（一）研究目的：

新常态背景下，江苏省经济转型升级面临着众多考验，其中能源环境效率问题是经济可持续发展的主要阻碍。本课题以扬子江城市群为研究对象，运用非期望产出SBM模型对其能源环境效率进行全面测度，利用计量经济模型和空间计量分析研究其能源环境效率时空格局演化特征和各个相关因子对其的影响和作用，以期有针对性的为扬子江城市群能源环境效率的稳步提升提出政策协同建议。

（二）研究意义：

(1)理论意义。首先，将环境因素作为非期望产出纳入SBM模型中，弥补了传统DEA模型在测算能源效率时产出变量考虑不全的缺点，使测度结果更加符合实际的投入产出状况。再者，目前大多数学者对于能源效率的研究主要基于国家和省域尺度，对于小范围的城市间能源环境效率的探究较少。因此本文以扬子江城市群为研究对象，分析城市角度下能源环境效率的时空格局和影响因素，丰富了能源环境效率领域的学术研究，有重要的理论价值。

(2)现实意义。研究扬子江城市群能源环境效率的时空格局演化及其影响因素问题，总结其能源环境效率的现状和变化趋势，有助于本课题把握城市群内能源环境效率的时空演化特征，从而有针对性在发展绿色经济、调整产业结构、加强政府管制和构建区域协调机制等方面为扬子江城市群能源环境效率的改善提出相关政策建议。以期促进扬子江城市群经济发展朝着绿色、协调和可持续转变，促进城市群内生态环境的保护和修复，缩小扬子江城市群内地区差异，加速城市一体化进程，打造真正意义上的长三角北翼核心区。

国内外文献综述

（一）能源环境效率测度方法

国内外对能源效率问题的研究，主要从单要素和全要素能源效率两个角度展开。PATTERSON M（1996）首先提出“能源消耗强度”这一概念，即能源消耗量占生产总值的比重^[1]，以此揭示能源效率的内涵，并被学术界普遍认同和接受。史丹（2006）在此基础上进一步明确能源效率是指能源消耗强度的倒数，从地域和产业角度分析了能源效率产生因素的一致性问题 ^[2]。然而单因素能源效率虽然易获取数据而且计算简单，但却忽视了能源效率其实是多种生产投入要素共同作用的结果。

考虑到单要素能源效率的弊端，Hu和Wang（2006）对其进行了完善，将单投入-单产出模型拓展为多投入-多产出模型，即全要素能源效率的概念^[3]，，从而更加全面、客观地评价了能源环境效率，使结果更具合理性。在全要素能源效率的评估模型中以非参数估计的数据包络分析模型(DEA:Data Envelop Analysis)和参数估计的随机前沿函数分析模型(( SFA: Sto-Chastic Frontier Analysis)为主。早期大多学者主要利用传统的DEA模型（CCR模型和BCC模型）进行能源效率的研究。如魏楚和沈满洪（2007）基于DEA-CCR模型构建出一个相对前沿的能源效率指标,并运用1995～2004年我国各省份的面板数据进行了能源效率的计算^[4]。Zhang X P（2011）首次利用DEA模型研究了23个发展中国家在1980-2005年的全要素能源效率及其变化趋势^[5]。Yongping BAI（2012）选择了基于非期望产出的超效率DEA模型，截距分析了西部省（自治区、直辖市）能源效率的变化趋势^[6]。

由于传统DEA-CCR等模型未考虑非径向松弛变量的因素，而假设所有投入、产出等比例变化，使得最终能源效率值高于真实能源效率值。对此，关伟和许淑婷（2015）基于非期望产出的SBM模型对中国1997-2012年各省份能源生态效率进行计算，并分析了能源生态效率的空间分布特征和演变规律^[7]。张星灿等（2018）利用非径向、非角度的SBM模型,将雾霾因素作为非期望产出对长江经济带11省2006—2015年的能源环境效率进行计算,并运用离差分解模型对各省差异性进行分析^[8]。

