基于DEA和Malmquist指数的青海省科技创新效率研究

基于数据包络分析的BCC模型,结合Malmquist指数方法,利用2010-2019年青海省科技活动投入产出数据,通过测度青海省科技创新活动的综合效率、纯技术效率、规模效率及全要素效率变化,深入剖析青海省科技创新效率.结果 表明,青海省科技创新综合效率处于非DEA有效,目前正处于科技创新效率规模报酬递增阶段,投入规模不...     

基于DEA模型和Malmquist指数的白色家电行业 上市公司经营绩效评价

基于2015—2017年行业上市公司财务报表数据,利用数据包络方法(DEA),以白色家电行业30家主要企业作为样本,对其经营绩效进行分析,并利用Malmquist生产力指数对这些企业的效率变动进行了分析。研究结果表明:白色家电业整体的经营绩效呈现轻微的倒U型,多数公司处于非DEA有效状态。同时企业在资本管理、产品技术创新、生产产出等方面仍需要进行进一步完善,只有依靠技术进步,充分促进技术因素对企业生产效率改善的贡献率,才有可能从根本上提高我国白色家电行业企业的经营绩效。     

我国农业生产效率的政策效应及时空差异研究——基于三阶段DEA模型的实证分析

选取2009年、2013年、2016年的省际面板数据,运用三阶段DEA模型,对农业生产效率的时空差异进行了实证分析。结果表明:环境变量和随机误差对农业生产效率产生了显著的影响;在环境变量中,提高城镇化水平、教育水平、工业化发展水平均有利于促进农业生产效率,而粮食播种面积与农作物播种面积比、地方财政农林水事务支出等指标不利于农业生产效率的提高;在农业改革前后,我国农业生产效率发生了明显的提高,2009～2013年各省市农业生产效率提升明显,随着改革的深入,2013～2016年生产效率提升速度放缓。     

基于DEA模型的浙江城市旅游效率评价研究

DEA模型是国内研究效率时使用最多的一种研究方法,借助数据包络分析法对2009—2013年间浙江省11个地市的旅游竞争力进行评价,对分析结果从综合效率,技术效率和规模效率方面进行静态分析,从Malquist生产效率方面进行动态分析,得出杭州达到DEA模型效率最优。以"投入要素和技术效率"和"产出要素和规模效率"为维度将11个城市分为4类:"瘦狗型","问题型","金牛型"和"明星型"。     

基于Malmquist指数法的河南省技术创新效率评价

运用Malmquist指数方法测算了2000～2008年河南省区域技术创新效率的变动趋势,分析了河南技术创新效率增长的内在动力.结果表明:2000年以来河南技术创新效率的增长主要是技术进步推动,技术效率的作用贡献较小;河南各地市技术创新效率变动存在差异,变化原因也不同.     

基于SBM和Malmquist生产率指数的中国海洋经济效率评价研究

通过对海洋经济效率进行评价,可以掌握区域海洋经济发展水平与投入产出状况,为推动海洋经济朝集约化方向发展提供参考依据.本文基于考虑非期望产出的SBM模型和Malmquist生产率指数模型,对2001-2012年中国沿海11个省市区的海洋经济效率进行了测度,并对其跨期动态变化特征进行了刻画,在此基础上对中国海洋经济效率的演化阶段及机制进行了分析.研究发现:①不考虑非期望产出的海洋经济效率值明显高于考虑非期望产出的效率值,考虑非期望产出对于经济效率的测度具有明显影响;②海洋经济效率空间格局上呈现由2001年研究初期的南北高,中部低的特点演进为2012年研究末期的北部围绕天津,中部围绕上海,南部围绕广东的三极格局;时序演化方面,2001-2012年中国海洋经济效率总体上呈现出波动上升的趋势,效率类型呈现由无效向有效转变的特征;③沿海各省区的海洋经济效率区域绝对差距和相对差距呈现先缩小后扩大的趋势;省际海洋经济效率演变特征各异,可以划分为平稳型,上升型,下降型和波动型四种类型;④海洋经济的全要素生产率,技术效率,技术进步效率均呈缓慢上升,技术进步对于全要素生产率的提高作用明显,省际间除广西,河北和江苏外,其余省份的全要素生产率指数均呈上升趋势;⑤2001年以来中国海洋经济效率演化经历了波动下降(2001-2005年),转型(2005-2008年)和提升(2008-2012年)三个阶段,各演进阶段的驱动机制不同,分别受海洋资源驱动,政策驱动和市场技术驱动.     

