数据包络分析DEA（通用9篇）
数据包络分析DEA 篇1
摘要：能源是人类赖以生存的基础,也是社会经济可持续发展的重要约束,能源效率越来越受到国际社会的关注。我国“十一五”规划纲要中明确提出了到2010年实现GDP能耗降低20%的量化指标,节能降耗已经上升为基本国策。通过对2000—2007年中国能源利用状况的分析以及各省能源效率的测算,得出中国能源消费结构不合理、能源效率区域差异较大的结论。
关键词：能源效率,数据包络分析(DEA),节能降耗
1 引言
能源是人类赖以生存的基础,也是制约社会经济发展的重要因素,能源效率越来越受到国际社会的关注。中国改革开放30年,伴随中国工业化水平日益提高,经济突飞猛进发展,能源消费增长迅速。到2007 年底,中国 GDP总量达到 251483.2亿元,是1978年GDP总量的69 倍,年均GDP 增速高达15.16%。中国的能源消费总量也由1978 年的57144万t标准煤增长到2007年的265583 万t标准煤,增加了近3.65倍。在中国经济发展取得骄人成绩引起国际社会关注的同时,经济增长与自然资源短缺、能源耗竭、生态环境恶化的矛盾日益突显。如何在优化结构、提高效益和降低消耗的基础上缓解经济增长与能源的冲突,在能源约束条件下通过节能降耗来实现中国经济持续、健康、稳定增长已成为学术研究的热点。城市作为人类社会经济活动最为集中的地区,在人类社会经济活动中发挥着重要作用。同时,以高能级、高集聚、高能耗为特征的城市是资源消耗最大的区域,人与能源矛盾也最为集中。如何在我国城市化进程中实现能源的集约使用和能源结构升级、提高能源利用效率、加速节能技术的推广和应用、保证城市经济可持续发展,已成为亟待解决的重要课题。
2 文献综述
基于能源的重要性,国内外学者对能源效率问题进行了系列研究。研究表明,能源效率提高源于以下因素:①源于产业结构调整。即能源从低生产率的产业流向高生产率的产业(如农业向工业、工业向服务业、传统工业向新型工业等)。Samuel、Reitler、Liu etal、Ang、Richard、史丹、周勇等研究表明,产业结构调整(至少在部分时段)有利于产能源利用效率的提高[1];张丽峰指出,我国产业能源消费以第二产业为主,降低能耗的任务主要是通过调整三次产业内部的产品结构来实现[2]。②技术进步。有关技术进步对能源效率作用的研究主要有:Henryson以瑞典为样本研究了信息与提高能源消费效率的关系,得出增加信息量可提高能源消费效率[3]。Jacobsen认为,技术进步对能源效率是外生性的影响,对长期的能源需求、新技术发明的影响要大于现有技术的扩散[4]。吴巧生和成金华认为,工业部门的技术改进是影响能源消耗强度的主导因素[5]。李廉水和周勇运用数据包络分析(DEA)得出技术效率是工业部门能源效率提高的主要原因,而科技进步的贡献较低[1]。魏一鸣通过对中国钢铁行业能源效率的分析得出,1994—2003年中国钢铁行业能源利用效率的提升主要源于技术进步而不是技术效率提高。王群伟、周德群得出我国能源全要素生产率呈现出“东部高、中部次之、西部最低”的特征,技术效率对能源全要素生产率贡献最为显著[6]。③产业结构调整与技术进步共同作用。齐志新和陈文颖依据1993—2003年中国工业部门能源强度的因素分解结果指出,技术进步始终是能源强度下降的决定因素,而结构调整对能源强度的影响很小[7];徐国泉和姜照华通过对美国技术进步、结构变化与能源效率关系的研究表明,1980—2004年美国结构变化对能源效率的影响最为显著,技术进步与结构变化均是能源效率的Granger原因,并且技术进步与能源效率之间存在双向因果关系[8];杨洋、王非等利用最小乘法对1978—2006年影响我国能源强度的因素进行了分析。研究结果表明,产业结构变动对能源强度影响最大,而技术进步次之[9]。符淼通过对1953—2004年中国能源全要素生产率分解及回归分析,得出包括技术、生产效率和规模效应在内的全要素生产率是决定能源效率的关键因素和长期因素,而产业结构对单位GDP能源消耗短期波动有显著影响[10]。
本文运用了2000—2007年中国省际面板数据,通过麦氏指数法将中国能源利用效率分解为技术进步、纯技术效率和规模效率变化几项,最后得出了2000—2007年中国能源效率的提升主要归功于技术进步的结论。
3 中国节能降耗的严峻形势
随着中国工业化、城市化进程的加快,特别是重化工业和交通运输业的快速发展,能源需求大幅度上升。仅在“十五”期间,中国城市化率便由36%上升为43%,工业占GDP的比重由43.6%上升为46.1%,能源消费总量增长了70%。国际经验表明,一个国家或地区的城市化率在30%—60%之间,是这个国家城市化加快阶段,建筑、交通、居民生活能耗等会随着城市化进程而大幅度增加,能源将成为制约城市化进程的“瓶颈”。因此,在实现中国特色社会主义工业化、现代化和城镇化的历史进程中,能源资源与环境恶化已经成为最大的硬性约束。反思工业化道路,重新认识能源资源的稀缺性,要实现资源的最优化配置,实现人与自然和谐发展,就必须坚持科学发展观,提高能源利用效率。2006年是我国“十一五”开局之年,年初全国人大审议的政府工作报告和“十一五”规划纲要中第一次将万元GDP的节能降耗与全国主要污染物排放总量削减作为两项约束性指标纳入国民经济和社会发展五年规划。纲要明确提出,要把节约资源作为基本国策,到2010年我国单位GDP能耗比2005年降低20%左右。这意味着全国单位GDP能耗要从2005年的1.22t标准煤/万元下降到2010年的0.976t标准煤/万元,单位GDP能耗平均每年下降幅度超过4.4%。要确保“十一五”规划总体节能目标的顺利完成,全国城市节能降耗形势十分严峻。
从1978—2007年中国能源消费的构成来看,传统能源消费所占比例较大。其中原煤消费占能源总消费比重最大,且呈现出波动趋势,2004年以后稳定在69.50%左右;其次是石油和天然气的消费,水电、核电、风电占能源消费比重总体呈现出上升趋势,但所占比重较小。
4 基于扩展DEA模型的中国能源效率评价
4.1 测算方法
数据包络分析技术(Data Envelopment Analysis,DEA),尤其是超效率数据包络模型在处理上述问题和多输入—多产出的有效评价方面具有绝对优势。鉴于此,本研究采用了这种非结构化(非参数化)评估方法。DEA模型有多种形式,选用哪一种模型既要看DMU的实际背景又要看评价目的。本文采用扩展DEA模型——超效率(Super efficiency)评价模型。
普通DEA模型的一个弱点就是可能计算得到的有效单元较多(效率评价值为1),而对这些有效单元若继续进行评价,上述模型则无能为力。Andersen P和Petersen N C于1993年提出了一种超效率评价模型能够对DEA的有效单元进行排序,该模型与DEA模型的数学形式相似。传统的C2R模型和超效率DEA形式分别见式(1)和式(2)。式(2)的基本思想是在进行第k个决策单元效率评价时,使第k个决策单元的投入和产出被其它所有的决策单元投人和产出的线性组合替代,将第k个决策单元排除在外,而前面的模型是将本单元包括在内的。一个有效的决策单元可使其投入按比例增加,但效率值却保持不变,其投入增加比例即为其超效率评价值。
