全 文 ：碳排放约束下中国西部地区环境效率评价∗
容建波１　 严力蛟１∗∗　 黄绍荣２　 章　 戈３
（ １浙江大学生命科学学院生态规划与景观设计研究所， 杭州 ３１００５８； ２浙江省余姚市环境保护局， 浙江余姚 ３１５４００； ３佐治亚
理工学院地理信息系统中心， 美国佐治亚州亚特兰大 ３０３０８）
摘　 要　 利用基于非期望产出的 ＳＢＭ模型测度分析了 ２０００—２０１２年西部大开发以来中国西
部地区在碳排放约束条件下的静态环境效率，同时运用 Ｍａｌｍｑｕｉｓｔ 指数分析了环境效率的动
态变化趋势，最后利用 Ｔｏｂｉｔ回归模型进行回归分析，分析了环境效率的相关影响因素，并提
出了促进西部地区环境提升的可行建议．结果表明： 碳排放约束下的西部地区环境效率明显
低于无碳排放约束下的环境效率，两者之间的差距呈先增大后缩小的倒“Ｕ”型关系；在碳排
放约束下，广西、内蒙古一直处于相对有效状态，而贵州、甘肃、青海、宁夏、新疆一直处于非有
效状态，且效率值普遍偏低，其中宁夏的效率值只有 ０．２８１～０．３８６，一直处于最低水平；西部地
区的环境效率虽然普遍处于非有效状态，但环境质量呈逐年好转趋势，年平均提高 ６．６％；西
部地区环境效率损失的最主要原因是过多的 ＣＯ２排放量和能源消费量，能源强度对环境效率
具有最大程度的负向影响；进出口贸易总额的增加显著降低了环境效率，而外商直接投资的
增加则对环境效率的提高有积极作用．
关键词　 环境效率； 碳排放； ＳＢＭ模型； 中国西部
文章编号　 １００１－９３３２（２０１５）０６－１８２１－１０　 中图分类号　 Ｑ１４； Ｘ１９６　 文献标识码　 Ａ
Ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｅｖａｌｕａｔｉｏｎ ｕｎｄｅｒ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ ｃｏｎｓｔｒａｉｎｔ ｉｎ Ｗｅｓｔｅｒｎ Ｃｈｉｎａ．
ＲＯＮＧ Ｊｉａｎ⁃ｂｏ１， ＹＡＮ Ｌｉ⁃ｊｉａｏ１， ＨＵＡＮＧ Ｓｈａｏ⁃ｒｏｎｇ２， ＺＨＡＮＧ Ｇｅ３ （ １ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｃｏｌｏｇｉｃａｌ Ｐｌａｎ⁃
ｎｉｎｇ ａｎｄ Ｌａｎｄｓｃａｐｅ Ｄｅｓｉｇｎ， Ｃｏｌｌｅｇｅ ｏｆ Ｌｉｆｅ Ｓｃｉｅｎｃｅ， Ｚｈｅｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｈａｎｇｚｈｏｕ ３１００５８， Ｃｈｉ⁃
ｎａ； ２Ｙｕｙａｏ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｐｒｏｔｅｃｔｉｏｎ Ｂｕｒｅａｕ， Ｙｕｙａｏ ３１５４００， Ｚｈｅｊｉａｎｇ， Ｃｈｉｎａ； ３Ｃｅｎｔｅｒ ｆｏｒ Ｇｅｏ⁃
ｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ， Ｇｅｏｒｇｉａ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， Ａｔｌａｎｔａ， ＧＡ ３０３０８， ＵＳＡ） ． ⁃Ｃｈｉｎ． Ｊ．
Ａｐｐｌ． Ｅｃｏｌ．， ２０１５， ２６（６）： １８２１－１８３０．
Ａｂｓｔｒａｃｔ： Ｔｈｉｓ ｒｅｓｅａｒｃｈ ｕｓｅｄ ｔｈｅ ＳＢＭ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ｕｎｄｅｓｉｒａｂｌｅ ｏｕｔｐｕｔｓ ｔｏ ｍｅａｓｕｒｅ ｔｈｅ ｓｔａｔｉｃ ｅｎ⁃
ｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｏｆ Ｗｅｓｔｅｒｎ Ｃｈｉｎａ ｕｎｄｅｒ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ ｃｏｎｓｔｒａｉｎｔ ｆｒｏｍ ２０００ ｔｏ ２０１２． Ｔｈｅ
ｒｅｓｅａｒｃｈｅｒｓ ａｌｓｏ ｕｔｉｌｉｚｅｄ ｔｈｅ Ｍａｌｍｑｕｉｓｔ ｉｎｄｅｘ ｔｏ ｆｕｒｔｈｅｒ ａｎａｌｙｚｅ ｔｈｅ ｃｈａｎｇｅ ｔｅｎｄｅｎｃｙ ｏｆ ｅｎｖｉｒｏｎｍｅｎ⁃
ｔａｌ ｅｆｆｉｃｉｅｎｃｙ． Ａｄｄｉｔｉｏｎａｌｌｙ， Ｔｏｂｉｔ ｒｅｇｒｅｓｓｉｏｎ ａｎａｌｙｓｉｓ ｗａｓ ｕｓｅｄ ｔｏ ｓｔｕｄｙ ｔｈｅ ｆａｃｔｏｒｓ ｒｅｌｅｖａｎｔ ｔｏ ｅｎｖｉ⁃
ｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ． Ｐｒａｃｔｉｃａｌ ｓｏｌｕｔｉｏｎｓ ｔｏ ｉｍｐｒｏｖｅ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｑｕａｌｉｔｙ ｉｎ Ｗｅｓｔｅｒｎ Ｃｈｉｎａ ｗｅｒｅ ｐｕｔ
ｆｏｒｗａｒｄ． Ｔｈｅ ｓｔｕｄｙ ｓｈｏｗｅｄ ｔｈａｔ ｉｎ Ｗｅｓｔｅｒｎ Ｃｈｉｎａ， ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｗｉｔｈ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ
ｃｏｎｓｔｒａｉｎｔ ｗａｓ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｌｏｗｅｒ ｔｈａｎ ｔｈａｔ ｗｉｔｈｏｕｔ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ ｃｏｎｓｔｒａｉｎｔ， ａｎｄ ｔｈｅ ｄｉｆｆｅｒｅｎｃｅ
ｃｏｕｌｄ ｂｅ ｄｅｓｃｒｉｂｅｄ ａｓ ａｎ ｉｎｖｅｒｓｅ Ｕ⁃ｓｈａｐｅｄ ｃｕｒｖｅ ｗｈｉｃｈ ｉｎｃｒｅａｓｅｄ ａｔ ｆｉｒｓｔ ａｎｄ ｔｈｅｎ ｄｅｃｒｅａｓｅｄ． Ｇｕａｎｇ⁃
ｘｉ ａｎｄ Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ， ｔｈｅ ｔｗｏ ｐｒｏｖｉｎｃｅｓ ｍｅｔ ｔｈｅ ｅｆｆｅｃｔｉｖｅ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｌｅｖｅｌｓ ａｌｌ ｔｈｅ
ｔｉｍｅ ｕｎｄｅｒ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ ｃｏｎｓｔｒａｉｎｔ． Ｈｏｗｅｖｅｒ， ｔｈｅ ｆｉｖｅ ｐｒｏｖｉｎｃｅｓ ｏｆ Ｇｕｉｚｈｏｕ， Ｇａｎｓｕ， Ｑｉｎｇｈａｉ，
Ｎｉｎｇｘｉａ ａｎｄ Ｘｉｎｊｉａｎｇ ｄｉｄ ｎｏｔ． Ｆｕｒｔｈｅｒｍｏｒｅ， Ｎｉｎｇｘｉａ ｈａｄ ｔｈｅ ｌｏｗｅｓｔ ｌｅｖｅｌ ｏｆ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎ⁃
ｃｙ， ｗｉｔｈ ａ ｓｃｏｒｅ ｂｅｔｗｅｅｎ ０．２８１－０．３８６． Ａｌｔｈｏｕｇｈ ｔｈｅ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｍｏｓｔ ｐｒｏｖｉｎｃｅｓ ｗａｓ
ｃｕｒｒｅｎｔｌｙ ａｔ ａｎ ｉｎｅｆｆｅｃｔｉｖｅ ｌｅｖｅｌ， ｔｈｅ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｑｕａｌｉｔｙ ｗａｓ ｇｒａｄｕａｌｌｙ ｉｍｐｒｏｖｉｎｇ ａｔ ａｎ
ａｖｅｒａｇｅ ｓｐｅｅｄ ｏｆ ６．６％． Ｅｘｃｅｓｓｉｖｅ ＣＯ２ ｅｍｉｓｓｉｏｎ ａｎｄ ａ ｌａｒｇｅ ａｍｏｕｎｔ ｏｆ ｅｎｅｒｇｙ ｃｏｎｓｕｍｐｔｉｏｎ ｗｅｒｅ ｔｈｅ
ｐｒｉｍａｒｙ ｆａｃｔｏｒｓ ｃａｕｓｉｎｇ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｉｎｅｆｆｉｃｉｅｎｃｙ ｉｎ Ｗｅｓｔｅｒｎ Ｃｈｉｎａ， ａｎｄ ｅｎｅｒｇｙ ｉｎｔｅｎｓｉｔｙ ｈａｄ ｔｈｅ
ｍｏｓｔ ｎｅｇａｔｉｖｅ ｉｍｐａｃｔ ｏｎ ｔｈｅ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ． Ｔｈｅ ｉｎｃｒｅａｓｅ ｏｆ ｉｍｐｏｒｔ ａｎｄ ｅｘｐｏｒｔ ｔｒａｄｅ ｒｅ⁃
ｄｕｃｅｄ ｔｈｅ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｉｎ Ｗｅｓｔｅｒｎ Ｃｈｉｎａ， ｗｈｉｌｅ ｔｈｅ ｉｎｃｒｅａｓｅ ｏｆ ｆｏｒｅｉｇｎ ｄｉ⁃
ｒｅｃｔ ｉｎｖｅｓｔｍｅｎｔ ｈａｄ ａ ｐｏｓｉｔｉｖｅ ｅｆｆｅｃｔ ｏｎ ｉｔｓ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ．
Ｋｅｙ ｗｏｒｄｓ： ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ； ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ； ＳＢＭ ｍｏｄｅｌ； Ｗｅｓｔｅｒｎ Ｃｈｉｎａ．
∗农业部面源污染控制重点开放实验室项目（ＫＹＪＤ０９０２１）资助．
∗∗通讯作者． Ｅ⁃ｍａｉｌ： ｙａｎｌｊ＠ ｚｊｕ．ｅｄｕ．ｃｎ
２０１４⁃０７⁃２９收稿，２０１５⁃０４⁃０１接受．
应 用 生 态 学 报　 ２０１５年 ６月　 第 ２６卷　 第 ６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｊｕｎ． ２０１５， ２６（６）： １８２１－１８３０
　 　 环境效率，也叫生态效率［１］ ．关于环境效率的概