基于超效率DEA和Malmquist指数的研发创新评价国际比较

建立统一的投入产出指标体系,运用超效率DEA方法,对2005年不同国家的研发创新活动总效率和细分产出效率进行评价,并运用聚类分析方法对各国的创新类型进行划分,最后使用Malmquist指数对研发效率进步进行分解研究。研究结果表明,我国研发总体效率不高,特别是三方专利效率极低,与德日韩等发明型国家仍有较大差距。研发投入在提高我国高技术产品增加值及出口方面起到了积极作用。我国研发效率的提高有赖于技术进步程度的提升。     

基于两阶段串联DEA模型的工业企业技术创新效率及影响因素研究

基于我国大中型工业企业2010-2015年间的面板数据,运用两阶段串联DEA模型,将技术创新过程分为技术研发和成果转化两个阶段,探究大中型工业企业技术创新效率现状,并采用DEA-Tobit模型分析影响技术创新效率的主要因素。研究发现：考察期内我国工业企业技术综合创新效率和各阶段创新效率总体不高,成果转化阶段的创新效率值稍高于技术研发阶段的平均效率值;区域两阶段技术创新效率值存在显著差异,东部地区的效率值相对较高,中部地区的效率值相对较低。大中型工业企业技术创新效率受市场集中程度、政府支持程度、对外开放程度、国有化程度等多种因素的综合影响。     

基于三阶段DEA与Malmquist指数分解的中国高技术产业全要素生产率研究

中国高技术产业全要素生产率（TFP）的提升为经济的可持续发展提供了重要支持。以中国30个省市为研究目标,采用三阶段DEA模型和Malmquist生产率指数对“十一五”至“十三五”期间各地区高技术产业TFP进行了静态和动态研究。研究发现：在剥离了外部环境因素和随机扰动因素后,综合效率和规模效率被高估,纯技术效率被低估,而规模效率偏低则是制约我国高技术产业TFP提升的主要原因。通过Malmquist指数及其分解可知,我国高技术产业技术效率改进由纯技术效率占据主导,但技术进步迟缓依旧是扼制我国高技术产业TFP提升的瓶颈。因此,持续扩大产业规模,保持研发投入和技术创新是推动我国高技术产业长远发展的重要途径。     

基于DEA的Malmquist指数分析法在农业生产效率评价中的应用

阐述了数据包络分析(DEA)和Malmquist指数的基本原理,介绍了数据包络分析(DEA)的运算过程及CCR和BCC模型,对Malmquist指数计算方法及指数分解进行了分析,并将该方法应用于农业生产的投入产出效率测度与评价,实验结果表明基于DEA的Malmquist指数分析法在投入产出效率测度与评价中具有较强的适用性。     

基于DEA的Malmquist指数分析法在农业生产效率评价中的应用

阐述了数据包络分析(DEA)和Malmquist指数的基本原理,介绍了数据包络分析(DEA)的运算过程及CCR和BCC模型,对Malmquist指数计算方法及指数分解进行了分析,并将该方法应用于农业生产的投入产出效率测度与评价,实验结果表明基于DEA的Malmquist指数分析法在投入产出效率测度与评价中具有较强的适用性。     

中国生物科技类上市公司经营效率的实证分析——基于DEA模型和Malmquist指数模型

构建数据包络分析DEA- BCC模型与Malmquist指数模型对2 011-2 016年30家中国生物科技上市公司经营效率做静态和动态分析：静态分析可知生物科技类上市公司近67%处于经营效率较高，33%的公司处于规模报酬递增阶段，通过扩大生物科技类上市公司规模提高经营效率有很大操作空间，整体看管理效率成为制约公司经营效率的主要因素；动态分析可知近年来中国生物科技类上市公司全要素生产率下滑7. 2%，技术进步下降7. 7%成为制约TFP增长的主要因素，同时受技术进步、规模效率以及纯技术效率制约的公司数占总数3. 4%，只受规模效率和纯技术制约占总数3. 4%，仅受技术进步制约占总数53%。     

基于三阶段DEA模型的中国油料生产技术效率分析

为了剥离环境效应和随机误差对效率值的影响,本文首次在国内运用三阶段DEA模型,对2007年我国主要地区油料生产的技术效率进行了实证分析.研究表明.许多省份油料生产效率确实受到各地经济发展水平、商品率、受灾率等环境变量和随机因素的影响.在同质经营环境和经营运气的条件下,各油料主产区的纯技术效率差异较小,规模效率成为制约技术效率提升的瓶颈,根据规模效率水平的大小,将各油料生产地区划分为高规模效率区和低规模效率区.扩大低规模效率区油料种植面积有利于提升技术效率.鉴于环境效应对生产效率的重要影响,最后提出了进一步增加农业投入、支持优势产区集中发展油料生产及加快实施优势油料产品区域布局规划等政策建议.     

