基于SE-DEA的电网企业资源配置效率评价
基于DEA模型的科技资源配置效率分析
区４ ５家重点企业以及 ８大主导产业的科 技资源配置效 率进行 了评价 ，数 据分析 结果表明 ，有超过 半数的 企业科 技 资源投入 产 出效率未达到 Ｄ Ａ有效 ，８ Ｅ 大主导产业 中有 两个产业 未达到 Ｄ Ａ有 效。分析 了非 Ｄ Ａ有效的企业 Ｅ Ｅ
以及 行 业 效 率低 下 的 原 因 ，并 以 评 价 结 果 为依 据提 出 了改 进 的方 向与 措 施 。 关键词 ：科技 资源 ；配置效率 ；投入 产 出效率 ；Ｄ Ａ Ｅ
ｖ ｒｈ ｌ ｎｅ ｒ ｅ ｏ ｅ ａｆｅ ｔ ｒ ｉ ｓ ｄ ｎ’ ｔｒ ａ ｈ Ｓ ｎ ｕ —ｏ ｔｕ ｆ ｃｅ ｃ ｎ ａ Ｄ ｎ ｙ ｉ ．ａ ｄ ２ ｏ ｅ８ ｌａ ｉｇ ｉ ｄ ｓｒ ｓｄ ｄ ｐ ｓ ｅ ｃ ＆Ｔ ｉ ｐ ｔ ｕ ｐ ｔ ｉｉ ｎ ｙ ｉ ＥＡ ａ ａ ｓｓ ｎ ｆｔ ｅ ｄ ｎ ｎ ｕ ｔ ｅ ｉ ｎ’ ｅ ｌ ｈ ｉ ｔ ｅ ｃ ｆ ｃｅ ｃ ．Ｔ ｅ ｔ ｅ ｉ ａ ａ ｙ ｅ ｈ ｅ ｓ ｎ ｆ ｎ ｆ ｃ ｅ ｃ ｎｅ ｐ ｓ ｓ ａ ｄ ｉ ｄ ｓｒ ｓ ｎ ｒ ｇ ｒ ｒ ｈ ｍｐ ｏ ａ ｈ ｅ ｉ ｎ ｙ ｈ ｈ ｓ ｎ ｌｚ ｓｔ ｅ ｒ ａ ｏ ｓ ｏ ｅ ｉｎ ｙ ｅ ｔｒ ｒ ｅ ｎ ｎ ｕ ｔｉ ．ａ ｄ ｂ ｎ ｓｆ ｗａｄ ｔ ｅ ｉ ｒ ． ｒ ｉ ｓ ｉ ｉ ｉ ｅ ｉ ｏ
２１第３ ０年 １ ｌ 期
ｓｎａ ｃ ｎ ｅ ｉｅｄ 盏 ｅ Ｔ
ｍｔｓ ｈ ｅＲｅ ｎｅ阳 ａ
ቤተ መጻሕፍቲ ባይዱ
２ｌ． ０ Ｎ１ １ 。３
ｄｉ１．９ ９ ｊｉ ｎ １０ ｏ：０ ３６ ／．ｓ ．０ ０—７９ ．０ １．４ ｓ ６５ ２ １． ３０ ７ １
基于 Ｄ Ａ模型 的科技 资源配置效率分析 Ｅ
基于SE—DEA模型的区域节能减排·评价指标体系及分析
１ 评价方法简 述
数据包络 分析（ Ｄ ａ ｔ ａ Ｅ ｎ ｖ ｅ ｌ ｏ ｐ ｍ ｅ ｎ ｔ Ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ， Ｄ Ｅ Ａ 】 是 由美 国运筹 学 家Ａ ． Ｃ ｈ ａ ｒ ｎ ｅ ｓ和 Ｗ． Ｗ． Ｃ ｏ ｐ ｐ ｅ ｒ 等学者在 “ 相 对效率评 价” 的基础上 发展 起来 的一种非参数前沿效率分析方法 。 该方法常被用于生产生活的投 入产出系统 中进行管理 、 决策和效益效率 评价等 ， 目前 已成为管理 科 学与系统工程领域较广泛运用 的一种有效分析工具 。 它主要采用数学 规划 方法 ． 以测评 一组具有 多种投入 和多种产 出 的“ 部 门” 或“ 单元 ” ｆ 称 为决 策单 元 ． Ｄ ｅ ｃ ｉ ｓ ｉ ｏ ｎ Ｍａ ｋ ｉ ｎ ｇ Ｕ ｎ ｉ ｔ ， 简记 为 Ｄ Ｍ Ｕ ） 的绩效 和相对 效 率 为基础 ．利用众多 Ｄ ＭＵ构成评价集合 ． 通 过对相 对效率 的分析 比 较． 根据对各 Ｄ Ｍ Ｕ观察的数据判 断 Ｄ Ｍ ｕ是否为 Ｄ Ｅ Ａ有 效 ， 确定 “ 有 效生产 前沿面” ． 并根据各 Ｄ Ｍ Ｕ与有效生 产前沿 面的距 离状况 ． 确定 各Ｄ Ｍ Ｕ是否 Ｄ Ｅ Ａ有效 ，同时还可用投影 方法 指出非 Ｄ Ｅ Ａ有效 或弱 Ｄ Ｅ Ａ有效 Ｄ ＭＵ的原因及应改进 的方 向和程度 。由于 Ｄ Ｅ Ａ无需任何 权重假 设的特性 ． 在避免 主观因素和简化 运算 、 减少误 差等方面有 着 显著 的优越性
