产业水耗能耗综合效率分析 摘 要：目前尚未见到结合水耗、能耗的产业效率分析。本文利用数据包络分析（DEA）方法、以上海市2003年产业数据为例进行了研究。研究发现，随着规模增加，效率必将提高；产业间的技术效率差异很大，产业总体技术效率、纯技术效率有较弱的行业特征；纯技术效率与规模效率有显著负相关关系；产业间的资源重配置效率达130%。这些发现对于产业政策的启示是：不同的产业特征的行业应具有不同的能、水利用政策，对于技术效率较高的应当重视管理水平提高，相反应当重视技术改进；同时应当调整产业结构。 关键词：水耗能耗效率；产业效率；产业政策 0. 引言 目前，全国都提倡科学发展观，强调节约能源、节约水源，而同时全国各大城市每年都遇到电荒、水荒等；国际上能源价格疯长，国际能源形势严峻。另一方面，我国有望成为世界“制造中心”，正着力打造先进制造业基地，这对能源、水源形成了巨大的压力。 如何提高能源、水源效率已成为一个不容忽视的问题。为了引导产业走可持续发展的道路，发挥政府在产业规划、产业导向和产业政策方面的服务作用，有必要对区域产业的能效、水效状况进行研究，摸清区域产业的能效和水效实际情况，为提高节能节水意识、引导企业节能节水降耗、取舍招引商项目、实施不同的产业能源政策提供依据。 本文以上海市为例，利用数据包络分析（DEA）方法，研究了上海市产业能源水源效率。 1. 文献研究 目前，国内见到的报道，有上海市经济委员会编制了《上海产业能效指南》，针对上海市情，根据工业33个大类行业、167个中类行业中水、电、煤、气、油的消耗和产出情况，得出每个行业的实际能效指数，并以此来衡量不同行业的能效水平。 关于能源的效率研究，主要集中于分析能源效率的变动原因。蒋金奇（2004）在分析了我国的能源效率、能源强度等之后，提出了降低我国的能源强度的策略，认为可以采取三个策略：1）合理调整产业结构和工业行业内部结构，加快发展第三产业，在工业内部加快发展高附加值的高技术产业和低能耗产业，大幅度降低能源消耗强度和污染排放强度。2）加强高耗能行业的结构调整，依靠淘汰陈旧设备，削减小型、分散、工艺落后的污染源，推广高技术，大力提高能源利用效率和经济效益，控制能源消费总量的增长。3）优化一次能源结构，促进能源利用向高效化、清洁化方向发展。韩智勇,魏一鸣,范英（2004）给出的结论更加有针对性，认为1998-2000年间我国能源强度下降的主要动力来自于各产业能源利用效率的提高,其中工业能源强度下降是总体能源强度下降的主要原因。Zhong Xiang Zhan（2003）指出，我国80年代的能源使用下降是由于能源效率（energy efficiency）,而90年是由于能源强度（energy intensity）的下降。宣能啸（2004）认为我国节能潜力巨大，但并不意味着在短时间内可以把潜力全部挖掘出来。因为制约我国能源效率的因素主要在于经济结构和能源结构，这决定了我国提高能效任务的长期性和艰巨性。所以，采用先进工艺技术，提高企业装备水平和管理水平，建立节能型社会，仍是当前我国提高能效、有效挖掘节能潜力的重要措施。为有效提高能效，我国应以节能中长期发展规划为指导，完成不同发展阶段的不同- 1 -
发展目标，并适时对节能政策、法律法规及标准进行调整和完善，逐渐缩小与发达国家之间的差距。 总之，降低能耗水平，大抵可以在调整产业结构和产业内部结构、提高企业技术效率、增强社会公众节能意识等入手，而作为政府方面的作用可以通过产业政策等发挥。但是，要做到这一点，有赖于首先弄清产业的能源效率高低。 上述的文献主要集中于能源消耗，然而，水资源的消耗是与能源消耗紧密相关的。对于环境保护和可持续发展来讲，这二者都是十分重要的。所以，有必要将能源消耗与水消耗综合考虑。上海市经济委员会提出的《上海产业能效指南》包含了水资源消耗。但是，上海市的做法仍然是不够的，他们只是将水资源消耗水平单独列在产业能效表中，对于他们之间的综合要求并没考虑。之所以如此，是由于传统的分析均是以能源对产值、水源对产值等一对一的方式进行的，很难综合处理。 然而，对于每个产业，其投入是多种类的，即使对于环境保护等可持续发展的议题来讲，至少应当综合考虑能源和水资源的综合利用；如果能源消耗低而水耗高，或反之都是不合适的。但是，一旦引入多投入多产出的概念时，就很难比较那个产业更为有效了，一般的思路是采用权重的办法，给能源和水资源的消费加权汇总。