基于因子分析与DEA模型的审计署特派办绩效评价研究.docVIP

基于因子分析与DEA模型的审计署特派办绩效评价研究 　　一、基于因子分析法的审计著特派办绩效伴价 　　在进行因子分析时，本文采取了11指标的数据样本进行分析。在进行因子分析时选取KMO和Bartlett的球形度检测（K），来检测我们的指标之间的相关程度，推测出样本数据是否适合进行因子分析，因子分析的结果是否科学有效。在提取主成分时，本文设定指标的特征值大于等于0.85时，提取代表性强的公因子。公因子选定之后，便可以通过计算样本的综合绩效值，即F值，来体现样本的综合绩效情况。因子分析法使用spss18.0完成，结果如表1所示： 　　公因子方差表中的数值表示各变量中所含原始信息能被提取的公因子所表示的程度，提取值通常都是小于等于1的，提取值的绝对值越接近于1，说明变量的标准化分数与因子的F值的相关性越高。除了审计决定处理处罚和被采纳审计建议的共同度分别为60.1%和69.1%之外，其余变量的共同度均在80%以上，因此说明提取的这几个公因子对各变量的解释能力是比较强的。由表2可见，提取平方和载入中的特征值的最大值与最小值之间的差距较大，而旋转后的平方和特征值的最大值与最小值之间的差距较小，特征值之间相对集中，但是他们的累计方差百分比是相同的，都是82.054%。所以在下文计算综合绩效的时候，本文采用旋转后的方差百分比与最后的累计方差百分比来计算公因子的权重。通过计算，提取的4个公因子的权重Wl、W2、W3、W4分别为30.48%、26.14%、22.51%、20.87%，以此为基础，运用加权平均法计算得出各特派办的综合绩效值F值和具体排名。 　　从表3和图1可见，黄色部分：排名持续上升的公司；红色部分：排名持续下降的公司，其余公司均排名有增有减，绩效水平不大稳定。 　　各特派办在2014-2016年间基于因子分析法的绩效得分结果变化幅度较大，说明这些特派办的绩效稳定性较差，三年的平均绩效并不足以反映某个特派办真实、稳定的绩效水平，为此，本文在后文部分引入DEA方法从投入、产出的角度对我国审计署特派办的绩效进行二次评价，以检验和进一步修正因子分析法的评价结果。 　　二、基于DEA方法的审计署特派办绩效评价 　　本文采用DEA方法对审计署特派办绩效进行评价时，本文采用CCR模型和BCC模型展?_，篇幅限制，这里只列示2016年度的具体结果： 　　（1）2016年审计署特派办工作绩效技术效率评价结果（CCR模型） 　　而2016年技术效率值达到DEA强有效的特派办共有4个，分别是：1京津冀特派办、7济南特派办、8郑州特派办、18重庆特派办等。 　　（2）2016年审计署特派办工作绩效纯技术效率评价结果（BCC模型） 　　在现实生活中，在实际工作中，当不是所有的审计署特派办都以最优的规模运行时，使用规模报酬不变的条件会导致技术效率的测度受到规模效率的影响。在规模报酬可变的条件，在不受规模效率影响下，可计算纯技术效率。并通过结合CCR模型的效率值，得出规模效率。 　　从表5我们可以看出，2016年纯技术效率值达到DEA强有效的特派办有：太原特派员办事处、哈尔滨特派员办事处、上海特派员办事处、南京特派员办事处、济南特派员办事处、郑州特派员办事处、武汉特派员办事处、广州特派员办事处、深圳特派员办事处、长春特派员办事处、重庆特派员办事处。 　　通过因子分析法与DEA模型分析法，我们分别计算得出了2014年、2015年、2016年审计署18个特派办的综合绩效情况，并将对两种计算方法下的结果进行比较分析，并将各特派办在不同年份的综合绩效进行了排名。结果发现，由于因子分析法计算得出的综合绩效有正数也有负数，与BCC模型和CCR模型下的技术效率、纯技术效率，没有可比性，所以本文选择用两种方法下审计署各特派办三年的绩效排名来进行比较分析。分析结果表明，各年的排名情况参差不齐。 　　在因子分析法下，三年间各特派办的排名大致上呈现整体上升趋势，说明审计署特派办三年间的工作绩效都在逐步上升，人力、物力、财力的利用变得更加合理；在DEA模型下，无论是CCR模型，还是BCC模型，计算得出的结果都是基本相似的，虽然各年的绩效排名依然参差不齐，但相比较因子分析法的结果来看，排名结果相对平缓，各特派办三年间的排名情况差异不是太大，但整体趋势依然呈现一种上升的状态，这说明三年间，DEA模型下审计署各特派办的综合绩效越来越好，资源利用情况越来越好，处在一个值得肯定的良好状态下。 　　从上文的分析结果中我们可以看出，两种方法的计算结果是相同的，他们之间得到了相互印证，从而进一步证实了本文分析结果的正确性。 　　三 结论 　　作为国家政治制度不可或缺的重要组成部分和推进民主法治的重要工具，审计监督制度具有重大的政治和经济意义。在高度肯定其重要地位