DEA模型范文10篇

DEA模型范文篇1

关键词：物流业；效率；DEA

物流产业作为我国的支柱产业，被列为国家十大产业振兴计划之一，今后必然在中国经济增长中成为一个新的增长点。现阶段，在物流产业效率研究中，研究视角多以研究物流企业为主，从物流产业总体效率分析的研究也大多以主要大型上市物流公司的财报表现来代表整个物流行业。但物流业涉及范围广，存在各种类型的企业，其中民营企业占很大比重，仅仅将少数大型上市物流公司代表物流业的研究欠妥当。本文运用数据包络分析（DEA）的理论为基础，分别从规模效率、纯技术效率和综合效率方面分析全国各省市的物流效率状态，并指出各省在物流投入和产出方面的问题，希望为决策者对物流产业决策和规划提供理论依据。

1DEA模型介绍

数据包络分析（DEA）方法是由AChames,W.W.Cooper等美国著名运筹学家提出的，用于评价具有多个投入和多个产出的决策单元（DMU）间的相对效率的一种系统分析方法。在运用这一方法进行评价时，决策单元（DMU）作为决策对象，将所有决策单元的有效性作为评价结果，最后根据每个单元的DMU输入和输出，通过利用一定的模型得出这一单元（DMU）的输入输出相对其他决策单元来说是否是最优的；结果如果是最优的，则称为该决策单元有效，否则称决策单元弱有效或者无效。

DEA评价方法的第一个模型,也是使用最广泛的模型是C2R模型。本文用这一模型来判断各个地区物流的效率。判断某个决策单元DMU（有m个投入X个产出Y）其有效性的模型C2R，其对偶规则可表示为：

其中，ε为非阿基米德无穷小，θ表示决策单元的效率指数，xj为第j个决策单元的输入指标，yj表示第j个决策单元的输出指标，sj-为第j个决策单元的输入指标的松弛变量，sj+表示第j个决策单元输出指标的松弛变量，sj-和sj+分别表示投入冗余和产出不足，第j个决策单元的决策变量由λj表示。在此模型基础基础上，可以判断出DMU的DEA有效性，并且可以根据DEA有效性更深一层的经济含义，判断决策单元的生产活动是否同时满足技术有效和规模有效。当θ=1，sj-=0，sj+=0时，为DEA有效；当θ=1，sj-≥0,sj+≥0时为弱DEA有效，在这种情况下，虽然经济活动综合效率最佳，但是不是同时技术效率最佳和规模效益最佳；若θ＜1，则DMUj0非DEA有效，决策单元DMUj0的经济活动技术效率和规模效率都不是最佳状态。

2建立指标体系

传统生产理论认为，生产投入要素主要包括人力、物力和财力三类；产出主要的项目包括各种商品或服务等。本文选取的物流产业效率评价指标体系，选取交通运输、仓储和邮政业从业人员人数代表物流产业从业人员人数作为物流人力方面的主要投入；选取物流网络里程作为物力投入要素指标，限于数据的可得性和有效性，本文只选取铁路、内河航道和公路三种物流网络中最主要的三种方式，并将三者简单加总来度量物流网络发展状况；选取了各地区交通运输、仓储和邮政业固定资产投资额代表物流业固定资产投资额作为物流业的财力方面的投入。

在输出指标的选取上，主要从数量和质量两方面进行评价：选取各交通运输方式的货运量和客运量来表示数量方面的输出；选取各省交通运输、仓储和邮电业产值数据作为质量的输出，但在统计中包含了电信业的产值，而我国只有在国家层面才有对交通运输、仓储和邮政业产值统计数据，所以，本文采取全国各省的交通运输、仓储和邮电业产值代替物流业产值。

在数据选取上，本文选取2003~2008年全国31个省市（包括自治区和直辖市）物流业投入产出指标值的统计数据，主要数据来源2004~2019年的《中国统计年鉴》。本文选择6年的数据来做考量，这是考虑到物流产业从投入到产出的时间延迟性，评价一个地区物流业投入产出相对效率时，只有在较长时间过程把握才能做到针对和客观评价。

3DEA模型的评价结果与分析

本文采用了DEAP2.1软件测算全国31个省市地区物流产业的综合效率、纯技术效率、规模效率的相对值，DMU个数为31，2003-2008年的时期数为6，产出个数为3，投入个数为3，选取导向为投入导向。将6年的各地区物流产业综合效率、纯技术效率、规模效率的相对值取均值，并且按照均值分别排名。结果分析描述如下所述：

3.1规模效率分析

规模效率最好的为北京和西藏，在这6年中的规模效率均为1，相对其他省份规模最有效率，并且规模报酬处在不变的状态；其他省市均处于规模相对无效率状态，但是其中吉林、上海、海南、青海、天津、山西、黑龙江、陕西、甘肃、宁夏这几个省市规模效率在0.8-1之间，这说明在投入和产出方面稍做调整就能处于规模有效率的状态；剩下的其他省市离规模效率的状态还有很大的距离。

值得注意的是在分析2003-2009年各省市的规模报酬变化的趋势情况下，除了北京、西藏一直处于规模报酬不变的情况外黑龙江、上海、青海这三个省市规模报酬逐渐趋于不变的状态，这说明这几个城市在投入和产出方面的不懈努力使物流产业规模效率不断增加，接近于规模效率最优的状态；天津、河北、山西、辽宁、吉林、江苏、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、山西、甘肃、新疆这几个省市的发展趋势是规模报酬递减，这说明物流产业与其他地区相比较而言在远没有达到最优生产规模时就普遍出现规模报酬递减，这不符合物流产业的明显规模收益特征，这是由于这些省市物流产业投入相对过量或者过于分散，造成集中度低，因此在以后的发展中适当放缓增加投入量，主要考虑对投入资源加强管理，更加充分地利用现有的物流资源，以使其达到最大的产出；只有宁夏一个省一直处于规模报酬递增的状态，说明在以后的物流产业规划当中，要不断增加投入并且要吸收其他省份的经验和教训，在加大投入的同时充分做好产业政策协调，避免重复建设，进行全盘的规划，加强产业联动，发挥物流产业集群的加速优势。

3.2纯技术效率分析

所谓纯技术效率分析，就是在排除规模因素的影响下，投入资源的利用情况对综合效率的影响。根据以上数据计算的规模效率值如下表所示：

在纯技术效率方面，效率最高的是北京、上海、海南、湖北、广东、云南和西藏七个省市，在6年中的纯技术效率为1，这说明这些省市的物流产业已经达到投入与产出的最佳，不存在投入冗余或者产出不足的现象。而其他省市的纯技术效率都小于1，这一数据说明在这些地区物流业发展过程中出现投入冗余或者产出不足，要解决这些问题必须通过加强内部管理、引进先进技术设备、提高从业人员素质等方式。

3.3综合效率分析

根据数据计算的各省市的综合效率值如下表所示：

综合效率方面，效率最高的是北京和西藏两个省市，它们在这6年中总综合效率均为1，两个地区技术有效；在剩下的几个省市中，黑龙江、云南、甘肃、上海、青海的DEA值都处于0.8－1.0之间，表明这五个省份处于边缘非效率，要想达到技术有效率状态，只需对投入产出方面稍作调整即可；其它地区的综合效率值小于0.8，这说明与上述省份对比来说，这些省市在物流业投入的资源并没有得到充分的利用，也没有达到最优化产出，物流供给能力存在剩余，物流资源并没有得到充分利用，不仅如此它们的效率值明显低于0.8，想要提高存在很大困难，这需要调整和优化投入和产出中多个指标。

DEA模型范文篇2

商业银行的效率是衡量其业绩的一个重要指标，反映了银行对各种资源运用和配置的效果。通过对历年商业银行效率的检验，可以对比各银行间的优势和不足以及效率的动态变化，为商业银行的发展和改进提供借鉴。银行效率的分析方法分为非参数方法和参数方法两种，其中非参数方法主要有数据包络分析方法(DamEn—velopmentAnalysis—DEA方法)和无界分析方法(FkeDis—posaIHuI-FDH方法)；而参数分析方法主要有自由分布方法(DhtribufionFreeApproach—DFA方法)、随机前沿分析方法(StochasticFrontierAnalysis—SFA方法)以及厚前沿分析方法(ThickFrontierAnalysis-TFA方法)-种。数据包络分析方法(DataEnvelopmentAnalysis，DEA)是一种常用的检验效率的分析方法，是1978年由美国运筹学家A．Chames，W．W．Coop和E．Rhode首先提出的，用于评价部门间的相对有效性。主要通过线性规划求解的方式来计算。1985年Sherman和Gold首次将DEA引入银行业进行效率评价。Bangan(1988)等人采用DEA方法对1986年美国215家银行的效率进行的实证研究表明，这些银行的技术无效更多是由纯技术无效引起的。Fukuyama(1993)采用DEA方法研究了日本1990年至1991年度143家银行的效率，得出日本银行的技术无效也是由纯技术无效引起的。国内很多学者在借鉴西方国家的经验基础上也开始利用DEA及其改进模型对我国银行效率进行了检验。张建华(2003)利用DEA模型及其改进模型，第一次对我国三类商业银行1997—2001年的效率状况进行了全面分析。郭均鹏、吴育华和李汶华提出了基于不变规模收益(CRS)和可变规模收益RS)的超有效数据包络分析(SE—DEA)，罗登跃在SE—DEA模型的基础上对我国12家商业银行2001和2002年的效率进行了分析。倪海江和万迪防(2006)对1998—2002年的我国14家商业银行的Malmquist指数进行了分析。

