超效率dea是数据包络分析的一种吗

介绍 数据包络分析法：英文全名叫 Data Envelopment Analysis 简称 DEA。是效率评价中常用的一种评价模型，他是运筹学、经济学、计量学、统计学等多种学科综合在一起的运用非常广泛的一种评价方法。 基本思想是通过DMU 的输入和输出数据进行综合分析，得出每个DMU效率的相对指标，然后将所有DMU效率指标排序，确定相对有效的 DMU ，同时还可以用投影方法指出非 DEA 有效或者 弱 DEA有效的原因，以及应该改进的方向和程度，为管理人员提供管理决策信息。 特点 数据包络分析特点： 适用于多产出-多投入的有效性综合评价问题，在处理多产出-多投入的有效性评价方面具有绝对优势。 数据包络分析方法并不直接对数据进行综合，因此决策单元的最有效率指标与投入指标值及产出指标值的量纲选取无关。 无需任何权重假设，而以决策单元投入产出的实际数据求得最有权重，排除了很多主观因素，具有很强的客观性。 不仅可以将待评价的决策单元进行效率排队，还能进一步指出无效单元的无效原因及改进的方向和尺度，为决策者提供更多有价值的管理信息。 缺点： 结果只能表明评价单元的相对发展指标，无法对实际的发展水平明确表示。 由于各个决策单元都是从最有利于自己的角度分别求得权重，这样会导致这些权重随着 DMU 的不同而不同。从而使得每个决策单元 DMU 的特性缺乏可比性。这样得出的结果可能不符合客观实际。 DEA方法隐含要求问题方案具有更好的结构化、确定性的特征、，使其较难适应管理对象系统中的模糊性、主观性的评价情景和需要。从而限制了DEA方法在管理领域中的使用。 原理 数据包络分析的原理主要是通过对生产决策单元（Decision Making Units ,DMU）的输入与输出数据的研究，从相对有效性的角度出发来评价具有相同类型的多投入、多产出决策单元的技术与规模的有效性。 借助数学规划和统计数据确定相对有效性的生产前沿面，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DEA偏离前沿面的程度来评价它们的相对有效性。它不需要以参数形式规定生产前沿函数，并且允许生产前沿函数可以因为单位的不同而不同，不需要弄清楚各个评价决策单元的输入与输出之间的关联方式，只需要最终用极值的方法，以相对收益这个变量作为总体上的衡量标准。 生产决策单元（Decision Making Units ,DMU） 指DEA 方法将一项活动或一个动态系统看作该系统在一定范围内通过一定数量的生产要素并产出一定数量的产出的过程。为使该项活动或动态系统取得最大的效益，这一过程须经过一些列的决策，产出是觉得的结果。这样的系统就是决策单元。每一个决策单元都有一定的输入与输出，并在输入转化为输出的过程中努力实现自身的决策目标。 具体 参考文档： https://doc.mbalib.com/view/a36a0cd38e260e6dcde4fefb2dc15fef.html https://doc.mbalib.com/view/87aebdb76f4d76f2985f919850d64da1.html

