龙亮军

摘要 如何在生态门槛内为城市居民实现福利水平的持续提升即城市生态福利绩效的提高是城市生态文明建设和可持续发展的根本要求和必然选择。本文从生态福利视角出发，基于DEA方法构建城市生态福利绩效评价指标体系，并运用两阶段考虑非合意产出的Super-NSBM模型和DEA窗口分析法测算了中国35个主要城市2011—2015年的生态福利绩效，将生态福利绩效分解为生态经济效率和经济福利效率两阶段，打开城市生态福利转化过程的“黑箱”，并通过冗余度分析为各城市指明效率改进的方向。研究发现：“十二五”期间，我国35个主要城市的整体生态福利绩效水平不高，且城市之间差异较大，总体上未能实现DEA有效，但近几年呈现出逐年改善的利好趋势。分阶段效率来看，第二阶段的经济福利效率高于第一阶段的生态经济效率，生态经济效率偏低是导致整体生态福利绩效水平不高的主要原因。分区域来看，城市生态福利绩效综合水平呈现出“中部最高、东部次之、西部最低”的态势。与传统的单阶段（“黑箱”评价）视角下考虑非合意产出Super-SBM模型相比，两阶段视角下基于考虑非合意产出的超效率网络SBM模型的测算结果精确度更高，再次验证了本文选取该模型的合理性。为提高城市生态福利绩效，促进城市生态文明建设与可持续发展，提出低效率城市应加快产业结构转型、发展绿色生态产业;有效推进京津冀城市群协同发展;建设公共交通导向的紧凑型低碳城市等建议。

关键词 强可持续;城市生态福利绩效;Super-NSBM模型;DEA窗口分析法;非合意产出

中图分类号 F205

文献标识码 A文章编号 1002-2104（2019）07-0001-10DOI：10.12062/cpre.20190102

城市生态福利绩效是指城市生态系统运行过程中自然消耗转换为福利水平的效率。城市的发展，归根结底是为人民谋福利，切实提升城市居民的生活满意度和主观幸福感[1]。随着我国城市化进程的快速推进，截止到2017年底，我国城市化率达到58.52%[2]，预计到2030年，将达到70%，这就意味着将有约10亿人进入城市生活[3]，因此城市是实现生态文明建设和可持续发展的核心载体，但与此同时城市生态系统也将面临前所未有的巨大挑战。目前资源环境问题已经成为制约我国未来经济发展与社会进步的主要瓶颈，诚如习近平总书记在2018年召开的全国生态环境保护大会上提到“生态文明建设正处于压力叠加、负重前行的关键期，已进入提供更多优质生态产品以满足人民日益增长的优美生态环境需要的攻坚期，……”。这也意味着，在当前全面建成小康社会进程中，我国需要着力解决好更高的环境保护要求与经济社会发展之间的协同发展问题。因此，如何在生态门槛内为城市居民实现福利水平的持续提升即生态福利绩效的提高是城市生态文明建设和可持续发展的根本要求和必然选择。基于强可持续的研究范式，综合考虑经济福利和社会福利因素，打开城市生态福利轉化过程的“黑箱”，将城市生态福利绩效分解为生态经济效率和经济福利效率两阶段，不仅关注城市生态福利绩效的综合水平，更加关注过程及分阶段的关联性和协调程度，并提出各阶段效率的改进方向和路径，对于加快推进城市生态文明建设和可持续发展具有重要理论价值和现实指导意义。

1 文献综述

自可持续发展理念于1987年被正式提出以来[4]，国内外学者和研究机构对此展开了大量的研究，并取得了丰硕的研究成果。从研究范式来看，大体上可分为两种：一种是弱可持续的研究范式，另一种是强可持续的研究范式。弱可持续研究范式的理论基础是新古典经济学，认为经济可以无限增长，不受生态系统的约束，强调人造资本与自然资本之间的可替代性。而强可持续研究范式的理论基础是生态经济学，也叫可持续发展经济学，强调经济系统是生态系统的子系统，经济增长受到生态规模的约束，强调人造资本与自然资本的不可替代性[5]。

