Economía Energy 50 (2015) 18 - 26

listas de contenidos ofrecidos en ScienceDirect

Economía energía

revista Página de inicio: www.el sev i er .com / l Ocate / Eneco

La medición de la eco-ef fi ciencia basada en indicadores verdes y los potenciales de ahorro de energía y
reducción de la producción indeseable

Kamran Rashidi una , Reza Farzipoor Saen si , •

una Los investigadores jóvenes y Elites Club, Karaj Branch, Universidad Islámica Azad, Karaj, Irán
si Departamento de Gestión Industrial, Facultad de Administración y Contabilidad, Karaj Branch, Universidad Islámica Azad, PO Box: 31485-313, Karaj, Irán

artículo info resumen

Historia del artículo: Hoy en día, la mayoría de las organizaciones están tratando de lograr un desarrollo sostenible con respecto al “ verde ”
Recibido el 6 de octubre de 2014
concepto. Uno de los principales criterios para evaluar el rendimiento verde es eco-ef fi ciencia. Para identificar todos los aspectos de la eco-ef fi ciencia,
Recibido en forma revisada 20 de abril de el año 2015 Aceptado el 28
las entradas deben ser divididos en energía y no energéticos y de los resultados divididos en resultados buenos y malos. Para hacer frente a este
de de abril de el año 2015 Disponible en Internet el 6 de mayo de el
problema, un análisis envolvente de datos (DEA) modelo se desarrolla para dividir insumos en tanto la energía y no la energía y salidas en ambos
año 2015
(malo) salidas deseables (bueno) y no deseables. Del mismo modo, las variables se separan en ambos factores discrecionales y no discrecionales. En
consecuencia, un adjustedmeasure acotada (BAM) en base a los indicadores verdes se desarrolló para calcular la eco-ef fi deficiencia de unidades de
Jel clasificación fi catión:

L6
toma de decisiones (DMU). Además, los potenciales de ahorro de energía y potenciales de reducción de salida indeseables se calculan para mostrar

M11 coef correlación fi ciente entre el consumo de energía y la producción indeseable. Por último, proposedmodel se valida mediante la evaluación de la
Q4 eco-ef fi deficiencia de algunos miembros seleccionados de la Organización de Cooperación y Desarrollo Económico (OCDE). Australia, Finlandia,
Q56 Irlanda, Nueva Zelanda y Suiza son reconocidos como ecoef fi países cientes y el resto de los países son ine fi ciente en términos de eco-ef fi ciencia. Alta y
Q53 positiva coef de correlación de Spearman fi ciente entre el consumo de energía y salidas indeseables direcciones que el mayor uso de entradas de
Q54
energía, las salidas más indeseables.

palabras clave:

Eco-ef fi ciencia
© 2015 Elsevier BV Todos los derechos reservados.
El análisis envolvente de datos de ahorro

de energía de salida indeseable puro

índice de rendimiento ecológico, verde

1. Introducción
En general, el desarrollo sostenible tiene dos componentes; “ desarrollo ” y “ elementos esenciales
de la sostenibilidad ”( Mitlin, 1992 ). La Comisión Mundial sobre el Medio Ambiente y el Desarrollo de fi defineUna de las herramientas aplicadas ampliamente para medir el desempeño sostenible de las
el desarrollo sostenible de la siguiente manera: “ para asegurar que el desarrollo satisfaga las
necesidades del presente sin comprometer la capacidad de las generaciones futuras para satisfacer
sus propias necesidades ”( Picazo-Tadeo et al., 2011 ). esto de fi nición era un punto de partida para
muchos autores. Hoy en día, de fi Ning y la sostenibilidad de medición de los sistemas de producción
se han convertido en un tema popular. Es importante tener en cuenta tanto los factores económicos y
ambientales en la toma de decisiones. Como Coli et al. (2011) abordado, las entidades no sólo deben
maximizar sus objetivos económicos, sino también tienen que minimizar sus preocupaciones
ambientales.
puede conducir a la sostenibilidad ( Koplin et al., 2007 ). Para alcanzar el desarrollo sostenible, las
entidades tratan de lograr una mayor ef ambiental fi ciencia. Por otro lado, los gobiernos obligan a las
organizaciones a seguir a los problemas de sostenibilidad más en serio ( Schaltegger y Burrit de 2005 ).
unidades de toma de decisiones (DMU) es el eco-ef fi medida ciencia ( Wang et al., 2011 ). La eco-ef fi medida
de eficiencia es un criterio principal para evaluar las capacidades de los DMU en términos de
objetivos económicos y ambientales ( Huppes e Ishikawa, 2009 ). La sostenibilidad puede ser
evaluada por el eco-ef fi ciencia. Mientras tanto, los expertos pueden determinar en qué medida las
DMU siguen las normas ambientales ( Lee y Farzipoor Saen, 2012 ). Consejo Mundial Empresarial
para el Desarrollo Sostenible (WBCSD) de fi Ned la eco-ef fi eficiencia como sigue:

“ Eco-ef fi eficiencia se logra mediante la entrega de bienes y servicios que satisfagan las
ventaja competitiva en ef ambiental fi ciencia será una norma para cualquier entidad. Teniendo en necesidades humanas y aportan calidad de vida a precios competitivos, al tiempo que reduce
cuenta los factores económicos, ambientales y sociales progresivamente los impactos ecológicos y la intensidad de recursos a lo largo del ciclo de vida al
nivel al menos en línea con la capacidad de carga estimada de la Tierra ”.

En resumen, la eco-ef fi ciencia tiene que ver con la creación de más valor con menos impacto ( Consejo
• Autor correspondiente. Tel .: +98 26 34418144 6; Fax: +98 26 34418156.
Correos electrónicos: kamranrashidi_ir@yahoo.com (K. Rashidi), farzipour@yahoo.com Mundial Empresarial para el Desarrollo Sostenible de 2000 ). Por lo tanto, la reducción del impacto
(R. Farzipoor Saen). ambiental de las

