基于DEA方法的海洋科技效率评价研究

基于DEA方法的海洋科技效率评价研究（精选10篇）

1.基于DEA方法的海洋科技效率评价研究 篇一

随着环境压力的增加以及资源的限制，建设绿色环保型企业已成为我国企业发展面临的迫切任务之一。人口、资源与环境三者之间的矛盾日益突显，要求制造业提高其活动与环境的相容性。绿色供应链管理是从系统的观点与集成的思想出发解决制造业与环境之间冲突的有效方式。

本文将供应商评价与选择理论与绿色供应链理念相结合，在供应商的评估体系中，从对环境影响的角度出发，提出了绿色供应链环境下供应商选择的基本流程，构建了一套完整的绿色供应链环境下供应商评估与选择的指标体系。运用DEA方法的C2R模型以及在C2R模型基础上改进而建立起来的超效率DEA模型，对绿色供应链环境下的供应商选择进行客观的定量评价。本研究丰富了绿色供应链理论体系中供应商选择方面的研究，具有重要的理论意义。将其运用到实际中也可以帮助企业在绿色经济的新环境下客观地选择合适的供应商，构建富有竞争力的绿色供应链体系，具有重要的现实意义。

2.基于DEA方法的海洋科技效率评价研究 篇二

企业孵化器的概念始于美国, 它是一种为高新技术企业提供物理空间、创业辅导、政策咨询以及资金融通等方面服务的中介组织。陕西省作为我国经济发展较为迅速的地区, 拥有数量众多的科技企业孵化器, 据科技部《2014年中国火炬统计年鉴》统计, 截至2013年陕西省共有24家科技企业孵化器, 全年孵化器总收入为3.83亿。然而, 随着近些年来科技企业孵化器的迅猛发展, 资源配置的不合理及孵化效率低下等众多问题也逐渐凸显, 各孵化器Ba之nke间r的Cha差mes距也在进一步扩大, 因此有必要对该地区的科技企业孵化器进行n深入分析, 以寻求提高该地区孵化器运行效率的对策。这对该地区孵化器的发展以及陕西省整体经济水平的提升具有重要的指导意义。

国内学者针对我国企业孵化器运行效率问题提出了多种不同的评价模型与评价指标体系。在定性研究方面, 李布建立了一个从能力角度评价科技企业孵化器孵化能力的指标体系, 并对我国科技企业孵化器的实际情况进行了分析[1]。殷群定性分析我国企业孵化器的实际收益状况[2]。徐菱涓等认为我国对企业孵化器的绩效评价难度比一般性营利组织大[3]。在定量研究方面, 曹细玉通过模糊综合评价法研究了科技企业孵化器的孵化效率[4]。孙琦等人构建了一YY1 i套sjjkk企业孵化器经营能力的评价指标体系[5]。张炜从孵化企业以及创业者的角度出发, 对我国科技企业孵化器的服务内容与服务绩效间PTE的关系进行了实证研究[6]。殷群等人运用DEA方法对长三角地区企业孵化器的运行效率进行了研究[7]。张娇等人运用DEA方法对2007年我国国家级科技企业孵化器的技术效率、纯技术效率和规模效率进行了评估[8]。

基于此, 本文将在确定企业孵化器运行过程中投入产出指标的基础上, 运用数据包络分析法 (DEA) 对2013年陕西省10家国家级科技企业孵化器进行效率评价, 进而给出该地区孵化器效率提升的调整和改进方向。以此为该地区孵化器的管理者及相关部门提供科学的决策依据。

二、DEA模型选取及指标构建

1. DEA模型的选取

DEA (数据包络分析) 是以相对效率概念为基础, 以数学规划为主要工具, 根据多指标投入和多指标产出数据对相同类型的决策单元进行相对有效性或效率评价的多指标综合评价方法。结合孵化器实际运营情况, 本文选取了基于投入导向的BCC模型, 该模型是Banker, Chames和Cooper于1984年提出的[9]。

假设有n个企业孵化器, 每个孵化器都有s种投入和m种产出。oo应per满1足984的线性[[99规]划是:

2. 投入产出指标的构建

根据孵化器自身特性和数据的可得性, 结合指标选取的一般原则, 选择指标如下:

投入指标:企业孵化器正常运行所需投入的资源可从人、财、物三方面考虑。人力通过企业孵化器人员总数和创业导师人数之和来测算;财力以基金总额、累计公共服务平台投资总额和在孵企业累计获风险投资额之和来衡量。物力通过企业孵化器的场地面积来衡量。

产出指标:企业孵化器的产出指标可从以下三个方面考虑。一是累计毕业企业数, 体现了企业孵化器自身的孵化效率;二是增加的就业机会, 体现了企业孵化器所带来的社会效益, 本文以孵化器人员总数与在孵企业人员总数之和来衡量;三是孵化器总收入, 体现了企业孵化器自身的经营状况以及对当地经济的贡献。

三、实证研究

1. 总体分析

根据所选投入产出指标及DEA模型, 对基础数据进行标准化处理后, 运用DEAP2.1软件计算可得2013年陕西省10家国家级科技企业孵化器的综合技术效率、纯技术效率及规模效率值如表1所示。

(1) 从总体均值上看, 陕西省孵化器综合技术效率值为0.720, 也即就该地区企业孵化器整体而言, 有28%的资源投入未对产出作出任何贡献, 表明该地区孵化器整体情况不容乐观, 今后尚有较大的改进空间。进一步分析可得, 纯技术效率的总体均值为0.933, 显著高于规模效率总体均值的0.770, 意味着该地区孵化器在规模效益的发挥方面要弱于其资源配置能力, 这也是制约该地区孵化器运行效率提升的主要因素。进一步分析可得, 该地区无效孵化器的规模报酬都处于递增状态, 表明目前的投入严重不足, 故今后应加大对该地区孵化器的投入, 适当扩大规模, 从而更好地发挥其规模效应。

标准差反映了各个孵化器的效率值与总体均值的离散程度, 可以看出各孵化器效率值之间的波动情况。纯技术效率值标准差较小, 表明陕西省孵化器在资源配置能力方面相差不大。规模效率和综合技术效率标准差较大, 表明该地区孵化器在规模效益的发挥上差异较大, 波动较为明显, 各孵化器发展较不平衡。

(2) 陕西省的10家孵化器中, DEA相对有效的孵化器有2家, 占总数的20%, 表明这些孵化器的资源配置能力和自身规模已达最优, 它们所投入的人数、资金以及场地面积与其自身的效益 (毕业企业数与孵化器收入) 和社会效益 (增加就业机会) 是相匹配的。

有3家企业孵化器的纯技术效率为1, 但综合技术效率都小于1, 表明这些孵化器DEA无效的原因在于其规模效率的无效性, 其对资源的有效配置能力已达最优。典型代表为陕西启迪科技园发展有限公司, 其规模效率仅为0.422, 严重制约着其综合技术效率的提升, 因此这些孵化器今后改进的方向应重点放在如何提升其规模效益上。

(3) 有5家孵化器的综合技术效率介于0.6~0.8之间, 占总数的50%。这部分孵化器的发展水平与孵化器效率较为低下, 且在陕西省所占比重较大, 后续部分将重点分析这些孵化器效率低下的原因并提出相关改进措施。

(4) 有3家企业孵化器综合技术效率值低于0.5, 其中西安集成电路设计专业孵化器有限公司最低, 其综合技术效率值仅为0.342。这部分孵化器效率水平的严重不足, 是造成整个陕西省孵化器综合技术效率均值较低的主要原因, 严重制约着陕西省孵化器整体水平的提升, 进一步分析可发现其效率低下的主要原因在于规模效率水平的低下, 因此其应在自身规模效益的发挥方面加大力度进行改进, 以促使陕西省孵化器整体效率水平的提升。

2. DEA无效孵化器的分析及调整

DEA无效可分为纯技术效率无效和规模效率无效两个方面。纯技术效率无效孵化器DEA无效的原因在于其投入资源的冗余和浪费, 因此要使其运行效率达到相对有效的状态, 需在保持现有产出水平的条件下, 大幅减少其所投入的人员、资金与场地面积, 提升自身资源配置能力, 减少资源浪费。具体可从以下几方面入手: (1) 人员方面, 企业孵化器应严格控制员工人数, 加强对员工综合素质和业务能力的培养, 以提升员工的工作效率, 达到减员增效的目的。 (2) 资金方面, 企业孵化器应加强对资金的监管力度, 避免资金不合理使用所带来的浪费。 (3) 场地方面, 企业孵化器应加强对场地面积的控制力度, 合理规划使用土地面积, 避免盲目扩张造成资源浪费。

而对于规模效率无效的孵化器, 如西安联创生物医药孵化器有限公司和陕西启迪科技园发展有限公司, 根据上述研究结果可发现其目前所处规模较小, 仍出于规模报酬递增阶段, 因此这些孵化器需根据其自身实际状况, 适当增加人员、资金及场地方面的投入, 适当扩大自身规模, 以便于更好地发挥规模效益, 进而提升孵化器运行效率。

四、结语

综上所述, 陕西省国家级科技企业孵化器整体效率水平较低, 各孵化器发展较不平衡, 差异较大。各孵化器应结合自身实际情况, 有侧重地进行调整和改进。在调整过程中, 一方面应重视孵化器自身管理水平和资源配置能力的提高, 减少资源浪费;另一方面也应适当加大对无效孵化器的投入, 适当扩大其规模, 以使其更好地发挥规模效应。

摘要：采用数据包络分析 (DEA) 方法测算了陕西省科技企业孵化器的综合技术效率、纯技术效率及规模效率, 进而提出该地区孵化器效率改进的方向及对策。研究表明:陕西省企业孵化器的整体效率水平较低, 各孵化器发展较不平衡, 差异较大。调整的重点应放在对其规模效率的改进上。

关键词：企业孵化器,运行效率,数据包络分析

参考文献

[1]李布.企业孵化器孵化能力的研究[D].北京大学, 2003.

[2]殷群.企业孵化器研究热点综述[J].科研管理, 2008, (1) :157-162.

[3]徐菱涓, 刘宁晖, 李东.我国科技企业孵化器绩效评价与发展走向研究[J].科技进步与对策, 2009, (11) :114-117.

[4]曹细玉.企业孵化器孵化能力评价研究[J].科技进步与对策, 2001, (6) :13-14.

[5]孙琦, 张昕光.企业孵化器经营能力的一种模糊评价方法[J].科研管理, 2005, 26 (4) :129-133, 160.

[6]张炜, 邢潇.科技企业孵化器服务项目与服务绩效关系实证研究[J].科学学与科学技术管理, 2006, 27 (4) :159-164.

[7]殷群, 张娇.长三角地区科技企业孵化器运行效率研究—基于DEA的有效性分析[J].科学学研究, 2010, (1) :86-89.

[8]张娇, 殷群.我国企业孵化器运行效率差异研究—基于DEA及聚类分析方法[J].科学学与科学技术管理, 2010, (5) :171-177.

