CN106570634A - 城市群经济环境效率评估方法 - Google Patents

Abstract

本发明提供了一种城市群经济环境效率评估方法。该方法包括：采取DEA模型对城市群经济环境效率进行测度，随后运用考虑非期望产出的DEA‑SBM模型，分析在环境污染物作为非期望产出制约下的城市群经济环境效率差异，进一步运用熵技术支持下的TOPSIS模型分析资源投入、经济效益、缓解影响与生态效率的叠加关系，最后通过松弛度分析，得出城市群经济环境效率差异原因并提出相应对策。通过本发明，解决了相关技术中研究多以省际(区域)尺度为研究对象，但以该尺度数据作为指标无法清晰的体现出地区发展内质的不均匀性的问题，从而提供了一种适合城市群的经济环境效率评估方法。

Description

城市群经济环境效率评估方法

技术领域

本发明涉及数据处理领域，具体而言，涉及一种城市群经济环境效率评估方法。

背景技术

生态效率(即经济环境效率)由Schaltegger和Burritt于1990年提出，经过20多年的发展生态效率评价已经成为分析城市可持续发展的重要工具。生态效率(eco-efficiency)由英文单词ecology(生态学)、economy(经济学)和efficiency(效率、效能)合成而来，意味生态效率不单指生态效率还需兼顾经济效率。此后，国际相关大型机构从不同角度定义了生态效率概念：从满足人类发展需求为基本点，WBCSD定义生态效率指在满足人类需求和生活质量的基础上，通过将生命周期中对环境的影响降低到地球可承载的能力范围内，从而提供具有价格竞争力的商品与服务；从降低自然资源投入为基本点，如EEA定义生态效率指以最少的自然界投入创造更多福利，ESCAP定义生态效率为提升基础的社会生产力和降低资源消耗变化的重要基本元素，生态效率的测度将会更好的提升绿色发展；从减少环境破坏为基本点，如UNCTAD定义生态效率指增加(至少不降低)股东价值的同时，减少对环境的破坏。尽管生态概念缺乏统一的学术界定，但其内涵具有共同性，指如何通过高效率配置城市社会经济及自然资源投入，使城市发展对环境冲击最小化，经济效益最大化，提升人类生活各项福利，最终实现城市的可持续发展。

针对生态效率评价问题，学术界做了大量富有成效的研究工作。国内外相关文章主要围绕生态效率评价指标选择、核算方法与评价模型、生态效率的时序变化规律与空间分异、分行业生态效率评价等，以区域中观尺度层面和微观企业(行业)层面研究为主。因研究领域与空间尺度的不同，生态效率对应的具有多样的核算指标。其核算主要从经济价值与环境影响三个层面出发，在国外，WBCSD提出了微观的企业(行业)层面的经济效益核算方法，即把产品或服务的生产总量、销售总量或净销售额视为经济价值。Kuosmanen和Kortelainen则从区域尺度出发，认为国民生产总值(GNP)可以反映区域的富有程度以及社会创造的价值。J建议了三种经济指标以反映区域商品和服务的价值，即国内生产总值、工业增加值和基本商品输出价格。对于环境核算层面，UNCTAD报告列出了以排放量为基础的5个环境指标，即不可再生能源消耗、水资源消耗、温室气体排放、危害臭氧层气体的排放、固体和液体废弃物。在国内，学者多从省际(区域)尺度建立评价指标体系：经济价值核算主要以地区GDP、人均GDP、研究目标行业产值为主。环境核算层面，主要由资本存量、土地、水、能源消耗量、劳动力、废水、废固、废气等指标构成。对于研究复杂的城市系统，生态效率评价结果应客观的反映经济、自然、环境等城市子系统间的协调发展程度，通常将多维度的复杂性指标集成为单一数值时需要对数据进行加权处理，因模型法可以有效避免权重赋值的主观性，成为了生态效率研究的主要手段。目前得到广泛应用模型方法主要有DEA模型、UMM模型、LCI模型、VSM模型等。其中，对于不同类型决策单元的多指标投入和多指标产出效率计算，DEA模型因具有所需指标少、有较高的灵敏度和可靠性、不需要统一量纲，简化了测量过程，最大程度保证了原始信息完整性以及对于具有共同特性的决策单元进行综合评价时不需要对变量做函数假设等优点，成为了目前学术界使用较多的相对效率计算模型。

