物质流分析(MFA)是一种以物质守恒为基本原理，定量地评估具有时空边界的经济-环境系统中物质的存量与流量，从而追踪物质在该系统中流动的源、路径和汇的研究方法^[1]。根据研究的对象，MFA分为元素流分析(SFA)和经济系统物质流分析(EW-MFA)。前者关注单独的元素或化合物，而后者则关注一定时间范围内物质的总量与结构(又称Bulk-MFA)^[2]。

自20世纪60年代以来，EW-MFA在近50a的发展中逐渐形成了以进出社会经济系统与自然环境系统边界的所有物质(水除外)为核算对象，以质量守恒为核算原理的核算框架。在此框架下，EW-MFA得到了一系列表征经济系统的物质利用量、环境压力与资源效率等指标，并在资源与环境政策领域得到了广泛的应用。

在理论研究方面，EW-MFA涉及面较广，已有一些文献从不同的切入点对EW-MFA研究进行了综述^{[2, 3, 4, 5, 6, 7]}，如将EW-MFA与SFA一同进行综述、侧重于产业生产系统或生态工业园区的物质代谢方法的综述、侧重于EW-MFA指标核算研究的综述以及侧重于EW-MFA指标应用研究的综述。目前而言，已有综述对EW-MFA指标的变化原因研究的关注还较少；此外，近年来EW-MFA在资源与环境政策领域得到了广泛的应用，其理论研究发展非常迅速，需要对其最新研究进展进行系统的总结。鉴于此，本文将对EW-MFA的发展历史、核算框架与指标体系、研究现状(包括指标核算与指标变化原因研究现状)和未来研究方向进行系统综述，以期为EW-MFA的深入研究提供参考。

EW-MFA作为研究经济生产活动中物质资源新陈代谢的重要方法，其基本思想的发端可追溯到100多年以前^[8]。Fischer-Kowalski等^{[8, 9, 10]}曾系统总结了EW-MFA的发展历史，认为EW-MFA的早期研究可追溯至20世纪60年代，代表性的研究包括：1965年，美国城市学家Wolman提出了城市代谢的概念，并以一百万人口的虚拟美国城市为例，估算了水、燃料、食品的输入以及废物和污染物的输出^[11]；1969年，美国物理学家Ayres与经济学家Kneeses将物质平衡的思想引入国家经济系统，成为国家物质流分析研究的最早版本^[12]。1974年，苏联经济学家Gofman基于苏东集团的计划经济体系，提出了包括水、空气与原材料在内的综合物质流核算框架^[13]；此后，美国、奥地利、瑞士等国的学者进一步完善了社会代谢与工业代谢理论，为物质流分析奠定了物理与生态学基础。

经过20多年的探索，随着可持续发展研究的深入，EW-MFA从20世纪90年代起进入了全面发展期。20世纪90年代初，日本的国立环境研究所(National Institute for Environmental Studies)、德国的伍珀塔尔研究所(Wuppertal Institute)与奥地利的社会生态研究所(Institute for Social Ecology)率先对各自国家经济系统的自然资源和物质的流动状况进行了分析，从而揭开了EW-MFA在世界范围广泛研究和应用的序幕。

1996年，欧盟委员会组建了“ConAccount”平台，成为EW-MFA研究国际合作的里程碑。1997年，在荷兰莱顿和德国伍珀塔尔各举办了一次ConAccount会议^{[14, 15]}，进一步促进了各国间的合作交流。自1997年开始，世界资源研究所开始对美国、日本、奥地利、德国和荷兰这5国的经济系统的物质流动状况进行了全面的分析，5国学者合作发表两份研究报告《Resource Flows》和《The Weight of Nations》^{[16, 17]}，正式提出了EW-MFA的概念和框架，定义了一系列分析指标，并且得到了上述五国经济系统的物质输入和输出总量及相关衡量指标。

国际合作交流促进了EW-MFA相关框架和指标等标准的形成，推动了EW-MFA的研究进展。欧盟统计局(Eurostat)在其中发挥了关键的作用。2001年，Eurostat正式出版《Economy-wide material flow accounts and derived indicators: A methodological guide》^[18]，提出了EW-MFA的标准方法；2007—2013年，Eurostat对核算方法进行了5次更新，并于2013年发布了更为系统而详尽的EW-MFA编制指导手册^[19]。此外，自2004年以来，经济合作与发展组织(Organization for Economic Co-operation and Development,OECD)对EW-MFA的研究与应用也起到了重要的推动作用：2008年，OECD发布系列研究报告，为EW-MFA的核算提供了非常系统的指南^[20]；2013年，OECD进一步发布报告，对基于EW-MFA的资源产出率的进展进行了综合评估^[21]。