念，世界可持续发展工商业委员会（ＷＢＣＳＤ）提出的
概念得到了广泛认可，即：环境效率是指通过提供能
满足人类需求和提高生活质量的竞争性定价商品和
服务，同时使整个生命周期的环境影响与资源强度
降低到至少与地球的估计承载相一致的水平［２］ ．对
于环境效率，国内外学者已做过大量相关研究，主要
集中在评价指标体系、评价方法以及实际应用等
方面．
在评价指标体系研究方面，Ｈöｈ 等［３］在德国环
境经济账户的设计中，设计了土地、能源、原材料、
水、温室气体、酸性气体、劳动力、资本等作为投入要
素的环境效率宏观层次评价指标；国内学者如诸大
建等［４］、余幸幸等［５］参考德国环境经济账户的研
究，结合我国实际构建了一套环境效率评价的指标
体系，并进行了实证研究；周国梅等［６］针对具体的
工业行业研究认为，工业环境效率的指标体系应包
括能源强度指标、原材料强度指标、污染物排放指标
３方面内容；刘晶茹等［７］从结构、功能、过程等多方
面构建了生态产业园的环境效率评价指标体系．我
国针对不同区域、行业虽然已有不少关于环境效率
评价指标的研究与应用，但关于环境变量的指标多
以“废水、废气（ＳＯ２）、固体废弃物”等为衡量标准，
忽略了碳排放这一指标，没有很好地适应当前低碳
发展的时代需求．
环境效率测算方法研究方面，主要有生命周期
法（ ｌｉｆｅ ｃｙｃｌｅ ａｓｓｅｓｓｍｅｎｔ， ＬＣＡ） ［８］、多准则决策法
（ｍｕｌｔｉｐｌｅ ｃｒｉｔｅｒｉａ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ，ＭＣＤＭ） ［９－１０］、随机
前沿分析法（ｓｔｏｃｈａｓｔｉｃ ｆｒｏｎｔｉｅｒ ａｎａｌｙｓｉｓ，ＳＦＡ） ［１１］、距
离函数法（ｄｉｓｔａｎｃｅ ｆｕｎｃｔｉｏｎ） ［１２］以及数据包络分析
法（ｄａｔａ ｅｎｖｅｌｏｐｍｅｎｔ ａｎａｌｙｓｉｓ，ＤＥＡ）等．由于 ＤＥＡ 方
法在评价具有多投入和多产出指标的相似决策单元
（ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ｕｎｉｔ，ＤＭＵ）的相对效率方面具有很
好的优势，近年来已被广泛地运用到各个层面的环
境效率研究上来．例如 Ｋｏｒｈｏｎｅｎ 等［１３］运用 ＤＥＡ 方
法中不同投入、产出导向的 ＣＣＲ模型比较测算了欧
洲 ２４家电力企业的环境效率，并提出改善意见；Ａｌ⁃
ｄａｎｏｎｄｏ⁃Ｏｃｈｏａ等［１４］利用 ＤＥＡ 方法测算了西班牙
Ｎａｖａｒｒｅ有机农业的技术效率和环境效率，定量得出
了在相同的环境影响下，有机农业比传统农业更有
效；Ｚｈｏｕ等［１５］基于不同的 ＤＥＡ模型，评价比较了全
球 ８ 个地区的环境效率．国内学者中，刘巍等［１６］运
用 ＤＥＡ方法中的 ＣＣＲ 模型分析了中国 ２４ 家生态
工业园的环境效率，并为园区的环境调控提出了量
化调整意见；杨斌［１７］利用 ＤＥＡ 模型从宏观角度测
算了 ２０００—２００６年中国的区域环境效率，得出了粗
放型经济增长方式是区域环境效率的制约因素之
一；王俊能等［１８］运用 ＤＥＡ 模型与 Ｍａｌｍｑｕｉｓｔ 指数，
分别从动、静两方面测度了中国 ３１ 个省（区、市）的
环境效率，并分析了相关影响因素．
在应用研究中，随着理论研究的不断深入，行
业［１９］、企业［１３，２０］层面的环境效率研究逐渐成为热
点，但宏观的区域、省际研究［１５，１７－１８，２１－２２］仍是主要的
研究方向，特别是在国内企业层面数据缺失或难以
获得的情况下．但是在国内的区域研究中，对中国西
部这一特定区域的研究相对较少．
中国西部地区自 ２０００ 年实施西部大开发战略
以来，经济实力得到了快速增长，然而，经济高速增
长带来的环境压力也日益突出，特别是东部地区高
能耗、高污染产业不断向西部转移，使得西部地区成
为“高碳”经济发展区［２３］ ．在低碳经济、绿色发展的
趋势下，如何摆脱“先污染后治理”的传统发展模
式，促进西部地区的低碳绿色可持续发展值得学术
界思考．在已有的研究中，唐小力等［２４］、常建新
等［２５］、张雪梅［２６］分别选用不同的评价指标和方法
测算了西部地区的环境效率，但是没有把“碳排放”
作为评价因子纳入到环境效率评价体系中．２０１４ 年
国务院批转的《关于 ２０１４年深化经济体制改革重点
任务的意见》中明确指出，要研究制定全国碳排放
权交易管理办法，进一步管理、减少国家碳排放量．
因此，在节能减排的宏观背景下，科学测度碳排放约
束下西部地区的环境效率及其动态变化，定量研究
其影响因素，将有助于西部地区有的放矢地制定经
济发展政策、环保措施以及碳权交易政策，推动西部
地区走上绿色可持续发展道路．因此，本文尝试在碳
排放约束条件下，运用 ＤＥＡ方法分析西部大开发以
来西部地区的环境效率．本文的西部地区指西部大
开发涉及的重庆、四川、贵州、云南、广西、陕西、甘
肃、青海、宁夏、新疆、内蒙等 １１ 省（区、市），因西藏
数据缺失较多，不在此次研究范围内．
１　 研究方法
１􀆰 １　 传统的 ＤＥＡ方法
ＤＥＡ是著名运筹学家 Ｃｈａｒｎｅｓ 等［２７］基于相对
效率提出的一种分析方法．其具有不用确定生产过
程的生产函数、所需评价指标相对较少、不需要统一
指标单位、不需要人为确定指标权重，从而避免了主
观因素的影响等优势［２８］ ．然而传统的 ＤＥＡ 模型
２２８１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
（ＣＣＲ、ＢＣＣ）要求产出尽可能地增加，投入尽可能地
减少，是一种基于径向和角度的评价模型［２９］ ．而在
现实的生产中往往会遇到一些非期望产出（ｕｎｄｅｓｉｒ⁃
ａｂｌｅ ｏｕｔｐｕｔｓ，比如 ＣＯ２等环境污染物），且希望这些
非期望产出越少越好．此时，运用传统 ＤＥＡ 模型具
有很强的局限性．多数文献在处理非期望产出问题
时，多是基于非期望产出与投入具有越少越好的共
同特点，将非期望产出作为投入来进行 ＤＥＡ效率测
算．但这与实际生产过程是不相符的，而且这种处理
方式依旧不能很好地解决径向方法和角度选择所造
成的投入、产出的松弛性问题，最终的评价结果是不
准确的［３０］ ．
１􀆰 ２　 基于非期望产出的 ＳＢＭ模型
ＳＢＭ（ｓｌａｃｋ⁃ｂａｓｅｄ ｍｅａｓｕｒｅ）模型是 Ｔｏｎｅ［３１］为解
决具有非期望产出的效率评价问题提出的一种非径
向和非角度的、基于松弛变量的测度模型．假定有 ｎ
个 ＤＭＵ，每个 ＤＭＵ都有 ｍ种投入、ｓ１种期望产出和
ｓ２种非期望产出，投入、期望产出、非期望产出这 ３
种投入、产出向量分别表示为：Ｘ∈Ｒｍ，ｙｇ∈Ｒｓ１，ｙｂ∈
Ｒｓ２，则可以定义如下矩阵：
Ｘ＝［ｘ１，…，ｘｎ］∈Ｒｍ
×ｎ
Ｙｇ ＝［ｙｇ１，…，ｙｇｎ］∈Ｒｓ１
×ｎ
Ｙｂ ＝［ｙｂ１，…，ｙｂｎ］∈Ｒｓ２
×ｎ
Ｘ＞０，Ｙｇ＞０，Ｙｂ＞０
在不变规模报酬情况下，可定义如下生产可能
集 Ｐ：
Ｐ ＝ ｛（ ｘ， ｙｇ， ｙｂ ） ｜ ｘ≥λＸ， ｙｇ ≤λＹｇ， ｙｂ ≥ λＹｂ，
λ≥０｝，其中权重向量 λ∈Ｒｎ ．
据此，基于非期望产出的 ＳＢＭ 模型可表示
为［２９］：
ρ∗＝ ｍｉｎ
１ － １
ｍ∑
ｍ
ｉ ＝ １
ｓ －ｉ
ｘｉ０
１ ＋ １
ｓ１ ＋ ｓ２
∑
ｓ１
ｒ ＝ １
ｓｇｒ
ｙｇｒ０
＋ ∑
ｓ２
ｒ ＝ １
ｓｂｒ
ｙｂｒ０
æ
è
ç
ö
ø
÷
（１）
ｓ．ｔ．
ｘ０ ＝λＸ＋ｓ
－
ｙｇ０ ＝λＹｇ－ｓｇ
ｙｂ０ ＝λＹｂ＋ｓｂ
ｓ－≥０，ｓｇ≥０，ｓｂ≥０，λ≥０
ì
î
í
ï
ïï
ï
ïï
式中：ｓ 为投入、产出的松弛变量；ｓ－、ｓｂ分别表示投
入、非期望产出的冗余； ｓｇ表示期望产出的不足；λ
为权重向量．目标函数 ρ∗是关于任意 ｓ－、ｓｂ和 ｓｇ的严
格单调递减函数，并且有 ρ∗∈（０，１］．对于特定的
ＤＭＵ，当且仅当 ρ∗ ＝ １ 时，即 ｓ－ ＝ ｓｂ ＝ ｓｇ ＝ ０ 时，ＤＭＵ
是相对有效的，即 ＤＭＵ处于生产前沿面上．如果 ρ∗
＜１，则说明 ＤＭＵ 不在生产前沿面上，是相对无效
的，存在着投入、产出的改善空间和必要性．
ＳＢＭ模型把松弛变量直接纳入到目标函数中，
进而解决了松弛性的问题，也给具有非期望产出的
效率评价带来了方便．刘勇等［３２］对比分析不同的
ＤＥＡ模型表明，ＳＢＭ模型更能反映环境效率评价的
本质．李静等［３３］利用 ＳＢＭ 模型，以环境污染物作为
非期望产出测算了中国各省份、区域的环境效率．理
论和实证研究表明，运用基于非期望产出的 ＳＢＭ模
型评价区域环境效率是可行的，且有一定优势．因
此，本文选用此 ＤＥＡ模型进行西部地区静态环境效
率评估．
１􀆰 ３　 Ｍａｌｍｑｕｉｓｔ 动态分析指数
ＳＢＭ模型测算得出的环境效率是一种静态的
结果，无法从中得出时间序列上的动态变化．本文利
用 Ｍａｌｍｑｕｉｓｔ指数来测算西部地区环境效率的动态
变化情况．基于 ＤＥＡ 方法的 Ｍａｌｍｑｕｉｓｔ 指数是利用
距离函数的比率来计算 ＤＭＵ的效率动态变化［３４］：
Ｍｔ＋１ ＝
Ｄｔ（ｘｔ＋１，ｙｇｔ＋１，ｙｂｔ＋１）
Ｄｔ（ｘｔ，ｙｇｔ，ｙｂｔ）
×Ｄ
ｔ＋１（ｘｔ＋１，ｙｇｔ＋１，ｙｂｔ＋１）
Ｄｔ＋１（ｘｔ，ｙｇｔ，ｙｂｔ）
é
ë
êê
ù
û
úú
１
２
（２）
式中：ｘｔ、ｘｔ＋１分别表示 ＤＭＵ 在 ｔ 和 ｔ＋１ 时期的投入
向量；ｙｇｔ、ｙｇｔ＋１分别表示 ＤＭＵ在 ｔ和 ｔ＋１时期的期望
产出向量；ｙｂｔ、ｙｂｔ＋１分别表示 ＤＭＵ在 ｔ和 ｔ＋１时期的
非期望产出向量；Ｄｔ （ ｘｔ， ｙｇｔ， ｙｂｔ ）、Ｄｔ （ ｘｔ＋１， ｙｇｔ＋１，
ｙｂｔ＋１）分别表示以 ｔ时期的技术为参照，ＤＭＵ 在 ｔ 和
ｔ＋１ 时期的距离函数；Ｄｔ＋１（ ｘｔ，ｙｇｔ， ｙｂｔ ）、Ｄｔ＋１（ ｘｔ＋１，
