上海市生態(tài)福利績(jī)效評(píng)價(jià)研究

龍亮軍+王霞

摘要 生態(tài)福利績(jī)效是指自然消耗轉(zhuǎn)化為福利水平的效率。隨著全球生態(tài)約束時(shí)代的到來(lái)，自然資本變得絕對(duì)稀缺，如何在生態(tài)極限內(nèi)提高人類的福利水平是可持續(xù)發(fā)展的終極目標(biāo)。本文基于DEA方法，從投入產(chǎn)出角度構(gòu)建了城市生態(tài)福利績(jī)效評(píng)價(jià)指標(biāo)體系，并結(jié)合主成分分析法（PCA），運(yùn)用改進(jìn)的基于非徑向非角度的超效率DEA模型（Super-SBM模型）對(duì)上海市2006—2014年的生態(tài)福利績(jī)效水平進(jìn)行綜合測(cè)評(píng)，并與2014年我國(guó)35個(gè)主要城市（省級(jí)和副省級(jí)城市）進(jìn)行橫向?qū)Ρ妊芯?。結(jié)果表明：①2006—2014年期間，上海的總體生態(tài)福利績(jī)效水平不高，并未處于DEA有效的前沿面，其中僅3個(gè)年份為DEA有效，其余6個(gè)年份均為DEA無(wú)效，DEA有效年份數(shù)占樣本總數(shù)的33.33%，但從整個(gè)發(fā)展態(tài)勢(shì)來(lái)看，近幾年來(lái)有逐步改善和提高的趨勢(shì)。②2014年，我國(guó)35個(gè)主要城市的生態(tài)福利績(jī)效整體水平不高，深圳、?？谂琶皟晌?，而上海僅排名第30位，資源環(huán)境消耗過(guò)高是生態(tài)福利績(jī)效值偏低的主要原因。從投入冗余情況來(lái)看，上海市在水資源和土地兩方面消耗過(guò)高，存在過(guò)度冗余，環(huán)境污染排放也具有較大的優(yōu)化空間，資源環(huán)境問(wèn)題成為制約上海建設(shè)生態(tài)宜居城市的主要瓶頸。③PCA-DEA組合模型比DEA模型下所測(cè)算出來(lái)的績(jī)效值更精確，且考慮松弛變量的非徑向Super-SBM模型比基于徑向的DEA模型精確度更高，對(duì)于相關(guān)領(lǐng)域的資源環(huán)境績(jī)效或生態(tài)效率評(píng)價(jià)具有較好的適用性和借鑒價(jià)值。最后根據(jù)實(shí)證分析結(jié)果可知，上海應(yīng)淘汰過(guò)剩產(chǎn)能并轉(zhuǎn)變生產(chǎn)和生活消費(fèi)方式、發(fā)展綠色低碳的共享經(jīng)濟(jì)，同時(shí)構(gòu)建緊湊型城市，實(shí)現(xiàn)城市“精明增長(zhǎng)”。

關(guān)鍵詞 生態(tài)福利績(jī)效；可持續(xù)發(fā)展；主成分分析法；PCA-DEA；Super-SBM模型

中圖分類號(hào) F205 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1002-2104（2017）02-0084-09

doi：10.3969/j.issn.1002-2104.2017.02.013

正如著名生態(tài)經(jīng)濟(jì)學(xué)家Daly所提到，我們已從自然資本相對(duì)富裕的“空的世界”走向絕對(duì)稀缺的“滿的世界”[1]。全球發(fā)展面臨著嚴(yán)峻的資源枯竭和環(huán)境惡化挑戰(zhàn)，走社會(huì)經(jīng)濟(jì)與自然環(huán)境相協(xié)調(diào)的可持續(xù)發(fā)展之路是當(dāng)前世界各國(guó)的必然選擇[2]。上海作為我國(guó)第一大城市、國(guó)家經(jīng)濟(jì)中心和長(zhǎng)三角城市群的龍頭城市，經(jīng)濟(jì)發(fā)展一直處于領(lǐng)先水平，但與此同時(shí)生態(tài)環(huán)境的承載極限不斷面臨挑戰(zhàn)，社會(huì)經(jīng)濟(jì)發(fā)展與生態(tài)承載力嚴(yán)重不協(xié)調(diào)，資源消耗和環(huán)境污染問(wèn)題嚴(yán)重。2014年“全球城市實(shí)力指數(shù)”（Global Power City Index， GPCI）報(bào)告顯示，上海綜合排名位于42個(gè)城市中第15位，其中在生態(tài)環(huán)境層面的排名位于42個(gè)城市中第37位[3]，生態(tài)環(huán)境問(wèn)題成為制約上海角逐全球頂端城市的重要瓶頸[4]。在資源環(huán)境約束的大背景下，如何在生態(tài)門檻內(nèi)，持續(xù)地提升城市居民的福利水平，即生態(tài)福利績(jī)效的提高，是城市可持續(xù)發(fā)展的根本要求[5]，這也與我國(guó)城市生態(tài)文明建設(shè)的目標(biāo)相吻合。

1 文獻(xiàn)綜述

生態(tài)福利績(jī)效的起源來(lái)自于Daly[6]通過(guò)計(jì)算單位自然消耗所帶來(lái)的福利水平的提升來(lái)評(píng)估各國(guó)的可持續(xù)發(fā)展?fàn)顩r，并將其表示為服務(wù)與通量的比值，其中“服務(wù)”代表通過(guò)經(jīng)濟(jì)系統(tǒng)的轉(zhuǎn)換，人類最終從生態(tài)系統(tǒng)中獲得的效用或者福利，“通量”代表人類從生態(tài)系統(tǒng)中獲取的低熵能源和物質(zhì)以及最終向生態(tài)系統(tǒng)排放的高熵廢棄物的總和。在Daly思想的基礎(chǔ)上，國(guó)內(nèi)學(xué)者諸大建[7]于2008年首次提出了生態(tài)福利績(jī)效的概念，并定義生態(tài)福利績(jī)效為自然消耗轉(zhuǎn)化為福利水平的效率，用來(lái)衡量國(guó)家或地區(qū)的可持續(xù)發(fā)展能力。

