基于DEA模型电力行业上市公司经营绩效分析.docVIP

基于DEA模型电力行业上市公司经营绩效分析 　　[摘 要] 随着电力体制改革的不断推进,电力企业越来越关注自身经营绩效,希望通过绩效评价改善自身经营管理,提高竞争力。本文运用DEA模型分析了15家电力行业上市公司的绩效,通过DEA有效性分析,对经营绩效进行了效率衡量,并对非DEA有效的企业进行投影分析,找出了更有效的投入产出量和改进方法,为电力企业进行经营绩效评价和寻求最佳改进途径提供了分析思路。 　　[关键词] DEA;C2R模型;经营绩效;电力企业 　　doi : 10 . 3969 / j . issn . 1673 - 0194 . 2010 . 11 . 031 　　[中图分类号]F272.5;F276.6 [文献标识码]A [文章编号]1673 - 0194(2010)11- 0081 - 04 　　 　　一、 引言 　　 　　在传统的电力体制下,电力行业由国家垄断经营,享受国家补贴,电力企业普遍存在生产效率和经营绩效低下的情况。2002年3月,国务院印发《电力体制改革方案》,此次电力体制改革的总体目标是:打破垄断,引入竞争,提高效率,降低成本,健全电价机制,优化资源配置,促进电力发展,推进全国联网,构建政府监管下的政企分开、公平竞争、开放有序、健康发展的电力市场体系。大批的电力企业被推向市场,实行自主经营,自负盈亏,而且随着电力体制改革的不断深入,除电网外所有电力企业终将走向市场,实现竞争。面对这样的市场形势,电力企业只有通过运用有效的经营绩效评价方法,才能找出自身存在的问题,找到改善经营管理和提高竞争力的途径。 　　目前用于评价企业经营绩效的方法有很多,但鉴于电力企业多投入多产出的特征,基本上可以采用全要素生产率(TFP)、随机前沿分析(SFA)、数据包络分析(DEA)以及其他的一些参数和非参数方法,其中DEA和SFA较为常见。DEA模型最早由Fare,Grosskopf和Logan引入评价私人电厂的相对技术效率[1] ;Mike Goto,Miki Tsutsui使用DEA方法对日本和美国的电力行业进行了比较分析[2]。国内学者在这方面的研究起步较晚,王金祥和吴育华用DEA对吉林、天津等8个省市的电力公司进行了测评分析[3];陶峰 等用DEA分析了2002-2005年各省市发电企业数据[4]。从已有的众多研究来看,主要侧重于技术效率、成本效率等方面,对企业自身整体经营绩效的分析较少。基于此,本文将运用DEA模型,根据企业整体经营情况数据,从公司治理角度重点考察我国15家电力上市公司的经营绩效。 　　 　　二、 DEA方法简介 　　 　　数据包络分析法(Data Envelopment Analysis,DEA)是以相对效率概念为基础,用于评价具有相同类型的多投入、多产出的决策单元是否技术有效的一种非参数统计方法。其基本思路是把每一个被评价单位作为一个决策单元(Decision Make Unit,DMU),再由众多DMU构成被评价群体,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,确定有效生产前沿面,并根据各DMU与有效生产前沿面的距离情况,确定各DMU是否有效,同时还可用投影方法指出非 DEA 有效性或弱 DEA 有效的原因及应改进的方向和程度。目前,DEA的评价模型主要有C2R,C2W,C2WH,C2WY等形式,其中C2R模型是其基本模型,用来评价决策单元的相对效益指标,以及判断决策单元的技术有效性和规模有效性。 　　C2R模型[5]:在DEA模型中假设有n个生产决策单元DMUj(j = 1,2,…,n),每个DMU都有i项输入,s项输出,即Xj = (x1 j,x2 j,…,xi j)和Yj = (y1 j,y2 j,…,yi j)T。这里用xi j和yi j分别表示第j个DMU的第i项输入和第s项输出。在基于凸性、锥形、无效性和最小性公理假设的前提下,DEA模型所具有的生产可能集如下: 　　式中,θ为投入缩小比率,ε为阿基米德无穷小(一般取10-6),s为松弛变量。 　　在现有DEA模型中,就有效性而言,C2R模型是同时针对DMU规模有效和技术有效而言的“总体”有效,它能满足我们的评价目的,而且指标的可控性和可处理性较强。因此,本文选取了基于输入输出的C2R模型。 　　假设解得最优解为θ*,λ*,S*+,S*-。基本结论有: 　　(1) θ* = 1,且S*+ = 0,S*- = 0,则决策单元DMUj为C2R模型下DEA有效。 　　(2) θ* = 1,且S*+ ≠ 0,S*- ≠ 0,则决策单元DMUj为C2R模型下DEA弱有效。 　　(3) θ* 1,且S*+ ≠ 0,S*- ≠ 0,则决策单元DMUj为C2R模