基于利益相关者视角的稀土产业低碳效率指标设计与决策模型 | [PDF全文] |
b. 江西理工大学,矿业发展研究中心,江西 赣州 341000
b. Research Center of Mining Industry Development, Jiangxi University of Science & Technology, Ganzhou 341000, China
稀土产业与环境的关系是当今人地关系的焦点问题,其“协同度”关系到一个国家或地区社会经济可持续发展水平.稀土产业对碳的依赖程度较高,产业链工艺落后,资源使用效率低下,加之个别地方政府为追求短期利益而屡屡“突破法律底线”,无序开采、非法开采以及稀土行业整体环保意识薄弱等,稀土产业的污染问题非常严重,环境代价巨大.稀土产业发展与节能减排的矛盾日益升级,与生态文明建设的战略相悖,严重偏离了可持续发展的方向. 2016年是《巴黎协定》正式生效之年,稀土产业的发展必须找到自己在生态系统中的位置,寻求低碳之路.然而,稀土产业低碳化发展不仅是一场环境革命、技术革命,更是一场利益革命,所遭遇的阻力往往来自既得利益者的利益损失.利益相关者参与不再是简单的选择,而是事实上的需要.因此,论文从利益相关者角度,构建低碳效率指标体系和决策模型,反映其参与度和满意度,并寻找系统中存在的问题,以便有针对性的调整,有助于系统的协调发展.
1 稀土产业低碳化运行中的利益相关者分析稀土产业低碳化运行过程是将资源、能源及其他生产要素转换为产品,并进行废物代谢的过程.是一个由诸多要素和子系统复合而成的多层次复杂结构.由于系统内部要素,如替代性原料、产品优化、技术平台、政策支持、管制措施、碳交易等的不同组合,系统的整体优化效应不同,呈现的低碳效率水平和参与者的感受也不一样.如图 1所示.
稀土产业低碳化运行过程中,各参与者都扮演不同的角色,有着各自价值取向目标.追求共同利益或信念的主体会自发地组织到一起,形成利益集团.根据国内外学者对利益相关者理论的研究,结合Bardsely(2002)、Engel(2008)、Reeve(2001)提出的环境政策假设,从利益相关者的权力大小、获取利益的直接性或大小二个角度,将利益相关者分成核心利益相关者、特质利益相关者、边缘利益相关者、蛰伏利益相关者[1].如图 2所示.
核心利益相关者位于第Ⅰ象限,承担稀土产业低碳发展的具体责任,他们的决策或行为能直接影响低碳化效果,其利益诉求与产业低碳化发展有着密切关系.主要包括地方政府及相关职能部门.
特质利益相关者位于第Ⅱ象限,致力于稀土产业低碳化发展的总体架构,提出整体目标和政策支持体系,拥有改革利益分配权和生态投入决定权,掌握决策大权.获得全局的、长远的生态效益、经济效益和社会效益.如中央政府和相关职能部门.
边缘利益相关者位于第Ⅲ象限,对低碳化发展的影响力较低,被动地接受发展中的利益和影响,对实现利益的紧迫性和要求不强.主要包括人类后代、生态产品消费者、媒体、环评组织等非政府组织.
蛰伏利益相关者位于第Ⅳ象限,在低碳化过程中没有决策权,影响力较小.但他们的行为或生产方式、利益诉求与低碳效率有直接联系.主要包括当地居民、企业.居民希望依托资源禀赋获得直接经济利益,如就业机会、生态补偿、拆迁收入等.企业追求利润最大化,希望获得宽松优惠的政策支持,获得价格低廉的资源和能源,取得地方政府的支持.
2 低碳效率指标体系设计指标设计至少应达到以下目标:能对产业目前的低碳运行状态进行评价,对今后的变化趋势进行监控和预警,能为寻找产业低碳化发展过程中的不利因素提供依据.同时必须遵循4个原则:一是科学性.符合我国国情,遵循经济发展的客观规律.二是系统性.覆盖工业生产系统的全过程,包括采选、冶炼分离、材料应用、废物循环再利用、再生产品消费以及生态恢复等.涉及能源效率、资源效率、环境效率、管制措施等方面,系统、全面地反映整个产业的低碳化经营业绩、可持续发展竞争力以及对利益相关者的影响和贡献.三是非重复性.对于相似的指标和相关性较大的指标,需合并成一个属性,防止重复.四是相对稳定性原则.在短期内要保证指标的稳定,不随意修改.但从长期看,必须与时俱进,反映指标与时间变化的特征.因此设计的指标应该具有弹性,有持续改进的空间[2-4].