生態(tài)福利績(jī)效從概念的角度而言，其實(shí)是生態(tài)效率的版本升級(jí)，最主要區(qū)別在于不再是以追求純GDP產(chǎn)出為導(dǎo)向，而是追求生態(tài)投入最小化情況下福利產(chǎn)出最大化。目前國(guó)內(nèi)外評(píng)價(jià)生態(tài)效率所采用的方法除了比值法[8]之外，主要通過(guò)構(gòu)建生態(tài)效率的評(píng)價(jià)指標(biāo)體系并運(yùn)用非參數(shù)的DEA方法[11]，并證明了DEA方法在生態(tài)效率評(píng)價(jià)中具有較好的適用性。

有關(guān)福利的研究，目前并沒(méi)有絕對(duì)統(tǒng)一的指標(biāo)來(lái)衡量，主要分為主觀和客觀兩大類。客觀福利指標(biāo)經(jīng)歷了從最初的GDP到GNP、ISEW、GPI、HDI等的發(fā)展[14]；主觀福利指標(biāo)包括生活滿意度和幸福感等，主要通過(guò)問(wèn)卷調(diào)查而得到，由于主觀感受因人而異，而且受訪者常常會(huì)因?yàn)椤吧鐣?huì)比較”和“享樂(lè)適應(yīng)”的影響[15]，從而使問(wèn)卷調(diào)查出來(lái)的福利水平數(shù)據(jù)容易出現(xiàn)偏差。目前人類發(fā)展指數(shù)（HDI）是國(guó)際上比較認(rèn)可的表征客觀福利的指標(biāo)，包括收入、教育和健康三個(gè)維度。聯(lián)合國(guó)開發(fā)計(jì)劃署（UNDP）自1990年以來(lái)會(huì)在每年發(fā)布的《人類發(fā)展報(bào)告》中公布世界主要國(guó)家和地區(qū)的人類發(fā)展指數(shù)排名[17]。

目前生態(tài)福利績(jī)效的研究主要集中在國(guó)家層面，如：Common[18]、Dietz等[19]、臧漫丹等[20]、諸大建[5]等，還有部分學(xué)者將生態(tài)福利績(jī)效應(yīng)用到省級(jí)層面，如：何林[21]、馮吉芳[22]等。有關(guān)城市層面的生態(tài)福利績(jī)效的研究文獻(xiàn)鮮見，而我國(guó)目前正處于城市化的加速階段，城市化已成為國(guó)家經(jīng)濟(jì)發(fā)展和社會(huì)進(jìn)步的主要引擎和推動(dòng)力，研究城市層面的生態(tài)福利績(jī)效，能夠更有針對(duì)性地為可持續(xù)發(fā)展提供相關(guān)政策建議。因此本文擬投入產(chǎn)出的角度出發(fā)，以資源消耗、環(huán)境污染和福利水平三方面作為切入點(diǎn)，構(gòu)建城市生態(tài)福利績(jī)效的評(píng)價(jià)指標(biāo)體系，分析上海市近10年來(lái)的生態(tài)福利績(jī)效狀況，并與國(guó)內(nèi)35個(gè)主要城市（省級(jí)和副省級(jí)城市）進(jìn)行橫向?qū)Ρ?，以期更好地發(fā)現(xiàn)上海目前城市發(fā)展過(guò)程中存在的不足，進(jìn)而能夠更有效地提出針對(duì)性政策建議以促進(jìn)上海市的可持續(xù)發(fā)展。

2 研究方法、指標(biāo)體系、數(shù)據(jù)說(shuō)明

2.1 研究方法

有關(guān)效率或績(jī)效測(cè)算主要分為參數(shù)法和非參數(shù)法兩種，分別以隨機(jī)前沿分析法（SFA）和數(shù)據(jù)包絡(luò)分析法（DEA）為代表。在實(shí)際應(yīng)用中，隨機(jī)前沿法（SFA）需事先設(shè)定前沿生產(chǎn)函數(shù)， 利用統(tǒng)計(jì)方法對(duì)參數(shù)進(jìn)行估計(jì)，而DEA方法無(wú)需事先確定函數(shù)關(guān)系、非主觀賦權(quán)以及可分析決策單元無(wú)效因素，避免了主觀設(shè)定函數(shù)和權(quán)重的影響，測(cè)算結(jié)果更為客觀，在國(guó)內(nèi)外得到了廣泛的認(rèn)可和應(yīng)用。由于本文所選取樣本容量較小，需要對(duì)多個(gè)指標(biāo)合成少數(shù)幾個(gè)指標(biāo)以滿足DEA對(duì)投入產(chǎn)出指標(biāo)數(shù)據(jù)的要求。因此首先運(yùn)用主成分分析法（PCA）對(duì)原始指標(biāo)進(jìn)行降維處理，用較少幾個(gè)相互獨(dú)立的綜合指標(biāo)來(lái)代替，以保證DEA測(cè)算的精確性，然后在此基礎(chǔ)上，運(yùn)用改進(jìn)后的DEA模型進(jìn)行實(shí)證分析。具體方法和模型介紹如下：

2.1.1 主成分分析法（PCA）

主成分分析法（Principal Components Analysis， PCA）是由Hotling[23]于1933年最先提出的，其基本思想是在保證數(shù)據(jù)信息損失最小的前提下，經(jīng)恰當(dāng)?shù)木€性轉(zhuǎn)換，對(duì)原始的具有一定相關(guān)性的多個(gè)指標(biāo)進(jìn)行降維處理，用少數(shù)幾個(gè)相互獨(dú)立的綜合指標(biāo)來(lái)代替[24]。主成分分析法的一般操作步驟如下[25]：①對(duì)原始指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以消除變量間在數(shù)量級(jí)和量綱上的不同；②計(jì)算相關(guān)系數(shù)矩陣；③計(jì)算特征值與特征向量，根據(jù)特征值和貢獻(xiàn)率確定主成分；④計(jì)算主成分載荷；⑤對(duì)多個(gè)主成分進(jìn)行加權(quán)求和即可得到綜合指標(biāo)，權(quán)數(shù)為每個(gè)主成分的方差貢獻(xiàn)率。