二、DEA模型简介

DEA的基本模型一般有两个：CCR模型和BCC模型。CCR模型是由A．Chames。W．W．Coper和E．Rhode提出的，因其假设规模报酬不变，也叫做CRS模型，但是这个假设在实际生活中是很难实现的，Banker，Chaines和Cooper在此基础上提出了规模报酬可变的DEA模型。即BCC模型，也称VRS模型，这样由CRS计算出来的技术效率frE)被分解为纯技术效率(PTE，由VRS得到)和规模效率(s|E)。假设有n个部门，每个部门被看作是一个决策单元(DMU，DecisionMakingUnits，简称DMU)，每个DMU都有m种类型的输入和S种类型输出。DMUjG=1，2…n)代表第j个决策单元，】【i；为第J个DMU中第i种类型输入的总量，为第j个DMU中第r种类型输出的总量。则第j个单元的效率评价为：其中ur和vi为投入和产出的权重，由此依据基于投入产出最大化或基于产出投入最小化的原理，最终建立如下的线性规划模型G基于输入的CCR模型)：其中S。和S+为引入的松弛变量向量，分别表示投入冗余量和产出不足量，0为上文所说的技术效率fiE)，该模型的最优解即为对应DMU的效率状况。以上CCR模型是假设规模收益不变的情况下，为了分解出纯技术效率if''''rE)，引入约束条件善^一，就得到了基于规模报酬可变的BCC模型，该模型的最优值即为纯技术效率，记为盯。记规模效率最优值为P，则0=P×叮。两模型的结果都根据如下原则进行判断和分析：(1)若0(盯)=1，且S-=S*=0，则称对应DMU为DEA有效，即由n个DMU组成的经济系统中，该单位已经达到了投入产出最优。(2】若0(盯)=1，且s_≠0或s+≠O，则称对应DMU为DEA弱有效。即由n个DMU组成的经济系统中，投入X减少S-也可以维持原产出。或者在现有的投入量X下可以将产出提高S+。(3)若0(盯)<1，则称该DMU为DEA无效。

三、评价指标和样本的选择

(一)评价指标的选取

银行投入产出指标的选择是效率检验的前提和关键，受数据的可获得性、研究目的等因素的影响，以往的研究在选取上并没有形成统一的标准和原则，主要的方法有生产法、中介法、资产法、用户成本法和附加值法，前两种是最常用的方法。生产法认为商业银行是提供各种资金服务的组织，它将劳动力、资本等非利息支出看作投入，将存款和贷款都看作支出；中介法则将商业银行看作一种金融媒介，将存款、劳动力等资源转化为贷款和投资。综合以往的研究，本文选取的投入指标为员工人数、固定资产、营业费用和核心资本，产出指标为净利润和存贷比。这是基于以下考虑：如果将银行看作一个普通的企业，四项投入指标都是基本的要素，追求的是利润最大化。以往的文献中很少将存贷比作为产出指标，而单一的存款或贷款无法体现出资金的配置，因此将存贷比作为产出指标，体现了银行的资金配置和风险承受能力。

(二)本选择

笔者选取的样本是2005年至2009年的15家股份制银行，包括四大国有控股银行和11家全国性商业银行，分别是中国工商银行、中国农业银行、中国银行、中国建设银行、交通银行、中信银行、中国民生银行、华夏银行、招商银行、兴业银行、恒丰银行、浙商银行、中国光大银行、深圳发展银行和浦东发展银行。样本中的银行及其分支行占我国银行体系的大多数，可以代表我国商业银行的整体状况。2005年我国实施了一系列以银行为核心，包罗金融市场、金融监管政策和制度的金融改革，国有银行股改上市，多家股份制银行引入外资，因此选择2005年至今的数据。

(三)数据来源及计算

指标数据来源于各年《中国金融年鉴》和各银行对外公布的年度报告，为了更好的体现银行的效率，某些大型银行采用的是公司财务报表而不是集团财务报表数据。本文实证分析的基本结果是由deap2．1软件得到。

四、我国商业银行效率的实证分析

(一)总体分析

为了能使数据更精确的反应银行的效率，首先求得各年银行效率均值，如表1所示：技术效率逐年递增，平均增长率为2．85％，说明我国商业银行的整体效率是在提升的；规模效率在2007年有所下降，平均增长率为3．32％。规模效率是规模经济的测度指标。如果SE=I，则该银行处于适度规模状态；如果SE<I，规模报酬上升，规模可以适度扩大；如果SE>I，规模报酬下降，规模应当适度控制。所以从整体来看，我国银行业的规模报酬是上升的，在这种趋势下，银行业规模会进一步扩大。纯技术效率呈现波动下降的趋势，2009的效率为0．917，低于o5年和07年的效率，说明在规模报酬可变的情况下，我国银行的经营管理状况不稳定，需要提高内部管理水平。由图1可以直观看出五年来我国商业银行的效率变化，可以看出技术效率是缓慢上升的，接近0．9，而规模效率和纯技术效率则呈现交叉趋势，大致可以分为两个阶段．2005—2007年纯技术效率在规模效率之上，说明技术效率的损失主要来自于规模效率；2007—2009年规模效率大于纯技术效率，说明这段时间主要是纯技术效率影响了技术效率，经营管理因素限制了银行效率水平。由图2可以看出银行间效率的标准差总体趋势是下降的，这恰好印证了我国银行业的发展状况，现有银行竞争激烈，新银行和业务的引入进一步加剧竞争，为了更好的在市场中立足，各银行必然注重各种资源的合理利用和内部经营管理的改善，以更好的占有优势。

(二)商业银行效率结构分析

各家银行的具体效率反映了我国商业银行效率的内部结构，可以看出银行间效率差异。从表2可以看出：兴业银行、恒丰银行和浙商银行三个效率指标都显示为非DEA有效，且处于适度规模状态。从技术效率看，建设银行、浦发银行也较高。从规模效率看，除上面说过的三家银行外，建设银行的规模效率值也为1，说明建行的规模已经基本饱和，需要在运营效率上加强重视。从纯技术效率看。华夏银行和浦发银行的效率水平也很高。四大国有控股银行的技术效率和纯效率均值分别为0．7552和0．8389，均小于股份制银行。而规模效率为0．9018，却大于股份制银行。这说明国有控股银行技术效率主要受纯技术效率的影响，股份制银行的技术效率则主要受规模效率影响。我国国有控股银行资产规模庞大，网点众多，人力财力雄厚且有国家政策支持，依靠扩大规模增加收益的空间已经不大，反而给内部管理机制带来压力，造成经营效率的降低。股份制银行与国有控股银行相比机制灵活，内部信息沟通较好，主要限制在于资本和客户方面，因此规模效率会较低。从规模收益来看，2005年规模收益递增的银行只有农业银行和深圳发展银行，规模收益不变和递减的银行数量相当，2006年有9家银行规模收益递减，华夏银行规模收益递增；2007年规模收益递减的有1O家，从五年情况来看，大部分银行都处于规模收益递减的状态，这说明从总体来看，我国商业银行的要素投入和产出处于不匹配的状态，这还是反映出我国商业银行内部管理上的问题，如果只是单纯的扩大规模，而经营管理上不随时跟进的话也会造成资源的浪费。

DEA模型范文篇3

评价对象与评价指标

本研究选取我国31个省、直辖市的公共图书馆作为评价对象。选取这31个评价对象主要出于以下的考虑：（1）这31个省、直辖市的公共图书馆的投入产出原始数据可以摘自相关年份的《中国文化文物统计年鉴》，从而确保评价数据来源的权威性、准确性和统一性。（2）选取的个体都属于省级区域的公共图书馆，能较好地符合DEA评价中决策单元“相同类型”特性的要求。（3）由于近几年来全国文化信息资源共享工程的建设，全国各省、直辖市的图书馆硬件、馆藏和信息服务不断完善，完成了以“百万册（件）文献共建”与“四个一优秀作品”为核心的数字资源建设，整合贴近大众生活的社会文化信息资源。选取这31个省、直辖市的公共图书馆作为评价对象，可以增加评价活动中决策单元之间的可比性。构建公共图书馆效率评价指标体系如表1所示。表1公共图书馆效率评价指标体系注：表中各评价指标的数据来源于2011年度的《中国文化文物统计年鉴》[7]。

评价结果与结论

本文利用DEAFrontier软件对投入、产出指标的数值进行计算。DEAFrontier软件作为Excel的一个插件，具有简单易用的特点，软件的所有操作都在Excel电子表格中完成。在DEAFrontier软件中用C2R和C2GS2模型进行统计，可得各省、直辖市的总体效益值、技术效益值、规模效益值及其规模收益状态（见表2）。由表2可知，利用C2R和C2GS2模型计算出总体有效的有13个地区，分别为北京、黑龙江、上海、江苏、浙江、福建、山东、湖北、湖南、广东、广西、海南、重庆。为了进一步比较这13个总体有效的地区公共图书馆的效率情况，继续运用DEAFrontier软件所提供的超效率DEA模型对处于C2R模型效率前沿面的13个地区公共图书馆的总体效益做了进一步的测算，计算出了这13个地区的超效率值，其运算结果见投入指标人力投入X11机构数；X12从业人员；X13高级职称人员产出指标Y1累计发放有效借书证数Y2流通人次Y3刊文献外借册次物力投入X21总藏量；X22公用房屋建筑面积；X23电子阅览室终端数；X24阅览室坐席数财力投入X3本年支出合计图书信息资源投入X41本年新购藏量；X42当年购买的报刊种类2012年第12期表3。可以看出，超效率DEA模型却让原来得分为1的地区有了新的效益得分，各地区公共图书馆的效率水平更加明显化4.2评价结论对评价结果进行分析，可以得到如下的结论：（1）31个地区的公共图书馆的效率总体水平不高，只有北京、黑龙江、上海、江苏、浙江、福建、山东、湖北、湖南、广东、广西、海南、重庆这13个地区达到总体有效，占参评地区总数的41.9%。在理论上，相对其他地区来说，这13个地区的公共图书馆资源配置达到了最优，效率相对最高。另外从表3可以看出，效率最高的前3名分别是湖北、上海和北京。表313个总体有效地区的超效率值（2）非总体有效的18个地区中，西藏和青海达到了技术有效，其非总体有效是由规模太小引起的，这2个省提高图书馆效率的一个有效途径就是加大其资源投入的力度和规模；其它16个地区既是非技术有效又是非规模有效，它们一方面需要改进管理水平，提高现有资源的利用效率，使投入的资源得到充分的利用，另一方面还要增加投入以适应图书馆的管理水平和资源配置效率。（3）从规模收益状态来看，2010年我国大部分地区的公共图书馆都处在规模收益递增阶段，这说明这些地区的公共图书馆都处在资源投入不足的状态，换句话说，这些地区的公共图书馆如果将所有投入资源的数量都以相同比例增加，将获得更大比例的回报[8～9]。