我国智能制造企业技术创新效率提升的主要影响因素——基于三阶段DEA-Tobit模型的分析

在现有相关研究基础上,为更全面、深入分析我国智能制造企业技术创新效率提升的影响因素,进一步考虑环境因素影响,运用三阶段数据包络分析模型,利用我国86家智能制造上市企业2016—2020年相关数据,对其技术创新效率进行测度分析。结果显示：剔除环境因素及随机噪声后,大部分企业的技术效率、纯技术效率和规模效率对比之前都有显著上升,表明大部分智能制造企业的技术创新效率都被低估,企业的技术创新效率受环境因素影响较大;对智能制造企业技术创新效率影响较大的因素为企业规模、企业研发投入强度和政府补助力度。根据分析结果,提出完善相关扶持政策、构建智能制造协同创新机制及加大研发投入等相关政策建议。     

基于三阶段DEA模型的工业生产效率研究

本文运用三阶段DEA(数据包络分析)模型对我国2009年工业生产效率进行实证研究。结果表明:三阶段DEA模型对工业生产效率进行测度比传统DEA方法更为合理;资源利用水平、人均居民消费、人均国内生产总值、财政支出占生产总值的比例、民营资本所占份额和对外开放水平等环境变量对工业生产效率有着显著影响,各省市应该努力改善环境要素,创造工业生产效率提高的良好环境;各省市应该根据自身所处工业生产效率类型采取提高技术效率和扩大工业生产规模等措施,增强工业生产效率发展内在动力。     

基于三阶段DEA的人工智能上市企业创新效率评价

以中国41家人工智能上市企业为样本,采用三阶段DEA模型对人工智能企业的创新效率进行有效测算。结果表明,企业规模、成立年限、政府补贴、地区对外开放水平和经济发展水平的提高有助于企业创新效率的提升,而股权性质、股权集中度和信息化水平则制约了企业创新效率的改进;清除环境影响和统计噪声后,多数企业的创新效率与纯技术效率上升,但仍处于较低水平;不同类型人工智能企业的创新效率存在差异,应用层企业最高,基础层企业次之,技术层企业最低。为了进一步提升人工智能产业的创新效率,政府应实施差异化战略,加大补贴力度,落实配套政策并加强知识产权保护;企业应扩大研发规模,完善管理机制,加强产学研合作,深化股权结构改革。     

浙江高新技术产业投资效率评价——基于三阶段DEA模型

采用三阶段DEA方法对浙江省高新技术产业投资效率进行评价,发现第一阶段省内各地区技术效率水平较高,但是经过第二阶段的SFA回归分析进行调整后得到的第三阶段的分析结果则说明技术效率水平普遍被高估,被高估的原因则主要是因为管理无效率和规模无效率。针对高新技术产业投资中存在的不足以及如何提高我省高新技术产业投资效率,提出建议及对策。     

我国区域生态环境效率时空特征及影响因素——基于三阶段DEA模型分析

针对严峻的生态环境已经成为当下我国社会经济发展重大阻碍之一的问题,运用三阶段数据包络分析(DEA)模型对我国2008—2017年各省份及区域性生态环境效率进行时空对比研究,结果表明:(1)三阶段DEA模型较传统DEA更加合理,在不考虑外部环境因素和随机因素的影响下,会使生态环境效率真实值明显高估;(2)不同的环境变量对于生态环境效率的影响作用不同,人口密度、城市化水平有利于提升各省份的环境效率水平,人均地区生产总值(GDP)和外贸依存度会对环境效率产生负面影响,第二产业增加值占比在不同阶段对不同投入变量则体现出不同特征;(3)调整后的区域间真实生态环境效率水平存在明显的空间不平衡现象,华东、东北地区生态环境效率值较高,西南、西北地区处于较低水平;(4)各省份受纯技术效率和规模效率的影响,环境效率水平在地域上有较大差异。针对各省份及各地区表现出来的不同特征,提出各地根据自身实际对症下药,充分考虑外部环境因素,合理调整经济结构,做到经济与环境保护协调发展的对策建议。     

我国科技资源配置效率的实证分析——基于DEA的超效率CCR模型与Malmquist指数模型

以2001—2012年我国30个省域的面板数据为基础,选取科技投入-产出指标体系,构建基于DEA的超效率CCR模型与Malmquist指数模型,实证分析与比较我国30个省域科技资源配置效率。结果显示2001—2012年期间我国30个省域科技资源配置效率高低、变动趋势以及影响因素存在很大的差异,各省域要根据自身的情况制定适合的科技政策。