数据包络分析法

合集下载

数据包络分析

数据包络分析

数据包络分析在当今复杂多变的经济和管理领域中,我们常常需要评估各种决策单元(Decision Making Unit,简称 DMU)的效率和绩效。

数据包络分析(Data Envelopment Analysis,简称 DEA)就是一种强大而实用的工具,它为我们提供了一种科学、客观且有效的方法来进行这样的评估。

那么,什么是数据包络分析呢?简单来说,它是一种基于线性规划的方法,用于衡量一组具有相同类型输入和输出的决策单元的相对效率。

想象一下,有多个工厂都在生产同一种产品,它们使用不同数量的原材料、劳动力和设备等投入,同时产出不同数量的产品。

我们想知道哪个工厂的生产效率更高,这时候数据包络分析就派上用场了。

数据包络分析的基本思想是通过构建一个生产前沿面,来确定每个决策单元与这个前沿面的相对位置。

生产前沿面代表了在给定的输入条件下,能够实现的最大输出水平。

如果一个决策单元位于前沿面上,那么它被认为是有效的;如果在前沿面下方,那么它就是低效的。

为了更好地理解数据包络分析,让我们来看一个具体的例子。

假设有三个学校,它们都有相同的教学资源投入,比如教师数量、教学设备和教学时间等,而产出则是学生的考试成绩。

我们可以使用数据包络分析来评估这三个学校的教学效率。

通过分析输入和输出的数据,计算出每个学校相对于其他学校的效率得分。

如果学校 A 的效率得分是 1,说明它位于生产前沿面上,教学效率达到了最优;而如果学校 B 的效率得分是 08,那就意味着它还有 20%的提升空间。

数据包络分析具有许多优点。

首先,它不需要事先设定生产函数的具体形式,避免了因函数形式设定错误而导致的偏差。

其次,它能够同时处理多个输入和多个输出变量,非常适合评估具有复杂生产过程的决策单元。

此外,数据包络分析还可以对无效的决策单元进行投影分析,指出它们需要改进的方向和程度。

然而,数据包络分析也并非完美无缺。

它对数据的准确性和可靠性要求较高,如果数据存在误差或偏差,可能会影响评估结果的准确性。

数据包络分析

数据包络分析

各储蓄所完成10000笔存取款的投入
储蓄所
B1
B2
B3
B4
职员数
6
3
10
7
营业面积
100
120
50
70
营业 面积
120
90
60 30
• B2
B1 D ••
B4 •
• B3
由虚线和B2B4B3 折线右上方所有 点组成的集合为 生产可行集。
由虚线和B2B4B3 形成的数据包络 线称为生产前沿 面
职员数
s
u r yrj
hj
r 1 m
( j 1, , n)
vi xij
i 1
---公式1
有h j 1, 则对第j0个决策单元的
绩效评价可归结为如下优化模型:
s
u r yrj0
maxh j0
r 1 m
vi xij0
i 1
s
ur yrj
r1 1( j 1,, n)
m
vi xij
i1
vi 0(i 1,, m),ur 0(r 1,,s)
2、投入导向模式可变规模 1个产出1个投入
vrste:纯技术效率 scale:规模效率
(drs:规模报酬递减; -:规模报酬不变; irs:规模报酬递增)
crste=vrste×scale
技术效率,也叫综合效率
如果样本单元的纯技术效率(vrste)为1,而规模 效率(scale)小于1时,说明样本单元本身的综合 效率没有投入需要减少、没有产出需要增加;
规模有效 设某一单输入、单输出的生产函数曲线 Y=f(x)具有下图所示的形状
生产函数曲线上的点均为技术有 效,但它们的规模收益却不同。