DEA模型范文篇4

从中国保险监督管理委员会黑龙江省监管局网站上了解到的数据来看，截至2013年6月，黑龙江省隶属于省级的财产保险公司已经拓展到12家。分别是中国人民财产保险股份有限公司黑龙江省分公司（人保财险）、中国太平洋财产保险股份有限公司黑龙江分公司（太保财险）、中国平安财产保险股份有限公司黑龙江分公司（平安财险）、天安保险股份有限公司黑龙江省分公司（天安财险）、中国大地财产保险股份有限公司黑龙江分公司（大地财险）、华安财产保险股份有限公司黑龙江分公司（华安财险）、安邦财产保险股份有限公司黑龙江分公司（安邦财险）、都邦财产保险股份有限公司黑龙江分公司（都邦财险）、永诚财产保险股份有限公司黑龙江分公司（永诚财险）、太平保险有限公司黑龙江分公司（太平保险）、阳光财产保险股份有限公司黑龙江省分公司（阳光财险）、中国人寿财产保险股份有限公司黑龙江省分公司（人寿财险）。黑龙江省财产保险行业近年来得到了稳定的增长。据2013年3月7日黑龙江保监局公布的数据显示，2012年，黑龙江省实现保费收入344.15亿元，同比增长8.3%，其中财产保险业务收入101.18亿元，相比上年有较大幅度的增长，比例为17.58%；保险公司总资产939.94亿元，较年初增加138.06亿元。黑龙江省财产保险业务收入占保险业总收入的29.4%，在同类保险中增幅最大，高于人身险4.85%的增长率。2009年9月，人保财险黑龙江省分公司提出10项重点工作举措，对推进理赔集中，加强全省核损中心和远程定损中心建设，加大差异化授权力度有了较大的促进，对连续经营亏损的分支机构开展检查，实施正反向机制激励，并加强了依法合规经营负责机制和合规体系的建设，对建立对分支机构设立“小金库、账外账”等违规行为进行了规范。2010年6月，黑龙江省建立小额保险客户理赔绿色通道，黑龙江省各试点财产保险公司均开通农村小额人身保险客户理赔“绿色通道”，简化理赔流程，明确小额保险理赔案件“三个优先”原则，即优先受理、优先处理、优先给付。使农村小额人身保险理赔速度得到了极大的提高，是黑龙江省财险公司服务质量提升的一大进步。2012年3月黑龙江保监局指导黑龙江省保险行业协会出台《黑龙江保险业“十二五”宣传规划》。《规划》明确了“十二五”期间黑龙江保险业宣传工作指导思想、基本原则和工作目标，进一步促进了黑龙江省的财产保险业务的发展。黑龙江省财产保险公司致力于完善保险市场体系，整顿保险市场秩序，省内保险行业的增速一直领先于GDP发展水平，二者之间正相关性明显。因此，随着结构的进一步优化调整，经济的持续发展，需求主体的收入增加，财产保险行业的发展前景十分可观。但由于行业内竞争较为激烈，财产保险市场的竞争日益白热化，大中小财产保险公司仍然追求数量上的争夺，而不注重质的提高，在综合成本增加的同时也不利于资源的优化配置，更难以形成规模经济，整体盈利不增反降；财产保险市场的经营秩序较之寿险较为混乱，市场划分过于笼统；缺少规范的运行和考核机制，通过保费的指标完成量来考核员工，员工只重视拉单，缺乏成本认识，导致财务运行上存在资金风险。

二、黑龙江省财产保险公司经营效率的实证分析

（一）模型选取

因DEA模型不需要预先估计参数，在避免主观因素和简化操作、减少差错方面具有不容小觑的优势。本文采用DEA方法来分析黑龙江省财产保险公司的经营效率，通过对黑龙江省财产保险公司进行经营效率分析，能明确黑龙江省财产保险行业的效率现状。在评价行业的经营效率时，往往需要比较分析同时期内的投入与产出、付出的成本和获得的收益等因素。对于保险公司而言，其经营效率的衡量也参照这几个指标。

（二）指标选择

根据众多学者归纳的保险效率研究的资料来看，保险业效率的投入产出与其他行业不完全一样，因此，我们按照经验，将投入变量指标大致分为人力资本（X1）、权益资本（X2）和营业费用（X3）这三大类，其中人力资本指人员招聘、培训等非物力资本，权益资本指投资者所投入的资本金，营业费用是指销售产品和提供劳务等日常经营过程中发生的各项费用。产出衡量指标分别为总投资报酬率（Y1）及业务收入（Y2）两项，其中总投资报酬率是指保险公司获得的总收益与全部资产的比率，业务收入主要是指保费收入。

（三）样本单元选取

在数据选取中，为了满足数据的稳定性和准确性，剔除了都邦财产保险股份有限公司黑龙江分公司和永诚财产保险股份有限公司黑龙江分公司两家公司，这两家所占有的份额极少并且业务优势不明显，所筛选的10家省级财险公司的收入之和占据黑龙江整体财险公司份额的90%以上，且2008~2012年的时间周期内财务数据较为健全（2013年度数据不可得），同时通过《中国保险年鉴》可以获得充足的样本素材。因2008年金融危机之后整个保险行业的发展有了新的定位和变化，而且2008~2012年指标数据量较多，特选取2010、2011及2012年的数据样本作为参考。

（四）模型计算

我们将所选取的黑龙江省这10家财险公司2008~2012年的投入、产出变量数据带入到DEA模型中，运用DEAP2.1软件进行TE、PTE、SE值的计算。

1.技术效率TE

通过第二部分的分析我们知道，当TE=1时为最佳的成本和产出的配置效率。通过计算，黑龙江省2008~2012年期间，技术效率总体平均值为0.82598，处于较为良好的状态，总体波动不大。排名前四的几家财险公司生产效率在均值以上，其他几家财险公司的技术水平均达不到均值，这表明黑龙江省大多数的财险公司技术效率仍然偏低，多数财产保险公司效率较低与财产保险公司营业亏损有关，也就是与X3指标有关。其中华安财险和人寿财险在指标投入上很相近，但在技术效率排名上相差四名，这说明不同公司的管理方式和经营方向不同，即使投入相似，最终的回报也是会有差异的，财产保险公司经营效率低下有很多原因，有的是本身效率低，有的是成本过高造成的，还有的是内部管理有问题，从管理层面上来讲，是由于企业片面的追求业务规模和大面积的扩大市场份额，忽视了对产品质量和服务的改进造成的。保险市场竞争白热化已经是不争的事实，这个时候需要我们从内部挖掘潜力，从质上提高，多开发不同的业务类型，培养具有自身特色和竞争力的产品。

2.纯技术效率PET和规模效率SE

黑龙江省近五年来这10家财险公司的技术效益变化与规模效益变化大体趋势一致，较大规模的资金获取能力并不一定比规模小的财险公司高，例如，2008年新成立的阳光财险和人寿财险，其规模效率值SE在2012年度分别为0.933和0.966，在这10家单位中排名靠前，而阳光财险和人寿财险的保费排名在第五位和第四位，也就是说人员规模，固定资产规模与经营效率不一定成正比关系。另外，在这一阶段各类效率值的变动缺乏稳定性，面对外部政策和市场变动时小规模的财险公司反而具有更灵活的特征。说明一味地追求量的发展模式已经不能适应新形势的需求，随着规模的盲目扩大，财险公司的成本激增，反而出现了收益降低的情况。因此，需要我们重视企业内部管理资金技术的合理配置，避免这种内在不经济的情况，提高整体的资金配置效果。

三、结论分析

（一）盲目扩大市场，忽视重点客源需求

从管理层面上来讲，是由于企业片面的追求业务规模和大面积的扩大市场份额造成的。财产保险行业往往关注有多少客户，签了多少保单，为了扩大市场而盲目签单，而不去衡量是否真正能够带来收益，因此出现了市场份额增加收益却减少的情况。市场的盲目扩大，忽视重点客源的挖掘和培育，是导致这一情况的主要原因。黑龙江省财产保险行业大多数的财产保险公司技术效率偏低，只有排名前四的人保财险、太保财险、平安财险和天安财险的生产效率处于均值之上。面对这种业务规模不断扩大但是效益却节节下降的情况，我们更应该强调这种“效率优先”的模式，重视业务质量的提升，因为质量的竞争才是取胜的根本。

（二）业务缺乏特色，服务质量有待提高

黑龙江省财产保险公司的排名和所占有的份额基本上没有很大的变动，人保财险和平安财险近年来排名一直为第一和第二的位置，主要保险业务类型也较为稳定。保险市场竞争白热化已经是不争的事实，保险公司热衷于在原有市场上争夺，类似人保财险和平安财险这样的巨头财产保险公司，在市场的争夺上具有一定优势，因此能保证盈利的增长。较小的财产保险公司，例如天安财险和大地财险，市场份额逐步被抢占，所占有的份额逐步下降，业务类型较为单一。另一方面也说明黑龙江省财产保险公司在新市场的开发上缺乏业务特色，服务质量有待进一步提高。黑龙江省财产保险公司应根据其自身的实力和发展目标，确定公司的目标市场，然后分析了保险产品，细分市场，面向市场设计自己的保险产品，保险产品和服务需求相结合能够使得业务特色更为鲜明，需要进一步加大新产品开发和管理的企业，同时注意服务质量的提高，进一步提高市场份额。

