改革开放30多年来，中国经济建设突飞猛进，取得了令世人瞩目的成就，但毋庸讳言，经济的发展在一定程度上是以牺牲生态环境为代价的.当前我国正面临着诸如快速城市化、气候变化、资源短缺以及生态系统退化等严重问题.在大力推进生态文明建设，倡导“绿色”发展的今天，如何有效地协调经济增长和环境保护以及资源利用之间的关系是当前中国走可持续发展道路的关键.为此，国内外大量学者都在积极探索生态资源消耗与经济产出之间的关系，并试图寻找两者协调发展的路径.其中最具有代表性的是Schaltegger和Sturm提出的“生态效率”概念[1]，它旨在反映以最少的资源消耗和环境破坏获取最大的经济产出，这也为区域发展提供了一个将自身纳入可持续发展进程的重要手段和工具[2].

近年来，围绕生态效率的概念和相关理论，国内学者分别从不同层面对我国生态效率进行了测度和分析.在宏观层面，很多学者分别就全国[3-4]、省市[5-6]等不同尺度下的生态效率进行探析.相关研究表明，我国生态效率在整体波动的变化趋势之下，呈现东中西部递减的差异格局且各省市之间具有明显的

“俱乐部收敛”现象.在中观层面，多数学者着眼于对农业生态效率[7-8]、工业生态效率[9-10]、旅游业生态效率[11]等不同产业的研究.相比旅游业生态效率明显高于另外两种产业而言，农业因受制于产值较低和工业因资源消耗与环境污染较大的约束，其生态效率总体水平较低.在微观层面，多数文献集中在对生态效率的测度方法[12-15]、时空差异[7-8，16]和影响因素[17-18]等的研究.尹科等人[19]通过对国内外生态效率的研究，将生态效率的核算方法分为3种：单一比值法、指标体系法和模型构建法.相比另两种方法，模型构建方法因不需统一指标单位，也无需人为确定指标权重，而在生态效率评价中得到广泛应用.如国内学者付丽娜等人[12]通过运用Malmquist-DEA模型对“长株潭”城市群生态效率进行了动态对比研究，并基于面板数据的Tobit模型考察了不同因素对效率的影响.尽管已有研究从多个维度对生态效率进行了探讨，但是大部分文献在测度生态效率时，往往把环境污染作为经济发展的代价成本，将其纳入投入指标中，这在一定程度上显化了非期望产出的价值功能.同时，现有研究多聚焦于生态效率的测度、评价和影响因素等方面，对涉及需要对非有效地区的松弛变量进行优化的研究很少.基于此，本研究试图通过重新构建投入产出评价指标体系，运用超效率DEA模型测度中国生态效率水平并以此分析生态效率无效地区效率损失的原因及优化调控的措施，以期为中国经济发展和环境资源开发利用提供科学依据.

1 生态效率的定义及测度方法

1.1 生态效率的定义

自1990年生态效率的概念被提出以来，世界各国学者都在积极探讨生态效率，试图对生态效率的内涵提出更加完善、合理的定义.本文在借鉴不同学者对生态效率定义的基础上，对生态效率的内涵进行了如下比较，见表1.

在进行幼龄果树修剪时，由于修剪对局部涨势有促进作用，所以一般情况下不适宜修剪过重，避免影响到果树营养生长和花芽的正常形成。主要采用轻修剪措施，适当保留枝条，促进枝条健壮生长，逐步扩大树冠，增加叶量和有效短枝数量为丰产奠定坚实基础。在修剪过程中，可以利用骨干枝以外的部分枝条，通过开拉角度、环剥、环割或摘心、扭梢处理，抑制其旺盛生长，促进果树开花结果。

比较不同定义可以发现，虽然很多学者对生态效率的定义和解释有所不同，但其基本思想是一致的，即以最小的资源消耗和环境污染得到最大的经济产出[20].因此，生态效率往往被定义为“产出与投入”之比，即“经济总产值/（环境污染+资源消耗）”.本研究在不改变生态效率本质的前提下，基于均衡量化视角，以人均资源消耗下的经济产值负荷（单位污染物的GDP产出）来测度中国区域的生态效率，并将生态效率定义如下：某一区域内，在满足区域生态承载力的范围内，以较少的人均资源消耗来获得更多的经济产值负荷，它反映一个地区在某段时间内资源利用程度和可持续发展水平.

