基于超效率DEA模型的创新型企业创新绩效评价——以安徽省为例

格式：pdf
大小：91.66 KB
文档页数：3

下载文档原格式

我国各省区现代农业发展效率的比较分析——基于超效率DEA及malmquist模型的实证分析

曾福生，高鸣
（南农业大学经济学院，长沙４０２湖１１８）
摘
要：本文基于数据包络分析法的多个模型对我国各地区现代农业发展绩效情况进
行评价。从决策单元有效性、规模效益、投入要素的冗余量、现代农业发展类型和动态面板的绩效评价等五个角度分别对我国各地区现代农业发展状况进行深入的比较分析，并提出对策和建议。关键词：现代农业；发展绩效；数据包络分析法；超效率
ｍｉｎ０ｍｉｎ０
Ｚ２ｉｓ：Ｏｊ＋一ＸｏＸ
∑ ≤９ｋＸ
＝
１
Ｚ，Ｙ－＝Ｙ￣ｊＳｊｏ
（）１
－ｔ
奎 ≥
＝
一
‘ ２
≥ ｏ＝１，，，（， … ｚ２）
Ｓ一≥ ０． ≥ ０Ｓ
１
ｊ＃ｋ
≥ ｏ．，，ｎ（＝１２…，）『
… …
，
，
ｙ）如表示；｜与ｓ表示投入与产出要素的松弛变量。ｓ一＋
需注意的是，超效率ＤＡ模型中，非有效的ＤＵＥＭ效率值与ＣＲＣ模型中的效率值相同，但对于
错菅醒Ａｒｌｕｃｏｉｄ蛐ａｎｇｃｔＥｏｍｓｎＭｇｉｌｌｎｃａｌ咖ｅ
２１－３４总第１期０２１期￣￣４
我国各省区现代农业发展效率的比较分析 ’
基于超效率ＤＡｍｌｑｉｔ型的实证分析Ｅ及ａｍｕｓ模
信度。杜文杰（０９采用基于时不变阈值面板随机前沿分析法对我国不同时期不同阶段的农业生２０）

基于超效率DEA模型的地区农业循环经济效率评价研究

第23卷第2期2021年1月猱艺科枚Journal of Green Science and Technology基于超效率DEA 模型的地区农业循环经济效率评价研究蒋硕凡1,李晶洁1,杨富贵彳（1.天津商业大学理学院，天津300134；2.广州工商学院基础教学部，广东佛山528138）摘要：指出了农业循环经济是我国经济绿色发展的重要一环，对我国地区农业循环经济效率进行准确有效评价有助于促进该领域的健康可持续发展。

根据我国各个地区农业经济的特点，构建了地区农业循环经济评价指标体系，创新■地将超效率数据包络分析方法（DEA ）运用到农业循环经济效率评价领域，解决了现有传统DEA 方法难以区分有数效率值的问题。

在$匕基础上选取2016〜2018年中国31个省市农业数据，对我国地区农业循环经济进行了实证分析，结果表明：大部分省市三年农业效率稳步提高，同时浙江、黑龙江、山东、吉林等地三年效率平均值鬆大于1.5,效率较好；新疆、宁夏、甘肃、云南等地三年效率平均值低于0. 8,效率相对较低。

关键词：超效率DEA 模型；农业循环经济；效率评价中图分类号:F322 文献标识码：A文章编号：1674-9944（2021）02-0247-041引言中国是一个农业大国，农业作为国民经济的基础，为经济发展提供了充足的物质保障。

进入21世纪，我国农业迈入“高成本”时代而农业生产效率却逊于发达国家。

我国农业基础竞争力薄弱的根源是资源、劳动力、农业机械、科技等短板。

为此我国提出了促进农业循环经济的战略。

农业循环经济是采用农业资源减量消耗、农产品多次利用和农业有机废弃物资源化的闭合循环生产模式的工业型农业。

它是把农业生产、农产品加工和农业废弃物通过产业链有机地组合在一起，形成资源低投入低消耗,产品互为原料、多次使用，废弃物再利用，实现废弃物资源化的周而复始的循环经济体系。

在产业体系中，农业是与自然界关系最密切的产业。

基于DEA模型的基金资助效果评价研究

基于DEA模型的基金资助效果评价研究作者：达虎李唐艳李文艳后新莉杨凌来源：《现代信息科技》2023年第22期收稿日期：2022-11-08基金項目：甘肃省自然科学基金项目（21JR7RA754）；甘肃省软科学研究计划项目（20CX4ZA019、23JRZA354）；甘肃省委组织部陇原青年创新创业人才项目（2021LQGR08）DOI：10.19850/ki.2096-4706.2023.22.025摘要：以2018—2020年批复立项的甘肃省自然科学基金一般项目为例，在已完成结题验收的项目中每年度随机选取5个项目，共选择20个项目作为研究对象。

采用DEA模型对自然基金资助效果开展评价研究，重点分析基金资助效果的综合效率、纯技术效率和规模效率，同时分析自然基金资助项目成果及在实施经费“包干制”过程中存在的问题，并从多角度提出相应的对策。