Eurostat和OECD报告中提出的国家层面上EW-MFA核算框架如图1^[20]所示，该框架将物质世界分为自然环境系统和社会经济系统两个子系统，按照质量守恒原理对进出系统边界的各种物质进行核算。其中，社会经济系统被视为黑箱，其输入的物质主要包括国内开采使用量(Domestic Extraction Used,DEU)和进口物质(Import,IMP)，而输出的物质则主要包括返回到自然环境中的废弃物和排放物(Domestic Process Output,DPO)和出口物质(Export,EXP)。

图 1 EW-MFA的基本核算框架[20] Fig.1 Accounting Framework of EW-MFA[20]

图选项

对于一定时期内进出系统的各种具体物质，EW-MFA核算均以质量为单位进行加和，形成相关综合的指标。为此，Eurostat提供了一套质量转换系数，将统计中非质量计量物质的计量单位转化成质量。然而，以质量加和的指标综合方法不仅对物质的经济和环境意义缺乏足够的考虑，而且也存在因大宗资源的“遮蔽效应”而掩盖其它资源信息的弊病，曾遭到过一些批评和争议^{[20, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32]}。尽管一些学者从环境影响、经济价值、热力学的角度提出了不同的指标加和方法，如“基于环境影响的加和方法”^[31]、“基于相对价格系数的加和方法”^[32]以及“基于有用功(Useful Work)的加和方法”^[28]等，但这些方法都有着各自的利弊，目前应用很少。目前而言，质量加和方法已得到了MFA理论界的较高认可和实践的广泛应用，成为国际通行的EW-MFA指标加和方法。实际上，EW-MFA核算更重要的目的在于提供一个全面的物质流动数据信息库^[20]，数据的加和方法可根据不同的需要进行不同的处理。

根据EW-MFA的核算框架和质量加和的指标综合方法，可得到经济系统的物质输入与输出的系列基本指标。这些指标可分为两类：直接流指标，如直接物质投入(Direct Material Input,DMI)和区域内资源消耗(Domestic Material Consumption,DMC)等，表征经济系统的直接物质利用量和系统物质代谢过程的直接环境压力；包含间接流或隐藏流的综合指标，如区域原生资源消耗当量(Raw Material Consumption,RMC)、总物质需求(Total Material Requirement,TMR)、总物质消耗(Total Material Consumption,TMC)等，表征经济系统的生命周期过程的物质利用量和系统物质代谢生命周期过程的环境压力^{[20, 33]}。EW-MFA各基本指标之间的关系可参见OECD报告的详细介绍^[20]。

EW-MFA的基本指标与国内生产总值(Gross Domestic Product,GDP)、人口、土地面积等社会经济指标相结合，可衍生出一系列效率、强度、投入产出比、贸易等指标^[20]。其中，资源产出率(Resource Productivity)，即GDP与资源利用量(如DMC)的比值，在世界许多国家的资源与环境政策领域具有广泛的应用，也被中国政府用作衡量循环经济发展水平的综合指标^[34]。

当前，EW-MFA的研究分为指标核算和指标变化原因研究两方面，以下对其分别进行综述。

根据研究对象的尺度，EW-MFA指标核算研究可分为国家层面、区域层面(省域、城市)和行业层面^[4]。由于行业层面EW-MFA研究通常更侧重于关注特定的物质或特定类别的物质，与SFA类似，本研究不对其进行综述。

(1)直接流指标

自2001年Eurostat发布EW-MFA编制方法导则以来，国家层面EW-MFA的直接流指标核算逐步得到了标准化，目前已经形成了成熟的核算框架和规范的数据库。国际上四大不同特色的国家层面EW-MFA直接流指标数据库见表1。随着国家层面EW-MFA核算的标准化，核算所得数据的一致性也逐步增加。研究表明，除澳大利亚联邦科学与工业研究组织的数据库外，表1中其他三大数据库之间的指标数据差异在10%—20%之间^[9]。这些数据库的建立，不仅扩展和丰富了EW-MFA的时空界限，而且使得EW-MFA越来越多的与其他方法相结合，成为定量研究社会经济与资源环境等问题的重要工具。

