DEA模型范文10篇

摘要：本文对物流业效率建立了一个科学且切实可行的评价体系；利用DEA模型，结合2003年-2008年全国31个省市物流产业投入与产出的实例，对各省市的物流产业效率进行分析。

关键词：物流业；效率；DEA

物流产业作为我国的支柱产业，被列为国家十大产业振兴计划之一，今后必然在中国经济增长中成为一个新的增长点。现阶段，在物流产业效率研究中，研究视角多以研究物流企业为主，从物流产业总体效率分析的研究也大多以主要大型上市物流公司的财报表现来代表整个物流行业。但物流业涉及范围广，存在各种类型的企业，其中民营企业占很大比重，仅仅将少数大型上市物流公司代表物流业的研究欠妥当。本文运用数据包络分析（DEA）的理论为基础，分别从规模效率、纯技术效率和综合效率方面分析全国各省市的物流效率状态，并指出各省在物流投入和产出方面的问题，希望为决策者对物流产业决策和规划提供理论依据。

1DEA模型介绍

数据包络分析（DEA）方法是由AChames,W.W.Cooper等美国著名运筹学家提出的，用于评价具有多个投入和多个产出的决策单元（DMU）间的相对效率的一种系统分析方法。在运用这一方法进行评价时，决策单元（DMU）作为决策对象，将所有决策单元的有效性作为评价结果，最后根据每个单元的DMU输入和输出，通过利用一定的模型得出这一单元（DMU）的输入输出相对其他决策单元来说是否是最优的；结果如果是最优的，则称为该决策单元有效，否则称决策单元弱有效或者无效。

DEA评价方法的第一个模型,也是使用最广泛的模型是C2R模型。本文用这一模型来判断各个地区物流的效率。判断某个决策单元DMU（有m个投入X个产出Y）其有效性的模型C2R，其对偶规则可表示为：

一、文献回顾

商业银行的效率是衡量其业绩的一个重要指标，反映了银行对各种资源运用和配置的效果。通过对历年商业银行效率的检验，可以对比各银行间的优势和不足以及效率的动态变化，为商业银行的发展和改进提供借鉴。银行效率的分析方法分为非参数方法和参数方法两种，其中非参数方法主要有数据包络分析方法(DamEn—velopmentAnalysis—DEA方法)和无界分析方法(FkeDis—posaIHuI-FDH方法)；而参数分析方法主要有自由分布方法(DhtribufionFreeApproach—DFA方法)、随机前沿分析方法(StochasticFrontierAnalysis—SFA方法)以及厚前沿分析方法(ThickFrontierAnalysis-TFA方法)-种。数据包络分析方法(DataEnvelopmentAnalysis，DEA)是一种常用的检验效率的分析方法，是1978年由美国运筹学家A．Chames，W．W．Coop和E．Rhode首先提出的，用于评价部门间的相对有效性。主要通过线性规划求解的方式来计算。1985年Sherman和Gold首次将DEA引入银行业进行效率评价。Bangan(1988)等人采用DEA方法对1986年美国215家银行的效率进行的实证研究表明，这些银行的技术无效更多是由纯技术无效引起的。Fukuyama(1993)采用DEA方法研究了日本1990年至1991年度143家银行的效率，得出日本银行的技术无效也是由纯技术无效引起的。国内很多学者在借鉴西方国家的经验基础上也开始利用DEA及其改进模型对我国银行效率进行了检验。张建华(2003)利用DEA模型及其改进模型，第一次对我国三类商业银行1997—2001年的效率状况进行了全面分析。郭均鹏、吴育华和李汶华提出了基于不变规模收益(CRS)和可变规模收益RS)的超有效数据包络分析(SE—DEA)，罗登跃在SE—DEA模型的基础上对我国12家商业银行2001和2002年的效率进行了分析。倪海江和万迪防(2006)对1998—2002年的我国14家商业银行的Malmquist指数进行了分析。