1.2 测度方法与指标选取

1.2.1 超效率DEA模型 数据包络分析 （DEA）方法是由美国运筹学家Charnes和Cooper等学者于1978年提出的一种测算决策单元相对效率的评价方法[21].该方法由于不需事先人为设定参数，只需通过建立线性规划模型便可评价多投入、多产出的决策单元是否相对有效，因而避免了主观因素的干扰，有效解决了效率测度指标的赋权问题.在DEA模型中，根据规模报酬可变与否，可将其分为CCR模型和BCC模型.CCR模型是在规模报酬不变条件下，对投入产出的综合技术效率进行有效的评价；而BCC模型则是在规模报酬可变条件下，将CCR模型中的综合技术效率分解为规模效率和纯技术效率，以此测度决策单元的各效率值大小.本研究着眼于测度生态效率的综合技术效率，因此选取DEA模型中的CCR模型.在具体设定模型时，CCR模型又可分为投入导向型和产出导向型.前者表示在产出一定的情况下，尽可能地减少投入以提高效率；后者表示在投入一定的情况下，尽可能地增加产出以提高效率.二者虽然分析角度不同，但本质是一样的，即以更少的资源投入和环境污染获得更多的经济产出.但由于资源投入相比经济产出更加容易控制，因此本研究采用基于投入导向的CCR模型.

用传统DEA模型评价决策单元的效率时，如果出现多个决策单元同时处于生产前沿面而导致多个决策单元同时有效（效率值为1）的情况，模型将无法对有效决策单元的效率高低作进一步的判断和比较.为了弥补这一缺陷，美国学者Andersen和Petersen提出了超效率DEA模型[26].超效率DEA模型的基本思想是在评价某个决策单元效率时，用其他所有决策单元投入和产出的线性组合来代替该单元的投入和产出，以此将该决策单元排除在外[27].假定有n个独立的决策单元（DMU），每个DMU都有m种输入和s种输出，xij为第j个DMU的第i个投入量，yrj为第j个DMU的第r个产出量.则对于第k个DMU对应的超效率的数学表达式如下：

 

表1 不同组织及学者对“生态效率”的定义及比较

  

经济发展、资源消耗、环境保护的协调发展经合组织（OECD）[23] 经济领域 生态资源用于满足人类需要的效率 经济福利与环境质量相结合欧洲环境署（EEA）[24] 量化宏观层面的可持续发展领域组织名称或学者 定义范围 生态效率定义 定义特点世界可持续发展商业委员会（WBCSD）[22]商业领域通过提供具有价格优势的服务和商品，在满足人类高质量生活需求的同时，将整个生命周期中对环境的影响降到至少与地球的估计承载力一致的水平上从更少的自然资源中获得更多的福利 强调在创造价值的同时降低对环境的影响成金华、孙琼等[4] 区域可持续发展领域生态效率是人类赖以依存的资源环境条件在满足人类需要并创造社会财富时所发生的投入与产出对应关系资源消耗、环境损害最小，经济产出最优潘丹、应瑞瑶[25] 农业领域农业生态效率要求以较少的资源消耗和较低的环境破坏来生产更多的产品，较好地符合可持续发展理念农业经济与资源环境的协调发展王震、石磊等[10] 工业领域某一区域工业产品或服务的经济价值和所付出的环境和资源代价的比值，它可以用来衡量一个地区在某段时间内可持续发展的水平衡量区域工业发展的价值产出和资源投入的绩效关系

 

式中，θk为第k个决策单元DMU的效率值；λj为相对于DMU重新构造的一个有效DMU中的组合比例为松弛变量，分别表示投入冗余和产出不足.当 θk≥1且时，则表示该决策单元为DEA有效，不需优化投入产出指标；当θk＜1且或者时，则表示该决策单元非DEA有效，需要对投入产出指标进行优化.

本文选取基于投入导向的规模报酬不变的超效率DEA模型测度中国30个省市2000—2015年的生态效率.受数据来源限制，中国西藏自治区和港澳台地区未能包含在内.

1.2.2 指标选取及数据来源 国内外学者[28，3-4]在构建生态效率指标时，总是把经济价值作为产出指标，资源消耗和环境污染作为投入指标来研究生态效率.虽然在具体指标选取时会出现一定的差异，但是环境污染作为非期望产出仍然被当作投入变量.事实上，环境污染作为资源投入后的副产品，理应期望产出越小越好.同时，此非合意产出伴随经济价值的产生而产生，在“价值”实现形式上更具有产出变量的特征.基于投入产出指标含义的现实考量，在既要维持最大化经济价值的同时降低资源消耗和环境污染，又要兼顾环境污染作为产出指标的考虑，对投入产出指标做如下处理：以经济产值负荷表征的一定地区的国内生产总值除以环境污染量作为产出指标，以人均资源消耗表征的资源消耗量除以人口数作为投入指标，即生态效率=利用此投入产出指标体系来度量生态效率，一方面满足了投入导向型的CCR模型所要求的产出指标必须与投入指标正相关 （即投入产出指标都是正向指标）及其同类型的要求，另一方面也契合了经济发展对环境的冲击越小越好的原则，比较符合低污染、高产出的现实需求.在某种程度上，人均资源消耗比较客观地反映了一个国家或地区的资源利用水平和利用程度，是人们了解和把握宏观资源利用状况的有效工具.