数据包络分析DEA

数据包络分析DEA

算法优化
并行计算
针对大规模数据的DEA分析,可以采用并行计算技术, 以提高计算效率。通过将数据分成若干个子集,并行计 算可以同时处理多个子集,显著缩短计算时间。
智能优化算法
将智能优化算法应用于DEA模型的求解过程,可以找到 更优的解。例如,遗传算法、粒子群算法等智能优化算 法可以用于求解DEA模型,以获得更准确的分析结果。
05
DEA实践案例
案例一:某制造企业的DEA分析
总结词
提高生产效率
详细描述
某制造企业通过DEA分析,评估了各生产车间的效率 ,找出了瓶颈环节,并针对性地优化了生产流程,提 高了整体生产效率。
案例二:某金融机构的DEA分析
总结词
优化资源配置
详细描述
某金融机构利用DEA分析,对各业务部门进行了效率 评估,根据评估结果调整了资源分配,使得资源能够更 加合理地配置到高效率部门,提高了整体业绩。
数据包络分析(DEA
目 录
• DEA概述 • DEA模型 • DEA的优缺点 • DEA的改进方向 • DEA实践案例
01
DEA概述
DEA定义
总结词
数据包络分析(DEA)是一种非参数的线性规划方法,用于评估一组决策单元(DMU)的相对效率。
详细描述
DEA使用数学规划模型,通过输入和输出数据,对一组决策单元进行相对效率评估。它不需要预先设 定函数形式,能够处理多输入和多输出的情况,并且可以对每个决策单元进行效率评分。
规模收益与技术效率
总结词
规模收益与技术效率是DEA分析中重要的概 念。
详细描述
规模收益指的是随着投入的增加,产出的增 加比例。技术效率则是指在给定投入下,实 际产出与最优产出之间的比率。在DEA分析 中,技术效率可以进一步分解为配置效率和 纯技术效率。

数据包络分析方法

数据包络分析方法

数据包络分析方法(DEA,Data Envelopment Analysis)由Charnes、Coopor和Rhodes于1978年提出,该方法的原理主要是通过保持决策单元(DMU,Decision Making Units)的输入或者输入不变,借助于数学规划和统计数据确定相对有效的生产前沿面,将各个决策单元投影到DEA的生产前沿面上,并通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。

这篇论文的题目是:市场份额与效益之间存在相关关系吗?零和博弈数据包络分析方法的一个应用零和博弈属于非合作博弈,指参与博弈的各方,在严格竞争下,一方的收益必然意味着另一方的损失,博弈各方的收益和损失相加总和永远为“零”。

这篇论文的主要内容是:先回顾了传统的DEA模型,阐述了其不足之处——忽略100%市场份额这个约束条件。

而这篇论文采取了一项新的研究,用零和博弈DEA模型来测量证券公司的效益值,并且证明了传统的DEA模型低估了效率低的证券公司的效益值。

这项研究分析了从2001年至2005年台湾的266家整合的证券公司,并且使用了三项输入(固定资产,金融资本和日常开支)和一项输出(市场份额)。

这项研究还说明了附属于外国的证券公司主体正面影响效益值。

用两阶段最小二乘法证实了市场份额和效益之间能同时补充强化对方。

具体来说,引言部分介绍了:1、市场份额是公司管理的经常性目标。

公司关注市场份额是为了通过改善后的效益增加股东的价值,因而使客户受益。

2、描述了市场份额和赢利能力的相关性。

大市场份额的高收益的公司将会正面影响利润和集中度。

有效率的公司由于它们有形成更高利润的能力,它们的规模与市场份额会增大,从而导致市场集中度更高。

把市场份额作为一个自变量,即使控制集中度,它也会正面很大程度影响赢利能力(这个结论依靠市场份额是否被作为大公司效益的代表因素,而不是作为它们市场力量的一个具体测量)。

