中国西部地区省际全要素能源效率研究--基于超效率DEA模型和M almquist指数

2020年11月第22期总第464期内蒙古科技与经济Inner Mongolia Science Technology&EconomyNovember2020No.22Total No.464中国省际科技创新的效率评价——基于超效率DEA—M almquist指数张勇之(聊城大学商学院，山东聊城252059)摘要：基于超效率DEA模型及Malmuist指数，对2012年〜2018年各省市区的科技创新效率进行测度分析发现：①北京市历年来保持创新高效，但近年来有所下滑，青海省近年来则实现了创新效率的有效增长，其余各省份的创新效率基本稳定或在各区间不断波动；②除江苏省外，全国各地区全要素生产率均实现了基本稳定或有效增长，而江苏全要素生产率降低的主要原因是技术效率降低；③北京、云南、陕西、上海、江苏、山东、湖北、重庆、海南、四川实现全要素生产率的有效增长，依赖于技术进步效率。

关键词：超效率DEA模型；Maimquist指数；边际产量递减规律中图分类号：F124文献标识码:A文章编号1007—6921(2020)22—0025—041文献综述2012年底，党的十八大明确提出“科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置'强调要坚持走中国特色自主创新道路、实施创新驱动发展战略'2016年7月，国务院印发了—十三五”国家科技创新规划.明确了迈进创新型国家，为建成世界科技强国奠定坚实基础的总目标。

2018年3月，十三届全国人大一次会议的政府工作报告中50余次提到科技、强调创新，其中特别指出“加快建设创新型国家把握世界新一轮科技革命和产业变革大势，深入实施创新驱动发展战略)因此，在2020年小康社会全面建成之际，统筹全局，多角度地探究中国科技创新效率的时空变化趋势，研究影响各区域科技创新效率的重要因素，对建设创新型国家，提高社会生产力及综合国力有重要意义'在当前的时代背景下，越来越多的学者开始关注科技创新'学者们主要从以下两个方面展开研究：①基于构建的静态指标体系，通过不同的评价方法对科技创新不同维度进行评价'巴吾尔江等(2012)、徐顽强等(2016)、王彦博等(2020)以及何睿(2012)分别采用主成分分析法对我国内地各省区市及国家创新型城市的科技创新能力进行了评价［140o邓丹青等(2019)、贾春光等(2020)、陈艳华(2017)及赵黎明等(2014)分别运用熵权TOPSIS 法对我国9个典型城市、山东省各地市、中国四大地区及我国31个省市的科技创新能力进行了实证分析/580李沃源等(2019)利用组合评价分析、聚类分析和相关分析等方法，对西部地区各省、市、自治区科技创新系统环境进行实证研究祝影、唐春光、孙锐，等(2019)基于耦合协调模型，对23个中国科技创新城市进行创新要素耦合评价，发现京津冀地区、长三角地区、珠三角地区的城市位居前列，中西部地区和东北地区城市表现乏力/100②基于动态的创新效率进行测度评价'胡丽娜(2019)、何龙光(2019)、许建红等(2019)分别使用DEA方法对内蒙古12盟市、西南地区及东部12省市的科学技术创新效率进行了测度评价［11130'Fuentest et al. (2001)、Giedre Dzemydait e et al.(2016)、Carayan-nis E G et al.(2016)、对园区的科技创新效率、欧盟中部、东部的40个区域及23个欧洲国家创新效率进行了测算与评价/14160o郭淑芬，张俊(2018)运用CCR—DEA、BCC—DEA和Malmquist—DEA模型测度了2009年〜2013年中国31个省市的科技创新效率及其年份变动情况，表明研究期完全有效省份的数量呈增多趋势，但总数仍远不及一半，5年来，基于技术进步各省市的科技创新效率有所提高/170'刘钒等(2017)、林佳丽等(2008)基于超效率DEA模型对长江经济带、广东省21个城市科技创新相对有效性进行了全面客观的评价/8〜190张明龙(2015)基于超效率DEA模型，分析了我国30个省、自治区和直辖市以金融作为投入的科技创新效率，结果表明中西部地区的效率增长高于东部地区#技术效率的变化是导致区域差异的主要原因［2000孙东(2014)采用超效率DEA—TOBIT模型测算了我国2002年〜2012年各省份创新的效率，结果表明：我国创新效率还不高，处于创新有效状态的省份不足1/3,而且创新效率值波动较大，没有出现稳定上升趋势［210o当前，学者的研究为区域科技创新的后续研究奠定了基础，成就显著，但仍存在可进一步研究的巨大空间。

中国三大经济区域全要素能源效率研究基于超效率DEA模型和Malmquist指数一、本文概述本文旨在全面研究中国三大经济区域——东部、中部和西部地区的全要素能源效率。

