内容摘要：本文依据现有的生态效率定义，构建城市工业生态效率评价指标体系，将工业生产过程中所排出的工业废水、工业废气和工业固体废物作为输入指标引入到数据包络分析模型中，结合统计年鉴中的具体数据，运用数据包络分析方法对安徽省17个城市的工业生态效率进行实证评价。评价结果表明，安徽城市工业生态效率的总体水平还比较低，平均纯技术效率只有0.64，有大批高污染低产出的企业需要通过技术革新或产业升级等举措提升生态环保水平。
关键词：生态效率 数据包络分析（DEA） 安徽 工业
问题的提出
目前，国内正面临着维护经济持续增长与推动生态环境文明的双重任务。大力发展低碳环保经济项目是党和国家刺激经济发展和促进社会文明转型的战略选择。生态效率既为发展低碳经济提供理论依据，也是度量环境友好的参照指标。实施生态效率将为我国企业在21世纪国际化潮流中取得显著经济效益提供重要机遇，同时它也是解决我国的环境与发展问题的有效手段，是提高我国国际竞争力的加速剂，也是人类社会可持续发展的必然需求，具有重大的社会效益。因此，分析和比较当前城市经济发展过程中工业生态效率现状很有现实价值和参考意义。
2009年9月23日，温家宝总理在主持召开国务院常务会议上通过《促进中部地区崛起规划》，这意味着“中部崛起”规划方案正式上升为国家战略。规划明确要求中部地区各省要“着力自主创新，调整优化结构，积极承接产业转移，大力推进新型工业化进程”。2010年，国务院正式批复了《皖江城市带承接产业转移示范区规划》，“安徽沿江城市带承接产业转移示范区建设”已经被纳入国家发展战略。这是到目前为止全国唯一以产业转移为主题的区域发展规划，是促进区域经济协调发展的重大举措，为推进安徽参与长三角区域的发展分工，探索中西部地区承接产业转移发展的新模式，并为中部地区加速崛起提供动力。安徽的工业发展迎来一个黄金期、既是挑战更是机遇，为此，本文选取安徽17个城市作为工业生态效率实证分析对象。
生态效率的内涵
生态效率一词源自英文的“eco-efficiency”，其中，“eco”既是生态学“ecology”的词根，又是经济学“economy”的词根，“efficiency”有“效率、效益”的含义，两者组合意味着应该兼顾生态和经济两方面的效率。生态效率的概念最早是在1990年由德国学者Sehaltegge和stunn首次在学术界提出。生态效率含义被广泛的认识和接受是通过世界可持续发展工商业联合会（The World Business Council for Sustainable Development，WBCSD） 在1992年出版的著作―《改变航向：一个关于发展与环境的全球商业观点》。该书指出，企业界应该改变长期以来作为污染制造者的形象，努力成为全球可持续发展的重要推动者。要实现该目标，应该发展一种环境和经济发展相结合的新概念―生态效率，以应对可持续发展的挑战。即“通过提供具有价格优势的服务和商品，在满足人类高质量生活需求的同时，将整个生命周期中对环境的影响降到至少与地球的估计承载力一致的水平上，简单说来，就是影响最小化，价值最大化”。
对应的量化计算公式为：生态效率=产品或服务的价值/环境影响。生态效率的核心思想是强调以较少资源投入和较低污染排放创造较高质量的产品,对工业企业来讲，就是要求企业在产品生产过程中，要用最少的资源和能源，生产最多的产品，并且对环境产生最小的影响，实现经济效益和环境效益的双赢。
生态效率评价方法选择
现阶段，世界可持续发展工商业联合会（WBSCD）和国内外一些学者提出了很多项生态效率的评价指标和许多种评价方法，但是很多方法在处理多种环境影响因素时较难统一，层次分析法又很难避免给定权重的主观因素，而且数据包络分析作为一种数学评价方法能有效避免上述不足。
数据包络分析方法（Data Envelopment Analysis，简称DEA 法）是1978年由美国著名运筹学家A．Charnes、W．W．Cooper和E．Rhodes等以“相对效率评价”概念为基础首先提出来的，它是一种对若干同类型的，具有多输入、多输出的决策单元（Decision Making Unit，简称DMU）进行相对效率比较的决策方法。其基本思路是把每一个被评价的对象视为一个决策单元（DMU），通过对各DMU投入产出比率的综合分析、以各DMU投入、产出指标的权重为变量进行运算，确定有效生产前沿面，并根据各DMU与有效生产前沿面的距离状况，确定各DMU是否DEA有效；与此同时应用投影方法指出非DEA有效的评价对象低效率的原因及量化的改进方向。
