• الصفحة الرئيسية
  • مقایسه کارایی فنی و زیست‌محیطی صنایع انرژی‌بر استان اصفهان ـ رهیافت تحلیل پوششی تصادفی ناپارامتری داده

شارک

عنوان URL للمقالة


رقم المقالة : JEST-2007-5125 (R2) زيارة : 146 الصفحة: 285 - 300

10.22034/jest.2021.54309.5125

نوع المخطوط: ابحاث

مقایسه کارایی فنی و زیست‌محیطی صنایع انرژی‌بر استان اصفهان ـ رهیافت تحلیل پوششی تصادفی ناپارامتری داده

الموضوعات :

منصوره جلایری 1 , محمدحسن وکیل پور 2 , صادق خلیلیان 3 , حامد نجفی 4

1 - دانشجوی دکتری گروه اقتصاد کشاورزی دانشگاه تربیت مدرس.
2 - عضوگروه اقتصاد کشاورزی دانشگاه تربیت مدرس. *(مسوول مکاتبات)
3 - دانشیارگروه اقتصاد کشاورزی دانشگاه تربیت مدرس.
4 - دانشیارگروه اقتصاد کشاورزی دانشگاه تربیت مدرس.

تاريخ الإرسال : 07 الثلاثاء , ذو الحجة, 1441 تاريخ التأكيد : 28 الأحد , ربيع الثاني, 1442 تاريخ الإصدار : 20 الخميس , رمضان, 1443

الکلمات المفتاحية: کارایی زیست محیطی, روش StoNED, صنایع انرژی‌بر, ستانده نامطلوب,

ملخص المقالة :

زمینه و هدف: انتظار می‌رود سیاست‌های توسعه پایدار به نحوی طراحی ‌شوند که فرایندهای تولید و محصولات تولیدی سازگار با محیط زیست بوده و کمترین اثرات جانبی را به دنبال داشته باشند. دغدغه این روزهای کشورهای توسعه یافته دست یافتن به توسعه پایدار است و این مهم با راهکار کارایی زیست‌محیطی ارزیابی می‌شود. کارایی زیست‌محیطی شناخته‌ترین و پرکاربردترین شاخص ارزشگذاری در رابطه با توسعه زیست‌محیطی است. روش بررسی: در این مطالعه با استفاده از رویکرد تحلیل پوششی داده و تحلیل پوششی تصادفی ناپارامتری داده ها (StoNED)، کارایی فنی و زیست‌محیطی صنایع انرژی‌بر استان اصفهان را تخمین زده و به مقایسه نتایج می‌پردازد. داده‌های مالی شامل فروش سالانه، نیروی کار، هزینه مواد اولیه اصلی، موجودی سرمایه از صورت‌های مالی حسابرسی شده شرکت‌ها برای سال منتهی به 1396 جمع آوری شده و میزان مصرف انرژی و انواع انرژی مصرفی و درصد هریک از آنها از بخش فنی کارخانه با استفاده از پرسشنامه‌ جمع‌آوری و تکمیل گردیده است. یافته ها: از فروض پژوهش پایین‌تر بودن میانگین کارایی زیست‌محیطی نسبت به میانگین کارایی فنی بود که نتایج بدست آمده نشان داد میانگین کارایی زیست محیطی به نسبت قابل توجهی پایین‌تر از میانگین کارایی فنی بنگاه‌هاست. همچنین نتایج نشان داد متوسط کارایی فنی در صنایع انرژی‌بر منتخب استان اصفهان، با استفاده از روش StoNED، 7/75 % و متوسط کارایی زیست‌محیطی، 1/52% است. بدین ترتیب متوسط کارایی زیست‌محیطی صنایع مذکور، 6/23% پایین‌تر از میانگین کارایی فنی آنهاست. در میان سه گروه مورد بررسی، صنایع غیرفلزی مثل کارخانه‌های تولید سیمان و آجر نسوز متوسط کارایی فنی بالاتری با رقم 35/87% داشته درحالیکه متوسط کارایی زیست‌محیطی ا‌ین گروه با عدد 79/48% پایین‌تر از دو گروه دیگر است. این موضوع با توجه به اینکه این صنایع از جمله آلاینده‌ترین صنایع کشور در انتشار CO2 هستند کارایی پایین‌تر زیست‌محیطی آنها دور از انتظار نیست و در این مطالعه نیز تایید می‌شود. متوسط کارایی فنی صنایع فلزی23/81 % و متوسط کارایی زیست‌محیطی ا‌ین گروه 61/55% و متوسط کارایی فنی صنایع شیمیایی و پتروشیمی 9/55% و متوسط کارایی زیست‌محیطی ا‌ین گروه 54/49 % بوده است. بحث و نتیجه گیری : با توجه به اختلاف میانگین کارایی زیست محیطی محاسبه شده، پیشنهاد می‌شود برای بالا بردن کارایی زیست‌محیطی ، استانداردهای زیست محیطی متناسب با هر صنعت تدوین گردد.