3.基于DEA方法的海洋科技效率评价研究 篇三

关键词 工业；环境影响；效率；社会支付意愿；超效率DEA

中图分类号 F205 文献标识码 A 文章编号 1002-2104（2012）02-0125-05 doi:10.3969/j.issn.1002-21042012.02.020

工业是国民经济的重要组成部分，其产值始终占GDP的40%左右，工业的发展在近年来国民经济的迅速发展中发挥了重要的推动和支撑作用。评价中国工业的发展不仅应着眼于总量的提高和规模的扩大，还要分析其效率的变化发展情况，因此对中国工业进行效率评价具有较强的现实意义。

目前不少学者已经采取了多种评价方法对中国工业的经济效率进行了评价与分析，其中DEA（Data Envelopment Analysis）方法由于其擅长可以处理多投入—多产出评价问题的特点而被广泛的应用。随着环境问题得到社会的广泛关注和重视，在对工业进行效率评价时也逐渐开始考虑工业的环境影响^[1-3]，本文将考虑了环境影响的效率评价称为经济-环境效率评价。

本文在之前研究的基础上，利用社会支付意愿理论对DEA方法在工业经济-环境效率评价中的应用进行了一定的改进，提高了效率评价的准确性和合理性。

1 DEA方法的改进

在利用DEA方法对工业进行经济-环境效率评价时，需要将工业环境排放和资源消耗引入到评价模型中。经典DEA模型的相对效率评价思想要求投入尽可能缩小而产出尽可能扩大，但工业生产过程中产生的环境排放并不是人们期望的产出，而是所谓的“非期望产出”。非期望产出必须尽可能地减少才能实现最佳的经济效率，而经典DEA模型却只能使之增加，因此经典DEA模型由于无法处理非期望产出而不适用于工业经济-环境效率评价。

目前已经有一些改进方法被用于解决经典DEA模型的局限性，其中主要包括以下6种方法^[4]：作投入法、倒数法、双曲线法、转换向量法、方向距离函数法和SBM法。虽然这些方法都使改进后的DEA模型对于含有非期望产出的效率评价问题有着更好的适用性，但这些改进方法依然将环境排放物间的环境影响差异完全建立于排放量的差异上，并没有考虑排放物之间在单位环境影响程度上的不同，这种设定与实际不符。因此上述6种模型改进方法虽然使得经典DEA模型在一定程度上更适用于非期望产出问题，但利用这些方法进行效率评价，得到的评价值依然与实际情况存在偏差。

在本文的研究中，引入社会支付意愿（willingness to pay，WTP）这一概念，计算工业主要环境排放和资源消耗的社会支付意愿，并加总得到2000-2008年中国工业环境影响的总社会支付意愿，将其作为DEA模型中的工业环境投入。利用社会支付意愿理论将工业环境排放和资源消耗两部分统一为工业环境影响的社会支付意愿，并将其作为环境投入引入DEA模型，这种方法一方面通过将工业环境排放由非期望环境产出转化为环境投入，解决了经典DEA模型无法处理非期望产出的问题；另一方面考虑了环境污染排放及资源消耗的单位环境影响程度，能够更真实地反映2000-2008年间中国工业环境影响程度的发展变化情况。

2 工业环境影响的社会支付意愿

社会对环境影响的支付意愿指的是社会为了将当前环境污染水平降低到某一个程度而付出的代价^[5]。目前中国针对环境排污者和资源开采者的环境税分别是排污费和资源税，它们可以代表社会对各环境影响的支付意愿。

科斯的产权理论中提出社会拥有环境的使用权，污染者向社会购买环境使用权的价格就是排污费或者资源税。庇古的福利经济学指出社会总能够将环境使用权的价格设定在外部环境边际损害曲线和厂商边际私人收益曲线的交点上^[6]。

在过去的研究中，瑞典的EPS系统使用了支付意愿理论来衡量环境影响^[7]，而Tellus系统以美国的环境税为权重，研究了美国社会对环境影响的支付意愿^[8]。但是EPS系统考虑的是居民支付意愿，与社会支付意愿并不相同，而Tellus系统的涉及范围较小且没有考虑资源的消耗。吴星^[9-10]在对建筑工程环境影响评价的研究中，根据社会支付意愿理论对中国目前主要环境污染物的排污费和主要资源的资源税进行了研究。本文在吴星研究的基础上计算了工业主要环境排放和资源消耗的社会支付意愿值，用于汇总2000-2008年中国工业环境影响的总社会支付意愿。环境排放和资源消耗的单位社会支付意愿详见表1。

表5中的效率差值为含环境投入的超效率DEA模型（原模型）评价值减去不含环境投入的超效率DEA模型（新模型）评价值；环境投入影响率为效率差值与不含环境投入的超效率DEA模型评价值的比值。

表5的对比结果表明，无论是否考虑环境投入，超效率DEA模型的评价结果都显示中国工业在2000-2008年间保持效率增长。

效率差值和环境投入影响率反映了将环境投入加入超效率DEA模型后对效率评价产生的影响：早期（2001-2004年）工业效率评价值取得一定程度的提高，表明当时环境投入相对于资本投入和人员投入有着更高的产出效率；而后期（2005-2007年）工业效率评价值则有所降低，表明此时环境投入的产出效率已经落后于资本和人员，开始成为抑制中国工业经济-环境效率进一步提高的一个因素。

由表5的评价结果可以看出工业环境投入的增加，即工业环境影响的加剧并不一定会对工业经济-环境效率产生负面的影响，还需要取决于环境投入增加量与其他投入增加量之间的相对关系。这说明在分析工业环境影响的过程中，不能仅仅关注其绝对值，而应结合环境投入与其他投入产出指标间的相对关系进行合理的评价。

5 结 论

本文将社会支付意愿理论应用于工业效率评价中，利用超效率DEA模型对2000-2008年的中国工业进行了经济-环境效率的评价与分析，对目前工业效率评价中存在的问题进行了改进，提出了新的解决非期望产出问题的方法，在涉及环境影响的效率评价问题中具有更强的适用性。

本文的评价结果显示，中国工业在2000-2008年间经济-环境效率持续提高，其中从业人员的投入效率和工业总产值的产出效率的改善是中国工业经济-环境效率提高的主要动力。相比之下环境投入对于经济-环境效率的影响并不大，但其影响的正负效果随着时间的推移会发生转变，在2008年其对经济-环境效率的影响由之前三年的负面影响再度转变为正面影响。

nlc202309030905

受制于数据的可获得性，本文的研究范围局限于2000-2008年的中国工业，因此DEA模型中的决策单元个数较少，导致投入产出指标的数量受到比较严格的限制，在一定程度上无法反映工业经济-环境方面的全部情况，随着时间的推移，决策单元数量将会不断增加，这种评价方法的准确性将得到进一步的提高。同时关于中国工业环境影响的基础数据较为有限，研究暂时无法涵盖工业所有的环境污染排放和资源消耗。

环境影响社会支付意愿的研究在中国还处于起步阶段，其计算方法还较为粗糙，在社会支付意愿的研究得到进一步发展后，利用本文提出的方法可以得到更符合实际情况的效率评价值。

(编辑：刘呈庆)

参考文献（References）

［1］齐二石，马珊珊，霍艳芳 基于超效率DEA的钢铁工业绿色规模经济［J］ 工业工程，2008，11(4)：1-4 ［Qi Ershi，Ma Shanshan，Huo Yanfang Study on Green Scale Economy of Chinese Iron and Steel Industry Based on SuperEfficiency DEA Model ［J］ Industrial Engineering Journal，2008，11(4)：1-4］

［2］詹浩勇，冯金丽 我国主要工业省市的环境-经济综合效率：基于SBM模型的实证研究［J］ 生态经济，2010，(9)：42-46［Zhang Haoyong，Feng Jinli Environmentaleconomic Efficiencies of Main Industrial Provinces in China Based on SBM ［J］ Ecological Economy，2010，(9)：42-46］

［3］袁鹏，程施 中国城市工业环境效率度量与分析［J］ 大连理工大学学报：社会科学版，2010，31(4)：31-36 ［Yuan Peng，Chen Shi Estimate and Analysis of Environmental Efficiency of Urban Industry in China ［J］ Journal of Dalian University of Technology: Social Sciences Edition，2010，31(4)：31-36］

［4］刘勇，李志祥，李静 环境效率评价方法的比较研究［J］ 数学的实践与认识，2010，40(1)：84-92 ［Liu Yong，Li Zhixiang，Li Jing Comparative Study on DEA Methods of Environmental Efficiency Measurement ［J］ Mathematics in Practice and Theory，2010，40(1)：84-92］

［5］Finnveden G A Citical Review of Operational Valuation/Weighting Methods for Life Cycle Assessment［M］ AFRREPORT 253 Stockholm：Swedish Environmental Protection Agency，1999

［6］马中 环境与资源经济概论［M］ 北京：高等教育出版社，1999 ［Ma Zhong Introduction to Environmental and Resource Economics ［M］ Beijing： Higher Education Press，1999］

［7］Steen B EPSDefault Valuation of Environmental Impacts from Emission and Use of Resources［M］, version 1996, AFR Report 111 Stockholm：AFN, Swedish EPA，1996

［8］Tellus Institute The Tellus Packaging Study［M］ Boston：Tellus Institute，1992

［9］吴星 建筑工程环境影响评价体系和应用研究［D］ 北京：清华大学，2005 ［Wu Xing Research on the Environmental Performance Assessment System of Buildings and Its Application［D］ Beijing：Tsinghua University，2005］

［10］李小冬，吴星，张智慧 基于LCA理论的环境影响社会支付意愿研究［J］ 哈尔滨工业大学学报，2005，37(11)：1507-1510 ［Li Xiaodong，Wu Xing，Zhang Zhihui Study on Social WTP for Environmental Impacts Based on the LCA Theory［J］ Journal of Harbin Institute of Technology，2005，37(11)：1507-1510］

［11］Charnes A，Cooper W W, Rhodes E Measuring the Efficiency of Decision Making Units［J］ European Journal of Operational Research，1978，2(6)：429-444

［12］武春友，吴琦 基于超效率DEA的能源效率评价模型研究［J］ 管理学报，2009，6(11)：1460-1465 ［Wu Chunyou，Wu Qi Evaluation Model of Energy Efficiency Based on SuperEfficiencyDEA［J］ Chinese Journal of Management，2009，6(11)：1460-1465］

［13］罗良清，柴士改 基于CCADEA模型评估政府社会保障绩效的实证研究［J］ 统计信息论坛，2010，25(3)：33-39 ［Luo Liangqing，Cai Shigai An Empirical Study on Government Social Security Performance Evaluation by CCADEA Model ［J］ Statistics & Information Forum，2010，25(3)：33-39］

［14］徐理，许倍慎，杜文俊 基于PCADEA的武汉城市圈土地利用效率实证分析［J］ 河北农业科学，2010，14(4)：109-112 ［Xu Li，Xu Beishen，Du Wenjun Empirical Analysis on Land Use Efficiency of Wuhan City Circle Based on PCADEA Model［J］ Journal of Hebei Agricultural Sciences，2010，14(4)：109-112］

nlc202309030905

［15］吉生保，周小柯，赵海斌 中国机械设备行业经营绩效评价及影响因素：基于超效率DEATobit模型［J］ 山西财经大学学报，2011，33(1)：64-71 ［Ji Shengbao，Zhou Xiaoke，Zhao Haibin Operational Efficiency Evaluation and the Influencing Factors of China Machinery and Equipment Listed Companies:Based on Super Efficiency DEATobit Model ［J］ Journal of Shanxi Finance and Economics University，2011，33(1)：64-71］