3、公司如何因为它们产业的规模经济或由于它们各自产业所固有的优势而存在低成本。

基于数据包络分析法的证券公司效率

基于数据包络分析法的证券公司效率

数据筛选和处理
根据研究目的,对数据进 行筛选和处理,如缺失值 填充、异常值处理等。
数据标准化
为消除数据量纲对分析结 果的影响,采用Z-score 方法对数据进行标准化处 理。
DEA模型计算与分析
DEA模型选择
根据研究目的和数据特点 ,选择合适的DEA模型, 如CCR模型、BCC模型等 。
模型参数设置
DEA的基本原理是将输入输出数据进行线性规划,得出每个DMU的效率分数。 该分数反映了该DMU在输入不变的情况下,能够获得的最大输出。
数据包络分析法的应用范围
DEA方法可以应用于各种行业和领域的效率评估,如金融、 医疗、教育等。在证券公司效率评估方面,DEA方法可以用 于评估证券公司的运营效率、投资效率等。
2
数据包络分析(DEA)方法是一种非参数的相对效 率评价方法,适用于多投入多产出的复杂系统效 率评价。
3
DEA方法已经被广泛应用于金融、医疗、能源等 领域的效率评价,但在证券公司效率评价方面的 应用相对较少。
研究内容与方法
研究内容
本研究将采用DEA方法对证券公司的效率进行评价,探讨不同证券公司的相对效率水平及其影响因素 。
在证券公司效率评估方面,DEA方法可以综合考虑多种输入 输出因素,如人力、物力、财力等输入因素,以及销售额、 利润等输出因素。通过DEA方法,可以得出每个证券公司的 相对效率,为投资者和管理者提供参考。
数据包络分析法的优势与局限
DEA方法的优势在于 无需预设生产函数和权重; 可以处理多输入多输出的情况;
根据实证分析结果,得出结论并提出提高证券公 司效率的建议。
05
基于DEA模型的证券公 司效率提升策略
效率低下的原因分析
缺乏有效的市场环境

数据包络分析法资料

数据包络分析法资料

k
k 0, k 1,2,, n; S , S 0
定义1
如果线性规划(P)的最优解满足下列条件 VP = 0T · Y0 = 1 则称决策单元 k0 为弱DEA有效。 定义2 如果线性规划(P)的最优解满足条件 VP = 0T · Y0 = 1 ,并且 0>0, 0>0 则决策单元 k0 为DEA有效。
( D) : MinVD
X k Yk 0, ( k 1,2,, n) T s.t . X 0 1 , 0
T T
s.t .
X
k 1 n
k
k
k S X 0
k S Y0
Y
k 1
j=1
∑ x ≤ E xij0 j=1 j ij
1)
n
n
(i = 1,2,…,p,E< (j = 1,2,…,n)
∑ = 1 ,j ≥0 j=1 j
这说明 j0 决策单元不处于生产前沿面上。
三.评价系统的DEA有效性
三.评价系统的DEA有效性:决策单元 k0 为DEA有效的定义
( P ) : MaxV p T Y0
yq1 1 yqn n yqk0
k 0, k 1,2,, n;为自由变量
为了方便计算,我们引入引入剩余变量和松弛变量
T T S ( s1 , s2 ,, s ( s1 , s2 ,, sq ) , p) 、S
将不等式约束化为等式约束,得
数据包络分析(DEA) Data Envelopment Analysis
主讲: 孙玉虎
中国矿业大学徐海学院
一、产生背景 1978年由著名的运筹学家A.Charnes(查恩斯), W.W.Cooper(库伯), 及E.Rhodes(罗兹)首先提出了一个被称 为数据包络分析(Data Envelopment analysis, 简称DEA模 型)的方法,用于评价相同部门间的相对有效性(因此被 称为DEA有效).他们的第一个模型被命名为C2R模型.从生 产函数的角度看,这一模型是用来研究具有多个输入,特别 是具有多个输出的“生产部门”,同时为“规模有效”与“ 技术有效”((即:总体有效性))的十分理想且卓有成效的方 法.1985年查恩斯,库伯,格拉尼(B.Golany),赛福德(L.Seiford) 和斯图茨(J.Stutz)给出另一个模型(称为C2GS2模型),这一模 型用来研究生产部门间的“技术有效性”.

