环渤海地区工业生态效率时空演变及影响因素

陈玥莹，陈延斌，宋成镇

(山东师范大学 地理与环境学院，山东 济南 250358)

随着工业化进程的加快，资源与环境问题已成为制约我国发展的重要因素，以高污染、高消耗为代价的粗放发展模式严重阻碍地区绿色转型升级[1-2]。作为中国最大的工业密集区，环渤海地区在快速发展的同时也面临着资源消耗、环境污染和生态严重破坏等问题，进而导致经济增长与生态环境之间的矛盾日益突出[3]。生态效率的基本思想是用更少的资源环境消耗来换取更大的经济利益，用地区经济产出与资源环境投入的比值[4]来表征，近年来已被成功应用于工业活动的环境绩效评价中[5-6]。探讨环渤海地区的工业生态效率，对于转变工业发展方式，促进工业经济与环境协调发展具有重要意义。

目前，有学者就工业生态效率进行大量的研究，主要包含以下几个方面：1)工业生态效率测度方法。最为常见的是数据包络分析法(data envelopement analysis，DEA)，包括规模报酬不变模型(constant return to scale, CRS)[7]和规模报酬可变模型(variable return to scale, VRS)[8]，但是传统的DEA模型存在一些弊端，部分学者提出了DEA的扩展方法。例如，超效率DEA模型解决了传统DEA无法对有效的决策单元进一步区分的问题[9]，基于松弛测度(slack based measure, SBM)模型将松弛变量考虑到对结果的影响[10]，三阶段DEA模型提出外部环境和随机因素对工业生态效率的影响，使测度结果更为可靠[11-12]。另外，还有学者将上述模型与Malmquist指数相结合，通过多种指标对工业生态效率进行分析[13-14]。2)工业生态效率的研究层面，大致可分为区域层面、行业层面和企业层面。区域层面包括国家[15-18]、省域[19-20]、城市群[21]、地级市[22]及县级市[23]等；行业层面主要集中于高耗能行业，如电力行业[24]、钢铁行业[25]、制造业[26]、矿业[27]等；针对企业层面，学者主要选取具有代表性的中小企业[28]或上市公司[29]等来探讨工业生态效率的时空演变特征。3)对工业生态效率影响因素的分析，使用较多的是面板数据模型[30]和空间计量模型[31]。工业生态效率的影响因素主要有经济发展水平、区域产业结构、外商投资比例、科研支持力度和环境规制程度等[32-38]。目前，关于工业生态效率的研究已形成较为完整的体系，但仍存在以下不足：一是使用的方法未考虑样本数量对结果的影响，往往会造成一定误差；二是以环渤海地区这一整体作为研究对象，探究工业生态效率演变的文献相对较少。

与目前测度工业生态效率的方法相比，Bootstrap-DEA模型对于构建前沿面的过程更为科学合理，在一定程度上解决现有模型对计算结果造成的误差影响[39]。本文中采用Bootstrap-DEA模型对环渤海地区2005—2016年工业生态效率进行评价，提出影响环渤海地区工业生态效率的主要因素，以期促进资源循环高效利用，加快环渤海地区工业绿色转型，同时为环渤海地区生态文明建设提供参考，推动该地区工业经济实现高质量发展。

1 数据来源与研究方法

1.1 研究区概况

环渤海地区包括北京、天津2个直辖市及河北、辽宁、山东3个省，土地面积为5.238×105km2，人口数量为2.54×108，占全国总人口的17.6%。研究区产业基础雄厚，发展趋势良好，整体经济实力增长迅速，2020年地区生产总值为1.846×1013元。环渤海地区地理位置优越，矿产资源丰富，拥有比较完备的工业体系以及坚实的工业技术基础，工业化水平总体较高，其中原油、化工、钢铁、机械等重工业在全国工业发展中占有举足轻重的地位，然而，资源密集型产业粗放的生产方式导致该地区的生态环境异常脆弱，资源短缺现象日益凸显，且面临严重的空气污染问题[40]，严重影响该地区工业经济的可持续发展。

1.2 数据来源

选取环渤海地区44个城市的数据作为样本，Bootstrap-DEA模型所用的投入产出指标数据来源于2006—2017年《中国城市统计年鉴》。在Tobit回归模型中，环境规制得分由二氧化硫(SO2)去除率、烟尘去除率、工业固体废物综合利用率、生活污水处理率和生活垃圾无害化处理率共5项指标综合计算得到。其他影响因素数据包括各地区工业总产值、行政区域土地面积、人均国内生产总值(GDP)、科技支出、公共财政支出和外商直接投资等，数据来源于历年《中国城市统计年鉴》。另外，为了消除异方差影响，本研究中将各影响因素指标进行对数化处理。

