译文-中国工业部门的碳排放分析和估计.docx

PAGE \* MERGEFORMAT18 中国工业部门的碳排放分析和估计：一个基于信息熵的改进的环境DEA交叉模型 摘要：环境保护和减少碳排放在可持续发展中扮演重要角色。然而，基于传统数据包络分析法（DEA）的环境效率分析是主观的、不准确的。因为在一个交叉评估矩阵（CEM）中的行、列的所有元素被赋予了相同的权重。本文采用一个改进的基于信息熵的环境DEA交叉模型，分析和评估中国工业部门的碳排放。信息熵用来建立基于整个系统波动的熵距离，计算CEM中的动态权重。理论结果表明基于信息熵的新的权重在蒙特卡洛模拟中是全局最优的。最后，与传统环境DEA及DEA交叉模型相比，改进的环境DEA交叉模型对中国工业部门数据更好地效率区分。而且，所采用的模型能够潜在地减少碳排放，提高能源效率。 1、前言 人类活动导致的工业部门产生的大量温室气体排入大气，因此很明显过去十年间全球变暖非常严重。在所有温室气体中，CO2贡献最大是导致气候变化和全球变暖的主要因素（Guo et al., 2011）。工业部门是国民生产生活中的重要部门，同时，工业部门也是高污染高碳排放的部门。因此，分析和评估工业部门的碳排放是必要的。 在许多环境效率评估方法中，DEA由于其显著便利性及经济背景，作为非参数法被广泛使用，尤其在经济指标微观层面的评估中（Zhou et al., 2008a,b）。自从Charnes et al.在1978年采用DEA模型（Charnes et al., 1978）,DEA开始在评估工业部门的相对效率中被广泛采用。DEA的优点是输入和输出项可以是多维度的并且模型中的变量间的函数关系可以是未知的。然而，传统DEA模型中的重要假设是输出变量必须是好的、正的，并且具有很强的处理特性（Ramanathan, 2003），即输入越多输出越多。而且，工业环境效率的评估不仅应该考虑生产过程产生的期望输出变量（效用为正），还要考虑同时产生的负效用变量。因此，怎样技术性地处理不期望的输出变量是评估环境效率的关键。DEA模型已经被正式采用来评估工业的环境效率，在 Chambers et al.假设污染物和其它不期望输出具有弱处理特性之后（Chambers and Fare, 1996），生产可能性与与期望输出被集中处理。 Hernandez et al.研究了西班牙42个大家具生产商，发现只有以减少期望产出为代价才能减少污染物排放（Hernandez-Sancho et al.,2000）。 Zhou et al.基于不同的生产技术假设研究和比较了世界几个主要城市的环境指标（Zhou et al., 2008a,b）。Hua et al.采用三阶段DEA模型评估了中国每个地区的排放率（Huan et al., 2013）。 Hern ? andez-Sancho et al.采用非径向DEA模型分析西班牙污水处理厂的能源效率指标，并对效率的提高提供了潜在依据（Hern ? andez-Sancho et al., 2011）。 Zhu et al.研究了DEA结合产品全生命周期环境影响分析经济效率，发现网络DEA法能够区分产品在不同阶段的经济效率。 然而，传统DEA模型及环境DEA模型都是基于最大化其决策单元（DMU）效率作为目标函数，并没有考虑其它决策单元，因此评估太主观。而且，当有多个决策单元时，优点和缺点不能进一步评估。因此，Sexton提出了DEA交叉模型，在所有可能DMU状况下评估当前DMU的效率，通过计算相互交叉的矩阵取算术平均数得到综合评分值（Sexton and Silkman,1986）。 Chen et al.基于DEA交叉模型比较了中国西部11个省2005-2009年的经济效率（Chen and Xu, 2012）。 Xu et al.基于DEA交叉模型引用虚拟单元评估甘肃省所辖城市的效率（Xu and Xu, 2013）。 尽管DEA交叉模型能把所有的输入和输出项考虑在内，但DEA交叉模型的最优权重不是唯一的（Despotis, 2002）。在不同的限制条件下，一些DMU的最优权重会有多个策略集，得到完全不同的效率值。为了解决上述问题，采用神经网络法结合DEA重新计算交叉估计矩阵（Wang and Chin,2010）。 Guo et al.采用模糊DEA 法得到综合估计值（Guo and Wang, 2012; Hu and Xu, 2014）。 Johanshahloo et al.采用对称权重分配交叉估计矩阵（Jahanshahloo, 2011）。这些现存的方法大多关注于提高CEM的精确度或对效率值进行模糊计算以消除建立CEM中的主观问题。 尽管有多种度量相互交叉参数的正确方法，DEA交叉模型引进了其它的参数并人为设定，重新计