http://dx.doi.org/10.1016/j.eneco.2015.04.018
0140-9883 / © 2015 Elsevier BV Todos los derechos reservados.
 K. Rashidi, R. Farzipoor Saen / Economía Energy 50 (2015) 18 - 26
un producto y el aumento de su valor económico puede promover el ecoef fi ciencia ( Huppes de 2009 ).
Eco-ef fi evaluación ciencia es una tarea complicada y multidisciplinario ( Zhao et al, 2006 ). Hay
numerosos enfoques para hacer frente a este problema. Sin embargo, la mayoría de ellos asignar
pesos a los criterios subjetivos. De hecho, este es un tipo de juicio personal que puede conducir a
resultados inexactos. Una de las técnicas más populares para hacer frente a esta dif fi-
cultad es el análisis envolvente de datos (DEA) que asigna pesos óptimos a los criterios ( Azadi et al,
2012.; Azadi y Farzipoor Saen, 2012; Farzipoor Saen de 2009 ). DEA es la técnica amanagerial para
medir ef relativa fi ciencia de las DMU. Los estudios Inprevious, la eco-ef fi ciencia se ha medido en la
presencia de sólo salidas indeseables o ef energía fi-
ciencia se ha calculado con respecto a sólo los recursos energéticos. En este trabajo, para el fi tiempo
de primera, la eco-ef fi eficiencia se mide por teniendo en cuenta las salidas (deseables y no
deseables), la separación entradas (energía y no energéticos), discrecionales, y factores no
discrecionales. Para ilustrar la vinculación entre las entradas de energía y salidas no deseadas, el
potencial de ahorro de energía (ESP) y reducción de la producción indeseable potencial (UOAP) se
calculan. Calculamos estos potenciales para determinar la cantidad de cada DMU puede ahorrar
energía y reducir las entradas salidas no deseadas. En este trabajo, delimitada medida ajustada
(BAM) modelo se amplía para evaluar la eco-ef fi deficiencias de la organización para la cooperación
económica y el desarrollo miembros (OCDE) en presencia de factores verdes. Entonces, ESP y
UOAP aremeasured para ine fi ciente DMU. Spearman coef correlación fi ciente se calcula para
identificar la relación entre consumos de energía y las emisiones. Además, se propone un índice para
evaluar verde pura de rendimiento ecológico. Por último, DMU se clasifican con respecto a los PE y
UOAPs. En resumen, las contribuciones de este trabajo son los siguientes:
• Para el fi tiempo primero, calculamos el eco-ef fi deficiencia de algunos de los miembros de la OCDE
basados ​en BAMmodel en presencia de indicadores verdes.
• Para el fi tiempo primero, wemeasure los potenciales de ine fi ciente DMU tobecome ef fi ciente en
función de sus pantalones.
• Para el fi tiempo primero, se introduce un índice de verde para evaluar la ecoperformance puro con
sólo los recursos energéticos y productos indeseables.
• Para el fi tiempo primero, comparamos ine fi deficiencias del ine fi ciente DMU basado en los
potenciales calculados.
El resto del trabajo se organiza de la siguiente manera: Revisión de la literatura se presenta en Secciónde la DEA ambientales revisados ​incluyendo retornos no crecientes a escala y rendimientos variables
2 . Los nuevos modelos se extienden en Seccion 3 .
Sección 4 proporciona un estudio de caso, las implicaciones de gestión y análisis de datos. Por último,
observaciones finales se dan en sección 5 .
2. Revisión de la literatura
Färe et al. (1989) declarado que teniendo en cuenta los resultados indeseables como entradas
contradice las suposiciones de la teoría de la producción. Consideraron débil suposición de
indisponibilidad en el modelado de las salidas no deseadas. desechabilidad débil significa que es
posible reducir salidas indeseables al disminuir el nivel de actividad de la producción. Korhonen y
Luptacik (2004) tratada salidas indeseables como entradas. Aumentaron salidas deseables por la
disminución de las entradas y salidas no deseadas. Este concepto de medir el eco-ef fi ciencia es
fuerte suposición de indisponibilidad. En este trabajo, tratamos salidas indeseables como entradas y
salidas aumentamos deseables.
Korhonen y Luptacik (2004) evaluado el eco-ef fi ciencia de las 24 plantas de energía en Europa.
Se tratan con salidas indeseables como entradas. Se proponen dos enfoques para medir el eco-ef fi ciencia.ajustar para las entradas y salidas? O hay cualquier enfoque para medir la ecoperformance de
los
fi primer enfoque estima la ef técnicos y ecológicos fi deficiencias, por separado. En el segundo
enfoque se aplicaron diferentes variantes de modelos DEA para la estimación de eco-ef fi deficiencia
en la que se consideraron las entradas, salidas indeseables, y salidas deseables. Kuosmanen y
Kortelainen (2005) medido el eco-ef fi eficiencia del transporte por carretera en tres ciudades del este
de Finlandia. Se incorporan las restricciones de peso
19
en un modelo DEA radial y también centrado en las presiones ambientales en lugar de especi fi c
salidas indeseables. Zhang et al. (2008) analizado la eco-ef fi ciencia de los parques industriales de
China. Consideraron salidas no deseadas en su modelo DEA. Barba-Gutiérrez et al. (2009)
propuso un DEAmodel sencilla para evaluar la eco-ef fi eficiencia de los aparatos. Consideraron precio
de venta como una medida del producto de valor económico y la evaluación del ciclo de vida (ACV)
puntuación como sustituto de impacto ambiental. Yang et al. (2011) procedimiento ecológico usado
Shannon DEA para calcular la eco-ef fi puntuación de eficiencia para cada DMU. Se incorporan
salidas indeseables en el eco-ef fi Evaluación deficiencia de 32 fábricas de papel en China. Para
mejorar el desempeño ambiental, Avadi et al. (2014) identi fi diferencias DE en el eco-ef fi deficiencias de
diferente Florida segmentos de EET. Con este fin, se integraron LCA y DEA para obtener puntos de
referencia operativos deseables. Utilizaron medida modelo basado en las holguras para evaluar la
eco-ef fi ciencia. Eğilmez y Park (2014) twostep empleado jerárquico metodología para determinar la
cantidad de energía, carbono y huella hídrica de los sectores de fabricación de la nación. Integraron
entrada económica - salida de LCA (EIO-LCA) y DEA para evaluar el desempeño ambiental.
La mayoría de los trabajos sobre la eco-ef fi trato de medición eficiencia con indicadores simples.
Como se discutió anteriormente, algunos autores han incorporado salidas indeseables andweight
restricciones en el eco-ef fi medición ciencia. Sin embargo, estas contribuciones no se SUF fi ciente
para la ecoef fi ciencymeasurement. Por otra parte, previousmodels no pueden evaluar la eco-ef fi ciencia
de precisión. Algunos de themuse DEAmodels radiales simples para evaluar la eco-ef fi ciencia que
son incapaces de tener en cuenta las variables ni pantalones ni reducción simultánea de las entradas
y salidas de expansión en. No existe un modelo integral para calcular el ecoef fi medición ciencia.
Por otro lado, la mayor parte de la eco-ef fi indicadores carenciales han centrado sólo en fi rms o
productos. Sin embargo, los gobiernos y las organizaciones internacionales también están
interesados ​en la medición de la eco-ef fi deficiencias en macro-niveles. Zaim y Taskin (2000a, 2000b)
desarrollado un ef ambiental fi índice de eficiencia para los países de la OCDE. Aplicaron
comparaciones transversales para mostrar el cambio de los procesos de producción de los países en
varios períodos. Zo fi O y Prieto (2001) Delaware fi ef ambiental Ned fi normas carenciales y regulador de
la industria de la OCDE sobre la base de CO 2 las emisiones. Evaluaron las pérdidas de producto
deseables en presencia de las normas ambientales. Färe et al. (2004) propuesto un índice para
evaluar el desempeño ambiental de los países de la OCDE sobre la base de la DEA. Su índice de
desempeño ambiental se obtiene a partir de funciones de distancia. Arcelus y Arocena (2005) aplicada
DEA para reducir al mínimo nivel de emisión y para maximizar salidas deseables. Zhou et al. (2008) tecnologías
a escala. Sugirieron medidas puros para evaluar el desempeño ambiental. Por último, se calculan los
resultados de emisiones de carbono de los países de la OCDE. Rashidi et al. (en prensa) calculado el
eco-ef fi deficiencia de 25 países de la OCDE sobre la base de medida basada en los pantalones
(SBM) y rango medida ajustada (RAM). El modelo SBM no puede determinar límites inferior y
superior para entradas y salidas. Además, el modelo de memoria RAM no tiene poder de
discriminación para calcular el ecoef fi deficiencias. Por otra parte, a lo mejor de nuestro conocimiento,
no existe una referencia para la evaluación de la eco-ef fi ciencia de países de la OCDE sobre la base
de un modelo integral de la DEA que considera los límites ajustados para entradas y salidas.
Ahora bien, esta cuestión se plantea: ¿Hay alguna marco global para la evaluación de la eco-ef fi ciencia
de países de la OCDE por un modelo DEA no radial con alto poder de discriminación y medidas
países de la OCDE están considerando la relación entre las entradas y salidas de energía
indeseables? Con respecto a la bibliografía anterior themainpurpose de este estudio es desarrollar un
no radialmodel para el cálculo de la eco-ef fi ciencia de países de la OCDE sobre la base de las dos
entradas y separaciones salidas en la presencia de factores no discrecionales. Además, queremos
analizar la relación entre las entradas de energía y
20 K. Rashidi, R. Farzipoor Saen / Energy Economics 50 (2015) 18 – 26

salidas indeseables por un método estadístico. Por último, analizamos y comparamos las causas de El BAMmodel básica que propone Cooper et al. (2011) es como sigue:
la ine fi ciencia y ef fi deficiencia en cada país. A lo mejor de nuestro conocimiento, no hay papel para
calcular la eco-ef fi ciencia de países de la OCDE por el modelo BAM. El modelo BAM puede
determinar los límites superior e inferior de las entradas y salidas y tiene un poder más exigente. Por
otra parte, este estudio propone un índice de color verde para evaluar la eco-ef fi deficiencia de Max X yo si xio re xi þ X R si YRO re y
r
yo ¼ 1 r¼1
algunos de los países de la OCDE.