2006年，压缩感知的概念被正式提出，压缩感知原理是将信号投影到给定域上，感知到一组压缩数据，利用最优化的方法实现对压缩数据解密，估计出原始信号的重要信息[7,8]，该方法最大的优势是突破了香农采样定理的瓶颈[9],使得高分辨率信号的低采样率采集成为可能[10,11]。通过信号在过完备库上的分解，用来表示信号的基可以自适应的根据信号本身的特点灵活选取，分解的结果将会是信号的一个特别简洁的稀疏表示[12]。

二是加强行业管理，建立以行业自律为主的会计职业道德管理机构，对出具虚假会计信息的事务所予以重罚，直至取消其执业资格，坚决打击违规者，净化行业空气，重塑行业信用。

基于上述分析，通过选择合适的资源类型及环境污染物，利用人口数和地区GDP将其量化为人均资源消耗和经济产值负荷，构建适宜度量生态效率的指标体系，如表2所示.表格中相关变量说明如下：

[17] 白永平，张晓州，郝永佩，等.基于SBM-Malmquist-Tobit模型的沿黄九省（区）环境效率差异及影响因素分析[J].地域研究与开发，2013，32（2）：90-95.

（1）地区GDP.为了消除价格因素对GDP造成的影响，将GDP转化为2000年时的可比价，转换公

式为：GDPt=GDP2000×（n=1，2……14）.当 n=1时，GDPindexi代表 2000年的GDP指数，并且设定2000年的GDP指数为100；n=2……14时，GDPindexi代表的含义以此类推.各地区GDP及其指数均来自《中国统计年鉴》.

（2）人口.各地区的人口数量采用常住人口来表示.虽然在已有的研究中通常把人力资源作为一种资源投入，但是在具体指标设定时往往以能反映资源禀赋的就业人数[12]或劳动力数量[29]来表征.基于不同的研究视角，本文选取的人均资源消耗更能宏观反映区域的资源利用状况.为了保持数据的稳定性及可获取性，各地区人口数均来自《中国人口和就业统计年鉴》.

参考文献：

属性更新对于要素来说是一项比较重要的内容，在检查中发现有错填或漏更的现象。例如，一条省道在影像上明显已拓宽改造，通过与专业资料对比发现其属性由省道升级为国道。此时，可能会出现只更新了道路的类型、路宽，而忽略了其车道数的变更；有时还会出现只更新了一部分道路的属性而遗漏了其余道路的属性变更。究其原因，主要是缺乏对专业资料的深入分析及作业时的细心。

除以上具体说明外，其他所有数据均来自《中国统计年鉴》.

2 生态效率测度及评价分析

根据已建立的生态效率指标体系，利用EMS1.3软件测算中国30个省市2000—2015年的生态效率超效率值，结果如表3所示.

2.1 生态效率区域与省际差异分析

根据2000—2015年全国区域生态效率测度结果可以发现，全国层面上生态效率变化不大，虽然有所波动，但是整体呈现较稳定的发展趋势；分区域来看，全国各区域生态效率差异明显，东部生态效率最高，每年平均效率值均在1.0以上，其他3个地区的生态效率值明显低于东部地区，且效率高低依次为中部、东北部和西部；从微观层面来看，北京、天津、上海、海南、广东等东部较发达省份生态效率较高，年均效率值均在1.0以上，宁夏、青海、广西等中西部欠发达省份生态效率较低.全国生态效率高低差异的现象表明，相对于经济较发达的东部省份而言，中西部地区高消耗、高排放、高污染的粗放式经济增长方式阻碍了地区资源利用效率的提升，转变经济发展方式，引导经济向低消耗、低污染的集约型发展方式转型是中西部各省市生态效率提高的关键.

此外，从不同省份之间生态效率的差异变动趋势来看，由图1可知，除了2002年省际间的变异系数突破变异系数的极限值以外，其他年份省际之间的生态效率差异都比较稳定.省际间的变异系数从2000年的57.66%一直上升到2002年的100.21%，突破变异系数的极限值，在2002年生态效率省际差异达到最大.其中的原因，与中国加入世贸组织所带来的东西部省份之间在经济贸易和环境资源流方面巨大的差异有很大关系.其后，变异系数一直小幅下降，在2008年达到最低点，此时各省市之间的生态效率差异最小.这主要是因为2008年全球金融危机导致中国经济增速明显放缓，缩小了各省市之间的经济相对差异.从2008年开始，各省际之间的生态效率差异变化很小.分区域来看，生态效率差异同样呈现出和省际差异大致相似的走势，近16年区域间的生态效率比较平稳，各年变异系数维持在36%左右.整体而言，除了2002年省域间变异系数出现异常以外，不管是省际之间还是区域之间变异系数都有相似的变化趋势，这说明生态效率存在趋同的现象.但省际间的变异系数明显高于区域间的事实说明，生态效率在省份之间的内部差异大于区域之间.

