基于DEA方法的浙江建筑业发展评价研究

基于DEA方法的浙江建筑业发展评价研究（精选8篇）

1.基于DEA方法的浙江建筑业发展评价研究 篇一

基于DEA模型的湖北省农业经济效率评价研究的论文

中国经济发展进人新常态是中国经济发展阶段性特征的必然反映，新常态反映在农业领域，即农业发展速度的变化、动力的转化和结构的优化，最根本是转变农业发展方式。这就要求农业领域要主动适应经济发展新常态，继续夯实农业稳定发展的基础，农业新常态是农业经济发展的必然选择。同时，发展方式的切实转变是建设两型社会的必然选择，也是贯彻落实科学发展观、实现社会可持续发展的重大举措。作为农业大省，湖北省承担着保障国家粮食安全和实现农产品有效供给的责任，因此，分析湖北省农业增长方式从增加要素投入到通过效率的转变具有重要意义。

农业经济研究一直是国内众多学者的一项重要课题。冉杰等□运用DEA法和曼奎斯特生产效率指数对中国西部农业生产效率进行了总体效率分析、规模状况分析和生产力指数分折;倪冰莉等[2]应用DEA法对中国中部六省1990-的农业生产效率变化进行了分析;王爽英等[3]运用主成分分析方法，选择可反映湖南省农业发展现状的8个指标，并借助DPS数据处理系统对湖南省地市进行了研究;黄利军等w采用DEA方法对西部地区农业生产效率进行分析，探讨了来西部地区农业生产效率;钱丽等运用3个DEA模型对安教省17个地市-20农业生产效率进行了实证研究分析;涂俊等[6]运用DEA、Tobit两步法对中国30个省(市、自治区)的农业创新系统效率以及影响因素进行了分析比较;贺正楚等[7]运用层次聚类、混合聚类方法对湖南省市州“两型社会”区域农业发展状况进行了评价以及提出了备选方案。综上所述，各学者对农业经济效率的分析大部分是基于区域进行研究以及关注投入产出效率值并对其进行排序，但都未能对单个决策单元进行深入探讨，对湖北省各地市农业经济效率的评价还未见于相关文献。本研究基于构建DEA投人与产出模型、Malmquist指数法对-湖北省13个地市的农业经济效率进行测算评价，分析了湖北省各地市农业生产效率的内部差异及原因，提出了最优生产可能性边界，从而提出改进农业生产效率的根本方法，以优化农业资源配置，促进其高效稳步发展。

1研究方法

数据包络方法(Decisionmakingunit,DMU)是由美国著名运筹学家Chames等[8]在1978年以“相对有效性”概念为基础创立的，用于研究多投人与多产出对象的规模有效性和技术有效性的一种线性规划模型。此后，Banker等[9]构建了C2R模型。

把每一个省看作一个生产决策单位，运用Fare等改造的DEA方法来构造每一个时期中部各省的生产最佳前沿面。把每一个省的生产同最佳实践前沿进行比较,从而对效率变化和技术进步进行测度。

Malmquist模型用于处理面板数据，是一种生产前沿方法。Malmquist生产率变化指数是Caves等[11]在Malmquist数量指数与Shepherd距离函数概念基础上建立起来的用于测量全要素生产率变化的专门指数。Fare等?运用生产函数法，并在规模报酬不变的假设下，把7TP(全要素生产率)分解为技术效率指数和技术进步指数。在规模报酬可变的假设下;技术效率进一步分解为纯技术效率和规模效率。

2指标选取和数据来源

依据农业生产系统多输入、多输出的特点，农业投人产出的特征以及评价指标的可量化性、可靠性、可得性原则选取了能够反映湖北省13个市(自治州)农业生产效率整体情况的投人、产出指标。选取4个投入指标和2个产出指标作为研究湖北省农业经济效率的评价指标体系，力求客观公正地反映整个农业生产系统的效率。投人指标包括农牧渔业的劳动力(不)、农作物总播种面积(Z2)、农业机械总动力(X3)、农用化肥施用量(Z4),分别可以反映人力资本投入、土地要素投人、技术投人;产出指标包括农林牧渔业总产值(F0、农村家庭人均年纯收入cr2),可以反映在农业经济方面所取得的成果和效益。指标数据均来源于2008-20〈〈湖北省统计年鉴》、《中国农村统计年鉴》。

3综合效率分析

运用Deap2.1软件对湖北省13个地市的农业投人产出面板数据进行分析，得到农业生产综合效率及纯技术效率、规模效率的数值。从综合技术效率及其构成纯技术效率、规模效率的平均值来看，三者的变化具有同步性，均值在0.8~0.9间波动变化且有递减趋势，说明湖北省农业生产不稳定，且地区差异显著;有3个地市达到DEA有效,5个地市处于规模效益递增阶段，即这些地市农业生产规模效益还没有完全发挥出来，调整投入会使规模效益增加，农业再投资效益比较高。规模效益递减地市由2008年的3个增加至年的5个，具有很大的调整空间和投资价值。纯技术效率的均值基本上大于规模效率的均值，且纯技术效率处于有效以及递增的地市有10个，占总数的77%,说明纯技术效率对综合效率的贡献更大，湖北省农业发展向技术导向型转移。

2008-2012年，武汉、黄石、鄂州等三地市一直保持领先地位，均为DEA有效,综合技术效率、纯技术效率和规模效率值均为1,表示农业生产要素投人配置效率最优，顺应农业可持续发展的趋势;在既有制度和管理水平下，农业效益达到了最大化，现有规模和最优生产规模没有差异，处于规模收益不变的状态，即扩大一定比例的农业投人，相应地产出也会同比例增加。

2008-，荆州市处于DEA有效状态，综合效率、纯技术效率和规模效率都处于有效状态，且重视技术的发展。随着农业技术的稳步发展，技术的有效利用和既有规模相互匹配，实现了农业收益的最大化。-2012年，荆州市综合生产效率从0.779递减为0.568,综合效率位居湖北省各地市倒数第二，随着规模效率的急剧降低而降低并有加速现象，规模效益也由不变转为递减状态。十堰市与荆州市农业发展战略相反，忽视技术，重视规模的简单扩大，近几年均处于DEA无效状态，综合效率位居湖北省末端。综合效率的提高更多依靠农业生产规模的扩大，农业技术很薄弱。

2008-，咸宁、随州等地市综合效率值为0.8及以上水平，属于湖北省农业生产综合效率较高地市，至2012年，两地市综合效率存在下降趋势。此外，两地市处于规模报酬递增阶段，增加一定比例的投人可以带来一定比例或者更多的经济效益。同时，规模效率值均高于纯技术效率值，表明规模效益递增是依靠生产规模的扩大，农业技术有效发挥还不足。

2008-2012年，襄阳、恩施综合效率无效，规模效率变化波动大，技术效率变化趋于平稳。其中，纯技术效率值均为1，表示在目前的技术水平下，投人资源的使用是有效率的，综合效率无效的.根本原因是规模效率不断减少。其中恩施近几年规模效率一直是0.5~0.6之间，处于各地市之末，仅为DEA有效地市的一半。襄阳、恩施分别处于规模效益递减、递增阶段，因此，在技术效率有效的前提下，其改革的重点在于调整经营规模与既有技术吻合，以更好地发挥其规模效益。

2012年，宜昌、孝感、荆门和黄冈综合效率处于较高水平。其中，2008-2012年荆门、孝感和黄冈农业综合效率及其纯技术效率、规模效率分别有4年、3年和1年达到DEA最优，且松弛变量为0,农业生产要素配置达到最优效率，农业处于最佳规模、最佳效率。孝感、荆门和黄冈等地市规模效益处于不变、递增以及递减交替变化状态;宜昌规模效益处于递减且纯技术效率、规模效率值呈波动变化状态，说明这些地市农业发展不稳定，需要对投人产出结构进行调整，以更好地适应农业效益提高的需求。