2.1.2 改進(jìn)DEA模型—Super-SBM 模型

數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis， DEA）由Charnes[26]等人于1978年首先提出，是一種多個(gè)要素投入與產(chǎn)出之間的相對(duì)效率測(cè)度的非參數(shù)分析方法。傳統(tǒng)DEA 模型如CCR和BCC模型[27]，是從徑向（投入和產(chǎn)出以等比例縮小或放大）和角度（投入或產(chǎn)出角度）兩個(gè)方面來(lái)測(cè)算效率，因沒(méi)有考慮投入產(chǎn)出的松弛問(wèn)題，使得測(cè)算出的效率值不夠精確[28]。針對(duì)傳統(tǒng)DEA模型的問(wèn)題，Tone[29]于2001年提出了基于松弛變量測(cè)度的非徑向非角度的DEA 分析方法，即SBM模型（Slacks-Based Measure），這種模型的優(yōu)點(diǎn)是效率值隨著投入和產(chǎn)出松弛程度的變化而嚴(yán)格變化。但SBM模型測(cè)得效率值時(shí)會(huì)出現(xiàn)多個(gè)決策單元同時(shí)有效（效率值均為1）的情況，此時(shí)無(wú)法對(duì)這些決策單元進(jìn)行有效評(píng)價(jià)與排序[30]。為此，Tone[31]于2002年基于修正松弛變量提出了Super-SBM 模型，該模型對(duì)SBM 模型的有效單元可以繼續(xù)進(jìn)行評(píng)價(jià)和排序。改進(jìn)的DEA模型（考慮松弛變量的非徑向Super-SBM模型）具體形式如下[32]：

其中，ρSE為相對(duì)效率值， x、y分別為輸入和輸出變量，（x，y）為決策變量的參考點(diǎn)，m、s分別為投入、產(chǎn)出指標(biāo)個(gè)數(shù)，s-i、s+r分別為投入、產(chǎn)出的松弛量，λj為權(quán)重向量。

①當(dāng)ρSE≥1，且s-=s+=0時(shí)，被評(píng)價(jià)的決策單元相對(duì)有效；

②當(dāng)ρSE≥1，s-≠0或s+≠0時(shí)，被評(píng)價(jià)決策單元為弱有效；

③當(dāng)<1時(shí)，被評(píng)價(jià)的決策單元相對(duì)無(wú)效；需要對(duì)投入產(chǎn)出進(jìn)行必要改進(jìn)[33]。

2.2 評(píng)價(jià)指標(biāo)體系構(gòu)建

生態(tài)福利績(jī)效的本質(zhì)是以最少的自然生態(tài)投入轉(zhuǎn)換獲得最大的福利水平產(chǎn)出，這也與DEA方法對(duì)投入與產(chǎn)出指標(biāo)的要求相符。生態(tài)投入包括資源消耗和環(huán)境污染兩方面，其中關(guān)于環(huán)境污染指標(biāo)的處理方法借鑒國(guó)內(nèi)專家學(xué)者成金華[34]、潘興俠[35]、付麗娜[36]、陳傲[37]等對(duì)有關(guān)生態(tài)效率評(píng)價(jià)研究中選取環(huán)境污染指標(biāo)作為投入要素的方法，鑒于生態(tài)福利績(jī)效的概念本質(zhì)上是生態(tài)效率的版本升級(jí)，因此在研究方法上具有可參照性，故本文將環(huán)境污染指標(biāo)作為生態(tài)投入的一部分。

根據(jù)指標(biāo)體系構(gòu)建的科學(xué)性、系統(tǒng)性和可操作性等原則，本研究選取能源消費(fèi)、水和土地利用作為城市生態(tài)系統(tǒng)的資源消耗指標(biāo)，分別由人均消費(fèi)標(biāo)準(zhǔn)煤、用水量和城市建設(shè)用地面積來(lái)表征；環(huán)境污染指標(biāo)由城市“三廢”（廢水、廢氣、固廢）污染排放，包括工業(yè)源和生活源的排放。而目前國(guó)內(nèi)大多數(shù)研究只考慮工業(yè)三廢的排放量[38]，存在一定的局限性，僅能反映城市工業(yè)發(fā)展對(duì)環(huán)境的影響，不能反映城市整體對(duì)環(huán)境的影響情況。福利水平由經(jīng)濟(jì)、教育和健康三個(gè)維度共同體現(xiàn)，也是參照由聯(lián)合國(guó)開發(fā)計(jì)劃署（UNDP）[17]發(fā)布的人類發(fā)展指數(shù)（HDI）所采用的三個(gè)維度指標(biāo)進(jìn)行量化評(píng)估。具體指標(biāo)體系如表1所示。

2.3 數(shù)據(jù)來(lái)源與說(shuō)明

本文首先通過(guò)近10年的時(shí)間序列數(shù)據(jù)對(duì)上海市生態(tài)福利績(jī)效水平進(jìn)行縱向分析，考慮到環(huán)境污染指標(biāo)中氮氧化物排放量的數(shù)據(jù)是從2006年才開始正式統(tǒng)計(jì)的，而目前最新的《上海統(tǒng)計(jì)年鑒2015》中也只更新到2014年的數(shù)據(jù)，因此本文將研究的區(qū)間界定為2006—2014年。同時(shí)還選取了2014年我國(guó)35個(gè)主要城市（省級(jí)和副省級(jí)城市）的截面數(shù)據(jù)進(jìn)行橫向?qū)Ρ确治?。所有原始?shù)據(jù)均來(lái)自《上海市統(tǒng)計(jì)年鑒2015》、《上海環(huán)境年鑒2014》、《中國(guó)統(tǒng)計(jì)年鑒2015》、《中國(guó)城市建設(shè)統(tǒng)計(jì)年鑒2014》、《中國(guó)2014年度環(huán)境統(tǒng)計(jì)年報(bào)》、及各城市最新統(tǒng)計(jì)年鑒、水資源公報(bào)和環(huán)境狀況公報(bào)等，少數(shù)缺失的數(shù)據(jù)利用內(nèi)插法和外推法得到。