目前国内外运用DEA模型进行生态效率的评价研究集中在：国家层面。如Rashidi等人利用能源消费等指标，采用DEA模型测度了经济合作与发展组织(ODEC)国家的生态效率，跟踪各国能源消费量，得出产生高额非期望产出的国家难以控制生态效率，且节约最优数量能源的潜力很小。②区域层面。如Goto等人利用能源消费量等作为指标，运用DEA方法评价了日本工业区运行与生态效率，证实了日本制造业中存在的波特假说，此外还得出温室气体的排放量是DEA无效率的主要因素，可通过提高技术创新资金投入的方法减少温室气体和二氧化碳的排放。③城市层面。如Lee等人利用SBM-DEA模型，将废气作为非期望产出的方法对世界大型港口城市的生态效率进行了测度，并且引入社会和机会成本，分析了远洋船舶产生的废气对生态效率的影响。国内学者对生态效率的研究主要集中在全国、省级层面。其中周五七等人利用SBM模型测算了中国1998-2010年各省工业技术效率，并分析了工业技术效率的地区差异及影响因素；杨宇等人通过DEA-ESDA模型对1990、2000、2010年我国各省能源生态效率进行分析，得出了提高能源利用效率的空间配置应注意纯技术效率在空间上的协调。综上所述可以发现，学者研究多以省际(区域)尺度为研究对象，但以该尺度数据作为指标无法清晰的体现出地区发展内质的不均匀性；对由不同等级、不同规模的城市组成的城市群的生态效率研究较少；以城市群为研究对象，研究区域内城市数据为基本单元的生态效率研究以及城市群间差异性研究略显不足；注重结果分析，忽略从资源投入、经济效益、环境影响指标角度出发审视生态效率格局发生变化的深层机理。

发明内容

本发明提供了一种城市群经济环境效率评估方法，以至少解决相关技术中研究多以省际(区域)尺度为研究对象，但以该尺度数据作为指标无法清晰的体现出地区发展内质的不均匀性的问题。

根据本发明的一个方面，提供了一种城市群经济环境效率评估方法，包括：采用DEA模型对多个城市群在多个时间断面的经济效率进行测度；采用规模效率可变条件下非期望产出SBM模型，测算以所述多个城市群为研究对象、内部城市指标为数据的城市群经济环境效率，并分析所述多个城市群的所述城市群经济环境效率的时空格局变化；采用熵技术支持下的TOPSIS模型，通过将所述多个城市群在所述多个时间断面的综合指标进行分类组合，建立所述城市群经济环境效率与资源投入、经济效益、环境影响的叠加关系；通过分析所述非期望产出SBM模型的松弛度，分析影响所述多个城市群的所述城市群经济环境效率的原因。

通过本发明，采取DEA模型对城市群经济环境效率进行测度，随后运用考虑非期望产出的DEA-SBM模型，分析在环境污染物作为非期望产出制约下的城市群经济环境效率差异，进一步运用熵技术支持下的TOPSIS模型分析资源投入、经济效益、缓解影响与生态效率的叠加关系，最后通过松弛度分析，得出城市群经济环境效率差异原因并提出相应对策，解决了相关技术中研究多以省际(区域)尺度为研究对象，但以该尺度数据作为指标无法清晰的体现出地区发展内质的不均匀性的问题，从而提供了一种适合城市群的经济环境效率评估方法。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1a～图1c是根据本发明实施例的东部沿海四大城市群经济效率评价结果的示意图；

图2a～图2c是根据本发明实施例的东部沿海四大城市群内城市经济效率变化示意图；

图3是根据本发明实施例的东部沿海四大城市群生态效率DEA-SBM模型评价结果的示意图；

图4a～图4c是根据本发明实施例的基于Undesirable-SBM的东部四大城市群内城市生态效率时空格局图；

图5a～图5c是根据本发明实施例的东部沿海四大城市群城市分别在2005年、2011年和2014年的资源投入、经济效益、环境影响综合评价结果的示意图；

图6a～图6c是根据本发明实施例的东部沿海四大城市群资源投入、经济效益、环境影响分类格局变化示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。

在本实施例中将以中国东部四大城市群，即京津冀城市群、山东半岛城市群、长三角城市群、珠三角城市群为例，对本发明实施例的技术方案进行示例性描述和说明。

一、模型建模及数据来源

城市群经济环境效率测度的DEA模型

本实施例中的DEA模型包括：城市群经济环境效率测度的规模报酬不变(CRS)模型、规模报酬可变(VRS)模型。

假设要评价N个城市群的经济效率问题，并提出评价指标体系为L种投入指标，M种产出指标。设x_nl(x_nl＞0)代表第n个城市群的第l种资源的投入量，y_nm(y_nm＞0)代表第n个城市群的第m种产出量。对于第(n＝1,2,…,N)个城市群，θ(0<θ≤1)代表投入资源要素产出综合技术效率指数；λ_n(λ_n≥0)为权重变量，用来测定城市群规模收益；ε为非阿基米德无穷小量；s^-(s^-≥0)为松弛度，反映城市群为到达DEA有效值需减少的投入量；s⁺(s⁺≥0)为剩余变量，表示城市群达到DEA有效值需增加的产出量。则城市群经济环境效率测度的DEA模型为:

上述(1)式即基于规模报酬不变(Constant Returns to Scale)的DEA模型，简称CRS模型。当θ_n越趋向1时，表明第n个城市群经济环境综合效率越接近有效，反之越低。

将作为约束条件引入(1)式，可将上式转变为规模报酬可变(VariableReturns to Scale)的DEA模型，简称VRS模型。用VRS模型可得到第n个城市群的综合效率指数，即θ_n；城市群的纯技术指数(Technical Efficiency)，即θ_TE；规模效率指数(ScaleEfficiency)，即θ_SE；通过此模型可将综合效率定为纯技术效率与规模效率的乘积，即θ_n＝θ_TE×θ_SE。同样，对于θ_TEθ_SE的值越接近1，说明城市群的纯技术效率、规模效率越接近有效，反之越低。当θ_TE或θ_SE的值等于1时，则该城市群的纯技术效率或规模效率达到最优。

城市群经济环境效率测度的DEA-SBM模型

该模型属于非径向非角度模型的DEA-SBM模型，其基本原理如下：假设城市群经济效率评价系统下设n个决策单元(DMUs)，且每个决策单元均有3个投入产出向量，即资源要素投入、期望经济产出和非期望污染物产出，其元素分别表示为x∈R_m，y^g∈R_s1，y^b∈R_s2。矩阵X，Y^g，Y^b定义如下：X＝(x_i,j)∈R_m×n,根据投入产出实际情况，假设X＞0，Y^g＞0，Y^b＞0，p为N种要素投入X所产生的期望和非期望产出的所有组合，即生产可能性集合，定义为：

P＝{(x,y^g,y^b)|x≥Xλ,y^g≥Y^gλ,y^b≥Y^bλ,λ≥0} (2)

含有非期望产出的SBM模型(Undesirable-SBM)：

式中：S^-、S^g、S^b分别表示资源要素投入、期望经济产出、非期望污染物产出的松弛变量；λ为权重向量；S₁为期望经济产出的个数；S₂为非期望污染物产出的个数；ρ为关于S^-、S^g、S^b严格递减的目标函数且0≤ρ≤1。对于特定的评价单元，当ρ＝1时，有且仅有S^-＝0，S^g＝0，S^b＝0时，评价地区投入产出效率最优，即DEA有效。SBM模型在运算过程中将松弛变量直接放入目标函数中，不仅有效解决了投入产出松弛型问题的同时，还解决了非期望产出效率评价问题。

熵技术支持下的TOPSIS模型

本实施例依据生态环境定义将数据分为三类：资源投入、经济效益、环境影响。为了将集成后的指标与生态环境效率评价结果进行叠加分析，需要设置指标权重，本实施例采用熵技术支持下的TOPSIS模型进行计算。熵技术支持下的TOPSIS模型是利用熵权法对传统TOPSIS评价法中权重确定环节进行了改善，其计算步骤如下：

①假设被评价对象有m个，每个评价对象的评价指标有n个，构建判断矩阵：

X＝(x_ij)_m×n (5)

②对判断矩阵进行标准化处理：(x_max为同一指标的最大值) (6)

③计算信息熵：

式中：

④定义指标j的权重：

⑤计算加权矩阵：R＝(r_ij)_m×n,r_ij＝w_j·x_ij(i＝1,2,…,m；j＝1,2,…,n) (9)

⑥确定最优解和最劣解

⑦计算各方案与最优解和最劣解的欧式距离：

⑧计算综合评价指数：

式中：Ci值越大表征评价对象越优。

各模型的指标选取及数据来源

指标选取

根据DEA方法指标选取的一般性规则，即(投入指标数+产出指标数)≤1/3决策单元个数。根据城市活动内涵以及柯布-道格拉斯生产函数的观点，城市群经济环境评价指标需要反映城市活动的资本要素、自然要素，人力要素。通过对以往相关文献指标选取的梳理，发现作为经济发展必备条件的能源常常被学者忽略。为此，本实施例借鉴并改进相关学者已有研究成果，构建城市经济环境效率指标体系。其中，投入指标分为资本要素投入、人力投入、自然要素投入、能源投入共4个一级指标，城市群内城市全社会固定资产投资总值、实际利用外资值、城市建成区面积、用水总量、从业人员总数、能源消耗量(例如消耗标准煤数量)共6个二级指标。产出指标分为效益产出、污染产出共2个一级指标，城市群内城市国民生产总值(GDP)、工业增加值、地方财政收入、第三产业增加值、废水排放总量、废气排放总量、烟尘排放总量共7个二级指标，如表1所示。

