测度范文10篇

测度范文篇1

这两个假定下，可把生态占用的测度分为以下三步：

(1)追踪资源消耗和废物消纳

将消费（包括直接的家庭消费、间接消费、最终使家庭受益的商业和政府消费的货物和服务等）分门别类地折算成资源消耗量，然后将资源消耗量和人类活动所排放的废物按照区域的生态生产能力和废物消纳能力分别折算成具有生态生产力的耕地、草地、化石能源用地、森林、建筑用地、水域等六类主要的陆地和水域生态系统面积，设其为a[,j](j=1,2,……,6)，则：

附图

其中EP[,i]为区域内某地i(i=1,2,……,n)的生态生产力，C[,i]为其j资源消费量，P[,i]为j资源生产量，E[,i]为j资源出口量，I[,i]为j资源进口量。

(2)产量调整

不同的国家或者地区有不同的资源禀赋（或者不同的生态生产力）。因此，要进行区域之间的比较，就需要进行适当的调整，方法是将其生态生产力除以产量调整因子(YieldFactor)。用公式表示如下：

附图

其中的YF[,i]就是产量调整因子，它是通过将所核算区域单位面积的生态生产力与全球平均生态生产力相比较得到的。显然，如果YF[,i]＞1，就意味着该地区单位面积的生态生产力高于全球平均水平。反之，如果YF[,i]＜1，则意味着该地区的生态生产力低于全球水平。

(3)均衡处理

上述六类生态资源的生态生产力是不同的，为了将不同生态系统类型的空间汇总为区域的生态占用，各种类型的生态系统面积需要乘以一个均衡因子(EquivalenceFactors,EQ[,j])这些均衡因子将每一个类型的主要生物资源的生产潜力进行了标准化处理，每一种生态系统类型的均衡因子依据其单位空间面积的相对生物生产量而定。

这个加总后的结果就是生态占用，用公式表示如下：

附图

一、对生态占用测度方法的剖析

下面我们来具体研究一下生态占用测度方法的理论问题。

1.对a[,j]和EP[,i]的剖析

根据生态占用的概念，生态占用最终要将人类活动转化为承载这种活动的地理面积，所以生态占用最终测度的不是价值量，而是生态占用面积。

那么，由公式，我们就可得出某地的生态生产力EP[,i]的计算思路，即EP[,i]表示单位面积的资源产量和污染消纳能力。它的单位是“某资源单位／面积单位”，从这个意义上讲，它是一个强度相对指标。

EP[,i]的计算与生态占用测度的两个假定是直接相关的，就是说，生态生产力是分类计算的，即，对于每种不同的资源，我们可以明确地把它归类，找到它所对应的生态生产力进行折算。也就是说，EP[,i]不仅有属地属性，还有资源类别属性，从这个意义上讲，EP[,i]最好被写成EP[,ij]，以从统计意义上强调它的两个属性。

于是，如果一个区域内有n个城市，则每一个城市都可根据其不同的EP[,ij]，找到其对应于这些陆地和水域面积的资源消耗与排泄量，就可计算出其各类的生态占用，即可用代表该区域中城市i对资源j的生态占用面积。这个a[,ij]有如下特点：

(1)它是一个总和指标，而非人均指标；

(2)它是一个逆指标，也就是说它越少就越好，给自己留的空间就越大，系统的可持续性也就越强；

(3)从公式上看，它承认一个区域在其地区域留下了“生态脚印”，这是生态占用的一种外部效应。但它假设不管资源来自于何方，均按本区域的相应类别的生态生产力折算。这种方法只能是一种粗略的做法，尤其当区域间转移的资源量比较多时更是这样；

(4)空间上它是不可比的，因为它是有地域属性的，不同地域是按不同的EP[,ij]来折算的。如果想对不同区域间的相同类别进行比较、加总，就首先要对其进行标准化处理。这是下一步“产量调整”的理论基础；

(5)它是分类别计算的，一个区域会在耕地、森林、草地、水域等多处留下“生态脚印”。显然，由于不同类别生态空间的生态属性不同，所以各类别之间是不可加总的。如果想对不同类别进行比较、加总，就要对上一步的处理结果再进行标准化处理，这是“产量调整”后“等量化处理”的理论基础。

2.对产量调整方法的剖析

产量调整的出发点是使不同区域的相同消费之间的生态占用具有可比性，具体的方法是引入一个产量调整因子YF[,i]（同上，它应该被写成YF[,ij]），即，这样可以使由于资源禀赋强（生态生产力强）而掩盖的生态占用较少的情况调整变得大一些；使得由于资源禀赋差（生态生产力弱）而夸大的生态占用较多的情况调整变得小一些，以正常反映其占用人类资源的规模。

附图

这样，我们可以发现，产量调整方法实际上达到了两个目的，首先是计算的标准化，而更为重要的是它使得生态占用的计算过程大大简化。即，我们没有必要再逐个去找每个区域所特有的EP[,ij]，而只需知道全球平均的EP[,j]，我们就可以计算一个虚拟的生态占用空间，即平均生态生产力水平下的生态占用。显然，这个虚拟的生态占用空间是有界的，它不会超过地球现有的该类生态空间的总和。

3.对均衡处理过程的剖析

均衡处理过程是为生态占用的类别加总而进行的标准化处理。进行这种标准化处理的理由是很明显的，因为即使是从平均的生态生产力水平上来看，耕地、草地、化石能源用地、森林、建筑用地、水域等类别的空间都是有差异的。

有人想到了用权数作同度量因素把不同的空间面积加到在一起、这个权数就是均衡因子EQ[,j]目前国际生态占用测度中采用的均衡因子分别是：森林和化石能源用地为1.1、耕地和建筑用地为2.8、草地为0.5、水域为0.2。也就是说，该均衡因子认定耕地和建筑用地的生态生产力是全球平均水平的2.8倍，草地只达到了平均水平的一半。通过这些均衡因子，就可以将六类生态系统面积调整为以全球生态系统标准生产力为基础的、可以直接相加的生态系统面积。

总的来说，均衡处理过程是要形成一个生态占用的整体概念，它试图把各种不同功能的空间通过一定的方法换算并加总，这种处理方法是生态占用测度中的第二次标准化处理。由于涉及到了不同生态功能间的转化，其标准化过程较之产量调整时的标准化方法来说相对困难。

对生态占用的均衡处理，我们觉得有画蛇添足之嫌，这是因为，很难找到一个合理的均衡因子EQ[,j]。使得各类不同的生态占用被同度量化，而且同度量化后的数据含义也发生了变化，这时的加权总量指标很难说还是与地球空间相关联的生态空间。

所以，不论是从技术上还是操作上来说，作这种“均衡处理”都是不划算的。更聪明的方法是做到第二步说停止，只给出分类的生态占用，而不需给出总和的生态占用；即使是要给出总和生态占用指标时，我们不妨单纯对各类占用简单加总即可。为了验证这种想法，我们找到了生态占用的一个实际测度的例子，这个例子取自世界自然基金会(WorldWildFund)的研究成果，具体数字见表1。

表1部分亚太的国家（地区）生态占用数据(1996)

附图

资料来源：WWF,RedefiningProgress,CentreforSustainablityStudies,28August2000.

表1中第2列是各国（地区）的人口数，第3～8列分别对应于我们所说的6类生态空间，最后一列即各国或地区总的生态占用（单位为公顷）。表1中的数据均是按人均生态占用面积计算的，且表1中的数据已经经过了产量调整。我们注意到，表1中第9列是第3至8列的简单加总，该计算并没有进行第三步的均衡处理。

二、几点思考

在以上分析的基础上，我们有如下的一些思考：

1.生态占用与人口承载力研究的关联

人口承载力是一个与生态占用相近似而又不同的概念。所谓人口承载力是指在一定的技术水平条件下，一个地区的资源能够承载的一定生活质量的人口数量。人口承载力与生态占用比较起来，相近之处是都研究人与自然之间的相互关系，不同之处在于：

(1)研究思路相反。生态占用研究的是在已知一定生活质量的人口数量的条件下，计算人类生活所需的生态空间；而人口承载力研究的是在一定生存空间的约束下，能容纳多少人类活动；

(2)研究内容不同。人口承载力主要考虑某些资源对人类生活的制约作用，通常的思路是用某关键资源的数量与人口数量进行对比，得出人口数量的上限，它研究的内容较窄；而生态占用反映了人类对生态系统的一种综合性的影响，它所研究的进出口贸易等变量在人口承载力研究中很难涉及；

(3)标准化程度不同。人口承载力必须和所研究的人口状况联系起来，因此它的可比性受到很大的制约。美国麻省理工学院的L·Solow曾说过这么一段既风趣、又实在的话：

“如果世界上有瑞士人的生产率水平，中国人的消费习惯，瑞典人的平均主义天性，日本人的社会秩序，那么这个地球就有可能承受数倍于今天的人口而任何人都不致贫困。相反，如果人类有乍得人的生产率水平，美国人的消费习惯，印度人的反平均主义天性，阿根廷人的社会秩序，那么这个地球可能无法承受现有的人口数。”

这段话很合适被用到这里，它可以帮我们提出这样一个结论——人口承载力不具备空间可比性。比如说，中国能承载16亿人口，是指承载中国的人口，如若换成美国人口，就不再是16亿。

相反，生态占用的计算过程着重考虑了国际比较问题，它通过一系列的标准化手段，使得任何人口特征、资源禀赋等变量都反映在最终的测算结果中，很容易进行比较。同时，它还能根据需要计算具有本区域特征的生态占用，这一点与人口承载力的功能相似。可以说生态占用方法在应用中明显优于人口承载力方法。

2.生态赤字与生态盈余概念的提出

生态占用测度的是人们对生态空间的需求，但是单单研究生态测度的需求是说明不了问题的，我们还要测度地球对生态空间的供给能力，只有通过这种供给与需求的对比，生态占用测度方法才能更好地描述可持续发展的状态。

这就引出了生态赤字(EcologicalDeficit)和生态盈余(EcologicalSurplus)的概念。

如果一个区域的生态供给大于生态占用，就形成了生态盈余，这是有利于可持续发展的；反之，就形成了生态赤字。观察一个地区的生态供给与生态占用之差，从而反映某区域的可持续发展状态，是生态占用方法最直接的应用。

但问题也随之而来，如何测度生态供给？这一点需要解释。通常的做法是先找到与生态占用测度对应的各类生态空间的面积资料，再根据本区域各类生态空间的平均生态生产力水平与世界该类生态空间的生产力水平之比，对生态空间的面积进行标准化。显然这是为了使生态占用和生态供给比较的口径一致，即都转化为标准的生态面积后再比较。在这个过程中，我们需要再引入两个变重：现有的各类生态空间的面积与各类生态空间的生态生产力水平。

当然，如果在生态占用测度时根本没有经过产量调整，则我们可以把现有的生态面积实物量与生态占用相比较，这时也是具有可比性的。从这个意义上说，在应用生态测度时、至少要使用一次本区域各类生态空间的平均生态生产力水平。

表2计算了部分亚太国宾（地区）的生态赤字与生态盈余。

由于我们前面提到的原因，我们并不赞成像表2这样，将加总后的生态占用总量与加总后的生态供给总量进行对比。我们认为，在多数情况下，这种对比只能给出非常粗略的信息，更有意义的对比应是在小类中进行的，比如耕地生态占用的生态盈余（赤字）、草地占用的生态盈余（赤字）等等。

3.生态占用测度方法的不足之处

综上所述，生态占用测度方法紧扣可持续发展理论，直观形象，是比较好的涉及空间系统性、空间公平性的一个非货币化综合指标。但是任何一种方法都不可能是十全十美的，我们认为生态占用测度方法至少在以下几方面是有待完善的：

表2部分亚太国家（地区）生态赤字（盈余）数据(1996)

附图

(1)缺乏对代际公平的考虑。生态占用所测度的是当代人的生态占用，而且它所用到的变量基本上都只与当代人有关。所以这个指标主要的应用领域是测度空间的公平性，而对代际公平的测度只反映在全球的生态盈余或赤字额上，相对于生态占用对代内公平测度的重视，这只能算是一个副产品；

(2)模型过于理想化。从生态占用的两个假设可以看出，它把十分复杂的生态系统服务简单化处理了，而事实上，我们很难就某一种产品的消耗严格地找出它的生态类别，即使找到了，我们也很难保证该生态空间只具有这一种生态功能，生态占用测度中对生态空间这种“泾渭分明”的划界方式只能说明它是一种理想化的方法；

(3)没有覆盖所有的生态服务。与生态系统服务货币化方法比起来，生态占用测度所覆盖的范围明显不足，它对间接利用价值、存在价值及选择价值的重视程度都是不够的。我们认为，生态占用测度方法要进一步发展。扩展其研究范围将是一个重要的突破点；

测度范文篇2

下面我们来具体研究一下生态占用测度方法的理论问题。

1.对a[,j]和EP[,i]的剖析

根据生态占用的概念，生态占用最终要将人类活动转化为承载这种活动的地理面积，所以生态占用最终测度的不是价值量，而是生态占用面积。

那么，由公式，我们就可得出某地的生态生产力EP[,i]的计算思路，即EP[,i]表示单位面积的资源产量和污染消纳能力。它的单位是“某资源单位／面积单位”，从这个意义上讲，它是一个强度相对指标。

EP[,i]的计算与生态占用测度的两个假定是直接相关的，就是说，生态生产力是分类计算的，即，对于每种不同的资源，我们可以明确地把它归类，找到它所对应的生态生产力进行折算。也就是说，EP[,i]不仅有属地属性，还有资源类别属性，从这个意义上讲，EP[,i]最好被写成EP[,ij]，以从统计意义上强调它的两个属性。

于是，如果一个区域内有n个城市，则每一个城市都可根据其不同的EP[,ij]，找到其对应于这些陆地和水域面积的资源消耗与排泄量，就可计算出其各类的生态占用，即可用代表该区域中城市i对资源j的生态占用面积。这个a[,ij]有如下特点：

(1)它是一个总和指标，而非人均指标；

(2)它是一个逆指标，也就是说它越少就越好，给自己留的空间就越大，系统的可持续性也就越强；

(3)从公式上看，它承认一个区域在其地区域留下了“生态脚印”，这是生态占用的一种外部效应。但它假设不管资源来自于何方，均按本区域的相应类别的生态生产力折算。这种方法只能是一种粗略的做法，尤其当区域间转移的资源量比较多时更是这样；

(4)空间上它是不可比的，因为它是有地域属性的，不同地域是按不同的EP[,ij]来折算的。如果想对不同区域间的相同类别进行比较、加总，就首先要对其进行标准化处理。这是下一步“产量调整”的理论基础；

(5)它是分类别计算的，一个区域会在耕地、森林、草地、水域等多处留下“生态脚印”。显然，由于不同类别生态空间的生态属性不同，所以各类别之间是不可加总的。如果想对不同类别进行比较、加总，就要对上一步的处理结果再进行标准化处理，这是“产量调整”后“等量化处理”的理论基础。

