孙秀梅，张　慧，綦振法，董会忠

（山东理工大学商学院，山东淄博255012）

［DOI］10.3969/j.issn.1007-5097.2016.04.014



我国东西地区的碳排放效率对比及科技减排路径研究——基于三阶段DEA和超效率SBM模型的分析

孙秀梅，张慧，綦振法，董会忠

（山东理工大学商学院，山东淄博255012）

［DOI］10.3969/j.issn.1007-5097.2016.04.014

摘要：文章探索性地将三阶段DEA模型和超效率SBM模型相结合来测算我国东西地区的碳排放效率，并对东西地区碳排放效率的差异及受科技因素的影响进行了对比分析。结果表明，东西地区受所处的外部环境和运气等随机因素影响，碳排放效率表现出显著差异，剔除环境因素和随机误差的影响后，虽然东部地区的碳排放效率依旧高于西部地区，但其差距明显缩小；其中，R&D人员对东部地区碳排放效率的提高有显著正向影响，而R&D项目对西部地区碳排放效率的提高有显著促进作用。研究认为，东西地区碳排放效率存在差异的主要原因是科技因素，实现西部地区科技减排的关键在于为西部地区R&D项目的立项开通绿色通道，同时鼓励更多高科技人才流向西部地区。

关键词：碳排放效率；科技减排；三阶段DEA模型；超效率SBM模型

一、引言

气候变化问题已经受到全球各国的普遍重视，减少温室气体排放刻不容缓，中国作为碳排放大国面临巨大的碳减排压力。我国政府在APEC会议上做出承诺，2030年左右二氧化碳排放达到峰值且将努力早日达峰，并计划到2030年非化石能源占一次能源消费比重提高到20％左右。在促进经济社会发展的同时完成碳减排任务，关键在于提高碳排放效率。所谓碳排放效率，有学者定义为用更少的碳排放量获得更多的经济产出和更好的生活质量［1］。

目前，国际上在对碳排放效率研究中有两类方法最为典型。一类是参数方法，其中最典型的是随机前沿分析，Risto Herrala等运用SFA模型对1997-2007年期间170个国家的碳排放效率进行了测算［2］；另一类是非参数方法，应用最广泛的就是数据包络分析，Zaim et al［3］、Claude Mandil［4］和Zhou P et al［5］等运用DEA模型评价了OECD国家及部分地区、行业的碳排放绩效，Ramanathan R则利用DEA方法对GDP、碳排放和能源消耗之间的关系进行研究，通过分析碳排放效率的波动情况发现全球碳排放效率的特征［6］。除此以外，Marklund et al［7］和Maradan D et al［8］等利用DEA模型对76个发达国家和发展中国家的二氧化碳边际减排成本进行了研究。国内学者对碳排放效率的研究也取得了一定成果，魏梅等［9］、席建国［10］及游和远等［11］运用DEA模型对我国各地区及土地利用的碳排放效率进行了测算，周五七等［12］和郭文慧等［13］则是基于改进后的SBM模型对我国的区域、工业和山东省的碳排放效率及差异性进行了分析，刘亦文等［14］、孙爱军［15］和路正南等［16］基于超效率DEA模型对我国省际和工业碳排放效率进行研究。而赵国浩等［17］、雷玉桃等［18］、陈黎明等［19］、杜克锐等［20］和孙慧等［21］则是采用随机前沿分析模型分别对山西省、西部地区以及我国省际的碳排放效率进行了评价分析。

由此可知，目前研究碳排放效率的主流方法以数据包络分析（DEA模型）和随机前沿分析（SFA模型）为主，而这两种方法各有利弊，三阶段DEA模型可以将两种方法的优势互补，其效率评估更客观、更真实。考虑到三阶段DEA模型的第一阶段和第三阶段均以传统DEA模型为基础，而传统DEA模型存在两个弊端：一是对非期望产出的处理存在问题，多数学者取非期望产出作为投入的方法或者取非期望产出的倒数，使之失去了原本的经济学意义；二是当存在多个决策单元有效时，无法做出进一步的对比分析。基于以上考虑，本文构建三阶段DEA模型的同时，借助改进后的超效率SBM模型，使得评估结果不仅客观真实，更有利于准确对比分析。我国东部地区借助自身的地理位置等优势优先发展，经济水平领先其他地区，而西部地区受到交通条件等限制，经济水平一直比较落后。经济快速发展伴随着大量的碳排放，那么，在经济发展水平存在明显差距的情况下，研究东西地区真实的碳排放效率具有重要的现实意义。本文通过对东西地区的真实碳排放效率进行对比研究，探索造成其差异的环境因素，试图为西部地区的减排路径提供政策建议和思路。