事实上，以数据包络分析（DEA，data envelopment analysis）是评价多元投入和多元产出的好方法。它的优点是不必要求有先验的生产函数，对投入和产出也不必要求一定是统一量纲，具有相当的灵活性。它以最有利于被评价的产业权重来测度效率；当最有利于其的权重测得的效率是1时就认为是有效的，反之认为是无效的。 DEA方法的应用，对于设置产业政策是相当重要的。如上文献所述，提高效率的方法有产业结构和产业内部结构、提高企业技术效率、增强社会公众节能意识等，但这是广而泛之的说法，到底什么是我们努力的方向，必须通过科学分析才能得出，而DEA方法是一个恰当的工具。 2. DEA方法和集合效率 DEA是测度具有多投入多产出的决策单元（DMU，decision making unit）效率的非参数方法。它将多项产出和多项投入分别构造成一个“虚拟的”（virtual）产出和投入而不用预先定义生为函数。DEA方法及其CCR模型最先是由Charnes，Cooper ，Rhodes（1978）提出的。此后被广泛地应用于营利性和非营利性组织的效率研究中，而且其理论和方法得到很大的发展。 在DEA方法中，最有名的是二个模型，即CCR和BCC模型。CCR模型假定规模报酬即所有被观察的生产组合可以按比例地增加和减少，而BCC模型假定规模报酬变动，也即在图形表上是线形片段凸前沿面。设有n个决策单元，每个决策单元DMU都有m种类j型输入和s种类型输出，分别用输入向量X和输出向量Y表示。x>0表示第j个决策单元jjij(DMU)的第i种类型的输入量，y>0表示第j个决策单元(DMU)的第r种类型的输出量；u､jrjjTv为权系数向量,并且x>0，y>0，v>0，u>0，i=1,2…m；r=1,2…s；X=(x,x…,x)，rjrjjrj1j2jmjTTTY=(y,y…,y)，j=1,2…n，v=(v,v…v),u=(u,u…u)。 j1j2jsj12m12s每个决策单元都有相应的评价指标数 rmh=uy/vx （1） ∑∑jrjijs=1i=1可以适当地选择权系数v和u, 使其满足h≤1, j=1,2,…n。现在对第j个决策单元进行效果评j0- 2 -
价(1≤ j≤n)，以权系数v和u为变量，以第j个单元的效率指数为目标，以所有决策单元的0 o效率指数h≤1，(j=1,2,…n)为约束，可构成如下最优化模型(CCR): jrmmax h=uy/vx （2） ∑∑jrjijooos=1i=1rm . h=uy/vx≤1 (j=1,2,…n) （3） ∑∑jrjijs=1i=1v=(v,v…v)≥0;u=(u,u…u) ≥ 0 （4） 12m12s利用Charnes-Cooper变换，可以将上式转化为一个等价的线性规划问题（面向输入）： (D) Minθ（5） n−. λX+S=θX (6) ∑jjoj=1n+λY−S=Y （7） ∑jjoj=1+−λ≥0,j=1,2,L,n,S≥0,S≥0 （8） jn λ=1 （9） ∑jj=1其含义是当新的产出组合不小于原产出时，新的投入组合能比原投入缩小θ倍。此问题一定+-存在解，而且θ≤1。当θ=1且S，S均为0时，称DEA有效。DEA有效的经济含义是除非增加一种或多种投入，或减少其他种类的产出，无法再增加任何产出；除非增加一种或多种投入，或减少其他种类产品的产出，无法再减少任何投入。在本研究中，视产业为决策单元。 上述模型中，当不设约束条件（9）时，称之为DEA-CCR模型，即所谓的规模报酬不变模型（CRS），此时θ的倒数是面向产出技术效率；而当加设约束条件（9）时，称之为DEA-BCC模型，即所谓的规模报酬可变模型（VRS）。它们得到的θ分别称为总体技术效率（TE）和纯技术效率（PE）。一般认为，总体技术效率是由纯技术效率和规模效率（SE）产生的。所以规模效率（SE）由下式给出： SE=TE/PE （10） kkk决策单元的总体效率无效可能是纯技术无效或规模无效造成的，所以可以据此判断决策单元的努力方向。 另一方面，作为整个经济系统也有系统效率的测量问题，通常可以称作决策单元的集合效率（efficiency of group of DMUs）。自Farrell（1957）提出产业效率（集合效率）以来有[11]许多测度方法出现。其中，Li 和Ng（1995）指出：在假设所有企业都是同一的而且是凸锥技术时，产业效率可以用“平均单元”的效率来作为产业效率。