章贵军，刘润芳

（1．江西财经大学a．统计学院；b．应用统计研究中心，江西 南昌330013；2．西安财经学院 统计学院，陕西 西安710100）

一、引 言

近年来，中国各地持续的雾霾天气和高发的呼吸疾病使得人们对环境污染问题的担忧加剧。2013年10月，中国政府安排50亿元财政专项资金用于京津冀及周边地区大气污染治理工作。中国政府一直非常重视环境治理工作，1998年，中国政府签署《京都协议书》（Kyoto Protocol，全称《联合国气候变化框架公约的京都议定书》）；2006年，中国政府《国民经济和社会发展第十一个五年规划纲要》提出了“十一五”（2006－2010年）期间单位国内生产总值能耗降低20%左右，主要污染物排放总量减少10%的约束性指标；2009年，中国政府承诺到2020年单位国内生产总值二氧化碳排放量比2005年下降40%～45%，并作为约束性指标纳入国民经济和社会发展中长期规划；2011年，《中华人民共和国国民经济和社会发展第十二个五年（2011－2015年）规划纲要》再次明确提出单位国内生产总值能源消耗降低16%，单位国内生产总值二氧化碳排放降低17%，二氧化硫等排放减少8%及氨氮、氮氧化物排放减少10%的目标。虽然中国政府制定了一系列措施为实现资源节约型和环境友好型社会努力，然而，中国是一个发展中国家，对能源的需求量还在不断增长。并且，一个严峻的资源禀赋现实是，中国是一个“煤多油少”的国家，当前一次能源消费结构中，煤炭消费比重占到70%。此外，中国清洁能源技术和环境管理水平还比较落后，这就意味着，中国短期“烧的差，排的多”的局面很难转变。因此，很多学者认为自然资源的过度利用和环境污染问题将在很长一段时间制约中国经济社会发展。

中国的环境保护和能源利用问题越来越受到国内外学者们的关注，测度中国环境和能源效率的文献也越来越多。由于DEA方法能处理多投入和多产出的问题，并且该方法不需要任何有关投入和产出之间关系的先验信息，因而越来越受到研究者们的欢迎。国外学者利用DEA方法研究中国环境效率主要有：Hu和Wang提出了全要素能源效率指数并应用其测度中国29个省、直辖市、自治区（下文均称省）的能源效率［1］；Shi等学者通过将非期望产品作为生产过程中的投入品，提出一种拓展的DEA模型以测度中国28个省的总技术效率、纯技术效率和规模效率［2］；Bian和Yang采用沙龙熵方法将很多DEA模型加总以测度中国30个省的能源效率和环境效率［3］；Li等学者利用考虑非期望产出的Super－SBM模型测度了中国30个地区1991－2010年的环境效率［4］；Wang等学者利用考虑非期望产品的DEA方法测度了中国30个省2000－2008的环境效率［5］；章贵军利用自然可处置和管理可处置径向DEA方法测度了2001－2011年期间中国30个省火电行业的经营效率和环境效率［6］；周五七利用全局DEA方法测度了中国1998－2010年中国工业行业绿色全要素生产率［7］。

Hu和Wang分析的一个缺陷是其模型中没有考虑二氧化硫和二氧化碳的非期望产品。Zhou和Ang及Mandal等的研究表明，测度能源效率不考虑非期望产品可能会导致效率得分产生偏误［8－9］。目前，针对中国各地区能源效率和环境效率测度的文献中，考虑非期望产品的相对比较少，而那些考虑非期望产品的研究大多是强可处置的，只有极少数研究是在弱可处置DEA框架下进行的。Zhou等学者的研究表明非期望产品弱可处置意味着成比例减少非期望产品是可行的，消除非期望产品的方法不符合生产或消费实际情况［10］。Sueyoshi和Goto的研究则认为，尽管弱可处置也能识别期望产品的拥堵情况，但因为弱可处置模型对偶变量是非负的，故其不能测度非期望产品拥堵情况［11］。这就表明，基于传统的DEA方法测度的环境效率或能源效率不能从现代环境管理的角度评价企业的经济效率和环境效率。考虑到强可处置和弱可处置DEA方法缺陷，Sueyoshi和Goto开发了一系列基于现代环境和能源管理策略的DEA模型，也称为自然可处置和管理可处置DEA方法［11－17］。这些方法不仅能测度期望拥堵的情况，而且能测度非期望拥堵的情况，这就意味着可以从环境管理策略角度根据测度的决策单元效率评价决策单元经济行为。