1.3 研究方法

1.3.1 Bootstrap-DEA模型

Bootstrap-DEA模型以重复抽样的方式对数据进行模拟，从而有效修正样本的偏差[16]。步骤如下：

步骤1：设有n个决策单元(decision making unit, DMU)，每个决策单元有p种投入、q种产出，投入向量X=(x1,x2, … ,xp)T，产出向量Y=(y1,y2, …,yq)T，(Xm,Ym)为第m个决策单元的投入产出向量，则Xk=(x1k,x2k, …,xpk)，Yk=(y1k,y2k, …,yqk)，构成投入产出集(Xk,Yk)，k=1,2, …,n，采用CRS-DEA模型，计算样本的原始效率值，

(1)

式中：θ为标量，λ为n×1型常数向量。

步骤4：对于每一个模拟样本，利用CRS-DEA方法重新计算效率值，

(2)

步骤6：通过计算修正效率值的偏差，减小CRS-DEA模型带来的误差影响，得到最终的效率得分，

(3)

(4)

1.3.2 核密度函数估计

核密度函数估计是一种非参数估计方法，通常用于分析样本的动态分布情况[41]。假设随机变量U1,U2, …,Un独立同分布，f(u)为U1的密度函数且是未知的，则核密度估计表达式为

(5)

带宽h和样本量n的关系满足

(6)

本文中采用高斯核函数，表达式为

(7)

1.3.3 面板Tobit模型

面板Tobit模型适用于被解释变量为受限变量的回归，本文中工业生态效率的取值为0～1，属于受限变量，如果采用最小二乘法，可能会造成估计值有偏[34]，因此，研究采用面板Tobit模型探讨工业生态效率的影响因素，表达式为

(8)

1.3.4 空间自相关

全局空间自相关能够有效检验空间单元与其临近区域对于某种属性是否存在相关性以及相关的程度[32]。本文中采用全局Moran指数I探究环渤海地区工业生态效率的空间关联性，表达式为

(9)

(10)

(11)

(12)

(13)

1.4 指标选取

1.4.1 工业生态效率指标体系

提高工业生态效率就是以更少的资源环境投入来换取更大的经济效率。借鉴已有研究成果，基于数据的科学性、代表性、可获得性及可比性等原则，并且根据研究区域的特点及研究目的，投入指标从资源投入和环境投入2个方面选取工业用电量、废水排放量、SO2排放量和烟尘排放量，将工业总产值作为产出指标，构建环渤海地区工业生态效率的评价指标体系，如表1所示。

表1 工业生态效率评价指标体系

1.4.2 影响因素指标体系

综合考虑前文对影响因素的分析，本文中选择6个衡量工业生态效率的影响因素指标，见表2。

1)工业集聚。在工业集聚初期，技术与经验的共享对工业生态效率提升具有促进作用，当工业集聚发展到一定程度时，企业之间的竞争加剧，反而加重环境污染，因此选择工业密度作为表征工业集聚的指标，测算方法为地区工业总产值与区域面积的比值。

表2 工业生态效率影响因素指标

2)经济发展。经济发展水平能够充分体现地区的综合实力，同时，经济发展能够提供产业基础，促进技术进步，吸引高端人才以及完善相关配套设施，而过度追求经济发展可能对环境会造成不利影响，从而间接影响地区工业生态效率，故选取人均GDP作为表征地区经济发展水平的指标。

3)科技研发。科技研发投入的加大能够激发企业的创新潜力，对企业进行研发活动具有积极作用，促进科技创新与技术进步，提高资源利用率，从而促进工业生态效率的提升，因此选取科技支出占财政支出的比重表征地区科技研发投入的力度。

4)产业结构。研究区工业产业比重较大，如石油化工、煤炭、纺织、钢铁、矿业、造纸等，这些产业为工业发展带来巨大产值的同时，能源消耗强度也在不断增大，因此选取第二产业占GDP比重作为指标，探究产业结构对工业生态效率的影响机制。