本研究中所選取的35個(gè)主要城市分別由26個(gè)省會(huì)城市、4個(gè)直轄市和5個(gè)計(jì)劃單列市組成。鑒于省級(jí)（副省級(jí)）城市無(wú)論在政治地位還是經(jīng)濟(jì)實(shí)力方面都具有一定的代表性，同時(shí)在數(shù)據(jù)的可得性和可比性方面也具備一定的優(yōu)勢(shì)，因此通過(guò)橫向?qū)Ρ确治?，能夠更明確地發(fā)現(xiàn)上海目前發(fā)展所存在的問(wèn)題及不足，進(jìn)而為上海的可持續(xù)發(fā)展提出相對(duì)合理的政策建議。

人類發(fā)展指數(shù)（HDI）通過(guò)相關(guān)的基礎(chǔ)數(shù)據(jù)經(jīng)由特定公式計(jì)算而得。首先以《2014人類發(fā)展報(bào)告》[39]中公布的閾值為標(biāo)準(zhǔn)，對(duì)HDI中三個(gè)維度指標(biāo)準(zhǔn)采用極值法進(jìn)行無(wú)量綱化處理。在HDI的具體計(jì)算中，本研究采用聯(lián)合國(guó)開發(fā)計(jì)劃署（UNDP）自2010年以來(lái)《人類發(fā)展報(bào)告》中開始采用的最新HDI計(jì)算方法，即采用預(yù)期壽命指數(shù)（LEI）、教育指數(shù)（EI）和收入指數(shù)（II）的幾何平均值來(lái)測(cè)算人類發(fā)展指數(shù)（HDI）。

考慮到GDP和GNI 指標(biāo)之間從構(gòu)成內(nèi)容上相差“來(lái)自國(guó)外的要素收入凈額”，兩個(gè)指標(biāo)的實(shí)際數(shù)值尤其是人均數(shù)值之間的差別不大[41]。為了計(jì)算方便，本研究中直接用處理后的人均GDP值來(lái)計(jì)算HDI值，其中人均GDP按2005年不變價(jià)進(jìn)行處理。

3 實(shí)證結(jié)果與分析

3.1 2006—2014年上海市生態(tài)福利績(jī)效水平縱向動(dòng)態(tài)

在縱向研究中，本文將2006—2014年9個(gè)年份作為決策單元（DMU），基于DEA方法選取不同DEA模型進(jìn)行對(duì)比分析。由于DEA在實(shí)際應(yīng)用中，對(duì)投入產(chǎn)出指標(biāo)的要求比較高，如果投入指標(biāo)間具有較強(qiáng)的相關(guān)性，將會(huì)導(dǎo)致決策單元在有效生產(chǎn)前沿面上比較集中，效率的“相對(duì)性”不夠突出，容易導(dǎo)致決策意義的喪失[23]。鑒于此，首先將對(duì)投入產(chǎn)出指標(biāo)進(jìn)行主成分分析，將多個(gè)指標(biāo)轉(zhuǎn)換成幾個(gè)相互獨(dú)立的綜合指標(biāo)。由于3個(gè)表征福利水平的產(chǎn)出指標(biāo)已經(jīng)采用HDI計(jì)算公式單獨(dú)計(jì)算，因此只需對(duì)投入指標(biāo)進(jìn)行主成分分析。

3.1.1 投入指標(biāo)降維處理：主成分分析法（PCA）

本研究中投入指標(biāo)主要分為資源消耗和環(huán)境污染兩大類。首先需要對(duì)資源消耗和環(huán)境污染指標(biāo)進(jìn)行主成分分析適用性檢驗(yàn)，主要通過(guò)KMO和Bartlett檢驗(yàn)（一般認(rèn)為，只有當(dāng)KMO值大于0.5，且概率值小于0.05時(shí)才適合做主成分分析[42]），主成分分析所有過(guò)程均借助SPSS 22.0來(lái)完成。從表2可以看出，資源消耗的三個(gè)指標(biāo)之間相關(guān)度不高（KMO值為0.477，概率P值為0.561），兩個(gè)值均不符合要求，由此可以判定，資源消耗的三個(gè)指標(biāo)不適合主成分分析，可直接代入DEA模型中；而環(huán)境污染指標(biāo)因子分析的KMO 值為0.561， Bartlett球形檢驗(yàn)概率P值為0.000，說(shuō)明原始環(huán)境指標(biāo)適合做主成分分析，因此在本研究中僅對(duì)反映環(huán)境污染情況的7個(gè)投入指標(biāo)做主成分分析。

在主成分提取前，首先對(duì)7個(gè)指標(biāo)的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以消除變量間在數(shù)量級(jí)和量綱上的不同。通常對(duì)原始數(shù)據(jù)進(jìn)行z-score標(biāo)準(zhǔn)化處理[42]，將年份j對(duì)應(yīng)的環(huán)境指標(biāo)Xi的原始值Xij使用z-score標(biāo)準(zhǔn)化為X*ij。

然后，將標(biāo)準(zhǔn)化的數(shù)據(jù)以25作為收斂迭代上限，提取主成分。依據(jù)特征值和方差貢獻(xiàn)度，以特征值大于1為標(biāo)準(zhǔn)，可選2個(gè)主成分；累計(jì)方差貢獻(xiàn)度達(dá)84.294%，表明這兩個(gè)主成分可以說(shuō)明7個(gè)指標(biāo)84.294%的信息量。因此環(huán)境污染指標(biāo)可以提取2個(gè)主成分，最后根據(jù)旋轉(zhuǎn)后的得分系數(shù)矩陣通過(guò)加權(quán)求和得到一個(gè)綜合指標(biāo)以替代原有的7個(gè)環(huán)境污染指標(biāo)，其中權(quán)數(shù)為每個(gè)主成分的方差貢獻(xiàn)度，分別為69.589%和14.706%，具體如下：

