摘要：从生态与经济绩效两方面、以生态经济效率与效果两个维度构建指标体系，并基于粗糙集理论对指标进行优化，设计了基于AHP和粗糙集理论的指标权重，综合考虑了主观经验与客观数据的特点，构建了基于DEA的效率模型和基于综合评价的生态经济效果评价模型。根据效率与效果测度结果，设计生态经济综合指数，并根据分布情况构建钢铁企业生态经济效率―效果矩阵及其路径优化矩阵。钢铁企业综合绩效的测度弥补了传统绩效考核的不足，只有综合考虑生态经济效率和效果，才能全面衡量企业的生态经济绩效。
关键词：“两高一资”企业；生态经济；经济绩效；生态水平；粗糙集理论；效率―效果矩阵；综合测度；生态效率
中图分类号：F403.7 文献标识码：A 文章编号：1007-2101（2015）04-0082-05
一、引言
钢铁企业是典型的“两高一资”企业，其生产过程是把资源、能源转化为钢铁产品，同时有废渣、废液、废气产生的代谢过程。构建和谐社会，经济与生态和谐发展，对钢铁企业绩效考核时，不仅仅要重视经济效益的测度，更要考虑钢铁企业的资源、能源消耗强度，以及对环境的破坏强度。因此，我们提出钢铁企业的生态经济绩效，既包含经济绩效，又考虑到生态水平。同时，为了弥补以往文献只从生态经济效率考核企业绩效的片面性，引入生态经济绩效综合指数，即从效率和效果两方面来综合测度钢铁企业的生态经济水平。
1992年，世界可持续发展工商理事会（WBCSD）第一次提出生态效率[1][2]（eco-efficiency）的概念，认为生态理念要求企业在生产产品满足人类需求的同时，使得产品或服务的整个生命周期内，尽量降低对资源、能源的消耗，努力降低产品或生产过程对环境的破坏程度，使之保持在生态环境承载力的范围之内。但是，仅仅考虑生态经济效率是远远不够的，一些企业效率比较高，但是其生态经济效果并不理想，可能是因为投入过低而导致的效率虽然不低，但是产出的经济效果、生态效果也维持在较低的水品；而一些企业效率虽然不高，但是其生态经济效果却很显著，表现为资源、能源消耗较少，环境破坏强度较低，效率较低的原因可能是因为投入大量资金改善环境、淘汰落后产能等，以牺牲短期的效率来换取长期的可持续发展。因此，只有综合考虑生态经济效率和效果，才能较为全面地衡量一个企业的生态经济绩效。
二、基于DEA的钢铁企业生态经济效率测度
（一）指标体系构建
构建科学的钢铁企业生态经济效率测度的指标体系对于客观的评价企业绩效具有重要意义。根据评价钢铁企业生态经济绩效的目的，结合我国钢铁企业发展的实际情况，依据指标建立的原则来构建该体系[3]，如表1所示。
1. 劳动力投入。劳动力必须从数量和质量两个维度来考虑，不同质量的员工获得的薪酬是有差别的，用薪酬来区分劳动力的差异是合理的，所以选择薪酬而不是劳动力数量来作为劳动力投入。2. 资源投入。钢企的资源投入种类多、用量大，从钢铁企业的特征和生态经济效率的角度出发，这里的资源我们仅考虑新水用量和含铁原材料的投入。3. 能源投入。把所有能源按照折算系数折算为标煤。4. 经济投入。很多文献把资本总额作为钢铁企业的经济投入，这就会与资源投入、能源投入等有重叠，对结果产生不利影响，所以选择固定资产作为经济投入指标。5. 经济产出。为了突出钢铁企业生产领域生态经济绩效，尽量选择实物指标。综合考虑众多因素，选择钢产量作为钢铁企业生态经济效率的经济产出。第一，钢是每个钢铁企业的最重要、最主要的产品。第二，与其他指标口径保持一致，总量指标与单位指标的换算都是以钢的产量为依据的。第三，突出实物性，剔除其他因素影响。6. 环境产出[4]。没有选择废渣是因为在生产过程中，绝大部分的废渣已被回收利用。2010年12月份，在79家钢铁企业当中73家企业的回收利用率达到100%。
（二）数据来源与处理
考虑到数据的可得性，把研究对象确定为46家重点大中型钢铁企业；研究区间为2006―2010年。数据来源于钢铁企业对标数据。基于科学性和可比性原则，对数据进行处理：
（1）环境产出是非期望产出，其值越小越好，根据DEA对数据的要求将其作为输入。
（2）用相应的价格指数剔除价格因素的影响。
（三）评价结果与分析
DEA是比较成熟的方法，对其原理不再赘述，选择DEAP2.1软件作为分析工具，选择产出为导向、VRS的计算方法[5][6]。