为了更好地开展数字学术服务，高校图书馆应建立数字学术服务咨询与指导委员会、数字学术服务管理委员会。（1）数字学术服务咨询与指导委员会。该委员会成员应包括图书馆领导，以及校内的各学院、学术管理部门、教学管理部门、技术服务部门等机构的负责人或相关业务骨干，图书馆就开展的数字学术服务重要事宜向委员会咨询，并接受委员会的指导。（2）数字学术服务管理委员会。高校图书馆应组建由馆领导、数字学术服务部门负责人等组成的数字学术服务管理委员会，加强对数字学术服务具体事宜的管理，使数字学术服务更加科学、规范，提高数字学术服务的成效。

 

表2 生态效率评价指标体系

  

目标层 量化层 指标选择 指标定义人均能源消耗 能源消费总量/总人口数（万吨标准煤/万人）人均电力消耗 电力消费量/总人口数（亿千瓦时/万人）人均水资源消耗 用水总量/总人口数（亿立方米/万人）人均土地资源消耗 农用地面积+建设用地面积/总人口数（万公顷/万人）产出指标 经济产值负荷投入指标 人均资源消耗废水排放经济负荷 地区GDP/废水排放总量（亿元/万吨）废气排放经济负荷 地区GDP/工业废气排放总量（亿元/亿立方米）固废排放经济负荷 地区GDP/工业固体废物产生量（亿元/万吨）

 

表3 2000-2015年中国区域生态效率值

  

注：根据2016年《中国统计年鉴》对中国东部、中部、西部和东北地区的划分，东部地区有10个省（市），包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南；中部地区有6个省，包括山西、安徽、江西、河南、湖北、湖南；西部地区有12个省（市、区），包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆；东北地区有3个省，包括辽宁、吉林和黑龙江.

 

年份 北京 天津 河北 上海 江苏 浙江 福建 山东 广东 海南 山西 安徽 江西 河南 湖北 湖南 东部 中部2000 0.809 1.838 0.835 2.289 1.145 0.959 1.199 1.629 1.448 3.084 0.635 1.062 1.042 1.073 0.716 1.006 1.524 0.922 2005 1.891 1.175 0.676 3.064 0.866 0.866 0.846 1.408 1.544 3.125 0.779 1.247 1.049 0.986 0.766 1.133 1.546 0.994 2010 2.112 1.856 0.721 2.702 0.882 0.848 0.807 0.945 1.053 2.616 0.521 1.328 0.959 0.963 0.968 0.945 1.454 0.948 2015 3.001 1.929 0.731 2.414 0.789 0.750 0.910 0.877 1.160 1.080 0.428 1.019 0.880 0.933 0.962 1.079 1.364 0.884均值 1.909 1.679 0.720 2.802 0.937 0.863 0.932 1.255 1.276 3.126 0.590 1.177 0.996 0.966 0.864 1.038 1.550 0.939年份 内蒙古 广西 重庆 四川 贵州 云南 陕西 甘肃 青海 宁夏 新疆 辽宁 吉林 黑龙江 西部 东北 全国2000 0.624 0.538 1.293 1.137 0.613 1.215 1.061 0.523 0.315 0.207 0.700 0.500 0.553 0.548 0.748 0.534 1.020 2005 0.617 0.447 1.002 1.213 0.739 1.080 1.036 0.742 0.306 0.107 0.687 0.497 0.734 0.967 0.725 0.733 1.053 2010 0.484 0.437 0.807 1.071 0.801 1.220 0.899 0.770 0.306 0.128 0.402 0.798 0.913 1.485 0.666 1.065 1.025 2015 0.518 0.788 0.903 0.972 0.630 0.847 0.735 0.849 0.342 0.198 0.310 0.705 0.998 1.326 0.645 1.010 0.969均值 0.568 0.529 1.048 1.078 0.726 1.068 0.972 0.725 0.343 0.138 0.548 0.648 0.817 1.064 0.704 0.843 1.047

  

图1 2000-2015年中国区域和省域生态效率变异系数

2.2 生态效率区域差异变化趋势分析

依据不同区域每年的生态效率均值，做出其变化趋势图，如图2所示.从不同地区生态效率的变化趋势来看，主要呈现以下几个特点.

（4）环境污染类变量.基于研究的全面性和数据的可得性，以各地区2000—2015年废水排放总量、工业废气排放总量和工业固体废物产生量3个指标作为污染物排放的原始指标.其中废水排放总量以工业废水排放量和生活废水排放量来表示.除了2015年工业废气排放总量采用移动平均法处理得到，其他环境污染类数据均来自《中国环境年鉴》和《中国统计年鉴》.

[6] 李惠娟，龙如银，兰新萍.资源型城市的生态效率评价[J].资源科学，2010，32（7）：1296-1300.

