实例分析¶
下面举一例一DEA 在工业行业科技发展评价中的应用, 说明 DEA评价的全过程。 把某一工业行业科技实力发展视作 DEA 的一个决策单元, 它具有特定的输人和输 出. 为了使各 DMU 具有可比性以及 DEA 综合评价指标的合理和有意义, 必须选择好评价系统的输人和输出指标体系, 以利于实现系统的客观描述和评价。
工业行业科技实力评价指标体系设计的原则¶
- (1) 充分、全面性原则 批标体系应较为全面地涵盖企业科技实力的基本内容, 有充分的代表性, 通常包含科 技开发能力、质量与管理、科技成果及其经济效益等。
- (2) 独立性原则 指标体系的每个指标要内膟清晰和相对独立, 可分组建立。
- （3）导向性原则 指标体系应符合高新技术产业化政策, 利于企业从事高新技术的研究与开发, 利于构 建企业科技创新机制。
- （4）均匀平滑性原则 对于周期较长的㘳标采取三年平均, 如皆标每百名科技活动人员的专利授权数; 对 发展速度异常的指标, 基期数值用基期与报告期数值平均代替, 以免指标值大起大落。
- (5) 可操作性原则 指标体系数据从现有统计指标中产生, 切忌照搬不合实际的科技指标体系。
- (6) 综合、系统性原则 各指标之间动态联系䢂密切, 各组指标可以综合形成完整的指标体系。
- (7) 可比性原则 要尽可能采用相对指标, 便于各类企业进行对比; 对于行业之间的对比, 我们采取各 指标的发展速度。
根据上述原则, 分别选择了 12 项输入和输出指标, 分成 7 个组分别建立了广州市工业科技实力 DEA 评价指标体系。
指标体系中各项指标的含义及算式¶
- (1) 研究与开发 (R\&.D) 人员占全体职工比重, 此指标反映行业中从事研究与开发人 力投人的比重。 $$ I_1=\frac{\text { 研究与开发人员数 }}{\text { 全体职工数 }} \times 100 \% $$
- (2) 科技活动人员中科学家和工程师的比重。这一指标反映行业科技活动中人力投入的质量和管理水平。 $$ I_2=\frac{\text { 科技活动的科学家和工程师人数 }}{\text { 科技活动人数 }} \times 100 \% $$
- (3) 机器设备原值中微电子控制机器设备原值占有率。这一指标反映企业机器设备的现代化程度。 $$ I_3=\frac{\text { 微电子控制机器设备原值 }}{\text { 生产经荣用机器设备原值 }} \times 100 \% $$
- (4) 企业科研机构固定资产原值与原固定资产原值比率。该指标反映企业开展科技活动的物质基础。 $$ I_4=\frac{\text { 科研机恟固定资产原值 }}{\text { 原固定资产原值 }} \times 100 \% $$
- （5）技术引进投资占总支出比卑。这一指标反映企业引进高新技术的程度。 $$ I_s=\frac{\text { 三年累计技术引进投冻 }}{\text { 三年累计费用总支出 }} \times 100 \% $$
- （6）科技活动经费支出与产品销俼收人比率。这一指标反旰企业对科技进步的重视 程度。 $$ I_6=\frac{\text { 科技活动经费支出 }}{\text { 产品销售收人 }} \times 100 \% $$
- （7）每百名科技活动人员的专利授权数。该指标在专利授权方面反映科技成果的数 $$ O_1=\frac{\text { 近三年专利授权数 }}{\text { 近三年科技活动人员平均数 }} \times 100 \% $$ （8）每百名科技人员科技成果获奖数。此指标反映科技成果的水平。 $$ O_2=\frac{\text { 近三年科技成果获奖数 }}{\text { 近三年科技活动人员平均数 }} \times 100 \% $$
- （9）新产品销售收人占产品销售收人比率。这一指标反映企业开发新产品的组济效益。 $$ O_3=\frac{\text { 新产品销售收入 }}{\text { 产品销㫿收入 }} \times 100 \% $$
- （10）新产品出口额占产品销售收人比率。此指标反浃新产品在国际市场上的竞争力。 $$ \mathrm{O}_4=\frac{\text { 新产品出口额 }}{\text { 产品销售收入 }} \times 100 \% $$
