基于DPSIRDEA模型的区域可持续发展效率测度及分析 本文关键词：测度，可持续发展，模型，效率，区域
基于DPSIRDEA模型的区域可持续发展效率测度及分析 本文简介：摘要DPSIRDEA模型在涵盖指标全面的基础上能够重点突出效率，便于不同地区之间进行比较，有利于发现区域间的差异，因地制宜弥补低效率地区的不足。基于此，本文以2003—2015年中国大陆31个省市的省际面板数据为基础，借助驱动力—压力—状态—影响—响应（DPSIR）方法来构建中国可持续发展能力评价框
基于DPSIRDEA模型的区域可持续发展效率测度及分析 本文内容：
摘要
DPSIRDEA模型在涵盖指标全面的基础上能够重点突出效率，便于不同地区之间进行比较，有利于发现区域间的差异，因地制宜弥补低效率地区的不足。基于此，本文以2003—2015年中国大陆
31个省市的省际面板数据为基础，借助驱动力—压力—状态—影响—响应（DPSIR）方法来构建中国可持续发展能力评价框架，利用熵值法、层次分析法和DS证据理论合成的方法从主观和客观两个方面对该框架进行量化，基于量化结果利用超效率SBMDEA模型进行效率计算，并依据经济计量模型对中国可持续发展效率的影响机制进行分析。结果显示：①2003—2015年间各省市可持续发展效率整体呈现上升趋势，但各地区效率水平及其变化幅度的差异较为显著；②华中和东北地区可持续发展效率评价结果均低于全国平均水平，华北、华南和华东地区可持续发展效率评价结果相对较高，绝大多数年份位于全国平均水平之上，西北和西南大部分地区可持续发展效率评价结果波动不大且处于较低水平；③经济发达地区可持续发展效率评价高于经济欠发达地区，产业结构优化地区可持续发展效率评价高于产业结构相对落后地区，沿海地区可持续发展效率评价高于内陆地区；④城镇化率、第二产业比重、比较劳动生产率、产业调整系数以及科技从业人数对可持续发展效率的提高具有显著促进作用，而人口密度、耕地面积以及资源消耗压力对可持续发展效率的提高具有显著阻碍作用，工业三废排放量对可持续发展效率的阻碍作用并不显著。最后从各地区可持续发展效率的区域差异以及影响机制两个方面提出相关的政策建议。
关键词 可持续发展效率；影响机制；DPSIRDEA模型
中图分类号 F129.9；F290
文献标识码 A
文章编号 1002-2104（2017）11-0001-09
[WTHZ]DOI：10.12062/cpre.20170620
工业文明和城市经济的高速发展加剧了对自然环境的压力，造成各国资源锐减、环境污染和生态破坏，严重制约着人类的生存和经济的长期发展。1987年挪威首相Gro Harlem Brundtland首次在《我们共同的未来》一书中引入可持续发展理念，正式提出可持续发展是指“既满足当代人的需求，又不对后代人满足其自身需求的能力构成危害的发展”，此后世界各国对可持续发展的诉求日趋迫切。由于可持续发展涉及到人口、资源、经济、社会、环境等各方面的问题，已成为全人类共同追求的发展目标，正是认识到这一问题的重要性，中国从十五大开始便把可持续发展列为国家战略。但是从中国目前资源与环境条件的状况来看，今后中国的发展仍将面临水土资源短缺以及人口不断增长的压力，单纯从一个或者几个方面提高可持续发展水平已经难以为继，还需把注意力转移到提升可持续发展效率上来，在有限的资源条件内充分提高区域可持续发展效率。
1 文献综述