数据包络分析法教程

数据包络分析法教程

数据包络分析法教程数据包络分析(Data Envelopment Analysis,简称DEA)是一种常用的效率评价方法,通过比较多个单位的输入和输出量来评估它们的相对效率。

本教程将介绍数据包络分析的基本原理以及应用步骤。

一、数据包络分析的基本原理在数据包络分析中,评价对象可以是任意类型的单位,如企业、部门、个人等,而输入和输出则是用于评价对象绩效的关键指标,比如生产成本、产出量等。

二、数据包络分析的步骤1.确定评价对象和指标首先,需要确定要分析的评价对象和评价指标。

评价对象可以是一组相关单位,可以是同一行业、同一地区等具有共同特征的单位。

评价指标可以是衡量绩效的各类指标,如产出量、销售额、人力成本等。

2.构建评价模型数据包络分析的核心就是构建一个评价模型,通过该模型来评估评价对象的相对效率。

基本的评价模型是一个线性规划模型,包括输入和输出约束。

输入约束表示评价对象的输入不能超过一些特定的门槛值,输出约束则表示评价对象的输出要达到一定的水平。

3.求解线性规划模型确定好评价模型后,需要针对每个评价对象的输入和输出量数据进行求解。

可以使用线性规划求解器进行计算,得到每个评价对象的相对效率值。

4.结果分析和评价最后,根据得到的结果进行综合分析和评价。

通过比较各个评价对象的相对效率值,可以找出效率低下的评价对象,并确定其改进空间。

同时,还可以对输入输出的组合进行敏感性分析,探讨各种情况下的最优解。

三、数据包络分析的应用领域在企业绩效评价中,通过数据包络分析可以评估各个企业的相对效率,并找出效率低下的企业。

通过比较有效率和无效率企业的差异,可以确定无效率企业的改进措施。

同时,也可以进行多个企业的绩效对比,找到行业内最优秀的企业,学习其经验和做法。

值得注意的是,数据包络分析的应用还需要考虑一些局限性,如数据要求高、评价指标选择等。

因此,在具体应用中需要进行充分的数据准备和严谨的分析。

以上就是数据包络分析的基本原理和步骤介绍。

数据包络分析法教程1

数据包络分析法教程1

数据包络分析法教程1数据包络分析法教程1数据包络分析法(DEA)是一种常用的效率评价方法,用于评估多输入多输出的决策单元的综合效率。

其主要应用领域包括经济、管理、运输、教育等各个领域。

本文将介绍数据包络分析法的基本原理、模型构建以及实际应用。

1.基本原理2.模型构建(1)输入输出指标的确定:首先需要确定每个决策单元的输入和输出指标。

通常情况下,输入指标可以包括劳动力、资本、设备等资源的数量或价值;输出指标可以包括产量、销售额、利润等。

这些指标应该具有可度量性和可比性。

(2)线性约束条件的建立:为了保证模型的合理性,需要建立输入输出指标之间的线性约束条件。

例如,决策单元的输出不能超过输入的数量或价值;决策单元的输出之间可能存在互斥关系等。

(3)效率得分的计算:通过线性规划方法,可以计算每个决策单元的效率得分。

在计算过程中,需要考虑线性约束条件的限制,以及目标函数中决策单元的输入输出指标的权重。

3.实际应用数据包络分析法在实际应用中可以用于评估企业的生产效率、经济效益等。

例如,可以评估各个企业的生产过程中是否存在资源浪费、管理不善等问题,为企业提供改进方案。

此外,还可以用于评估不同教育机构的教学效果、不同医院的医疗服务水平等。

在数据包络分析法的应用过程中,需要注意以下几点:(1)输入输出指标的选择:选择合适的输入输出指标对于模型的准确性有关键的影响。

应该选择与决策单元的实际业务相关、易于度量和可比较的指标。

(2)线性约束条件的建立:线性约束条件应该建立在充分理解决策单元业务过程的基础上,以确保模型的可行性和合理性。

(3)权重的确定:决策单元的输入输出指标的权重代表了不同指标对于效率评价的重要性,应该根据实际情况进行合理的设定。

综上所述,数据包络分析法是一种常用的效率评价方法,其基本原理是通过线性组合的方式对多个决策单元的输入输出指标进行综合评价,并利用线性规划方法计算每个决策单元的效率得分。