［16］蔡晓春，肖小爱 基于超效率DEA的中国区域能源利用效率研究［J］ 统计信息论坛，2010，25(4)：33-40 ［Cai Xiaochun， Xiao Xiaoai Study on Energy Consumption Efficiency of China’s Various Regions Based on SuperEfficiency DEA ［J］ Statistics & Information Forum，2010，25(4)：33-40］

［17］张晶 基于超效率的煤炭资源型城市工业生态效率研究［J］ 经济问题，2010, (11)：57-59 ［Zhang Jing Study on Industrial EcoEfficiency of CoalOriented City Based on SuperEfficiency［J］ On Economic Problems， 2010, (11)：57-59］



Assessment on EconomicEnvironmental Efficiency of China’s Industry Based on WTPDEA Method



LIU Ruijie ZHANG Zhihui

(Dept of Construction Management, Tsinghua University, Beijing 100084, China)

Abstract In order to comprehensively analyze the efficiency development of China’s industry in recent years, this article introduces environmental impacts of industry into evaluation system on the basis of assessment of economic efficiency Utilizing fundamental economic and environmental data of China’s industry combined with the theory of Social Willingness to Pay, the SEDEA (Superefficiency Data Envelopment Analysis) evaluation method is adopted to calculate the economicenvironmental efficiency of China’s industry of year 2000-2008, indicating the overall status and developing tendency of economicenvironmental efficiency The new method proposed in the process of DEA efficiency evaluation to cope with unexpected environmental outputs monetizes industrial environmental emission and resource consumption based on the theory of social willingness to pay, and takes monetized environmental impacts as industrial environmental input in DEA evaluation model, eliminating the deficiency of DEA method when used to evaluate the economicenvironmental efficiency of industry Furthermore, taking as the weighting of each environmental factor will better reflect the extent of environmental impact by industry, improving the accuracy of efficiency assessment Through comparative study of outcomes generated by different evaluation models, it indicates on one hand that economicenvironmental efficiency of China’s industry of year 2000-2008 is presenting a favorable increasing trend; on the other hand although the environmental impact of China’s industry is deteriorating year by year, its influence on efficiency of China’s industry are not such significant compared with impact by economic factors, and it fluctuates between positive and negative impact in recent years

4.基于DEA方法的海洋科技效率评价研究 篇四

以道路运输结构为出发点,克服传统评价方法的人为因素缺陷,建立基于DEA理论的道路运输结构适应性评价模型,并以甘肃省为例,对该地区的道路运输结构进行经济适应性评价.评价结果能充分显示地区道路运输结构的.合理性,为我国道路运输结构调整提供参考.

作 者：彭少兵 刘建勋 王花兰 PENG Shao-bing LIU Jian-xun WANG Hua-lan  作者单位：彭少兵,王花兰,PENG Shao-bing,WANG Hua-lan(兰州交通大学交通运输学院,甘肃兰州,730070)

刘建勋,LIU Jian-xun(甘肃省交通厅,甘肃兰州,730000)

刊 名：交通科技与经济 英文刊名：TECHNOLOGY & ECONOMY IN AREAS OF COMMUNICATIONS 年，卷(期)：2009 11(2) 分类号：U491 关键词：道路运输结构   经济适应性   综合评价   DEA评价  

★ 《蛛网奥秘新探》阅读答案

★ 性能的近义词

★ 氟苯酚好氧生物降解性能及其与化学结构的相关性研究

★ 如何设置电脑提高性能

★ 读后感结构

★ 神经元结构

★ 被动语态结构

★ 议论文结构

★ 系统柔性性能的论文

5.基于DEA方法的海洋科技效率评价研究 篇五

目前,对于融资效率的衡量主要是通过确定指标权重的回归分析方法、主成分分析方法和层次分析方法,这些方法容易受到主观因素影响而使结果失真。融资效率体现的是涉及多投入多产出因素的复杂体系,需借助多重指标进行研究。DEA(数据包络分析方法)为研究该类问题提供了良好契机,其核心是利用统计数据确定有效的生产面, 建立非参数模型,分析企业技术进步情况。该指数分析方法的优势使其在研究多投入产出问题中得到广泛应用。本文利用DEA-Malmquist指数分析方法对科技型中小企业的融资效率进行动态分析。

二、文献综述

(一)国外研究Myers和Majilufrs于1984年提出“优序融资”理论,认为由于融资效率的差异,企业的融资途径选择也不同。Booth和Avizatian(2002)研究指出发达国家的融资效率远高于发展中国家的融资效率。随后经济学家开始将基于投入产出角度考量效率的思想应用于实证研究中,创始人Caves将DEA方法应用到多投入多产出的企业融资效率方面。1994年Fare创建Malmquist指数衡量企业生产率的变化。Loren(1998)运用Malmquist指数衡量企业的生产率,并将生产率分解为技术变化和技术效率变化。Prasada (2005)运用DEA-Malmquist指数方法从全要素角度对近百个国家的农业增长情况和发展趋势进行动态分析。

(二)国内研究国内最初关于融资效率的研究大多集中于理论层面。曾康霖(1993)提出在选择融资方式时,可以从融资效率和融资成本角度进行考量,开启了国内关于融资效率研究的新领域。叶春望(1999)从融资效率的狭义角度进行分析,认为金融效率与融资效率正相关。卢福才 (2001)认为融资效率可定义为企业在一定融资制度下通过不同融资途径将资产转化为投资的功能和效率。张铁山 (2009)以民营企业为研究样本进行实证分析,认为我国信息民营企业融资效率较低。随后国内学者逐步将研究视野扩展到对融资效率的动态实证研究上,高山(2010)以中小企业上市公司数据为研究样本,利用DEA方法进行融资效率研究,结果表明在规模有效和技术有效方面有90%的企业不达标,融资处于低效率运行状态。单春霞(2011)使用DEAMalmquist方法对我国高新行业企业效率进行实证研究。

三、研究设计

(一)研究方法构建基于投入产出视角的Malmquist方法,以单个企业作为一个决策单元,构造每个时期行业融资效率的最佳沿面,把各行业的融资效率与最佳沿面进行比较,从而对决策单元的技术进步(TC)和效率变化(TEC) 进行动态测量。假设规模报酬可变且要素强度可以处置, 则某行业d时段使用n种投入产生m种产出,则技术沿面就是每个特定产出的最小投入集合。根据Farrell(1994)的研究,将基于投入产出的Malmquist指数定义为:

公式(1)表示在d时间段的技术条件下,决策单元由d时间段到d+1时间段上技术效率(TEC)的变化指数;公式 (2)表示在d+1时间段的技术条件下,决策单元由d时间段到d+1时间段上技术效率(TEC)的变化指数。

Farrell(1998)对公式进行进一步完善,用几何平均数来计算定向Malmquist指数,从而有效避免了时段选择的随意性。该公式为:

其中,M0d(xd+1,yd+1)表示以d时间段上的技术条件来衡量的d+1时间段上的技术效率;M0d(xd,yd)表示以d时间段上的技术条件来衡量当前的技术效率;M0d+1(xd+1,yd+1)表示以d+1时间段上的技术条件来衡量当前的技术效率;M0d+1(xd, yd)表示以d+1时间段上的技术条件来衡量d时间段上的技术效率。若 β 大于1,代表全要素生产率提高;β 小于1,代表全要素生产率降低。

Farrell等还发现,效率变化指数(TEC)可以分为纯技术效率变化(PC)和规模效率指数(SE)。由此,全要素生产率指数公式为:

公式(4)中的三个因式分别表示技术进步指数(TC)、 规模效率指数(SE)和纯技术效率指数(PC)。其中,技术进步(TC)是对决策单元从d到d+1时间段上技术边界移动情况的衡量,表示决策单元从d时间段到d+1时间段上最佳的追赶程度。该值大于1代表技术进步,小于1代表技术退步,等于1代表技术无变化;纯技术效率指数(PC)和规模效率指数(SE)的乘积代表技术效率指数(TEC),其是在固定规模报酬和要素强度可处置的假设下,对决策单元从d到d+1时间段上最佳实践追赶速度的衡量。该值大于1代表技术效率进步,小于1代表技术效率退步,等于1代表技术效率无变化。

(二)样本选取及数据来源本文根据2011年国务院下发的《中小企业划型标准规定》和《2011年度科技型中小企技术创新基金若干重点项目指南》的界定,结合研究需要,分别选取新材料环保行业3家、光电技术行业5家、医药行业6家、信息技术行业6家和电子技术行业6家,共26家科技型中小上市公司,截取其2011~2013年相关财务数据进行分析,数据均来源于证券报网络版。

(三)指标选取在投入产出指标的选取方面,学者普遍认为企业的资产总额、主营业务成本、资产负债率、净资产收益率、主营业务增长率等指标对于企业的融资效率具有重要影响。而科技型中小企业具有高投入、高风险、创新性强的特性。同时近年来由于国家政策扶植,科技型中小企业获取国家财政补助资金较多。根据以上情况,笔者对投入产出指标进行完善和修改:增加总资产周转率来综合评价企业对资产的经营质量和利用效率;在净资产收益率指标中,将财政补助资金从净利润中扣除,以保证真实反映企业的盈利能力。本文选取的融资效率评价指标见表1。

四、实证结果与分析

(一)样本数据指标的正规化按照DEA模型的实际要求,构建的指标值均应为正值,但在数据选取过程中,由于指标量纲的不同,很难避免指标为负的情况,为构建科学的指标体系,必须对原始数据进行规整,根据函数方法, 设立函数关系式,将原始数据统一归集到一个合理区间中。具体方法为:

(二)描述性统计由表2可知,由于2012年欧债危机的反复性,全球经济增速放缓,样本企业2012年的各项产出指标与2011年相比均出现下滑,随着国务院一系列调控政策的出台,市场预期被有效引导,经济运行稳定向好,2013年我国科技型中小企业的各项产出指标均有所提高,有的甚至超过2011年水平。具体到投入指标,企业资产总额在2011~2013年呈现不同程度的增长。主营业务成本指标除信息技术行业稍有降低外,其他行业均呈现增长态势,其中电子技术行业的主营业务成本增幅较大。从资产负债率指标来看,除新材料环保行业外,其他行业的平均资产负债率均在50%以下。资产负债率反应了企业的资本结构和运用资金的能力,过高的负债会导致企业运营处于高风险状态,过低的负债则会使企业运营动力不足。新材料环保行业资产负债率异常的主要原因可能是企业在提高技术和管理创新方面重视不够,投入产出与企业规模不匹配,从而在2012年欧债危机的反复恶化、经济增长下行压力较大的大环境下,应对能力不足。各项产出指标数据的一个明显特征是2012年较2011年有所减少。尤其是光电技术行业的主营业务增长率出现了负增长,而该行业2012年的资产总额和主营业务成本均较2011年有所提升。投入增加却导致了产出的负增长,笔者认为这与2012年欧债危机影响有关。

