DEA广东省

DEA广东省（共5篇）

DEA广东省 篇1

引言

广东省人均水资源拥有量较低, 加之广东省水资源时空分布不均, 水污染严重、海平面上升和咸潮入侵等问题, 使得广东省水资源供需矛盾日益突出。用水效率的评价有助于发现用水中存在的不合理、低效率等问题, 抓住用水效率低下的源头, 从根本上改善水资源利用状况, 提高用水效率。

目前, 用水效率的评价指标体系还在发展和完善当中。陈素景等 (2007) 采用人均水资源消耗量和万元产值水资源消耗量等指标, 分析了不同时段各省区的节水潜力[1];王树鹏等 (2011) 结合开展的区域和行业用水效率考核指标体系, 从定性和定量2 方面构建了云南省的区域、工业、农业和居民生活用水效率评价指标体系[2]。现有的研究成果所采用的评价指标体系相对单一不够全面, 大多数评价体系都很少涉及生态环境等水资源可持续发展的指标。

1研究方法及数据来源

1.1 数据包络分析方法

数据包络分析方法 (DEA, Data Envelop Analysis) 是著名运筹学家A.Charnes和W.W.Copper在1978 年提出的基于相对效率的多投入多产出分析法。DEA是使用数学规划模型来评价具有多投入和多产出的“部门”或“单位”间的相对有效性[3]。应用DEA模型通常是对一组给定的决策单元, 确定一组投入产出的评价指标, 求出给定决策单元的有效性系数, 据此来评价各决策单元的优劣。

1.2 指标选取与数据来源

1.2.1 指标选取

资源作为一种自然资源, 它必须和其他的生产要素结合起来才能带来真正的产出, 因此在研究用水效率时必须采用多输入模型。用水量必然是一个输入指标, 但由于水资源利用的部门不同;资本投入也是生产活动中的一个重要因素, 因此将固定资产投资作为一个输入指标;劳动力是经济生产中的最基本的生产要素, 因此将从业人员数量作为一个输入指标。而本文研究的用水效率是从水资源所产生的经济效益来评价的, 因此将国内生产总值GDP作为输出指标。

1.2.2 数据来源

本研究选取广东省各城市相关数据进行分析, 数据纵向覆盖9a (2005~2013 年) , 横向覆盖广东省21 个地级市。根据各个城市的GDP的大小, 将21 个城市分为3 类:发达地区、中等发达地区和欠发达地区。发达地区包括广州、深圳、珠海、东莞、佛山、中山、惠州、江门等地区, 中等发达地区包括肇庆、汕头、揭阳、湛江、茂名、阳江等地区, 欠发达地区包括汕尾、清远、韶关、河源、梅州、云浮、潮州等地区。各指标数据主要来源于广东省水资源公报、广东省统计年鉴。

2广东省用水效率的DEA分析

2.1 广东省用水效率的空间变化分析

运用DEA模型, 计算得到广东省2005~2013 年21个城市的生活用水效率值、生产用水效率值以及总用水效率。

从广东省2005~2013 年的生活用水效率均值来看, 广东省用水效率偏低为0.491, 说明广东省的生活用水存在50.9% 的浪费。生活用水效率结果在不同城市之间呈现出明显差异, 其中深圳市生活用水效率近几年一直保持较高水平;分地区来看, 发达地区7a以来生活用水效率最高为0.693, 而中等发达地区为0.675, 欠发达地区用水效率一直是最低, 多年平均值为0.347。广东省各城市生产用水效率显示, 与生活用水效率相同, 深圳、茂名、广州的生产用水效率仍保持较高水平, 汕尾成为生产用水效率最低的城市。

从计算得到的广东省总用水效率值来看, 广东省平均用水效率为0.527, 就不同地区而言, 发达地区最高为0.77, 中等发达地区为0.604, 欠发达地区最低为0.378。各城市之间的用水效率存在明显差异, 效率最高的为深圳0.996, 效率最低的是河源和汕尾0.249。根据该表绘出广东省总用水效率区域分布图, 如图1 所示。一个地区用水效率的高低, 与该地区区域水资源条件、行业结构和规模、生产技术和设备的改进、节水管理的水平以及人们的节水意识等多种因素密切相关[4]。如深圳是全国7 个严重缺水的城市之一, 因此在节水宣传和管理上出台了一系列措施;在生产设备改进、优化产业结构、技术创新等方面都走在广东省的前列, 2010 年工业用水的重复利用率高达88.46% 以上, 这些因素使深圳市的用水效率一直处于广东省的最高水平。

利用DEA方法中的C2R模型进行投影分析, 可以找出非DEA有效的决策单元的投入距离与理想值的差距, 以便提高增加产出、降低投入、提高效率。分别对发达、中等发达和欠发达地区进行DEA投影的调整统计分析, 可以得出:发达地区近年来从业人员和固定资产量的可节约量都呈增加的趋势, 说明对于发达地区而言, 再增加劳动力资源的投入和固定资产方面的投入对产出的影响不大;而生活用水和生活用水可节约量都呈现出缓慢下降的趋势, 说明发达地区发展的限制性因素主要为生产和生活用水缺乏, 发达地区的发展策略不能也不应该再建立在大量消耗水资源上, 而应该探索新的可持续的发展模式。而近几年欠发达地区的生产用水可节约量、生活用水可节约量和从业人员可节约量呈现出平稳缓慢下降的趋势, 说明这几项投入要素的利用率有所提升, 欠发达的地区正处在平稳发展阶段。随着2005年广东省出台《关于广东省山区及东西两翼与珠江三角洲联手推进产业转移的意见》等一系列政策以来[5], 政府引导和鼓励珠三角产业向山区转移, 加大资金供给、提高管理和技术水平, 使得欠发达地区经济稳步增长, 系统之间的协调性也更高。

