基于超效率SBM-Malmquist模型的我国各地区高校技术创新国际化效率评价

文章编号：2095－6835（2021）02－0017－03基于超效率SBM模型的中国绿色技术创新效率分析＊昝哲1，张道明2，张康辉1，陈振1（1.河南农业大学信息与管理科学学院，河南郑州450002；2.河南省农村合作经济经营管理站，河南郑州450002）摘要：绿色技术创新是中国经济持续发展的重要动力。

在传统DEA模型的基础上，引入非期望产出与要素“松弛”情况，采用超效率SBM模型对2009—2018年中国绿色技术创新效率进行测度与分析。

研究结果表明，中国2009—2018年绿色技术创新效率呈波动性上升趋势，但整体水平不高，技术创新能力有待提高，总体呈“东高西低”的分布格局；各地区绿色技术创新效率处于不均衡状况，效率损失的主要原因是投入要素过多和非期望产出过量，要素存在不同程度的冗余；从投入要素来看，影响中国绿色技术创新效率的因素依次为劳动力、资本、技术。

最后，有针对性地提出政策建议，为提升中国绿色技术创新效率提供理论依据。

关键词：绿色技术创新；超效率SBM模型；投入产出；技术变化中图分类号：F293.2文献标志码：A DOI：10.15913/ki.kjycx.2021.02.006绿色技术创新是将绿色发展与技术创新相结合[1]，是中国经济可持续发展的重要动力。

目前，中国经济发展进入新时代，在取得巨大成就的同时，也带来了一系列的资源浪费与环境污染。

党的十九大明确提出要通过构建市场导向的绿色技术创新体系推动绿色发展，贯彻创新、协调、绿色、开放、共享五大发展理念，坚持人与自然的和谐共生，推进绿色发展。

而要实现中国经济的高质量发展，在加强技术能力的同时，也要推进绿色发展理念，构建高效的绿色技术创新体系。

绿色技术创新包括节能、防污染、废物回收、环境管理等方面，不仅能给消费者和企业带来益处，也能减少环境污染[2]。

在绿色技术创新效率的测算方面，主要采用的方法是数据包络分析。

关成华等[3]、成琼文等[4]、陈振等[5-6]、WANG 等[7]、易明等[8]等采用DEA模型对各行业或各地的绿色技术创新效率进行测算研究。

基于 Malmquist 模型的西部地区科技创新效率评价王江【摘要】Malmquist index is used to analyze the efficiency of technological innovation of 30 provinces (except Tibet) by the data from 2005 ~ 2012 , besides ,deep evaluation of sci - tech innovation efficiency for the western region is executed in this paper .It is found sci - tech innovation efficiency of the western region has declined by 0.7% , and sci - tech innovation efficiency is significantly lower than the eastern ,northeast and central region during 2005 ~ 2012 .The result demonstrates that efficiency of sci - tech innovation significantly associates with regional distribution ;the decline of sce - tech progress is the main factor leading to the decline of technological innovation of the western region and each province in the region .%本文利用 Malmquist 指数对我国30个省市区（除西藏）2005～2012年的科技创新效率进行了分析，并对西部地区科技创新效率进行深度评价。

