基于DEA模型的汽车产业集群技术效率评价

基于DEA模型的河南省产业集聚区投入产出效率分析

摘 要：运用DEA模型对河南省产业集聚区投入产出效率进行分析与评价。结果发现：河南省产业集聚区投入产出效率整体水平不高，仅达到了最优值的60%；三种效率中纯技术效率最高，说明河南省产业集聚区的学习创新水平和组织管理能力相对突出；整体规模效率为74.7%，多数集聚区都处于规模报酬递增状态，需进一步扩大规模来提高规模效率。针对这些情况，河南省需要通过适度扩大集聚区规模、建设区域创新网络、改革绩效考核办法等措施提高产业集聚区的投入产出效率。

关键词：产业集聚区；DEA；综合效率；纯技术效率；规模效率

产业集聚区是构建现代产业体系的载体，是优化经济结构、转变发展方式、实现节约集约发展的基础工程[1，2]。经过多年的建设和发展，河南省目前共有产业集聚区180个，这些集聚区在推动产业升级、承接产业转移、解决就业问题、带动地方经济发展等方面发挥了举足轻重的作用。国务院在《关于支持河南省加快建设中原经济区的指导意见》中明确指出“要整合提升各类产业园区，科学规划建设产业集聚区”[3]。河南省在“十二五”发展规划中也把产业集聚区建设作为拉动增长、优化结构、增强竞争力的战略举措[4]。因此在未来一段时间，产业集聚区仍将是河南省产业、经济发展的主要力量。然而同长三角、珠三角等发达经济区相比，河南省产业集聚区尚存在发展水平参差不齐，集群发展意识不强，综合竞争力较弱等问题；部分产业集聚区规模较小，没有形成较为完整的产业链条，不能享受产业集聚所带来的规模效益；部分产业集聚区技术学习、创新的能力较弱，严重限制了生产效率的提升；部分集聚区发展方式粗放，造成了大量的资源浪费并对区域环境承载力构成了威胁[2，5]。基于这些问题，本文拟采用DEA模型对河南省产业集聚区投入产出效率进行测算和分析。

对于产业集聚区而言，投入产出效率高意味着其生产技术、规模集聚水平和经营管理水平合理高效，具有较强的竞争力。近年，国内学界利用DEA模型来测度城市群[6]、特大城市[7]、旅游产业[8]、城市公共系统建设[9]投入产出效率的成果已不鲜见。但利用DEA模型测度产业集群或集聚区投入产出效率的研究还比较少。石晓军[10]对我国11个国家软件产业基地进行了投入产出效率分析。王艺明[11]、许陈生[12]分别利用DEA模型对我国53个国家级高新区效率进行了分析与评价，发现我国高新区技术效率、规模效率和纯技术效率都偏低，纯技术效率是影响综合效率的主要原因，且多数高新区都处于规模报酬递增阶段。史焱文等[13]对鄢陵县花木产业集群进行了绩效评价，认为该集群总体效率偏低，且受纯技术效率的影响比较显著。本文拟用DEA模型测度河南省产业集聚区投入产出的规模效率、纯技术效率、综合效率，并结合集聚区的规模效率增减趋势，分析集聚区发展的现状、问题与对策，以期为河南省产业集聚区建设提供一定理论支持。

dea模型技术效率和规模效率的方法

1. 什么是DEA模型

DEA（Data Envelopment Analysis）模型是一个能够检测企业产出与投入的效率的模型，是一个多变量的线性编程模型。其优点是既可以对单一的企业进行效率分析，也可以对多个竞争企业之间的效率进行比较。

2. DEA模型的技术效率

技术效率是指在相同的规模和产出条件下，企业利用现有资源能够获得的最大产出水平。DEA模型通过计算企业的技术效率，可以提示企业当前技术是否过时、能否提高产出效率等。

DEA模型最核心的就是线性规划模型，其基于企业的问卷调查和数据表格，通过如下方程进行计算：

Maximize ∑_(j=1)^m v_j

subject to

∑_(i=1)^n u_(ij)x_i ≤v_j (j=1…m)

∑_(j=1)^m w_jy_i = 1 (i=1…n)

x_i ≥0,i=1,…,n ;y_i ≥0,i=1,…,m 其中，x_i 表示第i个企业的产出量，y_i 表示第i个企业的投入量，u_(ij) 为评价标准，v_j 表示第j个企业的输出结果，w_j 为权重，即每个输出结果的重要程度。

DEA模型可以帮助企业进行精细化管理，合理地分配资源，提高生产效率，降低生产成本，实现可持续发展。

3. DEA模型的规模效率

规模效率是指在现有生产条件下，企业实现其最大可能的规模，即企业能够在现有投入水平下实现的最大产出水平。DEA模型通过纵向比较不同规模的同类企业，计算企业的规模效率。

DEA模型计算规模效率时，需要引入规模收益不变性假设，即在相对比较时，企业的生产规模不改变。DEA模型通过对规模效率进行计算，可以发现企业是否存在扩大规模的空间，是否适合扩大规模等。