为变量进行评价运算 ． 确定 有效生产 前沿 面． 并根据各 Ｄ Ｍ Ｕ与有效生 产前沿面 的距离状况 ． 确定 各 Ｄ Ｍ Ｕ是否 Ｄ Ｅ Ａ有 效 ． 同时还可用 投影 方法指出非 Ｄ Ｅ Ａ有效或弱 Ｄ Ｅ Ａ有效 Ｄ Ｍ Ｕ的原 因及应改进 的方向和 程度 。 特别地 ． Ｄ Ｅ Ａ在用 以研究多输入 、 多输 出的生产函数理论时 ， 它 不必建立函数方程去确定相应 的参数 ． 而是利用投入产 出数据组 自 身 的结构特点 ． 形成一个包含所有数据点 的效率边界 。该边界 由效 率达 到相对最佳 的数据点徵 率值等于 １ ） 线性组合 而成 ， 其余各 点可通过 与此边界的线性 比较 ， 计算得到相应 的效率值 （ Ｅ Ｒ ） 。显然 ， Ｅ Ｒ的取值 范围是 ０ ≤ 腑 ≤１ 。 因这种分析 以所选数据组为基础 ． 故计 算得 到的是 数据本身结构范围内的相对效率值 。
基于DEA模型的企业绩效评价研究
基于DEA模型的企业绩效评价研究一、绪论随着市场经济的发展和全球化进程的加速，企业的竞争越来越激烈，如何评估企业的绩效变得尤为重要。
传统的企业绩效评价方法往往只能考虑单一的指标，难以全面反映企业的整体状况。
而DEA模型作为一种非参数的线性规划工具，在综合考虑各种影响因素的基础上，能够更加全面、客观地评价企业的绩效情况，因此受到越来越多的关注和应用。
本文将以DEA模型为基础，进行企业绩效评价的研究。
二、DEA模型原理DEA（Data Envelopment Analysis）即数据包络分析，是一种非参数的线性规划工具，旨在评估某一组决策单元在多个输入和输出因素下的相对效率。
通过对每个决策单元的效率进行评估，找出其中的最优值，从而进行有效的绩效评价。
DEA模型有两种基本形式：CCR（Charnes-Cooper-Rhodes）模型和BCC（Banker-Cheung-Aruk-Wei）模型。
其中CCR模型是最简单的DEA模型，适用于各个决策单元之间的效率差异不大的情况。
而BCC模型则更加灵活，可以处理效率之间的较大差异。
DEA模型的核心思想是通过线性规划的方式，找出某个决策单元的最优输入输出比率，从而进行绩效评价。
具体实现过程如下：1. 确定输入输出指标及权重首先，需要确定评价对象的各个输入输出指标以及各个指标的权重。
这些指标应具有代表性和可比性，以全面反映企业的生产经营情况。
2. 构建约束条件在DEA模型中，约束条件是非常重要的一部分。
通过约束条件的设置，可以保证每个解决方案都能得到有效的评估结果，并且排除无效解决方案的干扰。
3. 确定相对效率值通过调整各指标的值，找出最优解，同时统计出相对效率值。
相对效率值的计算方法是将最优解的输出值除以相应的输入值，得到的结果即为相对效率值。
4. 计算各指标权重最后，根据相对效率值计算各指标的权重，用于后续的绩效评价计算。
三、DEA模型在企业绩效评价中的应用DEA模型在企业绩效评价中的应用非常广泛，可以涵盖不同的行业和企业形态。
基于SE—DEA模型的区域节能减排评价指标体系及分析
基于SE—DEA模型的区域节能减排评价指标体系及分析【关键词】节能减排；dea；评价指标体系；许昌市2006年3月全国人大通过的《中华人民共和国国民经济和社会发展第十一个五年规划纲要》第二章“全面贯彻落实科学发展观”中第一次提出“要把节约资源作为基本国策，发展循环经济，保护生态环境，加快建设资源节约型、环境友好型社会，促进经济发展与人口、资源、环境相协调。
”可以说，从2006年开始国家真正重视了节能减排工作，并开始了大规模的宣传活动。
在这个背景下，国内很多科研人员开始从事这方面的研究。