4Malmquist指数分析

为了反映湖北省农业全要素生产率增长及其构成变化情况，利用deap2.1软件对2008-2012年湖北省各地市农业面板数据进行了测算和分解。

4.1全要素生产率变化趋势

根据农业效率Malmquist生产力指数分解表可以看出，有9个地市农业全要素生产率(7TP)指数大于1,只有荆州、荆门、黄冈和咸宁等地市小于1。2012年7F尸平均增速为15.3%,T/P指数最大的地市是武汉,最高增长率为41.9%,说明湖北省农业生产效率进步较快，农业发展在向技术导向型转变，农业的可持续性一直在增强。2008-2012年湖北省77中均值总体上实现波动增长，且增长幅度逐年加大，：TFP平均增长率由7%增长至15.3%，其中-2012年TFP均值增长幅度弱于其他年份。

湖北省77于的变化趋势与技术进步变化趋势一致，与技术效率呈反向变动，技术进步的贡献超过了技术效率的贡献，抬高了农业生产前沿面。随着农业科学技术的发展，湖北省采用更先进的农业生产技术为农业生产发展提供了巨大的动力。2011-2012年TFP平均增长率为15.3%,技术进步平均增长率为24.7%,而技术效率的贡献率约为-7.4%,技术进步与效率缺失并存的现象说明湖北省一些地市忽视农业技术对77中的影响，农业技术创新、推广工作滞后，这也是2011-2012年77中均值增长幅度低于其他年份的原因。

4.2各地市农业全要素生产率指数及构成情况

从2008年起，湖北省13个地市技术进步增长率均高于技术效率增长率，这是由rc(技术进步指数)增长效应带来的。2012年武汉市技术进步增幅为41.9%,为13个地市之首。武汉市为湖北省省会，地理区位优越，拥有健全完善的农业体系，注重推行农业产业化发展以及推广农业新技术。随州7FP增幅为9.5%，位居近几年TFP正增长的9个地市之末，说明随州农业发展势头弱于其他地市，原因是技术效率增速为-14.4%,严重拉低了TFP增速。因此，随州首先要注重技术效率的滞后对rFP的束缚作用，从技术效率构成角度讲，即提高纯技术效率、规模效率增长水平，此外应关注科技管理及制度创新。其余地市7TP年均增长大体相同。从各地市的7TP增长情况看，其差异性与地区经济发展水平具有较高一致性，即经济较发达地市TFP增长相对较高，经济落后地市77中增长相对较低。

从构成看,技术进步的增长与技术效率的缺口并存现象较严重。农业技术进步增长效应最明显、增速最快的是武汉，由2008年的7.3%增为41.9%,农业技术进步增长最弱的是荆门，20TC为-2.2%。技术效率相比技术进步对7F尸的增长效应不明显，大多数地市值等于或小于1。技术效率增长最大的是宜昌，20为18%,技术效率增长最弱的是荆州，2012年为22.6%。

4.3非有效地市的投入调整分析

DEA方法提供了各地区要素投人冗余的绝对量，用于分析非DEA有效地市农业生产效率低下的原因。非有效DMU的各投入指标均有冗余量，不同DMU的冗余指标也有所差别。从投入指标看，农作物总播种面积冗余量最大，其中黄冈冗余最大，冗余量为395.582,荆州次之，冗余量为349.803;农业机械总动力指标冗余量也较大，其中荆门冗余量为238.556;农林牧渔业从业人数冗余较小，冗余量最大的是黄冈，数值为49.492。可见这些地市耕地利用率低、农业机械总动力未充分发挥、劳动力供过于求，应当减少这三类指标的投人，提高其利用效率。农用化肥施用量指标冗余率在非DEA有效地市中最低，接近有效生产前沿面，利用效率较优。从产出指标看，各地市农林牧渔业总产值已达最优，不存在产出不足，农村家庭人均年纯收人指标产出严重不足，其中十堰产出不足高达4322.530。

5结论与建议

本研究运用DEA方法和Malmqulst指数法对农业生产效率进行了评价，得到武汉、黄石和鄂州一直处于DEA有效，其他10个地市DEA无效，其中恩施州综合效率最低。湖北省各地市综合效率均值呈波动变化且有递减趋势，农业生产发展不稳定且地区差异显著。综合效率的增长更多取决于纯技术效率，湖北省农业发展向技术导向型转移。

从农业全要素生产率来看，7TP均值总体上实现波动增长，且增长幅度逐年加大，农业的可持续性一直在增强。湖北省的变化趋势与技术进步变化趋势一致,技术进步的贡献超过了技术效率的贡献，为农业生产发展提供了巨大动力，但目前农业发展存在农业技术进步与农业效率缺失并存的现象。因此，农业部门应不断健全农产品市场体系，利用市场的力量加大农产品竞争力度，并对农业科技部门、农户给予财政支持、技术支持，加大农业科技成果的生产转化力度，注重农业技术的推广和应用，增强农业效率对农业经济效益的带动作用。同时，综合效率高的地市应进一步发挥优势，带动周边地市的农业生产效率。十堰、恩施等地市农业发展方向应以因地制宜、发挥特色为原则，发展种植业、畜牧业、旱作节水等多种农业形式。

从冗余与不足整体来看，主要在农作物总播种面积、农业机械总动力、农林牧渔业从业人数这三个指标存在冗余，要使生产效率达到DEA有效，农业发展有很大的缩减、调整投人要素的空间。首先应考虑调整土地资源的配置，实行农业产业化经营，提高耕地集约利用水平;其次有效利用农业现代化机械，使实际产出量与效率最优对应的产出量之间差距趋于零;最后优化农业人力资源配置，提高农业人口的素质，实施农民非农化，将劳动力资源优势转化为经济效益。

参考文献：

[1]冉杰，王新宇.基于DEA的西部农业经济效率与技术进步率评价[J].统计与决策，(3):102-103.

[2]倪冰莉，张红岩.我国中部地区农业技术进步、生产效率的构成分析[J].云南财经大学学报,2010,26(2):141-146.

[3]王爽英，李立辉，戴向洋.基于主成分分析方法的湖南省农业区域经济评价及发展方向[J].农业现代化研究,2010,31(2):115118.

[4]黄利军，胡同泽.基于数据包络法(DEA)的中国西部地区农业生产效率分析[J].农业现代化研究，,27(6):420-424.

[5]钱丽，肖仁桥，杨桂元.基于DEA模型的安徽省农业生产效率评价研究[J].工业技术经济,2010,29(10):121-126.

[6]涂俊，吴贵生.基于DEA-Tobit两步法的区域农业创新系统评价及分析[J].数量经济技术经济研究,2006,23(4):136-145.

[7]贺正楚，翟欢欢，张锐.运用混合聚类法对两型社会农业发展状况的评价[J].湖南农业科学,2010(13):161-164.

2.基于DEA方法的浙江建筑业发展评价研究 篇二

一、评价方法

一个省或市可以看作是一个经济系统, 把这个经济系统作为一个决策单元, 对其投入一定数量的经济要素, 必然产出一定数量的产品;在此生产过程中, 追求的目标是输入最小化, 输出最大化。基于这种思想, 本文采用DEA方法对沿海11个省市海洋渔业经济的发展水平进行评价。

1. DEA方法简述

DEA (Data Envelopment Analysis) , 即数据包络分析是由Charnes等人于1978年提出的, 该方法以“相对效率”为基础, 根据多指标投入和多指标产出对相同类型的单位 (部门) 进行相对有效性或效益评价的一种新的系统分析方法, 相同类型的单位 (部门) 被称为决策单元 (DMU, decision making units) , 决策单元的相对有效性 (即决策单元的优劣) 被称为DEA有效。

2. DEA方法的CCR模型分析

DEA中的CCR模型可以评价DMU的总体效率, 即技术和规模的综合效率。

设有n个决策单元DMUj, j=1, 2, …, n。DMUj的输入为xj= (x1j, x2j, …, xmj) T, 输出为yj= (y1j, y2j, …, ytj) T, m为输入指标数目, t为输出指标数目。xj, yj≥0, j=1, 2, …, n, 即其分量非负且至少有一个是正的。基于输入的评价DMU总体效率的具有非阿基米德无穷小的CCR模型为:

该模型的评价指标体系由m个输入和t个输出指标组成, 分别表示“消耗的经济资源”和“输出的成效”。设xij为第j个决策单元对第i种类型投入的投入量, yrj为第j个决策单元对第r种类型产出的产出量, sr-与sr+分别为松弛变量和剩余变量, 也称为投入冗余和产出不足, ε为一非阿基米德无穷小量, 可取 (ε=10-6) , λj, si-, sr+, θ为待估计参量。