2.2 广东省用水效率的时间变化分析

利用广东省各城市总用水效率数据, 可以绘制广东省总用水效率随时间变化的曲线。广东省广东省、发达地区、中等发达地区和欠发达地区用水效率的变化趋势基本相同。分地区来看, 到2011 年发达地区用水效率值为0.77, 相比于2003 年的效率值0.597, 增幅为29.0%;而中等发达地区2011 年效率值为0.618, 相比于2003 年的效率值0.562, 增幅为10%;欠发达地区2011 年效率值为0.31, 2003 年效率值为0.256, 增幅为21.1%。

2003~2011 年, 广东省用水效率随着时间变化的趋势初步说明, 随着各地区经济的发展, 水资源短缺形势逐渐加剧, 人们的节水意识逐渐增强, 通过提高技术水平, 引进新设备, 加强人们节水意识的教育, 一定程度上节约了生活、农业以及工业用水, 提高了利用效率。从整体来看, 广东省用水效率将进一步向高水平方向发展。

3提高用水效率的对策建议

3.1 全面建设节水型社会

构建节水型社会主要从工业节水、生活节水和农业节水3 方面入手。通过前文分析可以得知, 无论是发达地区、中等发达地区还是欠发达地区, 人均生活用水量和用水效率的影响都有很大的相关性, 且呈现负相关关系, 因此需要加强生活用水节水力度。

3.2 建立科学完整的水价机制

水资源作为一种商品, 水价则是调整水资源供求关系、调节水市场良性运行的重要杠杆。有研究表明:水价每提高10%, 则用水量下降5%[6]。可见科学合理地调整水价能够调整水资源供需平衡, 使之形成一个良性循环。目前广东省已有深圳等12 个地级以上市城区和英德等9 个县、区实施了居民生活用水阶梯式水价。广东省水价改革和管理的改进还在进一步的探索之中, 设立科学合理的水价有利于节水型社会的建设, 也有利于一个地区经济社会的稳定和持续发展。

3.3 加强水资源管理体制改革, 完善相关法规政策

根据广东省水资源利用和管理现状并结合目前国际上先进的管理经验, 可以从以下几个方面着手:要结合本地的水资源开发利用和管理实际, 完善制定地方性的各项法律法规制度, 并综合运用行政、法律以及工程、技术、经济手段;实行规范化管理;提高水资源管理水平, 建设好防汛指挥调度系统和水资源优化配置调度系统;要加强重点水源工程的建设, 适当科学的跨流域调水, 实现区域之间的水资源最优配置。

3.4 加大对经济落后地区的资金支持

由前文分析结果可知, 一个用水效率的高低受该地区经济发展水平的很大影响, 一般地, 人均GDP与用水效率呈现正相关关系;即经济发展水平越高, 则这个地区的水资源利用效率也高。需要加强对于欠发达地区的资金和管理理念的扶持, 投入资金用于欠发达地区节水设备的引进和供水管网的改造, 改善当地的水资源配套供给设施, 并将先进的节水管理理念引入到欠发达地区, 提高当地的节水管理水平, 提高用水效率。

3.5 进一步优化产业结构, 调整产业布局

产业结构对用水效率有显著影响, 第三产业比重与用水效率呈现正相关关系。因此需要依据水资源分布及配置现状调整产业结构及布局在缺水地区尽量避免建设高耗水的产业项目工业结构应该向节水型方向进行调整, 对于落后的耗水高的项目、产品及设备进行淘汰;要严格限制新建高耗水、高污染的工业企业, 从而减缓水资源压力。

摘要：本文利用数据包络分析方法计算了广东省各城市生活用水效率、生产用水效率和总用水效率, 并对不同地区的DEA投影调整结果进行了分析, 并分析了不同地区用水效率差异的因素, 给广东省水资源管理战略制定提供决策依据。

关键词：数据包络分析,用水效率,回归分析方法,影响因素

参考文献

[1]陈素景, 孙根年, 韩亚芬, 李琦.中国省际经济发展与水资源利用效率分析[J].统计与决策, 2007 (22) :65-67.

[2]王树鹏, 张云峰, 朱武.云南省区域和行业用水效率考核体系构建研究[J].中国水利, 2011 (15) :17-20.

[3]魏权龄.数据包络分析[M].科学出版社, 2004.

[4]王浩, 马滇珍, 张象明, 汪党献.我国的用水效率与节水潜力[J].水利规划, 1998 (S1) :37-45.

[5]关于广东省山区及东西两翼与珠江三角洲联手推进产业转移的意见 (试行) [J].广东省人民政府公报, 2005 (08) :3-6.

[6]贾绍凤, 张士锋.北京市水价上升的工业用水效应分析[J].水利学报, 2003 (04) :108-113.

