基于超效率的DEA模型实例之研究高校的效率 第四篇

基于超效率DEA模型的高新技术企业财务绩效评价研究摘要：根据高新技术企业的特点构建财务绩效评价指标体系，并提出用DEA方法中的超效率模型评价高新技术企业财务绩效。

最后，选取湖南省认证并且已经上市的24家高新技术企业为样本展开实证研究，对相对有效的高新技术企业的财务绩效加以更深入的分析，选取标杆企业为超效率较低的企业提出相关的改进措施，以期有利于其更好的发展。

关键词：高新技术企业；财务；绩效评价；超效率模型；湖南；上市公司中图分类号：F275 文献标识码：A 文章编号：1006-4311（2010）08-0052-020 引言企业的财务绩效问题，一直是企业生存发展的关键所在，高新技术企业更是如此。

对高新技术企业进行财务绩效评价，一方面有利于管理部门准确的了解企业的财务状况，及时发现企业财务问题，并据此研究解决对策；另一方面，对企业绩效的科学评价，还为政府、债权人和企业职工等其他利益相关者行使自己的权利提供有益的帮助。

随着时代的发展和社会的进步，高新技术企业发展迅速，对高新技术企业的财务绩效问题展开研究，有着重要的理论和现实意义。

目前，对于高新技术企业财务绩效评价的研究，比较有代表性的观点有：王柏轩、宋化民（1999）依据投入产出理论，构建了投入产出有效性的高新技术绩效评价模型[1]；宋小敏、杨青和万君康（2002）提出了用主观赋权模糊标度法和客观赋权优化法相结合的结合赋权综合评价法并构建了模型[2]；侯婧、王晓云（2006）把高新技术企业投资看成是为了获得一个未来取得现金流的机会，对具有期权性质的高新技术企业采用期权理论及Black-Scholes模型进行价值评估[3]。

纵观现有文献，多数是从理论上或是模型上进行论述，较少有利用数据进行实证分析的论述，即使有一些实证分析，但是由于指标选取任意性过大，造成应用价值受限。

此外，已有文献只是简单的就评价论评价，没有在评价的基础上提出一些切实可行的建设性建议供企业参考，只是形成一些理论，但是实际应用意义不强。

基于DEA的高校实验室效率评价分析实验室是高校教育和科研中不可或缺的重要环节，其效率对于高校科研水平和教学质量有着直接的影响。

因此，对高校实验室的效率进行评价分析具有重要的理论和实践意义。

本文将采用数据包络分析（DEA）方法对高校实验室的效率进行评价，并探讨如何提高实验室的效率。

一、DEA方法简介数据包络分析（DEA）是一种用来评估相对效率的方法，它通过比较各个单位（称为DMUs）的输入和输出来评估它们的绩效。

DEA方法的优点在于可以对多个输入和输出进行综合评价，并且能够考虑多种约束条件和非线性关系，因此在评价实验室效率时具有一定的优势。

二、高校实验室效率评价指标评价高校实验室的效率可以从多个角度出发，常用的指标包括实验设备的利用率、科研项目数量和经费使用效率等。

在进行DEA评价时，需要选择合适的输入和输出指标，并确立权重。

1.输入指标：（1）实验设备数量和设备利用率（2）实验室人员数量和人员效率（3）实验室经费投入2.输出指标：（1）科研成果数量（2）科研项目数量（3）实验室论文发表数量三、DEA分析实验室效率首先，确定评价对象，即各个实验室，然后选择合适的输入和输出指标，在进行DEA分析时需要先对数据进行清洗和标准化处理。

接着，利用DEA模型计算各个实验室的效率得分，通过比较效率得分可以找出效率较低的实验室，并识别影响实验室效率的关键因素。

在实际分析中，可能会面临一些问题，比如输入和输出指标的选择、权重的确定等。

因此，在进行DEA分析时需要结合实际情况进行修改和调整，以达到更准确的评价结果。

四、提高实验室效率的建议1.提高实验设备利用率：加强设备维护和管理，定期检修和更新设备，减少闲置和浪费。

2.加强科研项目管理：合理安排科研项目进度，提高项目完成效率，减少资源浪费。

3.加强人员培训和管理：提高实验室人员的专业技能和管理能力，激励员工积极性，提高工作效率。

通过以上措施的实施，可以有效提高实验室的综合效率，促进高校科研水平的提升和实验室管理的改进。

基于超效率DEA模型的区域高等教育投入产出效率研究摘要：由于高等教育不同区域的教育发展水平差异较大，教育资源合理配置就成为研究热点。

根据2014年31个省市的高等教育投入产出数据，运用DEA超效率非径向SBM模型，对高等教育各层面投入产出效率的测度结果表明，高等教育投入效率值呈空间集聚状态，整体呈现沿海地区效率最高，中部次之，东部、西部存在规模递减现象。