关键词：DEA模型；自然基金；资助效果；包干制中图分类号：TP39；G301 文献标识码：A 文章编号：2096-4706（2023）22-0113-07Research on the Evaluation of Fund Funding Effectiveness Based on DEA Model —From the Perspective of“Overall Rationing System”of Scientific Research FundsDA Hu1， 2， LI Tangyan1， LI Wenyan1， HOU Xinli1， YANG Ling1（1.Gansu Computing Center， Lanzhou 730030， China; 2.Gansu Key Laboratory of Cloud Computing， Lanzhou 730030， China）Abstract： Taking the general projects of the Natural Science Foundation of Gansu Province approved from 2018 to 2020 as an example， 5 projects is randomly selected from the projects that have completed the final acceptance every year， and a total of 20 projects are selected as research objects. The DEA model is used to evaluate the effect of NSFC financing， focusing on the comprehensive efficiency， pure technical efficiency and scale efficiency of NSFC financing effect. At the same time， analyze the achievements of projects funded by the Natural Science Foundation and the problems in the implementation of the “Overall Rationing System” of funding， and propose corresponding countermeasures from multiple perspectives.Keywords： DEA model; Natural Science Fund; funding effect; Overall Rationing System0 引言过去科研项目经费的使用主要采用预算制，其要求在项目申报中将项目立项后经费使用情况制定一份详细的项目预算清单。

河南省各地市扶贫绩效评估--基于超效率DEA模型

习近平总书记指出，改善民生，消除贫困，最终实现共同富裕，是社会主义的本质要求。

在2017年12月中央经济工作会议上的讲话中，习近平总书记将扶贫攻坚战确定为中国的三大“攻坚战”之一（另外两个是金融风险防范和污染控制）。

21世纪中叶，中华人民共和国要实现社会主义现代化，如果没有最终消除中国的极端贫困，这些目标就不可能完全实现。

在这样的背景下，中国各级政府机关、各企事业单位等齐心协力，为中国的脱贫事业贡献力量。

学术界也掀起扶贫、脱贫研究热潮。

当前，扶贫框架下的扶贫效率和扶贫路径研究是学界研究的重点。

为了脱贫扶贫工作的顺利开展，自20世纪70年代末改革开放以来，中国建立了国务院扶贫开发领导小组等专门扶贫机构，实施了一系列扶贫政策，如《七年扶贫攻坚计划（1994-2000年）》《中国农村扶贫开发纲要（2001-2010年）》《中国农村扶贫开发纲要（2011-2020年）》《国家新型城镇化规划（2014-2020年）》以及2017年党的十九大提出的乡村振兴战略等。

另外，针对长期贫困地区和贫困人口，安排专门的融资机制和经济发展资金，制定符合中国国情的贫困标准。

中国在扶贫方面取得了巨大成就。

按照国家贫困线计算，全国已有8亿多人脱贫。

这一成果占世界减贫总量的70%以上，得到了全世界的赞誉。

根据《2019年中华人民共和国国民经济和社会发展统计公报》数据，2019年，中国农村贫困人口为551万人；比2018年末减少1109万；贫困发生率0.6%，比2018年减少1.1%；贫困地区农村居民人均可支配收入11567元，比2018年增长11.5%。

不过，中国因为人口众多，区域经济发展差异巨大，自然资源分布极不均匀，还有不少地区、不少人口仍然处在贫困之中。

河南是中国人口数最多的省份，虽然总体经济发展水平在全国范围内不算落后，但人均水平处于较落后状态。

2013年，河南省“建档立卡”的农村贫困人口有698万人，位居全国第三。

在中央发出脱贫攻坚战略之后，河南省实施具有自己特色的精准扶贫政策和精准脱贫措施，2014-2018年，实现近120万人成功脱贫，使得贫困发生率下降了7.58%。

基于DEA模型的白酒行业上市公司经营绩效评价

（二）启示
［５］蔡清龙．中小企业银行贷款融资策略分析［Ｊ］．黑龙江对外
经贸，２００９（９）：１１６ —１１８．
从上述分析可以看到，企业融资问题不仅仅是企业内部
财务状况改善就能解决的问题，而是与当地的法制法规建设以及金融环境有着密切联系。在研究企业融资难的问题中，大
而酿酒行业指数（数据来自东方财富通软件）却在这段期间上逐层分析经营绩效变动的原因；其不足之处是仅仅局限于一涨５１．４％，白酒上市公司中涨幅居前的金种子酒、洋河股份和些常规的财务比率指标，而忽略非财务指标，且财务比率指古井贡酒分别达到４５５％、２９０％和２３１％（均按复权价计算）。标之间往往缺乏系统性。ＥＶＡ是在企业税后净营业利润的基
［６］ＭｏｄｉｇｌｉａｎｉＦ，ＭｉｌｌｅｒＭ．ＴｈｅＣｏｓｔｏｆＣａｐｉｔａｌ，ＣｏｒｐｏｒａｔｅＦｉｎａｎｃｅａｎｄｔｈｅＴｈｅｏｒｙｏｆＩｎｖｅｓｔｍｅｎｔｆＪｊＡｍｅｉｒｃａｎ
术有效性和规模有效性进行分析。研究结果表明白酒行业在高速增长的背景下，其技术效率和规模效率并不理想，为此提出：白酒企业应抓住促内需和消费升级带来的机遇、挖掘企业内部潜力以及充分发挥产业优势，以不断提升技术效率和规模效率，做大做强白酒产业。

基于DEA计算的企业并购绩效差量评价模型研究

Ｉ一职ＥＳ论ＩｌＤ管理ＮＯ
坛
ＦＡＣＣＯＵＮＴＩＮＧ
基于ＤＡ计算的企业并购绩效差量评价模型研究Ｅ
西安石油大学经济管理学院
马瑜望
中国石油青海油田分公司财务处
西安石油大学经济管理学院
高海梅
李志学
【摘
要】文章运用数据包络分析（Ｅ）ＤＡ中的“ 超效率”ｓｅ— ｍｃｎｙ模型建立起一个新的并购绩效评价模型——差量评价模型，ｕｒＥｉｃ）ｐｅ
多少年来，购始终是企业的一个谜。企业为了能够获得且规模和数量都在不断增长。给理论界和企业家们提出了疑并这较大的利益，惜付出惨痛的代价，诸多学者对企业并购的不而研究亦是层出不穷。
效率的改变；中观并购绩效，即并购给相关行业带来的影响，例包括对比考察并购前后或与同行业相比经营业绩的优劣变化，如产业结构的调整、行业集中度等；宏观并购绩效是整个并购
市场即控制权市场带来的一系列影征。上述分析业务指标选取
一
、
引言
论和报道频频出现，但是企业的并购活动依然不断地发生，而问：全面而有效地评价企业并购后的绩效？如何（）业并购绩效评价方法的研究二企笔者对近期学者们研究并购绩效的方法进行进一步的比
并购绩效通常情况下按其影响范围，从全社会角度研究并
购行为产生的并购绩效出发，可划分为宏观、观和微观方面年度中，取营利能力、能力、中选偿债资产状况、营业务状况、主现的绩效。微观并购绩效就是围绕市场主体— — 企业本身业绩和金流量水平等经营业绩指标，来判定事件对企业绩效的影响，

