DPSIR法

方法概述

DPSIR（Drivers-Pressures-State-Impact-Response）（驱动力-压力-状态-影响-响应模型）模型是欧洲环境署（EEA）开发的一种用于描述环境与社会经济系统之间因果关系的概念框架。它将复杂的可持续发展问题分解为五个相互关联的环节：

  • 驱动力（Drivers）：引发环境变化的根本原因，如人口增长、经济发展、消费模式等。
  • 压力（Pressures）：驱动力对环境施加的直接压力，如污染物排放、资源消耗、土地利用变化等。
  • 状态（State）：环境在当前压力下的状况，如空气质量、水质、生物多样性等。
  • 影响（Impact）：环境状态变化对生态系统、人类健康和社会经济产生的影响。
  • 响应（Response）：社会为应对影响而采取的政策措施，如环保法规、治理投资、技术革新等。

DPSIR法的核心思想是：

  • 将评价指标体系按上述五个维度进行组织，每个维度包含若干代表性指标。
  • 对原始数据进行标准化处理，消除量纲影响，并将所有指标转化为正向（越大越好）方向。
  • 根据用户选择的权重计算方法（手动输入、熵权法、CRITIC法）确定各指标的权重。
  • 计算每个维度的综合得分（维度内指标的加权平均）。
  • 对五个维度的得分进行加权综合，得到可持续发展指数（SDI），并据此对评价对象进行排序。

该方法能够系统揭示区域或系统可持续发展的关键驱动因素、压力来源、状态变化、影响程度及响应效果，为政策制定提供科学依据。

计算步骤

1. 构建原始数据矩阵

设有 \(n\) 个评价对象（地区、年份等），\(m\) 个评价指标，原始数据矩阵为：

\[ X = \begin{bmatrix} x_{11} & x_{12} & \cdots & x_{1m} \\ x_{21} & x_{22} & \cdots & x_{2m} \\ \vdots & \vdots & \ddots & \vdots \\ x_{n1} & x_{n2} & \cdots & x_{nm} \end{bmatrix} \]

数据第一列为评价对象名称，后续列对应各指标。建议指标名称使用 D_、P_、S_、I_、R_ 前缀以自动识别所属维度。

2. 数据标准化

为消除量纲影响，需对原始数据进行标准化，同时将指标转化为正向（越大越好）方向。平台支持三种标准化方法：

（1）Min-Max标准化

  • 正向指标： \[ z_{ij} = \frac{x_{ij} - \min(x_j)}{\max(x_j) - \min(x_j)} \]
  • 负向指标： \[ z_{ij} = \frac{\max(x_j) - x_{ij}}{\max(x_j) - \min(x_j)} \] 若 \(\max(x_j) = \min(x_j)\)，则 \(z_{ij} = 0.5\)。

（2）线性标准化（最大值法）

  • 正向指标： \[ z_{ij} = \frac{x_{ij}}{\max(x_j)} \]
  • 负向指标： \[ z_{ij} = \frac{\min(x_j)}{x_{ij}} \quad (\text{若 } x_{ij}=0 \text{ 则取 } 0) \]

（3）向量标准化

\[ z_{ij} = \frac{x_{ij}}{\sqrt{\sum_{i=1}^{n} x_{ij}^2}} \] （不分正负向，需在标准化前已将负向指标转换）

标准化后所有 \(z_{ij} \in [0,1]\)。

3. 计算指标权重

平台支持三种权重计算方法：

（1）手动输入权重

用户直接为每个指标输入权重值（可以不为1，系统会自动归一化处理）。权重反映指标在维度内的相对重要性。

（2）熵权法

基于指标的信息熵确定权重。计算步骤：

  • 计算第 \(j\) 个指标下第 \(i\) 个对象的比重： \[ p_{ij} = \frac{z_{ij}}{\sum_{i=1}^{n} z_{ij}} \]
  • 计算第 \(j\) 个指标的熵值： \[ e_j = -\frac{1}{\ln n} \sum_{i=1}^{n} p_{ij} \ln p_{ij} \] 当 \(p_{ij}=0\) 时，规定 \(p_{ij}\ln p_{ij}=0\)。
  • 计算第 \(j\) 个指标的权重： \[ w_j = \frac{1 - e_j}{\sum_{k=1}^{m} (1 - e_k)} \]

（3）CRITIC法

基于指标的对比强度和冲突性确定权重。计算步骤：

  • 计算第 \(j\) 个指标的标准差 \(\sigma_j\)（反映对比强度）。
  • 计算指标间的相关系数矩阵 \(R\)，第 \(j\) 个指标与其他指标的冲突性为： \[ C_j = \sum_{k=1}^{m} (1 - |r_{jk}|) \]
  • 计算第 \(j\) 个指标的信息量： \[ I_j = \sigma_j \cdot C_j \]
  • 计算权重： \[ w_j = \frac{I_j}{\sum_{k=1}^{m} I_k} \]