他们还将此产业效率分解为三部分：一部分是由于个体企业的技术无效率所致；一部分是由于个体企业的配置无效率所致；一部分是由于企业间的配置无效率所致。他们引进了使产业收益最大化的“影子价格”的概念，并用来计算集合重配置效率。注意到，集合最优产出与每个企业的最优产出之和(这是个体企业消除技术和配置无效后的最大潜在总收益)仍有差距的，所有这部分是企业间重新配置所致的结果。这些效率可以利用DEA方法构造技术函数并计算得到。本文认为Li 和Ng（1995）的方法能够有效地说明系统内产业间资源重配置的效率潜力，就如郑毓盛、李崇高（2003）、刘培林(2005)所做的研究一样，本方法也可以解释如果产业间水、能资源重- 3 -
新配置的效率潜力。 3. 数据来源和指标选择 作为一个例子，本研究采用上海市经济委员会公布的《产业能源指南》的数据。其主要基础数据来自上海工业能源规模以上工业企业基准数据统计（2004年版），使用2003年的统计数据。包括工业分行业产值和能源消费量（标准量，煤炭、油品、电力折算标准煤系数分别为、、），以此计算万元工业产值综合能源消费量（万元工业产值耗标准煤）；表中所列能源消费总量扣除加工转换的二次能源量即得到综合能耗量。 本数据分产业大类33类，有工业总产值（万元）、工业增加值（万元）、能耗吨标煤（吨）自来水用量（M3）等。而分产业中类167类，有工业总产值（万元）能耗吨标煤（吨）自来水用量（M3）等，缺工业增加值（万元）指标等。从理想的数据，应当视工业增加值为产出指标，但中类产业中只有工业产值作为产出指标，因此以下的效率是以产值为产出指标。 在167中类产业中，有的产值很少，参与评价的意义不大，而且可能会因其数字大小而影响计算的精度和对产业发展方向判断，所以考虑将产值小于5亿元的产业剔除在外。另外，去除能源动力生产供应和基本原材料生产行业，即自来水、燃气、电力、热力生产和供应业、石油加工业（精炼石油产品的制造）、黑金属（主要是炼钢、炼焦和钢压延、铁合金冶炼）等基本工业原材料加工生产行业，这是因为这5个大类行业的用能、用水不宜与一般行业相比。这样，总共余下127个中类产业。 效率评价模型中的输入和输出指标分别是吨标煤数量、自来水用量和行业总产值。如果有行业增加值指标代替产业总产值指标更好，对于分析将会更有意义，因为增加值更能代表产业的创造财富的能力。但是由于只有分中类产业的总产值数据，故采用总产值指标。 4. 计算结果与分析 以下是计算结果，其中“CRS效率”是指在CRS假设下的效率，其余类推；“规模收益”栏是指处理规模报酬阶段的判断，“irs”表示规模报酬递增，“drs”表时规模报酬递减。 表1 效率计算与排名结果 代号 产业CRS名次CRS效率VRS名次VRS效率规效名次 规模效率 规模收益饲料加工 132 %%82 % irs 植物油加工 133 %%42 % irs 屠宰及肉类加工 135 %%81 % irs 其他农副食品加工 139 %%106 % irs 焙烤食品制造 141 %%55 % irs 糖果、巧克力及蜜饯制造 142 %%91 % irs 方便食品制造 143 %%96 % irs 液体乳及乳制品制造 144 %%58 % irs 罐头制造 145 %%116 % irs 调味品、发酵制品制造 146 %%77 % irs 其他食品制造 149 %%73 % irs 酒的制造 152 %%87 % irs 软饮料制造 153 %%34 % irs 卷烟制造 162 %%12 % irs - 4 -
棉、化纤纺织及印染精加工 171 %%28 % irs 毛纺织和染整精加工 172 %%52 % irs 丝绢纺织及精加工 174 %%120 % irs 纺织制成品制造 175 %%29 % irs 针织品、编织品及其制品制造 176 %%25 % irs 纺织服装制造 181 %%4 % irs 纺织面料鞋的制造 182 %%119 % irs 制帽 183 %%117 % irs 皮革鞣制加工 191 %%100 % irs 皮革制品制造 192 %%32 % irs 羽毛(绒)加工及制品制造 194 %%114 % irs 人造板制造 202 %%40 % irs 木制品制造 203 %%79 % irs 木质家具制造 211 %%67 % irs 金属家具制造 213 %%112 % irs 其他家具制造 219 %%101 % irs 造纸 222 %%61 % irs 