一、什么是数据包络分析DEA 数据包络分析DEA是一种多指标投入和产出评价的研究方法，其应用数学规划模型计算比较决策单元（DMU）之间的相对效率，对评价对象做出评价。比如有10个学校(即10个决策单元DMU,Decision Making Units)，每个学校有投入指标（比如学生人均投入资金），也有产出指标（比如学生平均成绩，学生奥数比赛比例等），有的学校投入多，有的学校投入少，但是投入多或少，均会有对应的产出，那么具体哪个学校的投入产出更加优秀呢，诸如此类投入产出的优劣问题，则可使用数据包络DEA模型进行分析。 最常见的DEA模型为CCR和BBC，此两种模型的区别在于是否假定‘规模报酬可变"，其对比如下： 二、数据包络分析DEA案例 1 当前希望对天津市的城市可持续发展情况进行研究，共收集1990~1999共计10年的相关指标数据。具体说明如下表格： 原始数据如下图，从下图来看，从1990~1999年共计10年里面，人均GDP和城市环境质量指数均在逐步提高，单独从产出指标来看说明每年都在提升。但反过来看，3个投入指标却有高有低，那么到底哪些年的投入产出较好，而哪些年的投入产出还有改进空间并不知晓，这正是需要数据包络分析DEA分析寻找的答案。 2 数据包络分析DEA时，首先需要分析综合效益值θ，即首先判断DMU是否有DEA有效，如果有效，则说明该DMU较优，反之说明‘非DEA有效"，即相对来说还有提升空间，那么提升空间具体在哪里呢，比如提高还是减少规模呢，可以通过规模效益分析得到。与此同时，如果是‘非DEA有效"，那么具体问题是什么，投入冗余还是产出不足，则可以通过对应的投入冗余 或产出不足分析表格得出，具体数字直接查看松驰变量即可。如下表所示： 3 本例子操作截图如下： 分别将3个投入指标和2个产出指标放在对应的框中，与此同时，本案例中年份为决策单元DMU，因此放入对应的框中，当然也可以不放入DMU（如果不放入，SPSSAU默认输出为比如第1项，第2项等）。另外，本案例使用默认的BBC(VRS)模型进行分析。 4 如果是BBC模型时，SPSSAU共输出6个表格和1个图。分别如下： 如果是CCR模型时，SPSSAU共输出4个表格【无规模报酬相关的表格】和1个图。分别如下： 5 有效性分析是指决策单元DMU的总体有效性情况，本案例使用BBC模型进行分析。从上表可以看出：1997，1998和1999这三年的数据均为‘DEA强有效"，即相对于其它年份（DMU）来讲，此3年的投入产出达到相对最有效率。 关于有效性的判断规则说明如下： 如果综合效益值等于1且松驰变量S-和松驰变量均为0，那么为DEA强有效，说明相对来讲某DMU单元达到最有效率；如果综合效益值等于1并且2个松驰变量任意中任意1个大于0，那么为DEA弱有效，说明某DMU单元已经相对有效率但还有一定提升空间；如果说综合效益值小于1（此时不论松驰变量为多少），那么为非DEA有效，即说明相对来讲投入产出比效率较差。 以及关于上表格中各指标的意义说明如下表： 从本案例分析来看，除1997，1998和1999共3个决策单元外，其余年份（决策单元DMU）均为非DEA有效，即还有较大的提升空间，下述中还会进一步对规模效益系数进行分析。 上图为有效性分析的图示化，人上图可以看到，从1990到1999年变迁过程中，综合效益值在不断的提升，也即说明政府的投入产出效率在不断提升。包括规模效益和技术效益均在不断提升，进一步说明投入产出效率的提升，也即说明政府的效率在不断提高。 针对BBC模型即规模报酬可变模型来看，上述分析可知，1997,1998和1999这3年均为DEA强有效，自然其规模报酬达到最优即规模报酬固定。而1997年之前，规模报酬系数值均小于1，也即说明规模报酬递增，加大规模更加速提高投入产出比。可能这也正是政府在逐年提升投入的原因。关于规模报酬系数的判断规则说明如下表: 针对非DEA有效的决策单元DMU，可进一步分析其‘投入冗余"情况。当然DEA强有效的决策单元（本案例中的1997，1998和1999共3年），相对意义上其并没有投入冗余问题，因此松驰变量S-值均为0。 松驰变量S-意义为“减少多少投入时达目标效率”，简单来说就是得到基于当前的产出，投入要减少多少才能达到高效率。该值越小越好，最小值为0（即最优状态），从上表可知：从1990~1996年间，政府财政收入占GDP比例对应的松驰变量S-值一直都大于0，意味着财政收入相对GDP过高（收税相对过多）。与此同时，在1994~1996年这3年里，每千人科技人员数的松驰变量S-值较高，意味着科技人员占比相对过高，可适量减少科技人员投入。 至于投入冗余率，其是一个相对的数字，即‘过多投入"除以‘已投入"，分析时可直接对比该数字，如果该值越大意味着需要减少的比例越大。 针对非DEA有效的决策单元DMU，可进一步分析其‘产出不足"情况。当然DEA强有效的决策单元（本案例中的1997，1998和1999共3年），相对意义上其并没有产出不足问题，因此松驰变量S+值均为0。 松驰变量S+意义为“增加多少产出时达目标效率”，简单来说就是得到基于当前的投入，产出要增加多少才能达到高效率。该值越小越好，最小值为0（即最优状态），从上表可知：人均GDP这一产出变量仅在1995年出现松驰变量S+值大于0，意味着1995年时人均GDP相对产出较低。与此同时，1990~1993共4年时间里，松驰变量S+值大于0，说明此4年里面相对于投入，产出效率还有提升空间（即产出不够）。 至于产出不足率，其是一个相对的数字，即‘产出不足"除以‘已产出"，分析时可直接对比该数字，如果该值越大意味着需要产出增加的比例越大。 描述统计分析表格为各研究指标的平均值和标准差值等，用于查阅数据中是否有缺失或异常情况等，并无其它意义。 6 涉及以下几个关键点，分别如下： 数据包络分析DEA从数学原理上并不要求数据进行量纲化处理，如果需要处理，可使用SPSSAU数据处理里面的生成变量功能进行处理。与此同时，如果数据有负向（逆向）指标，则需要对其进行逆向化处理，让其指标意义变为正向。处理方式为：SPSSAU数据处理里面的生成变量功能中的逆向化处理。 如果指标中有负向（逆向）指标，那么需要对负向（逆向）指标进行逆向化处理，使其意义变为正向。处理方式为：SPSSAU数据处理里面的生成变量功能中的逆向化处理。 数据包络DEA分析有很多模型，BBC和CCR最为经典，如果考虑规模报酬可变则使用BBC，反之如果认为规模报酬不变则应使用CCR，通常情况下使用BBC较多。 数据包络DEA分析进行分析时，其是一个相对对比的过程，即基于所分析数据里面对比相对的优劣，比如不同城市的DEA分析，有的分析发现北京DEA有效，但指标更改后（或对比的DMU更换），可能就会出现北京为非DEA有效。

1. 概念数据包络分析方法（DEA）是根据多项投入指标和多项产出指标，利用线性规划的方法，评价具有相同类型投入和产出的若干决策单元相对效率的数量分析方法，在经济学和管理学上有广泛应用。数据包络分析方法分为投入导向和产出导向两种类型，本文选择产出导向的DEA模型。产出导向的DEA模型分为固定规模效益（CRS）模式和可变规模收益（VRS）模式。本文选取产出导向的可变规模收益（VRS）模式，即BC2模型。2. 工具DEAP2.1是数据包络分析方法专用的数据分析工具，DEAP2.1不是一个软件，而是一个由程序文件包组成的运行程序。打开程序文件包（以15年1季度数据为例），deap.EXE是运行程序，123.INS是模型参数选择文件，123.DTA是数据文件，15-1.OUT是结果输出文件。 3. 数据处理步骤（1）将需要分析的数据输入Excel，产出数据（净资产报酬率和托宾Q值）在前，投入数据（总资产、流通股比率和长期资产负债率）在后，拉大行间距，然后将数据另存为txt文档，存至程序所在目录，将文本文档命名为123.txt。也可以将数据在Excel中排好版，直接复制到123.DTA中，然后手动在123.DTA中调整出现错位的数据。（2）打开123.INS模型参数选择文件第一行“123.dta”是将要运行的数据文件，如果不一致，需要手动需改第二行“123.out”是输出结果的文件名称第三行是将要分析的数据个数，2015年1季度有22家企业数据第四行是时期数，本次只是2015年1季度一个截面，所以写1第五行是产出变量个数（净资产报酬率和托宾Q值）第六行是投入变量个数（总资产、流通股比率和长期资产负债率）第七行是选择投入导向（0）还是产出导向（1）第八行是选择固定规模效益（CRS）模式和可变规模收益（VRS）模式，本文选VRS第九行是具体计算方法，0：多阶段算法；1：是基于成本的算法；2：考虑全要素生产力指数算法；3：一阶段算法；4：两阶段算法。一般情况下都选多阶段算法（0），结果更加精确。

