基于DEA模型的汽车制造业生产效率分析_以天津市西青区为例
基于dea的 运营效率模型构建
基于dea的运营效率模型构建
DEA模型是一种用于评估相对效率的数学模型，可以用于构建运营效率模型。
运营效率模型是指用于评估组织、企业或部门等在运营过程中的效率和生产力的模型，可以帮助管理者更好地了解自己的组织或企业的效率和生产力情况，从而进行必要的改进。
构建基于DEA的运营效率模型的具体步骤如下：
1. 确定评估对象：首先需要确定评估对象，可以是一个部门、一个生产线或者是整个企业。
2. 确定输入和输出指标：根据评估对象的不同，需要确定不同的输入和输出指标。
输入指标可以包括人员数量、设备设施、原材料等，输出指标可以包括产量、销售额、利润等。
3. 数据收集：收集评估对象的相关数据，如人员数量、设备设施信息、原材料用量、产量、销售额、利润等数据。
4. 数据预处理：对收集到的数据进行清洗、处理和标准化，以便后续分析使用。
5. 运用DEA模型：根据数据预处理的结果，运用DEA模型进行运营效率评估。
DEA模型可以得到评估对象的相对效率，即在输入和输出指标不同的情况下，
评估对象的运营效率水平相对于其他对象的表现如何。
6. 数据分析和结果反馈：对运用DEA模型得到的结果进行分析，输出评估报告，向管理层反馈评估结果、制定改进方案。
基于DEA的运营效率模型具有相对简单、具有普适性、能够全面反映效率和生产力等优点，能够为组织或企业的改进提供科学决策支持。
dea模型技术效率和规模效率的方法
dea模型技术效率和规模效率的方法1. 什么是DEA模型DEA（Data Envelopment Analysis）模型是一个能够检测企业产出与投入的效率的模型，是一个多变量的线性编程模型。
其优点是既可以对单一的企业进行效率分析，也可以对多个竞争企业之间的效率进行比较。
2. DEA模型的技术效率技术效率是指在相同的规模和产出条件下，企业利用现有资源能够获得的最大产出水平。
DEA模型通过计算企业的技术效率，可以提示企业当前技术是否过时、能否提高产出效率等。
DEA模型最核心的就是线性规划模型，其基于企业的问卷调查和数据表格，通过如下方程进行计算：Maximize ∑_(j=1)^m v_jsubject to∑_(i=1)^n u_(ij)x_i ≤v_j (j=1…m)∑_(j=1)^m w_jy_i = 1 (i=1…n)x_i ≥0,i=1,…,n ;y_i ≥0,i=1,…,m其中，x_i 表示第i个企业的产出量，y_i 表示第i个企业的投入量，u_(ij) 为评价标准，v_j 表示第j个企业的输出结果，w_j 为权重，即每个输出结果的重要程度。
DEA模型可以帮助企业进行精细化管理，合理地分配资源，提高生产效率，降低生产成本，实现可持续发展。
3. DEA模型的规模效率规模效率是指在现有生产条件下，企业实现其最大可能的规模，即企业能够在现有投入水平下实现的最大产出水平。
DEA模型通过纵向比较不同规模的同类企业，计算企业的规模效率。
DEA模型计算规模效率时，需要引入规模收益不变性假设，即在相对比较时，企业的生产规模不改变。
DEA模型通过对规模效率进行计算，可以发现企业是否存在扩大规模的空间，是否适合扩大规模等。
4. DEA模型的实际应用DEA技术已经被广泛应用于制造业、银行业、医疗卫生、教育等行业中。
在制造业中，DEA被用来检测工厂的效率；在银行业中，DEA被用来评估银行部门的效率；在医疗卫生中，DEA被用来评估医院的效率；在教育中，DEA被用来评估教育机构的教育质量。
《基于DEA的天津市奶牛不同养殖规模的效率对比研究》
《基于DEA的天津市奶牛不同养殖规模的效率对比研究》一、引言随着我国经济的高速发展和居民生活水平的不断提升，乳制品在人们日常生活中的消费比例日益增大，对于优质的奶牛养殖业提出了更高要求。
