長(zhǎng)三角城市可持續(xù)發(fā)展能力評(píng)價(jià)研究

査奇芬 段夢(mèng)杰

[摘要]長(zhǎng)三角地區(qū)是我國(guó)先進(jìn)發(fā)展的代表，也是我國(guó)不斷走向世界的領(lǐng)軍者。但近年來(lái)，該地區(qū)出現(xiàn)了一些阻礙城市進(jìn)步的情況，包括資源大量消耗、大氣污染加劇、生態(tài)平衡受到破壞。利用典型相關(guān)分析與數(shù)據(jù)包絡(luò)相結(jié)合的方法對(duì)該地區(qū)可持續(xù)發(fā)展能力進(jìn)行評(píng)價(jià)，發(fā)現(xiàn)長(zhǎng)三角可持續(xù)發(fā)展能力存在地域性差異，且部分城市可持續(xù)發(fā)展能力較低。并為長(zhǎng)三角的可持續(xù)發(fā)展提供了科學(xué)的對(duì)策建議，同時(shí)也為城市績(jī)效評(píng)價(jià)提供一個(gè)新的思路。

[關(guān)鍵詞]可持續(xù)發(fā)展能力；長(zhǎng)三角城市群；修正的DEA；典型相關(guān)分析

[中圖分類號(hào)]F299.2 [文獻(xiàn)標(biāo)識(shí)碼]A

前言

長(zhǎng)三角在“一帶一路”的全方位開放格局中戰(zhàn)略地位舉足輕重。近年來(lái)，該地區(qū)以推進(jìn)供給側(cè)結(jié)構(gòu)性改革為主線，在新常態(tài)下經(jīng)濟(jì)平穩(wěn)增長(zhǎng)。2016年，兩省一市（上海、江蘇和浙江）GDP達(dá)12.3萬(wàn)億，比上年增長(zhǎng)了7.8%；但也存在著一定的資源環(huán)境問(wèn)題，2013 ～ 2015年長(zhǎng)三角的臭氧評(píng)價(jià)超標(biāo)率分別為13.2%、20.2%和20.1%，且有逐年上升趨勢(shì)。

我國(guó)較早開始可持續(xù)發(fā)展研究的中科院學(xué)者牛元文將其定義為經(jīng)濟(jì)-社會(huì)-自然相協(xié)調(diào)的矢量。胡宗義等發(fā)現(xiàn)金融發(fā)展不均衡嚴(yán)重影響我國(guó)經(jīng)濟(jì)可持續(xù)發(fā)展。對(duì)于可持續(xù)發(fā)展的實(shí)踐研究也較多，如張立新等通過(guò)均方差賦權(quán)和非整秩次WRSR對(duì)山東省農(nóng)業(yè)可持續(xù)發(fā)展能力進(jìn)行評(píng)價(jià)，發(fā)現(xiàn)優(yōu)化資源配置和發(fā)展多功能農(nóng)業(yè)對(duì)農(nóng)業(yè)可持續(xù)發(fā)展能力有較大提升；吳凡等充分考慮了資源、社會(huì)、生態(tài)、經(jīng)濟(jì)和創(chuàng)新驅(qū)動(dòng)五個(gè)方面，為城市可持續(xù)發(fā)展能力評(píng)價(jià)提供了更為科學(xué)的指標(biāo)體系。從我國(guó)目前研究的成果來(lái)看，所采用的評(píng)價(jià)方法比較集中，在指標(biāo)選取方面不同學(xué)者也有不同的見(jiàn)解。本文采用修正的DEA方法對(duì)研究方法進(jìn)行簡(jiǎn)單地探索，以期能夠?qū)で蟾雍侠碛行У脑u(píng)價(jià)方法。

1 長(zhǎng)三角可持續(xù)發(fā)展能力評(píng)價(jià)指標(biāo)的建立

可持續(xù)發(fā)展與經(jīng)濟(jì)發(fā)展、社會(huì)進(jìn)步以及資源環(huán)境狀況密不可分，因此在對(duì)城市可持續(xù)發(fā)展能力進(jìn)行評(píng)價(jià)的時(shí)候應(yīng)著重從這幾個(gè)方面分析。根據(jù)可持續(xù)發(fā)展能力的影響因素、遵從可持續(xù)發(fā)展能力評(píng)價(jià)指標(biāo)的選取原則并結(jié)合長(zhǎng)三角地區(qū)的實(shí)際情況，本文將可持續(xù)發(fā)展能力評(píng)價(jià)指標(biāo)體系分為4個(gè)二級(jí)指標(biāo)和8個(gè)三級(jí)指標(biāo)（其中逆向指標(biāo)歸入成本指標(biāo)中）。具體指標(biāo)的選取情況如表1所示。

