中国省域生态效率的时空差异、要素分解与节能减排潜力

刘 悦，汪克亮，史利娟，刘 蕾

(安徽理工大学经济与管理学院，安徽 淮南 232001)

随着全球经济的快速发展，生态环境建设的地位和作用日益凸显，越来越多的国家加入到生态环境保护的行列中。近年来，受传统粗放式经济发展模式的影响，我国在发展经济的同时正面临日益严峻的资源短缺和生态环境问题。因此，如何有效解决环境问题促进社会经济可持续发展在我国已经引起政府、公众和学术界的高度重视。2012年11月，中共十八大做出“大力推进生态文明建设”的重大战略决策，系统论述了生态文明建设，将生态文明建设提升到一个前所未有的高度。2015年5月，国务院印发《关于加快推进生态文明建设的意见》，旨在使经济发展质量和效益得到显著提高，生态文明主流价值观在全社会得以推行，生态文明建设水平与全面建成小康社会目标相适应。在此背景下，大力发展生态经济，深入开展生态效率评价，对于推动我国生态文明建设、促进绿色发展具有重大现实意义。

一、文献概述

生态效率( Eco－Efficiency，部分学者亦称之为生态效率)这一概念最早由Schaltegger和Sturm ( 1990)提出［1］，并在世界商业可持续发展理事会( WBSCD)的大力发展下日渐成熟［2］。其含义是指通过提供能满足人类需要和提高生活质量的竞争性定价商品与服务，同时使整个生命周期的生态影响与资源强度逐渐降低到一个与地球可承载能力一致的水平，以达到环境与社会协调发展的目标。随后经合组织( OECD)、欧洲环境署( EEA)等对生态效率的内涵进行完善［3－4］，将其阐述为表达社会、经济与环境三者协同关系的复合概念。关于生态效率的测算方法主要有三种［5－6］:其一，单一比值法。基于经济或环境单一维度来衡量生态效率，如Figge和Hahn( 2004)、Park等( 2007)［7－8］，该方法简单易理解，但存在暗含假设、不能区分不同的环境影响等缺点;其二，指标体系法。利用专家打分法对不同的环境指标进行赋值，构建指标体系，如秦伟山等( 2013)［9］，或者赋予每种环境压力指标相同的权重，构建指标体系，如Michelsen等( 2006)、曾鹏等( 2013)［10－11］，该方法存在假设悖论，即加权过程当中包含了环境和经济两个维度的最佳方案，且难以剔除人为主观因素。其三，模型法。其中运用最为广泛的是数据包络分析模型，分析经济单元的相对生态效率，如Dyckhoff等( 2001)、杨树旺等( 2011)［12－13］，该方法具有所需指标少、避免人为确定权重的主观影响、无需任何权重假设等优点。综上，数据包络分析( DEA)逐步成为国内外测算生态效率的主流方法。

