Page 279 - 长三角区域生态绿色发展模式与路径研究
P. 279
第七章 长三角城市群环境效率测度及影响因素
的利用效率,减少资源的消耗,在生产末端,科技水平的提升能对污染物进行处
理,减少排放。科技水平的提升还能促进产业结构的转型和升级,能够推动高新
技术企业的发展,是引领发展的第一动力,进一步提升科技水平对环境治理的贡
献度,是长三角地区提升环境效率的重要手段。
(6)人口密度
长三角地区的人口密度与环境效率存在显著的负相关关系。城市群对人口规
模和人口流入的控制一定程度上能够提高城市环境效率,刘海猛等在京津冀城市
群大气污染影响因素的研究中,同样指出城市人口规模对雾霾的排放有不可忽视
的影响。
第四节 长三角生态效率提升路径研究
一、城市群环境效率提升方法构建
在对区域间环境效率进行比较分析后,如何进一步提升环境效率也是学者和
区域间政府关注的重点问题。本节将各城市的投入指标冗余作为环境效率提升的
关键性指标,在分析各城市投入指标冗余的基础上,提出了一种考虑冗余指标削
减来提升环境效率的策略,可以为各城市定量削减投入指标、提升总体环境效率
提供参考和依据。
首先,明确冗余指标的意义:
–
+
当 θ=1,且 s =s =0 时,则称 DMU 0 为 DEA 有效,投入产出效率最优,即该
单元 DUM 0 在投入 x 0 的基础上所获得的产出 y 0 达到最优。
+
–
当 θ=1,且 s ≠0 或 s ≠0 时,则称 DMU 0 为弱 DEA 有效,即在这 n 个决策
出提高 。
+
–
出提高 。 。
单元组成的经济系统中,对于投入 x 可减少 s 而保持原产出 y 0 不变,或在投入 x
+ +
出提高
出提高 。 当 0 ≤ < 1 时,DMU 为 DEA 无效,即该单元可通过组合将投入降至原投入x 的h 0
+
0
0
+
不变的情况下可将产出提高 s 。
当 0 ≤ < 1 时,DMU 为 DEA 无效,即该单元可通过组合将投入降至原投入x 的h
当 0 ≤ < 1 时,DMU 为 DEA 无效,即该单元可通过组合将投入降至原投入x 的h
0 0
比例而保持原产出y 不变。
当 0 ≤ < 1 时,DMU 为 DEA 无效,即该单元可通过组合将投入降至原投入x 的h 0 0 0 0 0
0
0
0
当0≤θ<1时,DMU 0 为 DEA 无效,即该单元可通过组合将投入降至原投入 x 0
比例而保持原产出y 不变。
比例而保持原产出y 不变。
比例而保持原产出y 不变。 − = 1,2, ⋯,
0 0
的 h 0 比例而保持原产出 y 0 不变。
0
− −
= 1,2, ⋯,
= 1,2, ⋯,
−
= 1,2, ⋯, −
将决策单元中各分量的松弛变量 s = 1,2, ⋯, 总和,即 称为投入冗余量,其
=1
称为投入
总和,即
称为投入冗余量,其
将决策单元中各分量的松弛变量
− −
将决策单元中各分量的松弛变量s = 1,2, ⋯, 总和,即 称为投入冗余量,其
将决策单元中各分量的松弛变量 s = 1,2, ⋯, 总和,即
−=1
=1
将决策单元中各分量的松弛变量 s = 1,2, ⋯, 总和,即 称为投入冗余量,其
=1
冗余量,其与对应投入指标 =1 的比值定义为投入冗余率,记为 。
的比值定义为投入冗余率,记为x 。
与对应投入指标
ij
与对应投入指标 的比值定义为投入冗余率,记为 。 。
与对应投入指标
的比值定义为投入冗余率,记为
=1
与对应投入指标 的比值定义为投入冗余率,记为 。
=1
=1 −
= =1 ·269·
− −
−=1
=1
= = =1 =1
= =1
=1 =1
=1
=1
= 1,2, ⋯,; = 1,2, ⋯,。
=1
=1
= 1,2, ⋯,; = 1,2, ⋯,。
= 1,2, ⋯,; = 1,2, ⋯,。