- （11）万元技术引进投资新增企业增加值。该指标反映企业技术引进的经济效益。 $$ O_5=\frac{\text { 三年累计新增企业增加值(万元) }}{\text { 三年嫘计技术引进投资㛣(万元) }} \times 100 \% $$
- （12）企业通过 ISO 9000 系列质量认证体系的产品频率。这一指标反映企业管理的 总体水平。 $$ O_6=\frac{\text { 通过 } 1 \mathrm{SO} 9000 \text { 认证的产品个数 }}{\text { 产品总个数 }} \times 100 \% $$ ### 建立输人输出指标体系并进行评价 输人输出指标的选择主要是反映评价目的和评价内容。在科技发庡能力的DEA 评 价中, 原则上应包含以上 12 项输人和输出指标, 它们反映科技的开发能力、质量技术水平 和管理水平的高低，也反映科技人力、物力和财力投人产出效果。但是经验和理论表明, DEA 方法重在选择什么样的评价指标体系,在不同的指标体系中 DEA 评价结果是不同 的有价值的信息。为此我们把指标体系进行分组
为了使工业各行业之间具有可比性, 对所选择的 12 项指标均采用发展速度为其相对数,基期为 1988 年行业的指标数值,而报告期为1999年行业的指标数值。这样12项指标均表示各行业关于指标1999年的发展速度, 从而可比。
根据广州市工业行业统计数据情况,剔除缺少值多的行业和合并部分同类行业,得到广州市 14 个工业行业数据, 以上一节指标体系分组怚况进行 DEA 模型计算,下表 给出了这 些评价方案的综合评价指标(DEA 有效性系数)、平均综合评价指标值及各行业的排序名次。
结果分析¶
总的结论¶
从 14 个行业的数据看, 电子通信和医药行业在产品开发、技术和管理水平方案全为 DEA 有效, 应为最具发展潜力的行业。最差的是金属制品和建材及非金属制品行业。从平均综合评价批标值看,排在前 9 位的行业均为广州市的工业支柱行业,其中第 2 到第 9 位是广州较具特色的传统工业行业, 经过技术、管理、生产资料等要素的优化组合后, 居资金、技术密集型产业的比重明显上升,约占产品产值的一半,为广州市跃升全国十大城市工业总产值第二位提供了保证。
产品开发、技术和管理水平的 DEA结果分析¶
从产品开发的数据(方案 1)看,9 个支柱行业除电气机械及器材制造业差一些外, 其他行业的投人产出效果均较好。从技术水平数据(方条 2)看，电气机诚、电子设备制造、 石油化工、食品和饮料等传统行业, 虽然处于发展的成熟期, 但技术水平不离, 更应意识到应用新技术、新材料和新工艺来提高其生产力的重要性, 积极地接受知识经济, 通过知识 以达到技术创新来提高产品的技术水平。从管理水平数据(方案 3)看, 交通运输设备制造等行业应提高其管理水平和竟争力, 以便能在中国加人世斵组织后更有所作为。
人力、物力、财力投人产出的 DEA结果分析¶
从方案 4 可看到, 电子通信行业的有效性系数较低, 反映了该行业的竟争激烈, 而广州在这个方面的人才素质不够高, 专利和成果获奖数增幅小, 极需要改进。从方案 5 可 知,医药、石油化工、机械工业、金属冶栋和食品等传统行业应应用高新技术装备传统产业, 以提高其产出效率及竞争力。从方案 6 可看到, 食品、饮料和电气机械及器材制造行业的有效性系数较低, 反映了它们对高新技术的重视程度不够。
步骤总结¶
以上可见, DEA 方法应用的一般步聚为: 明确评价目的、选择 $D M U$ 、建立输人/输出评价指标体系、收集和整理数据、DEA 模型的选捀和进行计算、分析评价结果并提出决策建议。下面分别进行闸述。
（1）DEA 方法的基本功能是“评价”,特別是进行多个同类样本间的“相对优劣性”的评价。这样就有一系列的问题需要明确, 如哪些 DMU 能够在一起评价、通过什么样的输出/输入指标体系进行评价, 选择什么样的 DEA 模型进行评价等。为了能使 DEA方法提供的信息具有较强的科学性, 上述问题应该服从于我们应用 DEA 方法的具体目的性。 因此,明确评价目的是应用 DEA方法的首要问题。当然，这里所说的“评价”是广义的, 实䏡上是指通过DEA 方法提供的评价功能而进行的系统分析工作。
