海洋经济生产效率、环境治理效率和综合效率的评估

丁黎黎，郑海红，刘新民

(1.中国海洋大学经济学院,山东　青岛　266100;2.山东科技大学经济管理学院,山东　青岛　266590)

目前对经济增长效率的研究多采用径向的、角度的DEA及其扩展模型、DEA-Malmquist指数等或者是非径向、非角度的SBM模型[1-10]。随着人们环保意识的增强、国家对绿色经济的倡导，相关学者逐步将研究转向环境约束下的经济效率、绿色经济或生态效率等。Ding等[11]运用改进的三阶段DEA模型测度了包含资源投入和环境产出的海洋经济绿色效率，而后剥离了外部环境因素分析海洋经济绿色效率的变化，研究表明：在剥离了外部环境因素影响后，海洋产业绿色效率、效率变化及技术变化率均低于调整前，且技术效率恶化是制约海洋产业绿色效率提升的主要原因。章贵军等[12]利用结合环境管理策略的径向DEA模型对中国30个省份的效率进行评价，研究表明东部地区的经济效率和环境效率明显高于中部和西部，且不同地区的经济效率和环境效率受“十五规划”“十一五规划”的影响不同。赵昕等[13]利用SBM模型对沿海11省市的海洋经济绿色效率进行测度，并借助空间面板模型从空间溢出和空间相关性两个方面对影响其效率的因素进行了分析，研究表明海洋经济效率存在明显的空间溢出效应。丁黎黎等[14]利用DEA-Malmquist指数测算了资源环境双重因素下沿海11地区的海洋经济绿色全要素生产率，研究表明技术进步是海洋经济绿色全要素生产率增长的主要源泉。Suzuki等[15]利用改进的DEA模型对欧盟、亚太经合组织和东盟国家的能源、经济和环境效率分别进行了评价。

通过以上文献可以看出，目前对环境约束下的经济效率评价方法主要使用SBM模型以及DEA-M指数或ML生产率指数模型，由于SBM模型不能很好地处理投入产出指标的非正值，需要对其进行转化，进而使得效率的评价存在偏差，且对效率同为1的决策单元无法进行排序，而处理含有非期望产出的评价体系时多采用的是ML指数而非Malmquist生产率指数。然而，无论是使用SBM模型还是ML指数，都将海洋经济评价的过程看成是“黑箱子”，并没有揭示经济增长过程中不同部分的效率。为了打开效率评价中的“黑箱子”，Färe等[16]提出了网络DEA模型，从而对决策单元整体和各部分的相对有效性进行评价。然而当多个决策单元的效率为1时，网络DEA模型却不能对效率同为1的决策单元进行评价。针对此问题，Sexton等[17]和Doyle等[18]提出了交叉效率模型，包括“激进型交叉效率模型”“仁慈型交叉效率模型”，但是由于两种模型的结果存在差异，学者在使用以上两个模型时选择较为困难。之后，Andersen等[19]提出了超效率DEA模型，旨在区分前沿面上有效的决策单元。但是，在超效率DEA模型中对不同决策单元进行效率评价时的参考集是不同的，故而可能会出现不合理的结果。Cooper 等[20]提出的RAM(Range Adjusted Measure)模型不仅保持了SBM 模型的非径向和非角度的优势，而且能够解决投入产出中非正值的问题。王兵等[21]对中国区域工业效率的评价，建立网络RAM模型，给出了工业过程中的不同组成部分效率值。但这些文献并没有给出较好的方案，来解决效率评估为1的决策单元排序问题。

1　研究方法

1.1　网络RAM模型

传统的DEA网络模型要求投入、产出同比例变化，并需要选择投入、产出的角度，而网络RAM模型避免了以上问题，从而使效率的计算更加合理，更贴合现实。经非期望产出考虑进RAM模型之后，在Maruyama(2009)RAM网络DEA模型的基础上建立如下网络RAM模型：

(1)

(2)

(3)

(4)

1.2　虚拟生产前沿的网络RAM模型

运用网络RAM模型进行效率计算时，由于生产前沿面是由被评价决策单元构成，所以在进行效率评价时，可能会出现多个效率为1的决策单元。为了更好地区分前沿面上有效的决策单元，基于虚拟生产前沿的DEA模型[22]，本文构建了虚拟生产前沿的网络RAM模型，其数学公式如下：