為使研究結(jié)果對(duì)比更明顯且更有區(qū)分性，本文選取的研究對(duì)象為長(zhǎng)三角地區(qū)的江蘇、安徽和上海的18市。最終選取的輸入變量包括：X1二氧化硫排放總量（萬(wàn)t）、X2工業(yè)固體廢物產(chǎn)生量（萬(wàn)t）、X3固定資產(chǎn)投資額（億元）、X4從業(yè)人員數(shù)（萬(wàn)人）；輸出變量包括：Y1GDP（億元）、Y2進(jìn)出口總額（億美元）、Y3衛(wèi)生技術(shù)人員數(shù)（萬(wàn)人）、Y4城市人均可支配收入（元）。為更好地反映長(zhǎng)三角城市群可持續(xù)發(fā)展能力的近期發(fā)展情況，本文所用數(shù)據(jù)為2014和2015兩年，數(shù)據(jù)來(lái)源于2015年和2016年的《上海統(tǒng)計(jì)年鑒》、《江蘇統(tǒng)計(jì)年鑒》和《安徽統(tǒng)計(jì)年鑒》。

2 修正DEA方法介紹

2.1 修正DEA的提出和原理

本文選取的是由Charnes和Cooper等人提出的CCR模型和Banker等提出的BCC-DEA模型。本文的決策單元為18個(gè)，輸入和輸出變量個(gè)數(shù)為8個(gè)，剛滿足Banker法則：DMU數(shù)量必須是輸入和輸出變量之和的兩倍以上，否則DEA效率的區(qū)別能力會(huì)變?nèi)?。?guó)內(nèi)有學(xué)者認(rèn)為在給定DMU的情況下，若評(píng)價(jià)指標(biāo)擴(kuò)大到一定程度會(huì)使所有的決策單元有效性接近1。這表明為提高DEA效率的區(qū)分性應(yīng)減少輸入和輸出變量的個(gè)數(shù)，但刪除變量就會(huì)損失信息。成本指標(biāo)之間和效益指標(biāo)之間可能存在著相關(guān)關(guān)系，這也會(huì)使所得結(jié)果偏離實(shí)際。因此需要對(duì)分析方法進(jìn)行修正。

修正DEA是典型相關(guān)分析與DEA相結(jié)合的方法。典型相關(guān)分析主要用于識(shí)別并量化兩組變量之間的關(guān)系，得到的輸入變量和輸出變量之間具有最大的相關(guān)性，而輸入或輸出變量?jī)?nèi)部的相關(guān)性卻很小。這巧妙地避免了由于各變量之間存在相關(guān)性而對(duì)研究結(jié)果造成影響的問(wèn)題，既能保留原始信息又可減少變量個(gè)數(shù)，同時(shí)兼顧原始DEA方法的優(yōu)點(diǎn)，增加傳統(tǒng)DEA效率測(cè)度的準(zhǔn)確性和效率區(qū)分能力。

2.2 指標(biāo)的典型相關(guān)分析

理論上，固定資產(chǎn)投資額增加會(huì)導(dǎo)致從業(yè)人員數(shù)增加，進(jìn)出口總額會(huì)影響該地區(qū)生產(chǎn)總值等。因此，所選指標(biāo)之間可能存在一定的相關(guān)關(guān)系。利用SPSS 19.0對(duì)原始變量進(jìn)行分析的結(jié)果所示各成本指標(biāo)之間和各效益指標(biāo)之間確實(shí)均存在很強(qiáng)的相關(guān)性，與上述分析一致，如成本指標(biāo)X1二氧化硫排放總量和X4從業(yè)人員數(shù)相關(guān)系數(shù)達(dá)0.838，而效益指標(biāo)Y1GDP和Y2進(jìn)出口總額相關(guān)系數(shù)達(dá)0.947。此外，其他指標(biāo)之間也存在不同程度的相關(guān)性，這會(huì)對(duì)DEA分析產(chǎn)生很大的影響。

原始變量典型相關(guān)分析結(jié)果顯示：2014和2015年前三對(duì)典型變量的相關(guān)系數(shù)均在0.8以上，最大的達(dá)到0.996。顯著性檢驗(yàn)（α=0.001）結(jié)果顯示：2014和2015年原始數(shù)據(jù)的前三對(duì)典型變量p值均為0.000<α，而兩年的第四對(duì)典型變量的p值均大于α。除此之外，2014和2015年數(shù)據(jù)的第一個(gè)典型相關(guān)系數(shù)的平方均大于0.99，即都占有99%以上的輸入輸出信息，而兩年的第二、三典型變量也均占有70%以上的輸入輸出信息。決策單元18個(gè)綜合變量6個(gè)，也符合Banker提出的經(jīng)驗(yàn)法則。

3 長(zhǎng)三角城市可持續(xù)發(fā)展能力的修正DEA評(píng)價(jià)

