DEA超效率分析

DEA超效率分析（精选7篇）

DEA超效率分析 篇1

一、引言

激烈的竞争加快了各行业、各企业对投资效率进一步的关注,研究投资效率以及如何提高投资效率掀起了新的热潮。新形势的竞争已经不仅仅是资源的占有,新政策局势的把握,效率的提高成为整个经济乃至企业加快发展的新目标。山西省的经济发展相对落后,这促使着山西省改变经济发展的思路,改变经济发展模式,加快经济发展速度。山西省是一个地处我国中部,属于华北西部,地理位置相对东部沿海省份存在较大的弱势,唯一的优势是资源的储存量相对丰富。依靠煤炭等资源拉动经济发展,是多年以来人们对山西的定义。实际上,资源带来的利益并没有真正成为拉动山西经济发展的重要因素,武梅芳在2007年撰写的一文中就指出,山西省的煤炭资源优势因国家经济发展的整体需要而使发展利益转移向其他地区,煤炭经济的粗犷式发展导致产业结构单一化,最终导致山西省环境日益恶化,对山西经济的发展造成了较大的阻碍1。

二、文献回顾

研究宏观效率的方法有多种,运用较多的有数据包络分析 (DEA)、“边际资本—产出比率(ICOR)”以及“增量资本产出比” 等。本文选取运用非常广泛的数据包络分析为实证分析工具。运用该方法的文献也非常广泛。

早在2001年,赵旭就运用DEA模型分析银行业效率,选取与银行业发展息息相关的各项指标,如:人力、存款价格、存贷款规模以及利润等作为模型的投入产出指标,成功地测算了我国1993-1998年之间我国商业银行的技术效率、纯技术效率和规模效率,结果表明,我国商业银行的效率呈现逐年波动增长态势,且与资本收益率、资产收益率等反应银行绩效的指标呈现背离趋势2。牛冲槐、詹玉成、郭春明运用DEA模型,将山西省与周边省份进行相对效率分析,结果显示,虽然山西省具有资源的先天性条件,但是在煤炭、电力、冶金等行业的相对效率并不乐观, 效率值低于内蒙古、河北的效率值3。杨旭通过构建符合我国基本国情的农业科技综合实力的指标体系,并通过选取河南省18个市级区域以及我国30个省级区域作为研究对象,运用包络分析方法对其进行评价研究,结果显示农业的科技综合实力与经济实力有着较强的关联关系4。本文基于前辈的基础上同样选用数据包络分析方法对山西省产业进行效率分析。

数据包络分析(Data Envelopment Analysis,简称DEA)属于多学科的交叉领域,最早是在1978年提出的,提出这一分析方法的是查恩斯酷派和罗德5等人。该方法的本质仍然是基于线性规划原理,综合多个投入与产出指标对效率进行综合评价。该方法提出10年后,由我国的魏权龄6首次将数据包络分析方法引入国内,由于该方法的实用性与便捷性,在国内掀起了运用该评价方法研究效率的大热潮。

三、基于三个产业角度的投资效率评价

(一)指标选取

三次产业的划分是世界上较为通用的产业结构,三个产业主要是指第一、第二及第三产业。本文基于产业角度下,以三个产业为决策单元,并且基于前辈学者的角度上,通过查询《山西省统计年鉴》选取各个产业的能源投入量、人员投入量以及固定资产投资额作为投入量指标;选取三个产业的GDP为产出指标。能源投入量是指各个产业的能源消费总量,人员投入量为各个产业的年末的从业总人数,固定资产投资额为各个产业投入的以价值衡量的固定资产总额。

(二)计算结果及分析

本文通过查阅各年的《山西省统计年鉴》,查找相关数据,获得能源投入量、产业同业人数、固定资产投资净额以及产业GDP,因数据的统计期间为2003年—2012年,时间间隔较长,因此,本文将产业的GDP与固定资产投资额按照GDP的平减指数分别进行折算,统一将数据折算到2003年,因篇幅的限制不再列示。具体实证结果如下。

1.第一产业。将第一产业数据折算后带入超效率DEA模型, 得到如下结果:

从表1可以看出,2003年—2012年之间多数年份均存在不同程度的投入冗余现象,10年之间效率值最高的年份是2008年,能源投入量、从业人数以及固定资产投资额均不存在冗余, 并且,能源投入节约数为60.96万吨标准煤,节约比例为26.80%,从业人数节约数为95.58万人,节约比例为14.87%,固定资产投资额不存在冗余。效率值最低的是2003年,能源投入量与从业人数均存在较为严重的冗余,能源投入冗余为263.76万吨标准煤, 冗余比例为 -74.14%,从业人数冗余为400.42万人,冗余比例为 -61.55%,固定资产投资额不存在冗余。

2.第二产业

将第二产业数据折算后带入DEA模型,得到如下结果。

表3显示,第三产业效率较高年份是2003、2005、2008以及2012,这些年份的投入指标不存在冗余,并且存在一定的节约, 剩余的年份在三项指标中存在一定的冗余。第三产业效率最高的年份是2003年,三项投入指标中能源投入量与固定资产不仅不存在冗余,还存在一定的节约,节约数量分别是114.82万吨标准煤、213195.29万元,节约比例分别是7.96%、4.56%。第三产业效率最低的年份是2009年,三项投入指标均存在一定程度的冗余,能源投入量、从业人数以及固定资产投资净额的冗余分别为 -1119.75万吨标准煤、-5.82万人、-7190205.13万元,冗余比例分别是 -39.80%、-1.07%、-56.70%。

四、结论建议

综合全文来看,山西省第一、第二以及第三产业的效率均存在一定的提升的空间。具体通过计算2003年—2012年近10年的各项投入指标的总冗余以及年均冗余列表如表3所示:

1.将三个产业相互对比发现,三个产业中第一产业的从业人数冗余数最大,冗余总数为577.68万人,年均冗余是57.77万人。第一产业实际上就是农业,主要包含种植业、林业、牧业、渔业和农林牧渔服务业。种植业与林业主要依托地形地貌以及水量的储存等,而山西在这方面又属于比较薄弱的层面。另外,据统计,山西省水资源人均占有量是全国平均水平的1/5左右,是世界平均水平的1/25,水资源匮乏,也会严重阻碍农业的发展。 虽然地势对于农业缺乏先天优势,但是,省政府基于农业是发展之本,仅在2009年至2012年就出台了50项强农惠农富农的政策,以扶持农业的进一步发展7。另外,农业的发展与环境息息相关,环境的恶化会严重阻碍农业的发展。建议山西制定更加全面具体的环境治理与保护方案,广泛宣传环境保护的重要性,为建设美丽山西、和谐山西打好坚实的基础。

2.对比三个产业的三项指标,第二产业的能源投入与固定资产投资均存在严重的冗余,年均冗余量分别是1886.56万吨标准煤和1780572.57万元。第二产业主要包含工业和建筑业,工业具体包含采矿业、制造业、电力、煤气及水的生产和供应。第二产业的特点决定了第二产业对能源需求量大的特性,能源需求大的行业更需要提高资源的利用效率。提高效率既能为企业节约成本提高利润,又能充分的利用资源而减少对环境的污染。对采矿业而言,煤炭资源的开采占据采矿业的绝大部分,山西省煤炭资源的整合工作相对起步较早,在2004年1月份山西省政府就下发了《山西省人民政府关于继续深化改革煤矿安全整治的决定》,并且后续又相继颁布了煤炭整改的相关措施。郭云通过研究山西省煤炭资源整合得出山西省煤炭的利润绩效和安全绩效的初步见效年限是2009年8。