二、研究方法及数据处理

（一）方法概述

三阶段DEA模型由Fried et al（2002）［22］提出，该模型最大的优势就是能够有效剔除环境因素和随机因素等不可控因素的影响，可以更准确地评估效率，从而得到更为真实的结果。该方法已在经农户生产效率、区域创新效率和城市基础设施建设投资绩效等领域得以应用［23-25］。

本文综合运用三阶段DEA模型和超效率SBM模型对我国东西地区碳排放效率进行测算，其模型的构建分为以下三个步骤：

（1）第一阶段。DEA模型可以用于评价同质性决策单元之间的相对效率，将决策单元区分为有效率和无效率两类，其中效率值为1的决策单元为有效率的，效率值小于1的决策单元则是无效率的。但是，该方法存在两个弊端，其一是无法在有效率的各个决策单元之间做进一步区分，其二是对非期望产出的处理失去了原来的经济意义。在超效率SBM模型中，不仅恰当地处理非期望产出，更是对有效率的决策单元做出了准确区分，比如效率值为1.3，说明该决策单元按照目前的投入比例再增加30％，依然可以保持有效率。

在第一阶段中，通过运用超效率SBM模型测算出各个决策单元的效率值。假设有n个决策单元，每个决策单元由投入m，期望产出r1和非期望产出r2三个部分构成。用向量表示为。本文在讨论超效率SBM时，定义决策单元是SBM有效的，那么，超效率SBM模型构建如下：

（2）第二阶段。构建相似SFA模型。决策单元不可避免地受到外部环境、管理因素和随机因素等的影响，构建相似SFA模型可以消除外部环境和随机因素的影响。假设有n个决策单元，每个决策单元有m种投入，受到p个可观测环境变量的影响，对每个决策单元的投入差额变量进行SFA回归，方程如下：

上式中，i=1,…,m；k=1,…,n；sik表示第k个决策单元第i个投入的投入差额变量；表示p个环境变量，βi表示环境变量的待估参数；表示环境变量对投入差额变量的影响，一般取是混合误差项，νik是随机干扰项，μik是管理无效率项，且假定二者是独立不相关的。

基于最有效的决策单元，以其投入量作为基础，对其他决策单元的投入量做出如下调整：

式中的两个方括号将所有决策单元置于相同的环境和机会下，第一个方括号表示调整到相同的环境状况，第二个方括号表示将随机误差调整到相同情况。

（3）第三阶段。将第二阶段调整后的投入量代替原始的投入数据，产出数据仍为原始产出数据，再次运用超效率SBM模型进行效率评估，此时得到的就是各个决策单元剔除外部环境和随机误差影响后更加公平的效率值。

（二）数据来源

本文使用的原始数据来源于中华人民共和国国家统计局网站的数据，考虑到各个省份各种能源消费量的数据完整性和时效性，样本时间选择了2012年。由于西藏的相关数据不完整，因此本文研究对象为东部地区的北京市、天津市、河北省、辽宁省、上海市、江苏省、浙江省、福建省、山东省、广东省和海南省11个地区和西部地区的内蒙古自治区、广西壮族自治区、重庆市、四川省、贵州省、云南省、陕西省、甘肃省、青海省、宁夏回族自治区和新疆维吾尔自治区11个地区，共计22个省份。

（三）变量选择及描述

1.投入变量和产出变量

本文分别从人力、物力和财力三个方面选择投入变量，选取地区生产总值作为产出变量，碳排放量则作为非期望产出，具体说明如下：

（1）劳动力投入。由于碳排放主要来源于第二产业，因此在人力投入方面，本文选取了第二产业的就业人员作为劳动力投入，主要统计了采矿业、制造业、电力、燃气及水的生产和供应业和建筑业的城镇单位就业人员数量以及制造业和建筑业的私营企业和个体就业人员数量。