ｙｇ ｔ＋１，ｙｂｔ＋１）分别表示以 ｔ ＋ １ 时期的技术为参照，
ＤＭＵ在 ｔ和 ｔ＋１ 时期的距离函数；Ｍｔ＋１表示 ｔ＋１ 时
期 ＤＭＵ的环境效率跨期动态变化．当 Ｍｔ ＋１＞１ 时，环
境效率增长，环境质量改善，且其数值越大，说明改
善的程度越大；反之，则环境效率降低，环境恶化．
１􀆰 ４　 指标选取与数据来源
根据 ＤＥＡ方法的拇指法则，即 ＤＭＵ 数量大于
投入、产出指标数和的 ２ 倍，参考已有研究的投入、
产出指标和本研究实际，本文的指标选取及数据来
源如下：
投入指标：鉴于研究的是环境效率，本文的投入
指标选取与环境、资源、生产密切相关的能源消费总
量、土地投入量以及资本投入表示．能源消费总量数
据来源于相应年份的《中国能源统计年鉴》 ［３５］中的
“分地区能源消费总量” ．土地投入量以建成区面积
３２８１６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 容建波等： 碳排放约束下中国西部地区环境效率评价　 　 　 　 　 　
表 １　 各类能源的低位发热量和 ＣＯ２排放因子
Ｔａｂｌｅ １　 Ｌｏｗ⁃ｃａｌｏｒｉｆｉｃ ｖａｌｕｅ ａｎｄ ＣＯ２ ｅｍｉｓｓｉｏｎ ｆａｃｔｏｒｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｅｎｅｒｇｙ ｓｏｕｒｃｅｓ
参数
Ｐａｒａｍｅｔｅｒ
煤炭
Ｃｏａｌ
焦炭
Ｃｏｋｅ
原油
Ｃｒｕｄｅ ｏｉｌ
汽油
Ｇａｓｏｌｉｎｅ
煤油
Ｋｅｒｏｓｅｎｅ
柴油
Ｄｉｅｓｅｌ ｏｉｌ
燃料油
Ｆｕｅｌ ｏｉｌ
天然气
Ｎａｔｕｒａｌ ｇａｓ
低位发热量
Ｌｏｗ⁃ｃａｌｏｒｉｆｉｃ ｖａｌｕｅ （ｋＪ·ｋｇ－１， ｋＪ·ｍ－３）
２０９０８ ２８４３５ ４１８１６ ４３０７０ ４３０７０ ４２６５２ ４１８１６ ３８９３１
ＣＯ２排放因子
ＣＯ２ ｅｍｉｓｓｉｏｎ ｆａｃｔｏｒｓ （ｋｇ·ＴＪ－１）
９４６００ １０７０００ ７３３００ ６９３００ ７１５００ ７４１００ ７７４００ ５６１００
表示，数据来源于相应年份的《中国统计年鉴》 ［３６］ ．
资本投入以不变价资本存量表示，由于中国没有关
于资本存量的直接统计数据，本文参照张军等［３７］的
研究，采用永续盘存法进行资本存量模拟，其基本公
式为：Ｋ ｔ ＝ Ｉｔ ＋（１－δ）Ｋ ｔ－１ ．其中：Ｋ ｔ表示 ｔ 时期的资本
存量；Ｋ ｔ －１表示 ｔ－１时期的资本存量；Ｉｔ表示 ｔ时期的
投资额；δ 表示折旧率．以 ２０００ 年为计算初始年，各
省市在 ２０００年的固定资本形成总额除以 １０％作为
初始资本存量，以每年的固定资本形成总额表示当
年投资量，并根据固定资产投资价格指数折算为以
２０００年为基年的不变价格，取 ９．６％的折旧率进行
资本存量计算．各相关数据均来源于相应年份的《中
国统计年鉴》 ［３６］ ．
期望产出：以地区生产总值 ＧＤＰ 表示，并根据
ＧＤＰ 平减指数［３８］换算成以 ２０００年为基年的不变价
ＧＤＰ．相应数据来源于《中国统计年鉴》 ［３６］以及各省
市统计年鉴．
非期望产出：本文研究碳排放约束下的环境效
率，因此选择 ＣＯ２排放量作为非期望产出．由于我国
没有针对各省市的碳排放监测统计数据，本文参考
《２００６年 ＩＰＣＣ国家温室气体排放清单指南》 ［３９］的
估算方法，选取煤炭、焦炭、原油、汽油、煤油、柴油、
燃料油、天然气等 ８ 种主要能源的终端消费量（能
量值）与各自的 ＣＯ２排放因子乘积之和来表示．计算
公式为： ｍＣＯ２ ＝∑
８
ｉ ＝ １
ｍｉ × ＱＤＷｉ × Ｅ ｉ ．其中：ｍＣＯ２表示
ＣＯ２排放量；ｍｉ表示各能源终端消费量（ ×１０４ ｔ，亿
ｍ３）；ＱＤＷｉ表示各类能源的低位发热量（ｋＪ·ｋｇ
－１，
ｋＪ· ｍ－３ ）； Ｅ ｉ 表示各类能源的 ＣＯ２ 排放因子
（ｋｇ·ＴＪ－１）．能源终端消费量以及低位发热量数据
来源于相应年份的《中国能源统计年鉴》 ［３５］，各能源
的 ＣＯ２排放因子来源于《２００６ 年 ＩＰＣＣ 国家温室气
体排放清单指南》 ［３９］ ．
２　 结果与分析
２􀆰 １　 静态效率测算结果分析
根据上述指标数据，基于非期望产出的 ＳＢＭ模
型，利用 ＤＥＡ⁃ＳＯＬＶＥＲ 软件计算 ２０００—２０１２ 年中
国西部地区 １１个省（区、市）的静态环境效率．为了
与不含碳排放约束条件的环境效率进行比较，同时
计算了不含 ＣＯ２排放量的环境效率，结果如表 ２．
２􀆰 １􀆰 １总体效率评价 　 从图 １ 可以看出，相对于不
考虑碳排放的环境效率，考虑碳排放因素的西部平
均环境效率值均有较大程度的降低，说明碳排放使
环境效率有较多的损失．在两种情况下，效率值分别
在 ０．７８３ ～ ０．８３０ 及 ０．６９８ ～ ０．７５８ 之间波动，均没有
达到 １，处于相对无效状态，说明我国西部地区的环
境状况有很大的提升空间．自西部大开发以来，我国
西部地区碳排放约束下的环境效率与无碳排放约束
的环境效率之间的差距呈先增大后缩小的倒“Ｕ”型
关系，并以 ２００６ 年为拐点可以划分为两个阶段：
２０００—２００６年，两种情况下的环境效率差值呈缓慢
扩大趋势，而在 ２００６ 年后呈缓慢缩小趋势．说明在
实施西部大开发的头几年，西部地区在发展经济的
过程中节能减排力度不够，经济发展与环境保护不
够协调，使得两者之间的差距不断加大；而 ２００６—
２０１０年国家实施“十一五”规划，期间实施了节能减
排强制措施，所以两者间的差距逐渐缩小，但也存在
偶尔反弹的现象．西部地区的节能减排等工作仍需
要持之以恒的进行下去．
图 １　 中国西部地区平均环境效率的变化
Ｆｉｇ．１ 　 Ｃｈａｎｇｅ ｏｆ ｍｅａｎ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｉｎ Ｗｅｓｔｅｒｎ
Ｃｈｉｎａ．
Ⅰ： 不考虑碳排放 Ｒｅｇａｒｄｌｅｓｓ ｏｆ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ； Ⅱ： 考虑碳排放 Ｉｎ⁃
ｃｌｕｄｅ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ； Ⅲ： 差距 Ｄｉｆｆｅｒｅｎｃｅ．
４２８１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
表 ２　 ２０００—２０１２年中国西部地区环境效率
Ｔａｂｌｅ ２　 Ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｖａｌｕｅ ｉｎ Ｗｅｓｔｅｒｎ Ｃｈｉｎａ ｆｒｏｍ ２０００ ｔｏ ２０１２
省份
Ｐｒｏｖｉｎｃｅ
年 份 Ｙｅａｒ
２０００ ２００１ ２００２ ２００３ ２００４ ２００５ ２００６ ２００７ ２００８ ２００９ ２０１０ ２０１１ ２０１２
重庆 Ⅰ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ ０．９５４ ０．９８５ ０．９９１ ０．９５９ ０．９６２ ０．９５３ ０．９９４
Ｃｈｏｎｇｑｉｎｇ Ⅱ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ ０．８８６ ０．９５６ ０．９６７ ０．９２８ １．０００ １．０００ １．０００
四川 Ⅰ ０．９１０ ０．８７２ ０．８５２ ０．８４５ ０．８３５ ０．９２６ １．０００ １．０００ １．０００ ０．９８５ １．０００ １．０００ １．０００
Ｓｉｃｈｕａｎ Ⅱ ０．８９３ ０．８６４ ０．８１７ ０．７５６ ０．７４４ ０．８７８ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００
贵州 Ⅰ ０．６０５ ０．６００ ０．６２７ ０．６２６ ０．６４０ ０．７１２ ０．６８０ ０．７１８ ０．７１４ ０．６７６ ０．６９０ ０．６９４ ０．６７４
Ｇｕｉｚｈｏｕ Ⅱ ０．４５７ ０．４５５ ０．４８０ ０．４６５ ０．４６６ ０．５３６ ０．５００ ０．５３１ ０．５２７ ０．４９９ ０．５２０ ０．５３５ ０．５１２
云南 Ⅰ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ ０．９１３ ０．８８７ ０．８４５ ０．８５７ ０．８５８
Ｙｕｎｎａｎ Ⅱ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ ０．７７１ ０．７５９ ０．７０２ ０．７２８ ０．７１５
广西 Ⅰ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００
Ｇｕａｎｇｘｉ Ⅱ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００
陕西 Ⅰ ０．８７９ ０．８１８ ０．８２３ ０．８６９ ０．８４４ ０．９４９ ０．９１９ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００
Ｓｈａａｎｘｉ Ⅱ ０．７５２ ０．７１９ ０．７１７ ０．７３４ ０．６７６ ０．８５１ ０．７４２ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００
甘肃 Ⅰ ０．６８７ ０．６９３ ０．６７６ ０．７０７ ０．６９７ ０．７５５ ０．７２５ ０．７２３ ０．７０７ ０．６９６ ０．６９４ ０．６９８ ０．７０９
Ｇａｎｓｕ Ⅱ ０．５３０ ０．５４４ ０．５３１ ０．５３８ ０．５２９ ０．５７９ ０．５５７ ０．５５６ ０．５４２ ０．５４１ ０．５４６ ０．５５５ ０．５５１
