中国证券投资基金运行效率的一个实证分析

运用DEA方法对基金业绩进行评价,对24只开放式基金和54只封闭式基金在2004年和2005年的相对业绩进行了比较分析.研究发现,多数基金处于无效状态,基金业绩不存在明显的业绩持续性和规模效应,但投资风格和业绩之间具有一定的相关性.封闭式基金的运营效率低于开放式基金,规模中等的基金大部分时间平均效率最高.债券型基金的效率值高于股票型和混合型,平均效率值都接近1.研究还发现,投资基金的相对业绩与证券市场的走势密切相关.通过对规模报酬状态的分析发现,一多半开放式基金都处于规模报酬递减阶段,而封闭式基金绝大多数都处在规模报酬递增阶段.这些结论对我国基金业的发展和投资者选择基金有良好的启示.     

中国高技术产业研发创新效率研究——基于资源约束型两阶段DEA模型的新视角

针对传统数据包络分析（DEA）模型的不足,结合高技术产业研发创新过程的特征,将其研发创新过程分解为技术开发和经济转化两个前后相续的子阶段,考虑“子阶段之间的关联关系”和“初始投入在两个子阶段间的分配结构”,构建了资源约束型两阶段DEA模型,从而实现了对高技术产业研发创新效率测算方法的改进,运用该模型实证测评了中国高技术产业17个细分行业研发创新的整体及各子阶段的效率,并同时得到初始投入的配置信息. 与现有研究相比,该模型突破了传统DEA模型无视高技术产业研发创新系统内部组织结构的限制. 实证结果表明：中国高技术产业17个细分行业不论是从研发创新整体上,还是从研发创新的两个子阶段,效率值都偏低,均有很大的提升空间;根据高技术产业研发创新两阶段效率矩阵图可知,除了电子计算机外部设备制造业等3个细分行业属于高效集约型研发创新,大部分行业表现为两个子阶段效率双差或一强一差;根据17个细分行业所隶属的5个产业大类来分析,电子计算机及办公设备制造业研发创新过程的整体效率最高、航空航天器制造业最低.     

基于DEA-Tobit模型的财政支农支出效率评价与影响因素——以山东省为例

本文基于DEA-Tobit模型以山东省为例研究财政支农支出效率问题,研究结果表明,山东省整体财政支农支出效率水平呈现波动变化趋势,鲁北地区、鲁南地区和鲁西地区的平均效率水平要高于全省整体平均效率水平,沿海半岛和鲁中地区平均效率水平要低于全省整体平均效率水平,经济相对发达的城市效率排名要比经济相对欠发达的城市效率排名靠后。山东整体及各地市财政支农支出大多处于规模报酬递减阶段。农村经济发展水平、城镇化率、农村机械总动力、化肥使用量和财政自给度等因素对财政支农支出效率呈现不同的影响效应。化肥使用量、财政自给度对财政支农支出效率存在显著的促进作用;农村经济发展水平、城镇化率、农业机械总动力对财政支农支出效率存在负向影响。     

专利成果产业化效率及其影响因素分析

自1995年以来,我国高技术产业研发投入和产出有较大增长,但技术成果的产业化效率到底如何,针对此问题,构建了基于专利转化为新产品销售为产出变量的超越对数随机前沿模型,利用SFA方法对各环境因素对专利产业化效率的影响进行分析。结果显示:市场份额、外向化程度、企业及金融机构资金投入、产业集聚程度等因素对专利产业化效率有显著促进作用,而国有化程度、政府科技资助却起到反作用,此外,市场效益的影响并不显著。在各产业效率比较中,电子计算机及办公设备制造业、电子及通信设备制造业效率值较高,航空航天器制造业处于中下水平,而医药制造业、医疗设备及仪器仪表制造业效率值明显偏低。     