4. DEA模型的实际应用

DEA技术已经被广泛应用于制造业、银行业、医疗卫生、教育等行业中。在制造业中，DEA被用来检测工厂的效率；在银行业中，DEA被用来评估银行部门的效率；在医疗卫生中，DEA被用来评估医院的效率；在教育中，DEA被用来评估教育机构的教育质量。

理论探索　ｊ　一ＣＯＮＴＥＭＰＯＲＡＲＹＥＣＯＩＣＯＮ　ＥＭＰＯＲＡＲＹＥＣＯＩＮ　Ｏ　Ｓ　。１＿　℃—■■■＿　【摘要】传统的ＤＥＡ方法将决策单元视为“黑箱”，因此往　往高估效率且无法发现被评单元非有效性的来源。网络ＤＥＡ　模型建模时放弃了黑箱假设从而使得所得效率值更加精确。本　文使用高强的平行结构模型评价中国三大产业的效率，创新之　处在于对模型的初始数据进行了必要的修正，结果显示使用修　正后的数据所得的效率值有较大改进。　【关键词】数据包络分析（ＤＥＡ）　ＣＣＲ模型　平行结构　模型效率评价　一、国内外文献综述　ＤＥＡ（Ｄａｔａ　Ｅｎｖｅｌｏｐｍｅｎｔ　Ａｎａｌｙｓｉｓ，数据包络分析）是数学、　运筹学、数理经济学和管理科学的一个新的交叉领域，基于　Ｆａｒｒｅｌｌ于１　９５７年在生产效率的度量方面所做的基础性工作，最　初由Ｃｈａｍｅｓ和Ｃｏｏｐｅｒ等人提出。这～方法可以测量非边界的　ＤＭＵ的效率水平，并且识别那些非有效ＤＭＵ所对应的标杆　（ｂｅｎｃｈｍａｒｋ）。由于ＤＥＡ具有“天然”的经济背景，因此ＤＥＡ方　法广泛应用于公共部门以及企业的效率评价，例如学校、酒店、　银行、保险业、铁路部门、国家经济等。而传统ＤＥＡ模型也在不　断完善与扩充，例如继１９７８年Ｃｈａｍｅｓ和Ｃｏｏｐｅｒ等人提出　ＣＣＲ模型之后，一些具有代表『生的模型相继出现：ＢＣＣ模型，　ＦＧ模型，ＳＴ模型，加法模型等。　传统的ＤＥＡ存在着一个“黑箱”假设：假设其评价的ＤＭＵ　内部为一个“黑箱”，即具体的转化过程不会精确地表述和模　拟。这一假设曾被认为是ＤＥＡ方法的优势之一——它只是揭　示而不强加转化过程的结构。　然而近年来，随着社会的发展，管理实践对效率评价提出　了新的更高的要求，深入到决策单元内部并找出低效症结所　在，成为提高效率精确度的一条途径，这就需要找寻一种新的　方法来打开“黑箱”，为管理实践提供更有参考价值的效率评价　结果。打开“黑箱”后，主要能够获得以下两方面的信息：一是识　别非有效性的来源。标准ＤＥＡ并不能够提供足够的详情来识　别组织中非有效的特别来源。正如Ｋａｏ　ａｎｄ　Ｈｗａｎｇ（２００８）文献　引言部分所提到的，什么因素导致了ＤＭＵ的非有效是一个更　值得关注的问题，尽管减少输入增加输出可以提高绩效；二是　提供相应的改进策略以提高组织绩效。网络ＤＥＡ模型允许单　个ＤＭＵ决策者能够集中特别的效率增强策略在那些生产过程　的组成子决策单元中。例如，某些情形下，通过合并所观察的　ＤＭＵｓ的一些子结构能够理论上获得更优的绩效。　网络ＤＥＡ的建模与实证已成为当前ＤＥＡ领域的研究热　点。最早的网络ＤＥＡ模型出现在Ｆ￣ｉｒｅ　ａｎｄ　Ｗｈｉｔｔａｋｅｒ（１９９５）、　ＦＲｒｅ　ａｎｄ　Ｇｒｏｓｓｋｏｐｆ（１９９６）这两篇文献中。此后，Ｆ￣ｉｒｅ　ａｎｄ　Ｇｒｏｓｓｋｏｐｆｆ２０００）发表了一篇以“网络ＤＥＡ”为题目的论文，正式　提出了“网络ＤＥＡ”这一名词。后续的网络ＤＥＡ研究包括　Ｌｅｗｉｓ　ａｎｄ　Ｓｅｘｔｏｎ（２００４）关于如何纳入反向量的研究，Ｋａｏ　ａｎｄ　Ｈｗａｎｇ（２００８）、Ｋａｏ（２００９）的关系网络研究，Ｙｕ　ａｎｄ　Ｌｉｎ（２００８）、　Ｙｕ　ａｎｄ　Ｆａｎ（２００９）的多活动网络和混合结构网络研究等等。网　络ＤＥＡ体系不断完善的同时，众多的实证研究也验证了这些　方法的合理性。　二、理论框架　假设一个ＤＭＵ由ｎ个同质的ＳＤＭＵ（Ｓｕｂ—ＤＭＵ，子决策　单元）组成。ＤＭＵｊ（ｊ＝１　．，ｎ）使用ｍ项投人生产出ｓ项产出，ｘ　（ｉ＝１，…，ｍ）和Ｙ　（ｒ＝１，…，ｍ）分别表示投入向量和产出向量。　每个ＤＭＵｊ内部有ｐｊ条平行生产线（ＳＤＭＵ　，ｋ＝ｌ，…ｐ＝ｊ）。注意　到ｘ＝ｘｋＬ　Ｘ　ｋ，Ｙｊ＝∑　ｙ　ｋ，即一个ＤＭＵ的输入输出值为其内　部各个ＳＤＭＵ输入输出之和。所有的投入和产出均要求大于等　于０。　１、ＣＣＲ模型　对于ＤＭＵ，传统的ＤＥＡ方法将其视为一个“黑箱”，而不　模拟具体的转化过程。最典型的“黑箱”模型为ＣＣＲ模型，由　Ｃｈａｍｅｓ和Ｃｏｏｐｅｒ等人（１９７８）提出。模型１如下：　Ｅ０＝ｍａｘ∑ＩＺｒＹ　／∑ＶｉＸ。　ｒ＝１　ｉ＝１　．∑ｕ　Ｙ　／∑１）ｉＸ　－＜１　ｊ＝ｌ，…，ｎ　（１）　ｒ＝１　ｉ＝１　ｕ　，　．－＞０　ｒ＝１，…ｓ　ｉ＝１，…，ｍ　（２）　其中，ｕ　１，．分别代表投入产出的权重。通过　Ｃｈａｒｎｅｓ—Ｃｏｏｐｅｒ变换和对偶变换，可将上述模型转化成模型２　（输入导向模型）：　ｍｉｎ０。一ｓ（∑ｓ　＋∑ｓ　）　ｒ　ｉ　．∑　＋ｓ　＝０ｏＸ　ｉ＝１，…，　（３）　Ｊ　∑　，ｘ　一Ｓ　＝Ｙｍ＝１，Ｓ　ｘ　一　Ｙｍ　ｒ　，…，　（４）　Ｊ　，ｓ　，Ｓｉ＞－０　Ｖｉ，ｊ，ｒ　（５）　在模型２中，（３）为输入约束，（４）为输出约束。Ｓ，和Ｓ．为松　弛变量。￡表示非阿基米德无穷小量。０。表示效率值，　表示　《当代经济））２０１１年１０月（上）　