运筹学第3版课件数据包络分析(DEA)简介。数据包络分析 (DEA) 是由美国著名运筹学家 A.Charnes (查恩斯) 、W.W.Cooper (库铂) 、E.Rhodes (罗兹) 于 1978 年首先提出，在相对效率评价概念基础上发展起来的一种非参数检验方法。在 DEA 中，受评估的单位或组织被称为决策单元 (简称 DMU) 。DEA 通过选取决策单元的多项投入和产出数据，利用线性规划，以最优投入与产出作为生产前沿，构建数据包络曲线。其中，有效点会位于前沿面上，效率值标定为 1；无效点则会位于前沿面外， 并被赋予一个大于 0 但小于 1 的相对的效率值指标。DEA 模型具体又可细分为三种类型：(1) CCR 模型：该模型假定规模报酬不变，主要用来测量技术效率; (2) BCC 模型：该模型假定规模报酬可变，主要测算纯技术效率，即技术效率与规模效率的比值; (3) DEA-Malmquist 指数模型：该模型可以测算出决策单元 (DMUs) 的生产效率在不同时期的动态变化情况。

可以。数据包络分析DEA是一种多指标投入和产出评价的研究方法，可以算一年的效率。DEA数据包络分析法，简称DEA，是利用线性规划的形式，纳入多个投入指标和多个产出指标，针对具有相同的类型的单元进行有效率评价的一种方法。

《数据包络分析》（DEA）是一本关于数据包络分析（DEA）方法、模型和理论的专著，是作者十几年工作的总结。第一章详细地讨论了DEA模型C2R；第二章讨论了微观经济学中的效率和生产可能集，为以后各章的讨论做微观经济方面的准备；第三章使用具有取值0和1的三个参数的综合DEA模型，统一形式地讨论了“经典”的DEA模型C2R，BC2，FG和ST；第四章给出了综合DEA模型对应的生产可能集的（弱）生产前沿面的特征、结构及构造方法；第五章研究了决策单元的规模收益和“拥挤”迹象分析；第六章研究了综合DEA模型的对策论背景；第七章研究了具有无穷多个决策单元的DEA模型；第八章使用DEA方法进行技术进步评估；第九章研究非参数的DEA最优化模型；第十章和第十一章分别研究了具有“偏好锥”和“偏袒锥”的综合DEA模型及其性质和作用。在人们的生产活动和社会活动中常常会遇到这样的问题：经过一段时间之后，需要对具有相同类型的部门或单位（称为决策单元）进行评价，其评价的依据是决策单元的“输入”数据和“输出”数据，输入数据是指决策单元在某种活动中需要消耗的某些量，例如投入的资金总额，投入的总劳动力数，占地面积等等；输出数据是决策单元经过一定的输入之后，产生的表明该活动成效的某些信息量，例如不同类型的产品数量，产品的质量，经济效益等等．再具体些说，譬如在评价某城市的高等学校时，输入可以是学校的全年的资金，教职员工的总人数，教学用房的总面积，各类职称的教师人数等等；输出可以是培养博士研究生的人数，硕士研究生的人数，大学生的人数，学生的质量（德，智，体），教师的教学工作量，学校的科研成果（数量与质量）等等．根据输入数据和输出数据来评价决策单元的优劣，即所谓评价部门（或单位）间的相对有效性。数据包络分析是运筹学的一个新的研究领域。Charnes和Cooper等人的第一个应用DEA的十分成功的案例，是在评价为弱智儿童开设公立学校项目的同时，描绘出可以反映大规模社会实验结果的研究方法。在评估中，输出包括“自尊”等无形的指标；输入包括父母的照料和父母的文化程度等，无论哪种指标都无法与市场价格相比较，也难以轻易定出适当的权重（权系数），这也是DEA的优点之一。

DEA：data envelopment analysis的缩写，即数据包络分析。DEA有效性与相应的多目标规划问题的pareto有效解（或非支配解）是等价的。数据包络分析(即DEA)可以看作是一种统计分析的新方法。它是根据一组关于输入－输出的观察值来估计有效生产前沿面的。在经济学和计量经济学中，估计有效生产前沿面，通常使用统计回归以及其它的一些统计方法，这些方法估计出的生产函数并没有表现出实际的前沿面，得出的函数实际上是非有效的。扩展资料股市的市场特点有以下：1 有一定的市场流动性，但主要取决于当日交易量（交易量取决于投资人心理预期）。2股票市场只在纽约时间早上的9：30到下午4：00（中国市场为下午三点）开放，收市后的场外交易有限。3成本和佣金并不是太高适合一般投资人。4 卖空股票受到政策（需要开办融资融券业务）和资本（约50万）的限制，很多交易者都为此感到沮丧。5 完成交易的步骤较多，增加了执行误差和错误。参考资料来源：百度百科--dea参考资料来源：百度百科--股票市场