3. DEA模型的含义

(1) 当θ=1, sr+, st-中至少有一个大于零时, 则DMUj为弱DEA有效。

(2) 当θ=1, 且sr+=si+=0, 则DMUj为DEA有效。

(3) 当θ<1, 则DMUj为DEA无效。

(4) 令xr*=θx0-Si-, y0*=y0+s r+, 则 (s0*, y0*) 为 (x0, y0) 在生产有效前沿面上的投影, 即相对于原来的n个DMU是有效的。

(5) 若存在λj (j=1, 2, …, m) , 使 成立, 则DMUj为规模效益不变, 即规模有效;若 , 则DMUj为规模效益递增;若 , 则DMUj为规模效益递减, 且 的值越大, 规模递减趋势越大。

三、DEA方法的应用

1. 指标的选取

运用DEA模型, 对沿海11个省市2004年的海洋渔业经济发展状况进行分析。考虑自然资源消耗、人员投入、资金投入、经济产出等因素, 选取海水养殖面积、海洋渔业及相关产业从业人员、渔业固定资产投资总额三个要素作为输入指标;海洋渔业总产值作为输出指标。具体数据见表1。

将沿海各个省市海洋渔业投入指标和输出指标的相关数据带入CCR模型中, 确定模型的具体形式, 然后利用DPS软件计算, 求得如下结果:

2. 模型结果分析

从表2的计算结果可知, 只有上海和广西两个省市的θ=1, 为DEA有效;其他省市均为非DEA有效。

DEA有效的省市表明其在沿海地区海洋渔业经济发展中具有相对最优性, 在投入产出技术效率方面, 不存在投入冗余和产出不足;在规模效益方面处于最佳状态, 因此同时为技术有效和规模有效。

从表2的计算结果可知, 大部分沿海省市2004年海洋渔业经济的发展均存在浪费, 属于粗放式发展, 投入的资源没有达到最优组合和充分利用, 存在输入剩余, 即在现有产出的水平下投入过剩。存在浪费的原因, 主要有以下几方面。

(1) 捕捞业发展潜力不大。我国是海陆大国, 濒临渤海、黄海、东海、南海, 海域面积约为473万km2, 海岸线长度为1.8万km, 居世界第四, 拥有丰富的渔业资源;在过去几十年的渔业发展过程中, 渔业生产一直以捕捞为主, 捕捞范围主要集中在近海, 由于肆无忌惮的捕捞, 资源开始枯竭;随着捕捞技术的更新, 捕捞强度的加大, 渔业资源受到了进一步的破坏, 几乎到了灭绝的边缘;并且, 因为过度捕捞, 出现了一系列问题:鱼类生态结构遭到破坏, 群体优势度减弱, 有些种类消失, 鱼类小型化, 低龄化。据有关数据显示, 河北省2004年与1984年相比, 鱼类减少了29种, 甲壳类减少了5种;江苏省的中国对虾、大黄鱼、小黄鱼、带鱼、绍鱼及水中“软黄金·的鳗鱼和螃蟹苗等资源量已经大大减少, 几乎形不成鱼汛。所以, 非DEA有效沿海省市加大资金投入, 增加渔船数量, 更新技术, 捕捞产量仍然不容乐观, 这样就出现了一种浪费的现象, 从表2的资金元余变量中可以看出, 投入的资金有很大一部分没有发挥作用。

(2) 海洋环境污染严重, 渔业资源损失巨大。东部沿海省市人口密度大, 工业发达, 每年都有大量的工业废水和生活用水排入海洋, 加上海上石油泄漏, 导致海洋污染加剧、海洋水质下降, 海水富营养化, 致使大量鱼类, 虾类死亡;海洋生物多样性急剧丧失、海洋生态系统迅速退化, 病虫害、赤潮等频繁发生, 严重制约了海洋渔业的发展。据有关数据显示, 2004年, 广东海域呈现富营养化, 发生赤潮;浙江省2004年海水污染加重, 排在全国第二位;海洋污染造成的经济损失是无法估计的。

(3) 海水养殖结构不合理。随着近海渔业资源的衰竭, 沿海省市早已经把海水养殖业提上了日程。经过多年的发展, 沿海省市的海水养殖业已经形成了规模。但是, 仍然存在着很多问题:养殖结构不合理;养殖规模发展缓慢;养殖结构低级化、养殖品种单一化, 粗放式经营;养殖成本高;养殖员素质不高;养殖经营集约化程度低;缺乏精品和特色养殖品种;养殖水域规划和管理问题突出;苗种引进困难;鱼类品种防病害能力差等问题;海水养殖结构的不合理, 直接导致养殖效率无法提高, 从而表现出海水养殖面积投入冗余;这一点从表2的海水养殖面积冗余变量中也可以看出。

(4) 科技水平低, 渔业现代化水平不高。科学技术是引导一切前进的动力。科技水平落后, 队碍多方面的发展, 捕捞业、海水养殖业、水产品出口等都会受到影响。虽然, 沿海省市对科学技术的发展都投入了大量的人力、物力、财力, 科技水平也有了长足的发展, 但是与世界上其他发达国家相比, 还存在着不小的差距。例如, 近年来, 广东省积极发展远洋捕捞;然而, 却因为捕捞成本上升, 技术水平上不去而使远洋捕捞陷入困境;再以金枪鱼为例, 捕捞后的金枪鱼一般冷冻后, 只能以3 000到4 000美元/t的价格出售, 而如果保存在-40℃到-60℃的超低温下, 就可以每吨8 000美元到10 000美元的价格出售。由于缺少此方面的技术, 广东省只能把庞大的金枪鱼市场拱手让给其他国家;再如浙江省, 由于从事海水养殖的研究人员明显不足, 素质不高, 科研成果少, 无法满足市场对养殖技术的需求, 只能从外引进大黄鱼、妒鱼的人工育苗技术;在水产品加工方面, 由于缺乏相关的先进技术, 沿海省市水产品加工业发展缓慢, 加工设施落后, 加工企业生产能力低, 综合加工开发效益低, 只能出口经过简单加工、附加值很小的初级产品, 同时, 由于产品的科技含量低, 进口国有借口进行管制和设置一些贸易壁垒;因此, 在国际市场上, 我国出口的水产品缺少竞争力, 市场占有率低, 价格偏低, 创汇少, 阻碍了渔业产值的增加。例如, 江苏省是全国条斑紫菜的主产区, 产量占全国的95%以上, 85%出口美国, 加拿大等20多个国家, 但是却由于日本进口管制的措施, 不能打进这个最大的紫菜消费国。科技水平不高导致从事渔业生产人员素质不高, 也就产生了低效率的劳作, 因此, 从业人员的元余正是说明了科技水平低。

浙江省是海洋大省, 水产资源丰富, 海洋渔业经济发展效率应该位居前茅, 但是从表2的计算结果中可知, 浙江省的θ=0.462 2, 属于低效率省;主要原因是海洋捕捞产量在最近连续几年内居全国前列, 但是无节制的捕捞再加上一些新技术应用到捕捞业, 渔业资源已经到了濒危的阶段;因此, 浙江省在捕捞业上投入再多的人力和财力, 收效也只能甚微;而且, 浙江省的海洋污染也比较严重, 这会对海水养殖有不小的影响;浙江省在渔业投入的劳动力为421 641人, 在沿海11个省市中位居第四位, 从业人员过多也是导致其低效率的一个原因。

从表2的计算结果中可知, 在非DEA有效的沿海省市, 除了天津市, 其他省市均处于规模效益递减阶段, 并且∑λj值均较大, 说明递减趋势较大, 发展潜力较弱, 增加投入不会拉动产出的增加;相反, 投入的越多, 产出越少;因此规模效益递减的非DEA有效省市渔业经济的发展方向应该是改进生产技术, 发挥科技作用, 提高生产效率;天津市由于处于规模效益递增阶段, 有一定的发展潜力, 可以考虑适当增加渔业生产要素, 但是也要注重生产效率的提高。

非DEA有效省市在生产前沿面上的投影, 为DEA有效。调整结果为下表:

