火电企业是我国能源生产的主力军，是高耗能产业的重要组成部分，目前消耗我国约50%的煤炭资源，产生的污染是导致空气污染、雾霾及二氧化碳排放的重要来源之一。当前，通过技术创新提高火电企业的生态效率是促进产业循环经济发展水平和产业升级的重要领域和路径。生态效率作为高耗能企业测度循环经济发展水平的重要指标，评估分析技术创新对高耗能企业生态效率的影响和驱动效应引人关注，目前的研究尚不够充分。火电行业的生态效率在高耗能行业中处于落后状态。本文针对火电企业通过创新驱动推进循环经济进程的迫切需求，评估并实证分析企业技术创新对提高生态效率的影响程度，以为高耗能企业全面通过技术创新提高生态效率和循环经济水平、促进产业升级提供理论和决策参考。

1 文献综述

生态效率(Eco-efficiency)一般反映产出与投入的比值。目前普遍接受的生态效率计算式由WBCSD国际组织提出，即经济价值与环境影响的比值[1]。毛建素发现不同工业行业生态效率存在较大差异，其中电力热力生产和供应业(即火电业)的能源效率和环境效率均处于落后位置，领先行业的效率值甚至是其几十倍[2]。

技术创新对企业生态效率的作用尚不明朗，有的文献认为起到正向作用，有的文献发现其作用还不确定。例如，杨文举研究区域工业环境绩效，采用生态效率来衡量，研究发现尽管科技投入越来越大，但并非所有企业都愿意在减排技术方面进行大量投入，因此科技水平与环境绩效关系并不确定[3]；王俊岭研究我国钢铁行业循环经济效率的变迁，发现自2006年以来，技术进步对我国钢铁行业循环经济综合效率的上升起到主要的作用 [4]。

在生态效率的指标体系研究上，根据WBCSD的生态效率定义，环境污染为分母(即为投入项)，这与循环经济理论一般将环境污染纳入产品非期望产出的范畴不同。其原因是，通常采用数据包络分析法(DEA)时，负向指标作为输入项较好，环境污染为负向指标适合作为投入指标 [5]。在生态效率测算时，目前不少文献将环境污染纳入资源投入的指标体系中。例如，Seppala等通过环境影响指标和区域经济指标的选择来构建生态效率的指标体系[6]。王艳红构建了电力行业生态效率评价指标体系，其中投入指标为装机容量、从业人员数、原料投入、SO2排放量、CO2排放量，产出指标为发电量 [7] 。戴志敏构建了生态效率投入产出指标体系，将环境污染排放与资源消耗作为投入指标，以各地区的工业增加值为产出指标 [8]。成金华通过构建生态效率评价指标体系对中国生态效率的区域差异及动态演化进行研究[9] 。

本实验选择琥珀酸酯化淀粉HI-CAP100作为壁材,琥珀酸酯化淀粉HI-CAP100[10]具有亲水和亲油的两性性质,可形成稳定的乳状液; 以复方精油为芯材,挤压法制备微胶囊,通过脱水与冷冻2种干燥方式,对2种干燥方法制备的微胶囊产品进行比较,探索挤压法中较优的干燥方法,为以后的工业化生产提供依据。

在生态效率研究方法方面，测算生态效率多运用DEA或改进型DEA分析法，在分析生态效率影响因素时，多应用Tobit模型。例如，汪东利用数据包络分析模型对中国各省市区的工业生态效率进行评价，并运用Tobit模型对工业生态效率的影响因素进行分析，发现工业企业自主研发和创新对工业生态效率的提高起到积极作用 [10]。程晓娟针对DEA模型在处理相关性强的输入输出数据方面的不足，建立了基于PCA-DEA的组合评价模型，应用于我国煤炭产业的生态效率评价[11]。戴志敏运用超效率DEA法测度了相关省市工业生态效率，并建立Tobit模型对主要影响因素进行识别，结果表明技术进步对工业生态效率增长有较大推动作用，工业生态效率同研发强度、利用外资等因素具有正相关关系等[8]。

新型审批模式的平台必须支持移动化的作业要求和条件。只有移动化才能打破原有的时间和空间的限制。确保可在随时随地进行审批工作。

由上述可见，火电企业的生态效率在高耗能企业中还比较落后；目前对高耗能企业生态效率指标体系的研究在环境污染指标方面大多考虑了气体污染指标，忽视了固体废弃物对环境的影响。在我国大力开展创新驱动研究的新时期，针对目前高耗能企业的研究薄弱环节，本文重点考量技术创新对火电企业生态效率的影响和作用。研究思路是，对传统生态效率指标体系加入固体废物综合利用指标，采用主成分分析法与DEA方法结合以排除输入指标的相关性，提高生态效率测算的准确性和可靠性；运用Tobit模型对技术创新各因素影响生态效率的关系进行实证研究；选取两个火电企业的案例进行应用，以增加结果的可信度。