4. 计算各维度得分

根据用户设置的指标所属维度（D、P、S、I、R），将每个维度内的指标进行加权综合：

\[ \text{Score}_d(i) = \sum_{j \in \text{维度 } d} w_j \cdot z_{ij} \]

其中 \(w_j\) 为指标权重（已归一化），\(z_{ij}\) 为标准化值。

5. 计算综合可持续发展指数（SDI）

用户为五个维度分别设置权重（反映各维度的重要性，默认等权 0.2）。综合指数为各维度得分的加权和：

\[ \text{SDI}_i = \sum_{d \in \{D,P,S,I,R\}} \text{Weight}_d \cdot \text{Score}_d(i) \]

6. 方案排序

按照 \(\text{SDI}_i\) 从大到小排序，值越大表示可持续发展水平越高。

案例分析

案例背景：某研究团队拟对三个地区（A、B、C）的可持续发展水平进行评价，选取了5个指标，分别属于DPSIR五个维度（每个维度1个指标，仅作演示）。原始数据如下：

地区 D_人均GDP（万元） P_单位GDP能耗（吨标煤/万元） S_空气质量优良天数比例（%） I_健康影响指数（发病率‰） R_环保投资占GDP比重（%）
A 8.5 0.8 85 12 2.5
B 10.2 0.6 92 8 3.0
C 6.3 1.2 78 15 1.8

指标类型：人均GDP、空气质量、环保投资为正向；单位GDP能耗、健康影响指数为负向。采用熵权法计算指标权重，五个维度权重等权（各0.2）。

计算过程

1. 数据标准化（Min-Max法）

先计算各指标的最小最大值：

指标 最小值 最大值
D_人均GDP 6.3 10.2
P_单位GDP能耗 0.6 1.2
S_空气质量 78 92
I_健康影响指数 8 15
R_环保投资 1.8 3.0

标准化值（正向化后）：

  • 人均GDP（正向）：

    • A: (8.5-6.3)/(10.2-6.3)=2.2/3.9=0.5641
    • B: (10.2-6.3)/3.9=3.9/3.9=1.0000
    • C: (6.3-6.3)/3.9=0.0000

  • 单位GDP能耗（负向）：

    • A: (1.2-0.8)/(1.2-0.6)=0.4/0.6=0.6667
    • B: (1.2-0.6)/0.6=0.6/0.6=1.0000
    • C: (1.2-1.2)/0.6=0.0000

  • 空气质量（正向）：

    • A: (85-78)/(92-78)=7/14=0.5000
    • B: (92-78)/14=14/14=1.0000
    • C: (78-78)/14=0.0000

  • 健康影响指数（负向）：

    • A: (15-12)/(15-8)=3/7=0.4286
    • B: (15-8)/7=7/7=1.0000
    • C: (15-15)/7=0.0000

  • 环保投资（正向）：

    • A: (2.5-1.8)/(3.0-1.8)=0.7/1.2=0.5833
    • B: (3.0-1.8)/1.2=1.2/1.2=1.0000
    • C: (1.8-1.8)/1.2=0.0000

标准化矩阵 \(Z\)：

地区 D_人均GDP P_能耗 S_空气质量 I_健康影响 R_环保投资
A 0.5641 0.6667 0.5000 0.4286 0.5833
B 1.0000 1.0000 1.0000 1.0000 1.0000
C 0.0000 0.0000 0.0000 0.0000 0.0000

2. 熵权法计算指标权重

计算每个指标下各对象的比重 \(p_{ij}\)（以D_人均GDP为例）：

  • 和 = 0.5641+1.0000+0.0000=1.5641
  • p_A = 0.5641/1.5641=0.3606
  • p_B = 1.0000/1.5641=0.6394
  • p_C = 0.0000/1.5641=0.0000

同理计算其他指标。

计算各指标的熵值 \(e_j\)（以D_人均GDP为例）：

  • \(e = -1/\ln3 \times (0.3606\ln0.3606 + 0.6394\ln0.6394 + 0) = -0.9102 \times (-0.3675 -0.2857) = 0.9102 \times 0.6532 = 0.5945\)

类似计算所有指标：

指标 D_人均GDP P_能耗 S_空气质量 I_健康影响 R_环保投资
熵值 \(e_j\) 0.5945 0.5670 0.5670 0.5702 0.5888
差异度 \(1-e_j\) 0.4055 0.4330 0.4330 0.4298 0.4112

权重 \(w_j = (1-e_j) / \sum(1-e_j)\)： 总和 = 0.4055+0.4330+0.4330+0.4298+0.4112 = 2.1125

  • w_D = 0.4055/2.1125 = 0.1920
  • w_P = 0.4330/2.1125 = 0.2050
  • w_S = 0.4330/2.1125 = 0.2050
  • w_I = 0.4298/2.1125 = 0.2035
  • w_R = 0.4112/2.1125 = 0.1946

