基于DEA-Tobit两阶段法中国工业运行效率评价研究.docVIP

基于DEA-Tobit两阶段法中国工业运行效率评价研究 　　【摘要】工业是国民经济的主导，工业经济的发展水平和运行效率的高低更是决定着其他产业部门乃至整个国名经济发展水平和运行效率。本文选取中国工业39个子行业为样本，以2004-2010年为研究区间，采用DEA-Tobit两阶段法定量研究了中国工业近年来的运行效率，以及影响工业运行效率的影响因素，最后根据实证分析的结果提出提高中国工业运行效率的相关对策和建议。 　　【关键词】DEA；Tobit；工业运行效率 　　 　　一、引言 　　自17世纪工业化革命以来，工业就开始成为一国国民经济的主导。工业经济的发展水平和运行效率的高低更是决定着其他产业部门乃至整个国名经济发展水平和运行效率。一国工业化水平的高低直接关系到该国的经济实力乃至在世界舞台上的政治地位。100多年前中国正是由于错过了工业化革命而沦为半殖民地半封建社会。然而，自新中国建立以来，党和国家十分重视工业的发展，把发展工业作为发展中国经济的首要目标。建国后，尤其是改革开放后中国工业的快速发展，中国工业发生了翻天覆地的变化，经济总量于2010年超过日本，成为世界第二大经济体，并在钢铁、水泥、化肥产量等多个领域位居世界第一。 　　但是，取得优秀成绩的同时我们也应该发现中国工业经济的运行效率十分低下，平均工业产品的单位产出能耗是日本的8倍，美国的4倍，印度与韩国的2倍。因此，提高工业经济运行效率，既是中国工业经济转变增长方式的迫切需要，也是中国从工业大国迈向工业强国的关键所在。本文运用业内比较流行的数据包络分析法（以下简称DEA）对中国工业的39个类别运行效率经行测度和评价，接着再运用Tobit模型分析各个影响因素对工业运行效率的影响大小，从而正确把握工业经济运行效率的变动趋势和规律，并在此基础上，提出优化和提升中国工业经济运行效率的对策和建议。 　　二、研究方法与文献综述 　　为了解系统效率的影响因素及其影响程度，Coelli[1]（1998）在DEA分析的基础上衍生出了一种两阶段法，此方法是先不考虑环境因素，首先求出DEA的效率值，然后在第二阶段利用统计或回归方法解释DEA值差???的原因，利用Tobit模型来解决效率分布问题并且得出效率改进的方向和途径。 　　自Coelli（1998）提出两步法后，该方法被广泛于金融系统的效率评价与分析中，庞瑞芝[2]等（2007）对我国上市银行经营效率进行分析。在工业经济效率评价研究中，韩晶[3]等（2008）运用两步法对中国钢铁上市公司的生产力与生产效率进行分析；李兰冰[4]（2008）对我国铁路系统生产效率进行实证研究，李世祥[5]等（2008）对中国能源效率进行评价并分析其影响因素。 　　与其他的综合评价方法相比，DEA方法具有处理多输入、特别是多输出的问题的能力。DEA方法利用统计数据，以投入产出指标的权重为变量，从最有利于被评价单元的角度进行评价，无需要先确定个指标的权重，避免了在权重的分配时评价者的主观意愿对评价结果的影响；在Tobit模型中，被解释变量只能以受限制的方式被观测到，而采用DEA方法运算出来的效率作为因变量，根据效率的经济学定义，它应该落在0-1之间，所以Tobit模型可以把不在这个区间段的因变量截取掉，表现出了很强的一致性和渐近正态性，最终得出无偏、一致的估计量。因此该模型可以补充DEA在影响效率外在原因分析方面的不足。 　　三、实证分析 　　（一）数据来源 　　本文以中国工业各部门的年度数据为研究样本，按照国家统计局的国民经济行业分类为划分标准，研究样本包含采掘业（代码6-11），制造业（代码13-43）以及电力、燃气及水的生产和供应业（代码44-46），总共39个行业，时间范围为2004年-2010年，数据来源为国研网。 　　（二）工业经济运行效率的分析 　　1、DEA模型简介 　　DEA分析法由美国著名运筹学家Charnes和Cooper[6]（1978）首次提出，其核心思想是把每一个被评价对象作为一个决策单元（Decision Making Units，简称DMU），再由所有DMU构成被评价群体，其中每个DMU都有已知的同类型“投入”和“产出”指标，通过对投入和产出比率的综合分析，以DMU的各个投入和产出指标的权重为变量进行评价运算，确定“最佳效率的有效前沿面”，并根据各DMU与有效前沿面的距离状况，确定其是否DEA有效。 　　2、投入产出指标的选取 　　根据Cooper（2000）给出了选择DEA模型输入和输出指标的标准，本文选取中国工业的利润总额和工业总产值作为产出指标，选取行业从业人员数、主营业务成本、总资产和总费用作为投入指标，其中总费用=营业费用+管理费用+财务费。 　　3、DEA方法分析 　　本文