(5)

(6)

(7)

在式(6)中，ωk是第k个子生产单元的权重，为了避免选择ωk的主观性，本文参考王兵等[21]的做法，选用污染物的综合排放率作为环境治理阶段的权重，其余则为生产阶段的权重。对于公式(5)，其目标函数的值越大，则说明所求决策单元的效率水平越低，故其无效率值可以分解为：

(8)

(9)

非期望产出无效率：

(10)

通过公式(8)～(10)可以对无效率的来源进行分析，进而提出针对性的政策建议。

2　变量选择与数据说明

为了打开海洋经济效率评价中的“黑箱子”，本文将海洋经济的发展分为生产阶段和环境治理阶段(见图1)。生产阶段的投入要素主要包含资本、劳动，产生的最终期望产出是海洋生产总值(GOP)，中间产出是沿海地区工业废水和固体废弃物的排放总量；在环境治理阶段的投入是环境治理投资，而最终的非期望产出是经过环境治理后达标的废水和综合利用的固体废弃物。考虑到决策单元数与投入产出指标个数的关系，本文利用丁黎黎等[14]的做法，使用改进的熵值法，将沿海地区排放的工业废水和固体废弃物总量、达标的废水和综合利用的固体废弃物以及治理废水和固体废弃物的投资额处理成相应的综合指数。

图1　海洋经济的发展过程

本文对2002—2014年沿海11地区海洋经济发展的生产效率、环境治理效率和综合效率进行了测度,具体投入产出指标见表1。

生产阶段的指标如下：

(1)投入指标。参考相关文献[13-14]，选取海洋经济资本存量、涉海就业人员分别作为资本、劳动的量化指标。对于资本的投入，本文选用的是海洋经济资本存量，其具体计算过程借鉴何广顺等人[24]对海洋经济资本存量的估算公式：

海洋经济资本存量=(沿海地区GOP/沿海地区GDP)×沿海地区资本存量

表1　海洋经济发展中效率评价的指标体系

折旧率按照10.96%并以2001年沿海地区全社会固定资产投资价格指数为基础，结合2001年沿海地区全社会固定资产，求得基期2001年沿海地区资本存量现价，及以2001年为基期的2002—2014年沿海地区可比价资本存量。为了消除价格等因素的影响作用，在对资本存量进行修正时使用的是海洋生产总值和沿海地区生产总值的可比价数据。对于涉海人员的投入，由于2002—2005年《中国海洋统计年鉴》中并没有对该数据统计，而是统计了主要海洋产业的涉海人员数，为了避免因数据统计口径不同而出现的生产率在时间趋势上的误差，本文采用了张军[25]对缺失数据的处理方法，用沿海各省份的时间趋势(为消除异方差，取对数)对2001年和2005—2014年各地区涉海人员(同样取对数)进行OLS回归，进而得出各地区2002—2004年涉海就业人员。

(2)产出指标。期望产出即反映该地区在一定时期内通过生产经济或服务活动而产生的为社会和当地居民带来收益的产出，本文选择沿海地区的海洋生产总值(GOP)。为与资本存量保持一致，以2001年的不变价格折算。

(3)中间产出。由于沿海工业排放的废水、固体废弃物等多是直接排放到近海中，对海水造成直接经济污染，而废气对海水的污染不易测度，考虑到数据可获得性，本文选取沿海工业的废水和固体废弃物排放总量作为生产阶段的中间产物。

对于生产阶段的各指标，GOP来源于《中国海洋统计年鉴》(2003—2015)，涉海就业人员来源于《中国统计年鉴》(2006—2015)；对于沿海工业废水和固体废弃物排放总量，在《中国海洋统计年鉴》等海洋经济统计资料中并未进行详细记录，故此数据主要来源于《中国统计年鉴》(2003—2015)和《中国环境统计年鉴》(2003—2015)。由于本文的研究对象为海洋经济，故选用沿海地区GOP/沿海地区GDP对以上数据进行修正，即沿海工业废水/固体废弃物排放总量×该地区GOP/该地区GDP作为本文对中间产物的最终量化指标。