虽然整合初步见效,但是,山西省应该进一步加大落实相关政策以及出台更加完善的法律法规,以更好地转变山西省长期依赖煤炭资源形成的产业结构单一、环境恶化的“资源诅咒”发展模式。另外,采矿、销售、电力、煤气等行业都是与煤炭密不可分的,建议相关部门继续高度关注整合后的变化,更加严格的控制煤炭发展,将相关的各行各业的发展有机的结合,争取实现链条式一体化的发展。

3.对比三个产业的三项指标,第三产业在三个产业中固定资产投资额冗余最为严重,冗余额是2785486.48万元,接近300亿元,年均冗余数额巨大,这是导致第三产业效率不高的根本原因。地形复杂的山西交通相对较为落后,而交通在经济发展中占有重要地位。建议各行各业在充分运用当前运输条件的情况下, 提高物流行业的效率。另外,山西省的相对落后制约了金融业发展,一般来说地区越发达金融业越发达,所以,发展金融业的前提是提高综合实力。随着人民生活水平的提高,旅游已经越来越受人民青睐,建议相关部门要加大旅游行业的投资与宣传力度, 将山西的景点推向全国乃至世界,提高旅游业对产值的贡献。另外,教育是发展的根本,山西省应该进一步加大对教育投资力度,为孩子建设更多符合现代化建设的学校,让更多的孩子可以接受更好的教育,为民生以及发展打好扎实的基础。

摘要：文章通过查找相关资料,选取山西省2003年—2012年的第一、第二以及第三产业的相关指标数据,选取能源投入量、产业从业人数、产业固定资产投资额作为投入指标,选取产业的生产总值(GDP)为产出指标,运用超效率DEA模型对山西省三个产业的效率进行了综合分析,得到三个产业效率的高低以及指标的冗余数量。最后基于实证结果的基础上提出相关建议。

关键词：经济发展,产业效率,数据包络分析,投资效率评价,建议

DEA超效率分析 篇2

关键词：地方财政,超效率数据包络(SE-DEA)模型,科技投入,效率分析,广东省

1 引言

政府的科技投入远远不及企业的科技投入,但是却起着主导性的作用,因为它代表了政府的政策导向,起到“四两拨千斤”的作用。近年来,我省地方财政对科技投入的力度不断加大,科技产出每年有较快的增长。但是,在当前财政资金有限的情况下,人们更关注的是地方财政科技投入产出的效率。在此之前,专家学者们采用多种方法例如:层次分析法、灰色关联度分析法、模糊综合评价法、横断面数据分析方法、传统数据包络分析方法等,对多个省市或者对广东各个地市的地方财政科技投入产出效率做分析,但是,并没对广东历年的地方财政科技投入产出效率做分析。本文将采用超效率数据包络(SE-DEA)模型对广东历年的财政投入产出效率做分析,找出广东科技财政投入每年的效率,分析投入产出效率是高还是低,哪些投入存在冗余,哪些产出存在不足等问题。

2 广东地方财政科技拨款现状

2.1 地方财政科技拨款总量不断上升,但近年来增速有所放缓

2001-2008年,除了2002年以外,其他年份的地方财政科技拨款总量呈逐年快速上升的态势,从2001年的40.77亿元到2008年的132.52亿元,增长了3.25倍。从增长速度看,“十五”以来,我省地方财政科技拨款基本上呈现逐年增长的态势,年均增速为18.3%,但近几年来增速有所放缓,2005年、2006年、2007年分别为28.1%、24.3%、14.6%,2008年增速为11.11%,降至近年来新低,也低于全省财政支出的增速(19.59%)。

2.2 地方财政科技拨款占地方财政支出比例不高

我省地方财政科技拨款占地方财政支出比重从2003-2006年逐年上升,但是2007、2008年呈现下降趋势,到2008年下降到3.51%,比2006年的历史高位下降了0.57个百分点。

广东地方财政科技投入的快速增长,必然会带动地区经济和科技产出的快速增长。但是,有限的财政资金如何发挥引导带动作用,这就要进一步深入分析地方财政科技投入产出的效率问题。因此,下面我们引入超效率数据包络(SE-DEA)模型来计算地方财政科技投入产出的效率。

3 广东地方财政科技投入产出效率分析

3.1 超效率DEA模型介绍

超效率数据包络模型(Super Efficiency DEA,SE-DEA)[4]是由Andersen&Petersen根据传统DEA模型提出新模型,传统DEA模型如CCR、BCC等只能计算出有效率和无效率的决策单元,但是对决策单元无法进行比较和排序,而超效率DEA模型可以弥补传统DEA模型的这个不足,计算出的效率值不再限制在0-1的范围内,而是允许效率值超过1,可以将各决策单元进行排序和比较。模型如下:

其中,θ为规划目标值,λj(j=1,2,…n)为规划决策变量,Y=(y1,y2,…,yn)T为投入变量向量,X=(x1,x2,…xn)T为产出变量向量,S-=(s-1,s-2,…,s-m)T,S+=(s+1,s+2,…,s+m)T为松弛变量向量。

3.2 投入产出指标体系

根据科学性和可操作性原则,结合数据包络分析方法和财政科技投入产出系统的特点,设定投入产出指标体系。投入指标包括资金投入和人员投入,产出指标包括社会经济效益、科技成果。指标体系如下:

3.3 实证分析

利用MaxDEA1.0软件对数据进行运算,得出结果如下:

4 结论

根据计算结果,我们可以得出如下结论:

4.1 2008年地方财政科技投入效率最高,2002年效率最低

数据显示,2002年广东省地方财政科技拨款增速高达41.5%,表明地方政府对科技投入的重视程度大为提升,但是由于地方政府尚未能寻求到带动地区经济和科技产出的快速增长的有效抓手,科技投入相对效率较低。而随着近几年“自主创新”成为国家战略发展的基点,科技创新工作逐渐从“配角”转变为“主角”,广东省省部产学研合作、专业镇技术创新平台等等科技专项发展迅速,省市联动频密,地方财政科技投入产出效率平稳发展。而2008年出台的《广东自主创新规划纲要》等一系列重大政策,指明了建设创新型广东的路径,促成广东地方财政科技投入的总额及相对效率的达到历年新高。

4.2 2001—2005年规模收益递增,2006-2008年规模收益递减

2001-2005年地方财政科技投入总额相对早前有较大幅度提升,促成科研人员数量、科研机构实验设备数量的增加,形成规模收益递增;而日渐庞大的科研队伍,也随之带来了科技管理部门、高校、科研院所与企业科研部门之间的协调难度加大,管理效率大大降低等问题,这就促使规模收益递减。如何建立科学、客观的科技投入产出绩效评价机制,提高管理效率、降低管理成本,力争使规模收益更多地处于不变阶段,值得广东省科技管理部门深入考量。

4.3 地方财政科技拨款历年投入不足

2008年地方财政科技拨款占地方财政支出比例达不到目标值。结果显示,我省地方财政科技拨款除了2002年,其他年份都投入不足,这直接导致了产出的不足,如:地区生产总值从2002-2008年达不到目标值,而且离目标值的差距逐年越拉越大,反应了地方财政科技投入的不足,会大大减弱了对经济增长拉动作用。2008年,虽然地方财政科技拨款总量上有了增长,但是占地方财政支出的比例却达不到目标值,这说明了08年财政科技投入力度还远远不够。

4.4 科技活动人员2004-2008年达不到目标值

结果显示,我省科技活动人员从2004年开始到2008年都达不到目标值,说明近年来科技人员投入不够。人才是科技发展的核心因素,人才投入的不足将大大阻碍了科技的发展。

4.5 “十一五”期间发明专利申请量达到要求

“十五”期间,我省发明专利申请量达不到目标值,但到了“十一五”,发明专利申请量以年均15%的增速增长,总量排在全国首位,说明我省在自主创新方面取得较大的成效。

4.6 技术市场成交合同金额、科技论文产出数量不足

2004、2007、2008三年我省技术市场成交合同金额没有达到目标值,2007和2008年科技论文产出不足,而且到2008年距离目标值差距变大,说明我省在这两方面相对科技投入来说效率较低。