DEA广东省 篇2

在经济迅速发展的全球化背景下, 广东省上市公司面临着国内和国际的双重竞争, 因此, 对广东省上市公司的运营效率进行客观实际的评估具有重大意义。DEA方法具有权重由内生变量确定, 避免主观因素影响;防止因模型假设错误影响计算结果, 操作简单等优点, 与传统方法相比, 对于多投入、多产出的问题, DEA方法有相对优势。因此, 本文运用数据包络模型DEA对广东省20家上市公司的运营效率进行分析, 旨在为广东省上市公司提高运营效率提供数据基础。

目前基于DEA研究上市公司经营效率的文章比较多, 其中管延德等 (2011) 对2006-2009年我国16家农业上市公司的综合效率、纯技术效率、规模效率进行了研究, 发现我国农业上市公司经营效率整体下降的趋势, 且效率水平差异较大, 其根源为规模无效, 提出提升规模是我国农业上市公司持续发展的关键。陈希 (2012) 运用DEA分析了珠海20家上市公司的运营效率, 发现珠海上市公司总体发展较好, 但仍存在技术短缺、规模过度增长或缩小等问题, 为珠海上市公司改变增长方式提供了数据支持。辛红玉等 (2013) 基于DEA模型和Malmquist指数方法, 分析2006-2011年间我国22家家电上市公司数据, 发现这些企业综合效率不佳, 指出技术进步是我国家电上市公司增长的主要动力。邓贵林等 (2012) 运用DEA分析研究了2006年和2010年重庆上市公司的运行效率, 通过对比, 发现2010年重庆上市公司发展较好, 但运行效率仍待提高, 提出重庆市上市公司提高运行效率要依靠人才和技术, 完善资源配置等措施。

二、DEA模型原理

数据包络分析是著名运筹学家A.Chames、W.W.Cooper和Rhodes等学者以相对概念为基础发展起来的多指标效率评价方法, 是一种多投入多产出的线性模型, 用于判断决策单元是否处于生产前沿, 综合效率 (TE) 、纯技术效率 (PTE) 、规模效率 (SE) 均为1的决策单元运营效率最高, 旨在找出效率较低单位, 通过与高效率单位比较得出改进方法。其原理如下:

假设有n家上市公司, 称为决策单元:

每个决策单元都有m种输入, s种输出。则第j个决策单元DMUj的输入、输出向量分别为:

其中xmj表示第j个决策单元第m种输入量, ysj表示第j个决策单元第s种输出量。

本文采用面向投入的VRS的DEA模型, 线性表达式如下:

规模报酬可变BCC模型:

其中s-、s+为松弛变量, θ、λj为最优解时的决策变量。利用DEAP 2.1软件得出结果, EFFICIENCY SUMMARY是决策单元效率表, 其中firm代表决策单元的序号, crste代表综合效率, vrste代表纯技术效率, scale代表规模效率, drs表示规模效率递减, 应适度控制规模, irs表示规模效率递增, 应适度扩大规模。若vrste与scale均为1, 则DEA有效, 若两者中一者为1, 则弱DEA有效, 若两者均不为1, 则非DEA有效。SUMMARY OF OUTPUT SLACKS用来分析产出情况, 值为0则无产出不足, 值不为0则表示产出亏空, 需要增加相应数值的产出。SUMMARY OF INPUT SLACKS用来分析投入情况, 值为0则无投入冗余, 值不为0则表示有投入冗余, 需要减少相应数值的投入。

三、实证分析

(一) 选取决策单元。

本文剔除了某些指标为负值的公司, 选取广东省20家上市公司为决策单元。包括TCL集团、保利地产、德豪润达、冠豪高新、泛海建设、佛塑股份、得润电子、康美药业、中粮地产、中远航运、中兴通讯、力合股份、德赛电池、万家乐、特发信息、香江控股、招商局B、华发股份、达安基因、海王生物等。

(二) 选取指标。

选取总成本x1、期间费用x2、总资产x3为输入指标;营业收入y1、净利润y2为输出指标。营业收入主要用于分析上市公司是否具有明晰的主营业务, 不包括投资收益和营业外收入;净利润用于分析上市公司的净盈利状况;总成本用于分析上市公司主营业务的成本控制状况;期间费用用于分析上市公司的管理状况, 包括经营费用、管理费用、财务费用;总资产是以上市公司的总资源分析这些资源的配置是否最优。数据均来源于各个公司公布的2013年年报 (单位:千元) 。

(三) 结果分析。

运用DEAP 2.1软件输入相关数据得出表1、表2、表3所示结果。

表1反映出的综合效率 (TE) 、纯技术效率 (PTE) 、规模效率 (SE) 都达到有效的有TCL集团、力合股份、德赛电池、招商局B等4家公司, 表明这4家公司的投入与产出为最优, DEA有效;保利地产、达安基因2家公司的投入、产出虽然没有达到最优, 但也没有减少投入及增加产出的需要, 弱DEA有效;其余14家公司的经营效率相对较低, 非DEA有效;从规模效率观察, 规模效率递增的公司有8家, 分别是德豪润达、冠豪高新、得润电子、佛塑股份、中远航运、万家乐、特发信息、达安基因;规模效率递减的公司有8家, 分别是保利地产、中兴通讯、康美药业、中粮地产、泛海建设、香江控股、海王生物、华发股份。

由表2可知, 德豪润达、泛海建设、佛塑股份、得润电子、康美药业、中粮地产、中远航运、中兴通讯、万家乐、特发信息、香江控股、华发股份及海王生物13家公司产出不足。其中泛海建设、康美药业、中粮地产、香江控股、华发股份5家公司营业收入应分别增加1 694 794.65万元、18 682.75万元、366 461.86万元、246 305.95万元、310 884.38万元;德豪润达、佛塑股份、得润电子、中远航运、中兴通讯、万家乐、特发信息、海王生物8家公司净利润应分别增加20 055.77万元、11 106.21万元、5 719.83万元、32 487.06万元、112 564.75万元、398.40万元、9 751.37万元、16 152.76万元。

表3反映出中兴通讯、海王生物有投入冗余, 其中中兴通讯应减少总成本4 953 656.38万元, 期间费用9 907 312.76万元;海王生物应减少总成本225 579.44万元, 期间费用451 158.88万元。