St

3. Modelo propuesto
XJ
X ij λ j þ re xi ¼ X io yo ¼ 1; .........; yo
DEAmodels se clasifican en modelos radiales y no radiales. modelos no radial no asumen
j¼1
cambios proporcionales iguales en todas las entradas y / o salidas de una unidad de producción ( Farrell,
XJ
1957 ). modelos radiales no tienen en cuenta las holguras no cero ( Cooper et al., 1999 ). Finalmente, y RJ λ j - re yr ¼ y ro r ¼ 1; .........; R
re 1 Þ
los modelos no radiales incorporan pantalones (excesos de entrada e insuficiencias de salida) en j¼1

función objetivo de los modelos de DEA ( Cooper et al., 2007 ). El BAMmodel es un modelo no radial y XJ
se deriva de medida modelo gama ajustados (RAM) ( Cooper et al., 1999 ). En general, el modelo de λj¼ 1 j ¼ 1; .........; J
j¼1
RAM tiene dos inconvenientes ( Cooper et al., 2011 ). Inicialmente, la memoria RAM tiene poder de
re xi ≥ 0; re yr ≥ 0; y λ j ≥ 0:
discriminación pequeña. En otras palabras, la memoria RAM a menudo conduce a EF-

Además, en lugar de considerar rangos de entradas y salidas, el BAM considera rangos de

fi puntuación de eficiencia entre 0,9 y 1. Por esta razón, no puede discriminar suf DMU fi cientemente.
Para aumentar el poder de discriminación, se introdujo el modelo BAM ( Cooper et al., 2011 ). Por otra
parte, el RAMmodel no puede tratar con rendimientos variables a escala supuesto (VRS). Este
inconveniente se puede resolver por el BAMmodel. Por estas razones, en el presente trabajo, se
amplía el BAMmodel.
lados inferiores de los insumos y rangos superiores lados para las salidas, mientras que el modelo
RAM determina límites basados ​en rangos superiores e inferiores para cada entrada y salida ( Cooper
et al., 1999 ). Inferior unilateral rango para la entrada i (i = 1, ..., YO) a ( X O, y o) Esta determinado por L - io ¼
X io - X yo y el rango superior unilateral para la salida r (r =

1, ..., R) a ( X O, y o) es específica fi ed por T þ ro ¼ y r - y ro. Es importante tener en cuenta que el rango inferior
Se supone que hay J DMU que consumen yo insumos para producir R salidas. X ij indica el yo ésimo unilateral para cada entrada depende sólo de límite inferior de la entrada y DMU o. Por el contrario, el
de entrada de j thDMU. y RJ es el r º salida de j thDMU.Moreover, suponemos que X ij y y RJ son positivos. rango de cara superior para cada salida depende sólo de límite superior de la salida y DMU o.
conjunto de posibilidades de producción (PPS) es de fi define como sigue:

Es por eso que Cooper et al. (2011) llamado el modelo como BAM. En consecuencia, los límites del
x = 1 / [( I + R) (L io -)] y si ro y= 1 /
modelo se dè fi ne como si io
+
8 <: 9 =; [( I + R) (U ro )]. En la Ec. (1) , el re ix y re ry son los pantalones para las entradas
y salidas, respectivamente. Si la entrada yo para DMU o satis fi ES X io ¼ X yo , no hay excesos de entrada,
PPS ¼ X; y re Þ X ≥ XJ λ j X ij; y ≤ X J λ j y RJ; λ j ≥ 0; ∀ yo; r; j re 1 Þ
es decir, correspondiente holgura es cero ( re xi ¼ 0) y posteriormente si io
j¼1 j¼1
X será cero. Del mismo modo, si la salida r para DMU o satis fi ES

y ro ¼ y r, no hay déficit de salida, es decir, la holgura correspondiente es cero ( re y

y será cero. Estas discusiones se han demostrado
dónde λ j es variable estructural para la conexión de vectores de entrada y de salida. r¼ 0) y si ro
tabla 1 muestra las nomenclaturas utilizadas. por Cooper et al. (2011) .

tabla 1
Nomenclaturas.

Símbolo Delaware fi nición Símbolo Delaware fi nición

DMU o La DMU bajo evaluación re ix yo exceso de entrada º

j = 1, ......, J Número de DMU re ry r déficit de salida ésimo

i = 1, ......, yo Número de entradas
re x NE
yo º discrecional y el exceso de entrada no energético
carné de identidad 1

r = 1, ......, R Número de salidas

yo 1 = 1, ......, yo 1 Number of non-energy inputs dxE
i th discretionary and energy input excess
i D2

i 2 = 1, ……, I 2 Number of energy inputs

i1∪ i2 i = 1, ……, I dyg r th discretionary and desirable output shortfall
r D1

r 1 = 1, ……, R 1 Number of desirable outputs

r 2 = 1, ……, R 2 Number of undesirable outputs r th discretionary and undesirable output shortfall
dyb
r D2

r1∪ r2 r = 1, ……, R
i 1 D = 1, ……, I 1 D Number of discretionary and non-energy inputs x io i th input of DMU o
i 1 ND = 1, ……, I 1 ND Number of non-discretionary and non-energy inputs y ro r th output of DMU o
i 1 D ∪ i 1 ND i 1 = 1, ……, I 1 x io NE i th non-energy input of DMU o
i 2 D = 1, ……, I 2 D Number of discretionary and energy inputs x io E i th energy input of DMU o
i 2 ND = 1, ……, I 2 ND Number of non-discretionary and energy inputs y ro g r th desirable output of DMU o
i 2 D ∪ i 2 ND i 2 = 1, ……, I 2 y ro b r th undesirable output of DMU o
r 1 D = 1, ……, R 1 D Number of discretionary and desirable outputs x ij N i th non-energy input of DMU j
r 1 ND = 1, ……, R 1 ND Number of non-discretionary and desirable outputs x ij E i th energy input of DMU j
r 1 D ∪ r 1 ND r 1 = 1, ……, R 1 y rj g r th desirable output of DMU j
r 2 D = 1, ……, R 2 D Number of discretionary and undesirable outputs y rj b r th undesirable output of DMU j
r 2 ND = 1, ……, R 2 ND Number of non-discretionary and undesirable outputs λj Determinant of best practices for DMU o
r 2 D ∪ r 2 ND r 2 = 1, ……, R 2 η* The eco-ef fi ciency score of DMU o
 K. Rashidi, R. Farzipoor Saen / Energy Economics 50 (2015) 18 – 26 21

The BAM with inputs and outputs separation along with nondiscretionary factors is as follows:
An optimal ef fi ciency score is measured by η ¼ 1 − ∑ I i¼1 B xio d x i þ

∑R r¼1 B yro d y r Þ and it lies between 0 and 1. The superscript (*) indicates optimality.