根据文献[5-6],参照WBCSD的生态效率评价准则,结合稀土产业低碳化运行模式,从投入、产出、排放、规制4个方面,选取资源能源效率、技术投入、碳生产率、GHG等废弃物排放量、对环境的潜在影响、管制措施、政策支持等作为2级指标[5-6].见表 1.
点击放大 |
3 犹豫模糊多属性决策模型 3.1 属性权重模型的提出
犹豫模糊集能够表达不同决策者之间的不同偏好,是表达群决策中决策信息的有力工具.在文献[7]中定义犹豫模糊元的犹豫度,通过犹豫度定义一致性指数,具体如下:
定义[7]:设犹豫模糊元
$c\left( h \right) = 1 - u\left( h \right) = 1 - \frac{2}{{l\left( {l - 1} \right)}}\sum\limits_{ij = 1,i < j}^{l\left( {l > 1} \right)} {\left| {{\gamma _i} - {\gamma _j}} \right|} $ | (1) |
从上述定义可知,当犹豫模糊元h只有一个隶属度时,即为专家之间的偏好高度一致,犹豫度为零,则一致性指数最高为1.
在群决策问题中,专家之间的犹豫度越小,则群体的一致性程度就越高.为了决策的科学性和民主化,专家之间的一致性程度越高代表决策的结果越可靠,基于此种分析可以构建一个基于群体一致性指数最大化的属性权重优化模型.首先,对决策问题做一般描述.
对具体多属性决策问题,设A={A1,A2,…,Am}代表不同利益集团,属性集合为K={K1,K2,…,Kn},属性的权重向量为w={w1,w2,…,wn}T,满足wj∈[0, 1],(j=1,2,…,n),且
为了得到合理的属性权重向量,方案的一致性指数总是越高越好,为此可以构造下列多目标最优化模型(M-1):
$\left( {M - 1} \right)\left\{ {\begin{array}{*{20}{l}} {\max {C_i}\left( w \right) = \sum\limits_{j = 1}^n {{w_j}c\left( {{h_{ij}}} \right)} }\\ {s.t.0 \le {w_j} \le 1,\sum\limits_{j = 1}^n {w_j^2 = 1} } \end{array}} \right.$ |
考虑到各方案是公平竞争的,可将上述多目标模型转换为如下单目标线性规划模型(M-2):
$\left( {M - 2} \right)\left\{ {\begin{array}{*{20}{l}} {\max C\left( w \right) = \sum\limits_{i = 1}^m {\sum\limits_{j = 1}^n {{w_j}c\left( {{h_{ij}}} \right)} } }\\ {s.t.0 \le {w_j} \le 1,\sum\limits_{j = 1}^n {w_j^2 = 1} } \end{array}} \right.$ |
求解上述最优化模型,作拉格朗日(Lagrange)函数:
$L\left( {w,\lambda } \right) = \sum\limits_{i = 1}^m {\sum\limits_{j = 1}^n {{w_j}c\left( {{h_{ij}}} \right)} } + \frac{1}{2}\lambda \left( {\sum\limits_{j = 1}^n {w_j^2 - 1} } \right)$ |
求其偏导数,并令偏导数为0,
$\left\{ {\begin{array}{*{20}{l}} {\frac{{\partial L}}{{\partial {w_j}}} = \sum\limits_{i = 1}^m {c\left( {{h_{ij}}} \right) + \lambda {w_j} = 0} }\\ {\frac{{\partial L}}{{\partial \lambda }} = \sum\limits_{j = 1}^n {w_j^2 - 1 = 0} } \end{array}} \right.$ |
求得最优解为:
$w_j^* = \frac{{\sum\limits_{i = 1}^m {c\left( {{h_{ij}}} \right)} }}{{\sqrt {\sum\limits_{j = 1}^n {{{\left[ {\sum\limits_{i = 1}^m {c\left( {{h_{ij}}} \right)} } \right]}^2}} } }}$ |
对最优解进行归一化处理,得到归一化属性权重向量:
${w_j} = \frac{{w_j^*}}{{\sum\limits_{j = 1}^n {w_j^*} }} = \frac{{\sum\limits_{i = 1}^m {c\left( {{h_{ij}}} \right)} }}{{\sum\limits_{j = 1}^n {\sum\limits_{i = 1}^m {c\left( {{h_{ij}}} \right)} } }} = \frac{{\sum\limits_{i = 1}^m {\left[ {1 - u\left( {{h_{ij}}} \right)} \right]} }}{{\sum\limits_{j = 1}^n {\sum\limits_{i = 1}^m {\left[ {1 - u\left( {{h_{ij}}} \right)} \right]} } }}$ | (2) |
运用灰色关联分析法对赣州市稀土产业的低碳化效率进行评价[7-14],具体步骤如下:
步骤1 由式(2)计算属性的权重向量.