基于超效率DEA的高新技术企业知识管理绩效评价研究——以山东省为例

价的实证研究。
ｊ，’ ｈ２ｉ＝ｌ， …
Ｊ≥．０ｏ ≥ ｙ
（１）
ＣＲ模型的线性规划形式是基于凸性、锥性、无效性、最小性等生产公理体系假设得到的，通过ＣａｅｓＣｏｅｈｒｓ．ｏｐｒ变换，ＣＲ模型的分式规划形式可以等价地转换为线性规划形式，为便于计算，常采用线性规划形式。基于输入的
∑ ≥ 。Ｙ
≥ ０，＝１２，一，ｉ，・
引入新的松弛变量Ｓ ≥０Ｓ一， ≥０可将式（），３表示为如下
形式：
收稿日期：２０ — ２２０９１－１作者简介：海燕ｆ９５）ｋ，东泗水人，管理学硕士，山东轻工业学院经济管理学院讲师，究方向为人力资源管理；陈加奎（９４）赵１７一，－山研１７－
≥０．１≥ ０／
率得到的。设存在有ｎ个决策单元ＤＭＵ，ｉ，２ … ，ｎ，＝ｌ，，每个
其中＝，
，＝１ｆ
。
决策单元都有ｍ种输入和Ｐ种输出，其中第ｉ个决策单元
ＤＵ的输入表示为Ｘ＝（Ｍｉｉ．Ｘｉ．ｍ，输出表示为ｙ＝，）（，２一）Ｙ，，权重表示为ｖＶＶ，Ｖ） “＝（ｌ２＝（ｌ２…，，， “，， “
管理结构绩效进行评价。
进行知识管理总量绩效评价的投入指标包括知识员工带有非阿基米德无穷小以及松弛变量的线性规划模型为：

基于DEA法的中低星级酒店经济效率评价——以我国25个省市三星级酒店为例

【关键
词】星级酒店；经济效率；ＤＡＥ
【中图分类号】Ｆ９【５ｏ文献标识码】Ａ【文章编号】１０ — １８（００３０４ — ３０９４４２１）０ — ０６０
随着我国旅游业的快速发展，酒店的需求量明显增长。星级酒店的市场需求也在发生变化，目前市场定位明
和广东的高星级酒店存在高产出不足率和规模收益递减的现象，高星级酒店经营是无效率的，低星级酒店虽然是无
效率的但相对效率逐年上升Ｌ。黄丽英、刘静艳（０８４Ｊ２０）用ＤＡ方法的ＣＲＣ、ＮＲＥＣ、ＢＣＩＳ基本模型，计算了我国
第２６卷第１５期２
２１００年６月
湖南财经高等专科学校学报
ＪｕｎｌｆＨｎｎＦｎｎｉｌｎｃｎｍｃＣｌｇｏｒａｏｕａｉｃｄＥｏｏｉｏｅｅａａａｌ
ｒｆ２．２０．６Ｎｏ１５
Ｊｎ２１ｕ．００
ＡｄｒｎａｄＳｏｔ（００）用ＤＡ —ＢＣ及ＤＡ — ｎｅｏｎｃｔ２０ｓＥＣＥ
ＣＲ模式评估美国４Ｃ８家观光旅馆经营绩效，研究结果显
示４８家旅馆的平均效率为０４，认为技术效率及分配效．２率不佳是造成酒店经营缺乏效率的主要原因…。Ｂｒｓａｒｏ
率和技术效率进行分析和比较，在此基础上，为中低星级酒店改善自身的效率、提高经营绩效给出相关建议。
一
结果进行了原因分析Ｊ。上述研究都只是选取了一部分地区的高星级酒店作为样本运用ＤＡ法进行研究。Ｅ

我国主要民营快递企业物流绩效评价研究——基于超效率DEA模型

我国主要民营快递企业物流绩效评价研究——基于超效率
DEA模型
吴贵文;黄敬前
【期刊名称】《物流工程与管理》
【年(卷),期】2013(035)011
【摘要】文中采用了数据包络分析（DEA）法来研究我国主要民营快递企业的物流绩效情况,以我国8个主要民营快递企业为研究样本,通过测度样本企业的总技术效率、纯技术效率、超技术效率总结出我国民营快递企业发展状况。

文中研究有助于我国民营快递企业通过效率比较,发现自身薄弱环节,以采取有效措施改善自身投入产出水平,提高物流效率。

【总页数】2页(P102-103)
【作者】吴贵文;黄敬前
【作者单位】福州大学八方物流学院福建福州350108
【正文语种】中文
【中图分类】F252
【相关文献】
1.基于超效率DEA模型的我国基础教育绩效评价研究 [J], 张世明;贾海波
2.我国主要民营快递企业物流绩效评价研究--基于超效率DEA模型 [J], 吴贵文;黄敬前
3.我国电影院线的效率评价研究——基于超效率DEA模型的分析 [J], 王海
4."一带一路"倡议下我国重点省市物流绩效评价研究 [J], 黄庆华;戴罗肖
5.基于超效率DEA模型的我国酒店业经营效率的测度与评价研究 [J], 刘中艳因版权原因，仅展示原文概要，查看原文内容请购买。

