2. 秦皇岛市统计局, 河北 秦皇岛 066000
2. Qinhuangdao Statistical Bureau, Qinhuangdao 066000, China
在全球气候极端变化和环境污染加重的背景下, 低碳经济受到越来越多的重视.国内外专家学者对经济发展和环境之间的关系进行了研究, Grossman指出, 环境质量和经济发展的联系呈现倒“U”型[1], Panayotou指出可以通过产业结构调整改善环境[2], Tapio的绝对脱钩[3], Sturluson证实了脱钩效应的存在[4], 经济合作发展组织(OECD)提出通过发展低碳经济来实现经济发展和环境改善[5].通过低碳经济发展评价找出当前经济发展中存在的问题和不足, 对节能减排、发展循环经济、构建和谐社会具有重要的意义.
1979年, 加拿大统计学家Rapport等提出了“压力-状态-响应”(PSR)模型, 之后又提出了PSIR、DSR和DPSIR等修正模型[6].1996年, 联合国可持续发展委员会(UNCSD)联合多家机构在PSR模型的基础上, 提出了“驱动力-状态-响应”(DFSR)模型.联合国统计局(UNSTAT)又在DFSR的基础上构建了可持续发展指标体系FISD(Framework for Indictors of Sustainable Development).欧盟委员会、欧洲环境局和日本也推出了相应的评价指标体系[7].2003年, 国家环境保护总局推出了生态县、生态市和生态省的试行指标[8].低碳经济评价方法研究有两大类.Shaw等用模糊层次分析法确定指标权重[9], Duan等采用AHP方法对经济进行评价[10],是以主观赋权为主的低碳经济评价研究.Long等通过熵权法确定指标权重对循环经济进行评价[11], 田晴等利用因子分析法对低碳经济进行评价[12], 是以客观赋权为主的低碳经济评价研究.
秦皇岛市作为低碳城市试点城市, 其低碳经济评价研究还不多.本文从指标体系构建、指标赋权和指标打分等方面, 构建低碳经济评价模型, 并对秦皇岛市2005~2015年的低碳经济进行实证研究.
1 低碳经济评价指标体系遵循科学性、可操作性、全面性和代表性的原则, 在“压力-状态-响应”(PSR)模型、“驱动力-状态-响应”(DFSR)模型和我国生态县、生态市和生态省的试行指标的基础上, 选择万元GDP综合能耗、万元增加值电耗、能源消费弹性系数和工业废水排放量等共计30个指标, 构建了秦皇岛市低碳经济评价指标体系, 如表 1所示.
1) 评价指标的基尼系数值.设:Gk为第k个指标的基尼系数值, Yki为第k个指标的第i年的数据, m为年数, μk为第k个指标所有数据的期望值.则第k个指标的Gini值Gk[13]:
(1) |
2) 评价指标的基尼系数权重.第k个指标的基尼系数权重gk通过式(2)计算:
(2) |
1) 评价指标的重要性排序.邀请低碳经济评价领域内的专家确定评价指标的重要性排序.
2) 基于基尼系数的相邻指标重要性之比确定.通过比较相邻两个指标的基尼系数值, 确定相邻指标xk-1与xk重要性程度之比rk:
(3) |
3) 组合权重确定.根据G1赋权法计算第m个指标组合权重[13]:
(4) |
由vm可得第m-1, …, 3, 2个指标的权重:
(5) |
1) 指标评分.利用式(6), (7)对正向和负向指标进行标准化消除指标类型和量纲对评价结果的影响[13].
(6) |
(7) |
其中:xki为第k个指标第i年的标准化值; Yki为第k个指标第i年的评价对象的值; n为被评价的对象个数.
2) 评价方程.第j个评价对象第i年的得分Aji:
(8) |
其中:wk为第k个指标的组合权重; m为指标数.
3 秦皇岛市2005~2015年低碳经济评价 3.1 评价对象和数据处理本文对秦皇岛市2005~2015年间的低碳经济发展状况进行评价.
指标数据通过秦皇岛市统计年鉴(2006~2016年)查得, 具体如表 1第4~14列所示.
利用式(6), (7)对表 1中的相关数据进行标准化处理, 具体列入表 2第4~14列.
1) 评价指标的重要性排序确定.由专家确定的评价准则重要性排序如下:
X1低碳经济发展水平≥X2低碳技术发展水平≥X3低碳能耗≥X4低碳污染减量排放≥X5低碳社会发展水平≥X6低碳生态环境质量.
2) 评价指标的基尼系数.把表 1中的相关数据代入式(1), 可以计算各个指标的基尼系数值, 根据式(2)可以计算指标的基尼系数权重.计算结果列入表 2.
3) 相邻指标的重要性之比的确定.根据指标的基尼系数权重, 利用式(3)可以计算相邻指标的重要性之比.结果列入表 2第17列.同理计算相邻准则的重要性之比, 列入表 2第18列.
4) 指标权重计算.把根据指标的Gini权重确定相邻指标的重要性之比代入式(4), (5)可计算指标的组合权重.