5 对策建议

5.1 建立健全科技投入产出绩效评价体系,加大地方财政科技投入力度。

对地方财政科技投入产出绩效评估体系仍需要继续进行有益的探索,不仅要从计算方法、数学模型上取得新的研究成果,更需要力争建立健全建立了绩效评估体系,并应用于地方科技管理部门、科研机构的绩效考核中,形成对科技创新工作的监督与敦促。由于技术创新存在失败风险、前期投入巨大而后期产出难以确定,导致科技投入的产出存在不稳定性,而目前政府官员的政绩考核依然以GDP为标准,如果缺乏广东省委省政府强势引导,长期以往,地方科技投入势必不足。要改变这一状况,就要改变以往以GDP为主的政府绩效考核体制,增加财政科技投入指标,使财政科技投入得以重视,从而加大投入力度。

5.2 利用好人才引进计划和奖励政策,加大科技人员投入。

利用广东人才引进计划和高层次人才回国创办企业优惠政策,设立专门机构并配备服务人员,创造良好的环境,引进高素质人才队伍;充分运用人才奖励政策,对取得成绩的科技活动人员进行奖励,提高他们的积极性;不断创新制度,完善政策,优化环境,留住优秀人才。

5.3 以产学研结合为契机,加快科技成果转化,提高科技拉动经济发展的效率。

科技成果转化率低,主要原因就是技术研发在选题时就脱离了市场,使得技术转化先天不足。产学研紧密结合,进一步强化了技术创新需要以市场为导向的重要作用,是解决科技与经济相互脱节的关键举措。同时,需要整合全省科技成果转化资源,与全国各区域性科技成果转化服务机构建立协作联系,聚合全国的技术、人才和资本要素,面向地方提供科技成果转化信息发布、成果展示、项目推介、中介咨询等综合服务,推动全省及跨区域技术转移和科技合作,有效聚合企业、高校院所和中介服务机构等优势科技资源,构建全省统一开放的科技成果交易大市场。

参考文献

[1]魏权龄.数据包络分析[M].北京:科学出版社,2004.

[2]林佳丽,薛声家.广东省各市科技创新有效性评价基于DEA超效率模型的分析[J].科技管理研究,2008(8)111-114.

[3]顾骅珊,雷媛玲.基于DEA的浙江省R&D投入绩效评价研究.技术经济,2010(3):17-21.

DEA超效率分析 篇3

一、超效率DEA模型的思想

数据包络分析 (简称DEA) 是著名运筹学家A.Charn和W.W.Copper等人提出的一种效率评价方法, 是以相对效率概念为基础, 以凸分析和线性规划为工具, 根据多指标投入和多指标产出对相同类型的部门或单位进行相对有效性或效益评价的一种系统分析方法。

DEA方法进行决策单元相对效率的评价时, 最终评价结果可能出现多个相对有效的单元, 而对同时有效单元无法做出进一步比较。为弥补此缺陷, Andersen和Petersen提出超效率DEA模型, 此模型的基本思想是:在对某决策单元进行评价时, 将其排除在决策单元集合之外。这一思路反映在模型上就形成如下的对偶线性规划:

由 (1) 可知, 超效率DEA模型与传统的模型的区别在于利用超效率DEA模型求解DMU的相对效率值时, 其约束条件中决策单元的参考集将DMU排除在外。因此在最终评价结果中, 对于非DEA有效单元, 其效率值与模型中结果一致;而对于有效单元, 超效率DEA模型计算出的效率值可能大于1, 例如结果为1.6, 表示该决策单元即使再加大60%的投入, 在所有决策单元集合中仍能保持相对有效。

二、基于超效率DEA的城市快速路运输效率评价

快速路运输效率评价主要是进行城市已有快速路功能实现程度的比较, 分析其时空资源的利用情况。利用超效率DEA进行城市快速路运输效率评价的具体步骤如下。

第一步:决策单元的选择

在城市已有快速路的运输效率评价中, DMU可采用以下几种方式选择:一是选取同一路段的不同时间段作为DMU;二是选取不同的快速路段作为DMU, 以考察不同对象的运输效率;三是将同一城市的快速路系统整体和其中局部路段作为DMU, 找出影响系统运输效率的路段及其原因。

第二步:指标体系的确定

利用DEA进行城市快速路运输效率评价时, 首先要确定DEA系统中的输入输出指标。输入指标需要反映快速路的时空资源拥有情况及其被使用的情况, 输出指标需要反映出快速路运输功能的实现程度和运输效益。结合专家和道路使用者的参考意见, 选取车道长度L (km) 、设计车速U (km/h) 和小时交通量Q (pcu/h) 为输入指标, 以及车辆周转量P (pcu×km/h) 和平均行程速度V (km/h) 为输出指标。

第三步:超效率DEA评价

设有n个决策单元, 决策单元DMU的输入输出向量分别为:xj= (Lj, Uj, Qj) >0、yj= (Pj, Vj) >0, 则

hj为第j个决策单元的运输效率评价指数, 式中v= (vL, vu, vQ) 、u= (uP, uV) 为输入输出指标的权重向量。

通过引入Charnes-Cooper变换以及根据线性规划的对偶理论, 得到如下的超效率DEA评价的线性规划模型。

式中:θ为第j个决策单元的运输效率评价指数;λj为相对于第j个决策单元重新构造一个有效决策单元组合中第个决策单元的组合比例;S-, S+为松弛变量。

三、实证分析

石家庄城市快速路主要包括槐安快速路、和平路高架、石环快速路、二环快速路。根据其路网结构, 将其分为11个高架路段, 以高架道路的主要立交节点为分界点确定决策单元, 采用超效率DEA方法对其运输效率进行综合评价。决策单元名称、序号及输入输出指标值见表1。

路段标注如下:DMU 1:槐安西路 (西二环—市公安局) ;DMU 2:槐安东路 (市公安局—东二环) ;DMU 3:和平路高架 (水源街—青园街) ;DMU 4:东二环;DMU 5:西二环;DMU6:南二环;DMU 7:北二环;DMU 8:东三环 (段干至北五女村) ;DMU 9:西三环 (北新城—西良政) ;DMU 10:南三环 (西良政—段干) ;DMU 11:北三环 (北五女庄接石黄高速公路, 至北新城村北接西环) 。

(数据由石家庄交通管理局提供)

利用式 (3) 和线性规划求解软件LINGO将超效率DEA进行评价, 石家庄市高架道路运输效率依次 (按有效性系数) 是:DMU6 (1.35) 、DMU5 (1.125) 、DMU7 (1.00) 、DMU4 (0.823) 、DMU1 (0.765) 、DMU9 (0.658) 、DMU10 (0.533) 、DMU8 (0.512) 、DMU11 (0.479) 、DMU2 (0.453) 、DMU3 (0.376) 。

DEA超效率分析 篇4

一、DEA基本模型与超效率DEA模型

(一)DEA基本模型

设有n个同类型的决策单元,对于每个决策单元都有m种类型的投入和p种类型的产出。Xij表示第j个决策单元第i种投入指标的投入,yrj表示第j个决策单元第r种产出指标的产出。第k个决策单元的效率计算问题可以转化成如下的线性规划问题:

其中,si-、sr+为松弛变量。θ是第k个决策单元的效率值,满足0燮θ燮1。此模型称为CCR模型,是DEA的基本模型。(1)Qk=1,且Si-k=0,Sr+k=0,则第k个决策单元为DEA有效,表明决策单元k同时达到技术有效和规模有效。技术有效是指从技术角度看,在决策单元的经营过程中资源得到了充分利用,各项投入达到了最佳组合,取得了最佳的产出效果。规模有效是指决策单元的经营活动处于规模报酬不变的最佳状态。(2)θk=1,但至少有一个si-k>0,(i=1,2,3,…,m),或者至少有一个sr+k>0,(r=1,2,3,…,p),则决策单元k为弱DEA有效。有某个sr-k>0,表明第i种投入指标有si-k数量的投入没有充分利用;有某个sr+k>0,表明第r种产出指标与最大产出有sr+k数量的差异。因此,此时决策单元k的经营活动不是同时技术有效和规模有效。(3)θk<1,则决策单元k不是DEA有效,即决策单元k的经营活动不是技术有效也不是规模有效。

(二)超效率DEA模型

DEA基本模型能对多投入、多产出的决策单元的相对效率进行评价,但如果出现多个决策单元都为相对有效时,DEA基本模型对这些相对有效(效率值为1)的决策单元就无法进行进一步的评价与比较。为了弥补这一缺陷,Anersen等学者于1993年提出了能对相对有效的决策单元进行效率高低比较的超效率DEA模型。第k个决策单元的效率计算问题可以转化成如下的线性规划问题:

超效率DEA模型中各数学符号的经济含义与DEA基本模型一致。两种模型的差异在于:计算第k个决策单元的效率值时,超效率DEA模型要用其他所有决策单元的投入和产出的线性组合代替第k个决策单元的投入和产出,将第k个决策单元排除在模型外,而DEA基本模型将第k个决策单元包括在模型内。在超效率DEA模型中,将某个决策单元能增加其投入而仍保持相对有效的最大比例值,称为该决策单元的超效率值,并用此来区分相对有效的决策单元的效率高低,超效率值可能大于1。超效率DEA模型中的无效率决策单元的效率值与DEA基本模型中的无效率决策单元的效率值相同。

二、决策单元及评价指标确定

(一)决策单元确定

根据DEA理论,为了使评价结果客观、科学,决策单元必须属于相同类型。因此,本文根据证监会2001年发布的《上市公司行业分类指引》的规定,以在沪深证券交易所上市的51家零售业A股上市公司作为决策单元(即研究对象),对其经营效率进行评价。

(二)评价指标确定

DEA模型是用于评价具有相同类型的多投入、多产出的决策单元是否有效的一种非参数统计方法。运用DEA模型对零售业上市公司经营效率评价的准确性,很大程度上取决于选择的投入和产出评价指标。因此,评价指标应能反映零售业上市公司经营活动和经营效率的特点,即选取的评价指标应能体现零售业上市公司以最少投入取得最大产出的要求。为保证评价结果的稳定性和客观性,DEA模型在评价指标的选取上,一般要求决策单元的个数是评价指标个数的2倍以上。本文选取的评价指标为11个(决策单元为51),其中投入指标4个,包括职工总人数、流动资产、非流动资产、成本费用等。投入指标是对经营效率起负向作用的指标,指标值越小,越有利于效率的提高;产出指标包括反映公司偿债能力、资产周转能力、盈利能力和发展能力等方面的指标包括现金流动比率、股东权益比率、总资产周转率、净资产收益率、资产净利率、营业收入增长率和资本保值增值率共7个指标。产出指标是对经营效率起正向作用的指标,指标值越大,投入产出效率越高。

(三)资料来源

本文研究的资料来自上海聚源数据有限公司的财讯网站。我国上市公司从2007年开始执行新的企业会计准则,按新准则的标准只能收集到2006年、2007年这两年的财务数据。因此,本文只对这两年零售业上市公司的经营效率进行评价,并进行比较分析。

(四)原始数据无量纲化处理

由于各项投入和产出指标具有不同的量纲,同时产出指标中的原始数据还存在负数,如果直接代入DEA模型运算,就无法进行DEA有效性分析。因此,需要将原始数据进行无量纲化处理,处理后全部原始数据的值都将在0.1至1区间内。根据DEA理论,无量纲化处理后,决策单元之间的相对关系不会发生变化,对决策单元经营有效性的评价结果也不会产生影响。无量纲化处理的具体方法如下:

设max Zij=aj(aj为第j项指标的最大值)

min Zij=bj(bj为第j项指标的最小值)

Z'ij为第i个决策单元第j个指标无量纲化后的值。

无量纲化处理后评价指标的值本文没有列出。

三、经营效率分析及研究结论

(一)经营效率分析

将无量纲化处理后评价指标的值代入DEA基本模型,运用lindo6.1软件运算,运算结果如表1所示。

根据表1的DEA基本模型评价结果,2006年有15家公司相对有效(效率值为1),占全部公司的29.41%,36家公司非有效(效率值小于1),占全部公司的70.59%。2007年相对有效的公司增加到17家,占公司的33.33%,非有效的公司下降为34家,占公司的66.67%。这表明2007年公司的经营效率比2006年有一定程度的提高。

为了克服DEA基本模型对相对有效的决策单元无法进行进一步评价与比较的缺陷,运用超效率DEA模型的评价结果如表1所示。根据评价结果,非有效公司的超效率值与DEA基本模型的效率值一致,但DEA基本模型中相对有效公司的超效率值出现了差异,表明超效率DEA模型能够对DEA相对有效的决策单元进行进一步的评价。

超效率DEA模型评价中,2006年51家公司的超效率值最高为2.81,最低为0.214,平均为0.8326,超效率值的标准差为0.3435,平均值以上公司有25家,占公司的49.2%,平均值以下公司为26家,占公司的50.8%。超效率值大于1的公司有15家(超效率平均值为1.212),占全部公司的29.41%,超效率值小于1的公司有36家(平均值0.6744),占全部公司的70.59%;2007年超效率值最高为2.163,最低为0.23,平均为0.8842,超效率值的标准差为0.4133,平均值以上公司有28家,占公司的54.9%,平均值以下公司为23家,占公司的45.1%。超效率值大于1的公司有17家(超效率平均值为1.266),占全部公司的33.33%,超效率值小于1的公司有34家(平均值0.6935),占全部公司的66.67%。

从2007年与2006年超效率值的比较来看,51家公司的超效率平均值增加了0.0516,标准差增加0.0698。超效率值大于1(保持相对有效)的公司增加了2家,超效率值大于1公司的超效率平均值增加了0.054,超效率值小于1(非有效)公司的超效率平均值增加了0.0191。2007年和2006年超效率值均超过1的公司有12家,2006年超效率值小于1而2007年大于1的公司有5家,2006年超效率值大于1而2007年小于1的公司有2家。因此,从整体上看,2007年比2006年我国零售业上市公司在经营过程中投入的人力资源、流动资产、非流动资产等各种资源得到了更充分利用,各项投入也达到了更好组合,取得了更大的产出,经营效率有一定程度的提高,但公司之间经营效率的差异程度有所扩大。

(二)研究结论

本文应用超效率DEA模型对2007年和2006年零售业上市公司经营效率进行了分析,解决了DEA基本模型对相对有效决策单元无法进行进一步评价与比较的问题。超效率DEA模型能够对所有决策单元进行充分评价和排序,为决策者提供更加完善的信息,在经营效率评价的应用中比DEA基本模型更具有优势,其评价结果也更客观、公正。评价结果表明,51家零售业上市公司的整体经营效率较高。2007年与2006年相比较,经营效率有一定程度的提高,经营过程中的各项投入得到了更充分利用,取得了更大的产出,但公司之间经营效率的差异程度有所扩大。

参考文献

[1]ANERSEN P,PETERSEN N C.A procedure for ranking efficient unit in data envelopment analysis[J].Management Science,1993,10:1261-1264.

