The Measurement of China’s Provincial Green Total Factor Productivity Based on DEA Method: Does the Choice of DEA Model Make Difference

doi:10.13209/j.0479-8023.2016.119

Abstract

Abstract:

Based on the empirical study of total provincial green factor productivity in China, it is found that the use of different DEA models will significantly affect the temporal and spatial distribution of provincial green total factor productivity, and the choice of efficiency measures affects less than the choice of production frontier Assumption. Further analysis shows that SBM model is more consistent with the real meaning of green total factor productivity. The results of SBM model show that China’s green total factor productivity (TFP) shows a decreasing trend from the eastern coastal regions to the western regions. Although the provincial total green factor productivity has improved during the period from 2005 to 2013, the difference among provinces has become bigger and bigger.

Key words: DEA, Malmquist index, green total factor productivity

摘要：

基于对我国省际绿色全要素生产率的实证研究, 发现使用不同的 DEA 模型会显著地影响省际绿色全要素生产率的时空分布特征, 不同效率测度指标的选择对于结果的影响远远小于不同的生产前沿面假设。进一步分析发现, SBM 模型更符合绿色全要素生产率的现实含义。基于 SBM 模型的研究结果表明, 我国绿色全要素生产率表现出从东部沿海地区到西部地区递减的趋势, 虽然 2005—2013 年期间在整体上有所改善, 然而省际之间的绿色全要素生产率差异却越来越大。

关键词: DEA, Malmquist指数, 绿色全要素生产率

CLC Number:

F205

Jie FENG, Shiqiu ZHANG. The Measurement of China’s Provincial Green Total Factor Productivity Based on DEA Method: Does the Choice of DEA Model Make Difference[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017, 53(1): 151-159.

冯杰, 张世秋. 基于DEA 方法的我国省际绿色全要素生产率评估—— 不同模型选择的差异性探析[J]. 北京大学学报自然科学版, 2017, 53(1): 151-159.

