Evaluation and Optimization of Green Development Efficiency of Construction Industry in China

doi:10.12068/j.issn.1005-3026.2025.20230287

Abstract

Abstract:

An evaluation index system was established based on the green development and its efficiency in the construction industry.The static and dynamic efficiencies of green development in the construction industry at the national and provincial levels were estimated using the super efficiency SBM-ML model from 2008 to 2021. The results demonstrate that the static efficiency of green development in the construction industry in China is fluctuant rising. The efficiency value is greater than 1 for nine years. This implies that the green development in the construction industry is relatively effective. The green development efficiency in the construction industry has increased by an average of 1.7% annually， but the stability of dynamic efficiency in different years needs to be improved. The static efficiency of green development in the construction industry in each province shows a distribution of "high in the southeast and low in the northwest"， and the efficiency value in each province shows an obvious differentiation of "high， medium and low". While there are fluctuations in the dynamic efficiency levels of green development in the construction industry in each province， there is no obvious manifestation of specific geographical distribution patterns. Through analyzing the calculation results， relevant suggestions are put forward from the aspects of policies and enterprises to optimize the green development efficiency and promote the high-quality development in the construction industry.

Key words: construction industry, green development efficiency, super efficiency SBM-ML model, evaluation, optimization

CLC Number:

Xi-jing QI, Meng-xing ZHANG, Sheng-jin ZHANG. Evaluation and Optimization of Green Development Efficiency of Construction Industry in China[J]. Journal of Northeastern University(Natural Science), 2025, 46(4): 115-123.

Figures/Tables 8

References 14

1	Cook W D， Seiford L M. Data envelopment analysis（DEA）-thirty years on［J］. European Journal of Operational Research， 2009， 192（1）： 1-17.
2	齐锡晶，张晶钰，季红男. 沈阳房地产开发行业发展效率评价与优化［J］. 东北大学学报（自然科学版）， 2021， 42（6）： 893-899.
	Qi Xi-jing， Zhang Jing-yu， Ji Hong-nan. Development efficiency evaluation and optimization of Shenyang real estate industry［J］. Journal of Northeastern University （Natural Science）， 2021， 42（6）： 893-899.
3	齐锡晶，戴子龙，邓李杰，等. 沈阳城市土地供应效率的评价与优化［J］. 东北大学学报（自然科学版）， 2009， 30（31）： 1657-1661.
	Qi Xi-jing， Dai Zi-long， Deng Li-jie， et al. Evaluation and optimization of urban land supply efficiency in Shenyang［J］. Journal of Northeastern University （Natural Science）， 2009， 30（31）： 1657-1661.
4	Tone K. A slacks-based measure of efficiency in data envelopment analysis［J］. European Journal of Operational Research， 2001， 130（3）： 498-509.
5	Tone K. A slacks-based measure of super-efficiency in data envelopment analysis［J］. European Journal of Operational Research， 2002， 143（1）： 32-41.
6	Caves D， Christensen L， Diewert D. The economic theory of Index numbers and the measurement of input，output and productivity［J］.Econometrica. 1982， 50：1393-1414.
7	Chung Y H， Färe R， Grosskopf S. Productivity and undesirable outputs： a directional distance function approach［J］. Journal of Environmental Management， 1997， 51（3）： 229-240.
8	谭丹，王广斌，曹冬平. 建筑业全要素生产率的增长特征及其影响因素［J］. 同济大学学报（自然科学版）， 2015， 43（12）： 1901-1907.
	Tan Dan， Wang Guang-bin， Cao Dong-ping. Growth characteristics and influencing factors of Total factor productivity of construction industry［J］. Journal of Tongji University （Natural Science）， 2015， 43（12）： 1901-1907.
9	Luo M， Fan H Q， Liu G W. Measuring regional differences of construction productive efficiency in China［J］. Engineering， Construction and Architectural Management， 2020， 27（4）： 952-974.
10	Luo M， Fan H Q， Liu G W. A target-oriented DEA model for regional construction productive efficiency improvement in China［J］. Advanced Engineering Informatics， 2021， 47： 101208.
11	Zhou Y X， Liu W L， Lyu X Y， et al. Investigating interior driving factors and cross-industrial linkages of carbon emission efficiency in China’s construction industry： Based on Super-SBM DEA and GVAR model［J］. Journal of Cleaner Production， 2019， 241： 118322.
12	张普伟，贾广社，吴陆锋，等. 考虑材料投入的建筑业碳生产率及其敛散性［J］. 同济大学学报（自然科学版）， 2019， 47（1）： 149-158.
	Zhang Pu-wei， Jia Guang-she， Wu Lu-feng， et al. Carbon productivity and its convergence in construction industry by incorporating construction materials as input factors［J］. Journal of Tongji University （Natural Science）， 2019， 47（1）： 149-158.
13	Kumbhakar S C， Lien G， Hardaker J B. Technical efficiency in competing panel data models： a study of Norwegian grain farming［J］. Journal of Productivity Analysis， 2014， 41（2）： 321-337.
14	Färe R， Grosskopf S， Norris M. Productivity growth， technical progress， and efficiency change in industrialized countries： reply［J］. The American Economic Review， 1997， 87（5）： 1040-1044.