《数据包络分析》（DEA）是一本关于数据包络分析（DEA）方法、模型和理论的专著，是作者十几年工作的总结。第一章详细地讨论了DEA模型C2R；第二章讨论了微观经济学中的效率和生产可能集，为以后各章的讨论做微观经济方面的准备；第三章使用具有取值0和1的三个参数的综合DEA模型，统一形式地讨论了“经典”的DEA模型C2R，BC2，FG和ST；第四章给出了综合DEA模型对应的生产可能集的（弱）生产前沿面的特征、结构及构造方法；第五章研究了决策单元的规模收益和“拥挤”迹象分析；第六章研究了综合DEA模型的对策论背景；第七章研究了具有无穷多个决策单元的DEA模型；第八章使用DEA方法进行技术进步评估；第九章研究非参数的DEA最优化模型；第十章和第十一章分别研究了具有“偏好锥”和“偏袒锥”的综合DEA模型及其性质和作用。在人们的生产活动和社会活动中常常会遇到这样的问题：经过一段时间之后，需要对具有相同类型的部门或单位（称为决策单元）进行评价，其评价的依据是决策单元的“输入”数据和“输出”数据，输入数据是指决策单元在某种活动中需要消耗的某些量，例如投入的资金总额，投入的总劳动力数，占地面积等等；输出数据是决策单元经过一定的输入之后，产生的表明该活动成效的某些信息量，例如不同类型的产品数量，产品的质量，经济效益等等．再具体些说，譬如在评价某城市的高等学校时，输入可以是学校的全年的资金，教职员工的总人数，教学用房的总面积，各类职称的教师人数等等；输出可以是培养博士研究生的人数，硕士研究生的人数，大学生的人数，学生的质量（德，智，体），教师的教学工作量，学校的科研成果（数量与质量）等等．根据输入数据和输出数据来评价决策单元的优劣，即所谓评价部门（或单位）间的相对有效性。数据包络分析是运筹学的一个新的研究领域。Charnes和Cooper等人的第一个应用DEA的十分成功的案例，是在评价为弱智儿童开设公立学校项目的同时，描绘出可以反映大规模社会实验结果的研究方法。在评估中，输出包括“自尊”等无形的指标；输入包括父母的照料和父母的文化程度等，无论哪种指标都无法与市场价格相比较，也难以轻易定出适当的权重（权系数），这也是DEA的优点之一。

当输入和输出指标之间存在复杂的甚至是未知的关系时,评价工作将更加难以进行。数据包络分析 ,作为处理多输入多输出

数据分析和数据包络分析的区别是采用的方法和定义不同。数据分析是对收集来的大量数据进行分析，提取有用信息，对数据加以详细研究和概括总结的过程。数据包络分析是一种用于进行综合评判分析的非参数方法。

最小的技术效率得分。数据包络分析中最小theta是指最小的技术效率得分，数据包络分析是一种用于进行综合评判分析的非参数方法，它使用线性规划来估计多个决策单元（DMU）的有效性，它广泛应用于生产、管理学和经济学等领域。

CCR是三个运筹学家名字缩写。（A. Charnes & W. W. Cooper & E. Rhodes）Data envelope analyse的缩写,即数据包络分析。《数据包络分析》(DEA)是一本关于数据包络分析(DEA)方法、模型和理论的专著，是作者十几年工作的总结。 DEA有效性与相应的多目标规划问题的pareto有效解（或非支配解）是等价的．数据包络分析(即DEA)可以看作是一种统计分析的新方法．它是根据一组关于输入－输出的观察值来估计有效生产前沿面的．

可以分析。在Access数据库中,有很多种方法可以进行数据分析，比如,可以建立查询,通过条件筛选,得到我们需要的数据,可以建立报表,将我们要的结果打印出来,可以建立图表,将我们要的结果直观表示出来。数据包络法即DEA（Data Development Analysis），亦称数据发展分析法。

是。由于dea数据包络分析法是除了主观价值判断，只对经济现象、经济行为或经济活动及其发展趋势做客观分析，只考虑经济事物间相互联系的规律，符合实证分析定义，所以是实证分析。

　　因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。　　数据包络分析方法(DataEnvelopmentAnalysis,DEA)是运筹学、管理科学与数理经济学交叉研究的一个新领域。它是根据多项投入指标和多项产出指标,利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。DEA方法及其模型自1978年由美国著名运筹学家A.Charnes和W.W.Cooper提出以来，已广泛应用于不同行业及部门，并且在处理多指标投入和多指标产出方面，体现了其得天独厚的优势。

DEA是一个线性规划模型，表示为产出对投入的比率。通过对一个特定单位的效率和一组提供相同服务的类似单位的绩效的比较，它试图使服务单位的效率最大化。在这个过程中，获得100%效率的一些单位被称为相对有效率单位，而另外的效率评分低于100%的单位被称为无效率单位。这样，企业管理者就能运用DEA来比较一组服务单位，识别相对无效率单位，衡量无效率的严重性，并通过对无效率和有效率单位的比较，发现降低无效率的方法。 DEA线形规划模型建立如下：1) 定义变量设Ek（k=1，2，……， K）为第k个单位的效率比率，这里K代表评估单位的总数。设uj（j=1，2，……， M）为第j种产出的系数，这里M代表所考虑的产出种类的总数。变量uj用来衡量产出价值降低一个单位所带来的相对的效率下降。设vI（I=1，2，……，N）为第I种投入的系数，这里N代表所考虑的投入种类的总数。变量vI用来衡量投入价值降低一个单位带来的相对的效率下降。设Ojk为一定时期内由第k个服务单位所创造的第j种产出的观察到的单位的数量。设Iik为一定时期内由第k个服务单位所使用的第i种投入的实际的单位的数量。2) 目标函数目标是找出一组伴随每种产出的系数u和一组伴随每种投入的系数ν，从而给被评估的服务单位最高的可能效率。（*）式中，e是被评估单位的代码。这个函数满足这样一个约束条件，当同一组投入和产出的系数（uj和vi）用于所有其他对比服务单位时，没有一个服务单位将超过100%的效率或超过1.0的比率。3) 约束条件（**）k=1,2,……,K式中所有系数值都是正的且非零。为了用标准线性规划软件求解这个有分数的线性规划，需要进行变形。要注意，目标函数和所有约束条件都是比率而不是线性函数。通过把所评估单位的投入人为地调整为总和1.0，这样等式（*）的目标函数可以重新表述为：满足以下约束条件：对于个服务单位，等式（**）的约束条件可类似转化为：k=1,2,…,K式中 uj≥0 j=1，2，…，M vi≥0 i=1，2，…，N 关于服务单位的样本数量问题是由在分析种比较所挑选的投入和产出变量的数量所决定的。下列关系式把分析中所使用的服务单位数量K和所考虑的投入种类数N与产出种类数M联系出来，它是基于实证发现和DEA实践的经验：

