沿海地区蓝绿指数的构建及差异性分析?

丁黎黎等

摘要：引入超效率DEA非参数线性规划方法构建了沿海地区蓝绿指数，衡量创造GOP过程中资源消耗、污染排放、环境治理的投入程度，利用Malmquist方法对蓝绿指数变化进行了动态分析。尔后构建了聚类矩阵和收敛指数，进一步发掘沿海地区海洋经济绿色发展的空间集聚趋势及分布特征。结果显示：蓝绿指数十年整体均值并不处于蓝绿前沿面，各地区海洋经济增长对资源消耗、污染排放与环境治理的程度呈现出较大差异性，其中上海、广东、海南的蓝绿指数排名位于前列；蓝绿前沿的变化幅度对沿海地区的蓝绿指数产生了较大正向影响；聚类矩阵中，除上海、广东呈现“双高”外，其他沿海地区均呈现“单偏”型；收敛指数则表明沿海三大经济区域海洋绿色经济发展差距逐渐缩小。

关键词：蓝绿指数；超效率DEA；聚类矩阵

中图分类号：F062.2 文献标识码： 文章编号：

Differential Analysis of Blue-Green Index in Coastal Areas

DING Li-li，ZHU Lin，LIU Xin-min

（School of Economics and Management， Shandong University of Science and Technology Qingdao 266590）

Abstract： The super-efficiency DEA non-parametric linear programming method is introduced to build a blue-green index in coastal areas to measure the degree of resource consumption， pollutant discharge and environmental governance investment. The Malmquist is utilized to analyze the change of blue-green index. Together with it， clustering matrix and convergence index are established to explore spatial agglomeration trends. The results show that the overall mean of blue-green indices in ten years is not in the blue-green frontier， and the coastal areas demonstrate a large difference， in which the blue-green indices of Shanghai， Guangdong and Hainan rank among the top. The changes in the blue-green frontier have a positive impact on blue-green indices of coastal areas. In the clustering matrix， all coastal areas display a "single-bias"， except Shanghai and Guangdong. The convergence index indicates that the three major coastal economic zones are narrowing gradually.

Key words： blue green index； super efficiency DEA； clustering matrix

十二五发展规划中明确指出海洋经济要做到“绿色发展，统筹考虑海洋生态环境保护与陆源污染防治，加强海洋资源节约集约利用，增强海洋经济可持续发展能力”。那么在我国倡导海洋经济绿色发展过程中，如何科学地把握海洋经济发展过程中的绿色程度？如何判断GOP创造过程中的资源损耗、环境污染的程度？这些问题的探讨有益于提高我国海洋经济可持续发展政策制定的准确性。

关于国家或地区绿色发展程度的研究，现有文献主要通过构建“指数”来衡量绿色水平或程度。国内外对绿色指数含义和指标测度体系的研究存在较大差异，考虑了宏观经济、生态环境、资源能源和生活质量等各个方面，但研究重点却集中在生态环境和资源能源两个视角。例如，Leipert[1]提出将环境污染等负面影响价值纳入绿色国民经济核算中。Hall和Kerr[2]构建绿色指数对美国50个州的环境质量做了评估。美国耶鲁大学和哥伦比亚大学合作开发的环境可持续性指数（ESI）[3]尝试对各国或区域环境可持续发展情况进行评估。Rogge[4]则构建了环境绩效指数（EPI）去评估各国在环境保护方面的表现。国内相关研究主要有北京师范大学与其他机构联合测度了我国各地区的绿色发展指数[5]。中国科学院可持续发展战略研究组评估了30个省、直辖市、自治区的资源环境综合绩效指数（REPI）[6]。朱勇华和张庆丰[7]利用主成分分析法估算了我国绿色GDP综合指数。吴翔和彭代彦[8]利用同样方法测算了包含资源与环境因素的环境综合指数。林卫斌和陈彬[9]基于传统DEA方法构造了经济增长的绿色指数。张江雪和王溪薇[10]运用同样的方法测算了工业绿色增长指数。