研究方法上，大多数从弱可持续的角度出发，基于线性加和的简单方法并以综合指数或综合得分的形式进行排名和评价，如由中国国际经济交流中心与哥伦比亚大学地球研究院于2017年联合提出的可持续发展指标体系（China Sustainable Development Indicator System， CSDIS）[6]、清华大学和麦肯锡公司于2010年共同合作创建的城市中国计划（Urban China Initiative， UCI）按年度更新的城市可持续发展指数（Urban Sustainability Index， USI）[7]、中国科学院可持续发展战略研究组从2006年开始提出了资源环境综合绩效指数（Resource Environmental Performance Index， REPI）[8]等分别从国家、省级、城市三个层面做了可持续发展评价。另一种是从效率视角提出了生态效率的概念[9]，并将生态效率作为衡量国家或区域可持续发展状况主要评价工具之一，但生态效率的本质内涵是生态投入一定情况下的GDP最大化。在生态效率的基础上，国内学者诸大建[10]、张帅[11]、龙亮军[12]等基于强可持续的研究范式从生态福利绩效的视角分别从国家、省级和城市层面进行可持续发展评价，生态福利绩效强调在生态承载力范围内以较少的生态投入实现较高福利水平的提升。也有部分学者采用数据包络分析（Data envelopment analysis， DEA）方法以及不同的DEA模型如超效率DEA模型和基于松弛变量测度（Slack-based measure， SBM）的SBM模型等基于投入产出的视角对可持续发展效率进行测算和评价[13]。

综上所述，现有相关主题的研究为本文研究思路提供了一定的借鉴和参考，但也存在一定的不足：①目前大多数研究虽然考虑了经济、社会、生态等多个维度，涉及经济发展、社会民生、资源环境、消耗排放和环境治理等多个领域的指标，但最终通过线性加总以综合指数或总得分的形式来进行排序和评价，部分关键生态环境指标容易被较高的经济指标掩盖，这就等于变向地承认了自然资本可以被人造资本替代，仍没有走出弱可持续的研究范式，不利于真正实现可持续发展。②传统的基于指数综合得分或单一比值的评价研究，无法解决关键资源环境指标应该进一步改进多少的问题，另外大多数生态效率评价研究只考虑经济产出指标，未能考虑社会福利指标。③部分研究虽然运用DEA方法进行了可持续发展效率或生态效率评价，但都是将整个生态福利转化过程视为一个“黑箱”，进行单阶段的DEA效率测算，无法识别出分阶段的有效性。

鉴于此，为避免经济、社会和生态三个维度指标通过简单的线性加总而产生的结果偏差，以及为解决以往生态效率研究未能考虑社会福利指标、传统DEA“黑箱操作”的不足、无法解决关键指标如何优化等问题，本文基于强可持续的研究范式，从生态福利的视角出发，运用两阶段考虑非合意产出的超效率网络SBM模型，将城市生态福利绩效分解为城市生态经济效率和经济福利效率进行测算和评价并对各阶段效率单独分析和综合对比分析，最后基于冗余度分析为各城市指明效率改进的方向和路径。

2 研究方法、指标体系及数据

2.1 研究方法

本文从生态福利的视角出发，基于DEA方法构建城市生态福利绩效评价指标体系，并运用两阶段考虑非合意产出的Super-NSBM模型进行效率测算和评价，打开城市生态投入与福利产出转化过程的“黑箱”。在借鉴国内学者诸大建[10]2008年提出生态福利绩效概念的基础上，根据其测算公式（见式1）及相关恒等式推导得到城市生态生态福利绩效的计算公式（见式1），可将城市生态福利绩效分解为两个阶段来实现（见图1）：第一阶段是生态投入转化为经济产出的效率，称之为生态经济效率（也就是生态效率）;第二阶段就是经济投入转化为福利产出的效率，称之为经济福利效率。