青海 Ⅰ ０．５３１ ０．５３４ ０．５６８ ０．６１１ ０．５８９ ０．６３８ ０．６２５ ０．６４３ ０．６５９ ０．６５３ ０．６８７ ０．６５４ ０．６７８
Ｑｉｎｇｈａｉ Ⅱ ０．４５９ ０．４４４ ０．４８０ ０．４９０ ０．４７７ ０．５２４ ０．４９３ ０．５０５ ０．５１４ ０．５１６ ０．５６４ ０．５３２ ０．５９７
宁夏 Ⅰ ０．４９４ ０．４７０ ０．４６８ ０．４４４ ０．４１８ ０．４４５ ０．４２３ ０．４１８ ０．４１６ ０．４１２ ０．４０８ ０．３８７ ０．３８４
Ｎｉｎｇｘｉａ Ⅱ ０．３８６ ０．３５２ ０．３４９ ０．３１３ ０．２９７ ０．３１７ ０．３０１ ０．２９８ ０．２９５ ０．２９２ ０．２９２ ０．２８４ ０．２８１
新疆 Ⅰ ０．６４９ ０．６２６ ０．６２５ ０．６４５ ０．６２５ ０．６８７ ０．６３０ ０．６３９ ０．６１２ ０．５７９ ０．５６６ ０．５４３ ０．５３３
Ｘｉｎｊｉａｎｇ Ⅱ ０．５１８ ０．５００ ０．５０２ ０．５００ ０．４８３ ０．５３２ ０．４８３ ０．４９２ ０．４６５ ０．４３４ ０．４２７ ０．４１１ ０．３９３
内蒙古 Ⅰ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００
Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ Ⅱ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００ １．０００
均值 Ⅰ ０．７９６ ０．７８３ ０．７８５ ０．７９５ ０．７８６ ０．８２８ ０．８１４ ０．８３０ ０．８１９ ０．８０４ ０．８０５ ０．７９９ ０．８０３
Ａｖｅｒａｇｅ Ⅱ ０．７２７ ０．７１６ ０．７１６ ０．７０９ ０．６９８ ０．７４７ ０．７２４ ０．７５８ ０．７３５ ０．７２４ ０．７３２ ０．７３１ ０．７３２
方差 Ⅰ ０．０４２ ０．０４２ ０．０４０ ０．０３９ ０．０４２ ０．０３６ ０．０４２ ０．０４３ ０．０４２ ０．０４３ ０．０４３ ０．０４７ ０．０４８
Ｖａｒｉａｎｃｅ Ⅱ ０．０６７ ０．０７０ ０．０６６ ０．０６８ ０．０７１ ０．０６４ ０．０７０ ０．０７７ ０．０７３ ０．０７５ ０．０７６ ０．０７７ ０．０７８
Ⅰ： 不考虑碳排放 Ｎｏｔ ｉｎｃｌｕｄｉｎｇ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ； Ⅱ： 考虑碳排放 Ｉｎｃｌｕｄｉｎｇ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ．
２􀆰 １􀆰 ２省际环境效率差异分析 　 从表 ２ 可以看出，
在碳排放约束下，只有广西、内蒙古一直处于效率前
沿面上，具有相对较好的环境质量，而贵州、甘肃、青
海、宁夏、新疆则一直处于非有效状态，且效率值普
遍偏低，其中宁夏的效率值均低于 ０．４，一直处于西
部地区的最低水平，环境问题急需解决．云南省在
２０００—２００７年处于相对有效状态，而在 ２００８—２０１２
年则偏离了有效前沿面，演变为相对无效状态，说明
其他一些省（区、市）的环境质量改善提升的幅度比
云南省大，并最终超越了云南省的环境效率．这在四
川、陕西两省体现得最为明显．四川在 ２００５ 年以前
处在非有效前沿面上，而在 ２００６—２０１２年提升为相
对有效状态；陕西在 ２０００—２００６年一直处于无效状
态，而在 ２００７年以后则提升到了相对有效水平，说
明期间两省均采取了有效的节能减排措施．对比分
析表 ２中Ⅰ、Ⅱ的方差值，碳排放约束下的方差值均
大于无约束条件下的方差值，即在约束条件下，西部
地区省际间的环境效率差异程度加大并呈无规律的
波动变化，表明各省（区、市）的环境治理成效存在
明显差异，地区间可以相互学习，共享环境治理技术
和方法，共同促进环境改善．
２􀆰 １􀆰 ３投入、产出冗余率分析　 ＤＭＵ 处于相对无效
状态是因为其相对于有效前沿面具有投入、非期望
产出的多余，以及期望产出的不足，ＳＢＭ 模型直接
把松弛变量引入目标函数，可以很方便地得出非有
效 ＤＭＵ的投入、产出冗余率，进而明确效率提升改
进方向．本文以 ２０１２ 年为例进行投入、产出冗余率
分析，计算结果如表 ３所示．
　 　 在碳排放约束条件下，贵州、云南、甘肃、青海、
宁夏、新疆等 ６ 省（区、市）在 ２０１２ 年均处在非有效
前沿面上，存在一定的效率损失．从表 ３ 可以看出，
ＧＤＰ 的冗余率均为 ０，表明效率损失均不是由 ＧＤＰ
的产出不足引起的，而是由投入要素和非期望产出
的冗余引起的，提升西部地区环境效率应将减少单
位 ＧＤＰ 资源投入和污染产出作为重点．
把整个西部地区作为一个总体来看，致使其效
率损失的最主要原因是过多的 ＣＯ２排放和能源消
费，表明西部地区能源利用与经济产出不协调，能源
５２８１６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 容建波等： 碳排放约束下中国西部地区环境效率评价　 　 　 　 　 　
表 ３　 ２０１２年中国西部地区投入、产出冗余率分析
Ｔａｂｌｅ ３　 Ａｎａｌｙｓｉｓ ｏｆ ｉｎｐｕｔ ａｎｄ ｏｕｔｐｕｔ ｒｅｄｕｎｄａｎｃｙ ｒａｔｅ ｉｎ Ｗｅｓｔｅｒｎ Ｃｈｉｎａ ｉｎ ２０１２
省份
Ｐｒｏｖｉｎｃｅ
效率得分
Ｅｆｆｉｃｉｅｎｃｙ
ｓｃｏｒｅ
投入冗余率
Ｉｎｐｕｔ ｒｅｄｕｎｄａｎｃｙ ｒａｔｅ （％）
资本
Ｃａｐｉｔａｌ
能源消费总量
Ｅｎｅｒｇｙ ｃｏｎｓｕｍｐｔｉｏｎ
土地
Ｌａｎｄ
非期望产出冗余率
Ｕｎｄｅｓｉｒａｂｌｅ ｏｕｔｐｕｔ
ｒｅｄｕｎｄａｎｃｙ ｒａｔｅ （％）
ＣＯ２排放量
ＣＯ２ ｅｍｉｓｓｉｏｎ
期望产出冗余率
Ｄｅｓｉｒａｂｌｅ ｏｕｔｐｕｔ
ｒｅｄｕｎｄａｎｃｙ ｒａｔｅ （％）
ＧＤＰ
重庆 Ｃｈｏｎｇｑｉｎｇ １．０００ ０ ０ ０ ０ ０
四川 Ｓｉｃｈｕａｎ １．０００ ０ ０ ０ ０ ０
贵州 Ｇｕｉｚｈｏｕ ０．５１２ ２９．７ ５３．３ １０．８ ６８．８ ０
云南 Ｙｕｎｎａｎ ０．７１５ ２１．１ ２０．６ ０ ４０．８ ０
广西 Ｇｕａｎｇｘｉ １．０００ ０ ０ ０ ０ ０
陕西 Ｓｈａａｎｘｉ １．０００ ０ ０ ０ ０ ０
甘肃 Ｇａｎｓｕ ０．５５１ ２０．５ ３７．７ ２７．５ ５９．３ ０
青海 Ｑｉｎｇｈａｉ ０．５９７ ３４．５ ６０．１ ０ ２９．２ ０
宁夏 Ｎｉｎｇｘｉａ ０．２８１ ４４．６ ７１．４ ６３．０ ８６．７ ０
新疆 Ｘｉｎｊｉａｎｇ ０．３９３ ４５．８ ５５．４ ３７．８ ７３．３ ０
内蒙古 Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ １．０００ ０ ０ ０ ０ ０
均值 Ａｖｅｒａｇｅ ０．７３２ １７．８ ２７．２ １２．７ ３２．６ ０
方差 Ｖａｒｉａｎｃｅ ０．０７８ ３５２．３ ８３６．８ ４５１．３ １１９９．５ ０
利用效率不高的问题较突出，需要改善和提高能源
利用技术，减少 ＣＯ２排放量；土地投入冗余率相对最
低，只有 １２．７％，在建设用地相对紧张的时代出现土
地投入冗余，一方面可能是西部地区地广人稀，可利
用土地相对于东部地区要多，另一方面也说明西部
地区存在一些土地不合理利用现象，土地资源存在
一定程度上的过度开发或不必要开发；另外，资本投
入也存在较多冗余，说明西部地区存在一定的资本
利用不合理现象．
分省（区、市）来看，不同地区的投入、产出冗余
率存在一定的差异．各省（区、市）的效率损失均是由
于投入和非期望产出过多引起的．除青海外，其他省
（区、市）效率损失的最主要原因都是 ＣＯ２排放过
多，其中宁夏表现得最为突出，其 ＣＯ２排放冗余高达
８６．７％，同时，宁夏的其他各项投入冗余率也相对较
高，从而导致其环境效率值是 １１ 个省（区、市）中最
低的．对于青海，冗余率最大的是能源消费总量，但
其 ＣＯ２排放冗余是西部地区中最低的，一定程度上
说明青海在节能上表现不好，但在减排上相对于其
他非有效区域要好．在非有效 ＤＭＵ 中，只有云南和
青海未出现土地投入冗余情况，说明这两个地区的
土地资源利用较合理，而其他地区都需要强化土地
资源管理，优化土地资源配置．在资本投入上，６ 个
非有效地区均有不同程度的冗余，需要进行有效的
资金整合与优化配置．总之，从整体和局部来看，能
源消费量和 ＣＯ２排放量过多是效率损失的两个最主
要因素，因此应该将节能减排作为重点来改善西部
地区的环境质量．
２􀆰 ２　 环境效率动态变化分析
从表 ４可以看出，就整个西部地区而言，在碳排
放约束下，其 Ｍａｌｍｑｕｉｓｔ 指数均大于 １，且在 ２００６—
２００７年达到最大值 １．０９８，说明西部大开发以来，西
部地区的环境在逐年稳步地改善，其中 ２００６—２００７
年进步最大，这与前文提到的在 ２００６年开始实施国
家“十一五”规划相一致．就各省（区、市）而言，西部
大开发以来，其环境质量均得到了改善，其中内蒙古
的提升幅度最大，达到 １１％．结合前文，虽然宁夏每
年的相对效率都是最低的，但其环境状况也正在得
到逐年改善．对比 ２００８—２０１２ 年四川、云南、陕西的
Ｍａｌｍｑｕｉｓｔ指数，四川、陕西两省的 Ｍａｌｍｑｕｉｓｔ指数值
整体大于云南，说明四川、陕西两省环境改善的程度
更大，一定程度上再次说明了四川、陕西的环境效率
演变为相对有效，而云南由相对有效演变为相对无
效．但是在整体环境提升的大背景下，也存在环境质
量倒退的现象，如重庆在 ２００４—２００５ 年、云南在
２００２—２００３ 年及 ２００４—２００５ 年、陕西在 ２０００—