二、DEA模型简介

DEA的基本模型一般有两个：CCR模型和BCC模型。CCR模型是由A．Chames。W．W．Coper和E．Rhode提出的，因其假设规模报酬不变，也叫做CRS模型，但是这个假设在实际生活中是很难实现的，Banker，Chaines和Cooper在此基础上提出了规模报酬可变的DEA模型。即BCC模型，也称VRS模型，这样由CRS计算出来的技术效率frE)被分解为纯技术效率(PTE，由VRS得到)和规模效率(s|E)。假设有n个部门，每个部门被看作是一个决策单元(DMU，DecisionMakingUnits，简称DMU)，每个DMU都有m种类型的输入和S种类型输出。DMUjG=1，2…n)代表第j个决策单元，】【i；为第J个DMU中第i种类型输入的总量，为第j个DMU中第r种类型输出的总量。则第j个单元的效率评价为：其中ur和vi为投入和产出的权重，由此依据基于投入产出最大化或基于产出投入最小化的原理，最终建立如下的线性规划模型G基于输入的CCR模型)：其中S。和S+为引入的松弛变量向量，分别表示投入冗余量和产出不足量，0为上文所说的技术效率fiE)，该模型的最优解即为对应DMU的效率状况。以上CCR模型是假设规模收益不变的情况下，为了分解出纯技术效率if''''rE)，引入约束条件善^一，就得到了基于规模报酬可变的BCC模型，该模型的最优值即为纯技术效率，记为盯。记规模效率最优值为P，则0=P×叮。两模型的结果都根据如下原则进行判断和分析：(1)若0(盯)=1，且S-=S*=0，则称对应DMU为DEA有效，即由n个DMU组成的经济系统中，该单位已经达到了投入产出最优。(2】若0(盯)=1，且s_≠0或s+≠O，则称对应DMU为DEA弱有效。即由n个DMU组成的经济系统中，投入X减少S-也可以维持原产出。或者在现有的投入量X下可以将产出提高S+。(3)若0(盯)<1，则称该DMU为DEA无效。

三、评价指标和样本的选择

(一)评价指标的选取

一、黑龙江省财产保险行业发展现状

从中国保险监督管理委员会黑龙江省监管局网站上了解到的数据来看，截至2013年6月，黑龙江省隶属于省级的财产保险公司已经拓展到12家。分别是中国人民财产保险股份有限公司黑龙江省分公司（人保财险）、中国太平洋财产保险股份有限公司黑龙江分公司（太保财险）、中国平安财产保险股份有限公司黑龙江分公司（平安财险）、天安保险股份有限公司黑龙江省分公司（天安财险）、中国大地财产保险股份有限公司黑龙江分公司（大地财险）、华安财产保险股份有限公司黑龙江分公司（华安财险）、安邦财产保险股份有限公司黑龙江分公司（安邦财险）、都邦财产保险股份有限公司黑龙江分公司（都邦财险）、永诚财产保险股份有限公司黑龙江分公司（永诚财险）、太平保险有限公司黑龙江分公司（太平保险）、阳光财产保险股份有限公司黑龙江省分公司（阳光财险）、中国人寿财产保险股份有限公司黑龙江省分公司（人寿财险）。黑龙江省财产保险行业近年来得到了稳定的增长。据2013年3月7日黑龙江保监局公布的数据显示，2012年，黑龙江省实现保费收入344.15亿元，同比增长8.3%，其中财产保险业务收入101.18亿元，相比上年有较大幅度的增长，比例为17.58%；保险公司总资产939.94亿元，较年初增加138.06亿元。黑龙江省财产保险业务收入占保险业总收入的29.4%，在同类保险中增幅最大，高于人身险4.85%的增长率。2009年9月，人保财险黑龙江省分公司提出10项重点工作举措，对推进理赔集中，加强全省核损中心和远程定损中心建设，加大差异化授权力度有了较大的促进，对连续经营亏损的分支机构开展检查，实施正反向机制激励，并加强了依法合规经营负责机制和合规体系的建设，对建立对分支机构设立“小金库、账外账”等违规行为进行了规范。2010年6月，黑龙江省建立小额保险客户理赔绿色通道，黑龙江省各试点财产保险公司均开通农村小额人身保险客户理赔“绿色通道”，简化理赔流程，明确小额保险理赔案件“三个优先”原则，即优先受理、优先处理、优先给付。使农村小额人身保险理赔速度得到了极大的提高，是黑龙江省财险公司服务质量提升的一大进步。2012年3月黑龙江保监局指导黑龙江省保险行业协会出台《黑龙江保险业“十二五”宣传规划》。《规划》明确了“十二五”期间黑龙江保险业宣传工作指导思想、基本原则和工作目标，进一步促进了黑龙江省的财产保险业务的发展。黑龙江省财产保险公司致力于完善保险市场体系，整顿保险市场秩序，省内保险行业的增速一直领先于GDP发展水平，二者之间正相关性明显。因此，随着结构的进一步优化调整，经济的持续发展，需求主体的收入增加，财产保险行业的发展前景十分可观。但由于行业内竞争较为激烈，财产保险市场的竞争日益白热化，大中小财产保险公司仍然追求数量上的争夺，而不注重质的提高，在综合成本增加的同时也不利于资源的优化配置，更难以形成规模经济，整体盈利不增反降；财产保险市场的经营秩序较之寿险较为混乱，市场划分过于笼统；缺少规范的运行和考核机制，通过保费的指标完成量来考核员工，员工只重视拉单，缺乏成本认识，导致财务运行上存在资金风险。

二、黑龙江省财产保险公司经营效率的实证分析

（一）模型选取

因DEA模型不需要预先估计参数，在避免主观因素和简化操作、减少差错方面具有不容小觑的优势。本文采用DEA方法来分析黑龙江省财产保险公司的经营效率，通过对黑龙江省财产保险公司进行经营效率分析，能明确黑龙江省财产保险行业的效率现状。在评价行业的经营效率时，往往需要比较分析同时期内的投入与产出、付出的成本和获得的收益等因素。对于保险公司而言，其经营效率的衡量也参照这几个指标。