在实际应用中,需要注意输入输出指标的选择、线性约束条件的建立以及权重的确定。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

数据包络分析法在高新技术产业技术创新教育财务绩效评价中的应用姓名:李雪专业:会计学学号:201410750244数据包络分析法在高新技术产业创新教育财务绩效评价中的应用摘要:高新技术产业是个技术密集型产业,对知识和技术具有很强的依赖性,进行技术创新活动是其经济高质量增长的源泉。

高新技术产业创新教育财务管理内外环境的变化让财务绩效评价不仅成为可能,而且成为了高新技术产业财务管理必需推进的工作。

财务绩效评价是运用科学、规范的绩效评价方法,对照一定的评价标准,参照绩效的内在原则,来对高新技术产业创新教育财务行为过程及结果进行客观、公正、科学的综合评价和衡量比较。

高新技术产业财务绩效评价已成为高新技术产业财务管理的主要内容之一,对财务管理工作的促进和完善起着重要作用。

数据包络分析法通过客观地反映高新技术产业创新教育活动的输入、输出,兼具考虑所选择指标的可采集性等约束条件,并且采用相对最优的权重确定方法反映财务绩效大小,蕴含着经济学的生产力观点,满足了财务绩效评价的科学性。

关键词:高新技术产业创新教育;财务绩效评价;数据包络分析法技术创新对企业来讲可以优化产品结构,提高产品的价值,快速适应市场的需求,从而增强企业的市场竞争力;对于一个产业来说,技术创新可以催发新兴产业群的成长,推进产业结构优化,提高技术产业的经济效益。

技术创新已经成为高质量经济增长的源泉。

高新技术产业技术创新是指在市场的导向作用下,以提高产业效益为目标,经过技术的研发、引进、吸收等一系列的技术活动,生产出新产品、研发出新技术的过程。

高新技术产业技术创新绩效,是对高新技术产业应用投入的财力和物力研发出新产品、新工艺,从而产生经济效益的能力的考核,是评判经济技术活动有效性的一个有效手段。

因此,正确认识和把握技术创新水平、系统总结技术创新经验是很有必要的。

科学评价高技术产业的技术创新绩效,对把握高新技术产业的技术创新活动规律、提升技术创新成功率、推动高新技术产业技术创新活动有序发展具有重要的现实意义。

一、高新技术产业及其技术创新绩效评价方法概述1. 高新技术产业及其技术创新绩效评价概念高新技术这一概念包含两层含义:一是高技术,即反映科技发展最高水平的技术;二是新技术,是一种相对于原有技术来说的研发的、引进的技术。

高新技术产业,具有高投入、高产出、高风险的特征,同时又是个低能耗、低污染的新兴产业,对知识和技术具有很强的依赖性,市场需求广阔,是个很有发展潜力的产业。

技术创新绩效评价是对创新主体的技术创新行为有效性的评价,能够充分揭示创新主体在技术创新发展过程中的内在规律,从而降低创新主体进行技术创新的风险以及资源的浪费,确保创新主体实现长远发展目标。

2. 技术创新绩效评价方法综述从国内外对技术创新绩效评价的研究中可以得出,技术创新绩效评价主要从创新行为的过程、创新的投入产出、创新中的技术绩效、创新的效益、R&D 投入和创新的标准定位等角度进行技术创新活动绩效的评价。

这些视角当中,投入产出角度能够更好的将最终的评价结果与技术创新过程紧密联系起来,能够更好的分析出技术创新过程各个因素对技术创新绩效的影响。

因此投入产出角度在技术创新绩效评价中得到了广泛的应用。

对于技术创新绩效评价方法的应用也有很多尝试,主要的评价方法有:模糊综合评价法、因子分析法、层次灰色综合评判法、密切值法、人工神经网络、平衡计分卡和 DEA 方法等数据包络分析(Data Envelopment Analysis,DEA),是运筹学、管理学与数理经济学交叉研究的一个领域,它是美国著名运筹学家 A. Charnes 和 W.W.Cooper 等以相对效率概念为基础发展起来的一种效率评价方法。