第３３卷第２期Ｖｏｌ.３３Ｎｏ.２荆楚理工学院学报ＪｏｕｒｎａｌｏｆＪｉｎｇｃｈｕＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ２０１８年４月Ａｐｒ.２０１８收稿日期:２０１８－０２－２８基金项目:安徽财经大学研究生科研创新基金项目(ＡＣＹＣ２０１６１２１)作者简介:朱香好(１９９１－)ꎬ女ꎬ河南许昌人ꎬ安徽财经大学硕士研究生ꎮ研究方向:资源与环境统计ꎮ孙欣(１９７３－)ꎬ男ꎬ安徽庐江人ꎬ安徽财经大学教授ꎬ硕士生导师ꎮ研究方向:资源与环境统计ꎮ基于超效率ＳＢＭ模型与Ｍａｌｍｑｕｉｓｔ指数的生态效率评价朱香好ꎬ孙㊀欣(安徽财经大学统计与应用数学学院ꎬ安徽蚌埠㊀２３３０００)摘要:以３０个省市为研究对象ꎬ建立了基于ＤＥＡ模型的区域生态效率投入产出指标体系ꎬ运用超效率ＳＢＭ模型测算各省市２００５~２０１５年的效率值ꎬ对３０个省市的生态效率情况进行静态分析ꎬ然后结合Ｍａｌｍｑｕｉｓｔ效率指数对区域生态效率的动态变化进行分析研究ꎮ实证结果表明:２００５~２０１５年３０个省市整体生态效率水平较低ꎬ且各省市之间存在较大差异ꎻ２００５~２０１５年全要素生态效率的年均增长率为２.３％ꎬ技术进步与纯技术效率是推动生态效率增长的主要原因ꎬ规模效率与综合技术效率抑制了生态效率的增长ꎮ关键词:生态效率ꎻ超效率ＳＢＭꎻＭａｌｍｑｕｉｓｔ指数中图分类号:Ｆ１２４.５㊀㊀文献标识码:Ａ㊀㊀文章编号:１００８－４６５７(２０１８)０２－００６７－０９０㊀引言进入２０世纪９０年代ꎬ中国的经济发展突飞猛进ꎬ经济总量连上新台阶ꎬ２０１０年至今经济总量排位跃居世界第二ꎬ经济发展的同时产业结构不断优化㊁区域发展的协调性增强㊁城镇化步伐明显加快㊁工业生产能力显著提高ꎮ随着工业化进程不断推进ꎬ我国已经由一个落后的农业国成长为世界制造业大国ꎬ世界银行数据显示ꎬ２０１０年我国制造业增加值占世界的比重已达到１７.６％ꎬ钢铁㊁水泥㊁汽车等２２０多种工业品产量居世界第一位(国家统计局ꎬ２０１３)[１]ꎮ而伴随着经济快速发展ꎬ资源的消耗过大与未充分有效利用㊁生态环境的破坏等一系列问题已经逐渐显现出来ꎬ环境问题不仅影响了中国的经济发展ꎬ也影响了人民的生活质量ꎮ虽然中国政府针对环境污染㊁生态环境遭到破坏等问题颁布实施了一系列的法律ꎬ建立和制定了具有针对性的环境制度与政策ꎬ但是对环境问题的解决并没有发挥显著作用ꎮ区域生态效率是指经济区域内的生态效率ꎬ是以较少的资源消耗和环境污染生产具有竞争优势的产品和服务ꎬ以满足人类生活的必需与生活品质的改善[２]ꎮ其主要目的就是在不对环境构成威胁的前提下实现更高的产出ꎬ发展地区经济ꎬ使得区域的经济与环境协调发展ꎬ该指标也是衡量可持续发展的重要工具ꎮ因此本文选取该指标衡量某地区经济的可持续发展状况ꎬ以期为区域的生态㊁环境㊁经济的协调发展做出科学借鉴ꎮ生态效率是经济与资源环境发展协调程度的测度指标[３]ꎬ对区域生态效率进行有效评价能够客观的了解区域经济与环境协调发展水平ꎬ是经济可持续发展的第一步ꎮ随着各项研究的深入ꎬ有关生态效率指标体系的构建[４－５]及测度方法[６－７]等研究已经较为成熟ꎬ而且其成果得到了广泛的应用ꎮ众多国外学者在此基础上对一些国家和地区展开了区域生态效率的研究[８－１０]ꎮ与此同时ꎬ国内学者基于以国家和地区角度展开的生态效率研究也有所进展ꎮ陈傲以２０００~２００６截面数据为研究样本ꎬ对中国２９７６个省的区域生态效率进行评价与差异性分析ꎬ研究结果表明中国区域生态效率差异较为明显ꎬ总体呈 东高西低 的格局[１１]ꎻ吴鸣然等利用ＤＥＡ方法计算了２００９~２０１３年中国３１个省(自治区㊁直辖市)的生态效率ꎬ然后使用Ｔｏｂｉｔ模型分析了影响生态效率的因素ꎬ结果显示东部地区的生态效率优于中㊁西部地区ꎬ地区人均ＧＤＰ和偏东的地理位置会对生态效率产生积极影响ꎬ而产业结构和人口密度则会产生消极影响[１２]ꎻ侯孟阳等运用超效率ＳＢＭ模型测算我国城市生态效率ꎬ同时结合时间对比分析和空间相关性分析对城市生态效率的时空演变格局进行对比分析并探讨城市生态效率时空动态演变特性[１３]ꎬ研究发现在时间演变过程中ꎬ城市生态效率整体上呈现逐渐上升走势且生态效率在空间分布上呈显著的正相关性ꎬ相邻城市之间生态效率的影响是相互的ꎮ已有文献对本文的区域生态效率评价有良好的指导性作用ꎬ但是更多文献是从静态角度对生态效率结果进行分析且应用数据较为久远ꎮ因此本文在最新数据支持下选取超效率ＳＢＭ模型测度３０个省市的区域生态效率ꎬ对其进行静态分析评价ꎬ在此基础上结合Ｍａｌｍｑｕｉｓｔ生产率指数测度生态效率增长率变化情况ꎬ对区域生态效率进行动态分析评价ꎬ显现当前环境政策的作用效果ꎮ１㊀研究方法传统的ＤＥＡ模型是基于径向距离函数单一的从投入或者产出的角度对目标效率进行测算ꎬ而在现实生活中径向的条件在很多情况下是不能满足的ꎮ而ＴｏｎｅＫ提出的ＳＢＭ模型[１４]不仅是一个非径向的ＤＥＡ模型ꎬ而且能够实现无效决策单元中效率值对当前状态与强有效目标值间松弛改进部分的测量ꎬ克服了传统ＤＥＡ的缺陷ꎮ但是利用ＳＢＭ模型测算的效率值可能会出现多个决策单元效率值为１的情况(完全效率)ꎬ此时就不能相对应的决策单元进行有效评价ꎮ为此ꎬＴｏｎｅＫ又提出了修正松弛变量的超效率ＳＢＭ模型[１５]ꎬ允许效率值大于１或等于１ꎬ以此来解决多个决策单元完全效率的问题ꎮ１.１㊀ＳＢＭ模型简介在利用超效率ＳＢＭ模型测度区域生态效率时ꎬ假设每个城市是一个决策单元(ＤＭＵ)ꎬ并且每个城市都有ｍ种投入元素(ｓ１㊁ｓ２分别表示每个城市对应的期望产出和非期望产出ꎬ用向量表示为ｘɪＲｍꎬｙｇɪＲｓ１及ｙｂɪｓ２ꎮ定义矩阵Ｘ㊁Ｙｇ㊁Ｙｂ如下:Ｘ＝[Ｘ１ꎬＸ２ꎬＬＸｎ]ɪＲｍˑｎꎬＹｇ＝[ｙｇ１ꎬｙｇ２Ｌꎬｙｇｎ]ꎬｙｂ＝[ｙｂ１ꎬｙｂ２Ｌꎬｙｂｎ]其中ꎬｘｉ>０ꎬｙｇｉ>０ꎬｙｂｉ>０ɪＲｓ２ˑｎꎮ因此ꎬ构造出如下测度生态效率的生产可能性集合ꎬ即Ｐ＝{(ｘꎬｙｇꎬｙｂ)｜ｘ⩾Ｘλꎬｙｇ⩾Ｙｇλꎬｙｂ⩾Ｙｂλꎬλ⩾０}ꎬ其中λ表示权重向量ꎬ若ðλ＝１ꎬ表示生产技术为规模报酬可变的(ＶＲＳ)ꎬ否则表示规模报酬不变的(ＣＲＳ)ꎮＴｏｎｅＫ(２００１)考虑非期望产出的ＳＢＭ模型可写为:ρ∗＝ｍｉｎ１－１ｍðｍｉ＝１ｓ－ｉｘｉ０１＋１ｓ１＋ｓ２ðｓ１ｒ＝１ｓｇｒｙｇｒ０＋ðｓ２ｒ＝１ｓｂｒｙｇｒ０＋æèçöø÷(１)ｓ.