undefined
undefined
4.2 变量选取和数据来源
众多已有的实证研究表明,数据来源、处理方法与DEA投入、产出变量选取的不同是导致研究结果差异的重要原因之一。本文分析所使用的基本数据主要来源于《中国统计年鉴》(2001—2008年)、相关年份《中国能源统计年鉴》及2008年中国各省的能源统计年鉴。分析使用的样本为2001—2008年中国30个省的能源投入和产出数据。在DEA投入和产出的确定上,本文采用三要素投入(资本、劳动、能源)和单产出(总产值)。实证分析数据的选择和处理为:①产出水平。本文用中国各省(地区)生产总值作为衡量产出指标,并将其折算成2000年不变价格,各省当年GDP和GDP平减指数来自于《中国统计年鉴》(2001—2008年)。为了保持口径的统一,将重庆市的数据并入四川省。②资本投入。本文根据国际通用的“永续盘存法”来估计中国各省每年的实际资本存量,定义本期的资本存量为上一期的资本存量加上当年的投资,再减去折旧,即:
Ki,t=Ii,t+(1-δi)Ki,t-1 (3)
式(3)中,Ki,j是地区i在t年的资本存量;Ii,t是地区i在t年的投资额;δi是地i区t在年的折旧率。在折旧率的选择上,不同研究有所出入,帕金斯、胡永泰、王小鲁以及王和姚假定折旧率为5%;杨格、霍尔和琼斯假定6%的折旧率;龚六堂和谢丹阳假定为10%的折旧率。本文主要参考了张军等人的已有研究成果,假定9.6%的折旧率,中国各省物质资本存量以1952年不变价格衡量。③劳动力投入。严格地说,劳动力投入应该考虑数量和质量两个方面。由于缺乏既能体现劳动者劳动时间又能体现劳动效率的统计指标,考虑到数据的可得性与可比性,本文参照李廉水衡量劳动力投入的指标选取方法,用中国各省职工年均人数表示,数据来源同上。④能源投入数据。以中国各省每年能源消耗量(均折算成标准煤)作为衡量能源投入的指标,数据来源于相应各年份的《中国统计年鉴》、《中国能源统计年鉴》及《各省统计年鉴》。其中,宁夏缺少2001年的能源数据,取前后两年的平均数补齐;西藏由于缺少能源数据,因此没有包括在样本内。
4.3 测算结果及评价
由表1可得,全国能源效率最高的5个省份依次为云南、上海、福建、辽宁和广东,与魏楚等计算的1995—2004年间中国各省能源效率排名的结果接近;排名后5位的分别是贵州、甘肃、宁夏、青海和山西,与魏楚等计算的结果基本一致(即排名前5位和后5位的地区为:云南1、上海1、黑龙江1、海南2、福建3、辽宁4、湖南5;河北23、甘肃24、宁夏25、贵州26、山西27,数字为名次)。总体来看,中国各省能源效率呈现出波动趋势,唯有北京市在2000—2007年间能源效率没有波动,呈较平稳上升态势。
注:为简便起见,表1把中国大陆地区的省、自治区和直辖市统一用“省”来表示。
由表2可见,2000—2007年间东部地区能源效率最稳定,东北地区能源效率提高最快,中部地区呈现近“北斗七星状”,而西部地区呈“先降后升再降”的趋势(按照国家区划,东部地区包括北京、天津、河北、上海、江苏、浙江、山东、福建、广东和海南;东北地区包括:辽宁、吉林、黑龙江;中部地区包括山西、安徽、江西、河南、湖北和湖南;西部地区包括内蒙古、广西、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆)。在2000—2002年东部地区能源效率最高(其中2001东部与东北地区能源效率的均值相同),2003—2007年东北地区能源效率提高迅速,超过东部地区,跃居第一位。中部和西部地区能源效率较低,均低于全国平均水平,但中部与西部地区能源效率情况又有所区别。中部地区2001年能源效率与2000年相比虽有所下降,但在2001年之后能源效率则呈现逐步攀升的态势,西部地区在2004年之后能源效率则一直处于下降的趋势。
5 结论
5.1 我国能源消费结构不合理
目前,我国能源供应和消费均以煤炭为主,这种高炭型单一品种的能源结构,在成本、价格、环境、资源配置等方面都不利于可持续发展。要实现我国能源结构的战略目标,需从以下几方面做起:一是摒弃过度依赖单一品种的能源消费模式,实行多元化战略。通过不同能源品种之间的替代,减少对煤炭的过度依赖,逐步降低煤炭在一次能源供应总量中的比重,实现能源结构多元化。二是不断提高优质能源、新能源和可再生能源的供应比重。在保持煤炭工业平稳发展的同时,优先发展洁净能源(如水电、太阳能、风能、生物质能、地热能、海洋能等),稳步发展火电,积极发展核电,加快发展新能源和可再生能源,提高优质能源的比重,积极推进能源各产业的结构调整,实现能源工业的均衡发展。
5.2 区域发展不平衡
按照2000—2007年我国能源效率水平及变动情形,我国能源效率区域差异较大,总体上呈现出东部能源效率最稳定、东北能源效率提升最快,中部和西部地区能源效率较低。其中全国能源效率最高的5个省份依次为云南、上海、福建、辽宁和广东;能源效率排名后五位的分别是贵州、甘肃、宁夏、青海和山西。我国应充分发挥能源效率较高省份的示范作用,加强节能技术在不同省间的学习与推广,促进我国能源效率的区域协调发展,确保“十一五”规划的顺利完成。
参考文献
[1]李廉水,周勇.技术进步能提高能源效率吗?——基于中国工业部门的实证检验[J].管理世界,2006,(10)∶82-89.
[2]张丽峰.中国经济增长、产业结构对能源消费影响分析[J].经济问题探索,2008,(5)∶1-3.
[3]Henrik Klinge Jacobsen.Technology Diffusion in Energy-economy Models:The Case of Danish Vintage Models,2000,21(1)∶43-52.
[4]Jacco C M,Farla Kornelis Block.Energy Eficiency and Structural Change inthe Netherlands.1980—1995:Influence of Energy Eficiency,Dematerializa-tion and Economic Structure on National Energy Consumption[J].Journal ofIndustrial Ecology,2000,(4)∶93-117.
[5]吴巧生,成金华.中国能源消耗强度变动及因素分解:1980—2004[J].经济理论与经济管理,2006,(10)∶34-40.
[6]王群伟,周德群.中国全要素能源效率变动的实证研究[J].系统工程,2008,(7)∶74-77.
[7]齐志新,陈文颖.结构调整还是技术进步——改革开放后我国能源效率提高的因素分析[J].上海经济研究,2006,(6)∶8-16.
[8]徐国泉,姜照华.技术进步、结构变化与美国能源效率的关系[J].科学学与科学技术管理,2007,(3)∶104-106.
[9]杨洋,王非,等.能源价、产业结构、技术进步与我国能源强度的实证检验[J].统计与决策,2008,(11)∶103-105.
[10]符淼.全要素生产率和产业结构对能源利用影响的实证分析[J].数理统计与管理,2008,(2)∶189-196.