自可持续发展概念正式提出以来，国外展开了一系列的研究，主要包括：经济增长与社会公平可持续性研究[1-2]，城市发展与资源环境承载力可持续性研究[3]，以及人类发展与环境生态系统可持续性研究[4]。Kates等[5]认为可持续性科学有七个核心问题需要研究，其中两个是关于可持续发展评价的。英国、瑞典、芬兰、德国、美国、瑞士、丹麦和中国自1999年之后均对可持续发展指标体系进行了构建[6-9]。而明确提出制定全球可持续发展目标、构建全球可持续发展治理机制等战略举措则是在2012年6月于巴西召开的可持续发展大会上确定，《全球可持续发展报告》的编写也在此次会议上同时启动[7]。国内关于可持续发展的研究主要是针对单一城市可持续发展的评价[10-11]，以及对某一类型城市可持续发展的评价[13-14]。不管是针对单一城市可持续发展的评价还是对某一类定城市可持续发展的评价都局限于中观层面，缺乏行之有效的解决方案。鉴于目前中国经济放缓、资源约束趋紧的现状，环境问题也日益凸显，生态环境问题已经成为制约中国经济发展和社会稳定的一个重要因素。因此必须从宏观上对中国的可持续发展进行把握，将针对某一地区、某一方面可持续发展水平的提高转变到可持续发展效率的整体提升上来。同时将针对单一城市或某一类型城市可持续发展的研究扩展到宏观层面对效率提升的研究。然而面对较为复杂的经济、社会和生态系统，DEA指标的选取往往面临不全面以及缺乏合理性等问题。针对DEA指标的选择，郭存芝[18]利用DEA模型对可持续发展整体效率研究进行了初探，但是指标选取缺乏一定的理论支撑，而且对于指标的处理只有客观权重，尽管该方法避免了主观人为因素的影响，但赋权结果可能与实际情况有一定出入。Wang[6]对中国沿海地区可持续发展的研究针对性不强，所选区域有限，并把压力指标中废水、废气和废固的排放作为了效率评价中的投入要素，指标处理与实际情况有所差异。
因此，本文借助DPSIR框架來构建中国各省市可持续发展能力评价的指标，选择驱动力、资源消耗压力和响应作为输入，状态和影响作为输出，生态破坏压力作为非期望产出，利用涵盖主观权重和客观权重的综合权重计算DPSIR的指标值，运用超效率SBMDEA模型计算各地区可持续发展效率，并依据计量模型对中国可持续发展效率的影响机制进行分析，以期更科学、更全面地对中国各地区可持续发展效率进行分析，最后从可持续发展效率的区域差异以及影响机制两个方面提出相关的政策建议。
2 研究方法与数据
2.1 DPSIR模型
DPSIR模型是由欧洲环境局（EEA）综合压力-状态-反应（PSR）和驱动力-状态-响应（DSR）框架的优点制定，用于描述并解决经济与环境系统部门之间因果关系的环境管理模型。DPSIR模型将一个系统的评价指标分为驱动力-压力-状态-影响-响应（Driving forcesPressureStateImpactResponses）五种类型，根据不同评价体系的需求，每种类型中又分成若干种指标，由于DPSIR模型具有涵盖内容全面、逻辑性强等优点，正被越来越多地应用于可持续发展模型的评价。endprint
在DPSIR概念模型中其核心的五個指标单方向具有“环”关系：引发风险变化的潜在原因作为驱动力作用于环境，进而对环境产生压力，导致环境状态的变化，从而对人类、自然与社会各方面造成各种影响。这些影响促使人类对自然环境的变化做出响应，采取一系列积极措施来应对生态环境的改变。实际上这五个指标之间也是相互关联的，具有双向关系，如图1所示。图中实线和虚线都代表各种指标之间的联系，实线表示DPSIR模型传统的单方向环关系，虚线则表示五个指标之间的双向关系。资源消耗压力及生态破坏压力能够间接作用于经济发展水平，而经济发展水平能够通过劳动力数量和城镇化率等指标反映出来。
2.2 DEA模型
数据包络分析法是由美国两位著名运筹学家A. Charnes和W. W. Cooper在1978年提出用来评估相对效率的一种分析方法。Tone基于环境生产技术构建了非期望产出的松弛度量（SBM）模型，该模型与经典CCR和BCC模型的主要区别在于目标函数包含松弛变量，解决了输入或输出的非零松弛的问题，以及生产过程中非期望产出问题，然而却未能区分相对有效的决策单元（DMU）的效率。因此，Tone提出了SuperSBM模型，具有以下数学表达式：