２００１年均出现了不同程度的环境倒退现象，虽然广
西一直处于有效前沿面上，但在 ２００２—２００３ 年及
２００３—２００４年也出现了一定的环境倒退．总体而言，
随着西部大开发的实施，西部地区技术水平的提高，
民众环保意识的加强，西部地区的环境状况正朝着
良性的可持续发展方向逐步迈进．
６２８１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
表 ４　 ２０００—２０１２年中国西部地区环境效率Ｍａｌｍｑｕｉｓｔ动态变化指数
Ｔａｂｌｅ ４　 Ｃｈａｎｇｅ ｏｆ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｉｎ Ｗｅｓｔｅｒｎ Ｃｈｉｎａ ｂａｓｅｄ ｏｎ Ｍａｌｍｑｕｉｓｔ ｉｎｄｅｘ ｆｒｏｍ ２０００ ｔｏ ２０１２
省份
Ｐｒｏｖｉｎｃｅ
年 份 Ｙｅａｒ
２０００—
２００１
２００１—
２００２
２００２—
２００３
２００３—
２００４
２００４—
２００５
２００５—
２００６
２００６—
２００７
２００７—
２００８
２００８—
２００９
２００９—
２０１０
２０１０—
２０１１
２０１１—
２０１２
均值
Ａｖｅｒａｇｅ
方差
Ｖａｒｉａｎｃｅ
重庆 Ｃｈｏｎｇｑｉｎｇ １．０８６ １．０２４ １．０１１ １．０３２ ０．９５８ １．０５７ １．０８９ １．０７５ １．０６０ １．０７１ １．０４８ １．１０９ １．０５２ ０．００２
四川 Ｓｉｃｈｕａｎ １．０６２ １．０５３ １．０６５ １．０９９ １．０９８ １．１７２ １．０８０ １．０６３ １．０５９ １．０７６ １．０７９ １．０７３ １．０８２ ０．００１
贵州 Ｇｕｉｚｈｏｕ １．０７６ １．０７６ １．０７１ １．１２６ １．０６６ １．０６９ １．１６４ １．０８３ １．００７ １．１１６ １．０６２ １．００９ １．０７７ ０．００２
云南 Ｙｕｎｎａｎ １．０４８ １．０１６ ０．９７４ １．０４７ ０．９９９ １．００７ １．０５９ １．０３２ １．０５２ １．０１５ １．０７０ １．０６２ １．０３２ ０．００１
广西 Ｇｕａｎｇｘｉ １．０７０ １．０２３ ０．９９９ ０．９９７ １．０４１ １．０８１ １．０５３ １．０７４ １．０６７ １．０１９ １．０３３ １．０５８ １．０４３ ０．００１
陕西 Ｓｈａａｎｘｉ ０．９８５ １．０２２ １．０４５ １．０３５ １．０４２ １．０２６ １．０８５ １．１１０ １．０８１ １．０４５ １．０６２ １．０５５ １．０４９ ０．００１
甘肃 Ｇａｎｓｕ １．０８３ １．０５８ １．０８６ １．０７７ １．０７２ １．０８２ １．０８３ １．０６７ １．０７８ １．０７６ １．０６１ １．０８４ １．０７６ ０．０００
青海 Ｑｉｎｇｈａｉ １．０３７ １．１０３ １．０６２ １．０８９ １．０３９ １．０６６ １．１０７ １．１２８ １．０８４ １．１４１ １．０４７ １．１００ １．０８４ ０．００１
宁夏 Ｎｉｎｇｘｉａ １．０４０ １．０８１ １．０２９ １．０６１ １．０６０ １．０８８ １．０８１ １．０７０ １．０７８ １．０７７ １．０２１ １．０７０ １．０６３ ０．０００
新疆 Ｘｉｎｊｉａｎｇ １．０６４ １．０７０ １．０７６ １．０８３ １．０７８ １．０２６ １．０９２ １．０３４ １．０２６ １．０５２ １．０１８ １．０４４ １．０５５ ０．００１
内蒙古 Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ １．０８３ １．１０８ １．１２５ １．１２９ １．１５２ １．０７９ １．１８１ １．１２２ １．１０８ １．１００ １．０５９ １．０７３ １．１１０ ０．００１
均值 Ａｖｅｒａｇｅ １．０５８ １．０５８ １．０４９ １．０７０ １．０５５ １．０６８ １．０９８ １．０７８ １．０６４ １．０７２ １．０５１ １．０６７ １．０６６ －
方差 Ｖａｒｉａｎｃｅ ０．００１ ０．００１ ０．００２ ０．００２ ０．００３ ０．００２ ０．００２ ０．００１ ０．００１ ０．００１ ０．０００ ０．００１ － －
２􀆰 ３　 环境效率影响因素分析
参考已有相关研究［４０－４１］及数据的可获得性，本
文选择能源强度、产业结构、经济强度、政府规制以
及对外开放作为西部地区碳排放约束下的环境效率
影响因素进行深入分析．各变量解释说明如表 ５，数
据来源于文献［３５－３６，４２］及各地区统计年鉴．本文
以环境效率值为因变量，影响因素为自变量进行回
归分析，定量分析相关影响因素与环境效率的关系．
因为环境效率处于 ０ ～ １ 之间，属于受限因变量，因
而本文采用 Ｔｏｂｉｔ回归模型进行回归分析，以 Ｅｖｉｅｗｓ
７．０ 为计算平台，计算结果如表 ６所示．
　 　 根据回归分析结果可知，在西部整体范围内：
１）能源结构与环境效率具有极显著的负向相关性，
能源强度每提高 １％，环境效率将下降 ０．２４％．２）在
产业结构方面，第三产业比重对环境效率具有负向
影响，且通过 ０．１显著性水平检验，即第三产业比重
表 ５　 影响因素变量说明
Ｔａｂｌｅ ５　 Ｄｅｓｃｒｉｐｔｉｏｎ ｏｆ ｉｎｆｌｕｅｎｃｉｎｇ ｖａｒｉａｂｌｅｓ
变量
Ｖａｒｉａｂｌｅ
变量说明
Ｖａｒｉａｂｌｅ ｄｅｓｃｒｉｐｔｉｏｎ
能源强度
Ｅｎｅｒｇｙ ｉｎｔｅｎｓｉｔｙ
能源消费总量 ／ ＧＤＰ 总量
（每万元 ｔ标准煤）
产业结构
Ｉｎｄｕｓｔｒｉａｌ ｓｔｒｕｃｔｕｒｅ
第三产业
比重
第三产业生产总值 ／ ＧＤＰ 总
量（％）
工业比重 工业生产总值 ／ ＧＤＰ 总量
（％）
政府规制
Ｇｏｖｅｒｎｍｅｎｔ ｒｅｇｕｌａｔｉｏｎ
排污费收入 ／ ＧＤＰ 总量（％）
经济强度
Ｅｃｏｎｏｍｉｃ ｉｎｔｅｎｓｉｏｎ
人均 ＧＤＰ（万元）
对外开放
Ｏｐｅｎｉｎｇ⁃ｕｐ
进出口贸
易
进出口贸易总值 ／ ＧＤＰ 总量
（％）
外商直接
投资
外商直接投资额 ／ ＧＤＰ 总量
（％）
越大，环境效率越低，且其对环境效率的影响程度要
大于工业比重对环境效率的影响；工业比重与环境
效率负向相关，但没有通过显著性检验．３）政府规制
正向影响环境效率，说明西部地区的环境排污费征
收等政府强制手段有助于环境效率的提高，但这并
不显著，表明两者没有明显的相关关系，也可能是西
部地区没有建立明确的碳权交易机制所引起． ４）人
均 ＧＤＰ 对环境效率的影响为正，但影响程度很小，
且不显著．５）在对外开放方面，进出口贸易总额对环
境效率具有负效应，且通过了 ０．０１ 水平的极显著检
验；而外商直接投资对环境效率具有 ０．０５ 显著水平
的正向效应．
表 ６　 环境效率影响因素 Ｔｏｂｉｔ回归结果
Ｔａｂｌｅ ６　 Ｔｏｂｉｔ ｒｅｇｒｅｓｓｉｏｎ ｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ｆａｃｔｏｒｓ ｉｎｆｌｕｅｎｃｉｎｇ
ｔｈｅ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ
变量
Ｖａｒｉａｂｌｅ
相关系数
Ｃｏｒｒｅｌａｔｉｏｎ
ｃｏｅｆｆｉｃｉｅｎｔ
Ｚ统计量
Ｚ ｓｔａｔｉｓｔｉｃ
Ｐ
能源强度
Ｅｎｅｒｇｙ ｉｎｔｅｎｓｉｔｙ
－０．２４３６ ∗∗∗ －１１．４６５４ ０．００００
产业结构
Ｉｎｄｕｓｔｒｙ ｓｔｒｕｃｔｕｒｅ
第三产业
比重
－０．０１４６ ∗ －１．６８７５ ０．０９１５
工业比重 －０．００１５ －０．２０９４ ０．８３４１
政府规制
Ｇｏｖｅｒｎｍｅｎｔ ｒｅｇｕｌａｔｉｏｎ
０．３３２６ ０．４７５５ ０．６３４５
经济强度
Ｅｃｏｎｏｍｉｃ ｉｎｔｅｎｓｉｏｎ
４．４１×１０－６ ０．８６０７ ０．３８９４
对外开放
Ｏｐｅｎｉｎｇ⁃ｕｐ
进出口贸
易 －０．０１２２
∗∗∗ －３．１４３７ ０．００１７
外商直接
投资
０．０５００ ∗∗ ２．２９２６ ０．０２１９
常数 Ｃ
Ｃｏｎｓｔａｎｔ Ｃ
１．９９０７ ∗∗∗ ３．９０２２ ０．０００１
∗Ｐ＜０．１； ∗∗Ｐ＜０．０５； ∗∗∗Ｐ＜０．０１．
７２８１６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 容建波等： 碳排放约束下中国西部地区环境效率评价　 　 　 　 　 　
３　 讨论与建议
３􀆰 １　 产业结构与环境效率
本研究得出第三产业比重与环境效率负向相
关，这有悖于一般的理论预测，其原因可能在于西部
地区为求在短期内提高地区经济水平，在经济发展
过程中“重二产，轻三产”，致使西部地区第三产业
企业总体规模相对较小，发展水平较低，处于粗放发
展阶段，环保意识不强，也无法承担治理污染的成本
投资，在一定程度上说明西部地区第三产业的低碳
作用没有得到有效发挥，急需科技提升．这与李健
等［４３］、刘广为等［４４］的研究结果相仿．工业比重与环
境效率负向相关但没有通过显著性检验，与仲云云
等［４１］在全国尺度下研究得出工业比重极显著降低
中国环境效率的结论有所不同．这是否意味着中国
西部地区工业比重的增加不会降低环境效率值？ 本
研究认为不显著的原因可能在于：在西部地区发展
过程中，受东部地区发展经验的启示，西部地区逐渐
意识到“先污染后治理”的不可持续性；同时，近年
来的国家政策也注重对工业产业进行技术创新和改
革，鼓励高污染、高能耗的工业企业向低污染、低能
耗、高效率转变．也可能是西部地区工业比重的提高
增加了污染物等非期望产出的同时，也增加了地区
ＧＤＰ 等期望产出［４５］，期望产出和非期望产出产生了
一定的相互抵消，最终使得环境效率没有出现明显
变化．西部地区产业结构对环境效率的影响机制有