数据包络分析DEA 篇2
数据包络分析在我国汽车工业经济规模研究中的应用
数据包络分析是一种新的系统分析方法.目前它有两个理论模型:C2R和C2GS2模型.以这两个模型为工具,对我国汽车工业的`经济规模进行了评价.结果表明,从1992年到2001年,我国汽车行业的规模收益基本上是较差的,只有1992年和2001年产出规模适度.分析结果比较符合实际,证明了此种分析方法的有效性.
作 者：时间 作者单位：中国汽车技术研究中心情报所WTO与APEC政策研究室刊 名：汽车工业研究英文刊名：AUTO INDUSTRY RESEARCH年，卷(期)：2003“”(2)分类号：F42关键词：数据包络分析 汽车工业 经济规模 评价
数据包络分析DEA 篇3
关键词：投入产出；数据包络分析；广东科技
一、引言
广东省作为我国珠三角经济区的主体，积极贯彻落实党中央各项科技战略并逐渐成为我国科技强省。目前，对于广东省科技进步的研究多集中在研究广东省科技发展特征和评价分析其科技投入产出效率这两个方面。部分学者通过直观分析广东省相关科技投入、科技产出面板数据归纳出相关指标数量、占比等基本信息，整合后得到广东省科技进步特征。
二、运用数据包络理论（DEA）具体分析科技投入产出效果
本文选取广东省、江苏省地方财政科技拨款（亿元），科技人员数量（万人年），科研机构数（个）作为科技投入指标。将广东省、江苏省专利授权量（件），技术市场成交额（亿元），国家级科技奖励成果（项）作为产出指标。通过查找粤苏两省科技局（厅）、统计局及国家统计局等部门网站的公开统计数据和历年科技统计年鉴将上述两省各六项指标2003年至2014年的数据汇总后运用C2R模型进行进一步分析。
（二）粤苏两省科技投入产出DEA分析
运用C2R模型及数据包络分析软件DEAP 2.1将粤苏两省科技投入产出原始数据进行分析，将得到的数据结果进行整合，进行深入的效率分析和投入冗余、产出不足分析。
1、科技投入产出效率分析
2、投入冗余、产出不足分析
三、广东省科技进步面临的问题及改进建议
（一）科研成果市场转化不足
广东高校和科研机构在进行学术激励时过分强调论文、课题数量，忽视了科研成果与社会经济实践的结合。这直接导致广东高校的科研成果不符合社会、市场的实际需求，科研成果失去了应用于社会实践的价值。应建立企业与高校、科研机构的信息交流共享平台，对深入企业的高校、科研机构人才给予工资、职位的保障，解决其后顾之忧。
（二）科研机构冗杂无效
广东省和江苏省在科技进步的过程中都曾出现过科研机构投入量冗余的情况。科研机构冗杂无效会带来科研成果水平低、自主科研创新能力差等一系列问题，形成的人浮于事的恶劣习气。对不同级别的科研机构各自制定相应的等级考核标准。对考核不达标者给予一定整改期限。
参考文献：
[1] 杨木容，汤亚非，陈小平.广东省科技产出能力分析研究——兼与长三角地区科技产出能力比较 [J].科技管理研究，2011，19（6）：75-79
[2] 段君伟.广东省技术创新政策实施效果评估研究 [D].广州：暨南大学，2007
数据包络分析DEA 篇4
关键词：DEA模型,上市银行,绩效分析
一、引言
随着现代企业管理制度的产生, 所有者与经营者相分离, 对企业的绩效评价也显得尤为的重要。绩效评价不仅能够说明经营者经营管理水平的高低, 而且能够为所有者决策提供有力的依据。银行作为现代金融体系的主体, 绩效评价不仅对经营者与债权人尤为重要, 而且在一定程度上还关系到一个国家经济能否健康稳定的发展。所以, 加强研究银行绩效评价问题, 提高银行绩效, 既可以提升我国银行业自身竞争力, 同时也是与国际金融业接轨的迫切需要。
从现有的研究来看, 对于企业绩效评价的方法很多, 传统的评估方法主要是采用投入-产出、收益成本比率、模糊综合评价等方式来评价企业的绩效。然而, 传统的评价方法仅适用于评价单一的对象, 不适合进行综合的绩效评价, 特别是多投入、多产出而且存在多个评估对象时, 往往操作不便, 而DEA模型正好可以满足综合绩效评估的要求。
二、DEA基本理论
数据包络分析 (Data Envelopment Analysis) 简称DEA, 是以决策单元 (DMU) 的投入、产出指标的权重系数为优化变量, 借助于数学规划将DMU投影到DEA前沿面上, 通过比较决策单元偏离DEA前沿面的程度来对待评决策单元的相对有效性做出综合评价, 从而获得许多反映决策单元的管理信息。其基本思路是:通过对投入产出数据的综合分析, 得出每个DMU综合效率的数量指标, 根据此将各DMU定级排序, 确定各DMU是否为DEA有效, 并指出其他DMU非DEA有效的原因及改进的方向和程度。DEA中的模型最合适用于多个输入变量和输出变量的复杂系统进行效率分析, 因而, 本文采用DEA中的模型来对我国上市银行的绩效进行评价。
三、实证分析
(一) 评价指标体系的构建
1、投入因素
(1) “总股本”, 考虑到我国上市公司股本结构的特殊性, 在总股本中还包括难以流通的国有股和法人股, 所以选择“流通股股数”作为投入指标;
(2) “注册资本”, 反映了上市银行的可使用资源, 反映了上市银行的经营规模和基础实力;
2、产出因素
为了全面反映银行经营业绩的最终成果, 有效的衡量经营绩效, 本文选取以下五个指标, 使之从不同的角度来反映上市银行的经营业绩的最终成果。
(1) 每股收益
(2) 每股净资产
(3) 净资产收益率
(4) 净利润
(5) 每股现金流量
(二) 数据的选择和无量纲化处理
本文选取10家公开上市的银行为研究分析对象, 其投入与产出指标的相关数据均来自于中财网, 原始数据均来自于该10家上市银行的上市公告及2014年第一季度 (截止到2014年3月31日) 的业绩报表。由于投入与产出指标的原始数据具有不同的量纲, 如果直接带入DEA模型中则难以求得线性规划问题的解, 无法进行DEA有效性分析, 因此首先将原始数据按以下函数关系进行无量纲化。
(三) DEA有效性分析—本文采用DEAP2.1进行分析
本文采用DEAP2.1进行DEA有效性分析, 运用DEA中的模型来对我国10个上市银行的绩效来进行评价, 采用产出角度 (即在投入不变的情况下, 如何实现产出最大化的问题) 和投入角度 (即在产出不变的情况下, 如何实现投入最小化的问题) 分别分析, 使用多阶段的DEA分析的方法准确的评价我国上市银行的绩效。运行输出结果经整理后结果如表1:
从表1可以得出, 从DEA有效值来看, 平安银行、建设银行、兴业银行三家上市银行的θ值 (θ值的大小说明上市银行的投入产出效率的高低, 即衡量的是技术效率) 都为1, 因此初步判断这三家银行为最优单元, 其余七家为次最优单元, 需要根据最优单元进行改进。
从表2的产出的松弛变量可以看出, 平安银行、建设银行、兴业银行三家上市银行的松弛变量均为0, 则说明该三家上市银行相对的产出效率较高, 没有需要增加的产出;而其他各个银行基本上都存在产出效率较低的问题, 因此需要松弛变量的数字分别进行产出的调整。从产出的五个指标来看, 十家上市银行的净利润 (即指标Y4) 都比较可观, 均不需要调整净利润;而其他的指标都存在或多或少的调整。例如:在投入不变的情况下, 对于农业银行来说, 无量纲化数据每股收益需要增加7.318元、每股净资产需要增加6.572元、净资产收益率需要增加2.548%、净利润保持原来的水平、每股净现金流量需要增加6.301元, 这样才能达到最优决策单元 (即三家最优单元) 的水平。