在考虑环境管制的情形下中国各地区经济效率和环境效率如何？中国是一个人力资本和技术水平分布极不平衡的国家，更严格的环境管制规则是否对各个地区的经济增长和环境改善能力造成影响？在面对更严格的环境管制时，中国哪些地区的发展具有比较优势？我们迫切想知道这些问题的答案。鉴于此，本文从环境管制规则变化的角度出发，利用结合环境管理策略的自然可处置和管理可处置DEA方法测度和分析中国各地区经济效率和环境效率，并在此基础上比较各地区的经济效率和环境效率以及深入剖析更严格的环境管制规则产生的影响和造成这种影响的原因。

二、模型和方法

对于很多生产型企业而言，他们经常会面对环境管制的制约，为了遵守更严格的环境管制规则，他们通常不得不通过减少产量以达到减少排放的要求。新的环境管理策略表明，生产企业在应对更严格的环境管制时可以通过改善自身技术水平和管理水平达到既增加产品产量又减少有害物质排放的要求。传统的DEA模型在测度生产型企业经济效率和环境效率时都没有蕴含上述两种环境管理策略思想。Sueyoshi和Goto根据现代管理战略学家Porter和van der Linde的观点形成了自然可处置和管理可处置的DEA测度方法［11－18］，将环境管理策略的思想很好地融入DEA模型中，从而使得研究者能从根据现代环境管理和能源管理策略角度评价决策单元经济效率和环境效率。

（一）经济效率和环境效率测度方法

对于国家或城市而言，自然可处置和管理可处置的环境管理策略依然成立。鉴于此，本文采用自然可处置的径向DEA方法及管理可处置的径向DEA方法测度中国各省的合成效率。DEA方法通常分为径向方法和非径向方法两类，径向DEA方法和非径向DEA方法基于不同的经济视角，径向DEA方法（例如Charnes等提出的CCR模型和Banker等提出的BCC模型）是基于Debreu－Farrell经济理论提出的效率测度方法［19－20］；非径向方法（例如Charnes等提出的可加模型，Cooper等提出的RAM模型和Tone等提出的SBM模型）是基于Pareto－Koopmans经济理论提出的效率测度方法［21－23］。Sueyoshi和Goto的研究认为，虽然非径向DEA方法更容易结合非期望产品，但与径向方法相比并没明显的差别，目前对于应该用哪一种方法或放弃哪一种方法，并没有一个统一的论断［13］。Zhou认为，大约有四分之三左右的研究者采用径向DEA方法［10］。鉴于此，本文采用此方法以便于与其它大多数DEA方法研究比较。

1．测度经济效率（自然可处置合成效率）的径向DEA方法。自然可处置指生产型企业在技术水平和管理水平相对落后时，为了应对政府对非期望产品更严格的管制（譬如，政府为了保护环境而要求企业制定减少有害气体排放的政策），必须减少要素投入以达到减少非期望产品生产要求。Sueyoshi和Goto提出自然可处置径向DEA方法测度第s个决策单元的合成效率公式如式（1）所示［11］［16］：

其中x为投入品，y为期望产出，u为非期望产出，k为决策单元数量，n为投入产出种类，m为期望产出类型，j为非期望产出种类，λ为强度系数。（x1s，x2s，…，xns）表示第s（s＝1，2，…，K）个决策单元进行生产时的投入品，（y1s，y2s，…，yms）为期望产品，（u1s，u2s，…，ujs）为非期望产品。式中dxn，dym和duj是分别与要素投入，期望产品和非期望产品相关的松弛变量，所有松弛变量表示生产的无效率水平，ξ表示无效率得分，其测度的是期望产品和非期望产品向量到效率前沿的距离，ξ随着方向向量（Yk，uk）的增加而增加，ε是一个比较小的数，本研究计算时取值为10－6。范围（R）分别由投入品、期望产品和非期望产品的上界及下界确定，Rxn，Rym和Ruj的计算式如式（2）、（3）和（4）。

求解模型（1）的最优解，则无效率得分为式（5）：

自然可处置径向方法测度的第s个决策单元的经济效率得分为式（6）：

2．测度环境效率（管理可处置合成效率）的径向DEA方法。管理可处置指的是当生产型企业技术和管理水平提升到一定程度时，为了应对政府对非期望产品更严格的管制而采取与自然可处置截然不同的管理策略。此时，企业可以通过增加要素投入达到既增加期望产品又减少非期望产品的生产要求。Sueyoshi和Goto提出管理可处置径向方法测度第s个决策单元的合成效率公式如式（7）所示［11］［16］：