由上述文献综述可以看出，基于非期望产出的SBM模型是目前较为成熟的测度区域能源环境效率的方法。因此本课题也将采用此模型测度扬子江城市群的能源环境效率。

（二）能源环境效率时空格局演化

目前国内外学者对于能源环境效率时空演化特征的研究，主要是以国家、区域和省级尺度为主。Zhang X P（2011）对23个发展中国家的能源效率进行测度，结果表明，博茨瓦纳、墨西哥和巴拿马在能源效率方面一直维持较高水平，肯尼亚、斯里兰卡等在整个研究期间表现最差，有11个国家的能源效率呈持续下降趋势，而中国的增长却最为迅速^[5]。潘雄锋和李良玉等（2012）运用空间自相关分析方法对我国省域能源效率的时空分异规律进行了研究，结果表明我国各省区能源效率存在着明显的近邻效应，东西部两极分化严重^[9]。杨宇和刘毅（2014）利用DEA-ESDA模型对我国各省市能源效率进行分析，得出相似结论，即呈现东高西低的趋势，同时能源效率的冷热点格局亦呈现区域分化的特征^[10]。

吴传清和董旭（2015）指出从整体上看长江经济带能源环境效率的变化基本呈“双峰一谷”的“M”形分布，表现为两个“上升-下降”周期；从空间层面看，各省之间全要素能源效率差异远大于上中下游差异，不过在近几年这种差异正慢慢的缩小^[11]。关伟和杜海东等（2016）运用核密度估计和分层聚类法从时空层面对辽宁省能源效率演化规律进行研究，结果显示全省能源效率分布格局相对稳定，能源空间配置向均衡性方向发展，不存在明显的空间分化现象^[12]。岳宏志等（2016）研究得出，我国东、中、西部地区各省能源环境效率由高到低，呈阶梯式下降的趋势；2003-2013年期间各区域全要素能源效率普遍下降^[13]。

综上可知，学术界大多以国家、省级或区域尺度分析地区能源环境效率的时空演化特征，基于城市尺度的能源效率分析屈指可数，而关于新兴的扬子江城市群的能源效率时空格局研究就更少了。因此本课题以扬子江城市群内8个城市为研究对象，探讨其能源环境效率的时空演化特征。

（三）能源环境效率影响因素

在能源环境效率的影响因素的研究中，不同的学者对选取的指标和结果的分析各有己见。Qiang Cui等（2014）利用面板回归模型分析了影响能源环境效率的主要因素，得出结论，科技水平和管理指标是影响能效的重要原因^[14]。近些年研究者们普遍采用Tobit回归模型对影响能效的因素进行分析。Lv W等（2105）利用Tobit模型，发现产业结构和制度因素对能源环境效率有积极的促进作用，而能源消费结构则会阻碍能源效率的提高^[15]。刘文君和李娇等（2017）基于面板数据的 Tobit回归模型，对我国旅游业能源效率的影响因素进行了研究分析，指出旅游业规模、产业结构、制度因素以及科技创新水平都有利于提高旅游业的能源效率^[16]。张博茹（2017）的研究结果表明，经济发展水平、结构禀赋要素、技术进步和对外开放程度对长三角城市群能源环境效率有显著的影响，而政策因素和资源丰富度的影响就不明显^[17]。张媛等（2018）在研究微观企业能效问题时得出结论，经济结构的调整、企业管理的优化有利于改善企业的能源效率，而不合理的能源消费结构则会影响效率的提升^[18]。王慧芳（2018）利用PVAR模型得出结论，对外直接投资逆向技术溢出对长三角地区全要素能源效率具有动态影响，但这种影响并不明显^[19]。杨仲山等（2018）的研究显示，经济发展水平、对外开放程度以及产业结构和能源价格的调整有利于“一带一路”重点地区能效的改善，能源利用率低对其有明显的负面影响，而技术开发和政策因素对其没有显著的影响^[20]。尹庆平等（2019）同样利用Tobit模型分析了发展水平、结构禀赋、外部冲击和行为主体对长江经济带工业能源环境效率的影响^[21]。

从上述文献综述可知，目前学术界较为普遍采用Tobit模型，从经济发展水平、结构禀赋要素、技术水平、能源消费结构、对外开放和制度因素等角度分析其对能源环境效率的影响。