具有代表性的有：刘翠莲等[3]学者针对目前我国节能减排工作的要求和发展现状，建立了港口节能减排评价指标体系，运用层次分析法确定各评价指标的权重，并依据ahp-模糊综合评价法计算港口节能减排工作得分，从而评判节能减排工作的优劣。
田立新等[4]基于节能减排动态演化模型，结合情景分析法对长三角地区2015年经济产值、能源消耗及污染排放进行预测，并分析2009-2015年经济产值、能源消耗及污染排放演化情况。
刘丽娟等[5]学者介绍了火电节能减排系统中减排和节能两部分模块的概况建立了火电节能减排系统动力学仿真模型。
李亮[6]等针对目前中国节能减排的现状，提出把节能和减排两大任务并入一个系统内进行效用分析和评价，提出了一种针对节能减排整个系统的综合评价考核办法。
刘元明[7]等运用层次分析法和模糊综合评价法构建了煤炭企业节能减排模糊评价模型。
本文基于dea模型，建立了扩展dea模型，给出了许昌市节能减排分区最优指标分配。
1 评价方法简述数据包络分析（data envelopment analysis，dea）是由美国运筹学家a.charnes和w.w.copper等学者在“相对效率评价”的基础上发展起来的一种非参数前沿效率分析方法。
该方法常被用于生产生活的投入产出系统中进行管理、决策和效益效率评价等，目前已成为管理科学与系统工程领域较广泛运用的一种有效分析工具。
SE—DEA模型在示范性高职院校效率评价中的应用——以福建省为例
法， 评价 了高 职教 育 的相 对效 率 … 。但 Ｄ Ｅ Ａ模 型
Ｓ Ｅ — Ｄ Ｅ Ａ 模型在示范性高职院校效率评价中的应用
— —
以福建 省为例
黄 焕 宗
（ 黎明职、 Ｉ 大学 公共教学部 ， 福建 泉州 ３ ６ ２ ０ ０ ０ ）
摘 要 ：示范性 高职建设是我 国高等职业教育改革的重要组成部分。以福建省 １ １ 所示 范性高职院校 为研 究对象 ， 建立了以办学条件 、 师 资建设作为投入指标 ， 人才培养成果 、 社会 服务能 力作为产 出指标 的指标体 系， 运用 Ｓ Ｅ—Ｄ Ｅ Ａ对 这些高职院校效 率进行 了横 向和纵 向评价 。结果显示 ， 示范性建设 具有 正面的指 导意 义， 同时 ， 资源的合 理配置和适 当 的评估指标改革是提升示范性 高职 院校效率的重要途径 。 关键词 ：Ｓ Ｅ—Ｄ Ｅ Ａ； 示范性； 高职； 效率 中图分类号 ：Ｏ ２ １ ２； Ｇ ７ １ ９ ． ２ 文献标识 码 ：Ａ 文章编号 ：１ ０ ０ ７— ４ ２ ６ ０（ ２ ０ １ ３ ） ０ ３— ０ １ ２ ０—０ ４
行， 各种 针对 示范 性高 职建设 效率 的评 估 、 反思 乃 至 改革 也被 提 上议 事 日程 。 因而 ， 与 之 配 套 的科 学 而且 可操作 的高职 院校效 率评 价体 系不 仅能 对
的效率 情 况做 了整 体 和分 层 分析 ， 并 在此 基 础 上
给 出对 应 的结论 和建议 。
基于DEA模型构建企业环境绩效评价指标体系
基于DEA模型构建企业环境绩效评价指标体系DEA模型是数据包络分析模型，它是一种无需确定权重的多因素决策分析方法，常用于对企业的相对效率进行评价。
构建企业环境绩效评价指标体系时，可以基于DEA模型的优点，将多个影响企业环境绩效的因素纳入评价考虑范围，并通过该模型计算得出各因素的相对权重和企业的环境绩效得分。
本文将介绍如何基于DEA模型构建具体的企业环境绩效评价指标体系。
一、确定评价指标企业的环境绩效受到多种因素的影响，包括生产过程中产生的污染物、废弃物处理、资源利用效率、环境保护措施等方面。