在国内，关于资源与环境约束下的经济效率研究主要围绕两个层面展开。一是工业行业层面，如涂正革( 2008)根据我国30个省市地区要素资源投入、工业产出和污染排放数据，利用方向性环境距离函数计算各地区环境技术效率，并衡量环境与工业增长的协调性［14］;陈诗一( 2010)基于方向性距离函数对改革以来中国工业全要素生产率进行了重新估算，发现改革以来中国实行的一系列节能减排政策有效地推动了工业绿色生产率的持续改善［15］;郭露等( 2016)基于中部六省工业能源消耗、工业经济增加值、工业污染排放面板数据，构建生态效率投入产出指标体系，运用超效率DEA和Malmquist指数测度工业生态效率及动态对比［16］。二是区域层面。如王兵等( 2010)运用SBM方向距离函数和卢恩伯格生产率指标测度了考虑资源环境因素下中国30个省份1998－2007年的环境效率、环境全要素生产率及其成分，并对影响因素进行了实证研究［17］;朱承亮等( 2012)基于中国经济发展过程中资源环境约束的日趋强化，构建基于产出角度的SBM－Undesirable模型，从效率视角对节能减排约束下中国绿色经济绩效进行研究［18］;张煊等( 2014)构建基于矩阵型结构的网络DEA模型对我国省际2007－2012年的生态效率进行测算，并对其敛散性进行检验［19］;汪克亮等( 2016)在环境压力视角下，结合DEA理论与视窗分析法，实证测算2004－2012年长江经济带11个省市的5类生态效率指标值，以此为基础考虑生态效率的地区差异与变化趋势，并检验了生态效率的敛散性［20］;卜洪运等( 2017)从投入产出角度定义生态效率以衡量地区在资源和环境约束下的经济产出能力，结合全局参比法利用US－SBM模型对京津冀13个城市2003—2013年生态效率进行测度和演变分析［21］。这些文献均在一定程度上证实了用DEA方法测算生态效率的可行性与有效性，为本文的研究提供方法导向。本文将基于生态压力与生态技术视角，以中国30个省份为研究对象，借鉴Tone 和Tsutsui ( 2010)、Picazo等( 2011)、王晓岭等( 2016)的做法［22－24］，采用一种新型的兼顾径向与非径向特征的DEA模型——EBM模型测算2006－2015年中国各省份、各地区的生态效率，分析效率的时空差异、地区差距根源以及节能减排潜力，以期为促进中国的资源节约与生态环境保护提供决策参考。

二、研究方法

(一)生态效率的定义及测算方法

借鉴Camarero等( 2013)、Picazo等( 2014)的做法［25－26］，本文将生态效率( Eco－efficiency)定义为经济增加值与生态压力的比值，并通过DEA模型求解。其中“生态压力”包括决策单元在生产过程中自然资源消耗和环境污染排放，需要指出的是环境污染排放也作为一种投入，类似于生态形式社会资本的投入使用。具体做法为:将“生态压力”作为投入变量，经济增加值为产出变量，构造一个技术集合并将其定义为“生态技术”，反映决策单元在实现经济增长的同时，减少资源消耗与污染排放的技术水平与能力。以生态技术作为参照，可以通过各省份实际投入产出与生态技术前沿的距离来衡量各省份生态效率高低。设决策单元的经济产出为y，生态经济投入向量为X = ( x1，x2，…，xm)，决策单元的生态效率可以表示为:

考虑到研究对象和模型自身特点，本文采用EBM模型测算中国生态效率。EBM模型的独特优势在于实现径向比例与非经向松弛的兼容。投入导向规模报酬不变EBM模型的线性规划表达式为:

其中，γ*为待评省份的生态效率值;εx是一个关键参数，取值范围为［0，1］，它表示在效率值计算中非径向部分的重要程度:取0时相当于径向模型，取1时相当于SBM模型;ωi表示第i个投入的权重且满足∑ωi= 1; X、Y、λ、s－分别为投入、产出、权重系数和投入松弛向量。

公式( 2)的解为“生态效率”，如果在公式( 2)中加入“∑λ= 1”这一约束，可以计算出待评省份生态经济的“纯技术效率”，生态效率与纯技术效率的比值即为“规模效率”。为了表述方便，文中基于投入导向、规模报酬不变EBM模型简写为EBM－I－C，投入导向、规模报酬可变的EBM模型则可简写为EBM－I－V。

为了进一步挖掘决策单元生态无效率的来源，可以对无效率基于每种投入要素视角进行分解，以此衡量每种投入在技术无效率中的贡献率。则待评省份的生态效率γ*的分解如下:

各投入要素的无效率值I*i为:

基于此，各投入要素对待评省份生态无效率的贡献率Contri可由下式计算得到:

(二)泰尔( Theil)指数分解法

泰尔(Theil)指数最早由Theil和Henri在1967年提出，用来衡量地区经济发展水平的差异程度。与基尼系数等指标相比，Theil指数的突出优势在于可以将地区间的总体差距分解为地区内部差距和地区间差距，并由此测算它们在总体差距中的贡献率。基于此，本文利用Theil指数来考察中国生态效率地区差距的形成根源。Theil系数的取值范围为[0-1]，数值越小，表明地区差距越小；反之，表明地区差距越大。Theil指数分解模式不唯一，本文参考李博等对于Theil指数及其结构分解的方法[27]，得到中国生态效率地区差距的泰尔指数及其分解方法如公式(6)-(10)所示：

Theil=TheilW+TheilB

(6)

(7)

(8)

(9)

(10)

三、样本、变量与数据

本文研究对象为中国地区30个省份，根据数据的可得性，本文实证分析的时间跨度为2006-2015年。为体现区域差异特性，本文将全国30个省份划分为东部、中部和西部三大地区，其中东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省份；中部地区包括山西、黑龙江、吉林、安徽、江西、河南、湖北和湖南8个省份；西部地区包括内蒙古、广西、四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏和新疆11个省份。效率评价模型投入产出变量的具体界定如下：本文选取作为投入变量的“生态压力”指标主要包括两大类，一类是自然资源消耗指标，以各省份能源消费总量作为替代指标，并将其统一折算为“标准煤”单位；另一类是环境污染排放指标，以各省份SO2排放量、COD排放量*由于无法获得各省份COD的排放总量，故以工业COD排放量来代替。为代表，因为SO2和COD是我国重点控制的污染物；以各省份GDP作为经济产出变量，并以2006年不变价格进行调整。上述变量数据均来自2007-2016年《中国统计年鉴》、《中国环境统计年鉴》、《中国能源统计年鉴》并经过整理得到。样本投入产出变量的描述性统计如表1所示。

表1 样本投入产出变量的描述性统计(2006-2015年)

四、实证分析

(一)中国地区生态效率的时空差异特征

经过测算，本文发现2006-2015年间中国30个省份生态效率的均值仅为0.379，严重偏低，距离全国生态技术前沿还有62.1%的改进空间，效率提升潜力巨大，表明中国经济增长付出的环境代价惨重，人与环境之间的关系极不和谐。从效率分解角度来看，生态经济的纯技术效率(PTE)与规模效率(SE)均值分别为0.489和0.775，二者均存在很大的上升空间，且规模效率明显高于纯技术效率。因此，为进一步促进中国生态效率的提升，今后在提高资源配置与生态环境管理能力、不断改善资源利用规模效率的同时，更应着重提升生态技术，加大技术革新力度，从而有效发挥资源利用的技术有效性与规模有效性，让二者产生协同效应。从时间变化趋势上看，中国生态效率从2006年的0.417波动下降至2015年的0.379，这意味着经济发展与生态环境之间的关系趋于恶化，改善生态环境迫在眉睫。具体来看，纯技术效率从2006年的0.497降至2015年的0.496，规模效率从2006年的0.840降至2015年的0.736，这说明中国生态效率恶化是由纯技术效率下降和规模效率下降共同造成的，且规模效率的下降为主要原因。为了直观地刻画中国省际生态效率的地区差异，本文绘制了中国生态效率的地理空间分布图(见图1)。图1中不同省份的颜色深浅表示其生态效率的高低，颜色越深表示其生态效率越高，颜色越浅表示其生态效率越低。由图1不难看出，中国生态效率在空间上呈现出显著的非均衡分布特征。