中国的EW-MFA直接流指标核算研究始于2000年左右，国内外先后对中国开展EW-MFA核算研究的人员及其文章发表年份为：Chen和Qiao，2001^[35]；刘敬智等，2005^[36]；李刚等，2005^[37]；刘滨等，2006^[38]；徐明和张天柱，2007^[39]；段宁等，2008^[40]；朱远，2007^[41]；钟若愚，2009^[42]；王亚菲，2010^[43]；Wang等，2012^[44]。由于对核算方法理解的差异，以及对资源(特别是对于砂石资源和生物质资源)取舍的不同等各种原因，国内外各机构对EW-MFA核算得到的直接流指标在数据上还具有较大的差异。

目前而言，国家层面EW-MFA直接流指标的核算研究主要关注较长历史时间范围的指标核算、国际比较和解耦评价研究^{[44, 45, 46, 47, 48, 49, 50, 51, 52, 53]}。

(2)包含间接流或隐藏流的综合指标

由于包含间接流或隐藏流的综合指标(如TMR或RMC等)考虑了进出系统边界的各类物质的原生资源消耗当量(Raw Material Equivalent,RME)或国内开采的未使用量(Unused Domestic Extraction,UDE)，其核算相对于直接流指标不仅过程更为复杂，而且所需数据量也更加庞大。目前国际学术界对包含间接流或隐藏流的综合指标研究还不多^[54]，主要核算方法为：基于过程的生命周期分析法(Process-based Life Cycle Analysis,P-LCA)；环境扩展的投入产出分析法(Environmentally Extended Input-Output Analysis,EE-IOA)，包括环境扩展的单区域投入产出(Environmentally Extended Single-Region Input-Output,EE-SRIO)模型和环境扩展的多区域投入产出(Environmentally Extended Multi-Region Input-Output,EE-MRIO)模型；投入产出分析与生命周期分析的混合法(Hybrid of EE-IOA and P-LCA)，如混合的环境扩展的多区域投入产出(Hybrid of EE-MRIO and P-LCA)模型等。国外典型的研究如：德国伍珀塔尔研究所的相关学者对德国、芬兰、荷兰、丹麦、英国等欧洲国家TMR与TMC的核算研究^{[33, 55]}；Schoer^{[56, 57]},Dittrich^[58]等对欧盟RMC和世界贸易中隐含物质的核算研究等。

中国学者在EW-MFA研究中对包含间接流或隐藏流的综合指标核算很少，主要针对TMR的指标，包括：Chen和Qiao^[35]对中国1990—1996年TMR的核算；李刚等^[37]对中国1995—2003年TMR的核算；王亚菲^[43]对中国1990—2008年TMR的核算。这些文献的研究方法均为P-LCA，由于所选取资源种类不一致，而且隐藏流的系数也具有较大差异，因此，核算所得的中国TMR结果差异也很大。目前而言，在中国RMC的核算研究方面，仅见Wang等^[59]对中国1997,2002和2007年RMC的研究报道，未见对中国TMC的核算研究报道。

由于RMC等指标涵盖了经济系统生命周期过程的物质利用量，弥补了DMC等指标在加和过程的“不对称性”的缺陷(即忽略了进出系统边界物质的上游消耗)，能够体现国际间环境压力的转移，近些年来迅速成为研究的热点^{[54, 60, 61]}。美国科学院院刊最近刊载了Wiedmann等基于多区域投入产出模型研究世界各国RMC和资源产出率指标的论文^[60]，该论文通过RMC与DMC的对比揭示了国际间资源环境压力的转移。

由于区域层面缺乏进出系统边界的物质统计数据，国家层面EW-MFA标准核算框架无法在区域层面直接应用，因此区域EW-MFA指标的核算研究较少。尽管如此，国内外一些学者仍然参照国家层面EW-MFA的核算框架，结合投入产出分析等方法，对区域层面的直接流指标进行了估算研究^{[62, 63, 64, 65, 66, 67, 68]}，并且尝试提出估算框架^[66]。国外和国内代表性的研究如：Tachibana等^[67]对日本Aichi县1980—2000年DMI的估算；黄晓芬和诸大建^[68]对上海市1990—2003年DMI和TMR的测算。