（F1）X=0.338x*4+0.225x*5+0.209x*6+0.274x*7+0.208x*8+0.169x*9+0.122x*10

（F2）X=-0.296x*4-0.781x*5+0.034x*6-0.126x*7+0.286x*8+0.009x*9+0.193x*10

X=65.589%（F1）X+14.706%（F2）X（4）

3.1.2 基于DEA和改進(jìn)PCA-DEA模型的實(shí)證對(duì)比分析

在經(jīng)過(guò)主成分分析法，確定新的投入產(chǎn)出指標(biāo)后，運(yùn)用DEA-SOLVER 5.0軟件，以投入導(dǎo)向分別選取不同DEA模型（基于徑向和非徑向）進(jìn)行測(cè)算對(duì)比分析，具體結(jié)果見表3。

從表3可以看出，總體而言，上海近10年的生態(tài)福利績(jī)效水平不高，且為DEA無(wú)效狀態(tài)。所研究的9個(gè)樣本年份中，僅2006、2008和2014年三個(gè)年份的效率值為DEA有效，其余年份均為DEA無(wú)效。不過(guò)從整體的發(fā)展態(tài)勢(shì)上看，近幾年有逐步改善和提高的趨勢(shì)，這與國(guó)家“十二五”期間大力推行的“節(jié)能減排”政策，以及上海作為首批低碳試點(diǎn)城市有關(guān)。

根據(jù)不同DEA模型下的測(cè)算結(jié)果發(fā)現(xiàn)，在樣本較小的情況下，投入產(chǎn)出指標(biāo)經(jīng)主成分分析后再進(jìn)行DEA測(cè)算的精確度更高，同是也驗(yàn)證了主成分分析法（PCA）與數(shù)據(jù)包絡(luò)分析法（DEA）的適用性和合理性。同時(shí)，在PCA-DEA框架下，基于非徑向的考慮松弛變更的Super-SBM模型，不僅解決了傳統(tǒng)DEA模型由于出現(xiàn)多個(gè)為1的有效決策單元導(dǎo)致無(wú)法排序的問(wèn)題，同時(shí)比基于徑向的傳統(tǒng)DEA模型精確度更高，反過(guò)來(lái)也說(shuō)明了，傳統(tǒng)DEA模型所測(cè)算出的效率值存在虛高，容易誤導(dǎo)主要決策者，影響相關(guān)政策制訂的合理性和有效性。

當(dāng)然，由于樣本數(shù)據(jù)的可得性，本研究所選取的時(shí)間樣本容量有限，僅反映了近10年的變化情況，而DEA效率值本質(zhì)上就是一種“相對(duì)效率”，由所選的樣本所決定，樣本越多，更能夠準(zhǔn)確地反映實(shí)際情況。

3.2 2014年我國(guó)35個(gè)主要城市的橫向?qū)Ρ确治?/p>

在分析了上海近10年來(lái)的生態(tài)福利績(jī)效水平的一個(gè)動(dòng)態(tài)變化之后，本文還將上海2014年的生態(tài)福利績(jī)效水平與國(guó)內(nèi)35個(gè)主要城市（省級(jí)和副省城市）進(jìn)行橫向比較。與上文相同，首先對(duì)符合要求的投入指標(biāo)做主成分分析，進(jìn)行降維處理，確定新的投入產(chǎn)出指標(biāo)后再進(jìn)行DEA測(cè)算，得到不同模型下的DEA效率值并進(jìn)行對(duì)比分析，具體計(jì)算結(jié)果和排名見表4。

從表4可以看出，經(jīng)過(guò)主成分分析（降維處理）后再進(jìn)行DEA測(cè)算出來(lái)的績(jī)效值明顯低于未經(jīng)主成分分析的DEA績(jī)效值，精確度更高，再次說(shuō)明了本文選取PCA與DEA組合方法使用的合理性，同時(shí)，在PCA-DEA組合框架下，基于非徑向的考慮松弛變得的Super-SBM模型不僅解決了傳統(tǒng)CCR模型無(wú)法排序的困擾，還進(jìn)一步提升DEA效率值的準(zhǔn)確性，證明了非徑向的Super-SBM模型比傳統(tǒng)的徑向DEA模型測(cè)算的優(yōu)越性。避免了因測(cè)算結(jié)果虛高導(dǎo)致主要決策相關(guān)者對(duì)此盲目樂(lè)觀，進(jìn)而能夠更好地給出政策建議。

從2014年的排名情況可以看出，35個(gè)城市中深圳、?？凇㈤L(zhǎng)沙、青島、北京分別依次排名前5位，而上海僅排名第30位，處于相當(dāng)靠后水平，這與上海在經(jīng)濟(jì)總量上排名全國(guó)第一的差距相差很大。分區(qū)域來(lái)看，呈現(xiàn)出“東部最高，中部次之，西部最低”的態(tài)勢(shì)，東部地區(qū)的優(yōu)勢(shì)明顯，但各城市間差異較大，而中西部地區(qū)城市卻低于全國(guó)平均水平。

從投入冗余的情況來(lái)看，上海在水資源與土地方面均消耗過(guò)高，存在過(guò)度冗余，具有較大的優(yōu)化空間，同時(shí)資源消耗過(guò)高成為了上海市生態(tài)福利績(jī)效水平整體偏低的主要原因。

有一點(diǎn)值得說(shuō)明的就是，本研究中北京各項(xiàng)評(píng)價(jià)指標(biāo)排名靠前，是因?yàn)楸本┑墓I(yè)產(chǎn)業(yè)基本都轉(zhuǎn)移到了河北省內(nèi)，目前產(chǎn)業(yè)結(jié)構(gòu)主要以第三產(chǎn)業(yè)為主。但北京的環(huán)境質(zhì)量卻是大家有目共睹的，霧霾污染相當(dāng)嚴(yán)重，僅僅把北京所有高污染排放企業(yè)轉(zhuǎn)移到附近的河北，這種換湯不換藥的做法，對(duì)總體區(qū)域可持續(xù)發(fā)展是不利的。由于研究結(jié)果都是基于統(tǒng)計(jì)數(shù)據(jù)經(jīng)整理后得出來(lái)的，無(wú)法考慮到環(huán)境污染的區(qū)域性擴(kuò)散特征。這也再次說(shuō)明，城市生態(tài)文明建設(shè)和可持續(xù)發(fā)展，不僅僅是單獨(dú)一個(gè)城市的責(zé)任，是全國(guó)乃至全球范圍內(nèi)共同但有區(qū)別的責(zé)任。

