SFA方法总结计划综述.docxVIP

. SFA 方法和因子分析法综述 （姬晓鹏，管理科学与工程， 1009209018） 1.1 DEA 方法和 SFA 方法的区别 数据包络分析（ DEA ） 数据包络分析 (data envelopment analysis)简称 DEA, 采用线性规划技术， 是最常用的一种非参数前沿效率分析法。 它由 A.Charnes和 W.W.Cooper[1] 等人于 1978 年创建的，以相对效率为基础对同一类型的部门的绩效进行评价。 该方法将同一类型的部门或单位当作决策单元 (DMU) ，其评价依据的是所能观测到的决策单元的输入数据和输出数据。 输入数据是指决策单元在某种活动中所消耗的某些量，如投入资金量、原料量等， 输出数据是指决策单元消耗这些量所获得的成果和产出，如产品产量、收入金额等。 将各决策单元的输入输出数据组成生产可能集所形成的生产有效前沿面， 通过衡量每个决策单元离此前沿面的远近，来判断该决策单元的投入产出的合理性，即技术效率 [2] 。 一般的评价方法比较同一类型的决策单元的效率， 需要先对决策单元的输入输出指标进行比较， 并通过加权得到一个综合评分， 然后通过各个决策单元的评分来反映其效益优劣。 数据包络分析法则巧妙地构造了目标函数， 并通过 Charnes Cooper 变换（称为 C 2 －变换）将分式规划问题转化为线性规划问题，无需统 一指标的量纲， 也无需给定或者计算投入产出的权值， 而是通过最优化过程来确定权重，从而使对决策单元的评价更为客观。对建筑设计企业进行评价的问题，很适于数据包络分析法的评价模型。 DEA 方法也存在着一些缺点：首先，当决策单元总数与投入产出指标总数 接近时， DEA 方法所得的技术效率与实际情况偏差较大；其次， DEA 方法对技 术有效单元无法进行比较；此外，由于未考虑到系统中随机因素的影响，当样本 中存在着特殊点时， DEA 方法的技术效率结果将受到很大影响。彭晓英等用因 子分析法对指标进行筛选和综合， 再采用 DEA 方法进行评价， 解决了 DEA 方法 对指标数量限制的问题，并对煤炭资源型城市的生态经济发展进行了评价 [3] 。 SFA 与 DEA 方法都是前沿效率评价方法，它们都是通过构造生产前沿面来计算技术效率的。 与 DEA 方法相比， SFA 方法利用生产函数来构造生产前沿面，并采用技术无效率项的条件期望来作为技术效率， 其结果受特殊点的影响较小且 .. . 不会出现效率值相同且为 1 的情况，可靠性、可比性更好 [4,5] 。SFA 方法也有一些缺点，如处理多产出的情况时不如 DEA 方法方便，需要将多产出合并成一个综合产出；而投入指标过多时，由于指标间的相关关系， 也会对结果的可靠性产生影响。周春应等、侯强等分别采用了 SFA 方法对我国区域经济技术效率和辽 宁省城市技术效率进行了评价 [6,7] 。 1.1.1 SFA 方法的产生 在经济学中，技术效率的概念应用广泛。 Koopmans 首先提出了技术效率的概念，他将技术有效定义为：在一定的技术条件下， 如果不减少其它产出就不可能增加任何产出， 或者不增加其它投入就不可能减少任何投入， 则称该投入产出为技术有效的 [104] 。 Farrell 首次提出了技术效率的前沿测定方法，并得到了理论界的广泛认同，成为了效率测度的基础 [105] 。 在实际应用中，前沿面是需要确定的。其确定方法主要两种： 一种是通过计 量模型对前沿生产函数的参数进行统计估计， 并在此基础上， 对技术效率进行测 定，这种方法被称为效率评价的“统计方法”或“参数方法”；另一种是通过求 解数学中的线性规划来确定生产前沿面， 并进行技术效率的测定， 这种方法被称 为“数学规划方法”或“非参数方法”。参数方法的特点是通过确定前沿生产函 数的参数来确定生产前沿面，针对不同研究对象所确定的生产函数也各不相同， 技术效率的测度具有一定的针对性， 而非参数方法只需通过求解线性规划来确定 生产前沿面，方法简单易行，应用广泛。 参数方法依赖于生产函数的选择，常用的生产函数有 Cobb-Douglas 生产函数、 Translog 生产函数等。参数方法的发展经历了两个阶段：确定型前沿模型和随机型前沿模型。 Aigner 等、 Afriat 分别提出了各自的确定型前沿模型，在不考虑随机因素影响的情况下求解前沿生产函数 [106,107] 。但是，由于确定型前沿模型把所有可能产生影响的随机因素都作为技术无效率来进行测定， 这使得其技术效率测定结果与实际的效率水平有一定的偏差。 为了消除确定型前沿模型的这一缺陷， Meeusen和 Vanden Broeck，Aigner 、Lovell 和 Schmidt 和 Battese和 Corra 提出了随机前沿模型