中小城市循环经济评估方法研究

中小城市循环经济评估方法研究摘要本研究聚焦中小城市循环经济评估方法，旨在构建科学、合理的评估体系，助力中小城市循环经济发展。通过梳理国内外相关研究成果，结合中小城市资源禀赋、产业结构和发展阶段等特点，从经济、资源、环境、社会四个维度构建循环经济评估指标体系。运用层次分析法、主成分分析法等多种评估模型，并结合熵值法等数据处理方法，对指标权重进行科学赋值。同时，以典型中小城市为例进行实证分析，验证评估方法的可行性与有效性，为中小城市循环经济发展水平的准确评估提供理论依据与实践指导，推动中小城市实现可持续发展。关键词中小城市；循环经济；评估方法；指标体系；可持续发展一、引言循环经济作为一种以资源的高效利用和循环利用为核心，以“减量化、再利用、资源化”为原则，以低消耗、低排放、高效率为基本特征的经济发展模式，是实现可持续发展的重要途径。近年来，我国在推动循环经济发展方面取得了显著成效，但在中小城市层面，由于其资源环境承载能力有限、产业结构相对单一、技术创新能力不足等特点，循环经济的发展面临诸多挑战。准确评估中小城市循环经济发展水平，对于发现问题、制定针对性政策、推动中小城市循环经济发展具有重要意义。然而，目前针对中小城市循环经济的评估方法尚未形成统一、完善的体系，现有评估方法在指标选取、权重确定、模型构建等方面存在一定局限性，难以满足中小城市循环经济发展评估的实际需求。因此，开展中小城市循环经济评估方法研究具有重要的理论价值和现实意义。二、国内外研究现状（一）国外研究现状国外对循环经济的研究起步较早，在评估方法方面积累了丰富的经验。早期研究主要集中在资源效率和环境影响评估上，如生命周期评价（LCA）方法，该方法通过对产品或服务从原材料获取到最终处置的整个生命周期内的资源消耗和环境影响进行量化分析，为循环经济评估提供了重要的技术支持。随着研究的深入，学者们开始构建综合评估指标体系，如经济合作与发展组织（OECD）提出的“压力-状态-响应”（PSR）模型，从经济活动对环境产生的压力、环境状态的变化以及社会对环境变化的响应三个方面构建指标体系，全面评估循环经济发展水平。此外，数据包络分析（DEA）、模糊综合评价法等方法也在循环经济评估中得到广泛应用，这些方法通过不同的角度和技术手段，为循环经济评估提供了多样化的途径。（二）国内研究现状国内对循环经济评估方法的研究在借鉴国外经验的基础上，结合我国国情不断发展。近年来，国内学者构建了多种循环经济评估指标体系，如基于“3R”原则（减量化、再利用、资源化）构建的指标体系，从资源投入、资源循环利用、废弃物排放等方面选取指标，全面反映循环经济发展状况。在评估方法上，层次分析法、主成分分析法、灰色关联分析法等得到广泛应用。同时，部分研究开始关注区域差异对循环经济评估的影响，针对不同地区的特点进行评估指标和方法的调整。然而，目前国内研究大多集中在大城市和发达地区，针对中小城市循环经济评估方法的研究相对较少，且现有研究在指标体系的科学性、评估方法的适用性等方面仍有待进一步完善。三、中小城市循环经济评估指标体系构建（一）指标体系构建原则科学性原则：指标选取应基于循环经济的科学内涵和理论基础，准确反映中小城市循环经济发展的本质特征和内在规律，确保指标体系的合理性和准确性。系统性原则：从经济、资源、环境、社会等多个维度全面构建指标体系，各指标之间相互关联、相互补充，形成一个完整的有机整体，全面反映中小城市循环经济发展的全貌。可操作性原则：指标数据应易于获取和测量，尽量采用统计部门已有的统计数据或通过简单调查能够收集到的数据，确保指标体系在实际评估中具有可操作性。动态性原则：考虑到中小城市循环经济的发展是一个动态过程，指标体系应具有一定的灵活性，能够适应不同发展阶段的需求，及时反映循环经济发展的变化趋势。针对性原则：充分考虑中小城市的资源禀赋、产业结构、发展阶段等特点，选取能够体现中小城市循环经济发展特色的指标，使指标体系具有较强的针对性。（二）指标体系构建基于上述原则，结合中小城市循环经济发展的特点，从经济、资源、环境、社会四个维度构建中小城市循环经济评估指标体系（见表1）。维度指标经济维度GDP增长率、单位GDP能耗降低率、循环产业产值占比资源维度资源产出率、工业用水重复利用率、工业固体废物综合利用率环境维度工业废气排放强度、工业废水排放强度、生活垃圾无害化处理率社会维度环保投资占GDP比重、公众环保意识得分、就业增长率在经济维度，选取GDP增长率反映城市经济的增长态势；单位GDP能耗降低率体现经济增长过程中的能源利用效率；循环产业产值占比反映循环经济产业在整个经济体系中的发展规模和比重。资源维度中，资源产出率衡量资源投入与经济产出的关系，反映资源的利用效率；工业用水重复利用率和工业固体废物综合利用率分别体现水资源和固体废物的循环利用水平。环境维度的工业废气排放强度、工业废水排放强度反映工业生产对环境造成的污染程度；生活垃圾无害化处理率体现城市生活垃圾处理的环保水平。