图1 中国各省份生态效率的空间分布状况

2006-2015年间，中国30个省份中，生态效率在0.6以上的有北京、上海和广东3个省份，其中北京的效率在研究期内一直为1，生态经济发展是完全有效的，位于生态技术前沿面上；效率处于0.4-0.6之间的有天津、江苏、浙江、福建、山东、海南和江西7个省份，处于这一效率区间的省份较多；效率处于0.3-0.4之间的有吉林、黑龙江、安徽、河南、湖北、湖南、广西、重庆、四川和陕西10个省份，处于这一效率区间的省份最多，占比达到33%；效率处于0.2-0.3之间的有河北、辽宁、内蒙古、云南和甘肃5个省份；效率处于0.2以下的有山西、贵州、青海、宁夏和新疆5个省份，其中宁夏的生态效率最低，仅为0.109，这些省份极低的效率水平是中国生态效率整体水平低下的主要根源。为了分析中国生态效率的地区差异，本文进一步将中国划分为东部、中部和西部，根据中国各省份生态效率的测度结果，整理得到2006-2015年全国及三大地区生态效率平均值及变化趋势，并分析其空间分布特征，具体结果如图2、3所示。

图2 中国三大地区生态效率的平均值(2006-2015年)

如图2所示，三大地区生态效率的差异特征显著，生态效率平均值由高到低依次为东部(0.537)、中部(0.345)、西部(0.245)，符合中国区域经济发展由东向西的“梯度”特征。其中东部地区高于全国平均水平、中西部地区低于全国平均水平，中西部表现明显差于东部。

图3 三大地区及全国整体生态效率的变化趋势

由于不同区域资源储备、基础设施建设、产业结构、节能减排技术、地方文化等方面存在巨大差异，必然会导致三大地区生态经济发展水平的差异。从图3可以看出，研究期内，全国及三大地区生态效率大致呈下降趋势，东部地区由2006年的0.594下降至2015年的0.516，中部地区由2006年的0.373下降至2015年的0.340，西部地区由2006年的0.273下降至2015年的0.231，生态环境质量不容乐观。具体来看，东部地区生态效率一直高于中西部地区，这表明东部地区是中国生态技术最发达的地区，生态技术前沿基本上都是由东部省份组建的，即东部地区代表了中国生态经济发展的最高水平，这与东部地区一直是中国经济最发达、污染防治技术最佳、环境管理水平最高的现实背景相符。相较于东西部地区，中部地区的产业结构更偏向重型化，作为中国主要的能源与制造业基地，中部地区二元经济特征十分明显，短期内产业结构实现有效转型的任务艰巨，资源消耗量大且环境破坏严重，绿色发展的外部环境较差。西部地区是中国经济最不发达的地区，也一直是中国生态环境最脆弱的地带，尽管本世纪初以来西部大开发战略的推进使得西部经济发展势头有所改善，但与此同时付出的环境代价也非常惨痛，最低的生态效率水平只是其中的一个缩影。

(二)中国生态效率地区差距的形成机理

为了进一步揭示中国生态效率地区差距的形成根源，本文利用泰尔(Theil)指数分解法将地区总体差距分解为地区内部差距和地区间差距，并由此计算出它们在总体差距中的贡献率。泰尔指数的取值范围为[0-1]，指数越小，表明地区差距越小；反之，则表明地区差距越大。由公式(6)-公式(10)计算得到2006-2015年中国生态效率地区差距指数，并揭示造成地区差距的根源所在。计算结果整理如表2所示。

表2 中国三大地区内部及地区间差距对生态效率总体差距的贡献率(2006-2015年)

由表2可知，2006-2015年，中国生态效率的泰尔指数总体上呈上升趋势，从2006年的0.105升至2015年的0.119，说明中国30个省份生态效率的总体差距在扩大。从泰尔指数的分解结果来看，地区之间差距平均为0.056，贡献率为50.46%，地区内部差距平均为0.055，贡献率为49.54%，这说明中国生态效率地区差距是由地区之间差距和地区内部差距共同导致的，且贡献率不相上下。从时间变化上来看，地区之间差距贡献率呈波动下降趋势，从2006年的52.90%降至2015年的47.95%，而地区内部差距贡献率大致呈上升趋势，从2006年的47.10%升至2015年的52.05%，这一变化趋势蕴含了重要启示：未来为了改善中国生态效率，应将缩小地区之间差距和缩小地区内部差距置于同等重要的位置，同时还要密切关注地区内部差距的演变。从地区内部差距来看，东部地区贡献率最大，平均达到28.91%，占比均保持在27%以上，表明东部地区差距是地区内部差距的主要根源；中部地区贡献率最小，平均为6.49%，且随着时间的推移有减小的趋势，从2005年的7.07%下降至2015年的6.22%；相比之下，西部地区贡献率近年来有所上升，2015年已达到17.35%，这主要是由于新疆、青海等个别省份的生态效率值下降比较明显所致。综上所述，未来能否缩小地区之间差距和东部地区各省份内部差距，是中国生态效率实现提升的关键。