（三）规模经济水平不高，资金配置效率低

DEA模型范文篇5

DEA是由美国著名运筹学A.Charnes和W.W.Cooper等人于1978年提出旨在评价“多投入多产出”模式下决策单元间的相对有效性的方法[1]。由于不需要预先估计参数，因此，在避免主观因素和简化运算等方面有着良好的优越性，在各个方面得到了广泛的运用[2]。DEA模型主要有规模报酬不变的CCR和规模报酬可变的BCC两种基本形式。采用基于投入的CCR模型。假设有n个年度（受评估的决策单元DMU），每个决策单元DMUj都有m个输入和s个输出。其中，θ表示决策单元DMUj离有效前沿面的径向优化量，这里表示浙江省低碳经济效率；s+和s-为松弛变量，其非零时使无效DMUj沿水平或垂直方向延伸到有效前沿面[3]。若θ=1且s+=s-=0，则称决策单元DMUj为DEA有效，表示浙江省第j年的低碳经济DEA有效；若θ=1且s+≠0或s-≠0，则称决策单元DMUj为DEA弱有效，表示浙江省第j年的低碳经济DEA弱有效；若θ<1，称决策单元DMUj为DEA无效，表示浙江省第j年的低碳经济DEA无效。为表明各年各要素的投入量或产出量是否合适，可以计算投入冗余率和产出不足率。其中投入冗余率为决策单元DMUj中投入各分量的松弛变量sij-与与对应指标分量xij的比值，表示该分量指标可节省的比例；同样产出不足虑为决策单元中各产出分量的松驰变量sij+与对应指标分量yij的比值，表示该分量指标可提高的比例[4]。

二、指标选择和数据输入

传统的用于评价经济的DEA模型投入指标主要为资本投入和劳动投入，产出指标为经济总量。将DEA模型用于评价低碳经济，则在投入指标中加入了能源投入，产出指标变为低碳产出水平。各个具体指标的选取（如下表所示3）。

三、实证分析

将上述数据代入DEA模型。使用DEAP2.1软件进行计算，结果（如下页表4所示）。从下页表4中可以看到，只有2005年和2012年实现了DEA有效，其余各年DEA无效，即浙江省2005年和2012年的低碳经济发展是有效率的，其余各年的低碳经济发展是无效率的。从具体的数值来看，无效率各年的DEA效率都在0.9以上，表明这些年实现DEA有效是较为容易的。低碳经济整体发展水平较高。对DEA综合效率（TE）进行分解，可以得到纯技术效率（PTE）和规模效率（SE）。从表4中可以看到，在各DEA无效的年份中，2008年和2010年达到了纯技术效率有效，其DEA无效是由规模效率无效造成的。其余4个年份的DEA无效则是纯技术效率无效和规模效率无效共同导致的。计算各年的投入冗余率，结果（见表5）。从表5中可以看到，各年各投入要素的投入冗余率均较小，表明浙江省低碳经济中资源配置的效率较高。投入冗余率不为零表明配置效率还有进一步提高的余地。

四、结论和建议

DEA模型范文篇6

在研究我国文化传媒类上市公司效率时，计量分析、因子分析、聚类分析、财务指标分析等方法被经常采用。胡志勇、王首程、李祥伟运用描述性统计对我国传媒产业2001～2005年发展状况的经验分析表明，无论是从市场预期层面还是从公司自身的经营效绩方面来看，传媒上市公司都优于其他上市公司，传媒产业是我国经济体系中的朝阳产业［1］。刘宗林、程静薇以上市公司中视传媒为例，从获利能力状况、运营能力状况、偿债能力状况和发展能力状况等方面，选取行业标准值和评价系数进行行业横向对比分析，结合中视传媒2005～2007年的财务数据和财务比率进行年度纵向比较分析，初步探讨了传媒类上市公司的经营绩效评价与分析体系［2］。邓建商选取12家沪深两市传播与文化产业公司为样本，利用样本在2008年6月30日公布的年报数据，运用因子分析法和主成分分析法，对我国传播与文化产业上市公司的经营绩效进行实证分析，发现我国传播与文化产业上市公司的经营绩效存在分化现象且呈一般的正态分布。他举例分析了影响上市公司经营绩效的因素以及绩效分化的原因［3］。庞万红、赵勋从传媒上市公司成长性、获利性、偿债能力及财务状况考察了传媒上市公司运营绩效［4］。

采用DEA方法对传播与文化产业上市公司效率进行评价，可以有效地避免财务指标评价方法的不足(对整体绩效缺乏分析)和主成分分析法的缺点(对引起结构的动因缺乏分析，难以提出改进业绩的途径)，在不需要预先知道投入产出指标之间的显著性函数关系和预先计算投入产出综合比率的前提下，能更客观、有效地对同类企业的效率作出评价。采用DEA模型，无需事先人为地确定各指标的权重，避免了在权重分配时评价者的主观意愿对结果的影响。刘玉丽利用2003年10家文化传媒类上市公司数据，运用数据包络分析法，对其经营绩效进行分析，得出结论是当规模收益减少时，压缩资本规模不符合传媒行业长远发展，为此要提高资本的运营效益［5］。闵素芹、李群选取能够从各个角度反映上市公司经营业绩的输入、输出指标，利用DEA模型对我国11家传媒产业上市公司进行了DEA有效性评价和规模效益分析，从模型出发对测算结果进行了必要的分析并提出了相应的建议［6］。葛妍对我国沪深两市13家文化传媒类上市公司2008年财务数据进行了因子分析和聚类分析，得出其综合评价排名，进行分类并评价了其综合业绩和特征［7］。戴新民、徐艳斌利用我国沪深两市23家传播与文化产业上市公司数据进行DEA分析，结果表明传播与文化类上市公司效率较低，绝大多数公司规模报酬是递减的，规模无效率是技术效率低下的主要原因［8］。本文利用我国沪深两市上市的文化传媒类公司年报数据，运用DEA模型对文化传媒类上市公司的效率进行实证分析。

二、DEA基本原理和数据说明

(一)基本原理

数据包络分析方法(DataEnvelopmentAnalysis)简称DEA方法，能够客观地对决策单元的相对有效性进行比较，作出综合评比。DEA是测度具有多投入多产出的决策单元(DMU)效率的非参数方法，有很多种模型，如CCR模型、BCC模型、CCGSS模型、CCW模型、FG模型、ST模型等，其中最常用的是假定规模报酬不变(ConstantReturnScale，CRS)的CCR模型和模型假定规模报酬变动(Varia-bleReturnScale，VRS)的BCC模型。本文主要选取CCR模型和BCC模型对我国文化传媒产业的上市公司进行分析。利用CCR模型得到文化传媒类上市公司整体的综合技术效率，利用BCC模型得到纯技术效率，根据所得结果进一步分析我国文化传媒类上市公司的规模效率。本文的决策单元为34个，而投入产出指标为5个，适合应用DEA方法。本文选取了固定资产、员工数量以及主营业务成本作为投入指标，选择了主营业务收入和净利润作为产出指标。

(二)数据说明

本文所做DEA分析以表1中的34家文化传媒上市公司2012年年报数据为基础。按照《上市公司行业分类指引》，根据这34家文化传媒类上市公司的主营业务，将这34家公司主要分为出版业(书、报、杂志、资料和影像制品业)、广播电影电视业(广播、电影和电视业)以及信息传播服务业和互联网3类。

三、效率和规模报酬分析

(一)效率分析

1.综合技术效率。表2显示，华录百纳、人民网、华策影视3家上市公司的综合技术效率为1，表示这3家公司是最有效率的单位，即其在整体运作上处于最佳状况。根据本文对文化传媒类上市公司的划分，3家公司综合效率为1的公司分别属于广播电影电视业、信息传播服务业和互联网、广播电影电视业。没达到1但综合效率在0.9以上的3家公司中，华谊兄弟、光线传媒、新文化都属于广播电影电视业。结合它们各自的主营业务可见，广播电影电视业的整体运作状况良好，特别是电影电视节目制作行业目前的发展处于一个有效经营的水平，资本运作和经营管理效率较高。低于综合技术效率均值0.724的文化传媒上市公司共有18家。其中，属于出版业的9家公司是皖新传媒、中南传媒、时代出版、出版传媒、中文传媒、粤传媒、长江传媒、大地传媒和天舟文化，属于广播电影电视业的只有中视传媒1家，属于信息传播服务业和互联网的8家公司是上海钢联、电广传媒、华谊嘉信、广电网络、华闻传媒、北巴传媒、歌华有线和华数传媒。

2.纯技术效率。表2显示，文化传媒类上市公司的平均纯技术效率达到0.883。其中，纯技术效率为1的文化传媒类上市公司有13家，分别是华谊兄弟、光线传媒、华录百纳、ST传媒、中南传媒、吉视传媒、中文传媒、凤凰传媒、人民网、百视通、蓝色光标、华策影视、省广股份。数据表明，从行业整体来看，传媒类公司能够较好地利用各项技术要素来更大可能地创造产值。拉低整个行业纯技术效率均值的主要原因来自于歌华有线和中视传媒，一个为地区有线电视网络的垄断者，另一个则为央视控股的影视广告公司，这两家在行业内享有优势资源和各种便利条件的公司，在投入的要素和资源使用方面，存在着很大的无效率。

3.规模效率。规模效率表示该部门的投入项和产出项之间是否达到最佳状态。与纯技术效率方面相比，规模效率值达到1的公司仅有3家，为华录百纳、人民网、华策影视，其中两家属于影视剧制作公司，1家属于新媒体中的互联网公司。但与纯技术效率不同的是，在规模效率方面，文化传媒行业内多数公司的水平比较集中，在0.82左右。只有中文传媒一家公司规模效率值仅为0.541。表2显示，在纯技术效率中取得了1的中南传媒和中文传媒，因为规模效率分别仅有0.686和0.541，导致整个公司的综合技术效率的降低。这意味着这两家公司的投入与产出比存在着较大问题。