المصادر:


  1. Emami Meybodi, A., KHoshkalam-kh, , mahdavi, R., (2013)" . Efficiency and productivity from an economic point of view" , Allameh Tabatabai University Publication. (In Persian)
    2.
  2. Amadhe,H, Rezaei,A (2011). " Environmental efficiency measurement using the efficiency model The universal is the desired and undesired result of the universal inseparable In the electric energy production department of regional electricity companies ", Quarterly Journal of Energy Economics Studies,1,125-154. (In Persian)
    3.
  3. Seifi ,A, Salimifar M, Fanudi ,H., 2012. Environmental Performance Measurement: A Case Study of Thermal Power Plants in South Khorasan, Razavi and North Khorasan Provinces. Iranian Energy Economics Quarterly.7,17-41. (In Persian)
    4.
  4. Shahiki Tash, M., Khajeh Hasani, M., Jafari, S., 2015. Assessment of the Environmental Performance in Energy Intensive Industries of Iran by Using Directional Distance Function Approach. Quarterly Journal of Applied Theories of Economics, 1, 99-120. (In Persian)
    5.
  5. Molaei, Hesari, N. Javanbakht, A, 2017 "Estimation of environmental efficiency of input-oriented agricultural products (case study environmental efficiency of rice production) " , Agricultural Economics Journal, 2, 157-172
    6.
  6. Mao j, Du Y, Xu L, Zeng Y,(2011), " Quantification of energy related industrial eco-effciency of China". Frontiers of Environmental & Science & Engineering in China, vol 5, Issue 4, 585-596.
    7.
  7. Picazo-Tadeo, A. J., Castillo-Giménez, J., & Beltrán-Esteve, M. (2014). An intertemporal approach to measuring environmental performance with directional distance functions: greenhouse gas emissions in the European Union. Ecological Economics, 100, 173-18.
    8.
  8. Vlontzos, G, Niavis, S, Manos, B (2014)." A DEA approach for estimating the agricultural energy and environmental efficiency of EU countries",Renewable and Sustainable Energy Reviews 40, 91–96.
    9.
  9. Guide for calculating and reporting greenhouse gas emissions , . (2017) Oil Ministry
    10.
  10. Choi, Y and Lee H. S., 2016. Are Emissions Trading Policies Sustainable? A Study of the Petrochemical Industry in Korea. Global E-Governance Program, Inha University. mdpi.com/journal/sustainability
    11.
  11. Motafakker Azad, M., Pourebadollahan Covich, M., Fallahi, F., Ranj Pour, R., Sojoodi, S.,, 2014. Measuring the Technical Efficiency of Iranian Thermal Power Plants and Analysis of its Determinants: Application of Stochastic Nonparametric Data Envelopment Method. Journal of Economic Research (Tahghighat- E- Eghtesadi), 1, 93-113. (In Persian)
    12.
  12. Kuosmanen, T., & Kortelainen, M., 2012. Stochastic non-smooth envelopment of data: semi-parametric frontier estimation subject to shape constraints. Journal of Productivity Analysis, 1, 11–28.
    13.
  13. Kuosmanen, T., & Johnson, A., 2008. Data Envelopment Analysis as Nonparametric Least Squares Regression. SSRN Electronic Journal, 1–30. doi:10.2139/ssrn.1158252
    14.
  14. Kuosmanen, T. and Johnson,A.L., 2010. Data envelopment analysis as nonparametric least squares regression, Operations Research.1, 149-160.
    15.
  15. Kuosmanen T., 2016. Stochastic Nonparametric Envelopment of Panel Data: Frontier Estimation with Fixed and Random Effects Approaches. EWEPA X.
    16.
  16. Baradaran V, yaghoubi N., 2016 . Valuate the Efficiency of Iranian Electric Power Distribution Companies by Stochastic Nonparametric Envelopment of Data (StoNED) Approach. Iranian Electric Industry Journal of Quality and Productivity. 2,15-26 . (In Persian)
    17.
  17. Mekaroonreung, M., & Johnson,A. L., 2012. Estimating the shadow prices of SO2 and NOx for U.S. coal power plants: A convex nonparametric least squares approach. Energy Economics. 3,723–732.
    18.
  18. Shephard, R. W. (1970). Theory of Cost and Production Functions. Princeton: Princeton University Press. Retrieved from http://www.jstor.org/stable/2230285
    19.
  19. Rečka, L., & Ščasný, M., 2012. Emission Shadow Price Estimation Based on Distance Function: a Case of the Czech Energy Industry. In INTERNATIONAL DAYS OF STATISTICS AND ECONOMICS. 1,543–554.
    20.
  20. Jondrow, J. C., Lovell, A. K., Materoy, I. S., & Schmidt, P., 1982 . On the estimation of technical inefficiency in the stochastic frontier production function model. Journal of Econometrics, 19, 233 – 238.
    21.
  21. Guide for calculating and reporting greenhouse gas emissions ,(2017) . Oil Ministry. (In Persian)
    22.
  22. Iran's energy balance sheet ., 2010. Ministry of Energy . Power and Energy Affairs (In Persian with English abstract).
    23.
  23. Iran's energy balance sheet ., 2016. Ministry of Energy . Power and Energy Affairs (In Persian with English abstract).
    24.
  24. Intergovernmental Panel  on  Climate  Change  (IPCC),  2006  IPCC  Guidelines  for  National Greenhouse Gas Inventories
    25.