2.对产量调整方法的剖析

产量调整的出发点是使不同区域的相同消费之间的生态占用具有可比性，具体的方法是引入一个产量调整因子YF[,i]（同上，它应该被写成YF[,ij]），即，这样可以使由于资源禀赋强（生态生产力强）而掩盖的生态占用较少的情况调整变得大一些；使得由于资源禀赋差（生态生产力弱）而夸大的生态占用较多的情况调整变得小一些，以正常反映其占用人类资源的规模。

附图

这样，我们可以发现，产量调整方法实际上达到了两个目的，首先是计算的标准化，而更为重要的是它使得生态占用的计算过程大大简化。即，我们没有必要再逐个去找每个区域所特有的EP[,ij]，而只需知道全球平均的EP[,j]，我们就可以计算一个虚拟的生态占用空间，即平均生态生产力水平下的生态占用。显然，这个虚拟的生态占用空间是有界的，它不会超过地球现有的该类生态空间的总和。

3.对均衡处理过程的剖析

均衡处理过程是为生态占用的类别加总而进行的标准化处理。进行这种标准化处理的理由是很明显的，因为即使是从平均的生态生产力水平上来看，耕地、草地、化石能源用地、森林、建筑用地、水域等类别的空间都是有差异的。

有人想到了用权数作同度量因素把不同的空间面积加到在一起、这个权数就是均衡因子EQ[,j]目前国际生态占用测度中采用的均衡因子分别是：森林和化石能源用地为1.1、耕地和建筑用地为2.8、草地为0.5、水域为0.2。也就是说，该均衡因子认定耕地和建筑用地的生态生产力是全球平均水平的2.8倍，草地只达到了平均水平的一半。通过这些均衡因子，就可以将六类生态系统面积调整为以全球生态系统标准生产力为基础的、可以直接相加的生态系统面积。

总的来说，均衡处理过程是要形成一个生态占用的整体概念，它试图把各种不同功能的空间通过一定的方法换算并加总，这种处理方法是生态占用测度中的第二次标准化处理。由于涉及到了不同生态功能间的转化，其标准化过程较之产量调整时的标准化方法来说相对困难。

对生态占用的均衡处理，我们觉得有画蛇添足之嫌，这是因为，很难找到一个合理的均衡因子EQ[,j]。使得各类不同的生态占用被同度量化，而且同度量化后的数据含义也发生了变化，这时的加权总量指标很难说还是与地球空间相关联的生态空间。

所以，不论是从技术上还是操作上来说，作这种“均衡处理”都是不划算的。更聪明的方法是做到第二步说停止，只给出分类的生态占用，而不需给出总和的生态占用；即使是要给出总和生态占用指标时，我们不妨单纯对各类占用简单加总即可。为了验证这种想法，我们找到了生态占用的一个实际测度的例子，这个例子取自世界自然基金会(WorldWildFund)的研究成果，具体数字见表1。

表1部分亚太的国家（地区）生态占用数据(1996)

附图

资料来源：WWF,RedefiningProgress,CentreforSustainablityStudies,28August2000.

表1中第2列是各国（地区）的人口数，第3～8列分别对应于我们所说的6类生态空间，最后一列即各国或地区总的生态占用（单位为公顷）。表1中的数据均是按人均生态占用面积计算的，且表1中的数据已经经过了产量调整。我们注意到，表1中第9列是第3至8列的简单加总，该计算并没有进行第三步的均衡处理。

二、几点思考

在以上分析的基础上，我们有如下的一些思考：

1.生态占用与人口承载力研究的关联

人口承载力是一个与生态占用相近似而又不同的概念。所谓人口承载力是指在一定的技术水平条件下，一个地区的资源能够承载的一定生活质量的人口数量。人口承载力与生态占用比较起来，相近之处是都研究人与自然之间的相互关系，不同之处在于：

(1)研究思路相反。生态占用研究的是在已知一定生活质量的人口数量的条件下，计算人类生活所需的生态空间；而人口承载力研究的是在一定生存空间的约束下，能容纳多少人类活动；

(2)研究内容不同。人口承载力主要考虑某些资源对人类生活的制约作用，通常的思路是用某关键资源的数量与人口数量进行对比，得出人口数量的上限，它研究的内容较窄；而生态占用反映了人类对生态系统的一种综合性的影响，它所研究的进出口贸易等变量在人口承载力研究中很难涉及；

(3)标准化程度不同。人口承载力必须和所研究的人口状况联系起来，因此它的可比性受到很大的制约。美国麻省理工学院的L·Solow曾说过这么一段既风趣、又实在的话：

“如果世界上有瑞士人的生产率水平，中国人的消费习惯，瑞典人的平均主义天性，日本人的社会秩序，那么这个地球就有可能承受数倍于今天的人口而任何人都不致贫困。相反，如果人类有乍得人的生产率水平，美国人的消费习惯，印度人的反平均主义天性，阿根廷人的社会秩序，那么这个地球可能无法承受现有的人口数。”

这段话很合适被用到这里，它可以帮我们提出这样一个结论——人口承载力不具备空间可比性。比如说，中国能承载16亿人口，是指承载中国的人口，如若换成美国人口，就不再是16亿。

相反，生态占用的计算过程着重考虑了国际比较问题，它通过一系列的标准化手段，使得任何人口特征、资源禀赋等变量都反映在最终的测算结果中，很容易进行比较。同时，它还能根据需要计算具有本区域特征的生态占用，这一点与人口承载力的功能相似。可以说生态占用方法在应用中明显优于人口承载力方法。

2.生态赤字与生态盈余概念的提出

生态占用测度的是人们对生态空间的需求，但是单单研究生态测度的需求是说明不了问题的，我们还要测度地球对生态空间的供给能力，只有通过这种供给与需求的对比，生态占用测度方法才能更好地描述可持续发展的状态。

这就引出了生态赤字(EcologicalDeficit)和生态盈余(EcologicalSurplus)的概念。

如果一个区域的生态供给大于生态占用，就形成了生态盈余，这是有利于可持续发展的；反之，就形成了生态赤字。观察一个地区的生态供给与生态占用之差，从而反映某区域的可持续发展状态，是生态占用方法最直接的应用。

但问题也随之而来，如何测度生态供给？这一点需要解释。通常的做法是先找到与生态占用测度对应的各类生态空间的面积资料，再根据本区域各类生态空间的平均生态生产力水平与世界该类生态空间的生产力水平之比，对生态空间的面积进行标准化。显然这是为了使生态占用和生态供给比较的口径一致，即都转化为标准的生态面积后再比较。在这个过程中，我们需要再引入两个变重：现有的各类生态空间的面积与各类生态空间的生态生产力水平。

当然，如果在生态占用测度时根本没有经过产量调整，则我们可以把现有的生态面积实物量与生态占用相比较，这时也是具有可比性的。从这个意义上说，在应用生态测度时、至少要使用一次本区域各类生态空间的平均生态生产力水平。

表2计算了部分亚太国宾（地区）的生态赤字与生态盈余。

由于我们前面提到的原因，我们并不赞成像表2这样，将加总后的生态占用总量与加总后的生态供给总量进行对比。我们认为，在多数情况下，这种对比只能给出非常粗略的信息，更有意义的对比应是在小类中进行的，比如耕地生态占用的生态盈余（赤字）、草地占用的生态盈余（赤字）等等。

3.生态占用测度方法的不足之处

综上所述，生态占用测度方法紧扣可持续发展理论，直观形象，是比较好的涉及空间系统性、空间公平性的一个非货币化综合指标。但是任何一种方法都不可能是十全十美的，我们认为生态占用测度方法至少在以下几方面是有待完善的：

表2部分亚太国家（地区）生态赤字（盈余）数据(1996)

附图

(1)缺乏对代际公平的考虑。生态占用所测度的是当代人的生态占用，而且它所用到的变量基本上都只与当代人有关。所以这个指标主要的应用领域是测度空间的公平性，而对代际公平的测度只反映在全球的生态盈余或赤字额上，相对于生态占用对代内公平测度的重视，这只能算是一个副产品；

(2)模型过于理想化。从生态占用的两个假设可以看出，它把十分复杂的生态系统服务简单化处理了，而事实上，我们很难就某一种产品的消耗严格地找出它的生态类别，即使找到了，我们也很难保证该生态空间只具有这一种生态功能，生态占用测度中对生态空间这种“泾渭分明”的划界方式只能说明它是一种理想化的方法；

(3)没有覆盖所有的生态服务。与生态系统服务货币化方法比起来，生态占用测度所覆盖的范围明显不足，它对间接利用价值、存在价值及选择价值的重视程度都是不够的。我们认为，生态占用测度方法要进一步发展。扩展其研究范围将是一个重要的突破点；

测度范文篇3

这两个假定下，可把生态占用的测度分为以下三步：

(1)追踪资源消耗和废物消纳

将消费（包括直接的家庭消费、间接消费、最终使家庭受益的商业和政府消费的货物和服务等）分门别类地折算成资源消耗量，然后将资源消耗量和人类活动所排放的废物按照区域的生态生产能力和废物消纳能力分别折算成具有生态生产力的耕地、草地、化石能源用地、森林、建筑用地、水域等六类主要的陆地和水域生态系统面积，设其为a[,j](j=1,2,……,6)，则：

附图

其中EP[,i]为区域内某地i(i=1,2,……,n)的生态生产力，C[,i]为其j资源消费量，P[,i]为j资源生产量，E[,i]为j资源出口量，I[,i]为j资源进口量。

(2)产量调整

不同的国家或者地区有不同的资源禀赋（或者不同的生态生产力）。因此，要进行区域之间的比较，就需要进行适当的调整，方法是将其生态生产力除以产量调整因子(YieldFactor)。用公式表示如下：

附图

其中的YF[,i]就是产量调整因子，它是通过将所核算区域单位面积的生态生产力与全球平均生态生产力相比较得到的。显然，如果YF[,i]＞1，就意味着该地区单位面积的生态生产力高于全球平均水平。反之，如果YF[,i]＜1，则意味着该地区的生态生产力低于全球水平。

(3)均衡处理

上述六类生态资源的生态生产力是不同的，为了将不同生态系统类型的空间汇总为区域的生态占用，各种类型的生态系统面积需要乘以一个均衡因子(EquivalenceFactors,EQ[,j])这些均衡因子将每一个类型的主要生物资源的生产潜力进行了标准化处理，每一种生态系统类型的均衡因子依据其单位空间面积的相对生物生产量而定。

这个加总后的结果就是生态占用，用公式表示如下：

附图

一、对生态占用测度方法的剖析

下面我们来具体研究一下生态占用测度方法的理论问题。

1.对a[,j]和EP[,i]的剖析

根据生态占用的概念，生态占用最终要将人类活动转化为承载这种活动的地理面积，所以生态占用最终测度的不是价值量，而是生态占用面积。

那么，由公式，我们就可得出某地的生态生产力EP[,i]的计算思路，即EP[,i]表示单位面积的资源产量和污染消纳能力。它的单位是“某资源单位／面积单位”，从这个意义上讲，它是一个强度相对指标。

EP[,i]的计算与生态占用测度的两个假定是直接相关的，就是说，生态生产力是分类计算的，即，对于每种不同的资源，我们可以明确地把它归类，找到它所对应的生态生产力进行折算。也就是说，EP[,i]不仅有属地属性，还有资源类别属性，从这个意义上讲，EP[,i]最好被写成EP[,ij]，以从统计意义上强调它的两个属性。

于是，如果一个区域内有n个城市，则每一个城市都可根据其不同的EP[,ij]，找到其对应于这些陆地和水域面积的资源消耗与排泄量，就可计算出其各类的生态占用，即可用代表该区域中城市i对资源j的生态占用面积。这个a[,ij]有如下特点：

(1)它是一个总和指标，而非人均指标；

(2)它是一个逆指标，也就是说它越少就越好，给自己留的空间就越大，系统的可持续性也就越强；

(3)从公式上看，它承认一个区域在其地区域留下了“生态脚印”，这是生态占用的一种外部效应。但它假设不管资源来自于何方，均按本区域的相应类别的生态生产力折算。这种方法只能是一种粗略的做法，尤其当区域间转移的资源量比较多时更是这样；

(4)空间上它是不可比的，因为它是有地域属性的，不同地域是按不同的EP[,ij]来折算的。如果想对不同区域间的相同类别进行比较、加总，就首先要对其进行标准化处理。这是下一步“产量调整”的理论基础；

(5)它是分类别计算的，一个区域会在耕地、森林、草地、水域等多处留下“生态脚印”。显然，由于不同类别生态空间的生态属性不同，所以各类别之间是不可加总的。如果想对不同类别进行比较、加总，就要对上一步的处理结果再进行标准化处理，这是“产量调整”后“等量化处理”的理论基础。

2.对产量调整方法的剖析

产量调整的出发点是使不同区域的相同消费之间的生态占用具有可比性，具体的方法是引入一个产量调整因子YF[,i]（同上，它应该被写成YF[,ij]），即，这样可以使由于资源禀赋强（生态生产力强）而掩盖的生态占用较少的情况调整变得大一些；使得由于资源禀赋差（生态生产力弱）而夸大的生态占用较多的情况调整变得小一些，以正常反映其占用人类资源的规模。

附图

这样，我们可以发现，产量调整方法实际上达到了两个目的，首先是计算的标准化，而更为重要的是它使得生态占用的计算过程大大简化。即，我们没有必要再逐个去找每个区域所特有的EP[,ij]，而只需知道全球平均的EP[,j]，我们就可以计算一个虚拟的生态占用空间，即平均生态生产力水平下的生态占用。显然，这个虚拟的生态占用空间是有界的，它不会超过地球现有的该类生态空间的总和。

3.对均衡处理过程的剖析

均衡处理过程是为生态占用的类别加总而进行的标准化处理。进行这种标准化处理的理由是很明显的，因为即使是从平均的生态生产力水平上来看，耕地、草地、化石能源用地、森林、建筑用地、水域等类别的空间都是有差异的。

有人想到了用权数作同度量因素把不同的空间面积加到在一起、这个权数就是均衡因子EQ[,j]目前国际生态占用测度中采用的均衡因子分别是：森林和化石能源用地为1.1、耕地和建筑用地为2.8、草地为0.5、水域为0.2。也就是说，该均衡因子认定耕地和建筑用地的生态生产力是全球平均水平的2.8倍，草地只达到了平均水平的一半。通过这些均衡因子，就可以将六类生态系统面积调整为以全球生态系统标准生产力为基础的、可以直接相加的生态系统面积。

总的来说，均衡处理过程是要形成一个生态占用的整体概念，它试图把各种不同功能的空间通过一定的方法换算并加总，这种处理方法是生态占用测度中的第二次标准化处理。由于涉及到了不同生态功能间的转化，其标准化过程较之产量调整时的标准化方法来说相对困难。

对生态占用的均衡处理，我们觉得有画蛇添足之嫌，这是因为，很难找到一个合理的均衡因子EQ[,j]。使得各类不同的生态占用被同度量化，而且同度量化后的数据含义也发生了变化，这时的加权总量指标很难说还是与地球空间相关联的生态空间。

所以，不论是从技术上还是操作上来说，作这种“均衡处理”都是不划算的。更聪明的方法是做到第二步说停止，只给出分类的生态占用，而不需给出总和的生态占用；即使是要给出总和生态占用指标时，我们不妨单纯对各类占用简单加总即可。为了验证这种想法，我们找到了生态占用的一个实际测度的例子，这个例子取自世界自然基金会(WorldWildFund)的研究成果，具体数字见表1。

表1部分亚太的国家（地区）生态占用数据(1996)

附图

资料来源：WWF,RedefiningProgress,CentreforSustainablityStudies,28August2000.