（2）能源投入。本文选取各省份每年的能源消耗总量作为能源投入，单位是万吨标准煤。

（3）资本投入。本文选取全社会固定投资作为资本的投入，单位是亿元。

（4）地区生产总值（GDP）作为期望产出。

（5）碳排放量作为非期望产出。由于我国没有直接公布的碳排放数据，本文基于IPCC公布的《国家温室气体排放清单指南》，对各个省份能源碳排放的计算如下：

其中，C代表碳排放总量，单位为万吨，Ai表示能源i的消费量，其单位为万吨标准煤，Bi表示能源i的碳排放系数，具体系数见表1。

表1　不同能源种类的标准量转换系数和碳排放系数

2.环境变量

环境变量的选取应当主要考虑对碳排放效率产生影响的地理因素、产权结构、制度环境、能源价格、经济发展水平和城市化水平等，诸多因素都可能会影响碳排放效率，但由于客观条件的限制和模型本身的局限性，测评所有因素是不可能实现的，综合以上考虑，本文重点选取了产业结构（第二产业增加值占地区生产总值的比重）、能源消费结构（煤炭消费量占能源消费总量的比重）、科技支持水平（地方财政科技支出占地方财政一般预算支出的比重）和对外开放程度（外商投资企业进出口总额占地区生产总值的比重）四个因素。

从表2中，我们可以直观看到我国东西地区的环境变量存在显著差异。在产业结构方面，东部地区和西部地区的第二产业均占重要比重，但是不管从最大值、最小值的角度，还是均值的角度，东部地区第二产业的比重都略小于西部地区，且其方差显著大于西部地区，即离散程度更高，说明东部地区的产业结构整体上比西部地区优化程度更高。在能源结构方面，东部地区煤炭消费的比重远远低于西部地区，整体而言，西部地区煤炭消费的比重比东部地区高出大约30％。在科技支持水平方面，东部地区政府的科技投入支持程度普遍高于西部地区，西部地区科技支持水平的最大值仅比东部地区的最小值高大约0.3个百分点。在对外开放程度方面，东部地区的最大值是90.68，西部地区的最大值仅有13.8，尽管东部地区的离散程度比较大，但其均值仍是西部地区的10倍左右。由此可见，相对于东部地区而言，西部地区的外部环境处于显著的劣势地位。

表2　我国东西地区环境变量的数据描述

三、实证分析

（一）第一阶段实证结果

第一阶段超效率SBM模型的测算结果如表3的第三列和第四列所示。由此可知，在不考虑外部环境变量和随机因素的影响下，2012年我国东部地区的碳排放效率和西部地区存在较大差异。整体而言，东部地区碳排放效率的平均值为0.872，而西部地区只有0.674，东部地区的碳排放效率明显高于西部地区，从综合排名的角度来看，东部地区的碳排放效率平均排名第9，而西部地区的碳排放效率排名显著落后于东部地区。但是，从表2中对东西部地区环境变量的对比分析可以看出，东部地区所处的外部环境远远优于西部地区，因此我们有必要研究剔除环境因素影响后东西地区的真实碳排放效率。

表3　2012年我国东西地区的碳排放效率

（二）第二阶段SFA回归结果

第二阶段分别以劳动力投入、能源投入和资本投入的松弛变量作为因变量，以产业结构、能源消费结构、科技支持水平和对外开放程度作为自变量建立SFA回归模型，具体回归结果见表4所列。

表4　第二阶段SFA回归结果

从表4中可以看出，产业结构对劳动力差额、能源消费差额和资本投入差额均表现为正向影响，其中对劳动力差额和资本投入差额的影响达到了1％的显著水平，对能源消费差额的影响也达到了5％的显著水平。而能源消费结构对三项差额则表现为负向影响，但其显著性不高。科技支持水平对三项投入变量的松弛值都为正向影响，其系数值远高于其他环境变量的影响系数，且均达到1％的显著水平。而对外开放程度的影响均为负向，但其仅对劳动力差额的影响达到1％的显著水平，对能源消费差额和资本投入差额的影响均不显著。

从上述分析可知，外部环境因素对投入要素冗余的影响程度有差异，因此处于不同外部环境的地区，由于受到外部环境不同程度的影响，很可能造成碳排放效率的偏差。

（三）第三阶段投入调整后的实证结果

将调整后的投入变量和原始的产出变量数据再次代入超效率SBM模型，从而得到第三阶段东西地区的碳排放效率值，为了便于对比，第三阶段数据处理结果和第一阶段结果在同一表中排列对比显示，具体如表3的第五列和第六列所示。