1. 总体效率水平。总效率的变化范围为0.54～1，其中每年的最小值、平均值变化情况从2006年到2009年，综合效率最小值一直处于上升趋势，从2006年的0.54上升到2009年的0.685，说明在“十一五”期间的前4年，生态经济水平较差的企业总效率也不断提高，只是到2010年有小幅度的下降；总技术效率的平均值从2006年的0.88增长到2009年的0.925，并在此达到最大值，2010年也有一个小幅度的下降，从这几年的总效率平均值来看，我国大中型钢铁企业的生态经济效率的值并不低，其最大值已达到0.925。
2. 规模效率分析。钢铁企业生态经济的规模效率是指因为企业经济规模的变化而导致产出的变化程度，即钢铁企业的规模距离最佳规模的远近程度。由图1可知，2006―2010年钢铁企业的生态经济的规模效率波动上升，而且5年间的平均值均在纯技术效率之上，说明我国重点大中型钢铁企业总效率的无效性主要来自纯技术无效性。纯技术效率是指钢铁企业在一定资源投入下实现最大产出的能力，同时在生产过程中也体现了企业对废弃物的综合回收利用的能力。纯技术效率相对比较低，说明我国虽然是钢铁大国，但是离钢铁强国还有很长的路要走。
三、基于AHP和粗糙集理论的钢铁企业生态经济效果测度
（一）指标体系的初步构建
钢铁企业生态经济效果分析是在效率分析的基础上，从结果上测度生态经济绩效。其指标体系的构建也是在效率指标的基础上发展起来的，具体指标见图2。
（二）基于粗糙集理论的指标优化[7][8]以及权重的确定
1. 指标优化程序。根据我国重点大中型钢铁企业生态经济效率指标体系的特点，采取基于粗糙集等价关系的指标约简算法，其程序为：第一，确定属性集。第二，数据收集与整理；第三，界定各个属性值的语义；第四，设置决策表；第五，属性约简。
根据粗糙集理论对指标进行优化，在效果评价初始指标体系中，可以把固体废弃物综合利用率、质量管理体系（ISO9000）、环境管理体系（ISO14000）三项指标约简掉。
2. 基于粗糙集理论的指标权重的确定。在基于粗集理论对指标优化的基础上，基于知识熵的方法确定权重，首先根据属性a
1、a
2、a
4、a
5、a6对案例库的划分，计算知识熵，然后对各个属性知识熵进行归一化处理，得到各属性值的权重{0.202 2，0.200 1，0.2，
0.193 3，0.204 4}。
3. 基于AHP的主观权重的确定[9][10]。层次分析法是美国著名运筹学家萨蒂于20世纪70年代中期提出的一种多目标、多准则的决策方法。该方法体现了人们的决策思维“分解―判断―综合”的基本特征，充分体现了专家经验的重要价值。由于AHP算法较为成熟，其原理不再赘述，按照该方法得到主观权重为：{0.115，0.097，0.187，0.313，0.288}。
4. 综合权重的确定。综合考虑主观赋权和客观赋权的优缺点，选择综合权重来区分钢铁企业生态经济效果评价指标的重要程度，这既能克服主观权重和客观权重的缺陷，又能发挥二者的优点。在综合各个专家意见后，主观权重占75%，客观权重占25%，这充分体现了专家经验的重要性，也考虑到数据的特点。其综合权重见表2。
（三）效果测度结果与分析
根据基于粗糙集理论和AHP确定的综合权重，对经过优化后的指标进行线性加总，得到评价结果，表3给出了钢铁企业的各种效率、效果的平均值。
钢铁企业的生态效果由资源、能源效果和环境效果构成。在研究区间内，资能效果和环境效果曲线发展较为平缓，并呈上升的趋势。这说明在我国钢铁产业发展过程中，资源、能源的消耗强度呈现不断下降的趋势，对环境破坏强度也不断降低，经济效果起伏不定。在产业结构调整过程中，不可避免地要牺牲一些短期经济利益，最终目的是实现钢铁产业经济效益与生态效益共同发展。另外，2009年国际铁矿石价格大幅波动，这也在很大程度上拉低了钢铁企业经济绩效。
四、基于综合指数的效率―效果矩阵分析
只有综合衡量钢铁企业的生态经济效率与效果，才能更为客观地测度其综合绩效。在效率、效果测度的基础上，构建生态经济绩效综合指数，并设计效率―效果矩阵及其转换矩阵，来研究钢铁企业生态经济绩效现状与发展情况。综合指数的权重，在分析专家意见调查表的基础上，确定生态经济效率与效果的权重分别为0.