5)环境规制。政府通过制定相关政策，能够改善市场因过度追求经济利益而导致的环境破坏，但环境规制的技术还不完善，实施成本较高等问题，势必会影响到地区工业生态效率。选取环境规制得分作为衡量政府环境规制的指标，测算方法为综合指数法[42]，即选取SO2去除率、烟尘去除率、工业固体废物综合利用率、生活污水处理率和生活垃圾无害化处理率5项指标进行标准化处理，并采用熵权法计算权重，将标准化值与权重相乘求和，得到环境规制得分。

6)外商投资。外商投资比例的增加能够为工业生态效率带来双重影响：一方面，国外企业的投资会带来更多高新技术、先进的节能理念和管理经验，提高企业环保意识，对地区工业生态效率具有促进作用；另一方面，外商投资会导致发达国家高污染、高消耗的企业转移到发展中国家，加剧了对环境的破坏，不利于效率的提升。基于此，本文中选择外商直接投资与工业总产值的比值作为指标，衡量外商投资对工业生态效率的影响。

2 结果分析

2.1 工业生态效率时序变化特征

测算2005—2016年环渤海地区工业生态效率，结果表明，历年的工业生态效率均小于1，说明该地区工业生态效率总体水平不高，提升空间较大，因此应进一步优化。历年研究区工业生态效率平均值均低于0.6，从2005年的0.246 9到2016年的0.361 9，总体增长约46.58%，在2010年达到峰值0.453 9，之后开始呈上下波动态势，从2013—2016年，总体减少约19.93%，表明该地区工业经济和生态环境之间的发展尚不协调。尽管2012年国家大力推进生态文明建设，且取得了一定成就，但煤炭、电力等资源密集型产业在生态文明转型期依然以粗放型生产为主，自然资源过度消耗，废气、废水排放污染严重，导致投入产出比例失衡，因此资源密集型产业急需调整能源结构，提高工业生态效率，从而实现工业发展绿色化。除此之外，2005—2016年，山东省烟台、青岛、威海、德州市和河北省沧州市是研究区历年工业生态效率平均值的前5名，数值分别为0.745 3、0.688 6、0.666 6、0.624 5和0.621 1，说明这5个城市对生态环境保护的意识较高，逐渐走向集约式发展。其中前3名都是沿海城市，说明沿海地区对外开放程度高，更加注重先进清洁技术的引进。另外，有4个城市隶属于山东省，意味着山东省节能减排力度大，注重工业污染的防治和资源的综合利用。辽宁省本溪、鞍山市，河北省秦皇岛市，辽宁省阜新市和河北省张家口市是研究区工业生态效率最低的5个市，历年工业生态效率的平均值分别为0.181 8、0.163 9、0.152 7、0.138 4和0.088 6。这5个城市经济发展较为粗放，节能减排意识薄弱，资源浪费情况严重，导致工业生态效率水平相对较低。

京津冀地区、辽宁省、山东省3个区域的工业生态效率平均值变化趋势(见图1)表明，山东省工业生态效率平均值相对较高，2011年达到最高值0.563 1，但从2011年之后出现波动式下降，2011—2016年降幅约5.70%。由于污染密集型产业在山东省部分城市的工业发展中占较大比重，污染排放的规模与强度难以控制，导致资源投入指标和环境投入指标相对较高，因此拉低了全省工业生态效率的平均水平。辽宁省与京津冀地区工业生态效率均低于研究区平均水平，提升空间较大。辽宁省工业生态效率值波动幅度最大，2008年后出现2个峰值，分别是2010年的0.436 7和2013年的0.435 1，然而2014年之后呈现出断崖式下降，最大年降幅达44.96%，2016年降至历年来最低水平。作为东北老工业基地的重要省份之一，辽宁省环境资源无法得到充分利用，出现了比较严重的投入冗余和产出不足的问题，导致工业生态效率难以提高。京津冀地区工业生态效率变化可分为2个阶段： 第一阶段为2005—2011年，工业生态效率逐年上升，增幅为63.01%；第二阶段为2011—2016年，工业生态效率平均值出现小幅度的波动，年变化幅度为1.44%～9.85%，工业生态效率平均值最大值出现在2013年，为0.386 2。北京市的高污染产业存在向周边转移的现象，导致目前京津冀地区的高污染产业主要集中于河北省，然而这种转移无法从根本上解决环境污染问题，京津冀地区总体工业生态效率水平仍然较低。