[2]吴文江:《数据包络分析及其应用》,中国统计出版社2002年版。

DEA超效率分析 篇5

我国第一支证券投资基金基金金泰成立于1998年3月, 拉开了我国证券投资基金试点的序幕, 我国的基金行业发展至今已有14年。截至2011年底, 证券投资基金资产净值2.19万亿元。发展至今, 我国基金业已达到一定规模, 整个市场需要对基金分类、评价、筛选, 以促进基金健康发展。构建有效的基金绩效评价模型, 建立一套科学完备的评价体系, 对我国的基金业发展不仅有很高的理论价值, 而且有非常而迫切的现实意义。

国内的基金绩效的研究起步较晚, 目前, 主要集中于基于风险调整绩效指标的基金业绩排序。沈维涛等 (2001) 运用T-M模型等三种评价方法研究10支基金的业绩表现, 经研究认为基金的表现可以超越市场, 基金的良好业绩源于基金经理选取证券的能力。黄向阳、陈学华 (2002) 运用RAROC方法对证券投资基金业绩进行绩效评价研究。董芳芳等 (2005) 通过OLS方法得到5支基金绩效的综合评价模型, 通过该评价模型得到了基金的绩效排序。朱媛 (2006) 利用2001年较早发行的3只基金做绩效研究, 运用Treynor指数等模型, 评估期选为一年, 结果表明基金经理没有择时能力。

现有关于证券投资基金绩效研究文献中, 大多从产出角度对证券投资基金的绩效进行评价, 同时对基金绩效做综合评价分析。本文从基金投资者角度, 运用超效率DEA模型, 构建评价指标体系对我国2011年的23只开放式基金绩效进行评价。

二、模型及指标体系构建

(一) CCR模型

DEA方法的出发点是对决策单元的相对效率评价, 是一种非参数的统计分析方法, 是对多投入、多产出的相近决策单元进行相对效率评价的一种很好的分析方法。在DMU的规模收益不变 (CRS) 的条件下, CCR模型可表示为:

在该模型中, xij表示投入向量, yij表示产出向量, x0和y0分别表示被评价单元的投入量和产出量, s-为松弛变量, s+为剩余变量。当最优值θ0=1时, 评价单位为弱DEA有效;当最优值θ0=1, 且s-=s+=0时, 评价单位为DEA有效。1984年Banker等人在CCR模型的基础上加入约束条件∑α=1, 得到了BCC模型。

(二) 超效率DEA模型

CCR模型的缺陷在于对决策单元的评价结果只有有效与非有效, 若有多个评价单位同时为DEA有效, CCR模型是不能做出进一步比较的, 超效率DEA模型 (MDEA) 可以解决这一问题, 可以寻找到效率最高的评价单位, 使得各评价单位的效率排名更清晰。该模型的基本思想是:在需要对某评价单位进行超效率评价时, 决策单元的集合不包括该决策单元即可。MDEA模型表示如 (2-2) 式所示:

若评价单位非DEA有效, 通过超效率模型计算的结果与CCR模型运算结果相同;而对于至少有两个评价单元为DEA有效, 最后计算得到的效率值一定会出现大于1的效率值。

(三) 样本选取及指标体系构建

1、评价指标体系构建

本文所构建的基金绩效评价指标体系包括以下几个方面:基金投资实力、基金费用、基金收益水平、基金风险水平、基金经理人的择时和选股能力、基金绩效可持续性以及基金资产流动性七大方面。

(1) 输入指标

衡量基金投资实力的指标———资产规模, 选用基金总募集规模来衡量, 用X1表示, 单位:万份。衡量基金成本的指标———基金单位净资产费用率, 用X2表示。计算方法如下:

衡量基金风险水平———基金份额净值增长率标准差X3、收益率的标准差X4和β系数X5

(2) 输出指标

衡量基金收益水平———基金净值收益率Y1, 衡量基金选股择时能力———选股能力Y2、择时能力Y3, 衡量基金绩效可持续性———基金份额累计净值增长率Y4, 衡量基金资产流动性———股票集中度倒数Y5, 股票集中度指基金持有的股票资产占基金总净值的比例。

2、样本与数据处理

本文选择基金成立期满8年的, 即2004年1月1日以前成立的基金作为研究对象。本文选取2004年1月1日前成立, 截止2011年12月31日的可取得详细数据的23支开放式基金作为决策单元, 研究各个决策单元在2011年度 (2011年1月1日到2011年12月31日) 的相对业绩水平。所有数据整理来自国泰安数据库、巨潮资讯网的基金年度报告和和讯基金网。23支基金的具体情况描述如表1。

资料数据来源:巨潮资讯网

因为各输入与输出指标具有不一样的量纲, 且输出指标还会有负数出现, 在这种情况下, 运用DEA模型做绩效评价得不到评价结果, 故需先将原始数据用某类函数进行归一化, 从而使原始数据都为正数。

设表示第j项指标的最大值) , 表示第j项指标的最小值) , 则。

三、证券投资基金绩效评价实证分析

将23支开放式基金看作被评价的决策单元, 利用DEA-SOLVER PRO5软件, 结合2011年的数据, 计算出2011年23支开放式基金的效率值, 见下表。

(一) 总体有效性分析

通过表2中的CCR综合效率值可以得到在2011年, 华夏回报、博时增长、嘉实债券、富国天利、易方达策略、国投融华、银河收益、宝康配置和宝康债券的综合效率值均为1, 所以构成评价有效前沿面, 说明这9支基金DEA有效。

通过表2中的超效率值可以看出, 2011年, 超效率DEA模型下有效的9支基金中, 所有基金的综合效率值均大于1, 基金绩效表现最好的是嘉实债券, 其综合效率值为4.8191, 其次是博时增长, 其综合效率值为3.8652, 再次是宝康债券, 综合效率值为2.0246。排名后三位的分别是华安创新、南方稳健和新蓝筹三支基金。

(二) 绩效与投资风格关系分析

本文的创新之处之一是本文将我国的开放式基金按照投资风格分为股票型、债券型和配置型基金, 以研究绩效与投资风格之间关系。分析表2可得到所选的23支基金中有9支投资风格属于股票型, 仅有易方达策略DEA有效, 其余8支DEA有效中, 配置型3支, 债券型5支。这与2011年的整个金融市场的行情相吻合。由于各方面负面影响, 2011年股市行情不容乐观, 配置型和债券型的基金有效地降低了基金的投资风险, 表现为绩效普遍比股票型的绩效高。

(三) 基金绩效与运作时间关系

不同的基金运作时间长短不同, 从而具体的投资偏向和运作模式各方面也会存在一定的差异, 进而会对基金的绩效产生一定的影响。为了分析基金运作时间的长短与基金绩效之间的关系, 本文将实证检测到的股票型、配置型和债券型三种不同投资风格的23支基金运作时间做统计对比, 发现基金是否DEA有效与基金运作时间成一定程度的反向关系, 这由于运作时间短的基金, 在其运作过程中没有积累过多的费用和负债, 同时刚成立的基金考虑到后期营销宣传会相应地提高投资效率, 加大管理力度, 因此其绩效表现相对较好。

(四) 绩效持续性

本文是对我国的23支开放式基金在2011年度的绩效进行评价, 所以相对有效的基金在2011年四个季度总体都是有效的, 都能够表现出一定程度的绩效持续性。

结合上面的实证分析结果来看, 我国的开放式基金还存在一些有待改善之处。分别从投资者、基金管理者和监管机构角度, 提出下面建议:对于基金投资者, 结合多个评价指标来分析我国的开放式基金, 在如今的行情中, 尽量不要将全部的资金都投入到股票型基金中, 学会分散化投资以减小风险;对于基金管理者, 加强基金品种的创新, 尤其在现下证券市场低迷的情况下, 可考虑推出低风险的货币市场基金、保本基金等;对于监管机构, 加大基金信息的披露力度, 保证基金管理公司运作的高透明度, 杜绝内幕操作, 保护投资者利益, 保障基金投资者的知情权。建立全面统一的、适应性强的、可为投资者和基金管理公司所接受的评价体系。

参考文献

[1]沈维涛, 黄兴孪.我国证券投资基金业绩的实证研究与评价[J].经济研究, 2001, (09) :22-30.