为了全面评价企业环境绩效，可以从以下几个方面选取评价指标：1. 污染物排放量，包括氮氧化物、二氧化硫、烟尘等。
2. 废弃物处理效率，包括废水、废气、废渣处理率等。
3. 资源利用效率，包括能源利用效率、水资源利用效率等。
4. 环境保护措施，包括环境管理制度建设、环保投入等。
二、构建指标权重模型基于DEA模型的思想，可以将企业的环境绩效看作是由多个因素共同决定的，而各因素的重要性也不尽相同。
因此，需要构建相应的指标权重模型，以反映各项指标在企业环境绩效中的重要程度。
1. 确定输入和输出指标输入指标通常是企业的资源投入，包括原材料、资金、劳动力等；输出指标则是企业的产出，包括产品、服务等。
在企业环境绩效评价中，可以将排放量、处理率、资源利用效率等指标作为输出指标，将环保投入、环境管理制度建设等指标作为输入指标。
2. 计算各项指标的得分值利用数据包络分析方法，可以计算出每个企业在各项指标上的得分值。
得分越高表示该企业在该项指标上的效率越高。
3. 权重分配根据得到的各项指标得分值，可以计算出各项指标的相对权重。
称这些相对权重比为企业的环境绩效得分，代表了各项指标在企业环境绩效中所占的比重。
三、制定绩效评价指标体系根据得到的各项指标相对权重，可以制定企业环境绩效评价指标体系。
以污染物排放量为例，可以按照各污染物对环境造成的影响，确定不同排放量所对应的得分和相对权重。
基于DRF与SE—DEA模型的节能减排效率评价
年份 Ｉ １ Ｉ ２ Ｉ ３ Ｉ Ｉ ５ Ｉ ６ Ｏ ｌ Ｏ ２ ０ ３ ｍ
人 ；以非期望产出作 为投入 的指标 ： Ｉ ４ ＝废水排放量 ，单位为万 ｔ ； Ｉ ５ ＝ Ｓ Ｏ ： 排放量 ， 单位为万 ｔ ； Ｉ ６ ＝固体废物产生量 ， 单位为万 ｔ 。产 出
究。 最典型 的做法是 在全要 素生产理论 的基础上运用数据包络分析 （ Ｄ Ｅ Ａ） 的方法 。如汪克亮等采用全要素方法 ， 将环境 污染作为能
源利 用经济 产 出的环境成本 纳入研 究框架 ，基于投 入导 向的 Ｃ Ｃ Ｒ — Ｄ Ｅ Ａ模 型测算 了能源利用 的经济效率并 度量 了其环 境绩效 。 Ｒ Ａ Ｓ ＨＥ等建立了能源 、 人力 和资本 的 ３ 要素生产 函数 ， 将能源 、 人力 和资本作为投入要 素 ， 运用 Ｄ Ｅ Ａ模型分析能源利用效率 。刘睿 劫等（ ２ ０ １ １ ） 采用超效率 Ｄ Ｅ Ａ评价方法 ， 结合社会 支付 意愿理论 ， 对２ ０ ０ ０年至 ２ ０ ０ ８ 年 的中国工业进行了经济 一环境效率测算 。 这些
财佘 通讯・ 综合 ２ ０ １ ３ 年第 ９ 期（ 下）
基于 ＤＲＦ与 Ｓ Ｅ — Ｄ Ｅ Ａ 模型的节能减排效 率评价
逯 雨波 郭 彬
（ 太原理工大学经济管理学院 山西 太原 ０ ３ ０ ０ ２ ４ ） 摘要 ： 本文将 因子分析与超效率 Ｄ Ｅ Ａ模 型相 结合 的方法用于研 究节能减排 效率， 选取 山西省 ２ ０ ０ ３年至
２ ０ １ ０年的面板数据 ， 对 影响节能减排效率的 因素进行 了具体分析。结果表 明： 山西省节能减排 整体 有效 ， 但
效率水平不 高， 节能减排潜 力很 大； 同时还发现 ， 经 济规模和 市场化程度 与节能减排效 率存在 明显正相关关 系， 工业 比重和排污收入与节能减排效率存在明显 负相关关 系。
基于DEA方法的河北省科技资源配置有效性评价
文章 编号：１０ —３ ３（ ０ ）Ｏ一０ ５０ ０ ７ ７ ２ ７ ｌ ８ —６ ２ ０ ０
基 于 Ｄ Ａ方法 的河北省科技 资源配置有效性评价 Ｅ
魏进平