图1 2005—2016年环渤海地区和不同区域工业生态效率平均值

对环渤海地区及不同区域2005、2009、2013、2016年的工业生态效率进行核密度函数估计，结果见图2。总体来看，2005—2016年的核密度曲线在工业生态效率低值区形成高峰，波峰所处的位置先右移后左移，表明环渤海地区工业生态效率的集中区间不稳定，且波峰宽度呈现由小向大扩张的态势，表明2005—2016年各区域工业生态效率从集中转向分散。京津冀地区2005年的核密度曲线呈现高、低峰并存的特征，2009年由双峰转变为单峰，且峰值降低，说明两极分化现象减弱；2013年的峰值升高且向右移动，高值区再次出现低峰，说明此时工业生态效率水平有所提高；2016年的核密度曲线较为平稳，无明显峰值。辽宁省的核密度曲线呈现由单峰向双峰转变的特征，2009年高峰向右移动，说明工业生态效率水平整体升高，呈现两极分化趋势；2016年工业生态效率变化区间明显缩短，在低值区呈现双峰特征，且峰值均处于较高状态，说明辽宁省各城市工业生态效率值相对集中，整体水平较低。山东省工业生态效率整体由低值区域向高值区域移动，并处于较高水平；2013年的核密度曲线在高值区略有抬升，工业生态效率水平持续升高；2016年的核密度曲线趋于平缓，说明省内各城市的工业生态效率差异较大。

(a)环渤海地区(b)京津冀地区(c)辽宁省(d)山东省图2 2005、 2009、 2013、 2016年环渤海地区及不同区域的工业生态效率核密度估计值

2.2 工业生态效率空间变化特征

2.2.1 空间差异及其演化

对环渤海地区44个城市2005、2009、2013、2016年的工业生态效率进行可视化分析，结果如图3所示。总体来看，省域之间工业生态效率差异明显，高效率地区大致呈现零星分布的格局。2005年，效率高值聚集在辽宁省沈阳、铁岭市，北京市，山东省烟台、威海市等城市，山东省西南部、河北省西部以及辽宁省大部地区效率水平较低。2009年，环渤海地区工业生态效率总体得到改善，其中：辽宁省14个城市的工业生态效率均有不同程度的增长，高值聚集在沈阳、铁岭等市；山东省的工业生态效率明显提高，青岛、聊城、东营等城市位于环渤海地区前列；京津冀地区的工业生态效率略有好转，但张家口、承德、邢台等市的工业生态效率仍处于较低水平。2013年，分别受到沈阳、铁岭市及烟台、青岛市的辐射影响，辽宁、山东省的总体工业生态效率持续上升，处于中高效率的城市大致呈现片状分布；京津冀地区工业生态效率大致呈平稳上升的趋势，张家口、秦皇岛等城市的状况仍不容乐观。2016年，工业生态高效率的区域主要集中于山东省内，东部沿海及鲁西地区带动了全省工业生态效率的提升；京津冀城市群的工业生态效率大致处于中等水平，区域间差距小幅减少，得益于该地区工业发展基础雄厚，拥有较强的科技创新能力，工业生态平稳发展；辽宁省工业发展相对迟缓，资源密集型产业仍占主导地位，高技术含量的产业较少，工业生态低效率的区域呈现大范围分布的特点。4个时间段的工业生态效率空间分布表明，山东省的工业生态高效率城市数量逐渐增多，京津冀地区的工业生态高效率城市数量相对稳定，而辽宁省的工业生态高效率城市数量逐渐减少。近年来，山东省注重经济发展转型，加快新旧动能转换，对工业生态效率的提升具有积极作用，而辽宁省经济的发展多以牺牲环境为代价，导致工业生态效率持续降低，经济发展与环境承载能力严重失衡。

(a)2005年(b)2009年(c)2013年(d)2016年图3 2005、 2009、 2013、 2016年环渤海地区工业生态效率空间分布 从国家标准地图服务系统下载,审图号为GS(2019)1825(http://bzdt.ch.mnr.gov.cn/browse.html?picId=%224o28b0625501ad13015501ad2bfc0022%22),经过ArcGIS 10.3软件数字化处理后得到。

2.2.2 空间自相关

表3为2005—2016年环渤海地区工业生态效率的全局Moran指数I变化情况。由表可知，2009、2010年的I<0，其余年份均为正值，但2005—2014年全局Moran指数的显著性水平P值较大，除2011年外，均未通过显著性检验，说明2005—2014年环渤海地区工业生态效率在空间上基本呈现随机分布的态势。2015年的I=0.333 0，2016年的I=0.443 8，均通过了水平为1%的显著性检验，空间集聚程度在这2年内有所增强。