（四）简要综述

通过上述能源环境效率方面的文献综述可以发现，在经济全球化、绿色低碳发展的大背景下，当前学术界对于能源环境效率的研究越来越重视，能源环境效率问题逐渐成为国内外学者共同关注的热点话题。但大多数研究者在研究能源环境效率问题时并未考虑非期望产出对其的影响，同时由于小范围地区实证数据难以完整获取的原因，以城市角度研究能源环境效率问题的文献就较少了。因此本课题以扬子江城市群为研究对象，在现有的文献资料的基础上，将非期望产出纳入能源环境效率的测度中，运用空间计量软件分析各城市能效的时空格局演化特征，并借助Tobit回归模型考察不同因素对其能源环境效率的影响和作用，希望以此给出相应的政策建议。

4．本课题的实行方案、进度及预期效果

（一）实行方案

论文选题充分考虑了新常态下与经济社会绿色、低碳和可持续发展密切相关的能源环境问题。围绕扬子江城市群的能源环境效率问题，在借鉴前人的研究理论与成果的基础上，采用多种方法进行研究分析。主要采用以下3种方法来开展研究：

(1)文献研究法。主要通过阅读和分析大量国内外文献，搜集并整理国内外关于能源环境效率的文献，尤其是基于国内区域、省域和城市尺度的相关资料和文献。从而明确能源效率、能源环境效率的概念，在现有理论和目前国内外最新研究成果的基础上，为本次研究提供理论支持、数据分析和方法指导。

(2)定性与定量分析相结合法。依据区域经济空间结构理论和能源-经济-环境3E系统理论，在Maxdea、Eviews8.0和Arcgis10.2等软件的支持下，将环境因素纳入DEA模型中，即采用非期望产出的SBM模型来定量分析测度扬子江城市群能源环境效率问题.；选用非参数检验的核密度估计基尼系数、变异系数和空间计量分析方法对扬子江城市群的时空格局演化进行研究；同时借助计量经济模型——Tobit模型分析各个因素对扬子江城市群能源环境效率的影响和作用。

（二）课题进度安排

2018年12月24日-2018年12月30日：完成选题、下达任务书

2019年1月1 日-2019年1月15日：完成相关文献资料的查阅、整理，确定论文

大体思路，完成开题报告

2019年2月25日-2019年3月25日：收集数据、学习相关软件操作，撰写毕业论文初稿，完成外文文献翻译

2018年4月1日-2018年4月20日：论文期中检查、与同组研究者学习交流

2018年4月22日-2019年5月5日：论文预答辩，完成毕业论文的修改、定稿、查重、提交工作

2019年 5月11日：毕业论文答辩

（三）预期效果

完成《关于本科生毕业论文（设计）的规定与要求（修订）》相关要求，一次通过答辩。

[1]PATTERSON M. Whatis energy efficiency? Concepts, indicators and methodological issues[J]. Fueland Energy Abstracts,1996,37(4).

[2]史丹.中国能源效率的地区差异与节能潜力分析[J].中国工业经济,2006(10):49-58.

[3]HU J L, WANG SC. Total-factor energy efficiency of regions in China［J］.EnergyPolicy，2006, 34(17):3206－3217.

[4]魏楚,沈满洪.能源效率及其影响因素:基于DEA的实证分析[J].管理世界,2007(08):66-76.

[5]Zhang X P.Cheng X M. Yuan J H, et al. Total-factor energy efficiency in developingcountries[J].Energy Policy ,2011. 39(2): 644-650.

[6]Yongping BAI.Research of Regional Energy Efficiency Based on Undesirable Outputs and ItsInfluential Factors: A Case of Western China[A]. International MaterialsScience Society.Proceedings of 2012 International Conference on FutureEnergy,Environment,and Materials(V16 (Part B) 2012).

[7]关伟,许淑婷.中国能源生态效率的空间格局与空间效应[J].地理学报,2015,70(06):980-992.

[8]张星灿,曹俊文.雾霾约束下的长江经济带能源效率的空间差异研究[J].科技与经济,2018,31(04):106-110.

[9]潘雄锋,李良玉,杨越.我国能源效率区域差异的时空格局动态演化研究[J].管理评论,2012,24(11):13-19.

[10]杨宇,刘毅.基于DEA-ESDA的中国省际能源效率及其时空分异研究[J].自然资源学报,2014,29(11):1815-1825.