ｔ.ｘ０＝Ｘλ＋ｓ－ꎬｙｇ０＝Ｙｇλ－ｓｇꎬｙｂ０＝Ｙｂλ＋ｓｂꎬｓ－⩾０ꎬｓｇ⩾０ꎬｓｂ⩾０ꎬλ⩾０ìîíïïïïï(２)其中ꎬｓ表示投入㊁产出的松弛变量ꎮ目标函数ρ∗关于ｓ－ꎬｓｇꎬｓｂ严格递减ꎬ且０⩽ρ∗⩽１ꎮ将非期望产出纳入超效率ＳＢＭ模型中得到生产可能性集合ꎬ即为:Ｐ＝Ｐ/(ｘ０ꎬｙ０)＝ ｘꎬ ｙｇꎬ ｙｂ｜ ｘ⩾ðｎｊ＝１ꎬʂ０λｊｙｇｊꎬ ｙｂ⩾ðｎｊ＝１ꎬʂ０λｊｙｂｊꎬ ｙｇ⩾０ꎬλ⩾０{}(３)则考虑非期望产出的超效率ＳＢＭ模型如下:８６τ∗＝ｍｉｎ１ｍðｍｉ＝１ｘ－ｉｘｉ０１ｓ１＋ｓ２ðｓ１ｒ＝１ｓｇｒｙｇｒ０＋ðｓ２ｒ＝１ｙｂｒｙｇｒ０＋æèçöø÷(４)ｓ.ｔ. ｘ＝ðｎｊ＝１ꎬʂ０λｊｘｊꎬ ｙｇ＝ðｎｊ＝１ꎬʂ０λｊｙｇｊꎬｙｂ＝ðｎｊ＝１ꎬʂ０λｊｙｂｊꎬ ｙｇ⩾０ꎬλ⩾０ ｘ⩾０ꎬ ｙｇ⩾ｙｇ０ꎬ ｙｂ⩾ｙｂ０ꎬλ⩾０ìîíïïïïïïïï(５)目标函数τ∗的值越大表明该决策单元效率越高ꎮ１.２㊀Ｍａｌｍｑｕｉｓｔ指数方法Ｍａｌｍｑｕｉｓｔ生产率指数由ＳｔｅｎＭａｌｍｑｕｉｓｔ在１９５３年分析消费变化时提出[１６]ꎬ利用该指数可以将生产率的变化分解为技术变化和技术效率变化ꎬ生产率的变化是指从基期ｔ期到ｔ＋１期的投入变化关系ꎮＭａｌｍｑｕｉｓｔ指数定义为:ＴＦＰ＝Ｄｔ(Ｘｔ＋１ꎬＹｔ＋１)Ｄｔ(ＸｔꎬＹｔ)∗Ｄｔ＋１(Ｘｔ＋１ꎬＹｔ＋１)Ｄｔ＋１(ＸｔꎬＹｔ)[]１/２＝Ｄｔ＋１(Ｘｔ＋１ꎬＹｔ＋１)Ｄｔ(ＸｔꎬＹｔ)∗Ｄｔ(Ｘｔ＋１ꎬＹｔ＋１)Ｄｔ＋１(Ｘｔ＋１ꎬＹｔ＋１)∗Ｄｔ(ＸｔꎬＹｔ)Ｄｔ＋１(ＸｔꎬＹｔ)[]１/２(６)ＴＦＰ(Ｍａｌｍｑｕｉｓｔ生产指数)表示从ｔ期到ｔ＋１期的生产率变化ꎬ这里能反映生态效率增减程度ꎮ而(７)式中的Ｄｔ(Ｘｔ＋１ꎬＹｔ＋１)Ｄｔ(Ｘｔ＋１ꎬＹｔ＋１)∗Ｄｔ(ＸｔꎬＹｔ)Ｄｔ＋１(ＸｔꎬＹｔ)[]１/２为技术变化(ＴＣ)ꎬ表示生产前沿面的移动导致生产率变化的影响程度ꎬ这里反映的是生态系统政策等管理方面因素致使的生态进步ꎻＤｔ＋１(Ｘｔ＋１ꎬＹｔ＋１)Ｄｔ(ＸｔꎬＹｔ)为技术效率变化(ＥＣ)ꎬ表示从ｔ期到ｔ＋１期的生产技术的利用效率变化对生产率变化的影响程度ꎬ这里是指引进先进生态技术或者生态技术创新的结果ꎮ２㊀指标体系的构建和数据来源２.１㊀指标体系的构建生态效率评价指标体系中指标的选取与被评价对象密切相关ꎬ而针对国家或者区域层面的生态效率指标体系的制定中ꎬ最具有代表意义的是德国环境经济核算账户中所设计的包含资源㊁环境㊁经济要素的７类小指标[１７]ꎮ我国学者在借鉴德国环境经济账户的基础上ꎬ根据中国的具体情况构建了适合自身的评价指标体系ꎮ根据生态效率的公式ꎬ区域生态效率评价在产出指标的选取上ꎬ分子基本都是选取地区生产总值衡量ꎬ分母的选取没有一个固定的标准ꎬ已有的研究对分母的衡量多是从环境和资源的角度选取指标ꎮ表１是经过整理得到的部分国内外学者所构建的宏观层面生态效率评价指标体系[１８－２１]ꎮ表１㊀国内外宏观区域生态效率评价指标体系构建作者评价对象产出指标生态指标投入资源投入环境投入ＨａｒｔｍｕｔＨｏｈＫａｒｌＳｃｈｏｅｒＳｔｅｆｆｅｎＳｅｉｂｅｌ德国ＧＤＰ土地㊁能源㊁用水㊁原材料㊁劳动力㊁资本温室气体㊁酸性气体９６续表１作者评价对象产出指标生态指标投入资源投入环境投入邱寿丰诸大建中国ＧＤＰ土地㊁能源㊁用水㊁原材料㊁劳动力废气排放㊁废水排放㊁固废排放王宏志高㊀峰刘辛伟中国(３０个省)ＧＤＰ能源㊁用水㊁建设用地废水排放㊁二氧化硫排放㊁工业固废排放付丽娜陈晓红冷智花长株潭 ３＋５城市群地区ＧＤＰ能源㊁电力㊁用水㊁建设用地㊁劳动力废水排放㊁ＣＯＤ㊁二氧化硫排放㊁烟尘排放㊁工业粉尘排放㊁工业固废排放白世秀黑龙江省地区ＧＤＰ万元ＧＤＰ能耗㊁劳动力废气㊁废水㊁固废排放㊀㊀根据生态效率的内涵与所选取的生态效率的测算方法ꎬ在借鉴已有宏观层面生态效率评价指标体系的基础上ꎬ考虑到数据的可得性与指标体系的系统性㊁科学性㊁目标性等原则ꎬ本文从经济㊁资源㊁环境三个角度选取指标建立生态效率评价指标体系ꎬ所选取的基于超效率ＳＢＭ模型测度生态效率的投入指标和产出指标类型如表２所示ꎮ表２㊀区域生态效率评价指标体系指标类型指标类别具体指标构成投入指标资源消耗类建设用地面积(万公顷)㊁能源消费总量(万吨标准煤)㊁全社会用水量(亿立方米)㊁电力消费量(亿千瓦小时)㊁就业人数(万人)产出指标环境影响类(非期望产出)废水排放总量(万吨)㊁化学需氧量(万吨)㊁氨氮排放量(万吨)㊁烟尘排放总量(万吨)㊁二氧化硫排放量(万吨)经济类指标(期望产出)地区生产总值(亿元)２.１.１㊀资源消耗类指标资源是人类经济发展不可或缺的物质基础ꎬ其利用方式及利用效率对生态经济发展的影响显著ꎬ因此资源消耗类指标必然在区域生态效率评价指标体系中ꎮ基于此ꎬ本文选取建设用地面积㊁能源消费总量㊁全社会用水量㊁电力消费量㊁就业人员数作为资源投入指标ꎬ分别表征土地资源消耗㊁能源消耗㊁水资源消耗㊁电耗㊁人力消耗ꎮ以上指标能够清楚反映区域的土地㊁劳动力利用状况以及能源消费水平及节能降耗状况ꎬ对区域生态效率的衡量直观有效ꎮ２.１.２㊀环境影响类指标区域的环境状况与区域经济发展模式的合理性息息相关ꎬ环境影响类指标可以衡量区域的环境状况ꎮ本文在充分考虑当前环境污染的实际情况ꎬ选取废水排放量以及废水中的化学需氧量与氨氮排放量表示废水的排放对环境所产生的影响ꎬ选取烟尘排放总量与二氧化硫排放量衡量废气的排放对环境所产生的影响ꎮ２.１.３㊀经济类指标经济类指标的选取是为了较为准确的反映地区的经济发展水平ꎬ由于地区生产总值能够准确直观反映地区的经济发展水平ꎬ且该经济指标数据较为权威ꎬ因此本文选取各地区生产总值作为其经济类指标ꎬ与此同时以２００５年为基期对地区生产总值数据进行平减处理以剔除价格因素的影响ꎮ２.