表1中第2列是各国（地区）的人口数，第3～8列分别对应于我们所说的6类生态空间，最后一列即各国或地区总的生态占用（单位为公顷）。表1中的数据均是按人均生态占用面积计算的，且表1中的数据已经经过了产量调整。我们注意到，表1中第9列是第3至8列的简单加总，该计算并没有进行第三步的均衡处理。

二、几点思考

在以上分析的基础上，我们有如下的一些思考：

1.生态占用与人口承载力研究的关联

人口承载力是一个与生态占用相近似而又不同的概念。所谓人口承载力是指在一定的技术水平条件下，一个地区的资源能够承载的一定生活质量的人口数量。人口承载力与生态占用比较起来，相近之处是都研究人与自然之间的相互关系，不同之处在于：

(1)研究思路相反。生态占用研究的是在已知一定生活质量的人口数量的条件下，计算人类生活所需的生态空间；而人口承载力研究的是在一定生存空间的约束下，能容纳多少人类活动；

(2)研究内容不同。人口承载力主要考虑某些资源对人类生活的制约作用，通常的思路是用某关键资源的数量与人口数量进行对比，得出人口数量的上限，它研究的内容较窄；而生态占用反映了人类对生态系统的一种综合性的影响，它所研究的进出口贸易等变量在人口承载力研究中很难涉及；

(3)标准化程度不同。人口承载力必须和所研究的人口状况联系起来，因此它的可比性受到很大的制约。美国麻省理工学院的L·Solow曾说过这么一段既风趣、又实在的话：

“如果世界上有瑞士人的生产率水平，中国人的消费习惯，瑞典人的平均主义天性，日本人的社会秩序，那么这个地球就有可能承受数倍于今天的人口而任何人都不致贫困。相反，如果人类有乍得人的生产率水平，美国人的消费习惯，印度人的反平均主义天性，阿根廷人的社会秩序，那么这个地球可能无法承受现有的人口数。”

这段话很合适被用到这里，它可以帮我们提出这样一个结论——人口承载力不具备空间可比性。比如说，中国能承载16亿人口，是指承载中国的人口，如若换成美国人口，就不再是16亿。

相反，生态占用的计算过程着重考虑了国际比较问题，它通过一系列的标准化手段，使得任何人口特征、资源禀赋等变量都反映在最终的测算结果中，很容易进行比较。同时，它还能根据需要计算具有本区域特征的生态占用，这一点与人口承载力的功能相似。可以说生态占用方法在应用中明显优于人口承载力方法。

2.生态赤字与生态盈余概念的提出

生态占用测度的是人们对生态空间的需求，但是单单研究生态测度的需求是说明不了问题的，我们还要测度地球对生态空间的供给能力，只有通过这种供给与需求的对比，生态占用测度方法才能更好地描述可持续发展的状态。

这就引出了生态赤字(EcologicalDeficit)和生态盈余(EcologicalSurplus)的概念。

如果一个区域的生态供给大于生态占用，就形成了生态盈余，这是有利于可持续发展的；反之，就形成了生态赤字。观察一个地区的生态供给与生态占用之差，从而反映某区域的可持续发展状态，是生态占用方法最直接的应用。

但问题也随之而来，如何测度生态供给？这一点需要解释。通常的做法是先找到与生态占用测度对应的各类生态空间的面积资料，再根据本区域各类生态空间的平均生态生产力水平与世界该类生态空间的生产力水平之比，对生态空间的面积进行标准化。显然这是为了使生态占用和生态供给比较的口径一致，即都转化为标准的生态面积后再比较。在这个过程中，我们需要再引入两个变重：现有的各类生态空间的面积与各类生态空间的生态生产力水平。

当然，如果在生态占用测度时根本没有经过产量调整，则我们可以把现有的生态面积实物量与生态占用相比较，这时也是具有可比性的。从这个意义上说，在应用生态测度时、至少要使用一次本区域各类生态空间的平均生态生产力水平。

表2计算了部分亚太国宾（地区）的生态赤字与生态盈余。

由于我们前面提到的原因，我们并不赞成像表2这样，将加总后的生态占用总量与加总后的生态供给总量进行对比。我们认为，在多数情况下，这种对比只能给出非常粗略的信息，更有意义的对比应是在小类中进行的，比如耕地生态占用的生态盈余（赤字）、草地占用的生态盈余（赤字）等等。

3.生态占用测度方法的不足之处

综上所述，生态占用测度方法紧扣可持续发展理论，直观形象，是比较好的涉及空间系统性、空间公平性的一个非货币化综合指标。但是任何一种方法都不可能是十全十美的，我们认为生态占用测度方法至少在以下几方面是有待完善的：

表2部分亚太国家（地区）生态赤字（盈余）数据(1996)

附图

(1)缺乏对代际公平的考虑。生态占用所测度的是当代人的生态占用，而且它所用到的变量基本上都只与当代人有关。所以这个指标主要的应用领域是测度空间的公平性，而对代际公平的测度只反映在全球的生态盈余或赤字额上，相对于生态占用对代内公平测度的重视，这只能算是一个副产品；

(2)模型过于理想化。从生态占用的两个假设可以看出，它把十分复杂的生态系统服务简单化处理了，而事实上，我们很难就某一种产品的消耗严格地找出它的生态类别，即使找到了，我们也很难保证该生态空间只具有这一种生态功能，生态占用测度中对生态空间这种“泾渭分明”的划界方式只能说明它是一种理想化的方法；

(3)没有覆盖所有的生态服务。与生态系统服务货币化方法比起来，生态占用测度所覆盖的范围明显不足，它对间接利用价值、存在价值及选择价值的重视程度都是不够的。我们认为，生态占用测度方法要进一步发展。扩展其研究范围将是一个重要的突破点；

(4)总量数据的可比性不强。生态占用测度方法是目前可持续发展测度非货币化方法中比较出色的一种，但它还只是一种粗略的方法，由于缺乏必要的同度量因素，它在类间加总方面处理得仍然不够好；

测度范文篇4

按OECD的界定，确立信息产业的定义必须依据两条原则：第一，信息设备制造业的产品必须实现信息处理与通信的功能（包括信息传递与显示），物理现象的删除、检测和／或记录或物理过程的控制必须应用电子处理；第二，对信息服务业而言，产品必须使信息处理和通信功能能够通过电子手段来实现。这两条原则将信息产业限定为现代信息产业，即通过电子手段的信息产业，从而同传统的信息产业如活字印刷术等区别开来。因此，根据联合国标准产业分类第三版(ISIC-3)的框架，对信息产业的外延做出如下界定：

第一，信息设备制造业由如下生产活动部门组成：办公、会计与计算机械生产（代码为3000，下同），绝缘电线与电缆生产(3130)，电子显象管与真空管及其他相关电子元器件生产(3210)，电视与收音机发射装置及有线电话、有线电报设备生产(3220)，电视与无线电广播接收机、音像录制或翻录设备及相关制品生产(3230)，测量、检查、化验导通等设备的生产，不包括工业加工控制设备的生产(3312)，工业加工控制设备生产(3313)。

第二，信息服务业由如下生产活动部门组成：机械、设备与耗材（仅限于前述信息设备制造业定义所涵）批发(5150)；办公用机械与设备（包括计算机）的租赁(7123)；通信服务(6420)；计算机与相关活动(72)，由硬件咨询(7210)、软件咨询与估计(7220)、数据加工(7230)、数据库活动(7240)、办公、会计与计算设备的维修(7250)及其他计算机相关活动(7290)组成。

据经合组织的专家测算（Pattinson等，2000），1997年，OECD信息产业有58.6万个企业、1280万就业人员，创造增加值1.2万亿美元(PPP)；1998年，OECD信息产业出口6200多亿美元，进口6460亿美元。用多变量的K-Means聚类方法，综合企业个数、就业数、产值、增加值、R&D支出、进口与出口等数据，对上述各指标数据均齐全的14个国家应用统计软件SPSS进行聚类分析的结果如下：第一类：美国，为信息产业规模最庞大的国家；第二类：意大利和英国，信息产业规模其次；第三类：澳大利亚、捷克、芬兰、法国、匈牙利、日本、韩国、挪威、葡萄牙、瑞典同属OECD内信息产业发展的第三梯队。

信息产业大致可以分为信息设备制造业、通信业及其他信息服务业三大行业。同样根据Pattinson等(2000)的数据，SPSS的K-means聚类分析将当前OECD信息产业发展较好的国家分为三类：第一类：服务与通信主导型信息产业国，信息设备制造业、通信业和其他信息服务业的相对比例为3.36:41.31:55.33，如澳大利亚和意大利；第二类：均衡型信息产业国，信息设备制造业、通信业和其他信息服务业的相对比例为36.29:24.9:38.82，如加拿大、芬兰、法、德、英、美和瑞典；第三类：制造业主导型信息产业国，信息设备制造业、通信业和其他信息服务业的相对比例为73.51:20.7:5.79，如韩国和日本。

按信息产业在国民经济中的规模，参评OECD国家可分为三类：第一类包括澳大利亚、加拿大、法、德、意、日，以中等比例的的人力创造的增加值却相对最低；第二类包括芬、瑞典、英、美，以相对最多的人力创造中等的增加值；第三类如韩国，以相对较少的人力创造相对较高的增加值，即信息产业在GDP中具有相对很高的份额，但在总就业中的比例却相对最低。从表2知，美国经济并不是世界上“信息化”最高的国家。1998-1999年，(1)信息产业在本国GDP中所占比重，美国为6.43%，韩国更高，达8.66%；(2)信息产业在就业中所占比重，美国为3.41%，而瑞典、英国和爱尔兰均比美国高。

按信息产业贸易在总贸易、国内生产与需求中的地位与作用，参评国家分为三类：第一类，包括澳、加、意、英、美五国，其特征为“出少进多”：信息产品出口率较低(14.6%)，而且在总出口的比重也较低(7.09%)；尽管在总进口中的比重约为1/8，但对国内需求的满足却比较重要，进口渗透率达19%。第二类，包括芬兰、法、韩和瑞典，其特征为“出多进多”：信息产品出口率相当高，国内生产量的1/3用于出口（在三类国家中为最高），出口量在总出口中相对较高（达14%）；在总进口中约占13%，国内对信息产品的需求高达21%的比例需要进口。第三类，主要是日本，表现为“出多进少”。信息产品是日本相当重要的出口品，出口率达20%，在总出口中更达26%，几乎是第二类国家的2倍和第一类国家的3.2倍，但国内对进口的依赖却相当低，进口渗透率仅8.4%，约为第一、二类国家水平的0.4倍。

表2信息产业在部分国家国民经济中的地位与作用：1998-1999年

附图

说明：(1)加拿大、芬兰、法国和德国为1997年数据。(2)研发强度为R&D投入占增加值%，相对劳动生产率为信息劳动生产率与全部劳动生产率之比率，进口渗透率为信息产业进口占国内总使用%，出口率为信息产业出口占本行业增加值%。

资料来源：根据Pattinson等(2000)及IMF《InternationalFinancialStatistics》（IFS，月刊）2001年4月计算。

表3部分国家信息产业国际地位的比较（占OECD信息产业各指标总值%）

附图

资料来源：Pattinson,MontagnierandMonssiegt(2000)

在信息产业领域，美国“一超独强”，日本随其后，其余国家则均属于“第三世界”。依据信息产业中企业个数、就业人数、产值、增加值、R&D支出、进口与出口等指标（见表3），K-Means聚类法测算了三类国家间的距离：美、日间的距离为33.56，美国同其余国家的距离为96.27，日本同其余国家的距离为65.92。美国信息产业的国际“超强”地位具体表现为：(1)产出规模很大，产值与增加值分别占OECD总量的46%和49%；(2)增加值创造能力很强，增加值率达49.5%（仅韩国可与其比肩，为48%）；(3)发展持续性较强，R&D支出费用占OECD信息产业全部R&D支出的一半以上；(4)庞大的国内市场是美国信息产业发展的主要支撑力量。

表4部分国家信息产业发展潜力指标

附图

资料来源：WorldBank(2000),Table19,pp.310-311.

信息产业的发展潜力，可以从基础设施、人力资源、技术基础等方面来评价（见表4），聚类分析法将上述参评国家分为四类：第一类为美国，产业发展潜力最佳，各项指标几乎均领先别的国家；第二类为日、韩，发展潜力稍弱于美国却领先于别的国家；第三类包括澳大利亚、加拿大、芬、法、德、意、英和瑞典，信息产业的发展基础较好，但落后于美、日、韩；第四类包括巴西、中、墨、俄与印度（印度由于缺少一个指标的数据而未能纳入计算机统一处理，但也可人工将其判为本类），在参与比较的16个国家中发展潜力最弱。值得关注的是，在世界信息产业领域（主要是计算机软件）内颇为引人注目的印度，在信息产业发展潜力方面并没有什么特别出众之处，可以说是16个比较国中最差的，或者说其信息产业发展的持续性令人怀疑。结合信息产业既有发展成就，信息业基础设施的国际差别表明，世界信息产业的发展似乎存在“强者愈强、弱者愈弱”的趋势。

二、新经济的定义与几种测度思路

（一）新经济的定义

首次提出“新经济”一词的美国《商业周刊》(BusinessWeek,1997、1998)以及其他多数美国文献，均称新经济的促成技术仅指信息技术（注：中国文献中的“新经济”则多由包括信息技术、生物技术、新材料、微型机电系统等在内的多种技术促成。）。多数人认为，新经济是过去20年里各种结构变化的产物，代表着一种新的经济增长方式，核心是新技术——经济范式的形成与发展：新的技术结构、产业结构和相关的制度结构。

从经济科学的角度看，“经济”的含义有如下方面：(1)社会生产关系的总和或社会经济制度；(2)产品与服务的生产、分配、交换、消费活动，即人们的生产与再生产活动；(3)一国国民经济整体或其中的各个部门。“新经济”正是基于上述三方面的一个立体的综合概念：它并不仅指某一产业／部门或某些产业／部门，但这一或这些产业／部门是“新经济”概念的核心；这一或这些核心产业／部门的技术在整个国民经济生产与再生产活动中具有广泛甚至全面的应用与渗透力；这一或这些核心产业对国民经济的应用与渗透效应扩展到整个社会生产关系，即这些核心产业／部门形成了独特的社会生产关系／社会经济制度型态。新技术、新产业和新社会三个层面是“新经济”概念缺一不可的要素。作为新技术，信息技术在国民经济体系中形成了新的独立的信息产业部门，与此同时，它在其他几乎所有国民经济产业部门都具有全面的应用与渗透力，在此基础上，信息技术正在彻底地改变社会生活方式与内容。本文认定，当前的新经济即为信息经济。