从投入角度上来看, 由表3投入的松弛变量可得, 除了华夏银行、民生银行、光大银行以外, 其他的各个上市银行的松弛变量均为0, 则说明除了这三家以外的其他银行均不需要减少投入因素。在产出不变的情况下, 华夏银行无量纲化数据需要减少0.017百万的注册资本金投入、光大银行与民生银行无量纲数据需要分别减少0.089、0.005亿股的流通股, 这样才能达到最优决策单元的水平。
此外, 通过DEAP2.1软件还可以得到十家银行的投入与产出的无量纲数据的目标值, 再结合各个银行的投入和产出的实际值, 便可以分析评价上市银行的企业绩效, 从而得出各个上市银行的要达到最优决策单元需要改进的投入与产出值。本文以农业银行为例分析其投入-产出效率。
从表4农业银行的分析结果上来看, 农业银行的技术效率为0.418, 说明其不为DEA弱有效, 也不为DEA有效。因此, 农业银行的投入值与产出值应该根据目标值进行改进, 但是投入值与产出值的改进不能同时进行, 这是DEA中模型的缺陷。从产出角度来看, 通过表5可以得出无量纲数据需要改进的数值, 如对于产出指标每股收益 (y1) 而言, 其目标值为7.557, 而实际值为0.1, 则需要按比例改进的数值为0.139, 需要增加的产出的数值为7.318。从投入角度来看, 农业银行的投入实际值达到了目标预期值, 因此不需要调整投入指标。
四、小结
长期以来, 绩效评价一直是银行业经营管理中关键环节, 尤其是对于上市银行来说, 上市银行整体经营业绩直接决定着其资本市场能否健康稳定的发展, 因此, 正确公允的评价上市银行的经营业绩具有重要的意义。将DEA方法运用于上市银行的绩效分析, 不仅可以从多投入多产出等多个角度全面评价银行的经营管理绩效, 还可以不用假设资本市场的有效性等一系列定性因素, 通过对模型的求解及分析, 即可获得上市银行总体效率, 进而找到各自的问题所在。
参考文献
[1]贺光菊.基于DEA模型的中国上市银行绩效分析[J].金融经济, 2006 (5) .
[2]赵春雨, 杨珊.基于DEA模型的保定市国有上市公司绩效分析[J].经济论坛, 2007 (23) .
[3]张彦, 郑平.基于DEA模型的中国啤酒业上市公司绩效分析[J].山东财政学院学报, 2006 (04) .
数据包络分析DEA 篇5
关键词：电子商务服务业,DEA,Tobit,效率
电子商务服务业是以电子商务平台为核心, 以支撑服务为基础, 整合多种衍生服务的生态体系, 一切以提供电子商务应用服务为目的, 从事电子商务服务活动的企业集合都称为电子商务服务业。[1]作为我国经济新的增长点, 近年来电子商务服务业正迅速发展, 但我国电子商务服务业还处于起步阶段, 出现很多问题。[2]一般学界主要集中在行业的发展现状与特点研究, [3]服务质量与模式研究[4,5,6]等, 很少涉及电子商务服务效率研究。因此, 对电子商务进行效率评价具有重要意义。本文尝试对浙江11 个地级市为基础, 运用Tobit回归模型分析综合效率的影响因素, 评价各城市的竞争力。[7]
一、评价模型
1、DEA模型
在效率评价方面, 目前基本的DEA模型 (数据包络分析) 有两种, C2R和BC2 模型。[8,9]
本文建立C2R公式:
在式 (1) 模型的基础上, 增加约束条件, 得到BC2 模型, 如式 (2) 。
BC2 模型中, 综合效率= 技术效率* 规模效率, 式 (2) 中的 θ 为技术效率, 表示不考虑规模收益时, 在给定投入的情况下获取最大产出的效率, 若 θ 等于1, 表示DUM有效;若 θ 小于1, 则为无效。规模效率反映投资规模是否最合适, 只有综合效率和技术效率都等于1, 规模效率才等于1, 表示有效, 否则均为无效。
2、Tobit回归模型
为进一步了解投入产出效率的影响因素, 本文对综合效率进行回归分析。而运用DEA模型得出的效率指数介于0 和1 之间, 如果采用传统的最小二乘法对模型直接回归, 那么参数的估计值将会有偏差、不一致 (Greene, 1981) 。[10]本文采用因变量受限的Tobit模型进行回归分析, 它是由Tobin在1958年提出的, 模型如下式:
式 (3) 中, Zi是效率值, 是回归参数向量, Xi是解释变量向量, εi~ N (0, σ2) 。
二、指标与数据
本文选取电子商务服务业比较发达的浙江省11 个地级城市作为研究对象, 投入产出效率指标见表1。在此基础上, 运用Tobit模型分析综合效率的影响因素, 效率影响因素指标见表2。
在投入产出指标中, 本文选用电子商务服务业产值作为产出指标, 公共服务支出和教育支出指标反映城市在教育和配套基础设施方面的投入。还有成本和知识产权保护的情况, 互联网宽带接入数和固定资产投资等。
在效率影响因素指标中, 本文主要考察城市经济水平、城市产业规模、城市工业化水平以及城市教育程度对投入产出综合效率的影响。
三、实例分析
1、城市电子商务服务业投入产出效率分析
依据表2 数据来源, 整理得出各城市投入产出评价指标的数据, 见表3。将表3 数据代入式 (1) , 式 (2) , 使用DEAP2. 1 软件对11 个城市的投入产出效率进行求解, 结果见表4。
分析表4结果可得:
(1) 杭州、宁波、舟山、温州、金华是电子商务服务业发展的好的城市。
(2) 嘉兴、湖州、衢州、丽水规模收益递增, 即可以通过扩大现有规模, 进一步提高综合效率, 提高竞争力。
(3) 绍兴和台州效率不高。而这两个城市的投入冗余和产出不足, 见表5, 表中显示2个城市的产出没有不足, 但各项投入均有冗余。因此需减少宏观、中观、微观各方面的投入来达到技术效率有效, 同时这2个城市规模收益均递增, 应该扩大规模增加收益。这样, 技术和规模两方面共同作用, 提高投入产出效率, 提高城市电子商务服务业竞争力。
2、效率影响因素的Tobit分析
本文尝试分析城市经济水平、产业规模、工业化水平、教育程度对综合效率的影响。效率影响因素指标见表2, 以Y1, Y2, Y3, Y4 为自变量, Z为因变量, 代入式 (3) , 并运用eviews5. 0 软件进行Tobit回归分析, 结果如表6 所示。
分析表6 结果可知:
(1) 人均GDP与产业增加值对综合效率影响显著, 且影响系数为正值, 说明人均GDP越大, 产业增加值越多, 效率值会越大。这表明城市经济水平的提高以及第三产业规模的增大会带动电子商务服务业的快速发展, 提高投入产出效率, 提升城市电子商务服务业竞争力。
(2) 工业企业数与综合效率存在负相关, 即工业单位数越多, 综合效率越低, 这可能是由于工业化水平越高, 服务业的投入比重就偏少, 但两者之间影响并不显著。
(3) 教育程度与综合效率存在正相关, 但并不显著, 说明教育程度对电子商务服务业的发展有积极的影响, 但目前这种影响还有很大的提升空间。
四、建议
本文通过研究认为:一是杭州、宁波、舟山、温州、金华作为浙江省电子商务服务业投入产出效率有效的城市, 应当积极发挥带头作用, 继续探索创新, 带动浙江其他城市的发展。二是嘉兴、湖州、衢州、丽水这4 个城市需要提升竞争力。三是绍兴和台州这2 个城市效率无效, 需特别注重投入冗余的问题。四是城市经济水平和产业规模与综合效率的相关性显著, 可以通过提高城市经济水平, 扩大第三产业规模, 注重产业绩效来提高综合效率, 进而提高整个城市的电子商务服务业竞争力。
参考文献
[1]梁春晓.电子商务服务[M].北京:清华大学出版社, 2010:5-24.