其中，ρ代表效率值，N，M，I分别代表输入，期望产出和非期望产出的数量。（sym，sbi，sxn）表示输入—输出的松弛变量，（ykm，bki，xkn）表示在t时刻生产单元k的输入—输出值，（zyk，zxk）代表每个输入—输出值的权重。目标函数ρ随sym，sbi，sxn严格递减且满足0<ρ≤1。当ρ=1时，表明生产单元完全有效，ρ<1则表明生产单元具有效率损失。
2.3 DPSIRDEA模型
在DPSIR框架中，驱动力代表经济和生态的变化，压力代表人类资源的消耗，响应代表人类为解决经济和生态问题而制定的积极政策和措施，状态代表经济和生态环境的状况，影响代表最后的经济和生态环境。DEA模型中决策单元的投入产出指标之和一般为DMU的1/3，过大或过小都会造成结果的不准确，然而可持续发展评价是一个需要全面指标的评价，所选指标较多必然会造成最后效率计算不准确的问题，最终影响相关政策的制定。DPSIR框架与DEA模型结合的方法既能较为全面的涵盖相关指标，又能较为准确的计算出可持续发展效率，巧妙地解决了上述的问题。为了理解将DPSIR框架与DEA模型结合起来的合理性，本文借鉴Wang[6]和徐燕[16]将DPSIR环形结构拆解成年度线性结构的方法，构造出两时期的DPSIR环形图，如图2所示。其中，状态和影响代表DPSIR框架的最终结果，即DEA模型中的产出要素，而驱动力、压力和上一年的响应是最终结果的必要投入要素。在跨时期DPSIR环形框架内，本年度所作出的响应作为下一年度的投入要素，使得DPSIR环形框架能够在年度间实现不断循环。因此，本文选择DPSIR模型中驱动力、资源压力和响应作为投入，状态和影响作为期望产出，生态压力作为非期望产出来构成DEA模型中的投入—产出指标。
2.4 指标选取
可持续发展是人类共同面临的涉及社会进步、环境保护、经济发展等各方面保持高度协调的问题，因此可持续发展指标体系包括了人口、资源、环境、经济等各项评价指标体系。
驱动力（D）：参考相关文献[6，17-18]，本文选取人口增长率、人口密度、城镇化率、耕地面积四个指标作为驱动力。劳动力和土地既是DPSIR框架中推动可持续发展的重要驱动力，也是DEA模型中重要的投入指标，因此本文从劳动力和土地两个方面进行指标选取。本文选取人口增长率、人口密度和城镇化率三个指标分别从劳动力增长潜力和劳动力现状两个方面表征劳动力，选取耕地面积表征人类对土地的利用情况。
压力（P）：参考相关文献[6，12，18]，本文选取能源工业投资、人均电力消耗量、人均用水量和平均每万元GDP能源消耗量四个指标作为资源消耗压力P1，工业三废即废水排放量、废气排放量和废固排放量三个指标作为生态破坏压力P2。能源工业投资是实现低碳发展的重要调控手段，高质量的能源工业投资能够有效避免资源浪费，提高能源工业的经济和社会效益；水和电消耗了农业和工业中的大部分能源；平均每万元GDP能源消耗量是反映能源消耗水平和节能减排条件的主要指标，这一指标反映了该地区经济活动中能源利用程度及使用效率的变化。工业三废作为工业化生产在所难免的附属产物会对各地区的生态环境造成不同程度的破坏，在一定程度上阻碍地区内可持续发展能力水平的提高。
状态（S）：参考相关文献[6，12，15]，本文选取第二产业比重、第三产业比重、比较劳动生产率（CLP）和公共绿地面积四个指标描述中国31个地区可持续发展的状态。第二产业和第三产业比重可以反映各地区的产业结构；比较劳动生产率（CLP）指一个部门的产值同在此部门就业的劳动力比重的比率，反映1%的劳动力在该部门创造的产值比重；公共绿地面积的大小能够直接反映出一个地区可持续发展水平状态。
影响（I）：参考相关文献[12-14]，本文选取人均GDP、GDP增长率、人均固定资产存量和产业调整系数四个指标作为影响。人均GDP和GDP增长率分别从绝对和相对概念来描述一个地区经济发展水平的高低；固定资产存量的多少是决定一个地区工业能否快速发展的必要条件；产业调整系数高（低）能够间接反映出该地区产业资源消耗小（大），环境污染低（高），进一步反映出该地区可持续发展的水平。