系统思维下中国高等教育投入产出效率评价研究——基于三阶段DEA和超效率DEA的实证

本文基于系统思维建立评价指标体系,引入三阶段DEA与超效率DEA模型评价中国高等教育效率。研究表明,环境系统对高等教育效率存在显著性影响;在剥离了外部环境和随机因素的情况下,各省市高等教育技术效率发生明显变化;调整后全国高等教育综合技术效率均值、纯技术效率均值和规模效率均值均在0.90以上,整体水平较高;影响高等教育综合技术效率的主要因素是规模效率;中国有15个省市处于高等教育技术效率前沿面,但是高等教育投入产出的超效率DEA值差异明显。对此,各地区应通过管理创新、优化教育资源配置和改善外部环境来挖掘高等教育效率提升潜力等建议。     

基于共同边界模型的中国工业行业技术创新效率北大核心CSCDCSSCI

通过构建基于数据包络分析的共同前沿面模型,利用中国37个工业行业的统计数据,实现对中国工业行业技术创新效率整体及分组实证测度,并且对传统的效率评价方法进行了改进,提出了对不同类型行业进行分组测度的评价办法。研究发现:中国工业行业技术创新效率呈现出整体不高且多数行业技术创新活动处于规模报酬递减的态势,不同技术密集程度的行业技术创新效率呈现出不同特征。     

存在中间产品退出的混合型多阶段系统DEA效率评价

具有复杂结构的系统经常会存在初始投入在不同子阶段分配和中间产品非完全再投入并存的现象,在其效率评价中忽略中间过程的传统Data Envelopment Analysis(DEA)模型往往会高估系统效率,而不考虑中间产品退出情形的网络DEA.模型对系统整体效率评价又可能偏低.为更好测算复杂结构系统的运行效率,基于企业技术创新的特征,建立同时考虑投入分配与中间产出分配问题的混合型多阶段系统DEA效率评价模型.依据分配比例测算各阶段效率,采用阶段效率的投入加权平均评价的系统整体效率,并计算模型的最优解.所提出的模型能够相对准确地反映复杂结构系统的特征,并深入系统"黑箱"内部,更大程度地为优化系统效率提供信息.对我国33个大中型工业企业的行业技术创新效率评价验证了模型的有效性.     

C~2GS~2模型在甘肃科技投入产出效率评价中的应用

应用C2GS2模型,以科技活动的有效性和规模收益分析为基础,对甘肃省的科技投入产出效率进行了评价.一方面,通过对甘肃省2001～2005年科技投入产出的C2GS2分析,发现甘肃科技活动在大多数年份里相对有效,但规模收益的效果不是非常明显;另一方面,对甘肃省若干样本产业科技投入的效果进行了分析,揭示出不同产业的科技投入产出效率情况.     

非同质平衡子系统整体效率的DEA测度与分解

分别在可变规模收益和固定规模收益假设下,构建包含非同质平衡子系统的一类复杂生产系统的DEA效率测度模型,并对整体效率进行满足凸线性组合的分解。与现有的研究相比,建模方法更具有一般性,允许子系统具有不同的生产要素组合以及不同的生产要素权重结构;且易被扩展,用来测度包含更加复杂生产结构的多种生产系统的效率。最后用新建模型对中国高技术产业创新投资行为的有效性进行测度和比较。     

我国物流企业全要素生产效率分析

为分析我国物流企业生产效率的发展情况,本文以我国8家上市物流企业为例,利用DEA Malmquist生产效率变化指数对它们在2001～2006年的全要素生产效率进行分析.通过分析发现,我国物流企业的生产效率发展趋势较好,呈上升状态,但上升程度并不明显,其中技术效率和技术有所下滑,而规模效率则有所上升.同时结合了企业组织形式、资源配置及发展战略等内部因素和国内外经济发展环境、国家产业发展政策与法规等外部因素对各个企业和它们的整体生产效率发展过程进行了分析和说明,提出了解决我国物流企业生产效率偏低的途径,为政府决策者和物流企业管理者提供了科学决策的依据.     