通过分析可知冠豪高新的综合效率、纯技术效率、规模效率均未达到最有效值1, 但是该公司也未反映出产出不足或者投入冗余, 说明导致该公司非DEA有效的因素与文中的五个指标无关。

四、结论

(一) 运营效率方面。

广东省上市公司20个样本中仅有4家公司达到了最优的投入、产出规模, 经营效率最高, 仅占样本总量的20%。综合效率平均值仅为0.651, 还可以提高34.9%, 说明广东省上市公司2013年的经营状况不佳。效率高的公司与效率较低的公司间差距颇大 (图1) , 因此其他未达到最优效率的公司需完善公司资源配置, 改进技术, 加强管理, 提高经营效率。

(二) 规模效率方面。

样本的规模效率平均值为0.924, 规模效率较高, 但未达到最佳, 还有7.6%的提升空间, 其中德豪润达、冠豪高新、得润电子、佛塑股份、中远航运、万家乐、特发信息、达安基因8家公司处于规模报酬递增阶段, 应适度扩大规模;保利地产、中兴通讯、康美药业、中粮地产、泛海建设、香江控股、海王生物、华发股份8家公司处于规模报酬递减阶段, 应适度控制规模。

参考文献

[1] .管延德, 戴蓬军.基于DEA的农业上市公司效率研究[J].财会月刊, 2011, (08) .

[2] .陈希.基于DEA的上市公司运营效率研究[J].商业会计, 2012, (24) .

[3] .邓贵林, 王虹.基于DEA的上市公司运行效率浅析——以重庆上市公司为例[J].财会通讯, 2012, (5) .

DEA广东省 篇3

数据包络分析 (简称DEA) 是一种线性规划技术, 是最常用的一种非参数前沿效率分析方法。最初由Chares、Cooper和Rhodes (CCR) 提出, 用于评价公共部门和非盈利机构的效率。DEA是使用数学规划模型评价具有多个输入和多个输出的“部门”或“单位” (简称为DMU) 间的相对有效性 (称为DEA有效) 。根据对各DMU观察的数据判断DMU是否为DEA有效, 本质上是判断DMU是否位于生产可能集的“前沿面”上。生产前沿面是经济学中生产函数向多产出情况的一种推广, 使用DEA方法和模型可以确定生产前沿面的结构, 因此又可将DEA方法看作是一种非参数的统计估计方法。使用DEA对DMU进行效率评价, 可以得到很多具有深刻经济含义和背景的管理信息, 因而DEA方法在经济学中得到广泛应用。

根据本研究需要, 建立农村信用社效率评价的DEA模型如下:

假设有n家农村信用社, 每家农村信用社均有m个投入变量和s个产出变量。对于第i家农村信用社, 分别用向量Xi和Yi表示其投入和产出:

X和Y分别表示m×n维投入矩阵和s×n维产出矩阵。设U、V分别表示S×1维产出权重矩阵向量和m×1维投入权重向量, 则第i家农村信用社的效率评价指数为:

假设规模报酬不变, 则:

(1) 式是最大化i家农村信用社的相对效率, 且此效率值大于0, 小于1。对 (1) 式进行Charnes-Chooper转换, 再转换成其对偶模型, 可得:

(2) 式中λ是n×1维常数向量, θ维一标量, 即第i家农村信用社的技术效率值 (TE) , TE是指在资源配置状况一定的条件下, 银行所能够达到的最大产出能力, 满足0≤θ≤1。当θ=1时, 表示该农村信用社是有效率的;θ<1时, 则该农村信用社是无效率的。

二、实证分析

(一) 样本数据的获得

我们随机选择广东省辖区内的5家农村信用社作为研究样本, 相关数据从其资产负债表和损益表上获得, 而时间的选择为2004~2008年。

(二) 投入产出指标的选择

由于银行的主要功能是融资中介, 不生产具体的有形产品, 其经营过程表现为资金的流入和流出, 在投入与产出上不容易界定, 因此, 何种金融服务是银行业的投入, 何种是产出, 至今难以达成共识。在国外, 对输入、输出指标的选择主要有五种方法, 生产法、中间媒介法 (或中介法) 、资产法、用户成本法、价值附加值方法等。结合农信社的特点, 同时考虑数据的可得性, 在确定投入产出指标时选择中介法。采用的投入指标为人均营业费用、实收资本和存款余额, 产出指标为贷款余额。这里采用人均费用是考虑了员工人数和营业费用这两个投入要素, 采用相对数的方式来衡量, 避免了各样本社的规模差别过大, 能够客观反映农信社的运作效率。

(三) 实证研究结果

根据不同的研究, DEA模型可分为投入导向模型和产出导向模型。投入导向模型是指在产出固定的情况下, 使投入最小化的线性规划问题。产出导向模型指投入固定的情况下, 使产出最大化的线性规划问题。本文选取投入导向模型进行研究分析。运用DEAP2.1对数据进行分析 (数据略) , 得到5家样本社的效率评价数据。

由表1至表5可以看出, 除了C外, 在改革后 (2008年) 其他样本社都是有效率的。但是5个样本社的平均效率值在2004-2008年间仅增长了3.98%, 且经营不稳定, 可见农信社的整体效率提高的强度不大。另外, 各样本社之间的差别不大。

资产余额与技术效率值成正比关系, 资产余额越低的联社就越低效, 而资产余额在42095万元以下的联社基本上都存在规模经济;收入利润率与技术效率值也成正比, C的收入利润率2008年仅为0.82%, 远远低于其他联社。B在2006年后效率值取得了l, 而它的无效率是由纯技术无效率和规模无效率两方面造成的, 既有技术方面的原因, 又有规模方面的因素。从规模报酬看, 2004年B是规模报酬递减的。而这种递减是由于投入过多引起, 人均费用的目标值应为5188.69元, 比实际值要少607.42元;实收资本的目标值应为1525.33万元, 比实际值要少81.67万元;存款余额的目标值应为53473.36万元, 比实际值要少7765.64万元。因此可以说这种投入是低效率的, 过多的投入带来的产出仅仅是贷款余额在2003年增长29.57%。

