由于其所涉及影响因素的全面性而得到广泛使用，如冯博(2014)等人将建筑业碳排放纳入全要素能源效率的评价框架，在面板数据的基础上利用DEA模型测算建筑业能源效率。王雪青(2012)采用Tobit模型对建筑业能源效率研究进行了影响因素分析，结果表明产业发展程度、能源消费结构、产业集中度等因素显著影响省际能源效率。

考虑非期望产出的效率问题研究相对薄弱，Hua(2007)等人以造纸行业为例提出了一种同时考虑非期望产出和非自由裁量投入的DEA模型来解决生态效率的测量问题，Wang(2013)为解决环境技术的异质性问题将Meta-frontier加入DEA模型测算能源效率，罗良清(2016)等则借鉴Meta frontier-DEA模型对中国省市地区的经济与环境平衡问题进行了研究。刘睿劼(2014)等人通过在超效率DEA模型中引入环境约束变量对建筑业效率评价方法进行了改进。陆菊春(2015)等利用DEA模型测算各省建筑业的低碳行为的效率，葛振波(2010)等人则在确定建筑业生态效率概念的基础上使用CCR模型测算了全国31个省市的建筑业生态效率。

从以上分析可以看出，考虑环境影响因素的建筑业生产效率问题还有待完善。本文使用了Tone所提出的包含非期望产出的SBM模型计算建筑业生产效率，相比于传统的DEA模型考虑了投入产出的松弛性，其效率值更符合实际，精确性更高。内容上以区域建筑业面板数据为基础，在绿色低碳视角下考虑环境变量的建筑业生产效率，拓展建筑业效率的研究内容，并通过计算Hurst指数揭示各省市建筑业生产效率变化的演变规律。

2.低碳视角下建筑业生产效率的评价模型及变量选择

本文的研究思路如图1所示，以SBM模型计算各年建筑业的生产效率并进行无效率来源分解，同时利用TOPSIS方法和Hurst指数对所得的时间序列数据进行综合分析，得到综合效率值和效率演变趋势。

图1 研究思路

2.1 投入产出指标(如表1所示)

将建筑业的生产要素分为经济投入和环境投入，经济投入即指代建筑业必需的生产要素，包括资本、人力、技术、动力四个方面，结合建筑业统计年鉴中生产条件的数据统计我们选择了建筑企业资产、从业人数、技术装备率、动力装备率四个投入指标。环境投入我们结合建筑业生产的具体情况，选择了以标准煤所示的能源消耗量。产出指标包括经济产出和环境产出，经济产出为建筑业产值和产值利润率，产值一定程度上代表了建筑业的规模与市场占有率，产值利润率可衡量建筑业的盈利能力。环境产出表现为碳排放强度，即建筑业单位产值的碳排放量，碳排放强度越低，环境效益越高。

表1 绿色低碳视角下的建筑业生产效率的投入产出指标

2.2 包含非期望产出的SBM模型

在建筑业生产过程中可能会带来好的产出，如产值的增加等，也可能带来差的产出，比如大量二氧化碳的排放等。因此在衡量建筑业生产效率时要结合经济指标和环境指标，这里就涉及非期望产出的问题。而传统的径向DEA模型无法考虑“松弛变量”对效率值的影响，也没有考虑同时使期望产出增加、非期望产出减少的技术变化，以此度量的效率值是不准确或有偏的。为了解决这一问题，Tone提出了基于投入、产出松弛变量的SBM环境效率评价模型，在考虑非期望产出时可以更有效地对效率进行评价，参见文献18。

p={)x,yg,yb(|x≥Xλ,yg≤Ygλ,yb≥Ybλ,λ≥0}

(1)

式(1)中，λ∈Rn为权重向量。

(2)

投入无效率：

(3)

期望产出无效率：

(4)

非期望产出无效率：

(5)