[11]吴传清,董旭.环境约束下长江经济带全要素能源效率的时空分异研究——基于超效率DEA模型和ML指数法[J].长江流域资源与环境,2015,24(10):1646-1653.

[12]关伟,杜海东,许淑婷,王嵩.辽宁省能源效率测度及其时空分异研究[J].资源开发与市场,2016,32(05):556-561 625.

[13]岳宏志,卢平.我国全要素能源效率时空分异特征研究——基于能源供给侧改革视角[J].云南财经大学学报,2016,32(04):35-45.

[14]QiangCui,Hai-bo Kuang,Chun-you Wu,Ye Li. The changing trend and influencingfactors of energy efficiency: The case of nine countries[J]. Energy,2014,64.

[15]WendongLv,Xiaoxin Hong,Kuangnan Fang. Chinese regional energy efficiency change andits determinants analysis: Malmquist index and Tobit model[J]. Annals ofOperations Research,2015,228(1).

[16]刘文君,李娇,刘秀春.碳排放约束下中国旅游业能源效率的实证分析——基于SBM模型和Tobit回归模型[J].中南林业科技大学学报(社会科学版),2017,11(01):40-46.

[17]张博茹. 长三角城市群能源效率的时空分异及影响因素分析[D].华东师范大学,2017.

[18]张媛,许罗丹.基于SFA的微观企业能源效率及影响因素实证研究[J].社会科学家,2018(05):57-63.

[19]王慧芳. OFDI逆向技术溢出对全要素能源效率影响的实证研究[D].江西财经大学,2018.

[20]杨仲山,魏晓雪.“一带一路”重点地区全要素能源效率-测算、分解及影响因素分析[J].中国环境科学,2018,38(11):4384-4392.

[21]尹庆民,吴秀琳.环境约束下长江经济带工业能源环境效率差异评价与成因识别研究[J].科技管理研究,2019,39(06):240-247.

[22]赵婷.有关能源效率的研究综述[J].消费导刊,2016(04).

[23]AdamRose.Distributional Considerations for Transboundary Risk Governance ofEnvironmental Threats[J].International Journal of Disaster RiskScience,2018,9(04):445-453.

[24]范丹.低碳视角下的中国能源效率研究[D].东北财经大学,2013.

[25]黄杰.中国能源环境效率的空间关联网络结构及其影响因素[J].资源科学,2018,40(04):759-772.

[26]涂人猛.区域空间结构理论的形成与发展[J].企业导报,2014(22):37-40.

[27]郭腾云,徐勇,马国霞,王志强.区域经济空间结构理论与方法的回顾[J].地理科学进展,2009,28(01):111-118.

[28]陈雅. 长三角能源碳排放与区域经济增长关系研究[D].华东师范大学,2016.

[29]李强,左静娴,王琰.环境分权对全要素能源效率的影响——基于空间杜宾模型的分析[J].地域研究与开发,2019,38(01):123-127.

[30]孙才志,李欣.基于核密度估计的中国海洋经济发展动态演变[J].经济地理,2015,35(01):96-103.

[31]YanJiang,Guoqing Huang,Qingshan Yang,Zhitao Yan,Chaofan Zhang. A novelprobabilistic wind speed prediction approach using real time refinedvariational model decomposition and conditional kernel density estimation[J].Energy Conversion and Management,2019,185.

[32]袁荷,仇方道,朱传耿,金娜,白亮宇.江苏省工业环境效率时空格局及影响因素[J].地理与地理信息科学,2017,33(05):112-118.

[33]朱承亮.中国经济增长效率及其影响因素的实证研究[D].西北大学,2010.

[34]盖美,刘丹丹,曲本亮.中国沿海地区绿色海洋经济效率时空差异及影响因素分析[J].生态经济,2016,32(12):97-103.

[35]陆晓婷. 环境约束下的江苏省全要素能源效率研究[D].南京理工大学,2014.

[36]马骏,李夏,张忆君.江苏省环境效率及其影响因素研究——基于超效率SBM-ML-Tobit模型[J].南京工业大学学报(社会科学版),2019,18(02):71-80 112.

[37]曾贤刚.中国区域环境效率及其影响因素[J].经济理论与经济管理，2011(10):103-110.