响应（R）：参考相关文献[6，17-18]，本文选取耕地面积变化率、科技、教育、环境就业人数在就业总人数中的占比及其三部门投资在GDP中的占比这七个指标作为响应。科技、教育和环境是促进可持续发展的三大产业支柱，对中国的可持续发展起到了重要促进作用，而土地资源作为经济发展的重要投入要素之一，耕地面积变化率无疑能够作为响应指标来反映该地区可持续发展水平的状况。endprint
2.5 數据来源
本文研究对象是中国大陆31个省市，样本区间为2003—2015年，采用年度面板数据进行各省市DEA效率测算。在所有指标中，比较劳动生产率（CLP）、固定资本存量和产业调整系数依据相关文献的计算方法确定。本文其他计算数据均来自2004—2016年《中国统计年鉴》《中国能源统计年鉴》《中国水利年鉴》和《中国人口和就业统计年鉴》，部分数据以2003年为基期，根据各年各地区GDP指数进行折算。
2.6 指标处理
从可持续发展的经济、社会、文化、技术和生态环境五个角度出发，结合DPSIR与DEA模型的需要，兼顾数据可得性，本文设计包括投入、产出两类指标，包括驱动力、资源消耗压力、生态破坏压力、状态、影响、响应在内6个二级指标、26个三级指标的基于DEA方法的省际可持续发展能力评价指标体系（见表1）。其中，驱动力、压力和响应为DEA模型中的投入要素，状态和影响为DEA模型中产出要素。DPSIR框架中每个指标的单位和重要程度不同，因此，本文采用主客观相结合的方法来处理DPSIR中的数据，其中主观权重评价采用层次分析法，客观权重评价采用熵值法，综合权重的确定依据DS证据理论合成办法，具体计算方法参照相关文献[6，18-19]，结果如表1所示。
2.7 计量回归模型
为进一步探索可持续发展效率的影响机制，根据科埃利《效率与生产率分析引论》可知，超效率DEA能够克服因变量有限范围问题，从而在使用计量回归模型时能够用OLS代替Tobit回归，这是因为Tobit模型本身是针对因变量有限范围，而超效率SBMDEA的结果克服了上线有界的问题。OLS模型可以表述为：
DEAi，t=β0+β1Xi，t+μi，t（2）
式（2）中，i代表省份，t代表年度，DEAi，t在此模型中代表第t年第i个省份可持续发展效率结果的对数值，Xi，t是1×26矩阵，其中每一行代表了DPSIR内各项指标数据原值的对数值，β1是26×1矩阵，其中每一列对应着变量Xi，t的系数值，μi，t～N（0，σ2）。
3 实证分析
3.1 基于超效率SBMDEA的可持续发展效率分析
根据公式（1），结合表1中投入产出指标的相关数据，以D、P1、R为投入，S、I为期望产出，P2为非期望产出，运用MaxDEA软件，计算得到31个省市2003—2015年可持续发展效率，结果如图3所示。
从图3可以看出：①在2003—2015年间，各地区可持续发展效率评价结果在波动中均呈现出上升趋势，全国平均效率评价水平从2003年的0.44上升到2015年的0.65；②华中和东北地区可持续发展效率评价结果均低于全国平均水平，其中东北地区可持续发展效率评价提升幅度大于华中地区（华中地区提升幅度为31.0%，东北地区提升幅度为124.1%）；③华北、华南和华东地区可持续发展效率评价结果相对较高，绝大多数年份位于全国平均水平之上，西北地区大部分地区可持续发展效率评价结果波动不大且处于较低水平。通过分地区的数据我们可以得出以下结论：①经济发达地区可持续发展效率评价高于经济欠发达地区；②产业结构优化地区可持续发展效率评价高于产业结构相对落后地区；③沿海地区可持续发展效率评价高于内陆地区；④华北地区可持续发展效率近年来呈现出上升趋势，北京市尤为突出。华北地区作为京津冀经济圈的地理依托，北京市作为中国经济、政治、文化中心，面对近年来日益严峻的环境问题，除大力开展紧急预案、积极实施节能减排等传统应对措施外，还率先出台了一系列法律法规致力于生态环境的改善，因此生态环境不断优化，DEA效率水平自2009年后逐年提高。
