中国农业类上市企业运行效率DEA分析.docVIP

中国农业类上市企业运行效率的DEA分析 　　摘要:本文运用数据包络分析方法对我国12家农业类上市企业的运行效率进行评价,测算了各个农业企业的综合技术效率、纯技术效率和规模效率状况。研究表明:我国农业类上市企业总体效率偏低,两级分化严重,纯技术效率基本有效,规模效率较低,投入不足。 　　关键词:DEA;C2R;VRS;运行效率 　　 　　1引言 　　农业经济发展关系着国计民生,构建和谐社会,发展农业经济是个关键。农业类企业的技术优势和规模经营等是提高我国农业水平的先锋力量,提高农业类企业的运行效率对于我国农业发展水平的提高有重要意义。近年来农业类企业不断出现发展迅速,但是在市场经济的环境中也暴露出许多问题,市场表现欠佳,经营二级分化等都影响了农业类企业的整体效率。评价农业类企业的运行效率,不仅能为企业管理者提供有效的改善经营的手段而且能为政府部门的发展规划、政策制定等提供重要信息。本文采用数据包络分析的非参数方法以2010年12家农业类上市银行为样本,评价我国农业类企业的运行效率。 　　2模型及研究方法 　　数据包络分析(Data Envelopment Analysis),简称DEA是由美国著名运筹学家A.Charnes和W.W.Cooper1在Farrell(1957)效率的基础上以数据包络形式构造出有效前沿,进而形成了规范的数据包络分析理论和方法,提出至今已经有30多年的历史了。 　　2.1规模报酬不变的C2R模型 　　规模报酬不变的C2R模型是DEA的基本模型,是A.Charnes,W.W.Cooper和E.Rhodes于1978年给出的第一个DEA模型。考虑n个决策单元,每个决策单元都有m种“投入”,生产s种类型的“产出”,分别表示决策单元“消耗的资源”和“工作的成效”。决策单元j 记为DMUj,(1≤j≤n)。其中,xij表示决策单元j(DMUj)第i 种投入的投入数量,xij0;yrj为第j个决策单元第r种输出的产出数量,yrj0;vi是对第i种投入的一种度量(或称权);ur是对第r种产出的度量(或称权),i=1,2,…,m;j=1,2,…n;r=1,2,…,s。用向量可表示为: 　　 　　 　　 　　 　　 　　Xj 和Yj分别为第j 个决策单元的输入向量和输出向量,可以通过历史资料或者预测得到,均是已知的,可以用(Xj,Yj) 来表示DMUj;v和u分别为与m种投入和s种产出对应的权系数向量,是“权”变量。对应于权系数v∈Em,u∈Es,第j 个决策单元(即DMUj,1≤j≤n)的效率评价指数: 　　 　　 　　效率评价指数hj的含义是:在权系数v,u之下,输入为vTXj ,输出为uTYj 时决策单元的产出与投入之比。总可以适当的选取v和u,使得hj≤1,j=1,…,n。考察第j0个决策单元(DMU ,1≤j0≤n),以DMU 的效率评价指数h为目标,以所有决策单元(DMUj,1≤j≤n)的效率指数为约束,选择v和u,使得h最大。构成如下最优化模型: 　　 　　 　　 　　 　　 　　 　　利用Charnes-Cooper变换 　　 　　 　　 　　 　　利用线性规划的对偶原理,可以得到线性规划P对偶规划为 　　 　　 　　 　　 　　 　　上式中θ为标量,根据Farrell的效率定义,θ满足0≤θ≤1,θ=1表示该决策单元位于生产前沿面上处于技术有效状态,经济含义是第j0家决策单元的产出水平不变时(基于投入导向),以处于生产前沿面上的决策单元为标准,实际所需要的投入的比例。1-θ就是第j0家决策单元多投入的比例即可以减少投入的最大比例。λ为n×1阶常数向量。 　　2.2规模报酬可变的VRS 模型 　　Banker,Charnes和Cooper(1984)在C2R 模型的基础上,引入了规模报酬可变的假设,得到了VRS模型。在C2R模型的基础上,引入约束条件得到如下模型 　　 　　 　　 　　 　　 　　 　　 　　对于同一个决策单元来说,如果C2R模型和BCC模型的效率得分值不一致,则说明该决策单元存在规模上的无效率。因为技术效率=纯技术效率×规模效率,就可以用C2R模型的出技术效率,BCC 模型计算出纯技术效率,由此可以得出决策单元的规模效率。由技术效率()和纯技术效率(TEBCC )的定义可知 ≤TEBCC,说明BCC模型比C2R模型得到的效率值更大。 　　以上的规模效率度量对于规模无效的决策单元来说,不能判断出该决策单元是在规模报酬递增还是在规模报酬递减区域运行。在BCC模型基础上将约束条件 换成 ,得到规模报酬非增的NIRS模型(Coelli T.J.,1996)。