（2）东部和东北地区生态效率变化明显，其他地区变化不明显.图2显示，2000—2015年东部地区的生态效率变化比较明显，呈现出先上升后下降的趋势，生态效率最高点出现在2002年.在2008年之前，东部地区的生态效率几乎一直维持在1.5左右，其后到2015年，一直都低于平均水平.整个东部地区生态效率均值为1.550，是全国四个区域中生态效率最高的地区，这也与东部地区发达的经济增长密切相关.除了东部地区生态效率变化比较明显之外，东北地区也是变化幅度比较大的区域.东北地区生态效率由2000年的0.534一直增长到2015年的1.010，增长幅度达到89.14%，是四个地区中增长幅度最大的区域.对其稳定增长趋势的合理解释是：自从东北实行振兴老工业基地以来，东北地区就由过去重视老工业基地建设向环境友好型经济格局进行了转变，这种结构性的转变使得经济在发展的同时减少了对环境的污染，从而提高了生态效率.从图2还可以看出，中部和西部地区近16年的生态效率走势都是比较稳定的，变化幅度不大.

（3）生态效率呈现出东部、中部和西部明显分异特征.从图2及对全国四个地区生态效率测算的结果来看，东、中、西部地区生态效率呈现出明显分异的特征，效率高低依次为东部、中部和西部，造成这种空间分布的原因主要与三大地区的经济发展水平、产业结构、能源消耗、资源利用率等因素有关.东部地区紧邻沿海，交通便利、技术先进，近16年地区生产总值扩大5.05倍.强劲的经济增长对环境保护、资源消耗的管控力度也较大，尤其是近年来中央提出的“生态文明”建设更加促进了社会经济的可持续发展；中部地区生态效率低下主要受地理位置的影响，身处内陆的劣势使得中部地区很多地方的产业结构都以第一、第二产业为主，其技术发展水平较之东部地区略显薄弱；而技术落后、资源粗放使用、经济发展水平不高的西部地区是全国生态效率最低的区域.尽管从目前来看，西部地区的生态效率不及东部、中部和东北部，但随着中国西部大开发战略的实施，西部地区的经济也会相应地得到提高，从而有助于该地区生态效率的提升.

3 生态效率优化调控

依据超效率DEA模型原理，当生态效率值＜1时，决策单元就存在投入冗余和产出不足的松弛变量，松弛变量的大小反映了生态效率需要优化调控的力度.基于此，本文通过测算全国各地区近16年间生态效率均值后，在不考虑处在生产前沿面上的各省市的情况下，以效率无效省份各投入指标年均冗余量除以对应的投入指标实际均值得到投入冗余率，以产出指标年均不足量除以对应的产出指标实际均值得到产出不足率，以此说明全国生态效率损失的原因，具体优化结果如表4所示.

随着现代教育的不断发展，高考模式也不断创新，与传统高考模式有很大不同，主要是因为的新的模式给学生一定自由选择机会，他们可以根据自身的喜好选择科目。基于这种情况，其教学方法需要适当的调整，在实际教学中，要充分突出学生的主体地位，变其被动学习为主动，进而可有效提高学生地理水平。

  

图2 2000-2015年中国区域生态效率变化趋势

（1）整体而言，各投入要素和产出要素都不同程度的影响了我国生态效率水平的提高.其中，投入指标中的人均土地资源消耗和产出指标中的固体排放经济负荷是影响生态效率低下的最主要因素.这说明导致我国生态效率损失的原因主要集中在资源投入和环境污染两方面，资源消耗过多和环境污染物排放过量是我国现阶段生态效率低下的症结所在.

（2）从投入变量角度来看，人均土地资源消耗在我国生态效率损失中所占比重最高.土地资源作为人类生存发展的根本，在人多地少的东部地区，如江苏、福建、湖北等地土地的节约集约利用程度很高，而在广大的西部地区，如新疆、青海、甘肃、陕西、贵州、内蒙古等地，却因土地本身质量及自然条件较差、土地市场化程度较低的限制，出现了土地利用效率不高，土地过量投入的现象.其中以新疆的冗余率最高，达78.11%，这说明新疆需要人均减少2.391 hm2的土地资源消耗才能使得生态效率达到有效；人均能源消耗和人均电力消耗构成了生态效率损失的第二重要因素，但二者的优化潜力却出现了未能协同发展的趋势.在人均能源消耗投入中，除了江苏、浙江、福建、甘肃、青海等地的人均能源消耗已达到有效的边缘，不需优化之外，其他各省的人均能源消耗都存在不同程度的投入冗余问题.尤其在能源消耗过多的吉林、山西、新疆等地，往往因产业结构不合理，经济增长过多地依靠投资拉动和高能耗行业为主的重工业导致其生态效率低下.而与此相对应的人均电力资源消耗投入，却在江苏、浙江、甘肃、青海、福建等省份存在过量使用的问题，这就需要这些地区加强技术改造，调整产业内部结构，灵活转变不同能源品种之间的替代效应；此外，在投入指标变量中，人均水资源消耗对生态效率的影响是最小的，这也从侧面反映了水资源在经济发展中的投入相对来说是比较适中和合理的.