2.5 两组不良反应情况比较 观察组发热、恶心呕吐、皮疹及腹泻等总不良反应发生率为8.51%，对照组为17.02%，两组不良反应发生率比较差异无统计学意义(χ2=1.53，P>0.05)，均经积极对症处理后缓解。见表5。

2 火电企业生态效率评价体系构建和评价方法选取

2.1 火电企业生态效率评价体系构建

选取电力热力的销售收入表示经济价值，将环境影响用资源消耗和环境污染作为投入项，选用指标如表1所示。

2)产出指标。火电企业的主营业务收入，即电力和热力的营业收入。

1)投入指标。在资源消耗方面，煤炭是火电企业消耗最多的资源；在环境污染方面，火电企业生产过程中，煤炭燃烧产生的大气污染物主要为二氧化硫、氮氧化物，以及大量固体灰渣。取灰渣排放率作为固体废弃物的环境污染指标。目前高耗能企业废水回收利用率比较高，一般达到90%多，故不予以考量。

 

表1 火电企业生态效率指标评价体系构建

  

指标具体变量变量说明PCA⁃DEA组合评价投入资源消耗供电煤耗(克/千瓦时)火力发电机组每供出1千瓦时电能平均耗用的标准煤量环境污染二氧化硫排放(克/千瓦时)火力发电机组每发电1千瓦时平均排放的二氧化硫量氮氧化物排放(克/千瓦时)火力发电机组每发电1千瓦时平均排放的氮氧化物量灰渣排放率(%)1-灰渣综合利用率产出主营业务收入(千元)电力和热力的销售收入

2.2 企业生态效率评价方法选取

火电企业的污染排放大多与煤炭燃烧有关，存在着一定的相关性，故首先需要处理指标间的相关性问题。主成分分析(PCA)利用数据降维思想将多个相关性较强的指标转化为无关或相关性较弱的少数综合性指标，并能反映原有指标的绝大多数信息。数据包络分析(DEA)评估效率时无需构建估计模型，无需提前赋予权重，避免了人为主观因素对研究结果的影响。综合二者优势，本文选取PCA-DEA组合模型来对评价高耗能企业的生态效率。在数据包络分析之前通过SPSS17.0对各投入指标进行降维，转化为少数综合性指标，再运用Deap2.1对综合性投入指标和产出指标进行数据包络分析，获得生态效率值。目前已有若干DEA模型，本文选取经典的投入导向CCR模型，如式(1)所示。

s.t.

农艺性状测定：随机选取各处理苦荞幼苗3株进行测量。株高和主根长用直尺测量；茎粗用游标卡尺测定；用烘干称重法测定地上部及根系干重；根冠比 = 根干重/地上部干重；叶面积测定选择第1片全展叶，用LI-3000C便携式叶面积仪测定；采用Delta-T SCAN根系分析系统(英国)测定根体积、根表面积、根系平均直径。

(1)

技术创新是提升高耗能企业生态效率的根本手段，下面就技术创新对火电企业的生态效率的影响和程度进行分析研究。

在企业技术研发指标的选择上，杨红娟选取了研发经费支出和研发人员作为企业技术创新指标，认为研发经费投入在一定程度上反映企业技术创新的力度，科技人员数量则反映技术创新的人力资本状况，专利数量一定程度上反映技术创新的价值和成果，但由于专利数量指标不稳定，分析效果有限[12]。

即低年级段共安排了16次的口语交际专题教学，这进一步说明了口语交际在部编教材的低年级段中的重要地位。学生能否自信地表达、养成良好的口语交际习惯，是评价此学段口语交际的重要指标。那么，在具体的口语教学中如何实施呢？结合教学实践，笔者认为可从以下策略具体实施。

“卧游”是从眼睛到心灵的转换，贯穿了从观看行为到内心体悟的整个过程。最后指向的是人的身心自由及天地大道，体现出一定的宗教语境与终极价值。但如果放眼于山水画这个普遍的概念，“卧游”的意义也就不仅仅在于其宗教层面，而在于对画面空间建构图像本身功能和意义的理解。“卧游”的技术与理念，很可能与“悟对通神”、“澄怀观道”等观念存在着某些特殊的联系。

