中国金融对经济增长贡献的效率研究——金融发展的阶段划分及评价

通过聚类分析将改革开放以来的中国金融-经济系统分为传统金融时期、金融转型初期、金融转型中期三个阶段,然后选取资本存量、劳动力、金融机构人民币资金来源、M2、贷款余额作为投入变量,GDP作为产出变量,采用非径向超效率分析模型测度中国金融效率。研究表明:中国的金融-经济系统存在结构变化,金融的绝对效率较低,但相对效率水平较高,中国已经顺利完成了金融体系的转型。     

带权重约束的DEA超效率评价模型及其应用研究

针对产学研协同创新项目的相对效率比较问题,数据包络分析（DEA）法是比较有效的数量分析方法。但DEA法所构建的优化模型中,由于约束条件没有充分考虑评价指标体系内部指标之间客观存在的内在权重大小信息,从而导致模型过分强调了评价单元的投入产出特征差异,甚至出现了原本非常重要的指标其权重却为0的不合理现象。本文提出DEMATEL法和数据包络分析法有机结合的思想,将运用DEMATEL法获得的指标之间内在的权重大小信息,纳入DEA法非阿基米德无穷小量ε限制的CCR模型及其超效率模型的约束条件,创新模型的可行域,构建了权重约束型ε-CCR模型和超效率ε-CCR模型。并以美国2014-2015年度国家科学基金会产学研合作研究中心发布的年度报告数据,对美国71个以高校为主导的产学研协同创新中心的相对效率进行了实证分析。实证结果显示,权重约束型超效率ε-CCR模型比没有权重约束的超效率ε-CCR模型更有效,不仅能对多个评价单位进行全排序,而且能克服无权重约束的超效率ε-CCR模型存在的评价结果不合理现象。这些结果有助于进一步推动DEA法的理论创新和应用推广,并能为多投入多产出项目的决策提供新的方法,使实际问题决策更合理更科学。     

基于E-NSBM模型的中国省际资源环境效率动态评价

从资源环境系统的内部结构出发,将资源环境评价体系分为生产系统和环境治理系统,针对该结构建立了扩展强自由处置性下的网络DEA模型——E-NSBM模型,将其与窗口分析法相结合,对2005-2012年中国各省资源环境效率进行了评价。结果表明：我国经济发达地区的生产系统效率普遍较高而环境治理系统效率较低;中、西部地区环境治理系统效率较高,但东部地区环境治理系统效率改进幅度最大;综合效率表现差的省份普遍表现为高的能耗强度、碳排放强度和硫强度。因此,各省应根据各自发展需要来确定资源环境效率的改进途径。     

基于DEA的中国科普投入产出效率初步分析

文章介绍了中国科普投入产出的基本现状,结合中国科普工作的实际情况,构建了中国科普投入产出评价指标体系初步框架.应用数据包络分析法(DEA),选取了中国科普统计2006-2013年间的数据,分析评价了中国科普投入产出效率,得到效率有待提高的初步研究结论.     

京津冀三地创新绩效比较研究

京津冀地区是中国重要的经济区域,但近年来三地发展水平出现分化,京津两市与河北省的差距拉大,有出现“极化”效应的可能。通过构建创新效率的评价体系,对京津冀三地3年的技术创新投入和产出作DEA方法分析,结果表明河北省的创新效率明显低于京津两市。京津冀三地在综合发展水平、劳动力素质、R＆D活动经费投入和外商投资企业的技术溢出水平上的差异,是这种技术创新效率产生差异的原因。     

碳排放约束下能源经济效率的区域空间分布研究——基于能源消费结构门槛视角

利用2000—2012年样本数据对全要素省际能源经济效率进行了测算,研究发现样本期间绝大部分省市自治区能源经济效率整体都呈不断下降的趋势,并且生产过程中低效率地区大幅增加,分布状态由“点状”向“面状”扩散,尤其是中西部地区下降较为明显,究其原因主要为:二氧化碳排放和能源消费结构是能源经济效率变化和地区差异的重要影响因素;据此运用门槛分析方法对其进行区域空间分布研究,将全国30个省市自治区划分为低排放—结构较合理、低排放—结构欠合理、高排放—结构较合理类群、高排放—结构欠合理和高排放—结构不合理5大类群,最后结合各类型区域自身发展特点,提出因地制宜的低碳绿色发展建议,并从需求侧和供给侧两方面提出能源经济效率改善的政策建议。     

