基于DEA的钢铁企业能源及水资源消耗与生产效率研究

基于DEA 模型的火核电行业用水特征分析

杨虹;张海涛;谢丛丛

【摘 要】火核电行业是工业行业的第一用水大户,掌握分析其用水特征是提高工业用水效率的前提,对建设节水型社会、落实最严格水资源管理制度具有非常重要的意义。数据包络分析法( DEA 模型)是一种非参数前沿效率分析方法,结合我国火核电行业历年用水趋势和区域分布特征,基于 DEA 模型对火核电工业的用水特征进行了分析。结果表明,1999年-2011年火核电行业的装机规模和用水量均呈显著增长趋势,但近年来用水量逐渐趋于稳定；由于直流式火核电的比例逐渐降低,火核电行业的整体用水效率逐步提高；区域分布上,火核电行业的用水效率基本呈东南沿海向西北内陆逐渐升高的分布特征,与我国水资源分布特点具有明显的对应关系。%Thermal and nuclear power industry has the largest water use in the

industrial sector. Knowledge of the water use characteristics of thermal

and nuclear power industry is the foundation of improving water use

efficiency, which is beneficial for theconstructionofwater-savingsocietyandthestrictestwaterresourcesmanagementsystem.Dataenvelopmentanalysis(DEA) isanon-parametricfrontiermethod,anditisusedtoanalyzethewaterusecharacteristicsofthermalandnuclearpowerindustry based on the water use trend and

皖江城市带能源消费与效率问题研究　

——基于ＤＥＡ产出导向型评价　

安徽财经大学经济学院　于继忠，张士杰　

摘要在分析皖江城市带能源消费现状的基础上，运用ＤＥＡ效率评价　

模型研究了皖江城市带各城市的能源效率问题。从产出导向型研究结果看，除　

了马鞍山、合肥和滁州的能源效率达到相对最优外，其他地市均未达到最优，　

表明皖江城市带能源资源没有充分利用造成了资源浪费，各种能源消费结构不　

合理，能源对经济的贡献还有较大的改进空间。最后从优化能源消费结构、注　

重产业承接质量等方面提出了提高能源利用效率的政策建议。　

２０１０年１月，国务院正式批复《皖江　

城市带承接产业转移示范区规划》，在未来　

几年内，皖江城市带将迎来承接产业转移的　

高峰期，而在承接产业转移的过程中，经济　

发展对能源的需求量必将大幅增长，同时能　

源对经济约束也将凸显，要克服这种矛盾，　

迫切需要研究能源对经济发展的约束机制，　

把握能源在经济增长中的规律，考察能源对　

经济增长的尾效及能源利用效率，调整和优　

化经济结构。　

如何化解能源约束是优化能源问题的关　

键，学者大多从技术进步和人力资本的角度　

去研究解约束问题。杨宏林ｆ１　（２００４）构建　

了能源存量的动态方程，列出效用函数，在　

资本和能源的约束下研究效用的最优。研究　

表明，只有提高生产技术水平，提高能源利　

用效率，才有可能在保证能源可持续利用的　

条件下，实现经济的长期可持续增长。刘平　

养［２】（２０１０）指出我国经济增长的能源约束　

根本原因在于我国经济增长的粗放性，解约　

束能力的核心在于通过人力资本存量的培养　

和积累。张士杰　Ｊ（２００８）给出了包括指标　

体系、计算方法体系与优化方法体系在内的　

能源生产的经济学评价体系，并在此体系下　对几种不同能源的效后发电成本进行了估　

算。研究结果表明，煤炭是经济性最差的能　

源选择，节能减排应首先从减少煤炭的开　

采与生产着手。从研究方法来看，ＤＥＡ方　

法是最常用的能源效率评价方法。武春友Ｈ　

第２００８年第ｌ１期　（总第３１３期）　商　业　经　济　ＳＨＡＮＧＹＥ　ＪＩＮＧＪＩ　Ｎｏ．１１．２００８　ＴＤｔ　Ｎｏ．３１３　【文章编号】１００９—６０４３（２００８）１１—００２７—０２　钢铁行业相对效率的ＤＥＡ实证分析　