从中国各省市可持续发展效率的结果来看，DPSIRDEA模型既兼顾DPSIR框架和DEA模型的优点，又有效地规避了二者的不足：在计算可持续发展评价值时发现DPSIR框架在评价可持续发展水平方面由于所涵盖内容过于宽泛而不突出重点导致了其结果的趋同性，不便于不同区域间进行比较，因此本文不再列出DPSIR评价值；DPSIRDEA模型在涵盖内容全面的基础上能够重点突出效率，而效率也是未来我国可持续发展的核心指标，且由于各地区资源禀赋、功能地位等不同的原因，不同区域间可持续发展效率也有较大差距，因此DPSIRDEA模型更便于各地区之间进行比较，进而发现差距和弥补不足。DEA模型由于DMU数量的限制，只能对可持续发展中的经济方面或生态方面等进行效率评价，DPSIRDEA模型通过对涵盖内容的数据合成有效地解决了这一问题。与此同时DPSIR框架所提供的理论基础和逻辑结构相比DEA模型中指标的主观选择更具说服力，因此DPSIRDEA模型可以较为准确地反映不同地区的可持续发展效率情况。
3.2 影响因素分析
为进一步检验DPSIR框架内各指标对区域可持续发展效率的影响，根据可持续发展效率计算结果以及DPSIR各项指标的原始数据，借助Stata14.0软件，采用省际面板数据进行回归分析，结果如表2所示。
从DPSIRDEA回归结果可以看出：
（1）驱动力指标中，城镇化率对于可持续发展效率具显著促进作用，耕地面积和人口密度对效率的增长具有显著阻碍作用，而人口增长率对可持续发展效率的影响不大。城镇化率往往是作为一地区经济发展水平的重要指标，城镇化率越高对一地区经济发展水平的促进作用越大，可持续发展效率也就越高；人口密度的逐年上升以及耕地面积的不断扩大在一定时间内能够促进地区经济发展水平的提高，但从长远来看也会对生态环境造成一定的压力，使得该地区可持续发展效率降低。
（2）资源消耗压力指标中，能源工业投资、人均电力消耗量、人均用水量和平均每万元GDP能源消耗量均对可持续发展效率的提高具有显著的阻碍作用。工业三废排放量对可持续发展效率的阻碍作用并不显著这一结论似乎与公众认知并不相符，但与现有相关研究[20]契合，即尽管造成了工业三废排放量的增加，工业发展却在一定程度上促进了环境地效率的提高，因而工业三废并不会对可持续发展效率的提升造成显著阻碍作用，这也间接说明我国在工业发展促进经济增长的同时，也通过各项技术、政策措施减少了环境污染。endprint
（3）状态指标中，第二产业比重以及比较劳动生产率的提高对可持续发展效率的提高具有显著的促进作用，而公共绿地面积以及第三产业比重对于可持续发展效率提高作用并不显著。就中国现阶段产业结构情况来看，虽然第三产业占比逐年上升，但是第二产业发展稳定且占据较大比重，对中国可持续发展效率的促进作用仍大于第三产业。
（4）影响指标中，产业调整系数对地区可持续发展效率的提高具有显著促进作用，人均固定资产存量对效率提高的促进作用并不明显，而GDP增长率对地区可持续发展效率的提高有不太显著的阻碍作用。这一现象出现是因为较高的产业调整系数代表了该地区较为优化的产业结构，而GDP增长率的提高在代表了该地区经济增长的同时也代表了该地区对资源的消耗压力的加大，但是由于经济的增长同样会促进科技水平的提高，因此能够在一定程度上降低因资源消耗压力加大给效率提高所带来的阻碍作用。
（5）响应指标中，耕地面积变化率对可持续发展效率的提高具有不太显著的阻碍作用；科技从业人员占比对于提高地区可持续发展效率具有显著促进作用的同时，教育与环境从业人员从业占比对可持续发展效率的促进作用并不显著；但环境投资在GDP中的占比相较于科技与教育投资在GDP中占比对地区可持续发展效率提高的促进作用较为明显。出现这一现象的原因主要是因为对于科教的投资往往只能从其数量而不是质量上反映出投资结果，而对于环境的投资则能够在短期内通过生态环境的改善而表现出来，尽管目前回归的结论显示科教投资对可持续发展效率的提升带来的是阻碍作用，但针对科教的投资往往是功在当代、利在千秋，其效果是逐渐显现出来的。