（二）指标选择

若决策单元总体效益等于1，称该决策单元为总体有效；反之该决策单元为非总体有效。决策单元在C2GS2模型下的效益为技术效益，它是指在规模收益可变的情况下决策单元与生产前沿面之间的距离。若决策单元技术效益等于1，称该决策单元为技术有效；反之该决策单元为非技术有效。总体效益与技术效益的比值为决策单元的规模效益，即规模效益=总体效益/技术效益≤1。若决策单元规模效益等于1，称该决策单元为规模有效；反之该决策单元为非规模有效。C2R模型尽管能够区分DMU的纯技术效率和规模效率，但总的来看，所有的样本只是被简单的划归为两组，一组是处于效率前沿面的DMU，其效率得分均为1，而另一组则是得分小于1的无效率的DMU。在实际情况下，决策者的目的不仅是为了区分有效和无效的决策单元，更是为了能对所有的DMU进行排序，而C2R模型并不能区分出己经处于效率前沿面的DMU的相对效率水平。针对这一情况，Banker&Gifford（1988年）以及Bankeretal（1989年）首次提出在测算时将有效DMU从参考效率前沿面分离出去而在C2R模型的基础上构建超效率模型，这一方法最终在Andersenetal的努力下日臻成熟。超效率模型的改进思路是在进行第k个决策单元效率评价时，使第k个决策单元的投入和产出被其他所有的决策单元投入和产出的线性组合替代，而将第k个决策单元排除在外。一个有效的决策单元可以使其投入按比例地增加，而效率值保持不变其投入增加比例即其超效率评价值。改进的模型为[6]：

评价对象与评价指标

本研究选取我国31个省、直辖市的公共图书馆作为评价对象。选取这31个评价对象主要出于以下的考虑：（1）这31个省、直辖市的公共图书馆的投入产出原始数据可以摘自相关年份的《中国文化文物统计年鉴》，从而确保评价数据来源的权威性、准确性和统一性。（2）选取的个体都属于省级区域的公共图书馆，能较好地符合DEA评价中决策单元“相同类型”特性的要求。（3）由于近几年来全国文化信息资源共享工程的建设，全国各省、直辖市的图书馆硬件、馆藏和信息服务不断完善，完成了以“百万册（件）文献共建”与“四个一优秀作品”为核心的数字资源建设，整合贴近大众生活的社会文化信息资源。选取这31个省、直辖市的公共图书馆作为评价对象，可以增加评价活动中决策单元之间的可比性。构建公共图书馆效率评价指标体系如表1所示。表1公共图书馆效率评价指标体系注：表中各评价指标的数据来源于2011年度的《中国文化文物统计年鉴》[7]。

评价结果与结论

本文利用DEAFrontier软件对投入、产出指标的数值进行计算。DEAFrontier软件作为Excel的一个插件，具有简单易用的特点，软件的所有操作都在Excel电子表格中完成。在DEAFrontier软件中用C2R和C2GS2模型进行统计，可得各省、直辖市的总体效益值、技术效益值、规模效益值及其规模收益状态（见表2）。由表2可知，利用C2R和C2GS2模型计算出总体有效的有13个地区，分别为北京、黑龙江、上海、江苏、浙江、福建、山东、湖北、湖南、广东、广西、海南、重庆。为了进一步比较这13个总体有效的地区公共图书馆的效率情况，继续运用DEAFrontier软件所提供的超效率DEA模型对处于C2R模型效率前沿面的13个地区公共图书馆的总体效益做了进一步的测算，计算出了这13个地区的超效率值，其运算结果见投入指标人力投入X11机构数；X12从业人员；X13高级职称人员产出指标Y1累计发放有效借书证数Y2流通人次Y3刊文献外借册次物力投入X21总藏量；X22公用房屋建筑面积；X23电子阅览室终端数；X24阅览室坐席数财力投入X3本年支出合计图书信息资源投入X41本年新购藏量；X42当年购买的报刊种类2012年第12期表3。可以看出，超效率DEA模型却让原来得分为1的地区有了新的效益得分，各地区公共图书馆的效率水平更加明显化4.2评价结论对评价结果进行分析，可以得到如下的结论：（1）31个地区的公共图书馆的效率总体水平不高，只有北京、黑龙江、上海、江苏、浙江、福建、山东、湖北、湖南、广东、广西、海南、重庆这13个地区达到总体有效，占参评地区总数的41.9%。在理论上，相对其他地区来说，这13个地区的公共图书馆资源配置达到了最优，效率相对最高。另外从表3可以看出，效率最高的前3名分别是湖北、上海和北京。表313个总体有效地区的超效率值（2）非总体有效的18个地区中，西藏和青海达到了技术有效，其非总体有效是由规模太小引起的，这2个省提高图书馆效率的一个有效途径就是加大其资源投入的力度和规模；其它16个地区既是非技术有效又是非规模有效，它们一方面需要改进管理水平，提高现有资源的利用效率，使投入的资源得到充分的利用，另一方面还要增加投入以适应图书馆的管理水平和资源配置效率。（3）从规模收益状态来看，2010年我国大部分地区的公共图书馆都处在规模收益递增阶段，这说明这些地区的公共图书馆都处在资源投入不足的状态，换句话说，这些地区的公共图书馆如果将所有投入资源的数量都以相同比例增加，将获得更大比例的回报[8～9]。

