DEA模型中的规模经济测度

DEA模型中的规模经济测度
减小字体 增大字体 作者：佚名 来源：本站整理 发布时间：2008-7-25 8:21:24
利用DEA方法研究规模经济，有必要首先明确DEA方法的有关理论。本节主要阐
述利用DEA方法研究规模经济的测度方法。
1.DEA模型中的效率前沿创建
以Charmes，Cooper和Rhodes创建的CCR模型为例，说明效率前沿的创建。设有
n个决策单位(DMU)，对每个DMU来说，有m个输入，s个输出，则DMU0的技术效率
可由下面的分式规划决定：
通过运算得出的θ0值就是DMU0的技术效率。实质上，上述线性规划的建立过程就
是创建样本点的效率前沿面的过程，也是通过比较所处的空间点与效率前面之间的即离而
得出DMU0技术效率的过程。线性规模划隐含着规模报酬不变的假设。在实际中，规模
报酬往往是变化的，因此在式(5-8)中加上限制条件
.DEA方法的应用注意事项
DEA方法在规模经济研究中应用时，应注意以下几个问题。
（1）样本的选择
DEA模型是通过创建效率前沿，确立标杆(benchmark)，来衡量木材加工产业技术效
率和规模效率的一种有效方法。利用DEA方法研究木材加工产业的规模经济，也是基于
对历史数据的实证分析，从而得出木材加工产业的规模经营状况，为其未来经营提出努力
方向。由于受到数据收集、计算工具处理量等条件的限制，不可能选取木材加工产业中的
所有企业，而只能选择一定的样本企业来反映整个产业，这就涉及到样本的选择问题。在
选取样本时，样本在质和量两方面都需遵循一定的规则和标准。
就样本量上的要求来看，无论是从技术还是经验出发，样本的个数都应大于投入产出
指标的总个数。一个单投入单产出的DMU，为确保效率分析的准确性，样本数量至少应
保证3个DMU，如果少于3个DMU，便有可能增加有效DMU的个数。如果一个行业中
DMU数量确实有限，一个有效的解决方法就是对数据进行分拆，例如可以把年度值分拆
成季度值或月值。
就样本质上的要求而言，一方面，必须保证DMU的同质特性；另一方面，样本中
必须包括劣、中、优的DMU。这样，既具有了可比性，又选择了一些先进的DMU，以
有利于找出差距，对劣、中级的DMU进行相应的改进。
（2）投入产出指标的选择
投入产出指标的选取是应用DEA方法解决相关问题的又一个关键所在。选择正确的
投入产出指标对确保结果的有效性和科学性至关重要。一般而言，选择投入产出指标可以
从遵循以下几条原则。
①在一定范围内，投入产出之间必须存在一种正向关系。即投入的增加可以促使产出67
的增加，而不是减少。
②投入产出指标的选取必须保持与实际相吻

合，与相应的木材加工产业衡量标准相一
致。
③投入产出变量的测度标准必须保持前后一致。
④投入产出的数值能方便地获取并能保证其真实性、权威性。
总体而言，DEA方法的运用，要尽可能做到既能反映江苏木材加工产业的规模经济
现状，又能挖掘出江苏木材加工产业规模效益的主要影响因素，从而为确定江苏木材加工
产业规模效益提升的路径提供参考依据。