3.3 秦皇岛市2005~2015年低碳经济评价把表 2第4~14列中数据, 第21列的指标权重, 代入式(8)计算不同年份下各个评价对象的得分, 列入表 3.根据表 3得到图 1, 由表 3和图 1可以看出, 2005~2015年秦皇岛市低碳经济整体发展水平较好, 呈现持续变好的发展趋势, 尤其是在2009~2010年间.在六个评价准则中, 低碳经济发展水平的发展趋势较好, 尤其是2008年之后, 呈现较快增长的趋势.其次,低碳能耗得到了较好的控制, 呈现逐年好转的趋势(该准则内指标已经正向标准化, 所以得分越高越好).再次, 低碳社会发展水平整体水平不高, 但呈现逐年提高的态势.低碳生态环境质量方面, 秦皇岛市具有一定发展优势, 但在2010年之后, 整体发展水平却略有降低, 应当引起相关部门的重视, 提高秦皇岛市的生态环境质量.低碳技术发展水平和低碳污染减量排放两个准则波动稍大, 多次出现起伏, 但2013年后开始好转, 呈现上升趋势.
本文的主要工作有三:一是在经济合作发展组织(OECD)、联合国可持续发展委员会和国家环境保护总局等典型机构的低碳经济评价指标体系的基础上选择万元GDP综合能耗、万元增加值电耗、能源消费弹性系数和工业废水排放量等共计30个指标, 构建了秦皇岛市低碳经济评价指标体系;二是通过Gini修正G1组合赋权法确定指标权重, 建立了低碳经济评价模型;三是对秦皇岛市2005~2015年的低碳经济评价进行实证研究.实证结果表明秦皇岛市从2005到2015年的低碳经济发展整体趋势是逐年变好, 但不同的低碳经济发展准则呈现了不同的发展趋势, 为相关部门的低碳经济发展政策制定提供了一定的理论参考.
[1] | Grossman G M, Krueger A B. Environmental impacts of a North American free trade agreement[J]. NBER Working Papers, 2010(2): 44–47. |
[2] | Panayotou T. Economic growth and the environmental[J]. Economic Survey of Europe, 2011, 44(5): 99–111. |
[3] | Tapio P. Towards a theory of decoupling:degrees in the EU and the case of the road traffic in Finland between 1970 and 2011[J]. Transport Policy, 2012, 12(2): 137–151. |
[4] | Sturluson J T. Economic instrument for decoupling environmental pressure from economic growth[J]. Project Description, 2012, 13(1): 60–68. |
[5] |
王遥, 王鑫.
OECD国家的城市低碳融资工具创新及对中国的启示[J]. 国际金融研究, 2013(8): 33–41.
( Wang Yao, Wang Xin. Tools innovation of urban low carbon financing in OECD countries and revelation for China[J]. Studies of International Finance, 2013(8): 33–41. ) |
[6] | Rapport D, Friend A.Towards a comprehensive framework for environmental statistics:a stress-response approach[M].Ottawa:Statistics Canada, 1979. |
[7] | OE CD. Indicators to measure decoupling of environmental pressure from economic growth[M]. London: Routledge Press, 2004. |
[8] |
国家环境保护总局.
生态县、生态市、生态省建设指标(试行)[J]. 环境保护, 2003(9): 21–28.
( State Environmental Protection Administration. Construction index of ecological county, municipality and province (trial implementation)[J]. Environmental Protection, 2003(9): 21–28. ) |
[9] | Shaw K, Shankar R, Surendra S, et al. Supplier selection using fuzzy AHP and fuzzy multi-objective linear programming for developing low carbon supply chain[J]. Expert Systems with Applications, 2012, 39(9): 8182–8192. DOI:10.1016/j.eswa.2012.01.149 |
[10] | Duan Y, Mu H L, Li N, et al. Research on comprehensive evaluation of low carbon economy development level based on AHP-entropy method:a case study of Dalian[J]. Energy Procedia, 2016, 104(12): 468–474. |
[11] | Long R Y, Zhang X T. Negative entropy mechanism of the circular economy development countermeasures in mining area[J]. Procedia Earth and Planetary Science, 2009, 1(1): 1678–1685. DOI:10.1016/j.proeps.2009.09.258 |
[12] |
田晴, 杜丽娟.
我国省域低碳经济发展评价及建议-基于因子分析法[J]. 华北理工大学学报(社会科学版), 2017, 17(1): 33–37.
( Tian Qing, Du Li-juan. Evaluation and suggestion of development of provincial low-carbon economy in China[J]. Journal of North China University of Science and Technology(Social Science Edition), 2017, 17(1): 33–37. ) |
[13] |
李刚, 王翠萍, 庞卫宏, 等.
基于G1-Gini组合赋权的人的全面发展评价模型及实证[J]. 东北大学学报(自然科学版), 2011, 32(6): 904–907.
( Li Gang, Wang Cui-ping, Pang Wei-hong, et al. The human all-round development evaluation model and its empirical research based on G1-gini combination weighting[J]. Journal of Northeastern University(Natural Science), 2011, 32(6): 904–907. ) |