通过运用超效率DEA模型和Malmquist指数方法，本文深入探讨了各区域能源利用效率的现状、动态变化及其影响因素，以期为中国能源政策的制定和实施提供科学依据。

本文明确了全要素能源效率的概念，它是指在给定投入要素条件下，能源投入与实际产出之间的比率。

这一比率反映了能源利用的经济效果和技术水平，是衡量一个国家或地区能源利用效率的重要指标。

本文介绍了超效率DEA模型和Malmquist指数方法的基本原理和应用优势。

超效率DEA模型能够克服传统DEA模型在评价效率时的局限性，更准确地反映各决策单元的效率水平。

而Malmquist指数方法则能够动态地分析各区域能源效率的变化趋势，揭示效率提升的源泉。

本文详细阐述了研究内容和方法。

通过对中国三大经济区域的能源利用数据进行收集和处理，运用超效率DEA模型和Malmquist指数方法对各区域的能源效率进行测算和分析。

结合区域经济、产业结构、技术进步等因素，探讨各区域能源效率差异的原因，并提出相应的政策建议。

本文的研究不仅有助于深入了解中国各区域的能源利用效率及其动态变化，还能为政府制定针对性的能源政策提供决策支持，推动中国能源利用效率的整体提升。

二、文献综述全要素能源效率（Total Factor Energy Efficiency, TFEE）作为一种评估能源使用效率和经济增长之间关系的重要工具，近年来在学术界和政策制定者中引起了广泛关注。

中国作为一个经济快速增长的发展中大国，其能源使用效率和经济增长之间的关系更是成为了研究的热点。

特别是对于中国的三大经济区域——东部、中部和西部，其经济发展水平、产业结构、能源结构等方面存在显著差异，因此，对这些区域的全要素能源效率进行研究具有重要的现实意义。

国内外学者在全要素能源效率的研究上已取得了一系列成果。

我国教育部直属高校资源投入产——基于超效率DEA模型和Malmquist生产率指数的测算包水梅　黄尧尧　彭万英一、问题的提出美国经济学家格里高利·曼昆（N. Gregory Mankiw）在其著作《经济学原理》中提出，资源的稀缺性决定资源使用效率的重要性[1]。

我国高等教育资源总量不足，优质资源稀缺，这一基本特征决定了如何有效提升资源的配置与使用效率至关重要。

然而，我国高等教育实际发展现状却并非如此：一方面，从资源配置模式来看，我国高等教育资源以行政性配置为主导[2]，政府依据国家发展需求，通过行政指令的方式实施刚性、计划性的资源分配，资源的配置效率如何、配置后的资源能否得到充分利用尚未引起足够重视；另一方面，从资源使用效果的评价方式来看，长期以来，我国对高校建设成效的评估表现为水平评估和成效评估两类，评估的依据是参评单位现有资源的多寡、建设周期内增量成果的绝对数量等内容，一定程度上忽视了对资源使用效率的评估。

随着资源投入力度的不断加大，我国高等教育取得的伟大成就世人瞩目。

然而，值得注意的是，大量的资源投入在造就我国高等教育事业“量”的伟大成就的同时，高等教育“质”的发展却未能实现同步协调[3]。

2011年世界经济论坛（World Economic Forum）发布的《2011-2012国际竞争力发展报告》将国家发展的主要动力划分为要素驱 摘要: 基于我国58所教育部直属高校理、工、农、医学科的办学数据，运用超效率DEA模型和Malmquist生产率指数，对2008～2017年我国高等教育由“规模扩张”转向“质量提升”这一关键时段内高校资源投入产出效率进行综合评价，结果发现：（1）高校资源投入产出效率整体水平有较大提升空间，资源的配置与管理水平较高，但生产规模远未达到最优水平，增大资源投入力度能够有效提升多数高校的办学效益。