四、结论及建议

本文应用DEA方法对沿海11个省市海洋渔业经济的发展水平进行了分析, 得出了2004年DEA有效省市和非DEA有效省市, 并且对非DEA有效省市进行了分析和调整, 为今后渔业经济的有效发展提供了依据。

当前, 海洋渔业资源衰退, 渔业生态环境恶化, 已经成为制约沿海省市海洋渔业发展的主要因素。为此, 对于如何合理开发海洋渔业资源, 如何实现海洋渔业的可持续发展, 建设人、海和谐社会, 提出如下建议和措施。

(1) 积极发展远洋捕捞。目前, 近海的渔业资源已经捕捞过度, 应该把捕捞业转向远海和深海区域。海洋是一个资源非常丰富的宝库, 其中蕴含着很多高价值的鱼类, 而这些鱼类大多集中在外海和深海。为此, 发展远洋捕捞, 不但可以保护近海渔业资源, 还可以增加出口创汇, 更能提升国际地位。

(2) 优化海水养殖业结构。由于捕捞业受渔业资源的限制, 发展潜力有限, 并且, 为了保护渔业资源, 各地都在实现“零捕捞”, 为此, 海水养殖业成为未来渔业发展的主导力量。沿海省市可以根据自身的区位优势, 确定各自的优势养殖品种, 培养优势主导产业, 发展精品养殖, 合理布局养殖结构, 加强养殖的安全性管理, 同时也要注重养殖水域环境的保护, 实现生态养殖, 提高综合经济效益。

(3) 科技兴渔战略。科技进步不但推动经济增长, 也是实现可持续发展的关键。要想合理开发利用海洋渔业资源, 科学技术是必不可少的因素。科技提高了, 远洋捕捞可以实现, 生态养殖可以实现, 高附加值的水产品可以生产等一系列问题都可以解决, 总之, 渔业的可持续发展离不开科技兴渔战略。

(4) 大力发展循环经济。循环经济是一种以资源的高效利用和循环利用为核心, 以“减量化、再利用、资源化”为原则, 以低消耗、低排放、高效率为基本特征, 本质上是一种生态经济, 符合可持续发展理念的经济增长模式。循环经济的发展对海洋渔业经济的可持续发展有着不可忽视的作用。循环经济的发展, 可以促进海洋渔业资源的循环使用, 提高重复利用率, 保障经济安全系数, 对保护海洋生态环境, 提高海洋承载力, 防治污染都起着积极的作用。

(5) 发展休闲渔业。休闲渔业是近年来, 一种新型的渔业文化。它集渔业、休闲、观赏、娱乐和旅游为一体, 因此, 也称娱乐渔业、观光渔业和游泳渔业, 既是第一产业的延伸和发展, 又是第一产业和第三产业的有机结合, 是生产、生活和生态可持续发展的产业。却休闲渔业具有很高的社会价值, 不仅投资少、见效快, 而且, 产业关联度极强, 可以带动相关产业的有效发展, 吸收大量富余劳动力, 增加就业;休闲渔业的发展有利于加快渔业现代化, 有利于旅游业的发展, 吸引国外游客, 促进对外开放, 繁荣渔区经济;对渔民转业转产, 增加渔民收入是一条有效途径。

摘要：海洋渔业是海洋经济的传统产业之一。一直以来, 海洋渔业的发展是以消耗大量的自然资源、人力、物力、财力, 为代价来换取经济产出。取得的成绩是否令人满意, 值得深思。因此, 文章运用DEA方法对沿海11个省市的海洋渔业经济进行了投入—产出相对有效性评价, 并且对评价结果进行了分析;最后, 为海洋渔业经济的可持续发展提出了建议和措施。

3.基于DEA方法的浙江建筑业发展评价研究 篇三

关键词：建筑安装工程；施工安全；风险评价；数据包络分析

中图分类号： TU198 文献标识码： A 文章编号： 1673-1069（2016）27-56-2

建筑安装工程施工安全风险评价指标体系

根据调研访谈及文献[1]，[2]，[3]研究成果基础上，提出了过分压缩工期、人员身体状况和突发事件的应变力新指标，建立了基于DEA的建筑安装工程施工安全风险评价指标体系，如表1的所示。

2 建筑安装工程施工安全风险评价模型

利用DEA方法进行建筑安装工程施工安全风险评价的模型为：

max hk=

s.t.

≤1

Vi≥0（i=1，2，…，m），Ur≥0（r=1，2，…，s）（1）

本文采用Charners-Cooper转变并引入非阿基米德无穷小变量ε以及输入、输出松弛变量S-、S+的DEA模型。

min[θ-ε（S-+S+）]=VD

s.t.

xiλj+S-=θkXk

λjyj-S+=Yk

λj≥0，S-≥0，S+≥0，j=1，2，…，n（2）

若存在一个最优解θ=1，SK+=0，SK-=0，则DMUk为DEA有效；否则为无效。

3 实例分析

利用本文构建的建筑安装工程施工安全风险评价指标体系和方法对五个项目进行分析.根据其指标体系及所选项目，聘请10个专家进行评分，确定安全风险评价输入及输出指标数值。专家评分结果见表2。

风险评分分数越大，风险越大，表2表明专家评分法结果：项目A>项目E>项目D>项目C>项目B。DEA评价方法与其结果是一致的。因此说明基于DEA的建筑安装工程施工安全风险评价具有有效性和实用性。

4 结论

本文从人员因素和管理因素等方面构建了建筑安装工程施工安全风险评价指标体系。该指标体系能反映出建筑安装工程施工安全风险评价的主要方面，为今后的相关研究提供参考。基于DEA模型的建筑安装工程施工安全风险评价方法的比较优势为：不需对各指标主观赋权，不需要事先确定指标的权重以及指标之间的函数关系，只需对最后结果进行比较分析。通过实例分析证明DEA建筑安装工程施工安全风险评价体系的合理性以及评价方法的有效性，该方法给建筑安装工程施工安全风险评价提供了新工具。

参 考 文 献

[1] 王飞，巍国兴，王书增，刘群，周永强.基于SVM的建筑施工项目安全风险评价[J].辽宁工程技术大学学报（自然科学版），2011，30（6）：959-962.

[2] 莫柱洪.建筑工程施工中安全风险评价和管理的探析[J].科技与创新，2015（7）：43.

4.基于DEA方法的浙江建筑业发展评价研究 篇四

虽然海洋科技已取得丰硕成果, 但与发达国家相比, 我国的经费投入总额还存在一定的差距, 且利用效率不高。根据瑞士国际管理学院 (IMD) 的测算数据, 我国每亿美元科技经费的专利产出只有美国的51%。因此, 客观认识并把握我国海洋科技活动的动态变化, 定量评价海洋科技投入产出效率, 从而开展更有效率的海洋科技宏观调控, 其意义深远而重大。本文通过数据包络分析法, 对青岛市科研院所和高等院校两类机构的综合效率、技术效率、规模效率和规模报酬等指标进行了求解, 并提出改进海洋科技效率的建议。

一、背景

数据包络分析 (简称DEA分析) 是一种测算具有相同类型投入产出的若干系统或部门相对效率的非参数方法, 该方法是著名运筹学家A Charles、W.W.Cooper与E.Rhodes等人于20世纪末期以相对效率概念为基础发展起来的。其原理是根据若干组关于投入产出的数值, 采用运筹学的线性规划模型测算出有效产出的相对前沿面, 再将各组数值投影与有效前沿面做比较, 进而衡量各组数值的效率。凡是处在前沿面上的DMU, 即可认定其有相对效率, 并将其效率指标定为1, 而不在前沿面上的DMU则被认定为无效率, 以其与有效前沿面之间的距离为准, 可解出该DMU的相对效率指标。

近年来, 英、美、加拿大、澳大利亚等国纷纷用DEA方法对科研机构进行了效率评价。据统计, 在国际科技投入产出效率研究领域, 目前广泛使用的定量评价方法主要有数据包络分析 (Data Envelopment Analysis, DEA) 和随机前沿面 (Stochastic Frontier, SF) 等, 其中三分之二的研究采用的是数据包络分析。