步骤2 确定正、负理想方案作为参考序列,并计算各备选方案各指标下属性值分别与正负理想元的距离, 记为dij+和dij-.
$\begin{array}{l} {h^ + } = \left( {h_1^ + ,h_2^ + , \cdots ,h_n^ + ,} \right) = \left( {\overline {\left\{ 1 \right\}} ,\overline {\left\{ 1 \right\}} , \cdots ,\overline {\left\{ 1 \right\}} } \right)\\ {h^ - } = \left( {h_1^ - ,h_2^ - , \cdots ,h_n^ - ,} \right) = \left( {\overline {\left\{ 0 \right\}} ,\overline {\left\{ 0 \right\}} , \cdots ,\overline {\left\{ 0 \right\}} } \right) \end{array}$ |
$d_{ij}^ + = d\left( {{h_{ij}},\overline {\left\{ 1 \right\}} } \right) = \sqrt {\frac{1}{{l\left( {{h_{ij}}} \right)}}\sum\nolimits_{{\gamma _{ij}} \in {h_{ij}}} {{{\left( {1 - {\gamma _{ij}}} \right)}^2}} } $ | (3) |
$d_{ij}^ - = d\left( {{h_{ij}},\overline {\left\{ 0 \right\}} } \right) = \sqrt {\frac{1}{{l\left( {{h_{ij}}} \right)}}\sum\nolimits_{{\gamma _{ij}} \in {h_{ij}}} {\gamma _{ij}^2} } $ | (4) |
其中,正理想元
步骤3 计算各备选方案与正负理想方案的灰色关联系数,公式如下:
$\xi _{ij}^ + = \frac{{\mathop {\min }\limits_{1 \le i \le m} \mathop {\min }\limits_{1 \le j \le n} d\left( {{h_{ij}},\overline {\left\{ 1 \right\}} } \right) + \rho \mathop {\max }\limits_{1 \le i \le m} \mathop {\max }\limits_{1 \le j \le n} d\left( {{h_{ij}},\overline {\left\{ 1 \right\}} } \right)}}{{d\left( {{h_{ij}},\overline {\left\{ 1 \right\}} } \right) + \rho \mathop {\max }\limits_{1 \le i \le m} \mathop {\max }\limits_{1 \le j \le n} d\left( {{h_{ij}},\overline {\left\{ 1 \right\}} } \right)}}$ | (5) |
$\xi _{ij}^ - = \frac{{\mathop {\min }\limits_{1 \le i \le m} \mathop {\min }\limits_{1 \le j \le n} d\left( {{h_{ij}},\overline {\left\{ 0 \right\}} } \right) + \rho \mathop {\max }\limits_{1 \le i \le m} \mathop {\max }\limits_{1 \le j \le n} d\left( {{h_{ij}},\overline {\left\{ 0 \right\}} } \right)}}{{d\left( {{h_{ij}},\overline {\left\{ 0 \right\}} } \right) + \rho \mathop {\max }\limits_{1 \le i \le m} \mathop {\max }\limits_{1 \le j \le n} d\left( {{h_{ij}},\overline {\left\{ 0 \right\}} } \right)}}$ | (6) |
其中,分辨系数ρ=0.5.
步骤4 分别计算各备选方案与正负理想方案的加权关联度,公式如下:
$\xi _i^ + = \sum\limits_{j = 1}^n {{w_j}\xi _{ij}^ + ,i = 1,2, \cdots ,m} $ | (7) |
$\xi _i^ - = \sum\limits_{j = 1}^n {{w_j}\xi _{ij}^ - ,i = 1,2, \cdots ,m} $ | (8) |
步骤5 计算各备选方案相对于正理想方案的相对关联度,计算公式如下:
${\xi _i} = \xi _i^ + /\left( {\xi _i^ - + \xi _i^ + } \right),i = 1,2, \cdots ,m$ | (9) |
步骤6 根据相对关联度ξi(i=1,2,…,m)的大小对方案进行评价、排序和择优,相对关联度越大,则方案越优,反映利益相关者对其满意度更大[15-17].