刘　洋，洪景玉　

（长沙理工大学经济与管理学院，湖南长沙４１０１１４）　【摘　要】通过应用数据包络分析法（ＤＥＡ）对２００７年中国Ａ股上市公司１１家代表性钢铁公司的相对效率进行实证分　析，结果表明：８家公司的规模效益不变，本钢板材规模效益递增，规模效益递减的只有２家公司。根据经济学上的３阶段生产理　论，最佳的生产阶段应该在规模效益递减阶段。我国钢铁行业处于经济学上的最佳生产阶段的公司不多，还不到样本总数的　２０％．而处于不变规模效益的公司则占到样本总数的７０％￣２上，说明我国钢铁行业还有很大的发展潜力。　ｆ关键词】数据包络分析；规模效益；钢铁行业　【中图分类号】Ｆ２７０．３　【文献标识码】Ａ　Ｅｍｐｉｒｉｃａｌ　Ａｎａｌｙｓｉｓ　ｏｆ　ＤＥＡ　ｏｎ　Ｒｅｌａｔｉｖｅ　Ｉ￣．ｍｃｉｅｎｅｙ　ｏｆ　Ｓｔｅｅｌ　Ｉｎｄｕｓｔｒｙ　ＬＩＵ　Ｙａｎｇ，ＨＯＮＧ　Ｊｉｎｇ－ｙｕ　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｅｍｐｉｒｉｃａｌ　ａｎａｌｙｓｉｓ　ｏｎ　ｔｈｅ　ｒｅｌａｔｉｖｅ　ｅｆｆｉｃｉｅｎｃｙ　ｏｆ　ｅｌｅｖｅｎ　ｒｅｐｒｅｓｅｎｔａｔｉｖｅ　ｓｔｅｅｌ　ｃｏｍｐａｎｉｅｓ　ｆｒｏｍ　Ｃｈｉｎｅｓｅ　Ａ—ｓｈａｒｅ　Ｃｏｍｐａｎｉｅｓ　ｂｙ　ＤＥＡ　ｉｎ　２００７　ｓｈｏｗｅｄ　ｔｈａｔ　ｔｈｅ　ｓｃａｌｅ　ｂｅｎｅｆｉｔ　ｏｆ　ｅｉｇｈｔ：ｃｏｍｐａｎｉｅｓ　ｋｅｐｔ　ｕｎｃｈａｎｇｅｄ，ｔｈｅ　ｓｃａｌｅ　ｂｅｎｅｆｉｔ　ｏｆ　ｓｈｅｅｔ　ｍｅｔａｌ　ｉｎ　Ｂｅｎｘｉ　Ｓｔｅｅｌ　ａｎｄ　Ｉｒｏｎ　Ｇｒｏｕｐ　Ｃｏｍｐａｎｙ　ｗａｓ　ｉｎｃｒｅａｓｉｎｇ，ｗｈｉｌｅ　ｔｈｅ　ｓｃａｌｅ　ｂｅｎｅｆｉｔ　ｏｆ　ｔｗｏ　ｃｏｍｐａｎｉｅｓ　ＷａＳ　ｄｅｃｒｅａｓｉｎｇ．Ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｐｒｏｄｕｃｔｉｏｎ　ｔｈｅｏｒｙ　ｏｆ　ｔｈｒｅｅ　ｓｔａｇｅｓ　ｉｎ　ｅｃｏｎｏｍｉｃｓ，ｔｈｅ　ｂｅｓｔ　ｐｒｏｄｕｃｔｉｏｎ　ｓｔａｇｅ　ｉｓ　ｔｈａｔ　ｏｆ　ｔｈｅ　ｓｃａｌｅ　ｂｅｎｅｆｉｔ　ｄｅｃｒｅａｓｅｄ．Ｈｅｎｃｅ，ｗｅ　ｃｏｎｃｌｕｄｅ　ｔｈａｔ　ＯＵｌ＂ｓｔｅｅｌ　ｃｏｍｐａｎｉｅｓ　ｉｎ　ｏｐｔｉｍａｌ　ｐｒｏｄｕｃｔｉｏｎ　ｓｔａｇｅ　ａＩ－ｅ　ｌｅｓｓ　ｔｈａｎ　２０％ｏｆ　ｔｏｔａｌ　ｓａｍｐｌｅｓ．ｗｈｉｌｅ　ｔｈｅ　ｃｏｍｐａｎｉｅｓ　ｉｎ　ｓｔａｇｅ　ｏｆ　ｃｈａｎｇｅｄ　ｓｃａｌｅ　ｂｅｎｅｆｉｔ　ａｃｃｏｕｎｔ　ｆｏｒ　ｏｖｅｒ　７０％，ｗｈｉｃｈ　ｉｎｄｉｃａｔｅ　ｔｈａｔ　ｔｈｅｒｅ　ｉｓ　ｇｒｅａｔ　ｄｅｖｅｌｏｐｍｅｎｔ　ｐｏｔｅｎｔｉａｌ　ｉｎ　ｏｕｒ　ｓｔｅｅｌ　ｉｎｄｕｓｔｒｙ．　Ｋｅｙ　ｗｏｒｄｓ：ｄａｔａ　ｅｎｖｅｌｏｐｍｅｎｔ　ａｎａｌｙｓｉｓ（ＤＥＡ），ｓｃａｌｅ　ｂｅｎｅｆｉｔ，ｓｔｅｅｌ　ｉｎｄｕｓｔｒｙ　数据包络分析（ＤＥＡ）是以相对效率概念为基础发展　起来的一种非参数评价方法。由魏权龄于１９８８年从国外　引入，并迅速成为运筹学的一个新的研究领域。ＤＥＡ是使　用线性规划模型比较决策单元之间的相对效率　对决策　单元（｛己为）做出评价。它以决策单元各输入输出的权重为　变量，从最有利于决策单元的角度进行评价，ＤＥＡ方法不　必确定输入输出关系的显式表达式，也不预先给定各输　入输出指标的权重。因此，ＤＥＡ方法排除了很多主观因　素，具有很强的客观性。该方法近年来被广泛运用到技术　和生产力进步、技术创新、关于成本收益利润问题、资源　配置、金融投资、非生产性等各个领域，进行有效性分析，　从而进行评价决策。　一、模型简介　为适应不同研究对象和目的，ＤＥＡ模型有很多扩展　模型，实践中常常根据研究需要选用不同类型的模型。笔　者选用ＤＥＡ的基本模型——Ｃ２Ｒ模型，用最小投入法对　钢铁行业的规模效应进行分析。该模型为：设有ｎ个决策　单元ＤＭＵｉ，（ｊ＝ｌ，……，ｎ），输入、输出向量分别为（ｘｔｉ，　，　……，）【ｎｉ）　＞０。（ｙ　，　，Ｉｔ　Ｏｔｌ　ｏ，　）Ｔ＞０，ｍ为投入变量个数，８　为产出变量个数，ｎ为决策单元个数，　；（．－１，２，……，ｎ）　为ｎ个ＤＭＵ的某种组合权重，　和ｙｐ为所评价的第ｊｏ个　［收稿日期】２００８—１０—２１　决策单元的投入和产出向量，∑　和∑　为按照这　ｊ＝１　ｊ＝１　种权重组合的ＤＭＵ的投入和产出。在至少保持ＤＭＵｊ。产　出量的前提下，寻找ＤＭＵｊ（１≤ｊ≤ｎ）的１种线性组合，使其　为可能的最小投入量。具体模型如下：　Ｉ　ｏ　ｌ、　Ｉ　≤０　，ｉ＿１，２，……，ｍ　｛　；　ｌ、　Ｉ　ｊｙｉｉ≥ｙ　，ｉ＿１，２，……，ｓ　Ｉ　ｊ≥Ｏ，０≥Ｏ，ｊ＝ｌ，２，……，ｎ　加入松弛变量ｓ＋和ｓ一后，这个模型可写成：　ｍｉｎ　０　、●、　筠＋Ｓ＋＝０　ｊ＝１　、　ＪＹｉ—Ｓ－＝Ｄ０　ｊ≥０，０≥Ｏ，ｊ＝ｌ，２，……，ｎ　Ｓ＋≥０，Ｓ一≥Ｏ　若模型中最优值０：１，则第ｊｏ个ＤＭＵ为弱ＤＥＡ有　效。若模型中最优值０＝ｌ，并且满足所有的Ｓ＋＝０。Ｓ一＝０　（每个分量都为零），则第ｊ。个ＤＭＵ为ＤＥＡ有效。当∑　ｊ　ｊ＝１　＝０ｊ０时ＤＭＵｊｏ具有恰当的投入规模，规模收益不变；当　