求解模型（7）的最优解，则管理可处置下无效率得分为：

管理可处置径向方法测度的第s个决策单元的环境效率得分为：

（二）双样本 Mann－Whitney－Wilcoxon及多样本 Kruskal－Wallis H 秩和检验

1．双样本Mann－Whitney－Wilcoxon秩和检验。Mann－Whitney－Wilcoxon 秩 和 检 验 也 称Mann－Whitney U检验用以考察两个样本分布是否有差异［24］158－175。本文利用 Mann－Whitney－Wilcoxon秩和检验统计量检验中国三个地区“十五”期间与“十一五”期间经济效率或环境效率是否存在差异（原假设为两个期间无差异），检验统计量为：

或

式（10）或（11）中下标j表示第j（j＝1，2，3）个地区，nj1表示第j个地区在“十五”期间决策单元个数，将第j个地区决策单元在“十五”期间及“十一五”期间经济效率得分或环境效率得分合并起来并排序，∑Rj1表示第j个地区决策单元在“十五”期间按经济效率排序或环境效率排序的秩和；∑Rj2表示第j个地区决策单元在“十一五”期间秩和。如果每个期间样本量大于10，则统计量服从标准正态分布。

2． 多 样 本 Kruskal－Wallis H 秩 和 检 验。Kruskal－Wallis H秩 和 检 验 为 双 样 本Mann－Whitney－Wilcoxon秩和检验的一种推广形式用以考察多个样本分布是否有差异［24］158－175。本文利用Kruskal－Wallis H秩和检验统计量检验中国三个地区在2000－2011年期间经济效率或环境效率是否存在差异（原假设为地区经济效率或环境效率无差异），检验统计量为：

式（13）中nj为第j（j＝1，2，3）个地区决策单元个数，Rj为第j个地区决策单元秩和。当nj不是很小的时候，统计量H 服从自由度为df＝k－1的χ2分布。

三、数据说明

参考Rasche的效率测度理论，本文选取各省资本存量（以1997年为不变价格）、就业人数和能源消耗量为投入变量，GDP（以1997年为不变价格）为期望产品变量，二氧化碳和二氧化硫排放量为非期望产品变量［25］。就业人数和GDP数据来源于各省统计年鉴及《中国统计年鉴（2001－2012）》，二氧化硫排放量数据来源于《中国环境统计年报（2001－2011）》，二氧化碳的数据则根据IPCC准则公式计算获得，具体公式为［26］35－58：

其中i表示生产产业中第i个部门，n表示部门总数，E表示燃料消费量，a为碳排放因子，β为碳存储因子，η为碳氧化比例。各省资本存量按照式（15）所示永续盘存法计算得出。

其中 Kit表示第i（i＝1，2，…，30）个省第t（t＝2000，2001，…，2011）年的资本存量；δit表示第i个省第t年的资本形成总额的经济折旧率，参照张军等的文献，δ取值为9．6%，各省2000年资本存量的初始值参照张军等的计算结果［27］。

鉴于数据的可得性，本文采用的数据包括中国大陆地区除西藏以外30个省份12年（2000－2011）的数据。数据的描述性统计分析情况见表1。

表1数据表明，2000－2011年期间中国内地30个省份经济增长明显，二氧化碳排放量逐步增长，但其增速逐步下降，而二氧化硫的排放量呈现先增加后减少的趋势。2006年二氧化碳排放量约为2000年的2．2倍，2011年的排放量为2006年的1．3倍，显然，二氧化碳排放增速在下降，从图1可以看出，“十一五”期间碳排放强度（二氧化碳排放量／GDP，每单位GDP产生的二氧化碳排放量）相对于“十五”期间显著下降，2000年碳排放强度为3．05，2011年为2．21，相比2000年碳排放强度下降了27%。表1数据还表明，2000－2006年期间30个省二氧化硫的排放量呈现逐渐上升趋势，而后开始逐渐下降：2006年二氧化硫排放量相对于2000年增长了30%，2011年二氧化硫的排放量相对2006年降低了14%。显然，“十一五”期间相对于“十五”期间，二氧化硫减排效果明显。此外，2000年以不变价格计算的能源强度为1．5，2006年为1．44，2011年为1．12。结合图1可以看出，“十一五”（2006－2010）期间能源强度相对于“十五”（2001－2005）期间显著下降。