（1）式中，EWP（Ecological well-being performance）表示生态福利绩效，UEWP（Urban Ecological civilization performance）表示城市生态福利绩效，HDI（Human development index）为人类发展指数，代表客观福利水平，EF（Ecological footprint）为人均生态足迹，代表自然消耗情况，人均GDP代表经济发展水平，WB（Well-being）代表综合福利水平，包括主观福利（如生活满意度等）和客观福利（如人类发展指数等）。

2.1.1 考虑非合意产出的Super-NSBM模型

传统DEA模型基于径向角度来进行效率测算，要求所有投入产出以同比例缩减或扩张，无法涵盖松弛变量，容易导致测算结果偏高[14]，为解决这一缺陷，Tone[15]于2001年首次提出了考虑松弛变量的SBM模型，可以实现在单阶段DEA效率评价时得到各投入产出指标的具体松弛程度。但传统 DEA模型和SBM 模型进行的单阶段效率测算都是将生产过程看成一个“黑箱”来评价，无法有效评价系统运行过程中的真实效率情况[16]。为此，Tone[17]改进了单阶段SBM模型，构建一种基于松弛变量的网络DEA 模型，该模型可以实现在评价决策单元整体效率的同时评价其子阶段的效率。在此基础上，为解决多个有效决策单元无法排序的问题，本文采用可变规模报酬假设下的两阶段视角下基于非导向、非径向的考虑非合意产出的超效率网络SBM模型（Super-efficiency Network SBM model）， 简称Super-NSBM模型（见式2）。

式（2）中，mk和vk表示第k个阶段的输入与输出个数，φk表示中间指标的个数。（k， h）表示从阶段k到阶段h的连接，x为输入，y代表输出，z代表中间产出，λk表示k阶段的模型权重，ωk表示第k阶段的权重。sk-表示投入指标的松弛变量，sgk和sbk分别表示合意产出和非合意产出的松弛变量。为了更好地进行评价和分析，具体说明如下。

（1）本文为两阶段评价，故k=2， 同时考虑到第一阶段和第二阶段都同等重要，因此各阶段的权重设定相同;

（2）当且仅当第一阶段的效率值和第二阶段的效率值均大于或等于1时，决策单元视为DEA相对有效;

（3）当综合效率值和其中一个阶段效率大于或等于1时，决策单元视为弱DEA有效。否则，视为DEA无效。

2.1.2 DEA窗口分析法

DEA 窗口分析法（DEA Window Analysis）的基本思想是将不同时期的同一决策单元看作不同的决策单元，通过类似移动平均的方法选择不同的参考集来评价一个决策单元的相对效率。采用 DEA 窗口分析法不仅增加了受评价的决策单元数量，而且可以从横向（同一个决策单元在不同时间段）和纵向（不同的决策单元在同一时间段）两个维度上对效率进行比较，从而有利于全面分析各决策单元的效率变化趋势及各决策单元之间的差异[18]。

在运用 DEA 窗口分析法之前，必须首先设定好窗口的具体宽度，以保证测算的灵活性和精确度。根据以往研究的经验总结[19-21]，通常一般选择d = 3。假设窗口宽度设定为d，即将整个研究区间分别d个时间段，假设样本时间长度为T，则需要建立的窗口数量为T-d+1，假设初始决策单元的个数为n，此时被评价的决策单元数量则变为d×n×（T-d+1）。最后，将各年份在不同窗口的效率值进行加总求平均值，作为被评价DMU的最终可进行时间序列比较的效率值。

