基于绿色GDP理念的地区发展综合评价

题目：基于绿色GDP理念的地区发展综合评价
摘要
由于现在的国名经济核算体制只反应了经济活动的正面效应，而没有反映负面效应的影响，为了完善这一体制，使其符合可持续发展战略，建立了基于DPSIR 模型的地区绿色GDP 评价指标体系，以达到对地区的发展进行综合的评价，进而不断完善生态文明建设。

为了衡量经济活动的最终效益，基于绿色GDP理念是在考虑了自然资源与环境因素影响之后对经济活动的最终结果进行评判，本文基于DPSIR模型，将数据分为目标层、因素层和指标层三个层次，驱动力、压力、影响和响应这四者包括的十二个指标来建立指标体系，到区域指标指数和综合绿色评价GDP指数（见表5.6）。

数据进行标准化处理，然后进行熵值法对各个指标进行赋权，得到因素层指标权重为0.4541、0.1765、.2645和0.1049，得到标准化后数据源及各项指标权重表，最后通过求出绿色指标指数，以此为评判标准，根据国家环境评判标准将各个地区进行绿色分类并排序，一类城市：江苏、浙江、山东、广东；二类城市：上海、北京、河北、天津、河南、湖北、福建、四川、辽宁、湖南、黑龙江、安徽、吉林、广西、云南、重庆、内蒙古、江西；三类城市：陕西、新疆、海南、山西、宁夏、青海、贵州、甘肃、西藏。

关键词：绿色GDP DPSIR模型熵值法数据标准化
一．问题的重述
1.1研究背景
（1）研究意义
随着国家生态文明建设的深入推进，重启地区绿色GDP 研究的呼声日益高涨。

据《中国青年报》调查，有96. 4%的公众认为我国有必要进行绿色GDP 核算工作［1］，“十三五”规划也强调资源和环境是未来生态文明建设的重点领域，应将其纳入经济社会发展体系中［5－6］。

绿色GDP 可以兼顾发展和可持续两项原则，弥补传统GDP 未能衡量自然资源。

消耗和生态环境破坏的缺陷［7］，有力推进国家生态文明建设，贯彻五位一体观念，从而提高环境质量，改善居住环境，深入建设中国特色社会主义现代化体系，提高人民的生活水平。

（2）参考文献综述
近来关于GDP的内容以及相关问题，已经得到了政府和许多专家的重视和研究，求解GDP算法的有收入法，支出法，生产法等。

由于现实会存在一定的误差，导致这些算法精确度不足会造成一定的错误, 人们开始寻求其他的关于绿色GDP的算法, 以求处理各种实际问题.于此关系比较密切的便是熵值法，即根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度或离散程度。

以及最早由OECD 于1993 年对PSＲ模型和DSＲ模型修订而提出，现已逐渐成为解决环境和社会发展关系问题的有效工具的DPSIR 模型。

这些研究方法对于本问题都适用, 可以借鉴过来解决本问题.
1.2.重述问题
请根据附件给出了我国2006年各地区经济发展总量、污染治理，即“正面效应”方面的相关指标数据，同时也给出了能源消耗、污染物排放量，即“负面效应”方面的相关指标数据。

请首先从绿色GDP理念的角度选取合适指标建立衡量地区发展的综合评价指标体系，然后通过数学模型对各个地区进行分类、排序，最后对你的分类和排序结果进行解释和合理性评价。

二.问题的分析
对于本文提出的问题，本文有以下分析：
对于问题一：绿色GDP是考虑了自然资源和环境因素影响之后经济活动的最终影响，而生产总值是没有考虑消耗的情况的。

因此，要想建立地区综合性评判模型，本文从GDP出发，根据实物量核算和价值量核算来求出绿色GDP，对各地区进行初步的排序，通过选取各地区经济发展总量，污染治理，能源消耗和污染物排放量等具体数据为基本指标，建立DPSIR地区绿色GDP评价指标体系。