[2]陈学华, 杨辉耀, 黄向阳.RAROC方法在证券投资基金绩效评价中的应用[J].广州大学学报, 2003, (05) :406-409.

[3]董芳芳, 秦志宏.基金综合评价的实证研究[J].山东财政学院学报, 2005 (, 03) :22-25.

[4]朱媛.基金绩效评估模型及其在中国的应用[J].天津理工大学学报, 2006 (, 22) :85-88.

[5]Treynor.How to rate management investment funds[J].Harvard Business Reviews, 1965, (43) :63-75.

[6]SharpeWF.Mutualfund perform ances[J].Journal of Business, 1966, 3 (12) :119-138.

DEA超效率分析 篇6

金融危机后,为应对疲软的外部经济环境,提升经济发展水平,中国内地各省市区纷纷提出要加快进行产业转型升级。高技术产业作为一个面向未来的、发展潜力巨大的行业,成为各省市区产业转型升级的主战场。2009年,我国高技术产业总产值历史性的突破了6万亿元,达60430亿元;高技术产业R&D经费规模达892.1亿元,占制造业R&D投入的1/4;产业中内资企业的规模不断扩大,所占比重呈上升趋势,2009年内资企业占比超过1/3,而三资企业的比例下降到65.7% [1]。在取得长足进步的同时,考虑到高技术产业是技术密集型产业,产业的发展需要大量的技术创新为支撑,结合资源的稀缺性和投入的有限性,对投入到技术创新中资源作用的发挥情况进行分析,评价其资源配置效率是一个必须重视的问题。

内生经济增长理论认为,经济增长最主要的源泉是知识的生产和人力资本的积累,技术创新和发展是推动经济发展的首要动力,而高技术产业的技术进步更主要来源于创新能力[2]。近年来,国内关于高技术产业技术创新效率的研究逐渐兴起。范凌钧等应用面板数据随机前沿方法考察了中国高技术产业R&D与技术效率之间的关系,认为R&D对技术效率具有显著的正向促进作用[3]。陈伟等从技术价值、经济价值和社会效益三个维度,运用两阶段DEA模型研究认为高技术产业存在一定的地区差异[4]。李雪冬采用非参数Malmquist指数法,对2001—2006年我国高科技产业全要素生产率进行估算,结果表明其增长率大幅下降,技术进步呈衰退趋势,而技术效率大体为增长趋势[5]。邓路等运用高技术产业1999—2007年13个行业面板数据,定量评估内资企业自身研发投入及行业内R&D溢出对该行业自主创新效率的影响机制[6]。韩晶利用SFA方法对中国高技术产业创新效率进行实证分析,认为产业整体创新效率呈改善趋势[7]。

从现有研究来看,大多数研究局限于从研发投入或技术溢出的角度分行业来进行分析,而忽视了在中国实际上是各省市区在主导各自高技术产业的发展。本文以中国内地各省市区高技术产业为研究对象,运用超效率DEA模型测量其资源配置水平,探究影响效率水平的因素,为制定各省市区高技术产业发展政策提供理论参考。

1评价模型

DEA方法于1978年由Charnes和Cooper等人创建,是一种以相对效率概念为基础,评价具有相同类型的多投入、多产出的决策单元(Decision Making Unit,简称DMU)运作效率的非参数统计方法。与其他参数评价方法相比,DEA不需要预先估计参数,在避免主观因素和简化运算、减少误差等方面有着明显优势。因此,本文选用DEA作为评价模型。但是,基本DEA模型(C2R模型)最终将所有DMU分为有效和无效两类,且有效单元的效率值均为1,当DMU数量较大时,在多数情况下会有较多DMU成为有效DMU而无法进一步细化比较。因此,PerAnersen对基本的C2R模型进行改进,提出超效率DEA模型来解决这一问题[08,8]。其基本原理是在进行第j0个DMU效率评价时,将其自身排除在外(C2R模型中其自身是包含在内的)。即第j0个DMU的投入产出完全由其他DMU投入产出的线性组合来代替。设每个DMUj分别有m种类型的输入和s种类型的输出,分别记为:

Xj=(x1j,x2j,…,xij,…,xmj)T>0 (1)

i=1,2,…,m; j=1,2,…,n

Yj=(y1j,y2j,…ykj,…,ysj)T>0 (2)

k=1,2,…,s; j=1,2,…,n

则基于输出的DEA超效率模型如下:

minθj

undefined

解n次线性规划,即可得到各DMUj的相对效率评价值θj(j=1,2,…,n)。θj值大于等于1的DMU为有效单元,θj值小于1的DMU为无效单元。s-,s+为松弛变量,分别代表无效决策单元投入的冗余和产出的不足。

2评价指标体系及数据

2.1评价指标体系设计

目前,在前沿效率分析方法中,对投入产出指标的确定主要有生产法、中介法和资产法3种[9]。根据前人的研究成果和专家意见,结合高技术产业技术创新的特征,本文采用生产法确定投入产出指标。高技术产业生产投入方面主要表现在高技术人员人力投入和研发经费投入上,以及一定的固定资产投资。具体人员投入指标为国际通用的、用于比较科技人力投入的R&D人员全时当量;财力投入指标为R&D经费内部支出、新产品开发经费支出和技术改造经费支出;考虑到实物投资从建设到作用发挥具有一定的滞后期,物力指标为前一年固定资产购建费。产出指标可分为直接产出和潜在产出两种。技术创新最直接的产出表现为新产品的问世。因此我们用新产品销售收入来表征技术创新的经济效益,用新产品的出口额来表征技术创新的国际竞争力。同时,有效发明专利可以在未来转化为新产品,是技术创新的潜在经济产出。

2.2数据来源及说明

因本文主要研究金融危机后中国内地高技术产业技术创新资源配置效率问题,所以采用2009年的截面数据,其中财力投入为2008年截面数据,数据均来源于中国科技统计年鉴(2009,2010),因部分数据缺失,西藏、新疆两区未纳入评价范围。

3实证结果及分析

3.1超效率值实证结果

采用EMS1.30软件对搜集整理的数据进行超效率DEA效率评价。评价结果见表2。

3.2超效率评价结果分析

① 中国高技术产业创新资源配置效率总体尚可,全国平均效率为84.13%。21世纪以来,全国各省市区纷纷把高技术产业的发展作为经济建设的重要领域,通过设立高技术园区等方法来帮助扶持高技术产业的发展。金融危机中,各地抓住机遇,逆流而上,出台了一系列促进自主创新的政策措施,有力地推动了中国高技术产业的发展进步。如辽宁推出“双百工程”,力争在2009年并购100家国家高端科技型企业和100家国际领先的科研团队;广东、云南、上海、安徽等地都出台了促进战略性新兴产业发展的规划政策。2010年,我国高技术产业总产值创历史新高,突破了7万亿元,达到74709亿元。各省市区在高技术领域的激烈竞争不仅推动了我国高技术产业的快速发展,而且有力地促进了创新资源在全国范围内的有效配置。2010年,东部地区高技术产业占比达到85.3%,几乎是中西部地区的6倍。其中,广东、江苏两省产值所占比重,达到全国产值的一半[10]。