2.3 TOPSIS方法测算建筑业的综合效率

TOPSIS方法是多目标评价方法的一种，以贴近度为评价指标决定多个评价对象的优劣排序。通过SBM模型我们可以计算出各省份各年度的生产效率值，如果将每个省份视为评价对象，将每年度的效率值视为评价对象的各个指标，则可适用TOPSIS方法评价综合效率。由于TOPSIS方法中计算到正负理想解的距离时实际上采用的是欧氏距离的计算方法，而欧式距离计算对高维度数据会存在一定程度的失真，在对效率进行综合评价时我们仅选择2010—2014年五年的效率值。计算过程如下：

(1)求出正负理想解

(6)

(2)求出各评价单元到正理想解和负理想解的距离

(7)

其中i表示第i个省份，j是年份变量，L+是评价单元与正理想解的距离，L-是评价单元与负理想解的距离。

(3)计算理想解贴近度Ci

(8)

理想解贴近度是各评价单元与理想解之间的相对距离的量化值，其大小对应评价单元的优劣。

2.4 Hurst指数分析建筑业生产效率的演变趋势

Hurst指数可用来判断时间序列数据是否是随机游走过程，一般采用重标极差(R/S)分析方法进行计算。利用建筑业生产效率值计算Hurst指数过程如下：

(1)将某一省份效率值时间序列分为A个长度为n的等长子区间，计算第a个区间内第t个年份的累积离差Xt,a，Ma为第a个区间内效率值x的平均值。

(9)

(2)计算极差Ra

Ra=max(Xt,a)-min(Xt,a)

(10)

(3)计算A个区间R/S值的平均值

(11)

(4)计算所得的R/S值可与Hurst指数建立如下关系

(R/S)n=KnH

(12)

取对数可得

log((R/S)n)=log(K)+Hlog(n)

(13)

由于子区间长度n是可变的，通过改变n的取值得到一组R/S值，利用最小二乘法回归即可计算出H的近似值。

若H>0.5，则序列是随机游走的，彼此之间不存在依赖关系；若0.5

3.实证分析

3.1 数据来源

本文选取的是2005—2014年全国30个省(直辖市、自治区)的面板数据，其投入产出指标的原始数据主要来自于《中国建筑业统计年鉴》和《中国能源统计年鉴》。

建筑业碳排放量根据相关数据计算获得，参见文献6，相关指标的描述性统计值如表2所示。

表2 指标描述性统计值

3.2 各年生产效率评价

通过SBM模型计算所得的各地区2005—2014年建筑业生产效率评价值，如表3所示。

表3 低碳视角下的各地区建筑业生产效率值

分东中西部地区分别计算各年的效率均值，通过图2中曲线的比较可知东部地区的建筑业生产效率要明显高于全国平均水平，中部地区和西部都在全国平均水平之下。从趋势上看，全国建筑业生产效率平均水平是逐步上升，而东部地区的效率表现一直较为稳定，平均值在0.8以上，中部地区和西部地区的效率均值随时间逐步提高，至2014年中部地区已基本与东部地区持平。

图2 全国及东中西部地区建筑业平均生产效率的变化趋势

通过绘制雷达图，我们可以较为清楚地看到建筑业生产效率的变化情况(如图3至图6所示)。对比2005年，2009年，2012年，以及2014年雷达图，发现各省市建筑业生产效率整体有所提高，雷达图曲线有外扩的趋势，同时地区分布更为均衡，与2005年相比，2014年雷达图的曲线相对平滑。分地区来看，东部地区大部分省份的效率变化都比较稳定，且一直保持在一个较高的水平，唯独河北省和福建省的效率在东部地区中相对偏低，尤其河北省的效率变化幅度较大，表现不稳定。中部地区整体起伏较大，山西省的建筑业生产效率从2005年到2008年有所下降，与之相反的是黑龙江省与吉林省的生产效率从2005年到2009年大幅上升。中部地区大部分省份的生产效率至2012年已基本保持在0.8左右，变化趋势趋于稳定。西部地区各省份的效率演变趋势与中部地区类似，由剧烈波动逐步趋于稳定，并随时间推移有所提高。其中青海省建筑业生产效率从2005年到2009年上升明显。