基于CriticAHP赋权法的DEA绩效评价

03
数据来源于各公司年报、公开信息及行业统计数据。
数据来源与处理
数据处理
采用DEA方法对各DMU进行绩效评价，需要输入产出和投入数据。
产出数据包括各公司的营业收入、净利润等；投入数据包括各公司的资产总额、员工人数等。
数据均经过标准化处理，以消除规模和量纲的影响。
DEA评价结果分析
DEA评价模型选择
意义
通过使用这种方法，我们可以更全面、更客观地评价组织的绩效，从而为组织的管理和决策提供更有价值的参考。此外，该方法还可以用于不同组织之间的比较，为组织之间的合作与竞争提供更多的信息。
研究目的与方法
目的
本研究旨在探讨如何运用基于Criticahp赋权法的DEA绩效评价方法对组织进行有效的绩效评价，并分析该方法在不同行业、不同地区的应用效果。
Criticahp赋权法的步骤
1. 确定输入和输出指标
根据待评价的部门或企业的特点，选择适当的输入和输出指标。
3. 构建DEA模型
将计算出的权重应用于DEA模型中，构建出基于Criticahp赋权法的 DEA模型。
2. 计算权重
根据Criticahp赋权法的原理，计算每个输入和输出指标的权重。
权重计算
利用Criticahp赋权法计算输入输出指标的权重，以反映各指标在绩效评价中的重要程度。
评价结果修正
将Criticahp赋权法应用于DEA评价模型，对原始评价结果进行修正，以提高评价结果的准确性和可靠性。
05
实证分析
数据来源与处理
01
数据来源
02
本文选取了10家非银行金融机构作为决策单元（DMU），包括证券公司、保险公司、基金公司等。

基于超效率DEA模型对区域经济效率的实证分析——以湖北省地级市、州为例

（一）超效率ＤＥＡ模型简介数据包络分析（ＤａｔａＥｎｖｅｌｏｐｍｅｎｔａｎａｌｙｓｉｓ，简称ＤＥＡ模型）
１，２，… ，，ｎｒ＝１，２， … ，ｓ
＝
＝
是由著名运筹学学者Ａ．Ｃｈａｍｅｓ（查恩斯）和ｗ．Ｗ．Ｃｏｏｐｅｒ（库伯）及Ｅ．Ｒｈｏｄｅｓ（罗兹）等人于１９７８年开始创建，１９８８年由中国人本文评价ＤＭＥｏ相对有效性时，选取由规模报酬不变条件民大学的魏权龄教授第一次将其引入中国理论界。由于ＤＥＡ下的线性规模模型——超省效率ＤＥＡ模型。
一
、
（二）模型的建立
设个决策单元．，ｑ＝ｉ，２， …，ｎ）的输入向量记为ｘｊ＝（ｘ
如， …，ｋ），其输出向量记为＝（Ｙ。，Ｙ， …，ｙ），其中为第个决策单元中的第ｉ种类型的输入值的投入总量。ｙ为第个决策单元中的第ｒ种类型输出值的产出总量。ｍ和Ｊｓ分别表示输入和输出指标个数，各变量取值范围（ｉ＝１，２， …，ｍ；ｒ＝＝从表１中可以明显的看出，湖北省三次产业产值呈上升态１，２， …，ｓ），设输人权重向量为＝（ …，），输出的权重向势，三次产业的产值占全省ＧＤＰ比重有所变化。很明显可以看量为＝（ｕ：， …，）。输入输出的权重均由各ＤＭＵ组成的评出，三次产业结构得到了进一步的优化，农业平稳发展，全省经价群体来决定，而非人为确定。由此可得ＤＭＵｊ效率评价指数：济已经实现平稳较快的发展，经济效益不断提高，自主创新能力不断优化，民生保障进一步得到改善，社会各项事宜全面发ｎ㈩展，全年各项经济指标均已经超过预期定值，实现了“ 十二五 ” 可见＾是ＤＭＵｊ的产出指标加权之和与投人指标加权之良好开局。但同时也应看到，总体大发展背景下，各地级市发展由此，第．。个ＤＭＵ￣ｏ的相对有效性评价模型为：的不均衡，部分城市三次产业产出效率低有待优化，为了更加比，

基于超效率DEA-IAHP的物流企业绩效评价

对重要程度，有效地解决了决策者因为对物流企业信息掌握不全而导致的点判断矩阵不可靠的问题，好地这更
体现了决策者偏好。笔者给出了应用超效率ＤＡＩＨＥ — Ｐ方法对物流企业进行绩效评价的基本步骤，用实例分Ａ并
ｃｕｄｒｎｌｔｅＤＭＵｗｈｉｈｃｎ’ ｏｅｉｏｌａｋａｌｈｃａｔｂｅｄｎｎＤＥＡ．ｗｈｌＡＨＰｃｕｄｂｔｒｅｐｅｓｔｅｄｃｓｏｋｒＳｉｅＩｏｌｅｔｘｒｓｈｅｉｉｎｍａｅ ’ ｅｐｅｅｅｃｅｅｐｅｄｎ’ ａｅｔｅｒｃｎｒａｉｎ．Ｗｅｃｕｄｆｎｈｐｃｆｃｓｅｓｏｈｓｍｅｈｏｎｔｉｒｆｒｎｌｄｔｅｓｅｉｔｐｆｔｉｔｄｉｈｓｉｉｐａｅ．Ｆｉａｌａｃｓｓｃｍｐｔｄｔｌｓｒｔｈｐｌａｉｉｎｅｓｂｉｔｆｔｅｍｅｈｄ．ｐｒｎｌｙ，ａｅｉｏｕｅｏｉｌｔａｅｔｅａｐｉｂｌｔａｄｆａｉｌｙｏｈｔｏｕｃｙｉ
ＳｕｙｏｏｉｔｓＰｅｆｒｎｅＥａｕｔｎＢｓｄｏｐｒｔｄｎＬｇｓｉｒｍａｃｖｌａｉａｅｎＳｕｅｃｏｏＥｆｉｎｙＤＥＡ－ｆｃｅｃｉＩｔｏＡＨＰＭｅｈｄ
析体现了该方法的实用性及优越性。关键词：筹学；效评价；效率数据包络分析；运绩超区间层次分析法；流企业物中国分类号：２２５１７．７文章标识码：Ａ文章编号：０７３２（０２Ｏ — １９Ｏ１０－２１２１）１０８一６