 

 




 

 

 

 

 

 

 

 

_||_

  1. Emami Meybodi, A., KHoshkalam-kh, , mahdavi, R., (2013)" . Efficiency and productivity from an economic point of view" , Allameh Tabatabai University Publication. (In Persian)
    2.
  2. Amadhe,H, Rezaei,A (2011). " Environmental efficiency measurement using the efficiency model The universal is the desired and undesired result of the universal inseparable In the electric energy production department of regional electricity companies ", Quarterly Journal of Energy Economics Studies,1,125-154. (In Persian)
    3.
  3. Seifi ,A, Salimifar M, Fanudi ,H., 2012. Environmental Performance Measurement: A Case Study of Thermal Power Plants in South Khorasan, Razavi and North Khorasan Provinces. Iranian Energy Economics Quarterly.7,17-41. (In Persian)
    4.
  4. Shahiki Tash, M., Khajeh Hasani, M., Jafari, S., 2015. Assessment of the Environmental Performance in Energy Intensive Industries of Iran by Using Directional Distance Function Approach. Quarterly Journal of Applied Theories of Economics, 1, 99-120. (In Persian)
    5.
  5. Molaei, Hesari, N. Javanbakht, A, 2017 "Estimation of environmental efficiency of input-oriented agricultural products (case study environmental efficiency of rice production) " , Agricultural Economics Journal, 2, 157-172
    6.
  6. Mao j, Du Y, Xu L, Zeng Y,(2011), " Quantification of energy related industrial eco-effciency of China". Frontiers of Environmental & Science & Engineering in China, vol 5, Issue 4, 585-596.
    7.
  7. Picazo-Tadeo, A. J., Castillo-Giménez, J., & Beltrán-Esteve, M. (2014). An intertemporal approach to measuring environmental performance with directional distance functions: greenhouse gas emissions in the European Union. Ecological Economics, 100, 173-18.
    8.
  8. Vlontzos, G, Niavis, S, Manos, B (2014)." A DEA approach for estimating the agricultural energy and environmental efficiency of EU countries",Renewable and Sustainable Energy Reviews 40, 91–96.
    9.
  9. Guide for calculating and reporting greenhouse gas emissions , . (2017) Oil Ministry
    10.
  10. Choi, Y and Lee H. S., 2016. Are Emissions Trading Policies Sustainable? A Study of the Petrochemical Industry in Korea. Global E-Governance Program, Inha University. mdpi.com/journal/sustainability
    11.
  11. Motafakker Azad, M., Pourebadollahan Covich, M., Fallahi, F., Ranj Pour, R., Sojoodi, S.,, 2014. Measuring the Technical Efficiency of Iranian Thermal Power Plants and Analysis of its Determinants: Application of Stochastic Nonparametric Data Envelopment Method. Journal of Economic Research (Tahghighat- E- Eghtesadi), 1, 93-113. (In Persian)