环境治理阶段的指标如下：

(1)环境治理投资。本文选用沿海地区工业环境污染治理废水和固体废弃物的投资完成额作为环境治理投资的量化指标，选用治理污染当年完成的投资作为当期的投资指标，并利用固定资产投资价格指数，以2001年为基期进行平减。

(2)期望产出。由于中间产物是沿海工业排放的废水和固体废弃物总量，且在治理阶段的投入为废水和固体废弃物的治理总额，本文选取经治理后的废水达标量和固体废弃物综合利用量作为期望产出。此外，考虑到海洋经济的独特性，沿海地区的近海水质也是反应环境治理的重要指标，故本文中选用沿海地区近海一类水质和二类水质所占的比例之和也作为环境治理阶段的期望产出之一。

近海一类水质和二类水质来源于《中国近岸海域环境质量公报》(2003—2015)；环境治理投资和废水/固体废弃物达标量来源于《中国统计年鉴》(2003—2015)和《中国环境统计年鉴》(2003—2015)，并选用沿海地区GOP/沿海地区GDP对环境治理投资和废水/固体废弃物达标量进行修正，修正后的数据为最终处理数据。由于被评价决策单元为沿海11地区，为了减少评价指标的个数，本文选用熵值法求出沿海地区废水排放总量和固体废弃物排放总量的权重，进而构建了环境污染综合指数，对废水达标量和固体废弃物综合利用量、废水治理投资和固体废弃物治理投资用同样的方法进行处理。

3　计算结果与分析

3.1　各效率分析

(1)区域角度分析。从表2可以看出，在区域层面上，2001—2014年，上海的平均生产效率最高，为0.8062，这也充分说明了上海海洋经济的发展速度，尽管上海的海洋经济起步较晚，但是其发展速度却不容小觑。但是快速增长的经济背后却也带来了环境危机，上海的环境治理效率为0.5573，处于中等水平，通过对上海水质的分析发现，其近岸水质较差，2002—2007年、2010年、2012年和2014年的上海均无一类水质和二类水质出现。此外，天津、河北、福建等地也存在同样问题，生产效率较高，而环境治理效率较低，

表2　2002—2014年沿海地区各效率值

说明海洋经济发展中环境的保护和治理有待加强，不要只顾经济的发展而忽视了经济发展的可持续性。江苏的生产效率最低，为0.6213，这与江苏的海洋产业结构密切相关，此外，江苏的环境治理效率并不低，为0.6536，仅次于海南和广西。海南的环境治理效率较高，但生产效率相对偏低，滨海旅游业是海南的支柱产业，进而决定了海南对环境治理和环境保护的重视。根据各地区的地理位置以及中国海洋统计年鉴中的划分，环渤海地区包括辽宁、山东、天津和河北，长三角地区包括浙江、江苏和上海，泛珠三角地区包括福建、两广和海南。从三大区域来看，环渤海地区的环境治理效率最低，泛珠三角地区的环境治理效率最高，环渤海地区的河北、辽宁均属于重工业基地，而泛珠三角地区的海南、广西等以滨海旅游业为主要海洋产业。

(2)时间角度分析。从图2中可以看出，2002—2014年，海洋经济的生产效率和综合效率比较稳定，而环境治理效率的波动比较明显。2007年，中国海洋经济的生产效率、环境治理效率和综合效率达到最高值，2008年初开始出现缓慢下降，之后虽出现缓慢上升，但是仍未达到2007年的效率水平，由此可见，2008年金融危机的出现给中国海洋经济的发展带来明显的负面影响。2004年和2010年，环境治理效率出现明显下降。《2004年中国海洋环境质量公报》显示，近岸海域污染严重，且主要来自陆域污染物直排入海，由黄河、长江、珠江等携带入海污染物总量比2003年大幅增加，赤潮累积发生面积较2003年增加约83%。由此可见，要想有效提高海洋环境的治理效率，首先应从源头治理，降低陆域污染物的排放。2010年环境治理效率出现下降的原因可能是“十一五”规划的实施接近尾声，政府对环境治理的管理出现放松，使得海洋经济的环境治理效率出现下降。此外，2003年《全国海洋经济发展规划纲要》的实施和“十一五”(2006—2010)、“十二五”(2011—2015)规划的提出都对海洋经济的环境治理效率带来正面影响。2003年、2006年和2011年，海洋经济的环境治理效率均出现明显上升。