纸制品制造 223 %%37 % irs 印刷 231 %%27 % irs 装订及其他印刷服务活动 232 %%90 % irs 文化用品制造 241 %%80 % irs 体育用品制造 242 %%53 % irs 玩具制造 244 %%59 % irs 基础化学原料制造 261 %%18 % irs 农药制造 263 %%97 % irs 涂料、油墨颜料及类似产品制造 264 %%16 % irs 合成材料制造 265 %%14 % irs 专用化学产品制造 266 %%30 % irs 日用化学产品制造 267 %%8 % irs 化学药品原药制造 271 %%47 % irs 化学药品制剂制造 272 %%19 % irs 中药饮片加工 273 %%122 % irs 中成药制造 274 %%93 % irs 兽用药品制造 275 %%126 % irs 生物、生化制品的制造 276 %%26 % irs 卫生材料及医药用品制造 277 %%111 % irs 合成纤维制造 282 %%38 % irs 轮胎制造 291 %%48 % irs 橡胶板、管、带的制造 292 %%102 % irs 橡胶零件制造 293 %%104 % irs 日用及医用橡胶制品制造 295 %%95 % irs 橡胶靴鞋制造 296 %%121 % irs 其他橡胶制品制造 299 %%89 % irs 塑料薄膜制造 301 %%76 % irs 塑料板、管、型材的制造 302 %%69 % irs - 5 -
塑料丝、绳及编织品的制造 303 %%124 % irs 泡沫塑料制造 304 %%92 % irs 塑料包装箱及容器制造 306 %%62 % irs 塑料零件制造 307 %%60 % irs 日用塑料制造 308 %%94 % irs 其他塑料制品制造 309 %%39 % irs 水泥、石灰和石膏的制造 311 %%84 % irs 水泥及石膏制品制造 312 %%23 % irs 砖瓦、石材及其他建筑材料制造 313 %%51 % irs 玻璃及玻璃制品制造 314 %%44 % irs 陶瓷制品制造 315 %%103 % irs 耐火材料制品制造 316 %%118 % irs 石墨及其他非金属矿物品制造 319 %%105 % irs 常用有色金属冶炼 331 %%68 % irs 贵金属冶炼 332 %%123 % irs 有色金属合金制造 334 %%72 % irs 有色金属压延加工 335 %%31 % irs 结构性金属制品制造 341 %%24 % irs 金属工具制造 342 %%66 % irs 集装箱及金属包装容器制造 343 %%22 % irs 金属丝绳及其制品的制造 344 %%85 % irs 建筑、安全用金属制品制造 345 %%63 % irs 金属表面处理及热处理加工 346 %%78 % irs 搪瓷制品制造 347 %%127 % irs 不锈钢及类似日用金属品制造 348 %%56 % irs 其他金属制品制造 349 %%75 % irs 锅炉及原动机制造 351 %%17 % irs 金属加工机械制造 352 %%46 % irs 起重运输设备制造 353 %%9 % irs 泵阀门压缩机及类似机械制造 354 %%21 % irs 轴承齿轮传动和驱动部件制造 355 %%50 % irs 风机衡器包装设备等通用设备 357 %%7 % irs 通用零部件制造及机械修理 358 %%36 % irs 金属铸、锻加工 359 %%54 % irs 矿山、冶金、建筑专用设备制造 361 %%49 % irs 化工木材非金属加工专用设备 362 %%43 % irs 食品饮料烟草及饲料生产设备 363 %%99 % irs 印刷制药日化生产专用设备制 364 %%70 % irs 纺织服装和皮革工业专用设备 365 %%45 % irs 电子和电工机械专用设备制造 366 %%115 % irs 农、林、牧、渔专用机械制造 367 %%110 % irs 医疗仪器设备及器械制造 368 %%83 % irs 环保社会公安及其他专用设备 369 %%88 % irs 汽车制造 372 %%125 % drs 摩托车制造 373 %%57 % irs - 6 -