4 结论与建议
如果没有重大经济动荡或政策变化，效率值在短期内不会发生大的变化，但是使用DEA模型的一些研究结果通常在短时期内计算出的效率值有较大变化，这主要是由于所选指标变化较大引起的，因此为得到更科学和更准确的效率结果必须选择更为全面的投入和产出指标，DPSIRDEA模型有效的解决了这一问题。根据DPSIR指标选取计算的效率结果发现，中国可持续发展水平在呈现出先降低后提升的同时，可持续发展效率在逐年提高，这一发现更接近實际情况。因此，通过利用DPSIR和DEA两种模型相结合的技术能够计算出更准确和更全面的效率评价结果，辅助决策者将注意力更加集中在可持续发展效率发生较大变化的重点地区以及低效率地区。
结果显示：2003—2015年间各地区可持续发展效率评价结果均在波动中呈现上升趋势，华北、华南和华东地区可持续发展效率评价结果相对较高，华中和东北地区可持续发展效率评价结果相对较低且低于全国平均水平，西北和西南地区大部分地区可持续发展效率评价结果波动不大且处于较低水平。为提高地区可持续发展效率，保证中国经济平稳增长、社会持续进步、生态不断改善，根据可持续发展效率计算的结果，本文从可持续发展效率的区域差异及其影响机制两方面提出相关的政策建议：
（1）在可持续发展效率的区域差异方面，本文从经济发达与欠发达地区、产业结构优化与落后地区、沿海与内陆地区三个方面进行探讨：①经济欠发达地区需要加快转变经济发展方式，由主要依靠物质资源消耗向主要依靠科技进步、劳动者素质提高和管理创新的转变来促进地区内可持续发展效率的提高；在供给结构上通过相对优势产业的带动逐渐向一、二、三产业协调发展。②产业结构落后地区，在要素投入结构上由高投入、高消耗、高排放、低效益的粗放型向低投入、低消耗、低排放、高效益的集约型转变；把发展新兴产业作为产业结构升级的重点，科学制定规划，加强体制创新，加大资金投入，打造产业基地。③内陆地区在承接沿海地区相关产业转移的同时，应利用本地成本优势加速产业转移的进程，吸引社会资源发展地区经济；通过产业结构调整和转变经济增长方式，在水资源可持续利用和保护生态环境的前提下进行生态建设，促进内陆地区可持续发展效率的提高。
（2）在可持续发展效率的影响因素方面，本文从驱动力、压力、状态、影响和响应五个方面进行探讨：①驱动力方面，加大就业培训力度，加强对灵活就业、新就业形态的支持，促进多渠道就业创业；统筹农村转移劳动力，扶持城镇困难人员、残疾人就业，实施农民工职能技能提升计划；制定退耕还林经营长期规划，逐步调整退耕林木结构，将符合条件的退耕生态林尽快纳入生态公益林，用生态效益补偿政策接续退耕还林政策，使其进一步产生生态效益和经济效益。②压力方面，大力开展节能减排，强化主要污染物减排，着重建立和完善节能减排市场化机制部分，建立市场化交易机制、推进环境污染第三方治理、推行合同能源管理模式、健全绿色标识认证体系、加强电力需求侧管理。③状态方面，积极促进清洁能源发展，努力解决机制和技术问题，实施节能低碳发电调度，优先保障清洁能源发电上网，落实可再生能源全额保障性收购政策。④影响方面，优化产业和能源结构，加强工业节能，强化建筑节能，促进交通运输节能，推动商贸流通领域节能，严格节能环保准入，完善环境经济政策，健全法律法规体系，严格依法监督管理，大力发展循环经济。⑤响应方面，推行排污权交易制度、发挥财政税收政策引导作用、深化资源环境价格改革、加快环境治理市场主体培育、建立绿色金融体系、加快建立多元化生态保护补偿机制。
（编辑：于 杰）
参考文献（References）