待深入的研究．
３􀆰 ２　 对外开放程度与环境效率
张伟等［４６］在长三角都市圈环境约束下的能源
效率研究中得出，外商直接投资对环境效率具有负
面影响，与本研究得出的结果相反．其原因可能在
于，西部地区原本处于较低的生产水平，外商直接投
资带来了先进的生产技术和管理理念，使得西部地
区的生产效率有了显著提高，经济增加幅度大于污
染增加幅度，从而提高环境效率．同时，西部地区在
引进外资时注意将其引入到高科技、低污染产业，进
行低碳集约生产．进出口贸易极显著降低环境效率
主要是因为西部地区在对外贸易中尚处于经济链条
的低端，主要负责来料加工与组装，技术含量低且能
耗大．西部地区的出口商品以高能耗、低附加值的商
品为主．进口商品则以低能耗、高附加值的商品为
主，换言之，西部地区的对外贸易增长是以能源消耗
和环境污染为代价的．
３􀆰 ３　 建议
本文针对中国西部地区的环境效率作了一些新
的尝试研究，弥补了现有研究的不足，但环境效率评
价是一项综合的系统工程，尚有许多工作有待深入
研究：１）研究空间有待拓展．本文只针对西部地区进
行研究，没有与中国的其他区域进行比较分析，不能
很好地发现西部地区与其他地区的差别所在；２）没
有深入分析引起环境效率动态变化的原因及作用大
小，这有待在后续研究中进行分析．本文只考虑了
ＣＯ２一种污染物而忽略了其他污染物，后续研究中
应优化评价模型，考虑多种污染物进行全要素环境
效率评价．
对促进西部地区节能减排、区域低碳可持续发
展提出以下政策建议：１）西部地区在引进国内外先
进技术的同时应加强本土技术创新，促使能源利用
率在 ２０１２年的基础上提高 ２７ 个百分点，同时降低
出口产品的能耗，提升其附加值，使其从能耗型产品
向科技型产品转变；２）优化产业结构，淘汰高能耗、
高污染产业，减少 ３３％的 ＣＯ２排放量；３）加快第三产
业结构调整与优化升级，提升第三产业的规模和市
场竞争力，使其真正发挥低碳产业的作用；４）土地
开发利用方面，应合理制定土地利用规划，控制利用
规模，在 ２０１２ 年基础上减少 １２％的建设用地量；５）
在引进外国资本时，注意将其引入到高科技、低能耗
产业．
参考文献
［１］　 Ｌｉ Ｊ （李 　 静）． Ｓｔｕｄｙ ｏｎ ｔｈｅ Ｒｅｇｉｏｎａｌ Ｄｉｆｆｅｒｅｎｃｅ ｏｆ
Ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ ａｎｄ Ｉｔｓ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｒｅｇｕｌａｔｉｏｎ． Ｂｅｉ⁃
ｊｉｎｇ： Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅｓ Ｌｉｔｅｒａｔｕｒｅ Ｐｒｅｓｓ， ２０１２ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［２］　 Ｗａｎｇ Ｙ⁃Ｃ （王义琛）， Ｗａｎｇ Ｙ （王 　 远）， Ｚｈｕ Ｘ⁃Ｄ
（朱晓东）， ｅｔ ａｌ． Ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ ｃｈａｎｇｅ ａｎｄ ｉｔｓ ｄｒｉｖｉｎｇ
ｆａｃｔｏｒｓ ｉｎ Ｔｏｎｇｌｉｎｇ Ｃｉｔｙ ｏｆ Ａｎｈｕｉ Ｐｒｏｖｉｎｃｅ． Ｃｈｉｎｅｓｅ Ｊｏｕｒ⁃
ｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学报）， ２０１１， ２２
（２）： ４６０－４６６ （ｉｎ Ｃｈｉｎｅｓｅ）
［３］　 Ｈöｈ Ｈ， Ｓｃｈｏｅｒ Ｋ， Ｓｅｉｂｅｌ Ｓ． Ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ ｉｎｄｉｃａｔｏｒｓ ｉｎ
Ｇｅｒｍａｎ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｃｏｎｏｍｉｃ ａｃｃｏｕｎｔｉｎｇ． Ｓｔａｔｉｓｔｉｃａｌ
Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｕｎｉｔｅｄ Ｎａｔｉｏｎｓ Ｅｃｏｎｏｍｉｃ Ｃｏｍｍｉｓｓｉｏｎ ｆｏｒ
Ｅｕｒｏｐｅ， ２００２， １９： ４１－５２
［４］　 Ｚｈｕ Ｄ⁃Ｊ （诸大建）， Ｑｉｕ Ｓ⁃Ｆ （邱寿丰）． Ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ
ｉｎｄｉｃａｔｏｒｓ ａｎｄ ｔｈｅｉｒ ｄｅｍｏｎｓｔｒａｔｉｏｎ ａｓ ｔｈｅ ｃｉｒｃｕｌａｒ ｅｃｏｎｏ⁃
ｍｙ ｍｅａｓｕｒｅｍｅｎｔ ｉｎ Ｃｈｉｎａ． Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ ｉｎ
ｔｈｅ Ｙａｎｇｔｚｅ Ｂａｓｉｎ （长江流域资源与环境）， ２００８， １７
（１）： １－５ （ｉｎ Ｃｈｉｎｅｓｅ）
［５］　 Ｙｕ Ｘ⁃Ｘ （余幸幸）， Ｃｈｅｎ Ｄ⁃Ｊ （陈东景）． Ｒｅｓｅａｒｃｈ ｏｆ
ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ ｉｎｄｉｃａｔｏｒｓ ｉｎ Ｃｈｉｎａ． Ｅｃｏｎｏｍｉｃ Ｒｅｓｅａｒｃｈ
Ｇｕｉｄｅ （经济研究导刊）， ２０１３（１）： １５－ １６ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
８２８１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
［６］　 Ｚｈｏｕ Ｇ⁃Ｍ （周国梅）， Ｐｅｎｇ Ｈ （彭 　 昊）， Ｃａｏ Ｆ⁃Ｚ
（曹凤中）． Ｃｉｒｃｕｌａｒ ｅｃｏｎｏｍｙ ａｎｄ ｉｎｄｕｓｔｒｉａｌ ｅｃｏ⁃ｅｆｆｉｃｉｅｎ⁃
ｃｙ ｉｎｄｉｃａｔｏｒ ｓｙｓｔｅｍ． Ｕｒｂａｎ Ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ Ｕｒｂａｎ
Ｅｃｏｌｏｇｙ （城市环境与城市生态）， ２００３， １６ （ ６）：
２０１－２０３ （ｉｎ Ｃｈｉｎｅｓｅ）
［７］　 Ｌｉｕ Ｊ⁃Ｒ （刘晶茹）， Ｌｙｕ Ｂ （吕　 彬）， Ｚｈａｎｇ Ｎ （张　
娜）， ｅｔ ａｌ． Ｄｅｆｉｎｉｔｉｏｎ ａｎｄ ｅｖａｌｕａｔｉｏｎ ｉｎｄｉｃａｔｏｒｓ ｏｆ ｅｃｏ⁃
ｌｏｇｉｃａｌ ｉｎｄｕｓｔｒｉａｌ ｐａｒｋ’ ｓ ｃｏｍｐｌｅｘ ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ． Ａｃｔａ
Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生态学报）， ２０１４， ３４（１）： １３６－１４１
（ｉｎ Ｃｈｉｎｅｓｅ）
［８］　 Ｌｏｚａｎｏ Ｓ， Ｉｒｉｂａｒｒｅｎ Ｄ， Ｍｏｒｅｉｒａ ＭＴ， ｅｔ ａｌ． Ｔｈｅ ｌｉｎｋ ｂｅ⁃
ｔｗｅｅｎ ｏｐｅｒａｔｉｏｎａｌ ｅｆｆｉｃｉｅｎｃｙ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｉｍｐａｃｔｓ：
Ａ ｊｏｉｎｔ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｌｉｆｅ ｃｙｃｌｅ ａｓｓｅｓｓｍｅｎｔ ａｎｄ ｄａｔａ ｅｎ⁃
ｖｅｌｏｐｍｅｎｔ ａｎａｌｙｓｉｓ． Ｓｃｉｅｎｃｅ ｏｆ ｔｈｅ Ｔｏｔａｌ Ｅｎｖｉｒｏｎｍｅｎｔ，
２００９， ４０７： １７４４－１７５４
［９］　 Ｇ􀆩ｍｅｚ⁃Ｌ􀆩ｐｅｚ ＭＤ， Ｂａｙｏ Ｊ， Ｇａｒｃíａ⁃Ｃａｓｃａｌｅｓ ＭＳ， ｅｔ ａｌ．
Ｄｅｃｉｓｉｏｎ ｓｕｐｐｏｒｔ ｉｎ ｄｉｓｉｎｆｅｃｔｉｏｎ ｔｅｃｈｎｏｌｏｇｉｅｓ ｆｏｒ ｔｒｅａｔｅｄ
ｗａｓｔｅｗａｔｅｒ ｒｅｕｓｅ． Ｊｏｕｒｎａｌ ｏｆ Ｃｌｅａｎｅｒ Ｐｒｏｄｕｃｔｉｏｎ， ２００９，
１７： １５０４－１５１１
［１０］　 Ｍｏｎｔａｎａｒｉ Ｒ． Ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ａｎａｌｙｓｉｓ ｆｏｒ ｅｎｅｌ
ｔｈｅｒｍｏ⁃ｐｏｗｅｒ ｐｌａｎｔｓ． Ｊｏｕｒｎａｌ ｏｆ Ｃｌｅａｎｅｒ Ｐｒｏｄｕｃｔｉｏｎ，
２００４， １２： ４０３－４１４
［１１］　 Ｒｅｉｎｈａｒｄ Ｓ， Ｋｎｏｘ Ｌｏｖｅｌｌ ＣＡ， Ｔｈｉｊｓｓｅｎ ＧＪ． Ｅｎｖｉｒｏｎｍｅｎ⁃
ｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｗｉｔｈ ｍｕｌｔｉｐｌｅ ｅｎｖｉｒｏｎｍｅｎｔａｌｌｙ ｄｅｔｒｉｍｅｎｔａｌ
ｖａｒｉａｂｌｅｓ； ｅｓｔｉｍａｔｅｄ ｗｉｔｈ ＳＦＡ ａｎｄ ＤＥＡ． Ｅｕｒｏｐｅａｎ Ｊｏｕｒ⁃
ｎａｌ ｏｆ Ｏｐｅｒａｔｉｏｎａｌ Ｒｅｓｅａｒｃｈ， ２０００， １２１： ２８７－３０３
［１２］　 Ｗａｎｇ Ｂ （王　 兵）， Ｗｕ Ｙ⁃Ｒ （吴延瑞）， Ｙａｎ Ｐ⁃Ｆ （颜
鹏飞）． Ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｔｏｔａｌ
ｆａｃｔｏｒ ｐｒｏｄｕｃｔｉｖｉｔｙ ｇｒｏｗｔｈ ｉｎ Ｃｈｉｎａ’ ｓ ｒｅｇｉｏｎａｌ ｅｃｏｎｏｍ⁃
ｉｃｓ． Ｅｃｏｎｏｍｉｃ Ｒｅｓｅａｒｃｈ Ｊｏｕｒｎａｌ （经济研究）， ２０１０
（５）： ９５－１０９ （ｉｎ Ｃｈｉｎｅｓｅ）
［１３］　 Ｋｏｒｈｏｎｅｎ ＰＪ， Ｌｕｐｔａｃｉｋ Ｍ． Ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ ａｎａｌｙｓｉｓ ｏｆ