通过文献整理发现：一是现有研究主要集中在国民经济绿色发展状况，缺少海洋经济这种特殊经济系统的绿色发展程度研究。然而海洋经济已成为我国经济可持续发展的新增长点。因此，剖析“中国式”海洋经济成为国民经济新增长点背后的事实，构建体现沿海地区海洋经济绿色程度的“蓝绿指数”（Blue-Green Index， BGI），是对海洋经济绿色发展的有益补充。二是已有研究在环境污染方面构建绿色指数时往往只考虑CO2、SO2等污染物的排放，而未考虑经济发展中的环境治理因素。我国政府已明确提出了打破“先污染后治理”的环境规制思路，环境治理与污染排放活动已开始并行。因此将环境治理因素纳入到分析框架中具有重要的现实意义。第三，现有研究通过权重表达综合指标之间的关系，很难剔除主观因素对加权过程的影响。

基于此，本文考虑环境污染排放与治理存在的差异性，从省域层面出发衡量了沿海地区海洋经济发展过程中的绿色水平或程度。尔后利用聚类矩阵和收敛指数法重点考察了沿海地区海洋经济绿色发展的空间集聚趋势及分布特征。本文的创新之处：一是采用超效率DEA模型构建了沿海地区的“蓝绿指数”，尝试测度了包含资源消耗、污染排放、环境治理三种成本投入影响下海洋经济增长的绿色水平。二是考虑到资源与环境的外溢性和依赖性特征，对沿海地区绿色指数是否存在空间集聚进行了梳理，从而揭示出沿海地区海洋经济绿色发展的相互影响与内在空间联系，以期为我国海洋经济的绿色发展提供一定理论基础。

1蓝绿指数的构建与测度

1.1研究方法与指标选取

1.1.1研究方法

本文采用超效率DEA方法[11]研究沿海地区的蓝绿指数。该方法不仅克服了传统评估方法中的主观影响，而且解决了传统DEA模型无法对多个为1的指数进行比较的问题。借鉴绿色GOP核算思想，本文将沿海地区海洋生产总值作为产出，将影响海洋经济绿色增长的要素看作投入要素，对这些投入的效率测度则被看作蓝绿指数。在已有文献研究中，将资源消耗和环境污染看作影响经济增长绿色程度的两种要素[8-11]，已经被学者广泛接受。不同于以往研究，本文认为在衡量沿海地区蓝绿指数，需要将环境污染进一步细化为污染排放与环境治理，即资源消耗、污染排放（治理后的污染控制水平）、环境治理三种投入要素。因为在海洋经济这种特殊经济体系中，环境治理投资活动作为一种污染控制手段，不仅能直接作用于环境质量的改善，而且能够通过“创新贸易效应”间接作用于GOP[12]。

本文首先构建报酬不变假设下的超效率DEA模型，见图1。其中 分别代表资源消耗、污染排放、环境治理三个活动。 代表传统DEA模型下生产单位GOP带来的资源消耗、污染排放、环境治理的最优组合。令线段 表示 点的投入量仍然可增加的幅度，则 点的超效率蓝绿指数评价值为 。具体原理如下：在计算决策单元 点的蓝绿指数时，将其排除在决策单元的参考集之外，则有效蓝绿前沿面就由 变为 ，这里的 便是定义为在规模报酬不变的超效率DEA模型下的“蓝绿前沿”（Blue-Green Frontier）。假设 点代表一个地区，与位于蓝绿前沿面上 点相比，其海洋经济增长的绿色程度较低。这里 就是衡量一个地区海洋经济增长的绿色程度，可将其定义为超效率DEA模型下的蓝绿指数。如果一个地区的蓝绿指数为1，则代表着该地区海洋生产处于蓝绿前沿；若蓝绿指数为1.2，则表示这一地区即使再等比例增加20%的投入，其依然处于由样本中其他地区所定义的蓝绿前沿上；若蓝绿指数不足1，则这个地区海洋经济增长的绿色程度随蓝绿指数变小而变低。

本文扩展了报酬不变的前提假设，构建了如下超效率VRS-SE-DEA模型，见图2。其中实线和虚线分别代表不变和可变规模报酬下的蓝绿前沿。 点在不变规模报酬下的蓝绿指数为 ；而在可变规模报酬下蓝绿指数为 ，影响蓝绿指数的规模效应（ ）为 。为表述方便，我们将可变规模报酬下的蓝绿指数 定义为纯蓝绿指数，不变规模报酬下的蓝绿指数便可以分解为纯蓝绿指数和规模效应指数，即 。该公式能够衡量经济规模处于资源消耗、污染排放、环境治理的规模报酬递增或递减阶段对蓝绿指数的影响，即某一地区 处于蓝绿前沿的规模报酬递增区域，它可以通过从 向最优规模 点移动（即去掉规模无效）使其蓝绿指数进一步得到改进。因此，本文通过观察蓝绿指数中的规模效应指数，分析海洋经济增长与资源消耗、污染排放、环境治理之间的相关关系。在运用超效率DEA方法构建沿海地区的蓝绿指数基础上，本文进一步借鉴Malmquist指数模型[13]分析了沿海地区海洋经济蓝绿指数的动态变化趋势。