[1]SHANNON N Z， AMY J S，BARBARA A I， et al. Food shopping behaviours and exposure to discrimination[J]. Public health nutrition， 2014， 17（5）： 1167-1176.
[2]MC K， BRIAN S. Access to supermarkets among poorer neighbourhoods： a comparison of time and distance measures[J]. Urban geography， 2014， 35（1）：133-151.endprint
[3]HAUGHTON G. Sustainable cities[M]. London： Jessica Kingsley Publishers， 1996： 110-130.
[4]WARDROP D H， GLASMEIER A K， PETERSONSMITH J， et al. Wetland ecosystem services and coupled socioeconomic benefits through conservation practices in the Appalachian Region[J]. Ecological applications， 2011， 21（3）： 93-115.
[5]KATES R， CLARK W C， CORELL R， et al. Sustainability science[J]. Science， 2001， 292（4）： 641-642
[6]WANG S， SUN C Z， LI X， et al. Sustainable development in Chinas coastal area： based on the DriverPressureStateWelfareResponse Framework and the Data Envelopment Analysis Model[J]. Sustainability 2016（8）： 958-977.
[7]United Nation Conference on Sustainable Development. The future we want[R]. 2012.
[8]李天星.國内外可持续发展指标体系研究进展[J]. 生态环境学报， 2013 （6）： 1085-1092. [LI Tianxing. Research progress in sustainable development in dicator system both at home and abroad[J]. Ecology and environmental sciences， 2013 （6）： 1085-1092.]
[9]曹斌，林剑艺，崔胜辉.可持续发展评价指标体系研究综述[J]. 环境科学与技术， 2010（3）： 99-105，122. [CAO Bin， LIN Jianyi， CUI Shenghui. Review on assessment index of sustainable development[J]. Environmental science & technology， 2010 （3）： 99-105，122.]
[10]张婧，李强，周渊.陕西省城市可持续发展评价[J]. 中国人口·资源与环境， 2013 （S2）： 448-453. [ZHANG Jing， LI Qiang， ZHOU Yuan. The evaluation of the sustainable development of Shaanxi Province[J]. China population， resources and environment， 2013 （S2）： 448-453.]