从中我们可以看出，剔除环境变量和随机因素的影响之后，再次对东西地区的碳排放效率进行对比，结果发现形势有了很大改变，有11个省份的碳排放效率有了不同程度的提高，其中8个省份属于西部地区。对比第一阶段效率值，东部地区的碳排放效率有了较小幅度的下降，碳排放效率均值为0.829，而西部地区的碳排放效率则显著上升，其碳排放效率均值达到了0.906，从综合排名的角度来看，东部地区碳排放效率综合排名降至第11名，而西部地区的排名升至第12名。具体来看，东部地区只有海南省和北京市的碳排放效率排名仍分别保持第一、二名，天津、江苏、浙江和山东的排名降低了8个名次，上海市的排名甚至降低了11个名次，可见，这五个省份在第一阶段中表现出较高的碳排放效率更多地得益于其所处的有利的外部环境。而西部地区的重庆、四川、贵州、甘肃和新疆等8个省份的碳排放效率排名有不同程度的上升，说明这些省份在第一阶段表现出的较低的碳排放效率排名是由它们所面临的不利的外部环境导致的。

整体而言，第一阶段中实现碳排放有效率的省份有6个，调整投入后的第三阶段中实现碳排放有效率的省份达到了9个，调整前后的碳排放效率发生了显著变化。由此我们可以得出：外部环境和随机因素对各个省份的碳排放效率有显著影响，而影响程度也因各个省份所处的具体环境而有所差异，因此，在对不同省份的碳排放效率进行客观评价时要置其于统一环境下，只有剔除环境变量和随机因素的影响后才能真实反映我国东西地区碳排放效率的客观水平。

四、科技因素对碳排放效率的影响分析

在影响碳排放效率的四个环境变量中，产业结构和能源消费结构无法在短期内实现有效升级，这是由于我国的产业结构长期以第二产业为主，能源消费结构以煤炭为主，结构单一，尽管不断优化，依然存在很多问题，同样地，对外开放程度也很难在短期内得到提高。而科技因素一旦取得进展，可以在短期内实现碳排放效率的大幅提升。从表4中我们可以看出，科技支持水平对三项投入变量的冗余都通过了1％的显著性水平，且该因素的影响系数比产业结构、能源消费结构和对外开程度的影响系数都大，因此，对科技因素对碳排放效率的影响进行研究有重要意义。

将上文得到的碳排放效率值进行0-1标准化处理后作为因变量，同时，本着样本数大于三倍自变量个数的要求，选取R&D人员、R&D经费和R&D项目三个指标作为科技因素自变量，通过建立Tobit模型对我国东西地区科技因素对碳排放效率的影响进行了研究，结果见表5所列。

表5　科技因素对我国东西地区碳排放效率的影响

分析科技因素对碳排放效率的影响，实质是在探索提高碳排放效率的科技减排路径。由表5可知，R&D人员对东西地区碳排放效率的影响均通过了1％的显著性水平，但是，其对东部地区的碳排放效率影响是正向的，对西部地区的碳排放效率则表现为负向影响，说明东西地区在引进人才方面存在差异，东部地区的R&D人员在一定程度上对提高碳排放效率做出了贡献，而西部地区由于受到地理环境和经济发展水平等因素的限制，没能有效引进并留住科技人才。R&D经费对我国东西地区碳排放效率的影响虽有差异，但均未通过显著性检验，这也说明盲目增加科研经费是不可取的。R&D项目对东部地区碳排放效率的影响表现为负向影响，可能是由于东部地区研究人员的数量众多，其研究项目必然数量繁多，无法保证全部项目的质量水平，而其对西部地区碳排放效率的影响则是正向的，不仅系数比较大且通过1％的显著性水平，说明西部地区的研发项目数量虽少，但是做到并保证了项目的高质量完成，从而有效促进了西部地区碳排放效率的提高。由此也可以推断出实现西部地区科技减排的切入点，即加大对西部地区的科技扶持力度可以分别从R&D项目和R&D人员两方面着手。对于西部地区的R&D项目方面，政府要给予大力支持，为其开通绿色通道，鼓励更多高质量R&D项目的申请立项，尽可能为其提供资金、人员和政策等方面的保证；人才的质和量到位，是项目顺利实施的保证，政府应当大力鼓励高科技人才流向西部地区，通过为在西部地区工作的R&D人员提供丰厚的福利待遇等方式吸引人才流向并留在西部地区，为西部地区的科技减排源源不断地输送动力。