表1 描述性统计表

图1 2000－2011年中国能源强度和碳排放强度趋势图

四、经济效率与环境效率测度、比较与验证

（一）经济效率测度与比较

表2数据反映了采用自然可处置径向方法测度的中国30个省份的经济效率得分情况。参考Wang等学者及1997年全国人大八届五次会议决定的划分标准，本文将30个省份分为东部、中部、西部三个地区，表2中第2列反映各省份所属地区，第3列至第8列反映各省相邻两年的经济效率平均得分，第9列是所有年份的平均效率得分，最后1列为各省经济效率平均得分排名情况［5］。从表中计算的自然可处置合成效率得分情况可以看出，平均效率得分最高的为东部地区，其次为中部地区，西部地区名列第三。东部地区经济效率整体得分较高并与中、西部地区相差较大。

三个地区自然可处置合成效率平均得分在2000－2011年期间走势和比较情况见图2。结合表2的数据可以看出，东部地区自然可处置合成效率平均得分总体维持较高水平，各年份得分都在92%以上，中部地区和西部地区合成效率得分总体处于下降趋势。同时从图2可以看出，三个地区合成效率得分在“十一五”期间低于“十五”期间。此外，东部地区的上海、福建、广东、海南以及西部地区的青海等省份经济效率提升较快，其经济的快速发展拉大了与其它地区的相对效率并造成了其它地区相对较低的平均效率得分。

图2 东、中、西部地区经济效率得分比较

表2 中国大陆30个省份经济效率得分与排名表

（二）经济效率差异性统计检验

基于多样本Kruskal－Wallis H统计量的渐进分布χ2＝108．541，大于显著水平0．05对应的统计量χ20．05相应的临界值5．99，这表明三个地区自然可处置测度的合成效率存在明显差异。基于双样本Mann－Whitney－Wilcoxon统计检验结果如表3，结合表3检验结果和图2可以得到如下结论：虽然图2表明东部地区经济效率， 0．05，“”期间经济效率与“十五”期间比较并无显著下降；同时，中部地区和西部地区“十一五”期间经济效率相对“十五”期间而言显著下降。

表3检验结果结合图2表明：平均而言，2001－2011年期间东部地区自然可处置合成效率得分高于中部地区和西部地区，中部地区合成效率得分高于西部地区，并且这种差异性显著成立。“十一五”期间更严格的环境管理规则显著降低了中部地区和西部地区相对效率得分。中部地区和西部地区在“十一五”期间更加注重清洁能源技术和环境管理的提升并增加了在清洁能源技术和环境管理方面的投入，从而造成了经济效率得分的下降。结合自然可处置管理策略可以认为，由于“十一五”期间更严格的环境管制，中部地区和西部地区清洁能源技术水平和环境管理水平落后，不得不通过控制经济增长投入达到减少排放的目的，从而使得经济效率得分相对东部地区而言处于落后水平。东部地区由于拥有相对较高的清洁能源技术优势和管理水平，其在面对“十一五”期间更严格的环境管制时拥有相对较低的机会成本，可以在增加促进经济增长投入的同时达到环境管制的要求，因而东部地区在面对“十一五”期间更严格的环境管制时经济效率并没有显著下降。

表3 “十五”与“十一五”经济效率差异性检验表

（三）环境效率测度与比较

表4数据反映了管理可处置径向方法测度的中国30个省区合成效率得分情况。图3反映了三个地区火电行业管理可处置合成效率2000－2011年期间平均得分走势和比较情况。图3表明：平均而言，东部地区环境效率得分远高于中部地区并且持续维持较高水平，而中部地区得分又略高于西部地区。东部地区得分基本维持在95%以上，中部地区得分则在85%左右震荡，西部地区环境效率得分在“十五”期间表现不稳定且处在较低水平，在“十一五”期间表现相对稳定。同时也可以看出，东部地区的江苏、广东和上海等地环境效率得分名列前茅。

图3 东、中、西部地区环境效率得分比较图

表4 中国大陆30个省份环境效率得分与排名表

（四）环境效率差异性统计检验

基于多样本Kruskal－Wallis H统计量的渐进分布χ2＝76．845，大于显著水平0．05对应的统计量相应的临界值5．99，这表明三个地区管理可处置合成效率存在明显差异。基于双样本Mann－Whitney－Wilcoxon统计检验结果见表5。结合表5检验结果和图3环境效率得分趋势情况可以认定：在0．05显著水平下，三个地区“十一五”期间环境效率与“十五”期间比较均无显著变化。