天津市作为中国北方重要的农业大市，奶牛养殖业具有较高的生产规模。
但同时，养殖规模的差异也会对养殖效率产生显著影响。
本文旨在基于数据包络分析（DEA）方法，对天津市不同养殖规模的奶牛进行效率对比研究，以期为优化天津市奶牛养殖业提供理论依据和实践指导。
二、研究方法与数据来源（一）研究方法本文采用数据包络分析（DEA）方法，对天津市不同养殖规模的奶牛进行效率评价。
DEA是一种非参数技术效率分析方法，可以评估多投入和多产出条件下的决策单元相对效率。
（二）数据来源本文数据来源于天津市多个奶牛养殖场的实地调查，涉及养殖场的基本情况、养殖规模、饲料投入、人工成本、产出量等多个方面的数据。
三、天津市奶牛养殖现状分析首先，本文对天津市奶牛养殖现状进行了概述。
天津市奶牛养殖业以中小规模养殖场为主，大型规模化养殖场数量较少。
不同规模的养殖场在养殖技术、管理水平和市场竞争力等方面存在差异。
四、基于DEA的效率评价模型构建本文构建了基于DEA的奶牛养殖效率评价模型。
该模型以饲料投入、人工成本等为投入指标，以奶牛存栏量、产奶量为产出指标，通过计算决策单元的相对效率值，对不同规模的奶牛养殖场进行效率评价。
五、天津市不同养殖规模奶牛效率对比分析（一）小型养殖场效率分析小型养殖场在饲料投入和人工成本方面相对较低，但由于规模较小，难以实现规模化效益。
在产出方面，小型养殖场的奶牛存栏量和产奶量相对较低，效率值也较低。
（二）中型养殖场效率分析中型养殖场在规模上相对于小型养殖场更大，可以更好地实现规模化效益。
在投入方面，中型养殖场在饲料投入和人工成本方面相对较为合理。
在产出方面，中型养殖场的奶牛存栏量和产奶量较高，效率值也相对较高。
（三）大型养殖场效率分析大型养殖场在规模上具有明显优势，可以更好地实现机械化、自动化和智能化管理。
基于DEA-GRA双层模型的制造业与物流业联动效率测度
DOI:10.13546/ki.tjyjc.2021.01.039引言制造业和物流业关系密切，二者发展相辅相成。
制造业是物流业发展的需求基础，物流业是提高制造业核心竞争能力的重要保障。
两者联动协同发展引起了学者们的广泛关注，目前国内学者对制造业与物流业联动效率的研究取得了丰硕的成果，但是仍然存在着不足之处。
大多数学者仅仅从定性的角度进行了分析，缺乏一定的说服力[1—3]，还有部分学者是从静态的角度对二者的效率进行测度，缺乏动态的研究[4—8]，且现有文献对全国范围内的研究较少。
基于此，本文首先运用DEA-Malmquist 指数法分别对全国范围内制造业及物流业的效率进行测度，随后运用灰色关联度分析法对二者的联动效率进行分析，探讨两者联动发展的内在动力，以期提高两者联动效率，从而促进区域经济协调有序发展。
1模型构建与指标选取1.1模型构建（1）Malmquist 指数模型本文首先基于DEA-Malmquist 指数模型对中国各省份物流业的全要素生产率进行测度。
针对该问题，假设时期t =1 2 T ，在t 时期有s 个决策单元（r =1 2 s ），其中第r 个决策单元在t 时期的第i 项投入为x t ir（i =1,2,3），第r 个决策单元在t 时期的第j 个产出为y tir（j =1,2）。
根据DEA 中CCR 模型的效率评价公式：min θs .t ìíîïïïïïïïïår =1sx ir λr +s -i =θx ir 0，r =1 2 3år =1s y ir λr -s +j =y jr 0，j =1 2λr³0 s -i ³0 s +j ³0 r =1 2 s（1）由式（1）解出Malmquist指数的距离函数D t (x t +1r ，y t +1r )为：min θ=[Dt（x t +1r ，y t +1r ）]-1s .t ìíîïïïïïïïïår =1s x t ir λr +s -i =θx t +1ir 0 r =1 2 3år =1sy t ir λr -s +j =y t +1ir 0 j =1 2λr³0 s -i ³0 s +j ³0 r =1 2 s（2）其中，λr 是投入向量与产出向量的权重向量，θ的数值可以用来反映决策单元的投入产出效率情况。