2.2 指标体系构建

生态福利绩效的本质内涵就是以较少的生态投入（自然消耗）获取较高的福利水平（生活质量），这也符合DEA方法对投入与产出指标的要求。鉴于生态福利绩效的概念本质上是生态效率的版本升级，因此指标选取主要是参考国内学者诸大建[22]、付丽娜[23]、成金华[24]等关于生态效率评价指标体系的研究成果，并在科学性、系统性、可比性和可操作性等原则下，分别选取能源消耗、土地消耗和水资源消耗作为投入指标。由于城市经济社会发展过程中，也不可避免地会产生一定的污染物排放，特别是随着城市人口的集聚增多，生活污染排放如汽车尾气和生活垃圾等也将对城市生态系统造成一定的压力，同时考虑到数据的可得性，本文将废水、废气和固废作为非合意产出纳入指标体系中，其中数据统计口径包括工业源和生活源两个方面，而以往大多数研究只考虑工业“三废”的排放数据。另外，中间变量指标为经济产出，用人均GDP指标来表征，因为经济增长只是中间手段，不是最终目标。产出指标主要是根据城市可持续发展的最终目标来确定，即在生态门槛内持续为城市居民提供较高的综合福利水平，主要包括客观福利和主观福利两个维度，分别由平均受教育年限、人均预期寿命和主观满意度来表征。从以往的研究来看[25-26]，大多数都是从主观或客观单一方面进行评价，容易对最终的评价结果造成一定的偏差，而生活質量的真实反映应该是主观和客观的综合评价（具体指标可参见表1）。

2.3 样本选取与数据来源

本文选取我国大陆地区35个主要城市进行实证研究。主要考虑到这些城市均为省级或副省级城市，在政治地位和经济实力方面都具有一定的代表性，并且在数据采集方面具备较好的统计优势。另外，鉴于城市层面的环境污染排放数据是从2011年才开始正式纳入统计，而最新的统计年鉴2016中目前也只更新到2015年的数据，因此，研究区间界定为2011—2015年，也正好处在我国第十二个五年规划的完整周期，简称“十二五”时期，研究区间具有较高的代表性和可比性。各指标原始数据均来自2012—2016年《中国环境统计年鉴》《中国城市统计年鉴》《中国城市建设统计年鉴》《中国统计年鉴》及各城市所在省份最新统计年鉴、水资源公报和环境状况公报等，少数缺失的数据利用内插法和外推法得到。主观满意度的数据来源于中国经济实验研究院城市生活质量研究中心自 2011年以来每年发布一次的《中国35个城市生活质量报告》，连续7年对中国35个主要城市生活质量进行跟踪调查，其研究结果具有较好的参考性和代表性。考虑到时间的滞后性，2011—2015年的数据将从2012—2016年的报告中获取。

3 实证结果分析

3.1 城市生态福利绩效综合水平及分阶段效率

本文首先运用基于可变报酬规模假设下的考虑非合意产出的超效率网络SBM模型和DEA窗口分析法，借助MaxDEA 6.16软件测算2011—2015年我国35个主要城市在每個窗口不同年份上的整体及两阶段效率，然后对每个年份上不同窗口下的效率取平均值，从而得到可进行时序比较的整体生态福利绩效、生态经济转化阶段效率和经济福利转化阶段效率（结果见表2和表3）。

由表2可知，“十二五”期间，我国35个主要城市的整体生态福利绩效水平不高，综合平均效率值为0.813，小于1，总体上未能实现DEA有效，但近几年呈现出逐年改善的利好趋势。根据效率平均值的排名来看，海口、青岛、西安依次排名前三位，呼和浩特、乌鲁木齐、银川依次排名最后三位。分区域来看，城市生态福利绩效综合水平呈现出“中部最高、东部次之、西部最低”的态势，这说明东部虽然经济最发达，但经济转化为福利的效率并不一定最高，还有待提升，特别是影响生活质量提升重要因素之一的生活满意度的提升，进一步说明了城市可持续发展应综合考虑教育和寿命、主观满意度等关键福利因素的必要性。另外，根据不同DEA模型的测算结果（见表2平均值a、平均值b、平均值c）对比可知，基于考虑非合意产出的两阶段Super-NSBM模型与传统的单阶段（“黑箱”评价）视角下考虑非合意产出Super-SBM模型相比，测算结果更符合实际，换言之，该模型提升了DEA模型测算的精确度，也再次验证了本文选取该模型的合理性，同时对于类似的涉及多阶段效率测算具有较好的借鉴和参考价值。