 

表4 全国生态效率投入和产出优化结果

  

注：北京、天津、上海、山东、广东、海南、安徽、湖南、重庆、四川、云南、黑龙江的生态效率均值大于1，为生态效率有效地区.因此，本表不包含这些地区.

 

投入冗余值及冗余率 产出不足值及不足率人均能源消耗 人均电力消耗 人均水资源消耗 人均土地资源消耗 废气排放经济负荷 固废排放经济负荷冗余值 冗余率/% 冗余值 冗余率/% 冗余值 冗余率/%冗余值 冗余率/% 不足值 不足率/% 不足值 不足率/%河北 0.113 3.62 0.006 1.93 0.000 0.00 0.010 4.52 0.268 81.60 1.480 258.21山西 0.349 8.37 0.008 2.33 0.000 0.00 0.123 38.68 0.213 112.52 1.519 602.75内蒙古 0.259 5.07 0.017 3.39 0.001 0.85 1.586 40.79 0.587 221.40 2.132 452.15辽宁 0.244 6.15 0.000 0.00 0.000 0.00 0.012 3.99 0.116 22.95 1.414 196.44吉林 0.294 11.75 0.000 0.00 0.000 0.00 0.111 17.22 0.001 0.18 0.213 15.13江苏 0.000 0.00 0.074 19.03 0.033 47.09 0.000 0.00 0.069 8.53 0.388 12.27浙江 0.000 0.00 0.077 18.17 0.001 3.12 0.005 2.61 0.165 18.28 0.000 0.00福建 0.000 0.00 0.021 7.24 0.001 2.34 0.000 0.00 0.020 1.81 1.934 93.46江西 0.017 1.42 0.001 0.48 0.005 9.67 0.016 4.63 0.038 5.21 1.346 221.34河南 0.002 0.10 0.007 3.47 0.000 0.00 0.001 0.81 0.001 0.10 0.454 32.06湖北 0.114 5.48 0.000 0.00 0.005 10.69 0.000 0.00 0.000 0.00 0.585 29.03广西 0.002 0.14 0.008 4.58 0.008 11.79 0.030 7.22 0.083 20.23 1.116 108.66贵州 0.088 4.40 0.005 2.55 0.000 0.00 0.078 18.13 0.137 48.60 0.810 191.17陕西 0.016 0.85 0.003 1.29 0.000 0.00 0.153 29.25 0.035 6.51 0.694 86.18甘肃 0.000 0.00 0.034 12.94 0.000 0.00 0.261 27.07 0.281 78.47 1.226 179.60青海 0.000 0.00 0.073 11.37 0.000 0.00 2.524 31.35 0.181 67.33 0.839 163.38宁夏 0.002 0.04 0.026 3.43 0.002 1.54 0.002 0.27 0.184 125.39 0.664 132.30新疆 0.266 7.28 0.006 1.93 0.081 32.06 2.391 78.11 0.345 75.45 1.668 133.65省份

（3）从产出变量角度来看，固废排放经济负荷和废气排放经济负荷是导致生态效率损失的主要原因.其中，固废排放经济负荷对我国生态效率水平的提高影响最大.由表4可知，除了浙江省外，其他的省份都不同程度的存在固废排放经济负荷不足率较高的情况，河北、山西、内蒙古、江西、贵州、辽宁等地的不足率甚至都超过了200%.在经济发展良好的态势之下，因目前我国在固体废物综合利用的科技水平、加工设备、生产工艺等都比较落后，投入少、科技开发能力弱，从而制约着固体废物处置与利用产业的发展.相比较而言，废气排放经济负荷不足率略低于固废排放经济负荷，但是内蒙古、宁夏、山西、河北等省份的废气排放经济负荷不足率依然较高.通过分析生态效率损失的原因，可以清楚地了解全国生态效率损失的主要影响因素，从而为我国生态效率改善途径制定有针对性的政策.

（二）高中班主任应当拥有较高的教育教学水平。班主任首先的身份是一名教师，其次才是一名班级的管理者。而教师与育人可谓是相辅相成的，所以教师的教学水平越高，学生们与教师的关系则越亲密，班主任在班级中树立的威信也就越高。这便非常有助于教师在日常引导学生们树立起科学正确的人生价值观。所以，高中班主任在日常工作的过程中，必须不断提高自己的教育教学水平。

旅行商问题(Traveling Salesman Problem,)是路径规划和组合优化领域中著名的NP-hard问题[1,2]，网络路由的大规模优化[3]、超远距离泵送混凝土造价控制技术[4]、车辆路线设计[5]等均是典型的TSP。目前，求解TSP的算法可分为精确算法(exact algorithm)和近似算法(approximation algorithm)两类。Wang等在分析基于智能算法的TSP求解方法优缺点[6,7]的基础上，指出遗传算法受参数选择和数据集分布结构的影响最小，陷入局部最优的概率最小。

4 结论及讨论

本文通过构建生态效率投入产出指标体系，采用超效率DEA模型对我国2000—2015年30个省市及四个区域的生态效率进行了测算，并在此基础上，对全国效率无效省份的松弛变量进行了优化，得出如下结论.