4 結(jié)論與政策建議

本文運(yùn)用基于投入導(dǎo)向的改進(jìn)PCA-DEA模型，即非徑向的考慮松弛變量的Super-SBM模型，對(duì)上海2006—2014年的生態(tài)福利績(jī)效水平進(jìn)行縱向動(dòng)態(tài)分析，并選取2014年國(guó)內(nèi)35個(gè)主要城市（省級(jí)和副省級(jí)城市）的截面數(shù)據(jù)進(jìn)行橫向?qū)Ρ确治觥５玫饺缦陆Y(jié)論：

（1）2006—2014年期間，上海的總體生態(tài)福利績(jī)效水平不高，并未處于DEA有效前沿面上。其中僅3個(gè)年份為DEA有效，其余6個(gè)年份均為DEA無(wú)效，DEA有效年份數(shù)占樣本總數(shù)的33.33%，但從整個(gè)發(fā)展態(tài)勢(shì)來(lái)看，近幾年來(lái)有逐步改善和提高的趨勢(shì)。

（2）2014年，我國(guó)35個(gè)主要城市的生態(tài)福利績(jī)效整體水平不高，深圳、?？谂琶皟晌?，而上海僅排名第30位，資源環(huán)境消耗過(guò)高是生態(tài)福利績(jī)效值偏低的主要原因。從投入冗余情況來(lái)看，上海市在水資源和土地兩方面消耗過(guò)高，存在過(guò)度冗余，環(huán)境污染排放也具有較大的優(yōu)化空間，資源環(huán)境問(wèn)題成為制約上海建設(shè)生態(tài)宜居城市的主要瓶頸。

（3）無(wú)論是縱向分析和橫向?qū)Ρ?，均說(shuō)明了PCA-DEA組合模型比DEA模型下所測(cè)算出來(lái)的績(jī)效值更精確，且考慮松弛變量的非徑向Super-SBM模型比基于徑向的DEA模型精確度更高，對(duì)于相關(guān)領(lǐng)域的資源環(huán)境績(jī)效或生態(tài)效率評(píng)價(jià)具有較好的適用性和借鑒價(jià)值。

根據(jù)以上研究結(jié)論，本文提出如下政策建議：

（1）加快推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)，淘汰過(guò)剩產(chǎn)能，促進(jìn)生態(tài)環(huán)境和社會(huì)經(jīng)濟(jì)協(xié)調(diào)發(fā)展。上海作為我國(guó)第一大城市，擁有最大的工業(yè)基地，推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)迫在眉睫，應(yīng)為國(guó)內(nèi)其他城市發(fā)展模式樹立標(biāo)桿，不是一味追求GDP而不考慮資源環(huán)境代價(jià)。

（2）轉(zhuǎn)變生產(chǎn)和生活消費(fèi)方式，發(fā)展綠色低碳的共享經(jīng)濟(jì)，建設(shè)生態(tài)宜居城市。上海在大力推廣新能源電動(dòng)汽車、摩拜單車（Mobike）等綠色低碳的環(huán)保產(chǎn)業(yè)的同時(shí)，還應(yīng)注意對(duì)現(xiàn)有機(jī)動(dòng)車及自行車生產(chǎn)量和總量的控制，避免所謂的“綠色產(chǎn)業(yè)”只是成為新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)。否則，從總量上看，還是增加了資源消耗。

（3）堅(jiān)守生態(tài)紅線，將生態(tài)環(huán)境作為硬約束來(lái)規(guī)劃城市各時(shí)期的社會(huì)經(jīng)濟(jì)發(fā)展目標(biāo)。通過(guò)科技創(chuàng)新全面提高資源綜合利用率，構(gòu)建緊湊型城市，提高土地利用密度以節(jié)約城市建設(shè)用地，實(shí)現(xiàn)城市“精明增長(zhǎng)”。從總量上控制資源環(huán)境的容量指標(biāo)，在生態(tài)門檻內(nèi)提升生態(tài)投入轉(zhuǎn)化為福利水平的效率，即提高生態(tài)福利績(jī)效，是實(shí)現(xiàn)城市生態(tài)文明和可持續(xù)發(fā)展唯一有效途經(jīng)。

參考文獻(xiàn)（References）

[1]DALY H E. Beyond growth： the economics of sustainable development [M]. Beacon Press， 1996.

[2]張巖， 李俊莉， 趙麗薇. 基于DEA-Malmquist指數(shù)的山東省生態(tài)效率評(píng)價(jià)研究[J]. 環(huán)境科學(xué)與管理， 2016， 41（5）：165-169. [ZHANG Yan， LI Junli， ZHAO Liwei. Eco-efficiency evaluation analysis of Shandong Province based on DEA and Malmquist Index models [J]. Environmental science and management， 2016， 41（5）：165-169.]

[3]Mori Memorial Foundation （MMF）. Global power city index 2014 [R]. Tokyo， 2014.

[4]王穎， 潘鑫， 但波.“全球城市”指標(biāo)體系及上海實(shí)證研究[J]. 上海城市規(guī)劃， 2014（6）： 46-51. [WANG Ying， PAN Xin， DAN Bo. Global city index system and empirical study of Shanghai [J]. Shanghai urban planning review， 2014 （6）：46-51.]

[5]諸大建，張帥. 生態(tài)福利績(jī)效及其與經(jīng)濟(jì)增長(zhǎng)的關(guān)系研究[J]. 中國(guó)人口·資源與環(huán)境，2014， 24（9）：59-62. [ZHU Dajian， ZHANG Shuai. Research on ecological wellbeing performance and its relationship with economic growth [J]. China population， resources and environment， 2014， 24（9）：59-62.]

[6]DALY H. A further critique of growth economics [J]. Ecological economics， 2013， 88： 20-24.