五、结论

通过对我国东西地区碳排放效率差异的研究，本文得出以下结论：

（1）在三阶段DEA模型的第一阶段，运用基于经典DEA改进的超效率SBM模型对东西地区碳排放效率进行分析可知，我国东部地区的碳排放效率显著高于西部地区，但在剔除外部环境和随机因素的影响后，再次运用超效率SBM模型进行分析可知，西部地区的碳排放效率值比第一阶段有明显提高，而东部地区的碳排放效率值却低于第一阶段，且东西地区之间碳排放效率的差异明显缩小。这说明，在第一阶段东部地区表现出的碳排放高效率得益于其所处的有利的外部环境，而西部地区碳排放的低效率是由其所处的不利的外部环境导致的。

（2）发展科技是有效提高碳排放效率的长久之计，在对影响碳排放效率的科技因素进行分析后发现，R&D人员对东部地区碳排放效率的提高有显著正向影响，对西部地区碳排放效率的影响则表现为负向；R&D项目对西部地区碳排放效率的提高有显著促进作用，对东部地区碳排放效率的影响则不明显。这说明，高科技人才的引进以及高质量项目的完成对提高碳排放效率有积极的推动作用。

要促进西部地区的减排工作尽快取得进展，不仅需要继续并加大西部大开发的力度，为西部地区的低碳经济发展提供有利的外部环境，还要为西部地区R&D项目的申请立项创造更好的环境，给予更多的优惠政策，加大扶持力度，同时积极为西部地区引进R&D高科技人才，加大对低碳技术的研发力度，提升本土创新能力。

参考文献：

［1］董锋，刘晓燕，龙如银，等.基于三阶段DEA模型的我国碳排放效率分析［J］.运筹与管理，2014，23（4）：196-205.

［2］Risto Herrala，Rajeev K Goel.Global CO2efficiency：coun⁃try-wise estimates using a stochastic cost frontier［J］.Ener⁃gy Policy，2012，45（6）：762-770.

［3］Zaim O，Taskin F.Environmental Efficiency in Carbon Di⁃oxide Emissions in the OECD：a Non-paramatric Approach［J］.Journal of Environmental Management，2000（2）：95-107.

［4］Claude Mandil.Tracking Industrial Energy Efficiency and CO2Emissions［R］.Paris：International Energy Agency，2007.

［5］Zhou P，Ang B W，Poh K L.Slacks-based Efficiency Mea⁃sures for Modeling Environmental Performance［J］.Ecologi⁃cal Economics，2006（1）：111-118.

［6］Ramanathan R.A multi-factor Efficiency Perspective to the Relationships among World GDP，Energy Consumption and Carbon Dioxide Emissions［J］.Technological Forecast⁃ing and Social Change，2006（5）：483-494.

［7］Marklund P O，Samakovlis E.What is Driving the EU Bur⁃den-sharing Agreement：Efficiency or Equity?［J］.Journal of Environmental Management，2007（2）：317-329.

［8］Maradan D，Vassiliev A.Marginal Costs of Carbon Dioxide Abatement：Empirical Evidence from Cross-country Ananly⁃sisi［J］.Revue Suissed Economic et de Statisque，2005（3）：332-350.

［9］魏梅，曹明福，江金荣.生产中碳排放效率长期决定及其收敛性分析［J］.数量经济技术经济研究，2010（9）：43-52+81.

［10］席建国.我国碳排放效率的区域动态差异、敛散性及时变因素分析［J］.地域研究与开发，2013，32（5）：83-87.

［11］游和远，吴次芳.土地利用的碳排放效率及其低碳优化——基于能源消耗的视角［J］.自然资源学报，2010，25 （11）：1875-1886.

［12］周五七，聂鸣.中国工业碳排放效率的区域差异研究——基于非参数前沿的实证分析［J］.数量经济技术经济研究，2012（9）：58-70+161.

［13］郭文慧，吴佩林，王玎.山东省碳排放效率与影响因素分析——基于非期望产出的SBM模型的实证研究［J］.东岳论丛，2013，34（5）：172-176.

［14］刘亦文，胡宗义.中国碳排放效率区域差异性研究——基于三阶段DEA模型和超效率DEA模型的分析［J］.山西财经大学学报，2015，37（2）：23-34.