4 算例分析论文以赣南稀土为例,利益集团A={A1,A2,A3,A4}(图 1)对稀土产业低碳效率进行评价.选取4个评价指标K={K1,K2,K3,K4}(表 1),分别是K1:投入能力;K2:产出能力;K3:废物排放水平;K4:规制状况. 4个利益集团的决策专家对稀土产业低碳效率的满意度评估得到如下犹豫模糊决策矩阵H=(hij)4×4.(见表 2),其中,hij(i,j=1,2,3,4)为犹豫模糊元.
点击放大 |
步骤1 由于属性权重信息未知,则由公式(2)求得属性的权重向量:
w=(0.245 1,0.263 9,0.242 4,0.248 6)T
步骤2 利用式(3)和式(4)分别计算各指标下属性值分别与正负理想元的距离,得到距离矩阵D+和D-.
$\begin{array}{l} {h^ + } = \left( {h_1^ + ,h_2^ + ,h_3^ + ,h_4^ + ,} \right) = \left( {\overline {\left\{ 1 \right\}} ,\overline {\left\{ 1 \right\}} ,\overline {\left\{ 1 \right\}} ,\overline {\left\{ 1 \right\}} } \right)\\ {h^ - } = \left( {h_1^ - ,h_2^ - ,h_3^ - ,h_n^ - ,} \right) = \left( {\overline {\left\{ 0 \right\}} ,\overline {\left\{ 0 \right\}} ,\overline {\left\{ 0 \right\}} ,\overline {\left\{ 0 \right\}} } \right) \end{array}$ |
${D^ + } = {\left( {d_{ij}^ + } \right)_{4 \times 4}} = \left[ {\begin{array}{*{20}{c}} {0.5916} & {0.3162} & {0.6745} & {0.5477}\\ {0.3571} & {0.7517} & {0.6658} & {0.3571}\\ {0.4975} & {0.6055} & {0.6782} & {0.4320}\\ {0.7528} & {0.6519} & {0.5099} & {0.3162} \end{array}} \right]$ |
${D^ - } = {\left( {d_{ij}^ - } \right)_{4 \times 4}} = \left[ {\begin{array}{*{20}{c}} {0.4655} & {0.7528} & {0.3937} & {0.5099}\\ {0.6910} & {0.2549} & {0.4203} & {0.6910}\\ {0.5454} & {0.4082} & {0.3559} & {0.6218}\\ {0.3162} & {0.3536} & {0.5099} & {0.7071} \end{array}} \right]$ |
步骤3 计算各利益集团给出的满意度与正负理想方案的灰色关联系数,计算结果如下:
步骤4 用式(7)和式(8)分别计算各利益集团与正负理想方案的加权关联度:
$\begin{array}{l} \xi _1^ + = 0.785{\rm{ }}3,\xi _2^ + = 0.789{\rm{ }}3,\xi _3^ + = 0.752{\rm{ }}6,\xi _4^ + = 0.766{\rm{ }}1;\\ \xi _1^ - = 0.707{\rm{ }}1,\xi _2^ - = 0.748{\rm{ }}0,\xi _3^ - = 0.745{\rm{ }}3,\xi _4^ - = 0.769{\rm{ }}1. \end{array}$ |
步骤5 用式(9)计算各利益集团相对于正理想方案的相对关联度:
$\zeta 1 = 0.526{\rm{ }}2,\zeta 2 = 0.502{\rm{ }}4,\zeta 3 = 0.513{\rm{ }}4,\zeta 4 = 0.519{\rm{ }}0$ |
步骤6 根据相对关联度,可得排序结果:A1>A4>A3>A2.
结果说明,通过4个利益集团专家对赣州市稀土产业的低碳效率满意度测评,地方政府满意度最高,企业次之,消费者和子孙后代满意度较低,中央政府满意度最低.结果反映了在稀土产业低碳化发展中,利益相关者的利益分化还比较严重,在低碳化进程中的参与度不够,构建产业合作网络关系显得尤其重要.