（ 河北工业 大学 管理 学院 。天津 ３０３ ０１０）
摘要
实现科技资源的优化配置 ， 最大限度地发挥科技资源的效率 ， 对于一个国家或地 区经济的持续增长有积极
维普资讯
第 ３卷 第 １ ６ 期
、０ ３６ ，ｌ Ｎｏ １ ．
河
北
工
业
大
学
学
报
２ ０ 年 ２月 ０７
Ｆ ｂｕ ｒ ０ ７ ｅ ｒ ａ ｙ２ ０
Ｊ ＯＵＲ ＮＡＬ ＯＦ ＨＥ ＢＥＩ Ｉ ＲＳ Ｔ ＯＦ Ｔ ＣＨＮ０Ｌ ＵＮ ＶＥ Ｉ Ｙ Ｅ ０ＧＹ
的现 实意义．基于 Ｄ Ａ （ Ｅ 数据 包络分析 ）方法，对河北省科技 资源配置进行 了横向和纵向对 比评价，并指 出了 河北省科技资源配置优化 的方向与重点． 关 键 词 科技 资源配置； Ｄ Ａ 有效性 ：评价 Ｅ ；
中圈分类号 Ｆ ０ ２５ 文献标识码 Ａ
Ｅｔ ｃｉ ｎ ｓ ｖ ａｉ ０ ｅＡｌ ａｉ ｆ ｉｎ ｅａ ｄ Ｅ～ｅ ｔ ｅ ｅ ｓＥ ａｕ ｔ ｎｆ ｒ ｈ ｌｃ ｔ ｎ ｏ ｃｅ ｃ ｎ ｔ ｌ ｖ Ｖｌ ｏ ｔ ｔ Ｏ ｍ ｏ ｌ ｏ Ｓ
Ａｂ ｔａ ｔ Ｔ ｅｏ ｔ ｌ ｌ ｃ ｔｏ ｆ ｃｅ ｃ ｎ ｃ ｎ ｌｇ ｓ ｕｃ ｓｉｏ ｐ ｓｔ ｅａ ｄｐ ａ ｔ ａ ｉｎｆ ａ ｃ ｒ ｏ ｎ ｓｒ ｃ ｈ ｐｉ ｌ ａｉｎｏ ｓｉｎ ｅａ ｄｔ ｈ ｏｏ ｙｒ ｏ ｒｅ ｆ ｏ ｉｖ ｒｃｉ ｌ ｇ ｉｃ ｎ ｅ ｏ ｃ ｕ － ｍａ ａ ｏ ｅ ｅ ｓ ｉ ｎ ｃ ｓ ｉ ｆ ａ
我国核电上市公司技术效率研究--基于超效率DEA模型的实证分析
我国核电上市公司技术效率研究--基于超效率DEA模型的实证分析刘文君;向冰【摘要】在能源枯竭与环境污染的双重压力下，提高核能效率至关重要。
文章从微观上市公司层面对核能技术效率进行研究。
运用超效率DEA模型对我国核电上市公司的2009—2014年的技术效率进行测算，在数据处理上创新性地把宏观层面的指标数据平减运用于微观层面。
在此基础上运用Tobit模型从财务及非财务两个方面的影响因素对我国核电上市公司技术效率的影响因素进行研究并提出政策建议。
结果表明：短期偿债能力、盈利能力、公司规模对我国核电上市公司技术效率有显著的正的影响。
长期偿债能力对我国核电上市公司技术效率有显著的负的影响；营运能力、员工教育程度、公司技术构成、研发能力对我国核电上市公司技术效率无显著影响。
所以，我国核电上市公司应适当降低公司的长期负债，适当提高流动负债，提高公司的盈利能力，扩大公司规模。
%Faced with environmental pollution and energy depletion, improving nuclear energy efficiency is essential. This article studies nuclear energy technology efficiency from listed companies. Use SE-DEA model to measure and analyze energy listed compa-nies’ technical efficiency from 2009 to 2014. On this basis, use Tobit model to study factors of nuclear energy listed companies’ tech-nical efficiency from financial and non-financial aspects. At last, give some