信息产业指同信息的生产、出版、传递、处理以及信息设备制造、信息系统建设等活动有关的产业部门的总称。人们关于信息产业外延的界定有多种观点，最大的共识在于信息业由属于制造业的硬信息业和属于股务业的软信息业组成，最大的分歧在于软信息业和硬信息业究竟涵盖哪些行业。试以2000年正式施行的北美产业分类体系(NAICS-1997)、联合国国际标准产业分类（ISIC第三版）和美国《商业周刊》进行全球信息企业实力排行时所用标准来说明这一分歧，如表1所示。

表1信息产业的内涵与外延：四种界定的区别

附图

信息经济指信息行业和非信息行业的一切信息活动，大致可分为三部分：(1)信息提供业，指直接向市场提供信息产品和信息服务并以信息商品形式出售的产业部门；(2)政府或非信息企业为了内部需要而进行的信息活动；(3)信息工具的制造业，其中信息工具包括计算机、通信、电话、电台等。信息在经济生活中地位的上升以至于独立信息经济部门的形成及其壮大，都意味着一种全新经济形态——信息经济的出现。

（二）几种测度研究思路

第一，从各种“异常”经济现象中判断新经济是否存在，如美国进步政策研究所(PPI,1999)关于新经济的系列研究报告。PPI对新经济的测度指标共有三类71项，为理解和把握新经济动态提供了基本框架，但在数据可得性方面受到很大限制。

第二，测度具体的新经济部门在开业数、生产、贸易、就业等方面活动的规模，如OECD秘书处推出《测度ICT部门》的报告(Pattinson,MontagnierandMoussiegt,2000)，按国际社会基本公认的信息通信部门的定义，确立了一个测度ICT部门产出的框架。

第三，在测度新经济部门直接经济结果的基础上，进一步测度新技术在传统经济部门中广为应用的间接影响。美国商务部经济分析局从国民经济核算框架的角度对新的信息技术在国民经济中的深入影响提出了许多很有见地的观点，并指明了目前面临的诸多数据与方法困境(LandefeldandFraumeni,2000)。

三、信息产业对经济增长贡献的测算：美国实例

信息产业对经济增长的作用表现在两个方面：其一，信息产业本身的迅速成长与壮大；其二，信息产品与服务价格的下降推动着经济体其他部分对其投资与消费的巨大增长。鉴于美国有关统计数据的基础较好，数据也较系统，本文首先以美国为例，测度信息产业本身对经济增长的贡献。

（一）美国经济与信息产业的增长态势

在美国经济持续稳定增长的90年代，以1995年为分界点，无论是产出（注：此处的“产出”概念与GDP概念并不是同一概念。二者的关系为：产出=GDP＋家庭和政府部门耐用品引致的服务流量估算值，其中耐用品包括IT产品。）还是投入，信息产业的增长比非信息产业都更为抢眼：

其一，信息技术产品与服务增速更高。非信息技术投资和消费在整个90年代，其年均增长率从未超过3%。而信息产业中，除通信设备生产在90年代前期的年均增幅低于两位数外，其余时间，计算机、软件和信息技术服务以及90年代后期的通信设备生产，年均增速均在两位数以上，为非信息技术投资或消费增速的5-20倍。

其二，在信息业产出大幅度增长的同时，其价格尤其是计算机的价格呈剧降之势。信息技术产品价格的年均降幅，1995年后5年为9.74%，比前五年(4.42%)翻了一倍多，其中计算机价格勘称代表。90年代前半期和后半期，计算机价格年均降幅分别为15.77%和32.09%；软件、通信设备和信息技术服务的价格也分别呈下降之势，尽管降幅远低于计算机。而非信息技术产品与服务的投资和消费不但没有下降，反有小幅上升。计算机价格的迅速下降，关键因素在于半导体产品价格的迅速下降（注：计算机内的半导体器件主要是存储芯片和逻辑芯片，存储芯片的价格，1974-1996年间下降27270倍，年均降幅41%。同期GDP缩减指数却上升2.7倍，年均升幅4.6%。逻辑芯片的价格，1985-1996年间下降1938倍，年均降幅54.1%，同期GDP缩减指数却上升1.3倍，年均升幅2.6%。自1994-1995年开始，半导体价格的下跌更呈加速趋势：微处理器价格降幅猛增至每年90%以上，半导体产品的寿命周期由3年缩短为2年(Jorgneson,2001)。Moore定律是信息技术产品价格迅速下降的经典概括。1965年，Fairchild半导体公司的研究主管GordonE.Moore认为（即Moore定律）：微电子芯片处理能力每隔18-24个月就翻一番，亦即芯片处理能力潜在年均增长率达35-45%。Moore的预测产生于半导体刚刚发展的年代，但35年来芯片的发展史已证明其正确性。近来，他认为该定律至少在近10年内仍将是正确的(Moore,1997)。）

（二）恒质价格指数：信息产业对经济增长贡献的测度难点之一

前述信息产品的价格指数，是包含着功效变化和功效恒定时价格变化的市场综合观测值，而直接用来测度信息产业对经济增长贡献的只能是功效恒定时的价格指数，即恒质价格指数(constantqualitypriceindex)。从1997年起，美国劳工统计局将由享乐模型法（注：将半导体的匹配模型、享乐(Hedonic)函数及享乐指数方法结合起来，假设半导体价格为半导体功效决定因子（如处理速度与存储容量）的函数，将半导体功效设为固定值后，对不同时点上的半导体价格进行计量建模，即可求解其恒质价格指数，享乐函数是各类异质商品或服务的价格(Pn)同包括在其中的特征要素(ck×n)数量间的关系：P=h(c)。其理论假定为：异质商品是这些特征要素的加总，经济行为则同这些特征要素直接有关，享乐价格指数是享乐函数的应用之一。）计算出的半导体恒质价格指数引进到生产者价格指数(PP.I)之中，但并未对此前的PP.I历史数据进行修订。计算机的恒质价格指数，早在1985年就已引进到美国国民收入与支出账户中，但直到现在也没有引进到PP.I中。作为因特网高速发展与扩散的关键，通信技术中目前仅有交换设备与终端设备、移动电话等部分通信设备具有恒质价格指数，而光纤、微波广播和通信卫星等信息传输技术产品（注：这部分通信技术的进步速度甚至比半导体梦幻式的发展速度有过之而无不及，典型如密集波长多路分离技术(DWDM)，自1997年开始安装以来，光纤传输能力每6-12个月就翻一番，难怪有人断定Moore定律的命运已被这一新定律“终结”。）还没有这一指数。软件中，目前仅打包(prepackaged)软件具有1998年以后的恒质价格指数（注：在1999年美国NIPA第十一次综合修订中，计算机软件支出已归做投资，而在此前，企业的软件支出被处理为当期费用，个人和政府的软件支出被处理为非耐用品购买。软件投资正在高速增长，其数额现在已经超过计算机硬件投资许多。BEA将软件分为三大类：其一为打包(prepackaged)软件，是以标准形式销售或授权许可，以包裹形式传输或以电子邮件形式从因特网上下载的软件；其二为Own-account软件，是为特定用途而开发的软件；其三为客户专用软件，是按用户的特定应用要求定做的。）。

（三）耐用品服务流量：信息产业对经济增长贡献的测度难点之二

资本服务是增长核算中的一个重要变量，其流量估算以资本成本为基础(Jorgenson,2001)：

信息服务流量＝资本成本×资本名义存量

其中，资本成本是资产价格与相应资本投入价格之间的转换因子，它包括资本的名义回报率、折旧率和价格剧降导致的资本损失率。由于信息产品价格的剧降，资本成本成为信息技术经济学的基本概念（注：在经济学的其他许多领域，尤其在厂商行为建模、生产率测度和税收经济学中，资本成本也已成为非常重要的概念。经济学界对资本成本测度数十年的争论焦点集中在以下三个方面：(1)将资产价格下降率引入资本成本，是以资产价格下降率完全可预见或可合理预期为假定前提的；(2)折旧率的相对稳定同税收政策的变化与价格变化之间的矛盾，如何合理处理；(3)影响资本收入的税收结构取决于不同时点上的税法特点。）。

表5资本服务流量估算方法

附图

资料来源：根据JorgensonandStiroh(2000)附录B(pp.35-39)整理。

表5列出了信息耐用品服务流量的计算方法及流程，其中关键环节包括：第一，信息耐用品的资本存量，以BEA的各项投资（资本投入）数据为基础，利用永续盘存法即可估计出各项资本的存量，并以各类资本的质量价格为权数进行加总。第二，信息耐用品的服务流量，如果GDP核算不包括本项内容，就不足以精确测度出信息技术对美国经济的全面影响。第三，资本质量的增长，即资本投入增长同资本存量增长之差。对信息技术投资的增加增加了资本的质量。资本存量估计不能测出资本质量的提升，实际上低估了信息技术投资对经济增长的影响。

（四）劳动投入恒质物量指数：信息产业对经济增长贡献的测度难点之三

劳动投入恒质物量指数综合考虑了不同性别、职业类别、年龄和教育水平劳动力的异质性。劳动投入增长与劳动时间增长之间的差异即为劳动质量的增长，反映了高边际产品的劳动对低边际产品劳动的替代。

附图

劳动投入的增长包括三部分：(1)劳动物量投入的增长；(2)劳动价格的增长；(3)劳动质量的增长。从长远看，测度劳动投入对经济增长的贡献，实质上是测度劳动物量投入对经济增长的贡献，为此，就需要用劳动质量指数和劳动价格指数去缩减劳动投入增长。

（五）信息产业对美国经济增长贡献的测度

鉴于信息产业对国民经济增长最重大的影响途径是价格变化与质量变化（注：从这个意义上讲，信息技术的迅速提升，使增长经济学中大家熟知的许多概念变得过时了：作为资本投入的测度指标，资本存量已不能够反映信息产业日渐上升的重要性；工时投入指标越来越为劳动投入指标替代。），因此，在IT投资品的产出和IT资本服务的投入既定的情况下，生产可能性边界是分析信息产业效应的合适框架，其最大优点在于，IT产出的价格通过IT资本服务的价格而与IT投入的价格联系起来。总产出Y包括投资品产出和消费品产出，由资本和劳动投入转化而来，生产力是总投入的“希克斯中性”扩展：

Y(I[,n],I[,c],I[,s],I[,t],C[,n],C[,c])=AX(K[,n],K[,c],K[,s],K[,t],L)其中，I[,n]，为非信息产业投资，I[,c]为计算机投资，I[,s]为软件投资，I[,t]为通信设备投资，C[,n]为非IT消费品和服务，C[,c]为IT资本服务。各项投入如下：非信息产业资本服务K[,n]，计算机服务K[,c]，软件服务K[,s]，电信设备服务K[,t]和劳动投入。

假定产品市场和要素市场是竞争性的，则生产者均衡意味着产出的增长是投入的加权增长与全要素生产率(TFP)增长之和：

附图。根据该式，各要素对美国经济产出增长和投入增长的贡献就计算出来了。

信息产业对GDP增长贡献的增加势头相当引人注目。信息产业对产出增长的年均贡献率，1948-1973年为5.01%，1973-1990年为15.73%，1990-1995年为24.58%，1995-1999年为28.68%；信息产业对总投入增长的年均贡献率变化与此类似。

（六）信息技术对美国平均劳动生产率增长贡献的测度

设H为工作小时，并令平均劳动生产率（平均每工时产出）y=Y/H，小时资本投入k=K/H，则各要素对经济增长贡献的方程就变形为：

附图

这样，平均劳动生产率的增长分为三个来源：(1)资本深化，即小时投入资本的增长率，反映资本与劳动间的替代情况；(2)劳动质量提升，反映具有高边际产品的劳动力在全部劳动力中比重的上升；(3)全要素生产率(TFP)增长。1948-1999年美国平均劳动生产率的增长情况如表6所示。

1948-1999年，平均劳动生产率增长是美国GDP增长的主导决定因素；对GDP增长的贡献度为2.09个百分点，贡献率为60.4%。

在平均劳动生产率中，资本深化的贡献率，1948-1999年年均54%。在90年代，资本深化对平均劳动生产率增长的贡献率呈现加速趋势：贡献率从由前5年年均53.8%上升到后5年的年均58.8%。相反地，劳动质量提升对平均劳动生产率增长的作用则呈降势，反映了老龄化等劳动力结构变化以及劳动力潜在供应趋紧的情况。

表6信息产业对美国平均劳动生产率增长贡献的测度：1948-1999年及分阶段考察年均值，%

附图

资料来源：Jorgneson(2001),pp.25.

对90年代资本不断深化的主要推动力来自信息技术。信息技术对美国资本深化的年均贡献率，1990-1995年为67%，1995-1999年为72%。信息产业资本深化对美国GDP增长的年均贡献率，1948-1999年为8.67%，1990-1995年为18.22%，1995-1999年为21.81%。

美国全要素生产率的上升，主要是信息技术推动的结果。在90年代前5年，信息产业对全要素生产率增长平均每年贡献0.25个百分点，非信息业的年均贡献却为-0.01个百分点；在90年代后半期，信息产业的年均贡献度比前5年翻了一番，达0.5个百分点，贡献率占2/3，非信息产业的年均贡献度尽管也转为正值，但也仅0.25个百分点。

四、信息产业对产出增长贡献的粗略测度：七国集团

近年来已经有人就信息产业对经济增长贡献情况进行了国别比较(Schreyer,2000)，本部分内容对这些研究进行综述，并侧重于将就数据相对齐全的七国集团成员做进一步的分析，以测度信息产业对有关国家经济增长贡献趋势的差异。

囿于数据的可获得性，本部分将对信息产业的前述外延做部分调整。本部分的信息产品指计算机及设备、其他与信息相关的办公设备（如复印机、收银机、计算器）、通讯设备与仪器。测度方法类似于前文“美国实例”中所用方法。表7反映出如下结论：

1.从1980-1985年到1985-1990年到1990-1996年，信息产业对GDP增长的贡献率始终呈升势的国家有联邦德国、意大利、日本、英国和美国，表明信息产业对这些国家经济增长的推动作用持续加强；而加拿大和法国，信息产业对经济增长的贡献率在80年代后期达到高峰，90年代前期则有所回落，其中法国的回落幅度最大(-26.1%)。

表7七个主要国家信息产业对产出增长的贡献：按不同价格指数测算

附图

资料来源：Schreyer(2000),pp.18.