并形系统的3种网络DEA模型与应用选择

网络数据包络分析模型可以用来同时测算决策单元的系统及其每个子系统的效率.现有的网络数据包络分析模型可以分为独立模型和关联模型两类,且主要以并形和链形这2种基本网络结构为对象,研究其规模报酬不变假设下的效率评价问题.根据实际情况,将给出半独立并形系统的效率评价方法,并在规模报酬可变的假设下,建立一个并形关联网络DEA模型,用来测算纯技术效率和规模效率.对独立、半独立和关联网络DEA 3种模型的比较研究发现:独立网络DEA模型不符合管理实践;尽管半独立网络DEA模型具有实践背景,但理论分析和实证研究表明该模型应用价值有限;而关联网络DEA模型不仅具有实践背景,而且与其他模型相比系统效率评价结果具有较强的可分性,这些特质使其有理由成为目前并形系统效率评价的首选模型.     

Allocating fixed costs with considering the return to scale: A DEA approach

When the allocated fixed cost is treated as the complement of other costs, conventional data envelopment analysis (DEA) researches have ignored the effect of the return to scale (RTS) in fixed cost allocation problems. This paper first demonstrates why the RTS should be considered in fixed cost allocation problems. Then treating the fixed cost as a complementary input, the authors investigate the relationship between the allocated cost and the variable return to scale (VRS) efficiency based on the super BCC DEA model. However, the infeasibility problem may exist in this situation. To deal with it, the authors propose an algorithm. The authors find that the super BCC efficiency is a monotone non-increasing function of the allocated cost. Based on the relationship, the authors finally propose a fixed cost allocation approach in terms of principles as: (i) The fixed cost proportion allocated to inelastic DMUs should be consistent with their consumed cost proportion, and (ii) the same efficiency satisfaction degree to the rest DMUs. The optimal allocation scheme is unique. A numerical example and a real example of allocating fixed costs among 13 subsidiaries are employed to illustrate the proposed approach.     

基于权重集合的决策单元排序方法

针对传统数据包络分析的排序主要是基于决策单元的自评效率,决策单元使用的是对自身最有利的权重而使效率不具有可比性,提出一种新的决策单元排序方法.该方法通过构造有利于整体决策单元效率的权重集合,在交叉效率模型中对权重进行约束,从而有效地减小他评效率与自评效率的差距,使排序结果更合理,也更易被决策单元接受.通过算例说明该方法的有效性.     

测度产业结构和土地利用关系的方法探讨

产业结构的演变是经济和非经济的因素综合作用的结果,区域产业结构和土地利用变化之间存在着内在的联系。采用灰色关联分析方法,以德州市产业结构与土地利用之间的互动关系为例,对产业结构与土地利用关系的方法进行了探索。结果表明,产业结构与土地利用之间的关系在一定经济发展阶段可以定量测度。德州市工业化进入了中期阶段,第一产业对未利用地和耕地影响最显著,第二产业对交通用地影响最强烈,第三产业对交通用地和居民用地及工矿用地面积影响最明显;土地总体利用对产业结构的影响程度排序为第三产业、第二产业、第一产业。并相应地提出了土地合理利用建议。     

同时考虑环境因素和统计噪声的四阶段SFA模型——在我国省际技术效率和政府管理绩效中的应用

为克服三阶段DEA模型忽略了投入-产出之间统计噪声对技术效率的影响这一不足，将环境因素细分为员工工作环境和管理环境两类，提出了一种基于随机前沿分析（stochastic frontier analysis）技术的四阶段模型. 通过对比剔除管理环境因素前后的技术效率，得到动态经营管理效率（management efficiency）. 进一步，利用四阶段SFA模型对2002-2010 年间我国省际技术效率和政府管理绩效进行了测算. 研究发现：（1） 我国整体、三大地区及各省区综合技术效率均呈现“U型”波动趋势，且东部地区最高，中部次之，西部最低；而实际技术效率呈现单调递增的变动趋势，中部最高，东部次之，西部最低. （2） 政策扶持对于地区技术效率的提升具有重大的推动作用，贡献率高达71.4%；政府管理绩效呈现“U型”波动趋势（江西，湖北，海南除外），且东部地区高出中西部约8.9% 和3.2%. 作为技术效率和经营管理绩效实证研究的技术基础，四阶段SFA 模型为优化资源配置提供了很好参考.     