图2　2002—2014年沿海地区各效率值变化趋势

3.2　无效率来源分析

(1)区域角度分析。从表3可以看出，除山东、广西、海南外，其余地区的无效率来源主要是环境治理阶段的产出，进而说明多数地区偏低的环境治理效率是综合效率偏低的主要来源。山东的无效率来源主要来自生产阶段和环境治理阶段的投入冗余，从投入产出可以看出，山东的最终达标环境综合指数和近岸水质以及GOP并不逊色于大多数地区，但是其投入要素却要高于多数地区，正是由于过多的投入，进而拉低了山东的综合效率。对于广西、海南，其无效率主要来自第一阶段的产出不足，当地的海洋产业结构决定了海洋经济的发展水平，在未来的发展中，海南和广西应积极引进新型海洋产业结构，使海洋经济朝多样化发展，进而提高海洋经济的发展水平。对三大地区而言，环境治理阶段产出不足是拉低综合效率的主要因素。长三角地区尤其明显，此外，长三角地区还面临着生产阶段的投入冗余，故而在未来的发展中，对固定资产和人力资源的合理配置也是长三角地区关注的重点。

(2)时间角度分析。2002—2014年导致中国海洋经济综合效率偏低的主要来源是环境治理阶段的产出不足，通过对达标综合指数和近岸水质状况的无效率值的分析，发现近岸水质偏低是导致海洋经济环境治理效率偏低的主要因素，据《中国海洋环境质量公报》统计，中国近岸海域水质总体一般，主要超标因子为无机氮和活性磷酸盐，而这两种污染物主要来自陆域污染，环境治理一直是中国经济发展中需要重点关注的问题。除了海洋产业产生的污染物外，由内陆地区产生的污染物直排入海等也是需要重点控制的污染源。此外，生产阶段的投入冗余也是导致中国海洋经济综合效率偏低的重要来源，资本和劳动资源的合理配置也是未来海洋经济发展中需要重点关注的问题。

表3　沿海地区无效率来源

注：IEx1、IEy1、IEx2、IEy2分别为第一阶段投入无效率、第一阶段产出无效率、第二阶段投入无效率、第二阶段产出无效率。

4　海洋经济综合效率影响因素分析

4.1　变量选择与数据说明

目前尚未形成对海洋经济效率影响因素统一分析的框架，丁黎黎等[13]从海洋经济、政策和陆域污染视角分别选取了绿色海洋经济效率的影响因素，赵昕等[14]不仅从海洋经济的视角出发，选取海洋专业技术水平、海洋产业结构等影响因素，而且根据相关学者对国民经济影响因素的分析，选取沿海地区FDI情况作为影响因素。本文认为海洋经济作为环境依赖性的区域经济，不仅具有海洋经济的区位优势，而且受到陆域经济的影响。此外，政府的监管对海洋经济的效率也有显著作用，故本文分别从以下三个视角确定海洋经济综合效率的影响因素。①陆域经济视角：陆域工业规模(IS)，用沿海地区第二产业产值占沿海地区GDP的比值来衡量。工业是造成沿海地区环境污染的重要来源，此外，近岸水质的污染源大部分来自沿海内陆地区；沿海地区FDI情况，用沿海地区FDI投资与GDP的比值来衡量。不少学者认为FDI是带来环境污染的重要来源，但是FDI也给当地经济发展带来机遇，为此，对FDI的评论褒贬不一，本文将沿海地区FDI情况作为海洋经济综合效率的影响因素，进而探寻其对绿色海洋经济的作用。②海洋经济视角：海洋产业结构(MIS)用第三海洋产业占比进行衡量，海洋第三产业低污染的特征对海洋经济的可持续发展意义重大；港口经济发展(PE)用沿海港口货物吞吐量来衡量，港口经济虽然是海洋经济的重要组成部分，但是在其发展中带来的环境污染也给海洋经济的绿色发展带来了负面影响；海洋专业技术水平(TE)选择每百涉海从业人员中海洋科技活动人员数来衡量，科技进步与创新是海洋经济发展的强大动力，可以在技术效率改善的同时推动海洋经济结构调整，减少污染的排放。③政府监管视角：海洋管理制度(OMI)，由沿海各省市出台的海洋管理制度数衡量，本文查找的海洋管理制度主要涉及海洋环境保护及海洋经济发展相配套的海洋科技的相关政策和条例。