4.效率整体情况分析。文化传媒产业上市公司效率整体水平较低，影视剧制作公司效率在行业内最高。首先，2012年我国境内主板上市的文化传媒类公司的平均综合效率为72.4%，这个结果意味着文化传媒产业的效率还有17.6%即超过1/4的提升空间，而且该数据是由国内34家主板上市的文化传媒类公司得到，这也代表着1/4的差距仅仅只能代表着平均水平与国内最好水平的差距。而与文化产业起步早、发展快的发达国家水平相比，差距只会更大。其次，平均纯技术效率为88．3%，规模效率为82．1%，平均纯技术效率水平大于平均规模效率水平，这代表着我国文化传媒产业规模效率较低，从而拉低了技术效率的作用。同时，这也意味着，即使在不改进技术条件的情况下，单单考虑各企业规模效率水平，我国文化传媒产业效率也仍然有很大的进步空间。

(二)规模报酬分析

1.大多数文化传媒类上市公司处于规模报酬递减阶段。表2显示，只有华录百纳、人民网、华策影视3家公司处于规模报酬不变的情况下生产，ST传媒、天舟文化、新文化3家公司处于规模报酬递增状态。在这6家规模报酬处于较高水平的公司中，占1/2的是广播电影电视类的影视剧制作公司，显示了影视剧制作公司在2012年全年的业务安排较为合理且未来发展潜力大。其余28家上市公司处于规模报酬递减的模式下生产。这意味着文化传媒行业的绝大多数公司的产量增加比例小于生产要素增加的比例，企业生产规模过大，难以有效地协调经营管理关系，从而降低了生产效率。这28家规模效率递减的文化传媒类公司都是所在领域的行业领导者，存在一定程度的垄断，它们过分追求市场的主导权和市场占有率，导致了公司高投入低产出。

2.规模报酬整体情况分析。表2显示，在34家文化传媒类上市公司中，3家规模报酬递增，3家规模报酬不变，剩下28家规模报酬递减。影视剧制作公司、网络和信息传播服务业的公司多处于规模报酬递增或不变阶段，而成立时间较早、上市期较长的出版业、有线电视技术文化传媒企业多处于规模报酬递减阶段，但经营较稳定。

四、研究结论和政策建议

(一)研究结论

1.文化传媒产业上市公司整体效率不高。文化传媒产业上市公司中只有3家公司达到了综合技术效率的最优水平，3家公司综合技术效率在0.9以上，居较优水平，而其余28家传媒类上市公司的综合技术效率都较低。纯技术效率方面，有1/3的上市公司达到了最优水平。规模效率方面，仅有3家上市公司的投入项和产出项之间达到最佳状态。因此，规模效率的低下使得整个文化传媒产业上市公司综合技术效率较低，可以说，即使在不改变技术条件的条件下，我国文化传媒公司的提升空间依然很大。

2.文化传媒产业上市公司内部各子行业效率存在差异化。广播电影电视业类的影视剧制作公司效率在文化传媒行业中最高，出版行业整体处于一个低效率的状态，拥有垄断特权和政府背景的公司因缺乏提高经营效率的动力，其效率低于民营企业。

3.大多数文化传媒类上市公司处于规模报酬递减阶段。这意味着文化传媒行业的绝大多数公司的产量增加比例小于生产要素增加比例、企业生产规模过大，没有实现规模经济。主要原因是部分传统型文化传媒上市公司已经经历过规模报酬递增的阶段，一些文化类上市公司在国家大力发展文化产业政策激励下过度规模扩张。

(二)政策建议

1.深化文化传媒类上市公司的管理体制和运行机制改革，提高公司治理水平。努力建立产权明晰、权责明确、政企分离、管理科学的现代文化企业制度。同时，努力提高文化传媒上市公司的员工素质。

2.调整业务结构，完善产业链，实现规模经济。应剥离低效率业务，扩充优势项目。规模报酬递减的公司应考虑将低效益业务剥离，缩小资产规模，提高效率。处于规模报酬递增的公司应扩大投资。

DEA模型范文篇7

关键词：体育教学评价；改革；DEA模型；高校体育

教学评价机制的改革是党和国家的殷切期盼与支持。2017年颁布的《国家教育事业发展“十三五”规划》明确指出：“高等教育要深化本科教育教学改革，改进教学评价机制和学生考核机制［1］。”在党的报告中提出：“优先发展教育事业。要全面贯彻党的教育方针，落实立德树人的根本任务，发展素质教育，推进教育公平，培养德智体美全面发展的社会主义建设者和接班人［2］。”然而，数据包络分析（DEA）不仅可以进行相对有效性评价，而且可以分析出优化措施，同时避免了繁锁的计算过程。因此，在这个背景下，进行DEA模型在高校体育教学评价改革中的探讨显得尤为重要。

1体育教学评价和DEA模型的基本概念

1．1体育教学评价的概念。“评价”一词，在《辞海》中的解释为：衡量人或事物的价值。价值是指一种事物能够满足另一种事物的某种需要的属性，换言之，一种事物能满足某种需要的属性即为该事物的价值。“教学评价”这一术语的概念较多，但有一个相对比较全面的概念，并且众多学者基本上都是在此基础上进行深入理解：教学评价［3］是指在教学过程中依据教学目标，有计划、有目的地观察、测定教师和学生学习的种种变化，根据这些变化对照教学目标、教学计划、教学效果、学生的学习质量及个性发展水平，运用科学的方法做出价值判断，进而调整、优化教学进程，促进学生达成教学目标的教学实践活动。由众学者的观点来看，可以把教育评价的概念归结为：依据一定的标准，在系统、全面地收集、整理和运用教育信息的基础上，对教育活动的过程和结果进行价值判断［4］，以做出相应改善和调整来促进教育活动的过程。体育教学评价被看作教育评价的重要组成部分，并且是教育领域中一般评价活动的一种具体体现［5］。1．2DEA概念数据包络分析。［6］（DataEnvelopmentAnalysis，DEA），是数学、运筹学、数理经济学、管理科学和计算机科学的一个新的交叉学科［7］。它是［8］A．Charnes和W．W．Cooper等人于1978年开始创建的，并被命名为DEA；第一个模型是CCR模型，随后，1984年，R．D．Banker等人从公理化的模式出发给出了另一个DEA模型———BCC模型。最为经典的模型有CCR，BCC，FG，ST［9］。简言之，DEA模型就是通过把搜集的评价指标的实际数据输入软件包，然后模型自动生成一个最优的临界值，并把每个被评价对象与最优的临界值的距离计算出来，从而根据每个被评价对象与最优临界值的差距来判定其优劣，也就是最终的评价结果———相对有效性。

2我国高校体育教学评价的现状

在中国知网中，以“体育教学评价”为关键词，共搜索到1986年至2018年的文献3365篇，发文量总体趋势如图1所示。从图1我们可以看出，从2001年开始，我国的体育教学评价的相关发文量开始逐步增多，出现这种现象的原因与我国2001年开始实行新课程改革有着密切的关系。从图1我们还可以比较直观地看出，到2017年，我国体育教学评价的发文量达到高峰期，这与我国2017年颁布的《国家教育事业发展“十三五”规划》有着直接联系。教学探索JIAOXUETANSUO在中国知网中，把以“体育教学评价”为关键词搜索到的所有文献进行可视化分析，从图2，我们可以清楚的看到，位于前四的主题分别为：体育教学、分科教学法、教学评价和教学评估。值得指出的是，关于“普通高校”这一主题的文献有160篇，占到2．42％；关于“教学评价”这一主题的文献有668篇，占到10．10％；关于“体育教学”这一主题的我文献有933篇，占到14．11％。所以，关于高校的教学评价这一领域的研究是学术界关注的焦点。通过进一步阅读文献，归纳总结出我国高校体育教学评价的现状主要表现为以下几个方面：其一，高校对体育教学评价的重视程度不高，存在为了评价而开展评价的现象，并且对于评价结果不予反馈、反思及改进。其二，评价主体单一，教师在评价过程起着主导作用，不仅影响了评价结果的公平性，同时加大了教师的工作量。其三，评价方法缺乏科学性，评价过程过于耗费人力、物力和财力。其四，评价内容不全面，评价内容缺乏对体育精神、体育品德等隐形因素的评价，但是，这些内容恰恰是体育目标的重要组成部分，从而导致评价内容与评价目标的脱离。

3当今我国高校体育教学评价改革的动因分析

3．1国家政策的支持。2017年颁布的《国家教育事业发展“十三五”规划》明确指出：“高等教育要深化本科教育教学改革，改进教学评价机制和学生考核机制。”从这一文件中，我们可以看出国家对教育改革的殷切期盼与支持，并且，高等教育主要是用来培养高质量人才，教学评价作为教学过程的最后一个部分，不仅对教学质量进行评价，同时对整个教学过程的提高具有促进作用。在党的报告中，提出，要优先发展教育事业，培养德智体美全面发展的人，从而我们可以看出国家对教育及体育的重视。因此，国家政策的支持是高校体育教学改革的动因之一。3．2新时代的要求和召唤。报告提出了中国发展新的历史方位———中国特色社会主义进入了新时代，这是一个重大判断。这个新时代，是承前启后、继往开来、在新的历史条件下继续夺取中国特色社会主义伟大胜利的时代。同理，当今时代的主要旋律就是进行改革和创新，因此，在教育领域，我们也要继往开来、不断开拓创新，只有这样，才能适用新时代，才能取得教育事业伟大征程的胜利。3．3现有的体育教学评价机制存在问题。事物的发展是一个曲折的进程，总是在发现问题、解决问题的过程中得到发展。当我们发现问题后，若能及时解决，必能取得质的进步。在本研究中的第二部分，已经对我国高校体育教学评价的现状进行了论述，也归纳总结出我国高校体育教学评价存在着四个方面的问题：对体育教学评价的重视程度不高、评价主体比较单一、评价方法欠缺科学性和评价的内容不够全面，这一系列显露出来的问题，从而推动着高校的体育教学评价机制急需解决。因此，现有的体育教学评价机制存在问题是我国高校体育教学评价改革的动因之一。