DEA方法对公共图书馆效率的评价是卓有成效的，但在评价结果的解释上需要注意以下两个方面：（1）DEA方法评价的是相对效率而非绝对效率，评价结果中效率高的地区是和其它参加评价的地区比较，在技术效益和规模效益方面达到了相对最优状态，但并不表示该地区的效率已经达到了绝对最优状态，它们的效率还有提高的空间。当原本相对非有效的公共图书馆经过提高管理水平和增加资源投入后，效率不断提高，原本相对有效的图书馆则有可能变成相对非有效的图书馆。因此，所有的地区的公共图书馆都应该不断努力提高自身的效率，更好地为读者服务。（2）DEA方法的评价结果只能反映图书馆总体投入产出指标上存在的效率问题，它只能为公共图书馆效率诊断提供总的方向和原则。图书馆管理者在实际工作中需要结合图书馆的实际情况，利用详细的统计数据进行更加细致的分析，得到影响效率的具体因素，从而采取相应的改进措施。

一、DEA模型

DEA是由美国著名运筹学A.Charnes和W.W.Cooper等人于1978年提出旨在评价“多投入多产出”模式下决策单元间的相对有效性的方法[1]。由于不需要预先估计参数，因此，在避免主观因素和简化运算等方面有着良好的优越性，在各个方面得到了广泛的运用[2]。DEA模型主要有规模报酬不变的CCR和规模报酬可变的BCC两种基本形式。采用基于投入的CCR模型。假设有n个年度（受评估的决策单元DMU），每个决策单元DMUj都有m个输入和s个输出。其中，θ表示决策单元DMUj离有效前沿面的径向优化量，这里表示浙江省低碳经济效率；s+和s-为松弛变量，其非零时使无效DMUj沿水平或垂直方向延伸到有效前沿面[3]。若θ=1且s+=s-=0，则称决策单元DMUj为DEA有效，表示浙江省第j年的低碳经济DEA有效；若θ=1且s+≠0或s-≠0，则称决策单元DMUj为DEA弱有效，表示浙江省第j年的低碳经济DEA弱有效；若θ<1，称决策单元DMUj为DEA无效，表示浙江省第j年的低碳经济DEA无效。为表明各年各要素的投入量或产出量是否合适，可以计算投入冗余率和产出不足率。其中投入冗余率为决策单元DMUj中投入各分量的松弛变量sij-与与对应指标分量xij的比值，表示该分量指标可节省的比例；同样产出不足虑为决策单元中各产出分量的松驰变量sij+与对应指标分量yij的比值，表示该分量指标可提高的比例[4]。

二、指标选择和数据输入

传统的用于评价经济的DEA模型投入指标主要为资本投入和劳动投入，产出指标为经济总量。将DEA模型用于评价低碳经济，则在投入指标中加入了能源投入，产出指标变为低碳产出水平。各个具体指标的选取（如下表所示3）。

三、实证分析

将上述数据代入DEA模型。使用DEAP2.1软件进行计算，结果（如下页表4所示）。从下页表4中可以看到，只有2005年和2012年实现了DEA有效，其余各年DEA无效，即浙江省2005年和2012年的低碳经济发展是有效率的，其余各年的低碳经济发展是无效率的。从具体的数值来看，无效率各年的DEA效率都在0.9以上，表明这些年实现DEA有效是较为容易的。低碳经济整体发展水平较高。对DEA综合效率（TE）进行分解，可以得到纯技术效率（PTE）和规模效率（SE）。从表4中可以看到，在各DEA无效的年份中，2008年和2010年达到了纯技术效率有效，其DEA无效是由规模效率无效造成的。其余4个年份的DEA无效则是纯技术效率无效和规模效率无效共同导致的。计算各年的投入冗余率，结果（见表5）。从表5中可以看到，各年各投入要素的投入冗余率均较小，表明浙江省低碳经济中资源配置的效率较高。投入冗余率不为零表明配置效率还有进一步提高的余地。