图2 蓝绿指数的规模效应

1.1.2指标体系与数据获取

本文在兼顾样本数据的可比性、可得性及科学性基础上，构建了衡量沿海地区蓝绿指数的投入产出指标体系，见表1。因DEA方法要求投入产出指标不宜过多，同时为了排除各指标的统计单位不同而造成的数量级差别，本文利用改进的熵值法[14]将沿海地区2003～2012年的3个污染物排放指标综合计算为1个污染排放综合指数，4个资源消耗指标综合计算为1个资源消耗综合指数。指标选取说明：①资源消耗主要体现在海洋渔业、海洋盐业、海洋船舶工业、海洋油气、海洋矿业以及海域资源等海洋经济活动直接（一次）开发利用的资源方面。我们给出表1中的资源消耗指标。其中海洋油气、海洋矿业等资源的消耗量近似于其产量，本文采用能源消耗代替这类资源消耗，衡量创造GOP过程中的油气和矿业资源消耗程度。②污染排放指标的选取，以往文献研究[8，9]主要考虑三废指标。由于分析框架存在环境治理这一因素，本文选取污染排放指标均为治理后排放出的污染量，见表1中污染排放指标。③环境治理指标的选取，本文采用沿海地区的海洋工业环境污染治理投资总额。数据来源于历年的《中国海洋统计年鉴》、《中国能源统计年鉴》和《中国环境统计年鉴》。

表2测算结果显示：从整体发展水平来看，2003～2012年沿海地区的蓝绿指数平均值为0.891，意味着沿海地区海洋经济对资源的依赖程度、环境的污染程度和对环境的治理程度均处在非前沿水平。从省域层面来看，沿海地区的蓝绿指数又呈现出较大差异性。①上海、广东和海南三个地区在GOP创造过程中重视了资源、污染和治理问题，处于蓝绿前沿面之前，其蓝绿指数均大于1。上海、广东得益于早期资本积累和优越的地理条件，而海南服务业在GOP中所占比重相对较大，给环境和资源带来的压力较小。但海南近两年出现蓝绿指数小于1的情况，需引起重视。②福建、天津、浙江的蓝绿指数均值小于1且在0.5以上，十年间指数呈现上下震荡态势。福建、浙江海洋渔业、海盐等资源丰富，海洋第一、三产业多为资源依赖型产业，陆域污染源计入海污染物逐年增加，局域海域水质COD超标，加之治理力度不到位致使海洋大省福建及浙江的蓝绿指数均处于较低水平。③辽宁、山东、广西、江苏、河北等地区的蓝绿指数远离蓝绿前沿，指数均在0.5以下。辽宁海洋渔业、船舶工业比重较大，但海洋产业水平并不高，存在资源浪费现象。山东蓝绿指数显示出的低值可以看出山东海洋经济的迅猛发展对资源环境带来的伤害程度较大。江苏其蓝绿指数也呈现低值，资源短缺是导致江苏海洋经济绿色发展“洼地”现状的主要原因。广西蓝绿指数低在于过度依赖于海洋工业特别是重化工业，同时对环境污染治理的投资不足，造成其环境的进一步恶化。河北的蓝绿指数均值只有0.181，且10年间变化不大。河北海洋资源并不丰富，海洋第二产业比重高达50%以上，同时区域位置与北京接壤，承接了北京较多污染型产业，增加了河北的资源消耗与环境污染，使其蓝绿指数一直处于较低状态。