4DEA模型用于高校体育教学评价的可行性分析

DEA方法与传统体育教学评价方法的相同点：其一，都是为了进行相对有效性评价，提高各单位（教师、学生、企业、学校等）的积极性。其二，都是为了优化，即：通过评价，发现各决策单元的现状及不足，从而找到改进措施。其三，都是评价具有多个投入和多个产出的复杂系统。DEA方法与传统体育教学评价方法的不同点：其一是传统的体育教学评价方法需要对各指标进行权重的赋值，然后才能得出评价结果；然而，DEA方法不需要任何权重假设，而是把搜集的决策单元的输入和输出原始数据输入软件包，软件包中的模型可以直接求出最优的权重，并确定出了生产前沿面，排除了很多主观因素，具有很强的客观性。其二是传统的体育教学评价方法对各评价指标判断后，要进行大量的统计、计算工作，才可以得出评价结果；然而，DEA方法把投入指标和输出指标的数据输入软件包后，就可以直接、明了的显示出来各决策单元的相对效率是否有效，即：可以省略繁琐的计算、分析过程，直接看出各决策单元需要优化的指标。从现有的体育教学评价方法及发展趋势分析：变革课程评价是打通中国基础教育课程改革“瓶颈”的关键［10］，丰富发达的评价理论必将推动评价实践的发展。体育教学评价的价值取向由“目标取向”走向“过程取向”和“主体取向”。而且体育教学评价方法已经由质性评价取代量性评价走向质性评价与量性评价的完美结合。普通高校的体育教学评价方法的改革趋势是人性化和客观性。从DEA方法的功能分析，此方法来进行体育教学的评价比较合适。DEA在避免主观因素、简化算法、减少误差等方面具有很大的优势［11］。从体育教学评价的过程来看，体育教学评价的整体趋势是既需要定性评价，也需要定量评价评价，但是，体育教学本身就是一个复杂的过程，如果采用现有的评价方法或多或少的会有参杂主观因素，从而导致评价结果的不真实。DEA的核心思想是将各决策单元与所估计的生产前沿面进行对比，识别出低效率决策单元，并显示出每个决策单元的效率值，本质是判断决策单元是否位于生产前沿面上。从DEA操作角度来看，此类软件包（已经有DEAP2．1版本）操作简单，只需预先进行建模，把各决策单元做好标记，然后把收集的投入和输出数据输入模型，就可以直接得到评价结果。

5结论与建议

DEA模型范文篇8

当前外汇监管审计绩效评价方法除常规方法以外，还包括：数量分析法、因素分析法、成本效益分析法、数据包络分析法、公众评价法等。但DEA的应用性不多。本文研究DEA在外汇管理审计绩效评价中的应用，厘清应用DEA进行外汇管理审计绩效评价的操作流程，并通过构建DEA模型进行实证分析得出结论。

（一）DEA的主要流程

数据包络分析法（DataEnvelopmentAnalysis,简称DEA）是进行有效性评价分析的一种数量分析方法，适用于外汇管理内部审计绩效评价。该方法是管理学科、运筹学与数量经济学的交叉学科而形成的数据分析算法，是一个多学科交叉的评价方法。DEA研究的是多个输入和产出的系统，应用数据规划模型对具有多输入和多产出的生产绩效评价系统有良好的应用效果。DEA算法以决策单元（DMN）为单位进行，以投入和产出指标数据的权重作为绩效评价的变量，避免了人为因素确定的指标权重使研究结果的客观性受到人为影响。外汇管理审计绩效评价DEA的流程主要可分为4个模块:第一个模块中的“定义数据变量”，包括“确定评价目标”和“选择决策单元”两个部分。以黑龙江省外汇管理审计工作为研究对象，那么评价目标为：“黑龙江省外汇管理审计绩效评价”；决策单元选取为针对黑龙江省外汇管理支局进行审计的12个审计组的投入和产出为一个决策单元。第二个模块为“确定目标函数”，主要包括“建立输入输出目标体系”。该模块主要建立在决策单元的基础上，建立DEA中输入输出指标。根据外汇管理审计工作确定的指标体系，审计人数、审计时间和审计经费分别作为DEA决策单元的投入指标，将审计业务量（流程数）、整改及时完成率、实际问题发生数作为DEA决策单元的产出指标。第三个模块为“选择DEA模型”，本文将选取的外汇管理审计绩效评价模型为DDF模型。第四个模块为“结果分析”，对各个投入指标和产出指标的效率值以及总效率值进行分析。基于DEA的外汇管理审计绩效评价流程如下图所示

（二）DEA的模型建立

1.DEA的CCR模型和BCC模型CCR模型和BCC模型是DEA方法发展早期的重要类型。CCR模型假设决策单元（DMU）处于固定规模报酬情形下，用来衡量总效率；BCC模型假设决策单元（DMU）处于变动规模报酬情形下，用来衡量纯技术和规模效率。由于数据包络模型不断扩充与优化，DEA模型因为其应用的广泛性增加，大量成功的应用案例进一步说明了DEA方法可靠性，进一步推动数据包络模型的广泛应用性。DEA的应用模型的推导过程如下：假设现在有个被评价决策的决策单元，每个决策单元都存在m个不同的投入向量，此m个不同的投入向量记为：；每个决策单元的产出具有种不同的形式，其产出项记为：。在数据包络法中决策单元的效率值的计算公式为：上式（1）中，是第“0”个决策单元的效率评价指数，和分别是第“”个产出和第“”个投入的权系数。由此可以计算每个决策单元投入和产出的效率情况。2.动态方向距离函数DEA模型由于早期DEA模型中的CCR模型和BCC模型无法体现DMU当前状态与有效目标值之间的松弛改进部分，Tone（2001）提出SBM模型对此局限性进行了弥补，对投入和产出松弛改进的部分可以包括到对DMU无效率程度的测量过程中。SBM模型在处理非期望产出变量时，通常将其作为投入变量设定为负值纳入模型，且在测量效率程度时，被评价单元的投影点不是最短路径到达前沿。Chung等（1997）通过对方向向量进行定义，使无效DMU沿任意设定的方向可以投影到前沿，即提出了方向距离函数（DirectionalDistanceFunction）DEA模型(DDF-DEA)。在该此模型基础上，构建了动态的DDF-DEA模型。假设有k个DMUk，对其无效率的测量包含投入和期望产出两个方面，其中xi、yr分别代表第i项投入、第r项期望产出。gx、gy分别表示投入、期望产出能够改进的方向向量，w为权重。、分别表示各项投入、期望产出平均改进的部分。由此得出的方向距离函数效率值与方向向量长度无关，保证所得出的效率值的一致性。采用被评价单元的效率值作为方向距离函数模型目标值，设定无非期望产出的动态DDF-DEA模型如下：3.共同边界DEABatteseandRao（2002）及Battese等（2004）通过共同边界模型提出不同群体间的技术效率可相互比较的观点。之后ThanassoulisandPortela（1997）提出凸性共同边界的观念，指出在某一段时间内，所有群体的技术，用最先进技术进行生产的产出水准，群体间甚至在技术的交流下，可以因为技术提升将生产边界更向外扩张而提高经营绩效。直到O’Donnell等（2008）提出的共同边界模型，可以准确求算出群组及共同技术效率。（1）群组边界将所有DMU依不同的社会文化、经济环境、管理模式与生产结构等因素分成g个群组，则第g群组的技术集合如下令，亦即Tm为包含全部群组之生产前缘所包络起来的凸化共同技术集合（metatechnologyset），则与共同技术集合有关的投入距离函数可表示如下：（8）上式代表以共同边界计算每一个DMU的投入距离函数值，即为共同边界无效率指标。

基于DEA的外汇监管审计绩效评价实证分析

基于外汇监管审计绩效评价的DEA研究思路，以黑龙江省外汇管理局下辖的外管支局监管审计为研究样本进行实证分析。

（一）样本选择

黑龙江省外汇管理局共下辖12家中心支局，由于审计工作量原因，增设对绥芬河支局和东宁支局的审计，共计14个审计组，构成14个决策单元（DMU）。按两年一次审计进行分析，共包含2013年、2015年、2017年和2019年共四次。DEA决策单元的各个投入产出指标数据根据实际情况进行模拟估值，对14个决策单元（DMU）按照沿边境和非沿边境分成两组，并对先后四次审计工作进行动态分析，因此选用共同边界动态DFF-DEA方法进行分析。外汇监管审计绩效评价的投入产出变量描述性统计如表1所示：