[2]胡岗岚, 卢向华, 黄丽华.电子商务生态系统及其演化路径[J].经济管理, 2009, (6) :110-116.
[3]赵京桥.电子商务服务业发展现状、问题与展望[J].电子商务, 2013, (11) :22-24.
[4]马铁军, 黄小锋.银行网站开展企业电子商务服务的模式与战略[J].金融论坛, 2011, (5) :68-74.
[5]傅翠晓, 黄丽华.基于二维视角的我国B2B电子商务服务模式动态演化研究[J].研究与发展管理, 2011, (2) :106-114.
[6]邓之宏, 郑伟亮, 秦军昌.C2C电子商务服务质量评价实证研究——基于中国C2C市场的问卷调查[J].图书情报工作, 2012, (14) :141-147.
[7]李希义.我国股份制商业银行对国有商业银行效率提高的作用分析[J].系统工程, 2008, 11:29-34.
[8]李光金.评价相对效率的投入——产出型DEA[J].管理科学学报, 2001, (2) :58-62.
[9]魏全龄.数据包络分析[M].北京:科学出版社, 2006.3:1-58.
数据包络分析法理论研究 篇6
在人们的生产活动和社会活动中常常会遇到这样的问题:经过一段时间之后, 需要对具有相同类型的部门或单位 (称为决策单元) 进行评价, 其评价的依据是决策单元的“输入”数据和“输出”数据, 输入数据是指决策单元在某种活动中需要消耗的某些量, 例如:投入的资金总额, 投入的总劳动力数, 占地面积等等;输出数据是决策单元经过一定的输入之后, 产生的表明该活动成效的某些信息量, 例如:不同类型的产品数量, 产品的质量, 经济效益等等。再具体些说, 譬如在评价某城市的高等学校时, 输入可以是学校的全年的资金, 教职员工的总人数, 教学用房的总面积, 各类职称的教师人数等等;输出可以是培养博士研究生的人数, 硕士研究生的人数, 大学生的人数, 学生的质量 (德, 智, 体) , 教师的教学工作量, 学校的科研成果 (数量与质量) 等等。根据输入数据和输出数据来评价决策单元的优劣, 即所谓评价部门 (或单位) 间的相对有效性。
近年来, 国内学术界采用数据包络分析 (DEA) 方法对创新效率进行分析研究已取得了令人可喜的成果。采用DEA方法对区域科技创新进行效率分析, 实质是借助于“前沿分析法”依据一定的标准构造一个生产前沿面, 被评估的区域与该前沿面的差距就是它的效率。采用DEA方法评估效率, 其优势在于无需人为给定各指标的权重, 也无需预先给定生产前沿面的生产函数形式, 同时它能处理多个输出和多个输入。俞立平 (2007年) 设R&D人员和R&D经费作为创新系统的投入变量, 新产品销售收入及发明专利数作为创新产出, 利用DEA方法测算了我国大中型工业企业创新效率的情况。李双杰、王海燕等 (2006年) 利用技术创新活动人员、经费作为投入变量, 专利申请受理量、发表科技论文及出版科技著作、行业总产值变化率作为产出变量, 利用DEA方法对北京制造业的创新效率进行分析。李艳玲, 潘杰义 (2005年) 将经费投入和人力投入作为创新投入, 而将新产品销售率与新产品销售收入作为创新收入, 利用DEA方法, 对西安几家高新技术企业技术创新效率做出了评价研究。钱燕云 (2004年) 将技术创新经费投入、研究人员投入、研发设备投入作为投入指标, 而将研发成果数、成果销售额作为产出指标, 利用DEA方法, 对我国机械制造业的85家企业的统计数据做出了综合评价。
1 数据包络分析方法简介
数据包络分析方法 (Data Envelopment Analysis, DEA) , 是运筹学、管理科学与数理经济学交叉研究的一个新领域。它是根据多项投入指标和多项产出指标, 利用线性规划的方法, 对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。它是由Charnes和Cooper等人于1978年开始创建的。DEA是使用数学规划模型评价具有多个输入和多个输出的单位 (称为决策单元, 简记为DMU) 间的相对有效性 (称为DEA有效) 。这种方法已经广泛应用于不同行业及部门, 并且在处理多指标投入和多指标产出方面, 体现了其得天独厚的优势。
由于DEA确定的各指标的权重不是优先意义下的权重, 而是从最利于决策单元的角度以各决策单元输入输出的权重为变量进行评价。DEA方法不必确定输入—输出的显式表达关系, 就可以得出每个决策单元综合效率的数量指标, 据此确定有效的决策单元, 并对有效的决策单元进行原因分析, 从而进一步调整决策单元投入规模的正方向和程度。DEA法对分散的评价指标进行综合分析处理, 从全局整体角度利用数据, 从而避免了分析指标处理的片面性。
2 数据包络法的优点
数据包络分析是运筹学的一个新的研究领域。Charnes和Cooper等人的第一个应用DEA的十分成功的案例, 是在评价为弱智儿童开设公立学校项目的同时, 描绘出可以反映大规模社会实验结果的研究方法。在评估中, 输出包括“自尊”等无形的指标;输入包括父母的照料和父母的文化程度等, 无论哪种指标都无法与市场价格相比较, 也难以轻易定出适当的权重 (权系数) , 这也是DEA的优点之一。
DEA的优点吸引了众多的应用者, 应用范围已扩展到美国军用飞机的飞行、基地维修与保养, 以及陆军征兵、城市、银行等方面。目前, 这一方法应用的领域正在不断地扩大。它也可以用来研究多种方案之间的相对有效性, 例如投资项目评价;研究在做决策之前去预测一旦做出决策后它的相对效果如何, 例如建立新厂后, 新厂相对于已有的一些工厂是否为有效。DEA模型甚至可以用来进行政策评价。
最引人注目的研究是把DEA与其它评价方法进行比较。例如:将DEA应用于北卡罗来纳州各医院的有效性评价。已有的按计量经济学方式给出的回归生产函数认为, 此例中不存在规模收益。DEA的研究发现, 尽管使用同样的数据, 回归生产函数不能像DEA那样正确测定规模收益。
数据包络分析 (即DEA) 可以看作是一种统计分析的新方法。它是根据一组关于输入-输出的观察值来估计有效生产前沿面的。在经济学和计量经济学中, 估计有效生产前沿面, 通常使用统计回归以及其它的一些统计方法, 这些方法估计出的生产函数并没有表现出实际的前沿面, 得出得函数实际上是非有效的。因为这种估计是将有效决策单元与非有效决策单元混为一谈而得出来的。在有效性的评价方面, 除了DEA方法以外, 还有其它的一些方法, 但是那些方法几乎仅限于单输出的情况。相比之下, DEA方法处理多输入, 特别是多输出的问题的能力是具有绝对优势的。并且, DEA方法不仅可以用线性规划来判断决策单元对应的点是否位于有效生产前沿面上, 同时又可获得许多有用的管理信息。因此, 它比其它的一些方法 (包括采用统计的方法) 优越, 用处也更广泛。
3 数据包络分析法的研究进展