针对问题二，本文在问题一的基础之上借鉴国家对城市环境分级的标准来对各地区进行分类与排序。

图2-1分析流程
三.模型假设
针对本文提出的问题，我们做了如下模型假设：
1.所有的企业都按照指标进行生产
2.忽略精确到小数点后几位后产生的误差
3.
4.
四．符号说明
s j评价指数
S j绿色GDP评价指数
w i指标层权重
W i因素层权重
x ij第i个城市，第j个指标
y ij第i个城市，第j个指标标准化值、
五．建模与求解
5.1.问题一的建模与求解
问题一主要是为了选取·合适的指标对地区发展进行综合评价，建立了绿色GDP地区综合评价指标体系来解决
5.1.1数据的预处理
1．数据的来源及处理
为了保障数据的科学性和准确性，本文的绿色GDP 评价指标值(附录表一)选
择所给表格中06年共31个省的统计年鉴、环境状况公报和生态环境质量状况报告，个别指标是在统计数据的基础上计算得到。

不同的指标具有不同量纲和单位，这会影响数 据分析和指标之间的可比性。

根据熵值法的计算步 骤，首先需要对绿色 GDP 指标的各项原始数据进行 标准化处理，数据矩阵 A = (xij)m*n 中xij 是指第 i 个 指标在第j 年(此处选择06年的为基本数据)的指标值:
对于越大越好的正指标，令
{}
{}{}min max min ij i ij i i x x y x x -=- （1）
对于越小越好的负指标，令：
{}{}{}max max min i ij
ij i i x x y x x -=- （2）
式中max{xi}和min{xi}为第i 项指标在第n 年中最大和最小的指标值。

由A = (xij)m*n 计算第i 项指标下第j 个方案占该指标的比重fij
11,2,3,...,;1,2, (i)
ij m ij i y f m j n y
====∑ （3）
第i 个评价指标fi 输出的熵（其中K=1/ln （n ））
ln 1ij ij n H K f f j =-= j=2,3，…，n ； （4）
各目标的熵权系数
11i
i m i
i H w m H =-=-∑ i=1,2，…，m （5）
数据标准化后通过计算熵值求得29个指标的信息效用价值，进而求得各项指标权重。

标准化后数据源及各项指标权重见附录表二。

2.对于所给表格中众多的数据我们选择将图标转换为便于观看普遍规律的直方图
表5.2
表5.3
表5.4
由表5.1可以看出各城市生产总值从02~06年均是呈现上升的趋势，其中上海山东江苏增长最快，可见我国改革开放的巨大推动力，由此可以预测未来几年会是增长的。

由表5.4可以看出看出各地区的电力消费量是呈现上升趋势，由表5.5可以看出污水排放最多的地区以江苏与浙江为首
5.1.2 DPSIR模型的建立
（1）DPSIR 模型最早由OECD 于1993 年对PSR 模型和DSR 模型修订而提出，现已逐渐成为解决环境和社会发展关系问题的有效工具。

DPSIR 模型包含了驱动力、压力、状态、影响和响应5 大因素，强调的是人类经济活动和环境变化之间的因果关系:人类生产生活驱动了经济发展，同时也给当地的生态环境带来压力，改变了资源、环境原有的状态和性质; 生态环境的变化也会影响人类的生活和城市的发展，为了维持社会的可持续发展，人类会采取措施来响应这些变化。

（2）评价指标选取原则
一是科学性原则，绿色GDP要包括传统国民经济、环境成本和经济效益，因此选取的评价指标要涵盖这3方面的内容。

二是层次性原则，DPSIR模型是一项体现因果关系链的工具，指标的选取与存放要符合其相互关系。

三是明确性原则，选取的指标要明确通用。

四是易操作原则，要考虑到数据的可获得性和可操作性，尽可能选取可量化的指标。

（3）评价指标的选取
在DPSIR 模型中驱动力是各地区生产总值。

压力是驱动力产生的效果，包括了资源损耗和环境污染两类指标，前者是电力消费量，后者是废水及污染
物排放量、废气及污染物排放量和生活垃圾清运量。

发展的影响，包括人均地区生产总值和三废综合利用产品产值。

响应过程是人类开展各类生态建设以促进经济与环境的和谐发展，分为治理响应和经济响应，包括工业废水排放达标率，工业固体废物综合利用率，工业废气治理设施数和生活垃圾无害化处理量。