(三)融资效率动态分析将2011年相关数据作为基期数据,使用投入产出导向型的DEA模型,假设规模报酬可变,引入Malmquist指数计算获得2011~2012年,2012~ 2013年两个时间段的分析结果,如表3所示。由表3可知, 本研究所针对的两个时间段内的各行业平均全要素生产率指数分别是0.707和0.832,该项指标的变化说明我国科技型中小企业的生产效率逐年提高。作为全要素生产率指数的两项影响因素,“技术进步”和“效率改善”在提高全要素生产率方面的作用略有不同。科技型中小企业生产率提高主要源自技术进步,这表明我国科技型中小企业全要素生产效率的提升与企业的技术进步和技术创新密不可分。 下面分行业进行融资效率动态分析。

(1)新材料环保行业。该行业2011~2012年和2012~2013年的全要素生产率指数分别为0.605和0.724,这说明融资效率逐年提高。分析发现,生产率进步的主要动力是技术进步因素(TC分别为0.692和0.851),而效率改善因素(TEC分别为0.875和0.851)出现效率退步。将效率改善因素进一步分解为纯技术效率(PC)和规模效率(SE),可以发现纯技术效率(PC分别为0.915和0.899)是该行业融资效率下降的原因。纯技术变化率代表在现有投入下每一个生产决策单元进行生产而带来的产出,体现企业融资的有效性。 新材料环保行业对科技要求较高,虽然各项投入逐年上升,但如果技术进步跟不上,就不会带来高效的产出。结合描述性统计,该行业的资产负债率较高,这些都给技术进步带来负面影响。2012~2013年度在宏观经济环境向好的背景下,该行业的技术进步变化率提高,全要素生产率也得到改善,但是要彻底改善该行业生产率低下的问题,不仅要注重“技术进步”,更要注重“效率改善”,在技术创新、 管理创新上下功夫,改变经营模式,切实提高融资效率。

(2)光电技术行业。光电技术行业在2011~2013年的全要素生产率指数分别为0.724和0.784,融资效率小幅提升。技术进步(TC)和效率改善(TEC)都对全要素生产率的提升做出了贡献,但技术进步优于效率改善。结合前文描述性分析,作为国家朝阳行业的光电技术行业的投入指标稳步增长,而主营业务收入却在2012年出现负增长,说明企业应尽量避免盲目投资,在效率和规模上寻求突破,才能从根本上提高融资效率。

(3)医药行业。结合6家医药行业2011~2013年的DEAMalmquist指数分析结果,该行业中小企业全要素生产率均值别为0.682和1.061,融资效率显著提高。效率改善指标在2013年大于1,为全要素生产率的提高做出较大贡献。在这方面纯技术效率的贡献优于规模效率。结合描述性分析, 资金投入加大,医疗专业化设备的引进使该行业实现了技术进步,加之管理制度创新使得纯技术效率大幅提高。由于行业特性,业务协调难度大,造成规模效率浪费,加之企业规模较小加剧了人才流失使规模效率难以显著提高。

(4)信息技术行业。与其他行业不同,信息技术行业2011 ~2013年度的全 要素生产 率指数分 别为0.774和0.767,造成融资效率下降的主要原因是效率改善的退步。 结合数据分析发现该行业规模效率(SE)优于纯技术效率 (PC),技术效率(TEC)与纯技术效率(PC)存在内在一致性。样本描述性分析发现,该行业2013年的净资产收益率和主营业务增长率较2011年有所下降,这两项指标代表了企业的资金使用效率,资金使用效率的降低必然会带来融资效率的下降。要想提升融资效率,就要提高纯技术效率,加强技术创新和产品研发。

(5)电子行业。电子行业2011~2013年全要素生产率分别为0.751和0.822,融资效率较低主要由于该行业的技术进步指数低下(TC分别为0.79和0.86)。值得一提的是, 该行业的规模效率(SE)始终大于1,且技术效率贡献优于技术进步。结合描述性分析,电子行业的净资产收益率和营业收入的提高多是通过增加资产规模和财务杠杆比例来实现的,忽视了技术创新在融资效率中的作用。作为劳动密集型的电子行业,提高融资效率的根本是增加技术创新和产品的技术含量。

五、结论

本文研究发现,我国科技型中小企业融资效率普遍较低;所选取的五个行业中,只有医药行业的融资效率大于1,且其纯技术效率优于规模效率;而其他行业的融资效率均小于1,且多数企业的纯技术效率值较低,规模效率优于纯技术效率。这说明我国科技型中小企业的纯技术效率指标与综合效率指标具有普遍的内在一致性。而我国科技型中小企业大多是规模效率优于纯技术效率,说明该类企业偏好借助多元化生产或扩大规模来提高效率,而忽视自身管理制度、生产技术方面的提升,内生性增长不足,随着生产规模的日益扩大,企业将很难协调发展,甚至可能因产能落后导致产能危机。

摘要：本文以我国科技型中小企业2011~2013年面板数据为样本,引入DEA-Malmquist指数方法对其融资效率进行连续动态分析。结果表明:我国科技型中小企业整体融资效率偏低,究其原因主要是多数企业偏好借助多元化生产或扩大规模来提高效率,而忽视自身管理制度和生产技术方面的提升,内生性增长不足致使融资效率难以得到提升。

6.基于DEA方法的海洋科技效率评价研究 篇六

关键词:DEA;旅游业;评价

近20多年来随着我国经济的快速发展,人民生活水平日益提高,旅游业取得了令人瞩目的成就。旅游业在我国经济发展中的产业地位、经济作用日益得到提高。如何抓好旅游產业的培育,是目前迫切需要解决的问题。为此,对各地区旅游业发展状况进行有效的评价很有必要。

在国内大多数以星级酒店为研究对象。而研究区域旅游产业效率不多见,陆湘林对山东省17地市旅游业效率的研究,杨荣海、曾伟对云南旅游效率进行了研究;而对整个国内区域的效率研究比较缺乏。故本文就以DEA方法对中国各地区的旅游产业效率进行探讨,并提出提高地区效率的相应对策。

一、DEA模型介绍

DEA是一种“面向数据”的测评方法,用于测评一组具有多种投入和多种产出的决策单元的绩效和相对效率。由于DEA方法对个体的差异尤其是DMU效率的考察有着独特优势,而且可以规避参数方法的多种限制,所以被广泛地应用于各个领域。

(一)CCR模型

假定一组被考察单元的个数为n个,每个被考察单元有s个输出变量和m个输入变量。yjk表示第k个被考察单元的第j个输出变量,xik是第k个单元的第i个输入变量。第k个决策单元总效率计算问题可以转化成如下线性规划问题:

min θ

(C C R)s.t.Xλ≤θXYλ≥Yλ≥0.j=1......n①

公式①中Xk=(x1k,x2k,…xmk),Yk=(y1k,y2k,…ysk)。此模型称为CCR模型,是规模收益不变的假设下得到的。

(二)超效率DEA模型

DEA的CCR模型把决策单元分为有效和无效两种,而对于同时有效的决策单元,则无法再做出评价和比较。Andersen等于1993年提出一种超效率评价模型能够对DEA有效的单元进行排序。

超效率评价模型与CCR模型数学形式相似,其形式如下:

s.tXλ≤θXYλ≥Yλ≥0.j=1......n②

(三)BCC模型

线性规划(1)假设规模收益不变,使得运作在规模收益递增或递减的有效前沿面上的DMU得到非DEA有效的评价结果,却没有区分是规模有效还是技术非有效。

min σ

s.t∑λY≥Y∑λX≤σX∑λ=1λ≥0j=1,2,...,n③

BCC模型引入约束∑λ=1,去掉规模收益不变的假设,可以得出单元的纯技术效率。

BCC模型将系统效率分解为纯技术效率和规模效率,即系统效率=纯技术效率*规模效率。纯技术效率指各地每年能否有效利用生产技术,使产出最大化;它表示投入要素在使用上的效率。规模效率指各地每年产出与投入比例是否得当,实现产出最大化。

二、变量和数据的选取

变量选取要考虑旅游行业的本身的特点(资金、劳动密集型)而且要考虑数据的可获得性,所以笔者选取了固定资产、基本单位数及从业人员作为投入指标,以营业收入和旅游人次(包括国内或入境游)作为产出指标;其中投入变量和产出变量的数据包含星级酒店,旅行社及其他旅游企业。考虑的数据的权威性,我们采用了《中国旅游统计年鉴》2007年正副本数据。考虑到投入和产出滞后效应的同时性,以及当年投入的大部分必然影响当年产出大部分的实际情况,本研究也忽略这种滞后效应对旅游效率结果的影响。

三、结果分析

我们选取之前介绍的DEA模型,计算各地区旅游业的系统效率、纯技术效率、规模效率,结果如表1所示:

(一)规模收益分析

按照规模收益值把各决策单元分为规模收益递增,规模收益不变,规模收益递减三种情况,具体见表1。

北京、天津、上海、安徽、河南、重庆的规模收益值为1,旅游发展表现为规模收益不变,即在此投入组合基础上,增加旅游投入会导致旅游产出等比例增加。山西、内蒙古等12省(市)、自治区规模收益值小于1,旅游发展表现为规模收益递增,即在此投入组合基础上,增加旅游投入会导致旅游产出“规模经济”。

其余地区的规模收益值大于1,旅游发展表现为规模收益递减,即在此投入组合基础上,增加旅游投入会导致旅游产出“规模不经济”。

(二)技术效率和规模效率分析

从上述理论部分说明得到可知系统效率=纯技术效率*规模效率,由表1可知由于纯技术效率引起的系统无效的地区只有1个,占系统无效比例的4%;由于规模效率引起的系统无效的地区有5个,占系统无效比例的20%;由于纯技术效率和规模效率引起的系统无效有19个,占统无效比例的76%。

(三)东中西部效率差异分析

改革开放以来,中国形成了东部,西部,中部三个地区,而且表现出地域发展水平较高的大多数集中在东部沿海一带,那地区差异在旅游业效率上是否存在呢?我们将从不同的地区旅游业效率进行辨别。这里我们采用非参数检验方法。结果如下表2所示:

如表2所示,我们没有理由拒绝“三个地区旅游业系统效率、纯技术效率和规模效率相同”这个假设:Kruskal-Wallis检验证明,三个区域旅游生产效率的差异性是不显著的。同样的,我们发现东部、西部、中部的两者之间无差异:Mann-Whitney检验证明不显著。

(四)旅游业地区聚类分析

为了更加清晰地划分各地区的旅游生产模式,我们将Michael Norman和Barry Stocker的方法进行聚类分析,我们把它分为如表3所示的5类(最优规模、规模过小、规模过大、纯技术无效率和易改进):

处于最优规模的地区,其总体效率(纯技术效率和规模效率)都大于1,其地区无需改进。处于规模过小的地区,其规模效率小于0.9,规模报酬递增,这些地区不仅需要增加投入,而且要注意其投入比例。在无效率的地区中都有冗余,如果光不计比例的增加投入,必然不能改变其投入产出效率。处于纯技术无效的地区,其投入的运用效率不高,导致产出不高,其必须提高每年的投入运用效率,使产出最大化。处于规模过大的地区,规模报酬递减的,更应该对现有资源的利用现状进行分析,设法充分利用现有资源提高其产出,从而达到更优的状态。处于易改进的地区,其规模效率和纯技术效率都比较高,只要略微改进即可。

四、理论解释

根据波特教授的定义,产业集群是一组在地理上靠近的相互联系的公司和关联的机构,它们同处或相关于一个特定的产业领域,由于具有共性和互补性而联系在一起。而旅游产业集群是指围绕旅游六大要素,以旅游目的地为核心,同时具有竞争与合作关系,且在目的地地区范围内相对集中,有交互关联性的企业、专业化供应商、相关产业的厂商以及相关的机构的旅游经济集聚现象。邓冰等人认为旅游产业集群的形成和发展有以下几个条件:旅游资源、客源市场、交通区位、产业链作用、政府支持等。国内学者徐康宁认为凡是经济开放程度较高的地区,产业集群的特征就比较突出;相反,产业集群的现象就比较弱。

我们可以看到效率较高地区的形成旅游产业集群的条件都比较成熟,且相对占有一定的优势。而且可以看到北京、上海等地其经济开放程度高,产业集群的特征就比较突出。故我们认为那些效率较高的城市其旅游产业集群现象相对较高。旅游产业集群能降低经营成本;使旅游企业有了更强的创新能力;促使政府加大基础设施投入;促使集群内的旅游企业改进企业制度,完善企业管理机制,达到资源的优化配置。而且旅游产业集群的强大可以促使本地旅游品牌的影响力的提高,创建旅游目的地明星效应。所以我们认为上海、北京等地区旅游效率高的原因之一就是其旅游产业形成了较强的集群效应。由于产业集群的作用使得这些地区资源组合能力、转化能力、分配能力相对较强,最终使得这些地区的投入产出效率较高。

参考文献:

1、Mary’a,Jesu’s Such.Mary’a del Mar Zamora[J].Spanish Productivity:A Regional Approach. Annals of Tourism Research,2006(3).