从分阶段效率来看，由表3可知，总体而言，第一阶段的生态经济转化效率明显低于第二阶段的经济福利转化效率，这说明生态经济效率偏低是导致生态福利绩效综合水平不高的主要原因。2011—2015年，满足两阶段同时实现DEA有效的仅海口1个城市，说明“十二五”期间大多数城市未能较好地实现生态、经济、福利这三者之间的协调发展。除海口之外，北京、青岛、福州、深圳、长沙和成都6个城市第一阶段的生态经济转化效率均大于1，实现了DEA相对有效，说明这6个城市较好地实现了生态环境与经济增长的协调发展，但第二阶段的经济福利转化效率小于1，未能实现DEA相对有效，说明这6个城市经济增长与福利提升发展不均衡，接下来的重点是提升经济福利转化效率。而哈尔滨、石家庄、太原、南京、郑州、武汉、厦门、重庆、贵阳、南宁、西安、兰州、西宁、乌鲁木齐14个城市第二阶段的经济福利转化效率均大于1，实现了DEA有效;但第一阶段的生态经济转化效率小于1，未能实现DEA相对有效，特别是部分西部城市，生态效率偏低是导致生态福利绩效综合水平较低的主要原因，这些城市应重点提升生态经济转化效率。

3.2 基于生态福利绩效和人类发展指数的综合对比分析

城市可持续发展不仅需要高效率，还需要较高的人类发展水平，为城市居民提供高效率的生活质量。为有效剔除一些城市因生态投入较低但人类发展水平也不高的“双低”现象（如海口，虽然整体的效率水平较高，但整体经济社会发展水平不高，仍未实现真正的可持续发展）。本文综合生态福利绩效和人类发展指数进行比较分析，分别取综合效率值0.9和人类发展指数0.8为分界点。城市人类发展指数（HDI）的测算[27]主要参照《人类发展报告》中的计算方法，对教育、经济和寿命三个维度的指标求几何平均值，参照联合国开发计划署（UNDP）发布的《人类发展报告》划分依据，即HDI高于0.8称为高人类发展水平国家。因此，可将各城市划分为“高效率-高福利（H-H）”“低效率-高福利（L-H）”“低效率-低福利（L-L）”和“高效率-低福利（H-L）”四种类型。

如图2所示，①处在高效率-高福利（H-H）区的有9个城市：青岛、北京、上海、天津、南京、杭州、长沙、武汉和厦门，说明这9个城市的社会经济发展与资源环境消耗实现了较好的协调发展。其中，青岛的社会经济发展与生态环境保护的协调程度最好。②处在低效率-高福利（L-H）区的有5个城市：广州、大连、宁波、沈阳和济南，说明这5个城市已经处于在较高的人类发展水平，较高的福利水平获得是以过高的生态投入代价来实现，因此唯一的短板是效率低下，也是下一步改进的方向。③处在低效率-低福利（L-L）区的有11个城市：哈尔滨、太原、石家庄、南宁、贵阳、昆明、西宁、兰州、呼和浩特、乌鲁木齐和银川，说明这11个城市在效率和人类发展水平上均有较大的提升空间，特别是西部城市如西宁、兰州、乌鲁木齐和银川，生态经济转化效率极低，资源消耗过度、利用率低且污染排放严重，生产技术相对落后，亟需改进和提升，同时还要加大教育和医疗投入，提升人类发展水平。④处在高效率-低福利（H-L）区的有10个城市：海口、深圳、福州、合肥、南昌、郑州、长春、成都、重庆和西安。除了深圳（0.791）比较接近高人类发展水平外，其他9个城市的人类发展水平处于中等水平，特别是海口和重庆，人类发展水平与其综合效率水平极不匹配，海口和重庆虽然在生态环境保护方面具有一定的领先优势，但目前还未进入可持续发展城市行列，人类发展水平偏低是主要原因和制约瓶颈。