表5 “十五”与“十一五”环境效率差异性检验表

总体而言，三个地区环境效率得分存在显著差异，东部地区环境效率得分显著高于中部地区和西部地区。本文的测度结果与Li和Wang等的测算结论一致，他们的研究表明东部地区环境效率得分最高，中部地区其次，西部地区环境效率得分最低［4－5］。结合管理可处置环境管理策略，可以认为造成三个地区环境效率存在显著差异的主要原因在于东部地区拥有先进的清洁能源技术水平和环境管理水平，该地区可以通过增加投入达到既提高经济效率又维持较高环境效率的目的。

上述分析表明：三个地区“十一五”期间环境效率与“十五”期间比较均无显著变化；以江苏、广东和上海为代表的东部地区在面对更严格的环境管制时拥有较低的机会成本优势，因此东部地区可以在保持较高环境效率同时维持经济快速增长；而以河南、河北和重庆为代表的中、西部地区为了应对“十一五”期间更严格的环境管制规则不得不控制促进经济增长的投入而增加在清洁能源技术和环境管理水平的投入，这种策略在显著降低了其经济效率的同时抑制了环境效率的下降，同时也使得中国总体能源强度和碳排放强度下降，从而兑现了“十一五”期间的减排承诺。显然，更严格的环境管制规则制约了中西部地区的经济增长而东部地区几乎不受影响。

五、小结及建议

根据Sueyoshi和Goto提出的自然可处置径向DEA方法和管理可处置径向DEA方法，本文测度了中国大陆30个省区的经济效率和环境效率。Kruskal－Wallis H统计检验结果表明，中国东中西三个地区经济效率和环境效率均存在显著差异：平均而言，2000－2011年期间中国东部地区经济效率和环境效率得分排名第一，中部地区次之，西部地区相对落后。

Mann－Whitney－Wilcoxon统计检验结果和各地区经济效率得分和环境效率得分表明：东部地区经济效率和环境效率“十一五”期间相比“十五”期间并无显著变化；中部地区和西部地区“十一五”期间经济效率显著降低而环境效率并无显著变化。

结合自然可处置环境管理策略和管理可处置环境管理策略，上述比较分析表明，中国东部地区由于在清洁能源技术和环境管理方面拥有比较优势，面对更严格的环境管制时拥有相对较低的机会成本，故其在维持了相对较高的环境效率的同时可以保持经济的快速增长，这同时说明中国东部地区经济增长势头依然强劲。中国中部地区和西部地区为了应对“十一五”期间更严格的环境管制规则和完成节能减排目标不得不控制经济增长投入并增加其在清洁能源技术和环境管理水平的投入，这种策略在维持了中、西部地区环境效率的同时抑制了其经济增长效率。这同时说明中国中、西部地区清洁能源技术和环境管理水平相对比较落后，为保证中、西部地区经济在更严格的环境管制规则下持续健康发展，中国政府必须首先着力于提高这两个地区的清洁能源技术水平和环境管理水平。

此外，在环境效率的提升方面，本文的政策建议为：中国东部地区由于经济水平比较发达，清洁能源技术和环境管理水平比较先进，因此，目前提升中国环境效率主要依靠东部地区。相比较而言，中国中、西部地区节能空间大，节能减排潜力和节能减排投资的边际效益高，为保证节能减排计划有效完成和减排工作的持续进行，今后，中国政府应注重提高中、西部地区清洁能源水平和环境管理水平。

［1］ Hu J L，Wang S C．Total－factor Energy Efficiency of Regions in China［J］．Energy Policy，2006（34）．

［2］ Shi G M，Bi J，Wang J N．Chinese Regional Industrial Energy Efficiency Evaluation Based on a DEA Model of Fixing Nonenergy Inputs［J］．Energy Policy，2010（38）．

［3］ Bian Y，Yang F．Resource and Environmental Efficiency Analysis of Provinces in China：a DEA Approach Based on Shannon’s Entropy［J］．Energy Policy，2010（38）．

［4］ Li H，Fang K N，Yang W，Wang D，Hong X X．Regional Environmental Efficiency Evaluation in China：Analysis Based on the Super－SBM Model with Undesirable Outputs［J］．Mathematical and Computer Modelling，2013（38）．