表3 2005—2016年环渤海地区工业生态效率全局Moran指数

图4所示为2005、2009、2013、2016年4个时间截面环渤海地区工业生态效率的冷、热点分布。从空间分布来看，省域之间工业生态效率存在显著差异，山东省热点区域分布较多，而冷点区域大多分布在辽宁省。从时空演变的角度来看，山东省热点区域逐渐增加，呈现出由东部向西扩散的趋势。2005—2013年，热点地区长期集中于烟台、威海市，2009年小幅蔓延至青岛市，2016年烟台、威海、青岛市持续表现为热点区域，泰安、聊城、菏泽等鲁西城市的工业生态效率提升速度较快，次热点范围大幅扩张。上述分析说明山东省各城市的资源配置合理，发展路线明确，生产技术水平较高，能够充分发挥自身特点，进一步提高投入产出之间的转化效率。辽宁省的工业生态效率的变化不容乐观。2005—2013年，冷点地区变化较小，未出现热点区域，到2016年，省内冷点范围显著扩张，低值的集聚程度加大，除朝阳、葫芦岛和大连市外，其他城市均演变为冷点地区。辽宁省长期以来经济发展重点依靠农业及老工业，经济转型速度缓慢，难度较大，且全省整体科技力量薄弱，导致资源利用效率低下，生态破坏严重，对工业生态效率的提升带来不利影响。除此之外，京津冀城市群未表现出显著的集聚特征。总体来看，环渤海地区工业生态效率冷热点分布的变动明显，逐渐形成以烟台、威海市为热点中心，鲁西地区为热点发展区，辽宁省中东部地区为冷点分布区的空间格局。

P—显著性水平。(a)2005年P—显著性水平。(b)2009年P—显著性水平。(c)2013年P—显著性水平。(d)2016年图4 2005、 2009、 2013、 2016年环渤海地区工业生态效率的冷、热点分布 从国家标准地图服务系统下载,审图号为GS(2019)1825(http://bzdt.ch.mnr.gov.cn/browse.html?picId=%224o28b0625501ad13015501ad2bfc0022%22),经过ArcGIS 10.3软件数字化处理后得到。

3 工业生态效率影响因素分析

采用面板Tobit模型分析工业集聚、经济发展、科技研发、产业结构、环境规制和外商投资对环渤海地区工业生态效率的影响程度，结果如表4所示。

表4 Tobit模型回归分析结果

工业集聚对该地区工业生态效率的影响程度最大，对整个研究区及京津冀地区、辽宁省、山东省均通过了显著性检验，且呈现正相关，系数分别为0.136、0.062、0.105和0.208。工业密度的增加能带来规模经济，这种经济上的集聚效应进一步提高了资源的配置和利用效率。另外，产业集聚促进科技成果和信息的广泛交流，有利于治污技术和设备的开发、利用和共享，从而减少污染物的排放量，因此，增加工业密度将有助于提高环渤海地区的工业生态效率。经济发展对整体区域的影响通过了水平为5%的显著性检验，影响系数为-0.065，呈现出负相关，而对于京津冀地区、辽宁省和山东省的影响不显著，与张新林[31]、李成宇[35]等的研究结论不同。造成这一结果的原因可能是，环渤海地区在注重经济快速发展，并且取得巨大经济效益的同时，没有充分统筹生态环境保护以及与经济之间的协调发展，存在资源开发利用不合理等问题，加剧环境恶化。由此可见，在地区发展过程中，不能仅以GDP作为衡量标准，需要从多个视角出发，促进经济的可持续发展。科技研发对整个研究区和辽宁省的影响效应呈现显著的正相关，影响系数分别为0.026和0.037，对于京津冀地区和山东省的影响则不显著。科技研发的投入能够促进科技创新，为污染治理提供技术手段，从而提高资源的利用率。各地政府应加大科技研发力度，充分发挥带动作用，协调与企业及研发机构之间的关系，提高创新效率。产业结构对各区域的影响均未通过显著性检验。原因在于，工业产值的增加带来了可观的经济效益；但与此同时也造成了污染物排放量的快速增加，而工业生态效率是对工业产出和资源环境投入的综合考虑，因此并不能表明工业结构的变化对地区环境的影响。环境规制对山东省的影响在水平为5%时是显著的，但呈现负向的抑制作用，影响系数为-0.171，而对于整个研究区以及京津冀地区、辽宁省则不显著。政府加大对生态环境的治理恰好说明当地环境污染和生态破坏问题的严重性，但目前我国的环境规制的相关政策尚不完善，企业对政府提出的规制措施不能有效落实，导致环境规制的效果不理想，环境问题得不到及时解决，为此，各地政府应当严格规范环境规制，推动对工业企业积极的引导作用，提高当地的工业生态效率。外商投资对整个研究区和辽宁省的影响均在水平为1%时显著，且都呈现负相关，系数分别为-0.033和-0.056，但对京津冀地区和山东省的影响不显著。将外资企业引入本地区，在一定程度上能推动经济发展；但各地政府对外资引进的标准有所差异，可能会引进国外的高污染企业，加剧环境污染问题，因此，各地政府应提高引进外资企业的门槛，规范环境标准，鼓励具有先进技术和更加节能环保的企业进入，发挥其带动和引导作用，优化引资结构，为提升当地工业生态效率发挥积极作用。