TFP与DEA全要素生产率测度的数据包络分析方法
TFP与DEA 全要素生产率测度的数据包络分析方法TFP与DEA全要素生产率测度的数据包络分析方法刘喜华青岛大学经济学院二OO七年九月十日第一章 DEA及其经济意义DEA方法又称数据包络分析法(Data Envelopment Analysis)，它是由著名运筹学家A.Charnes和，有关的理论研究不断深入，应用领域日益广泛。
DEA方法之所以发展这么快，关键在于它具有明显的经济意义，因此DEA成为管理科学、系统工程、决策分析和评价技术等领域一种重要的分析工具和手段。
下文将从DEA的基础理论入手，详细的阐述DEA的经济意义，及DEA的最新发展情况。
1.1 DEA简介DEA方法的基本思想是建立一个数学规划模型，对各个决策单元做出相应的评价。
一个决策单元(Decision Making Unit，简记DMU)在某种程度上是一种约定，它可以是学校、医院、法院、空军基地，也可以是银行或企业，其特点是：每个DMU都可以看作是相同的实体，亦即在某一视角下，各DMU具有相同的输入和输出。
通过对输入输出数据的综合分析，DEA可以得出每个DMU综合效率的数量指标，据此将各DMU定级排序，确定有效的(即相对效率最高的)DMU，并指出其他DMU非有效的原因和程度，给主管部门提供管理信息。
DEA还能判断各DMU 的投入规模是否恰当，并给出了各DMU调整投入规模的正确方向和程度，应扩大还是缩小？改变多少为好？作为一种效率评价方法，DEA方法能够对处于同一系统内的各个评价单元的有效性进行评价，它主要是根据被评价系统的投入产出指标，建立相应的评价模型，从而得到每个评价单元的效率评价值。
DEA方法具有下面优点：1．客观性，DEA方法主要是通过数据和数学规划模型进行评估，因此与AHP 等方法相比，显得更加客观，它能在某种程度上规避评价者的主管意识，从而得到更为客观的结论。
但这种客观性也不是绝对的，虽然数据和数学模型都不会体现评价者的主管意识，然而评估者能够通过改变评价指标来影响评价结果，也就是说，用DEA方法时，评价指标的选取能体现评估者的偏好。
京津冀地区创新效率评价研究——基于DEA-Malmquist指数模型分析
京津冀地区创新效率评价研究——基于DEA-Malmquist指
数模型分析
卢梦雨;杨怡轩
【期刊名称】《商业经济》
【年(卷),期】2024()6
【摘要】基于2015—2020年京津冀以及其他几个省级全面创新改革试验区的面板数据,运用DEA-Malmquist指数模型,对京津冀地区创新效率进行评价。
研究结果表明:静态分析层面,2020年京津冀地区创新的综合效率呈现明显的异质性,北京处于最优前沿面,天津、河北与之存在较大差距;其中,天津纯技术效率高,规模效率低,河北纯技术效率和规模效率均处于较低水平;动态分析层面,京津冀整体创新效率有所提升,但仍处于偏低水平。
因此,提出改进京津冀地区建设的侧重点,促进京津冀创新效率均衡发展;打通创新要素流动通道,充分发挥北京科技创新的溢出效应;加大对河北创新能力的重视程度,提高河北的纯技术效率和规模效率等建议。
【总页数】4页(P47-49)
【作者】卢梦雨;杨怡轩
【作者单位】哈尔滨商业大学经济学院;郑州市第七中学
【正文语种】中文
【中图分类】F730
【相关文献】