选中这些数据，插入，图表，饼图，确定。 右键点饼图中的饼，添加数据标签，确定；再右键，设置数据标签格式，百分比。 完成。

DEA：data envelopment analysis的缩写，即数据包络分析。DEA有效性与相应的多目标规划问题的pareto有效解（或非支配解）是等价的。数据包络分析(即DEA)可以看作是一种统计分析的新方法。它是根据一组关于输入－输出的观察值来估计有效生产前沿面的。在经济学和计量经济学中，估计有效生产前沿面，通常使用统计回归以及其它的一些统计方法，这些方法估计出的生产函数并没有表现出实际的前沿面，得出的函数实际上是非有效的。扩展资料股市的市场特点有以下：1 有一定的市场流动性，但主要取决于当日交易量（交易量取决于投资人心理预期）。2股票市场只在纽约时间早上的9：30到下午4：00（中国市场为下午三点）开放，收市后的场外交易有限。3成本和佣金并不是太高适合一般投资人。4 卖空股票受到政策（需要开办融资融券业务）和资本（约50万）的限制，很多交易者都为此感到沮丧。5 完成交易的步骤较多，增加了执行误差和错误。参考资料来源：百度百科--dea参考资料来源：百度百科--股票市场

DEA数据包络分析中的BCC模型和CCR模型的区别为：对应模型不同、说明效率不同、存在情况不同。一、对应模型不同1、BCC模型：BCC模型对应规模可变的VRS模型。2、CCR模型：CCR模型对应规模不变的CRS模型。二、说明效率不同1、BCC模型：BCC模型可以说明技术效率、纯技术效率和规模效率。2、CCR模型：CCR模型只能说明技术效率，不能说明纯技术效率和规模效率。。三、存在情况不同1、BCC模型：BCC模型存在递增或递减情况。2、CCR模型：CCR模型既没有递增也没有递减情况。BCC模型应用于DMU处于变动规模报酬情形下，用来衡量纯技术和规模效率。变动规模报酬与条件相当的受评单位比较。CCR模型应用于DMU处于固定规模报酬情形下，用来衡量总效率。固定规模报酬是所有DMU一起比较的效率评估。

问题一：因子分析法的优缺点 u30fb 简化系统结构，探讨系统内核。可采用主成分分析、因子分析、对应分析等方法，在众多因素中找出各个变量最佳的子 *** ，从子 *** 所包含的信息描述多变量的系统结果及各个因子对系统的影响。“从树木看森林”，抓住主要矛盾，把握主要矛盾的主要方面，舍弃次要因素，以简化系统的结构，认供系统的内核。 u30fb 构造预测模型，进行预报控制。在自然和社会科学领域的科研与生产中，探索多变量系统运动的客观规律及其与外部环境的关系，进行预测预报，以实现对系统的最优控制，是应用多元统计分析技术的主要目的。在多元分析中，用于预报控制的模型有两大类。一类是预测预报模型，通常采用多元线性回归或逐步回归分析、判别分析、双重筛选逐步回归分析等建模技术。另一类是描述性模型，通常采用聚类分析的建模技术。 u30fb 进行数值分类，构造分类模式。在多变量系统的分析中，往往需要将系统性质相似的事物或现象归为一类。以便找出它们之间的联系和内在规律性。过去许多研究多是按单因素进行定性处理，以致处理结果反映不出系统的总的特征。进行数值分类，构造分类模式一般采用聚类分析和判别分析技术。 如何选择适当的方法来解决实际问题，需要对问题进行综合考虑。对一个问题可以综合运用多种统计方法进行分析。例如一个预报模型的建立，可先根据有关生物学、生态学原理，确定理论模型和试验设计；根据试验结果，收集试验资料；对资料进行初步提炼；然后应用统计分析方法(如相关分析、逐步回归分析、主成分分析等)研究各个变量之间的相关性，选择最佳的变量子 *** ；在此基础上构造预报模型，最后对模型进行诊断和优化处理，并应用于生产实际。 问题二：因子分析法和数据包络分析法 有何区别？ 100分 因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。 数据包络分析方法(DataEnvelopmentAnalysis,DEA)是运筹学、管理科学与数理经济学交叉研究的一个新领域。它是根据多项投入指标和多项产出指标,利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。DEA方法及其模型自1978年由美国著名运筹学家A.Charnes和W.W.Cooper提出以来，已广泛应用于不同行业及部门，并且在处理多指标投入和多指标产出方面，体现了其得天独厚的优势。 问题三：因子分析是否一定能得分析得到主因子 主成分分析法在SPSS中没有办法直接实现,是通过因子分析来构建模型的.它们的区别还是模型构建体系不一样,因子分析是 F=AX； 主成分分析则是用特征根向量求出的矩阵算出因子得分,与因子分析直接得出的得分是不一样的. 问题四：因子分析是否一定能得分析得到主因子 因子分析有前提条件的 问题五：因子分析法在研究企业业绩评价中有什么优点 可以用因子熵值法: 因子熵值法的原理是运用因子分析法减少评价指标，在尽量减少原指标所含信息的损失的基础上，将众多的单项指标综合为少数综合指标；运用熵值法客观确定指标权重，在数学变换中伴随生成综合评价所涉及的权数，最大限度减少评价者个人因素对评价结果的影响。 如下:案例 某建筑集团公司下属有六个施工企业，每年需要对其进行绩效评价。评价指标体系为塔式结构，包含3个指标层，共49个指标（具体评价指标体系略）。以往采用加权合成法、模糊综合评价等方法进行评价，评价工作复杂，评价结果往往受到评价者个人因素的较大影响。因此，该企业尝试在绩效评价体系中应用因子熵值法。 项目管理者联盟文章，深入探讨。 因子熵值法首先需要对因子分析以提取主因子并命名，它的过程包含以下内容：①对原始数据进行标准化处理，对标准化指标求相关系数矩阵。相关系数可反映指标间信息重迭的程度，其值越大，信息重迭的程度越高；其值越小，重迭的程度越低。②计算相关系数矩阵的特征值、特征向量、特征值贡献率和特征值累积贡献率。③根据特征值贡献率和累积贡献率确定主因子个数。确定的一般原则为：当累积贡献率>80%，某一主因子贡献率 问题六：怎么判断样本能不能因子分析？ 基本指标层面的因子分析检验 在对数据进行因子分析前首先要对其进行检验，来判断是否适合做因子分析，检验所采用的方法为巴特利特球度检验(BartlettTestofSphericity)和KMO(Kaiser-Meyer-Olkin)检验。 巴特利特球度检(BartlettTestofSphericity)是假设相关系数矩阵是一个单位阵，如果统计量值比较大，且其相对应的相伴概率值小于用户指定的显著性水平，拒绝原假设，认为适合作因子分析。反之，接受原假设，不适合作因子分析。 问题七：探索性因子分析的目的意义有哪些 看你对变量理论的分组符不符合实际的情况，是确保模型合理性的前提

