摘要:本文在傳統(tǒng)DEA效率模型的基礎上,將產出細分為期望產出和非期望產出,以實際生產過程中人們追求期望產出最大化、非期望產出最小化的雙重目標,構建雙目標DEA模型,通過對非DEA有效的決策單元投入、產出的調整,使其達到DEA有效,從而提高環(huán)境效率評價的精度,利用實證分析驗證該模型是有效的。
關鍵詞:非期望產出;雙目標;環(huán)境效率
1.雙目標模型的建立
在實際生產過程中,我們期望在投入量保持不變時,使期望產出更多、非期望產出更少,但在生產中不斷增加DMU的投入時,一定會同時增加期望及非期望產出[1],如果單純的追求非期望產出減少,也會導致期望產出的減少[2].所以,本文構建最小化非期望產出、最大化期望產出的雙目標DEA模型.
假設有n個決策單元,記第j個決策單元DMUj的投入為
期望產出為 ,非期望產出為 .設m項投入、s項期望產出、k項非期望產出對應的權向量分別是
對第j0個決策單元DMUj0,建立雙目標規(guī)劃模型,即
αr、βt為期望、非期望產出的效率值;λj為投入的權重.
(1)式中如果αr和βt的最優(yōu)值均小于1,則說明仍能找到一個可在投入量不大于被評價的DMUj0時,獲得的期望產出比DMUj0多,而產生的非期望產出比DMUj0少的DMU.當αr=1,βt=1時,說明DMUj0的期望和非期望產出的量已達最優(yōu).
為簡化計算,將雙目標化簡為單目標。根據(jù)模型(1)中,以各指標及兩個目標的重要程度來賦權,得到模型(2).即
h0:DMUj0的效率值;
θr:對第r項期望產出的重視程度;
ξt:對第t項非期望產出的優(yōu)先控制程度.
這里 值越大,則表示越希望增加該項期望產出,ξt值越大,則表示越優(yōu)先考慮降低該項非期望產出.
2.投入與產出的調整
對于非DEA有效的DMU,要想使其達到DEA有效,可對投入、產出量進行調整.
在模型(2)中代入松弛變量S-i、S+r、S-t,有
設模型(3)的最優(yōu)解為 令
那么,被評價DMUj0在生產前沿面上的投影就是
將投影表達式進行改寫,得到
則對第i種投入,可減少 ;
對第r種期望產出,可增加
對第t種非期望產出,可減少
3.實證分析
為證明本文所建立模型符合實際,利用2000至2013年的數(shù)據(jù)進行實證分析。選取投入指標為能源消耗總量、全社會固定資產投資總額,期望產出為國內生產總值,非期望產出為工業(yè)SO2排放量、工業(yè)廢水排放量和工業(yè)固體廢物產生量[5]。數(shù)據(jù)來源于《中國統(tǒng)計年鑒》。
設θ1=0.5,ξ1=0.2,ξ2=ξ3=0.15,則當α1=β1=β2=β3=1,最優(yōu)值hmax=0時決策單元DEA有效.利用Lingo軟件求解,得到2000~2013年全國環(huán)境效率評價結果,見表1.
由表1可知,在2000至2013年間,除2013年外,其他年份的國內生產總值均有待提高,同時可看出其環(huán)境污染也是比較嚴重的,但每一年的環(huán)境狀況都比前一年有所好轉,這反映出了中國近年來把污染減排作為一項重要的任務,使污染減排的工作取得了突破性進展,2012年比2000年有了明顯的提升,到2013年時達到了DEA有效.
利用Lingo軟件,計算得出模型(3)中松弛變量對應的值,見表2.
對投入、產出的可調整量進行計算,結果見表3.
從表3中可以得到,13個決策單元的固定資產投資總量都不需要減少;每年應將國內生產總值按表進行相應數(shù)額的增加,這個結果與表1中的效率評價結果是一致的;13個決策單元均需要將能源消費總量、廢氣、廢水和固定廢物產生量減少相應的量.通過此番調整,能夠提高環(huán)境效率水平,達到DEA有效.
參考文獻:
[1]盧翔,吳杰.環(huán)境效率評價的DEA方法研究[D].中國科學技術大學,2014.
[2]Liu W B, Meng W, Li X X, Zhang D Q. DEA models with nndesirahle inputs and outputs[J]. Annals of Operations Research, 2010, 173(1): 177-194.
[3]卞亦文.基于DEA的環(huán)境績效評價研究現(xiàn)狀及拓展方向[J].商業(yè)時代,2009,73(6):64-65.
[4]宋馬林,梁樑.環(huán)境效率評價方法及其統(tǒng)計屬性研究[D].中國科學技術大學,2011.
[5]羅艷,梁樑,畢功兵.基于DEA方法的指標選取和環(huán)境效率評價研究[D].中國科學技術大學,2012.
作者簡介:白琳琳,出生年月:1993.6,性別:女,民族:漢族,籍貫(精確到市):吉林省通化市,學歷:碩士在讀,研究方向:數(shù)據(jù)挖掘.