［5］ Wang K，Yu S W，Zhang W．China’s Regional Energy and Environmental Efficiency：A DEA Window Analysis Based Dynamic Evaluation［J］．Mathematical and Computer Modelling，2013（58）．

［6］ 章贵军．中国各地区火电行业经营能力与环境能力的评价与比较［J］．统计研究，2014（6）．

［7］ 周五七．效率增进与技术进步对绿色生产率增长的影响—来自中国36个两位数工业行业的实证［J］．统计与信息论坛，2014（4）．

［8］ Zhou P，Ang B W．Linear Programming Models for Measuring Economy－wide Energy Efficiency Performance［J］．Energy Policy，2008（38）．

［9］ Mandal S K．Do Undesirable Output and Environmental Regulation Matter in Energy Efficiency Analysis？Evidence from Indian Cement Industry［J］．Energy Policy，2010（38）．

［10］Zhou P，Ang B W，Poh K L．A Survey of Data Envelopment Analysis in Energy and Environmental Studies［J］．European Journal of Operational Research，2008（189）．

［11］Sueyoshi T，Goto M．Weak and Strong Disposability vs．Natural and Managerial Disposability in DEA Environmental Assessment：Comparison Between Japanese Electric Power Industry and Manufacturing Industries［J］．Energy Economics，2012a（34）．

［12］Sueyoshi T，Goto M．Measurement of Returns to Scale and Damages to Scale for Operational and Environmental Assessment：How to Manage Desirable（good）DEA－based and Undesirable（bad）Outputs［J］．European Journal of Operational Research，2011（211）．

［13］Sueyoshi T，Goto M．DEA Environmental Assessment of Voal Fired Power Plants：Methodological Comparison Between Radial And Non－radial Models［J］．Energy Economics，2012b（34）．

［14］Sueyoshi T，Goto M．Returns to Scale，Damages to Scale，Marginal Rate of Transformation and Rate of Substitution in DEA Environmental Assessment［J］．Energy Economics，2012c（34）．

［15］Sueyoshi T，Goto M．DEA Radial and Non－radial Models for Unified Efficiency Under Natural and Managerial Disposability：Theoretical Extension by Strong Complementary Slackness Conditions［J］．Energy Economics，2012d（34）．

［16］Sueyoshi T，Goto M．Returns to Scale and Damages to Scale on U．S．Fossil Fuel Power Plants：Radial and Non－radial Approaches for DEA Environmental Assessment［J］．Energy Economics，2012e（34）．

［17］Sueyoshi T，Goto M．Returns to Scale and Damages to Scale Under Natural and Managerial Disposability：Strategy，Efficiency，And Competiveness of Petroleum Firms［J］．Energy Economics，2012f（34）．

［18］Porter M E，van der Linde C．Toward a New Conception of the Environment Competitiveness Relationship［J］．Journal of Economic Perspectives，1995（9）．

［19］Charnes A，Cooper W W，Rhodes E．Measuring the Efficiency of Decision Making Units［J］．European Journal of Operational Research，1978（2）．

［20］Banker R，Charnes D A，Cooper W W．Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis［J］．Management Science，1984（30）．

［21］Charnes A，Cooper W W，Golany B，Seiford L M，Stutz J．Foundations of Data Envelopment Analysis for Pareto– Koopmans Efficient Empirical Production Functions［J］．Journal of Econometrics，1985（30）．

［22］Cooper W W，Park K S，Pastor J T．RAM：A Range Adjusted Measure of Efficiency［J］．Journal of Productivity Analysis，2001（11）．

［23］Tone KA．Slacks－Based Measure of Efficiency in Data Envelopment Analysis［J］．European Journal of Operational Research，2001（130）．

［24］Hollander M，Wolfe D A．Nonparametric Statistical Methods［M］．New York：John Wiley＆ Sons，Inc，1999．

［25］Rasche R H，Tatom J A．Energy Resources and Potential GNP［J］．Review，Federal Reserve Bank of St．Louis，1977（6）．

［26］IPCC．IPCC Guidelines for National Greenhouse Gas Inventories：Volume II Energy［M］．Japan：Institute for Global Environmental Strategies，2006．

［27］张军，吴桂英，张吉鹏．中国省际物质资本存量估算：1952－2000［J］．经济研究，2004（10）．