尽管目前区域层面EW-MFA指标核算研究还没有形成成熟的方法和统一的研究框架，但由于EW-MFA指标在资源与环境政策领域的重要应用价值，区域层面EW-MFA指标的核算与评价逐渐成为当前研究的热点。近些年来，区域层面EW-MFA的理论与实践研究引起了中国相关部委的高度重视，也受到了国家“十一五”、“十二五”科技支撑计划重点项目的资助。

2009年开始，在国家发改委和国家统计局的指导和国家“十一五”科技支撑计划重点项目的资助下，清华大学牵头开展了“循环经济评价考核指标测算技术研发及应用示范”研究工作，该课题构建了服务于实际决策需求的中国EW-MFA核算框架，对中国1978—2010年的DMC及资源产出率开展了核算；在省域层面上开展了与国家层面资源产出率相衔接的物质流核算研究(包括理论框架、核算方法及配套统计制度等)，提出了基于原生资源消耗当量的省域层面资源产出率核算方法，并将其用于山西、山东、浙江等区域在2010年的统计试点工作中，验证了有关方法和试点方案的可行性。2011年开始至今，在“十一五”研究工作的基础上，清华大学等单位在国家“十二五”科技支撑计划重点项目的资助下进一步开展“资源产出率核算方法及指标区域分解体系研究与示范”的研究工作，致力于构建区域层面源产出率的核算理论及指标的影响因素研究方法、研究区域资源产出率的分解方案并开展试点统计工作。

目前，对EW-MFA指标变化原因研究的基本研究方法包括：分解分析法和回归分析法。

分解分析法是将因变量分解为与之相关的各独立自变量，解释因变量的影响因素的方法，主要包括：IPAT方程直接分解法、指数分解分析(Index Decomposition Analysis,IDA)和结构分解分析(Structure Decomposition Analysis,SDA)。

(1)IPAT方程直接分解法

IPAT方程反映了环境影响与人口、富裕度和技术之间的关系，是解释环境影响变化原因的定量分析工具。基于IPAT方程的直接分解法也是研究EW-MFA指标变化原因最常用的方法，被广泛地用于定量解释国家层面和区域层面的EW-MFA指标(直接流指标和包含间接流或隐藏流的综合指标)的变化原因，国外和国内代表性的研究如：Schandl和West^[69]对中国、日本和澳大利亚1975—2005年DMC变化的IPAT分解分析；丁平刚等^[70]对海南省1990—2008年DMI变化的IPAT分解分析。

基于IPAT方程的EW-MFA指标分解分析的一般研究表明：人口和富裕度的增加对于EW-MFA指标的增长具有促进作用，而技术则具有相反的作用^{[69, 70]}。IPAT方程直接分解法能够提供一个指标变化原因的定量分析框架，其应用所需数据量少、方便快捷，但却无法考察经济系统内部的结构(如产业结构、需求结构等)和技术的变化对EW-MFA指标的影响。

(2)IDA法

相对于IPAT方程直接分解法，IDA能够从经济系统产业结构和技术的角度考察相关指标的变化原因，多用于定量分析能耗及碳排放等指标的变化原因。如IDA可将能耗总量的变化分解为结构效应、技术效应和规模效应，并定量研究三者对能耗总量变化的贡献。常用的IDA分解方法包括Laspeyres和Divisia分解法^{[71, 72]}。以IDA研究EW-MFA指标变化原因的文献非常少，目前仅见两例报道^{[73, 74]}，代表性的研究如：Hoffren等^[73]利用IDA对芬兰1960—1996年物质流指标分解为经济活动规模、产业结构和物质强度三大效应，其中，经济活动规模的增长是物质流指标增加的主要原因。

IDA尽管能够深入到产业结构的层面研究EW-MFA指标的变化原因，但其应用需要分部门的物质流数据，数据获取难度相对较大。

(3)SDA法

SDA以投入产出分析为基础，相对于IDA而言能够提供更为丰富的经济系统的内部信息，特别是经济系统的需求结构信息，也是研究能耗、碳排放等指标变化原因的常用方法^{[75, 76]}。如SDA可将能源强度的变化分解为生产部门的能耗系数、完全需求系数、最终需求结构、最终需求规模和最终能源消耗系数这5方面的效应，从而解释能源强度的变化原因^[77]。常用的SDA分解方法可分为Laspeyres类分解法和Divisia类分解法^[76]。以SDA研究EW-MFA指标变化原因的文献非常少，目前仅见四例报道^{[59, 78, 79, 80]}，代表性的研究如：Weinzettel^[80]利用SDA将捷克2000—2007年RMC按子类资源分解为技术(包含“物质强度”和“列昂惕夫系数”)、需求结构和终端需求量三大效应，其中，终端需求结构对RMC的改变非常有限，而技术效应能降低大部分资源的RMC。