3.3 城市生态福利绩效的改进路径

由表2的测算结果可知，“十二五”期间每年都有一些城市存在不同程度的投入产出冗余，即投入过高或产出不足，具体表现为：2011年有19个城市表现为DEA相对无效，2012年30个城市表现为DEA相对无效，2013年16个城市表现为DEA相对无效，2014年15个城市表现为DEA相对无效，2015年10个城市表现为DEA相对无效。其中2012年DEA无效的城市最多，囿于篇幅，本文以2012年为例，同时考虑到2012年各城市第二阶段的经济福利转化效率的平均值总体上表现为DEA相对有效，仅对35个主要城市生态福利绩效的投入指标进行冗余度分析，并在此基础上，为各城市指明下一步效率改进的方向和路径。

如表4所示，2012年30个DEA相对无效城市中，东部地区有12个，中部地区有8个，分别是西部地区有10个。由此也可看出，2012年是“十二五”期间城市生态福利绩效综合水平表现最差的一年，除了北京、上海、青岛、海口、西安5个城市之外，其余30个城市都在能源消费、土地消耗、水资源消耗等方面均存在不同程度的冗余，且部分城市环境污染排放严重。结合表4的测算结果，本文重点讨论几个典型城市并提出改进路径：①广州因土地消耗和水资源消耗过多导致了整体的生福利绩效水平偏低，因此要加快建设紧凑型生态城市以缓解土地和用水需求的供应壓力。②太原因能源消耗、土地消耗和环境污染排放严重这三个方面成为生态福利绩效较低的主要原因，接下来应重点加快调整产业结构、能源消费结构、发展绿色生态产业。③杭州、南昌、哈尔滨均因水资源过度消耗导致其生态福利绩效不高，接下来应重点提高用水效率。④天津和石家庄均在环境污染排放方面具有一定的减排空间，也是制约这两个城市生态福利绩效提升的主要因素。⑤大连因水资源消耗和环境污染排放较高，成为生态福利绩效不高的两个主要因素，应进一步提升用水效率和减少污染排放。⑥兰州、银川、乌鲁木齐和呼和浩特这四个西部城市，无论是能源消费、土地消耗、水资源消耗和环境污染排放方面均存在过度冗余，资源过度浪费，利用率极低，污染排放严重，生态效率总体偏低是导致生态福利绩效偏低并排名靠后的主要原因。应引进先进技术，加强东西地区的相互合作与交流，提升资源利率用，合理利用土地资源，西部城市无论是节能还是减排均有巨大的改进空间。

4 结论与政策建议

本文运用Super-NSBM模型和DEA窗口分析法测算了我国“十二五”期间35个主要城市生态福利绩效综合水平，与传统的单阶段（“黑箱”评价）视角下考虑非合意产出Super-SBM模型相比，两阶段视角下基于考虑非合意产出的Super-NSBM模型的测算结果精确度更高，换言之，该模型提升了DEA效率测算的精确度，也再次验证了本文选取该模型的合理性，对于类似的涉及多阶段效率测算具有较好的借鉴和参考价值。研究结果表明：①“十二五”期间，我国35个主要城市的整体生态福利绩效水平不高，且城市之间差异较大，总体上未能实现DEA有效，但近几年呈现出逐年改善的利好趋势。②分阶段效率来看，第二阶段的经济福利效率高于第一阶段的生态经济效率，生态经济效率偏低是导致整体生态福利绩效水平不高的主要原因。③分区域来看，城市生态福利绩效综合水平呈现出“中部最高、东部次之、西部最低”的态势。各地区不同城市因自然资源禀赋和经济发展水平的差异，导致在能源消耗、土地消耗和环境污染排放三个方面存在不同程度的冗余，成为城市生态福利绩效不高的主要原因。