DEA 的显著特点是不需要考虑投入与产出之间的函数关系,而且不需要预先估计参数、任何权重假设,避免了主观因素,直接通过产出与投入之间加权和之比,计算决策单元的投入产出效率,而且对于非DEA 有效单元还能给出较为丰富的管理决策信息,提出改进策略。

因此,DEA方法已成为一种常用而重要的技术创新绩效评价工具。

二、高新技术产业创新教育绩效评价管理的现实诉求如何针对高新技术产业活动的投入与产出进行绩效评价,找到制约高新技术产业发展的关键因素,提出有针对性的解决问题的对策,提高应用效益,已成为当前我国高新技术产业创新教育绩效评价管理研究的核心问题。

然而当前对于高新技术产创新教育业绩效评价,大部分都处于探索阶段。

对高新技术产业创新教育绩效进行评价比较困难的原因在于,一方面在这一领域,至今仍然没有成熟的理论指导和合适的评价办法;另一方面因于高新技术产业创新教育绩效属于多投入少产出的问题,它的产出用量化指标相对不易衡量。

所以高新技术产业创新教育绩效评价已经成为当前十分紧迫的课题。

因此,我们在建立高新技术产业创新教育绩效评价体系时应从以下几个方面考虑:(一)实现产业群之间的稀缺资源合理配置在我国,高新技术产业创新教育发展中面临的主要问题是教育资源的短缺和人才引进的不足。

由于受到教育投入规模、教育单位成本与教师供给等限制,高新技术产业人才的资源相对稀缺。

面对国家总资源有限的情况,要化解资源稀缺和需求膨胀之间的矛盾,一方面要尽可能地为教育人才培养多争取资金,力争提高高新技术产业创新教育资源的有效供给,另一方面更重要的是实现产业群之间资源的合理配置。

产业群之间的资源配置,是指政策对产业群之间投入的人力、物力和财力在各种不同方向的分配。

它可以分为二个层次。

一是宏观层次配置,即总体技术人才资源如何分配于不同的产业和地区。

主要是通过创新管理的体制改革、人才布局和数量的调整、对引进人才投资的渠道拓宽等手段进行。

二是微观层次的配置,即在已既定高新技术产业资源分配的情况下,管理层如何组织和利用这些资源。

高新技术产业资源宏观层次的配置目标,在于合理分配总体教育人才资源,让它流向最适宜的产业及部门,籍此获取资源流向的最大效益。

而技术人才资源微观层次的配置目标,侧重于提高产业群之间资源的利用率,让相对的投入能产出数量更高、质量更高、结构更合理的人才和资源,以此取得资源利用的最大效益。

相当长的一段时期以来,我国高新技术产业创新教育资源的运作方式是相对粗放型的,这使得产业资源没有得到充分、合理的配置和利用,产业资源整体的产出效率低。

通过改革教育人才结构资源的配置,将资源流向经济效益最好的产业和部门,在产业与产业之间进行比较绩效指标的评价,并将结果作为高新技术产业资源在产业群之间分配的依据,让高层管理者对有限的人才教育资源的配置决策更为科学,就可以为国家对高新技术产业资源配置的宏观调控提供依据,并且起到政策导向的功能。