4 结论与讨论

4.1 结论

采用Bootstrap-DEA模型计算了2005—2016年环渤海地区的工业生态效率，并且分析了工业生态效率的时空演变特征，最后运用Tobit模型进行回归，探讨该地区工业生态效率的主要影响因素。得出以下结论：

1)从时序变化特征来看，2005—2016年研究区工业生态效率值均小于1，总体水平不高，提升空间较大。山东省工业生态效率相对较高，辽宁省与京津冀地区工业生态效率均低于研究区平均水平。研究区工业生态效率的集中区间不稳定，2005—2016年各城市工业生态效率值从集中转向分散，整体局势仍不容乐观。

2)从空间变化特征来看，省域之间工业生态效率差异明显，高效率区域大致呈现零星分布。2005—2014年研究区工业生态效率在空间上基本呈现随机分布的态势，2015—2016年总体呈现显著的空间关联特征且相关性增强。研究区工业生态效率冷、热点分布的变化明显，逐渐形成以山东省烟台、威海市为热点中心，鲁西地区为热点发展区，辽宁省中东部地区为冷点分布区的空间格局。

3)从工业生态效率的影响因素来看，工业集聚对环渤海及各地区工业生态效率的影响程度最大，且影响系数为正值；人均GDP对整体区域的影响显著，且为负相关；科技研发对整个研究区及辽宁省的影响显著，为正相关；环境规制对山东省的影响显著，呈现负向的抑制作用；外商投资对整个研究区和辽宁省的影响显著，且都呈现负相关。

4.2 讨论

工业生态效率能够衡量地区工业投入与产出的状况，对提高资源利用率，转变传统高投入、高污染的工业发展方式具有重要意义。通过分析环渤海地区工业生态效率的时空特征及影响因素可以发现，该地区工业生态效率总体较低，省域之间差异明显。为改变目前的状况，提高各地的工业生态效率，减少地区间差异，研究区应加快产业集聚，引导企业积极转移，促进区域产业间的协同合作。科技水平是提高工业生态效率的重要因素，需要继续加大科技研发投入，促进科技成果和信息的广泛交流，提高资源利用率，协调与企业及研发机构之间的关系，切实减少污染物的排放量。环境规制的增加不利于提升地区工业生态效率，因此，需要完善相关政策，合理引导工业企业进行清洁生产，实现工业经济可持续发展。另外，提高外资引进门槛，发挥节能企业的带动和引导作用，优化引资结构，且各地政府应根据自身情况制定相应的对策，充分利用好各自的区域优势，加强区域间联系，以促进当地工业生态效率的快速提升。

本文中基于Bootstrap-DEA模型测度工业生态效率，通过对原始样本进行抽样，修正传统DEA模型的估计偏差，以获取新的样本及统计量，结果更具科学性，但是受诸多因素影响，本研究存在一定不足之处：首先，研究数据有限，本文仅选择2005—2016年的面板数据进行分析，今后需选取更长时间序列探讨环渤海地区工业生态效率变化情况；其次，工业生态效率的评价体系中未纳入人力、资金等投入指标，可能存在针对性不足等问题，为此，深入完善指标体系是今后研究需继续关注的内容。