即数据包络分析。《数据包络分析》(DEA)是一本关于数据包络分析(DEA)方法、模型和理论的专著，是作者十几年工作的总结。 DEA有效性与相应的多目标规划问题的pareto有效解（或非支配解）是等价的．数据包络分析(即DEA)可以看作是一种统计分析的新方法．它是根据一组关于输入－输出的观察值来估计有效生产前沿面的．《数据包络分析》(DEA)是一本关于数据包络分析(DEA)方法、模型和理论的专著，是作者十几年工作的总结。第一章详细地讨论了DEA模型C2R；第二章讨论了微观经济学中的效率和生产可能集，为以后各章的讨论做微观经济方面的准备；第三章使用具有取值0和1的三个参数的综合DEA模型，统一形式地讨论了“经典”的DEA模型C2R，BC2，FG和ST；第四章给出了综合DEA模型对应的生产可能集的(弱)生产前沿面的特征、结构及构造方法；第五章研究了决策单元的规模收益和“拥挤”迹象分析；第六章研究了综合DEA模型的对策论背景；第七章研究了具有无穷多个决策单元的DEA模型；第八章使用DEA方法进行技术进步评估；第九章研究非参数的DEA最优化模型；第十章和第十一章分别研究了具有“偏好锥”和“偏袒锥”的综合DEA模型及其性质和作用

DEAPDEAP使用方法有时我们会用到DEAP软件，DEAP软件下载下来后没有安装文件，它是直接在deap.exe文件中运行，如下为具体步骤：操作步骤 资料档 1.Excel编制,按照产出项,投入项,(要素价格)排列 2.将Excel工作表→ "另存新档" 3.档案名称为"数字或英文字母" 4.档案类型为"格式化文字(空白分隔)" →避免格式走调.. 5.再按"储存" →储存位置须在"DEAP资料夹"中 6.储存后,副档名为.prn,再以笔记本的另存新档方式,将副档名改为.dta. 7.最后用deap.exe文件运行，输入第6步新保存在DEAP文件夹中所保存的prn文件名，按ENTER。运行后在DEAP文件夹中会出现两个新的文件，将其中一个不是Ok的文件以EXCELL方式打开既可。

DEA产出指标中，有些指标越高越好，比如GDP等指标，有些是越低越好，比如污染物排放量等，系统在分析过程中，会默认成产出越大越好，这样会造成分析结果出现问题。为了解决这问题，应在定义变量时，对有些变量做适当的处理，比如污染物排放量，可以取其倒数。

一年一年的做，或者你用malmquist模型，可以做面板数据的。其有时间序列和截面两个维度，当这类数据按两个维度排列时，是排在一个平面上，与只有一个维度的数据排在一条线上有着明显的不同，整个表格像是一个面板,所以把panel data译作"面板数据"。但是,如果从其内在含义上讲,把panel data译为"时间序列-截面数据" 更能揭示这类数据的本质上的特点。也有译作"平行数据"或"TS-CS数据(Time Series - Cross Section)"。

Data Envelopment Analysis: Based on the concept of Pareto Optimality. Whenmeasuring the efficiency value of DMU, only the production margin is required.The production margin would then be compared with actual production tocalculate efficiency values.Strengths:(i) DEA could be used to handle problems with multiple inputs and outputs.(ii) It would not be influenced by different scales.(iii) The results of DEA evaluation on efficiency is a composite indicator, andcould be used to apply the concept of total production factors in economics.(iv) The weighted value in the DEA model is the product of mathematicalcalculation and hence free from human subjectivity.(v) DEA can deal with interval data as well as ordinal data.(vi) The results of the evaluation by DEA could provide more information onthe data used, which could be used as a reference in the decision-makingprocess.Weaknesses:(i) It yields the efficient frontier, which may be quite large.(ii) If the sample size is too small, the outcome is less reliable.(iii) There should not be too many variables.(iv) The degree of relation between the input and output variables (indicators)is not considered.