1978年由著名的运筹学家A.Charnes, W.W.Cooper和E.Rhodes首先提出了一个被称为数据包络分析 (Data Envelopment Analysis, 简称DEA) 的方法, 去评价部门间的相对有效性 (因此被称为DEA有效) 。他们的第一个模型被命名为CCR模型。从生产函数角度看, 这一模型是用来研究具有多个输入、特别是具有多个输出的“生产部门”同时为“规模有效”与“技术有效”的十分理想且卓有成效的方法。
1984年R.D.Banker, A.Charnes和W.W.Cooper给出了一个被称为BCC的模型。1985年Charnes, Cooper和B.Golany, L.Seiford, J.Stutz给出了另一个CCGSS模型, 这两个模型是用来研究生产部门的间的“技术有效”性的。
1986年Charnes, Cooper和魏权龄为了进一步地估计“有效生产前沿面”, 利用Charnes, Cooper和K.Kortanek于1962年首先提出的半无限规划理论, 研究了具有无穷多个决策单元的情况, 给出了一个新的数据包络模型——CCW模型。1987年Charnes, Cooper, 魏权龄和黄志民又得到了称为锥比率的数据包络模型——CCWH模型。这一模型可以用来处理具有过多的输入及输出的情况, 而且锥的选取可以体现决策者的“偏好”。灵活的应用这一模型, 可以将CCR模型中确定出的DEA有效决策单元进行分类或排队等等。
DEA方法和模型, 以及对DEA方法的理解和应用还在不断的发展和深入。除了上面提到的新的模型BCC、CCGSS、CCW和CCWH模型外, 在具体使用DEA方法时, 例如“窗口分析”方法, 使DEA的应用范围拓广到动态情形;将DEA应用于决策单元为私人部门 (商业公司) 时, 各决策单元之间存在着激烈的相互竞争作用等情况。特别值得指出的是, DEA方法是纯技术性的, 与市场 (价格) 可以无关。
DEA方法还存在明显的不足。而且虽然国内利用DEA方法评价创新效率的研究成果比较丰富, 但研究范围主要集中在某一创新领域的综合研究, 缺乏针对一个区域内社会发展领域及高校创新效率的比较研究。
参考文献
[1]吴德胜.数据包络分析若干理论和方法研究[D].中国科学技术大学, 2006.
[2]魏权龄.数据包络分析[M].科学出版社, 2004.
[3]唐焕文.关于若干DEA模型与方法研究[D].大连理工大学管理学院, 1999.
[4]吴育华, 曾祥云, 宋继旺.带有AHP约束锥的DEA模型[J].系统工程学报, 1999.
[5]严高剑.马添翼关于DEA方法[J].科学管理研究, 2005.
数据包络分析DEA 篇7
为此, 学者们对此进行了大量研究, 分别建立了物流企业绩效评价的指标体系, 提出了平衡记分卡、层次分析法、熵权和灰关联方法、主成分分析法等评价方法。现有的这些评价方法, 各评价指标的权重如何确定仍然存在一些不足, 往往通过专家经验确定各评价指标的权重, 导致指标权重不客观, 不同专家往往产生不同的评价结果。另外, 已有的这些评价指标体系大多仅仅考虑物流企业的产出, 忽略资金、人力资源、经营风险等等投入要素, 可能导致某些投入产出效率低下的物流企业被评价为“优秀”。为克服这些不足, 本文引入数据包络分析方法评价物流企业的绩效, 研究数据包络分析在物流企业绩效评价中的应用方法, 通过一个算例证明所提方法的可行性和有效性。
一、数据包络分析C2R模型
数据包络分析 (data envelopment analysis, DEA) 作为一种数学规划方法, 在避免主观因素、简化运算和减小误差方面具有优势, 其中C2R模型具有建模思路清晰、形式简单、理论完善的特点。设有n个决策单元DMU, 每个DMU都有m种投入和s种产出, 假设xij表示第j个DMU的第i种投入量, yrj表示表示第j个DMU的第r种产出量, vi和ur分别表示各投入和产出的权值, 如果用向量Xj和Yj分别表示各DMU的投入和产出, V和U分别表示权值向量, 则:, , 其中
定义第j个DMU的效率评价指数为
定义第j0个DMU的效率模型为
式 (2) 中:为DMU的权重变量, θ|为参变量,
设模型的最优解为。A .Charnes和W.W.Cooper给出了下面的定义来判断DEA的有效性。
定义1:若, 则 DMUj0称为弱DEA有效。
定义2:若, 则称DMUj0为DE A有效。
定义3:若θ*<1, 则称DMUj0为DEA无效。
二、模型的应用方法
物流企业的绩效评价就是要考察物流企业各种资源的投入产出效率, 即用最小的资源投入获得最大的产出回报。因此, 不仅要考虑物流企业的产出, 而且要考虑它们的投入, 从系统角度考察物流企业各种资源的投入产出效率。因而, 物流企业的绩效评价是一种多投入、多输出的投入产出系统评价。而数据包络分析是一种对同类型的具有多输入、多输出的投入产出系统的相对运行效率进行比较评价的系统分析方法, 它能直接估算多个决策单元的效率之间的相对关系, 即相对有效性。
为评价物流企业的绩效, 参加评估的所有物流企业可以看成是同类型的决策单元, 它们的运营过程可认为是将一定量的投入转化为产出的过程。将成本型指标作为输入指标, 效益型指标作为输出指标, 进行DEA相对有效性评价。为此, 确定4个输入指标为:职工总数a1、固定资产a2、成本水平a3和风险水平a4;15个输出指标为:客服水平b1、配送能力b2、运输功能b3、库存功能b4、采购功能b5、流通加工功能b6、管理水平b7、企业实力b8、信息化水平b9、盈利能力b10、技术实力b11、应变能力b12、企业聚合力b13、经验指标b14和企业形象b15, 输出指标的计算方法根据文献求得。
三、应用算例
设有8个物流企业参加评价, 其投入产出情况如下表1。
把数据代入数据包络模型式 (2) 进行计算, 所得结果如表2。
根据求解结果, DEA相对有效的是企业1、企业3、企业5、企业6和企业7, 相对无效的是企业2、企业4和企业8。根据取值, 可 知企业1、3、5、6、7是规模收益不变, 通过增大或者减小企业的规模, 不会改变企业的收益;企业2、4、8是规模收益递减, 通过减少企业的职工数量或者固定资产, 可以提高企业的规模收益。另外, 通过计算松弛变量和, 可以计算相对无效企业的投入冗余和产出不足, 找出哪些指标需要改进, 提出具有针对性的改进措施。
四、结论
本文引入数据包络分析方法评价物流企业的绩效, 提出数据包络分析在物流企业绩效评价中的应用方法, 确定输入输出指标, 最后通过一个算例证明所提方法具有以下优点:一是DEA方法不仅能考虑物流企业的产出指标, 而且能考虑投入指标, 从投入产出效率的角度衡量企业的绩效;二是DEA方法能为行业和企业的发展提供有益的信息;三是DEA方法能避免通常方法中指标权重的主观性, 不同量纲的指标能直接进行计算。
参考文献
[1]段雪松:采用平衡计分卡构建铁路物流企业绩效管理模式的探索[J].铁道运输与经济, 2007, 29 (2)