1.中国高技术产业创新效率差异性研究\r——基于三阶段DEA-Malmquist指数模型的分析
2.基于DEA-Malmquist指数模型的京津冀区域物流效率评价研究
3.京津冀、长三角、西三角、珠三角区域技术创新效率及其影响因素研究——基于DEA-Malmquist与多元回归模型的实证分析
4.基于DEA模型的京津冀地区科技创新效率评价研究
5.我国工业企业技术创新效率评价研究——基于31个省(区、市)面板数据的DEA-Malmquist指数模型分析
因版权原因，仅展示原文概要，查看原文内容请购买。
DEA实验报告范文
DEA实验报告范文实验目的：本实验旨在通过DEA实验方法对一组决策单元（Decision Making Units, DMUs）进行效率评估，分析其资源利用效率，并探讨其差异原因。
实验步骤：1.数据准备：收集与DMUs相关的输入和输出数据，包括生产要素、产品产量等。
2.DEA模型构建：根据收集到的数据建立DEA模型，选择适当的DEA模型，如CRR、BCC等。
3.运行DEA模型：通过软件运行DEA模型计算各DMUs的效率值。
4.效率评估：对每个DMU的效率值进行评估，确定其资源利用效率。
5.比较与分析：比较不同DMUs的效率值，分析其差异，探讨原因。
实验结果：根据实验数据，我们得到了每个DMU的效率值，并进行了比较与分析。
结果显示，DMU1和DMU3的效率值较高，说明它们在资源利用上较为有效；而DMU2的效率值较低，表明其存在资源浪费的情况。
进一步分析发现，DMU1的效率值高主要原因是其生产要素利用程度较高，产出量与输入量的比值较大。
而DMU3的效率值高主要是其产出量的高于输入量。
相比之下，DMU2的效率值低是因为其生产要素利用程度相对较低，输入量相对较大。
实验总结：通过本实验，我们成功地利用DEA方法对一组DMUs的资源利用效率进行了评估，并发现了不同DMUs之间的差异。
实验结果对于进一步分析和优化各DMUs的资源利用非常有意义。
然而，本实验还存在一些局限性。
首先，实验数据的准确性和全面性对于实验结果的可信度非常重要。
其次，选择适当的DEA模型也是至关重要的，不同模型可能导致不同的结果。
最后，实验结果需要结合实际情况进行解释和分析，以便找到改进和提高资源利用效率的方法和措施。
因此，未来的研究可以进一步完善实验设计，提高数据采集和处理的准确性，选择更合适的DEA模型，并加强实验结果的实际应用价值。
《基于DEA模型的财务公司效率评价研究》范文
《基于DEA模型的财务公司效率评价研究》篇一一、引言随着全球化和信息化的快速发展，财务公司的运营和管理日益复杂，对财务公司的效率评价变得尤为重要。
数据包络分析（DEA）模型作为一种有效的效率评价工具，已经在各个行业中得到广泛应用。
本文旨在基于DEA模型对财务公司的效率进行评价研究，以期为财务公司的管理和发展提供参考。
二、DEA模型简介DEA模型是一种非参数的统计方法，通过构建线性规划模型，将多投入与多产出数据综合考虑，用于评估相同类型单位间的相对效率。
在财务公司中，通过使用DEA模型，我们可以对其投入的资源（如人员、设备、资金等）和产出的效果（如收益、服务水平等）进行全面评价。
三、研究方法本研究选取了多家财务公司作为研究对象，通过收集各公司的财务数据和业务数据，构建了DEA模型的投入产出指标体系。
在运用DEA模型时，我们选择了面向输入的DEA模型（即从投入角度进行效率评价），以全面了解各公司的运营效率和潜力。
四、DEA模型的应用我们使用所构建的DEA模型对各家财务公司的效率进行了评价。
首先，我们确定了投入和产出的指标体系，包括人员、设备、资金等投入指标和收益、服务水平等产出指标。
然后，我们运用DEA模型的线性规划方法对各公司的效率进行了评价和比较。
五、结果分析通过DEA模型的评价结果，我们可以看到各家财务公司的效率情况。