表1城市群城市经济环境效率测度指标体系

研究对象与数据来源

本实施例根据发明人对中国城市群已有的研究成果，选取中国东部地区京津冀城市群、山东半岛城市群、长江三角洲城市群、珠江三角洲城市群为研究对象，共选取42个中心城市(除澳门、香港)作为各城市群的代表性城市。因受到数据可得性限制，本研究的时间序列为2005年、2011年、2014年三个时间断面。数据来源于《中国城市统计年鉴2006》、《中国城市统计年鉴2012》、《中国城市统计年鉴2015》和相关年份北京市、天津市、上海市、河北省、山东省、江苏省、浙江省、广东省统计年鉴以及各城市国民经济和社会发展统计公报。本实施例用到的软件为MaxDea6.7、Deap 2.1、Arcgis 10.2。

二、结果分析

东部沿海四大城市群经济效率分析

经济综合效率分析

经济综合效率体现了将资源投入转化为经济效益的能力，通过计算发现：2002年、2011年、2014年综合效率平均值分别为0.940、0.905、0.938，即达到有效沿面的94％、90.5％和93.8％，总体呈现出先下降后提升的V型演变格局。如图1a～图1c所示，四大城市群经济综合效率在研究时间断面中的变化具有显著差异：京津冀城市群呈现出下降趋势，其经济综合效率由2005年的0.934下降到2014年的0.887，下降幅度为4.96％，面临较大的经济效率改善压力。山东半岛城市群、长三角城市群、珠三角城市群虽然在2005-2011年呈下降趋势，但在2011-2014年间经济综合效率得到有效提升，其中长三角城市群提升幅度较大，由2011年的0.898提升到2014年的0.970，提升幅度为8％，经济效率得到改善明显。

如图2a～图2c所示，从城市群城市经济综合效率来看，京津冀城市群“双核”带动发展态势明显，北京市、天津市经济综合效率突出，而河北省内多数城市在2011年后呈DEA无效率，城市间经济综合效率差异较大；山东半岛城市群内城市经济综合效率总体处于较优水平，但低位城市经济综合效率远低于其他城市，木桶效应明显；长三角城市群内城市经济综合效率在2011年后得到快速提升，普遍达到DEA前沿面的90％以上，整体呈高位运行趋势；虽然珠三角城市群内超过50％的城市在三个时间断面中都处于DEA最优前沿面，但是由于部分城市经济综合效率较低，同样表现出明显的木桶效应。

经济纯技术效率分析

经济纯技术效率体现了投入资源要素的合理化配置、利用水平。四大城市群中在三个时间断面中表现出不同的2005-2011年期间经济纯技术效率有一定下降，但在2011-2014年期间通过加大优化资源投入的配置，提升资源利用水平，经济纯技术效率得到明显提升，总体呈V型演变格局。四大城市群经济综合效率在研究时间断面中具有相似的变化趋势，其变化幅度差异显著。其中，2005-2011年下降幅度较大最大的城市群为京津冀城市群与珠三角城市群，幅度分别为0.046与0.049，2011-2014年上升幅度最大的城市群为长三角城市群，幅度为0.064。可以看出，长三角城市群具有较高的纯技术效率改善能力，在城市群中处于相对领先地位。从城市群城市经济纯效率来看，四大城市群中核心城市与区域核心城市多数始终达到前沿面的90％以上，且在三个时间断面中变化幅度相对较小，具有较强的稳定性。在三个时间断面中始终未达到DEA前沿面的城市主要是以第二产业为主的中小型城市，如秦皇岛市、湖州市、日照市等。

经济规模效率分析

经济规模效率体现了城市群经济的规模集聚水平。四大城市群经济规模效率演变模式存在较大差异，珠江三角洲城市群是四大城市群中唯一在2005-2014年间始终呈上升趋势是珠江三角洲城市群，其经济规模效率由2005年的0.963上升为2014年的0.970。山东半岛城市群与长三角城市群在2005-2011年间呈小幅度下降趋势，2011年后均表现出上升趋势。京津冀城市群则呈倒V型演变格局，经济规模效率在2005-2011年之间呈上升趋势，但随后呈下降趋势，由2011年的0.957下降到2014年的0.911，下降幅度为0.049。从纵向城市角度而言，多数城市在2005-2014年间经济规模效率得到有效提高并具有保持高位运行的趋势，但是秦皇岛市、日照市、潍坊市经济规模效率仍然偏低。

考虑环境污染后的东部四大城市群生态环境效率及时空特征分析

基于非期望产出的DEA-SBM模型能够避免不考虑环境因素进行效率评价时存在评价结果失真的问题以及传统DEA模型角度选择和径向选择的缺陷。考虑到环境污染影响时，2005、2011、2014年东部四大城市群经济环境效率平均值分别为0.897、0.847、0.892，即达到最优生产前沿面的89.7％、84.7％和89.2％。与传统方法测算的经济效率相比，东部四大城市群经济环境效率平均值分别下降0.044、0.058、0.046，反映了环境污染会带来不同程度的效率损失。

如图3所示，从起始年份来看，京津冀城市群经济环境效率相对较低，且受环境影响导致的效率损失最大，山东半岛城市群经济环境效率相对较高，经济环境效率受到的环境影响最小；2005-2011年期间，山东半岛城市群、长三角城市群、珠三角城市群经济环境效率均有所下降。其中，珠三角城市群下降幅度最大，为0.073。