自行车制造 374 %%65 % irs 船舶及浮动装置制造 375 %%13 % irs 航空航天器制造 376 %%108 % irs 电机制造 391 %%35 % irs 输配电及控制设备制造 392 %%10 % irs 电线电缆光缆及电工器材制造 393 %%15 % irs 电池制造 394 %%71 % irs 家用电力器具制造 395 %%11 % irs 照明器具制造 397 %%33 % irs 其他电气机械及器材制造 399 %%74 % irs 通信设备制造 401 %%2 % irs 电子计算机制造 404 %%1 % - 电子器件制造 405 %%3 % irs 电子元件制造 406 %%6 % irs 家用视听设备制造 407 %%5 % irs 其他电子设备制造 409 %%109 % irs 通用仪器仪表制造 411 %%41 % irs 专用仪器仪表制造 412 %%86 % irs 钟表与计时仪器制造 413 %%107 % irs 光学仪器及眼镜制造 414 %%113 % irs 文化、办公用机械制造 415 %%20 % irs 工艺美术品制造 421 %%64 % irs 日用杂品制造 422 %%98 % Irs 平均 %%% 标准差 %%% 表1显示，平均效率都是较低的，但标准差较大。这表明不同的产业的水能效率是有较大差异的。比如，电子计算机制造业达到有效率（100%），而其它产业均低于100%，而最低的是%。只有汽车制造产业是规模收益递减，电子计算机制造业是规模收益不变，而其它产业的规模收益递增。 现在考察不同产业效率是否具有产业特征。（1）在规模报酬不变（CRS）假设下的产业效率（总体技术效率）表明，只有电子计算机制造业是有效的，其它的产业都是小于100%。效率居前十名的是电子计算机制造、卷烟制造、通信设备制造、文化办公用设备制造、家用视听设备制造、专用仪器仪表设备、金属家具设备、植物油加工、羽毛绒加工及制品制造、其他家具制造、家用电力器具制造等，具备明显的电子、机械等行业特征。后十名是合成纤维制造、橡胶靴鞋制造、石墨及其他非金属矿物制品制造、基础化学原料制造、金属表面处理及热处理加工、毛纺织和染整精加工、丝绢纺织及精加工、造纸、其他农副食品加工、棉、化纤纺织及印染精加工等，具有明显的化工行业特征。（2）在规模报酬可变假设下的产业效率（纯技术效率）表明，前十名产业是电子计算机制造、贵金属冶炼、汽车制造、金属家具制造、羽毛(绒)加工及制品制造、其他家具制造、专用仪器仪表制造、卷烟制造、钟表与计时仪器制造、通信设备制造等，与总体效率下的前十名产业中有7个产业是重复的。后十名产业是专用化学产品制造、其他塑料制品制造、玻璃及玻璃制品制造、轮胎制造、金属表面处理及热处理加工、合成纤维制造、造纸毛纺织和染整精加工、基础化学原料制造、棉、化- 7 -
纤纺织及印染精加工等，也具有明显的化工行业特征。（3）按规模效率排名的前十名产业是电子计算机制造、通信设备制造、电子器件制造、纺织服装制造、家用视听设备制造、电子元件制造、风机、衡器、包装设备等通用设备制造、日用化学产品制造、起重运输设备制造等。与前两个效率的排名有明显不同。 为更一般地考察效率与行业的特征，可以用行业代号与效率名次做Spearman等级相关分析，发现行业与CRS效率名次的相关系数是，p值是，与VRS效率名次的相关系数是，p值是。因此，效率与行业具有弱相关关系。这种关系对于制定产业政策有一定的参考意义。 现在考察不同产业的总体效率、纯技术效率、规模效率的差异。计算CRS效率排名的名次、VRS排名的名次、规模效率排名的名次之间的Spearman等级相关，发现CRS名次与VRS名次是显著正相关的（系数是，双侧检验p值是），与规模效率名次是显著微弱正相关的（，），VRS名次与规模效率名次是负弱相关的（，）。这就是说，在纯技术效率较高的产业，应当注意提高规模效率，而在规模效率较低的产业，应当注意提高技术效率。这个结论，对于制造产业的水、能效率政策制定的启示是明显的：技术效率较高的产业，应当考虑提高规模效率；而技术效率较低的产业，应当考虑提高技术效率。 规模效率研究表明，大多数产业是处于规模收益递增。这是一个令人向往的乐观结论，就是说随着能源、水源投入规模的增加，它们的效率将得到改善。那么，也就是说随着我国的经济增长，效率提高是可得预期的。 下面研究产业间资源配置效率的潜力。