其中，部分公司在投入相同资源的情况下，实现了较高的产出水平，表现出较高的效率；而部分公司则存在投入资源过多而产出效果不佳的情况，需要进行内部管理和业务优化。
此外，我们还发现在某些投入和产出指标上，不同公司之间存在显著的差异，这为各公司提供了一定的改进方向和优化空间。
六、结论与建议基于DEA模型的财务公司效率评价研究为我们提供了全面了解各公司运营效率和潜力的途径。
通过比较和分析各公司的效率情况，我们可以为财务公司的管理和发展提供以下建议：1. 对于效率较高的公司，应继续保持其良好的运营和管理模式，同时探索更多的业务机会和增长点。
基于dea的 运营效率模型构建
基于dea的运营效率模型构建一、引言在现代企业管理中，高效的运营模式是取得成功的关键之一。
为了提升企业的运营效率，需要建立一个科学准确的运营效率模型。
本文将介绍一种基于DEA（数据包络分析）的运营效率模型构建方法，通过该模型可以评估企业的运营效率，并提出相应的改进策略。
二、DEA简介2.1 DEA概述DEA（Data Envelopment Analysis）是一种用于评估相对效率的方法，它通过比较各个决策单元在多个输入和输出指标下的表现来确定相对效率。
2.2 DEA模型DEA模型可以分为CCR模型和BCC模型两种。
CCR模型假设决策单元的输入与输出之间存在线性关系，BCC模型则允许非线性的关系。
在本文中，我们将使用CCR模型作为基础进行运营效率模型的构建。
三、运营效率模型构建3.1 模型输入指标选择在构建运营效率模型时，首先需要选择适当的输入指标。
常见的输入指标包括人力资源投入、资金投入、设备投入等。
我们需要根据具体的企业特点选择适合的输入指标。
3.2 模型输出指标选择除了输入指标外，我们还需要选择适当的输出指标来评估企业的运营效果。
常见的输出指标包括销售额、利润、市场份额等。
同样，选择输出指标也需要根据企业的实际情况来确定。
3.3 模型约束条件设定在进行DEA模型计算时，需要设定相应的约束条件。
常见的约束条件有输入约束、输出约束和非负约束。
输入约束和输出约束可以在模型中体现企业的资源利用情况，而非负约束可以排除负值的出现。
3.4 模型计算经过上述步骤的准备工作后，我们可以利用DEA模型来计算企业的运营效率。
通过计算每个决策单元在输入与输出指标上的相对效率，可以得到一个相对效率的评估值。
四、案例分析4.1 选取案例企业在本节中，我们将选取一家虚拟的制造企业作为案例进行分析。
该企业主要从事电子产品的生产和销售，拥有一定规模和市场份额。
4.2 数据收集与处理为了进行运营效率模型的构建和分析，我们需要收集与处理该企业的相关数据。
基于DEA的汽车制造业上市公司经营绩效评价
基于DEA的汽车制造业上市公司经营绩效评价
徐慧芳;李文华
【期刊名称】《现代商业》
【年(卷),期】2022()4
【摘要】“十四五”规划的推进加快了制造强国、质量强国的建设步伐,我国经济发展的着力点始终落在实体经济之上。
汽车制造业作为技术含量、产业集中度较高的重要制造业之一,如何科学评价其经营业绩,实现持续改进,对该行业的转型升级有着重要意义。
DEA(数据包络分析,Data envelopment analysis,简称DEA)近年来成为各行业用于评价运营与经营效率的热门方法。
建立反映汽车制造业投入与产出的指标体系,本文运用DEA法的BCC模型和Malmquist模型对该行业2016年~2020年间的经营绩效进行评价与分析。
研究表明:静态层面,我国汽车制造业上市公司的总体水平一般,但综合技术效率排名较前的企业表现良好,较为接近经营效率的前沿面,行业内两极分化较严重;动态层面,我国汽车制造业上市公司的生产力指数有小幅提高的趋势,技术效率呈现波动状态。