据此，对区域性高等教育投入效率改进提出建议。

关键词：高等教育，DEA模型，超效率，投入效率，非径向SBM教育是国家持续发展的支撑，提升教育投入产出效率，是提高国家持续保持创新能力的动力。

因此，对教育系统特别是高等教育系统的投入产出效率进行评价，成为一个重要的研究课题。

基于投入产出角度的优化，通过识别投入冗余和产出不足，对优化资源配置具有重要的支撑作用，是实现教育资源投入产出结构优化的前提。

高等教育投入产出的评价方法很多，常见的方法有计量经济学、SFA、综合评价、多元统计、数据包络分析方法。

本研究选择能够体现投入产出结构，同时能够体现多元产出的DEA评价方法。

一、评价方法的选择DEA常用的模型是CCR模型，后来又很多改进，如超效率方法、交叉效率方法。

本研究选择超效率模型，同时，因投入产出的非等比性，选择非径向模型。

该模型具体表述为：其中，ρ为教育投入效率值，λj为各指标权重，X ij、Y rj分别为投入、产出数量指标，为投入、产出松弛变量。

当ρ≥1，且时，称DMU为强DEA有效；当ρ≥1，且时，称DMU为弱DEA有效；当ρ<1时，称为DMU非DEA 有效。

二、评价指标设计与样本选择（一）指标选择DEA需要同时考虑投入产出指标，投入指标主要集中在人力资源、物力资源、财务资源3个方面，而产出指标则依据高校教育功能，划分为人才培养、科学研究和社会服务。

依据这一约束和既有研究成果，同时考虑数据的可获得性，确定指标体系，具体如下表所示：（二）样本选择与数据来源以各省高等院校汇总值为研究对象，对各省教育资源配置的相对效率进行研究与分析。

第20 "第4期2018 年 7 %科技与管理Science-Technology and ManagementVol. 20 No. 4Jul. ,2018文章编号：l〇〇8-71'3(2018)04 -0050-07基于超效率DEA的高校重点实验室科研效率评价与分析朱金龙，孙雁飞，王晓冬(南京邮电大学科研院，江苏南京210003)摘要:高校作为国家科技创新的重要源泉之一，其科研效率备受社会关注。

重点实验室作为高校科技创新的基本核心单元，其科研效率的高低一定程度决定了高校科研效率的高低。

利用超效率D EA方法模型分析了南京邮电大学1*个省部级及以上重点实验室近3年的科研投人和科研产出数据，计算出每个重点实验室的科研效率，并对其进行分析研究，提出进一步提升高校重点实验室科研效率的建议。

关键词：数据包络分析；重点实验室；科研效率D O I：10. 16315/j.stm.2018.04.002中图分类号：F664. 6文献标志码：AResearch efficiency evaluation and analysis of key laboratoryof university based on super efficiency DEAZHU Jin-long, SUN Yan-fei, WANG Xiao-dong(Research Institute，Nanjing University of Posts and Telecommunications，Nanjing210003，China) Abstract ：As one o f tlie im p o rta n t sources o f n a tio n a l science and technology in n o v a tio n，U n ive rs ity^ c ie n cy has been concerned by the society.A s the core u n it o f te ch nolog ical in no vationthe e ffic ie n cy o f key laboratories determ ines the e ffic ie n c y o f s c ie n tific research to some e xte n t.T h is paper uses the super e ffic ie n c y D E A m etliod to analyze the s c ie n tific research in p u t and research o u tput data o f16 p ro v in c ia l and above key laboratories o f N a n jin g U n ive rsity o f Posts and T e le co m m u n ica tio n s，and calculates the s c ie n tific researche ffic ie n c y of each key la b o ra to ry，and analyzes the research e ffic ie n cy o f the key labora puts forw ard some suggestions to fu rth e r im prove the e ffic ie n c y o f the key labora Keywords:D E A*key laboratory*research e ffic ie n c y科学研究是高校承担的基本任务之一，也是国 家科技创新能力的重要组成部分。

基于超效率DEA模型的能源效率评价方法及其应用概述：能源效率评价是指对能源利用情况进行定量评估的过程。

随着能源资源的日益减少和环境污染的加剧，提高能源效率成为各国政府的重要任务。

超效率数据包络分析（DEA）模型是一种常用的能源效率评价方法，它可以根据输入产出数据计算出单位能源投入所创造的经济产出，从而评估能源利用的效率。

本文将介绍基于超效率DEA模型的能源效率评价方法及其应用。

方法：超效率DEA模型是一种非参数评价方法，它能够充分利用每个单元的最佳实践经验，评估单位的能源效率水平。

具体而言，该模型根据输入输出数据构建出一个包络表面，可以用来衡量各个单位的相对效率水平。

在计算超效率DEA模型时，首先需要确定输入和输出变量，并计算各个单位的相对权重。

然后通过最大化包络表面上的超效率得分，可以得到各个单位的相对效率评价。

应用：1.制造业能源效率评价：超效率DEA模型可以用来评估制造业企业的能源利用情况。

通过对各个企业的输入输出数据进行分析，可以找出效率最高的企业，并运用其最佳实践经验指导其他企业提高能源效率。

2.建筑行业能源效率评价：通过基于超效率DEA模型的能源效率评价方法，可以对建筑物的工程设计和施工过程进行优化，提高能源利用效率，降低能源消耗。

3.交通运输行业能源效率评价：超效率DEA模型可以用来评估不同交通工具和运输方式的能源利用效率。

通过评估各个交通工具和运输方式的优劣，可以制定相应的政策和措施，促进能源节约和环境保护。

4.农业能源效率评价：超效率DEA模型可以应用于评估农业生产中的能源利用情况。

通过评估不同农业系统和技术的能源效率，可以优化农业生产方式，实现可持续发展。

结论：基于超效率DEA模型的能源效率评价方法是一种有效的评估能源利用情况的手段。

通过该方法，可以找出效率最高的单位，促进能源利用的优化和提高。

在实际应用中，可以根据不同行业和领域的需求，针对具体问题进行相应的优化和改进。

在未来，基于超效率DEA模型的能源效率评价方法将继续得到广泛应用，并为实现可持续能源发展做出贡献。