1.3蓝绿指数的分解结果及其分析

为了更好地分析沿海地区的蓝绿指数变化趋势，本文运用沿海11地区2003～2012年的面板数据，采用Malmquist指数方法测算了蓝绿指数的变化值。将蓝绿指数分解为相对蓝绿指数的变化和蓝绿前沿的变化，前者又可进一步分解为纯蓝绿指数变化和规模效应变化。因篇幅限制，计算结果未在本文全部列出，仅给出2003～2012年沿海地区综合蓝绿指数分解情况及趋势变化（见图3），沿海各地区蓝绿指数变化的分解结果（见表3）。

图3 2003～2012年沿海地区的综合蓝绿指数分解及趋势变化

图3曲线趋势变化显示：①在整个样本时期内，蓝绿前沿变化各年均对蓝绿指数均具有较强的正影响作用。相对蓝绿指数变化除2005～2006年、2006～2007年、2009～2010年期间，其余各年对蓝绿指数的影响为负。其中，相对蓝绿指数在以上三个期间的上升是由纯蓝绿指数变化与规模效应变化的共同提高所致。蓝绿指数变化在2004～2005年出现了较明显的下降趋势，这与我国2003年首次颁布的《全国海洋经济发展规划纲要》紧密相关，即海洋经济迅速增长的同时带来了资源与环境的破坏。②2007年综合蓝绿指数变化达到高峰，在2006～2007年期间，相对蓝绿指数变化对蓝绿指数做出较大贡献。其中纯蓝绿指数变化和规模效应变化共同促进了相对蓝绿指数大幅度提高。这与“十一五”规划中对资源和环境的规制与生态环境治理投资理念的转变相一致，致使蓝绿指数得到提高。③作为“十二五”规划开局的第一年，2011～2012年期间，蓝绿指数却出现小于1的现象。这正代表了“期末效应”，即地方政府往往通过提前消耗资源，降低环境治理力度等办法来完成“十一五”海洋经济增长的任务与目标。

表3 2003～2012年沿海地区的蓝绿指数分解结果

地区 相对蓝绿指数变化 蓝绿前沿变化 纯蓝绿指数变化 规模效应变化 蓝绿指数变化

天津 0.976 1.268 0.994 0.982 1.237

河北 0.989 1.231 1.020 0.970 1.217

辽宁 1.032 1.206 1.041 0.991 1.244

上海 1.000 1.298 1.000 1.000 1.298

江苏 1.011 1.257 1.009 1.003 1.272

浙江 0.916 1.242 0.932 0.983 1.138

福建 0.934 1.266 0.958 0.975 1.182

山东 0.831 1.276 0.870 0.956 1.061

广东 1.000 1.234 1.000 1.000 1.234

广西 1.025 1.218 1.000 1.025 1.249

海南 0.871 1.152 1.000 0.871 1.004

均值 0.960 1.240 0.983 0.977 1.191

表3的分解结果显示：①2003～2012年沿海各地区相对蓝绿指数的均值为0.960，表明各地区海洋经济增长的蓝绿指数未能达到蓝绿前沿面并呈现发散趋势。该分解结果是表2中沿海地区蓝绿指数平均值为0.891的主要原因。②蓝绿前沿的变化幅度对沿海地区的蓝绿指数具有较大的正向影响。其中，上海和广东两个地区始终处于蓝绿前沿，其相对蓝绿指数保持不变，使得这两个地区蓝绿指数均大于1。虽然海南的蓝绿指数大于1，但相对蓝绿指数去却小于1，说明海南在大力发展旅游服务业的过程中，虽然对资源的依赖程度相对较低，但是污染排放和环境治理两种活动具有时间效应。随着时间的推移，这两种活动的影响开始显现。辽宁、江苏、广西的相对蓝绿指数大于1，表明这些地区一定程度向蓝绿前沿靠拢。虽然这三个地区的蓝绿指数均在0.5以下，因为这些地区的海洋资源生产力相对较低，部分海洋资源利用率低，且存在一定的海洋环境污染问题。但是，这些地区近年来已经加大了环境治理投资力度，海洋环境污染治理措施初见成效。相比较而言，天津、河北、浙江、福建、山东、海南的相对蓝绿指数小于1，表明这些地区不同程度的远离蓝绿前沿。

2沿海地区蓝绿指数的差异性分析

由于受区域经济发展水平、环境治理、资源禀赋等因素的影响，沿海地区的蓝绿指数之间存在着差异性，这种差异是逐渐拉大还是缩小？是否会持续存在抑或会随着经济的发展水平逐渐减弱或消失？本节通过聚类矩阵和收敛指数的构建进一步分析这种区域海洋经济绿色增长的差异性。