C的技术效率在05和06年达到最大值, 随后下降, 效率的改善不明显, 这种效率的暂时提高可能是由于央行票据的影响, 而其无效率完全是由规模无效率造成的。由于C的规模报酬历年都是递增的, 因此可以说C的规模增长远远满足不了其效率的提高。

D在04和06年技术无效率, 同样是受到技术和规模方面的双重影响。从规模报酬看, D在04年其规模报酬是递增的。但是即使在递增的情况下, 投入相对于产出而言还是过多了, 人均费用的目标值04年应为5029.75元, 比实际值分别要少347.42元和372.66元;实收资本的目标值分别应为567.83万元和593.76万元, 比实际值分别要少47.76万元和43.99万元;存款余额的目标值分别应为19525.4万元和22592.5万元, 比实际值分别要少4395.9万元和6860.4万元。这主要是受纯技术无效率的影响, 使投入没有获得最大限度的产出。而06年的无效率完全是由规模无效率造成的, 可能是由于产权制度和管理制度的改进使技术创新得到很大发展, 因此其纯技术效率为1。

综上所述, 我们可以看出, 资产余额、利润都是影响农信社效率的重要因素, 特别是资产规模的大小仍然限制农信社效率的提高。另外, 产权制度和管理制度的改进使农信社的效率得到很大提高。

三、结论与建议

本文应用DEA模型对这五家农信社效率进行分析, 结果表明, 该地区通过改革, 效率虽有所提高, 但提高程度不大, 需要进一步提高效率。建议采取以下措施:进一步加强人力资源开发与管理, 加大员工培训力度, 提高从业人员业务技能和经营管理水平, 节约经费开支, 以期用较少的人力物力获得更大的回报;围绕“三农”发展的新需求和新变化, 积极推动金融创新, 努力增加中间业务, 开辟更多的获利渠道, 以创造更大的利润;加大贷款风险防范力度, 采用多种方式盘活不良信贷资产, 严格控制新增贷款风险, 努力降低不良贷款比例, 提高信贷资产运行质量。分析结果还显示出规模不经济是导致该地区农信社效率低下的一个重要原因, 除第三家农信社以外, 其余非有效的农信社均存在规模效率递增的情况, 这说明只要加大投入, 这些农信社将可以获得更大比例的产出。在我国农村地区存在大量没有满足的金融需求, 有巨大的业务增长空间, 只要农信社不失时机地改进和提高服务水平, 将会赢得更多的市场份额, 获得更大的利润, 提升自身的竞争力。

摘要：农村信用社 (简称农信社) 是农村金融工作的主力军, 它对推动新农村建设起着积极的作用。但近年来, 农村金融市场竞争激烈, 运行效率的高低已成为关乎农信社生死存亡的大问题。本文根据农信社多投入、多产出的特点, 运用数据包络分析法 (DEA) 对2004-2008年度广东省某地区农信社运行效率进行了测算, 最后提出了进一步提升农信社运行效率的建议。

关键词：DEA,农村信用社,效率

参考文献

[1]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.

[2]谢庆健.农村信用社改革探索[M].北京:中国金融出版社, 2002:78-105.

[3]谢平, 徐忠, 沈明高.农村信用社改革绩效评价[J].金融研究, 2006 (1) :28-39.

[4]杨军.农村信用合作社财务可持续发展的思考——对江苏省的实证分析[J].农业经济, 2003 (1) :19-21.

DEA广东省 篇4

近年来, 广东省区域创新能力不断增强。广东在国内率先出台《广东省实施自主创新促进条例》。2012年广东的技术自给率从53.9%上升到68%, 研究与实验发展经费支出占生产总值比重从1.3%提高到2.1%。PCT国际专利受理量、发明专利授权量稳居全国第一。电子信息、新能源、高端装备制造、生态环境等重点领域的一批关键技术取得突破, 基因组、超材料、干细胞、中微子等方面创新成果跻身国际领先水平。省部院产学研合作获得显著成效, 共实施合作项目2万多项, 累计实现产值超过1.2万亿元。获得“973”首席科学家项目37项。

党的十八大报告中提出“创新驱动发展战略”, 科技作为创新驱动力的作用不断凸显。当前阶段, 广东省正处于经济结构调整的加速期、产业转型升级的攻坚期和科技创新的活跃期。截至2012年, 广东省R&D投入强度已达2.1%, 不断增加的科技投入对广东省的社会经济发展起到了积极的促进作用, 而如何追寻科技投入与科技产出的最佳平衡点, 成为了各级政府关注的重点。因此, 对科技投入产出效率进行评估, 进而指导资源的合理、高效运用具有重要意义。

由于科技活动是一个多投入、多产出的过程, 传统的投入产出比例法和参数法已不再适用, 学者们更多采用非参数法来计算投入产出效率, 而DEA模型是最常用的方法之一。通过收集相关数据, 本文从技术有效性和规模有效性角度分别对广东省2000-2012年的科技投入产出效率进行实证分析, 以期为相关部门提供参考。