假设决策单元有m种投入，s种产出，共有n个决策单元。设i取值为1，2…，m；r取值为1，2…，s；j取值为1，2 …，n；Xij和Yrj分别对应生态效率的投入和产出，且有Xij>0，Yrj>0，Vi和Ur为权系数变量。

式(1)的含义是以权系数Vi和Ur为变量，以所有决策单元的效率hj为约束，以第j0个决策单元的生产效率最大化为目标。

3 技术创新对火电企业生态效率的影响分析

≤0

3.1 技术创新因素分析和指标选取

  

图1 技术创新对火电企业生态效率的作用原理

技术创新不仅能够提高企业经济收益，还能降低资源消耗和环境影响，提高资源综合利用率，在很大程度上影响生态效率水平。对于火电企业的技术创新系统而言，包括技术研发、技术改造、技术队伍建设等。技术创新系统的发展影响着企业节能减排的推进和循环经济的发展。其中，技术研发意味着原始创新和新成果的产生，是企业技术创新的重要来源；技术改造一般指设备的改进或升级，是技术的应用环节；技术队伍是技术研发和改造的实施者。技术研发、技术改造、技术队伍建设的共同作用，达到提高经济收益、降低成本、节约能源、减少物耗、废物回收的目的。火电企业技术创新系统对生态效率的作用原理如图1所示。

Ur≥ε>0,Vi≥ε>0

根据火电企业公开的有关数据，本文选取企业研发投入强度、研发人员投入和技术改造投入作为企业技术创新水平的变量。研发投入强度指研发及相关活动的支出占收入的比例，是一个相对指标，可以更好反映研发投入力度水平。经查阅案例火电企业相关资料，研发人员数量不统一，研究生以上学历员工规模指标比较齐全，企业中研究生学历人员是一般从事与研发相关工作的，故用该指标替代研发人员数量指标。袁本涛研究发现我国研究生数量与科技和经济间存在相互促进、协调发展关系[13]。企业年度专利成果数据不齐全，只好剔除。这样，反映火电企业技术创新因素的指标如表2所示。

 

表2 火电企业生态效率的技术创新因素指标

  

指标具体变量变量说明被解变量生态效率生态效率值PCA⁃DEA组合模型输出的生态效率值解释变量研发投入研发投入强度(%)研发费用与主营业务收入比例研发人员投入研究生以上学历员工规模(人)研究生及以上学历员工人数(取对数)技术改造投入技术改造项目支出(亿元)技术改造项目资本支出

3.2 技术创新对生态效率影响分析模型选取

生态效率值作为被解释变量时，由于生态效率值有界限[0，1]，若用普通最小二乘法(OLS)直接进行回归，参数估计有偏且不一致，而Tobit模型避免了OLS回归估计的不一致 [14]。本文通过Stata13.0构建生态效率与研发投入强度、技术改造投入、研发人员投入解释变量之间的Tobit模型，剖析各技术创新变量对生态效率的影响程度。Tobit模型如式(2)所示。

 

(2)

式(2)中，Y为效率向量，Y*(生态效率值)为截断向量，X(研发投入强度、研发人员投入和技术改造投入)为解释变量向量，β为参数向量 ，ε为误差项，且误差项服从标准正态分布。分别用EE、RD、RDP和TI表示生态效率值、研发投入强度、研发人员投入和技术改造投入的回归分析模型如式(3)所示。

华能国际电力股份有限公司(以下简称华能国际)和大唐国际发电股份有限公司(以下简称大唐发电)是以火力发电为主的电力企业，在我国的电力生产和供应业中占据着重要地位，是中国火电行业技术的领跑者，是具代表性的火电企业。本文选取两个企业，旨在做比较，提高结果的客观性。

(3)

其中，t为年份，α为常数，β为各变量回归系数，ε为随机扰动项。

4 案例实证分析

EEt=α+β1RDt+β2lnRDPt+β3Tlt+ε

4.1 样本选择及基础数据处理

根据表1和表2，对华能国际和大唐发电2010-2016年各年份的相关数据进行了收集整理，资料来源于两企业披露的年度报表和可持续发展报告，其中个别缺失值运用Excel进行了相应处理，如表3所示。对华能国际和大唐发电7年间的环境污染指标进行Pearson相关性检验，检验结果如表4所示，环境污染指标间相关系数在5%显著性水平上均大于0.8，存在强相关性，故需采用主成分分析法提取互不相关的综合性环境污染指标。