2.1聚类分析

本文基于蓝绿指数构成中的纯蓝绿指数与规模效应指数构建了“聚类矩阵”，分析省际差异性。纯蓝绿指数由投入导向的规模报酬可变的VRS-SE-DEA模型计算得到，规模效应指数由蓝绿指数与纯蓝绿指数的比值计算得到①。分别以1.2的纯蓝绿指数和0.8的规模效应指数为临界点对以上两个指数进行划分，可将沿海地区蓝绿指数划分为四种类型，如图4所示。

图4 沿海地区蓝绿指数的聚类矩阵

第一种“双高型”，即纯蓝绿指数达到1.2以上及规模效应指数达到0.8以上的省市，仅有上海、广东两省。第二种“低高型”包括辽宁、江苏、浙江、福建4个省区，其纯蓝绿指数低于1.2而规模效应指数在0.8之上。表明通过增加资源的消耗，采用污染型生产方式并不能实现海洋经济的进一步增长，需要严格将生产规模控制在资源环境承载力范围内，并通过技术进步提高资源利用率，生产方式向绿色生产方式转变。这些省区的今后改进的重点在于提高技术管理水平，注重环境污染管制，合理配置资源。第三种“高低型”主要有天津、广西、海南3个省市。特别是广西省，其规模效应指数仅为0.198，反映出这些省市与最优规模存在较大的差距，今后应重点在资源开采利用和环保的技术及管理上不断进行革新，整合要素资源，提高资源环境规模效应。第四种“双低型”包括河北、山东两省。这两省份以资源消耗、环境污染为代价取得海洋经济的发展，其经济规模并不处于资源消耗量、污染物排放量和治理投资额的最优规模，发展中资源环境的管理水平也相对落后，存在较大的改善空间。

2.2收敛性分析

本节从沿海三大经济区视角观测沿海地区蓝绿指数，利用收敛理论检验沿海地区蓝绿指数是否有收敛趋同的趋势。本文利用Barro提出的绝对 收敛模型来研究沿海地区蓝绿指数的演进过程，其模型简单描述为： 。这里 为年均蓝绿指数， 为常数项， 表示 地区初始时期的蓝绿指数的对数值， 为误差项。如果 则表示存在绝对 收敛，即各区域蓝绿指数向着同一稳态水平趋近，落后地区存在追赶发达地区的趋势，否则不存在收敛。进行条件 检验最常使用的方法是Panel Data固定效应模型，它通过设定截面与时间固定效应，即考虑不同地区的不同稳态水平，也考虑各地区稳态值随时间的变化。条件 检验模型为 。这里 为 地区在 时期的蓝绿指数，如果 则表示存在条件 收敛，即各区域蓝绿指数向各自的稳态水平趋近，否则不存在条件收敛趋势。

表4 沿海地区、三大经济区的蓝绿指数收敛性检验

检验类型与模型 变量 沿海地区 环渤海区域 长三角区域 珠三角区域

绝对 收敛检验

常数项 -0.025 -0.028 0.040 -0.064

-0.012*

（0.059） -0.016**

（0.045） 0.049*

（0.058） -0.044**

（0.021）

T统计量 -0.547 -0.910 0.777 -1.788

0.075 0.293 0.247 0.423

F

0.299 0.829 0.603 3.198

条件 收敛检验

常数项 -0.059 0.368 0.112 -0.005

-1.351***

（0.004） -1.066**

（0.037） -1.130**

（0.023） -0.279

（0.571）

T统计量 -3.378 -2.570 -2.916 -0.594

0.436 0.412 0.249 0.089

F 9.490 6.605 8.501 0.352

注：括号内数字为显著性概率，*、**、***分别表示在10%、5%、1%显著性水平上显著。

表4检验结果表明：沿海地区整体进行的绝对 收敛和条件 收敛的回归系数均为负值，且估计系数分别在10%和1%水平上显著，说明估计结果在统计上是可靠的，沿海地区整体蓝绿指数存在收敛趋势。说明在国家大力发展海洋经济的背景下，各沿海地区存在着相互“追赶效应”，各地区绿色发展水平存在趋同的趋势。从沿海三大经济区的条件 收敛检验结果来看，珠三角地区未通过显著性检验；而环渤海、长三角与珠三角地区的条件 收敛回归系数均为负值，且在5%水平上显著。表明环渤海与长三角呈现区域间海洋经济绿色增长程度的差异化，未向相同的水平收敛，而是在不同的水平层次上收敛，且维持了稳定的相互关系形态。