2 指标体系构建

科技投入是指支持开展科技活动的投入, 即生产性投入, 主要分为人力投入和财力投入两个方面, 二者紧密联系, 相辅相成。其中, 人力投入是根本, 是促进科技发展的原动力, 财力投入是保障, 是加大人力投入的助推器。因此, 在人力投入方面, 主要选择专业技术人员数、R&D人员数和从事科技活动人员数3个指标;在财力投入方面, 主要选择科技活动经费支出总额和地方财政科技拨款总额两个指标。

科技产出是指科学研究与技术创新活动所产生的各种形式的成果, 是科技投入的直接反映, 主要包括知识产权和高新技术两个方面。其中, 科技论文和专利是知识产权的主要表现形式, 分别体现知识创造成果和技术发明成果, 而技术市场合同成交额直接反映了出售专利或技术转让所获得的收入;高新技术产业是国民经济的战略性先导产业, 其能否健康发展决定着产业结构能否顺利转型升级, 主要可以用高新技术产业总产值和新产品销售收入两个指标来衡量 (见表1) 。

3 DEA模型

数据包络法 (DEA) 由著名运筹学专家A.Charnes和W.W Copper首次提出, 是一种以“相对效率”概念为基础的多指标投入产出效益评价方法。通过构建DEA模型, 不仅可以对决策单元的有效性进行排序和评价, 还能进一步分析各决策单元非DEA有效的原因及改进方向。

假定n个决策单元DMU, 每个DMU都有m个非负输入指标和s个非负输出指标, 分别可表示为Xi= (x1i, x2i, …, xmi) , Yi= (y1i, y2i, …, ysi) , 对应的权重向量分别为Vj= (v1j, v2j, …, vmj) T, Uk= (u1k, u2k, …, usk) T, 其中i=1, 2, …, n, j=1, 2, …, m, k=1, 2, …, s, 构建的DEA (C2R) 模型如下所示:

为了便于求解, 引入剩余变量s+和松弛变量s-, 可得到相应的对偶规划模型:

4 实证分析

通过查阅广东统计年鉴、广东科技年鉴、中国科技统计年鉴及广东省科技局、统计局网站等, 获取了广东省2010-2012年的科技投入产出数据。鉴于科技产出具有滞后性, 选取滞后期为1年。

4.1 数据标准化

由于不同指标之间的差异较大且单位不同, 不具有可比性, 采用内差打分法将各指标数据进行无量纲化处理, 从而得到评价指标的规范化结果。因为选取的指标都为正向指标, 所以可以统一对指标进行如下变换, 令

其中, pij为第i年第j个指标标准化处理后的评价值, qij为第i年第j个指标的原始值, qj*max为第j个指标在所有评价年份中的最大值, qj*min为第j个指标在所有评价年份中的最小值。标准化后的结果如表2所示。

4.2 相关性分析

经验法则表明, 决策单元DMU的样本数至少是投入、产出指标之和的两倍以上时, 使用DEA方法效果最佳。因此, 利用SPSS 17.0软件分别对投入、产出指标间的相关性进行分析, 剔除相关性极强的指标, 以期精简指标体系。相关性分析的结果显示, R&D人员数与从事科技活动人员数, 科技活动经费支出总额与地方财政科技拨款总额, 高新技术产业总产值与新产品销售收入总额, 发明专利授权量与技术市场成交合同额之间的相关性分别都达到0.95以上, 因此删除从事科技活动人员数、科技活动经费支出总额、新产品销售收入总额和技术市场成交合同额这4项指标。简化后的指标体系如图1所示。

4.3 结果分析

4.3.1 效率分析

以广东省2000-2012年间每一年的科技投入产出作为决策单元, 运用DEAP 2.1软件进行求解, 可得到每一年的综合效率值、纯技术效率值和规模效率值, 见表3所示。

由表3可见, 2000-2012年, 广东省的科技投入产出效率有6年达到DEA有效 (θ=1) , 有5年处于DEA有效边缘 (0.9<θ<1) , 整体而言, 广东省的科技投入产出效率平均值达0.962, 科技资源配置基本处于相对最佳状态。

从技术效率和规模效率分别来看, 技术效率代表投入产出的转化率, 规模效率代表投入增加引起的产出增加率。在DEA无效的年份中, 规模效率不为1的年份较多, 反映综合效率的无效很大程度上由规模无效导致, 投入产出规模存在不匹配。进一步分析发现, 除2010年外, 规模无效的年份都处于规模收益递增的趋势, 说明在对科技投入加强管理的同时, 增加一定量的科技投入可以带来更高比例的科技产出。

4.3.2优化调整分析

由DEA模型的基本原理可知, 如果DMU为非有效, 则肯定存在一个从非有效到有效的调整方案。通过获取投入指标的剩余变量值和产出指标的松弛变量值, 可以得到广东省科技投入产出的优化方案, 从而提出如何量化调整投入和产出。具体如表4所示。

表4给出了DEA无效年份中, 科技投入冗余和科技产出不足的量化值。结果显示, 产出指标中, 国际三大检索工具收录论文数历年来都已达到理想数值, 从2000年的12 111篇到2012年已近30 000篇, 每年的增长率都在10%以上, 反映广东省在论文发表方面成果显著且论文质量较高;发表专利授权量在2000-2003年间与理想数值差距巨大, 产出严重不足, 但在随后的几年中逐渐趋于理想, 反映广东省在技术创新方面能力不断提高;高新技术产业总产值在某些年中也存在一定不足, 但整体而言并不明显。投入指标中, 除了2000年和2001年存在冗余过度现象外, 其他年份中基本不存在显著冗余。

参考文献

[1]魏权龄.数据包络分析[M].北京:科学出版社, 2004.

[2]王守宝.地区科技投入产出相对效率评价研究[J].东岳论丛, 2010 (7) :48-51.