为了消除不同变量的量纲问题及避免异方差性，模型中涉及的变量均进行对数处理。以上所需数据主要来自2002—2015年的《中国统计年鉴》《中国海洋统计年鉴》《海洋公报》及国家海洋局-沿海省市海洋机构网站。

4.2　空间面板回归结果分析

作为区域经济，中国沿海地区海洋经济的综合效率可能会存在空间效应，借鉴Fischer等人[26]对空间面板模型的研究成果，建立关于沿海11地区海洋经济综合效率的空间面板模型：

(11)

式中，CEit表示第i个地区在第t时期的海洋经济综合效率；Xit为控制变量(本文中的影响因素即为控制变量)，表示各地区海洋经济综合效率的影响因素；αi、νi和εi分别为地区效应、时间效应和随机扰动项；ρ和λ分别为空间滞后项系数和空间误差项系数，均用来度量空间效应，ρ反应的是某地区变量变化对其相邻地区的影响程度，λ反应的是相邻地区的变量变化对该地区的影响程度，若ρ=0，则表示该模型为空间误差模型，反之，λ=0为空间滞后模型；Wij为空间权重矩阵，本文采用各省会之间距离的倒数作为空间权重。

首先通过Hausman检验，判定随机效应的空间面板模型更适用于本文海洋经济综合效率影响因素的分析。而在随机效应中，常用的空间模型主要有空间滞后模型(Spatial Lag Model,SLM)和空间误差模型(Spatial Error Model,SEM)。随机效应的空间面板模型对滞后模型和误差模型的选择可借鉴Anselin[27]的经验，通过LM检验比较两个模型的Lagrange乘子(LM值)及稳健Lagrange乘子(Robust-LM值)进而分析模型的适用性。如果空间误差模型的LM值和Robust-LM值比空间滞后模型的LM值和Robust-LM值显著，则选择空间误差模型，反之，选择空间滞后模型。

由表4可以看出，空间滞后模型的LM值通过显著性水平为10%的检验，而空间误差模型的LM值通过了显著性水平为5%的检验。此外空间滞后模型的Robust-LM值的统计值(113.0043)小于空间误差模型的Robust-LM值的统计值(114.3766)，所以，本研究选择空间误差模型的回归结果解释各变量的参数意义。

表4　空间面板模型的LM检验

由表5空间误差随机效应面板模型的回归结果可以看出：①陆域工业规模的参数估计值为-0.46758，并且通过显著性水平为1%的检验，说明陆域工业规模对海洋经济的综合效率具有显著的负向影响。其主要原因在于沿海地区工业发展造成的污染物多数流入海洋，进而导致各沿海地区的近岸水质不容乐观，对近岸海域造成严重影响。②沿海地区FDI情况的参数估计值为-0.015，并没有通过显著性检验，说明沿海地区FDI对海洋经济的综合效率虽然有一定的负向作用，但是并不显著。该指标参数值为负证实了“污染避难所”的假说在沿海地区成立，沿海地区吸引外商投资的过程中带来了一定程度的环境污染；但是参数估计值并没有通过显著性检验，并且参数值较小，也说明了沿海地区在引进外资的过程中越来越注重对外资质量的甄别，在一定程度上遏制了外商投资对海洋环境的破坏。③海洋产业结构的参数估计值为0.02919，并通过显著性水平为10%的检验，说明海洋产业结构对海洋经济综合效率具有正向作用，在这种正向作用的带动下，海洋经济综合效率随第三产业结构的扩张而增长，进而证实了沿海地区海洋产业结构的优化和升级是实现海洋经济可持续发展的正确途径。④港口经济发展水平的参数估计值为0.00002，但并没有通过显著性检验，说明港口经济的发展对环境约束下海洋经济的综合效率具有促进作用，但是并不显著。港口经济的发展虽然带动了沿海地区海洋经济的增长，但是在货物运输过程中给海域环境带来的污染也不容忽视，故而对于环境约束下的海洋经济综合效率、港口经济发展水平的影响作用并不显著。⑤海洋专业技术水平的参数估计值为0.84473，并通过显著性水平为5%的检验，说明海洋专业技术水平对海洋经济的综合效率具有明显的正向作用，且与海洋产业结构、港口经济发展水平等相比影响作用较大，海洋专业技术水平每提高一个单位，海洋经济综合效率会提高0.84个单位。海洋专业技术为海洋经济的可持续发展提供了技术创新，而专业技术水平的提高是带动海洋经济可持续发展的原动力。⑥海洋管理制度的参数估计值为0.04933，且通过显著性水平为1%的检验，进而说明国家政策的大力扶持是海洋经济综合效率得以提升的重要因素。其主要原因是中国海洋经济发展的政策导向型模式，从前文的分析可以看出，作为“十一五”和“十二五”规划的开局之年2006年和2011年，中国海洋经济的治理效率均呈现明显的上升趋势。但是参数估计值较小，说明在政策实施工程中，国家对其监管力度可能较小，控制能力及管理水平有待提高。