 

表3 华能国际、大唐发电2010-2016年各指标数据

  

供电煤耗(克/千瓦时)灰渣排放率(%)氮氧化物排放(克/千瓦时)二氧化硫排放(克/千瓦时)主营业务收入(千元)研发投入强度(%)技术改造(亿元)研发人员投入(人)华能国际201031559009169073102497640003466980620113121001515505713110970500227159472012310710101420551319369550033475100620133082600910005013247864300743001207201430637007046033124561854004600014552015308560020260211278494080026100173220163076900202101711279453600578701937大唐发电201032359013140042541334300067699136020113196901213303865086373016310954232012317300101220376830467401861766669201331377010084034653965320122142966732014309270070360256389585901981101178520153057200502401756990891012375098092016300680030160125361446900347284728

 

表4 华能国际、大唐发电环境污染投入指标Pearson相关性检验

  

灰渣排放率X2氮氧化物排放X3二氧化硫排放X4华能国际废渣排放率X21氮氧化物排放X30858∗1二氧化硫排放X40811∗0973∗∗1大唐发电废渣排放率X21氮氧化物排放X30956∗∗1二氧化硫排放X40989∗∗0960∗∗1

注：*和**分别表示在 0.1 和0.05置信水平(双侧)上显著相关。

4.2 基于PCA-DEA组合模型的生态效率计算

首先对环境污染投入指标进行标准化和相关性检验，得到KMO值分别为0.670和0.760，巴特利特球形检验P均为0，两企业运用主成分分析均是可行的。遵循主成分累计贡献率大于85%，特征值大于1的原则，运用SPSS17.0软件进行主成分的提取。两企业分别提取出一个主成分，其累计贡献率为92.08%和97.909%，用F1和F2表示，并得到主成分得分。DEA模型要求投入与产出数据均为正数，为使数据满足DEA应用条件，采用极大值标准模型对主成分得分进行无量纲处理，使数据在0.1与1之间。

 

表5 F1、F2主成分得分和华能国际、大唐发电2010-2016年生态效率

  

年份2010201120122013201420152016F1得分172182102036-080-198-214F2得分199155106051-092-177-242F1无量纲化0981082067040014010F2无量纲化1091081070041023010华能生态效率值0756097709881096711大唐生态效率值0777094610979109771

  

图2 华能国际生态效率演变趋势

  

图3 大唐发电生态效率演变趋势

将资源消耗投入指标X1、环境污染投入指标F1和产出指标Y1带入式(1)，得到华能国际、大唐发电2010-2016年的生态效率值，结果如表5所示和图2和图3所示。华能国际生态效率在2013、2015和2016年生态效率为1，大唐发电在2012、2014和2016年生态效率为1，说明华能国际和大唐发电在相应年份的资源投入发挥了最大效用。其他年份生态效率值相对较低，其中2010年生态效率值最低，从表3中可以看出两企业在2010年的资源消耗和环境污染值最大，但经济产出值较小。从图2和图3中也可看出近年来两企业的生态效率水平均有所提高，自2011年以来均处于较高水平，大体呈不断上升趋势。

4.3 技术创新对生态效率影响的Tobit模型分析

根据已得到的华能国际和大唐发电2010-2016年的生态效率值，将其作为被解释变量，研发投入强度、技术改造投入和研发人员投入作为解释变量，按照式(3)进行火电企业技术创新对生态效率影响的 Tobit模型分析。在Stata13.0中对相应数据进行处理后得到结果如表5所示。

回归结果表明：①华能国际研发投入强度与生态效率在1%的显著性水平上正相关，系数为3.026，相关性较高，说明研发投入强度每提高一个单位，生态效率将提高3.026个单位；大唐发电研发投入强度与生态效率呈正相关，但影响并不显著，只有0.372。②华能国际的研发人员投入与生态效率在1%显著性水平下呈正相关关系，系数为0.526 0，研发人员投入每提高一个单位，生态效率将提高0.526 0个单位；大唐发电的研发人员投入与生态效率在5%的显著性水平下是显著正相关的，系数为0.278 0。说明研发人员投入的增加也是提高生态效率的有效途径。③华能国际的技术改造投入在当期与生态效率在1%显著性水平上负相关，系数为-0.008 8，影响系数很小；大唐发电技术改造投入与生态效率呈负相关，系数非常小，接近于0。

 

表5 Tobit模型回归结果

  