[2]商红岩宁宣熙:基于乘法合成的层次分析模型的第三方物流企业绩效评价[J].科技进步与对策, 2005, (11)
[3]张滢:基于熵权和灰关联的第三方物流企业绩效评价[J].中国流通经济, 2008, (1)
[4]刘辉:利用主成分分析对物流企业绩效的评价[J].统计与决策, 2005, (7)
[5]李昕祖峰:平衡计分卡与物流企业绩效评价体系设计[J].商业时代, 2007, (29)
[6]左元斌:现代物流企业绩效评价的方法研究[J].企业经济, 2006, (6)
数据包络分析DEA 篇8
数据包络分析法以现对效率概念为基础, 用于评价具有相同类型的多投入、多产出的决策单元是否技术有效的一种非参数统计方法[1,2,3]。其基本思路是把每一个被评价单位作为一个决策单元, 再由众多DMU构成被评价群体, 通过对投入和产出比率的综合分析, 以DMU的各个投入和产出指标的权重为变量进行评价运算, 确定有效生产前沿面, 并根据各DMU与有效生产前沿面的距离情况, 确定各DMU是否有效。由于DEA方法不需要预先估算参数, 在避免主观因素和简化运算、减少误差等方面有着不可低估的优势[4,5]。
1 DEA数据包络分析模型
设有n个决策单元, 每个决策单元都有m种类型输入和s种类型输出, 分别用输入Xj和输出Yj表示第j个决策单元的输入向量和输出向量。则有:
可评价相对规模有效性和相对技术有效性的C2R模型。
基于凸性、锥性、无效性和最小性公理假设时的具有无穷小量ε的C2R模型为:
2 普通高等院校教育投入、效益分析
通过对重庆市2013年高等院校的年报数据, 选取了14所院校作为决策单元, 产出指标为:本专科毕业人数和在校生人数;投入指标为:本专科学生占全校学生的人数比、专业教师人数、学校固定资产、素质教育人员数 (辅导员、心理咨询师) 。对数据进行无量纲化处理, 采用极差标准化法处理投入、产出数据, 保留数据原有性质。
普通高校的实支成本, 一般可分为劳动投入:专业教师情况、素质教育人员;财力投入:固定资产值;物力投入:本科生所占比例三种形式。办学效益是对办学实践活动合乎目的性和有用性的实现程度的评价[6], 体现的是办学实践活动中物化劳动和活劳动的消耗以及占用与取得符合社会和人的需要的劳动成果的对比关系。办学活动涉及的因素量大面广, 彼此之间关系复杂、微妙, 且不确定性突出。这些因素从不同的侧面、以不同的方式影响和制约着办学效益, 所以办学效益实际上是众多因素综合作用的结果。
根据上面的论述, 我们知道, 高等学校是一种具有多种产出的机构, 而从某种程度上来讲, 高等学校的毕业生和在校生数是高等教育的主要产出, 这两个指标可以客观反应高校的办学效益。
3 实证分析
3.1 综合效率、技术效率和规模效率分析
运用DEAP2.1软件分析结果如表1。
由表1可知:1) 综合效率为1的学校即达到了DEA有效, 共有西南大学、重庆大学、长江师范学院等7所学校, 占所研究高等院校的50%, 这些学校的规模和配置效率都达到了1, 说明这些学校在投入与产出上都达到了最优。2) 重庆文理学院、重庆工商大学、重庆师范大学处于技术有效、规模效率较为理想 (0.9<纯技术效率, 规模效率<1) 的规模报酬递减 (drs) 状态, 说明这些学校在目前的技术水平上, 其投入资源专业教师、本专科所占比例、固定资产、素质教育人员的使用是有效率的, 但需要适当地减少其经营规模, 从而提高整个学校的运营效率。3) 技术和规模效率都比较理想的有重庆人文科技学院、重庆交通大学、重庆科技学院、重庆邮电大学。
3.2投入产出的冗余分析
表2为典型的5所学校投入产出的冗余量, 可知, 西南大学和重庆大学的产出和投入均没有冗余情况, 说明其在投入与效益方面平衡, 没有出现资源浪费和产出不足的情况。
重庆科技学院、重庆交通大学、重庆邮电大学在投入方面均有冗余, 这可能是由于学校的专业教师和素质教育人员分配至各学生的比例较高, 学校可考虑减少专业工作人员;且固定资产投入过多, 可能由于学校投入的资产未能落到实处, 不能产生相应的效益。据以上说明这些学校应该减少投入要素。
而重庆交通大学产出指标———毕业生数有0.057的冗余, 出现了产出不足的情况, 可能因为其投入经营不当, 导致产出效益不足。
4结论与建议
通过对DEA方法的CCR模型对2013年重庆市14所高等院校本专科教育的综合效率评价, 可以推论出影响院校产生无效率DMU的主要原因是规模效率较低。此外, 技术效率不高, 投入资源使用效率较低, 也是导致无效率单位的原因。因此各校在提高办学效益的做法上, 除了应在教育资源使用上开源节流外, 还应特别注重各项投入资源的有效利用, 只有这样, 才能提升学校整体办学效益。各校应重视建立健全有利于教育成本管理的各项内部管理与控制制度, 使高校教育成本管理真正落到实处, 真正起到合理配置高校有限资源、优化资源结构、提高办学效益的目的。教师是学校的办学主体, 其自身素质和能力, 决定高校的办学质量[7,8], 因此, 各高校应以教师为本, 加强管理, 科学管理, 逐步完善有效的绩效考评机制, 实行教学与科研的有机结合, 建设一支结构合理的优质教师队伍, 减少非教师的其他人员比例, 降低教育成本投入, 从而有效地提升高校的办学效率与效益。
高等院校成本投入与办学效益评价是一项复杂的系统工程, 涉及因素量大面广, 而且许多问题尚无定论[9,10], 需要持续不断地进行多学科、多角度、多层次地进行研究, 才有可能揭示其内在规律, 把握其实质, 对我国这样一个发展中国家而言, 尤其如此。虽然本研究利用DEA分析法对高等教育成本与办学效益进行了评价, 但是任何一种方法都是在现有方法的基础上发展起来的, 有可能比现有方法更为合理、可行、有效, 同时也必然会有其特定的适用范围和相应的限制。所以, 我们还将更加努力地探索更有效的方法。
摘要：随着高等教育的迅速发展, 办学效益问题引起了社会各界的关注。本文是基于2013年重庆市本科院校的年报数据, 选取其中能有效反映办学效率的6个指标, 采用多投入多产出的DEA数据包络分析方法的CCR模型, 利用DEAP2.1软件进行数据处理, 对重庆市具有代表意义的14所院校综合效率进行了评价, 得出结论:1) 影响院校产生无效率DMU的主要原因是规模效率较低、技术效率不高, 投入资源使用效率较低;2) 在提高办学效益的做法上, 除了应在教育资源使用上开源节流外, 还应特别注重各项投入资源的有效利用;3) 应使教育成本管理真正落到实处, 真正起到合理配置有限资源、优化资源结构、提高办学效益的目的;4) 应以教师为本, 建设一支结构合理的优质教师队伍, 减少非教师的其他人员比例, 降低教育成本投入, 从而有效地提升办学效率与效益。
关键词：重庆高校,成本投入,效益产出,数据包络分析
参考文献
[1]李美娟, 陈国宏.数据包络分析法 (DEA) 的研究与应用[J].中国工程科学, 2003, 5 (6) :88-94.