２㊀研究样本及数据来源说明由于港澳台与大陆在制度上存在明显差异ꎬ若将其纳入研究对象中对当前的研究没有意义ꎬ而西藏的数据存在部分缺失现象ꎬ因此本文的研究对象选择了去除西藏以外的其他３０个内陆省份ꎬ并根据国家统计局的分类标准将其划分为东㊁中㊁西部三个区域ꎬ三个区域分别为:(１)东部地区ꎬ包括:北京㊁天０７津㊁河北㊁辽宁㊁上海㊁江苏㊁浙江㊁福建㊁山东㊁广东㊁海南共１１个省市ꎻ(２)中部地区ꎬ包括:山西㊁吉林㊁黑龙江㊁安徽㊁江西㊁河南㊁湖北㊁湖南共８个省ꎻ(３)西部地区ꎬ包括:内蒙古㊁广西㊁重庆㊁四川㊁贵州㊁云南㊁陕西㊁甘肃㊁青海㊁宁夏㊁新疆共１１个省自治区ꎬ研究时间跨度为２００５~２０１５年ꎮ本文选取的所有的投入产出数据的基础数据均来源于«中国统计年鉴»(２００５~２０１５)㊁«中国人口与就业统计年鉴»(２００５~２０１５)㊁«中国环境统计年鉴»(２００５~２０１５)㊁«中国能源统计年鉴»(２００５~２０１５)及国家统计局网站ꎮ３㊀生态效率测算结果分析３.１㊀生态效率静态分析本文首先运用ＭａｘＤＥＡ６.１７软件对中国３０个省市的生态效率水平进行测算ꎬ结果发现存在部分决策单元的部分年份的生态效率为１ꎬ而相关决策单元的有效排序会受到影响ꎬ同时无法比较同一有效前沿面的生态效率变化ꎮ为了对生态效率为１的区域进行有效地分析ꎬ本文采用了投入导向的超效率ＳＢＭ模型对各区域的生态效率进行测度ꎬ各区域生态效率测度结果如表３所示ꎮ表３㊀２００５~２０１５年３０个省市区域生态效率值ＤＭＵ２００５２００６２００７２００８２００９２０１０２０１１２０１２２０１３２０１４２０１５均值北京１.０９９１.１０５１.１１５１.１２１１.１１６１.１１６１.１０８１.１０８１.１１２１.１０６１.１０６１.１１０天津１.０３３１.０２８１.０２２１.０２９１.０５１１.０４０１.０５７１.０４９１.０５３１.０５３１.０２８１.０４０福建１.０３７１.０２４１.０２５１.０３２１.０３０１.０１４１.００９１.００７１.００２１.００２１.００５１.０１７上海１.０２９１.０２８１.０２５１.０２６１.０２４１.０２２１.０２１１.０１８０.４９４０.５０３０.４８６０.８８０浙江１.００６１.００５１.００８１.００２０.７４６１.００３１.００２１.００２０.４９００.４８９０.５０２０.８４１江苏１.００２０.７２９０.７５５０.６９４０.６７３０.６８４０.６６２０.５２７０.５０３０.５１６０.４８６０.６５７内蒙古１.００１１.０２４１.０２３１.０１５１.００９０.３７９０.３６３０.３５７０.３４００.３２２０.３０４０.６４９广东１.０１２１.０１４１.００３０.５９５０.４４９０.４４１０.５１５０.５０３０.５０８０.４８７０.４０６０.６３０陕西０.４０００.３８４０.４１３０.４１１０.５７４１.００５１.０１６１.００７０.４４１０.４３８０.３９５０.５８９山东１.００００.５７７０.５５４０.５４８０.５２６０.４７６０.４２８０.４１７０.４３００.４１００.３６６０.５２１湖南０.３３４０.３１００.３２６０.３６７０.３３３０.３５５０.３８３０.４０３０.４１３０.４３５１.００４０.４２４海南１.０２１０.３６００.３１９０.３３５０.３８６０.３７８０.３５９０.３６６０.３４１０.３５４０.２８２０.４０９河北０.５１８０.４８２０.５２９０.４９７０.４０１０.３８３０.３５３０.３４４０.３２７０.３１９０.２９４０.４０４河南０.４３９０.４２３０.４３８０.４０８０.３８８０.３７８０.３５３０.３４７０.３３９０.３４９０.３１３０.３７９重庆０.３８１０.３３１０.３２００.３４００.３３９０.３３６０.３５５０.３９５０.３８９０.３８７０.３７４０.３５９江西０.３８９０.３５００.３３１０.３４８０.３４４０.３４８０.３５７０.３５１０.３３７０.３４００.３０３０.３４５吉林０.３２４０.３１９０.３１７０.３２７０.３４４０.３４５０.３５４０.３７３０.３６９０.３６５０.３３９０.３４３辽宁０.３３２０.３１６０.３０８０.３３２０.３４５０.３５２０.３６３０.３７２０.３６６０.３５６０.３２９０.３４３四川０.３０１０.３３７０.３３７０.３３８０.３３８０.３２５０.３３３０.３３８０.３２７０.３２２０.２９９０.３２７湖北０.２９４０.２９１０.２９２０.２９４０.３１４０.３０８０.３１７０.３２６０.３３７０.３３３０.３４３０.３１４安徽０.３０７０.２９８０.２８５０.２８３０.２９１０.２９９０.３０４０.２９８０.２８８０.２９００.２６７０.２９２广西０.２８４０.２８８０.２８００.２６６０.２９１０.２９１０.３２４０.３０７０.２９９０.３０００.２７８０.２９２黑龙江０.３１８０.３０４０.２８７０.２９００.２８１０.２８８０.２９２０.２８８０.２７９０.２７３０.２４８０.２８６山西０.３１２０.２８６０.２７６０.３２７０.２８９０.３０１０.３０７０.２８６０.２６３０.２４６０.２２７０.２８４云南０.４０８０.３２５０.２５５０.２６２０.２６２０.２４９０.２４２０.２５７０.２７９０.２６８０.２４８０.２７８贵州０.１９９０.１９１０.１９４０.２１５０.２１６０.２２３０.２２６０.２３３０.２４６０.２６００.２５５０.２２４１７续表３ＤＭＵ２００５２００６２００７２００８２００９２０１０２０１１２０１２２０１３２０１４２０１５均值青海０.２０５０.２０５０.２０５０.２３７０.２３００.２４００.２３７０.２４００.２１８０.２２００.２１２０.２２３新疆０.２７９０.２６１０.２４２０.２３７０.２１５０.２２６０.２１７０.２０４０.１８７０.１８００.１５４０.２１８甘肃０.１９３０.１９９０.１９３０.１９５０.１９２０.１９５０.２０００.２０００.１９９０.１９２０.１６９０.１９３宁夏０.１２８０.１２３０.１４３０.１４６０.１４５０.１６４０.１６７０.１６６０.１５９０.１５８０.１５００.１５０均值０.５５３０.４９７０.４９４０.４８４０.４７１０.４７２０.４７４０.４７００.４１１０.４０９０.４０６０.４６７㊀㊀从表３可知ꎬ生态效率测度结果与实际情况较为吻合ꎬ从截面数据分析３０个省市各年区域生态效率平均值都小于１ꎬ２００５~２０１５年的区域生态效率平均值为０.４６７ꎬ３０个省市中只有３个省市的生态效率均值大于１ꎬ表明在研究期间内整体的生态效率水平较低ꎻ排名靠前的北京的生态效率均值为１.