suggestions. Studies show that:short-term solvency, profit-ability, company size have a significant positive impact on technical efficiency of energy listed companies, while long-term solvency has a significant negative impact. Operating capacity, education level, technical constitution,research and development capabilities have no significant impact. Therefore, nuclear energy listed companies should reduce the company’s long-term liabilities appropriately, im-prove th e company’s current liabilities appropriately, improve the company’s profitability and expand the size of the company.【期刊名称】《南华大学学报（社会科学版）》【年(卷),期】2016(017)003【总页数】5页(P5-9)【关键词】超效率DEA模型;技术效率;Tobit模型;核电上市公司【作者】刘文君;向冰【作者单位】南华大学核能经济与管理研究中心，湖南衡阳421001;南华大学经济管理学院【正文语种】中文【中图分类】F426.23;F406.7面对我国能源需求持续增长与环境污染双重压力，核能作为一种燃料资源丰富、高效能、零排放污染物、风险低的资源备受关注［1］。
SE-DEA模型在我国银行效率评价中的应用
SE-DEA模型在我国银行效率评价中的应用提要本文对比参数分析法和非参数分析法在测定银行效率中的优缺点，在考虑数据可得性和研究方法的可接受性之后，选择了DEA模型。
但其C2R方法不能进一步识别相对有效单元，因此本文运用SE-DEA模型加以修正，重新得出综合效率值，并对此进行分析，说明我国国有商业银行的效率还有待提高。
关键词：SE-DEA模型；银行效率；应用在过去50年中，银行效率问题研究一直受到国外学者的关注。
早期的研究主要从规模经济和范围经济的角度考察银行的效率。
20世纪八九十年代以后，有关银行效率问题的研究更多地转到了生产效率问题上。
一、商业银行效率研究评述银行效率问题研究的出发点是构建一个生产前沿面。
（图1）一个银行与该前沿面的距离就是这个企业的技术效率或前沿效率。
需要强调的是，前沿效率是一个相对概念，效率前沿面始终由样本中最佳机构或其组合构成。
前沿分析已成为微观效率研究中最普遍采用的方法。
所谓前沿效率分析方法，是指将商业银行视同具有一般生产企业特征，也具有如何以最小的投入取得最大产出的目标函数。
在给定的技术条件和外生市场因素条件下，以最小投入获得最大报酬或实现利润最大化的银行，即为效率前沿银行，而待考察银行的效率损失即为相对于效率前沿银行的偏离程度，即X_低效率。
X_效率是衡量管理层进行成本控制和最大化产出能力的重要指标，包括技术效率和配置效率。
前者是指技术不变和产出一定时通过有效管理使银行投入量的减少；后者是指通过合理的配置投入比例来降低成本。
Berger&Humphrey对美国银行业的研究表明，X_低效率导致的效率损失约为总成本的20%。