SDA尽管能够从经济系统投入产出的角度提供丰富信息，特别是能够从需求结构的角度解释EW-MFA指标的变化原因，但其应用所需数据量相对IDA更加庞大，过程也更为复杂。

回归分析法的基本思想是利用统计回归的手段对不同的变量进行关联，提供变量间关系的定量的解释。以回归分析法研究EW-MFA指标变化原因的文献也较少，以下根据回归方程的类型对已有研究进行分类简要介绍。

(1)线性方程回归分析

目前而言，EW-MFA指标(包括资源产出率指标)的线性回归分析可分为以下两类:1)基于物质强度(Intensity of Use)理论选择解释变量，与EW-MFA指标进行线性回归分析^{[31, 81]}，代表性的研究如：Steger和Bleischwitz^[81]将欧盟15 个国家1980—2000年的DMC和欧盟27 个国家1992—2000年的DMC分别与技术进步、结构变化、基础设施投资、绿色市场的新生活方式等68 个变量进行回归分析，其中，能源效率、建筑活动等是影响DMC的主要因素。2)基于经验选择解释变量，与EW-MFA指标进行线性回归分析^{[82, 83]}，代表性的研究如：Gan等^[83]对世界51 个国家不同年份基于DMC的资源产出率与18 个社会经济变量进行了回归分析，其中，收入水平、经济结构、能源结构、原生资源的进口量和出口量是资源产出率的5个主要的影响因素。

(2)非线性方程回归分析

通过构建非线性方程对EW-MFA指标进行回归分析的研究较少，目前仅见4例报道^{[55, 60, 84, 85]}，这些研究一般将非线性方程通过对数化转换为线性方程，对解释变量的弹性系数进行线性回归分析，代表性的研究如下。Steinberger和Krausmann^[85]对世界165 个国家2000年的DMC及基于DMC的资源产出率分别与收入进行了指数回归，研究表明：DMC与收入具有较高的相关性，回归方程的可决系数为0.77。Wiedmann等^[60]对世界137 个国家2008年的DMC和RMC，子类资源的DMC和RMC，以及基于DMC和RMC的资源产出率，与人均收入、人均DEU和人口密度进行了回归分析，研究表明：DMC和RMC对三者的弹性系数均为正。

回归分析法的应用需要一定的时间序列数据或空间面板数据，能够从统计学意义上识别EW-MFA指标的关键影响因素，并且为EW-MFA指标的变化提供简单直观的定量解释，但却无法从机理上揭示EW-MFA指标的变化原因。目前而言，尽管人均GDP、人口密度等都曾被提出作为EW-MFA指标的重要影响因素，但各种不同的回归分析研究所识别的EW-MFA指标的影响因素具有较大差异。

从方法本身而言，分解分析法和回归分析法各有其特点与数据需求。其中，IPAT方程直接分解法和回归分析法关注系统的整体指标(如经济系统总能耗)，而IDA和SDA则需进一步关注内部各子系统的指标^{[72, 76]}(如经济系统各行业能耗)。由于EW-MFA将社会经济系统视为黑箱，重点关注系统边界上各类不同的物质^{[9, 20]}，而较少关注经济系统内部的物质流动，这就使得IDA和SDA在EW-MFA指标变化原因的应用方面受到了较大的影响，主要体现在两方面：

(1) IDA或SDA所需的数据可得性较差。由于EW-MFA指标核算以所定义的经济、环境和国家为系统边界，核算进出系统边界的各类资源，但除能源外的其他资源，特别是一些非耗散性资源(如铁资源)不具备以行业为系统边界的净消耗量的数据统计基础，从而限制了IDA和SDA的应用。

(2) IDA或SDA得到的分行业“物质强度”指标的物理意义不明晰。从资源消耗的角度看，相对于耗散性资源(如能源)，非耗散性资源(如铁资源)分行业的净消耗量与其投入量具有较大差异，这就使得分行业的各类资源的物质流数据的具有不同的物理意义；从环境影响的角度看，不同类型的资源具有不同的环境影响，也使得分行业的各类资源的物质流数据具有不同的物理意义。在已有的EW-MFA指标IDA或SDA分解研究中，尽管分解得到的分行业“物质强度”指标被解释为“技术”^{[59, 73, 74, 78, 79, 80]}，但由于这一指标中涵盖了具有不同物理意义各类资源，这一解释还不够全面，需进一步挖掘指标的含义。