[7]諸大建， 張帥. 生態(tài)福利績(jī)效與深化可持續(xù)發(fā)展的研究[J]. 同濟(jì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2014 （5）：106-115. [ZHU Dajian， ZHANG Shuai. Ecological wellbeing performance and further research on sustainable development [J]. Journal of Tongji University （social sciences edition）， 2014 （5）：106-115.]

[8]HUANG J， YANG X， CHENG G， et al. A comprehensive eco-efficiency model and dynamics of regional eco-efficiency in China [J]. Journal of cleaner production， 2014， 67（6）：228-238.

[9]HUPPES G， ISHIKAWA M. Eco-efficiency and its terminology[J]. Journal of industrial ecology， 2005， 9（4）：43-46.

[10]World Business Council for Sustainable Development. Measuring eco-efficiency： a guide to reporting company performance [R]. WBCSD， 2000：2-30.

[11]楊斌. 2000—2006年中國(guó)區(qū)域生態(tài)效率研究——基于DEA方法的實(shí)證分析[J]. 經(jīng)濟(jì)地理， 2009， 29（7）：1197-1202. [YANG Bin. Research on regional eco-efficiency of China from 2000 to 2006： an empirical analysis based on DEA [J]. Economic geography， 2009， 29（7）：1197-1202.]

[12]張炳， 黃和平， 畢軍. 基于物質(zhì)流分析和數(shù)據(jù)包絡(luò)分析的區(qū)域生態(tài)效率評(píng)價(jià)——以江蘇省為例[J]. 生態(tài)學(xué)報(bào)， 2009， 29（5）：2473-2480. [ZHANG Bing， HUANG Heping， BI Jun. Material flow analysis and data envelopment analysis based regional eco-efficiency analysis： case study of Jiangsu Province [J]. Acta ecologica sinica， 2009， 29（5）：2473-2480.]

[13]程曉娟， 韓慶蘭， 全春光. 基于PCA-DEA組合模型的中國(guó)煤炭產(chǎn)業(yè)生態(tài)效率研究[J]. 資源科學(xué)， 2013， 35（6）：1292-1299. [CHENG Xiaojuan， HAN Qinglan， QUAN Chunguang. The ecological efficiency of the coal industry based on PCA and DEA modeling [J]. Resources science， 2013， 35（6）：1292-1299.]

[14]侯迎， 鄭芳. 國(guó)內(nèi)外福利與福利核算研究述評(píng)[J]. 特區(qū)經(jīng)濟(jì)， 2014（5）：50-54. [HOU Ying， ZHENG Fang. A review of the studies on welfare and its measuring at home and abroad [J]. Special zone economy， 2014（5）：50-54.]

[15]ABRAMOVITZ M， SCITOVSKY T， INKELES A. Economic growth and its discounts [J]. Bulletin of the American Academy of Arts and Sciences， 1973， 27 （1）：11-27.

[16]DODDS S. Towards a ‘science of sustainability： improving the way ecological economics understands human well-being [J]. Ecological economics， 1997， 23 （2）：95-111.

[17]United Nations Development Programme. Human development report 1990 [M]. New York： Oxford University Press， 1990：10.

[18]COMMON M. Measuring national economic performance without using prices [J]. Ecological economics， 2007， 64（1）：92-102.

[19]DIETZ T， ROSA E A， YORK R. Environmentally efficient well-being： is there a Kuznets curve？ [J]. Applied geography， 2012， 32（1）：21-28.

[20]臧漫丹， 諸大建， 劉國(guó)平. 生態(tài)福利績(jī)效： 概念， 內(nèi)涵及 G20 實(shí)證[J]. 中國(guó)人口·資源與環(huán)境， 2013， 23（5）：118-124. [ZANG Mandan， ZHU Dajian， LIU Guoping. Ecological well-being performance： concept， connotation and empirical of G20 [J].China population， resources and environment， 2013， 23（5）：118-124.]

[21]何林， 陳欣. 基于生態(tài)福利的陜西省經(jīng)濟(jì)可持續(xù)發(fā)展研究[J]. 開發(fā)研究， 2011（6）：24-28. [HE Lin， CHEN Xin. Research on the economic sustainable development of Shaanxi Province based on ecological wellbeing [J]. Development research， 2011（6）：24-28.]

[22]馮吉芳， 袁健紅. 中國(guó)區(qū)域生態(tài)福利績(jī)效及其影響因素[J]. 中國(guó)科技論壇， 2016（3）：100-105. [FENG Jifang， YUAN Jianhong. Chinese regional ecological well-being performance and its influencing factors [J]. Forum on science and technology in China， 2016（3）：100-105.]

[23]王敏， 張曉平. 基于PCA-DEA模型的中國(guó)省際生態(tài)效率研究[J]. 中國(guó)科學(xué)院大學(xué)學(xué)報(bào)， 2015， 32（4）：520-527. [WANG Min， ZHANG Xiaoping. Regional eco-efficiency evaluation of China based on PCA-DEA model [J]. Journal of University of Chinese Academy of Sciences， 2015， 32（4）：520-527.]

[24]劉麗英. 基于PCA和DEA方法的北京市可持續(xù)發(fā)展能力的評(píng)價(jià)研究[J]. 數(shù)理統(tǒng)計(jì)與管理， 2013， 32（2）：202-210. [LIU Liying. An evaluation research on Beijings sustainable development potential via PCA and DEA [J]. Application of statistics and management， 2013， 32（2）：202-210.]

[25]吳劍崇. 基于PCA-DEA的中國(guó)各地區(qū)人口、能源、經(jīng)濟(jì)、環(huán)境綜合效率的評(píng)價(jià)研究[D]. 南昌： 江西財(cái)經(jīng)大學(xué)， 2014. [WU Jiangchong. Evaluation on the comprehensive efficiency of population energy， economy and environment in Chinese various regions based on PCA-DEA [D]. Nanchang： Jiangxi University of Finance & Economics， 2014.]

[26]CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units [J]. European journal of operational research， 1978， 2（6）：429-444.

[27]BANKER R D， CHARNES A， COOPER W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis [J]. Management science， 1984， 30（9）：1078-1092.