１１０ꎬ而排名靠后的宁夏生态效率均值只有０.１５０ꎬ各省市生态效率水平之间存在显著差异ꎮ这种结果的形成与各区域的经济发展特点及发展环境密切相关ꎬ由于生态效率兼顾经济效率和环境效益ꎬ因此对其生态效率结果的评价要考虑其本身的经济成果与所产生的环境影响ꎮ基于此ꎬ下面将从时间序列数据角度出发ꎬ根据各省份在２００５~２０１５连续１１年的区域生态效率的平均值ꎬ将３０个省市划分为３个类型ꎬ分别为:相对高生态效率地区(北京㊁天津㊁福建ꎬ其平均值大于１)㊁中等生态效率地区(上海㊁浙江ꎬ其平均值在０.８－１之间)㊁相对低生态效率地区(江苏㊁内蒙古㊁广东等２５个地区ꎬ其平均值小于０.８)ꎮ对较高生态效率的北京来说ꎬ其生态效率值在３０个省份中排名第一ꎬ该测评结果与实际情况是相吻合的ꎮ北京作为中国的首都ꎬ是中国的政治中心㊁文化中心㊁教育中心ꎬ城市发展统筹人口资源环境ꎬ让历史文化和自然生态永续利用ꎻ天津是北方最大的沿海开放城市ꎬ由于其得天独厚的地理位置与辉煌的近代工业ꎬ天津受到了中央政府和国家政策的大力支持ꎬ这些客观条件为天津的绿色经济发展提供了良好的发展基础ꎻ福建是东部沿海省份ꎬ经济发展水平较高ꎬ经济基础雄厚ꎬ为自身的绿色发展提供条件ꎬ福建森林覆盖率居全国第一ꎬ可以有效吸收温室气体ꎬ为生态效率水平的改善提供了良好的条件支持ꎮ就中等生态效率的上海和浙江而言ꎬ其各自ＧＤＰ排名较为靠前ꎬ高科技产业较发达ꎬ在拥有较高的科学技术水平的同时聚集了众多的优秀人才ꎬ为生态效率水平的提高提供了经济基础与技术支持ꎮ但是上海㊁浙江虽然经济快速发展ꎬ但是整体生态效率仍然有较大的提升空间ꎬ且二者的生态效率在近几年呈现显著的下降趋势ꎬ这表明两省在实现经济快速发展的同时忽略了经济对生态坏境的影响ꎮ针对此状况ꎬ上海㊁浙江需要把环境保护作为经济发展过程中的重点ꎬ节约能源和减少环境有害物排放ꎬ加大对高污染行业企业的整治力度ꎮ而针对生态效率较低的省份而言ꎬ由于自然地理环境㊁经济发展程度㊁科学技术水平等方面的差异ꎬ使得各个省份生态效率较低的影响因素不尽相同ꎮ根据其地理位置差异将其分为东㊁中㊁西三个地带ꎬ其生态效率相对较低省份在三个地带中的分布如表４所示:表４㊀生态效率较低省份在三个地带中的分布地带省份效率较低城市个数效率均值东部江苏㊁广东㊁山东㊁海南㊁河北㊁辽宁６０.４９４中部湖南㊁河南㊁江西㊁吉林㊁湖北㊁安徽㊁黑龙江㊁山西㊁８０.３３３西部内蒙古㊁陕西㊁重庆㊁四川㊁广西㊁云南㊁贵州㊁青海㊁新疆㊁甘肃㊁宁夏１１０.３１８㊀㊀根据表４的内容可知ꎬ在生态效率较低的２５个省份中ꎬ东㊁中㊁西三个地带分别包含６㊁８㊁１１个省份ꎬ且其效率均值分别为０.４９４㊁０.３３３㊁０.３１８ꎬ各区域间生态效率水平存在显著差异ꎮ各区域生态效率水平差异主要是受经济发展水平的影响ꎬ东部地带的经济发展水平相对较高ꎬ地理位置优越ꎬ拥有较为雄厚的物质基础ꎬ同时科学技术水平较高ꎬ技术创新人才储备丰富ꎬ为经济绿色发展提供了强大的支持ꎻ中部地区经济展水平与发展较好的东部地带存在差距ꎬ该地带整体生态效率水平较低的原因主要是生２７产技术水平不够先进ꎬ使得各生产主体在生产过程中资源与能源消耗过高ꎬ同时伴随着高污染的排放ꎻ西部地带虽然资源与能源消耗水平较低ꎬ但是受地理条件等客观条件限制ꎬ经济发展水平较低ꎬ这是西部地带生态效率水平低下的主要原因所在ꎮ３.２㊀生态效率动态分析生态效率静态分析分别从截面和时间序列的角度对生态效率的测度结果进行评价分析ꎬ而对生态效率进行动态分析可以更好的了解３０个城市的生态效率变化趋势ꎬ因此本节结合Ｍａｌｍｑｕｉｓｔ指数模型对生态效率增长率的变动进行测度ꎬ３０个省份年均生态效率Ｍａｌｍｑｕｉｓｔ指数及其分解如表５所示ꎮ表５㊀２００５~２０１５年３０个省市Ｍａｌｍｑｕｉｓｔ指数及其分解城市综合技术效率(ＥＣ＝ＰＥ∗ＳＥ)技术进步(ＴＣ)纯技术效率(ＰＥ)规模效率(ＳＥ)全要素生产率(ＴＦＰ＝ＥＣ∗ＴＣ)江苏０.９３０１.３４６１.００３０.９２７１.２４８广东０.９１３１.３４７１.００００.９１３１.２２９山东０.９０５１.３３４０.９９９０.９０５１.２０８青海１.００４１.２３７１.０３１０.９７４１.２０５浙江０.９３３１.２２６１.００００.９３３１.１４４贵州１.０２５１.０８５１.０１９１.００６１.０９２甘肃０.９８７１.０７５１.００００.９８７１.０６１福建０.９９７１.０５７０.９９７１.０００１.０５７云南０.９５２０.９８００.８８７１.０７３１.０５１宁夏１.０１６１.０５０１.０１７０.９９９１.０４９新疆０.９４３１.０５８０.９５１０.９９２１.０４９广西０.９９８１.０４００.９９８１.０００１.０４０重庆０.９９８１.０３９０.９９９０.９９９１.０３８陕西０.９９９１.０２７０.９９７１.００１１.０２８山西０.９６９１.０４４０.９８６０.９８２１.０２６黑龙江０.９７６１.０３４０.９８３０.９９２１.０２６内蒙古０.８８８１.０２００.８８９０.９９８１.０１８安徽０.９８６１.０１２０.９８２１.００４１.０１６北京１.００１１.０２３１.０１１０.９９０１.０１２天津１.０００１.０１１１.０００１.０００１.０１１江西０.９７５１.００８０.９７７０.９９８１.００６河北０.９４５０.９５００.９０７１.０４２０.９９０吉林１.００５０.９６５１.００４１.００００.９６５上海０.９２８１.００７０.９９７０.９３１０.９３８湖北１.０１６０.９４５１.０３８０.９７９０.９２５四川０.９９９０.９３９１.０２１０.９７９０.９１９河南０.９６７０.９３４０.９８９０.９７７０.９１３湖南１.１１６０.９０９１.１１６１.００００.９０９海南０.８７９１.３８２１.４２００.６１９０.８５６辽宁０.９９９０.８２１１.０１２０.９８７０.８１１均值０.９７４１.０５５１.００５０.９６９１.０２３㊀㊀根据表５可知ꎬ２００５~２０１５年全要素生态效率的年均增长率２.３％ꎬ３０个省市中有９个省市的生态３７效率的增长率ＴＦＰ值小于１ꎬ２１个省市的增长率大于１ꎻ从年均增长率的分解来看ꎬ技术进步和纯技术效率的增长率大于１ꎬ年均增长率分别为５.５％和０.５％ꎬ综合技术效率和规模效率分别下降了２.