(三)中国生态无效率的来源：基于投入分解视角

本文利用EBM模型的性质将中国生态经济效率基于每种投入要素角度进行分解，以此探究无效率的深层次原因，从而为制定有针对性的相关政策提供依据。如表3所示，研究期内中国生态无效率的均值为0.623。由能源利用、SO2排放与工业COD排放导致的无效率均值分别为0.478、0.662和0.728，可知环境污染物排放是导致中国生态无效率的主要原因。具体来看，能源利用、SO2排放与工业COD排放对中国生态无效率的贡献率分别为24.89%、38.00%、37.12%，环境污染排放的贡献率明显高于能源利用，一定程度上反映出中国经济发展进程中更侧重于资源节约而忽视了环境保护，这主要源于能源投入所带来的高成本压力，以及当前政府较低的环境规制水平导致污染的低成本排放。从时间轴来看，研究期内，能源利用导致的无效率从0.432升至0.509，SO2排放导致的无效率从0.611升至0.688，工业COD排放导致的无效率从0.698升至0.739，三种投入要素导致的无效率均有不同程度的上升，相对应的贡献率变化情况也是如此，进一步的说明生态经济与资源环境保护之间的不协调日趋严重。图4中从各个省份来看，2006-2015年间，能源利用对中国生态无效率的贡献率位于前三位的省份分别是宁夏(31.49%)、青海(31.14%)和山西(30.68%)，SO2排放对中国生态无效率的贡献率排在前三位的是江西(41.58%)、广西(39.69%)和重庆(39.66%)，工业COD排放对中国生态无效率的贡献率排在前三位的是广东(48.65%)、海南(48.16%)和浙江(44.62%)。不难看出，几乎所有省份环境污染排放无效的贡献率都明显高于能源利用无效的贡献率，这表明污染减排是我国生态效率提升的短板，未来各级政府需要进一步加大污染减排工作力度，做到节能与减排并重，不能有失偏颇。

表3 各投入要素对中国生态无效率的贡献率(2006-2015年)

图4 30个省份各投入要素对中国生态无效率的贡献率(2006-2015年)

(四)中国各省份节能减排潜力指数测算

本文通过生态效率EBM模型计算得到各投入要素实际值与目标值之间的差值，以此来衡量中国各省份能源节约与环境污染减排潜力，测算结果如表4所示。根据表4，中国能源节约与环境污染减排潜力是相当可观的，绝大多数省份各项投入的实际值与目标值之间都存在显著差距。总体来看，2006-2015年间中国30个省份节能潜力、SO2减排潜力和工业COD减排潜力分别为47.80%、79.68%和91.01%，节能减排潜力巨大，进一步表明中国经济增长与资源环境保护之间协调度很低，与可持续发展要求尚存在很大差距，扎实推进生态文明建设仍然是一项长期而又艰巨的工作。从数值上来看，污染减排潜力明显高于节能潜力，这与前文给出的中国社会普遍存在“重节能、轻减排”这一结论相呼应。由于中国不同省份生态效率差异较大，因而节能减排潜力也呈现很强的地域异质性特征。从表4可以看出，宁夏、青海和山西3省份的节能潜力最大，分别达到83.46 %、79.30%和76.46%；SO2减排潜力最大的是宁夏、贵州和山西3省份，分别为97.08%、96.89%和94.81%；宁夏、青海和新疆3省份工业COD减排潜力最大，分别为99.41%、98.65%和98.65%。从这一结果可以得知，如果生态效率落后省份都能达到效率前沿省份的节能减排水平，中国的整体能源利用水平与生态环境质量将会得到极大的改善。从三大地区来看，与我国生态效率的“东部-中部-西部”梯度发展特征相一致，东部地区的节能减排潜力相对最小，分别为30.38%、62.82%和81.78%；西部地区节能减排潜力相对最大，分别达到63.68%、92.37%和96.76%；中部地区节能减排潜力略低于西部地区，分别为49.92%、85.43%和95.79%。由此可知，充分挖掘东中西部尤其是中西部地区的节能减排潜力是中国未来进一步改善生态效率的关键举措。