【总页数】3页(P124-126)
【作者】徐慧芳;李文华
【作者单位】天津商业大学管理学院
【正文语种】中文
【中图分类】F426
【相关文献】
1.基于DEA的汽车上市公司经营绩效评价
2.基于DEA的装备制造业上市公司经营绩效评价
3.基于DEA-Tobit的装备制造业上市公司经营绩效研究——来自2005～2010年装备制造业的经验数据分析
4.基于DEA的创业板制造业上市公司绩效评价研究
5.基于DEA的风电设备制造业上市公司经营绩效评价
因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
■现代管理科学■2014年第1期20世纪90年代后期以来，由于国内汽车需求快速增加，我国汽车产业因而高速增长并成为拉动GDP的强劲动力，吸引全球汽车产业资源迅速流向我国。
汽车产品具有较高的地域性特征，使得分布在不同地域的企业面临的生产经营环境也有所不同。
西青区位于天津市西南部，是天津市环城四区之一。
按照市委、市政府对西青提出的“打造电子、汽车产业基地，科教研发基地，历史文化与生态宜居城区”的新定位，近年来汽车制造业大力改造提升，获得国家商务部命名“汽车零部件出口基地”，整体经济也因而发展增速。
2012年西青区汽车制造业规模以上企业总销售额2788073万元，共纳税105604万元，分别占全部规模以上企业的17.02%和34.41%，其中税收占比高于主导产业电子信息产业22个百分点。
中北镇和杨柳青镇现有一汽夏利和一汽丰田的4个整车生产厂，中北镇有汽车配套企业120多家，杨柳青镇有汽车配套企业近30家。
一、文献回顾国内已有文献中最早运用数据包络分析方法定量研究中国汽车产业的是胡洪力（2004）采用DEA中的CCR、BBC和NIRS模型，对我国1992年~2001年轿车企业整体规模经济状况进行了实证分析，得出我国轿车企业规模经济是存在的，并且最小经济规模（EMS）随我国轿车工业的技术进步和市场需求的增加不断增长的结论。
白雪洁，戴小辉（2006）运用DEA方法及Malmquist生产力指数分析了中国12家主要的轿车生产企业从2001年到2004年的效率变动情况，结果表明，我国主要轿车企业的生产经营效率总体上呈现逐年提高之势。
企业股权结构、含有外资的企业的股本来源、企业的区域分布以及所属不同企业集团等因素都会使企业在技术效率、纯技术效率与规模效率方面存在差异。
外国学者Christos Papahristodoulou（1997）从消费者效用最大化角度考虑，采用DEA方法分析1996年不同国家汽车企业所生产的121种不同车型的性价比情况，比较不同国家汽车企业的市场竞争力状况。
本文基于已有研究，将研究对象范围划定为天津市西青区，采用数据包络分析方法及Malmquist生产力指数分解法对该地区汽车制造业规模以上企业分类进行效率分析，并提出政策建议。
二、实证研究1.指标选取及数据来源。
本研究实证对象为汽车制造企业，投入要素选取：资本K，年末总资产（万元），即企业年末资产的价值总和，包括固定资产和流动资产；劳动力L，劳动人数（人），即年末就业人数。
产出指标为Y，各企业年主营业务收入（万元）。
时间选取2008年与2012年，数据来源于2009年和2012年天津统计年鉴、2008年和2012年西青统计年鉴，天津市西青区经济普查年鉴2008，2012年度西青区纳税100万元以上企业名录（国税+地税），2012年西青区规模以上工业企业按行业大类分组表，2012年西青区规模以上工业企业一览表。
2012年西青区汽车制造业共75家企业，即样本容量为75。
根据影响汽车制造业企业生产效率的变量分类：一是企业合资与否及合资方所属区域，将75家企业分为五类：中资、港澳台独资、外国独资、港澳台合资、外国合资。