毕业设计(论文)-基于DEA的中信银行经营绩效评价研究

南京邮电大学毕业论文题目基于DEA的中信银行经营绩效评价研究专业工商管理学生姓名班级学号指导教师评阅教师指导单位管理学院日期： 2015 年 3 月 17 日至 2015 年 6 月 07 日毕业设计（论文）原创性声明本人郑重声明：所提交的毕业设计（论文），是本人在导师指导下，独立进行研究工作所取得的成果。

除文中已注明引用的内容外，本毕业设计（论文）不包含任何其他个人或集体已经发表或撰写过的作品成果。

对本研究做出过重要贡献的个人和集体，均已在文中以明确方式标明并表示了谢意。

论文作者签名：日期：年月日摘要绩效评价一直以来都是企业关注的核心问题之一，商业银行也不例外，尤其是在经济全球化趋势越来越明显，来自国际和国内竞争压力不断加大的今天，商业银行必须得构建适合自身绩效评价的指标体系。

本文在回顾前人研究的基础上，采用数据包络分析法（DEA）构建了适合我国商业银行的绩效评价指标体系。

本文选择中信银行作为研究对象，同时选择四大国有银行和三大股份制商业银行作为参照银行，根据八家银行2014年的年度报告获得本研究所需的原始数据。

然后运用 DEAP2.1 软件，测算这八家商业银行在营运能力、获利能力和发展能力三方面的效率值，通过对输出数据的分析来评价中信银行的绩效水平，并提出相关建议。

关键词:中信银行；绩效评价；数据包络分析（DEA）ABSTRACTPerformance Evaluation has always been the core issue for every enterprise, and the commercial banks are no exception, especially when the trend of economic globalization is getting more and more obvious, and competitive pressure from international and domestic is increasing. Commercial banks have to build their own index system for performance evaluation. Based on the review of previous studies, I use data envelopment analysis (DEA), and build the index system for performance evaluation. I choose the CITIC Bank for the study, while four state-owned banks and three joint-stock commercial banks as reference banks. The raw data obtained in this study required from eight Bank’ Annual Report of 2014. By using DEAP2.1 software, we estimate the eight commercial banks’ eff iciency values on operating capacity, profitability capacity and development capacity. According to the analysis of the output data，I try to evaluate the level of performance of CITIC Bank and make several recommendations.Keywords: CHINA CITIC BANK；Performance evaluation；Data envelopment analysis (DEA)目录第一章导论 (1)1.1选题背景及研究意义 (1)1.1.1选题背景 (1)1.1.2研究意义 (1)1.2研究内容及结构安排 (2)1.2.1 研究内容 (2)1.2.2 本文结构安排 (2)第二章国内外研究理论综述 (4)2.1绩效评价的定义 (4)2.2绩效评价的方法 (4)2.2.1单一指标绩效评价法 (4)2.2.2多重指标衡量法 (6)2.3国内外关于商业银行经营绩效评价的研究 (7)2.3.1国外的研究 (7)2.3.2国内的研究 (8)第三章银行经营绩效评价方法的选择与简介 (10)3.1 评价方法的选择 (10)3.2 数据包络分析法(DEA)概述 (10)3.2.1 CCR 模型 (11)3.2.2 BCC 模型 (13)第四章中信银行经营绩效实证分析 (15)4.1 中信银行简介 (15)4.2 指标体系选择 (15)4.2.1 选择原则 (15)4.2.2指标体系的设计 (16)4.3 中信银行经营绩效的DEA分析 (17)4.3.1数据处理 (17)4.3.2 数据处理结果分析 (18)4.4 提升中信银行绩效的相关对策和建议 (22)第五章结论与展望 (24)致谢 (25)参考文献 (26)第一章导论1.1选题背景及研究意义1.1.1选题背景在世界经济融合的国际背景下，以及我们加入世界贸易组织（WTO）,外资银行的深入和经济金融体制改革的国内背景下，我国商业银行现阶段面临着极大的竞争压力，而这一切都迫使商业银行必须不断改善经营水平。