最近, 国内相关论文也在逐渐增多。许治等运用DEA方法对我国科技投入相对效率进行了测度, 结果表明不同部门科技资源的使用对整个社会科技投入相对效率的影响不同, 增加企业科研经费支出比例有助于我国科技投入效率的提高;田东平等运用DEA方法对我国高等院校科研效率进行评价, 结果表明高校的科研效率存在明显的地域性差异, 东部高于中部, 西部最低;骆正清等运用DEA方法对高等学校内部各学院办学效率做了相对有效性分析, 结果表明该校非DEA有效的单位存在投入过剩、产出不足等问题。张浩等对科研院所、企业和高等院校三类机构类型的科技效率进行了分析, 结果表明企业科技效率随着投入的增加无明显改进。综上所述, DEA方法作为一种科技评价方法已经被国内广泛认可。

值得关注的是, DEA指标的计量单位、性质并不要求完全相同。这是DEA方法与其它多目标评价方法相比的优势所在。其一, DEA方法不需要确定指标的相对权重, 这有利于排除主观因素, 增强评价结果的客观性;其次, 在对DMU进行评价时, DEA方法不必考虑指标的单位和量级, 能使复杂问题简单化。

二模型测算

借鉴C2R经典模型, 测算海洋科技单位的综合效率、技术效率、规模效率和规模报酬。

假设有n个海洋科技决策单元 (Decision Making Unit, 简称DMU) DMUj (j=1, 2, …, n) 都有t种投入和c种产出, 对于决策单元j, 投入产出向量分别为:xj= (x1j, x2j, …, xtj) T>0, yj= (y1j, y2j, …, ytj) T>0, j=1, 2, …, n, 第j个决策单元DMUJ的第i种类型投入的投入量和第r种类型产出的产出量分别为xij, yij (i=1, 2, …, c) 。解过程如下:

运用以上方程组进行运算, 运算结果α是规模报酬不变时第j个决策单元的综合效率值TE, β为规模报酬可变时的技术效率PTE, 而规模效率SE则是规模报酬不变时的效率值。当SE=1时, 该决策单元规模收益不变, 规模有效;当SE<1, α=μ时, 该决策单元为规模报酬递增;当SE>1, α=μ时, 该决策单元为规模报酬递减。

三评价与比较

(一) 决策单元的选择

选择2002年至2005年青岛市科研院所和高等院校两类机构的海洋科技投入产出数据作为原始数据 (其中2002年数据是指2001-2002年度数据, 以此类推) , D1—D4代表2002年至2005年科研院所DMU;D5—D8代表2002年至2005年的高等院校DMU。

(二) 投入产出指标的选择

根据模型评价目的、指标选取原则以及数据采集的可行性, 设立指标如下。投入指标包括科研人员数、其他从业人员数等两项;产出指标包括政府资金额、非政府资金额、论文数、科技著作数、专利授权数、对外科研服务量等六项。该数据部分来自于青岛市情报所, 部分来自于相关的科研单位。借鉴科技部科技统计制度和国家海洋局科技统计报表制度, 定义指标如表1:

(三) 结果分析

将收集到的投入、产出样本数据代入 (1) 、 (2) 、 (3) 、 (4) , 借助线性规划软件LINGO8.0进行求解, 可分别求得各DMU的综合效率TE、技术效率PTE、规模效率SE和规模报酬区域.效率评价结果如表2所示。

由表2可以看出, 高等院校与科研院所各有优势。

科研院所具有较强的规模报酬递增潜力。科研院所在2003年和2004年综合效率稍低, 但科研院所技术效率接近前沿面, 且规模报酬呈现出递增的特性, 这说明科研院所具备显著提高产出的潜力。一旦国家加大对科研院所的投入, 科研院所能通过规模经济效应迅速提升产出水平。

高等院校近年来保持着稳定而快速的发展, 各项指标均为有效, 连续四年都处于规模报酬不变区域。这说明当前高等院校最迫切的并不是继续增加规模, 而是应该提升科技效率和管理水平。

四、结论与建议

以上运用DEA方法, 通过对综合效率、技术效率、规模效率和规模报酬等指标的测度, 就青岛市2002年-2005年科研院所和高等院校的海洋科技效率进行了评价, 结论与建议如下。

青岛市海洋科技的效率很高。8个DMU24个指标中只有2个DMU中的6个指标非有效, 仅占全部DMU的25%, 其他的DMU皆为DEA有效, 且所有DMU均处于非规模报酬递减区域。这说明国家对海洋科技方面的投入在青岛取得了丰硕的成果。

高等院校的科研人员数量和项目经费额等指标在效率有效的同时保持稳步增长, 这反映出高等院校体制在发展上的优势。同时, 由于高等院校的规模报酬不变, 这说明高等院校在效率和管理方面仍存在一些问题, 应制定一系列相关政策来减少成本, 增加产出。具体措施包括:改进激励机制, 建立基于科研效率的科研评价体制;加强成本管理方面的宣传, 树立成本意识和效益观念;与企业合作, 探索各种渠道将科技成果转化为效益;改善硬件设施, 为海洋科技发展提供条件;加强内部学院间的协调与合作, 实现资源共享, 减少资源浪费与重复建设。

科研院所2003年、2004年处于规模报酬递增区域, 效率水平非有效, 其中2003年规模效率有效度仅达到0.63。这说明科研院所潜力巨大但投入程度不够, 投入低已经成为限制科研院所科技生产力的枷锁。在目前条件下, 要提高科研院所的海洋科技效率, 应以扩大规模为主, 具体措施包括:国家应加大对海洋科研院所的经费投入, 提升科技投入的支持强度, 改善科研院所硬件水平, 为科研院所扩大规模创造条件。同时科研院所自身也要加强规模建设, 鼓励优秀人才引进, 力求获得更多经费支持, 通过科研规模的扩大达到规模经济效应, 从而更好地解放海洋科技生产力, 为中国海洋经济发展献计献策。

参考文献

[1]许治, 师萍.基于DEA方法的我国科技投入相对效率评价[J].科学学研究, 2005, (8) :481～484

[2]田东平, 苗玉凤.基于DEA的我国高校科研效率评价[J].理工高教研究, 2005, (8) :6～8

[3]骆正清, 张召刚.高等学校内部各学院办学效益的相对有效性评价[J].技术经济与管理研究, 2006, (1) :62～63

[4]张浩, 孟宪忠.不同机构类型的科技效率DEA评价与比较[J].科学学与科学技术管理, 2005, (12) :78～82

[5]谢友才, 胡汉辉.我国研究生教育的效率研究[J].高等教育研究, 2005, (11) :68～76

5.基于DEA方法的浙江建筑业发展评价研究 篇五

关键词：DEA 采购;效益评价

一、引言

军队区域联合采购是指将部队相对集中地区内各部队的采购需求集中起来，以一个采购主体身份实施的采购。实践证明，这种采购模式可显著提高军队物资采购的军事经济效益。但是当前部队在区域联合采购中也存在着人员配置不合理，信息共享程度低，采购需求难统一等问题。推进部队区域联合采购需要进行合理的绩效评估，以此来分析采购规模效益，找出提高采购效益的途径，促进区域联合采购规范化，防止采购过程中的腐败滋生。DEA是目前管理科学与系统工程领域一种重要而有效的分析工具，与常用的效益评价方法相比主要优点在于：它可通过数学模型分析解决多个输入与输出数据对同类型决策单位进行相对效率与效益方面的评价。本文建立了基于DEA的区域联合采购效益评价模型，并使用Frontier Analyst软件对区域联合采购效益进行定量评估。研究目的在于探索我军区域联合采购效益评估的有效方法，检验区域联合采购中资源配置同产出规模与结构的合理性程度并提供相应的对策和建议，提高军队区域联合采购效益。

二、模型介绍与指标选取

数据包络分析（Data Envelopment Analysis， DEA）方法，是美国运筹学家Charnes等提出的一种效率评价方法。该方法将每一个被评价单位作为一个决策单元（DMU），再由众多决策单元构成被评价群体，通过对投入和产出比率的综合分析，以决策单元的各个投入和产出指标的权重为变量进行评价运算，确定各决策单元是否DEA有效。运用该方法进行采购效益评价的优点是：第一，DEA方法是以最优化为工具，以多指标投入和多指标产出的权重为决策变量，进行最优化评估，排除指标权重确定不合理和各种主观因素的干扰等弊端。第二，在DEA方法中不需要确定投入和产出指标关系之间相互联系和相互制约的任何形式的表达式。第三，能指出决策单元非DEA有效或弱DEA有效的原因及应改进的方向和程度，为提高采购效益提供决策建议。