表5　空间面板模型回归结果

注：***、**、*分别表示估计值通过显著性水平为1%、5%和10%检验。

5　结论与启示

(1)通过对海洋经济的生产效率、环境治理效率和综合效率的分析可以看出，上海、天津、河北等地的生产效率较高，但是其快速发展的背后却带来了严重的环境危机。说明部分地区海洋经济的发展中存在盲目扩张的“黑色”发展模式，从整体变化趋势可以看出这种现象自2011年后逐步得到改善。泛珠三角地区整体环境治理效率为三大区域中最高，这与广西、海南的海洋产业结构有密切关联，而且该地区的生产效率和综合效率也最高，进而证实了逐步实现海洋产业结构转化是实现海洋经济可持续发展的重要路径。

(2)多数地区的无效率来源是环境治理阶段的产出不足，而水质是无效率来源的重要指标。据《中国海洋环境质量公报》统计，近岸海域水质总体一般，主要超标因子无机氮和活性磷酸盐主要来源于陆域污染的直排入海。对于山东，其投入冗余是无效率的主要来源，当产出与其他地区不相上下时，过多的投入会在一定程度上拉低效率水平，故而合理配置资本、人力的投入是海洋经济发展中需要重点关注的问题。对于广西和海南，其无效率主要来自生产阶段的产出不足，在未来的发展中，海南和广西应积极引进新型海洋产业结构，提高海洋经济的发展水平。

(3)海洋经济的发展存在明显的空间效应(λ=1.75，且通过显著性水平为1%的检验)，故而在海洋经济发展中，沿海省市需要充分考虑相邻地区政策环境、经济发展等对本地区的影响，合理利用其正向作用，规避其不利影响。陆域工业规模和海洋产业结构的影响说明统筹海陆经济协调和海洋产业结构的优化升级是促进海洋经济可持续发展的重要途径。深化陆域经济的产业结构调整，减少陆域产业对海洋环境的破坏，在保持海洋产业“三、二、一”格局的前提下，积极促进新型海洋产业的发展，注重对海洋环境的保护。对外商投资的引进应提高质量水平，防止“高污染、高消耗”的企业入驻，打破“污染避难所”的假说，充分利用外商投资中先进的技术、管理经验和资金等，进而推动海洋经济可持续发展。此外，在港口经济的发展中应注意对海洋环境的保护，减少船舶运输过程中污染物的直排入海量等。海洋专业技术水平的提高和对相关政策的实施力度有待加强，沿海省市应深刻认识到海洋专业技术水平在海洋经济发展中的优势，充分利用科研成果，加快海洋产业的技术创新和工艺改造，注重海洋专业技术成果的转化。

参考文献：

[1]赵林,张宇硕,焦新颖，等.基于SBM和Malmquist生产率指数的中国海洋经济效率评价研究[J].资源科学,2016,38(3):461-475.

[2]胡彪,李健毅.生态文明视角下的区域环境效率时空差异评价[J].中国科技论坛,2015(5):82-88.