At this juncture, we propose a newversion of BAMmodel to incorporate input and output

max X I D 1 B x NE B xE B yg þ X RD2 B yb
iD1o d ixDNE1 þ X I D 2 iD2o di xD 2E þ X R D 1 rD1o dryDg1 rD2o dryDb2
separations to deal with energy and non-energy inputs; and desirable and undesirable outputs. To rD1 ¼ 1 rD2 ¼ 1
iD1 ¼ 1 iD2 ¼ 1
this end, inputs should be classi fi ed into energy inputs (coal, oil, gas, etc) and nonenergy inputs
(labor, capital, cost, etc) ( Zhou and Ang, 2008 ). Likewise, outputs should be divided into desirable
outputs (gross domestic production, number of green patents, etc) and undesirable outputs (CO 2

s.t.

emission, greenhouse gas, etc) ( Li and Hu, 2012 ).

XJ
x NE i D 1 j λ j þ d x NE i D 1 ¼ 1; ……; I D 1
i D 1 ¼ x NE i D 1 o;
To measure eco-ef fi ciency, it is important to incorporate various types of indicators into the j¼1

newmodel.We extend themodel as follows: XJ

x NE i ND i 1ND¼ 1; ……; I ND 1
1 j λ j ≤ x NE
i ND
1 o;
j¼1

XJ
Max X I 1 B io
x NE B io
xE B ro
yg B ro
yb x E iD2j λ j þ d xE i D 2 ¼ 1; ……; I D 2
d x NEi þ X I 2 d xiEþ X R 1 d yr gþ X R 2 d yr b iD2¼ x E i D 2 o;
i1 ¼ 1 i2 ¼ 1 r1 ¼ 1 r2 ¼ 1 j¼1

XJ
x E i ND i 2ND¼ 1; ……; I ND 2
2j λ j ≤ x E
i ND
2 o;
j¼1
s.t.
XJ
y g rD1j λ j − d yg ¼ y g r D 1 ¼ 1; ……; R D 1
rD1 r D 1 o;
XJ j¼1 ð3Þ

x NE i j λ j þ d x NEi ¼ x NE io
i 1 ¼ 1; ……:; I 1 XJ
j¼1 y g r ND r ND
1 ¼ 1; ……; R ND 1
r ND
1j λ j ≥ y g 1 o;
XJ j¼1

x Ei j λ j þ d x E i ¼ x Eio i 2 ¼ 1; ……:; I 2 XJ
j¼1 y br D 2 j λ j þ d y b ¼ y br D 2 o; r D 2 ¼ 1; ……; R D 2
rD2
XJ j¼1

y gr j λ j − d y rg ¼ y gro r 1 ¼ 1; ……:; R 1 XJ
j¼1 ð2Þ y br ND r ND
2 ¼ 1; ……; R ND 2
2 j λ j ≤ y br ND 2 o;
XJ j¼1

y br j λ j þ d y b r ¼ y bro r 2 ¼ 1; ……:; R 2 XJ
j¼1 λj¼ 1
XJ j¼1

λj¼ 1 j ¼ 1; ……:; J
d xi DNE1 ; d x E iD2; d y gr D 1 ; d y rb D 2 ; λ j ≥ 0; j ¼ 1; …; J:
j¼1

λ j ≥ 0; d x NE i≥ 0; d x E i≥ 0; d y g r≥ 0; d y b r≥ 0:
Bounds of the proposed model are de fi ned as B x NE
iD1o ¼
h i, B x E h i,
1= I D 1 þ I D 2 þ R D 1 þ R D 2 L− L−
iD1o iD2o ¼ 1= I D 1 þ I D 2 þ R D 1 þ R D 2 iD2o
h i , and B y b h
Usually DEA assumes that all the inputs and outputs are under control (discretionary) of decision B yg RD1þ
rD1o ¼ 1= I D 1 þ I D 2 þ R D 1 þ R D 2 U þ r D 1 o r D 2 o ¼ 1= I D 1 þ I D 2 þ
makers. However, in real world, there might be non-discretionary or “ exogenously fi xed ” variables i. It is important to note that we consider undesirable output (CO 2 emission) as input

such as precipitation, soil characteristics, age of facilities, etc. The nondiscretionary factors have two R D 2 Þ L − rD2o
because we wish to reduce undesirable outputs.
features: Firstly, they are beyond the control of managers. Secondly, non-discretionary factors do not
exist in the objective function and ef fi ciency scores can be in fl uenced by their existence in constraints
( Farzipoor Saen, 2005 ). These factors cannot be changed arbitrarily. For the fi rst time, The objective function of the BAMmaximizes inef fi ciencies. Consequently, the eco-ef fi ciency
non-discretionary factors were considered by Charnes and Cooper (1985) and Charnes et al. (1985) . score is obtained by

η ¼ 1 − X ID1 þ X ID2 þ X RD2 :

i D x1 oNEdi Dx1NE
iD1 ¼ 1 B i D 2 ¼ 1 Bi Dx2 Eo di Dx2Eþ X RD1 r Dy1 go dr Dy 1g
rD1 ¼ 1 B r Dy2 bo dr Dy 2b
rD2 ¼ 1 B

De fi nition 1. DMU o, after running the Eq. (3) , is said to be eco-ef fi cient if and only if η j
• = 1 or d x NE ¼ d yb ¼ 0.
Here, the inputs and outputs are separated into discretionary and non-discretionary factors. This iD1¼ d xE iD2¼ d yg rD1 rD2

helps us to calculate the eco-ef fi ciency scores accurately. If non-discretionary factors are not
incorporated into our proposed model, the eco-ef fi ciency scores will be biased. At this juncture, the 3.1. De fi nition of potentials
discretionary and non-discretionary factors are incorporated into the Eq. (2) . Both inputs and outputs
can be separated into discretionary and non-discretionary factors ( Banker and Morey, 1986 ). Asmentioned in Section 2 , one of the contributions of this paper is to
Therefore, inputs and outputs are divided into discretionary and nondiscretionary factors. calculate DMU's potentials. Potentials, in this paper, refer to the ESP and UOAP. The ESP indicates
capacity of reducing energy inputs in each DMU. To measure ESP, the slacks should be divided by
their related actual inputs. Similarly, the UOAP shows capability of decreasing undesirable outputs in
each DMU. To measure UOAP, the slacks should be divided by their actual outputs. Note that if the
slack becomes zero, then the potential will be zero. That is why ef fi cient DMUs have no potentials to
improve their performance because they are located on
i ¼ 1;f ……:; I g ¼ i D ∪ i ND ; i D ∪ i ND ¼ ∅
r ¼ 1;f ……:; R g ¼ r D ∪ r ND ; r D ∪ r ND ¼ ∅:
22 K. Rashidi, R. Farzipoor Saen / Energy Economics 50 (2015) 18 – 26

ef fi ciency frontier. The ESP i and UOAP r are calculated as follows: case study, the eco-ef fi ciency of 19 OECD countries are measured based on green indicators.
,

ESP i D 2 j ¼ d xE
iD 2
; i D 2 ¼ 1; ……; I D 2 ; j ¼ 1; ……; J The eco-ef fi ciency is a management philosophy tominimize ecological damage while maximizing

x iD 2 jo
processes ef fi ciency. 2 Based on this definition, the criteria of the case study are selected to measure
the ecoef fi ciency of some of OECD countries.
,
rD 2 Inputs are labor force (millions), precipitation average (mm per year), and energy use (kilotonne
UOAP r D 2 j ¼ d yb ; r D 2 ¼ 1; ……; R D 2 ; j ¼ 1; ……; J:
y rD 2 jo
(kt) of oil equivalent, thousands). Labor force comprises people aged 15 and older who meet the
International Labor Organization de fi nition of the economically active population: all people who

3.2. Green index supply labor for the production of goods and services during a speci fi ed period. It includes both
employed and unemployed population. Labor force criterion has been used in many papers related to

Green index can be obtained as follows: measuring the environmental performance and ecoef fi ciency of OECD countries (e.g., Zo fi o and
Prieto, 2001; Färe et al., 2004 ). On the other hand, there are two reasons for selecting precipitation
average. First, as discussed in Rosenfeld et al. (2007) , precipitation can diminish air pollution.
max X I D 2 B xE B yb Second, Farzipoor Saen (2005) dealt with precipitation as both input and non-discretionary factor
iD2o di xD 2E þ X R D 2 rD2o d ryDb2
iD2 ¼ 1 rD2 ¼ 1 because managers have no control over this factor. The third input is energy use. The energy use has
been considered in many papers related to ecoef fi ciency assessment of OECD countries (e.g., Zhou
s.t. et al., 2008; Färe et al., 2004 ).