［15］孙爱军.省际出口贸易、空间溢出与碳排放效率——基于空间面板回归偏微分效应分解方法的实证［J］.山西财经大学学报，2015，37（4）：1-10.

［16］路正南，王志诚.我国工业碳排放效率的行业差异及动态演进研究［J］.科技管理研究，2015（6）：230-235.

［17］赵国浩，李玮，张荣霞，等.基于随机前沿模型的山西省碳排放效率评价［J］.资源科学，2012，34（10）：1965-1971.

［18］雷玉桃，杨娟.基于SFA方法的碳排放效率区域差异化与协调机制研究［J］.经济理论与经济管理，2014（7）：13-22.

［19］陈黎明，黄伟.基于随机前沿的我国省域碳排放效率研究［J］.统计与决策，2013（9）：136-139.

［20］杜克锐，邹楚沅.我国碳排放效率地区差异、影响因素及收敛性分析——基于随机前沿模型和面板单位根的实证研究［J］.浙江社会科学，2011（11）：32-43+156.

［21］孙慧，张志强，周锐.基于随机前沿模型的中国西部地区碳排放效率评价研究［J］.工业技术经济，2013（12）：71-77.

［22］Fried H O，Lovell C A K，Schmidt S S，et al.Accounting for environmental effects and statistical noise in data envel⁃opment analysis［J］.Journal of Productivity Analysis，2002，17（1）：157-174.

［23］朱帆，余成群，曾嵘，等.西藏“一江两河”地区农户生产效率分析及改进方案——基于三阶段DEA模型和农户微观数据［J］.经济地理，2011，31（7）：1178-1184.

［24］白俊红，蒋伏心.考虑环境因素的区域创新效率研究——基于三阶段DEA方法［J］.财贸经济，2011（10）：104-112+136.

［25］胡宗义，鲁耀纯，刘春霞.我国城市基础设施建设投融资绩效评价——基于三阶段DEA模型的实证分析［J］.华东经济管理，2014，28（10）：104-112+136.

［责任编辑：张兵］

●经济观察

A Study on the Comparison of Carbon Emissions Efficiency in China’s Eastern and Western Regions and the Science and Technology Path of Carbon Emissions Reduction —An Analysis Based on Three-stage DEA Model and Super Efficiency SBM Model

SUN Xiu-mei，ZHANG Hui，QI Zhen-fa，DONG Hui-zhong
(School of Business，Shandong University of Technology，Zibo 255012，China)

Abstract：This paper，combining three-stage DEA model and super efficiency SBM model，measures carbon emissions effi⁃ciency in China’s eastern and western regions，and then makes a comparative analysis on the regional differences of carbon emissions efficiency and the influences of science and technology factors.The results show that the carbon emissions efficiency in the eastern region is quite different from that in the western region due to the impacts of environment and random factors.Although the efficiency in the eastern region is still higher than that in the western region after excluding the impacts of envi⁃ronment factors and random errors，the gap between them narrows significantly.Among them，R&D personnel have a significant positive impact on carbon emissions reduction in the eastern region，while R&D projects play a significant role in promoting carbon emissions efficiency in the western region.The study suggests that the main reason for the differences of carbon emis⁃sions efficiency between the eastern region and the western region is technological factors.The key to achieve the science and technology path of carbon emissions reduction in the western region is to open a green channel for R&D projects，while encour⁃aging more high-tech talents to the western region.

Keywords：carbon emissions efficiency；science and technology emissions reduction；three-stage DEA model；super efficien⁃cy SBM model

作者简介：孙秀梅（1976-），女，山东聊城人，副教授，硕士生导师，博士，研究方向：低碳经济，产业转型；张慧（1990-），女，山东临沂人，硕士研究生，研究方向：管理科学理论与方法；綦振法（1964-），男，山东平度人，教授，副院长，研究方向：组织创新；董会忠（1968-），男，山东烟台人，副教授，硕士生导师，研究方向：能源经济。

基金项目：国家社会科学基金项目（14BGL159）；教育部人文社会科学规划项目（12YJC630178）；山东省自然科学基金重点项目（ZR2015GZ003）

收稿日期：2015-10-16

中图分类号：F061.5；F062.2

文献标志码：A

文章编号：1007-5097（2016）04-0074-06