2.80年代后期与前期相比，7个国家的信息产业对经济增长的贡献率均呈上升趋势，按贡献率升幅高低依次为英国(68.8%)、日本(54.5%)、联邦德国(41.7%)、意大利(38.5%)、法国(35.3%)和加拿大(24%)，美国的升幅最低，为21.4%；

3.1990-1996年同1985-1990年相比，信息产业对经济增长的贡献率，除法国和加拿大呈回落之势外，英、日、意和西德的升势明显趋缓，升幅为6.4-16.7%，大大低于80年代后期对80年代前期的升幅，惟有美国升势强劲，升幅达23.5%，超过80年代后期对80年代前期的升幅。

4.1990-1996年，信息产业对GDP增长的贡献率，意大利最高，达15%，其次是英国(13.8%)，联邦德国(13.6%)次之，其后是美国(12.4%)。

【参考文献】

1BillPattinson,PierreMontagnierandLaurentMoussiegt(2000):"MeauringtheICTSector."WorkingpaperoftheInformationSociety,OECD''''s

DirectorateforScience,TechnologyandIndustry..

2BusinessWeek(1997),November.

3BusinessWeek(1998),December.

4Landefeld,J.StevenandBarbaraM.Fraumeni.(2000):"MeasuringtheNewEconomy",SurveyofCurrentBusiness(Monthly):March.www.bea.doc.gov.

5Jorgenson,DaleW.andKevinJ.Stiroh(2000):"RaisingtheSpeedLimit:USEconomyGrowthintheInformationAge".

BrookingPapersonEconomicActivity..

6Jorgneson,DaleW.(2001):"InformationTechnologyandtheU.S.Economy".AmericanEconomyReview,

January.

7Moore,GorgonF.(1997):"AnupdatedonMoore''''sLaw",SpeechatInetlCorporation,SantaClara.CA,

September30,1997.

8ProgressivePolicyInstitute(1999):"TheStateNewEconomyIndex,Technology,InnovationandNewProject.

"WashingtonDC..

9Schreyer,Paul(2000):"TheContributionofInformationandCommunicationTechnologytoOutput

测度范文篇5

关键词：生态效率；农业碳汇；超效率；SBM；北大荒集团

2021年中央一号文件指出：“推进农业绿色发展。实施国家黑土地保护工程，推广保护性耕作模式。健全耕地休耕轮作制度。持续推进化肥农药减量增效，推广农作物病虫害绿色防控产品和技术”。绿色是农业的底色，农业绿色发展对于碳减排、乡村振兴均具有重要意义。近年来，我国在农业资源保护、农业面源污染防治、绿色优质农产品供应能力以及农业绿色发展支撑体系建设均取得亮眼成绩。但农业绿色发展仍面临诸多困难和挑战，需要加快推进农业绿色发展。本文以北大荒集团为例，评价北大荒集团农业企业的生态效率并探究其影响因素，对合理配置农业资源、协调经济与环境保护关系、促进农业生态化发展具有现实意义。

一、相关研究文献评述

为减少农业污染，实现低碳生态化发展，提高生态效率，成为关键步骤之一。目前我国学者关于生态效率的研究已经取得了一定的成果。然而，在有关低碳农业视角下生态效率的研究较少。主要集中在低碳生态效率和农业生态效率的研究。在低碳生态效率研究上，徐本鑫（2011）认为，应发展低碳经济，从促进价值理念更新、公众参与、低碳技术创新和完善法律制度来促进生态效率的实现。季凯文等（2015）从“低碳集约化”的角度研究，发现鄱阳湖生态经济区的土地集约化程度和低碳利用效率总体上和县域方面都比较理想。廖丽平等（2016）将“低碳战略”引入第一阶段DEA中，“企业生态化创新”引入第二阶段DEA中，运用此方法对高新技术企业进行实证，结果显示：在意识、实力和实施层面上对投入产出效率的影响均有指标显著为正。杨皓然和吴群（2017）通过增加碳排放作为新指标，计算了江苏省所在的13个城市土地利用转型的生态效率，发现过量排放CO2和能源消耗导致许多城市的生态效率低下。邓霞（2019）构建区域生态效率评价指标体系，运用Super-SBM模型对长江经济带11省市的生态效率值进行测算，发现样本期内长江经济带整体生态效率有所改善，但上中下游生态效率呈现明显差异。在农业生态效率研究上，郑家喜和杨东（2016）研究发现：湖北与湖南的农业生态效率值为有效水平；动态上，湖北、湖南、江西与安徽的农业生态效率呈增长趋势。黄娟和刘玥（2018）对三峡库区农业生态效率进行测度，发现库首地区和库中地区整体生态效率较差，库尾地区农业生态效率整体较高。崔叶辰等（2020）采用超效率SBM模型，测算了新疆14个地州市的农业生态效率，发现样本期内新疆农业生态效率时序上呈“W”形的波动趋势，各地州市时空上凸显个体差异性特征。蒋璟等（2021）从低碳视角研究发现：伊犁24个县市的农业生态效率在2004-2017年总体呈波动下降趋势，在空间上存在明显的异质性。综合上述，现有文献对低碳农业视角的生态效率研究有限，且对于北大荒低碳农业视角的生态效率研究较少，基于农业其本身既是碳排放来源，又具有碳汇功能。本文结合减少碳排放，增加碳汇，从低碳农业角度出发，将农业碳汇和总碳排放引入北大荒集团农业企业的生态效率体系中。采用超效率SBM模型，对北大荒集团的农业生态效率进行测度评价，并根据评价结果对提出政策建议。

二、低碳农业视角下生态效率及影响因素的理论分析

（一）低碳农业视角下生态效率

低碳农业是生物固碳和推广节能减排的综合发展模式（郑恒，2011）。本文结合低碳农业理论及以往实证研究，将低碳农业定义为在增加碳汇功能的同时减少碳排放。农业生态效率指在平衡农业资源的情况下，减少农业污染，达到促进农业经济与环境的良好发展状态。因而，低碳农业视角下的生态效率表示生态系统与经济系统的协调发展，增加农业碳汇，减少农业总碳排放，降低农业污染，实现农业的可持续发展。

（二）生态效率影响因素分析

结合文献梳理，影响农业生态效率的因素主要有以下几方面：1.农业经济发展水平。农业经济发展水平的提高意味着人们已经不愁“吃不饱饭”的问题。在解决了温饱的基础上就会对生态环境方面更加关注，因此能促进生态农业的进一步发展，促进农业生态效率的提高。同时，农业经济发展水平越高也说明地区农业相关的人力、技术、资本、财政等方面的支持力度大，从而在基础设施建设和技术研发上投入更多，进而提高农业生态效率。2.种植结构。种植结构反映粮食作物播种面积与总面积的占比情况，粮食作物占比高，相对经济作物所占比例低，代表了重视粮食作物的生产，粮食产量的稳步提升，对生态效率的提高起促进作用。3.工业化水平。工业化水平的提升，加快工业化进程，能够促进经济增长，经济增长带来的贡献率远超过资源浪费和污染排放，使得工业化的推进有利于农业生态效率的提高。且工业化水平的提升也能为农业发展提供技术支持，从而促进农业生态效率的提高。4.农业用电量情况。农业用电不仅体现在农业灌溉，还体现在饲养牲畜方面的用电。农业用电作为农业基础设施不可或缺的一部分，一方面，对农业的稳定生产起着一定作用，增加农业经济产出，并促进生态效率的提升；另一方面，农业电力的投入一定程度上降低了农业的碳排放量，对农业生态效率效率的提高有着积极的影响。5.无公害农产品种植情况。无公害种植对环境要求严格，如土壤环境，空气状况等。无公害农产品种植面积所占比例大意味着农业的生态环境较好，且无公害种植时以物理或生态疗法为主，有利于生态农业的发展，对农业生态效率的进一步提升起着积极影响。6.农业机械化水平。农用机械化水平的提高对生态效率影响存在两面性：一方面，农业机械化水平提升，农业生产力提升，生态效率也随之提升；另一方面，资源的过度消耗不利于生态效率提高。随着农业机械化的推进，使得如农业柴油等资源的使用量大幅度增加，其产生的碳排放量及污染物也随之增加，农业生态效率会受到一定影响。综上，生态效率受到多种因素影响，且有些因素影响具有两面性。因此，需要构建模型进行实证分析，以检验这些因素的具体影响。

三、农业生态效率测度的模型构建

（一）研究方法

本文采用SUPER-SBM模型对生态效率进行测算：其中，以北大荒集团看，仔为综合生态效率值；n代表研究单元个数,m个投入量,期望产出有r1种,非期望产出有r2种；姿表示权重向量。x、yd、yu分别表示农业企业的投入、期望产出和非期望产出矩阵元素。

（二）指标数据选取

本文借鉴聂弯（2017）的研究，从农业经济增长、资源节约和生态环境保护三个层面选取相应指标，构建生态效率测度的指标体系。选取2010-2020年北大荒集团9个分公司作为研究对象，测度北大荒集团农业生态效率。各指标数据来源于《黑龙江垦区统计年鉴》，构建的生态效率评价体系如表1。为消除价格的影响，将当年价格通过指数调整均调为2010年的不变价农业产值。其中，农业碳汇、农业总碳排放和农业面源污染需进行测算。1.农业碳汇的计算。有学者认为，农业碳汇是农作物通过光合作用所形成的净初级生产量（田云和张俊飚，2013）。农业碳汇计算公式为：其中，k为种类数；C为碳吸收总量；Ci表示通过光合作用各种作物吸收的碳量；ci为作物碳吸收速率；Yi表示作物的农业产量；r为含水量，HIi代表经济系数。各系数如表2所示：农用地排放系数参照李波（2011）的研究，其他种类农业碳排放计算参考田云（2013）的研究结果。在计算总碳排放量时，要将反刍动物排放的CH4、N2O统一换算为碳排放量，参考IPCC可知，1吨CH4=25吨CO2，同时等同于6.8182吨碳排放量，1吨N2O相当于298吨CO2，等同于81.2727吨碳排放量。3.农业面源污染计算。农业面源污染由多个单元构成，有化肥流失量、农药流失量、农膜残留量。运用熵权法将三种污染指标综合成一种污染指标，参考侯孟阳和姚顺波（2018）的研究，其计算公式为其中，P代表i单元的第j种污染源的总产污量；Eij、籽ij、浊ij分别表示i单元第j种污染源的使用量、产污系数和流失系数。化肥是由氮、磷和复合肥构成，化肥污染主要由总氮（TN）和总磷（TP）两项指标测算，参考史常亮（2016）可知，TN的污染系数分别为1,0,0.33；TP的为0,0.44,0.15。其中，其他相关残留系数参考《全国第一次污染源普査手册》中的农业肥料、农药和地膜手册，计算出的各项产污指标运用熵权法将TN、TP以及农膜和农药残留综合为一项指数表示农业面源污染。

（三）结果分析

1.综合生态效率分析。运用Super-SBM模型，测算出2010-2020年北大荒农业企业生态效率值。研究结果显示：北大荒集团2010-2020农业企业的生态效率整体处于上升状态，2010-2011年生态效率由0.62上升到0.808。2011-2015年北大荒农业企业的生态效率稳步上升，在2015-2016年生态效率值上升幅度较大。2016-2020年生态效率逐年上升，生态效率值在2020年达到最高值为0.997。近年来，我国逐步完善对农业生态效率政策方面的措施，如有机肥替代化肥、废弃农膜回收、开展农业节肥节药行动等一系列措施对生态效率的提高具有显著成效。2.各分公司效率分析。从表4各分公司效率可以看出，北大荒集团各分公司整体效率值较高。其中，北安、哈尔滨和建三江和宝泉岭分公司效率均值在前四名，北安分公司效率值最高为0.999，这和北安分公司本身具有一定的生态资源优势有着一定关系。哈尔滨分公司效率值为0.956，排名第二。近年来，哈尔滨分公司通过无人机高效施药和施肥，且对于不同耕地采用差异化的施肥方式，这种高效施肥施药的方法促进了生态效率的提高。建三江和宝泉岭分公司作为下属农场较多的两个分公司，在农业生态方面尤为关注。其他分公司也分别对实现低碳生态农业做出具体实施措施，如红兴隆分公司提出“四技六替”①的新模式以减少化肥和农药的施用量，同时积极探索绿色种养循环模式，实现低碳农业更好发展。

四、农业生态效率及影响因素实证分析：以北大荒集团为例

为了深入研究不同因素对生态效率的影响程度，将基于超效率SBM模型测度的北大荒集团农业企业的生态效率值作为被解释变量，从6个方面作为解释变量建立TOBIT回归模型。其中，Yit是生态效率值；Xit表示第t年影响生态效率的第i种因素。具体为：农业经济发展水平X1t、种植结构X2t、工业化水平X3t、农业用电量X4t、无公害农产品种植情况X5t、农业机械化水平X6t，琢为常数项；茁T为待估参数，eit耀N(0,滓2)。反映北大荒集团生态效率的影响因素的解释变量详见表5。根据回归结果可知，农业经济发展水平、工业化水平和农业用电情况对北大荒集团农业企业的生态效率均起正向促进作用。农业经济发展水平在5%统计水平上显著，对北大荒生态效率的影响为正，说明农业经济整体水平的提高有利于低碳生态农业的更好发展。工业化水平在1%的统计水平上对北大荒生态效率的影响显著为正，说明工业化推进的过程中，虽然可能会伴随着污染的排放，但工业化带来的经济迅猛增长抵消了污染的排放影响，且国家对工业污染的防治发挥作用。因此，工业化水平对北大荒集团生态效率的影响为正向作用。农业用电量情况在1%水平上对北大荒生态效率的影响为正向作用，农业用电量提高不仅可以满足基础农业生产的需要，还会达到低碳环保的效果，对生态效率提升起到积极促进作用。农业机械化水平对生态效率的影响程度呈负向效应，在1%统计水平上显著，原因可能是：农用机械主要使用的能源是柴油，其燃烧所产生的有害物质对生态环境带来了不利影响，导致北大荒生态效率下降。同时，排放气体增加碳排放量，可能影响了生态效率的提升。种植结构和无公害种植情况未通过显著性检验，说明这两个指标对北大荒生态效率的影响不显著。

五、结论与建议

测度范文篇6

关键词：信贷脉冲;溢出指数;先行指标

2016年以来，我国信贷脉冲大幅回落，信贷脉冲的关注度随之飙升。海通证券研究所认为信贷脉冲可以作为经济运行的先行指标，信贷脉冲领先发电量和房产价格半年时间，基于此，一些研究机构认为此次信贷脉冲下降会带来经济下行压力和资产价格下降。在此背景下，我们基于VAR模型的溢出指数方法，测算了信贷脉冲对我国经济的溢出效应，考察信贷脉冲作为经济运行先行指标的可靠性。