表4 中国30个省份节能减排潜力指数(2006-2015年)

五、结论与启示

本文采用兼容径向与非径向特征的EBM模型与泰尔系数，全面考察2006-2015年中国各省份、三大地区生态效率的时空演化特征与节能减排潜力。主要结论如下：(1)中国生态效率整体偏低，生态经济优化空间巨大。不同省份、地区的效率指数存在明显差异，东部地区表现明显优于中西部地区，符合中国区域经济发展由东向西的“梯度”特征。(2)三大地区之间差距和东部省份内部差距是中国生态效率地区差距形成的主要根源。(3)能源利用、SO2排放和工业COD排放的无效率均值分别为0.478、0.662和0.728，以及这三大投入要素对中国生态无效率的贡献率分别为24.89%、38.00%和37.12%。污染减排效率明显低于节能效率。(4)中国节能减排潜力巨大，其中工业COD减排潜力高达91.01%，其次SO2减排潜力为79.68%，节能潜力最小，为47.80%。

本文结论蕴含以下几点政策启示：(1)鉴于中国各省份生态效率大相径庭，为了确保政策实施效果，中央政府在按省份分解全国节能减排目标时应遵循“共同而有区别的责任”这一国际环境合作原则，要充分考虑到中国区域经济发展的不平衡因素，并对不同地区、省份的能源消耗与污染排放情况进行深入考察，因地制宜地制定节能减排政策，兼顾效率与公平。(2)由于三大地区生态经济发展水平迥异，因此不同地区在全国生态经济转型中所扮演的角色也应有所差别。东部地区应起到带头示范作用，利用其区位优势以及发达的外向型经济环境，持续引进和学习国外先进的节能减排技术和科学的管理模式，从而推动全国生态技术前沿面向外拓展。(3)为了缩小中国生态效率的地区差距，各地区之间应打破行政壁垒，破除条块分割，中西部省份应加强与东部沿海发达省份的交流与合作，实现先进节能减排技术、生态管理模式的共享，尽快向东部地区生态技术靠拢。与此同时，中西部作为产业承接区域，今后在承接高能耗、高污染产业时必须严格监管，防止因污染过度转移而影响自身生态经济发展。(4)针对生态效率要素分解过程中，能源利用效率明显高于污染减排效率这一事实，各级政府应在继续推进节能工作的同时，必须进一步加强污染减排工作，适度提高环境规制强度，秉持“谁污染、谁治理”的原则，通过将环境外部性内部化，有效提高企业污染减排的积极性。

[1] Schaltegger S， Sturm A. Okologische Rationalitat： Ansatzppunkte Zur Ausgestaltung Von Okologie Orientierten Management in Strumenten[J]. Die Unternehmung， 1990(4)： 273-290.

[2] WBCSD. Eco-Efficiency：The Business Link to Sustainable Development[M].Cambridge： MIT Press， 1997.

[3] OECD.Eco-efficiency：Organization for Economic Cooperation and Development[R]. Paris： OECD， 1998.

[4] European Environment Agency. Making sustainability accountable： eco-efficiency， resource productivity and innovation[R]. Copenhagen： EEA， 1999.