指标类型	一级指标	二级指标
投入	人员投入	建筑业从业人员数
	材料投入	建筑业钢材、水泥、木材、玻璃、铝材消耗量等
	机械投入	年末自有施工机械设备总功率、年末自有施工机械设备台数等
期望产出	实物产出	房屋竣工面积、房屋施工面积、房屋新开工面积等
期望产出	经济效益	建筑业总产值、建筑业利税总额、建筑业利润总额、建筑业税金总额等
非期望产出	污染强度	建筑业CO₂排放量

指标类型	一级指标	二级指标
投入	人员投入	建筑业从业人员数
	材料投入	建筑业钢材、水泥、木材、玻璃、铝材消耗量等
	机械投入	年末自有施工机械设备总功率、年末自有施工机械设备台数等
期望产出	实物产出	房屋竣工面积、房屋施工面积、房屋新开工面积等
期望产出	经济效益	建筑业总产值、建筑业利税总额、建筑业利润总额、建筑业税金总额等
非期望产出	污染强度	建筑业CO₂排放量

指标类型	一级指标	二级指标
投入	人员投入	X₁建筑业从业人员数
	材料投入	X₂建筑业钢材和水泥消耗总量
	机械投入	X₃年末自有施工机械设备总功率
	资金投入	X₄建筑业固定资产投资额
	技术投入	X₅科学技术支出占公共预算支出的比重
期望产出	实物产出	Y₁房屋竣工面积
	经济效益	Y₂建筑业总产值
	社会效益	Y₃常住人口城镇化率
非期望产出	污染强度	Z₁建筑业CO₂排放量

指标类型	一级指标	二级指标
投入	人员投入	X₁建筑业从业人员数
	材料投入	X₂建筑业钢材和水泥消耗总量
	机械投入	X₃年末自有施工机械设备总功率
	资金投入	X₄建筑业固定资产投资额
	技术投入	X₅科学技术支出占公共预算支出的比重
期望产出	实物产出	Y₁房屋竣工面积
	经济效益	Y₂建筑业总产值
	社会效益	Y₃常住人口城镇化率
非期望产出	污染强度	Z₁建筑业CO₂排放量

指标	X₁	X₂	X₃	X₄	X₅	Y₁	Y₂	Y₃	Z₁
X₁	1	0.578^*	0.795^**	0.924^**	0.591^*	0.887^**	0.969^**	0.957^**	0.932^**
X₂	0.578^*	1	0.668^*	0.544^*	0.543^*	0.696^*	0.614^*	0.557^*	0.723^*
X₃	0.795^**	0.668^*	1	0.617^*	0.352	0.905^**	0.789^**	0.687^**	0.812^**
X₄	0.924^**	0.544^*	0.617^*	1	0.658^*	0.749^**	0.940^**	0.985^**	0.917^*
X₅	0.591^*	0.543^*	0.352	0.658^*	1	0.576^*	0.535^*	0.610^*	0.554^*
Y₁	0.887^**	0.696^*	0.905^**	0.749^**	0.576^*	1	0.902^**	0.816^**	0.913^**
Y₂	0.969^**	0.614^*	0.789^**	0.940^**	0.535^*	0.902^**	1	0.967^**	0.924^**
Y₃	0.957^**	0.557^*	0.687^**	0.985^**	0.610^*	0.816^**	0.967^**	1	0.917^*
Z₁	0.932^**	0.723^*	0.812^**	0.917^*	0.554^*	0.913^**	0.924^**	0.917^*	1