二是企业所处地理位置：村落、街镇园区、开发区企业。
三是技术水平分为高、中高、中低、低（A、B、C、D）四个等级。
四是以企业有无官网为标准划分信息化水平。
2.西青区汽车制造业企业效率评价。
（1）总体规模效率、技术效率分析。
为了与西青区汽车制造业高速增长的趋势一致，本文采用产出导向的BCC 模型。
BCC模型的效率分析可获得效率值、技术进步、纯技术效率值、规模效率值和全要素生产率变化五项指标。
通过对75家企业2012年投入产出数据进行处理，得到各企业效率值及平均效率值。
参考集为第14、20、61家企业，即天津仁益日丰汽车零部件有限公司、天津丰田钢材加工有限公司、松美可（天津）汽车配件有限公司。
这3家公司是75家电子信息企业中效率水平最好的，分属西营门街、中基于ＤＥＡ模型的汽车制造业生产效率分析———以天津市西青区为例●刘纯彬李叶妍鹿媛媛摘要：汽车制造业是天津市西青区三大主导产业之一。
文章利用数据包络分析方法（ＤＥＡ）ＣＲＣ＼ＢＣＣ模型及Ｍａｌｍｑｕｉｓｔ生产力指数分解法分类计算西青区汽车制造业企业的生产效率，分跨年度、不同股权结构、不同地理位置、不同技术水平、不同信息化程度六类进行分析，得出效率水平总体呈上升趋势的结论，建议促进科技型中小企业孵化、科技竞争力增强、产业集群发展和产业粘合度提升。
关键词：纵向约束；竞争效应；反竞争效应；反垄断■名家观察■现代管理科学■2014年第1期北镇和西青经济技术开发区。
前两家主要生产汽车零部件，第三家主要产品为汽车配件。
纯技术效率衡量的是既定投入要素条件下企业生产产品（或服务）的能力。
西青区电子信息行业企业的平均纯技术效率DRS企业最高0.558，CRS企业居中0.500，IRS 企业最低0.428。
表明规模报酬递减企业在投入既定时的产出最高。
规模效率衡量的是企业规模扩张（或缩小）对于生产效率的影响。
结果表明，IRS企业并非预想的规模效率最高反而在三类型中最低0.843，而CRS企业则最高0.998，高于IRS企业该项值0.156。
行业均值略低于DRS企业指标值0.895，相差0.025。
这表明虽然IRS企业数量最多，但可能因为各企业效率参差不齐而使得效率整体水平被拉低。
CRS企业虽然最少，仅7家，但均保持着较高的规模效率水平。
而19家DRS企业比较能够代表行业整体规模效率。
从综合技术效率来看，CRS企业以0.500居首，DRS 略低为0.491，IRS仅0.339，平均水平为0.393。
（2）不同年份行业效率对比。
选取面板数据2008年和2011年全国、天津市及西青区的汽车制造行业企业三项指标（主营业务收入、年末总资产和年末就业人数）进行投入产出的计算，运用Malmquist生产力指数分解法，将全要素生产率的变化（Tfpch）分解为效率指数（Effch）和技术进步指数（Techch）的变化，其中效率指数变化等于纯技术效率变化（Pech）与规模效率变化（Sech）的乘积。
以1为分界，大于1代表效率值为正，则较优，小于1代表效率值为负，较劣。
无论运用CRC模型或BCC模型，三地区3年平均纯技术效率（Pech）均无变动，稳定于1.000。
天津市的规模效率变化（Sech）也维持在1.000，因而天津市3年内的效率指数（Effch）无变化。
同时，全国和西青区该行业规模效率变化分别为1.403和1.242，效率指数为规模效率乘以纯技术效率（1.000），因此也是1.403和1.242。
这一结果显示西青区在规模效率和综合效率指数指标上介于全国和天津市之间，3年增长了0.242倍，高于天津市0.242，低于全国0.161。
从技术进步指数（techch）来看，西青区在三者中最高为1.031，全国和天津市该项指标也差距不大，分别为1.006和1.001，天津技术水平提升较慢。