研究与探索Ｉ　Ｓｔｕｄｙ　Ａｎｄ　Ｅｘｐｌｏｒｅ　

基于ＤＥＡ模型的我国汽车行业效率分析　

合肥荣事达三洋电器股份有限公司　李婷婷　陕西科技大学　马广奇　

一、引言　

近年来我田汽车产业进入高速持续发展阶段，已经逐渐成为　

世界汽车产业发展中心之一，也成为我国经济发展的中心之一。　

２００８年世界金融危机打破了全球汽车产业的格局，使得我国汽车　

产业的发展战略又一次面临转型。在这种情况下，我国汽车行业想　

要成功的转型，首先要提升自身的技术效率水平，其次还要优化　

投入产出结构，实现适度规模经济。因此，本文利用我国汽车上　

市公司的财务数据，对我国汽车产业技术效率总体水平进行实证　

分析。　

二、文献回顾　同前，国内已有学者对汽车产业的技术改进、发展战略和自主　

研发等方面问题进行了研究，但以汽车产业整体技术效率为主题，　

应用ＤＥＳ方法研究其技术效率的文献并不多。如胡洪力（２００４）运用　

ＤＥＡ方法对我国２０世纪９０年代这十年的轿车企业整体规模经济状　

况进行了实证分析，结果发现其中的７年处于规模递减阶段；其余的３　

年规模收益不变。由于我国轿车企业的投入产出效率太低尤其是盈　

利能力太弱，因此导致该行业一直处于规模不经济的状态。赵玻、王　

连（２００４）采用实证研究方法，并运用生产函数法对我国汽车行业的　产业技术效率进行了分析，得出的结论是我国汽车行业技术效率水　

平较低，员Ｔ劳动比与Ｔ程技术人员比是促进这一技术效率的主要　

冈素，而研发费用比和产业量增长率是影响技术效率提高的因素。　

何维达、刘满风（２００５）以２１世纪最初十年的我国汽车产业为研究对　

象，采用时间序列加总数据的数据包络分析法实证分析了该产业的　生产效率，其实证结果显示，我国汽车产业从２００８年开始进入了稳　

步发展阶段，汽车的生产量和出口量有了进一步增加，在国际市场　

上的竞争力也逐步增强。国际竞争力也逐年提高。白雪洁、戴小辉　（２００６）采用数据包络分析法对我国轿车产业的运行效率进行实证