基于DPSIR模构建的绿色GDP 评价指标体系包括了目标层、因素层和指标层3 个层次共12个指标，整个指标体系涵盖了对绿色GDP 全部内容的评价，不仅包括对传统国民经济和环境成本的评价，还对环境效益评价进行了补充。

基于DPSIR 模型构建的绿色GDP评价指标体系见表5.6 （4）熵值法指标赋权
熵值法的基本原理是根据各项指标的信息效用价值确定指标的权重，熵值法认为信息熵和信息效用价值成反向关系。

假设有m 个评价指标，每个指标有n个指标值，形成数据矩阵A = (xij ) m*n 。

对于某项指标而言，指标值xij间离散程度越大，信息熵越小，信息效用价值则越大，其权重也越大;
反之，则越小。

因此，利用熵值法计算各指标权重，为绿色GDP指标评价提供依据。

表5.6
5.1.3模型的求解与分析
1.模型求解 确定评价模型中的各项指标权重后，利用评价指数公式1y m
j ij ij i s ==∑（w ）
（6）
求得各因素层评价指数，进而根据公式
()j j i S s W =∑ （7）
，求得绿色综合评价指数。

式中yij 是标准化后的指标值，wi 和Wi 分别是指标
层和因素层的权重。

从绿色GDP综合评价指数和各因素层评价指数分析评价31个省06年绿色GDP发展水平（表5.7）。

2.结果分析
根据表格进行分析
驱动力指数大小以广东、山东、江苏为首，其生产总值在06年趋于前列；压力指数大小以山西、广东、辽宁最小，可以看出当时他们的污染排放较小；影响指数以浙江江苏山东为大；响应指数以广东，江苏，山东为首可见他们就经济生活采取的措施较快且多。

5.1.4模型检验及误差分析
基于此DPSIR模型描述人类经济活动与自然环境变化的因果关系，可以很好的反应该地区真实的绿色GDP水平。

以苏州市2010-2014年绿色GDP水平进行评价得出：
苏州市绿色GDP 综合评价指数由2010 年的0. 408 4 上升到2014 年的0. 593 9，增长了约45%，上升幅度明显。

但在2011 年和2013 年都出现了下滑，总体呈现波动上升的变化趋势，这表明苏州市绿色GDP 的增长快而不稳。

造成个别年份下滑的主要原因还是来自于生态环境和自然资源的压力，在资源环境状况日趋严峻的形势下，若还不能积极地采取响应措施，加大生态文明建设的投资力度就会造成绿色GDP 水平的下滑。

5.2问题二的求解
基于问题一的基础之上本文根据国家对城市环境分级的标准来对各地区进行分类与排序。

综合评价指数S>0.13333 为一类绿色城市
0.0505<S<0.13333 为二类绿色城市
0<S<0.0505 为三类城市
从表格可以看到一类城市：江苏、浙江、山东、广东；二类城市：上海、北京、河北、天津、河南、湖北、福建、四川、辽宁、湖南、黑龙江、安徽、吉林、广西、云南、重庆、内蒙古、江西；三类城市：陕西、新疆、海南、山西、宁夏、青海、贵州、甘肃、西藏。

六、模型的推广与评价
6.1模型的优点
DPSIR模型脱胎于PSR模型与DSR模型，强调了人类经济活动和环境变化之间的因果关系，指标的选取更加合理，更加的科学。

6.2 模型的缺点
1.缺乏各指标之间的横向比较
2.各指标的权重随着样本的变化而变化，权数依赖于样本，在应用上限制
6.3模型的推广
（1）基于DPSIR模型的评价科学合理：DPSIR模型描述的是人类经济活动与自然环境变化的因果关系，不仅强调经济发展对资源环境的不利影响，还反映人类为协调与自然的关系而开展的响应活动，这符合我国近年开展生态文明建设的情况，能客观地反映出地区真实的绿色GDP 水平。