Add to citation manager EndNote|Ris|BibTeX

URL: https://xbna.pku.edu.cn/EN/10.13209/j.0479-8023.2016.119

https://xbna.pku.edu.cn/EN/Y2017/V53/I1/151

Figures/Tables 8

References 24

[1]	Charnes A, Cooper W W, Rhodes E.Measuring the efficiency of decision making units. European Journal of Operational Research, 1978, 2(6): 429-444
[2]	胡鞍钢, 郑京海, 高宇宁, 等. 考虑环境因素的省级技术效率排名(1999—2005). 经济学(季刊), 2008 (3): 933-960
[3]	孙立成, 周德群, 李群. 基于非径向DEA模型的区域环境绩效评价研究. 统计与信息论坛, 2009(7): 67-71
[4]	李俊, 徐晋涛. 省际绿色全要素生产率增长趋势的分析: 一种非参数方法的应用. 北京林业大学学报: 社会科学版, 2009(4): 139-146
[5]	程丹润, 李静. 环境约束下的中国省区效率差异研究:1990—2006. 财贸研究, 2009(1): 13-17, 66
[6]	王兵, 吴延瑞, 颜鹏飞. 中国区域环境效率与环境全要素生产率增长. 经济研究, 2010(5): 95-109
[7]	Zhou P, Ang B W, Poh K L.A survey of data envelopment analysis in energy and environmental studies. European Journal of Operational Research, 2008, 189(1): 1-18
[8]	Färe R, Grosskopf S, Lovell C A K, et al. Multilateral productivity comparisons when some outputs are undesirable: a nonparametric approach. The Review of Economics and Statistics, 1989, 71(1): 90-98
[9]	Chung Y H, Färe R, Grosskopf S.Productivity and undesirable outputs: a directional distance function approach. Journal of Environmental Management, 1997, 51(3): 229-240
[10]	Tone K.A slacks-based measure of efficiency in data envelopment analysis. European Journal of Opera-tional Research, 2001, 130(3): 498-509
[11]	Malmquist S.Index numbers and indifference surfaces. Trabajos de Estadistica, 1953, 4(2): 209-242
[12]	Goldsmith R W.A perpetual inventory of national wealth // Conference on Research in Income and Wealth. Studies in Income and Wealth, Volume 14. Cambridge, MA: NBER, 1951: 5-73
[13]	吴延瑞. 生产率对中国经济增长的贡献: 新的估计. 经济学(季刊), 2008(3): 827-842
[14]	Chow G C.Capital formation and economic growth in China. The Quarterly Journal of Economics, 1993: 809-842
[15]	张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算:1952—2000. 经济研究, 2004(10): 35-44
[16]	黄勇峰, 任若恩, 刘晓生. 中国制造业资本存量永续盘存法估计. 经济学(季刊), 2002(1): 377-396
[17]	王兵, 黄人杰. 中国区域绿色发展效率与绿色全要素生产率:2000—2010: 基于参数共同边界的实证研究. 产经评论, 2014(1): 16-35
[18]	王俊能, 许振成, 胡习邦, 等. 基于DEA理论的中国区域环境效率分析. 中国环境科学, 2010(4): 565-570
[19]	陈诗一. 节能减排与中国工业的双赢发展:2009—2049. 经济研究, 2010(3): 129-143
[20]	汪克亮, 杨宝臣, 杨力. 考虑环境效应的中国省际全要素能源效率研究. 管理科学, 2010(6): 100-111
[21]	杨俊, 邵汉华, 胡军. 中国环境效率评价及其影响因素实证研究. 中国人口 · 资源与环境, 2010(2): 49-55
[22]	吴琦, 武春友. 基于DEA的能源效率评价模型研究. 管理科学, 2009(1): 103-112
[23]	Scheel H.Undesirable outputs in efficiency valua-tions. European Journal of Operational Research, 2001, 132(2): 400-410
[24]	杨龙, 胡晓珍. 基于DEA 的中国绿色经济效率地区差异与收敛分析. 经济学家, 2010(2): 46-54

变量	名称	单位	最大值	最小值	平均值	标准差
K	固定资本存量	亿元	123009.3	1610	27372.6	23487.7
L	就业人数	万人	6580.4	297.8	2502.5	1705.0
E	能源消费量	万吨标准煤	39423.0	822.0	12176.6	7882.5
Y	区域生产总值	亿元	51520.3	543.3	11070.2	9659.6
U₁	SO₂排放量	万吨	200.2	2.2	76.67	44.78
U₂	COD排放量	万吨	198.3	7.2	56.7	40.1

变量	名称	单位	最大值	最小值	平均值	标准差
K	固定资本存量	亿元	123009.3	1610	27372.6	23487.7
L	就业人数	万人	6580.4	297.8	2502.5	1705.0
E	能源消费量	万吨标准煤	39423.0	822.0	12176.6	7882.5
Y	区域生产总值	亿元	51520.3	543.3	11070.2	9659.6
U₁	SO₂排放量	万吨	200.2	2.2	76.67	44.78
U₂	COD排放量	万吨	198.3	7.2	56.7	40.1