利用Li和Ng（1995）的概念，“平均产业”是指一个虚拟的产业，它的投入是所有产业的投入平均，它的产出是所有产业的产出平均。据此计算“平均产业”的效率。注意，Li和Ng的结论是利用面向产出的效率来说明的，面向输出的总体技术效率是面向输入的总体效率的倒数，它表示的是投入不减少的情况下产出能提高多少倍。“平均产业”的面向输出的总体效率是%（面向输入的效率%的倒数）。产业结构效率是以各产业的产值为权重的效率加权平均，所以总体效率是%。因此，由于产业的产出只有产值一项指标，所以不存产业内的配置效率问题，于是可以计算产业间的重配置效率是% / %=%。这表明，产业结构的调整的潜力是相当大的。这个结果是表明，如果消除所有无效率，产出可以增加到1635倍，其中通过消除所有产业的无效率，可以增加产出%，通过资源重配置可以%。相对于消除各产业的无效率潜力来讲，产业间的配置的作用并不是很大，但是，由于如上所述的不同产业具有非常显著的效率差异，完全消除技术无效率是不可能的（本研究只是指出了无效率的改进方向），因此，资源重配置或产业结构调整的潜力仍然是很可观的。 - 8 -
5. 结论与政策启示 目前尚未见到结合水耗、能耗的产业效率分析，本文利用数据包络分析（DEA）方法、以上海市2003年产业数据为例进行了研究。研究发现，其结论以及对制定产业政策的启示是很明确的： 1.几乎所有的产业都处于规模收益递增阶段。这是相当乐观的结论，它表明随着规模增加，水能耗费效率必将提高。解决效率低下的最根本之道是发展经济，而不是放慢经济增长。 2.产业间的技术效率差异很大，产业总体技术效率、纯技术效率有较弱的行业特征。也就是说，某些行业的技术效率较低是有行业特征的，不可能不顾行业特征而过于要求提高效率；但与此同时，由于效率与行业特征的相关性不是很强，也就是说仍然有大多数产业，其效率是可以统一要求的。 3.技术效率与规模效率有显著负相关关系。这表明，在技术效率较高的产业中，应当重视的规模效率的提高，而规模效率的提高可以在很大程度上依赖于管理水平的提高。所以，这些行业应当重视管理水平。另一方面，在技术效率较低的产业中，应当更为重视的是技术效率，也即是技术改造。因此，政府应当在某些产业鼓励提高管理水平，而另一些产业鼓励技术改造和技术进步。 4.产业间的资源重配置效率达130%。考虑到有许多产业的效率天然地属于较低水平，产业间重配置效率的潜力是相当可观的。这就是说政府有必要引导经济结构的调整，完善市场机制，提高市场配置的能力。 本研究的不足之处是以产值而不是以增加值作为产出指标。如果行业间的营利率是相同的，那么产值与增加值并无区别，但实际上这二者是有差别的。因此，如果有工业增加值代替工业总产值作为输出指标，其结论将显得更为完美。 参考文献 [1] 蒋金荷,提高能源效率与经济结构调整的策略分析[j],数量经济技术经济研究,2004（10）:16-23 [2] 韩智勇,魏一鸣,范英,中国能源强度与经济结构变化特征研究[j],数理统计与管理,23卷1期,2004,23（1）:1-7 [3] Romeo Pacudan, Elaine de Guzman,Impact of energy efficiency policy to productive efficiency of electricity distribution industry in the Philippines[j], Energy Economics ,2002,（24）:41-54 [4] Zhong Xiang Zhang,Why did the energy intensity fall in China’s industrial sector in the 1990s? The relative importance of structural change and intensity change[j],Energy Economics ,2003,（25）:625–638 [5] 宣能啸,我国能源效率问题分析[j],国际石油经济,2004,(9):35-40 [6] 王 丹,吕 宾,我国能源消耗对经济周期影响分析[j],资源.