[2]马占新.数据包络方法的研究进展[J].系统工程与电子技术, 2002, 24 (3) :42-46.
[3]朱乔.数据包络分析方法的综述与展望[J].系统工程方法, 1994, 3 (4) :1-8.
[4]Colbert, Levary, Shaner.Determining the Relative Dfficiency of MBA Programs Using DEA[J].European Journal of Operational Research, 2000 (125) :656-669.
[5]Korhnen, Tainio, Wallenius.Value Efficiency Analysis of Academic Research[J].European Journal of Operational Research, 2001 (130) :121-132.
[6]李汝.对我国高等教育投入产出效益的实证分析[J].辽宁教育研究.2006 (1) :34-37.
[7]顾建民.大学职能的分析及其结构意义[J].全球教育展望, 2001 (8) :68-72.
[8]李淑霞.高等学校教育成本的影响因素分析[J].财会通讯 (学术) .2005 (6) :107-109.
[9]靳希斌.教育经济学[M].北京:人民教育出版社, 2006.
数据包络分析DEA 篇9
本文将从多投入角度出发, 通过使用数据包络分析 (DEA) 方法, 对我国电能利用综合效率从定量的角度进行评价, 并通过计算Malm quis t生产率指数对各地区效率变动进行动态分析, 寻找效率差异和效率变动的影响因素。
1 研究方法及相关指标简介
1.1 数据包络分析
数据包络分析 (DataEnve lopm e nt Analys is, DEA) 是著名运筹学家A.Charne s和W.W.Coope r (1978) 等以相对效率概念为基础发展起来的一种效率评价方法, 用于多投入产出的复杂系统的有效性评价, 具有单位不变性的特点, 避免使用传统方法时为寻求同度量因素带来的诸多困难;同时, 投入产出变量的权重由数学规划方法根据数据产生, 可避免权重分配时人为主观因素对评价结果的影响;另外, 利用数学规划的手段估计有效生产前沿面, 避免了统计方法的缺陷。
1.2 技术效率、纯技术效率与规模效率
技术效率的概念最早是Farrell提出来的, 他所指技术效率用来衡量在现有技术水平条件下, 生产者获得最大产出 (或投入最小成本) 的能力, 反映现有技术的发挥程度。在可变规模报酬条件下, 技术效率被分解为纯技术效率和规模效率。纯技术效率即是以规模报酬可变时的效率前沿为基础测得的效率值, 其与技术效率的差异被视为规模效率。
2 实证分析
2.1 样本及数据选取说明
虑起点水平和发展模式的不一致, 本文分析范围不包括西藏自治区和港、澳、台地区, 选取其余30省市1990至2004年15年相关数据为研究对象。重庆市是1997年单独列为直辖市的, 为保持口径一致及数据连贯性, 将重庆归入四川省做统一分析。
文中涉及对我国东中西部地区的比较分析。2000年, 国家制定西部大开发政策时, 以国内生产总值等经济指标为依据, 将内蒙古和广西列入了享受西部开发政策的范围内。由此可知, 对东中西部的划分不仅是对地域的划分, 更是对经济发展的层次的划分。因此, 本文采用新的意义上对中东西部地区的划分如下:东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南, 中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南;西部包括四川 (重庆) 、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古 (西藏不在分析范围) 。在指标方面, 选取GDP为产出要素, 选取固定资产投资、全社会就业人数及用电量作为投入要素。其中, GDP和固定资产投资为1990不变价。
2.2 相关性检验
首先对产出要素与各投入要素做相关性检验, 如表1
从检验结果可以看出, 电能消费, 尤其是工业用电与GDP的相关系数在所有相关系数中是最高的, 说明接下来测算的相关效率值可以充分代表电能利用的效率值, 从资源配置的角度考虑同时选取这几个投入要素做分析也更为合理。
2.3 基本效率评价
2.3. 全国整体平均效率评价分析
近15年来, 全国平均效率值总体呈现下降的趋势, 技术效率值偏低, 近十年来不足80%, 说明我国电能利用的整体效率不高。同时可以看出在各年度规模效率平均值都高于纯技术效率平均值, 可以知道我国电能利用无效率主要来自纯技术无效率。
2.3.2 节能潜力分析
工业用电在我国电力消费中所占比重比较大, 因此, 对DEA模型计算出的工业用电调整量变化情况作简单分析, 以反映各地区多年来效率改进状况及节能潜力。
2.4 动态效率评价
2.4.1 全国平均水平
整体看技术进步变动情况, 在研究期间内技术进步指数呈缓慢递减趋势, 说明技术进步发展速度有所减缓。相对而言, 技术效率改善不容乐观, 大部分年份变化指数小于1, 说明技术效率值呈现出小幅度的下降趋势, 但在最近几年, 变化指数大于1, 说明效率值下降情况有所缓解。
受技术效率改变和技术进步的综合影响, 我国平均的Malm quis t生产率指数在研究期间内均大于1, 变化幅度不很大, 但呈现出上升趋势, 总体看我国电能利用生产率发展状况良好。
2.4.2 技术进步
前述分析可知, 我国电能利用技术进步速度总体看有所减缓, 为了更明确分析减缓的原因, 以下分别对各地区技术进步情况做简要分析。
总体来看, 三个地区技术进步指数呈现差距逐渐缩小的趋势, 说明中西部地区在发展过程中借鉴了东部地区的先进管理经验和技术, 尽快缩小与东部地区的差距。
从绝对值上看, 东部地区所有年份及中西部地区大部分年份生产率指数都大于1, 说明各地区电能利用生产率发展形式基本良好。相比较, 西部地区与东中部地区略有差距。从变动趋势上看, 近几年, 东中西部地区差距在逐渐缩小, 另外, 东部地区生产率指数也有一些下降趋势, 说明全国整体的Malmquist生产率指数变动趋同, 这可能与国家政策及宏观调控等客观原因有关。
本文利用数据包络分析 (DEA) 模型和Malmquist生产率指数对我国电能利用效率进行分析, 研究结果表明:第一, 我国电能利用效率总体效率值较低, 纯技术无效率是重要原因。相对看, 东部地区总体电能利用效率较高, 内陆地区经济落后、产业结构调整缓慢的中西部地区效率比较低, 发展不平衡导致整体平均效率水平低下。改变这一现状就应充分整合技术资源, 使各地区达到共同发展;第二, 节能潜力分析表明, 西部地区成为我国重点需要进行节能建设的地方;第三, 动态效率评价结果表明, 受技术进步指数和技术效率指数的综合影响, 我国电能利用的Malmquist生产率指数没有明显的变动趋势, 但地区差距较大, 有待进一步协调发展。
参考文献
[1]朱成章“十五”期间能源和电力弹性系数产值能耗山西能源与节能2006年第4期
[2]吴巧生中国工业化中的能源消耗强度变动及因素分析财经研究2006年第6期
[3]王海鹏基于结构份额与效率份额的电力消费强度系统工程理论方法应用2005.12