基于DEA我国计算机及相关设备制造行业上市公司效率评价研究.docVIP

基于DEA我国计算机及相关设备制造行业上市公司效率评价研究 　　摘要:DEA是评价同类部门间相对有效性的重要模型,C2R是最基本的DEA模型,可用来评价同类部门之间的规模有效和技术有效。本文在讨论该模型的基础上,对我国计算机及相关设备制造行业上市公司的效率进行了测度并进行了分析,根据分析结果对我国计算机及相关设备制造行业上市公司的效率进行了评价,并对如何提高这些公司的效率提出了一些应对措施,也为投资者选择投资对象提供了一定的依据。 　　关键词:DEA模型 计算机及相关设备制造行业上市公司 效率 　　 　　引言 　　随着信息技术的发展,全球对计算机及相关产品的需求迅速增加。进入21世纪以来,计算机及相关产品市场是全世界制造企业关注的焦点,计算机及相关产品制造业的产值占我国GDP的比重正在逐年增加。因此,提高计算机及相关产品制造企业的效率,增强其在国际舞台上的竞争力,是我国计算机及相关设备制造产业迅速发展的必由之路。 　　然而,目前常用的效率评价方法如财务指标评价法和主成分分析法等,必须预先知道投入产出指标之间的显性函数关系和预先计算投入产出综合比率,且效率评价计算结果误差较大。数据包络分析(Data Envelopment Analysis,简称DEA) 则有效地克服了这一问题。它是一种非参数的前沿分析方法,不要求对基本的生产函数做出明确的定义,而且可以评价具有多个输入和多个输出的同类单元之间的效率情况。国内已有很多人应用DEA方法对不同行业的效率进行了研究,如姚树洁1等应用DEA模型对中国保险行业的效率进行了研究,庞瑞芝2等应用DEA模型对我国主要沿海港口的动态效率进行了评价;张宁3等应用DEA方法评测了中国各地区健康生产效率。然而国内应用DEA方法对计算机及相关设备制造行业上市公司业绩和效率进行评价的仍未见。从另一方面来看,我国证券市场在不断地走向成熟,投资人也日趋理性地看待投资, 因此对计算机及相关设备制造行业内各上市公司的业绩和效率进行评价以确定投资方向也越来越受到投资人的重视。本文应用DEA方法对计算机及相关设备制造行业上市公司的效率进行了评价,对相关企业如何提高效率提出了一定的应对措施,也为投资者选择投资对象提供了一定的依据。 　　1.DEA 方法的基本原理 　　1978 年,著名的运筹学家A.Charnes,W.W.Cooper和E.Rhodes提出了评价同类决策单元相对有效性的数据包络分析方法,即DEA。第一个DEA 模型被命名为C2R 模型,从生产函数的角度看,这一模型是用来研究具有多个输入、特别是具有多个输出的“生产部门”同时为“技术有效”和“规模有效”的十分理想且卓有成效的方法。所谓同类决策单元,是指具有三个特征的DMU (Decision Making Unit)集合:有相同的目标和任务;有相同的外部环境;有相同的输入和输出指标。但是,在外部环境和内部结构没有多大变化的情况下,同一DMU 的不同时段可视为同类型的DMU。 　　假设有n 个决策单元(DMU),每个决策单元都有m种类型的输入(表示该部门对“资源”的耗费)和s 种类型的输出(表示该部门消耗了“资源”之后取得“成效”的信息量)。用xij,yrj,vi,ur分别表示第j 个决策单元DMUj的第i种输入、第r种输出以及对第i种输入的度量和对第r种输出的度量。对决策单元效率的度量是根据加权输出/加权输入来进行的,即 ,因此,初始的C2R模型是 　　一个分式规划,经Charnes-Cooper变换,可将 　　其化为一个与其等价的线性规划问题, 　　然而该线性规划的约束条件多,经济意义不明显。根据线性规划的 　　对偶理论,可以得到该线性规划的一个对偶规划。 　　但无论利用线性规划还是其对偶规划,直接判断DEA有效都是不容易的。Charnes 和Cooper通过引进非阿基米德无穷小的概念,成功解决了计算上和技术上的困难。具有非阿基米德无穷小的基于输入的C2R模型为如下形式: 　　 其中λj、S+和S-分别为松弛变量,ε为非阿基米 　　德无穷小, 一般取ε= 10-6。该模型的最优解为θ*, 当θ*= 1,且S+=0和S-=0 时, 决策单元DMUj 为C2R 模型下DEA有效;当θ*=1,但S+和S-不同时为0时, 决策单元DMUj为C2R 模型下弱DEA 有效;当θ* 1 时表示规模收益递减, 　　2.3.2 目标改进分析 　　上市公司通过优化资源配置实现集约化经营是其整体效率改进的关键。DEA方法为公司改进效率提供了依据。非DEA有效的公司可以通过对投入产出指标进行调整,最终达到整体效率的相对有效。表3是非DEA有效的计算机及相关设备制造行业上市公司投入产出指标的目标改进值,从该表可以看出,