产业,2004,6(3):52-54 [7] 上海市经济委员会,上海市产业能效指南,2004 [8] Toshiyuki Sueyoshi, Tariff structure of Japanese electric power companies: An empirical analysis using DEA[j], European Journal of Operational Research ,1999,(118): 350--374 [9] Alice Shiu, Efficiency of Chinese Enterprises, Journal of Productivity Analysis, 2002,(18): 255– Thanassoulis, Maria Conceicao Portela, Rachel Allen, Incorporating Value Judgments In DEA[m], Handbook On Data Envelopment Analysis, Edited By William , Lawrence , Joe Zhu, Kluwer Academic Publishers,2004 [10] [11] Sung-Ko Li And Ying Chu Ng, Measuring The Productive Efficiency Of A Group Of Firms[J],International Advances In Economic Research, 1995,.1(2):377-390 [11] [12] 郑毓盛 李崇高,中国地方分割的效率损失[j],中国社会科学,2003(1):64-72 [12] [13] 刘培林,地方保护和市场分割的损失[j],中国工业经济研究,2005,(4):69-76 [13] [14] Wolfgang Eichhammer ,Wilhelm Mannsbart, Industrial Energy Efficiency[j], Energy Policy,1997,25(7-9):759-772 - 9 -
The industrial Efficiency analysis of Energy & Water : An Case of Shanghai City 1 21Xie Youcai, Hu Hanhui 1 Faculty Of Economics And Management, Southeast University, Nanjing (210096) 2 Faculty Of Business, Ningbo University, Nanjing (315211) Abstract The literatures about industrial efficiency analysis combined with energy and water have not been seen. This paper studied the industrial data of Shanghai city 2003’ through method of data envelopment analysis (DEA). The study discover the hope of improving of efficiency according with the economy increasingly, the difference of efficiency between industries significantly, the negative relative between technology efficiency and scale efficiency, the potential efficiency about 130% through recollection etc. These results imply some industrial policies such as to improve management level or technology level and to reconstruct the structure of industries. Key words: efficiency of energy & water; industrial efficiency; industrial policy 作者简介： 谢友才（1964—），男，浙江江山人，汉族，副教授，东南大学在读博士。工作单位是宁波大学商学院管理科学与工程系。主要研究效率评价、产业经济分析，科研管理。 - 10 -