图3 2005年建筑业生产效率

图4 2009年建筑业生产效率

图5 2012年建筑业生产效率

图6 2014年建筑业生产效率

为了探讨不同地区建筑业生产效率的差异来源，我们根据投入指标的选择将投入无效率(IEx)分解为资本投入无效率(IEC)，劳动力投入无效率(IEL)，技术投入无效率(IET)，动力投入无效率(IEP)以及能源使用无效率(IEE)四个部分，期望产出无效率(IEG)可分解为产值无效率(IEV)，获利无效率(IEr)两个部分，非期望产出无效率即碳排放强度无效率(IEb)。结果如表4所示，以下计算数据均为区域均值。

表4 2005—2014年中国各区域建筑业生产无效率来源分解

从地区分布来看，东部地区无论是投入无效率还是产出无效率都远远低于中西部地区，三大区域一致表现为碳排放强度无效率水平最高，期望产出无效率水平最低，投入无效率水平居中。从来源分解来看，技术装备率，动力装备率以及能源消耗量对投入无效率的贡献在东中西部三大地区中均为前三位，东部地区能源消耗量的贡献最大，贡献率达30%，中西部地区动力装备率与技术装备率的贡献最大，达到29%。东西部地区劳动力对投入无效率的贡献最小，贡献率仅为8.7%和8.3%，而中部地区对投入无效率贡献最小的是建筑企业资产，贡献率为6.8%。期望产出的分解表明，三大地区的产出无效率均来自于产值利润率。

根据无效率来源的分解可知，目前各个地区建筑业投入无效率的主要因素是能源和动力投入的冗余以及技术动力投资的低效。而产出中碳排放强度的无效率水平最高。这无疑反映出长期以来我国建筑业发展存在的粗放、低效问题。建筑业是高能耗行业，庞大的能源投入一定程度上透支了资源环境的承载力，使得单位产值所带来的碳排放量过高，造成经济上的产出过多地牺牲了环境效益，同时技术和动力投入的产出效率较低，与理想产出水平不匹配，最终导致效率值无法达到有效水平。随着新型城镇化建设的发展，未来建筑业除了面临巨大的市场需求所带来的机遇，同时也面临着低碳节能发展的挑战。更高质量的城镇化建设使得节能环保和绿色建筑的呼声日益高涨，建筑业的绿色建造能力将成为未来建筑业核心竞争力的重要组成部分。期望产出无效率来源的主要贡献是产值利润率，说明在一定规模的投入要素情况下，与生产前沿面相比，评价单元建筑业企业的盈利能力应该还存在较大的改进空间，除增加产值，扩大规模之外，资本增值能力的提高是未来企业持续稳定经营与发展的重要条件，也是生产效率达到有效水平的必要途径。

3.3 综合效率评价

利用TOPSIS方法可以计算得到2010—2014年建筑业生产效率的综合值，为了进行对比，我们同样利用SBM模型计算了不考虑环境因素的建筑业效率值(去除环境投入与环境产出)，并得到了综合效率，结果如表5所示。

表5 各地区建筑业生产效率的综合值排名

根据综合效率值绘制条形图(如图7所示)，可以直观地比较各省市建筑业生产效率综合值的差异，北京、天津、黑龙江、辽宁、江苏为综合效率排名前五的省份，表明在2010—2014年建筑业生产效率相对稳定在较高的水平。综合效率最低的五个省市分别为河北、贵州、广西、山西、四川。分别计算东中西部的综合效率平均值为0.789、0.746和0.617。因此，从综合效率来看东部>中部>西部。

图7 各地区建筑业生产效率的综合值

对比前后两种效率值排名，从表中结果可知，天津、贵州的效率排名没有变化，考虑环境因素后吉林、福建、海南、四川、新疆五个省份的效率排名分别下降9，10，13，13，12位，属于下跌幅度较大的省份。相反，江苏、河南、黑龙江、云南、青海省的生产效率排名相对于不考虑环境因素的效率排名有大幅度提高。