（1）2000—2015年全国生态效率呈现较稳定的发展趋势，效率均值为1.047，整体体现为有效率.全国16年间生态效率有效省市占比达40%，其中北京、天津、上海、海南、广东等东部较发达省份生态效率较高，宁夏、青海、广西等中西部欠发达省份生态效率较低，这说明中西部地区资源利用效率低、环境污染严重，经济发展面临的环境压力较大.

（2）从区域之间的变化趋势来看，东部和东北地区生态效率变化明显，其他地区变化不明显.东部地区是全国四个区域中生态效率最高的地区，均值达到1.550，生态效率呈现出先上升后下降的趋势；而东北地区是四个地区中增长幅度最大的区域，效率值由2000年的0.534一直增长到2015年的1.010，增长幅度达到89.19%.与之相比，其他两个地区生态效率趋势变化不明显，并且与东部地区呈现出东部、中部和西部明显分异特征.导致生态效率存在差异的原因与区域之间的经济发展水平、产业结构、能源消耗、资源利用等因素有关.此外，从区域和省际之间的变异系数差异来看，省域之间及四个地区之间生态效率出现较稳定的发展趋势，但是省际间生态效率内部差异大于区域之间.

（3）与已有研究成果相比，本研究成果在区域生态效率值及其变化趋势方面与已有的文献[29]存在一定的差异，差异之处在于指标选取及投入产出量化定义有所不同，这也表明科学的生态效率定义对于测度结果是有一定影响的.本文的研究成果并非否定此前的研究方法和思路，而是通过构建新的投入产出指标体系，将环境污染等非期望产出作为产出指标来测度我国的生态效率，为生态补偿效率评价和优化提供一个新的视角.本文分析表明，人均土地资源投入过多和固废排放经济负荷产出不足是生态效率低下的最主要因素.废气排放经济负荷、人均能源消耗、人均电力消耗和人均水资源消耗等指标也都不同程度地影响了我国生态效率水平的提高.因此，提高资源利用效率，降低资源消耗量和环境污染物排放量是改善生态效率的主要途径.

（3）资源消耗类变量.对资源消耗类变量着重说明土地资源消耗和能源消耗两类指标.土地资源作为经济发展必不可少的资源投入，在研究时用各地区每年的农用地和建设用地面积来表示.由于全国第二次土地调查的开展，对于2009—2012年部分省份个别年份缺失数据采用移动平均法计算得到.其他相应数据则来源于 《中国国土资源年鉴》《中国统计年鉴》和各地区统计年鉴；能源消耗以各地区各行业和居民生活能耗核算的能源消费总量来表示.其中2000—2014年的数据均来自 《中国能源统计年鉴》，2015年的数据受限于数据更新则采用移动平均法推算得到.

[13] 张炳，黄和平，毕军.基于物质流分析和数据包络分析的区域生态效率评价——以江苏省为例[J].生态学报，2009，29（5）：2473-2480.

[2] 岳媛媛，苏敬勤.生态效率:国外的实践与我国的对策[J].科学学研究，2004，22（2）：170-173.

例如在“基因”的课时的教学中，教师可选择利用“大肠杆菌的拟核上分布着大约4 400个基因，每个基因的平均长度为1 000个碱基对”和“人类基因的碱基数占碱基总数的比例不超过20%”两项样例从“原核生物”和“真核生物”两个角度归纳出基因是DNA上特定的碱基对序列。同时，通过“将海蜇的绿色荧光基因转入小鼠体内，小鼠也会发荧光”与“小鼠体内的HMGIC基因与肥胖直接相关”两项样例从“自身基因”和“外来基因”两个角度，归纳出基因均可控制生物性状，促进学生理解“基因”概念的内涵。

[3] 胡彪，付业腾.中国生态效率测度与空间差异实证——基于SBM模型与空间自相关性的分析[J].干旱区资源与环境，2016，30（6）：6-12.

[4] 成金华，孙琼，郭明晶，等.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，2014，24（1）：47-54.

[5] 蔡洁，夏显力，李世平.新型城镇化视角下的区域生态效率研究——以山东省17地市面板数据为例[J].资源科学，2015，37（11）：2271-2278.

（1）全国平均生态效率较稳定，2000—2015年全国的生态效率整体比较稳定，近16年生态效率均值为1.047，总体体现为生态效率有效，且效率值都维持在1.0左右，但也不乏个别生态效率无效的年份.纵观全国生态效率的发展趋势可以看出，全国生态效率的走势和东部地区的发展态势基本相吻合，这也说明了东部地区在全国生态效率的有效性上发挥着关键性的作用.

[7] 程翠云，任景明，王如松.我国农业生态效率的时空差异[J].生态学报，2014，34（1）：142-148.