省份	生产率			Malmquist指数/%
省份	W-DDF	S-DDF	SBM	W-DDF	S-DDF	SBM
安徽	0.903	0.856	0.407	94.62	95.67	98.58
北京	1.000	1.000	1.000	107.26	105.18	101.73
福建	0.862	0.801	0.478	104.64	100.81	102.88
甘肃	0.971	0.805	0.312	93.08	94.85	98.87
广东	1.000	1.000	1.000	97.48	97.87	97.57
广西	1.000	0.689	0.383	99.00	94.57	101.03
贵州	1.000	0.661	0.250	97.92	95.52	100.18
海南	1.000	0.768	0.479	102.46	101.75	105.93
河北	0.789	0.730	0.357	94.28	94.83	100.29
河南	0.793	0.731	0.371	93.25	92.53	98.42
黑龙江	0.942	0.848	0.436	96.67	94.77	98.20
湖北	0.715	0.698	0.349	96.68	95.98	102.35
湖南	1.000	0.926	0.418	90.93	94.40	92.33
吉林	0.819	0.686	0.382	98.50	94.86	100.76
江苏	0.919	0.862	0.551	102.27	100.42	104.80
江西	0.997	0.813	0.412	97.14	97.00	100.43
辽宁	0.887	0.777	0.401	96.94	97.80	101.34
内蒙古	1.000	0.737	0.361	101.29	96.63	100.40
宁夏	1.000	0.509	0.218	92.41	94.63	99.19
青海	0.552	0.475	0.221	94.73	95.96	100.42
山东	0.927	0.864	0.469	93.56	96.95	99.69
山西	0.997	0.718	0.311	91.23	92.60	97.83
陕西	0.914	0.746	0.354	90.97	94.04	100.57
上海	1.000	1.000	1.000	104.12	105.61	108.81
四川	0.773	0.729	0.337	94.94	95.76	101.65
天津	0.914	0.865	0.588	99.45	100.66	106.50
新疆	0.852	0.642	0.306	98.38	98.74	99.59
云南	0.782	0.729	0.318	93.09	94.41	99.51
浙江	0.931	0.850	0.538	102.38	101.96	103.97
重庆	0.839	0.636	0.332	89.92	97.85	103.17

省份	生产率			Malmquist指数/%
省份	W-DDF	S-DDF	SBM	W-DDF	S-DDF	SBM
安徽	0.903	0.856	0.407	94.62	95.67	98.58
北京	1.000	1.000	1.000	107.26	105.18	101.73
福建	0.862	0.801	0.478	104.64	100.81	102.88
甘肃	0.971	0.805	0.312	93.08	94.85	98.87
广东	1.000	1.000	1.000	97.48	97.87	97.57
广西	1.000	0.689	0.383	99.00	94.57	101.03
贵州	1.000	0.661	0.250	97.92	95.52	100.18
海南	1.000	0.768	0.479	102.46	101.75	105.93
河北	0.789	0.730	0.357	94.28	94.83	100.29
河南	0.793	0.731	0.371	93.25	92.53	98.42
黑龙江	0.942	0.848	0.436	96.67	94.77	98.20
湖北	0.715	0.698	0.349	96.68	95.98	102.35
湖南	1.000	0.926	0.418	90.93	94.40	92.33
吉林	0.819	0.686	0.382	98.50	94.86	100.76
江苏	0.919	0.862	0.551	102.27	100.42	104.80
江西	0.997	0.813	0.412	97.14	97.00	100.43
辽宁	0.887	0.777	0.401	96.94	97.80	101.34
内蒙古	1.000	0.737	0.361	101.29	96.63	100.40
宁夏	1.000	0.509	0.218	92.41	94.63	99.19
青海	0.552	0.475	0.221	94.73	95.96	100.42
山东	0.927	0.864	0.469	93.56	96.95	99.69
山西	0.997	0.718	0.311	91.23	92.60	97.83
陕西	0.914	0.746	0.354	90.97	94.04	100.57
上海	1.000	1.000	1.000	104.12	105.61	108.81
四川	0.773	0.729	0.337	94.94	95.76	101.65
天津	0.914	0.865	0.588	99.45	100.66	106.50
新疆	0.852	0.642	0.306	98.38	98.74	99.59
云南	0.782	0.729	0.318	93.09	94.41	99.51
浙江	0.931	0.850	0.538	102.38	101.96	103.97
重庆	0.839	0.636	0.332	89.92	97.85	103.17

模型	β	标准误差	P	R²	收敛性结论
W-DDF	0.033295	0.038858	0.398807	0.025551	不收敛
S-DDF	0.0486*	0.024287	0.055166	0.125115	不收敛
SBM	0.021237**	0.009508	0.033679	0.15123	不收敛