尽管京津冀城市群经济环境效率则略微上升，由0.852上升到0.856，但经济环境效率值仍保持较低水平。此期间是我国城镇化高速推进时期，大中小城市规模不断扩大，资源开发力度不断增强，同时环境污染、生态服务功能负担不断加重，城市群经济环境效率整体处于相对低值状态；2011-2014年期间，山东半岛城市群、长三角城市群呈经济环境效率呈回升趋势，分别由0.888、0.816提升至0.918、0.931，长三角城市群经济环境效率改善效果最为显著。京津冀城市群与珠三角城市群经济环境效率基本保持稳定，珠三角城市群经济环境效率快速下降趋势得到有效缓解。总体来看，四大城市群经济环境效率呈高低交错格局，山东半岛城市群、珠三角城市群属于相对高效地区，沿海四大城市群经济环境效率在2005-2011年为下行期，2011-2014为修复期。

通过分析图4a～图4c可知，沿海四大城市群内城市经济环境效率时空演化格局具有不同的演化特征。京津冀城市群经济环境效率空间格局由2005年的中间高、南北低逐渐演变为沿承德-沧州为轴线的I字型高值区分布，低值区则主要位于京津冀城市群的东西方向城市；山东半岛城市群内城市经济环境效率分布格局总体保持稳定，高值区位于北部、东部沿海一带，低值区则位于中部、南部；长三角城市群经济环境效率格局总体属于由东部沿海高值区向西方向逐步降低格局，尤其是与安徽交界地区形成明显的低谷区；珠三角城市群经济环境效率大致呈现由珠江口沿海和沿江一带城市为核心的高值区向东、西、北上个方向降低格局，陆内城市经济环境效率值始终较低。

为了展现出各城市群经济环境效率的时间变化差异，在本文研究中引入变异系数、基尼系数。变异系数与基尼系数值的变化可以反映出经济环境效率在时间上的变化和趋势。

变异系数

式中：y_i为城市群内各城市经济环境效率；u为每年平均数；n为地区数。由变异系数结果可知，数值越来越大则表示差异越来越大，否则反之。2005-2014年，京津冀城市群(0.204-0.228)、山东半岛城市群(0.160-0.170)、珠三角城市群(0.155-0.204)变异系数不断增加，城市群内经济环境效率差异逐步增大。仅长三角城市群变异系数(0.161-0.116)不断减少，城市间经济环境效率差异缩小，呈现出合理的发展趋势。

基尼系数

式中：y_i和y_j代表城市群内城市经济环境效率值；n为城市群内城市个数；u表示当年城市群经济环境效率均值。通过计算2005年至2014年四大城市群的基尼系数，也证明了京津冀城市群(0.102-0.114)、山东半岛城市群(0.049-0.069)、珠三角城市群(0.061-0.098)呈不断增大趋势，仅长三角城群(0.082-0.053)呈减小趋势。

经济环境效率与综合要素投入、经济效益、环境影响作用机理

随着我国城镇化和工业化的不断发展，资源形势日益严峻，我国部分地区依然实行“高投入、低效益、高污染”的发展模式，资源的不合理利用造成了经济健康问题，影响了可持续发展。综合性分析资源投入、经济效益、污染排放与经济环境效率间关系是深入研究经济环境效率高低成因的重要手段。如5所示，首先采用熵技术支持下的TOPSIS模型对城市群经济环境效率测度指标体系进行综合集成，分为资源投入、经济效益和环境污染指标3个指标，随后将城市群内各个城市集成指标与其经济环境效率进行对应(图5a～图5c)，最后采用K-均值聚类方法将3个综合指标分为高中低3类(图6a～图6c)。

分析得出在2005-2014年期间：

①“高投入、高效益”型城市分布格局保持不变，逐步向“低污染”式环境影响转变，其经济环境效率始终处于DEA前沿面。这类城市往往是四大城市群中社会经济发展水平较高的核心地区，其将资源投入转化为经济效率的能力远超其他城市，通过积累的财力着力进行环境治理与企业技术改造且效果明显。这类城市主要为北京市、上海市、苏州、广州市、深圳市；

②“中投入、中效益”型城市污染物排放水平同样呈下降趋势，这类城市消耗中等水平资源，产出中等经济效益的同时，更加重视减少污染物的排放，但由于要素配置的不合理导致经济环境效率通常无效率，如南京市、杭州市、无锡市。此类型城市还会通过提高资源投入的方式增加经济效益，利用提高的经济效益改善生产技术水平，降低污染物排放，优化投入要素配置后转为“高投入、高效率、低污染”城市，DEA由无效率转为有效率，这类城市有天津市；