医疗数字化平台的应用对于提高医疗效率的分析--基于DEA模型

概念，判断决策单元有无效率。
目前 DEA 模式主要包含以下几种：规模报酬不变的
CCR 模型，规模效率可变的 BCC 模型，规模效率非增的 FG
模型和规模效率非减的 ST 模型。由于医院并非简单的生
产企业，医院投入与收益受到现时国家政策、市场环境、技术
层面等多方面的影响，不适合用规模效益不变的 CCR 模型
战略运营
监管力度不够。第四，信息化程度较低。在各因素的共同作用下，医院运行效率降低，不能满足患者的就医需求，可能会延误对患者病情的判断，易发生医患矛盾，产生恶劣的社会影响。
医院前核心管理系统（包括传统 HIS）和集成平台支撑了整个医院信息化，但运行中显示出发展瓶颈。其存在的问题主要包括以下方面：第一，系统创新开发不足。第二，数据标准不统一。第三，应变能力较差，缺乏灵活性。第四，平台工作繁杂，技术支持得不到保障。第五，业务运行不稳定且速度慢等。
和对相关方法的评估来实现。
三、方法与模型
（一）数据包络分析
DEA（Data Envelopment Analysis，即数据包络分析）是
一种非参数估计分析方法，可用于测量目标决策单位的多投
入、多产出效率，该方法是基于数学规划模型计算后找出多
种组合中最有利的各组合点形成的边界，构成包络线，将所
有决策单元投射于几何图中，求得其边际效益，用相对效率
战略运营
医疗数字化平台的应用对于提高医疗效率的分析
——基于 DEA 模型
马浩然程可仁陈宏捷夏禹朱永坤
摘要：随着我国医疗卫生领域迅速发展，医疗档案等数据也在几何倍增加，数据冗余、信息孤岛的现象普遍存在。医疗数
字化平台的应用将会对医疗健康大数据进行更精确的分析和预测，为医学决策提供合理依据。本文采用数据包络分析安徽省

基于DEA方法的智慧物流公司绩效评价研究

引言。

智慧物流是以信息化为主要依托，得益于物联网等技术的不断进步，在物流价值链上的六项基本环节实现实时系统感知和数据收集的智能型物流系统。

目前经济全球化进程加快，电子商务飞速发展，新业态、新模式不断涌现，社会生产生活对物流行业提出了更高的发展要求，物流业正面临亘古未有的机遇和挑战，行业急需利用数字化、智能化实现物流产业智能化发展。

2018年国家发改委在《国家物流枢纽布局和建设规划》中强调“要求顺应现代物流业发展新趋势，加强现代信息技术和智能化、绿色化装备应用，打造绿色智慧型国家物流枢纽”。

随着物流产业结构的变化、贸易结构变化和供需双方结构的变化，以信息技术为基础的智慧物流正在以惊人的速度发展。

智慧物流公司的发展是智慧物流行业发展的重要组成部分，随着智慧物流产业市场规模逐步扩大，物流领域企业纷纷布局智慧物流行业。

在此智慧物流的公司绩效衡量问题成为智慧物流行业发展体系下的重要研究问题，能够激励智慧物流公司可持续快速发展，并为提高智慧物流行业的发展水平提供经验。

目前，关于智慧物流公司的绩效研究较少。

本文在梳理已有文献的基础上，收集了2016年至2020年十个上市智慧物流企业年报中关于智慧物流的资金投入和经营情况数据，构建智慧物流公司绩效的评价指标，运用效率评价方法中的数学包络分析方法（D E A），从综合效率、纯技术效率、规模效率和规模收益四个角度探讨智慧物流的布局对企业绩效的影响，并在已有研究的基础上，为智慧物流企业的智慧化升级提供建议。

一、文献综述。

智慧物流是在传统物流的基础上利用大数据技术、智慧系统对物流各流程数据进行实时收集并处理，实现可视化智能监控、优化、管理，从而降低经营成本、提高生产效率、推动服务增值的先进物流管理模式，本质是一种人与物之间的信息交互，是数字经济与物流业的融合，是一种高层次的物流形态[1]。

与传统模式不同的是，通过数据的获取、传输、存储、运用等交互步骤，智慧物流朝着网格化、全面化、数字化和精细化方向发展，并逐渐与多种业态融合，产生新的模式和业态[2]。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

基于超效率ＤＥＡ模型的创新型企业创新绩效评价研究姚禄仕赵萌（合肥工业大学管理学院安徽合肥２３０００９）摘要：对创新型企业的创新绩效进行评价，有利于政府部门和管理者对创新型企业创新活动进行管理，本文从创新投入与创新产出角度构建了创新型企业创新绩效评价指标体系，并借助超效率ＤＥＡ模型计算出安徽省第一批和第二批创新型企业２００９和２０１０年创新绩效效率值，对非ＤＥＡ有效的企业提出最佳改进策略，从而为全面提升创新型企业创新绩效提供决策依据。

关键词：创新型企业创新绩效评价指标体系超效率ＤＥＡ模型作者简介：姚禄仕（１９６２－），男，安徽桐城人，合肥工业大学管理学院教授赵萌（１９８６－），女，天津市人，合肥工业大学管理学院硕士研究生一、引言随着我国创新型国家战略的实施，区域创新能力、创新型城市、创新型企业等的评价研究成为各界共同关注的热点。

在建设创新型国家的重要战略中，创新型企业是建设创新型国家的决定力量。

大批高水平的创新型企业群体是建设创新型国家的重要依托和支撑。

创新绩效是指企业的创新活动为该企业带来的效益。

对创新型企业创新绩效进行评价，有助于政府部门和企业管理者了解创新型企业创新活动的进展，发现企业自主创新过程中存在的问题，以便采取有效的措施提高其自主创新能力。

本文以创新型企业的创新投入和创新型产出两个方面为基础，构建了创新型企业创新绩效评价指标体系，应用ＤＥＡ模型，以安徽省为例，对安徽省创新型企业进行创新绩效的相关数据进行评价分析，并提出相应的政策建议。

二、数据包络分析与ＤＥＡ模型（一）数据包络分析数据包络分析（ＤａｔａＥｎｖｅｌｏｐｍｅｎｔＡｎａｌｙｓｉｓ，ＤＥＡ）是一种评价多输入和多输出系统效率的有效方法，最初由Ｃｏｏｐｅｒ和Ｌｅｗｉｎｚ在相对评价效率上提出，目前已成为公认的有效评价方法，在多个研究领域得到了广泛的应用。