2、陆相林.DEA方法在区域旅游发展评价中的应——以山东省17地市为例[J].湖北大学学报,2007.

3、杨荣海,曾伟.基于DEA方法的云南旅游业效率研究[J].云南财经大学报,2008(1).

4、邵琪伟.中国旅游统计年鉴(2007)[M].中国旅游出版社,2008.

*本文属四川省哲学社会科学重点研究基地——四川旅游发展研究中心立项资助课题(编号LY08-14)。

7.基于DEA方法的海洋科技效率评价研究 篇七

关键词：DEA；AHP；高校科研人员；绩效；评价

对于科研工作而言，其实际研究成果会随着管理效果的变化而变化。如果能对科研人员绩效作出科学有效的评估，就能大幅度提升科研管理的效果。科研人员绩效评价大体可分为四项功能，即监督性、调节性、方向性和反馈性。国外大多数科研人员绩效评价已经得到了良好的发展，相较国内更为成熟，主要是针对高校之类的科研机构，DEA和AHP就是其中最为常见的评价方法。

一、以层次分析法为基础的的科研人员绩效评价

层次分析法最早由美国萨迪教授于十九世纪七十年代正式提出。这一方法主要是把需要解决的问题分为各种不同的因子，然后使之形成目标层、规则层、方案层这三大层次，最终构成了评价的指标体系。如果把同一个层次内部的因素重要性进行比较，建立起判断矩阵，并按照最大特征根法进行运算，就可以得出每个因子的实际权重。

（一）建立科研人员绩效评价指标体系。例如，我国某高校在建立科研人员绩效评价体系时，就把建设全球一流大学作为了自己的首要目标，并针对科研工作人员的实际情况，结合自身学科建设与发展需求，让学术专家委员会展开相关探讨，制定出了科学的考察目标。这一选择指标包含了一个目标、五个指标与十五个因素，具体情况可见表1所示。

（二）建立各因子之间的判断矩阵。要对每一个因子之间的联系和重要性实现有效评估与判断，可以设计一些针对专家学者的问卷，邀请经验丰富的管理人员与科研专家进行管理，为同样的层次内不同的因子重要性打分。这样一来可以避免单一专家对判断结果产生主观影响，也可以使研究结果更具科学性。如果针对同一个层次内的不同因素，则在比较过程中就可以选用九标度的方法，也就是按照因子之间的相对重要性，用

1、2、3……9或是其倒数进行表示。例如9可以代表A比B绝对重要，1代表A和B同样重要，1/9代表B比A更加重要，等等。最后构建出对比型判断矩阵。按照科研人员的绩效评价指标体系，再结合专家评分的最终结果，就可以建立起不同因子之间的判断矩阵。具体可见表2所示。

（三）判断矩阵的统一性检测。专家在回答调查问卷时，也许会产生三个因子循环判断的情况，这样一来会违背基本的正常逻辑，所以必须针对矩阵进行统一性检测。在矩阵中，统一性指标CI=λmax-n/n-1，在该式子中，n代表同一层次内的指标个数，而λmax代表最大特征根。平均随机统一性指标RI就是1—15阶正互反矩阵运算一千次所得出的最终平均随机统一性指标。统一性比例CR=CI/RI，如果CR<0.1，则判断矩阵可以达到统一性检测标准。某高校运用YAAHP运算，得到了不同层次中的CR数值，具体可见表3所示。从表中可以看出，CR的平均值都小于0.1，且指标体系达到了统一性检测标准。

（四）确定指标体系各因素权重。利用YAAHP软件，可以算出不同层次中指标的相对权重，再计算出每个层次内因素对决策目标的实际权重，加上权重平均值，实施整体排序，就可以算出总权重值，具体可见表4所示。

依据YAAHP软件计算出的每个层次指标的实际权重，可以进一步算出不同层次因子对于决策目标的实际权重，加上权重平均值，再进行整体排序，就可以得出总权重值。

（五）科研人员产出得分计算。按照上述层次分析法算出的指标体系与实际权重数值，再结合某高校城市和环境学院中20位当职教师在最近5年中的各类投入产出指数，可以算出所有教师的科研产出整体分数。此后，再对这些分数进行标准化处理，就能够得到DEA相关计算数据，并从数据中找出20位教师的平均得分。从得分显示的数据可以看出，该高校内部科技研究产出存在很大差异，有的教师得分很高，而有的教师得分相对较低。究其原因，主要是因为某些教师每年都会参加一部分重要科研项目，由此获得了很高的SCI著作产出，也拿到了更多省级甚至国家级的奖励。而有的分数较低的教师，属于刚入职不久的教师，其在此之前所获得的各种科研产出奖励，并没有建立在该高校的名义下，所以查不到相关统计数据。得分最高的几位教师都属于该高校城市和环境学院的学者、院士、高级教授等。分析这些数据，再结合该高校城市和环境学院的具体情形，可看出这类数据之间存在很好的吻合性。只要进一步加大科技研究投入，就可以更好地计算出这些教师的科技研究绩效水平。

二、以数据包络法为基础的科研效率评价

（一）数据包络法根本原理。数据包络法的简称是DEA，该方法最早是由美国运筹学家Chames与Cooper等人在1978年正式提出，其理论基础就是相对效率，主要用途是评估拥有多投入产出的决策单元能否体现出较高的技术含量和较大规模。数据包络法不会受到量纲的束缚与影响，因此能够有效规避主观因素造成的种种误差。DEA的主要原理就是将所有的评估对象视为一个整体的决策单元，即DMU，然后再针对每个决策单元的投入值和产出值数据变量展开运算，最终确定这些数据是否DEA生效。例如，可以假设有DMUi，其中i=1，2，3……n，且n代表决策单元的实际数量，（xi，yi）代表决策单元投入及产出的数据，于是，针对某一特定的决策单元，可得出其有效性的评价模型。解答这一模型，可以求出最佳评价方法。假如θ=1，而

S-和S+不都等于0或都为0时，DMU属于弱有效或有效。如果λi <1，那么DMU就是规模效益递减。如果λi>1，那么DMU就属于规模效益递增。

（二）某高校城市与环境学院实例分析。利用上述层次分析法，可以得出相应的指标体系，其中输出指标基本包含了五大元素，即科研项目、发表成果、专利著作、所获奖励和人才培养。依照层次分析法所得到的权重数值，可以把输出指标总结为两大类，一类是科研成果产出，具体包含了科研项目、发表成果、专利著作、所获奖励；另一类是人才产出，包含了本科、硕士、博士等人才培养内容。与之相对的，输入指标也可以分成两大类，一类是科研经费投入与人力资源投入，人力投入则包含了本科、硕士、博士人才等相关投入。

按照上述所有指标增加权重的平均运算法以及打分标准，录入某高校城市及环境学院20位当职教师的投入值和产出值数据，并运用DEAP软件展开计算，可以得出实际效率数据，具体可见表5所示。

在表5中，总共给出了三种评价分数，即技术效率、纯技术效率及规模效率分数。其中，技术效率的含义是在规模报酬保持不变的前提下，所获得的实际技术效率参数；纯技术效率则代表了投入元素的运用效率；规模效率代表的是决策单元的投入值和产出值所达到的比例情况，且规模报酬还能显示出这一决策单元处在哪一生产阶段。Drs代表规模报酬处于递减状态，而irs代表规模报酬处于递增状态。

从DEA有效的角度看，表5中有4位教师的技术效率、纯技术效率和规模效率都达到了有效标准。在当前的科技研究投入情况之下，如果进一步加大科研投入，则这些教师的投入产出规模报酬也会保持不变。综合这4位教师的纯科研产出分数情形，会发现其已经基本达到了整体平衡的状态，然而在将来依旧能够通过加大投入的形式，调节科技研究管理水准，继而增加科研产出值。

从EDA无效的角度看，纯技术效率是有效的。从表5数据可看出，有5位教师的纯技术效率都处在有效状态下。数据表示，在目前的科技研究条件投入之下，这5位教师的科研产出都达到了最高值。而DEA没有生效的首要原因就是规模效率过低，从规模报酬的结果分析可以得知，这些因素都处在规模报酬递减的情形下，在将来也可以采取调节科技研究管理手段，或是适度降低投入等方法，提高科研规模效率。

从纯技术效率与规模效率都无效的角度看，其余教师基本都属于DEA无效的情况，并且纯技术效率同样也是无效。究其原因，主要是因为科技研究水平与统筹运用资源的能力有限，或是投入规模不适合，造成了这一种无效局面。表5中，很多教师都还处在规模报酬递增的现象下，因此在将来的科研管理中，应当适度提高资金支助的力度，加大人力资源投入，以便扩大规模，提高效率。此外，对于另一部分规模效率递减的教师，就需要适度降低资金与人力投入，提升科技研究人员绩效。

把层次分析法与数据包络法融合起来，再把其计算结果和该高校城市及环境学院的二十位当职教师的具体情形相比较，就可以发现计算结果和每位教师的具体科技研究情形基本相同。也就是说，在专家给分制订评价指标体系的前提之下，如果能将层次分析法与数据包络法有机集合，就能够较为确切地体现出该高校城市和环境学院科技研究的现实问题。

结束语：从推广方式的层面看，以层次分析法与数据包络法（DEA和AHP）的评价方式为基础进行分析，可以运用于许多高校的科技研究中。DEA与AHP评价法有助于实现对科技研究人员的准确评价，还能够推动高水准科技研究管理的进步，并深入强化高校的科研水平，为我国科技发展和高校研究贡献出巨大的力量。

参考文献：

[1] 唐琳，刘鸿雁.基于DEA和AHP方法的北京大学科研人员绩效评价[J].中国科技信息，2015，18：121-124.