XJ
x NE i D 1 j λ j ≤ x NE i D 1 ¼ 1; ……; I D 1
i D 1 o;
j¼1

XJ
x NE i ND i 1ND¼ 1; ……; I ND 1
1 j λ j ≤ x NE
i ND
1 o;
j¼1 The outputs are gross domestic product (GDP) per unit of energy use and CO 2 ( carbon dioxide)
XJ emission from fuel combustion. GDP per unit of energy use is the purchasing power parity (PPP)
x E iD2j λ j þ d xE i D 2 ¼ 1; ……; I D 2
iD2¼ x E i D 2 o; GDP 3 per kilogramof oil equivalent of energy use. CO 2 is amajor greenhouse gaswhich is produced by
j¼1
human. Note that GDP is one of the widely-applied criteria in macro-economics. There is a direct
XJ
x E i ND i 2ND¼ 1; ……; I ND 2 relationship between GDP and CO 2
2j λ j ≤ x E
i ND
2 o;
j¼1

XJ ( Färe et al., 2004 ). There are many papers that took into account the GDP and CO 2 for measuring the
y g rD1j λ j ≥ y g r D 1 ¼ 1; ……; R D 1
r D 1 o; eco-ef fi ciency (e.g., Zhou et al., 2006; Arcelus and Arocena, 2005; Zaim and Taskin, 2000a ). In this
j¼1 ð4Þ
study, both economic and environmental factors are selected to estimate the eco-ef fi ciency of DMUs
XJ
y g r ND r ND (OECD countries). Data set of this case study dates back to 2012. Note that all the criteria except for
r ND 1 ¼ 1; ……; R ND 1
1j λ j ≥ y g 1 o;
j¼1 precipitation average are discretionary factors. Data set were extracted fromwebsites of OECD
XJ countries ( www.oecd.org ) and World Bank ( www.worldbank. org ).
y br D 2 j λ j þ d y b ¼ y br D 2 o; r D 2 ¼ 1; ……; R D 2
rD2
j¼1

XJ
y br ND r ND
2 ¼ 1; ……; R ND 2
2 j λ j ≤ y br ND 2 o;
j¼1 Table 2 reports summary of criteria. Table 3 presents dataset of some of OECD countries.
XJ
λj¼ 1
Here, the eco-ef fi ciency of some of OECD countries is measured by the Model (3) and the pure
j¼1
environmental performance is calculated by Model (4) . The eco-ef fi ciency scores and green indices
d xE ; λ j ≥ 0; j ¼ 1; …; J:
iD2; d y br D 2 are shown in Table 4 . The optimal slacks are depicted in Table 4 . In Table 4 there are fi ve ef fi cient
DMUs including Australia, Finland, Ireland, New Zealand, and Switzerland. It means that they are
In the Eq. (4) , the objective function maximizes inef fi ciencies of energy consumption and environmentally ef fi cient. This implies that they have no input excesses and/or output shortfalls.
undesirable outputs. As a result, green index (GI) can be calculated as follows: However, the rest of the countries are inef fi cient in terms of the eco-ef fi ciency concept. It means that
they are not on ef fi-

GI ¼ 1 − X I D 2 B xE B yb : ciency frontier. They can reach to the eco-ef fi ciency frontier and become eco-ef fi cient by reducing
iD2o di xD 2E þ X R D 2 rD2o d ryDb2
rD2 ¼ 1
iD2 ¼ 1 inputs and/or increasing outputs given their slacks. As is seen, the second column of Table 4 indicates
the ecoef fi ciency score of each DMU. The higher score implies better performance.
The larger GI implies that the DMU o has better performance in controlling energy consumption,
pollutants, and wastes. In fact, this index estimates to what extent DMU o has focused on
environmental protection. Moreover, the third column of Table 4 represents green index scores. Surprisingly, it can be seen
that ef fi cient DMUs are also ef fi cient with respect to the pure eco-performance measure. They are not
only ecoef fi cient but also are pure eco-performers. The green index score implies pure
4. Case study eco-performance of DMUs.

At this juncture, a case study related to some selected OECD countries is given. OECD includes The ESP and CO 2 abatement potentials (UOAP) for inef fi cient DMUs are given in Table 5 .
34 countries. One of the main aims of OECD is to enhance policies for sustainable development and
economic growth, to improve standards of living, and trade liberalization. 1 OECD tries to balance
economic, social, and environmental factors. In this
2 www.businessdictionary.com .
3 PPP GDP is gross domestic product converted to current international dollars using purchasing power parity rates

based on 2011 International Comparison Program (ICP) round.

1 www.oecd.org .
 K. Rashidi, R. Farzipoor Saen / Energy Economics 50 (2015) 18 – 26

Table 2 Table 4
Criteria for the eco-ef fi ciency evaluation. Results of Models (3) and (4) .

Criteria Notations Discretionary Non-discretionary De fi nitions DMUs η* GI sN1 sE1 sb1 sg1

Non-energy x NE 1 j ✓ Labor force Australia 1 1 0 0 0 0

inputs x NE 2 j ✓ Precipitation Austria 0.097 0.524 2.3 19.6 29.18 4.1
average Belgium 0.054 0.508 2.8 44 69.01 7.6
Energy xE1j ✓ Energy use Canada 0.272 0.538 16.61 219.58 484.59 0.77
input Denmark 0.52 0.864 0.8 3.74 1.58 1.5
Desirable yg1j ✓ GDP per unit of Finland 1 1 0 0 0 0
output energy use France 0.061 0.523 25.46 226.2 292.63 7.6
Undesirable y1jb ✓ CO 2 emission from fuel Germany 0.06 0.519 37.06 281.9 714.01 6
output combustion Greece 0.086 0.519 2.93 12.7 41.96 4.7
Ireland 1 1 0 0 0 0
Italy 0.065 0.516 20.44 133.1 333.51 3.9
Japan 0.016 0.500 60.66 426 1182.04 7.3
The Netherlands 0.052 0.498 6.8 64.9 138.22 5.9
Now, inef fi cient DMUs are ranked with respect to their potentials.
New Zealand 1 1 0 0 0 0
Table 6 reports ranking results. Norway 0.276 0.632 0.6 16.5 0.64 4.7
It is shown that each DMU with higher energy saving potential (i.e., higher use of energy Spain 0.056 0.501 18.96 99.2 225.32 5.2
Sweden 0.152 0.592 2.98 35.6 4.87 8.1
resources) has higher CO 2 abatement potential. In otherwords, themore use of energy resources,
Switzerland 1 1 0 0 0 0
themore undesirable outputs in production process. For instance, Japan and Germany have the fi rst
The UK 0.043 0.496 27.96 166.9 416.19 5.1 23
and the second ranking in both energy saving and CO 2

abatement potentials ranking. Likewise, Denmark with low rank (fourteenth) in energy saving potential
has also the low rank (thirteenth) in CO 2 abatement potential. The lower the rank in each saving
between two variables. Correlation coef fi cient between the ESP and CO 2 abatement potential (UOAP)
criterion, thebetter the performance. In contrast, the higher the rank in saving criterion, the worse the
is 0.97. This implies strong and direct association between the ESP and UOAP. It means CO 2 is
environmental performance becomes. Among inef fi cient DMUs the best performance belongs to
increased when energy consumption is increased.
Denmark and Greece with 0.22 and 0.49, respectively. Norway and Denmark are the best in
decreasing undesirable output. However, Japan has the worst performance in reducing the use of
energy and undesirable output.