最终，全要素生产率变化（tfpch）分别为1.412、1.001和1.280，西青区仍居中，天津市最低但高于平均水准。
（3）不同股权结构企业效率分析。
西青区汽车制造业企业中较多中资、港澳台和外国独资企业，分占20家、19家和17家。
外国独资和外国合资企业的各项效率指标为最优，规模报酬不变。
这表明引进外资对我国汽车制造企业运用先进生产技术和管理方法，提高企业的纯技术效率发挥了相当的作用。
中资企业数目最多，纯技术效率处于前列，但受规模效率影响，综合技术效率为0.835仅排名第三，呈规模报酬递增。
这说明国有或民营汽车企业在生产规模上还有一定的扩张空间，通过资源整合、兼并重组等形式扩大企业的生产规模是提高生产效率的途径之一。
而港澳台合资企业数目并非最少，但纯技术效率、规模效率和综合技术效率均为最低值，呈现规模报酬递减的现象。
行业总体也呈现出规模效率递减。
（4）不同地理位置企业效率分析。
村落、街镇园区、开发区三地企业分布比较平均，其中各村企业略多，29家，除却纳税百万以下的（后文不再标注），2012年纳税总额为62253万元，占比58.95%，高出开发区企业25个百分点。
主营业务收入1070775万元，年末就业人数9463人，分别占比38.41%和35.45%，低于开发区各指标。
各街镇工业园区有22家企业，2012年纳税额为7592万元，主营业务收入278134万元，年末就业人数6161人。
该行业企业集中的街镇为中北镇和杨柳青镇，分别为36家和7家。
2012年中北镇该行业纳税额26911万元，行业内占比25.48%，而杨柳青镇虽然企业数目不大仅7家，而纳税额41083万元占比高达全行业的38.90%。
2012年中北镇该行业主营业务收入为765970万元占全行业的27.47%，杨柳青镇该指标为539511万元，占19.35%。
2012年中北镇该行业年末就业人数为11017人，占总数的41.27%，杨柳青镇为3585万人，仅占13.43%。
三区域企业的纯技术效率均为1.000。
开发区企业为三类别参考集，三项效率值均为1.000，生产效率为最优。
村落企业的综合技术效率、纯技术效率和规模效率分别为0.870、1.000和0.870，综合技术效率和规模效率较街镇园区企业均高出0.250。
结果显示，村落企业和街镇园区企业是规模报酬递增的，开发区企业效率值最高、规模报酬不变，整体来看电子信息行业是规模报酬递减的。
（5）不同技术水平企业效率对比。
西青区全部汽车制造业企业中评级为A等的有10家，其中西青经济技术开发区4家、中北镇4家、杨柳青镇2家。
不存在D等企业。
高技术水平企业的生产效率也高居榜首，规模报酬不变。
行业主体为中高技术水平企业，共41家，规模效率为0.726，规模报酬递减。
行业平均效率为0.796，呈现规模报酬递减特征。
中低技术水平企业及无法评定技术水平企业的三项效率指标最优，这可能由于一些科技型中小企业其技术水平仍在进步，虽技术水平尚达不到A等，但科技投入、科技活动、科技人员等投入使得企业成长较快，生产效率较高。
（6）不同信息化程度企业效率比较。
信息化程度高低对于汽车制造企业生产效率的影响并不显著。
有官网企业和无官网企业效率值都为1.000。
但企业信息平台的搭建等现代化技术手段很重要，虽然相对于资本、劳动力等主要投入要素，在生产效率提升方面所发挥的作用并不那么突出。
广告等宣传手段对企业声誉、竞争力的提升不可或缺，要考虑其间接效用。
通过企业网站搭建、媒体报道等渠道，上下游产业才会对该企业有了解，从而保证产业链完善顺畅，形成良性供求循环。
三、结论及建议1.2008年和2011年比较研究显示，（下转第１２０页）■名家观察■现代管理科学■2014年第1期西青区汽车制造业的技术效率总体呈上升趋势，高于天津市变化幅度，但低于全国水平。