６％和３.１％ꎻꎮ从各个省市来看ꎬ江苏㊁广东㊁山东㊁青海㊁浙江增长最快ꎬ其ＴＦＰ增长率超过了１０％ꎬ显著地高于年均增长率ꎻ青海的生态效率虽然偏低ꎬ但是增长速度很快ꎬ进步明显ꎻ对于ＴＦＰ增长率排名靠后的９个省市来说ꎬ其生态效率的排名都高于其ＴＦＰ增长率排名ꎬ因此这些省市有较大的提升空间ꎬ特别是上海ꎬ生态效率排名靠前ꎬ提升空间巨大ꎮ表６是２００５~２０１５年整体发展动态ꎮ表６㊀３０个省市各年份平均Ｍａｌｍｑｕｉｓｔ指数及其分解年份综合技术效率(ＥＣ＝ＰＥ∗ＳＥ)技术进步(ＴＣ)纯技术效率(ＰＥ)规模效率(ＳＥ)全要素生产率(ＴＦＰ＝ＥＣ∗ＴＣ)２００５~２００６０.９１０１.０７７０.９３００.９８０１.０５５２００６~２００７０.９８９１.０９９１.０３４０.９５７１.０５１２００７~２００８１.００２１.０８６１.０４００.９６３１.０４６２００８~２００９０.９８１１.０５２０.９６６１.０１６１.０６９２００９~２０１０１.０００１.０７５１.０３００.９７１１.０４４２０１０~２０１１１.００６１.０７２１.０５７０.９５１１.０２０２０１１~２０１２０.９９４１.０２２１.００１０.９９２１.０１４２０１２~２０１３０.９１１１.０３８０.９５３０.９５７０.９９３２０１３~２０１４０.９９３０.９４６１.０８７０.９１４０.８６４２０１４~２０１５０.９５８１.０９５０.９６１０.９９７１.０９２平均值０.９７４１.０５６１.００６０.９７０１.０２５㊀㊀各年份平均Ｍａｌｍｑｕｉｓｔ指数及其分解的变化情况如图１所示ꎮ图１㊀各年份平均Ｍａｌｍｑｕｉｓｔ指数及其分解的变化情况整体来看ꎬ由ＴＦＰ的折线图可知ꎬ生态效率增长不稳定ꎬ２００５~２０１０年的变化基本稳定ꎬＴＦＰ增长率维持在５％左右ꎬ但在２０１０~２０１４年出现了下降局面ꎬ特别是在２０１２~２０１４年出现了明显的下降ꎬ从２０１３年的１.４％下降到负的１３.６％ꎬ２０１５年显著提升到９.２％ꎮ从生态效率变化情况的影响因素来看ꎬ技术进步和纯技术效率是推动其增长的主要因素ꎬ另外两个影响因素的增长率均值小于１ꎬ制约了生态效率的增长ꎮ４㊀结论与启示本文基于２００５~２０１５年３０个省市的面板数据ꎬ利用超效率的ＳＢＭ模型与Ｍａｌｍｑｕｉｓｔ生产率指数对区域生态效率及其增长率进行测度ꎬ在此基础上进行生态效率的静态与动态分析ꎮ通过分析可得结４７论与启示如下:１)各个省市结合自身自然地理环境㊁经济发展程度㊁科学技术水平等条件ꎬ制定合理的环境规制政策法规ꎬ充分发挥环境规制的正向溢出效应ꎬ减少各类污染物的排放ꎬ提升环境质量ꎻ对于生态效率水平较高的地区ꎬ在保持自身绿色发展的同时发挥其辐射带动能力ꎬ积极为周边较低生态效率水平省份的经济发展模式的转变提供支持ꎬ实现地区间绿色发展的均衡ꎻ各地区要优先支持绿色㊁低碳产业发展ꎬ严格执行钢铁㊁火电㊁化工等环境污染排放较多的工业企业的环境准入制度ꎬ合理地提高重点生产制造行业的清洁生产标准ꎬ逐渐实现产业绿色转型ꎻ加大对污染处理设备的引进ꎬ降低资源与能源消耗ꎬ减少污染排放ꎬ提升区域生态效率ꎮ２)综合技术效率和规模效率制约了生态效率水平的提高ꎬ综合技术效率衡量区域的资源配置能力㊁资源使用效率ꎬ而规模效率反映的是实际规模与最优生产规模的差距ꎮ技术创新是提升资源配置能力㊁资源使用效率的关键ꎬ而提升技术创新水平需要注意以下方面:首先ꎬ要加大人力资源开放的力度ꎬ合理配置科技资源ꎬ加强现金使用技术的集成㊁示范和推广ꎬ为区域提供关键和共性技术ꎬ同时培养一支实干的科技队伍[２２]ꎻ其次ꎬ在加大研发投入的同时加大对科研经费的监管ꎬ提高科研人员的待遇ꎬ给予高科技㊁高学历人才实际性的资金奖励与支持ꎬ为优秀人才的引进创造良好的条件ꎻ而对于地理环境恶劣㊁经济基础不好的区域ꎬ国家要给予一些政策性支持ꎬ激励优秀的人才投身到该地区的科技创新建设事业中ꎬ实现区域自主性的技术创新ꎬ使整体的资源配置能力㊁资源使用效率得到提升ꎮ合理发展企业规模ꎬ对于经营规模较小的企业ꎬ扩大企业经营规模或者实现企业合并ꎬ降低产品的生产成本ꎬ增加企业的规模效益ꎮ通过整体的资源配置能力㊁资源使用效率与规模效益的改善ꎬ提升生态效率的增长率ꎬ提高区域生态效率水平ꎮ参考文献:[１]国家统计局.改革开放铸辉煌经济发展谱新篇[Ｎ/ＯＬ].人民日报ꎬ２０１３－１１－０６(０１０).[２０１８－０２－２０]ｈｔｔｐ://ｋｎｓ.ｃｎｋｉ.ｎｅｔ/ＫＣＭＳ/ｄｅｔａｉｌ/ｄｅｔａｉｌ.ａｓｐｘ?ｄｂｃｏｄｅ＝ＣＣＮＤ＆ｄｂｎａｍｅ＝ＣＣＮＤＬＡＳＴ２０１３＆ｆｉｌｅｎａｍｅ＝ＲＭＲＢ２０１３１１０６０１００＆ｕｉｄ＝ＷＥＥｖＲＥｃｗＳｌＪＨＳｌｄＲａ１ＦｈｃＴｄＷａｊＦｕＱ２ＲＨＵＶＪ４ＱＵｐＸａＤＦｕＭ３ＵｒＭ０ｘＺＱＸｄｗＭＤ０＝Ɣ９Ａ４ｈＦ＿ＹＡｕｖＱ５ｏｂｇＶＡｑＮＫＰＣＹｃＥｊＫｅｎｓＷ４ｇｇＩ８Ｆｍ４ｇＴｋｏＵＫａＩＤ８ｊ８ｇＦｗ!!＆ｖ＝ＭＤｇｙＯＤＢ１ａＧＲｏｂｍｏ５ＯＦＲｕａｎＦｘｅＧＲＦＺＵ１ＰＶＵｔｙａＷＺａｄＴＶ２ＲｌＮｙａ１ＶｙＺｋｔＪＲ￣ｊＲＵＴｎｌＥＷｍＪＭＲｚＲＩＯＵｘＯｃｍ８５ＲＦｐＰｂ１ＢＥＱｋ５Ｌ[２]ＨｉｎｔｅｒｂｅｒｇｅｒＦꎬＢａｍｂｅｒｇｅｒＫꎬＭａｎｓｔｅｉｎＣꎬｅｔａｌ.Ｅｃｏ－ｅｆｆｉｃｉｅｎｃｙｏｆＲｅｇｉｏｎｓ:ＨｏｗｔｏＩｍｐｒｏｖｅＣｏｍｐｅｔｉｔｉｖｅｎｅｓｓａｎｄＣｒｅａｔｅＪｏｂｓｂｙＲｅｄｕｃｉｎｇＥｎｖｉｒｏｎｍｅｎｔａｌＰｒｅｓｓｕｒｅ[Ｃ]//ＧｏｖｅｒｎｍｅｎｔｏｆＣａｒｉｎｔｈｉａꎬＡｕｓｔｒｉａｎＭｉｎｉｓｔｒｙｏｆＡｇｒｉｃｕｌｔｕｒｅꎬＦｏｒｅｓｔｒｙꎬＥｎｖｉｒｏｎｍｅｎ￣ｔａｌａｎｄＷａｔｅｒꎬＷｉｅｎ:ＳＥＲＩꎬ２０００:３０.[３]赵鑫ꎬ孙欣ꎬ陶然.去产能视角下的长江经济带能源生态效率评价及收敛性分析[Ｊ].太原理工大学学报(社会科学版)ꎬ２０１６ꎬ３４(５):４５－５０.[４]ＭｉｃｋｗｉｔｚＰꎬＭｅｌａｎｅｎＭꎬＲｏｓｅｎｓｔｒöｍＵꎬｅｔａｌ.ＲｅｇｉｏｎａｌＥｃｏ－ｅｆｆｉｃｉｅｎｃｙＩｎｄｉｃａｔｏｒｓ–ａＰａｒｔｉｃｉｐａｔｏｒｙＡｐｐｒｏａｃｈ[Ｊ].ＪｏｕｒｎａｌｏｆＣｌｅａｎｅｒＰｒｏｄｕｃｔｉｏｎꎬ２００６ꎬ１４(１８):１６０３－１６１１.[５]邱寿丰ꎬ诸大建.