4.2. Data analysis

4.1. Spearman correlation coef fi cient
At this juncture, statistical correlation between two types of potentials is determined by Spearman
correlation coef fi cient. Spearman coef fi cient is suitable for both continuous and discrete variables
including ordinal variables. Sign of Spearman correlation coef fi cient manifests type of correlation
between two variables. If a variable is increasedwhen other variable is increased, Spearman
correlation coef fi cient is positive. If a variable is decreased when other variable is increased,
Spearman correlation coef fi cient is negative. A Spearman correlation of zero shows that there is no
correlation
Given the obtained results, it is clear that fi ve countries are ecoef fi cient and the rest are eco-inef fi cient.
Furthermore, inef fi cient countries can decrease CO 2 emissions (undesirable outputs) by reducing
energy use (energy inputs). In other words, the more use of energy resources, the more undesirable
outputs (CO 2 emissions). With respect to the potentials, inef fi cient DMUs can be located on ef fi ciency
frontier. Likewise, by taking into account themeasured potentials, the inef fi cient DMUs can become ef fi
cient. On the other hand, it can be easily seen that all ef fi cient DMUs have green index equal to 1 and
inef fi cient DMUs have green index less than 1. For instance, Greece as inef fi cient DMU has green
index equal to 0.519 which implies violation of environmental principles.

Table 3
Data set.

DMUs (countries) Inputs Outputs

Labor force Precipitation average (mm Energy use (kt of oil equivalent, CO 2 emission (tonnes, GDP per unit of energy use (ppp $ per kg
(millions) per year) thousands) millions) of oil equivalent)

Australia 12.02 534 133.7 386.27 7.3

Austria 4.4 1110 32.9 64.73 11.5
Belgium 4.9 847 57.3 104.56 8
Canada 19.3 537 252.7 533.74 5.8
Denmark 2.9 703 17.04 37.13 14.1
Finland 2.7 536 33.5 49.41 6.4
France 30.1 867 251.7 333.89 9.7
Germany 41.7 700 307.4 755.27 11.3
Greece 5.03 652 26 77.51 10.9
Ireland 2.1 1118 13.3 35.55 15.6
Italy 25.08 832 158.6 374.77 13.4
Japan 65.3 1668 451.5 1 223.3 10
The Netherlands 8.9 778 78.2 173.77 9.7
New Zealand 2.4 1732 18.6 32.14 7.7
Norway 2.7 1414 29.8 36.19 10.9
Spain 23.6 636 124.7 266.58 12.1
Sweden 5.08 624 48.9 40.42 8.5
Switzerland 4.64 1537 25.5 41.26 17.3
The UK 32.6 1220 192.4 457.45 12.2
24 K. Rashidi, R. Farzipoor Saen / Energy Economics 50 (2015) 18 – 26

Table 5 Table 7
Energy input and undesirable output potentials. Percentage of inputs and outputs improvements.

DMUs Energy saving potential (ESP 1) CO 2 abatement potential (UOAP 1) DMUs Labor force Energy use CO 2 emission GDP

Austria 0.52 0.60 0.45 0.36

Austria 0.60 0.45 Belgium 0.57 0.77 0.66 0.95
Belgium 0.77 0.66 Canada 0.86 0.87 0.91 0.13
Canada 0.87 0.91 Denmark 0.27 0.22 0.04 0.11
Denmark 0.22 0.04 France 0.84 0.90 0.88 0.78
France 0.90 0.88 Germany 0.89 0.92 0.95 0.53
Germany 0.92 0.95 Greece 0.58 0.49 0.54 0.43
Greece 0.49 0.54 Italy 0.81 0.84 0.89 0.29
Italy 0.84 0.89 Japan 0.93 0.94 0.97 0.73
Japan 0.94 0.97 The Netherlands 0.76 0.83 0.80 0.61
The Netherlands 0.83 0.80 Norway 0.22 0.55 0.02 0.43
Norway 0.55 0.02 Spain 0.80 0.80 0.85 0.42
Spain 0.80 0.85 Sweden 0.59 0.73 0.12 0.95
Sweden 0.73 0.12 The UK 0.86 0.87 0.91 0.42
The UK 0.87 0.91

Now, we compute the potentials for all inputs and outputs. In Table 7
all potentials are provided. We wish to determine which criterion has more impact on inef fi ciency of
countries.
By expressing the potentials based on percentage, measurement unit for all slacks is uni fi ed. As
a result, we can compare the criteria easily. Table 7 reveals that the labor force's inef fi ciency is higher
for Denmark and Greece. Inef fi ciency of energy use plays more signi fi cant role for Austria, France,
TheNetherlands, andNorway since its improvement percentage is higher than others. Likewise, the
percentage for improving CO 2 emission in Canada, Germany, Italy, Japan, Spain, and the UK leads to
more inef fi ciency. Finally, the inef fi ciency of GDP for both Belgium and Sweden is 0.95.
for Conservation of Nature (IUCN) can oblige countries to improve their environmental performance.
Also, other international organizations such as United Nations Environment Programme (UNEP) and
OECD can penalize inef fi cient countries for their eco-inef fi ciencies. In micro-level, capacity of
improvement for each country can be computed by proposed potentials formulations. This feature
enables countries to manage their natural resources. For example, overuse of natural resources can
be easily determined by themeasured potentials. This is really vital for governments because of
scarcity of natural resources.
4.4. Differences with previous case studies

Here, we discuss the eco-ef fi ciency score and green index of DMUs. As is seen in Table 4 , all ef fi
cient DMUs with the eco-ef fi ciency score of 1 have green index 1 as well. We compare the eco-ef fi ciency regions by environmental DEA technologies. They evaluated the environmental performance, carbon
score with the green index score. In the objective function of the green index only environmental
factors such as energy use and CO 2 emissions are considered which play environmental aspect of the
eco-ef fi ciency score. Economic factors such as labor force and GDP have indirect effect on ef fi ciency
score. Thus, it can be concluded that the eco-ef fi ciency of Australia, Finland, Ireland, NewZealand,
and Switzerland ismore rooted from their environmental performance rather than their economic
performance.
4.3. Managerial implications
In this subsection, the results of our case study are compared with the previous case studies. Zhou
et al. (2008) measured environmental performance of OECD countries in comparison with 7 world
intensity, carbon factor, and energy intensity. Zaim and Taskin (2000a) evaluated the environmental
ef fi ciency in carbon dioxide emissions in OECD countries by a non-parametric approach. They
measured environmental performance of OECD countries within 1980 – 1990 and then the countries
were categorized into three levels. Countries which remained ef fi cient in all periods were in the fi rst
category and countries improving their ef fi ciency score were in the second category. Finally, the worst
countries were in the third category. Zo fi o and Prieto (2001) conducted a case study within 14 OECD
countries based on the CO 2 emissions and identi fi ed the lower and upper limits of CO 2 for each DMU. Färe
et al. (2004) assessed the multilateral environmental index as well as the quantity index of good
outputs and the quantity index of bad outputs for 17 OECD countries. Kortelainen (2008) evaluated
eco-ef fi ciency scores of 20 EU countries by a Malmquist index approach. Korhonen and Luptacik
(2004) measured the eco-ef fi ciency of 24 coal- fi red power plants in a European country by DEA.