3.4 各地区建筑业生产效率的演变趋势

根据Hurst指数的计算公式所得结果如表6所示。所有地区均通过了显著性检验且有较高的拟合度。均值计算结果为0.725，有15个省份超过了平均水平。我们按照Hurst指数大小将地区分为四类：H值在0.8～1的为强持续性地区，包括北京、天津、江苏、江西、浙江、贵州、海南、青海，这些地区生产效率的增长趋势具有很强的持续性。H值在0.65～0.8的为较强持续性地区，包括河北、山西、内蒙古、辽宁、吉林等15个省份，H值在0.5～0.65的为弱持续性地区，包括广东、山东、湖北、云南等6个省份，30个地区中达到较强持续性状态的占比76%，说明我国大部分地区的建筑业生产效率值所组成的时间序列数据具有长期相关性，而不是随机序列，整体呈现出持续性，即这些地区的建筑业生产效率未来的变化趋势与过去正相关。Hurst指数越大，相关性越强。甘肃省的Hurst指数为0.491，已经略低于0.5，表明其未来效率的变化可能出现反持续性，也就是与过去变化相反，意味着效率存在降低的可能性。湖北、新疆、云南等弱持续性地区，环境效率的变化接近无序状态，其未来的变化趋势并不稳定，建筑业生产效率的增长趋势可持续性较弱。

表6 各地区建筑业生产效率的Hurst指数

4.结论与建议

在绿色低碳视角下本文利用含非期望产出的SBM模型对全国30个省市建筑业生产效率进行了测算，并采用TOPSIS方法计算了综合效率，得出以下结论：

(1)东部地区的综合效率最高，中部地区其次，西部地区综合效率最低，从时间维度上来看，东部地区效率变化最为稳定，且一直保持较高水平，中部和西部地区的效率随时间推移有所提高。全国整体效率保持上升趋势。

(2)通过效率分解可知技术装备率，动力装备率以及能源消耗量对投入无效率的贡献在东中西部三大地区中均超过了20%。中西部地区投入无效率的主要来源为动力装备率与技术装备率，东部地区为能源消耗量。从产出无效率的角度来看，碳排放强度无效率水平在东中西部地区均为最高，期望产出中无效率的主要贡献来源为产值利润率。

(4)Hurst指数表明全国76%以上地区的建筑业生产效率的趋势变化具有较强的长期持续性，值得关注的是甘肃省的Hurst值为0.491，很可能出现反持续性，因此甘肃省未来效率的变化存在与过去趋势相反的风险，建筑业的生产效率可能会降低。另外湖北、新疆的Hurst值仅略大于0.5，因此，其未来的变化趋势基本处在无序之中，稳定性较差。

因此未来我国建筑业生产效率的提高要从经济和环境两方面着手：经济上应当以提高获利能力为核心，而不是一味地扩大规模，增加产值。资本增值能力的提高是未来企业持续稳定经营与发展的重要条件。建筑业的碳减排任务依旧严峻，发展绿色建筑业必须积极推广应用新型和可再生能源，提高土地利用的集约和节约程度，提高污水再生利用率，积极采用新型建筑体系，推广应用高性能、低能耗、可再生循环利用的建筑材料，做到“节能、节地、节水、节材”，实现人、建筑与环境的和谐共处、永续发展。

[1]戴永安，陈才.中国省际建筑业效率差异及其影响因素研究[J].中国软科学，2010(1).

[2]冯博，王雪青，刘炳胜.考虑碳排放的中国建筑业能源效率省际差异分析[J].资源科学，2014，36(6).

[3]葛振波，张晋波，李德智，等.基于DEA的我国建筑业生态效率评价[J].青岛理工大学学报，2010，31(5).

[4]寇纲，娄春伟，彭怡，等.基于时序多目标方法的主权信用违约风险研究[J].管理科学学报，2012，15(4).