    12.
  12. Kuosmanen, T., & Kortelainen, M., 2012. Stochastic non-smooth envelopment of data: semi-parametric frontier estimation subject to shape constraints. Journal of Productivity Analysis, 1, 11–28.
    13.
  13. Kuosmanen, T., & Johnson, A., 2008. Data Envelopment Analysis as Nonparametric Least Squares Regression. SSRN Electronic Journal, 1–30. doi:10.2139/ssrn.1158252
    14.
  14. Kuosmanen, T. and Johnson,A.L., 2010. Data envelopment analysis as nonparametric least squares regression, Operations Research.1, 149-160.
    15.
  15. Kuosmanen T., 2016. Stochastic Nonparametric Envelopment of Panel Data: Frontier Estimation with Fixed and Random Effects Approaches. EWEPA X.
    16.
  16. Baradaran V, yaghoubi N., 2016 . Valuate the Efficiency of Iranian Electric Power Distribution Companies by Stochastic Nonparametric Envelopment of Data (StoNED) Approach. Iranian Electric Industry Journal of Quality and Productivity. 2,15-26 . (In Persian)
    17.
  17. Mekaroonreung, M., & Johnson,A. L., 2012. Estimating the shadow prices of SO2 and NOx for U.S. coal power plants: A convex nonparametric least squares approach. Energy Economics. 3,723–732.
    18.
  18. Shephard, R. W. (1970). Theory of Cost and Production Functions. Princeton: Princeton University Press. Retrieved from http://www.jstor.org/stable/2230285
    19.
  19. Rečka, L., & Ščasný, M., 2012. Emission Shadow Price Estimation Based on Distance Function: a Case of the Czech Energy Industry. In INTERNATIONAL DAYS OF STATISTICS AND ECONOMICS. 1,543–554.
    20.
  20. Jondrow, J. C., Lovell, A. K., Materoy, I. S., & Schmidt, P., 1982 . On the estimation of technical inefficiency in the stochastic frontier production function model. Journal of Econometrics, 19, 233 – 238.
    21.
  21. Guide for calculating and reporting greenhouse gas emissions ,(2017) . Oil Ministry. (In Persian)
    22.
  22. Iran's energy balance sheet ., 2010. Ministry of Energy . Power and Energy Affairs (In Persian with English abstract).
    23.
  23. Iran's energy balance sheet ., 2016. Ministry of Energy . Power and Energy Affairs (In Persian with English abstract).
    24.
  24. Intergovernmental Panel  on  Climate  Change  (IPCC),  2006  IPCC  Guidelines  for  National Greenhouse Gas Inventories
    25.

 

 




 

 

 

 

 

 

 

 

سند

Sanad is a platform for managing Azad University publications

الروابط

المراكز ذات الصلة

دعامة

الصفحات الرسمية

حقوق هذا الموقع الإلكتروني مملوكة لنظام SANAD Press Management. © 1442-1446

الصفحة الرئيسية| دخول| معلومات عنا| اتصل بنا|
[English] [فارسی] [en] [fa]