浅谈地质重构的广泛分布调研

前言：本站为你精心整理了浅谈地质重构的广泛分布调研范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

1研究方案

本文侧重于对地质重构易损性的评定以及寻其中潜在的相关影响因素，同时，三阶段DEA同样存在效率值为1的决策单元无法进行大小比较的问题，因此，本文将采用第一种三阶段DEA模型并综合超效率DEA模型进行分析。具体方法和步骤如下：第一阶段：超效率DEA模型。DEA是一种数学规划模型，它可以根据一组多输入、多输出值估测出有效生产的前沿面。并且根据这个有效前沿面来对每一个决策单元的生产效率值进行综合效率评判。该方法的优点是不需要主观的对各种指标赋予相对权重，因此更具有客观性。DEA的一般经典模型为CCR模型，该模型有一个很大的弊端，无法对效率值等于1的决策单元进行大小区分，为此后人提出了SUP-CCR-DEA模型，该模型表示其中，θ为效率评价值，Xj为输入指标，Yj为输出指标，λj为变量系数,ε为阿基米德无穷小，s-,s+分别为投入剩余和产出亏空的松弛变量。θ∈(0,1]，当θ1时，说明该决策单元的投入产出水平达到效率最佳。反之，则没有达到效率最佳水平。第二阶段：Tobit回归分析。使用Tobit回归分析进一步分析效率值受哪些其它因素影响及其影响程度如何。此步，以各种潜在影响因素作为自变量，以第一步所得效率值作为因变量，进行Tobit回归分析。这样可以通过显著性检验，检验该因素是否对效率值有显著性影响，并且可以通过系数来判断影响的大小和方向。该回归模型可以用式子y=α+∑J=1Rβlzlj+εj表示。第三阶段：投入调整后的超效率DEA分析。调整投入变量，根据第二步所得Tobit回归分析结果结合数据，合成环境因子z*j，该环境因子可用式子z*j=∑l=1Rβlzlj∧表示，将该环境因子作为投入变量输入超效率DEA模型，再次进行超效率DEA分析，重新计算各决策单元效率。这样就可以在考虑其他环境因素影响的同时，求出决策单元相对较为准确的效率值。

2各省（市）地质重构易损性初评

易损性初评指标的选取及处理由于地质重构造成损失大小与该区域易损性呈正相关关系，固可以通过模拟现实的成灾系统，利用该系统的效率值来反映该区域的易损性大小。而灾害的损失是灾害作用在人或财产之上而产生的。因此，在不考虑其他因素影响的前提下，对地质重构易损性做评价只需考虑灾害、人口与财产三种因数。考虑到数据的可获得性及代表性，本文选取全国31个省（市）作为决策单元，并选取相关指标如下表1所示。初步评价—超效率DEA模型所述所述方法收集并且整理数据并将其代入超效率DEA模型中，运用EMS软件进行计算。模拟得出我国各省（市）地质重构易损性的初步评价值如下表2所示。通过以上易损性的初步评价结果可以看出，上海、北京两市的易损性最低，分别为0和3.35%。而西藏和山西两地的易损性最高，高达762.68%和338.43%。θ值大于等于1的省份有9个省，分别是天津、山西、内蒙古、辽宁、吉林、云南、西藏、陕西和甘肃。在这些省份中，除直辖市天津外，其他省份经济发展情况均相对落后，而易损性最低北京和上海的经济发展水平都非常高，他们的θ值分别为0%和3.92%。由此可以初步判定，地质重构易损性与经济发展可能存在一定的联系。除此之外，这些省份中，大部分省份均处于西部地区，地形、气候相对于中东部省份恶劣，说明地理、气候等环境因素也有可能制约地质重构易损性。从表2的大致趋势可以看出，θ值大体上呈现出东部<中部<西部的格局，而这与我国经济发展和科技水平的总体格局相似。说明，地质重构易损性还可能与科技、教育因素等人文因素相关。通过这些初步的分析，本文将重点从这些可能的影响因素着手，探讨这些因素对于地质重构易损性的影响。

作者：吕军李铭泽侯俊东单位：中国地质大学