[28]王成金， 楊威， 許旭， 等. 工業(yè)經(jīng)濟(jì)發(fā)展的資源環(huán)境效率評(píng)價(jià)方法與實(shí)證——以廣東和廣西為例[J]. 自然資源學(xué)報(bào)， 2011， 26（1）：97-109. [WANG Chengjin， YANG Wei， XU Xu， et al. Appraising model of utilizing efficiency of resources and environment for industry and empirical study in Guangxi and Guangdong [J]. Journal of natural resources， 2011， 26（1）：97-109.]

[29]TONE K. A slacks-based measure of efficiency in data envelopment analysis [J]. European journal of operational research， 2001， 130（3）：498-509.

[30]周澤炯， 胡建輝. 基于Super-SBM模型的低碳經(jīng)濟(jì)發(fā)展績(jī)效評(píng)價(jià)研究[J]. 資源科學(xué)， 2013， 35（12）： 2457-2466. [ZHOU Zejiong， HU Jianhui. Evaluation of low carbon economy development efficiency based on a super-SBM model [J]. Resources science， 2013， 35（12）： 2457-2466.]

[31]TONE K. A slacks-based measure of super-efficiency in data envelopment analysis [J]. European journal of operational research， 2002， 143（1）：32-41.

[32]宮大鵬， 趙濤， 慈兆程， 等. 基于超效率SBM的中國(guó)省際工業(yè)化石能源效率評(píng)價(jià)及影響因素分析[J]. 環(huán)境科學(xué)學(xué)報(bào)， 2015， 35（2）：585-595. [GONG Dapeng， ZHAO Tao， CI Zhaocheng， et al. Evalution of regional industrial fossil efficiency in China based on super SBM and factor analysis [J]. Acta scientiae circumstantiae， 2015， 35（2）：585-595.]

[33]汪文雄， 朱欣， 余利紅， 等. 不同模式下農(nóng)地整治前后土地利用效率的比較研究[J]. 自然資源學(xué)報(bào)， 2015， 30（7）：1104-1117. [WANG Wenxiong， ZHU Xin， YU Lihong， et al. Comparative study on land use efficiency before and after rural land consolidation in different modes [J]. Journal of natural resources， 2015， 30（7）：1104-1117.]

[34]成金華，孫瓊，郭明晶， 等. 中國(guó)生態(tài)效率的區(qū)域差異及動(dòng)態(tài)演化研究[J]. 中國(guó)人口·資源與環(huán)境， 2014， 24（1）：47-54. [CHENG Jinhua， SUN Qiong， GUO Mingjing， et al. Research on regional disparity and dynamic evolution of eco-efficiency in China[J]. China population， resources and environment， 2014， 24（1）：47-54.]

[35]潘興俠， 何宜慶， 胡曉峰. 區(qū)域生態(tài)效率評(píng)價(jià)及其空間計(jì)量分析[J]. 長(zhǎng)江流域資源與環(huán)境， 2013， 22（5）： 640-647. [PAN Xingxia， HE Yiqing， HU Xiaofeng. Evaluation and spatial econometric analysis on regional ecological efficiency [J]. Resources and environment in the Yangtze Basin， 2013， 22（5）： 640-647.]

[36]付麗娜， 陳曉紅， 冷智花. 基于超效率DEA模型的城市群生態(tài)效率研究——以長(zhǎng)株潭“3+5”城市群為例[J]. 中國(guó)人口·資源與環(huán)境， 2013， 23（4）：169-175. [FU Lina， CHEN Xiaohong， LENG Zhihua. Urban agglomerations eco-efficiency analysis based on super-efficiency DEA model： case study of Chang-Zhu-Tan ‘3+5 urban agglomeration [J]. China population， resources and environment， 2013， 23（4）：169-175.]

[37]陳傲. 中國(guó)區(qū)域生態(tài)效率評(píng)價(jià)及影響因素實(shí)證分析——以2000—2006 年省際數(shù)據(jù)為例[J]. 中國(guó)管理科學(xué)， 2008（S1）：566-570. [CHEN Ao. Empirical analysis of the evaluation of regional ecological efficiency and influencing factors in China： evidences from provincial data during 2000-2006[J]. Chinese journal of management science， 2008（S1）：566-570.]

[38]陳莉. 生態(tài)效率水平測(cè)評(píng)及其影響因素分析——以河西地區(qū)為例[D]. 蘭州：西北師范大學(xué)， 2014. [CHEN Li. Evaluation of ecological efficiency level and analysis its influencing factors： a case study of Hexi region [D]. Lanzhou： Northwest Normal University， 2014.]

[39]Human development report 2014 [EB/OL]. http：//www.undp.org/content/undp/en/home/librarypage/hdr/human-development-report-2014/.

[40]龍亮軍， 王霞， 郭兵. 生態(tài)福利績(jī)效視角下的上海市可持續(xù)發(fā)展評(píng)價(jià)研究[J]. 長(zhǎng)江流域資源與環(huán)境， 2016，25（1）：9-15. [LONG Liangjun， WANG Xia， GUO Bing. Evaluation on sustainable urban development from the perspective of ecological wellbeing performance： a case study of Shanghai [J]. Resources and environment in the Yangtze Basin， 2016，25（1）：9-15.]

[41]劉偉， 蔡志洲. 從國(guó)民收入國(guó)際比較的新變化看中國(guó)現(xiàn)代化進(jìn)程[J]. 經(jīng)濟(jì)縱橫， 2015（1）：38-45. [LIU Wei， CAI Zhizhou. Analysis on Chinas modernization process from the new changes of national income based on international comparison [J]. Economic review， 2015（1）：38-45.]

[42]李軍民， 李鑫瑞. 基于主成分分析法的環(huán)境質(zhì)量綜合評(píng)價(jià)方法應(yīng)用研究[J]. 西安科技大學(xué)學(xué)報(bào)， 2016， 36（3）：445-450. [LI Junmin， LI Xinrui. Application of regional environment quality assessment based on principal component analysis [J]. Journal of Xian University of Science and Technology， 2016， 36（3）： 445-450.]