单位文秘网 2021-07-20 08:18:22 点击: 次
摘要:本文运用数据包络分析方法对我国12家农业类上市企业的运行效率进行评价,测算了各个农业企业的综合技术效率、纯技术效率和规模效率状况。研究表明:我国农业类上市企业总体效率偏低,两级分化严重,纯技术效率基本有效,规模效率较低,投入不足。
关键词:DEA;C2R;VRS;运行效率
1引言
农业经济发展关系着国计民生,构建和谐社会,发展农业经济是个关键。农业类企业的技术优势和规模经营等是提高我国农业水平的先锋力量,提高农业类企业的运行效率对于我国农业发展水平的提高有重要意义。近年来农业类企业不断出现发展迅速,但是在市场经济的环境中也暴露出许多问题,市场表现欠佳,经营二级分化等都影响了农业类企业的整体效率。评价农业类企业的运行效率,不仅能为企业管理者提供有效的改善经营的手段而且能为政府部门的发展规划、政策制定等提供重要信息。本文采用数据包络分析的非参数方法以2010年12家农业类上市银行为样本,评价我国农业类企业的运行效率。
2模型及研究方法
数据包络分析(Data Envelopment Analysis),简称DEA是由美国著名运筹学家A.Charnes和W.W.Cooper1在Farrell(1957)效率的基础上以数据包络形式构造出有效前沿,进而形成了规范的数据包络分析理论和方法,提出至今已经有30多年的历史了。
2.1规模报酬不变的C2R模型
规模报酬不变的C2R模型是DEA的基本模型,是A.Charnes,W.W.Cooper和E.Rhodes于1978年给出的第一个DEA模型。考虑n个决策单元,每个决策单元都有m种“投入”,生产s种类型的“产出”,分别表示决策单元“消耗的资源”和“工作的成效”。决策单元j 记为DMUj,(1≤j≤n)。其中,xij表示决策单元j(DMUj)第i 种投入的投入数量,xij>0;yrj为第j个决策单元第r种输出的产出数量,yrj>0;vi是对第i种投入的一种度量(或称权);ur是对第r种产出的度量(或称权),i=1,2,…,m;j=1,2,…n;r=1,2,…,s。用向量可表示为:
Xj 和Yj分别为第j 个决策单元的输入向量和输出向量,可以通过历史资料或者预测得到,均是已知的,可以用(Xj,Yj) 来表示DMUj;v和u分别为与m种投入和s种产出对应的权系数向量,是“权”变量。对应于权系数v∈Em,u∈Es,第j 个决策单元(即DMUj,1≤j≤n)的效率评价指数:
效率评价指数hj的含义是:在权系数v,u之下,输入为vTXj ,输出为uTYj 时决策单元的产出与投入之比。总可以适当的选取v和u,使得hj≤1,j=1,…,n。考察第j0个决策单元(DMU ,1≤j0≤n),以DMU 的效率评价指数h为目标,以所有决策单元(DMUj,1≤j≤n)的效率指数为约束,选择v和u,使得h最大。构成如下最优化模型:
利用Charnes-Cooper变换
利用线性规划的对偶原理,可以得到线性规划P对偶规划为
上式中θ为标量,根据Farrell的效率定义,θ满足0≤θ≤1,θ=1表示该决策单元位于生产前沿面上处于技术有效状态,经济含义是第j0家决策单元的产出水平不变时(基于投入导向),以处于生产前沿面上的决策单元为标准,实际所需要的投入的比例。1-θ就是第j0家决策单元多投入的比例即可以减少投入的最大比例。λ为n×1阶常数向量。
2.2规模报酬可变的VRS 模型
Banker,Charnes和Cooper(1984)在C2R 模型的基础上,引入了规模报酬可变的假设,得到了VRS模型。在C2R模型的基础上,引入约束条件得到如下模型
对于同一个决策单元来说,如果C2R模型和BCC模型的效率得分值不一致,则说明该决策单元存在规模上的无效率。因为技术效率=纯技术效率×规模效率,就可以用C2R模型的出技术效率,BCC 模型计算出纯技术效率,由此可以得出决策单元的规模效率。由技术效率()和纯技术效率(TEBCC )的定义可知 ≤TEBCC,说明BCC模型比C2R模型得到的效率值更大。
以上的规模效率度量对于规模无效的决策单元来说,不能判断出该决策单元是在规模报酬递增还是在规模报酬递减区域运行。在BCC模型基础上将约束条件 换成 ,得到规模报酬非增的NIRS模型(Coelli T.J.,1996)。
比较NIRS模型和BCC模型的效率值,若两者相等,说明决策单元处于规模报酬递减区域;若两者不等,则说明决策单元处于规模报酬递增区域。
3实证分析
3.1决策单元的选择
考虑到数据的可获得性和样本的代表性,本次研究选取了12家农业类上市企业。具体选择的上市公司如下:荃银高科、禾嘉股份、亚盛集团、冠农股份、隆平高科、新农开发、万向德农、新赛股份、北大荒、丰乐种业、登海种业、绿大地。使用的数据来源于同花顺软件中农业类上市企业的年度报表和财务报表。
