基于DEA交叉效率模型的省际节能减排效率评价-论文.pdf

《基于DEA交叉效率模型的省际节能减排效率评价-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第11卷第1期杭州电子科技大学学报(社会科学版)V01．1lNo．120I5年2月JOURNALOFHANGZHOUDIANZIUNIVERSn(SocialSciences)Fb．20l5DOI：10．13954／j．cnki．hduss．2015．01．001基于DEA交叉效率模型的省际节能减排效率评价段显明，胡玉筱(杭州电子科技大学管理学院，浙江杭州310018)摘要：伴随着中国经济转型，其经济发展模式开始由粗放型向集约型模式转变，这就对节能减排提出了更严格要求。通过交叉效率DEA模型评价了中国各省市的节能

2、减排效率，并对其节能减排效率优劣程度进行了排序，结果发现该效率值更符合实际情况，同时它还避免了传统DEA模型下得到多个效率值为1而无法对其效率进行优劣评判的不足。从结果看出，东北三省以及西部等经济欠发达省份的节能减排效率较低，同时北京、上海、广东等经济发达省份的效率也很低，而浙江、江苏等华东各省的经济产出和节能减排效率都很高。关键词：节能减排；数据包络分析；交叉效率中图分类号：F206文献标识码：B文章编号：1001—9146(2015)Ol一0001—05交叉效率评价的目的是要对各个决策单元的效率值进行排序⋯，

3、交叉效率值不是仅仅根据被评估决策单元自身的权重而得到，它是基于所有决策单元的权重而计算得到的，也即在决策单元自评估的基础上，加进了其余决策单元的交叉评价，这有利于各决策单元效率优劣性的排序。然而，Despotis认为，在使用交叉效率模型时，最优权重的确定却不一定是唯一的，这给最后的交叉效率值带来了一定的不确定性]。很多研究在计算交叉效率值的时候，所用的权重值为各决策单元权重的简单算术平均。Wu等人将各决策单元当作合作博弈环境下的一个角色，根据决策单元的夏普利值得到的聚合权重被分别定义为博弈的关键解决方案_4]。最

4、后，Wang&Chin提出了有序加权平均的权重处理方法，该方法可以在最后的整体效率评估中加入决策制定者的偏好J。也就是说，在交叉效率研究中，除了激进式评价和仁慈式评价外，还有很多其它方法的存在。现有研究中专门针对节能减排效率问题进行探究的不是很多，而使用交叉效率研究的更少。节能减排是国家“十一五”规划纲要提出的政策目标，2010年是本轮规划的最后一年，因此本文选择本年度的节能减排数据进行探讨，评估各省市的节能减排效率。一、模型与方法设计(一)CCR模型设计设有n个决策单元，每一个决策单元对应m种输入和s种输出，对

5、于决策单元DMUj来讲，将其第i项输人记作，将其第r项输出记作Yd。在标准交叉效率评估中，通常使用DEA模型中的CCR模型给出的权重汁算交叉效率值。对于决策单元DMUk而言，设其第i项输入对应的权重为∞其第r项输出对应的权重为A，则其收稿日期：2014—10—05基金项目：国家自然科学基金资助项目(70941037)；杭州电子科技大学优秀硕士论文培育资助项目(yxlw2014015)；浙江省新苗人才计划资助项目(2013R407074)作者简介：段显明(1964一)，男，江西都昌人，教授，环境经济学、资源与环境管

6、理．2杭州电子科技大学学报(社会科学版)2015年总输出0与总输入的比值E“为：Ok也触：丁：—一(1l)“通过该式得到的有关DMUk的址值即为该决策单元的效率评价指数，也即是该决策单元的效率值。为了得到该评价指数的值，可以通过DEA的CCR模型来实现。模型就将问题转化为求解以下极大化问题：A,kYmaxE从=L∞．l=ls-t．：P_l’2，⋯(2)誊∞iPA≥0，∞≥0式(2)是一个分式规划问题，通过使用Chames—Cooper变换，可将该式化为下列等价的线性规划问题[6]：maxEa=AYs·t·：，AY

7、≤蓍iP，P1，2⋯⋯，n(3)∞；1．Arp≥0，∞≥0该模型约束下，E址是根据最有利于决策单元OMU,的权重计算得来的，因此，该模型所得的E从的大小也可以称作为的自我评价指数⋯。如果该指数E从的值为1，则认为DMU是有效的；如果E从<1，则认为DMU是无效的。而在实际中，通常会出现有多个决策单元的效率值为1的情况，而且这些效率值的得出都是通过使用最有利于自身的权重而得到的，这样就无法有效区分不同决策单元效率的优劣，所以，为了避免这种现象的发生，我们采用每一个最有利于决策单元自身的权重值去评价其余的决策单元，实

8、现交叉效率的评价。(二)交叉效率评价模型由于自我评价模型(3)得出的权重值不唯一，这会导致最终得到的交叉效率评价指数具有不确定性，为了避免这种不确定性情况的出现，我们这里采用对抗型交叉效率评价。对抗型交叉效率评价的思想是，每一个决策单元在首先保证自身效率值尽可能大的同时，尽量压低其它决策单元的效率值。具体实现步骤如下：stepl：利用模型(3)计算出DMU的自我评价值E从