长江三角洲城市群工业生态效率评价

内容提要：长江三角洲是我国经济发展的重要地区之一，基于长江三角洲35个城市2010-2013年的工业数据，通过将工业生态系统分解为工业经济、环境、能源三个子系统，采用网络DEA模型对长江三角洲城市群的35个城市工业生态系统及三个子系统效率进行评价。研究结果显示：就工业经济子系统而言，工业经济高效率城市出现密集，形成了以上海等城市为中心的“M”形分布；就环境子系统而言，环境高效率城市主要分布在以太湖为中心、长江沿岸及杭州湾沿线的地区；就能源子系统而言，以上海、苏州等城市能源效率较高，其它城市能源效率较低且效率水平差异较小；就工业生态系统而言，长江三角洲城市群工业生态效率呈现三阶梯状。

关键词：工业生态效率；工业生态系统网络结构；网络DEA；长江三角洲城市群

中图分类号：F0615文献标识码：A文章编号：1001-148X（2017）06-0163-07

长江三角洲是我国经济发展具有活力、开放程度较高、创新能力较强的地区之一，以上海为中心的城市群分布在我国“两横三纵”重点发展区和城市优化开发区，该区域占国土面积2117万平方公里，2014年地区总产值为1267万亿元，人口达15亿人，分别占全国22%、185%、110%，加快提升长江三角洲城市群生态效率①，尤其是提升长江三角洲城市群工业生态效率显得尤为重要。本文分析长江经济带的工业生态效率，旨在回答如下问题：（1）从能源-经济-环境（3E）三个子系统分析当前长江三角洲城市群工业生态效率水平如何；（2）长江三角洲城市群的工业生态效率是否存在差异；（3）长江三角洲城市群的工业生态效率分布状况。因此，本文采用网络DEA测算和分析长江三角洲城市群2010-2013年间工业生态效率，采用收敛性分析长江经济带上中下游的工业生态效率差异，以期为长江经济带产业转型升级和生态环境的改善提供决策参考。

一、模型构建、指标体系设计及数据处理

1972年“罗马俱乐部”提出增长极限理论，学者们对能源、经济、环境三个问题越来越关注，逐渐形成了以“能源-经济”、“环境-经济”二元系统为研究对象的理论体系。20世纪80年代可持续发展观不断完善，人们意识到将能源、环境、经济纳入一个整体去研究更加全面、深入及合理，国际能源研究及环保机构联手构建了“能源-经济-环境”（3E）系统框架，以分析三者之间发展规律与内在联系[3]。其中，能源子系统为工业经济子系统提供了生产要素、支撑了工业经济发展，工业经济发展也推动了能源需求增加；工业经济发展在推动经济增长的同r带来了环境问题，环境的治理为工业经济的发展创造了良好的环境和资源的再次利用；能源消耗会给环境带来负影响，环境治理也使得废弃物再次利用成为资源。因此，整体的工业生态系统是由工业经济系统、能源系统及环境系统三个子系统耦合而成，三个子系统之间相互关联且存在很强的依赖关系。

（一）模型构建

本文将工业经济、环境、能源三个子系统分别用S1、S2、S3表示（如图1所示），三个子系统不仅有自己的外部投入（投入1、2、3）和产出（产出1、2、3），系统内部之间还存在输入与输出，用Linkij（i≠j；i，j=1、2、3）表示，此含义表示Si对Sj输入，如Link12表示工业经济子系统对环境子系统的输入。

工业生态系统中的n决策单元，其每个决策单元的三个子系统用Sp（p=1、2、3）表示，且k决策单位的Sp（p=1、2、3）子系统的外部输入为xpk，k决策单元的Sp（p=1、2、3）子系统的外部输出为ypk；k决策单位的子系统中，Si对Sj的输入为g（i，j）k，Sj对Si的输出为h（j，i）k，且i，j∈p。当i=j时，g（i，j）k=0，h（j，i）k=0。由此可以得出决策单位DMUk（k=1，2，…，n）的任意子系统Sp（p=1、2、3）的所有投入与产出可以表示为（xpk，∑ni=1[]i≠jg（i，j）k，ypk，∑ni=1[]i≠jh（j，i）k）。其中，xpk∈Rmp而mp是系统Sp的m个投入要素，ypk∈Rlp而lp是系统Sp的l个产出要素，且xpk，g（i，j）k，ypk，h（j，i）k0。

考虑到系统内部输入输出的平衡性，有：

∑3[SX（B]i=1[]i≠j∑3j=1ωijg（i，j）k=∑3j=1[]i≠j∑3i=1ψjih（j，i）k（1）

其中，ωij表示Si对Sj的输入权重，ψji表示Sj对Si的输出权重。此时，本文将每个决策单元DMUk的子系统Sp效率测算模型为：

Max gkp=ζpypk+∑3[SX（B]i=1[]i≠jψjih（j，i）kξpxpk+∑3[SX（B]i=1[]i≠jωijg（i，j）k

st ζpypk+∑3[SX（B]i=1[]i≠jψjih（j，i）kξpxpk+∑3[SX（B]i=1[]i≠jωijg（i，j）k1（k=1，2，…，n）（2）

ζp，ψji，ξp，ωij0（i，j，p=1，2，3）

令t=1ξpxpk+∑3[SX（B]i=1[]i≠jωijgi，jk，υp=tζp，μji=tψji，φp=tξp，ηij=tωij。

其中，ξp表示k决策单元的Sp（p=1、2、3）子系统的外部输入权重，ζp表示k决策单位的Sp（p=1、2、3）子系统的外部输出权重，可将上述模型化简为：

Max νpypk+∑3[SX（B]i=1[]i≠jμjih（j，i）k

νpypk+∑3[SX（B]i=1[]i≠jμjih（j，i）kφpxpk+∑3[SX（B]i=1[]i≠jηijg（i，j）k（k=1，2，…，n）（3）

νp，μji，φp，ηij0（i，j，p=1，2，3）

根据线性规划对偶性质，可将模型化简为：