3.2指标的确定
用DEA方法来评价银行的生产效率,合理的选择投入和产出指标是个关键问题。指标的选取需要考虑到企业的经营、管理和资本的情况,鉴于我国农业类上市企业的实际情况和数据的可获得性选择投入指标:总资产(X1);主营业务成本(X2),用来代表该农业类企业经营的效率;股东权益比率(X3),反映了上市公司自身的资产规模而非负债性资产占总资产的比重;产出指标为:主营业务收入(Y1)和利润总额(Y2)。
3.3实证结果及分析
根据原始数据,运用DEAP软件求解投入导向的不变规模模型和可变规模模型,得到12家农业类上市企业的技术效率,规模效率和纯技术效率值。结果如下表1:
3.3.1 技术效率衡量的是在一定的技术条件下,生产相同的产出压缩投入使用量的能力。从表1中可以看到总体上我国农业类上市企业综合效率值偏低,12家企业技术效率的均值为0.798,有4家企业达到了技术有效,效率值最低为0.488,两级分化比较严重。造成这种现象主要有两方面原因,其一是农业这一特殊的行业同时面临着自然分析和市场风险,农业的这种弱质性一定程度的影响了农业企业运行效率的提高;其二是由于市场的原因,很多农业类企业投资于房地产、金融、生物科技等非农业领域,由于跨行业带来的不确定性也影响了农业企业的效益,降低了运行的效率。
表1
3.3.2 纯技术效率值衡量的是与规模因素无关完全由于内部经营管理方面的纯技术因素导致的效率水平。总的来看,12家农业类上市企业纯技术效率值较高,其中有8家企业的纯技术效率值为1,说明我国农业类企业在公司治理,内部监管等方面取得较好的成绩。同时也说明了我国农业类企业利用现有生产技术的能力很强,能够在减少投入的同时尽可能地提高产出的水平。而4家纯技术效率值小于1的企业应该积极学习借鉴同行的管理经验,提高内部经营管理效率。
3.3.3 规模效率衡量的是随着决策单元投入的增加,规模收益是否会同比例增加,规模收益较大比例增加或者减少都说明决策单元未达到最优规模。从表3可以看到总体上我国农业类上市企业的规模效率值都偏低,只有4家企业达到了规模最优,其他企业都处于规模效益递增,说明我国农业类上市企业的投入不足,应该加大对农业企业的投入。另一方面,技术效率可以分解为纯技术效率和规模效率,可见我国农业类上市企业的技术无效是由规模无效引起的。提高农业类上市企业的运行效率,应该重点从提高企业规模效率着手。
4结论
数据包络分析方法是研究相同类型的单位或部门间相对有效性的有效手段,不需要权值假设,不需要函数的具体形式,能够适应多投入和多产出的情况,投入产出的量纲选取无关。
本文运用DEA方法对我国12家农业类上市企业的运行效率进行评价。结果表明我国农业类上市企业总体效率值偏低,由于农业行业的弱质性,农业类企业应该不断进行技术方面的创新,不断提高抵御自然风险和市场风险的能力。农业类企业规模效率的无效很大程度上制约总体效率的进步,农业类企业规模效率方面还存在很大的空间,应该加大对农业企业的投入进一步提高企业的运行效率。
参考文献:
[1] Chames,A.,W.W.Cooper and E.Rhodes,1978,Measuringthe efficiency
(下转第54页)
(上接第56页)
of decisionmaking units, European Journal of Operational Research,2,429-444.
[3] Fare,R.,S.Grosskopf and C.A. Knox Lovell,1985,The measurem
ent of efficiency of production,Boston:Kluwer-Nijhoff.
[4] Farell, M.J.,1957, Themeasurement of productive efficiency, Journal of Royal Statical Society, SeriesA, General, 120,253-281.
[5] 魏权龄.评价相对有效性的DEA方法——运筹学的新领域[M].北京:中国人民大学出版社,1988.
[6] 魏权龄.数据包络分析[M].北京:科学出版社,2004.
[7] 孟令杰,丁竹。基于DEA的农业上市公司效率分析[J].南京农业大学学报(社会科学版).2005.(5):39-44.
[8] 胡运权.运筹学教程[M].北京:清华大学出版社,2003.
(责任编辑:单位文秘网) )地址:https://www.kgf8887.com/show-182-67836-1.html
上一篇:数据驱动下的库存优化模型研究
下一篇:采矿系统工程的发展现状与新趋势
版权声明:
本站由单位文秘网原创策划制作,欢迎订阅或转载,但请注明出处。违者必究。单位文秘网独家运营 版权所有 未经许可不得转载使用