一、引言

在研究我国文化传媒类上市公司效率时，计量分析、因子分析、聚类分析、财务指标分析等方法被经常采用。胡志勇、王首程、李祥伟运用描述性统计对我国传媒产业2001～2005年发展状况的经验分析表明，无论是从市场预期层面还是从公司自身的经营效绩方面来看，传媒上市公司都优于其他上市公司，传媒产业是我国经济体系中的朝阳产业［1］。刘宗林、程静薇以上市公司中视传媒为例，从获利能力状况、运营能力状况、偿债能力状况和发展能力状况等方面，选取行业标准值和评价系数进行行业横向对比分析，结合中视传媒2005～2007年的财务数据和财务比率进行年度纵向比较分析，初步探讨了传媒类上市公司的经营绩效评价与分析体系［2］。邓建商选取12家沪深两市传播与文化产业公司为样本，利用样本在2008年6月30日公布的年报数据，运用因子分析法和主成分分析法，对我国传播与文化产业上市公司的经营绩效进行实证分析，发现我国传播与文化产业上市公司的经营绩效存在分化现象且呈一般的正态分布。他举例分析了影响上市公司经营绩效的因素以及绩效分化的原因［3］。庞万红、赵勋从传媒上市公司成长性、获利性、偿债能力及财务状况考察了传媒上市公司运营绩效［4］。

采用DEA方法对传播与文化产业上市公司效率进行评价，可以有效地避免财务指标评价方法的不足(对整体绩效缺乏分析)和主成分分析法的缺点(对引起结构的动因缺乏分析，难以提出改进业绩的途径)，在不需要预先知道投入产出指标之间的显著性函数关系和预先计算投入产出综合比率的前提下，能更客观、有效地对同类企业的效率作出评价。采用DEA模型，无需事先人为地确定各指标的权重，避免了在权重分配时评价者的主观意愿对结果的影响。刘玉丽利用2003年10家文化传媒类上市公司数据，运用数据包络分析法，对其经营绩效进行分析，得出结论是当规模收益减少时，压缩资本规模不符合传媒行业长远发展，为此要提高资本的运营效益［5］。闵素芹、李群选取能够从各个角度反映上市公司经营业绩的输入、输出指标，利用DEA模型对我国11家传媒产业上市公司进行了DEA有效性评价和规模效益分析，从模型出发对测算结果进行了必要的分析并提出了相应的建议［6］。葛妍对我国沪深两市13家文化传媒类上市公司2008年财务数据进行了因子分析和聚类分析，得出其综合评价排名，进行分类并评价了其综合业绩和特征［7］。戴新民、徐艳斌利用我国沪深两市23家传播与文化产业上市公司数据进行DEA分析，结果表明传播与文化类上市公司效率较低，绝大多数公司规模报酬是递减的，规模无效率是技术效率低下的主要原因［8］。本文利用我国沪深两市上市的文化传媒类公司年报数据，运用DEA模型对文化传媒类上市公司的效率进行实证分析。

二、DEA基本原理和数据说明

(一)基本原理

数据包络分析方法(DataEnvelopmentAnalysis)简称DEA方法，能够客观地对决策单元的相对有效性进行比较，作出综合评比。DEA是测度具有多投入多产出的决策单元(DMU)效率的非参数方法，有很多种模型，如CCR模型、BCC模型、CCGSS模型、CCW模型、FG模型、ST模型等，其中最常用的是假定规模报酬不变(ConstantReturnScale，CRS)的CCR模型和模型假定规模报酬变动(Varia-bleReturnScale，VRS)的BCC模型。本文主要选取CCR模型和BCC模型对我国文化传媒产业的上市公司进行分析。利用CCR模型得到文化传媒类上市公司整体的综合技术效率，利用BCC模型得到纯技术效率，根据所得结果进一步分析我国文化传媒类上市公司的规模效率。本文的决策单元为34个，而投入产出指标为5个，适合应用DEA方法。本文选取了固定资产、员工数量以及主营业务成本作为投入指标，选择了主营业务收入和净利润作为产出指标。

摘要：采用文献资料法、知识图谱可视化分析法、逻辑分析法等研究方法，立足于经济学领域进行相对有效性评价的DEA模型的视角，归纳出体育教学评价的现状，总结出高校体育教学评价的动因，进而分析出DEA模型用于体育教学评价的可行性，从而提出相应的建议，以期为我国高校体育教学评价机制的改革做出一定的贡献。

关键词：体育教学评价；改革；DEA模型；高校体育

教学评价机制的改革是党和国家的殷切期盼与支持。2017年颁布的《国家教育事业发展“十三五”规划》明确指出：“高等教育要深化本科教育教学改革，改进教学评价机制和学生考核机制［1］。”在党的报告中提出：“优先发展教育事业。要全面贯彻党的教育方针，落实立德树人的根本任务，发展素质教育，推进教育公平，培养德智体美全面发展的社会主义建设者和接班人［2］。”然而，数据包络分析（DEA）不仅可以进行相对有效性评价，而且可以分析出优化措施，同时避免了繁锁的计算过程。因此，在这个背景下，进行DEA模型在高校体育教学评价改革中的探讨显得尤为重要。

