基于DEA-ESDA模型的辽宁省能源效率测度及时空格局演化分析.docx

基于DEA-ESDA模型的辽宁省能源效率测度及时空格局演化分析
随着社会经济的发展，能源的消耗量不断增加，对环境和经济的影响越来越严重。因此，合理评估能源效率的变化趋势对于实现可持续发展至关重要。本文以辽宁省为例，采用DEA-ESDA模型对其能源效率进行测度及时空格局演化分析。
一、DEA模型的建立
DEA（DataEnvelopmentAnalysis）是一种基于线性规划原理的有效的评价模型，能够评价各单位的效率水平，以及确定相对于其他单位存在哪些改进空间。在本文中，选取辽宁省2010年至2019年的能源数据作为研究对象，建立DEA模型对每个年份的能源效率进行测度。
首先，设有n个DMUs（DecisionMakingUnits），即评价单位，每个DMU有m个输入变量、s个输出变量。输入变量包括固定资产投资、人员数量、能源占比等，而输出变量则包括能源消耗量、GDP等。假设第i个DMU的输入向量为X(i)=(x1(i),x2(i),…,xm(i))，输出向量为Y(i)=(y1(i),y2(i),…,ys(i))。则DEA模型可以表示为：
maxθ，λ
s.t.（1）∑θiyi≤λ∑θixi，i=1,2,……,n
（2）λ>0，θi≥0，i=1,2,……,n
其中θ为有效前沿值，λ为规模效应系数，θi为第i个DMU的效率值。式（1）表示每个DMU的权重向量乘以输出变量之和应小于等于权重向量乘以输入变量之和，即表示每个DMU的输出应该不小于其输入，且所有DMU的总输入量相等。式（2）为非负性约束条件。
使用DEA模型对辽宁省2010年至2019年的数据进行计算，得到每年各个DMU的效率值和有效前沿值。结果表明，辽宁省能源效率在2010年至2019年间整体上呈上升趋势，但增速逐渐放缓。
二、ESDA模型的建立
ESDA（ExploratorySpatialDataAnalysis）是一种探索性空间数据分析方法，可用于研究空间上的数据分布、相似性等。在本文中，采用ESDA模型对辽宁省能源效率的时空格局演化进行分析。
首先，将辽宁省划分为各个行政区域，并将每个行政区域的能源效率值与邻近区域的能源效率值进行比较，以此来探究空间上的相关性。其中，邻近区域根据行政辖区、地理位置以及相似性等多种因素确定。
然后，通过空间自相关分析和空间插值分析等方法，得出辽宁省能源效率的空间变化规律。结果显示，辽宁省东部地区的能源效率明显高于西部地区，同时东部地区各个城市之间的差距也比较大。在时间维度上，2015年至2018年是辽宁省能源效率提升最为显著的阶段，但在2019年开始出现下降趋势。
三、总结
本文基于DEA-ESDA模型，对辽宁省能源效率进行了测度及时空格局演化分析。结果表明，辽宁省能源效率整体上呈上升趋势，但增速逐渐放缓。其中，东部地区的能源效率较高，而西部地区较低，且东部地区各城市之间的差距较大。在时间维度上，2015年至2018年是辽宁省能源效率提升最为显著的阶段，但在2019年开始出现下降趋势。以上研究结果可为相关部门制定更加科学合理的能源政策提供参考。