[3]王莉, 李旻暾, 刘芹.基于DEA的广东省科技投入产出相对效率评价研究[J].科技管理研究, 2010 (22) :75-77.

[4]薛蔚.统计分析与SPSS的应用[M].北京:中国人民大学出版社, 2011.

DEA广东省 篇5

如何实现农业经济增长?不失经济增长的一般特性, 研究认为, 实现农业经济的增长同样要在一定的体制和制度条件下依靠农业要素投入的增加和农业全要素生产率的提高。在资源环境约束趋紧的情况下, 通过大量增加要素投入实现农业经济增长的传统生产方式不可持续, 因此, 只有提高农业全要素生产率才能保证农业经济持续增长。对全要素生产率的测定主要有数据包络分析法 (DEA) 和随机前沿分析 (SFA) 方法。对此, 学者们以不同方法对农业全要素生产率进行研究。顾海和全炯振在全国层面上通过对中国农业全要素生产率分析, 认为中国农业全要素生产率的增长主要来自于技术进步;刘战伟等则在省级层面上研究了河南省农业全要素生产率的变动。

基于此, 本文基于DEA-Malmquist指数模型, 对2000~2012年山东省17个地市的农业全要素生产率进行分析, 探索山东农业生产率变化的原因, 以寻求提高农业全要素生产率的途径, 进而为农业经济持续增长提供对策建议。

1 数据来源与研究方法

1.1 数据来源

本文数据来自于2001~2013年《山东统计年鉴》, 采用2000~2012年山东省17个地市的农业投入和产出的面板数据进行农业全要素生产率的计算和分析。根据理论模型和农业生产的特征, 以及数据质量的要求, 结合变量选取原则, 本文选取以下指标:①产出变量。采用消除价格影响的以2000年不变价格计算的农林牧渔总产值。②劳动投入。采用历年年末农林牧渔从业人数计算。③土地投入。用历年年末农作物总播种面积计算。④农业机械投入。以农业机械总动力来量化。⑤化肥投入量。以年度内实际用于农业生产的化肥施用量 (折纯量) 计算, 主要包括氮肥、磷肥、钾肥和复合肥等。

1.2 研究方法

DEA—Malmquist全要素生产率指数法。曼奎斯特生产率指数最初由Malmquist于1953年提出, Caves等将其应用于生产率变化的测算, 之后由Charnes等将Malmquist生产率指数与DEA理论相结合, 形成DEA-Malmquist指数法, 该方法在生产率测算中得到广泛运用。根据Fare等扩展的DEA方法可以构造出t时期生产的最佳生产前沿面, 然后用每个决策单位的产出距离函数来测定Malquist指数, 可将Malquist指数分解为技术效率变化指数和技术进步指数之积。

定义s时期的产出距离函数为:

(1) 式中, x表示投入, y表示产出。当θ最小时, y/θ取最大值, 因此距离函数表示给定的投入下产出的最大值, 故θ为技术效率指数。同理可得t时期的产出距离函数为:

以s期作为参考, 从s期到t期的曼奎斯特生产率指数变化可定义为:

同理, 以t期作为参考, 曼奎斯特生产率指数变化为:

为避免选取指标时的不一致性, 选取上述两种指数的几何平均数作为产出导向的生产率指数的变化, 即:

在CRS假设下, Malmquist指数可分解为技术效率变化指数 (EFFCH) 和技术进步变化指数 (TECHCH) 。即:

在VRS假设下, 技术效率变化指数又可分解为纯技术效率变化指数 (PECH) 和规模效率变化指数 (SECH) , 即:

因此, 全要素生产率指数 (TFPCH) 可分解为:

当全要素生产率变动指数 (TFPCH) 大于 (小于) 1时, 表明全要素生产率从s期到t期得到提高 (退步) 。纯技术效率变化指数 (PECH) 大于 (小于) 1时, 表明纯技术效率得到提高 (下降) ;规模效率变化指数大于 (小于) 1时, 表明规模效率得到改善 (恶化) ;技术进步变化指数 (TECHCH) 大于 (小于) 1时, 表明技术进步 (退步) 。

2 结果与分析

在产出导向和VRS的假设前提下, 运用Deap2.1软件对2000~2012年山东省17个地市农业全要素生产率计算结果如表1所示。

2.1 山东省农业全要素生产率变动分析

由表1可知, 2000~2012年, 山东省农业全要素生产率平均增长率为0.5%, 农业技术效率平均增长率为-0.2%, 农业技术进步平均增长率为0.7%, 由于农业全要素生产率是二者共同作用的结果, 农业技术效率的负增长导致山东省农业全要素生产率平均增长率不高。

从全要素生产率的变化趋势可以发现 (图1) , 2000~2012年, 山东省农业全要素生产率整体上呈现一定波动变化态势, 但波动幅度不大, 基本保持在0.07以内, 均值也保持在1.01左右, 这表明山东省农业全要素生产率在2000~2012年间基本上保持一个相对均衡的状态。总体而言, 全要素生产率平均增长0.5%, 说明山东农业效率是相对稳定增长的。