一、信贷脉冲的涵义

（一）定义及解析。“信贷脉冲”是指广义信贷增量占GDP比重的变化，可以理解为货币增速的增速，即货币“加速度”。从定义来看，信贷脉冲是考虑了经济规模的广义信贷增速的相对波动。研究相对波动的优势是去除了波动的量纲，例如两个经济体的新增广义信贷较上一期均增加100亿美元，那么两个经济体的广义信贷增速绝对波动均为+100亿美元；两个经济体的GDP分别为1000亿美元和10000亿美元，那么考虑了GDP的广义信贷增速的相对波动分别为+10%和+1%。这种去除量纲的相对波动具有两个好处：一是度量波动程度更加客观；二是可以进行更为合理的横纵向比较。“信贷脉冲”的定义为我们提供了两种测算思路：一是通过广义信贷的增量来测算；二是通过货币“加速度”来测算。广义信贷增量的口径较大，统计较为繁琐，而货币供应量M0、M1、M2的数据较易获取。因此，使用货币“加速度”测算“信贷脉冲”是一种较为简便可行的方法。从货币创造过程的角度来看，基础货币形成银行存款，银行留足存款准备金，将剩余存款用于发放贷款，贷款又形成存款，如此循环往复，形成货币总供给。从货币创造过程可以看出，贷款是货币创造最为重要的环节之一，与货币供给具有非常强的一致性。从中国的实际数据来看，2003年7月至2017年6月，全社会融资规模增速与M2的加速度变动趋势基本一致，相关系数达到0.63。因此，通过M2的加速度与GDP之比测算信贷脉冲具有合理性。但考虑到M2的加速度与广义信贷增量的口径不一致，所以两种测算方法的结果在波幅上会有一些差别。（二）我国季度GDP与M2增速比较。1.2002年以来，我国季度GDP和M2增速都有大幅提升。季度GDP增长了6.64倍，M2增速增长了5.28倍，季度GDP增长更快。2.季度GDP和M2增速都表现出较为明显的季节特征。（1）季度GDP的峰值出现在第四季度。一是很多机构在年底进行结算；二是新年备货、年底清仓等加大了第四季度的物流规模。这两方面原因使得GDP在第四季度达到峰值。（2）M2增速的峰值出现在第一季度。一是贷款在第一季度发放可以收取较长时间的利息，虽然人民银行提出了3∶3∶2∶2的放款节奏，但银行还是趋向于第一季度发放贷款；二是一般银行在年底贷款额度剩余不多，第四季度贷款下降，因贷款额度问题未发放的贷款会在第一季度发放，这样会营造一种开门红的气氛，这两方面原因使得M2增速的峰值出现在第一季度。（3）季度GDP滞后M2增速3个季度。海通证券的研究表明发电量滞后信贷脉冲2个季度，而信贷脉冲和M2增速具有一定程度的同步性，所以季度GDP滞后发电量1个季度，滞后M2增速3个季度。3.M2增速在2009年第一季度大幅上涨，为缓解2008年金融危机冲击推出的扩张政策增加了M2增速。（三）信贷脉冲、经济增长与价格水平间的关系。海通证券研究所的研究表明：我国信贷脉冲领先发电量和房产价格6个月。发电量是经济运行的重要先行指标，房产价格是最为重要的资产价格之一。所以，可以认为信贷脉冲对经济运行和资产价格两方面具有重要影响。海通证券研究的是信贷脉冲对经济增长和资产价格的单向影响，本文认为三者之间是相互影响的，而且物价、利率、投资等经济指标也可以纳入这个相互影响的体系。信贷脉冲与经济各指标的传导路径如下：1.信贷脉冲对经济增长和价格水平的传导路径。信贷脉冲直接对总需求产生影响，而总需求的变动一方面对产出产生冲击，进而影响经济增长的速度；另一方面，带来供求失衡，进而冲击价格水平，造成价格波动。2.经济增长与价格水平对信贷脉冲的传导路径。产出变化带来收入水平、价格、投资预期等变化，进而影响总需求，总需求减少带来人们贷款需求的变化，进而影响信贷脉冲，总需求增加则会带来相反的结果；价格波动导致供求失衡，带来总需求的自我调节，对信贷脉冲产生影响。显然，经济增长对社会发展进步和人民福利具有重要意义，是经济金融宏观调控的重要目标；而价格水平的上升则会带来再分配效应，可能拉大贫富差距，减少人民福利，有时政府甚至会采取措施压低价格水平，比如房地产调控，房价过高使得购房者承受沉重的房贷负担，严重影响其福利水平，为此政府多次出台房价调控政策。因此，理想的结果是信贷脉冲上升刺激经济增长较多，影响价格水平上升较少。这样的结果说明信贷更多地流入到生产领域，而不是拉升价格水平。2008年金融危机后，我国推出了宽松货币政策，虽然起到了缓解经济下行压力的作用，但也极大地推升了价格水平。图12003年7月-2017年6月我国全社会融资规模增量与M2加速度变动趋势比较近年，尤其是2016年以来，我国信贷脉冲的下降趋势较为明显，信贷脉冲又成为一些研究机构讨论的焦点。本文使用Diebold与Yilmaz（2012）提出的溢出指数方法对我国信贷脉冲与相关经济变量间的关系进行实证分析，探讨信贷脉冲的影响，以期了解信贷脉冲对我国经济增长和各类价格指数的冲击程度。

二、信贷脉冲溢出效应测度方法及指标选择

（一）溢出效应测度方法。本文采用溢出指数方法测度溢出效应。溢出指数由Diebold与Yilmaz（2009）提出，其理论基础是Sims（1980）提出的向量自回归（VAR）模型及其方差分解方法。方差分解可用来测度不同冲击对内生变量预测误差的贡献，以评价不同变量间的溢出影响，并通过构建溢出指数测算总溢出效应。本文借鉴Diebold与Yilmaz（2012）提出的溢出指数。该指数改进了2009年的溢出指数，增加了方向性溢出和净溢出，并以投入-产出分解表的形式给出了不同冲击的溢出贡献，由此可判断溢出效应的主要来源和主要接受者。与Koop，etal.（1996）使用广义向量自回归不同，本文沿用Diebold与Yilmaz（2009）的Cholesky要素识别方法，该方法的缺点是变量次序会影响方差分解结果，但可通过更换变量次序进行稳健性检验。（二）指标设计与数据选择。本文的主要目的是测度信贷脉冲对经济增长和价格水平的冲击，以及经济增长和价格水平对信贷脉冲的反作用。具体指标选择如下：1.信贷方面的指标。（1）信贷脉冲使用货币供应量M2的加速度除以名义GDP计算，具体公式是：信贷脉冲=[（M2t-M2t-1）-（M2t-1-M2t-2）]/名义GDP（式1）（2）货币供应量M2增速。计算方法为本期货币供应量减去上一年同期的货币供应量：货币供应量M2增速=（M2t-M2t-1）/M2t-1（式2）2.经济增长方面的指标。（1）GDP增长速度。使用中国统计年鉴中的GDP指数代替。（2）投资增速。使用全社会固定资产投资完成额的实际增速代替。3.价格水平方面的指标。（1）商品价格指数。由于居民消费价格指数（CPI）和生产者出厂价格指数（PPI）在波动上表现出不一致性，因此，本文将两个指数均纳入溢出指数的分析。（2）资产价格指数。一般所说的资产价格主要包括房地产和股票两个方面，因此，本文将全国70个大中城市新建住宅价格指数和上证综合指数两个指标纳入到分析框架。（3）国际大宗商品价格指数。中国是国际大宗商品的重要需求者，同时也是部分国际大宗商品的主要供给者，中国市场的供求变化对国际大宗商品价格具有一定影响力，因此本文将国际大宗商品价格指数作为价格水平的一个指标，以Wind数据库中的Wind商品指数代替。（4）固定资产投资价格指数。固定资产投资价格指数是反映固定资产投资价格变动趋势和程度的相对数，该指数的变化直接影响投资水平。（5）金融市场价格。信贷脉冲直接对信贷市场的供求产生影响，这必然带来资金价格的波动，本文以隔夜银行间同业拆借利率衡量金融市场的价格。GDP和M2表现出较为明显的季节特征，因此，本文数据频度采用季度，为消除季节因素的影响，实证数据使用季度同比增长率数据。

三、实证分析

（一）变量统计描述。从变量统计描述看，M2的增速与GDP、固定资产投资和隔夜银行间同业拆借利率具有较强的相关性，信贷脉冲与其他指标的相关性较弱。M2的增速与GDP、固定资产投资、国际大宗商品价格正相关，与隔夜银行间同业拆借利率负相关，这些都与经济理论相符，但M2的增速与CPI、PPI负相关，这与经济理论不符，说明除M2之外还有其他因素对CPI和PPI发挥着重要的作用。而信贷脉冲是货币“加速度”的概念，其他经济指标均为“速度”的概念，概念上的差别使得信贷脉冲与其他指标相关性相对较弱。因此，相比信贷脉冲，我们更需要关注的是货币增速。（二）溢出指数测算。从溢出指数的测算来看：（1）指标间的总体溢出非常显著，溢出指数达74.97%。（2）M2增速对其他指标的溢出较为显著，尤其是对信贷脉冲和固定资产投资，贡献达到27.0和22.8的高值，可见M2增速主要是通过影响投资来对经济产生冲击作用。（3）信贷脉冲对固定资产投资和隔夜银行间同业拆借利率的贡献较大，贡献值分别为12.8和11.9。可见，信贷脉冲通过影响固定资产投资对经济产生影响，通过影响利率对物价和资产价格产生影响。M2增速和信贷脉冲的外部贡献值分别为73.8和55.9，这一结果说明二者都对整个经济具有较大溢出，同时印证了M2增速比信贷脉冲更值得关注的结论。从被冲击的角度来看：（1）PPI、CPI和国际大宗商品价格对M2增速的冲击较大，可见物价水平对货币供应量具有较大影响，这一结论与价格稳定是我国货币政策的重要目标相符。（2）CPI、PPI与GDP对信贷脉冲的贡献较大，说明我国经济基本面对信贷脉冲具有较大影响。（3）对GDP冲击较大的指标是PPI、上证综合指数和CPI，M2增速和信贷脉冲的冲击贡献紧随其后。可见M2和信贷脉冲对经济增长具有冲击作用，但相比PPI和CPI，其贡献处于较低水平。（4）对上证综合指数冲击较大的指标是CPI、国际大宗商品价格和PPI，M2增速和信贷脉冲对股市的冲击不大。（5）对70个大中城市新建住宅价格指数冲击较大的是GDP和PPI，信贷脉冲的贡献仅为3.0，相对较小，这一结论说明经济发展会带来房价上涨，信贷脉冲对住房价格的影响没有想象的那么大。总结得出：经济基本面对M2增速和信贷脉冲都有较大影响，但二者与上证综合指数、我国70个大中城市新建住宅价格指数两个资产价格指标之间的相互溢出相对不显著。一方面，经济形势和价格水平对信贷脉冲具有重要影响。经济形势较差的时候，人会产生较差的预期，减少投资，贷款增速下滑，对信贷脉冲产生影响。物价水平低的时候，企业的利润空间会下降，不利于企业投资；房价、股价等资产价格疲软的时候，人们的投资也会减少，投资减少带来信贷脉冲下滑。价格水平对信贷脉冲也具有重要影响。另一方面，信贷脉冲下降，说明当期的融资规模减小，投资也将减少，继而会带来经济下行和价格水平下降的压力。

四、结论与政策建议

测度范文篇7

论文摘要：对资源型城市创新体系效能的测度就是对城市的知识创造的能力、创新资源流动的状况、创新环境的状况，以及创新体系对城市经济发展和社会进步的贡献四方面进行评价。由于目前国内外对如何测度区域创新体系的整体效能没有一个完整、标准的指标体系，通过指标体系总体框架的设计、指标的理论预选，构建了资源型城市创新体系效能测度指标体系。

1效能测度的含义

资源型城市创新体系的效能包括资源型城市的创新能力、创新效率及其对城市经济发展、社会进步的贡献。从创新行为主体要素构成的角度，它表现为企业、高校和科研机构的创新能力，科技中介机构的创新服务能力，政府对创新的引导、管理和组织协调能力；从运行角度，它取决于对现有创新资源配置的绩效，是资源状况与配置力相综合以及创新环境对创新支持的结果。可见，资源型城市创新体系的效能取决于资源型城市创新行为主体和创新资源的创新能力(知识创造的能力)、创新资源流动配置的状况、创新环境的状况，以及创新体系对城市经济社会的影响。因此，对资源型城市创新体系效能的测度就是对城市的知识创造的能力、创新资源流动的状况、创新环境的状况，以及创新体系对城市经济发展和社会进步的贡献四方面进行评价。

2对国内外相关指标体系的评述

2．1国外对国家创新体系效能测度的指标体系

当今各类评价国家和区域科技创新能力的报告很多，在世界范围内较有影响的有以下几种：①世界经济论坛《全球竞争力报告》中的技术指数。该指数由创新能力，信息与通讯技术扩散指数，工业品的出口和调查数据三部分构成。②联合国开发署的《人类发展报告》中的技术成就指数。该指标由技术创造、新技术的扩散、老技术的扩散和人类技能四方面构成。③瑞士洛桑国际管理发展学院的《国际竞争力报告》。它的指标体系分经济绩效、政府效率、商业效率和基础设施四个部分，报告中的多数指标为各国进行横向国际竞争力比较提供了一个参考。④欧盟创新评价指标体系。该指标体系最重要的表现形式是创新综合评价表。该表由人力资源、新知识的产生、新知识的转移和应用，以及创新的投入、产出和市场17项4类指标构成。

2．2国内评价区域创新的指标体系

国内对RIS进行评价的指标体系主要集中在以下几个方面：①对区域创新能力的评价。目前在RIS的评价指标体系中对区域创新能力的评价占很大比重，但区域创新能力实际上只是RIS效能的内在依据和潜在基础。②对区域技术创新能力、区域科技创新能力和区域工业技术创新力的评价。这几种评价实质上都是对区域创新能力的评价。③对区域创新资源配置的评价。徐建国认为科技资源的配置能力，可由科技资源配置规模、配置强度、配置结构和配置效果四个部分综合表征。④对区域创新创业能力的评价。刘国新等在测度区域创新创业能力时主要强调了三方面：一是创新创业要素投入，二是创新创业产出及其与经济社会协调发展的程度，三是创新创业潜力。⑤对区域创新体系效能的评价。在国内文献中，目前对RIS整体效能测度的研究非常少。李子彪等认为RIS的效能测度包括对RIS的创新发展能力评价，R]S对区域经济作用和贡献的测量，R]S自身演化的测。

2．3对指标体系的简评职称论文

由于国内外对RIS整体效能的评价还处于不断探索和开拓阶段，对如何测度RIS的整体效能至今仍没有一个完整、标准的指标体系。尽管国家具有区域的一些共性，NIS效能测度的指标体系对本研究有较大参考价值，但它毕竟是一个具有国家主权的特殊区域，NIS效能测度的指标体系不一定适合所有的区域层次。而且，本文的资源型城市特指我国的一些区域，诸多国家层次的特征在这一区域没有体现。所以，尽管国外NIS效能测度的指标体系对建立我国资源型城市创新体系效能测度指标体系有重要的参考价值，但不宜直接套用。

国内现有的RIS评价指标体系大部分是对RIS某一方面的评价，在选取评价指标时学者们的意见存在一定分歧，而且缺乏RIS对某地区可持续发展影响的评价。值得注意的是中国科技发展战略研究小组从2001年开始每年编著《中国区域创新能力报告》作为一套比较完善的评价区域创新能力的指标体系，绝大多数指标都具有连续性，而且其中的部分指标能够反映出资源型城市创新体系效能的部分内涵，对本研究具有一定的借鉴意义。因此，把该报告中的指标体系作为构建资源型城市创新体系效能测度指标体系的主要参考之一。