（2）高校质量型产出效率小于数量型产出效率，两类效率对整体效率的贡献度的变化趋势证实了学科评估的“指挥棒”效应。

基于DEA交叉评价的中国省际能源效率研究中国作为世界上最大的能源消费国之一，能源效率的提高一直是国家发展的重要课题。

省际能源效率研究对于促进中国能源的可持续利用和发展具有重要意义。

本文将基于DEA交叉评价方法对中国省际能源效率进行研究，并分析其结果。

首先，我们需要了解DEA交叉评价方法。

DEA（Data Envelopment Analysis）是一种非参数评价方法，可以在多个输入和输出指标之间进行有效评价和比较。

它通过将每个评价单元视为一个生产者来衡量其效率，并将其与其他评价单元进行比较。

交叉评价是DEA的一个重要扩展，可以对不同评价单元之间的效率进行比较。

本文选择了中国31个省级行政单位作为评价单元，考虑了能源消耗总量、经济产出、人口规模等指标作为输入和输出指标。

通过构建DEA模型，计算得出各个省级行政单位的能源效率得分，并将其进行比较和分析。

研究结果显示，中国各省际能源效率存在着明显的差异。

以2024年为例，北京、上海、广东等东部沿海省份的能源效率得分较高，而西部地区的新疆、青海等省份的能源效率相对较低。

这一差异主要受到地理位置、经济发展水平和能源产业结构等因素的影响。

进一步分析发现，能源效率与经济发展密切相关。

东部沿海省份由于经济发展较早，技术水平较高，能源效率得分相对较高。

而西部地区由于地理条件限制和经济发展相对滞后，能源效率得分较低。

同时，能源产业结构也对能源效率产生了影响。

传统能源的大量消耗导致能源效率较低，而新能源和清洁能源的发展可以提高能源效率。

基于这些研究结果，我们可以得出一些政策建议。

首先，应加大对西部地区的支持力度，促进其经济发展和能源效率的提高。

其次，应加强技术创新，推动传统能源的转型升级，加大清洁能源和新能源的开发和应用。

此外，还应加强各省之间的合作与交流，共同推进能源效率的提升。

综上所述，基于DEA交叉评价的中国省际能源效率研究对于促进中国能源的可持续利用和发展具有重要意义。

中国区域能源效率比较——基于DEA-Malmquist和聚类分
析
李金铠;沈波;韩亚峰;张孟豪
【期刊名称】《北京理工大学学报：社会科学版》
【年(卷),期】2012(14)6
【摘要】将工业污染物排放作为非期望产出,以2001—2010年30个省际的数据为基础,采用DEA-Malmquist生产效率指数测算中国省际全要素能源效率,结果表明:东部全要素能源效率一直处于效率前沿面上,中西部地区则远离前沿面。

为了寻求提高中西部地区的全要素能源效率的途径和方法,根据技术进步、纯技术效率和规模效率等三个指标对不同类型区域的全要素能源效率差异和特征进行聚类和分析,并提出针对不同地区提高全要素能源效率的对策建议。

【总页数】6页(P1-6)
【关键词】全要素能源效率;技术进步;技术效率;聚类分析
【作者】李金铠;沈波;韩亚峰;张孟豪
【作者单位】北京大学光华管理学院;美国能源部劳伦斯伯克利国家实验室;西安交通大学经济与金融学院;中国矿业大学管理学院
【正文语种】中文
【中图分类】F205;C936
【相关文献】
1.中国区域能源效率及其影响因素分析——基于DEA-Malmquist模型 [J], 陈海跃;
2.中国区域能源效率及其影响因素分析r——基于DEA-Malmquist模型 [J], 陈海跃
3.基于DEA-Malmquist指数的我国区域全要素能源效率分析 [J], 陈忠;钟杭州
4.中国工业行业全要素能源效率的变动分析--基于DEA-Malmquist指数方法 [J], 罗文娟
5.中国工业行业全要素能源效率的变动分析——基于DEA-Malmquist指数方法[J], 罗文娟;
因版权原因，仅展示原文概要，查看原文内容请购买。

基于超效率DEA模型的能源效率评价方法及其应用概述：能源效率评价是指对能源利用情况进行定量评估的过程。

随着能源资源的日益减少和环境污染的加剧，提高能源效率成为各国政府的重要任务。

超效率数据包络分析（DEA）模型是一种常用的能源效率评价方法，它可以根据输入产出数据计算出单位能源投入所创造的经济产出，从而评估能源利用的效率。

本文将介绍基于超效率DEA模型的能源效率评价方法及其应用。

方法：超效率DEA模型是一种非参数评价方法，它能够充分利用每个单元的最佳实践经验，评估单位的能源效率水平。

具体而言，该模型根据输入输出数据构建出一个包络表面，可以用来衡量各个单位的相对效率水平。

在计算超效率DEA模型时，首先需要确定输入和输出变量，并计算各个单位的相对权重。

然后通过最大化包络表面上的超效率得分，可以得到各个单位的相对效率评价。

应用：1.制造业能源效率评价：超效率DEA模型可以用来评估制造业企业的能源利用情况。

通过对各个企业的输入输出数据进行分析，可以找出效率最高的企业，并运用其最佳实践经验指导其他企业提高能源效率。

2.建筑行业能源效率评价：通过基于超效率DEA模型的能源效率评价方法，可以对建筑物的工程设计和施工过程进行优化，提高能源利用效率，降低能源消耗。

3.交通运输行业能源效率评价：超效率DEA模型可以用来评估不同交通工具和运输方式的能源利用效率。

通过评估各个交通工具和运输方式的优劣，可以制定相应的政策和措施，促进能源节约和环境保护。

4.农业能源效率评价：超效率DEA模型可以应用于评估农业生产中的能源利用情况。

通过评估不同农业系统和技术的能源效率，可以优化农业生产方式，实现可持续发展。

结论：基于超效率DEA模型的能源效率评价方法是一种有效的评估能源利用情况的手段。

通过该方法，可以找出效率最高的单位，促进能源利用的优化和提高。

在实际应用中，可以根据不同行业和领域的需求，针对具体问题进行相应的优化和改进。

在未来，基于超效率DEA模型的能源效率评价方法将继续得到广泛应用，并为实现可持续能源发展做出贡献。