本文采用两个DEA模型来对安徽省17个城市、即17个DMU进行工业生态效率分析：一是规模收益不变的CCR模型（运筹学家Charnes，Cooper和Rhode在1978提出），获得各DMU的技术效率，即比较在相同的工业产出情况下，哪个城市的工业排污最少；二是规模收益可变的BCC模型（运筹学家Banker，Charnes和Cooper在1984年提出），获得各DMU的纯技术效率，即比较在相同的工业排污情况下，哪个工业产出最多；并用技术效率和纯技术效率的比值来获得各DMU的规模效率，即找出工业生态效率相对最优的城市。
生态效率的实证分析
通过对《2010年安徽省统计年鉴》数据的挖掘，整理出安徽省17个城市在2009年度若干项工业企业的生产和排污的基础统计数据（见表1）。
在工业生产过程中，所产生的工业废水、工业废气和工业废物越少越好，于是选取这3项作为效率评价的投入指标，选取全年工业总产值和增加值为产出指标。将上述表格中的基础数据分别采用CCR模型和BCC模型进行分析计算，并用计算软件DEAP实施具体的模型运算，计算结果如表2所示。
（一）总体效率分析
从表2中的数据处理结果可以看出，在所分析的安徽省17个城市中，总体效率（技术效率）为1（100%）的城市有2个，几乎只占到所有评价城市的十分之一，剩下接近90%的城市都是处在工业生态低效率的状态。其中合肥被非有效的城市作为比较参考的次数最多、达到了13次，是所有城市中工业污染控制相对最好的城市，最具有改进参考价值。
（二）纯技术效率分析
在表2中，有13个城市的纯技术效率是小于1的，所有城市的纯技术效率的平均值只有0.64，说明平均接近40%的污染排放没有获得应有的工业产出量。因此，安徽17个城市的整体工业发展水平还比较低，有大批高污染低产出的企业需要通过技术革新或产业升级等举措提升生态环保水平。
（三）规模效率分析
通过总体效率和纯技术效率的比值可获得规模效率，规模效率越接近1，表示规模大小越合适。如果等于1，则表示该决策单元处于固定规模报酬状态；如果小于1，则表示该决策单元处在规模报酬递增或者递减的低效率状态。
通过表2可知有15个城市的工业发展水平处在非规模有效的阶段，其中序号为2、3、4、6、7、10、11、14、15的这9个城市同处在规模报酬递增的状态，也就是说，目前这9个城市在工业发展过程中，产出比例的增加会大于工业废物的增加。而5、8、9、12、13、16这6个城市则处在规模报酬递减的状态，其产出比例的增加会小于工业废物的增加，因此这6个城市应有效控制工业规模，淘汰污染严重的落后企业，鼓励绿色环保的企业入驻城市发展，加强对工业废弃物循环利用的资金和技术投入，提升工业生态效率整体水平，提高城市环境质量。
（四）生态低效率城市的改进
借助DEAP软件做投影分析，对工业生态效率非有效的各城市计算出投入指标和产出指标的改进目标值，具体见表3。
结论
对城市工业生态效率的分析是考量城市工业可持续发展的重要内容，是促进城市经济朝着低碳、绿色方向迈进的重要手段。本文运用数据包络分析直接对《2010年安徽统计年鉴》中的基础数据进行比较和分析，省去了指标的规范化和权重处理，避免了主观因素的影响,简化了计算过程。该计算结果从一定程度上客观反映了安徽整体工业生态效率的基本现状，具有实际参考价值和实践指导意义。此外，需要指出的是，数据包络分析给出的只是评价对象之间的相对效率比较，不具有单独的评价意义，因此，针对每个区域或每个城市个体工业生态效率的评价和提升策略分析、以及工业废物的循环再利用和降污处理等内容，都有很多后续研究工作可以做。
参考文献：
1.岳媛媛,苏敬勤.生态效率：国外的实践与我国的对策[J].科学学研究，2004(2)
2.国务院.促进中部地区崛起规划承接国外发达国家及东部沿海地区产业转移.新华网，2009
3.商华，武春友.基于生态效率的生态工业园评价方法研究[J].大连理工大学学报(社会科学版)，2007(2)
4.张炳，毕军，黄和平，刘蓓蓓，袁婕.基于DEA的企业生态效率评价：以杭州湾精细化工园区企业为例[J].系统工程理论与实践，2008(4)
5.周国梅，彭昊，曹风中.循环经济和工业生态效率指标体系[J].城市环境与城市生态，2003(6)
6.魏权龄.数据包络分析[M].科学出版社，2004
7.田东平，苗玉凤，崔瑞锋.我国重点高校科研效率的DEA分析[J].科技管理研究，2005(8)