③“低投入、低效益、低污染”型城市数量较多，始终占城市总数的50％，特点是通过较低的资源消耗而产出较低的经济效益，污染物排放也很低，这类城市的经济环境效率多数达到有效率。随着经济水平的发展，部分城市向“中投入、中效益、中污染”型城市转变，虽然通过增加资源消耗达到了中等经济效益，但是由于污染物排放量的增加，DEA由有效率转为无效率，如济南市。

经济环境效率无效率影响因素分析及优化途径

由SBM模型原理可知，如果DMU有效值ρ<1，则松弛变量S^-、S^g、S^b的大小即可反映出东部四大城市群内城市经济环境效率值无效率的原因，松弛度潜力的变化从一定程度上反映了能源投入配置合理与否，通过对2014年四大城市群投入要素松弛变量S^-、S^g、S^b的平均值分析(表2)可发现：

表2东部沿海四大城市群经济环境效率改善潜力

①京津冀城市群能源消耗与从业人员数改善潜力相对较高，一方面说明京津冀城市群中黑色金属冶炼及延压加工业、石油加工业、有色金属业等高耗能行业产值比重仍然较高，另一方面说明京津冀城市群存在大量土地资源利用不集约问题。京津冀城市群拥有多个国家创新基地，应以此为支撑，加大生产创新力度，将新材料、新工艺等高新技术和先进方法用于传统行业，以此提升生产效率、降低能源消耗、实现清洁生产。还应以可持续发展为导向，推动工业循环经济发展，利用现代电子信息技术，实现生产过程自动化、控制智能化，加强对资源能源消耗的监控，更可以提高人力资源实用效率。最后需加快推进城市群环境保护与生态建设一体化建设，加快科学技术在城市群内城市间流动，缩小城市间环境保护与生态建设差距。

②山东半岛城市群从业人员总数松弛度较高。该城市群制造业聚集，集资源密集型与劳动密集型等传统产业所占比重较大，其中化学工业、金属冶炼等行业消耗大量资源。山东半岛城市群区位优势明显，水路空交通便捷，港口集中，紧临日韩，应利用上述优势，从制造业入手，积极吸引外资并吸收外来技术，调整产业政策，推动由资源密集型转向资本技术密集型产业的转变，建成先进制造业和战略性新兴产业基地；其次加快发展海洋经济产业，重点推动海洋清洁能源、现代海洋服务业、海洋科教创新等新兴项目发展，着重推进城市群区域性产业发展布局一体化建设；

③长江三角洲城市群经济环境效率松弛主要来自于利用外资。长三角城市群城镇分布密度高、人口密集、产业高度集聚，土地承载压力较大，更应重视各项资源的投入配置的合理性与科学性。资本投入主要影响产业规模，以往学者认为扩大产业规模对经济环境效率有正向促进作用，其实不然，长三角城市群部分城市第二产业所占比重仍然较高，第二产业中多数行业属于高耗能、高污染行业，产业的发展规模与资源、能源消耗成正比，产业规模越大意味着对资源的需求量越大，经济要素的投入越多，随之带来的污染排放物也随之增加，这个过程由于行业间工艺流程、技术水准、生产方式的不同，对资源要素使用的效率有显著差异。所以，不应一味扩大投资，扩张产业规模，要合理利用资金，控制产业规模，将重点放到改进生产技术方面，提高清洁成产能力，降低能源消耗和污染物排放；

④珠三角城市群从业人员总数与建城区面积松弛度较高。说明珠三角城市群还有相当数量的劳动密集型的行业，这些行业设备技术落后，单纯以依靠大量廉价劳动力为主的机械式生产方式为主。珠三角城市群应依靠自身优势，如拥有很多高新技术、电子信息和通讯等产业，并且自主研发能力强，应以科技引导企业，提升劳动力综合素质，合理运用人力，提高效率并增加产品附加价值。建城区面积松弛度高说明土地资源存在浪费情况，在当今工业化与城镇化飞速发展的时期应重视土地的集约利用，在日后通过完善土地市场和运行机制的方式下，提高土地的集约利用度，并且土地规划中引入先进方法、新理念，实现生态友好型土地利用模式。此外，东部沿海四大城市群外资利用改善潜力均较高，说明外商直接投资配置比例失衡，由于我国在吸收外资中一直强调生产型投资，致使外商投资主要集中在工业等行业，在全球经济下行以及国内产能逐渐过剩的背景下难以产出较大经济效益，应在未来积极提升外资在金融、保险、商业、外贸等其他发达国家吸引外资最多行业的投入比例，并且在引资过程中避免“重数量轻质量、重引进轻管理”的做法，进一步优化外资投入配置效率。