[2] 戚湧，李千目，王艳.一种基于DEA的高校科研绩效评价方法[J].科学学与科学技术管理，2008，12：178-181+186.

[3] 张素娟，黄晓燕，邢少璟.基于AHP和DEA的科研项目绩效评价方法研究[J]. 湖北师范学院学报（自然科学版），2012，02：6-11.

[4] 张琴，朱少英，齐二石.基于DEA方法的地方高校科研绩效评价[J].山西农业大学学报（社会科学版），2013，10：1062-1066.

8.基于DEA方法的海洋科技效率评价研究 篇八

从20世纪80年代起,我国总共进行了3次农村金融体制改革。每一次金融体制改革都把调整农村金融机构放在了重要的位置,改革对农村金融的发展也起到了很好的促进作用。农村商业银行是在农村信用社的基础上组建的,而作为农村金融结构的主力军,农村信用社在这3次金融体制的改革中都有所涉及。第一次改革中,农村合作信用社从政社合一的体制下解放出来,恢复“三性”,即组织上的群众性、管理上的民主性、经营上的灵活性,明确界定其合作金融组织的性质,不能作为农业银行的基层机构。在第二次改革中,农村信用社从中国农业银行独立出来,向合作制方向发展,并在信用联社基础上,有步骤地组建农村合作银行。第三次改革是以农信社为主的改革,这轮改革是按照“明晰产权关系、强化约束机制、增强服务功能、国家适当支持、地方政府负责”的总体要求,加快农村信用社管理体制和产权制度改革,把农村信用社逐步办成由农民、农村工商户和各类经济组织入股,为农民、农业和农村经济发展服务的社区性地方金融机构,充分发挥农村信用社农村金融主力军和联系农民的金融纽带作用,更好地支持农村经济结构调整,促进城乡经济协调发展。其后,又进一步在全国推开以明晰产权和完善农村信用社经营管理体制为中心的农村信用社改革。正是在这种改革的背景下,农村商业银行开始组建。2001年年底,江苏作为全国农村信用社改革的试点,在农村信用社基础上改制组建了全国首批股份制农村商业银行,由此拉开了农信社向农村商业银行改制的序幕。2005年,相继成立了北京农村商业银行和上海农村商业银行两家省级农村商业银行。2008年6月,重庆农村商业银行正式组建,成为西部唯一的一家省级农村商业银行。随着农村金融体制改革的深入,将会有更多的农村商业银行改制组建,农村商业银行已经成为农村信用社改革发展的方向。

农村商业银行作为农村金融改革的产物,是改革的一大突破,作为我国经济发达地区农村信用社改革的一种新模式,其运营效率的高低不仅关系自身的改革发展,还对我国经济发达地区的农信社改革以及我国整个农村金融体制改革的成效都具有重要意义。基于此,有必要对农村商业银行的运营效率进行评价。本文基于利用DEA方法对当前我国的几家农村商业银行包括两家省级农村商业银行———北京农村商业银行和上海农村商业银行,以及8家地级市农村商业银行进行实证检验。

1 农村商业银行运营机理分析

农村商业银行是在农村信用社基础上按照完善体制、转换机制、消化包袱、加强管理、改善服务的要求改制组建而来的。它突破了原有农村合作金融组织的经营模式,在组建的过程中按照建立现代金融企业制度的要求,由辖区农户、个体工商户、企业法人和其他经济组织自愿入股组成,自主经营、自负盈亏,在股本募集、法人治理结构上充分体现股权分散、所有权和经营权分离以及法人、股东各自承担风险的原则。组建后的农村商业银行相比农信社运营机制更加灵活,体制优势更加明显,不仅能更好地为辖区内“三农”提供优质服务,而且业务领域也得到了进一步拓展。

农村商业银行实行的是股份制的模式,相比于农村信用社现有的合作制模式有很大的优越性:首先,规范的股份制具有产权明晰,强化约束机制的功能,能有效地解决目前我国农村信用社普遍存在的所有者缺位问题。其次,规范的股份制具有健全的法人治理框架,可以有效地解决农村信用社民主管理难以落实的问题。再次,股份制具有吸纳资本的功能,可以有效解决农村信用社风险控制能力弱的问题。最后,股份制具有权利制衡的功能,可以有效地解决农村信用社难以规避不合理行政干预的问题。

农村商业银行的定位是商业化的农村金融机构模式,这就决定了实现利润的最大化是农村商业银行的运营目标。这与合作制的农村信用社要求不以营利为目标正好相反。商业化的农村商业银行具有规模效益加大,金融服务功能提升,风险控制意识加强,专业化和智能化发展的特点。这些特点都是以前农村信用合作社所缺少的。由于已组建的农村商业银行基本上处于经济发达,农村城市化程度和城乡一体化水平较高的地区,吸引了众多的商业银行的进入,这些地区的金融市场竞争异常激烈。农村商业银行要想在激烈的市场竞争中生存发展,避免陷入与农村信用社一样的尴尬困境中,推行规范的商业化是一条有效的途径。

当然,作为农村金融机构农村商业银行也有其特殊性———作为农村信用社改革的产物,农村商业银行虽然不是政策银行,但承担了部分政策性支农职能。和其他一些商业银行不同,农村商业银行不仅要营利,还要支农。鉴于此,农村商业银行在运营过程中特别注重正确处理商业化经营与政策性支农职能的关系,始终把服务“三农”作为各项工作的重中之重。

必须看到,农村商业银行毕竟只是农村金融体制改革试点的产物,是一种探索的模式,并没有从根本上彻底解决我国当前农村金融结构所面临的种种困境,有很多方面还具有不足,亟待解决。其内部机制仍然遗留有很深农村信用社的痕迹,比如在实际操作过程中,作为农村商业银行产权所有者的小股东往往缺乏行使权利的动力和能力,部分股权虚置现象十分普遍,等等。这些遗留下来的存在于运营机制中的问题对于农村商业银行的长久发展提出了挑战。如何解决运营机制中的这些问题,使农村商业银行真正按照现代金融企业制度的要求运营是农村商业银行长远发展的关键。

2 研究方法与实证

(1)模型与评价方法农村商业银行的运营系统可以视为将若干投入转化为若干产出的生产系统。对于效率的评价一般采用前沿生产函数的方法进行分析。前沿生产函数可以分为确定性前沿生产函数和随机性生产函数,确定性生产函数又分为参数型和非参数型。在对农村商业银行运营效率的评测中,采用的是非参数型确定性前沿生产函数,它是以数据包络分析(data envelopment analysis,DEA)方法为基础的。DEA方法是基于输入-输出模型的评测方法,用来评测一组具有多种投入和多种产出的决策单元DMU(decision making units)间的相对有效性。由于DEA方法注重观测值的平均值,因此对个体的差异尤其是DMU效率的考察具有独特的优势,近年来在银行运营效率评价方面得到了很好的应用。

DEA方法的应用有许多模型,最常用的是CCR模型和BCC模型。两者最大的差别就是CCR模型是假设DMU生产规模报酬不变,而BCC模型则是假设DMU生产规模报酬改变。CCR模型和BCC模型分别有2种形式:以投入为导向(input-oriented)和以产出为导向(out-oriented)。以投入为导向是指在其他条件不变以及维持现有水平的产出的情况下,使投入最小化的模型。以产出为导向是指在其他条件不变以及维持现有水平的投入的情况下,最大化产出的模型。在本文的研究中,将选取投入为导向的DEA模型。

设有n个决策单元,每个决策单元都有m中输入和s中输出,分别记第j决策单元的输入和输出为

Xj=(x1j,x2j,…,xmj)T,

Yj=(y1j,y2j,…,ysj)T,j=1,2,…,n。

其中:xij>0,yrj>0(i=1,2,…,m r=1,2,…,s)分别表示第j决策单元DMUj的第i种类型的输入量和第r种类型的输出量。

则对第j0(1≤j0≤n)决策单元进行效率评价的CCR模型为

其中:UT,VT分别表示投入指标和产出指标的权向量。

在传统CCR模型的基础上,加入松弛变量s+,s-,利用Chamess-Cooper变化及对偶规划理论,将上述模型的公式改写成如下的非线性规划形式

λj,s-,s+≥0,ε为非阿基米德无穷小变量ΣΣΣ。其中s+=(s+1,s+2,…s+m),s-=(s-1,s-2,…sm)s+和s-分别为产出,投入对应的松弛变量,eT1=(1,1,…,1)∈Em,eT2=(1,1,…,1)∈Es。

CCR模型计算出来的效率值是技术效率也称为综合效率。在理论上,技术效率(综合效率)=纯技术效率×规模效率。在实际中,对于农村商业银行来说,CCR模型中生产规模报酬不变的假设过于严格,在很多情况下并不满足。一方面,农村商业银行是改革过程中由农村信用社等合并组建的,不同地区的农村信用社的规模差异非常大,由此组建的农村商业银行的规模差异自然也存在着较大差异;另一方面,宏观经济环境,政策因素,不完全竞争等都会使得这一假设具有局限性。在这种情况下,BCC模型能更好的解决这一问题。BCC模型所计算出来的结果是在剔除规模效率影响下的纯技术效率。其具体形式如下

λj,s-,s+≥0,ε为非阿基米德无穷小变量。

在金融机构运营效率评价中,评价的本质是判断决策单元DMU的投入和产出是否位于生产可能集的前沿面上。换句话说,即判断在投入一定的情况下产出是否达到了最大的点,或者说在产出一定的情况下投入是否达到了其最小的点。对于农村商业银行来说,由于是在原先农村信用社基础上组建起来的,一方面组建时间较短,正处在探索阶段;另一方面,由于农村信用社原有的资产质量差、财务包袱重、风险补偿能力低、法人治理不完善等问题,制约了农村商业银行的运营效率的快速提高。

根据上述分析,假定农村商业银行在运行过程中存在着投入冗余和产出不足,其大小可以用松弛变量s+,s-来衡量。根据DEA方法中关于有效性的分类,我们可以得到下面的关系:(1)当θ=1,且s+=s-=0时,称DMU0为DEA有效,即n评价对象中投入X0的基础上产出Y0达到最优。(2)当θ=1,且s+≠0或s-≠0时,称DMU0为DEA弱有效,即DMU0可以通过减少投入X0(减少量s-)来获得同样的产出Y0。或者,DMU0在同样的投入X0时可以使得产出Y0增加(增加量为s+)。(3)当θ<1时,称DMU0为非DEA有效。即DMU0可以将投入降低到θX0而获得同样的产出Y0。

上述3种情况下,当DMU0为DEA有效时,不存在投入冗余或产出不足。在DMU0为非DEA有效时,存在着投入冗余和产出不足,假定投入冗余用△X0,产出不足用△Y0表示,则有:△X0=(1-θ0)X0+s-0,△Y0=s+0。由此可以计算出投入冗余率ρ0i和产出不足率η0i分别为。

综上所述,在本文的研究中,将选取投入导向的DEA方法,同时,利用技术效率(综合效率)=纯技术效率×规模效率这一关系式,将CCR模型与BCC模型结合,可以同时得出各农村商业银行生产规模报酬不变下的技术效率(综合效率),生产规模报酬改变下的纯技术效率以及规模效率。并且从模型形式容易得知,处于生产前沿面的DMU,其技术效率值为1,非前沿面DMU的技术效率值小于1,并且效率值越小,相对效率越低,距离生产前沿面越远。