(二)合理利用科技人才,完善用人机制。

科技人员是发展高新技术产业一个重要的因素,为了更好的发展高新技术产业就必须建立合理的用人机制。

通过提供优厚的待遇、广阔的发展空间以及良好的培训机会等途径留住人才,一方面想方设法留住现有的高技术人才,另一方面要尽量吸引外部人才的加入。

吸收、留住人才的同时要做到人尽其才,使得人才得到充分的利用,发挥他们的价值。

(三)加大研究与开发投入的同时,合理有效地利用资金。

从计算结果可以看出所有的非 DEA 有效决策单元都存在资金利用的有效性问题。

为了更合理有效的利用资金,一方面要增强预算的科学性,另一方面确保资金使用的有效性,尽可能避免资金的浪费和其他途径的流失。

(四)积极引进国外先进技术的同时增强吸收、改进技术的能力。

从分析结果中几乎所有的非 DEA 有效决策单元在技术引进和获取的投入都没有得到充分利用,造成了资源浪费。

为此高新技术产业应该以资金为纽带,集合高等院校、科研机构的力量,加大自身技术研究的力度。

同时,积极引进国外先进技术,并根据实际情况加以吸收和改进,使得引进的技术在实践中得以良好的应用,并在此基础上提高自身的技术创新能力。

(五)改革落后的科研行政管理体制,加强地区间的技术交流。

完善技术创新体系就要激励和保护高新技术产业发展的积极性,政府要为高新技术产业的科技进步提供服务,保证科技进步的利益传导机制畅通。

制定实施鼓励产业科技创新、用先进技术改造和发展高新技术产业的财税策和产业政策,促进高新技术产业的发展。

改革和完善科研管理体制,使其高效、有力,符合市场经济的要求,形成政府主管部门协调,高校、企业所属研发机构、社会研发机构等组成的多层次、多元化研发体系,强化合作,发挥各自优势。

同时,在高新技术创新过程中要加强政府与政府之间、科研机构与科研机构之间以及企业与企业之间的交流与合作,达到创新活动的互补以及先进知识的快速传播与推广,降低创新活动的复杂性和不确定性。

三、数据包络分析在高新技术产业创新教育财务绩效评价中的应用教育经济学者通过探索,列出了多种评价模式和模型以计量高新技术产业创新教育投入和产出,但是教育系统区别于一般的生产系统,它投入和产出的计量都不能被具体的量化,尤其是要用数量来表达教育产出中的质量更是十分复杂。

因此,利用数据包络分析方法对高新技术产业创新教育的综合绩效进行评价,通过分析高新技术产业创新教育的投入产出以及针对地方的特点,制定适用于各地方的绩效评价指标体系,并作实证分析,可以为高新技术产业创新的发展提供决策依据。

四、数据包络分析用于高新技术产业创新教育绩效评价的优势分析针对高新技术产业创新教育本身的特点,用数据包络分析方法评价创新教育的绩效具有一定的优势,主要体现以下几个方面:(1)创新教育系统是一个多目标的复杂系统,有其特有的属性,它涉及的内容呈多输入和多输出的特点,而数据包络分析方法对复杂的多输入和多输出结构系统具有适应性。

(2)在高新技术产业创新教育相对效率的评估中,所指的产出是一定时间内培养出的人才的数量和质量、科研成果以及创新教育为社会提供的其他服务等,而输入指标是为了获得上述产出所耗用的人、财、物等物资使用的情况。

一般来说,很难定量分析这些评估指标,而且评估指标也不容易做到统一量纲,数据包络分析方法则无需考虑量纲同一化的问题。

(3)创新教育具有很强的社会公益性,其作为为社会提供服务的机构,不像企业生产系统一样,可以把利润最大化作为目标,只能通过考察管理者对资源利用的相对有效性,这个相对有效比较绝对有效更加具有实际意义。

因为对创新教育系统来说,追求系统效率最优是不现实的,这种目标制定只能起到欲速则不达的效果,而系统的满意效率才是可以切实实现的目标。

数据包络分析方法则提供了这种满意解,它给出了适合系统发展方向到针对特定系统的现有发展水平可能达到的效率改进目标。

(4)以数据包络分析方法对创新教育系统的效率评价结果来进行分析,进而了解影响高新技术产业所有有效及无效的影响因素。

另一方面,通过对决策单元的投影分析,可以求得非有效决策单元各指标的调整值,为管理者提供决策依据。

相关文档
最新文档