3. 计算各维度得分

由于每个维度只有一个指标，维度得分即该指标的标准化值：

  • 地区A：D=0.5641，P=0.6667，S=0.5000，I=0.4286，R=0.5833
  • 地区B：D=1.0000，P=1.0000，S=1.0000，I=1.0000，R=1.0000
  • 地区C：D=0.0000，P=0.0000，S=0.0000，I=0.0000，R=0.0000

4. 计算可持续发展指数（维度权重等权 0.2）

  • 地区A：SDI = 0.2×(0.5641+0.6667+0.5000+0.4286+0.5833) = 0.2×2.7427 = 0.5485
  • 地区B：SDI = 0.2×(1.0000×5) = 1.0000
  • 地区C：SDI = 0.0000

5. 排序

B(1.0000) > A(0.5485) > C(0.0000)，因此地区B可持续发展水平最高。

结论：地区B在各项指标上均表现最优；地区C各项指标均最差，亟需改进。

常见问题

Q1: DPSIR模型适用于哪些领域？

A: 主要用于环境可持续性评估、区域发展评价、生态安全预警、政策效果评估等。也可推广至企业社会责任、城市竞争力等涉及多维度因果关系的评价。

Q2: 三种权重计算方法如何选择？

A: - 手动输入：适用于有先验知识或专家经验，可直接设定指标相对重要性。 - 熵权法：基于数据离散程度，突出差异大的指标，客观性强，但可能忽略指标间相关性。 - CRITIC法：综合考虑离散程度和指标间冲突性，信息更全面。

建议结合研究目的选择，或对比不同方法的结果。

Q3: 指标名称必须带D_/P_/S_/I_/R_前缀吗？

A: 不是必须，但建议这样做，平台可自动识别维度。若未按此命名，用户需在参数设置中手动为每个指标指定所属维度。

Q4: 维度权重如何设置？

A: 用户需为五个维度分别输入权重，权重和应为1。默认等权（各0.2）。权重可根据研究重点调整，例如更重视“响应”维度可提高R的权重。

Q5: 支持多工作表吗？

A: 支持。平台允许上传包含多个工作表的Excel文件，每个工作表对应不同的数据集，系统会分别分析并输出结果，便于对比不同地区、不同年份的可持续发展状况。

平台功能

DPSIR法分析平台提供以下核心功能：

数据输入

  • 支持CSV、Excel、TXT多种格式。
  • 数据格式要求：第一行为指标名称（建议使用D_、P_、S_、I_、R_前缀），第一列为评价对象名称，数据区域为数值型指标值。

参数设置

  • 标准化方法：选择Min-Max标准化、线性标准化或向量标准化。
  • 权重计算方法：手动输入、熵权法、CRITIC法。
  • 维度权重：为D、P、S、I、R五个维度分别设置权重（和为1）。
  • 指标类型：为每个指标指定类型（正向/负向）和所属维度（手动输入时还需指定权重）。
  • 小数位数：控制输出精度（默认4位）。
  • 显示中间结果：可选是否展示标准化矩阵、权重表等中间步骤。

结果展示

  • 综合结果：各评价对象的维度得分、可持续发展指数及排名。
  • 各维度得分：单独查看每个维度的得分与排名。
  • 计算过程：原始数据、标准化矩阵、指标权重表。
  • 可视化：SDI排名图、DPSIR雷达图、各维度得分对比图。
  • AI智能分析：基于DeepSeek API自动解读结果，提供政策建议（每日限3次）。
  • 多格式导出：支持Excel和HTML报告下载。

使用建议

  1. 准备阶段：明确评价目标，构建DPSIR指标体系，确保每个维度有代表性指标。建议指标数量适中（各维度2-5个），避免过多或过少。

  2. 数据收集：使用平台提供的模板文件填写数据。若数据包含多个年份或多个地区，可放在不同工作表，便于对比分析。

  3. 参数设置：

    • 根据指标性质正确选择类型（正向/负向）。
    • 若采用自动权重方法（熵权/CRITIC），无需手动输入权重；若采用手动输入，可参考专家意见或文献。
    • 维度权重反映研究侧重点，可先使用等权，再根据结果调整。

  4. 结果解读：

    • 关注各维度得分，识别优势维度（得分高）和短板维度（得分低）。
    • 结合可持续发展指数排名，确定整体水平。
    • 利用雷达图直观比较不同评价对象的维度均衡性。

  5. 迭代优化：

    • 若结果与预期不符，可检查指标类型或权重设置。
    • 尝试不同标准化方法和权重计算方法，观察结果的稳定性。
    • 剔除相关性过高或变异过小的指标，优化指标体系。

平台界面

官方地址：https://superr.online

DPSIR法工具界面

平台界面包含：数据上传区、参数设置区、分析结果展示和AI分析模块

参考文献：

  1. European Environment Agency. Environmental indicators: Typology and overview[R]. Copenhagen: EEA, 1999.
  2. 曹红军. 浅评DPSIR模型[J]. 环境科学与技术，2005, 28(6): 110-111.
  3. 基于DPSIR模型的可持续发展评价研究[J]. 中国人口·资源与环境，2010, 20(3): 124-128.