基于DEA和因子分析的省际能源效率比较研究

摘要：本文根据能源消费特点，以能源消费总量、从业人员总数和固定资产折旧为投入指标，以地区生产总值和环境正产出为产出指标，运用DEA方法构建能源效率评价模型，依据2008年各区域的相关数据，对中国30个省级行政区域的能源效率状况进行实证研究和评述，并对进一步提高能源利用效率提出了意见和建议。

关键词：能源效率；DEA；因子分析；节能减排

一、引言

国内外关于能源效率的研究主要表现在：Thomas G. Rawski（2001）通过对我国经济发展状况进行实证研究，得出我国能源效率近10年内并没有得到显著提高的结论[1]。Jonathan E. Sinton（2001）等人的研究则认为，我国能源统计存在一些偏差，某些私有、小型企业的能源产量统计并不准确，因此排除这些因素后中国能源效率近年来应当呈上升态势[2]。Richard Bradley和MingYang（2006）指出，虽然中国节能减排工作取得了一定进展，但能源消费的增长速度仍快于经济增长速度，中国的能源效率依然较低。因此，中国要想实现可持续发展，就必须严格实行节能减排的政策[3]。王庆一（2003）指出，节能与能源效率的内涵是一致的，因此，中国实现节能减排目标的根本途径就是提高能源效率[4]。徐国泉、刘则渊(2007)运用基于DEA方法的全要素能源效率模型，比较、分析了我国1998-2005年中国八大经济区的全要素能源效率，结果表明，中国区域全要素能源效率与区域发展水平呈“U型”的关系[5]。魏楚等（2007）指出，由于目前对于能源效率的概念缺少统一标准，而且其评价指标本身也存在一定缺陷，因此造成各种研究计算出来的能源效率结果迥异，从而无法判断当前的能源效率状况[6]。吴琦等（2009）在全要素能源效率框架下建立了可处理非期望产出的DEA能源效率评价模型，通过实证研究发现，该模型既可有效应用于能源效率的评价，又可为中国实现节能减排目标、制定相关政策和措施提供决策支持[7]。杨继生（2009）认为，提高能源效率是实现经济可持续发展和减少污染排放的根本途径，并基于非线性平滑转换模型分析，得出能源价格对能源效率的影响机制存在非线性平滑转换的结论 [8]。