三、结论

(1)采用传统DEA模型对东部沿海四大城市群经济效率进行测度。发现东部沿海四大城市群经济效率多数呈现2005-2011年间下降、2011-2014年上升的V字型演变格局。长三角城市群经济效率在2011年后得到快速提升，内部城市经济效率普遍达到DEA前沿面的90％以上，而京津冀城市群经济效率始终呈下降趋势，其资源投入配置、经济效率转化水平相对较低。从整体来看，东部沿海四大城市群经济效率为上升趋势，经济效率在2011年后得到充分改善。

(2)采用规模效率可变条件下非期望产出SBM模型测算了以东部沿海四大城市群为研究对象内部城市指标为数据的城市群经济环境效率，研究后发现：①传统DEA模型测度的城市群经济效率值不同程度的高于非期望产出SBM模型测度的经济环境效率值，环境影响将带来不同程度的经济环境效率损失，其中京津冀城市群受环境影响导致的效率损失最大；②京津冀城市群、山东半岛城市群、长三角城市群、珠三角城市群地区经济环境效率均呈先下降后上升的趋势，2011-2014年期间，长三角城市群经济环境效率由0.816提升至0.931，经济环境效率改善效果最为显著；③沿海四大城市群内城市经济环境效率时空演化格局具有不同的演化特征，对其差异进行了分析；④对经济环境效率的时间变化趋势分析后发现：除长三角城市群外，其余城市群变异系数及基尼系数呈放大状态，城市群内城市间差异逐渐增加。

(3)采用熵技术支持下的TOPSIS模型以及K-均值聚类模型，通过将综合指标进行分类组合，建立经济环境效率与资源投入、经济效益、环境影响的叠加关系，以东部四大城市群42个城市为例进行实证研究，发现东部四大城市群中，京津冀城市群、长三角城市群、珠三角城市群核心城市资源消耗强度高、经济效益产出大、经济环境效率高。城市群内多数城市呈污染物排放量下降趋势，环境影响问题有所改善，污染物治理效果较为明显。

(4)通过分析非期望产出SBM模型的松弛度，发现影响东部城市群经济环境效率的原因各不相同。本文从城市群尺度出发进行了差异性分析，并提出了合理化建议。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种城市群经济环境效率评估方法，其特征在于，包括：

采用DEA模型对多个城市群在多个时间断面的经济效率进行测度；

采用规模效率可变条件下非期望产出SBM模型，测算以所述多个城市群为研究对象、内部城市指标为数据的城市群经济环境效率，并分析所述多个城市群的所述城市群经济环境效率的时空格局变化；

采用熵技术支持下的TOPSIS模型，通过将所述多个城市群在所述多个时间断面的综合指标进行分类组合，建立所述城市群经济环境效率与资源投入、经济效益、环境影响的叠加关系；

通过分析所述非期望产出SBM模型的松弛度，分析影响所述多个城市群的所述城市群经济环境效率的原因。

2.根据权利要求1所述的方法，其特征在于，

假设要评价N个城市群的经济效率问题，并提出评价指标体系为L种投入指标，M种产出指标。设x_nl代表第n个城市群的第l种资源的投入量，x_nl＞0，l＝1,2,…,L，y_nm代表第n个城市群的第m种产出量，y_nm＞0，m＝1,2,…,M；

对于第n个城市群，n＝1,2,…,N；θ代表投入资源要素产出综合技术效率指数，0<θ≤1；λ_n为权重变量，用来测定城市群规模收益，λ_n≥0，；ε为非阿基米德无穷小量；s^-为松弛度，反映城市群为到达DEA有效值需减少的投入量，s^-≥0；s⁺为剩余变量，表示城市群达到DEA有效值需增加的产出量，s⁺≥0；

则所述DEA模型为：

$\left\{\begin{array}{c}\min (\mathrm{\&theta;}-\mathrm{\&epsiv;}(\underset{l=1}{\overset{L}{\&Sigma;}}{s}^{-}+\underset{m=1}{\overset{M}{\&Sigma;}}{s}^{+}\left)\right);\\ s.t.\underset{n=1}{\overset{N}{\&Sigma;}}{x}_{nl}{\mathrm{\&lambda;}}_n+s^{-}={\mathrm{\&theta;x}}_l^n;\\ \underset{n=1}{\overset{N}{\&Sigma;}}{y}_{nm}{\mathrm{\&lambda;}}_n-s^{+}=y_m^n;\\ {\mathrm{\&lambda;}}_n\&GreaterEqual;0;\end{array}\right.---\left(1\right).$

3.根据权利要求2所述的方法，其特征在于，所述式(1)中，以作为约束条件。

4.根据权利要求2或3所述的方法，其特征在于，

所述投入指标包括：资本要素投入、人力投入、自然要素投入和能源投入要素共4个一级指标；以及城市群内城市全社会固定资产投资总值、实际利用外资值、城市建成区面积、用水总量、从业人员总数、能源消耗量共6个二级指标；

所述产出指标包括：效益产出、污染产出共2个一级指标；以及城市群内城市国民生产总值、工业增加值、地方财政收入、第三产业增加值、废水排放总量、废气排放总量、烟尘排放总量共7个二级指标。