现代综合评价方法包括主成分分析法、数据包络分析法、模糊评价法等。(1)主成分分析法。主成分分析是多元统计分析的一个分支。是将其分量相关的原随机向量，借助于一个正交变换，转化成其分量不相关的新随机向量，并以方差作为信息量的测度，对新随机向量进行降维处理。再通过构造适当的价值函数，进一步做系统转化。(2)数据包络分析法。它是创建人以其名字命名的DEA模型——CR模型。DEA法不仅可对同一类型各决策单元的相对有效性做出评价与排序，而且还可进一步分析各决策单元非DE有效的原因及其改进方向，从而为决策者提供重要的管理决策信息。(3)模糊评价法。模糊评价法奠基于模糊数学。它不仅可对评价对象按综合分值的大小进行评价和排序，而且还可根据模糊评价集上的值按最大隶属度原则去评定对象的等级。

　　Results from DEAP Version 2.1　　　　Instruction file = eg3.ins　　Data file = eg3.dta　　　　Input orientated DEA　　　　Scale assumption: CRS　　　　Slacks calculated using multi-stage method　　EFFICIENCY SUMMARY:　　　　firm te　　1 0.364　　2 0.800　　3 1.000　　4 0.500　　5 1.000　　　　mean 0.733　　SUMMARY OF INPUT TARGETS:　　Results for firm: 2　　Technical efficiency = 0.800　　PROJECTION SUMMARY:　　variable original radial slack projected　　value movement movement value　　output 1 2.000 0.000 0.000 2.000　　output 2 2.000 0.000 2.800 4.800　　input 1 4.000 -0.800 0.000 3.200　　input 2 1.000 -0.200 0.000 0.800　　input 3 3.000 -0.600 0.000 2.400　　Results for firm: 5　　Technical efficiency = 1.000　　PROJECTION SUMMARY:　　variable original radial slack projected　　value movement movement value　　output 1 2.000 0.000 0.000 2.000　　output 2 6.000 0.000 0.000 6.000　　input 1 2.000 0.000 0.000 2.000　　input 2 1.000 0.000 0.000 1.000　　input 3 3.000 0.000 0.000 3.000　　LISTING OF PEERS:　　peer lambda weight　　5 1.000　　指的是目标决策单元的序号. 就是说, 如果某个DMU是无效的, 那么它总存在几个可供改进的方向, 或者说他有一个模范可供选择.　　一种基于eclipse上的插件程序，全称是peer review eclipse plug-in. eclipse是IBM开发的一种软件开发平台，它是一种支持不同编程语言的开发环境，为多种语言编程环境提供了一个平台。还可以在eclipse上面开发好多插件以增强功能，例如prep就是一种:即基于eclipse上的同行评审插件。　　

由于输入数据的问题所导致。数据包络分析是一种多指标综合评价方法，用于评估和比较多个决策单元（如企业、机构等）的绩效水平。在进行数据包络分析时，如果出现无输出的情况，通常意味着某些决策单元存在数据输入错误、数据不完整或数据不协调等问题。此外，还可能会受到模型参数选择、算法运行等因素的影响，导致结果不稳定或无法计算。数据包络分析作为一种重要的决策支持工具，在管理、科学、经济等领域得到了广泛应用。对于其应用和研究，需要综合考虑数据质量、模型选择和算法优化等因素，以提高评价效果和决策精度。同时，还需要注意保护个人隐私和知识产权，避免在数据采集和分析中出现不当行为和违规操作。

Lindo只能解线性规划问题，DEA模型如果是非线性的就解不了了，Lingo是专门求解非线性规划问题的软件。deap没接触过Matlab软件不是专门针对规划问题的，不过应该也可以用。推荐用Lingo

详情如下：DEA模型分为CCR模型和BCC模型。CCR模型假设DMU处于固定规模报酬情形下，用来衡量总效率。固定规模报酬是所有DMU一起比较的效率评估。BCC模型假设DMU处于变动规模报酬情形下，用来衡量纯技术和规模效率。变动规模报酬与条件相当的受评单位比较。