[11]刘丽英.基于PCA和DEA方法的北京市可持续发展能力的评价研究[J]. 数理统计与管理， 2013 （2）： 202 -210. [LIU Liying. An evaluation research on Beijings sustainable development potential via PCA and DEA[J]. Journal of applied statistics and management， 2013 （2）： 202-210.]
[12]孙晓，刘旭升，李锋，等.中国不同规模城市可持续发展综合评价[J]. 生态学报， 2016 （17）： 5590-5600. [SUN Xiao， LIU Xusheng， LI Feng， et al. Comprehensive evaluation of sustainable development for different scale cities in China[J]. Acta ecologica sinica， 2016 （17）： 5590-5600.]
[13]张熠，王先甲.基于DEA模型的湖北省可持续发展效率评价[J]. 科技进步与对策， 2011 （17）： 134-137. [ZHANG Yi， WANG Xianjia. Efficiency evaluation on sustainable development of Hubei Province[J]. Science& technology progress and policy， 2011 （17）： 134-137.]
[14]张宝友，黄祖庆.基于DEA的浙江省外贸可持续发展效率评价[J]. 国际经贸探索， 2012 （2）： 25-34. [ZHANG Baoyou， HUANG Zuqing. The evaluation of the efficiency of sustainable development of Zhejiangs foreign trade based on DEA Model[J]. International economics and trade research， 2012 （2）： 25-34.]
[15]周鹏，白永平，马卫，等.中国资源型城市可持续发展效率空间格局演变及其影响因素[J].中国沙漠， 2016（5）： 1489-1495. [ZHOU Peng， BAI Yongping， MA Wei， et al. Evolvement of spatial pattern of sustainable development efficiency and its influencing factors for resourcebased cities in China[J]. Journal of desert research， 2016 （5）： 1489-1495.]endprint
[16]徐燕.基于可持续发展观的农产品加工类农业产业化项目社会评价研究[D]. 成都：西南财经大学， 2011： 25-50. [XU Yan. Social assessment of agroprocessing projects of agricultural industrialization based on the concept of sustainable development[D]. Chengdu： Southwestern University of Finance and Economics， 2011： 25-50.]
[17]黄洁，吝涛，张宏强.基于DEA和Malmquist模型的中国三大城市群可持续发展效率研究[J]. 中国人口·资源与环境， 2016 （S1）： 373-376. [HUANG Jie， LIN Tao， ZHANG Hongqiang. Sustainable development efficiency of three urban agglomerations in China： based on DEA and Malmquuist Model[J]. China population， resources and environment， 2016 （S1）： 373-376.]
[18]郭存芝，彭泽怡，丁继强.可持续发展综合评价的DEA指标构建[J]. 中国人口·资源与环境， 2016 （3）： 9-17. [GUO Cunzhi， PENG Zeyi， DING Jiqiang. Construction of the indexes of DEA used in comprehensive evaluation of sustainable development[J]. China population， resources and environment， 2016 （3）： 9-17.]
[19]孫才志，于广华，王泽宇，等.环渤海地区海域承载力测度与时空分异分析[J]. 地理科学， 2014 （5）： 513-521. [SUN Caizhi， YU Guanghua， WANG Zeyu， et al. Marine carrying capacity assessment and spatiotempotal analysis in the Bohai Sea Ring Area， China[J]. Scientia geographica sinica， 2014 （5）： 513-521.]
[20]胡达沙，李杨.环境效率评价及其影响因素的区域差异[J]. 财经科学， 2012 （4）： 116-124. [HU Dasha， LI Yang. Assessment of environmental efficiency and regional distinction of its influencing factors[J]. Finance & economics， 2012 （4）： 116-124.]endprint
tags:《基于DPSIRDEA模型的区域可持续发展效率测度及分析》
由：免费论文网互联网用户整理提供,链接地址：
http://m.csmayi.cn/show/212020.html
转载请保留,谢谢!
- 下一篇：基于GPRS的无线监控系统设计