基于上述结论，为各城市生态福利绩效提升及可持续发展提出以下政策建议：第一，加快产业结构转型、发展绿色生态产业。哈尔滨、大连和银川均耗水过多且污染排放较高，主要在于重化工产业占较高比重，水资源消耗过多和污染排放高成为生态福利绩效偏低的主要原因。太原由于煤炭资源丰富，产业结构主要以煤炭开采业为主，同时必须依赖水资源、土地资源，导致能源消耗、土地消耗和环境污染排放严重，成为生态福利绩效较低的主要原因，接下来应重点加快调整产业结构、能源消费结构、发展绿色生态产业。而西部城市如乌鲁木齐、西宁等因自然资源丰富，但在地理位置上有天然的劣势，建议专业化地发展当地的特色农业、旅游业和资源产业，减少高污染、高排放工业企业的盲目招商引资，进而减少建设用地低效率使用和环境污染排放。第二，有效推进京津冀城市群协同发展。虽然北京的整体生态效率水平比较高，与其重工业迁往周边省市有关，如果石家庄等河北其他周边重工业城市的污染排放没有改善，由于环境污染具有区域性扩散的基本特征，北京的环境质量也不会得到质的提升，这样一来，北京只是实现统计数据意义上的高生态效率，于是出现了“统计数据上排名靠前，但生活质量和幸福感靠后”的怪象。真正的可持续发展应在率先注重整体环境质量提升的基础上有效推进京津冀城市群协同发展。第三，建设公共交通导向的紧凑型低碳城市。以广州为例，过去10年城市以摊大饼式蔓延发展和扩张，土地过度开发和利用，导致土地资源消耗过度，同时用水总量和人均用水量均排在国内前列，广州也是珠三角地区用水量最多的城市。为此，应严格控制城市建设用地扩张，提升水资源利用率，建设公共交通导向的紧凑型低碳城市。

（编辑：李 琪）

参考文献

[1]诸大建， 何芳， 霍佳震. 中国城市可持续发展绿皮书[M]. 上海： 同济大学出版社， 2014.

[2]中华人民共和国2017年国民经济和社会发展统计公报[J]. 中国统计， 2018（3）：7-20.

[3]胡鞍钢. 2030中国迈向共同富裕[M]. 北京： 中国人民大学出版社， 2011.

[4]BRUNTLAND G. Our common future： the world commission on environment and development [M]. Oxford： Oxford University Press， 1987.

[5]诸大建. 生态经济学： 可持续发展的经济学和管理学[J]. 中国科学院院刊， 2008（6）： 520-530.

[6]中国国际经济交流中心，哥伦比亚大学地球研究院. 中国可持续发展评价指标体系研究——省级与大中城市可持续发展排名（2017 年度）[R/OL].（2017-12-19）[2018-09-20]. http：//www.chinadevelopmentbrief.org.cn/news-20838.html.

[7]城市中国计划. 城市可持续发展指数2016[R]. 2017.

[8]智颖飙， 王再岚， 马中， 等. 宁夏资源环境绩效及其变动态势[J]. 生态学报， 2009， 29（12）： 6490-6498.

[9]侯孟阳， 姚顺波. 中国城市生态效率测定及其时空动态演变[J]. 中国人口·资源与环境， 2018， 28（3）： 13-21.

[10]诸大建， 孟维华， 徐萍. 1980—2005 年中国经济增长对福利的贡献[C]//2008年度上海市社会科学界第六届学术年会文集， 2008.

[11]诸大建， 张帅. 生态福利绩效及其与经济增长的关系研究[J]. 中国人口·资源与环境， 2014， 24（9）： 59-67.

[12]龙亮军， 王霞. 上海市生态福利绩效评价研究[J]. 中国人口·资源与环境， 2017， 27（2）： 84-92.

[13]龙亮军， 王霞， 郭兵. 基于改进 DEA 模型的城市生态福利绩效评价研究——以我国 35 个大中城市为例[J]. 自然资源学报， 2017， 32（4）： 595-605.

[14]CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making Units [J]. European journal of operational research， 1978， 2（6）： 429-444.

[15]TONE K. A slacks-based measure of efficiency in data envelopment analysis [J]. European journal of operational research， 2001， 130（3）： 498-509.

[16]張浩， 杨慧敏. 基于考虑非期望产出的超效率网络SBM模型的我国商业银行效率[J]. 系统工程， 2017， 35（4）： 17-24.

[17]TONE K， TSUTSUI M. Dynamic DEA： a slacks-based measure approach [J]. Omega， 2010， 38（3-4）： 145-156.