3效能测度指标体系的设计

3．1效能测度指标体系的总体框架

本文利用分析法将指标体系初步设计为四个层次，即总指标层、类指标层、组指标层和初级指标层。很明显，资源型城市创新体系效能就是设计指标体系的总指标层。根据资源型城市的特点及其创新体系效能的含义，在中国科技发展战略研究小组的《中国区域创新能力报告》和国内外相关指标体系的基础上作了一定的修改和调整，确定了资源型城市创新体系效能测度指标体系应体现的四个维度：知识创造、创新资源流动、创新环境、创新体系的经济社会绩效。这四个维度构成了本文设计指标体系的类指标层。相对于一般RIS效能的评价指标体系，资源型城市创新体系效能测度指标体系将更侧重于资源企业技术创新能力、城市基础设施、城市可持续发展、主导产业的能源生产量和能源消费量，以及城市的工业废水和废气排放量等与资源型城市创新体系营建密切相关的指标。

3．2效能测度指标体系的理论预选及优化

经过理论预选，初步确定了23项组指标和78项初级指标。采用专家打分的方法，选取7位富有经验的专家对所预选的组指标和初级指标进行十分制打分，以回收的有效问卷为基础，对评价指标进行隶属度分析。通过对回收有效问卷的统计分析与整理，剔除隶属度较低的指标，再根据专家意见对指标体系进行了修改和补充。同时，鉴于我国目前还没有比较系统的评价科技创新的统计指标体系，数据采集较为困难，所以对部分虽有价值但无法统计或难以取得数据的指标，暂不纳入指标体系，从而使指标体系具有较强的可操作性。经过一系列筛选，确定了14项组指标和47项初级指标。经过优化最后确定的指标体系具体见表1。公务员之家

4部分指标的解释

4．1知识创造

创新是将知识转化为新产品、新工艺和新服务的过程，没有知识就没有创新。知识创造能力是一个区域创新的基础。企业是创新的基本组织实施单位，尽管当前资源型城市政府在创新体系中发挥着重要和关键作用，但是长远来看企业仍将是区域创新的核心主体。在知识创造指标中从创新体系基本构成要素即创新行为主体和创新资源两项组指标来体现资源型城市知识创造能力。

4．2创新资源流动

我国资源型城市正处于转型时期，依据目前的现实状况只能从城市经济发展的战略需求出发，合理、高效地利用有限的创新资源，在重要领域和关键环节上集中突破。在创新资源流动的类指标中，主要考虑了技术转移、科技合作、人才流向、知识传媒和外国直接投资五个方面，最后由于数据的可操作性选择了知识传媒和外国直接投资。

4．3创新环境

由于创新外部环境具有很大不确定性，无法纳入评价范畴，在此只对资源型城市创新的内部环境进行评价，这包括对创新硬环境和软环境的评价。本文根据效能测度指标体系设计的原则选取基础设施和市场环境两项组指标为代表对创新硬环境进行评价，选取劳动者素质和政府创造创新环境为代表对创新软环境进行评价。

测度范文篇8

关键词：五大发展理念；熵值法；经济发展质量

1研究背景

经济发展质量是一种主观的价值判断，其评价没有统一的界定标准。现有文献对经济发展质量的定义包括狭义和广义两方面。狭义的经济发展质量，通常被认为是经济增长效率。例如苏联经济学家卡马耶夫在1983年出版的《经济增长的速度和质量》中，将经济发展质量视为资源使用程度和使用效率变化[1]。广义的经济发展质量，除经济增长效率外，还包括了更加丰富的内容。例如彭德芬在2002年出版的《经济增长质量研究》中，将经济增长质量定义为经济增长过程中一个国家在人民生活、社会发展、生存环境等方面品质的优劣程度[2]。随着经济社会不断发展，经济发展质量的相关理论研究不断补充和完善，目前大部分学者认同广义的经济发展质量观点。从现有文献来看，针对广义经济发展质量观点，大部分学者采用的测度方法为综合评价法，即通过构建一个综合评价指标体系实现对经济发展质量的测度[3]。经济发展质量综合评价研究主要涉及两方面的内容。一是构成指标体系的各指标选择与确定，这取决于对经济发展质量内涵的界定。二是各指标权重。詹新宇和崔培培（2016）[4]基于“五大发展理念”，从创新、协调、绿色、开放、共享5个维度构建综合评价指标体系，并采用主成分分析法确定各基础指标及各维度权重，进而求得经济发展质量综合评价值，对2000—2014年中国经济增长质量进行测度。

2构建经济发展质量综合评价指标体系

从“创新、协调、绿色、开放、共享”的发展理念出发，按照科学、全面、真实的原则选取评价指标，构建经济发展质量综合评价指标体系。2.1选择评价指标。基于五大发展理念，构建目标层、一级指标层、二级指标层、三级指标层4个层次的指标评价体系。（1）目标层指经济发展质量综合指数。（2）一级指标层有创新、协调、绿色、开放、共享5个维度。（3）二级指标层包括12个指标，具体如下。①体现创新水平的“创新投入”和“创新产出”。②体现协调水平的“产业结构”“投资消费结构”“城乡结构”。③体现绿色发展的“资源消耗”“环境污染”和“环境治理”。④体现开放程度的“外贸依存度”和“外资依存度”。⑤体现共享水平的“人民生活水平”和“公共服务”。（4）三级指标层包括25个指标，具体如下。①代表创新投入的“R&D经费支出占GDP的比重”和“R&D人员全时当量”，代表创新产出的“专利授权数”和“高技术产业产值”。②代表产业结构的“第三产业占地区生产总值的比重”，代表投资消费结构的“投资率”和“消费率”，代表城乡结构的“城乡居民人均可支配收入比”“城镇登记失业率”和“城镇化率”。③代表资源消耗的“万元GDP能耗”，代表环境污染的“万元GDP废水排放量”“万元GDP废气排放量”和“万元GDP固体废弃物排放量”，代表环境治理的“工业固体废物综合利用率”“生活垃圾无害化处理率”“环境污染治理投资总额占GDP比重”和“环境保护支出占财政支出比重”。④代表外贸依存度的“进出口总额”，代表外资依存度的“外商直接投资额”。⑤代表人民生活水平的“城镇居民家庭恩格尔系数”和“农村居民家庭恩格尔系数”，代表公共服务的“人均教育支出”“人均医疗卫生支出”和“人均社会保障支出”。2.2确定指标权重。在构建综合评价指标体系时，有些指标对经济发展质量的影响相对较大，有些指标影响相对较小，这直接关系到综合评价结果。因此在进行综合评价时，要先对各指标赋予权重[5]。通过对已有文献的研究发现，对指标赋予权重的方法主要有主观赋权法和客观赋权法。其中，常用的主观赋权法主要有德尔菲法（DelphiMethod）、层次分析法（AHP）、模糊综合评价法等；常用的客观赋权法主要有熵权法、主成分分析法和因子分析法[6]。基于本研究构建的综合评价指标体系，采用熵值法对经济发展质量指标体系赋予权重，以便给出真实可信的经济发展质量综合评价结果。

32002—2018年中国经济发展质量的定量测评

3.1样本数据来源。在选择样本数据时，基于数据可得性和适用性，基于中国统计年鉴基础数据直接获取或计算所得。在收集数据的过程中，个别数据缺失，对此进行了直接估计。3.2评价方法。选取熵值法来对经济发展质量评价指标进行赋权，计算得到经济发展质量综合指数，再对经济发展质量进行综合评价。运用熵值法赋权并综合评价的步骤如下。（1）构建矩阵。构建原始矩阵Y=x（i,j）17×25，其中：i=1，2，…，17；j=1，2，…，25。将逆指标采取倒扣逆变换法正向化，yij=max（x1j,x2j,…,xnj）-xij。（2）将指标数据标准化。为消除各指标在单位和量纲上的差异，将指标数据标准化。（3）各指标同度量化。计算第j项指标下第i方案指标值的比重pij。（4）计算第j项指标的熵值ej。（5）计算第j项指标的信息效用价值，即差异性系数dj。（6）计算第j项指标的权重wj。（7）根据指标权重，确定综合得分。3.3综合评价结果。依据熵值法，运用统计软件计算各项指标，结果如表1所示。从表1可以看出，在2002—2018年中国经济发展中，绿色发展包含的各项指标权重之和最大，为33.86％，说明绿色发展对经济发展质量的贡献率最大。其中，“万元GDP废水排放量”和“环境污染治理投资总额占GDP的比重”两项指标对经济绿色发展的影响最大。协调发展包含的各项指标权重之和为22.97％，仅次于绿色发展。其中，“投资率（固定资产投资额占GDP的比重）”和“城镇化率”两项指标对经济协调发展的影响最大。对经济发展质量的贡献率排在第3的是共享发展，权重为19.34％。其中，“教育支出占财政支出的比重”和“医疗卫生支出占财政支出的比重”两项指标对经济共享发展的影响最大。创新发展对经济发展质量的贡献率为15.59％。其中，“R&D经费支出占GDP的比重”和“R&D全时当量”两项指标对经济创新发展的影响最大。开放发展所包含的各项指标权重之和只有8.24％，说明我国应加大开放力度，促进合作共赢。经计算得出2002—2018年中国经济发展质量的综合评价得分，如表2所示。

4研究结论及建议

4.12002—2018年中国经济发展质量。从表2可以看出，2002—2018年中国经济发展质量综合评价得分整体处于波动上升趋势，从2002年的0.0427，到2018年的0.0828，共提升4个百分点。2002—2004年中国经济发展质量综合评价得分下降，2004—2007年中国经济发展质量综合评价得分增长较快，2008年中国经济发展质量综合评价得分保持平稳的增长趋势。分指标来看，在2002—2018年中国经济发展质量综合评价得分中，创新、协调、绿色、开放及共享指数整体呈现上升趋势。其中，开放指数相对较低，绿色指数相对较高。绿色指数较高，说明在经济发展过程中保护环境所取得的成效很好，对提升经济发展质量起关键的推动作用。开放指数相对较低，说明我国开放程度有待提升，应加大开放力度。在创新发展方面，2002年的创新发展指数为0.005，直线上升到2018年的0.0141。说明科技进步、技术创新使得经济发展质量在一步步的提升。从协调发展方面来看，协调发展指数从2002年的0.0129下降到2003年的0.0097，从2004年开始一直上升到2007年的0.0117，后又下降到2009年的0.0104，2009年以后不断提升直到2018年的0.0198，说明在我国经济发展中政府宏观调控卓有成效，但仍需加大西北地区和农村地区的基础设施建设，引进新兴产业提高经济发展质量。从绿色发展来看，我国绿色发展方面起点相对较高，2002年的绿色发展指数为0.0138，2018年绿色发展指数上升到0.0253，说明在经济发展过程中我国非常重视减少能源消耗，保护环境为经济发展营造了良好的生态环境。该分项评价指标对经济发展质量综合指数的贡献率为33.86%。由此可知该指标占的比重很大，证明这是过去几年对提升经济发展质量起关键作用的推动因素。从开放发展来看，我国的起点相对较低，2002年开放发展指数为0.0022，唯一的一次下降是在2009年，这与当时国际金融危机有着重要的联系。该分项评价指标对经济发展质量综合指数的贡献率为8.24%，说明我国在开放程度上还有很长的路要走，需通过对外开放引进先进技术，增强经济发展竞争力，有效提高经济发展质量。从共享发展的研究视角来看，我国的共享发展水平整体上一直处于稳步提升的发展态势，说明人民的生活水平越来越高，各项公共服务也越来越好，党和政府越来越重视在社会公平方面发力，逐步扩大惠及全民的民生投入，从而提高经济发展中的公平与共享水平。4.2建议。研究发现，开放发展指数相对较低。为提升开放发展质量，应加大开放力度，促进互利共赢。具体措施包括：①积极引进外资和技术，发展高技术产业，争做产业链高端；②提高出口产品质量和竞争力，促进多维度发展；③营造公平竞争的国际贸易发展环境，构建有利于推动投资便利化、交易公平化和贸易自由化的环境。

参考文献：

［1］卡马耶夫.经济增长的速度和质量［M］.武汉：湖北人民出版社，1983：35-46.

［2］彭德芬.经济增长质量研究［M］.武汉：华中师范大学出版社，2002.

［3］钞小静，惠康.中国经济增长质量的测度［J］.数量经济技术经济研宄，2009（6）：75-86.

［4］詹新宇，崔培培.中国省际经济增长质量的测度与评价———基于“五大发展理念”的实证分析［J］.财政研究，2016（8）：40-53.

［5］杨新洪.“五大发展理念”统计评价指标体系构建———以深圳市为例［J］.调研世界，2017（7）：3-7.