ＤＥＡ技术是非参数前沿面的分析方法，它无须估计生产函数，通过观测大量实际生产数据，基于一定的生产有效性标准，构建生产前沿面以及位于该前沿包络面上的相对有效点。

以ＤＥＡ为主的非参数方法具有以下优点：（１）无需知道前沿生产函数的具体形式，研究中受约束少；（２）可很好地处理多投入和多产出情况；（３）可有效地计算企业的技术效率，预测企业的综合效率、配置效率和纯技术效率，从而全面了解企业的整体运作；（４）计算出的技术效率可直接指明被评价企业投入的利用效率以及在哪些投入产出项目上与最佳企业有差距。

但是相比参数方法而言，非参数法存在不能方便地检验其结果的显著性的缺点。

（二）ＤＥＡ模型本文选择ＤＥＡ方法以通过一个综合性的指标来对创新型企业创新活动的多投人和多产出效果进行评价。

（１）ＤＥＡ基本模型。

假设有ｎ家企业利用ｍ种投入生产ｓ种产出，对于第ｉ家企业，分别用向量ｘｉ和ｙｉ表示为ｘｉ＝（ｘｌｉ，ｘｌｉ，…，ｘｍｉ）Ｔ，ｙｉ＝（ｙｌｉ，ｙｌｉ，…，ｙｍｉ）Ｔ，ｉ＝１，２，…，ｎ。

对于每一家企业，预测出所有产出与投入的比例，即ｕｙｉ／ｕｘｉ。

其中ｕ、ｖ分别表示第ｉ种输入、输出的权重，ｖ＝（ｖ１，ｖ２，…，ｖｍ）Ｔ，ｕ＝（ｕ１，ｕ２，…，ｕｍ）Ｔ。

假设规模报酬不变，最优权重可通过如下数学规划问题得到：ｍｚｘ（ｕＴｙｉ／ｖＴｘｉ）ｓ．ｔ．ｕＴｙｉ／ｖＴｘｉ燮１，ｊ＝１，２，…，ｎｕ，ｖ叟叟０。

为避免得出无穷多解，可增加约束条件ｖＴｘｉ=１，则上述规划问题转变成：ｍｚｘμＴｙｉｖＴｘｉ－μＴｙｉ叟０，ｊ＝１，２，…，ｎｓ．ｔ．ｖＴｘｉ＝１ｕ，ｖ叟叟０。

上述函数的对偶规划为：ｍｉｎθｓ．ｔ．ｎｉ＝１Σｘｉλｉ燮ｙｉｎｉ＝１Σｙｉλｉ燮ｙｉλｉ叟０，ｉ＝１，２，…，叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟ｎ。

对上述对偶规划引入松弛变量和剩余变量后变为如下函数：ｍｉｎθｎｉ＝１Σｘｉλｉ+s -=θｘｉｓ．ｔ．ｎｉ＝１Σｙｉλｉ-s +=ｙｉλｉ叟０，ｉ＝１，２，…，ｎs -叟０，s +叟叟叟叟叟叟叟叟叟叟Σ叟叟叟叟叟叟叟叟叟０。