[18]江涛， 范流通， 景鹏. 两阶段视角下中国寿险公司经营效率评价与改进——基于网络SBM模型与DEA窗口分析法[J]. 保险研究， 2015（10）： 33-43.

[19]CHARNES A， CLARK C T， COOPER W W， et al. A developmental study of data envelopment analysis in measuring the efficiency of maintenance units in the US air forces[J]. Annals of operations research， 1984， 2（1）： 95-112.

[20]CULLINANE K， SONG D W， JI P， et al. An application of DEA windows analysis to container port production efficiency[J]. Review of network economics， 2004， 3（2）.DOI： https：//doi.org/10.2202/1446-9022.1050.

[21]陈浩， 王晓红， 张宝生. 基于视窗分析模型的我国高校科研效率评价[J]. 科研管理， 2013， 34（7）： 101-111.

[22]诸大建，邱寿丰. 生态效率是循环经济的合适测度[J]. 中国人口·资源与环境， 2006， 16（5）： 1-6.

[23]付丽娜， 陈晓红， 冷智花. 基于超效率DEA模型的城市群生态效率研究——以长株潭“3+5”城市群为例[J]. 中国人口·资源与环境， 2013， 23（4）：169-175.

[24]成金华， 孙琼， 郭明晶， 等. 中国生态效率的区域差异及动态演化研究[J]. 中国人口·资源与环境， 2014，24（1）： 47-54.

[25]ZHANG S， ZHU D J， SHI Q H， et al. Which countries are more ecologically efficient in improving human well-being？ an application of the Index of Ecological Well-being Performance [J]. Resources， conservation and recycling， 2018， 129（1）： 112-119.

[26]ZHANG S， SHI Q H， CHENG M W. Renewable natural capital， the biocapacity， and subjective well-being [J]. Journal of cleaner production， 2017， 150：277-286.

[27]龍亮军， 王霞， 郭兵. 生态福利绩效视角下的上海市可持续发展评价研究[J].长江流域资源与环境， 2016， 25（1）： 9-15.

Abstract How to sustain a high level of well-being with the ecological limits for urban inhabitants， in other words， to improve urban ecological well-being performance （hereinafter refers to UEWP）， is the basic requirement and inevitable choice of urban ecological civilization construction and sustainable development. Firstly， this paper establishes the evaluation index system of UEWP based on the DEA method from the perspective of ecological well-being. Then， the UEWP of Chinas 35 major cities during 2011-2015 is measured by using two-stage super-efficiency network SBM model with the consideration of undesirable outputs and DEA window analysis method， in which the ‘black box is opened by dividing UEWP into ecological efficiency and economic well-being efficiency from a two-stage angle. Last， the direction for improvement of the inefficient cities is pointed out in terms of slacks analysis. The research shows that： ①During the Twelve Five Year Plan period， the overall efficiency of 35 major cities in China was at a low level with average efficiency of 0.813， which failed in standing on the DEA efficient frontier. ②From the two-stage perspective， the economic well-being efficiency in the second stage is much bigger than the ecological efficiency in the first stage， and the ecological efficiency with a relatively lower level mainly contributes to a relatively low UEWP in the whole period. ③As for three regions in terms of UEWP， the middle area ranks first， the eastern area ranks the second and the western area ranks the last. ④Comparatively speaking， the DEA efficiency measured by two-stage super-efficiency network SBM model with the consideration of undesirable outputs is relatively lower than that measured by traditional SBM model featured by one stage. In other words， the accuracy of measurement is higher than the traditional ones， which enjoys a good reference for the similar fields concerning two or more stages of DEA measurement and evaluation. Finally， some constructive suggestions are proposed to improve UEWP and sustainable urban development and ecological civilization construction， for example， the cities with a low efficiency shall accelerate the transformation of industrial structure， develop green and ecological industry， promote the coordinated development of Beijing-Tianjin-Hebei urban agglomeration efficiently and construct low-carbon compact city modern city featured by Transit-Oriented-Development （TOD）.

Key words strong sustainability; UEWP; super-efficiency network SBM model; DEA window analysis method; undesirable output