我国生态效率指标设计及其应用[Ｊ].科学管理研究ꎬ２００７(１):２０－２４.[６]ＰｅｋｋａＪ.Ｋｏｒｈｏｎｅｎａｂ.Ｅｃｏ－ｅｆｆｉｃｉｅｎｃｙＡｎａｌｙｓｉｓｏｆＰｏｗｅｒＰｌａｎｔｓ:ＡｎＥｘｔｅｎｓｉｏｎｏｆＤａｔａＥｎｖｅｌｏｐｍｅｎｔＡｎａｌｙｓｉｓ[Ｊ].ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＯｐｅｒａｔｉｏｎａｌＲｅｓｅａｒｃｈꎬ２００４ꎬ１５４(２):４３７－４４６.[７]周静ꎬ管卫华.基于生态足迹方法的南京可持续发展研究[Ｊ].生态学报ꎬ２０１２ꎬ３２(２０):６４７１－６４８０. [８]ＺｈａｎｇＢꎬＢｉＪꎬＦａｎＺꎬｅｔａｌ.Ｅｃｏ－ｅｆｆｉｃｉｅｎｃｙＡｎａｌｙｓｉｓｏｆＩｎｄｕｓｔｒｉａｌＳｙｓｔｅｍｉｎＣｈｉｎａ:ＡＤａｔａＥｎｖｅｌｏｐｍｅｎｔＡｎａｌｙｓｉｓＡｐｐｒｏａｃｈ[Ｊ].ＥｃｏｌｏｇｉｃａｌＥｃｏｎｏｍｉｃｓꎬ２００８ꎬ６８(１):３０６－３１６.[９]ＱｉｕＳꎬＺｈｕＤ.Ｅｃｏ－ｅｆｆｉｃｉｅｎｃｙＩｎｄｉｃａｔｏｒｓｆｏｒＣｈｉｎａａｎｄＴｈｅｉｒＡｐｐｌｉｃａｔｉｏｎｓ[Ｊ].ＳｃｉｅｎｔｉｆｉｃＭａｎａｇｅｍｅｎｔＲｅｓｅａｒｃｈꎬ２００７ꎬ２５(１):２０－２４.[１０]ＷｕｒｓｔｈｏｒｎＳꎬＰｏｇａｎｉｅｔｚＷＲꎬＳｃｈｅｂｅｋＬ.Ｅｃｏｎｏｍｉｃ－ｅｎｖｉｒｏｎｍｅｎｔａｌＭｏｎｉｔｏｒｉｎｇＩｎｄｉｃａｔｏｒｓｆｏｒＥｕｒｏｐｅａｎＣｏｕｎｔｒｉｅｓ:ＡＤｉｓａｇ￣ｇｒｅｇａｔｅｄＳｅｃｔｏｒ－ｂａｓｅｄＡｐｐｒｏａｃｈｆｏｒＭｏｎｉｔｏｒｉｎｇＥｃｏ－ｅｆｆｉｃｉｅｎｃｙ[Ｊ].ＥｃｏｌｏｇｉｃａｌＥｃｏｎｏｍｉｃｓꎬ２０１１ꎬ７０(３):４８７－４９６. [１１]陈傲.中国区域生态效率评价及影响因素实证分析 以２０００－２００６年省际数据为例[Ｊ].中国管理科学ꎬ２００８ꎬ１６(Ｓ１):５６６－５７０.(下转第９６页)５７１２７.[４]黄鹂.公共科技投入视角下的高校绩效评估实证研究[Ｊ].江西财经大学学报ꎬ２０１３(２):１２１－１２８.[５]朱建育ꎬ赵红军ꎬ方曦.基于面板数据模型的上海高校科研绩效评价的实证研究[Ｊ].研究与发展管理ꎬ２０１３(２):１１５－１１９.[６]陈洪转ꎬ羊震ꎬ刘思峰ꎬ等.基于滞后ＤＥＡ的我国高校科研经费使用效率评价[Ｊ].管理评论ꎬ２０１１(８):７２－７７. [７]彭欢欢ꎬ徐盈之.高等教育与地区经济增长的互动关系的统计检验[Ｊ].统计与决策ꎬ２０１０(１１):７１－７４. [８]朱喜安ꎬ魏国栋.熵值法中无量纲化方法标准的探讨[Ｊ].统计与决策ꎬ２０１５(２):１２－１５.[９]柳卸林ꎬ高太山.中国区域创新能力报告[Ｍ].北京:知识产权出版社ꎬ２０１４:１６－１７.[１０]中国科学技术发展研究院.中国区域科技进步评价报告２０１５[Ｍ].北京:科学技术文献出版社ꎬ２０１６:７３－７７.[责任编辑:许立群](上接第７５页)[１２]吴鸣然ꎬ马骏.中国区域生态效率测度及其影响因素分析 基于ＤＥＡ－Ｔｏｂｉｔ两步法[Ｊ].技术经济ꎬ２０１６ꎬ３５(３):７５－８０ꎬ１２２.[１３]侯孟阳ꎬ姚顺波.中国城市生态效率测定及其时空动态演变[Ｊ].中国人口 资源与环境ꎬ２０１８(３):１３－２１. [１４]ＴｏｎｅＫ.ＡＳｌａｃｋｓ－ｂａｓｅｄＭｅａｓｕｒｅｏｆＥｆｆｉｃｉｅｎｃｙｉｎＤａｔａＥｎｖｅｌｏｐｍｅｎｔＡｎａｌｙｓｉｓ[Ｊ].ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＯｐｅｒａｔｉｏｎａｌＲｅ￣ｓｅａｒｃｈꎬ２００１ꎬ１３０(３):４９８－５０９.[１５]ＴｏｎｅＫ.ＡＳｌａｃｋｓ－ｂａｓｅｄＭｅａｓｕｒｅｏｆＳｕｐｅｒ－ｅｆｆｉｃｉｅｎｃｙｉｎＤａｔａＥｎｖｅｌｏｐｍｅｎｔＡｎａｌｙｓｉｓ[Ｊ].ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＯｐｅｒａｔｉｏｎａｌＲｅｓｅａｒｃｈꎬ２００１ꎬ２０００(１):３２－４１.[１６]ＭａｌｍｑｕｉｓｔＳ.ＩｎｄｅｘＮｕｍｂｅｒｓａｎｄＩｎｄｉｆｆｅｒｅｎｃｅＳｕｒｆａｃｅｓ[Ｊ].ＴｒａｂａｊｏｓＤｅＥｓｔａｄｉｓｔｉｃａꎬ１９５３ꎬ４(２):２０９－２４２.[１７]ＨöｈＨꎬＳｃｈｏｅｒＫꎬＳｅｉｂｅｌＳ.Ｅｃｏ－ｅｆｆｉｃｉｅｎｃｙＩｎｄｉｃａｔｏｒｓｉｎＧｅｒｍａｎＥｎｖｉｒｏｎｍｅｎｔａｌＥｃｏｎｏｍｉｃＡｃｃｏｕｎｔｉｎｇ[Ｊ].ＳｔａｔｉｓｔｉｃａｌＪｏｕｒ￣ｎａｌｏｆｔｈｅＵｎｉｔｅｄＮａｔｉｏｎｓｅｃｏｎｏｍｉｃＣｏｍｍｉｓｓｉｏｎｆｏｒＥｕｒｏｐｅꎬ２００２(１９):４１－５２.[１８]诸大建ꎬ邱寿丰.生态效率是循环经济的合适测度[Ｊ].中国人口.资源与环境ꎬ２００６(５):１－６.[１９]王宏志ꎬ高峰ꎬ刘辛伟.基于超效率ＤＥＡ的中国区域生态效率评价[Ｊ].环境保护与循环经济ꎬ２０１０ꎬ３０(６):６４－６７. [２０]付丽娜ꎬ陈晓红ꎬ冷智花.基于超效率ＤＥＡ模型的城市群生态效率研究 以长株潭 ３＋５ 城市群为例[Ｊ].中国人口.资源与环境ꎬ２０１３ꎬ２３(４):１６９－１７５.[２１]白世秀.黑龙江省区域生态效率评价研究[Ｄ/ＯＬ].哈尔滨:东北林业大学ꎬ２０１１.[２０１８－０３－１５]ｈｔｔｐ://ｋｎｓ.ｃｎｋｉ.ｎｅｔ/ＫＣＭＳ/ｄｅｔａｉｌ/ｄｅｔａｉｌ.ａｓｐｘ?ｄｂｃｏｄｅ＝ＣＤＦＤ＆ｄｂｎａｍｅ＝ＣＤＦＤ１２１４＆ｆｉｌｅｎａｍｅ＝１０１２４４２８１６.ｎｈ＆ｕｉｄ＝ＷＥＥｖＲＥｃｗＳ￣ｌＪＨＳｌｄＲａ１ＦｈｃＥＥ０ＲＶＺｘｅｊＡ５ＶＸＦｑＳＧＶＯｅｎｌｉＮＦｇｘｃＤＩ５ｃＸＦＧＷＴ０＝Ɣ９Ａ４ｈＦ＿ＹＡｕｖＱ５ｏｂｇＶＡｑＮＫＰＣＹｃＥｊＫｅｎｓＷ４ｇｇＩ８Ｆｍ４ｇＴｋｏＵＫａＩＤ８ｊ８ｇＦｗ!!＆ｖ＝ＭＴｃ１ＯＴＮａＲＷＪＱＳＶＩ４ＺＶｇｘＴＨＶ４ＷＶＭ３ＲＧｇｘＶＤＮｘＶＨＪＸＴＴＦＧｃｋＮＶＵｋｘＬＺｌｐＰＵｍ１ＧｅＴｄｒＶＴｃｖＳ１ＺＧＭｊＺＩＴＧＵ４ＳＥ５ｕＴｎＥ＝＃[２２]陈诗一.能源消耗㊁二氧化碳排放与中国工业的可持续发展[Ｊ].经济研究ꎬ２００９ꎬ４４(４):４１－５５.[责任编辑:许立群]６９。