总体而言，尽管以上各类方法在EW-MFA指标变化原因的研究中都得到了不同程度的应用，但仍存在不少问题：基于IPAT方程直接分解法的应用最多，但无法考察经济系统内部的结构和技术的变化对EW-MFA指标的影响；基于IDA和SDA的分解分析法应用很少，面临数据可得性及指标意义解释等问题；回归分析法具有一定的应用，但已有研究所识别的EW-MFA指标的影响因素差异较大。未来不仅需要加强对现有方法的研究，而且需开发新的方法和模型，从机理上研究EW-MFA指标的变化原因。

总体而言，建立在20世纪60年代坚实的理论基础之上的EW-MFA在经历过50年(特别是近20多年)的发展和演化后，在概念层面、衡量和估算的标准化层面、方法获取数据的可靠性层面都已基本成熟，意味着EW-MFA核算方法的基本成熟^[9]。尽管如此，EW-MFA还有许多问题有待进一步研究。图2系统地总结了EW-MFA的当前研究概要与未来研究趋势，主要分为以下四个方面：

图 2 EW-MFA的当前研究概要及未来研究趋势 Fig.2 Current research outline and future research trends of EW-MFA

图选项

(1)物质在经济系统内部流动的路径、结构与规模研究。从研究视角来看，当前EW-MFA重点关注系统边界上的输入和输出物质，将社会经济系统视为黑箱，而较少关注经济系统内部物质流动的路径、结构和规模^{[9, 20]}。然而，打开社会经济系统黑箱，从物质流的角度考察系统内部结构和规模，能够为全面监测和评价经济系统的运行状况提供有效工具，已经成为EW-MFA所关注的重点^[20]。尽管目前已有一些基于实物量投入产出表的分解研究尝试^{[86, 87, 88, 89, 90, 91, 92]}，但未来需要进一步加强相关方法研究，其中，生命周期分析将有望在此方面发挥重要的作用。

(2)EW-MFA对包含间接流或隐藏流的综合指标的核算研究。从EW-MFA的研究内容来看，由于核算或估算方法的不统一，以及数据的可得性较差等原因，当前对包含间接流或隐藏流的综合指标核算研究相对不足^[9]。然而，这些综合指标能够衡量经济系统物质代谢的生命周期过程的资源利用量与环境压力，能够用于研究国际贸易中资源与环境压力转移的问题，因此，其研究不仅引起了越来越多的科学研究关注^{[56, 57, 58, 59, 60, 93, 94, 95]}，成为当前的研究热点，而且在政治层面上也有讨论。未来需要加强对这些指标的核算或估算方法的研究。

(3)EW-MFA在区域层面的指标核算研究。从EW-MFA的研究内容来看，由于区域层面没有类似于国家层面的海关统计，缺乏进出系统边界的物质统计数据，国家层面EW-MFA标准框架无法在区域层面应用，区域层面还没有成熟的EW-MFA核算方法^{[66, 67]}。然而，区域层面上资源与环境管理的实践对EW-MFA的核算理论研究提出了迫切的需求，未来需要加强对区域层面的EW-MFA核算研究，其中，生命周期分析法、投入产出分析法和投入产出分析与生命周期分析的混合法将有望在此方面发挥重要作用。

(4)EW-MFA指标的变化原因研究。从EW-MFA的研究内容来看，当前对EW-MFA研究主要集中在EW-MFA指标的核算方面，对于EW-MFA指标的变化原因研究多通过IPAT方程直接分解法，无法考察经济系统内部的结构和技术的变化对EW-MFA指标的影响。尽管已有基于指数分解分析、结构分解分析和回归分析的研究方法对EW-MFA指标的变化原因进行了研究，但研究的文献少，而且所识别的EW-MFA指标的影响因素差异也较大。未来研究需要加强对EW-MFA指标变化原因研究。

对中国而言，“十二五”规划提出中国资源产出率提高15%的目标^[34]后，如何提高资源产出率成为国民经济综合管理部门关心的重要问题。因此，系统地开展中国国家层面和省域层面EW-MFA指标核算，并且进一步研究EW-MFA指标的变化原因，具有重要的理论和现实意义。