测度范文篇9

关键词：产业集聚；区位基尼系数；分析工具

1区位基尼系数的应用

1.1产业集聚理论的发展

早在上世纪20年代，韦伯（A·Weber）和马歇尔（A·Marshall）就对产业集聚的问题给予了高度的重视，并由此开辟了一个新的研究领域——空间经济。进入20世纪80年代，世界范围内产业集聚明显加快，各种形式的产业集聚现象大量涌现，一大批著名的经济学家敏锐地观察到了这一趋势，开始介入到产业集聚的空间或区域问题的研究，并希望将其引入到主流经济学的范畴。在这些工作中，首推以保罗·克鲁格曼(Krugram，Paul)等为代表的“新经济地理学”的贡献。克鲁格曼甚至认为“新经济地理学”是继新产业组织理论、新贸易理论和新增长理论之后的最新经济理论前沿。随着产业集聚理论的不断发展成熟,现在该理论已经成为经济学、管理学等诸多学科的研究热点。

1.2区位基尼系数的计算

深入地研究集聚理论，不仅要探索产业集聚的形成机理以及动力机制等定性因素，而且要求产业集聚度量等定量分析，以便更好地检验或者完善产业集聚理论。在这一要求下，一系列衡量产业集聚度的指标应运而生，如标准差系数、集中率、集中指数、区位基尼系数等，其中最具代表性的应该是区位基尼系数。区位基尼系数的产生要追溯到洛伦茨，洛伦兹（M·Lorenz）在研究居民收入分配时，发现将居民家庭户数累积百分比与居民收入百分比联系在一起，可以揭示收入分配的均衡性。这种揭示社会分配公平程度的曲线即为洛伦兹曲线，虽然洛伦兹曲线以图示的方法直观形象地反映了社会分配的均衡程度，但却不能达到精确计量的要求，为此，意大利著名经济学家基尼（Gini，1912）根据洛伦兹曲线，创造性地提出了精确计算收入分配均衡程度的统计指标，即基尼系数。

既然基尼系数可以用来计算居民的收入分配均衡程度，那么，同样道理，如果我们将个体与个体的收入替换成地理单元与地理单元上的经济活动（可以用就业人数，也可以用产值等其它指标），也可以用来计算产业在地区分布的均衡程度。用公式表示即为：

其中，Gj为区位基尼系数；Sim为地区j产业i所占的份额；Sim为地区m产业i所占的份额；n为地区的数量；i为全国产业i的平价份额。区位基尼系数值在0——1之间变化。洛伦兹曲线下凹的程度越小，由此得出的区位基尼系数就越接近零，说明产业i的空间与整个工业的空间分布是一致的，产业相当平均地分布在各地区；反之，下凹的程度越大，则区位基尼系数就越接近于1，说明产业i的空间分布与整个工业分布不相一致，产业可能集中分布在一个或几个地区，而在大部分地区分布很少，从而说明产业的集聚程度很高。因此，区位基尼系数越大，产业集聚度越高。

2区位基尼系数的实证研究

基布尔等人（Keeble等，1986）最先作出了实证上的尝试，之后，又有不少学者采用该指标来研究产业地理集聚问题。克鲁格曼计算了美国1991年106个制造业的基尼系数；Amitti计算了西欧等十个国家的工业区位基尼系数；我国学者文玫（2004）利用第二次、第三次工业普查数据计算了1980年、1985年、1995年中国两位数工业的区位基尼系数，梁琦计算了中国24个采掘业与制造业二位数行业的基尼系数，并对其进行了详细的分析。以上这些实证研究基本反映了各国产业集聚的实际水平，并印证了有关产业集聚理论的正确性。

以下是根据区位基尼系数公式计算的6个中国典型制造业（分别是资源禀赋型行业、劳动密集型行业、资本密集型行业）的区位基尼系数（如表1所示）：

从以上计算的区位基尼系数来看，我国的资源禀赋型行业，如烟草加工业、石油加工及炼焦业等行业集聚程度最高；其次是普通机械制造业和专用设备制造业等资本技术密集型行业，它们的集聚程度也较高；最后是食品加工业、纺织业等劳动密集型行业，其集聚程度最低。这是因为资源禀赋型行业的生产条件受到自然资源的强烈约束，资本技术密集型行业的需求弹性较高，规模经济效应与范围经济效应相对突出，而劳动密集型行业相对较高因其技术含量低，本身就具有广布性特征。除去资源型行业，产业集聚程度由高到低的行业分布基本上是与技术密集型——资本密集型——劳动密集型的路径一致，这说明集聚度由高到低的变化过程，实质上也是由资本技术密集型产业向劳动密集型产业的转变过程。另外，我国资源型行业的集聚程度最高的事实，也从侧面反映了我国产业集聚整体上依然是一种依靠生产要素自然分布自发形成的低端水平集聚。

3区位基尼系数相对于其他分析工具的优点

衡量产业地理集中与集聚的指标很多，较之于其它的方法指标，区位基尼系数主要有三个优点：（1）区位基尼系数可以采用多种指标来计算，适用性强。一般来讲，区位基尼系数的计算采用两种指标，一种是产业产值，另一种是产业人口就业，具体使用哪种取决于地区经济差异等一系列因素。另外也可以根据实际情况，使用产值的增加值、贸易额等指标来代替就业人口与产值。几种指标的应用，增强了研究中数据的可得性，如果将几种计算方法进行综合分析，更能对经济现象进行真实的反映。早期的研究如Hoover（1936）、Krugman（1991）使用的都是就业水平的数据。目前关于中国的实证研究主要是采用产值，如梁琦（2003，2004）以及白重恩、杜颖娟、陶志刚和仝月婷（2004），或采用增加值，如张同升、梁进社和宋金平（2005）。（2）区位基尼系数可以用来衡量产业集聚的不同层次。产业集聚一般属于中宏观层面上的经济现象，它包括中观宏观两个层次：中观层次是企业外部、产业内部的集聚经济，也被称为“区位经济”；宏观层次是多个行业向城市地理集中形成的集聚经济，也称为“城市化经济”。区位基尼系数可以对两个层次都作出很好的解释。例如，国际上计算区位基尼系数一般采用两位数行业分类标准，采用这种行业标准计算的区位基尼系数反映出不同行业的集聚趋势，属于中观层次的研究。如果将相同年份的不同产业区位基尼系数相加，再取其均值，或者直接取相同年份不同产业的区位基尼系数中值，那么也可以据此对宏观层次上的产业集聚趋势作出判断。（3）区位基尼系数有多种计算方法。尽管用几何方法计算区位基尼系数最为方便直观，但也较为复杂，为此经济学家和统计学家们在基尼工作的基础上，相继发展了平均差方法、协方差方法以及矩阵方法，使得我们可以在各种情况下方便地计算区位基尼系数。

4运用区位基尼系数应当注意的问题

（1）区位基尼系数是一种经济集聚趋势的反映。区位基尼系数只是产业集聚与扩散趋势的测度，它本身没有一个决对的数值来评判其优劣，我们可以从区位基尼系数大小来看行业分布的区域均衡程度，但究竟区位基尼系数多大属于均衡，以及均衡还是非均衡对经济发展更有利，还是一个经验判断的问题。另外，区位基尼系数只是对产业集聚程度的相对度量，并不能反映绝对的产业集聚水平。如某产业的区位基尼系数很小，我们也不能得出结论，说这个产业的集聚程度很低，因为这个产业在某一个特定地区所占的比重可能很大，而在其他地区均匀分布。为了弥补区位基尼系数的这种缺陷，最好将其与反映产业绝对量的指标结合起来使用，计算出行业产值（就业）所占份额最大的几个地区的比重，然后再进行综合分析。下表即是相对于表一计算的产值最大的五省市所占比例（如表2所示）。从对表二绝对量指标的分析来看，基本也能得出与上文分析我国区位基尼系数时相一致的结论。占行业产值最高的五省市的资源禀赋型行业产值，几乎都占了全国总产值的一半以上（虽然这种绝对量在下降）；资本技术密集型行业如普通机械制造业和专用设备制造业，产量最高的五省市所占比例全国总量也较高；而食品制造业和饮料制造业这两个劳动密集型产业所占全国的比例最低。

（2）区位基尼系数的产业适用问题。区位基尼系数是随着产业集聚理论的产生、发展而发展起来的，而产业集聚只是一个相对普遍的经济现象，并非所有的产业都具有集聚的特征，这也是现实经济生活中并非所有的二三产业都集中在大城市的原因。适合应用区位基尼系数的产业应是那些具有良好规模经济效应，能产生集聚效益的产业，而一般规模经济效应弱，集聚效益小的广布产业，由于分散本身就是它的特征，也就不适合用此工具来探索其集聚程度。比如农业，由于其必须依靠无法产生位置变动的生产要素——土地，也就无所谓集聚与否了。

（3）区位基尼系数因地域或行业选取标准差异而不同。所谓区位选取差异，主要是指在计算区位基尼系数时，选取的区位大小等级单位。如果把研究的整体只分成一个区位，那么区位基尼系数肯定为1；如果把研究的整体区域无限地分割下去，以至于一个企业所在的地方就是一个区位，那么区位基尼系数将逐渐接近于0。现实中研究都不可能采取这两种极端的划分方法，而是在两者之间进行适当划分。区位选取单位的大小，必须依据具体的研究内容，依据研究地区的经济情况而定。一般情况下，应该将经济研究的整体区域划分成若干个同质的经济区位，再进行区位基尼系数的计算。因为产业集聚具有地域性的特点，客观上不同产业有向不同区域集聚的趋势，同质区域的划分更适宜于区位基尼系数的应用。我国学者在计算区位基尼系数时，往往基于行政地理单元，但是人为行政界线确立的各个地理单元显然是不同质的，因此，也影响了对产业集聚的精确度量。

行业选取标准差异，指产业选取时采用的分类标准差别问题。依据不同的分类标准计算出的区位基尼系数差异是较大的，一般来讲，采用行业分类标准的位数越低，得出的区位基尼系数就越大，反之，得出的区位基尼系数就越小。同样，产业选取时采用的分类标准也要根据所研究的具体情况来定。另外，在进行不同地区、不同国家的产业集聚度比较时，一定要注意各自行业选取的分类标准问题，如我国的行业划分标准同美国的是有差异的，美国具有的某些行业中国就没有。不同的划分标准得出的结果是不同的，比较口径不一致也就失去了比较的科学性。

（4）区位基尼系数的缺陷。美国麻省理工学院经济学教授的艾利森（Ellison）和格莱赛（Glaeser）在《美国制造业的地理集》中一文中指出基尼系数大于零并不一定表明有集聚现象存在，因为它没有考虑到企业的规模差异。因为当在一个地区产值一定时，存在着一些规模大的企业，其基尼系数和存在一百个小企业的基尼系数是一样的，但实际上并无明显的集聚现象。利用空间基尼系数来比较不同产业的集聚程度时，会由于各产业中企业规模或地理区域大小的差异而造成跨产业比较上的误差。空间基尼系数没有考虑到具体的产业组织状况及区域差异，因此在表示产业的集聚程度时往往含有虚假成分，这就要求对区位基尼系数进行改进。

参考文献

［1］魏后凯.现代区域经济学［M］.北京:经济管理出版社，2006.

［2］梁琦.产业集聚论［M］.北京:商务印书馆,2004.

［3］［美］保罗·克鲁格曼，地理与贸易［M］.北京:北京大学出版社,2001.

［4］［美］保罗·克鲁格曼，发展、地理与经济理论［M］.北京:中国人民大学出版社,2000.

［5］Fujita,M.andThisse,J.E,1996,“EconomicsofAgglomeration”JournaloftheJapaneseandInternationalEconomics,Vol.10.

测度范文篇10

【关键词】金融风险管理风险测度一致性风险测度

一、引言

金融风险管理是各类金融机构所从事的全部业务和管理活动中最核心的内容，它和时间价值、资产定价被并称为是现代金融理论的三大支柱。金融风险管理分为识别风险、测量风险、处理风险以及风险管理的评估和调整四个步骤。其中，金融风险的测量是金融市场风险管理的核心环节。风险测量的质量，很大程度上决定了金融市场风险管理的有效性；合理风险测度指标的选取，是提高风险测量质量的有效保障。

二、风险测度的发展历史

风险测度理论的发展大致经历了三个阶段：首先是以方差和风险因子等为主要度量指标的传统风险测度阶段；其次是以现行国际标准风险测度工具VaR为代表的现代风险测度阶段；最后是以ES为代表的一致性风险测度阶段。

传统风险测度工具包括方差、半（下）方差、下偏矩LPM（LowPartialMoments）、久期（duration）、凸性（convexity）、beta、delta、gamma、theta、vega、rho等，这些指标分别从不同的角度反映了投资价值对风险因子的敏感程度，因此被统称为风险敏感性度量指标。风险敏感性度量指标只能在一定程度上反映风险的特征，难以全面综合地度量风险，因此只能适用于特定地金融工具或在特定的范围内使用。

方差、半（下）方差、下偏矩LPM等风险敏感性度量指标只能描述收益的不确定性，即偏离期望收益的程度，并不能确切指明证券组合的损失的大小。所以，它们只是在一定程度上反映风险的特征，难以全面综合地度量风险，因此只能适用于特定地金融工具或在特定的范围内使用。

现行的国际标准风险管理工具VaR最初由J.P.Morgan针对其银行业务风险的需要提出的，并很快被推广成为了一种产业标准。风险价值VaR是指在正常的市场条件和给定的置信水平下，在给定的持有期间内，投资组合所面临的潜在最大损失。VaR是借助概率论和数理统计的方法对金融风险进行量化和测度。它最大的优点是可以得出多维风险的一个一维近似值，可用于测量不同市场的不同风险并用一个数值表示出来，因此具有广泛的适用性。巴塞尔银行监督委员会、美国联邦储备银行、美国证券交易委员会、欧盟都接受VaR作为风险度量和风险披露的工具。

但是，VaR作为风险测度的指标，不满足一致性风险测度四条公理中的次可加性公理，不是一种一致性风险测度指标。这就意味着当用VaR度量风险时，某种投资组合的风险可能会比各组成成分证券风险之和还要大，从而导致投资者不愿多样化投资的情况。而且VaR不能测度超过VaR的损失、不适用于非椭球分布函数族、VaR有许多局部极值导致VaR排序不稳定等缺陷，决定着VaR并不是一种合适的风险测度指标。

基于上述风险测度的局限性，Artzner等（1999）提出了一致性风险测度（CoherentRiskMeasure）概念。他们认为一种良好定义的风险测度应该满足单调性、一次齐次性、平移不变性和次可加性四条公理，并将满足这些公理的风险测度成为一致性风险测度。

单调性：

如果投资组合X1在任意情况下的价值都比投资组合X2的价值大，则一致性风险测度度量的X1的风险至少不应该比X2的风险大。也就是说，优质资产的风险应该比劣质资产的风险小。

上式意味着，如果用数量为（X）的资本或保证金加入到投资组合X之中，则恰好可以抵消投资组合X的风险。因此，平移不变性公理要求风险测度在数值上就是为抵消投资组合的风险而需要提供的资本或保证金的数量。

次可加性公理意味着，用一致性风险测度度量出来的所有被监管对象的总体风险，不能比各单个被监管对象的风险之和大。否则，即使各个被监管对象都设置了足够的资本或保证金（Xi），也不能保证所有监管对象总的资本或保证金足以抵消整体风险，因此监管措施就可能失效。可见，次可加性公理主要是从保证风险监管有效性的角度提出的，为监管目的而设计的风险测度应该满足次可加性公理。

由于这四条公理的合理性，一致性风险测度不久就被风险测度理论界广泛接受。

数理金融学家随后在一致性风险测度四公理基础上提出了几种形式不同的一致性风险测度指标，其中ES是最常用的一种。ES就是投资组合在给定置信水平决定的左尾概率区间内可能发生的平均损失，因此被成为ExpectedShortfall。ES对于损失X的分布没有特殊的要求，在分布函数连续和不连续的情况下都能保持一致性风险测度这一性质，使ES不仅可以应用到任何的金融工具的风险测量和风险控制，也可以处理具有任何分布形式的风险源，而且保证了在给定风险量的约束条件下最大化预期收益组合的唯一性。公务员之家

由于ES风险测度的发展时间不长，ES作为一种一致性风险测度也存在着一定的局限性。VaR与一阶传统随机占优是一致的，ES风险测度与二阶传统随机占优是一致的；但是，VaR与二阶及二阶以上传统随机占优不是一致的，ES风险测度与三阶及三阶以上传统随机占优不是一致的，在特定情况下，运用VaR和ES都不能做出正确的投资决策。

三、结论

总之，风险测度理论至今为止仍然是一个有待进一步开发和完善的领域，有许多值得深入研究的课题。由于现有各种风险测度指标均存在一定的局限性，新的风险测度理论和建立在其之上的新的风险测度指标（性能优良、便于计算、合理检验）是今后值得深入研究的重点和方向。

【参考文献】

[1]ArtznerPh，DelbaenF，EberJ-M，HeathD：Coherent

MeasuresofRisk[J]，MathematicalFinance，1999（9）.

[2]DirkTasche：Expectedshortfallandbeyond[J]，Journal

ofBanking&Finance，2002(26).