Inmacro-level, by introducing inef fi cient countries, international organizations can pay more
attention to their operations and can force them to follow environmental rules. For instance,
International Union

Table 6
DMUs ranking based on the ESP and UOAP.
As is seen, there is no case studywhichde fi nes a correlation between energy inputs and
DMUs Rank Energy saving DMUs Rank CO 2 abatement undesirable outputs based on the eco-ef fi ciency score. Besides, there is no case study to present a
potential potential new approach for calculating the energy saving and undesirable output abatement potentials for inef fi cient
(ESP 1) (UOAP 1)
DMUs.
Japan 1 0.94 Japan 1 0.97
Germany 2 0.92 Germany 2 0.95
France 3 0.90 Canada 3 0.91
4.5. Sensitivity analysis
Canada 4 0.87 The UK 4 0.91
The UK 5 0.87 Italy 5 0.89
Italy 6 0.84 France 6 0.88 To illustrate whether selected factors affect the results, sensitivity analysis is run and the eco-ef fi ciency
The Netherlands 7 0.83 Spain 7 0.85 scores in the absence of each factor are shown in Table 8 . Here, the factors are removed one by one
Spain 8 0.80 The Netherlands 8 0.80
and then the eco-ef fi ciency is calculated. As is shown, inef fi cient DMUs are inef fi-
Belgium 9 0.77 Belgium 9 0.66
Sweden 10 0.73 Greece 10 0.54
Austria 11 0.60 Austria 11 0.45 cient in all cases. Austria, Belgium, Canada, Denmark, France, Germany, Greece, Italy, Japan, The
Norway 12 0.55 Sweden 12 0.12 Netherlands, Norway, Spain, Sweden, and the UK are still inef fi cient after removing factors one by
Greece 13 0.49 Denmark 13 0.04
one. Among ef fi-
Denmark 14 0.22 Norway 14 0.02
cient DMUs only Ireland is still eco-ef fi cient in all cases, however,
 K. Rashidi, R. Farzipoor Saen / Energy Economics 50 (2015) 18 – 26 25

Table 8
Results of sensitivity analysis.

DMUs In the presence of all factors In the absence of labor force In the absence of precipitation average In the absence of In the absence of CO 2 In the absence of GDP
energy use emission

η* η* η* η* η* η*

Australia 1 1 0.046 1 1 1
Austria 0.097 0.348 0.097 0.348 0.322 0.274
Belgium 0.054 0.303 0.054 0.305 0.296 0.258
Canada 0.272 0.521 0.04 0.492 0.514 0.289
Denmark 0.52 0.77 0.52 0.553 0.6 0.619
Finland 1 1 0.088 1 1 1
France 0.061 0.29 0.061 0.287 0.295 0.271
Germany 0.06 0.282 0.06 0.313 0.274 0.282
Greece 0.086 0.335 0.086 0.336 0.317 0.27
Ireland 1 1 1 1 1 1
Italy 0.065 0.292 0.065 0.292 0.299 0.263
Japan 0.016 0.258 0.016 0.271 0.252 0.247
The Netherlands 0.052 0.304 0.052 0.305 0.301 0.246
New Zealand 1 1 1 1 0.295 0
Norway 0.276 0.526 0.276 0.527 0.315 0.455
Spain 0.056 0.284 0.056 0.275 0.304 0.243
Sweden 0.152 0.402 0.152 0.401 0.299 0.346
Switzerland 1 1 1 1 1 0.454
The UK 0.043 0.267 0.043 0.277 0.293 0.252

other ef fi cient DMUs are not ef fi cient in some cases. For instance, when precipitation average is
removed, Australia and Finland become inef fi-
cient. This means precipitation average is signi fi cant factor for these DMUs. Likewise, CO 2 emission
and GDP play a vital role in some countries such as New Zealand and Switzerland, respectively. That
is why they become inef fi cient when these factors are removed. Therefore, after removing each factor
the results are considerably changed.
References
Arcelus, F.J., Arocena, P., 2005. Productivity differences across OECD countries in the
presence of environmental constraints. J. Oper. Res. Soc. 56 (12), 1352 – 1362.
Avadi, A., Vazquez-Rowe, I., Freon, P., 2014. Eco-ef fi ciency assessment of the Peruvian
anchoveta steel and wooden fl eets using the LCA + DEA framework. J. Clean. Prod.
70, 118 – 131.
Azadi, M., Farzipoor Saen, R., 2012. Developing a nondiscretionary slacks-based measure
model for supplier selection in the presence of stochastic data. Res. J. Bus. Manag. 6 (4), 103 – 120.

5. Conclusions
Overuse of natural resources and climate change are today's problems ( Lemieux et al., 2013;
Krol and Bronstert, 2007 ). Conservation of natural resources for future generations has become a
highly contentious issue. In this paper, we proposed a DEA-based model to evaluate the eco-ef fi ciency
Azadi, M., Farzipoor Saen, R., Tavana, M., 2012. Supplier selection using chance-
constrained data envelopment analysis with non-discretionary factors and stochastic data. Int. J. Ind. Syst. Eng.
10 (2), 167 – 196.
Banker, R.D., Morey, R.C., 1986. Ef fi ciency analysis for exogenously fi xed inputs and out-
puts. Oper. Res. 34 (4), 513 – 521.
Barba-Gutiérrez, Y., Adenso-Diaz, B., Lozano, S., 2009. Eco-ef fi ciency of electric and elec-
tronic appliances: a data envelopment analysis (DEA). Environ. Model. Assess. 14 (4), 439 – 447.

of some selected OECD countries. Then, we introduced a new approach for becoming ef fi cient. We
separated the inputs into energy and non-energy inputs. As well, the outputs were divided into
desirable and undesirable outputs. Moreover, we dealt with discretionary and non-discretionary
factors. Using our approach, the ecoef fi ciency of each country was calculated. We estimated
potentials for reducing both energy consumption and undesirable outputs. Spearman correlation coef fi cient Coli, M., Nissi, E., Rapposelli, A., 2011. Monitoring environmental ef fi ciency: an application
showed that there is a strong and direct association between energy saving potential and CO 2 abatement
potential. In addition to evaluation of eco-ef fi ciency of DMUs, a green indexwas provided to assess
DMUs' green ef fi ciency. We found out that ef fi cient DMUs gained a green index equal to 1. In
contrast, inef fi cient DMUs attained a green index less than 1. The lower the green index, the more the
Charnes, A., Cooper, W.W., 1985. Preface to topics in data envelopment analysis. Ann.
Oper. Res. 2 (1), 59 – 94.
Charnes, A., Cooper, W.W., Golany, B., Seiford, L., Stultz, J., 1985. Foundations of data en-
velopment analysis for Pareto-Koopmans ef fi cient empirical production functions.
J. Econ. 30 (1 – 2), 91 – 107.
to Italian provinces. Environ. Model. Softw. 26 (1), 38 – 43.
Cooper, W.W., Park, K.S., Pastor, J.T., 1999. RAM: a range adjusted measure of inef fi ciency
for use with additive models, and relations to other models and measures in DEA.
J. Prod. Anal. 11 (1), 5 – 42.
Cooper, W.W., Seiford, L.M., Tone, K., 2007. Data Envelopment Analysis: a Comprehensive

energy consumption. The eco-ef fi ciency scores were calculated by taking into account energy and Text with Models, Applications, References and DEA-Solver Software. Second Edition. Springer, New York.

non-energy inputs, desirable and undesirable outputs, and discretionary and non-discretionary
Cooper, W.W., Pastor, J.T., Borras, F., Aparicio, J., 2011. BAM: a bounded adjusted measure
factors. Australia, Finland, Ireland, New Zealand, and Switzerland were ecoef fi cient countries. of ef fi ciency for use with bounded additive models. J. Prod. Anal. 35 (2), 85 – 94.

