基于DEA与粗糙集产业综合效率评价与比较.docVIP

基于DEA与粗糙集产业综合效率评价与比较 　　◆ 中图分类号:F062.9 文献标识码:A 　　内容摘要:本文运用DEA方法选取七个省份2007年三次产业细分行业分别建立投入产出模型,对其产业有效性进行评价。并直接对各省产业综合效率进行排序和比较分析。DEA与粗糙集相结合的方法对产业效率进行综合评价具有客观、便于量化的优点。 　　关键词:产业效率 DEA 粗糙集 综合评价 　　 　　近年来,转变经济发展方式,推进产业结构调整成为国家经济发展的重要课题。针对产业效率评价方面的研究很多,如段福兴等人对信息产业效率进行分析与评价;南开大学的王家庭等人利用DEA三阶段模型对2004年我国31个省(区、市)文化产业进行了效率评估分析。 　　虽然关于产业评价方面的研究成果很多,但大多是针对单一产业。而经济发展水平是与产业整体结构、投入产出效率密切相关的。英国经济学家、新西兰奥塔哥大学教授费希尔(A#8226;G#8226;B#8226;Fisher)于1935年出版的《安全与进步的冲突》一书,首次系统地提出了三次产业划分方法,我国1985年以后也开始了三次产业的统计,三大产业在国民经济中的重要地位是毋庸置疑。因此本文从三次产业的角度,运用DEA方法分别评价七省各产业投入产出效率,并运用粗糙集理论计算出各产业的权重,得到各省产业发展效率综合评分,对七省产业综合效率作出比较分析。 　　 　　相关理论概述 　　 　　(一)DEA方法的基本思想与模型 　　数据包络分析法(Data Envelopment Analysis,DEA),1978年由著名的运筹学家Charnes,W#8226;W#8226;Cooper,E#8226;Rhodes首先提出,它是一种以线性规划为基础的优化方法,主要用于评价相同类型部门或单位中各成员间(称为decision making unit,DMU)的相对有效性。其基本概念包含有三个:一是决策单元(decision making unit,DMU)。在一定可能的范围内通过投入一定数量的生产要素并产出一定数量的“产品”的一个实体或单元称为决策单元。同类型DMU可以构成一个DMU集合。二是投入(输入)向量。某个DMU在一项经济(生产)活动中的各种投入组成的向量,假设每个决策单元有m种类型的投入,记为Xj=(x1j,x2j,…xrj…xtj)T,yrj为第j个决策单元投入第i种类型资源的数量。三是产出(输出)向量。某个DMU在一项经济(生产)活动中的各种产出组成的向量。假设每个决策单元有t种类型的产出,记为Yj=(y1j,y2j,…yrj…ytj)T,yrj为第j个决策单元产出第r种类型产出的数量。 　　C2R模型。C2R模型是DEA理论的最基本的模型,它对DMU的规模有效性和技术有效性同时进行评价。其后众多学者在此模型上又进一步提出了许多模型,如C2GS2模型、C2W模型、C2WH模型等。本文只应用C2R模型,在此作详细介绍。关于决策单元的假设如前所述,则模型形式如下(朱乔,1994): 　　(1) 　　其中,有n个决策单元,评价指标体系由m个投入和t个产出指标组成。Sr+与Si-分别为松弛变量,为一无穷小量,λj、Sr+、Si-、θ为待估参量。 　　模型的经济含义(武玉英,何喜军,2006)。当θ*=1并且Si-*=Sr+*=0时,称DMUj为DEA有效, 即在这n个决策单元组成的经济系统中在原投入Xj的基础上所获得的产出Yj已达到最优;DMU为规模且技术有效。当θ* 　　(二)运用粗糙集进行评价 　　运用DEA对产业进行评价虽然结果直观,但不容易直接对比出各省投入产出效率的优劣,给各省的产业投入产出效率综合评分后直接对比是较为理想的方法。各产业均是国民经济不可分割的一部分,但它们对国民经济的贡献肯定不同。每个产业占总体权重大小不容易确定,粗糙集以数据为驱动的原理可以客观计算出各产业的相对重要程度,然后进行2007年各省的产业总体效率综合评价。 　　1.确定各产业的权重 　　粗糙集只能处理离散化变量,因此根据表1中有效性将θ值离散化{0,1}。1表示DEA有效,0表示DEA无效(篇幅所限,离散表在此省略)。Yi(i=1,2,…,6)表示本文中评价的各产业,其分别属于三大产业(以下用R1/R2/R3表示)。 　　计算下层指标对上层的权重。根据公式(2)计算各产业Yi对上层指标Rj(三次产业)的重要程度μij:μ11=1;μ22=,μ32=,归一化后Y2、Y3相对于R2的权重:ω22=,ω32=;同理可得,μ43=,μ53=, ,归一化后Y4、Y5、Y6相对于R3的权重:ω43=,ω53=,ω63=。 　　计算第一层指标对系统目标的权重。同样方法计算出R