基于DEA模型的西北五省大型工业企业发展绩效研究基于DEA模型的西北五省大型工业企业发展绩效研究：未知摘要：客观全面的绩效评估建立在跨学科知识体系之上。介绍了绩效评估的DEA模型，用该模型对西北五省发展大型工业企业的绩效进行了分析，并根据模型计算结果评价了各省的大型工业企业发展状况。关键词：发展绩效；DEA模型；评估：F01文献标志码：A：1002-2589（2012）03-0079-02引言自我国实行工业化道路以来，工业一直是促进经济发展的重要推动力，大型工业企业因其工业主导地位及对经济增长的贡献度而成为各省推动地方经济发展的重要战略选择。因此，如何实现对大型工业企业的合理投入从而使产出最大化就显得尤为重要。绩效评估作为衡量大型工业企业发展绩效的有效手段之一，近年来越来越受到重视。定量评估作为企业发展绩效评估系统的重要内容，在我国一直处于弱势研究领域。虽然有不少关于企业绩效研究的成果，但大多集中于评估重要性及模式方法的探讨，相对缺少对于同类或同层次企业发展绩效的实证研究。本文在前人研究的基础上，选择采用DEA方法对西北五省大型工业企业发展绩效进行了实证研究。DEA是数据包络分析（DataEnvelopmentAnalysis）的简称，由美国著名运筹学家A.Charnes、Cooper以及Rhodes等人从1978年提出的以“相对效率评价”概念为基础而发展起来的一种新的系统分析方法。用于评价具有相同类型的多投入、多产出的决策单元是否技术有效的一种非参数统计方法。其基本思路是把每一个被评价单位作为一个决策单元（DMU，DecisionMakingUnits），再由众多DMU构成被评价群体，通过对投入和产出比率的综合分析，以DMU的各个投入和产出指标的权重为变量进行评价运算，确定有效生产前沿面，并根据各DMU与有效生产前沿面的距离状况，确定各DMU是否DEA有效，同时还可用投影方法指出决策单元非DEA有效的原因及应改进的方向和程度。一、大型工业企业发展绩效评估的DEA模型数据包络分析自提出以来，就广泛应用于各行业的有效性评价中，它可用来评估具有多投入、多产出的相同职能不同部门绩效的相对有效性。具体步骤如下：（一）选择DMUDEA方法的基本功能是“评价”，特别是进行多个同类样本间“相对优劣性”的评价。既然是评价，就必须首先明确评估对象，评估对象即为该模型的决策单元。决策单元的选择必须满足以下条件：具有相同的任务和目标、工作环境、投入和产出指标。（二）确定投入/产出指标---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---DEA方法是利用决策单元的产出和投入指标数据对被评估单元的相对有效性进行评估，所以运用该方法的前提便是指标的科学选取。在选取指标时要考虑到指标要能全面反映评价目的，可将各决策单元的效用型指标作为系统的产出指标，将成本型指标作为系统的投入指标。同时，要考虑到投入向量、产出向量之间的联系，避免投入和产出体系内部的强线性关系。也可向专家咨询或进行统计分析，可在初步确定了投入/产出指标体系后，进行试探性地DEA分析。如果在用了几组样本数据进行分析后，个别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。（三）构建评估模型现假设有n个DMU，每个DMU都有m种输入和s种输出，每个决策单元DMUj都有一个与之相对应的效率评价指数：二、基于DEA模型的西北五省大型工业企业发展绩效测度企业发展绩效的最优化不仅体现于合理的投入结构，还应实现投入的最大产出化。下面利用DEA模型，以RD人员(人年)、RD经费（万元）作为投入指标，以新产品产值（万元）、有效发明专利数（件）、技术市场成交额（万元）作为产出指标，简单比较西北五省的大型工业企业发展状况。收集整理数据如下：运用DEAP2.1软件对上述样本数据进行处理，得到如下计算结果：由以上结果可以看出，青海与宁夏的综合效率均为1，说明这两个省在发展大型工业企业方面绩效产出最优。而陕西、甘肃和新疆的综合效率均小于1，说明这些省在现有产出水平下可减少投入或者通过改变投入来增加总产出。具体来说，陕西省人力与资本投入冗余值分别为8232.327和93126.329，同时，有效发明...