4
6、0.54。效率与效果的这一比例充分说明了在我国钢铁企业发展的现阶段，在保持兼顾生态经济效率与效果的基础上，突出钢铁企业生态经济的效果，即钢铁企业发展的质量问题是我国宏观钢铁政策应该重点调控的对象。
对于同一个企业来说，效果和效率可能偏离，即效率高的企业，其生态经济效果不一定高，相反亦然。同时，从时间序列来看，不同企业在效率和效果上的提升速度也是有差异的。根据这些差异（表4为分类标准），建立钢铁企业生态经济效率―效果矩阵，把钢铁企业分为9种类型（见图3），横坐标为效率值，由左到右依次升高，纵坐标为效果值，由下到上依次提高。把效率、效果值分为高、中、低三个档次，9种类型在矩阵中表示为9个单元格。
从我国钢铁企业生态经济效率―效果矩阵图，可以看出，2010年总体发展形势较好，最右上角的方格（高效率、高效果）中有19家企业，占总企业数的41.3%，这部分钢铁企业不但运营效率很高，而且投入也较大，其生态经济效果最好，这类企业是所有钢铁企业所追求的目标。比如，上海的宝钢集团（企业代号为46）走出了一条效率―效果双高的创新之路，根据2010年宝钢年报，宝钢一家的利润占到了全国70余家大中型钢铁企业利润总和的26%；宝钢荣获国家首次设立的“企业创新奖”，连续两次获技术发明奖、三次获科技进步奖。
其他矩阵格里的企业分布较为均匀，其中效率一般、效果好的企业有5个，效率低、效果好的企业有2个，效率低、效果一般的企业有4个，效率中等、效果中等的企业有2个，效率高、效果一般的有4个，效率、效果双底的企业有4个，效率中等、效果差的企业有3个，效率高而效果差的企业有3个。
当然，各种类型的企业是可以相互转化的，相互转变的过程也是钢铁企业发展的过程。图3标示了各个类型的企业生态经济发展的路径，图中，粗箭线标示的是钢铁企业最佳的发展路径，细箭线标示的是较为缓和的发展方向，红箭线标示的是钢铁企业在特殊时期可能出现的状况。
1. 单元①所代表的钢铁企业效率低、效果差，这类企业一般指投入较少，而且经营管理水平较差，生态意识落后的企业，比如那些规模小、产能落后、污染严重的私营企业。这类企业的发展路径之一是被淘汰，因为这些企业没有任何优势，只不过是在供不应求的市场情况下，能够获得一定的利润（特殊时期利润很大）。如果这些小型民营企业抓住时机，及时提高自己的生态经济效率，采取措施改善效果，可迅速实现发展路径优化：①→⑤→⑨，这样的实例也不少，比如企业国丰、德龙、津西等都在不同程度上实现了路径优化。
2. 对于单元②的钢铁企业，其特点为效率中等、效果差，这类钢铁企业需要及时地采取合理措施，加大投入，改善效果，并且需要进一步提高生态经济效率。
3. 对于单元③的钢铁企业，效率很高，但是生态经济效果很差，这主要是因为企业投入不够。比如某些钢铁企业多年来很少有大的投入，虽然产出不是很大，但是却表现出了较高的生态经济效率。显然，这类企业的高效率不具有可持续性，如果不采取有效措施加大投入力度，企业的效率迟早会下降。 4. 对于单元④的钢铁企业，其特点是效率高，而生态经济效果处于中等水平，这类企业很有可能是由企业③转化而来的，其当务之急是进一步采取措施，提升生态经济效果，尽早进入第⑨单元。
5. 对于单元⑤的钢铁企业，其特点是生态经济效果与效率均处于中等水平，最优发展路径就是努力向右上角的第⑨单元跨度，进化成为效率与效果双高的钢铁企业。如果受限于现实条件，也可以选择较为缓和的发展路径（如图3中小箭头所示），即先向第④或第⑧单元过度，优先提高效率或效果，最后跨度到第⑨单元。当然，如果这类企业措施不当，也有向第①单元退化的危险。
6. 对于单元⑥的钢铁企业，其特点是生态经济效果处于中等水平、而效率很低，这类企业应该优先改善效率，向第⑤单元转变，或者效率、效果综合发展，采取最为有效的发展方式，如倾斜向右上的箭头所示直接向第⑨单元发展，这种发展方式需要更大的投入和快速提升企业的生态经济技术水平，有一定难度。