社会维度的环保投资占GDP比重反映政府和社会对环境保护的重视程度和投入力度；公众环保意识得分通过问卷调查等方式获取，体现公众对循环经济的认知和参与程度；就业增长率反映循环经济发展对就业的带动作用。四、中小城市循环经济评估方法选择与应用（一）评估方法选择层次分析法（AHP）：层次分析法是一种将与决策有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。在中小城市循环经济评估中，可将评估目标分解为经济、资源、环境、社会等准则层，再将各准则层进一步细分为具体指标，通过构建判断矩阵，确定各指标的权重，从而实现对循环经济发展水平的综合评估。该方法的优点是能够将复杂的问题层次化，定性与定量相结合，易于理解和操作；缺点是主观性较强，判断矩阵的构建依赖专家的主观判断。主成分分析法（PCA）：主成分分析法是一种通过降维技术把多个指标转化为少数几个综合指标的多元统计方法。在中小城市循环经济评估中，可利用主成分分析法对构建的指标体系进行降维处理，提取能够反映原始指标大部分信息的主成分，再根据主成分的贡献率确定权重，进而对循环经济发展水平进行评估。该方法的优点是能够客观地确定指标权重，减少主观因素的影响；缺点是对数据的要求较高，且主成分的实际意义有时难以解释。熵值法：熵值法是一种根据指标变异性的大小来确定权重的方法。在中小城市循环经济评估中，通过计算各指标的熵值和熵权，能够反映指标数据的离散程度，从而客观地确定指标权重。该方法的优点是完全基于数据本身的特征确定权重，具有较强的客观性；缺点是权重的确定只与数据的变异程度有关，不能反映指标的重要程度。综合考虑各种评估方法的优缺点，本研究采用层次分析法和熵值法相结合的方法确定指标权重。首先利用层次分析法邀请专家对指标的相对重要性进行判断，构建判断矩阵，确定主观权重；然后运用熵值法根据实际数据计算指标的客观权重；最后通过加权平均的方式将主观权重和客观权重进行综合，得到最终的指标权重，以充分发挥两种方法的优势，提高权重确定的科学性和准确性。（二）评估模型构建基于确定的评估指标体系和权重，构建中小城市循环经济综合评估模型：S=\sum_{i=1}^{n}w_{i}x_{i}其中，S为中小城市循环经济综合评估得分；w_{i}为第i个指标的权重；x_{i}为第i个指标的标准化值；n为指标个数。在指标标准化处理过程中，采用极差标准化法，将原始数据转化为[0,1]区间内的数值，公式如下：对于正向指标（指标值越大越好）：x_{i}=\frac{x_{i}-\min(x_{i})}{\max(x_{i})-\min(x_{i})}对于负向指标（指标值越小越好）：x_{i}=\frac{\max(x_{i})-x_{i}}{\max(x_{i})-\min(x_{i})}（三）实证分析以某中小城市为例，收集该城市2018-2022年的相关数据，运用构建的评估指标体系和评估模型进行循环经济发展水平评估。首先，对原始数据进行预处理，按照极差标准化法进行标准化处理；然后，利用层次分析法和熵值法相结合的方法确定指标权重；最后，代入综合评估模型计算得到该城市各年度的循环经济综合评估得分（见表2）。年份综合评估得分2018年0.522019年0.582020年0.652021年0.722022年0.78从评估结果可以看出，该城市2018-2022年循环经济发展水平呈逐年上升趋势，说明该城市在循环经济发展方面取得了一定成效。进一步分析各维度指标得分情况，发现资源维度和环境维度得分增长较为明显，表明该城市在资源循环利用和环境保护方面采取的措施取得了较好的效果；而社会维度得分相对较低，说明公众环保意识和环保投资等方面仍有待进一步加强。通过实证分析，验证了构建的评估指标体系和评估方法的可行性与有效性，能够为中小城市循环经济发展水平的评估提供科学依据。五、结论与展望（一）研究结论本研究通过对中小城市循环经济评估方法的研究，构建了一套科学、合理的评估指标体系，选取层次分析法和熵值法相结合的方法确定指标权重，构建了综合评估模型，并通过实证分析验证了评估方法的可行性与有效性。研究表明，构建的评估指标体系能够全面、准确地反映中小城市循环经济发展的特点和水平；采用主客观相结合的权重确定方法，能够充分发挥主观方法和客观方法的优势，提高评估结果的科学性和准确性。通过对典型中小城市的评估，能够发现城市在循环经济发展过程中存在的问题和不足，为制定针对性的政策措施提供参考依据。（二）研究展望尽管本研究在中小城市循环经济评估方法方面取得了一定成果，但仍存在一些不足之处，需要在后续研究中进一步完善。首先，随着中小城市循环经济的不断发展，新的发展模式和技术不断涌现，评估指标体系需要不断更新和完善，以更好地适应循环经济发展的新需求。其次，本研究在评估方法上主要采用了传统的数学统计方法，未来可以探索引入