1体育教学评价和DEA模型的基本概念

1．1体育教学评价的概念。“评价”一词，在《辞海》中的解释为：衡量人或事物的价值。价值是指一种事物能够满足另一种事物的某种需要的属性，换言之，一种事物能满足某种需要的属性即为该事物的价值。“教学评价”这一术语的概念较多，但有一个相对比较全面的概念，并且众多学者基本上都是在此基础上进行深入理解：教学评价［3］是指在教学过程中依据教学目标，有计划、有目的地观察、测定教师和学生学习的种种变化，根据这些变化对照教学目标、教学计划、教学效果、学生的学习质量及个性发展水平，运用科学的方法做出价值判断，进而调整、优化教学进程，促进学生达成教学目标的教学实践活动。由众学者的观点来看，可以把教育评价的概念归结为：依据一定的标准，在系统、全面地收集、整理和运用教育信息的基础上，对教育活动的过程和结果进行价值判断［4］，以做出相应改善和调整来促进教育活动的过程。体育教学评价被看作教育评价的重要组成部分，并且是教育领域中一般评价活动的一种具体体现［5］。1．2DEA概念数据包络分析。［6］（DataEnvelopmentAnalysis，DEA），是数学、运筹学、数理经济学、管理科学和计算机科学的一个新的交叉学科［7］。它是［8］A．Charnes和W．W．Cooper等人于1978年开始创建的，并被命名为DEA；第一个模型是CCR模型，随后，1984年，R．D．Banker等人从公理化的模式出发给出了另一个DEA模型———BCC模型。最为经典的模型有CCR，BCC，FG，ST［9］。简言之，DEA模型就是通过把搜集的评价指标的实际数据输入软件包，然后模型自动生成一个最优的临界值，并把每个被评价对象与最优的临界值的距离计算出来，从而根据每个被评价对象与最优临界值的差距来判定其优劣，也就是最终的评价结果———相对有效性。

2我国高校体育教学评价的现状

应用DEA进行外汇监管审计绩效评价的主要思路

当前外汇监管审计绩效评价方法除常规方法以外，还包括：数量分析法、因素分析法、成本效益分析法、数据包络分析法、公众评价法等。但DEA的应用性不多。本文研究DEA在外汇管理审计绩效评价中的应用，厘清应用DEA进行外汇管理审计绩效评价的操作流程，并通过构建DEA模型进行实证分析得出结论。

（一）DEA的主要流程

数据包络分析法（DataEnvelopmentAnalysis,简称DEA）是进行有效性评价分析的一种数量分析方法，适用于外汇管理内部审计绩效评价。该方法是管理学科、运筹学与数量经济学的交叉学科而形成的数据分析算法，是一个多学科交叉的评价方法。DEA研究的是多个输入和产出的系统，应用数据规划模型对具有多输入和多产出的生产绩效评价系统有良好的应用效果。DEA算法以决策单元（DMN）为单位进行，以投入和产出指标数据的权重作为绩效评价的变量，避免了人为因素确定的指标权重使研究结果的客观性受到人为影响。外汇管理审计绩效评价DEA的流程主要可分为4个模块:第一个模块中的“定义数据变量”，包括“确定评价目标”和“选择决策单元”两个部分。以黑龙江省外汇管理审计工作为研究对象，那么评价目标为：“黑龙江省外汇管理审计绩效评价”；决策单元选取为针对黑龙江省外汇管理支局进行审计的12个审计组的投入和产出为一个决策单元。第二个模块为“确定目标函数”，主要包括“建立输入输出目标体系”。该模块主要建立在决策单元的基础上，建立DEA中输入输出指标。根据外汇管理审计工作确定的指标体系，审计人数、审计时间和审计经费分别作为DEA决策单元的投入指标，将审计业务量（流程数）、整改及时完成率、实际问题发生数作为DEA决策单元的产出指标。第三个模块为“选择DEA模型”，本文将选取的外汇管理审计绩效评价模型为DDF模型。第四个模块为“结果分析”，对各个投入指标和产出指标的效率值以及总效率值进行分析。基于DEA的外汇管理审计绩效评价流程如下图所示