通過(guò)典型相關(guān)分析得到的綜合變量存在指標(biāo)數(shù)值為負(fù)的情況，而DEA要求變量嚴(yán)格非負(fù)。因此還需對(duì)典型變量進(jìn)行修正，這里取e為底的指數(shù)將其正數(shù)化。利用正數(shù)化后的綜合變量進(jìn)行DEA分析，得到的結(jié)果如表2所示。

表2可看出，2014年江蘇省9個(gè)城市中只有4個(gè)城市可持續(xù)發(fā)展能力較高，安徽省8個(gè)城市中有6個(gè)可持續(xù)發(fā)展能力低下，且兩個(gè)省會(huì)城市可持續(xù)發(fā)展能力都不佳。2015年該地區(qū)的城市可持續(xù)發(fā)展能力有所改善，安徽省可持續(xù)發(fā)展能力較低的城市由6個(gè)減少到3個(gè)，而江蘇省的可持續(xù)發(fā)展能力較低的城市有所變化但數(shù)量未減少。

上述分析表明，2014～2015年長(zhǎng)三角上海、江蘇和安徽18個(gè)城市的大部分地區(qū)可持續(xù)發(fā)展能力是較高的，但仍有個(gè)別地區(qū)能力較低，且可持續(xù)發(fā)展欠佳的城市個(gè)數(shù)2015比2014年有所減少。這表明，近年來(lái)各地區(qū)都在重視可持續(xù)發(fā)展，采取了一系列改善環(huán)境的措施并取得一定的成就。但經(jīng)濟(jì)發(fā)展帶來(lái)的資源環(huán)境惡化仍比較嚴(yán)重，即使是在發(fā)達(dá)地區(qū)，可持續(xù)發(fā)展能力仍不能達(dá)到所有城市都較高。

4 結(jié)論與建議

長(zhǎng)三角城市群雖是較發(fā)達(dá)地區(qū)，但其部分城市仍存在可持續(xù)發(fā)展能力較低的現(xiàn)象，這為今后的發(fā)展敲響警鐘。長(zhǎng)三角地區(qū)可持續(xù)發(fā)展能力較低的主要原因是投入冗余，但各個(gè)地區(qū)的情況略有差別：江蘇主要是投入冗余；而安徽則是投入冗余和規(guī)模問(wèn)題的雙重影響。為提高各地區(qū)可持續(xù)發(fā)展能力，各城市應(yīng)根據(jù)實(shí)際情況進(jìn)行生產(chǎn)調(diào)整，比如：南通、無(wú)錫、鹽城、鎮(zhèn)江、泰州存在投入嚴(yán)重過(guò)剩的現(xiàn)象，在今后的生產(chǎn)中應(yīng)適量減少投入，降低浪費(fèi)；鹽城、揚(yáng)州和安徽大部分地區(qū)除存在投入冗余的現(xiàn)象還表現(xiàn)出產(chǎn)出不足，這些地區(qū)除適當(dāng)減少投入的增加外，還應(yīng)注重技術(shù)效率的發(fā)展，提高產(chǎn)出能力。上海、常州等可持續(xù)發(fā)展能力較高的城市也應(yīng)總結(jié)本地區(qū)發(fā)展的經(jīng)驗(yàn)，保持現(xiàn)有狀況的同時(shí)尋求更大發(fā)展突破。

本研究選取的時(shí)間序列較短且分析時(shí)存在一個(gè)隱形的假設(shè)，即不同年份的技術(shù)效率水平相同，這其實(shí)與實(shí)際并不相符；利用修正DEA進(jìn)行綜合效率評(píng)價(jià)后，進(jìn)一步分析不同DEA有效城市間的細(xì)微差別難以實(shí)現(xiàn)。這些都將在今后的研究中不斷完善。

[參考文獻(xiàn)]

[1] 牛元文.可持續(xù)發(fā)展理論的內(nèi)涵認(rèn)知——紀(jì)念聯(lián)合國(guó)里約環(huán)發(fā)大會(huì)20周年[J].中國(guó)人口資源與環(huán)境，2012（5）：9-14.

[2] 胡宗義，劉亦文，袁亮.金融均衡發(fā)展對(duì)經(jīng)濟(jì)可持續(xù)增長(zhǎng)的實(shí)證研究[J].中國(guó)軟科學(xué)，2013（7）：25-38.

[3] 張立新，崔麗杰.山東省農(nóng)業(yè)可持續(xù)發(fā)展能力評(píng)價(jià)研究[J].華東經(jīng)濟(jì)管理，2015，29（7）：14-19.

[4] 吳凡，苗韌.城市可持續(xù)發(fā)展能力評(píng)估體系構(gòu)建研究[J].生態(tài)經(jīng)濟(jì)，2017，33（3）：105-109.

[5] 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.

[6] 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.

[7] Hotelling，H. Relations between Two Sets of Variables [J]. Biometrika， 1936（28）：321-377.