7. 对于单元⑦的钢铁企业，其特点是效率很低，但效果却很突出。这类企业在我国产业政策调整时期出现较多，尤其是发展低碳、生态经济的今天，宁可牺牲一些短期效率，淘汰落后产能，也要把钢铁企业的发展质量提高到新水平，把对环境的破坏作用降到最低。在产业结构、产品结构调整过后，这类企业当务之急是迅速恢复效率。在长期来看，以牺牲短期效率来换回长期的发展是值得的。
8. 对于单元⑧的钢铁企业，其特点是效率中等，而效果很突出，这类企业只有一步之遥就能跨度到效率高、效果好的单元⑨，所以要再接再厉，提高技术水平，改善生态经济效率。
9. 单元⑨中的钢铁企业是最为理想的状态，始终保持较高的生态经济效率，其投入、产出均为最佳状态，是其他企业发展的榜样。
需要说明的是，单元⑨中的企业不是一成不变的，有可能向其他几个单元退化，这些退化行为有可能是被动的，也有可能是主动的。前者主要是钢铁企业没有能够跟上行业发展步伐，或者是生产、经营、管理活动出现了问题，而使得企业的效率或效果出现相对倒退；而后者是钢铁企业采取的主动措施，是为了长期更好的发展而牺牲一些短期效率，比如说淘汰落后产能、企业整体搬迁、大规模的环保设施投资等，企业的主动“退化”行为可用图中水平向左的红箭头表示。
另一方面，第⑨单元的钢铁企业也有可能主动采取一些措施，降低效果，向下退化到第④单元，如市场饱和、钢铁产品需求下降，这时候就要合理控制，限制盲目投资，压缩生产能力。这里的效果下降主要是指生态经济效果当中的经济效果出现下滑，而生态效果不应该有大幅度的滑坡现象，当然，这也需要政府充分发挥环保监督的作用。
同时，在我们研究的46家重点大中型钢铁企业中有6家是民营或民营控股企业，其中有5家处于第⑨单元，一家在第⑧单元。这充分证明了只要民营企业发展到一定规模，同时在国家有效调控下，表现出来的生态经济绩效不比国有及国有控股企业差。因此，在大力发展国有、股份制钢铁企业的同时，也应该大力支持有潜力的民营企业发展，充分发挥民营钢铁企业的作用。
注释：
①CRSTE：综合技术效率，VRSTE：纯技术效率，SE规模效率，均为46家企业的平均值。
参考文献：
[1]Hua Z S， Bian Y W，Liang L. Eco-efficiency analysis of paper mills along the Huai River： An extended DEA approach[J]. The International Journal of Management Science.
[2]Timo Kuosmanen，Mika Kortelainen. Measuring Eeo-efficiency of Production with Data Envelopment Analysis[J]. Journal of lndustrial Ecology，2005，
（4）：59-72.
[3]徐卫平，肖纯.基于BP神经网络的钢铁企业技术经济指标综合评价模型研究[J].新疆钢铁，2007，
（4）：5-8.
[4]陈静，林逢春，杨凯.基于生态效益理念的企业环境绩效动态评估模型[J].中国环境科学，2007，
（5）：717-720.
[5]魏权龄.数据包络分析[M].北京：科学出版社，2004：32-43.
[6]颜鹏飞，王兵.技术效率、技术进步与生产率增长：基于DEA的实证分析[J].经济研究，2004，
（6）：55-65.
[7]王娅，刘保东.基于粗糙集理论的排污收费优化模型[J].中国管理科学，2007，
（2）：81-85.
[8]刘云忠，宣慧玉，林国玺.粗糙集理论在我国税收预测中的应用[J].系统工程理论与实践，2004，
（10）：98-103.
[9]许树柏.层次分析法引论[M].北京：中国人民大学出版社，1989，
（8）：26-32.
[10]董玉成，陈义华.层次分析法（AHP）中的检验[J].系统工程理论与实践，2004，
（7）：105-110.