（二）DEA的模型建立

1.DEA的CCR模型和BCC模型CCR模型和BCC模型是DEA方法发展早期的重要类型。CCR模型假设决策单元（DMU）处于固定规模报酬情形下，用来衡量总效率；BCC模型假设决策单元（DMU）处于变动规模报酬情形下，用来衡量纯技术和规模效率。由于数据包络模型不断扩充与优化，DEA模型因为其应用的广泛性增加，大量成功的应用案例进一步说明了DEA方法可靠性，进一步推动数据包络模型的广泛应用性。DEA的应用模型的推导过程如下：假设现在有个被评价决策的决策单元，每个决策单元都存在m个不同的投入向量，此m个不同的投入向量记为：；每个决策单元的产出具有种不同的形式，其产出项记为：。在数据包络法中决策单元的效率值的计算公式为：上式（1）中，是第“0”个决策单元的效率评价指数，和分别是第“”个产出和第“”个投入的权系数。由此可以计算每个决策单元投入和产出的效率情况。2.动态方向距离函数DEA模型由于早期DEA模型中的CCR模型和BCC模型无法体现DMU当前状态与有效目标值之间的松弛改进部分，Tone（2001）提出SBM模型对此局限性进行了弥补，对投入和产出松弛改进的部分可以包括到对DMU无效率程度的测量过程中。SBM模型在处理非期望产出变量时，通常将其作为投入变量设定为负值纳入模型，且在测量效率程度时，被评价单元的投影点不是最短路径到达前沿。Chung等（1997）通过对方向向量进行定义，使无效DMU沿任意设定的方向可以投影到前沿，即提出了方向距离函数（DirectionalDistanceFunction）DEA模型(DDF-DEA)。在该此模型基础上，构建了动态的DDF-DEA模型。假设有k个DMUk，对其无效率的测量包含投入和期望产出两个方面，其中xi、yr分别代表第i项投入、第r项期望产出。gx、gy分别表示投入、期望产出能够改进的方向向量，w为权重。、分别表示各项投入、期望产出平均改进的部分。由此得出的方向距离函数效率值与方向向量长度无关，保证所得出的效率值的一致性。采用被评价单元的效率值作为方向距离函数模型目标值，设定无非期望产出的动态DDF-DEA模型如下：3.共同边界DEABatteseandRao（2002）及Battese等（2004）通过共同边界模型提出不同群体间的技术效率可相互比较的观点。之后ThanassoulisandPortela（1997）提出凸性共同边界的观念，指出在某一段时间内，所有群体的技术，用最先进技术进行生产的产出水准，群体间甚至在技术的交流下，可以因为技术提升将生产边界更向外扩张而提高经营绩效。直到O’Donnell等（2008）提出的共同边界模型，可以准确求算出群组及共同技术效率。（1）群组边界将所有DMU依不同的社会文化、经济环境、管理模式与生产结构等因素分成g个群组，则第g群组的技术集合如下令，亦即Tm为包含全部群组之生产前缘所包络起来的凸化共同技术集合（metatechnologyset），则与共同技术集合有关的投入距离函数可表示如下：（8）上式代表以共同边界计算每一个DMU的投入距离函数值，即为共同边界无效率指标。

随着经济的快速发展和人民生活水平的不断提高，我国旅游业得到了突飞猛进的发展。有关研究资料显示，2015年中国接待国内外旅客人数超过41亿人，旅游总收入突破4万亿元，比2014年分别增加了10%和12%。随着旅游产业技术范式的转变、互联网技术的渗透，在整合和迭代创新的运营过程中，旅游产业市场开放包容度增强，外部竞合环境改善，其产业效率也呈现不断提升的态势。因此，研究旅游产业的效率（产出/投入），对推动新常态下旅游经济的发展，保持产业的可持续延伸，具有前瞻性意义和社会价值。

一、研究概况

旅游产业效率是指一个地区在运用一定的成本之后所能获得经济效益，其反映了旅游经济活动的投入和产出之间的内在联系与比率关系，它主要由技术效率和规模效率决定。近十年来，旅游产业效率相关研究引起了众多学者的关注，学术界出现一批研究旅游产业效率的文献。本文以中国知识资源总库（CNKI）为检索对象，以“旅游产业效率”和“旅游效率”为主题词，采用精确匹配方式，共检索到学术期刊文献109篇，硕博学位论文31篇，相关文献数量呈逐年递增的趋势（图1）。图1　2008-2016年旅游效率研究文献统计（截至2016年10月）对以上文献进行归类分析发现，旅游产业效率的研究涉及区域旅游、宏观经济与可持续发展、经济体制改革、服务经济、贸易经济、国家行政管理、环境科学与资源可持续利用、经济理论等领域。本文在此基础上通过文献二次追踪搜索、资料信息整理和遴选，从研究对象、影响因素和研究方法等方面对旅游效率相关研究展开评述。