从比较全要素生产率变化的构成 (图1) 可以发现, 技术效率整体上与全要素生产率的变化趋势相反, 数值在0.98~1.02间变动。在2004年以前, 技术效率与全要素生产率的变化趋势基本相同, 都呈上升趋势。2004年以后, 技术效率与全要素生产率的变化趋势相反, 技术效率对全要素生产率产生了负面影响, 导致山东省农业全要素生产率平均增长率不高。而技术进步无论是从发展趋势还是从数值上都与全要素生产率的变化趋势相近, 均呈现出波动中逐步增长的趋势, 表明技术进步是造成全要素生产率变化的主要原因。综合分析可得, 造成技术效率变化和全要素生产率及技术进步变化趋势相反的原因可能如下:一是2004年以后, 我国实施了一系列支农、惠农和利农政策, 以促进农业生产。如减免农业税, 种粮农民直接补贴, 财政支农政策和金融惠农等一系列政策和措施。这些政策和措施在一定程度上加快良种推广及机械设备的改进, 进而提高技术进步率。二是在技术进步快速提高的同时, 由于农村劳动力素质和技术进步的不匹配, 加之农技推广体系不健全, 农技服务水平较低, 新型农民科技培训的不足, 使得技术效率的变化相对技术进步的变化相对滞后, 造成技术效率的变化和全要素生产率及技术进步的变化相反的趋势。因此, 对山东农业而言, 在提高技术进步率的同时, 加大技术效率的改进将成为山东农业发展的新动力。

从技术效率的构成上分析可知 (图2) , 纯技术效率的变化和技术效率的变化趋势基本一致, 纯技术效率的变化成为技术效率变化的主要原因。由于规模效率变化的均值小于1, 表明规模不经济, 应通过扩大规模提高生产率的增长。纯技术效率变化的均值等于1, 表明生产技术和经营管理水平效率总体不变。因此, 山东省应提高农业生产规模, 加大对新投入技术的开发和利用。

2.2 各地市农业全要素生产率的变化及差异分析

为便于分析, 本文采用各地市2000~2012年的均值数据进行分析。计算结果见表2。

由表2可知:2000~2011年间, 山东省有9个地市的全要素生产率大于1, 表明这些地区农业可持续发展力在增强。全要素生产率增长幅度排在前3的分别是威海市 (3.9%) 、淄博市 (2.7%) 和滨州市 (1.7%) , 其中, 全要素生产率下降幅度最大的是枣庄市 (-2.2%) 。比较各地市全要素生产率增长和下降幅度可以发现, 技术进步是决定各地市全要素生产率差异的主要因素。

在技术效率变化方面, 菏泽市、德州市、济宁市、枣庄市等地市的技术效率偏低, 其原因是除潍坊市纯技术效率等于1外, 其它技术效率小于1的地市均是纯技术效率和规模效率二者均偏小, 值都小于1。表明以上地市在生产技术和经营管理水平上效率较低, 对农业新技术掌握运用能力较差, 在人力资源培训和相关资源有效配置方面有所欠缺。

在技术进步方面, 全省只有4个地市是降低的, 最大幅度为1.1, 表明全省各地市能有效地采用新技术。由于技术进步能提高农业集约化生产经营的能力, 实现规模经济, 降低平均生产成本, 增加生产收益。所以在资源和环境约束趋紧的情况下, 技术进步在节约资源、保护环境和提高农业持续增长能力方面尤为重要。因此, 各地市必须采取相应的措施加大农业科研投入, 提高科研队伍研发和科技创新能力, 同时应增加劳动力培训, 提高劳动力素质, 创新农业新技术推广方式, 进而提高技术进步对全要素生产率的积极作用, 从而促进山东农业经济发展。

3 结论与政策建议

3.1 结论

①2000~2012年, 山东农业全要素生产率总体上保持一定波动中的稳定增长, 年均增长0.5%。②从全要素生产率增长变化的构成上看, 技术进步是决定山东农业全要素生产率的重要因素。③从各地市的情况看, 2000~2012年间, 有9个地市的全要素生产率增长, 有8个地市的全要素生产率下降。这说明整体上各地区农业生产的可持续性在增强。但各地区技术效率差别明显, 技术进步有待提升。④从山东农业的现状看, 山东农业整体纯技术效率基本不变, 规模效益不突出。因此, 应提高农业生产技术水平, 进行土地集约化经营, 实现规模经济, 从而提高山东农业生产率。

3.2 政策建议

一是继续出台和实施有利于农业稳定发展的政策。完善种粮补贴, 良种补贴, 农机补贴等一系列支农、惠农和利农政策, 将促进农业发展的有效措施制度化, 在制度上确保农业长效稳定发展。二是加大农业科技投入, 提高科研成果的转化能力。拓宽农业科技投入资金来源渠道, 完善农技推广体系, 积极引导涉农企业和个人开展科技创新和科研成果的转化。深化农业科技体系改革, 走产学研相结合的农业产业化发展道路。三是加大教育培训, 增加农民农业科技知识, 提高农民文化素质。继续推行农业科技知识和经营管理的培训, 引导高素质人才到农村发展, 落实农村职业教育优惠政策, 多途径提高农民科技文化素质。四是逐步完善农村土地流转政策, 实现农业规模化经营。各地市根据自身情况, 引导农民发展以家庭农场为主要形式的农业经营模式, 实行规模化经营, 降低生产成本, 提高农业收益, 逐步实现农业现代化, 促进山东农业可持续发展。

参考文献

[1]邓宗兵.农业全要素生产率增长及影响因素研究[M].北京:中国农业出版社, 2012:38.

[2]顾海, 孟令杰.中国农业TFP的增长及其构成[J].数量经济技术经济研究, 2002 (10) :15-18

[3]全炯振.中国农业全要素生产率增长的实证分析:1978~2007年—基于随机前沿分析 (SFA) 方法[J].中国农村经济, 2009 (9) :36-47.

[4]刘战伟.河南省农业全要素生产率的动态实证分析:基于DEA模型的Malmquist指数方法[J].贵州农业科学, 2011 (2) :210-213.

[5]Malmquist S.Index numbers and indifference curves[J].Trabajos de Estatistica, 1953 (4) :209-242.