2.4 研究内容、方法和技术路线

2.4.1 研究内容

本书共分7章，内容如下：

第1章 绪论。简要地介绍了选题的背景、目的和意义，系对国内外生态效率的研究综述。

第2章 研究区概况、研究内容与方法。首先对干旱区资源开发型城市及其四种类型进行了界定，然后从经济发展现状、资源开发利用现状和生态环境现状3个方面介绍典型干旱区资源开发省区——新疆维吾尔自治区现状，最后确定了本书研究内容、方法和技术路线。

第3章 新疆农业生态效率实证研究。采用超效率DEA模型法，选择资源消耗和环境污染作为投入指标、经济价值作为产出指标，构建农业生态效率评价指标体系，以2001—2015年连续15年新疆14个地州市农业面板数据为样本，从省级层面、区域层面、地州市层面对农业生态效率时空分布、变化特征、影响因素进行连续的、较为全面的测度分析；通过Malmquist指数分解来分析全要素生态效率、纯技术效率、技术效率、规模效率等重要指标的动态变化情况及其对农业生态效率的促进和制约机制；从投入产出冗余角度对农业生态效率损失原因进行分析并提出改善途径；运用Tobit模型研究农业生态效率的影响因素，并探究各因素对生态效率的作用机制；为后续探讨生态效率的提升途径奠定基础。

第4章 新疆工业生态效率实证研究。采用超效率DEA模型法，选择资源消耗和环境污染作为投入指标、经济价值作为产出指标，构建工业生态效率评价指标体系，以2001—2015年连续15年新疆14个地州市工业面板数据为样本，从省级层面、区域层面、地州市层面对工业生态效率时空分布、变化特征、影响因素进行连续的、较为全面的测度分析；通过Malmquist指数分解来分析全要素生态效率、纯技术效率、技术效率、规模效率等重要指标的动态变化情况及其对工业生态效率的促进和制约机制；从投入产出冗余角度对工业生态效率损失原因进行分析并提出改善途径；运用Tobit模型研究工业生态效率的影响因素，并探究各因素对生态效率的作用机制；为后续探讨生态效率的提升途径奠定基础。

第5章 新疆综合生态效率实证研究。采用超效率DEA模型法，选择资源消耗和环境污染作为投入指标、经济价值作为产出指标，构建新疆生态效率评价指标体系，以2001—2015年连续15年新疆14个地州市面板数据为样本，从省级层面、区域层面、地州市层面对生态效率、环境效率和资源效率时空分布、变化特征、影响因素进行连续的、较为全面的测度分析；通过Malmquist指数分解来分析全要素生态效率、纯技术效率、技术效率、规模效率等重要指标的动态变化情况及其对生态效率的促进和制约机制；从投入产出冗余角度对生态效率损失原因进行分析并提出改善途径；运用Tobit模型研究生态效率的影响因素并探究各因素对生态效率的作用机制；为后续探讨生态效率的提升途径奠定基础。

第6章 新疆生态效率存在的问题及提升策略研究。在第3、4、5章实证研究的基础上，梳理出农业生态效率、工业生态效率、综合生态效率研究中存在的问题，并从积极调整产业结构、促进产业结构优化升级，转变经济发展方式、推进经济转型、提高经济质量，科技创新、引进新技术，积极利用外资、提高外资引进质量，加强环境规划和环境保护管理五个方面分析和探讨了提升新疆农业生态效率、工业生态效率、综合生态效率的若干途径和方案，为推动建设“天蓝地绿水清”的“大美新疆”提供重要依据和指导。

第7章 结论与展望。对全书所做研究工作进行总结，归纳出本书创新点，并就需进一步深入探讨的问题进行展望。

2.4.2 研究方法

以2001—2015年连续15年新疆14个地州市农业、工业、综合面板数据为样本，采用超效率DEA模型法，选择资源消耗和环境污染作为投入指标、经济价值作为产出指标，构建生态效率评价指标体系，从省级层面、区域层面、地州市层面对农业、工业、综合生态效率时空分布、变化特征进行连续的、较为全面的测度分析；通过Malmquist指数分解来分析全要素生态效率、纯技术效率、技术效率、规模效率等重要指标的动态变化情况及其对生态效率的促进和制约机制；从投入产出冗余角度对生态效率损失原因进行分析并提出改善途径；运用Tobit模型研究生态效率的影响因素，并探究各因素对生态效率的作用机制；最后根据上述论证分析结果提出有针对性的生态效率提升策略。