二、研究对象

（一）空间地域

目前，国内关于旅游产业效率的研究主要从经济区（带）、省际、城际和县际等区域层面进行展开。1.经济区（带）一些学者从经济区（带）的宏观角度对旅游效率进行研究，长三角和沿海地区是常见的研究对象。例如，王坤和黄震方等（2013）运用修正DEA模型和ESDA-GIS空间计量模型对2004-2010年长三角旅游的旅游效率空间特征及溢出效应进行了分析，研究表明，长三角的旅游总效率呈提升态势，总效率和纯技术热点区是以上海为中心的圈层空间结构，冷点区向赣南和赣北集聚，而规模效率则相反；刘佳和陆菊等（2015）分析中国沿海地区旅游产业效率的影响因素和形成激励，并分析其时序变化和空间差异，指出推动技术进步、优化产业结构以及提升城市化水平是提高旅游产业效率的重要途径；曹芳东和黄震方等（2014）运用Deap2.0测度方法，发现我国北部、东部及西南地区综合效率值较高；李忠斌和肖博华（2016）通过构建“一带一路”18省区文化旅游产业效率投入产出指标体系，测算其产业发展效率，研究发现，“一带一路”省区文化旅游产业综合效率不高的原因源于技术效率低下。2.省际区域从省际的层面对旅游效率进行研究也是常见的角度。例如，李仲广和宋慧林（2008）将省域旅游经济空间关联模式进行分类，并提出相应发展策略；方叶林（2014）综合运用修正的DEA模型、ESDA和路径分析等技术，对省际旅游业效率进行测度与分析，发现我国旅游效率演化表现出明显的地带效应和空间集聚效应，并具有一定的方向性和空间错位性。3.城际和县际区域由于某省份所辖城市（或某城市所辖县区）的旅游效率评价指标数据统计口径相对一致，其效率值结果更为可靠，因此，部分学者对这些城市或县区的旅游效率进行了研究。例如，梁明珠和易婷婷(2012)分析了珠三角、粤东、粤西和粤北地区的差异，并根据旅游效率的演化模式，将城市划分为草根型、新秀型、明星型和贵族型；赵雪雁、侯成成和李建豹等（2011）通过综合因子和空间计量模型分析，发现甘肃省的县际旅游效率空间集聚特征明显，提出通过增加投入和调整产业结构来减少区域经济差异。可见，从空间地域的角度来看，国内关于旅游产业效率的研究主要从经济区（带）、省际、城际和县际等区域层面进行展开，尤其是经济发达的省份、城市以及旅游资源丰富的县区都成为研究的主要对象。

一、DEA方法概述

（一）DEA方法简介及相关研究

为了弥补上述评价方法的不足，很多学者应用数据包络分析方法对企业综合绩效进行分析。数据包络分析方法（DataEnvelopmentAnalysis，简称DEA）由Charnes,CooperandRhodes于1978年提出的一种新的研究方法，该方法可以用来研究具有相同类型的部门间的相对有效性。DEA方法在评价绩效方面具有很大的优势：第一，模型中投入、产出指标的权重根据模型自动优化产生，而非事前设定，从而使权重较为客观；第二，可以对多投入、多产出指标评价单元进行分析；第三，可以进一步了解被评价单元的资源使用情况，为企业经营决策提供一定的参考。目前，有很多学者运用DEA方法对企业绩效做综合评价，如王建华和闻燕（2006）选取上海中外联合实验室为研究对象，采用DEA方法对中外联合实验室的绩效评价进行了实证研究；赵秀娟和汪寿阳（2007）应用DEA评价方法分析了78支基金两年的相对业绩，并发现多数基金处于无效的状态，最后提出改进基金业绩的建议；谢磊和袁艺（2007）应用DEA方法，同时采用C2R模型和C2GS2模型对制药上市公司的营销绩效进行分析，从而得出我国制药企业间营销绩效的差距，并探讨了形成这一差距的原因；戚湧等（2008）综合应用基于DEA方法的C2R模型和C2GS2模型，建立高效科研绩效的评价体系，并对高校科研绩效进行了实证研究；丁小东等（2011）将DEA方法应用于交通运输业绩效评价的研究中；孙斌和赵斐（2011）将超效率DEA模型运用于区域生态化创新绩效的评价体系中，并选取经济效益、社会效益和生态效益作为创新绩效评价指标体系，对江苏13个城市的生态创新绩效进行了实证研究；王赫一和张屹山（2012）采用两阶段DEA方法，并通过引入“虚拟中间要素”，实证研究了我国上市银行的运营绩效，发现国有商业银行的运营绩效要优于股份制银行。

（二）DEA方法的不足

采用一般DEA方法研究绩效会存在一些不足，具体如下：（1）模型选取不合适，即采用一般的C2R模型只能将决策单元分为有效和无效两类，而无法同时对多个DEA有效的决策单元进行比较和排序。（2）输入输出指标选取不合适，即一般选择主营业务成本、收入和利润等财务指标的绝对值作为输入和输出变量，而这些指标可能为负值，但DEA分析中却要求输入和输出指标均非负。为了满足指标非负的要求，有些研究在选取样本时将指标为负数的样本删除，这就不能对企业进行综合评价和排序，因而使这些研究存在很大的局限性。（3）决策单元选取不合适，即DEA评价方法要求所选择的决策单元具有同质性或相似性，而不同行业的企业之间并不满足这样的要求，因而不适合采用DEA方法来对绩效进行综合比较与排序。基于此，本文采用超效率DEA方法研究我国证券市场20家上市医药公司2010年的财务绩效水平，并进行评价。选取超效率DEA方法和这些样本，可以有效地避免上述不足，使文章的研究结果更加合理。

二、企业财务绩效综合评价模型构建