= 1,2, ⋯,; = 1,2, ⋯,。
二、城市群环境效率提升程度测算
二、城市群环境效率提升程度测算
二、城市群环境效率提升程度测算
二、城市群环境效率提升程度测算
本节主要提出了一种考虑基于冗余指标削减来提升环境效率的方法,为介绍这种思路,
本节主要提出了一种考虑基于冗余指标削减来提升环境效率的方法,为介绍这种思路,
本节主要提出了一种考虑基于冗余指标削减来提升环境效率的方法,为介绍这种思路,
本节主要提出了一种考虑基于冗余指标削减来提升环境效率的方法,为介绍这种思路,
下文仅以 2016 年为例进行分析。SBM-Undesirable 模型的测算考虑到了决策单元的投入松
下文仅以 2016 年为例进行分析。SBM-Undesirable 模型的测算考虑到了决策单元的投入松
下文仅以 2016 年为例进行分析。SBM-Undesirable 模型的测算考虑到了决策单元的投入松
下文仅以 2016 年为例进行分析。SBM-Undesirable 模型的测算考虑到了决策单元的投入松
弛变量和产出松弛变量,基于上文的计算结果,以 2016 年为例,得到长三角城市群各城市
弛变量和产出松弛变量,基于上文的计算结果,以 2016 年为例,得到长三角城市群各城市
弛变量和产出松弛变量,基于上文的计算结果,以 2016 年为例,得到长三角城市群各城市
弛变量和产出松弛变量,基于上文的计算结果,以 2016 年为例,得到长三角城市群各城市
的投入指标冗余值,如表 7-6 所示。
的投入指标冗余值,如表 7-6 所示。
的投入指标冗余值,如表 7-6 所示。
的投入指标冗余值,如表 7-6 所示。 表 7-6 2016 年长三角城市群 26 城市冗余值表
表 7-6 2016 年长三角城市群 26 城市冗余值表
表 7-6 2016 年长三角城市群 26 城市冗余值表
表 7-6 2016 年长三角城市群 26 城市冗余值表
DMU 能源消费总量(万吨标 固 定 资 产 投 资 就 业 人 口
能源消费总量(万吨标
固 定 资 产 投
就 业 人
DMU 能源消费总量(万吨标 固 定 资 产 投 资 资 就 业 人 口 口
DMU
准煤)
(亿元)
DMU 能源消费总量(万吨标 固 定 资 产 投 资 就 业 人 口 (万人)
准煤) (亿元) (万人)
(万人)
准煤)
(亿元)
准煤) (亿元) (万人)
安 302.1403 1127.7246 259.8187
安 安 302.1403 1127.7246 259.8187
302.1403
259.8187
1127.7246
安 庆市 1127.7246 259.8187
302.1403
庆市
庆市
庆市 常 114.6934 1892.016 18.2783
常 常 114.6934 1892.016 18.2783
18.2783
1892.016
常 州市 114.6934 1892.016 18.2783
114.6934
州市
州市
州市 池 256.2330 424.1359 88.3979
池 池 256.2330 424.1359 88.3979
256.2330
88.3979
424.1359
池 州市 424.1359 88.3979
256.2330
州市
州市
州市
滁 157.5616 1110.4352 235.8715
滁 滁 157.5616 1110.4352 235.8715
157.5616
235.8715
1110.4352
滁 州市 1110.4352 235.8715
157.5616
州市
州市
州市
杭 0 610.6429 250.8459
杭 杭 610.6429 250.8459
250.8459
610.6429
杭 州市 0 0 610.6429 250.8459
0
州市
州市
州市