② 各地区创新资源配置效率差异明显。东部地区作为传统的高技术产业优势发展区域,其平均配置效率值达到106.97%,为唯一有效区域。而在承接东部产业转移上,西部地区表现较中部地区抢眼,其效率值达到83.41%,接近全国平均值,远高于中部地区的53.62%。其中,青海和云南更是实现了资源的有效配置,在各省市区效率值排名中分列第3、4位。从研发经费的投入上也可以初略看出西部地区在创新资源配置效率上的优越表现。2010年R&D经费投入强度呈现出西高东低的特点,西部地区的R&D强度达到2.31%,中部地区略低,为2.03%,而东部地区仅为1.53%。从“十一五”以来各省市区高技术产业总产值占全国比例的变化情况看,2005年与2010年相比,广东省占比从31.2%下降到28.2%,上海从11.4%降到9.2%,重庆由0.4%上升到0.7%,四川从1.8%上升到2.9%,高技术产业正由东部经济发达省市逐步向中西部地区转移和扩散[10]。

③ 在环渤海、长三角、珠三角这三大中国高技术产业集聚度最高的经济圈中,环渤海和珠三角经济圈的创新资源配置较优,北京、天津和广东都实现了完全有效配置,分列各省市区效率值排名的第1、2和5位。而长三角经济圈中的上海、浙江、江苏均只位居效率值排名的中游,与其经济大省市的身份极为不符。一种合理的解释是,受金融危机影响,外贸依存度历来较高的长三角地区高技术产品的出口急剧萎缩,影响了其资源作用的有效发挥。如江苏省R&D经费投入强度2010年处于全国中下水平,为0.99%,远低于同期全国1.6%的平均水平[10] ,浙江省2009年高新技术产品出口98.5亿美元,同比下降7.5%[11]。

④ 各省市区之间创新资源配置效率差异极大,发展极不平衡。在29个省市区中,超效率值的方差达到5139.07,仅8个省市区效率值在平均值(84.13%)以上,在平均值以下的省市区数占72.41%,其中,效率值在50%以下的省份有9个。各省市区的发展也极不平衡,最高超效率值(北京,359.81%)是最低超效率值(甘肃,23.11%)的15.6倍,说明在其他条件不变的情况下,在北京市高科技产业每一单位的投入,其产出是在甘肃省高科技产业每一单位投入产出的15.6倍。

从效率值排名表可以看出,在29个省市区中仅有5个省市区达到了资源配置有效,而其他24个省市区均未达到有效,存在严重的投入和产出不相匹配的问题。下面我们从投入冗余和产出不足两方面来分析影响效率的原因。

3.3各省市区创新资源配置无效原因分析

EMS1.30软件在计算出超效率值的同时,也能给出各无效DMU在各个投入指标上的冗余s-和产出上的不足s+,本文用s-/实际投入和s+/实际产出的比值来分别表征各投入的冗余度和产出的不足率,计算结果见表3。

① 从全国范围看,在投入冗余方面,对创新资源配置效率影响从高到低排序依次为:技术改造经费投入冗余、前一年固定资产构建冗余、R&D人员全时当量冗余、新产品开发经费支出冗余和R&D经费内部支出。最大的投入冗余是技术改造经费投入的冗余,平均有38.47%的投入资金没有发挥效应,其原因在于高技术产业是一个发展迅速的产业,其技术发展速度快、设备更新快,一般的技术改造难以适应技术发展趋势。高技术产业技术密集度高、仪器设备更新换代步伐快,固定资产的投入如果不能赶上技术发展的水平,则其投入势必成为影响资源配置的重要因素。在我国整体科研水平不高、科研激励制度尚不完善的今天,R&D人员全时工作当量并不能完全反映研发人员的工作投入,有相当部分属于重复研发、无效研发。冗余度最小的投入是R&D经费内部支出,为1.19%,说明高技术产业普遍实现了内部研发经费的有效配置。

注:s-1～s-5分别为R&D人员全时当量、R&D经费内部支出、新产品开发经费支出、技术改造经费支出和前一年固定资产购建费的投入冗余度,s+1～s+3分别为新产品销售收入、新产品出口额和有效发明专利的产出不足率。

②在全国范围内,在产出不足方面对创新资源配置效率影响从高到低排序依次为:新产品出口额、新产品销售收入和有效发明专利数。产出不足率最大的为出口额,平均高达732.88%,西部地区甚至高达1023.13%,既证明了金融危机对我国高技术产业出口产生了巨大负面影响,又从一个侧面反映了我国高技术产品国际竞争力偏弱的事实。新产品销售收入不足率全国平均达到45.36%,对资源的有效配置也有较大的影响。

③ 各地区在创新资源的配置上各有优缺点。东部地区R&D人员全时当量、固定资产构建费和新产品开发经费方面的冗余度最低,基本实现了人力、物力和新产品开发资金的有效配置;不足之处在于有效专利数的产出效率偏低。西部地区在企业内部研发经费上控制的最好,冗余度最低。中部地区技术改造经费支出效率最高,且在有效专利的产出上达到有效。

④ 资源配置非有效的各省市区在部分资源的配置上各有其长处,也各有严重短板,拖累了其资源的有效配置。如上海市,除技术改造经费支出和前一年固定资产购建费的投入冗余度较高外,在R&D人员全时当量、R&D经费内部支出、新产品开发经费支出等方面均实现了最优化;而甘肃省则受新产品出口额的严重影响,导致其资源配置整体效率欠佳。

4对策建议

高技术产业作为推动经济增长的重要部分,其发展状态、竞争力高低、配置资源的效率发挥一直是政府、企业和学界关注的问题。从分析结果来看,当前我国高技术产业创新资源的配置效率并不尽如人意,需进一步优化资源配置,促进技术进步,为经济可持续发展提供保证。

① 完善政策体系,营造良好发展环境。面对世界高技术产业的迅猛发展,我国政府应抓住机遇,大力发展高技术产业,贯彻落实现有的法规和政策,完善高技术产业的相关财政政策、税收政策、金融政策、信贷政策、知识产权政策、人才政策、国际贸易政策、科技立项政策、科技成果奖励制度、科技成果评价制度等政策法规体系。建立基于高技术及其产品研发与产业化政策支持体系,营造促进高技术产业发展的良好政策环境,加强政府政策对高技术产业发展的引导作用。

② 加强各区域交流与合作,实现区域优势互补。我国各省份、各地区在高技术创新资源的配置上各有优缺点,应积极加强相互学习和合作,合理产业布局,分工合作,共享信息和人力资源,打造特色各异的高技术产业,促进区域产业转移和结构升级,提升经济发展水平。

③ 优化创新资源结构,避免盲目投入。当前,我国高技术产业在创新资源投入上均有程度不一的冗余。各省市区应根据自身情况,着眼于资源优化配置和绩效提升,开展科技投入的规模、结构、绩效评价以及管理体制改革等方面的研究,合理调整人力、物力、财力的投入分配比重,避免人浮于事、盲目投资。

④ 加强自主创新和原始创新,提升高技术产品国际竞争力。在我国内需未完全启动、外贸依存度仍然偏高的现实背景下,必须进行自主创新和原始创新,坚持以企业为技术创新的主体,强化企业在推动高技术产业化中的主导作用;加强产学研相结合,不断完善高技术产业链条;深入实施以标准、专利为核心的知识产权战略;实施重大科技专项攻关,集成资源,实现重点突破;不断提高产品技术含量,增强国际竞争力,逐步实现“研发投入——技术创新——效率提升”的良性循环。

摘要：高技术产业是技术密集型产业,其发展需要大量的技术创新为支撑,由于资源的稀缺性和投入的有限性,对资源配置效率进行评价十分重要。利用超效率DEA方法,对中国内地29个省市区高技术产业2009年的技术创新资源配置效率进行评价,并从投入冗余和产出不足两方面对创新资源配置无效的省市区进行原因分析,最后提出改进和提高配置效率的对策和建议。

关键词：高技术产业,技术创新,资源配置效率,超效率DEA模型

参考文献

[1]科学技术部发展计划司.科技统计报告[EB/OL].[2011-07-

[08]].http://www.sts.org.cn/tjbg/gjscy/documents/2010/20101220.htm.