设有v个决策单元△MYφ，与决策单元相对应的输入变量和输出变量分别为：

ξφ=（ξ1φ，ξ2φ，   ，ξkφ）T>0，φ=1，2，    ，v

ψφ=（ψ1φ，ψ2φ，   ，ψσφ）T>0，φ=1，2，    ，v

且ξ1φ>0，ι=1，2，   ，k

ψ1φ>0，ι=1，2，   ，σ

ωι表示第ι种输入的权重，ωι≥0;

νρ表示第r种输出的权重，νρ≥0。

构造下列最优模型：

此模型被称为CCR模型，是最基本的DEA模型。用CCR模型评估第j0个决策单元的有效性，是相对于其他决策单元而言的，故称为评估相对有效性的DEA模型。本文选取区域内单个物资采购项目作为决策单元。

实行区域联合采购的部队一般成立以区域内最高机关为主、各成员单位参加的采购领导小组，负责组织、领导和协调部队及供应商之间的采购工作，下设联合采购办公室。各成员单位逐级上报需求计划，由联合采购办公室汇总，编制采购计划，制定采购方案并统一调配各成员单位采购力量。

正确利用DEA方法评价区域联合采购效益的一个基本前提是合理确定测评指标，评价指标的确定需要遵循系统性、科学性、可比性和可测取性的原则。一般情况下，对于一个决策单元而言，被利用的物质或影响采购行为的因素成为投入，形成的军事和经济效益为产出，投入越小越好，产出越大越好。

本文选取的输入指标包括采购人力资源，采购成本，采购项目价格支出和综合信息资源。输出指标包括采购时效，合格率，满意度，节支率和社会效益。人力资源是采购项目输入的主要资源，某一采购项目所投入的人力资源是指参与采购项目具体工作的所有人员能力的总和，它并不等于所有参与采购项目人员数目的简单相加，而是应依据采购人员的资质水平、学历层次、综合能力等各方面因素的加权计算所得。采购成本包括人员经费，招投标费用，委托代理费用，物流费用等。采购项目价格支出是采购物资金额总额。综合信息资源是采购项目输入的关键资源，主要包括物资采购所获得的各种业务支持和信息保障。军队物资采购的顺利完成需要供应商、财务部门、各业务部门的支持和配合以及他们所提供的各种信息，从这个角度看综合信息资源就显得尤为重要。然而综合信息难以量化，需要采购人员和专家的共同认定。采购时效可通过单个项目采购周期指标来衡量。保障部队规模是区域内实行联合采购的部队规模主要以人员数量为指标。采购节约额是采购预算金额与实际采购金额的差额。社会效益包括对区域经济、环境、人文的影响，包括对民用工业的发展和社会就业率的提高。决策单元的DEA有效性与输入和输出的量纲选取无关，即只要对各输入输出指标进行标准化的量纲是一致的，并不影响军队物资采购项目的DEA有效性，因此可选取合适的量纲将决策单元的输入与输出指标数值进行标准化。

三、实证分析

本文选取FA（Frontier Analyst）软件对各项数据进行运算与分析。FA是基于DEA原理的灵活强大的效率分析软件，该软件操作便捷，数据分析报告直观明了。

各决策变量输入、输出指标值：

将表中数据输入软件中，得出数据观察图。选用CCR模型，使其在输入较小且既定的条件下输出尽可能大。

运行软件进行数据分析得到如下结果图：

由图知10个决策单元中有7个是整体有效的。这些采购项目同时为技术有效和规模有效。无效的是项目1、项目10和项目6。

对DEA有效的项目优先排序，进行规模效益分析;对无效的项目也继续进行分析，找出无效的原因，提出优化方案。

先对各决策单元进行极效率分析，极效率是用来比较各决策单元优劣的，极效率越高越好，结果如图

其中项目6的效率得分为86.9%，项目6的理想状况应该是：在现有投入不变的情况下，采购时效提高18%，质量合格率提高15%，保障部队规模提高21%，采购节约额提高15%，社会效益提高24%。或者将采购成本降低20%，达到现有输出水平。说明项目6的投入水平存在效率损失，在现有规模收益下效率低下。

项目5的极效率值为303.2%，其采购效益高的主要贡献是采购成本要素得分高，贡献值为100%。而产出因素主要是质量合格率和采购节约额，贡献率分别为41.7%和58.2%。

四、结论及建议

上述分析表明部分项目采购效益低下的主要原因是采购成本控制和综合信息资源投入不够。因此，作者认为要从以下几方面着手提高区域联合采购效益。

一是集中采购需求：整合区域内物资采购资源，合理协调和统一各单位采购需求，将各单位较小需求集合成较大规模的需求，变多次采购为一次采购。二是利用信息化平台，实现采购信息共享。并且还可通过政府采购中心、工商局等地方行政机构从供应商库中选择优质供应商参与。三是建立绩效责任机制，完善采购监督制度，定期进行效益评估。四是合理规划区域内采购机构采购权限，实行采购人员资格认证制度，促进采购专业人才合理流动。

参考文献：

[1] 王利群.军队物资采购效率分析[J].军队采购与物流，2009

[2] 侯建华，王书明.基于DEA模型的煤矿安全投入产出效率评价[J].经济观察.2014

6.基于DEA方法的浙江建筑业发展评价研究 篇六

2009年12月12日国务院正式批复《鄱阳湖生态经济区规划》, 为江西首个上升为国家战略的区域性发展规划。不少学者对鄱阳湖生态经济区进行了各城市经济发展效率、基于DEA模型的评价、农业生态经济系统特征等相关研究。而关于鄱阳湖生态经济效率的研究却未见报道, 本文运用DEA模型对鄱阳湖区的9个区市的生态经济效率进行比较分析, 为环鄱阳湖地区制定相关政策提供一定的参考价值。

二、鄱阳湖生态经济效率评价指标体系

鄱阳湖生态经济效率评价指标体系包括投入和产出2项1级指标, 各项2级指标如下: (1) 投入项:工业污染治理投资额 (万元) 、用水总量 (亿立方米) 、社会就业人数 (万人) 、规模以上工业能源消耗 (吨) 等。 (2) 产出项:建成区绿化覆盖率、人均地区生产总值 (元) 、“三废”综合利用产品价值 (万元) 等。

三、基于DEA方法的鄱阳湖生态经济效率评价模型

设决策投入单元矩阵为Xm×n, 输出单元矩阵为Ys×n, 若系统有n个数据决策单元, 每个决策单元都有m个输入和个输出, 输入输出具有非线性关系, 则有关系式:Y=F (X) 。

设输入输出的权向量矩阵分别为:U=[u1u2…um]T, V=[v1v2…vs]T;则决策单元DMUi (i=1, 2, …, n, 为自然数) 的效率评价指数λii为:

根据DEA的CCR模型, 对DMUi的效率评价指数求极大值, 可得线性优化模型:

其中λii为最优化DMUi权重下的效率评价指数, 如果λii=1, 决策单元是有效的;如果λii≠1, 决策单元是非有效的。若有效的决策单元λii均为1, 则控制单元不可能同时多种选择, 且控制效果不可能均相同, 因而有效决策单元的排序问题十分重要。因此本文采用MDEA对决策单元排序。

四、应用案例分析

(一) 建立决策单元

DMU1~DMU9为9个决策单元, 即环鄱阳湖生态经济区内9个市区, 依次为:南昌市、九江市、上饶市、景德镇市、抚州市、鹰潭市、吉安市、新余市、宜春市。其投入和产出数据来自2009年中国江西省统计年鉴。