ｐｏｗｅｒ ｐｌａｎｔｓ： Ａｎ ｅｘｔｅｎｓｉｏｎ ｏｆ ｄａｔａ ｅｎｖｅｌｏｐｍｅｎｔ ａｎａｌｙ⁃
ｓｉｓ． Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｏｐｅｒａｔｉｏｎａｌ Ｒｅｓｅａｒｃｈ， ２００４，
１５４： ４３７－４４６
［１４］　 Ａｌｄａｎｏｎｄｏ⁃Ｏｃｈｏａ ＡＭ， Ｃａｓａｓｎｏｖａｓ⁃Ｏｌｉｖａ ＶＬ， Ａｒａｎｄｉａ⁃
Ｍｉｕｒａ Ａ． Ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ａｎｄ ｔｈｅ ｉｍｐａｃｔ ｏｆ ｒｅｇ⁃
ｕｌａｔｉｏｎ ｉｎ ｄｒｙｌａｎｄ ｏｒｇａｎｉｃ ｖｉｎｅ ｐｒｏｄｕｃｔｉｏｎ． Ｌａｎｄ Ｕｓｅ
Ｐｏｌｉｃｙ， ２０１４， ３６： ２７５－２８４
［１５］　 Ｚｈｏｕ Ｐ， Ａｎｇ ＢＷ， Ｐｏｈ ＫＬ． Ｍｅａｓｕｒｉｎｇ ｅｎｖｉｒｏｎｍｅｎｔａｌ
ｐｅｒｆｏｒｍａｎｃｅ ｕｎｄｅｒ ｄｉｆｆｅｒｅｎｔ ｅｎｖｉｒｏｎｍｅｎｔａｌ ＤＥＡ ｔｅｃｈｎｏ⁃
ｌｏｇｉｅｓ． Ｅｎｅｒｇｙ Ｅｃｏｎｏｍｉｃｓ， ２００８， ３０： １－１４
［１６］　 Ｌｉｕ Ｗ （刘 　 巍）， Ｔｉａｎ Ｊ⁃Ｐ （田金平）， Ｌｉ Ｘ （李 　
星）， ｅｔ ａｌ． Ｓｔｕｄｉｅｓ ｏｎ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｓｅｃ⁃
ｔｏｒ⁃ｉｎｔｅｇｒａｔｅ ｅｃｏ⁃ｉｎｄｕｓｔｒｉａｌ ｐａｒｋｓ ｗｉｔｈ ｄａｔａ ｅｎｖｅｌｏｐｍｅｎｔ
ａｎａｌｙｓｉｓ． Ｅｃｏｌｏｇｉｃａｌ Ｅｃｏｎｏｍｙ （生态经济）， ２０１２（７）：
１２５－１２８ （ｉｎ Ｃｈｉｎｅｓｅ）
［１７］　 Ｙａｎｇ Ｂ （杨　 斌）． Ｒｅｓｅａｒｃｈ ｏｎ ｒｅｇｉｏｎａｌ ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ
ｏｆ Ｃｈｉｎａ ｆｒｏｍ ２０００ ｔｏ ２００６： Ａｎ ｅｍｐｉｒｉｃａｌ ａｎａｌｙｓｉｓ
ｂａｓｅｄ ｏｎ ＤＥＡ． Ｅｃｏｎｏｍｉｃ Ｇｅｏｇｒａｐｈｙ （经济地理），
２００９， ２９（７）： １１９７－１２０２ （ｉｎ Ｃｈｉｎｅｓｅ）
［１８］　 Ｗａｎｇ Ｊ⁃Ｎ （王俊能）， Ｘｕ Ｚ⁃Ｃ （许振成）， Ｈｕ Ｘ⁃Ｂ （胡
习邦）， ｅｔ ａｌ． Ａｎａｌｙｓｉｓ ｏｆ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｉｅｓ ａｎｄ
ｔｈｅｉｒ ｃｈａｎｇｅｓ ｉｎ Ｃｈｉｎａ ｂａｓｅｄ ｏｎ ＤＥＡ ｔｈｅｏｒｙ． Ｃｈｉｎａ Ｅｎ⁃
ｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ （中国环境科学）， ２０１０， ３０（４）：
５６５－５７０ （ｉｎ Ｃｈｉｎｅｓｅ）
［１９］　 Ｂｉ Ｇ， Ｗａｎｇ Ｐ， Ｙａｎｇ Ｆ， ｅｔ ａｌ． Ｅｎｅｒｇｙ ａｎｄ ｅｎｖｉｒｏｎｍｅｎ⁃
ｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｏｆ Ｃｈｉｎａ＇ｓ ｔｒａｎｓｐｏｒｔａｔｉｏｎ ｓｅｃｔｏｒ： Ａ ｍｕｌｔｉｄｉ⁃
ｒｅｃｔｉｏｎａｌ ａｎａｌｙｓｉｓ ａｐｐｒｏａｃｈ． Ｍａｔｈｅｍａｔｉｃａｌ Ｐｒｏｂｌｅｍｓ ｉｎ
Ｅｎｇｉｎｅｅｒｉｎｇ， ２０１４， ２０１４： １－１２
［２０］　 Ｈａｈｎ Ｔ， Ｆｉｇｇｅ Ｆ， Ｌｉｅｓｅｎ Ａ， ｅｔ ａｌ． Ｏｐｐｏｒｔｕｎｉｔｙ ｃｏｓｔ
ｂａｓｅｄ ａｎａｌｙｓｉｓ ｏｆ ｃｏｒｐｏｒａｔｅ ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ： Ａ ｍｅｔｈｏｄｏｌｏ⁃
ｇｙ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｔｈｅ ＣＯ２ ⁃ｅｆｆｉｃｉｅｎｃｙ ｏｆ Ｇｅｒｍａｎ
ｃｏｍｐａｎｉｅｓ． Ｊｏｕｒｎａｌ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｍａｎａｇｅｍｅｎｔ，
２０１０， ９１： １９９７－２００７
［２１］ 　 Ｈｕａｎｇ Ｊ， Ｙａｎｇ Ｘ， Ｃｈｅｎｇ Ｇ， ｅｔ ａｌ． Ａ ｃｏｍｐｒｅｈｅｎｓｉｖｅ
ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ ｍｏｄｅｌ ａｎｄ ｄｙｎａｍｉｃｓ ｏｆ ｒｅｇｉｏｎａｌ ｅｃｏ⁃ｅｆｆｉ⁃
ｃｉｅｎｃｙ ｉｎ Ｃｈｉｎａ． Ｊｏｕｒｎａｌ ｏｆ Ｃｌｅａｎｅｒ Ｐｒｏｄｕｃｔｉｏｎ， ２０１４，
６７： ２２８－２３８
［２２］　 Ｚｈａｎｇ ＸＰ， Ｌｉ ＹＦ， Ｗｕ ＷＪ． Ｅｖａｌｕａｔｉｏｎ ｏｆ ｕｒｂａｎ ｒｅｓｏｕｒｃｅ
ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｉｎ Ｃｈｉｎａ ｂａｓｅｄ ｏｎ ｔｈｅ ＤＥＡ
ｍｏｄｅｌ． Ｊｏｕｒｎａｌ ｏｆ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｃｏｌｏｇｙ， ２０１４， ５： １１－
１９
［２３］　 Ｈｕ Ｙ⁃Ｙ （胡玉莹）． Ｏｎ Ｃｈｉｎａ’ ｓ ｅｎｅｒｇｙ ｃｏｎｓｕｍｐｔｉｏｎ，
ＣＯ２ ｅｍｉｓｓｉｏｎ ａｎｄ ｓｕｓｔａｉｎａｂｌｅ ｇｒｏｗｔｈ． Ｃｏｎｔｅｍｐｏｒａｒｙ Ｆｉ⁃
ｎａｎｃｅ ａｎｄ Ｅｃｏｎｏｍｉｃｓ （当代财经）， ２０１０（２）： ２９－３６
（ｉｎ Ｃｈｉｎｅｓｅ）
［２４］　 Ｔａｎｇ Ｘ⁃Ｌ （唐小力）， Ｚｈｕ Ｄ⁃Ｂ （祝东波）． Ａｎ ｅｍｐｉｒｉ⁃
ｃａｌ ａｎａｌｙｓｉｓ ｏｆ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ｉｎ ｗｅｓｔｅｒｎ ｒｅ⁃
ｇｉｏｎｓ ｏｆ Ｃｈｉｎａ ｕｓｉｎｇ ＤＥＡ． Ｊｏｕｒｎａｌ ｏｆ Ｃｈｏｎｇｑｉｎｇ Ｕｎｉｖｅｒ⁃
ｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ （Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅ） （重庆理工大学学
报：社会科学版）， ２０１２， ２６（４）： ２５－２９ （ｉｎ Ｃｈｉｎｅｓｅ）
［２５］　 Ｃｈａｎｇ Ｊ⁃Ｘ （常建新）， Ｙａｏ Ｈ⁃Ｑ （姚慧琴）． Ａｎ ｅｍｐｉｒｉ⁃
ｃａｌ ａｎａｌｙｓｉｓ ｏｆ ｅｎｖｉｒｏｎｍｅｎｔａｌ⁃ｅｃｏｎｏｍｉｃ ｅｆｆｉｃｉｅｎｃｙ ｉｎ
ｗｅｓｔｅｒｎ ｒｅｇｉｏｎｓ ｏｆ Ｃｈｉｎａ： Ｂａｓｅｄ ｏｎ ｕｎｄｅｓｉｒａｂｌｅ ＳＢＭ
ｍｏｄｅｌ． Ｊｏｕｒｎａｌ ｏｆ Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ
（Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅ） （内蒙古农业大学学报：社会科学
版）， ２０１１， １３（５）： ８３－８６ （ｉｎ Ｃｈｉｎｅｓｅ）
［２６］　 Ｚｈａｎｇ Ｘ⁃Ｍ （张雪梅）． Ｔｈｅ ｅｖａｌｕａｔｉｏｎ ａｎｄ ｄｙｎａｍｉｃ
ａｎａｌｙｓｉｓ ｏｆ ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ： Ｂａｓｅｄ ｏｎ ｐａｎｅｌ ｄａｔａ ｏｆ ｗｅｓｔ⁃
ｅｒｎ Ｃｈｉｎａ’ ｓ ｐｒｏｖｉｎｃｅｓ ２０００ － ２０１０． Ｅｃｏｎｏｍｉｃ Ｔｈｅｏｒｙ
ａｎｄ Ｂｕｓｉｎｅｓｓ Ｍａｎａｇｅｍｅｎｔ （经济理论与经济管理），
２０１３（２）： ７８－８５ （ｉｎ Ｃｈｉｎｅｓｅ）
［２７］　 Ｃｈａｒｎｅｓ Ａ， Ｃｏｏｐｅｒ ＷＷ， Ｒｈｏｄｅｓ Ｅ． Ｍｅａｓｕｒｉｎｇ ｔｈｅ ｅｆｆｉ⁃
ｃｉｅｎｃｙ ｏｆ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ｕｎｉｔｓ． Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｏｐ⁃
ｅｒａｔｉｏｎａｌ Ｒｅｓｅａｒｃｈ， １９７８， ２： ４２９－４４４
［２８］　 Ｙｉｎ Ｋ （尹 　 科）， Ｗａｎｇ Ｒ⁃Ｓ （王如松）， Ｚｈｏｕ Ｃ⁃Ｂ
（周传斌）， ｅｔ ａｌ． Ｒｅｖｉｅｗ ｏｆ ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ ａｃｃｏｕｎｔｉｎｇ
ｍｅｔｈｏｄ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎｓ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生
态学报）， ２０１２， ３２（１１）： ３５９５－３６０５ （ｉｎ Ｃｈｉｎｅｓｅ）
［２９］ 　 Ｃｏｏｐｅｒ ＷＷ， Ｓｅｉｆｏｒｄ ＬＭ， Ｔｏｎｅ Ｋ． Ｄａｔａ Ｅｎｖｅｌｏｐｍｅｎｔ
Ａｎａｌｙｓｉｓ： Ａ Ｃｏｍｐｒｅｈｅｎｓｉｖｅ Ｔｅｘｔ ｗｉｔｈ Ｍｏｄｅｌｓ， Ａｐｐｌｉｃａ⁃
ｔｉｏｎｓ， Ｒｅｆｅｒｅｎｃｅｓ ａｎｄ ＤＥＡ． ２ｎｄ Ｅｄ． Ｂｅｒｌｉｎ： Ｓｐｒｉｎｇｅｒ，
２００７
［３０］　 Ｐａｎ Ｄ （潘 　 丹）， Ｙｉｎｇ Ｒ⁃Ｙ （应瑞瑶）． Ａｇｒｉｃｕｌｔｕｒａｌ
ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ ｅｖａｌｕａｔｉｏｎ ｉｎ Ｃｈｉｎａ ｂａｓｅｄ ｏｎ ＳＢＭ ｍｏｄｅｌ．
Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生态学报）， ２０１３， ３３（１２）：
３８３７－３８４５ （ｉｎ Ｃｈｉｎｅｓｅ）
［３１］　 Ｔｏｎｅ Ｋ． Ａ ｓｌａｃｋｓ⁃ｂａｓｅｄ ｍｅａｓｕｒｅ ｏｆ ｅｆｆｉｃｉｅｎｃｙ ｉｎ ｄａｔａ ｅｎ⁃
ｖｅｌｏｐｍｅｎｔ ａｎａｌｙｓｉｓ． Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｏｐｅｒａｔｉｏｎａｌ Ｒｅ⁃
ｓｅａｒｃｈ， ２００１， １３０： ４９８－５０９
［３２］　 Ｌｉｕ Ｙ （刘　 勇）， Ｌｉ Ｚ⁃Ｘ （李志祥）， Ｌｉ Ｊ （李　 静）．
Ｃｏｍｐａｒａｔｉｖｅ ｓｔｕｄｙ ｏｎ ＤＥＡ ｍｅｔｈｏｄｓ ｏｆ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆ⁃
ｆｉｃｉｅｎｃｙ ｍｅａｓｕｒｅｍｅｎｔ． Ｍａｔｈｅｍａｔｉｃｓ ｉｎ Ｐｒａｃｔｉｃｅ ａｎｄ Ｔｈｅ⁃
９２８１６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 容建波等： 碳排放约束下中国西部地区环境效率评价　 　 　 　 　 　
ｏｒｙ （数学的实践与认识）， ２０１０， ４０（１）： ８４－９２ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［３３］　 Ｌｉ Ｊ （李　 静）， Ｃｈｅｎｇ Ｄ⁃Ｒ （程丹润）． Ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ
ａｃｒｏｓｓ ｒｅｇｉｏｎｓ ｉｎ Ｃｈｉｎａ ｂａｓｅｄ ｏｎ ＤＥＡ⁃ＳＢＭ ｍｏｄｅｌ． Ｊｏｕｒ⁃
ｎａｌ ｏｆ Ｈｅｆｅｉ Ｕｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ （Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ）
（合肥工业大学学报：自然科学版）， ２００９， ３２（８）：
１２０８－１２１１ （ｉｎ Ｃｈｉｎｅｓｅ）
［３４］　 Ｌｉｕ Ｂ⁃Ｌ （刘秉镰）， Ｌｉ Ｑ⁃Ｂ （李清彬）． Ｔｈｅ ｄｙｎａｍｉｃ
ａｎａｌｙｓｉｓ ｏｆ Ｃｈｉｎａ’ｓ ｃｉｔｙ ＴＦＰ： １９９０－２００６， ｂａｓｅｄ ｏｎ ｔｈｅ
Ｍａｌｍｑｕｉｓｔ ｉｎｄｅｘ ａｎｄ ＤＥＡ ｍｏｄｅｌ． Ｎａｎｋａｉ Ｅｃｏｎｏｍｉｃ
Ｓｔｕｄｉｅｓ （南开经济研究）， ２００９（３）： １３９ － １５２ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［３５］　 Ｎａｔｉｏｎａｌ Ｂｕｒｅａｕ ｏｆ Ｓｔａｔｉｓｔｉｃｓ （国家统计局）． Ｃｈｉｎａ Ｅｎ⁃
ｅｒｇｙ Ｓｔａｔｉｓｔｉｃａｌ Ｙｅａｒｂｏｏｋ： ２００１ － ２０１３． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ
Ｓｔａｔｉｓｔｉｃｓ Ｐｒｅｓｓ， ２００１－２０１３ （ｉｎ Ｃｈｉｎｅｓｅ）
［３６］　 Ｎａｔｉｏｎａｌ Ｂｕｒｅａｕ ｏｆ Ｓｔａｔｉｓｔｉｃｓ （国家统计局）． Ｃｈｉｎａ Ｓｔａ⁃
ｔｉｓｔｉｃａｌ Ｙｅａｒｂｏｏｋ： ２００１－２０１３． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ Ｓｔａｔｉｓｔｉｃｓ
Ｐｒｅｓｓ， ２００１－２０１３ （ｉｎ Ｃｈｉｎｅｓｅ）
［３７］　 Ｚｈａｎｇ Ｊ （张 　 军）， Ｗｕ Ｇ⁃Ｙ （吴桂英）， Ｚｈａｎｇ Ｊ⁃Ｐ
（张吉鹏）． Ｔｈｅ ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｃｈｉｎａ’ｓ ｐｒｏｖｉｎｃｉａｌ ｃａｐｉｔａｌ
ｓｔｏｃｋ： １９５２－２０００． Ｅｃｏｎｏｍｉｃ Ｒｅｓｅａｒｃｈ Ｊｏｕｒｎａｌ （经济研
究）， ２００４（１０）： ３５－４４ （ｉｎ Ｃｈｉｎｅｓｅ）
［３８］　 Ｓｈｅｎ Ｌ⁃Ｓ （沈利生）， Ｗａｎｇ Ｈ⁃Ｇ （王火根）． Ｈｏｗ ｄｏｅｓ
ＧＤＰ ａｆｆｅｃｔ ｉｔｓ ｄａｔａ ｒｅｖｉｓｉｏｎ ｄｅｆｌａｔｏｒ． Ｊｏｕｒｎａｌ ｏｆ Ｑｕａｎｔｉ⁃
ｔａｔｉｖｅ ＆ Ｔｅｃｈｎｉｃａｌ Ｅｃｏｎｏｍｉｃｓ （数量经济技术经济研
究）， ２００８， ２５（５）： １５５－１６０ （ｉｎ Ｃｈｉｎｅｓｅ）
［３９］　 ＩＰＣＣ． ２００６ ＩＰＣＣ Ｇｕｉｄｅｌｉｎｅｓ ｆｏｒ Ｎａｔｉｏｎａｌ Ｇｒｅｅｎｈｏｕｓｅ
Ｇａｓ Ｉｎｖｅｎｔｏｒｉｅｓ． Ｋａｎａｇａｗａ： Ｉｎｓｔｉｔｕｔｅ ｆｏｒ Ｇｌｏｂａｌ Ｅｎｖｉｒｏｎ⁃
ｍｅｎｔ Ｓｔｒａｔｅｇｉｅｓ， ２００６
［４０］　 Ｗａｎｇ Ｑ⁃Ｗ （王群伟）， Ｚｈｏｕ Ｐ （周　 鹏）， Ｚｈｏｕ Ｄ⁃Ｑ
（周德群）． Ｒｅｓｅａｒｃｈ ｏｎ ｄｙｎａｍｉｃ ｃａｒｂｏｎ ｄｉｏｘｉｄｅ ｅｍｉｓ⁃
ｓｉｏｎｓ ｐｅｒｆｏｒｍａｎｃｅ， ｒｅｇｉｏｎａｌ ｄｉｓｐａｒｉｔｙ ａｎｄ ａｆｆｅｃｔｉｎｇ ｆａｃ⁃
ｔｏｒｓ ｉｎ Ｃｈｉｎａ． Ｃｈｉｎａ Ｉｎｄｕｓｔｒｉａｌ Ｅｃｏｎｏｍｉｃｓ （中国工业经
济）， ２０１０（１）： ４５－５４ （ｉｎ Ｃｈｉｎｅｓｅ）
［４１］　 Ｚｈｏｎｇ Ｙ⁃Ｙ （仲云云）， Ｚｈｏｎｇ Ｗ⁃Ｚ （仲伟周）． Ｃｈｉｎａ’ｓ
ｒｅｇｉｏｎａｌ ｔｏｔａｌ ｆａｃｔｏｒ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ ｐｅｒｆｏｒｍａｎｃｅ ａｎｄ ｉｎ⁃
ｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ａｎａｌｙｓｉｓ． Ｊｏｕｒｎａｌ ｏｆ Ｂｕｓｉｎｅｓｓ Ｅｃｏｎｏｍｉｃｓ
（商业经济与管理）， ２０１２（１）： ８５－９６ （ｉｎ Ｃｈｉｎｅｓｅ）
［４２］　 Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｐｒｏｔｅｃｔｉｏｎ （国家环境保护
部）， Ｎａｔｉｏｎａｌ Ｂｕｒｅａｕ ｏｆ Ｓｔａｔｉｓｔｉｃｓ （国家统计局）． Ｃｈｉ⁃
ｎａ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｔａｔｉｓｔｉｃａｌ Ｙｅａｒｂｏｏｋ： ２００１－２０１３． Ｂｅｉ⁃
ｊｉｎｇ： Ｃｈｉｎａ Ｓｔａｔｉｓｔｉｃｓ Ｐｒｅｓｓ， ２００１－２０１３ （ｉｎ Ｃｈｉｎｅｓｅ）
［４３］　 Ｌｉ Ｊ （李　 健）， Ｚｈｏｕ Ｈ （周　 慧）． Ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ
ｏｆ ｃａｒｂｏｎ ｅｍｉｓｓｉｏｎ ｉｎｔｅｎｓｉｔｙ ａｎｄ ｉｎｄｕｓｔｒｉａｌ ｓｔｒｕｃｔｕｒｅ ｉｎ
Ｃｈｉｎａ． Ｃｈｉｎａ Ｐｏｐｕｌａｔｉｏｎ， Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ
（中国人口资源与环境）， ２０１２， ２２（１）： ７－ １４ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［４４］　 Ｌｉｕ Ｇ⁃Ｗ （刘广为）， Ｚｈａｏ Ｔ （赵 　 涛）． Ｔｈｅ ｃａｒｂｏｎ
ｅｍｉｓｓｉｏｎ ｉｎｔｅｎｓｉｔｙ ｆｏｒｅｃａｓｔ ａｎｄ ｔｅｒｔｉａｒｙ ｉｎｄｕｓｔｒｙ ｐｒｏｐｏｒ⁃
ｔｉｏｎ ｉｎｓｐｅｃｔｉｏｎ ａｎａｌｙｓｉｓ ｉｎ Ｃｈｉｎａ． Ｅｃｏｎｏｍｉｃ Ｍａｎａｇｅｍｅｎｔ
（经济管理）， ２０１２， ３４（５）： １４１－１５２ （ｉｎ Ｃｈｉｎｅｓｅ）
［４５］　 Ｚｅｎｇ Ｘ⁃Ｇ （曾贤刚）． Ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ａｎｄ ｉｔｓ
ｄｅｔｅｒｍｉｎａｎｔｓ ａｃｒｏｓｓ Ｃｈｉｎｅｓｅ ｒｅｇｉｏｎｓ． Ｅｃｏｎｏｍｉｃ Ｔｈｅｏｒｙ
ａｎｄ Ｂｕｓｉｎｅｓｓ Ｍａｎａｇｅｍｅｎｔ （经济理论与经济管理），
２０１１（１０）： １０３－１１０ （ｉｎ Ｃｈｉｎｅｓｅ）
［４６］　 Ｚｈａｎｇ Ｗ （张　 伟）， Ｗｕ Ｗ⁃Ｙ （吴文元）． Ｒｅｓｅａｒｃｈ ｏｎ
ｔｏｔａｌ ｆａｃｔｏｒ ｅｎｅｒｇｙ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｍｅｔｒｏｐｏｌｉｔａｎ ｒｅｇｉｏｎｓ ｏｆ
Ｙａｎｇｔｚｅ Ｒｉｖｅｒ ｄｅｌｔａ ｂａｓｅｄ ｏｎ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｐｅｒｆｏｒ⁃
ｍａｎｃｅ． Ｅｃｏｎｏｍｉｃ Ｒｅｓｅａｒｃｈ Ｊｏｕｒｎａｌ （经济研究）， ２０１１
（１０）： ９５－１０９ （ｉｎ Ｃｈｉｎｅｓｅ）
作者简介　 容建波，男，１９８８ 年生，硕士研究生．主要从事景
观生态学、城市生态学、生态规划研究． Ｅ⁃ｍａｉｌ： ｒｏｎｇｊｉａｎｂｏ＠
ｚｊｕ．ｅｄｕ．ｃｎ
责任编辑　 肖　 红
０３８１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