[5] 武赫. 基于DEA模型的生态效率综合评价[J]. 统计与决策，2015(11)： 70-72.

[6] 尹科，王如松，周传斌，等. 国内外生态效率核算方法及其应用研究述评[J]. 生态学报， 2012， 32(11)： 3 595-3 605.

[7] Figge F，Hahn T.Sustainable Value Added-measuring corporate contributions to sustainability beyond eco-efficiency[J].Ecological Economics，2004，48(2)：173-187.

[8] Park P J， Tahara K， Inaba A. Product quality-based eco-efficiency applied to digital cameras[J]. Journal of Environmental Management， 2007， 83(2)： 158-170.

[9] 秦伟山，张义丰，袁境. 生态文明城市评价指标体系与水平测度[J]. 资源科学，2013， 35(8)： 1 677-1 684.

[10] Michelsen O， Fet A M， Dahlsrud A. Eco-efficiency in extended supply chains： a case study of furniture production[J]. Journal of Environmental Management， 2006， 79(3)： 290-297.

[11] 曾鹏，朱玉鑫. 中国十大城市群生态发展状况比较研究[J]. 地域研究与开发，2013， 32(1)： 45-51.

[12] Dyckhoff H， Allen K. Measuring ecological efficiency with data envelopment analysis[J]. European Journal of Operational Research， 2001， 132(2)： 312-325.

[13] 杨树旺，张康光，牛苗苗. 中国矿业生态效率评价研究[J]. 宏观经济研究， 2011(12)： 66-71.

[14] 涂正革. 环境、资源与工业增长的协调性[J]. 经济研究， 2008(2)： 93-105.

[15] 陈诗一. 中国的绿色工业革命：基于环境全要素生产率视角的解释(1980—2008)[J]. 经济研究， 2010， 45(11)：21-34.

[16] 郭露，徐诗倩. 基于超效率DEA的工业生态效率——以中部六省2003—2013年数据为例[J]. 经济地理，2016，36(6)：116-121.

[17] 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， 45(5)：95-109.

[18] 朱承亮，岳宏志，安立仁. 节能减排约束下中国绿色经济绩效研究[J]. 经济科学， 2012(5)：33-44.

[19] 张煊，王国顺，王一苇. 生态效率评价及时空差异研究[J]. 经济地理， 2014， 34(12)： 153-160.

[20] 汪克亮，孟祥瑞，程云鹤. 环境压力视角下区域生态效率测度及收敛性——以长江经济带为例[J]. 系统工程，2016，34(4)：109-116.

[21] 卜洪运，崔雪飞，李红莲. 京津冀生态效率测度及内部视角下影响因素研究——基于全局参比的US-SBM模型[J]. 生态经济，2017，33(5)： 88-94.

[22] Tone K， Tsutsui M. An epsilon-based measure of efficiency in DEA： A third pole of technical efficiency[J]. European Journal of Operational Research， 2010(207)： 1 554-1 563.

[23] Picazo-Tadeo A J， Reig-Martinez E， Gomez-Limon J A. Assessing farming eco-efficiency： A data envelopment analysis approach[J]. Journal of Environmental Management， 2011，92(4)： 1 154-1 164.

[24] 王晓岭，何枫，武春友. 环境约束下的能源效率国际比较——基于20国集团的实证检验[J]. 科技管理研究，2016(19)：248-255.

[25] Camarero M， Castillo J， Picazo-Tadeo A J， et al. Eco-efficiency and convergence in OECD countries[J]. Environmental Resource Economics， 2013， 55(1)： 87-106.

[26] Picazo-Tadeo A J， Castillo-Gimenez J， Betlran-Esteve M. An intertemporal approach to measuring environmental performance with directional distance functions： greenhouse gas emissions in the European Union[J]. Ecological Economics， 2014， 100(1)： 173-182.

[27] 李博，张文忠，余建辉. 碳排放约束下的中国农业生产效率地区差异分解与影响因素[J]. 经济地理，2016，36(9)： 150-157.