（二）实证分析结果

黑龙江省外汇监管绩效审计各个决策单元评估的总效率值如表2所示，在14家审计工作组中，总效率值最高的是绥芬河、东宁和七台河三地的审计组，其效率值都达到了1；双鸭山市中心支局审计组有三年效率都达到1；牡丹江和鹤岗两地中心支局审计组有两年的效率达到1；大兴安岭地区、伊春和鸡西三地中心支局审计组都有一年的效率达到1；效率值较低的是黑河、佳木斯和伊春三地的中心支局审计组。从沿边境和非沿边境两组来看，总体来看，非沿边境审计平均效率要比沿边境组的平均效率值略高，虽然非沿边境审计组的效率要低于七台河市中心支局、绥芬河支局和东宁支局的效率。从不同审计次数来看，2015年审计的效率要高于其他年份的审计效率。从投入项效率角度来看，不同审计组在不同投入项上效率也各不相同，如表3所示。对于审计人数、审计时间和审计经费三项投入项，绥芬河、东宁和七台河三地的三项投入项各个年份都达到最高；双鸭山市和鹤岗市大部分年份投入项效率也为1；牡丹江市、大兴安岭地区和鸡西市三地的部分年份的投入项效率也有达到1的水平。在三项投入项中，投入项效率值比较低的主要有齐齐哈尔、大庆、黑河和佳木斯四地的中心支局审计组，其审计人数效率和审计经费效率的效率值相对低于审计时间效率。对比沿边境和非沿边境两组的投入项效率，沿边境组的审计人数效率和审计经费效率要高于非沿边境组，而非沿边境组的审计时间效率要高于沿边境组。对于审计业务量（流程数）、整改及时完成率、实际问题发生数三项产出项，绥芬河、东宁和七台河的三项产出项各个年份都达到最高；双鸭山市和鹤岗市大部分年份产出项效率也为1；牡丹江市、大兴安岭地区、鸡西市、黑河市部分年份的产出项效率也达到1。产出项效率值比较低的主要有绥化市和大兴安岭地区的审计业务量效率，以及2013年和2017年部分支局审计组的审计业务量效率。在三项产出项中，整改及时完成率效率和实际问题发生数效率的效率值高于审计业务量效率。对比沿边境和非沿边境两组的产出项效率，沿边境组的审计业务量效率和实际问题发生数效率要高于非沿边境组，而非沿边境组的整改及时完成率效率要高于沿边境组。

研究结论

DEA模型范文篇9

（一）DEA方法简介及相关研究

为了弥补上述评价方法的不足，很多学者应用数据包络分析方法对企业综合绩效进行分析。数据包络分析方法（DataEnvelopmentAnalysis，简称DEA）由Charnes,CooperandRhodes于1978年提出的一种新的研究方法，该方法可以用来研究具有相同类型的部门间的相对有效性。DEA方法在评价绩效方面具有很大的优势：第一，模型中投入、产出指标的权重根据模型自动优化产生，而非事前设定，从而使权重较为客观；第二，可以对多投入、多产出指标评价单元进行分析；第三，可以进一步了解被评价单元的资源使用情况，为企业经营决策提供一定的参考。目前，有很多学者运用DEA方法对企业绩效做综合评价，如王建华和闻燕（2006）选取上海中外联合实验室为研究对象，采用DEA方法对中外联合实验室的绩效评价进行了实证研究；赵秀娟和汪寿阳（2007）应用DEA评价方法分析了78支基金两年的相对业绩，并发现多数基金处于无效的状态，最后提出改进基金业绩的建议；谢磊和袁艺（2007）应用DEA方法，同时采用C2R模型和C2GS2模型对制药上市公司的营销绩效进行分析，从而得出我国制药企业间营销绩效的差距，并探讨了形成这一差距的原因；戚湧等（2008）综合应用基于DEA方法的C2R模型和C2GS2模型，建立高效科研绩效的评价体系，并对高校科研绩效进行了实证研究；丁小东等（2011）将DEA方法应用于交通运输业绩效评价的研究中；孙斌和赵斐（2011）将超效率DEA模型运用于区域生态化创新绩效的评价体系中，并选取经济效益、社会效益和生态效益作为创新绩效评价指标体系，对江苏13个城市的生态创新绩效进行了实证研究；王赫一和张屹山（2012）采用两阶段DEA方法，并通过引入“虚拟中间要素”，实证研究了我国上市银行的运营绩效，发现国有商业银行的运营绩效要优于股份制银行。

（二）DEA方法的不足

采用一般DEA方法研究绩效会存在一些不足，具体如下：（1）模型选取不合适，即采用一般的C2R模型只能将决策单元分为有效和无效两类，而无法同时对多个DEA有效的决策单元进行比较和排序。（2）输入输出指标选取不合适，即一般选择主营业务成本、收入和利润等财务指标的绝对值作为输入和输出变量，而这些指标可能为负值，但DEA分析中却要求输入和输出指标均非负。为了满足指标非负的要求，有些研究在选取样本时将指标为负数的样本删除，这就不能对企业进行综合评价和排序，因而使这些研究存在很大的局限性。（3）决策单元选取不合适，即DEA评价方法要求所选择的决策单元具有同质性或相似性，而不同行业的企业之间并不满足这样的要求，因而不适合采用DEA方法来对绩效进行综合比较与排序。基于此，本文采用超效率DEA方法研究我国证券市场20家上市医药公司2010年的财务绩效水平，并进行评价。选取超效率DEA方法和这些样本，可以有效地避免上述不足，使文章的研究结果更加合理。

二、企业财务绩效综合评价模型构建

（一）评价方法构建

本文采用超效率DEA模型研究企业的综合财务绩效。模型计算步骤为：首先采用以产出为导向的超效率DEA模型，来测算企业财务绩效的总体效率；然后，根据超效率C2R模型的计算结果对决策单元的综合效率值进行排序；最后，根据模型计算结果分析企业财务绩效改进途径和改进幅度。超效率DEA模型比一般DEA模型的优点，就是能够对有效决策单元进一步排序，其基本思想为：在评价决策单元时，将该决策单元的投入和产出用其它所有决策单元的投入和产出的线性组合来表示，而把被评价的决策单元排除在外。

（二）指标选取

在实践中，以沃尔评分法为基础的财务综合绩效评价方法得到了广泛的应用。总体来看，其优点在于选择了较全面的评价指标，然后通过对各指标打分并加权求和，最终得出企业财务绩效的综合评价值。这种方法一般包括三个方面指标：偿债能力分析，主要评价指标有流动比率、速动比率、资产负债率；资产营运能力分析，主要评价指标有应收账款周转率、存货周转率、流动资产周转率、固定资产周转率、总资产周转率；盈利能力分析，主要评价指标有总资产报酬率、净资产报酬率、销售净利率。然而，该方法最大的不足就是：各指标的权重是人为设定的，导致得出的综合评价值主观性很强。针对沃尔评分法的不足，本文采取以下处理：由于企业偿债能力与资产营运能力是企业盈利能力的基础，本文选择偿债能力与资产营运能力指标为输入变量，选取盈利能力指标为输出变量。另外，DEA评价方法要求输入指标和输出指标具有非负性，故选择盈利能力指标时，本文选择收入成本比和收入费用比这两个指标作为输出变量，以此来间接反映企业的盈利能力。

三、上市医药公司财务绩效综合评价

本文选取上海证券交易所20家上市医药公司为研究样本(其中包括5家亏损企业)，并将这些公司作为决策单元，来分析比较各公司在2010年度的财务综合绩效。其中，所有数据来源于国泰安金融数据库。

（一）模型估计

描述了超效率DEA模型测算的20家上市医药公司2010年度的财务综合绩效水平值以及排名。分析工具为Excel—Solver软件。

（二）结果分析

结合超效率DEA方法的理论，综合效率值反映对企业财务绩效的综合评价值，综合效率值越高，表明企业综合财务绩效越好。从总体上看，20家上市医药公司中，只有七家企业的综合财务绩效达到了DEA有效，分别是哈药集团、亚宝药业、山东鲁抗、上海医药、康美、昆明制药和广州药业。这说明，我国只有35%的上市医药公司的综合财务绩效达到有效的DEA水平，而大部分还具有很大的提升空间。其中，综合财务绩效排在前三名的医药公司分别是哈药集团、亚宝药业和山东鲁抗；DEA无效的最后三家医药公司分别是天津天士力、江苏联环和马应龙药业。需要说明的是，超效率DEA模型能够很好的对所有企业进行排序，而一般DEA模型则无法对七家达到DEA有效的医药公司的综合财务绩效进一步排序，后者测算的综合效率值均为1。另外，结果还显示了这些上市医药公司综合财务绩效的改进途径。根据输入和输出指标相对应的松弛变量，可以得到各投入输出变量的改进值。例如，哈药集团的综合效率值达到最高，为2.50，但仍可以使速动比率降低来提高收入成本比和收入费用比，从而进一步提高该公司的财务绩效；山东鲁抗也可以通过降低速动比率（0.02）和存货周转率（0.98），使收入成本比提高。在20家上市医药公司中，马应龙药业的综合效率值最低，为0.44。根据松弛变量的值，可以通过降低速动比率（0.43）、存货周转率（5.51）、流动资产周转率（0.06）、固定资产周转率（2.56）和总资产周转率（0.29），来使收入费用比提高，从而改善企业的财务绩效。

四、结论

DEA模型范文篇10

一、研究概况

旅游产业效率是指一个地区在运用一定的成本之后所能获得经济效益，其反映了旅游经济活动的投入和产出之间的内在联系与比率关系，它主要由技术效率和规模效率决定。近十年来，旅游产业效率相关研究引起了众多学者的关注，学术界出现一批研究旅游产业效率的文献。本文以中国知识资源总库（CNKI）为检索对象，以“旅游产业效率”和“旅游效率”为主题词，采用精确匹配方式，共检索到学术期刊文献109篇，硕博学位论文31篇，相关文献数量呈逐年递增的趋势（图1）。图1　2008-2016年旅游效率研究文献统计（截至2016年10月）对以上文献进行归类分析发现，旅游产业效率的研究涉及区域旅游、宏观经济与可持续发展、经济体制改革、服务经济、贸易经济、国家行政管理、环境科学与资源可持续利用、经济理论等领域。本文在此基础上通过文献二次追踪搜索、资料信息整理和遴选，从研究对象、影响因素和研究方法等方面对旅游效率相关研究展开评述。

