基于dpsir模型的自然资源资产绩效评价研究

《基于dpsir模型的自然资源资产绩效评价研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于DPSIR模型的自然资源资产绩效评价研究摘要:构建合理的自然资源资产绩效评价指标体系是自然资源资产离任审计在方法和技术上的突出特点和难点。本文借助DPSIR模型严密的因果逻辑结构，在对我国自然资源资产开发及利用现状深入研究的基础之上，利用LOWA算子择优选取了切合主题的评价指标，探索性地构建了自然资源资产绩效评价指标体系，以期为自然资源资产离任审计的实践工作提供参考。本文采集自网络，本站发布的论文均是优质论文，供学习和研究使用，文中立场与本网站无关，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息，如果需要分享，请保留本段说明。关键词：

2、自然资源资产DPSIR模型绩效评价LOWA算子专家聚类赋权党的十八届三中全会通过的《中共中央关于全面深化改革若干重大问题的决定》提出，“探索编制自然资源资产负债表，对领导干部实行自然资源资产离任审计，建立生态环境损害责任终身制。在编制自然资源资产负债表和合理考虑客观因素的基础上，以领导干部任期内辖区自然资源资产变化状况为基础，通过审计，客观评价领导干部履行自然资源资产管理责任的情况，依法界定领导干部应当承担的责任。”这是党中央加强生态文明建设的重大制度创新，也是审计机关推进全面深化改革的重要工作任务。现阶段，我国对于自然资源资产离任审计的实践仍处于探索阶段，政府关于这

3、方面的审计并没有明确的法律保障，也缺乏具体统一的评价标准及评价体系。因此，加强对政府领导干部离任后自然资源资产审计的研究具有重大的现实意义。自然资源资产离任审计是经济审计和资源环境审计的交集，其审计内容通常包括财务审计、合规性审计和绩效审计［1］。本文的研究领域为自然资源资产的绩效审计，利用DPSIR模型构建领导干部履行自然资源资产管理和生态环境保护责任绽合评价指标体系。一、DPSIR模型介绍（一）DPSIR模型的起源及结构DPSIR模型是1993年由国际经济与合作发展组织（OECD）最早提出，它是PSR模型和DSR模型进一步补充和完善的结果。DPSIR模型描述了一条

4、引发环境问题的因果链条。明确地表达出人类活动长期作用于环境中，对自然生?B环境产生压力与负荷，导致环境状况及各类环境要素发生变化，这种变化对资源可持续开发与利用产生影响。这种影响可能是直接的，也可能是次生的。这些影响又促使人们对生态环境的变化做出响应和调整。DPSIR模型中各要素之问的因果关系如下图1所示：（二）DPSIR模型应用的必要性DPSIR模型是一种新兴的环境管理模型，它是为综合分析环境问题与人类社会发展关系应运而生的，己成为研究环境问题的通用框架。通过这一框架清晰地向我们揭示了人类活动对环境产生的影响，也同时反馈出由此产生的环境状态变化对人类社会的反作用。它

5、能够有效地分析系统各耍素之间的因果关系，在表现复杂系统中各因素之问的关系方面右比较明显地优势。将此模型应用于自然资源资产绩效评价之中，借助其清晰地框架结构以如实反映领导干部所辖区域中人与自然各要素之间的因果关系，为其治理政策的制定提供理论依据。再者，从战略实施对区域可持续发展的全面影响出发，将DPSIR模型应用于自然资源资产绩效评价中，其全面性的特点较其他模型更具优势。二、自然资源资产绩效评价指标构建原则及指标筛选方法（一）评价指标构建原则1.全面性与政策性。自然资源资产绩效评价指标具有较强的综合性以及专业技术性，其涵盖范围非常广泛。它涉及社会、经济、生态环境等多个系

6、统，同时又涉及资源与环境经济学、大气科学、地质学、生物学等多门学科，因此在选择指标吋应尽可能全面，以满足评价的科学性和系统性。同时，评价指标应围绕着自然资源资产管理和生态文明建设相应政策来确定。若指标的选择与政策相脱节将很难实现对自然资源资产的有效管理而采取相应的行动。2.动态性与可操作性。自然资源资产绩效评价的相关研究是一个长期的动态过程，其指标的设立应具有时代特性，一方面要具有先进性，另一方面要具有阶段性。同时，选择的指标都要有可靠的数据来源，以确保数据质量和处理方法对专家或非专业人员均具有说服力。3.导向性与前瞻性。自然资源资产绩效评价不仅仅是为了衡量领导干部所

7、辖区域资产的管理效果，更重要的是在于通过评价，发现问题，并及时进行调控和改善。前瞻性是指指标设立时要放眼全球，借鉴国际上前沿的研究成果，再结合本地区的实际情况，立足于领导干部所辖区域发展实际的前瞻。（二）评价指标筛选方法在对自然资源资产离任审计、评价相关文献、《中国环境状况公报》、《中国环境统计年鉴》及各种资源报告等资料的收集、查阅、研究基础之上形成Y切合主题的初选指标库。通过对初选指标的模糊判断，得到模糊语言形式给出的判断矩阵，利用LOWA算子对模糊语言偏好信息进行集结，进而对各指标进行择优筛选。以下是LOWA算子原理介绍[2]:首先，利用LOWA