(二) 数值计算

采用DEAP2.1解DEA模型的技术效率、综合效率, MATLAB解一系列线性规划问题 (多输入、多输出) 。计算结果如表1所示。

(三) 分析与讨论

从表1中可以看出, 南昌市、景德镇市、抚州市、鹰潭市、新余市具备技术有效性, 其余地市不具备;景德镇市、抚州市、鹰潭市、新余市具备规模有效性, 其余地市不具备。环鄱阳湖各城市的生态经济效率排序依次为:鹰潭市、抚州市、景德镇市、新余市、南昌市、上饶市、九江市、吉安市、宜春市。上饶市、吉安市、宜春市处在规模报酬递增阶段;南昌市、九江市处在规模报酬递减阶段;景德镇市、抚州市、鹰潭市、新余市处在规模报酬不变阶段。环鄱阳湖生态经济区的综合效率0.725, 技术效率0.812, 规模报酬率0.878。

表2给出了环鄱阳湖区域中非技术有效的4个城市的投入改进措施, 即在产出不变的情况下, 降低各项投入指标以达到技术有效。各个非技术有效的地市应缩小投入规模, 同时区域内各地市应互补资源, 统筹协调, 以使整体达到规模报酬递增, 提高整个环鄱阳湖区域的生态经济效率。

九江市 (DUM3) , 工业污染治理投资总额、用水总量、社会就业人数和规模以上工业能源消耗应分别减少25.19%、25.19%、44.86%和69.10%。其中规模以上工业能源消耗减少的比例最大, 说明现九江市的规模以上企业在生产加工过程中存在严重的能源浪费情况, 需要引起高度的重视, 应采取新技术新方法来提高能源的利用率, 其次是社会就业人数也存在严重的过剩情况。

上饶市 (DUM3) , 其工业污染治理投资总额、用水总量、社会就业人数和规模以上工业能源消耗应分别减少36.26%、36.26%、62.49%和48.41%。每个指标减少的幅度都比九江市的幅度要大, 这说明上饶市的各项指标投入冗余程度比九江市要大。其中社会就业人数调整百分比最大, 说明目前上饶市还是一个劳动密集型市, 存在就业人员集中、生产效率低下现象, 因此, 需要进行产业结构调整, 提高就业人员的劳动效率。

吉安市 (DUM7) , 其工业污染治理投资总额、用水总量、社会就业人数和规模以上工业能源消耗应分别减少80.75%、47.13%、42.78%和42.78%。可以看出, 工业污染治理投资总额削减的比重超过4/5, 说明大部分投资没有起到提高技术有效性的作用, 存在盲目投资的现象, 其余三项投入也存在比较严重的冗余情况, 因此吉安市目前急需解决工业污染治理投资额过剩问题, 做到对症下药。

宜春市 (DUM9) , 其工业污染治理投资总额、用水总量、社会就业人数和规模以上工业能源消耗应分别减少64.91%、73.36%、64.91%和69.57%。所有投入要素的调整比重都超过了2/3, 说明目前宜春市各投入要素存在非常严重的过剩问题, 尤其是用水总量。因此目前宜春市需要削减各投入要素的绝大部分以达到DEA有效, 同时要注重节水意识到培养, 提高水资源的利用率和其他资源的利用率。

五、小结

鄱阳湖生态经济区作为江西省的首个国家战略规划区域, 其生态资源的有效利用是保证鄱阳湖生态经济区可持续发展的重要途径。基于DEA方法的鄱阳湖生态经济效率评价模型可以有效解决鄱阳湖生态经济区不同区市同一时期和同一区市不同时期的生态经济效率排序比较、技术及规模有效性的确定、生态环境管理问题诊断等问题, 有利于管理调控与改善, 提高管理过程的准确性和快捷性。

参考文献

[1]OECD Proceedings.Innovation and the Environment[R].NewYork:OECD, 1999.139

[2]陆翱翔, 余虹.基于DEA模型的环鄱阳湖地区各城市经济发展效率评价[J].现代商贸工业, 2008 (10) :157-158

7.基于DEA方法的浙江建筑业发展评价研究 篇七

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.

8.基于DEA方法的浙江建筑业发展评价研究 篇八

海洋旅游是指以海洋环境系统为背景的旅游活动,海洋环境不仅包括海洋水体部分,还包括陆地上受海洋气候、海洋文化作用和影响的海岸带和海岛等区域[1]。作为世界产业经济中增长最快的领域之一,海洋旅游业将旅游与海洋紧密地结合在一起,据统计,世界上75%的旅游活动发生在海滨、海岛和海洋。根据《2014年中国海洋经济统计公报》,滨海旅游业以占海洋经济35.3%的比重领先于其他海洋产业,保持快速发展的态势。

浙江省拥有的海岸线长度和海岛数量均居全国第一位,拥有的海域面积相当于陆域面积的2.56倍,这些都为浙江省海洋旅游业的发展提供了优越的条件。同时,浙江省将海洋旅游业作为海洋经济强省建设的五大重点产业之一加以扶持,海洋旅游业呈现良好发展势头。由于中国海洋旅游业发展较晚,研究相对较少,本研究从投入产出角度对浙江省海洋旅游业效率进行分析研究,通过对沿海典型县域海洋旅游资源投入冗余和产出不足的测算,得出浙江省海洋旅游业发展中存在的问题,并在此基础上提出相应的建议。

2 研究方法

2.1 模型选取

数据包络分析方法(Data Envelopment Analysis,DEA)是数学、运筹学、管理科学和数理经济学的一个交叉领域[2],本研究选取的C2R模型是数据包络分析中用来研究具有多投入和多产出的决策单元同时为规模有效和技术有效的一种方法。假设有n个决策单元,每个决策单元都有相同的m项投入与s项产出,则C2R模型的公式如下:

式中:xij、yrj分别表示第j决策单元的第r项产出;si-、sr+分别表示松弛变量和剩余变量;xi0、yr0分别表示第j0决策单元的投入值和产出值;θ表示综合效率指数,λj表示权重变量;ε为非阿基米德无穷小量(一般取10-6)。

当θ=1,且si-=sr+=0时,则该决策单元DEA有效,即相对于其他决策单元,该决策单元的资源配置效率最优;当θ=1,si-和sr+不同时等于0时,则该决策单元为弱DEA有效,即该决策单元可以减少si-而保持原产出不变或者在投入不变的情况下可以将产出提高;当θ<1时,则该决策单元为非DEA有效,即该决策单元的资源配置效率低,经济结构需要调整[3]。

对于非DEA有效的决策单元,通过投影分析可以得出该决策单元效率不足的原因和程度,进而得到各决策单元要达到DEA有效的调整方向和程度,为决策者提供重要信息[4]。

2.2 决策单元的选取

研究对象是浙江省海洋旅游业效率,而海洋旅游业是以海洋自然资源和人文资源为基础的,表现出鲜明的海洋性特征,因此研究地域范围选取的是浙江省的沿海地区。从行政区划角度来看,沿海的县域范围比地级市范围的海洋性特征更为明显,又根据《浙江省海洋功能区划(2011—2020)》中划定的旅游休闲娱乐用海范围,从浙江省37个沿海县市区中筛选出既拥有海岸线又拥有旅游休闲娱乐用海的12个县级行政区,即象山县、北仑区、奉化市、苍南县、平湖市、普陀区、岱山县、嵊泗县、玉环县、三门县、温岭市、临海市,以这12个县级行政区的海洋旅游业效率作为DEA模型的决策单元。

2.3 投入产出指标的选取

根据旅游业的特点,大多数评价旅游业效率的研究都采用星级饭店数量、旅游景点数量、旅行社数量等作为投入指标,以旅游总人数和旅游总收入作为产出指标[5]。参考上述研究所选取的指标体系,结合浙江省海洋旅游的特征,本研究选取海岸线长度、旅游休闲娱乐用海面积、星级饭店数量、景区资源评分等4项指标作为DEA模型的投入指标,选取旅游总人数和旅游总收入等两项指标作为DEA模型的产出指标。数据来源于《浙江统计年鉴2014》、各县级行政区2014年国民经济和社会发展统计公报以及浙江省和各县级行政区旅游局官方网站。指标体系如表1所示。

3 浙江省海洋旅游业效率综合评价

3.1 综合效率分析

利用DEAP Version 2.1软件中的C2R模型对2014年12个县级行政区的海洋旅游数据进行测算,得出的综合效率值如表2所示。

由表2可以看出,DEA有效的有奉化市、平湖市、普陀区、岱山县、临海市,综合效率得分最高,表明其投入资源配置相对于其他决策单元已达到最优;象山县、北仑区、苍南县、嵊泗县、玉环县、三门县、温岭市为非DEA有效;综合效率最低的是苍南县,仅为0.582。