5.根据权利要求1所述的方法，其特征在于，

假设城市群经济效率评价系统下设n个决策单元DMU，且每个决策单元均有3个投入产出向量，即资源要素投入、期望经济产出和非期望污染物产出，其元素分别表示为x∈R_m，y^g∈R_s1，y^b∈R_s2；

矩阵X，Y^g，Y^b定义如下：X＝(x_i,j)∈R_m×n,

根据投入产出实际情况，假设X＞0，Y^g＞0，Y^b＞0，p为N种要素投入X所产生的期望和非期望产出的所有组合，即生产可能性集合，定义为：P＝{(x,y^g,y^b)|x≥Xλ,y^g≥Y^gλ,y^b≥Y^bλ,λ≥0}；(2)

则所述非期望产出SBM模型为：

$\left\{\begin{array}{cc}\mathrm{\&rho;}=\min \frac{1-\frac{1}{m}\underset{i=1}{\overset{m}{\&Sigma;}}\frac{S_i^{-}}{X_{i0}}}{1+\frac{1}{S_1+S_2}\left\{\underset{r=1}{\overset{S_1}{\&Sigma;}}\frac{S_r^g}{y_{r0}^g}+\underset{r=1}{\overset{S_2}{\&Sigma;}}\frac{S_r^b}{y_{ro}^b}\right\}};& \left(3\right)\\ s.t.\left\{\begin{array}{c}{X}_0=X\mathrm{\&lambda;}+S^{-};y_0^g=Y^g\mathrm{\&lambda;}+S^g;y_0^b=Y^b\mathrm{\&lambda;}+S^b\\ S^{-}\&GreaterEqual;0,S^g\&GreaterEqual;0,S^b\&GreaterEqual;0,\mathrm{\&lambda;}\&GreaterEqual;0\end{array}\right.;& \left(4\right)\end{array}\right.$

式中：S^-、S^g、S^b分别表示资源要素投入、期望经济产出、非期望污染物产出的松弛变量；λ为权重向量；S₁为期望经济产出的个数；S₂为非期望污染物产出的个数；ρ为关于S^-、S^g、S^b严格递减的目标函数，且0≤ρ≤1。

6.根据权利要求1所述的方法，其特征在于，采用熵技术支持下的TOPSIS模型，通过将所述多个城市群在所述多个时间断面的综合指标进行分类组合，建立所述城市群经济环境效率与资源投入、经济效益、环境影响的叠加关系包括：

步骤1，假设被评价对象有m个，每个评价对象的评价指标有n个，构建判断矩阵：

X＝(x_ij)_m×n (5)；

步骤2，对判断矩阵进行标准化处理：

其中，x_max为同一指标的最大值(6)；

步骤3，计算信息熵：

$e_j=-k\underset{i=1}{\overset{n}{\&Sigma;}}{p}_{ij}{\mathrm{lnp}}_{ij}---\left(7\right);$

式中：

步骤4，定义指标j的权重：

$w_j=\frac{1-e_j}{\underset{j=1}{\overset{n}{\&Sigma;}}(1-e_j)}---\left(8\right);$

步骤5，计算加权矩阵：

R＝(r_ij)_m×n,r_ij＝w_j·x_ij(i＝1,2,…,m；j＝1,2,…,n) (9)；

步骤6，确定最优解和最劣解

$S_j^{+}=max(r_{1j},r_{2j},...,r_{nj}),S_j^{-}=max(r_{1j},r_{2j},...,r_{nj})---\left(10\right);$

步骤7，计算各方案与最优解和最劣解的欧式距离：

${\mathrm{sep}}_i^{+}=\sqrt{\underset{j=1}{\overset{n}{\&Sigma;}}{(s_j^{+}-r_{ij})}^2},{\mathrm{sep}}_i^{-}=\sqrt{\underset{j=1}{\overset{n}{\&Sigma;}}{(s_j^{-}-r_{ij})}^2}---\left(11\right);$

步骤8，计算综合评价指数：

$C_i=\frac{{\mathrm{sep}}_i^{-}}{{\mathrm{sep}}_i^{+}+{\mathrm{sep}}_i^{-}},C_i\&Element;\&lsqb;0,1\&rsqb;---\left(12\right);$

式中：Ci值越大表征评价对象越优。

7.根据权利要求1所述的方法，其特征在于，分析所述多个城市群的所述城市群经济环境效率的时空格局变化包括：通过变异系数和基尼系数，分析所述多个城市群的所述城市群经济环境效率在时间上的变化趋势，其中，

所述变异系数

式中：y_i为城市群内各城市经济环境效率；u为每年平均数；n为地区数；

所述基尼系数

式中：y_i和y_j代表城市群内城市经济环境效率值；n为城市群内城市个数；u表示当年城市群经济环境效率均值。