[3]冯志军.中国工业企业绿色创新效率研究[J].中国科技论坛,2013(2):82-88.

[4]杜军,鄢波,冯瑞敏.中国沿海省份海洋经济效率评价研究[J].农业技术经济,2016(6):47-55.

[5]潘丹.考虑资源环境因素的中国农业绿色生产率评价及其影响因素分析[J].中国科技论坛,2014(11):149-154.

[6]王慧,苗壮,王树乔.空间溢出、产业集聚效应与工业绿色创新效率[J].中国科技论坛,2015(12):33-38.

[7]LI L,HAO T T,CHI T.Evaluation on China’s forestry resources efficiency based on big data[J].Journal of cleaner production,2016(16):1-11.

[8]MICHAE S,JAMES F,BURGESS Jr,JOE Z.A DEA based composite measure of quality and its associated data uncertainty interval for health care provider profiling and pay-for-performance[J].European journal of operational research,2016(253):489-502.

[9]WANKE P,BARROS C P,NWAOGBE R O.Assessing productive efficiency in Nigerian airports using fuzzy-DEA[J].Transport policy,2016(49):9-19.

[10]钱争鸣,刘晓晨.中国绿色经济效率的区域差异与影响因素分析[J].中国人口·资源与环境,2013,23(7):104-109.

[11]DING L L,ZHENG H H,KANG W L.Measuring the green efficiency of ocean economy in China:an improved three-stage model[J].Romanian journal of economic forecasting,2017,20(1),5-22.

[12]章贵军,刘润芳.基于环境管理策略的中国各地区经济效率与环境效率比较与评价[J].统计与信息论坛,2015,30(4):51-59.

[13]丁黎黎,朱琳,何广顺.中国海洋绿色全要素生产率测度及影响因素[J].中国科技论坛,2015(2):72-78.

[14]赵昕,彭勇,丁黎黎.中国海洋绿色经济效率的时空演变及影响因素[J].湖南工业大学学报(社科版),2016,17(5):81-89.

[15]SUZUKI S,NIJKAMP P.An evaluation of energy-environment-economic efficiency for EU,APEC and ASEAN countries:design of a target-oriented DFM model with fixed factors in data envelopment analysis[J].Energy policy,2016,88:100-112.

[17]SEXTON T R,SILKMAN R H,HOGAN A J.Data envelopment analysis:critique and extensions[M]// SILKMAN R H.Measuring efficiency:an assessment of data envelopment analysis.San Francisco:Jossey-Bass,1986.

[18]DOYLE J R,GREEN R H.Efficiency and cross-efficiency in DEA:derivations,meanings and uses[J].Journal of the operations research society,1994,45(5):567-578.

[19]ANDERSON T R,HOLLINGSWOTRTH K B,INMAN L B.The fixed weighting nature of a cross-evaluation model[J].Journal of productivity analysis,2002,18(1):249-255.

[20]COOPER W W,KYUNG S Park,PASTOR J T.RAM:a range adjusted measure of inefficiency for use with additive models,and relations to other models and measures in DEA[J].Journal of productivity analysis,1999,11:5-42.

[21]王兵,罗佑军.中国区域工业生产效率、环境治理效率与综合效率实证研究——基于RAM网络DEA模型的分析[J].世界经济文汇,2015(1):99-120.

[22]卞亦文,许皓.基于虚拟包络面和TOPSIS的DEA排序方法[J].系统工程理论与实践,2013,33(2):482-488.

[23]LI Y,WANG Y Z,CUI Q.Evaluating airline efficiency:an application of virtual frontier network SBM[J].Transportation research part E,2015,81:1-17.

[24]何广顺,丁黎黎,宋维玲.海洋经济分析评估理论、方法与实践[M].北京:海洋出版社,2014.

[25]张军,吴桂英,张吉鹏.中国省际物质资本存量的估算：1952—2000[J].经济研究，2004(10)：35-44.

[26]FISCHER M M,SCHERNGELL T,REISMANN M.Knowledge spillovers and total factor productivity:evidence using a spatial panel data model[J].Geographical analysis,2009,41(2):204-220.

[27]ANSELIN L.Local indicators of spatial association LISA[J].Geographical analysis,1995,27(2):93-115.