Furthermore, eco-ef fi cient countries gained the green index equal to 1. Egilmez, G., Park, Y.S., 2014. Transportation related carbon, energy and water footprint
analysis of U.S. manufacturing: an eco-ef fi ciency assessment. Transp. Res. Part D: Transp. Environ. 32, 143 – 159.

Färe, R., Grosskopf, S., Lovell, K., Pasurka, C., 1989. Multilateral productivity comparisons
when some outputs are undesirable: a nonparametric approach. Rev. Econ. Stat. 71 (1), 90 – 98.

With respect to the results of this paper, following research topics are suggested: Similar models
can be developed in the presence of fuzzy data. In addition, the proposedmodel can be extended in
the presence of stochastic data.
Acknowledgments
Färe, R., Grosskopf, S., Hernandez-Sancho, F., 2004. Environmental performance: an index
number approach. Resour. Energy Econ. 26 (4), 343 – 352.
Farrell, M.J., 1957. Themeasurement of productive ef fi ciency. J. R. Stat. Soc. Ser. A (General)
120 (Part 3), 253 – 281.
Farzipoor Saen, R., 2005. Developing a nondiscretionarymodel of slacks-basedmeasure in
data envelopment analysis. Appl. Math. Comput. 169 (2), 1440 – 1447.
Farzipoor Saen, R., 2009. Technology selection in the presence of imprecise data, weight re-
strictions, and nondiscretionary factors. Int. J. Adv. Manuf. Technol. 41 (7 – 8), 827 – 838.
Huppes, G., 2009. Eco-ef fi ciency: from focused technical tools to re fl ective sustainability
analysis. Ecol. Econ. 68 (6), 1572 – 1574.
Huppes, G., Ishikawa, M., 2009. Eco-ef fi ciency guiding micro-level actions towards sus-
tainability: ten basic steps for analysis. Ecol. Econ. 68 (6), 1687 – 1700.
Koplin, J., Seuring, S., Mesterharm, M., 2007. Incorporating sustainability into supplyman-
agement in the automotive industry: the case of Volkswagen. J. Clean. Prod. 15 (11 – 12), 1053 – 1062.

The authors wish to thank two anonymous reviewers for their valuable suggestions and
Korhonen, P.J., Luptacik, M., 2004. Eco-ef fi ciency analysis of power plants: an extension of
comments. data envelopment analysis. Eur. J. Oper. Res. 154 (2), 437 – 446.
26 K. Rashidi, R. Farzipoor Saen / Energy Economics 50 (2015) 18 – 26
Kortelainen, M., 2008. Dynamic environmental performance analysis: a Malmquist index
approach. Ecol. Econ. 64 (4), 701 – 715.
Krol, M.S., Bronstert, A., 2007. Regional integratedmodeling of climate change impacts on
natural resources and resource usage in semi-arid Northeast Brazil. Environ. Model. Softw. 22 (2), 259 – 268.
Kuosmanen, T., Kortelainen, M., 2005. Measuring eco-ef fi ciency of production with data
envelopment analysis. J. Ind. Ecol. 9 (4), 59 – 72.
Lee, K.H., Farzipoor Saen, R., 2012. Measuring corporate sustainability management: a
data envelopment analysis approach. Int. J. Prod. Econ. 140 (1), 219 – 226.
Lemieux, C.J., Thompson, J.L., Dawson, J., Schuster, R.M., 2013. Natural resource manager
perceptions of agency performance on climate change. J. Environ. Manag. 114, 178 – 189.
Li, L.B., Hu, J.L., 2012. Ecological total-factor energy ef fi ciency of regions in China. Energy
Policy 46, 216 – 224.
Mitlin, D., 1992. Sustainable development: a guide to the literature. Environ. Urban. 4 (1),
111 – 124.
Picazo-Tadeo, A.J., Gómez-Limón, J.A., Reig-Martínez, E., 2011. Assessing farming eco-
ef fi ciency: a data envelopment analysis approach. J. Environ. Manag. 92 (4), 1154 – 1164.
Rashidi, K., Shabani, A., Frazipoor Saen, R., 2015. Using data envelopment analysis for es-
timating energy saving and undesirable output abatement: a case study in the OECD countries. J. Clean. Prod.
(in press).
Rosenfeld, D., Dai, J., Yu, X., Yao, Z., Xu, X., Yang, X., Du, C., 2007. Inverse relations between
amounts of air pollution and orographic precipitation. Science 315 (5817), 1396 – 1398.
Schaltegger, S., Burrit, R., 2005. Corporate sustainability. In: Folmer, H., Tienenberg, T.
(Eds.), The International Yearbook of Environmental and Resource Economics. Edward Elgar, Cheltenham, pp.
185 – 232.
Wang, Y., Liu, J., Hansson, L., Zhang, K., Wang, R., 2011. Implementing stricter environ-
mental regulation to enhance eco-ef fi ciency and sustainability: a case study of Shandong province's pulp and
paper industry, China. J. Clean. Prod. 19 (4), 303 – 310.
World Business Council for Sustainable Development, 2000. Eco-ef fi ciency, creating more
value with less impact. Available at. www.wbcsd.org .
Yang, F., Li, Y., Liang, L., Wu, D., 2011. Modeling undesirable outputs in eco-ef fi ciency eval-
uation to paper mills along the Huai River based on Shannon DEA. Int. J. Environ. Sustainable Dev. 10 (1), 36 – 47.
Zaim, O., Taskin, F., 2000a. Environmental ef fi ciency in carbon dioxide emissions in the
OECD: a non-parametric approach. J. Environ. Manag. 58 (2), 95 – 107.
Zaim, O., Taskin, M., 2000b. A Kuznets curve in environmental ef fi ciency: an application
on OECD countries. Environ. Resour. Econ. 17 (1), 21 – 36.
Zhang, B., Bi, J., Fan, Z., Yuan, Z., Ge, J., 2008. Eco-ef fi ciency analysis of industrial system in
China: a data envelopment analysis approach. Ecol. Econ. 68 (1 – 2), 306 – 316.
Zhao, M.Y., Cheng, C.T., Chau, K.W., Li, G., 2006. Multiple criteria data envelopment anal-
ysis for full ranking units associated to environment impact assessment. Int.
J. Environ. Pollut. 28 (3 – 4), 448 – 464.
Zhou, P., Ang, B.W., 2008. Linear programming models for measuring economy-wide
energy ef fi ciency performance. Energy Policy 36 (8), 2911 – 2916.
Zhou, P., Ang, B.W., Poh, K.L., 2006. Slacks-based ef fi ciency measures for modeling
environmental performance. Ecol. Econ. 60 (1), 111 – 118.
Zhou, P., Ang, B.W., Poh, K.L., 2008. Measuring environmental performance under differ-
ent environmental DEA technologies. Energy Econ. 30 (1), 1 – 14.
Zo fi o, J.L., Prieto, M.A., 2001. Environmental ef fi ciency and regulatory standards: the case
of CO 2 emissions from OECD industries. Resour. Energy Econ. 23 (1), 63 – 83.