5 结论1)研究表明,利用群体一致性和灰色关联分析法的犹豫模糊多属性决策方法,对稀土产业低碳效率进行测评,计算快捷、结果直观,可靠性较高,对于数据不全的方案适应性强.对于低碳效率评价的复杂性,人类思维的模糊性,以及相关数据的缺失或失真,使用该方法可以避免这些问题.但如何通过改善属性指标值,提高整个产业的低碳效率,有待进一步研究.
2)稀土产业低碳化发展会引起部分利益集团既得利益的损失, 这种损失会带来各种有形或无形的阻碍,如果受损利益集团实力足够强大, 对改革者的决策心理会产生重大影响.论文从利益相关者角度来分类评价主体,得到的属性评估值更加科学合理,也更符合决策实践要求,结果更接近客观事实.但是,稀土产业低碳化发展过程中利益关系复杂,冲突和博弈非常集中,对决策属性值的改善有很大的阻碍作用.如何塑造共同愿景,化解利益冲突,促进利益集团形成合作网络关系是一个新的研究课题.
[1] | 洪福艳. 生态文明与中国生态治理模式创新[M]. 北京: 中国致公出版社, 2011. |
[2] | 何跃, 王莉. 我国低碳经济发展效率分析[J]. 统计与决策, 2012(4): 157–160. |
[3] | 陈琦, 欧阳. 钢铁行业低碳化发展评价指标体系及评价方法研究[J]. 工业技术经济, 2012, 11: 124–128. DOI: 10.3969/j.issn.1004-910X.2012.02.020. |
[4] | 张建玲. 资源?能源与环境效率[M]. 北京: 经济科学出版社, 2010. |
[5] | 邱寿丰, 诸大建. 我国生态效率指标设计及应用[J]. 科学管理研究, 2007, 25(1): 20–24. |
[6] |
HOH H, SCHOER K, SEIBEL S. Eco-efficiency indicators in german environmental economic accounting[J].
Statistical Journal of the United Nations Economic Commission for Europe, 2002, 19: 41–52. |
[7] | 谭吉玉, 朱传喜. 基于群体一致性的犹豫模糊多属性决策方法[J]. 运筹与管理, 2016, 25(1): 105–109. |
[8] |
ZADEH A. Fuzzy sets[J].
Information and Control, 1965, 8: 338–353. DOI: 10.1016/S0019-9958(65)90241-X. |
[9] |
XU Z S, XIA M M. Distance and similarity measures for hesitant fuzzy sets[J].
Information Sciences, 2011, 181: 2128–2138. DOI: 10.1016/j.ins.2011.01.028. |
[10] |
LIAO H C, XU Z S. A VIKOR-based method for hesitant fuzzy multi-criteria decision making[J].
Fuzzy Optimization and Decision Making, 2013, 12(4): 373–392. DOI: 10.1007/s10700-013-9162-0. |
[11] |
FARHADINIA B. Information measeres for hesitant fuzzy sets and interval-valued hesitant fuzzy sets[J].
Information Sciences, 2013, 240: 129–144. DOI: 10.1016/j.ins.2013.03.034. |
[12] | 邓聚龙. 灰色系统的基本方法[M]. 武汉: 华中理工大学出版社, 1986. |
[13] |
WEI G W. GRA method for multiple attribute decision making with incomplete weight information in intuitionistic fuzzy setting[J].
Knowledge-Based Systems, 2010, 23: 243–247. DOI: 10.1016/j.knosys.2010.01.003. |
[14] |
ZHANG S F, LIU S Y. A GRA-based intuitionistic fuzzy multi-criteria group decision making method for personnel selection[J].
Expert Systems with Applications, 2011, 38: 11401–11405. DOI: 10.1016/j.eswa.2011.03.012. |
[15] | 徐泽水著. 不确定多属性决策方法及应用[M]. 北京: 清华大学出版社, 2004. |
[16] |
PARREIRAS R O, EKEL P Y, MARTINI J S C. A flexible consensus scheme for multicriteria group decision making under linguistic assessments[J].
Information Sciences, 2010, 180: 1075–1089. DOI: 10.1016/j.ins.2009.11.046. |
[17] | 刘高常, 谭吉玉. 应急物流快速响应机制的多属性决策模型及算法[J]. 江西理工大学学报, 2013, 34(4): 63–66. |