在收集、整理、处理数据阶段查阅、录入、筛选、整理国家、省、市级年鉴和统计公报等资料中的大量原始数据；经初步统计计算得到不同时间、空间层次的有效决策单元数据；然后通过对比论证选择合适的模型进行计算进而得出时间、空间维度的静态、动态生态效率值；再统计计算冗余率，做影响因素回归分析；最后对数据进行统计分析、作图制表。

具体的研究方法如下：

2.4.2.1 传统的DEA模型和超效率DEA模型

Charnes等[166]于1978年提出旨在评价“多投入多产出”模式下决策单元间相对有效性的DEA-CCR模型。该模型是以相对效率概念为基础，根据多指标投入和多指标产出对于相同类型决策单元进行相对有效性或效益评级的一种系统性分析方法，在评价多投入多产出的复杂系统上具有一定优势。之后一些学者对传统DEA模型进行了研究[167-170]。Andersen等[171]提出了一种新模型——超效率DEA模型，它是在传统DEA模型基础上进一步改进得到的。新模型克服了CCR模型自身存在的缺点和不足，如无法对多个决策单元进行进一步的评估、比较和排序。新模型对传统数据包络模型进行了改进和完善，对生态效率的分析由半定量、半定性分析向全定量分析转变。

超效率 DEA模型的数学形式如下：

式中：θ表示决策单元的效率值；X和Y分别表示输入变量和输出变量；λ表示有效决策单元DMU中的组合比例，用来判别DMU的规模收益情况，∑λ ＜1、∑λ =1和∑λ ＞ 1分别表示规模效益递增、规模效益不变和规模效益递减；S-和S+为松弛变量。当θ ＜ 1，且同时满足S-≠0或者S+≠0时，可判断该决策单元没有达到最优效率；当θ≥1，且同时满足S- ≥0、S+ ≥0时，可判断该决策单元达到最优效率。

2.4.2.2 DEA-Malmquist指数法

Malmquist指数法原本是由Malmquist[172]提出，用于分析消费的定量指数， Richard[173]将其用于分析TFP（Total Factor Productivity）增长率，首次提出了Malmquist生产率指数。1994年由Fare等[174]构建的基于DEA的Malmquist 指数，通过不同时期的距离函数来描述不同时期的生产效率情况，并通过数据包络法来计算距离函数，该方法逐渐成为学者们在实证研究中普遍采用的一种非参数法。

根据Fare等[174]的研究，从t期到t + 1期的Malmquist指数可以表示为：

其中，Malmquist指数变动值即为全要素生产率（TFP）变动值，表示某决策单元在t到t + 1期生产率的变动程度。TFP＞1，生产率呈上升趋势；反之，生产率呈下降趋势。TFP可以分解为技术变化（TC）和效率变化（EC）, TC表示生产前沿面的移动对生产率的贡献程度，EC表示在第t期到t +1期中技术效率的变化对生产率的贡献程度。EC又可以分为PE（纯技术效率）和SE（规模效率）。

2.4.2.3 Tobit模型

除了选定的投入产出指标外，通过DEA模型获得的生态效率还受输入和输出指标以外的因素的影响。为了衡量影响DEA评估的生态效率的因素及其影响程度，Coelli[175]在1998年，基于DEA分析推导出两阶段方法。该方法的第一步使用DEA分析来估计决策单元的效率值。第二步以效率值为因变量、影响因素为自变量进行回归分析，并且自变量的系数决定了影响因素对生态效率的影响强度。

Tobit模型如下：

式中xi为自变量，yi为观察到的因变量，yi∗为潜变量，β为相关系数，εi为独立变量，扰动项εi ～ N（0, σ2）。

2.4.3 技术路线

本研究的技术路线如图2-1所示：

图2-1 技术路线图