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。

我国高等教育效率的动态分析基于博弈交叉效率模型与全局Malmquist指数一、本文概述本文旨在通过博弈交叉效率模型和全局Malmquist指数两个重要工具，对我国高等教育的效率进行深入的动态分析。

随着我国经济的快速发展，高等教育作为培养高素质人才的关键环节，其效率问题日益受到社会各界的广泛关注。

本文的研究不仅有助于理解我国高等教育效率的现状，更能为提升教育质量和满足社会发展需求提供科学依据。

本文将简要介绍博弈交叉效率模型和全局Malmquist指数的理论基础和计算方法，以便为后续的实证分析提供理论基础。

随后，将利用这些工具，对我国高等教育效率进行动态分析，揭示其发展趋势和存在的问题。

在分析过程中，本文将重点关注以下几个方面：一是我国高等教育效率的整体水平及其变化趋势；二是不同地区、不同类型高校之间的效率差异及其成因；三是高等教育效率与社会经济发展、科技进步等因素的关联度。

本文将根据分析结果，提出提升我国高等教育效率的建议和对策，以期为我国高等教育的改革和发展提供有益的参考。

通过本文的研究，我们期望能够为我国高等教育事业的持续健康发展贡献一份力量。

二、文献综述随着我国高等教育的快速发展，其效率问题逐渐成为学术界和社会关注的焦点。

国内外学者运用不同的理论和方法，对我国高等教育效率进行了深入研究。

这些研究不仅丰富了高等教育效率的理论体系，也为提高我国高等教育效率提供了有益的参考。

在高等教育效率评价方面，国内外学者主要采用了数据包络分析（DEA）、随机前沿分析（SFA）等方法。

其中，DEA方法以其非参数、无需设定具体函数形式的优点，在高等教育效率评价中得到了广泛应用。

然而，传统DEA方法在处理多投入多产出问题时，往往存在效率值偏高、无法完全排序等问题。

因此，学者们开始探索新的效率评价方法。

博弈交叉效率模型是一种新型的效率评价方法，它通过引入博弈思想，解决了传统DEA方法中存在的问题。

该模型通过多个决策单元之间的相互评价，得到了更加客观、公正的效率值。

基于Malmquist指数的“一带一路”沿线省市高校科技创新效率研究随着“一带一路”倡议的深入推进，沿线省市的高校科技创新逐渐成为关注的焦点。

高校科技创新是国家创新体系的重要组成部分，也是推动区域经济发展的关键力量。

对“一带一路”沿线省市高校科技创新效率的研究具有重要意义。

本文将基于Malmquist指数，对“一带一路”沿线省市高校科技创新效率进行深入探讨。

一、研究背景“一带一路”倡议的提出，为沿线省市的经济发展带来了新的机遇和挑战。

高校作为科技创新的重要力量，承担着培养人才、开展科研和技术转移等重要任务。

研究“一带一路”沿线省市高校科技创新效率，可以为高校科技创新提供重要的参考和借鉴，推动沿线省市的经济发展。

二、Malmquist指数及其应用Malmquist指数是评价生产率变化的重要工具，可以衡量不同时间点或不同单位之间的生产率变化。

Malmquist指数在评价科技创新效率、技术进步和绩效分析等方面有着广泛的应用。

Malmquist指数的计算方法是在DEA模型的基础上，通过考察相邻年度或不同单位之间的生产可能集的变化情况，来评价生产率的变化和效率的提升情况。

Malmquist指数大于1表示生产率提升，小于1表示生产率下降，等于1则表示生产率不变。

三、“一带一路”沿线省市高校科技创新效率的研究方法1. 数据来源本文将选取“一带一路”沿线省市的高校为研究对象，利用相关公开的统计年鉴和科技创新指标数据进行分析。

数据包括高校的研发投入、科研成果、人才培养等方面的指标。

2. 研究内容本文将从Malmquist指数的角度出发，评价“一带一路”沿线省市高校科技创新效率的变化情况。

具体包括两个方面的内容：一是考察高校科技创新的生产率变化情况，即Malmquist指数的计算；二是分析各省市高校之间科技创新效率的差异情况，并探讨影响因素。

3. 研究步骤第一步，计算各省市高校科技创新的Malmquist指数，分析各省市高校科技创新效率的变化情况。

作者： 黄小敬[1,2,4];李娆[3];廖文龙[1,2];翁鸣[2]
作者机构： [1]南京理工大学知识产权学院,江苏南京210094;[2]广西财经学院中国—东盟创新治理与知识产权研究院,广西南宁530003;[3]澳门科技大学商学院,澳门999078;[4]河池学院商学院,广西河池546300
出版物刊名： 改革与战略
页码： 117-124页
年卷期： 2021年 第4期
主题词： 创新质量;绿色增长效率;技术进步方式;效率评价
摘要：文章基于2004—2017年我国30个省份(除西藏、香港、澳门、台湾外)的专利面板数据,用数据包络分析方法(DEA方法)构建超效率SBM-DDF模型,对其创新质量与绿色增长效率进行测度和分析,并提出六种创新驱动绿色增长的类型.研究表明:我国区域创新质量对于绿色增长效率存在显著正向影响;有4个省份处于高质量—高效率状态,应当发挥好其辐射带动作用;有16个省份处于低质量—高效率状态,但其创新和经济产出水平均偏低,应通过加大创新力度获取持续增长的能力;有2个省份处于高质量—中效率状态,应进一步理顺其自身体制机制,加强科技成果转化;有4个省份处于低质量—中效率状态,应从环境保护和创新投入两个方面同时发力;我国目前无省份处于高质量—低效率状态,说明我国创新水平高的省份能够协调好经济增长与环境保护之间的关系;有4个省份处于低质量—低效率状态,这些地区应加强环境保护和优化资源配置,其中部分创新质量不高的地区还应强化创新.。