基于数据包络研究(DEA)浙江省示范性高职院校规模有效性研究.docxVIP

基于数据包络研究(DEA)浙江省示范性高职院校规模有效性研究 【摘要】DEA (数据包络分析法)方法已经被广泛应用到 测度组织规模效益方面。本文应用超效率DEA模型对示范高 职院校的规模效益进行实证分析，解决了以往在高职院校相 对效率评价研究中无法对有效率的单元进一步排序的弊端， 并采用浙江省22家示范高职院校2010年和2011年数据进 行了实证研究，并计算得出我省示范高职院校的连续2年规 模效应评价结果与相对排序。 【关键词】示范高职院校；超效率DEA；规模效应；评 价模型 数据包络分析方法(DEA)为评价示范高职院校规模效 益提供了一个优质的工具，其实质是根据一组关于多输入、 输出的观察值来估计有效生产的前沿面，并据此进行多目标 综合效果评价，并且不需要主观赋予指标的相对权重，因此 评价结果更能够反映决策单元(Decision Making Unit, DMU)所处的实际状态。 但现有的研究基本存在三个缺陷：一是由于对高职院校 规模效益的投入产出指标体系缺乏研究，从而不能合理的评 价其规模效益；二是传统的CCR和BCC模型对于多个同时有 效的决策单元(效率值为1)将无法做出进一步的评价与比 较；三是采用的数据陈旧、不能反映近期示范高职院校规模 效益情况。 综上考虑，本文在构建合理的示范高职院校规模效益评 价指标体系的基础上，采用超效率(Super Efficiency)评 价模型对浙江省22家示范高职院校2010年和2011年规模 效益进行了实证研究，以衡量其规模效益。 模型及方法 1. 1 DEA基本模型简介 数据包络分析(Data Envelopment Analysis, 简称 DEA),是对具有多投入、多产出的决策单元(Decision Making Unit, DMU)进行相对有效性评价的一种非参数方法 (Charnes et al. , 1978)O DEA方法能在同其它被考察单元相比较的情况下测量出 某一被考察单元相对生产效率，假定一组被考察单元的个数 为n个，每个被考察单元都有s个输出变量和m个输入变量。 yjk表示第k个被考察单元的第j个输出变量，xik是第k 个单元的第i个的输入变量。第k个决策单元总效率计算问 题可以转化成如下面的线性规划问题： min 9 s. t. HXH 入0 XH ■ YH入 A. ■ 20 (j=l, 2, ???,!!) 其中，X■二(x?，x?，? ? ?，x?)，Y■二(y?， yB,???，y?)。此模型称为CCR模型，是在规模收益 不变(constant return to scale； CRS)假设下得到的。 这里的e即是第k家被考察决策单元的效率值，满足 owowi。其经济含义为：在某一决策单元产出y可由所有 k个决策单元产出线性组合替代的情况下，它的投入x的可 压缩程度，压缩比例的大小为e, e也称之为效率测度值。 当0=1时，表示该被考察单元是效率前沿面上的点，因而 处于有效率状态。当e〈i时表明无效率，1-0就是第k家 被考察单元达到效率前沿可以压缩的投入比例，也就是可以 减少(或称浪费)投入的最大比例。 Banker et al. (1984)在该模型基础上提出了规模收 益可变(variable return to scale)模型，即在 CCR-DEA 模型中加入一个条件■入■二1得到的BCC模型。 然而，从上述基本DEA模型可以发现，其测算结果将所 有DMU简单分为两组，一组为有效率DMU并据此形成Pareto 边界，另一组则属于无效率。对于这些有效单元若继续进 行评价，上述模型是无能为力的。针对这一情况，为了区别 这些有效率的决策单元，Andersen与Petersen (1993)两 位学者提出构建超效率DEA模型测算所谓的超效率(Super Efficiency),将位于效率前沿面上决策单元再加以排序, 而Tone (2002)认为可以由剔除具有效率的决策单元，判定 决策单元到其余生产可能集合的距离来判断超效率的差异。 1.2超效率DEA模型 超效率 CCR-DEA 模型(Super-Efficiency CCR-DEA, SUP-CCR-DEA)的基本思想是在进行第k个决策单元效率评 价时，使第k个决策单元的投入和产出被其他所有决策单元 投入和产出的线性组合代替，而将第k个决策单元排除在 外，而CCR-DEA模型则将这一单元包括在内。 SUP-CCR-DEA模型能够有效地区别出有效(效率值为1) 决策单元之间的效率差异，可以对所评价的决策单元进行有 效的排序，其模型如下： min 9 s. t. HXH 入0 X? ■ YH入■鼻Y? X ■ 20 (j=l, 2, ? ? ? , n) 这里各数学符号含义同前，所不同的是，由于上述模型