系数标准差t值华能国际研发投入强度3026469∗∗∗0563312537研发人员投入05259703∗∗∗001040155057技术改造投入-0008774∗∗∗00003931-2232截距-2440394∗∗∗00669923-3643大唐发电研发投入强度0372247303900511095研发人员投入02780328∗∗00831912334技术改造投入-0000597400004068-147截距-0812772704745804-171

注：***、**和*分别表示在0.01、0.05和0.1的显著性水平下是显著的。

从上述结果来看，在2010-2016年期间，①就企业来说，华能国际技术创新对生态效率的影响力度更为显著，尤其是研发投入强度的效果比较明显；②就技术创新的三个变量因素来说，研发投入强度的效果最好，其次是研发人员投入，技术改造投入的影响几乎为0。

5 结论

火电企业由于产业链短，其循环经济发展水平受到一定的制约，在高耗能产业中处于相对落后的状态。在创新驱动产业升级的形势下，火电产业的循环经济发展取得了很大成效，为客观定量评价技术创新对火电产业循环经济进程的推进作用和影响程度，本文在参考相关文献的基础上，构建了火电产业生态效率评价模型和指标体系，分析了企业技术创新体系对生态效率的作用机理，选取了适合的回归分析模型。通过对我国两家代表性火电企业的实证分析，得到的主要结论是：第一，近年来我国先进火电企业的生态效率处于较高水平；第二，技术创新对火电企业的生态效率提升产生了一定的作用，但作用程度不够大。在本文涉及的技术创新三个因素分析中，研发投入强度的效果相对较好，研发人员投入有一定的成效，但技术改造投入的影响还比较薄弱。目前，我国的火电企业大多为大型国有企业，循环经济水平差异不大，因此，虽然本文实证分析企业只有两家，但结果应具有一定的代表性和普遍性。如何促进创新驱动对火电企业循环经济及产业升级的力度有待于深入研究。

在罗林斯之外，我个人对建立游侠盟的裴颜，以及第二任盟主，江南赌坊老板程云染也很感兴趣。有机会大概会写他们的故事吧。如果其他朋友想写游侠盟的故事，当然很好啊。写先前设定的也好，写自己设定的也好，写之前写过的也好，没写过的也好。看同一个组织，在不同作者笔下的样子，就像看转动的万花筒，想一想就觉得有趣。

以实际运行过程中，燃气锅炉的过量空气系数α一般为1.05～1.25，则根据式3，计算得出，天然气燃烧所需实际空气量Vk=10.16～12.1Nm3/Nm3

参考文献

[1] WBCSD.Eco-efficiency: leadership for improved economic and environmental performance[M]. Geneva:WBCSD,1996:3-16.

[2] 毛建素,曾润,杜艳春,姜畔.中国工业行业的生态效率[J].环境科学,2010(11):2788-2794.

[3] 杨文举.中国省份工业的环境绩效影响因素——基于跨期DEA-Tobit模型的经验分析[J].北京理工大学学报:社会科学版,2015(2):40-48.

[4] 王俊岭,戴淑芬.基于DEA-Malquist指数的我国钢铁行业循环经济效率评价[J].河北经贸大学学报,2014(2):78-82.

[5] 孙源远.石化企业生态效率评价研究[D]. 大连:大连理工大学,2009.

[6] SEPPALA J,MELANEN M.How can the eco-efficiency of a region be measured and monitored[J].Journal of industrial Ecology,2005,9(4):117-130.

[7] 王艳红,叶文明.电力工业与火电行业生态效率实证分析[J].四川理工学院学报:社会科学版,2014(4):43-51.

[8] 戴志敏,曾宇航,郭露.华东地区工业生态效率面板数据研究——基于整合超效率DEA模型分析[J].软科学,2016(7):35-39.

[9] 成金华,孙琼,郭明晶,徐文赟.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(1):47-54.

[10] 汪东,朱坦.基于数据包络分析理论的中国区域工业生态效率研究[J].生态经济,2011(4):24-28.

[11] 程晓娟,韩庆兰,全春光.基于PCA-DEA组合模型的中国煤炭产业生态效率究[J].资源科学,2013(6):1292-1299.

[12] 杨红娟,张成浩.企业技术创新对生态效率提升的有效性研究[J].经济问题,2016(12):71-76.

[13] 袁本涛,王传毅,冯柳青.基于协整理论的我国研究生教育与经济、科技协调发展研究[J].教育研究,2013,34(9):33-41.

[14] 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.