而规模或者范围不经济导致的低效率不超过总成本的5%。
因此，对我国商业银行进行X_低效率研究具有重要的理论和现实意义。
基于前沿分析的银行效率研究方法主要分为参数法和非参数法两种。
参数方法随机前沿方法（SFA）自由分布方法（DFA）厚前沿方法（TFA）非参数方法数据包络分析（DEA）自由处置壳方法（FDH）参数方法的优点在于：（1）对于最佳表现银行（通常认为其效率为100%）的前沿生产函数形式，参数方法有更严格的函数形式；（2）考虑可能会导致生产单位的产出、投入、成本或利润等过高或过低的随机误差；（3）对随机误差项的概率分布作出假定，以便从随机误差中分离出无效率因素。
- 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、"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、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)。
及s-为松弛变量，分别为待求的投入要素和产出要素的调整量；λj为输入输出指标的权重系数；
DMU j的产出相对于投入的有效利用程度，即
SE⁃DEA模型形式类似于传统的DEA模型。
（2）中的变量的含义与式（1）的相同。
不同SE⁃DEA模型的基本思想是在进行第i个DMU 评价时，把该DMU与其它所有的DMU的线性组合作比较，使第i个DMU的投入和产出被其它所有的
x*3>x*4>x*5>x*6>x*7>x*8>x*9>x*10>x*11。
（2）给出相邻两个指标之间相对重要程度的比较判断。
（3）计算指标的权重系数
w m=（1+r i）-1，而w k-1=w k×r k，则w*11=（1+
r i）-1=0.0166，w*10=0.0166×1.2=0.0199。
以此类推，w*9=0.0239，w*8=0.0287，w*7=0.0402，w*6=0.0563，w*5=0.0901，w*4=0.1081，w*3=0.1513，w*2=0.2118，w*1= 0.2542。
故指标x1，x2，…，x11相对目标层的权重系数为w1=w*7=0.0402，w2=w*6=0.0563，w3=w*5=0.0901，w4=w*3=0.1513，w5=w*2=0.2118，w6=w*9=0.0239，w7= w*4=0.1081，w8=w*8=0.0287，w9=w*10=0.0199，w10=w*11= 0.0166，w11=w*1=0.2542。
再根据AHP（层次分析）法计算供电服务质量指数。
其具体的流程为：
（1）构造权重矩阵，即通过G1法确定出各层指标相对于上一层次各目标的权重。
记主准则层指标权重向量为W，分准则层指标权重向量为B。
（2）计算组合权重，即得到各因素相对总目标的权重，即计算分准则层指标相对目标层的权重c ij=b ij×w j。
以主准则层指标故障抢修x5为例，进行计算说明。
假设故障抢修及时性x51、故障抢修结果的客户满意程度x52、故障抢修人员的服务态度x53相对x5的权重分别为b51=0.4073，b52=0.3254，b53=0.2673，则它们相对于目标层的权重分别为c51=b51×0.2118= 0.0863，c52=0.0689，c53=0.0566。
（4）根据各组合权重C与专家对每个因素的打分M，计算项目的总分值E=C×M=c ij×m j。
E为供电服务外部评价的总得分，供电企业可以用此分值与标准分值相比较，来判断企业供电服务质量的优劣。
4结论