但沿海三大经济区的绝对 收敛检验结果却有较大差异，环渤海与珠三角蓝绿指数呈现显著的收敛特征，而长三角则呈现出微弱的发散特征。从绝对 收敛回归系数来看，环渤海和珠三角的 值为负，长三角地区 值为正，且均在统计上显著，说明环渤海与珠三角地区内部省份的蓝绿指数存在绝对 收敛，而长三角地区内部各省份蓝绿指数并未表现出收敛趋势，反而内部各省份海洋经济绿色增长程度差距有扩大趋势，意味着目前国家在海洋经济绿色发展中应该更注重长三角地区各省间的海洋经济绿色技术合作交流。

3政策建议

基于以上研究结论，本文从省域或区域视角提出政策建议。一是国家在海洋经济绿色发展中应更加注重环渤海经济区。聚类矩阵中河北及山东的蓝绿指数均属于双低型的省份，环渤海海域生态系统相对封闭，资源承载力十分有限，应规划和限制对其海洋自然资源的过度开发利用，减少资源依赖型产业发展，同时加大环境的治理力度，调整沿海的排放布局和允许排放量的目标体系，改善渤海的环境承载力。二是增强跨区域的经济、技术交流和环境治理合作。例如广西省可加快与珠三角地区的市场对接，改善投资环境，壮大产业规模，提升其要素集聚优势，摸清海洋资源和环境承载力，制定海洋资源开发、利用、配置和保护的规划，加强广泛合作，统筹陆海资源与环境。三是在每个区域培育新的增长极，带动邻近地区海洋经济绿色增长。收敛结果明显表明长三角区域内部各省份海洋经济绿色增长程度差距有扩大趋势，且上海的蓝绿指数属于双高型的省份，可促进上海真正成为长三角区域整体海洋经济绿色发展的增长极，同时天津和广东可分别成为环渤海和珠三角经济区域带动海洋经济绿色发展新的增长极。

参考文献：

[1]Leipert C.A Critical Appraisal of Gross National Product： The Measurement of Net National Welfare and Environmental Accounting[J]. Journal of Economics Issues，1987，21（1）：357-373.

[2]Hall B，Kerr M L.1991～1992 Green Index： A State-by-state Guide to the Nations Environmental Health [M]. Island Press，1991.

[3]Esty D C，Levy M，Srebotnjak T，et al. Environmental Sustainability Index： Benchmarking National Environmental Stewardship[J]. New Haven： Yale Center for Environmental Law & Policy，2005：47-60.

[4]Rogge N. Undesirable Specialization in the Construction of Composite Policy Indicators： The Environmental Performance Index[J]. Ecological Indicators，2012，23（11）：143-154.

[5]2012中国绿色发展指数报告：区域比较 [M]. 北京：北京师范大学出版社，2012.

[6]2011中国可持续发展战略报告：实现绿色的经济转型[M].北京：科学出版社，2011.

[7]朱勇华，张庆丰. 利用主成分分析法建立中国绿色GDP综合指数[J]. 华北电力大学学报，2005，4：32-37.

[8]吴翔，彭代彦. 中国各地区环境综合指数研究[J]. 生态经济，2014，4：24-28.

[9]林卫斌，陈彬. 经济增长绿色指数的构建与分析——基于DEA方法[J]. 财经研究，2011，37（4）：48-58.

[10]张江雪，王溪薇. 中国区域工业绿色增长指数及其影响因素研究[J]. 软科学，2013，10：92-96.

[11]Anderson P，Petersen N C. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science，1993，39（10）：1261-1264.

[12]晋盛武，王圣芳，夏柱兵. 出口贸易与污染排放、治理投资关系的实证分析[J]. 合肥工业大学学报，2011，6：20-25.

[13]F?re R，Grosskopf S，Norris M. Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries： Reply[J]. The American Economic Review，1997，87（5）：1040-1044.

[14]康旺霖，王垒，雷沁. 基于信息熵-TOPSIS方法的绿色采购绩效评价研究[J]. 物流科技，2014，11：4-7.