(2)样本参数及数据的选择本文的考察的样本农村商业银行包括2家省级农村商业银行—北京农村商业银行和上海农村商业银行,以我国最早成立的规模较大的几家地级市农村商业银行———江苏常熟农村商业银行,江阴农村商业银行,武进农村商业银行,张家港农村商业银行,吴江农村商业银行,昆山农村商业银行,太仓农村商业银行以及安徽合肥科技农村商业银行。以2007年为考察期。研究的相关数据主要是根据样本农村商业银行各自公布的年度报告中整理得到的。

农村商业银行组建的初衷是更好地为农业,农民和农村经济的发展服务,同时,农村商业银行实行的股份制模式。因此,笔者选取了总资产,营业支出,所有者权益作为投入要素;选取营业收入,新增存款余额,新增贷款余额,资本充足率,不良贷款下降率为产出要素。

(3)模型的求解及结果分析根据数据网络分析的求解方法,利用DEA Excel Solver软件计算农村商业银行的技术效率值,纯技术效率值,规模效率值以及规模报酬变化结果,如表1所示。

在最后的计算结果中,每一家农村商业银行的各项投入,产出要素所对应的松弛变量都为0,即s+=s-=0。

从结果可以看出,在规模报酬不变的情况下,除了上海农村商业银行,其他9家农村商业银行的技术效率值即综合效率都为1,也就是说这9家农商行的DEA有效值=1,这9家农村商业银行同时也满足=0,说明这九家农村商业银行的生产运营活动相对有效率,是处于生产前沿面上的有效决策单元。而上海农村商业银行的技术效率值(综合效率)小于1,是非DEA有效。根据投入冗余率和产出不足率的计算公式,可以得到上海农村商业银行的各项投入要素的投入冗余率都为35.9%,产出不足率为0。

在剔除了规模效应的影响以后,在规模报酬不变下的9家农村商业银行的纯技术效率值依旧为1,上海农村商业银行的纯技术效率值也为1。从农村商业银行的规模效率来看,上海农村商业银行的规模递减,说明上海农村商业银行在2007年的规模扩张已经超过了它在当时技术条件下的最佳规模。另外9家农村商业银行的规模报酬不变,因为这九家农村商业银行都为DEA有效,自然也是规模有效。

根据技术效率(综合效率)=纯技术效率×规模效率的关系式,可以判断出导致技术效率值(综合效率)低的主要原因:如果纯技术效率>规模效率,则引起技术效率值低的主要原因是规模的低效;如果纯技术效率<规模效率,则主要是由于低的纯技术效率导致技术效率低。纯技术效率表示的是在剔除了规模效应影响之后的农村商业银行的技术效率,可以看成是对农村商业银行管理水平的体现。根据上述关系,可知上海农村商业银行低的技术效率(综合效率)主要是由于低的规模效率值所导致的。由此可知,上海农村商业银行要想改善其经营状况,提高其经营的DEA效率值,应该主要从其规模角度入手,要注意在扩张银行规模的同时,尽量扩大其内在经济性,避免和消除内在不经济,只有这样才能实现规模经济,才能提高其整体技术效率值。

3 结论

通过对农村商业银行的效率分析,可以得出以下几点结论:首先,除了上海农村商业银行以外,其他9家样本农村商业银行的技术效率值都为1,说明农村商业银行在总体上的运营效率普遍有效。其次,所有样本农村商业银行的纯技术效率值都为1,这说明农村商业银行在现有的条件下的管理水平也很有效。再次,对上海农村商业银行的低的技术效率值的分析可知,其运营效率的低效是主要是由其规模效率低而引起的。

我国的农村商业银行从整体上运营效率较高,资源浪费,配置无效的问题基本上得到了很好的解决。但对所有的农村商业银行,无论是DEA有效还是非DEA有效,正视各自所处的规模状态,保持与技术水平相适度的规模,加强银行的经营管理,强化银行的效率意识,有助于提高银行的效益。

筹建农村商业银行、推进农村金融机构商业化运作,已成为农村信用社改革的趋势。目前,我国农村金融结构的主力军是农村信用合作社,农村信用社依旧存在产权模式模糊,管理体制落后,股权设置和治理结构冲突,历史包袱过重等问题。在农村信用社基础上组建的农村商业银行在这些方面进行了改革并取得了较好的成效,不过由于这些农村商业银行都是处于经济比较发达的地区,由当地资产条件好的农村信用社改制而来,起点相对较高,因此,目前在全国范围内大规模的推广农村商业银行的模式并不实际。但是,一些地区可以根据自身的条件,加大农村信用合作社改革的步伐,将组建农村商业银行特别是组建省级规模的农村商业银行作为当地农村金融机构发展的方向。

农村商业银行上市融资是今后发展的必然趋势。以目前已上市和未上市的其他银行进行比较很容易看出,得到资本补充的银行发展速度远远超过未上市银行。农商行的特点决定它们很难像其他银行那样通过发展零售银行和中间业务的方式实现内涵式增长,主要还是以外延式的规模扩张为主。但由于股东人数上限等条件约束,不少农商行无法实现A股上市,在这种情况下,农商行必须要找到解决资本瓶颈的其他路径,比如取道H股市场。对于农商行来说,由于在盈利能力、费用收入和资产质量方面严重落后于中国大型银行,这使农商行上市后能成为一项更好的投资,因为它具有未来改善的空间。

摘要：农村商业银行作为农村金融改革的产物,被认为是农村金融机构今后发展的模板。农村商业银行在为‘三农’和地方经济发展提供金融服务、推动农村金融的发展等方面意义深远。因此,对其运营效率值得关注。通过数据包络分析方法(DEA)对国内几家农村商业银行进行效率评测,得出的主要结论有:除了上海农村商业银行,农村商业银行在总体上的运营效率普遍有效;农村商业银行在现有的条件下的管理水平也很有效;上海农村商业银行运营效率的低效是主要是由其规模效率低而引起的。

关键词：农村商业银行,运营效率,数据包络分析方法

参考文献

[1]CHARNES A,COOPER W W.Measuring the efficiency ofdecision making units[J].European Journal of OperationalResearch,1978(3):429-440.

[2]BANKER R D,COOPER W W.Some models for estimatingtechnical and scale efficiencies in data envelopment analysis[J].Management Science,1984(7):1078-1092.

[3]ADNAN K.Cost efficiency,scale economies,and technologicalprogress in Turkish Banking[J].Central Bank Review,2003(12):1-20.

[4]SUFIAN F.Trends in the efficiency of Singaporep’s commercialbanking groups:a non-stochastic frontier DEA window analysisapproach[J].Vietnam Banking Review,2006(5):73-78.

[5]谭永基,朱晓明,丁颂康,等.经济管理数学模型案例教程[M].北京:高等教育出版社,2006:165-169.

[6]魏权龄.数据包络分析(DEA)[M].北京:科学出版社,2004:51-66.

[7]魏权龄,岳明.DEA概论与C2R模型:数据包络分析一[J].系统工程理论与实践,1989(1):58-69.

[8]郭京福,杨德礼.数据包络分析方法综述[J].大连理工大学学报,1998(3):35-38.

[9]褚保金,张兰,王娟.中国农村信用社运行效率及其影响因素分析:以苏北地区为例[J].中国农村观察,2007(1):11-23.

[10]汪洋,刘林林.我国国有银行和股份制银行X效率比较[J].中央财经大学学报,2008(6):47-53.

9.基于DEA的供应链效率评价研究 篇九

关键词：DEA,计算仿真,供应链系统,效率评价

0 引言

“抓效率, 降成本”是各企业追求的目标, 而对供应链系统的运作效率进行合理评价是发现、解决和提高各生产经营企业供应链效率问题的有效路径。效率评价, 在微观层面上主要包括成本效率、技术效率和配置效率;其中技术效率评价, 是运筹学、管理学和系统科学等领域的研究热点, 其是由Farrell等[1]最早在研究中提出来的。

数据包络分析 (Data Envelopment Analysis, DEA) 是Charnes[2]等人于1978年首次提出的一种处理多投入及多产出决策单元相对效率的非参数评价方法, 凭借其特有的优势[3], 目前已得到国内外人士的广泛研究与关注。供应链系统是一个复杂系统, 而传统的DEA评价方法, 将每一个决策单元 (Decision Making Unite, DMU) 都看作是一“黑箱”, 忽视生产或服务等系统以及供应链上下游之间的联系, 将高估评价结果, 失去一定的甄别效果[4,5]。近年来, 国内外学者已经开始运用DEA评价复杂系统的技术效率;Fare与Grosskopf提出的FG网络DEA模型[6], Cook和Zhu等人借助子系统分析和构建网络DEA模型[7]。国内, 以梁樑、杨峰等为代表的学者在国内外发表了一些相对有影响的文章[8,9]。但目前, 很少有学者将DEA应用于对行业的供应链效率分析。本文建立供应链系统DEA-SCA评价模型, 通过DEAP2.1软件对卷烟生产经营企业供应链系统的投入产出进行计算, 发现供应链上下游组织中存在的问题, 优化决策, 提高供应链的整体运作效益;进而验证DEA-SCA模型的有效性和应用性。

1 研究方法与系统建模

数据包络分析 (Data Envelopment Analysis, DEA) 是一种处理多投入及多产出中每个决策单元 (Decision Making Unite, DMU) 相对效率的DEA-CCR模型。此模型是在规模报酬不变的前提下, 计算每个DMU的技术效率。技术效率, 是指在投入一定的前提下所能获得最大产出的能力。技术效率值为1, 表示评价单元在整个决策单元集合中的经营方式比较有效;当技术效率值小于1时, 表示评价单元的经营方式非有效。图1为单向供应链系统投入-产出构架图。

1.1 传统DEA-CCR效率评价模型

如图1所示的供应链系统, 若不考虑中间阶段的业务流程直接用第一阶段的输入和第m阶段的输出评价该供应链系统的效率, 用DEA-CCR方法评价该系统的CCR效率的规划模型为:

约束条件

等价于线性规划为:

目标函数;约束条件

1.2 供应链DEA-SCA模型

如图1所示的单向供应链系统, 其特点是含有多阶段、多个子系统的生产网络系统;系统由m阶段串联而成。第i阶段由si个子系统并联构成, 这些子系统分别记作Subi, j (j=1, 2, …, si) 各个阶段的子系统个数si不一定相同。其中, 子系统Subi, j的投入矩阵与产出矩阵分xij, yij (i=1, 2, …, m, j=1, 2, …, si) 图中也显示了相邻阶段, 即 (i-1) 与i阶段之间的投入转化过程, 子系统Sub (i-1) , j向子系统Subi, k提供输入要素zijk, 则有

由 (1) 和 (2) 得

式 (3) 可知, 对于系统的相邻阶段而言, 前一阶段的各子系统的总输出之和便为下一阶段子系统的总输入。而对于一个供应链系统中的任意一个子系统Subi, j的效率值θij的公式为:

目标函数

约束条件

Xia[10]等人对混联生产系统作了相关方面的研究, 混联生产系统的整体效率为各阶段并联子系统效率的加权和及各阶段的串联子系统效率的乘积;因此根据Xia等人的推导得此类单向供应链的混联系统DEA效率评价模型为:

目标函数

约束条件

非线性规划 (5) 等价于如下线性规划:

目标函数

约束条件

显然, 线性规划 (8) 可直接求解。

2 案例仿真分析

2.1 卷烟供应链流程

此节对14条卷烟供应链的效率进行评价及考察, 鉴于描述整体卷烟供应链的系统运作过程的困难性, 本文只考虑相对重要的四个阶段 (资源采购、卷烟卷制、烟支卷接与销售) 及各个阶段对应的流程子系统。

如图2所示, 较为具有代表性的卷烟供应链由四阶段构成:

第一阶段是资源采购阶段, 包括原料提供子系统, 人力资源子系统, 能源供应子系统, 技术支持子系统。

第二阶段为卷烟制丝阶段, 此文主要考察卷烟最重要的三部分, 即制丝、叶片、梗丝子系统。

第三阶段为烟支卷接阶段, 其主要考察卷烟烟支的卷接, 其他烟草制品形式, 如雪茄烟不予考虑。

第四阶段是销售环节, 由于我国烟草实行专卖管理, 其仅有两种销售模式;

一是特许批发, 主要是卷烟专卖批发企业许可证单位从烟厂购入向持有烟草专卖零售许可证的单位和个人供应货源;

二是专卖零售, 主要是指持有烟草专卖零售许可证的单位和个人的烟草经营行为。每条供应链由此模型中的不同阶段的不同子系统由左及右、由上到下的顺序组合而成, 共14条, 分别用阿拉伯数字表示。

2.2 指标选取及数据引入

各阶段及各子系统的投入、产出指标基于科学性、可比性并能较好反映评价的目的和评价内容的原则, 依照中国烟草年鉴数据库, 构建卷烟供应链系统效率评价指标体系 (详见表1) 。指标体系中投入和产出数据来源于企业生产经营过程的供应链数据采集。

2.3 仿真结果分析

应用仿真软件DEAP2.1分别对规划 (2) 和 (8) 计算每一条卷烟供应链的效率, 得表2评价结果。

应用软件DEAP2.1对模型 (6) 进行计算得各个子系统效率, 表3给出部分评价结果。

(1) 通过表2, 传统CCR效率值, 5条供应链 (1, 7, 9, 10, 13) 的效率值为1, 即原材料采购、梗丝制作、特许批发、专卖零售、能源供应和利用既无投入冗余也无产出不足情况。这表明这几条供应链的资源已得到充分利用。而根据本文SCA供应链网络模型评价得出仅有供应链9是有效的, 其他供应链的效率值都小于1, 为无效, 即, 除了按照国家规定的特许批发环节效率较高外, 其他各条供应链由于某些原因, 其资源的提供与应用并不稳定。说明, 除了供应链9之外的其他供应链还有更多的改善空间, 近而提高供应链系统的整体效率, 烟草管理者应该注意对卷烟供应链系统中各流程资源的把控和有效管理, 提高资源的有效利用率。

(2) 从表2和表3对比也可以看出, 供应链9的卷烟供应链系统SCA效率、CCR效率及其各子系统的效率值均为1;而供应链1的各个子系统和CCR效率值为1, 而其整个供应链系统SCA效率值并不为1。由此可推断的供应链系统SCA有效, 其对应的各个子系统CCR有效;然而各个子系统及CCR效率值为1, 其整条供应链系统的SCA效率值并不为1;由于篇幅原因此论断在此不予论证。

3 结论

供应链系统是一类具有多子系统、多阶段及关联上下游供应链流程的复杂网络系统。本文基于DEA效率评价方法, 提出供应链DEA-SCA效率评价模型。该模型能够更好地反映多阶段供应链生产系统前沿效率及供应链上下游之间的协作关系, 在动态环境下, 更具有发现和甄别问题的能力, 有效帮助供应链系统的效率的整体改善与提升。模型的合理性、有效性和实用性通过计算仿真实验, 得到了验证。较传统的DEA-CCR效率分析, 供应链系统DEA-SCA效率评价模型更适用于此类供应链系统的效率评价。

参考文献

[1]Farrell M J.The measurement of production efficiency[J].Journal of Royal Statistical Society, Series A, General, 1957, 120 (3) :253-281.

[2]Charnes A, Cooper W.W, Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research, 1978, 2 (6) :429-444.

[3]魏权龄.数据包络分析[M].北京:科学出版社, 2004.

[4]毕功兵, 梁樑, 杨锋.基于数据包络分析的商业银行社会效率评价[J].系统管理学报, 2008, 17 (4) :375-378.

[5]宋姗姗, 吴凤平.基于DEA的区域环保投入效率分析[J].价值工程, 2012, 4:78-79.

[6]Fare R, Grosskopf S.Network DEA[J].Socio-Economic Planning Sciences, 2000, 34 (1) :35-49.

[7]Cook W.D, Zhu J, Bi Gongbing Yang feng.Network DEA:Additive efficiency decomposition[J].Eur opean Journal of Operational Research, 2010, 207 (2, 1) :1122-1129.

[8]夏琼, 杨峰, 梁樑, 吴华清.两阶段生产系统的DEA效率评价模型[J].系统管理学报, 2012, 21 (1) :1-6.

[9]Xiaoling Si, Liang Liang, Guozhu Jia, Li Yang, Huaqing Wu, Yongjun Li.Proportional sharing and DEA in allocating the fixed cost[J].Applied Mathematics and Computation, 2013, 219 (12, 15) :6580-6590.

10.基于DEA方法的海洋科技效率评价研究 篇十

【关键词】DEA 高校 财政专项 绩效评价

一、前言

在党的十八届三中全会下达的相关文献当中，明确表明：需要加强政府购买服务，凡属于事务性监管服务，在原则上都需要引入竞争机制，通过常规的合同、委托等正规、合法手段进行购买。该规定将政府购买第三方中介公司的相应服务推向了社会化。

除去民办高校外，国内的高等学校最明显的特征就是“所有者缺位”，国家并不强迫偿还投资，也不需要有相应的利润产生，这就导致了高等学校的教育资金分配不合理的现象出现。在一些发达国家，早就实施了高校财政专项支出绩效评价的方法，由政府有关部门进行资金分配，最大程度上实现了高校资金分配的公平性。高校教育资金绩效评价是引导高校今后发展的风向标，对于高校教育质量问题有着重要的影响。国内最近一些年对其也是极为重视，但是目前国内的研究都是使用国内或者省内的相关数据进行分析评估的，并不是以每一个辖区每所高校作为评价对象，更没有从第三方的角度对其进行独立评价，这样就严重影响了评价的结果以及评价的有效性。本文从资金配置的效率性、收益性、可持续性等三个方面，通过DEA方法对吉林省15所高校的财政投入进行分析并评价其财政专项资金的使用绩效。

二、模型构建及研究假设

（一）第三方评价体系

通常来说，第三方评价的人员有高校专家、专业企业、社会人员、社会群众参与等多种形式，本文探究的重点是专业企业评价形式，就是有关部门聘请的商业性公司作为第三方进行的绩效评价，这符合十八届三中全会中提出的相关要求以及将教育走向市场化的理念。第三方评价最为重要的是公平性，本文主要研究高等教育财政专项投入评价体系的构建、评价方式的选取以及对实施过程中出现的问题给予建设性意见。

（二）评估方法及模型选择

数据包络分析（DEA）是根据多指标投入和多指标产出数据对决策单元（DMU）进行相对有效性或绩效评价的一种综合评价方法，其主要思想是将一个经济体系看成一个单元在接受各种生产要素投入后，通过技术手段，最终获取所需的数据资料。本文对于高校财政专项支出的财务绩效进行评价，则每一个研究样本就是一个决策单元，我们可以根据每个DMU与有效生产前沿面的距离状况，确定其是否为DEA有效。

DEA的基本模型有C2R模型和BC2模型。由于BC2模型相比于C2R模型同时考虑了技术有效性和规模有效性，故本文在两者中选择BC2模型。

（三）研究的基本假设

按照目前的情况，由于各大院校的教学质量参差不齐，很难进行统一，因此，本研究在以下条件中进行研究：（1）教育能力的等同性假设；（2）投入质量和产出质量相互之间的关联属于正比例假设；（3）不同教育能力学生可以按照一定的比例进行计算假设；（4）不同专业、年级投入一致假设。

三、实证研究

（一）基于DEA的DMU有效性分析

在对其实行DEA分析之前，依照相关的数据资料显示，主要根据2010～2013年各大高等院校财政专项投入占据其总体收入比例的平均值为权重，并对支出指标实行预处理，从而实现二者之间的匹配性。随后将其所获得的产出值录入DEAP2.1软件包中，方可得到结果。

（二）高等院校财政专项支出非DEA有效单元的“投影”研究

在对非DEA有效单元的“投影”研究进行分析时，主要是采用对DMU投入和产出的有效性展开分析，进而了解到一些高校财政专项资金投入过多，规模效率低下，资金配置和执行绩效没有达到预期目标的问题与不足之处。因此，各高校应合理把握财政专项资金的执行进度，有序控制使用规模，充分发挥其应有的作用。

四、政策意见

（一）创建及披露高校财政专项资金执行情况的数据库

数据库的建立对绩效评价是一个很好的技术支撑，其强大的数据处理功能可以提供更为科学的分析和评价作用，同时提高各大高校的资金来源以及执行情况的透明程度，才可以切实地解决诸多不良现象，进而为财政专项支出的正确性以及使用效益等多个方面的评估提供条件。

（二）提高高校财政专项支出第三方绩效评价的监管力度

在对高校的财政专项支出进行绩效评价时，每一环节的作用都不能忽视。从高校的角度来考虑，应创建完善的财务监管体系和内部管理体系，有效配合该项评价工作，并在规定时间内披露各项财政专项资金的执行情况；对国家相关主管部门来说，必须拟定并健全高校财政专项支出绩效评价的法律制度体系，提高高校财政投入绩效监管的合理规划，创建具有公众性意义的信息交流平台，确保各大院校在规定时间内披露相关信息内容，促使其做到公开透明。

（三）创建完善的高校财政专项支出绩效拨款与问责体系

实施本项工作的主要作用是为了能够有效提升财政资金投入的使用效益，进一步完成财政专项资金的预期目标。从总体来看，科学实行绩效评价和建立完善问责制度都是完成财政资金投入预期目标的重要途径。对于绩效评价结果的应用，通常情况下应选用绩效本位拨款以及绩效、问责兼顾的方式进行，明晰责权，从而实现绩效评价的真正价值。

综上所述，高校财政专项支出绩效评价是一个复杂的评价过程，并且具有一定的敏感性。在绩效评价的作用下，相关部门能够有效监管各大院校财政专项资金的执行情况，并进一步提升其资金使用绩效，从而实现财政资金投入的预期目标。

参考文献

[1]闫丽莎.基于DEA的基本公共服务财政支出绩效评价研究[J].河北经贸大学学报（综合版），2011，01：79-82.

[2]崔元锋，严立冬.基于DEA的财政农业支出资金绩效评价[J].农业经济问题，2006，09：37-40+79.

[3]杨小波，李永华，宋金杰.高校财政支出绩效评价存在的问题与对策——基于河北省11所重点骨干大学的实证分析[J].会计之友，2015，05：97-100.