供电服务质量评价是一项十分复杂但迫切需要做的工作。
本文构建了各项服务业务的服务蓝图，根据服务蓝图所得的顾客接触点，构建供电服务外部评价指标体系和模型。
具体服务项目服务蓝图的具体可操作性决定了所构建的供电服务外部评价指标和模型的实用性及可行性。
D
参考文献：
［1］黎昀.论导入ISO9001的供电企业的服务质量的提高［J］.邵阳学院学报，2005，2（4）：103-106.
［2］吉宗玉，许明.服务蓝图法——一种有效的服务涉及方法［J］.中国纺织大学学报，1999，25（5）：77-79.
［3］Parasuraman A，Zeitham V A，Berry L Servqual.A multi⁃ple⁃item scale for measuring consumer perceptions of ser⁃
vice quality［J］.Journal of Retailing，1988（1）：12-41.［4］邹小燕.电力行业用户满意度指数模型的构建与测算［J］.电力需求侧管理，2003（1）：30-33.
［5］Parasuraman A，Zeitham V A，Berry L.A conceptual mod⁃el of service quality and its implication for future research
［J］.Journal of Marketing，1985，49（5）：41-50.
［6］胡永宏.综合评价方法［M］.北京：科学出版社，2000.
（本栏责任编辑汪燚春）
（上接第26页）
［8］Seiford L M.Data envelopment analysis：the evolution of state of threat［J］.Journal of Production Analysis，1996（7）：99-137.
［9］Mei Xue，Patrick T Harker.Note：Ranking DMUs with infeasible super⁃efficiency DEA models［J］.Management
Science，2002，48（5）：705-710.
［10］Kaoru Tone.A slacks⁃based measure of super⁃efficiency in data envelopment analysis［J］.European Journal of
Operational Research，2002（143）：32-41.
［11］张倩伟，魏权龄.关于DEA有效性“新方法”的探讨［J］.数学的实践与认识，2007，37（22）：93-97.［12］蓝天立，杨志江.西部地区科技资源配置效率的综合
评价研究［J］.中国科技论坛，2007（1）：73-77.
［13］刘敦楠，陈雪青，何光宇.电力市场评价指标体系的原理和构建方法［J］.电力系统自动化，2005，29（23）：
2-7.
［14］岳顺民，余贻鑫.配电市场价格监管方法［J］.电力系统自动化，2004，28（22）：13-18.
［15］田为厚，张金禄.电力上市公司企业管理效率研究［J］.
理论学刊，2007（3）：39-41.
［16］彭育威，吴守宪.MATLAB在数据包络分析中的应用［J］.西南民族学院学报（自然科学版），2002，28（2）：
139-143.
［17］王卓.基于超效率DEA模型的我国工业企业效率评价［J］.科学管理研究，2007，25（6）：29-32.
33
Vol.11，No.3May，2009POWER DSM|。