二、研究对象

（一）空间地域

目前，国内关于旅游产业效率的研究主要从经济区（带）、省际、城际和县际等区域层面进行展开。1.经济区（带）一些学者从经济区（带）的宏观角度对旅游效率进行研究，长三角和沿海地区是常见的研究对象。例如，王坤和黄震方等（2013）运用修正DEA模型和ESDA-GIS空间计量模型对2004-2010年长三角旅游的旅游效率空间特征及溢出效应进行了分析，研究表明，长三角的旅游总效率呈提升态势，总效率和纯技术热点区是以上海为中心的圈层空间结构，冷点区向赣南和赣北集聚，而规模效率则相反；刘佳和陆菊等（2015）分析中国沿海地区旅游产业效率的影响因素和形成激励，并分析其时序变化和空间差异，指出推动技术进步、优化产业结构以及提升城市化水平是提高旅游产业效率的重要途径；曹芳东和黄震方等（2014）运用Deap2.0测度方法，发现我国北部、东部及西南地区综合效率值较高；李忠斌和肖博华（2016）通过构建“一带一路”18省区文化旅游产业效率投入产出指标体系，测算其产业发展效率，研究发现，“一带一路”省区文化旅游产业综合效率不高的原因源于技术效率低下。2.省际区域从省际的层面对旅游效率进行研究也是常见的角度。例如，李仲广和宋慧林（2008）将省域旅游经济空间关联模式进行分类，并提出相应发展策略；方叶林（2014）综合运用修正的DEA模型、ESDA和路径分析等技术，对省际旅游业效率进行测度与分析，发现我国旅游效率演化表现出明显的地带效应和空间集聚效应，并具有一定的方向性和空间错位性。3.城际和县际区域由于某省份所辖城市（或某城市所辖县区）的旅游效率评价指标数据统计口径相对一致，其效率值结果更为可靠，因此，部分学者对这些城市或县区的旅游效率进行了研究。例如，梁明珠和易婷婷(2012)分析了珠三角、粤东、粤西和粤北地区的差异，并根据旅游效率的演化模式，将城市划分为草根型、新秀型、明星型和贵族型；赵雪雁、侯成成和李建豹等（2011）通过综合因子和空间计量模型分析，发现甘肃省的县际旅游效率空间集聚特征明显，提出通过增加投入和调整产业结构来减少区域经济差异。可见，从空间地域的角度来看，国内关于旅游产业效率的研究主要从经济区（带）、省际、城际和县际等区域层面进行展开，尤其是经济发达的省份、城市以及旅游资源丰富的县区都成为研究的主要对象。

（二）行业领域

从行业领域的角度分析，旅游效率的相关研究涉及政府、酒店、旅行社、旅游景区和旅游交通等。1.政府主管部门一些学者基于政府职能的角度对旅游主管部门的行为效率进行了研究。例如，陈先运（2004）对旅游主管部门的干预行为进行分析，阐述政府职能的有效性和有限性，并提出要通过解决产业外部性问题来维护产业公平与稳定，促进旅游经济增长；陈章喜和区楚东（2009）通过DEA方法，说明澳门赌权开放提高了旅游业的经济效率，减少了资源浪费，提高了产能，但人才结构和社会化问题不容忽视；牛兰兰和张娜娜（2016）运用DEA评价法，对我国26个省级政府官方微博的运营效率进行测评，并提出改进建议。2.酒店作为旅游业的三大支柱之一，酒店的经营效率成为学者们研究的重点之一。例如，黄丽英和刘静艳（2008）以我国8大地区高星级酒店为研究对象，发现高星级酒店技术效率与当地酒店业发达程度有一定差距；罗兰（2013）运用DEA分析方法中的CCR模型对2009-2012年厦门星级酒店效率变化进行了研究，表明厦门星级酒店整体效率较高，但仍存在投入冗余和产出不足的现象；虞虎（2014）对三亚的国有、联营、私营和外资4种所有权类型酒店的效率进行了研究，认为地方政府应该通过企业重组、合作创新、差异化支持、创新环境营造和法律法规支持来促进酒店效率的提高；戴莉（2013）利用DEA方法对我国50个重点旅游城市星级酒店2010-2011年的效率动态进行研究，并基于政府和企业的角度提出宏观和微观层面的建议。3.旅游景区一些学者从资源开发利用和环境保护的角度，对旅游景区效率进行了研究。例如，曹芳东和黄震方等（2014）利用标准差椭圆和重心坐标等方法，测量了部级风景名胜区旅游效率，并分析其空间演化轨迹和路径，总结景区旅游效率的演化规律；马晓龙和保继刚（2009）对部级风景名胜区的使用效率进行了研究，认为部级风景名胜区使用效率基本处在规模报酬递增阶段，沿云南－贵州－湖南－浙江（江苏）形成了一条高效率带；刘改芳和杨威(2013)对考古遗址、宫殿、历史建筑等文化遗产资产进行了研究，选择山西省18个历史文化景区作为研究对象，应用DEA方法构建了文化旅游业投资效率模型，并发现山西省文化旅游业技术效率和规模效率偏低；徐波和荣毅（2013）利用DEA对我国29家景区的运营效率做出实证分析，结果显示：各地区效率差距明显，且大部分处于规模效益递减阶段，关注管理水平、技术水平、资源配置在景区发展中的作用。4.旅游交通随着旅游交通效率也受到越来越多学者的关注。例如，刘长生（2012）运用DEA和SFA方法对张家界景区环保交通进行了实证分析，研究发现，环保交通低碳旅游服务效率较低，存在较严重的季节波动性，旅游总人次、人力资本投资、固定资产投资对其有正向影响，劳动者数量、燃料消耗对其有负面影响；王恩旭、吴荻和匡海波（2016）运用标准离差法、G1法和DEA法构建旅游机场“竞争力与效率耦合协同度”评价模型，发现旅游机场效率与竞争力的综合协同度为0.4939，处于勉强协同状态。5.旅行社由于指标选择未达成一致，且数据获取困难，关于旅游社经营效率的研究较少，有学者从内部绩效等角度对旅游社效率进行了探讨。例如，郑涵月（2013）对我国旅游企业效率工资的效益进行评估，发现旅行社的低薪弱激励是引发诸多问题的直接原因和制约其健康发展的主要问题。可见，从行业归属的角度分析，旅游效率研究几乎涉及了旅游产业的各个领域，研究对象广泛，体现了旅游产业的多元性和复杂性。

三、影响因素

（一）宏观因素

旅游经济的外部性决定了其受外界因素的影响较大。很多学者分析了宏观因素对旅游效率的影响，本文通过文献梳理，归纳了学术界近十年来的相关成果（表1）。可见，宏观因素是影响旅游产业效率的最重要因素，也是涉及领域最广泛、影响最深刻的要素，其具体包括政治制度、经济水平、市场机制、文化资本、人口规模以及资源状况等。只有利用宏观因素中的有利资源，规避其约束因素，借助政府行为和市场机制的合力，促进经济环境和文化资本的综合提高，才能提高旅游产业的整体效率。

（二）事件因素

重大事件对旅游效率也存在较大影响，一些学者对此进行了研究。例如，马晓龙（2008）认为，1999年“大使馆误炸事件”、2001年“9.11事件”和2003年“非典事件”对旅游效率产生了负面影响；梁明珠和易婷婷（2012）也认为“非典事件”对广东省旅游产业效率产生了负面影响；周文娟和张红（2013）研究发现，由于受到2007-2009年汶川地震、南方雪灾和金融危机等重大事件的影响，旅游上市公司积极寻求低风险、高收益的主营业务，投资效率处于总体上升趋势；李如友和黄常州（2014）认为，旅游企业效率变化受2010年世博会入境客流影响，上海和江浙地区的营业收入大幅增加。可见，国内外的重大政治事件、自然灾害和节事活动等对旅游产业效率的影响明显，如何加强其对旅游业的正面影响、减少其负面影响成为政府和企业的共同课题。

四、研究方法

随着对旅游产业效率的研究不断成熟，研究方法开始注重定量和定性相结合，既注重传统的统计学方法运用，也灵活应用了现代经济管理中的数量方法。具体而言，旅游效率的模型构建可以分为参数分析法和非参数分析法，前者有自由分析法（DFA）、随机前沿分析法（SFA）和后前沿分析法（TFA）,后者有无界分析（FDA）和数据包络分析法（DEA）。其中，采用得最多的是DEA方法和Malmquist指数法。

（一）DEA方法

数据包络分析（dataenvelopmentanalyses,DEA）分析法由美国著名运筹学家Charnes和Cooper等人提出，是一种基于线性规划的、对若干同类具有多输入/多输出决策单元（DecisionMakingUnit，DMU）的相对效率与效益进行比较的有效方法。一些学者利用DEA方法，或在DEA方法基础上结合其他方法对旅游效率进行了研究。例如，王慧英（2014）利用DEA四阶段方法和Tobit回归模型，对我国旅游产业效率进行了测量；王艳、毛端谦和危曼华（2012）利用AHP和DEA三阶段模型，对2009年旅游上市公司的绩效进行了动态和静态相结合的评价分析；王耀斌、孙传玲和蒋金萍（2016）、王学军（2015）和徐凯等（2015）均利用三阶段DEA模型对旅游产业效率进行了研究。可见，从DEA分析法到DEA与其他方法的结合，充分肯定了以DEA方法为主导的研究模式，也体现了随着旅游产业的发展，其效率研究方法臻于成熟。

（二）Malmquist指数法

采用DEA方法可以较好地分析旅游产业要素的利用状况，但不能清晰地反映旅游产业效率在时间维度上的变动趋势以及其引起变动的主要因素。Malmquist指数法为分析旅游产业要素的生产率变化提供了有效手段，可解决DEA模型的不足。例如，刘佳、陆菊和刘宁（2015）基于DEA-Malmquist模型对中国沿海地区旅游产业效率的时空演化、影响因素与形成机理进行了研究；吕志强和代富强（2015）利用DEA的规模、Malmquist模型和GIS重心转移模型对旅游发展效率的演化规律进行了分析；吴向明和赵磊(2013)采用非参数DEA-Malmquist指数对浙江省高星级酒店2002-2011年效率测度的实证分析可见，技术进步是推动高星级酒店全要素生产率进步的主要源泉，样本的全要素生产率存在绝对的贝塔收敛，而技术效率基本处于负增长的状态。

五、结语