(2) 选择 $\mathrm{DMU$ 由于 DEA 方法是在同类型的 $\mathrm{DMU}$ 之间进行相对有效性的评价, 因此选择 DMU 的一个基本要求就是 DMU 同类型。在实际中下面两点可以帮助我们选择$\mathrm{DMU}$ "
- (1) 用 DMU 的物理背景或活动空间来判断, 即 $\mathrm{DMU}$ 具有相同的外部环境、相同的输入、输出指标和相同的目标任务等。
- (2) 用DMU活动的时间间陑来构造, 例如有一个生产过程的时间间嗝为 $[0, T]$, 现将 [0, T] $q$ 等分, 由于每个等分中的生产过程都是原过程的一部分 (一个时段), 因此, 如果将每个等分视为一个 DMU, 则可认为我们一共得到 $q$ 个同类荊的 DMU。另外, DMU 个数
(3) 建立输人/输出指标体系是应用 DEA 方法的一项其础性前提工作。DEA 主要是利用各决策单元的输人、输出评价指标数据对决策单元进行相对有效性评价。系统的评价指标不同,其有效性的评价结果也将不同。要考㤐如下几点：
- (1) 要考虑到能够实现评价目的，为了做到这一点, 需要把评价目的从输人和输出两 个不同的侧面分解成若干变量,并且该评价目的的确能侈通过这些输入向量和输出向量构成的生产过程。当然如果指标的经济意义比较直观、明昆,与评价目的生挂钧也较紧, 也就很容易地被认定为输人(出)指标。通常可将各决策单元的效用型指标作为系统的输 出指标, 将成本型指标作为系统的输人指标。
- (2) 能全面反映评价目的。一般来说,一个评价目的需覀多个输人和输出才能较为全 面地描述,缺少某个或者某些指标常会使评价目的不能完整地得以实现。换言之,缺少了 某个或某些指标,就不能敂全面地反映评价目的。例如在某个指标体系中新增一个或去 掉一个, 原来非有效 DMU 变成了有效的或原来有效的 DMU 变成了非有效的。
- (3) 要考态到输人向量、输出向量之间的联系。在生产过程中, DMU各输人和各输出 之间往往不是柧立的。在实际中,通过向专家咨询或进行统计分析可以帮助我们做到以 上这些, 也可在初步确定了输人/输出指标体系后, 进行试探性的 DEA 分析。如果在用 了几组样本数据进行分析后, 个別指标对应的权重总是很小,这说明这样的指标对 DMU 有效性的影响不大, 可以考虑删除这些指标。
（4）收集和整理数据资料。采用 DEA方法评价各决策单元的相对有效性时, 需妿输入各决策单元的输入、输出指标值, 这些指标值的正确性将直接影响各决策单元的相对有效性评价结果。所以, 正确收集和科学整理各决策单元的输入、输出数据就成为 DEA 评 价中的重要组成部分。评价指标中可以包含人文、社会、心理等领域中的非结构化因责, 但需要按可靠标准予以量化赋值, 如分为若干级别, 以数字表示。在实际应用中, 投人指标和产出指标均有不同的量纲, 但这并不构成使用DEA 时的困难。决策单元的最优效率指标与投人指标值及产出指标值的量纲选取无关。也就是说, 由于 DEA 方法并不直接对指标数据进行综合, 因而建立模型前无需对数据进行无量纲化处理。当然, 也可在建模前先作无量纲化处理。
- （5）DEA 有多种模型, 进行评价时选用什么模型需要我们考虑。一般来说需要从以下几方面进行考虑:
- (1) 由于具有非阿基米得无穷小的 DEA 模型在判断 DMU 是否为 (弱) DEA 有方便 之处,所以在实䏡中这一模型常被应用。
- (2) 为了得到不同侧面的评价信息, 在可能情况下, 尽量选用不同类型的 DEA 模型同时进行分析,再把分析结果相互比较。
- (6) 对于一组 DMU, 在确定了指标体系后, 选择一个合适的 DEA 模型, 进行相对有效性评价, 并在评价结果基础上进行分析工作。需要考虑如何把分析工作设计得更为细致更为全面, 以便提供尽可能多的比较信息。当然, 究竟做些什么, 如何做, 对提供的结果又如何进行分析等, 没有一个固定的模式, 还需从问题的实际背景和我们的评价目的出 发。最基本的是, 利用 DEA 规划模型的求解结果, 判断各决策单元的 DEA 有效性如何, 找出非有效性决策单元的无效原因及其改进措施, 形成评价结果报告, 并向上层决策单元 领导提出建议以辅助决策。