[8] 张子龙，鹿晨昱，陈兴鹏，等.陇东黄土高原农业生态效率的时空演变分析——以庆阳市为例[J].地理科学，2014，34（4）：472-478.

[9] 汪克亮，孟祥瑞，杨宝臣，等.基于环境压力的长江经济带工业生态效率研究[J].资源科学，2015，37（7）：1491-1501.

[10] 王震，石磊，刘晶茹，等.区域工业生态效率的测算方法及应用[J].中国人口·资源与环境，2008，18（6）：121-126.

[11] 姚治国，陈田，尹寿兵，等.区域旅游生态效率实证分析——以海南省为例[J].地理科学，2016，36（3）：417-423.

[12] 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.

[1] WILLARD B.The Sustainability Advantages:Seven Business Case Benefits of a Triple Bottom Line[M].Gabriola Island:New Society Publishers，2002.

[14] 邓波，张学军，郭军华.基于三阶段DEA模型的区域生态效率研究[J].中国软科学，2011（1）：92-99.

本文通过分析动物学学科特点以及动物学英语语篇内容，可以归纳出词汇衔接手段在动物学英语语篇分析中起着至关重要的作用。动物学英语语篇利用重复、同义或近义词、上下义词、概括词和搭配等多种衔接手段，将各词项和句子串联成为一个有机整体。因此在学习动物学英语语篇过程中，识别和理解语篇的词汇衔接手段在一定程度上成为学习文章的关键，只有掌握了语篇中的词汇衔接机制，才能进一步深入的理解篇章，并快速准确地把握语篇的内在含义。

[15] 孙玉峰，郭全营.基于能值分析法的矿区循环经济系统生态效率分析[J].生态学报，2014，34（3）：710-717.

[16] 王恩旭，武春友.基于超效率DEA模型的中国省际生态效率时空差异研究[J].管理学报，2011，8（3）：443-450.

在本研究中，笔者对三省到现场观看体育赛事的观众进行了文化娱乐活动的综合调查，结果表明，位列前三的活动分别是：到现场观看赛事的25.3%，观看电影的17.8%，健身占16.2%(如表1所示)。这表明云、贵、川作为现代化的文化大省，文化产品较为丰富，居民文化需求日趋多元化。由此可见，云、贵、川三省的大型体育赛事产品竞争较为激烈。

[18] 崔玮，苗建军，杨晶.基于碳排放约束的城市非农用地生态效率及影响因素分析 [J].中国人口·资源与环境，2013，23（7）：63-69.

随着建筑行业的不断壮大，国际上对于建筑工程技术的呼声越来越高，越来越多的国家进行着建筑工程技术的交流。为了更好地利用资源，为了人类更好的居住环境，建筑工程技术国际化已然是大趋势[2]。

[19] 尹科，王如松，周传斌，等.国内外生态效率核算方法及其应用研究述评[J].生态学报，2012，32（11）：3595-3605.

[20] CHARNES A,COOPER W,RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，2（6）：429-444.

[21] ANDERSEN P,PETERSEN N C.A procedure for ranking efficient units in data envelopment analysis[J].Management Science，1993，39（10）：1261-1264.

[22] WBCSD.Measuring Eco-efficiency:A Guide to Reporting Company Performance [M].Geneva,World Business Council for Sustainable Development，2000.

[23] OECD.Eco-efficiency[R].Paris,Organization for Economic Cooperation and Development，1998.

[24] EUROPEAN ENVIRONMENT AGENCY.Making sustainability accountable:eco-efficiency，resource productivity and innovation[R].Copenhagen:EEA，1999.

[25] 潘丹，应瑞瑶.中国农业生态效率评价方法与实证——基于非期望产出的SBM模型分析 [J].生态学报，2013，12：3837-3845.

[26] FARE R，GROSSKOPF S，LOVELL C A K,et al.Multilateral Productivity Comparisons When Some Outputs Are Undesirable：A Nonparametric Approach[J].The Review of Economics and Statistics，1989，71（1）：90～98

[27] HOH,H,SCOER,K,SEIBEL,S.Eco-Efficiency Indicators in German Environmental-Economic Accounting[Z].Federal Statistical Office， Germany，2001.

转眼进入11月，磷复肥会议召开在即。每年在会议前夕，市场都会有一个僵持停滞期。下游在此期间的观望情绪较浓，“迷雾重重”的市场多在磷复肥会后让上下游有一个清晰判断，更有企业会把握机会借此造势。今年磷肥后市的价格走向能否会借磷复肥会议的东风在冬储启动之时燃一把火呢？涨价预期果真如众人表示的那么“有理有据”吗？

[28] 王宝义，张卫国.中国农业生态效率测度及时空差异研究[J].中国人口·资源与环境，2016，26（6）：11-19.

[29] 鄂慧芳，杜金柱.基于超效率DEA模型的中国区域生态效率测度与差异分析[J].财经理论研究，2015（4）：55-63.