[5]陆菊春，张瑞雪，胡凯.我国建筑业低碳行为的效率分析[J].武汉大学学报(工学版)，2015，48(6).

[6]陆菊春，钟珍，黄晓晓.我国建筑业碳排放效率评价及区域差异比较[J].珞珈管理评论，2016，11(1).

[7]罗良清，胡晓琳.中国省域环境保护与经济发展双赢平衡研究——基于环境效率视角[J].科技进步与对策，2016(2).

[8]刘睿劼，张智慧.环境约束下的中国内地建筑业效率地区差异评价[J].清华大学学报(自然科学版)，2014(8).

[9]李双杰，范超.随机前沿分析与数据包络分析方法的评析与比较[J].统计与决策，2009(7).

[10]田伟，杨璐嘉，姜静.低碳视角下中国农业环境效率的测算与分析——基于非期望产出的SBM模型[J].中国农村观察，2014(5).

[11]王雪青，娄香珍，杨秋波.中国建筑业能源效率省际差异及其影响因素分析[J]. 中国人口·资源与环境，2012，22(2).

[12]张智慧，刘睿劼.基于DEA方法的建筑业效率评价实证研究[J].工程管理学报，2011，25(3).

[13]张子龙，刘竹，陈兴鹏，等.基于R/S的中国碳排放演变趋势及其空间差异分析[J]. 经济地理，2013，33(8).

[14]El-Mashaleh，M.，’Brien，W.J.O.，London，K. Envelopment methodology to measure and compare subcontractor productivity at the firm level[C].InternationalGrouponLeanConstructionCongress，2001.

[15]Nguyen，K.M.，Giang，T.L..Efficiency of construction firms in Vietnam[J].MpraPaper，2005(5).

[16]Hua，Z.，Bian，Y.，Liang，L. Eco-efficiency analysis of paper mills along the Huai River: an extended DEA approach[J].Omega，2007，35(5).

[17]Hu，J.L.，Wang，S.C.Total factor energy efficiency of regions in China[J].EnergyPolicy，2006，34(17).

[18]Tone，K. Dealing with undesirable outputs in DEA :A slacks-based measure (SBM) approach(DEA(1))[J]. 日本オペレーションズ·リサーチ学会春季研究発表会アブストラクト集，2004.

[19]Wang，Q.，Zhao，Z.，Zhou，P.，et al. Energy efficiency and production technology heterogeneity in China: A meta-frontier DEA approach[J].EconomicModelling，2013，35(5).

AnalysisonConstructionIndustry’sEfficiencyinChinafromtheGreenLow-carbonPerspective

Lu Juchun1Zhong Zhen2Jia Qianqian3

(1,2,3 Economics and Management School of Wuhan University，Wuhan，430072)

This passage used SBM model to calculate the efficiency of construction industry in different provinces. TOPSIS method was also used to calculate comprehensive efficiency. We also analyzed evolution trend by Hurst exponent. From these study，we get three conclusions: The level of carbon emission inefficiency is the first in the eastern，middle and western regions，followed by the level of ineffective investment，and the level of output inefficiency is the last.Energy consumption，power equipment rate and technology equipment rate is the largest contribution to investment inefficiency respectively in the eastern，middle and western regions.According to the results of the comprehensive evaluation from time dimension，the comprehensive efficiency of Tianjin is the highest and the comprehensive efficiency in Hebei province is the lowest. In the respect of regional distribution,the comprehensive efficiency of the eastern region is the highest，followed by the central region，and the western region is the lowest.As for the evolution trend，the efficiency of construction industry in more than 76% of the country has a strong long-term sustainability. The change of the efficiency is in disorder in Hubei and Xinjiang province.The future efficiency change of Gansu province shows a weak anti sustainability.

Construction industry; Production efficiency;SBM model;Hurst exponent

国家社会科学基金资助项目“中国建筑业低碳竞争力评价及低碳发展机制研究”(11BJY051)。

钟珍，E-mail826277409@qq.com。

F426

A

专业主编：许明辉