若θ＝１，表明被评价企业效率为弱ＤＥＡ有效；若θ＝１，且对于它的每个最优解λ，都有s -=s +＝０，则表示被评价企业效率为ＤＥＡ有效。

（２）超效率ＤＥＡ模型。

用ＤＥＡ方法评价决策单元的相对效率时，最后的结果很可能出现多个单元同时为相对有效，而Ｃ２Ｒ模型对这些有效单元无法做出更进一步的评价与比较。

为了弥补这一缺陷，Ａｎｄｅｒｓｅｎ和Ｐｅｔｅｒｓｅｎ提出了“超效率ＤＥＡ”模型，使得有效决策单元之间能够进行效———以安徽省为例姚禄仕赵萌：基于超效率ＤＥＡ模型的创新型企业创新绩效评价研究９０表5影子价格名称Ｉ１１Ｉ１２Ｉ１３Ｉ１４Ｉ２１Ｉ２２Ｉ２３Ｏ１１Ｏ１２Ｏ１３Ｏ２１Ｏ２２Ｏ２３Ｏ２４Ｍ５６－０．４５２０．０００－４．２１２０．００００．０００－０．３８３０．０００２．４０００．５９３０．００００．４８３０．１８１０．００００．２２６表476家创新型企业创新绩效效率值描述性统计分析Ｎ极小值极大值均值标准差２００９年θ７６０．４２０３．１４４１．１５２０．５３０２０１０年θ７６０．３３４７．４１８１．２０５１．１２７表1创新型企业创新绩效评价指标体系一级指标二级指标三级指标创新投入Ｉ１Ｒ＆Ｄ投入强度Ｉ１１；从业人员中Ｒ＆Ｄ人员比重Ｉ１２；Ｒ＆Ｄ机构建投入指标设情况Ｉ１３；承担科技计划项目数Ｉ１４创新管理Ｉ２创新战略发展建设情况Ｉ２１；创新激励机制建设Ｉ２２；创新企业文化建设Ｉ２３自主产权Ｏ１企业授权发明专利数Ｏ１１；主持或参与制定的标准数Ｏ１２；创新成果产出指标获奖情况Ｏ１３创新业绩Ｏ２全员劳动生产率Ｏ２１；销售收入增长率Ｏ２２；利润增长率Ｏ２３；新产品（技术服务）销售收入比率Ｏ２４表2定性指标评分标准程度差一般较好好很好分值１２３４５表3安徽省创新型企业2009、2010年创新绩效效率值名称Ｍ０１Ｍ０２Ｍ０３Ｍ０４Ｍ０５Ｍ０６Ｍ０７Ｍ０８Ｍ０９Ｍ１０Ｍ１１Ｍ１２Ｍ１３Ｍ１４Ｍ１５Ｍ１６Ｍ１７Ｍ１８Ｍ１９Ｍ２０Ｍ２１Ｍ２２Ｍ２３Ｍ２４Ｍ２５Ｍ２６２００９θ２．９３８１．５６４０．９２２０．７４９１．２５９０．８０６２．７２２１．７７００．７１８１．２７５１．２８８０．５９５１．１４８０．８６３１．６５１０．９０８０．７５６０．７４１１．２６０１．００１１．１１２１．４２８０．９４４１．４１６１．０１０１．０５５２０１０θ７．４１８０．９０１０．９２４０．９３０１．３５９０．５９０２．２００１．５６７０．５９８１．３９５０．９７８０．９４８０．９６２０．７９４１．０８４０．７６６０．７４１１．３８４０．９１１１．０６００．９１７０．７５９０．９９８１．６２９１．００４１．３９２蒡λ１．０００１．００２１．１７１０．９６１１．００００．７２７１．０００１．００００．７２２１．００００．８０２１．４８０１．１１３０．９１５１．００００．９３５０．６４２１．００００．７５５１．００００．９１７０．９５１０．７６６１．０００１．０００１．０００名称Ｍ２７Ｍ２８Ｍ２９Ｍ３０Ｍ３１Ｍ３２Ｍ３３Ｍ３４Ｍ３５Ｍ３６Ｍ３７Ｍ３８Ｍ３９Ｍ４０Ｍ４１Ｍ４２Ｍ４３Ｍ４４Ｍ４５Ｍ４６Ｍ４７Ｍ４８Ｍ４９Ｍ５０Ｍ５１２００９θ１．２８０１．７７２０．８８４０．７６３０．７５２０．９８５１．７４５０．９３３１．２３６１．３１０１．０１００．９７１０．８６８０．７８８０．９０８０．８５９０．９６０１．９３１０．７２９０．６４５０．４２００．８６４０．８２８０．８３４１．２４７２０１０θ１．０４３１．２３８０．６７００．９１９０．５１１０．６６４１．５８４０．８４４０．９４７１．０４１１．０９７０．７４６０．５９３０．７４３０．３３４０．７５３１．３６８１．５０１０．５２６０．７９７０．４１８１．３０１１．１９９０．８２３０．９４８蒡λ１．０００１．００００．８２９０．８０６０．７７２０．６３４１．００００．８１３０．７８２１．０００１．００００．７９７０．８２８０．９４１０．６３７０．８２５１．０００１．００００．６４４０．７６５０．７０３１．０００１．００００．９０２０．６８８名称Ｍ５２Ｍ５３Ｍ５４Ｍ５５Ｍ５６Ｍ５７Ｍ５８Ｍ５９Ｍ６０Ｍ６１Ｍ６２Ｍ６３Ｍ６４Ｍ６５Ｍ６６Ｍ６７Ｍ６８Ｍ６９Ｍ７０Ｍ７１Ｍ７２Ｍ７３Ｍ７４Ｍ７５Ｍ７６２００９θ０．８９５１．５０５０．６９８０．９５３０．６９４０．９５１１．０２７１．２９９０．８５２１．２８１１．０６２１．２３８３．１１４２．５５５１．０２９１．０２４１．３２４０．５９３２．４５２０．８４２１．２８８１．１５５０．６２９１．０５５０．６２２２０１０θ０．６０８１．６６７０．７５０１．０８９０．６５５０．８３５０．８６４０．９２４０．８６９１．４５１１．１９７６．７６１４．６０４０．５８９０．８８９０．８６３１．０６３０．５１５１．３２６０．６８６１．１０５２．６９０．５６８１．０６１１．１４５蒡λ０．７６１１．００００．７５５１．００００．６９７０．８２６０．６７４０．７４４０．８０７１．０００１．０００１．０００１．００００．６７５０．６１４０．６６９１．００００．８４５１．００００．６９３１．０００１．００００．９３７１．０００１．０００率高低的比较。

面向投入的超效率ＤＥＡ模型可表示：ｍｉｎθｎｉ＝１，ｉ≠１Σｘｉλｉ+s -=θｘｉｓ．ｔ．ｎｉ＝１，ｉ≠１Σｙｉλｉ-s +=ｙｉλｉ叟０，ｉ＝１，２，…，ｎs -叟０，s +叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟０。

这个模型的基本思路是：在评估决策单元时，将其排除在决策单元的集合之外。

在超效率模型中，对于非ＤＥＡ有效的决策单元，其生产前沿面不会发生变化，计算出的超效率值与Ｃ２Ｒ模型中的结果保持一致；而对于ＤＥＡ有效的决策单元，其超效率值计算结果又可能大于１。

三、研究设计（一）样本选取与数据来源本文选取安徽省第一和第二批共１０３家创新型企业作为待评价对象，样本区间设定为２００９至２０１０年，样本数据来源于各企业自愿提交安徽省科技厅的财务报表以及企业自评估报告，考虑到数据的完整性，最终选定７６家创新型企业作为评价对象。

（二）模型构建企业的创新包括制度创新、技术创新、产品创新、管理创新、文化创新等诸多方面，其中最重要的、直接制约企业生产力发展的是技术创新。

因此，本文遵循指标选取的科学性、客观性、系统性、功能性、相对独立性、可比性、可操作性以及定性与定量相结合等原则，结合创新绩效的相关理论从创新投入、创新管理、自主产权和创新业绩四个方面构建了创新型企业创新绩效评价指标体系，具体情况见表（１）。

该指标体系中的定量指标均可直接获得或间接计算得出；对于定性指标，本文采用专家打分法，将各位专家所打的分值进行加权平均，即得到相关的定性指标分值。