[2]张海洋.R&D两面性、外资活动与中国工业生产率增长[J].经济研究,2005(5):107-117.

[3]范凌钧,陈燕儿,李南.R&D对中国高技术产业技术效率的影响研究[J].研究与发展管理,2010(6):37-43.

[4]陈伟,赵富洋,林艳.基于两阶段DEA的高技术产业R&D绩效评价研究[J].软科学,2010(4):6-10.

[5]李雪冬.我国高技术产业全要素生产率变动分解——基于非参数的Malmquist指数法[J].科技管理研究,2010(8):247-249.

[6]邓路,高连水.研发投入、行业内R&D溢出与自主创新效率——基于中国高技术产业的面板数据(1999-2007)[J].财贸研究,2009(5):9-14.

[7]韩晶.中国高技术产业创新效率研究——基于SFA方法的实证分析[J].科学学研究,2010(3):467-472.

[8]PerAnersen P,Petersen N C.A Procedure for Ranking EfficientUnit in Data Envelopmeng Analysis[J].Management Science,1993(10):1261-1264.

[9]马占新.数据包络分析方法的研究进展[J].系统工程与电子技术,2002(24):37-42.

[10]科学技术部发展计划司.科技统计报告[EB/OL].[2012-01-17].http://www.sts.org.cn/tjbg/gjscy/documents/2012/20120206.htm.

DEA超效率分析 篇7

自2005年起, 随着电子商务的迅猛发展, 圆通、申通、韵达等知名民营快递企业的业务量迅速增长, 年均增长率都在60%以上, 但是民营快递物流成本过高、服务质量较差依然是制约快递业乃至整个电子商务市场运行的瓶颈。2012年消费者对快递的有效申诉大约为13.7万件, 占全部有效申诉量的98.3%, 比2011年增加87886件, 增长177.7%, 其中快递损毁8273件, 占总数的6%。我国快递行业目前正处在发展的初级阶段, 同质化作业现象严重, 快递利润率也从2005年以前的30%降低到现在的5%。在这样的背景下, 提高我国民营快递企业物流效率, 加快民营快递的发展, 推动我国经济建设、电子商务产业结构合理化和提高我国快递业在国际市场上的竞争力都具有十分重要的意义。

目前国内学者对民营快递企业的物流绩效所做的研究采用的方法只停留在传统的绩效评价方法上, 有一定的局限性, 鉴于此, 本文拟运用CCR—DEA模型、BCC—DEA模型、超效率CCR—DEA模型, 对我国8个民营快递企业的物流效率进行评价, 以反映目前我国民营快递的发展态势, 最后对评价中发现的问题寻求改进优化思路。

2 民营快递企业物流绩效实证分析

2.1 评价指标确定与数据来源

结合本文研究的目的、数据获取的科学性与全面性及快递物流行业的特点, 在本文中我们采用员工人数、车辆数量、营业网点数3个指标作为DEA的投入指标, 用快件安全送达率、日平均处理货量、服务城市数3个指标作为产出指标。按照主营业务为民营快递物流服务, 以及其数据的可获得性的原则, 本文选取顺丰、申通、圆通、汇通、中通、韵达、天天、宅急送8个民营快递企业为研究样本。通过查阅《2012年中国快递行业研究报告》、《中国快递年鉴2007—2012》以及各公司的门户网站, 我们获得了这8家快递企业在2012年的原始数据。

2.2 数据处理

基于CCR—DEA模型、BCC—DEA模型和超效率CCR—DEA模型, 取的值为106-, 将表1中各个民营快递企业的投入产出数据代入其中, 运用EMS1.3版软件分别算出8个民营快递企业的总技术效率、纯技术效率、超技术效率及其松弛变量值, 结果如表2所示。

注:其中对应于员工人数, 对应于车辆数量, 对应于营业网点数, 对应于快件安全送达率, 对应于日平均处理货量, 对应于服务城市数。

2.3 DEA模型结果分析

2.3.1 总技术效率、纯技术效率与规模效率的比较分析

从表2中的评价结果可以看出, 在这8家快递企业中技术效率值 (θ) 、纯技术效率值 (θVRS) 、规模效率值 (θS) 同时都为1的企业仅有2家, 占总样本数的25%, 分别是顺丰和宅急送, 说明顺丰和宅急送的物流绩效在行业中处于领先地位, 物流运营管理比较完善和高效;而申通、圆通等6家快递企业这三个值均小于1, 为非DEA有效, 这些企业技术效率低下的主要原因在于纯技术效率的低下 (6家企业均为0<θVRS<θS<1) , 即这些快递企业未充分发挥当前投入的产出潜力。总体来看, 我国民营快递企业的物流绩效水平整体偏低, 需要进一步加强管理, 以提高市场竞争力。

2.3.2 投影分析

根据表2的计算结果, 对申通等6家非DEA有效快递企业进行投影分析, 从而找到在输入和输出方面需要改进的地方和要达到的目标, 为今后提高管理效率提供参考信息, 使各项资源得到充分合理的利用。根据投影公式做了投影分析并进行改进与调整, 求出了投入的可缩减量和产出的可增加量, 以供参考, 具体信息见表3。

通过表3可以看出, 申通等6家快递企业在其发展过程中, 人力物力投入严重过剩是普遍现象, 如申通在产出规模的情况下, 要达到DEA有效, 就必须将员工数减少5.246万人, 车辆数减少0.541万辆, 营业网点数减少1035.3个。申通等6家快递企业物流投入成本过高, 归根结底还是企业内部的经营管理存在问题, 应当加强企业管理, 以有效提高物流绩效水平。

2.3.3 超效率比较分析

根据表2的评价结果可知, 顺丰、宅急送的各项效率指标均为1, 运用超效率CCR—DEA模型能够有效的区别这两个决策单元的绩效差异, 而申通等6家DEA无效率的快递企业的得分与CCR—DEA模型的评价得分相同。

从表2分析可得, 顺丰的超效率值 (θsup) 为1.408, 宅急送的超效率值 (θsup) 为2.635, 这表明顺丰和宅急送即使再分别等比例增加40.8%、163.5%的投入, 它们在整个主要民营快递企业样本集合中仍能保持相对有效即绩效值仍能维持在1以上。而宅急送在员工数、车辆数量和营业网点数3项投入指标以及快件安全送达率、日平均处理货量2项产出指标均小于顺丰的情况下, 其超效率值却大于顺丰的超效率值, 说明宅急送的物流网络配送效率很高, 物流资源使用更加合理。

3 结束语

通过对我国8家主要民营快递企业的物流绩效评价, 我们可以发现民营快递企业的物流总体技术效率不高的主要原因是纯技术效率的低下, 也就是说物流资源投入浪费, 导致了经营成本有逐渐变高的趋势, 因而产出没有达到最优的状态。在目前快递物流发展的状况下, 要想提高整体物流绩效, 我国民营快递企业需要改善企业的经营方式和管理水平, 整合资源, 加强物流人才的培养, 不断提高企业的效率和核心竞争力。

参考文献

[1]沈渊, 漆世雄.基于DEA方法的我国物流上市公司绩效评价[J].物流技术, 2009, 28, (8) :97-100.

[2]汪旭晖, 徐健.基于超效率CCR-DEA模型的我国物流上市公司效率评价[J].财贸研究, 2009, (6) :117-124.

[3]张福明, 孟宪忠.我国物流企业效率与效率持续性评价的实证[J].工业工程与管理, 2010, 15, (2) :46-49.

[4]刘京志, 官志伟, 魏立全.标杆法在我国快递业绩效评价中的应用[J].中国储运, 2006

[5]杨萧, 李叶.基于FAHP的民营快递企业竞争力评价[J].物流科技, 2011, (03) .

[6]张晓冬, 王福林, 周康渠.系统工程[M].北京:科学出版社, 2010, (1) :145-146.