奉化市、平湖市、普陀区、岱山县、临海市综合效率值都为1,是浙江省海洋旅游业最高效率区,但它们达到最高效率的原因却不尽相同。奉化市和平湖市的海岸线较短,海洋旅游在全部旅游活动中所占比例不高,而鉴于数据的可得性,选取的产出指标中的旅游总收入和旅游总人数均为包括海洋旅游在内的全部旅游活动的总收入和总人数,因此可能导致奉化市和平湖市出现以较低投入获得较高产出的效率虚高现象[6]。普陀区和岱山县均位于全国第一个以群岛设市的地级行政区———舟山,这里是中国大陆海岸线的中心,舟山群岛作为中国第一大群岛,集海岛风光、海洋文化于一体的海洋旅游资源丰富,景点众多[7];普陀区拥有普陀山国家级风景名胜区、朱家尖海水浴场等著名景点,被誉为“东海蓬莱”的岱山县也拥有岱山岛省级风景名胜区等景点,每年都吸引众多全国各地乃至世界各地的游客前来旅游观光,普陀区和岱山县的海洋旅游业效率自然就高。临海市拥有的旅游休闲娱乐用海面积是所有决策单元中最小的,但作为中国历史文化名城,临海市有众多与海洋文化相关的历史文化古迹和风景名胜区,包括桃渚戚继光抗倭古城、江南长城、临海国家地质公园等[8],这也是临海市海洋旅游业效率高的原因。

3.2 投影分析

对非DEA有效的决策单元进行投影分析即可得到使其实现相对有效的目标值,DEA有效的决策单元的目标值即为其原始值。根据DEA模型中的目标值和松弛变量的取值,可整理出各决策单元的投入冗余量和产出不足量(表3)。

用非DEA有效的决策单元各个投入指标的投入冗余量除以实际的投入量即可得到该决策单元各个投入指标的冗余率,用各个产出指标的不足量除以实际的产出量即可得到该决策单元各个产出指标的产出不足率,具体结果如表4和表5所示。

%

%

由表3至表5可知,DEA无效的象山县、北仑区、苍南县、嵊泗县、玉环县、三门县和温岭市均存在不同程度的投入冗余和产出不足。综合效率值最低的苍南县各项投入指标的冗余率都较高,尤其是星级饭店数量冗余率高达85.2%,同时产出不足率也较高,表明其投入资源配置结构不合理,在保持原产出不变的情况下可通过合理组合使投入降低。象山县和三门县冗余率最高的投入指标都是星级酒店数量;嵊泗县、北仑区、玉环县、温岭市冗余率最高的投入指标都是海岸线长度,其中嵊泗县和北仑区冗余率第二高的是星级饭店数量,玉环县和温岭市冗余率第二高的是景区资源评分,说明海岸线资源、星级饭店、旅游景区的利用效率较低,从而导致其海洋旅游业效率较低。

3.3 浙江省海洋旅游业投入产出分析

由上述12个沿海县级行政区的海洋旅游业效率可大致得到浙江省的海洋旅游业效率。对上述12个沿海县级行政区的DEA值求平均数可大致得到浙江省的海洋旅游业效率为0.92,表明浙江省海洋旅游业效率整体较高。将这12个沿海县级行政区的各项投入指标的冗余量之和除以原始投入量之和、各项产出指标的不足量之和除以原始产出量之和,可大致得到浙江省海洋旅游业各指标的投入冗余率和产出不足率。具体结果如表6所示。

%

由表6可以看出,浙江省星级饭店数量的冗余率最高,究其原因是旅游星级饭店存在结构性供需矛盾。一方面,旅游饭店业进入壁垒低,投资热情高涨,结果饭店越建越多,而其退出壁垒较高,导致局部数量过剩[9];另一方面,满足游客日益增多需求的具有鲜明特点的酒店较少,如会议酒店、汽车旅馆、主题酒店等,因此星级饭店整体上利用效率不高,对浙江省海洋旅游业综合效率的贡献较低。海岸线长度与景区资源评分也有一定程度的冗余,浙江省海岸线长度及海岛拥有数量均居全国第一位,具有得天独厚的发展海洋旅游的条件,但现有的海洋旅游项目多为传统的观光旅游产品,面向经济实力雄厚的长江三角洲地区及海外等目标客源市场的高端旅游项目较少,如商务会展、邮轮、游艇等旅游产品,难以满足目标市场日益多样化的需求[10]。

4 结论及建议

4.1 结论

运用DEA方法中的C2R模型对象山县、北仑区、奉化市、苍南县、平湖市、普陀区、岱山县、嵊泗县、玉环县、三门县、温岭市、临海市等浙江省12个沿海县级行政区的海洋旅游业效率进行测算得出,奉化市、平湖市、普陀区、岱山县、临海市的海洋旅游业效率最高,象山县、北仑区、嵊泗县、玉环县、三门县、温岭市的海洋旅游业效率较高,苍南县的海洋旅游业效率最低。通过投影分析得出象山县、北仑区、嵊泗县、玉环县、三门县、温岭市、苍南县非DEA有效的原因是存在不同程度的投入冗余和产出不足情况。

浙江省的海洋旅游业效率整体较高,投入冗余率最高的指标是星级饭店数量,海岸线长度、旅游休闲娱乐用海面积、景区资源评分均存在一定程度的冗余,同时还存在产出不足的情况。通过调整投入组合、合理配置资源,浙江省的海洋旅游业效率还有提升空间。

4.2 建议

抓住契机,加速发展。浙江省海洋旅游资源丰富,继我国唯一以海洋经济为主题的群岛型新区———舟山群岛新区设立之后,还应抓住国家推动“21世纪海上丝绸之路”建设的契机,深度挖掘整理开发浙江省海上丝绸之路的文物古迹与文化价值,扩大浙江海洋历史文化的影响力。积极融入海上丝绸之路建设,交通的完善、贸易交流与人员来往的日益频繁,必定使浙江省的海洋旅游业受益。

合理投资,打造精品。浙江省海洋旅游业整体效率较高,但旅游项目多为低层次的游览观光和休闲娱乐,今后的投资应该瞄准高端旅游市场,深入开发度假、会展、邮轮、游艇等精品项目,以高端拉动低端,使海洋旅游产业链得到延伸与拓展[11]。同时,与之配套的度假酒店、会议酒店、邮轮码头、游艇基地也应同步建设。管理部门应引导合理投资,避免重复建设而导致的内部近距离激烈竞争。特色是旅游之魂,应努力打造精品,树立浙江省海洋旅游的独特品牌与形象[12],是提高其海洋旅游业效率的关键,也是实现海洋旅游业可持续发展的必经之路。

参考文献

[1]陈扬乐,王琳.海洋旅游导论[M].天津:南开大学出版社,2009:12-15.

[2]魏权龄.数据包络分析(DEA)[M].北京:科学出版社,2004:2-58.

[3]李加军,鲁峰.基于DEA方法的浙江旅游业效率分析[J].浙江树人大学学报(人文社会科学版):2011,11(5):34-37.

[4]刘波.基于数据包络分析的保险应用研究[M].北京:科学出版社,2013:15-21.

[5]孙玉琴.基于DEA的滨海区域生态旅游效率评价及优化研究[D].长沙:中南林业科技大学,2012.

[6]王宗超,程玉申,陆军文.基于DEA的浙江省地级市旅游业效率时空差异及变化研究[J].北京第二外国语学院学报,2013(11):28-37.

[7]王娜娜.舟山海洋旅游产品优化升级[D].舟山:浙江海洋学院,2014.

[8]胡念望.温州海洋文化旅游发展战略与保障措施研究[D].舟山:浙江海洋学院,2014.

[9]张志全.旅游饭店业供求矛盾原因初探[J].济南大学学报,2000,10(3):88-90.

[10]张广海,刘佳.我国海洋旅游功能区划研究[M].北京:海洋出版社,2013:211-228.

[11]魏小安,陈青光,魏诗华.中国海洋旅游发展[M].北京:中国经济出版社,2013:209-232.