中国上市 ITO 企业经营效率评价及影响因素分析

运用基于规模报酬可变的投入导向的超效率DEA模型,对在沪深两市上市的具有代表性的30家中国ITO企业的经营效率进行实证研究,结果表明中国上市ITO公司整体运营效率不高,且各企业之间存在显著差异性。为分析企业规模、员工素质、研发投入等因素对中国上市ITO企业效率的影响,采用Tobit模型发现企业规模、员工素质、政府支持等因素对企业运营效率有着积极地影响,而研发投入对企业运营效率的影响并不显著。     

Testing Hypotheses in Nonparametric Models of Production

Data envelopment analysis (DEA) and free disposal hull (FDH) estimators are widely used to estimate efficiency of production. Practitioners use DEA estimators far more frequently than FDH estimators, implicitly assuming that production sets are convex. Moreover, use of the constant returns to scale (CRS) version of the DEA estimator requires an assumption of CRS. Although bootstrap methods have been developed for making inference about the efficiencies of individual units, until now no methods exist for making consistent inference about differences in mean efficiency across groups of producers or for testing hypotheses about model structure such as returns to scale or convexity of the production set. We use central limit theorem results from our previous work to develop additional theoretical results permitting consistent tests of model structure and provide Monte Carlo evidence on the performance of the tests in terms of size and power. In addition, the variable returns to scale version of the DEA estimator is proved to attain the faster convergence rate of the CRS-DEA estimator under CRS. Using a sample of U.S. commercial banks, we test and reject convexity of the production set, calling into question results from numerous banking studies that have imposed convexity assumptions. Supplementary materials for this article are available online.     

额外资源按需分配方法研究

文献Wei Quanling等^[1]的最后一段提出了这样一类额外资源分配问题：假设有一些额外的投入资源将要分配给全部或者部分决策单元,如果我们希望分配结果对于整个系统（该系统由全部决策单元组成）来说是最有益的,那么应当如何分配这些额外的投入资源?他们同时还指出系统中哪些决策单元能够获得额外的投入资源,这不仅取决于决策单元的效率,还需要考虑规模报酬。针对此类问题,本文提出一种额外资源按需分配方法：首先,综合决策单元的技术效率与其投影点的规模弹性构建发展曲线,并由决策单元的发展曲线获知其投入变动与产出变动的对应关系;然后,把额外资源分成若干等份,依次分配每一个等份的额外资源,每次分配使系统的总产出增加实现最大,直至分配完全部的额外资源,或者分配某一份额外资源不再带来任何的产出增加,分配就会停止;最后,把决策单元在每一次分配过程中获得的额外资源进行累加,得到这个决策单元最终的分配结果。全文的最后分别在"一个投入一个产出"和"两个投入一个产出"情况下给出两个具体的分配算例。分配结果表明,这种按需分配方法不会缩减任意一个决策单元当前占有的投入资源数量,并且还可以有效地在辨识出某种额外资源在规模上和结构上存在的冗余,从而有效地避免不必要的分配。     

嵌套并联结构两阶段DEA下科技创新效率测度与分解

目前有许多研究将两阶段DEA模型应用到科技创新活动当中,一般将创新活动分为研发和转化两个阶段,为了进一步探讨不同转移转化方式下科技成果的转化效率以获得更多的详细信息,本文拓展了传统的两阶段DEA模型,考虑了嵌套并联结构的两阶段网络DEA模型,将科技创新活动分为科技成果研发阶段和科技成果转化阶段,并将科技成果转化阶段分为内部转化和外部转化两个并联子系统。本文选取14家中科院院属单位作为被评价对象,应用加权加法分解方法计算整体效率和各阶段子效率。通过将本文模型与传统两阶段模型进行对比发现,传统模型会低估科技成果转化效率。结果表明：整体科技创新效率均值偏低,科技成果研发效率均值高于科技成果转化效率均值,科技成果转化效率仍有很大的提升空间。科技成果转化阶段中内部转化效率普遍较高但是外部转化效率普遍较低,较低的外部转化效率是导致科技成果转化效率低下的主要原因。最后,本文将所有被评价单位分为四类机构,分析提高科技创新效率的实现路径,可以通过重点突破模式和渐进突破模式来实现整体效率的提高。