基于超效率的黄淮海粮食生产效率分析

利用超效率DEA模型和多元线性回归模型分析黄淮海地区1999—2005年粮食生产效率变化及影响因素。通过分析研究结果表明：2000—2003年黄淮海地区粮食生产的相对效率无效,至2003年粮食产量降到近年来的最低点,2004年和2005年粮食生产相对效率提高到有效范围,但是至2005年底黄淮海粮食生产的超效率值仍未达到1999年的粮食生产效率的状态。在影响黄淮海地区粮食生产效率的影响因素分析中,灌溉保证率和人均粮食产量的增加有利于黄淮海地区粮食生产效率的提高;单位农作物播种面积第一产业增加值、乡村人口占总人口比例、粮食占农作物播种面积比例的提高、单位农作物播种面积农业劳动数量的减少有利于其粮食生产效率的提高。图1,表3,参21。     

New approach to determine common weights in DEA efficiency evaluation model

Data envelopment analysis (DEA) is a mathematical programming approach to appraise the relative efficiencies of peer decision-making unit (DMU), which is widely used in ranking DMUs. However, almost all DEA-related ranking approaches are based on the self-evaluation efficiencies. In other words, each DMU chooses the weights it prefers to most, so the resulted efficiencies are not suitable to be used as ranking criteria. Therefore this paper proposes a new approach to determine a bundle of common weights in DEA efficiency evaluation model by introducing a multi-objective integer programming. The paper also gives the solving process of this multi-objective integer programming, and the solution is proven a Pareto efficient solution. The solving process ensures that the obtained common weight bundle is acceptable by a great number of DMUs. Finally a numeral example is given to demonstrate the approach.     

基于多目标规划的DEA

单目标的传统ＤＥＡ只能从投入或产出角度测算决策单元的相对最高效率。本文将提出基于多目标的扩展ＤＥＡ，从而可通过投入及产出来测算决策单元相对的平均效率、最高效率及最低效率并研究其相对有效性.     

Efficiency decomposition with shared inputs and outputs in two-stage DEA

Data envelopment analysis (DEA) is an effective non-parametric method for measuring the relative efficiencies of decision making units (DMUs) with multiple inputs and outputs. In many real situations, the internal structure of DMUs is a two-stage network process with shared inputs used in both stages and common outputs produced by the both stages. For example, hospitals have a two-stage network structure. Stage 1 consumes resources such as information technology system, plant, equipment and admin personnel to generate outputs such as medical records, laundry and housekeeping. Stage 2 consumes the same set of resources used by stage 1 (named shared inputs) and the outputs generated by stage 1 (named intermediate measures) to provide patient services. Besides, some of outputs, for instance, patient satisfaction degrees, are generated by the two individual stages together (named shared outputs). Since some of shared inputs and outputs are hard split up and allocated to each individual stage, it needs to develop two-stage DEA methods for evaluating the performance of two-stage network processes in such problems. This paper extends the centralized model to measure the DEA efficiency of the two-stage process with non splittable shared inputs and outputs. A weighted additive approach is used to combine the two individual stages. Moreover, additive efficiency decomposition models are developed to simultaneously evaluate the maximal and the minimal achievable efficiencies for the individual stages. Finally, an example of 17 city branches of China Construction Bank in Anhui Province is employed to illustrate the proposed approach.