（2）指标评价方式具有操作性：基于DPSIR模型的地区绿色GDP 指标评价能够在保证评价有效性的前提下简化工作流程，提高评价工作效率。

参考文献
（1）方奕晗，96. 4% 的公众支持进行绿色GDP 核算［N］，中国青年报，2007-07-30(2)．
（2）沈菊琴，孙悦，《基于DPSIR模型的地区绿色GDP评价指标体系研究》，河南大学商学院，2016.12
（3）龚勋，《基于环境污染损失的重庆市绿色GDP核算体系研究》，重庆大学，2008.05.21
（4）WOOD Ｒ，STADLEＲK，BULAVSKAYA T，et al．Global sustainability accounting:developing EXIOBASE for multi- regional footprint analysis ［J］．Sustainability，2015，7(1): 138-163．
［5］程天金，李宏涛，杜!等．全球环境与发展动态及“十三五”期间需关注的重大问题研究［J］环境保护，2015.4.3(11):42-46．
［6］张孝德．“十三五”经济转型升级新思维:新能源革命引领战略［J］．国家行政学院学报，2015(2):21-26．
［7］冯之浚，刘燕华，金涌，等．坚持与完善中国特色绿色化道路［J］．中国软科学，2015(9):1-7．
附录
附录一
附录二
附录三计算指标的MATLAB程序
clc
clear
X=[1,x2,x3,,,,,xi]
A=max(X)
B=min(X)
z+=(X-B)/(A-B)
z-=(A-X)/(A-B)
附录四熵值法赋权的MATLAB呈现
function [s,w]=shang(x)
% º¯Êýshang.m, ʵÏÖÓÃìØÖµ·¨Çó¸÷Ö¸±ê(ÁУ©µÄȨÖؼ°¸÷Êý¾ÝÐеĵ÷Ö% xΪԭʼÊý¾Ý¾ØÕó, Ò»Ðдú±íÒ»¸ö¹ú¼Ò, ÿÁжÔÓ¦Ò»¸öÖ¸±ê
% s·µ»Ø¸÷Ðе÷Ö, w·µ»Ø¸÷ÁÐȨÖØ
[n,m]=size(x); % n=23¸ö¹ú¼Ò, m=5¸öÖ¸±ê
%% Êý¾ÝµÄ¹éÒ»»¯´¦Àí
% Matlab2010b,2011a,b°æ±¾¶¼ÓÐbug,ÐèÈçÏ´¦Àí.
ÆäËü°æ±¾Ö±½ÓÓÃ[X,ps]=mapminmax(x',0,1);¼´¿É
[X,ps]=mapminmax(x');
ps.ymin=0.002; % ¹éÒ»»¯ºóµÄ×îСֵ
ps.ymax=0.996; % ¹éÒ»»¯ºóµÄ×î´óÖµ
ps.yrange=ps.ymax-ps.ymin; % ¹éÒ»»¯ºóµÄ¼«²î,Èô²»µ÷Õû¸ÃÖµ,
ÔòÄæÔËËã»á³ö´í
X=mapminmax(x',ps);
% mapminmax('reverse',xx,ps); % ·´¹éÒ»»¯, »Øµ½Ô­Êý¾Ý
X=X'; % XΪ¹éÒ»»¯ºóµÄÊý¾Ý, 23ÐÐ(¹ú¼Ò), 5ÁÐ(Ö¸±ê) %% ¼ÆËãµÚj¸öÖ¸±êÏ£¬µÚi¸ö¼Ç¼ռ¸ÃÖ¸±êµÄ±ÈÖØp(i,j) for i=1:n
for j=1:m
p(i,j)=X(i,j)/sum(X(:,j));
end
end
%% ¼ÆËãµÚj¸öÖ¸±êµÄìØÖµe(j)
k=1/log(n);
for j=1:m
e(j)=-k*sum(p(:,j).*log(p(:,j)));
end
d=ones(1,m)-e; % ¼ÆËãÐÅÏ¢ìØÈßÓà¶È
w=d./sum(d); % ÇóȨֵw
s=w*p'; % Çó×ۺϵ÷Ö[\code]
x=load('txt4.txt'); % ¶ÁÈëÊý¾Ý
[s,w]=shang(x)。