　　一、均值的计算 　　在处理数据时，经常会遇到对相同采样或相同实验条件下同一随机变量的多个不同取值进行统计处理的问题。此时，往往我们会不假思索地直接给出算术平均值和标准差。显然，这种做法是不严谨的。 　　这是因为作为描述随机变量总体大小特征的统计量有算术平均值、几何平均值和中位数等多个。至于该采用哪种均值，不能根据主观意愿随意确定，而要根据随机变量的分布特征确定。 　　反映随机变量总体大小特征的统计量是数学期望，而在随机变量的分布服从正态分布时，其数学期望就是其算术平均值。此时，可用算术平均值描述随机变量的大小特征;如果所研究的随机变量不服从正态分布，则算术平均值不能准确反映该变量的大小特征。在这种情况下，可通过假设检验来判断随机变量是否服从对数正态分布。如果服从对数正态分布，则几何平均值就是数学期望的值。此时，就可以计算变量的几何平均值;如果随机变量既不服从正态分布也不服从对数正态分布，则按现有的数理统计学知识，尚无合适的统计量描述该变量的大小特征。此时，可用中位数来描述变量的大小特征。 　　因此，我们不能在处理数据的时候一律采用算术平均值，而是要视数据的分布情况而定。 　　二、直线相关与回归分析 　　这两种分析，说明的问题是不同的，既相互又联系。在做实际分析的时候，应先做变量的散点图，确认由线性趋势后再进行统计分析。一般先做相关分析，只有在相关分析有统计学意义的前提下，求回归方程才有实际意义。一般来讲，有这么两个问题值得注意： 　　一定要把回归和相关的概念搞清楚，要做回归分析时，不需要报告相关系数;做相关分析的时候，不需要计算回归方程。 　　相关分析中，只有对相关系数进行统计检验(如t检验)，P<0.05时，才能一依据r值的大小来说明两个变量的相关程度。必须注意的是，不能将相关系数的假设检验误认为是相关程度的大小。举个例子：当样本数量很小，即使r值较大(如3对数据，r=0.9)，也可能得出P>0.05这种无统计学意义的结论;而当样本量很大，如500，即使r=0.1，也会有P<0.05的结果，但这种相关却不具有实际意义。因此，要表明相关性，除了要写出r值外，还应该注明假设检验的P值。 　　三、相关分析和回归分析之间的区别 　　相关分析和回归分析是极为常用的2种数理统计方法，在环境科学及其它研究领域有着广泛的用途。然而，由于这2种数理统计方法在计算方面存在很多相似之处，因此在应用中我们很容易将二者混淆。 　　最常见的错误是，用回归分析的结果解释相关性问题。例如，将“回归直线(曲线)图”称为“相关性图”或“相关关系图”;将回归直线的R2(拟合度，或称“可决系数”)错误地称为“相关系数”或“相关系数的平方”;根据回归分析的结果宣称2个变量之间存在正的或负的相关关系。 　　相关分析与回归分析均为研究2个或多个变量间关联性的方法，但2种方法存在本质的差别。相关分析的目的在于检验两个随机变量的共变趋势(即共同变化的程度)，回归分析的目的则在于试图用自变量来预测因变量的值。 　　实际上在相关分析中，两个变量必须都是随机变量，如果其中的一个变量不是随机变量，就不能进行相关分析。而回归分析中，因变量肯定为随机变量，而自变量则可以是普通变量(有确定的取值)也可以是随机变量。 　　很显然，当自变量为普通变量的时候，这个时候你根本不可能回答相关性的问题;当两个变量均为随机变量的时候，鉴于两个随机变量客观上存在“相关性”问题，只是由于回归分析方法本身不能提供针对自变量和因变量之间相关关系的准确的检验手段，因此这又回到了问题二中所讲的，如果你要以预测为目的，就不要提相关系数;当你以探索两者的“共变趋势”为目的，就不要提回归方程。 　　回归分析中的R2在数学上恰好是Pearson积矩相关系数r的平方。因此我们不能错误地理解R2的含义，认为R2就是 “相关系数”或“相关系数的平方”。这是因为，对于自变量是普通变量的时候，2个变量之间的“相关性”概念根本不存在，又谈什么“相关系数”呢? 　　四、相关分析中的问题 　　相关分析中，我们很容易犯这么一个错误，那就是不考虑两个随机变量的分布，直接采用Pearson 积矩相关系数描述这2个随机变量间的相关关系(此时描述的"是线性相关关系)。 　　关于相关系数，除有Pearson 积矩相关系数外，还有Spearman秩相关系数和Kendall秩相关系数等。其中，Pearson积矩相关系数可用于描述2个随机变量的线性相关程度，Spearman或Kendall秩相关系数用来判断两个随机变量在二维和多维空间中是否具有某种共变趋势。 　　因此我们必须注意的是，Pearson 积矩相关系数的选择是由前提的，那就是2个随机变量均服从正态分布假设。如果数据不服从正态分布，则不能计算Pearson 积矩相关系数，这个时候，我们就因该选择Spearman或Kendall秩相关系数。 　　五、t检验 　　用于比较均值的t检验可以分成三类：第一类是针对单组设计定量资料的;第二类是针对配对设计定量资料的;第三类则是针对成组设计定量资料的。后两种设计类型的区别在于事先是否将两组研究对象按照某一个或几个方面的特征相似配成对子。无论哪种类型的t检验，都必须在满足特定的前提条件下应用才是合理的。 　　若是单组检验，必须给出一个标准值或总体均值，同时，提供一组定量的观测结果，应用t检验的前提条件就是该组资料必须服从正态分布;若是配对设计，每对数据的差值必须服从正态分布;若是成组设计，个体之间相互独立，两组资料均取自正态分布的总体，并满足方差齐性。之所以需要这些前提条件，是因为必须在这样的前提下所计算出的t统计量才服从t分布。 　　t检验是目前在科学研究中使用频率最高的一种假设检验方法。t检验方法简单，其结果便于解释。简单、熟悉加上外界的要求，促成了t检验的流行。但是，由于我们对该方法理解得不全面，导致在应用过程中出现不少问题，有些甚至是非常严重的错误，直接影响到结论的可靠性。 　　常见错误：不考虑t检验的应用前提，对两组的比较一律用t检验;将各种实验设计类型一律视为多个单因素两水平设计，多次用t检验进行均值之间的两两比较。以上两种情况，均不同程度地增加了得出错误结论的风险。而且，在实验因素的个数大于等于2时，无法研究实验因素之间的交互作用的大小。 　　正确做法：当两样本均值比较时，如不满足正态分布和方差齐性，应采用非参检验方法(如秩检验);两组以上的均值比较，不能采用t检验进行均值之间的两两比较。 　　因此我们必须注意，在使用t检验的时候，一定要注意其前提以及研究目的，否则，会得出错误的结论。 　　六、常用统计分析软件 　　国际上已开发出的专门用于统计分析的商业软件很多，比较著名有SPSS(Statistical Package for SocialSciences)、SAS(Statistical AnalysisSystem)、BMDP和STATISTICA等。其中，SPSS是专门为社会科学领域的研究者设计的(但是，此软件在自然科学领域也得到广泛应用);BMDP是专门为生物学和医学领域研究者编制的统计软件。 　　当然，excel也能用于统计分析。单击“工具”菜单中的“数据分析”命令可以浏览已有的分析工具。如果在“工具”菜单上没有“数据分析”命令，应在“工具”菜单上运行“加载宏”命令，在“加载宏”对话框中选择“分析工具库”。 　　特别推荐一款国产软件——DPS，其界面见附图。其功能较为强大，除了拥有统计分析功能，如参数分析，非参分析等以外，还专门针对一些专业编写了专业统计分析模块，随机前沿面模型、数据包络分析(DEA)、顾客满意指数模型(结构方程模型)、数学生态、生物测定、地理统计、遗传育种、生存分析、水文频率分析、量表分析、质量控制图、ROC曲线分析等内容。有些不是统计分析的功能，如模糊数学方法、灰色系统方法、各种类型的线性规划、非线性规划、层次分析法、BP神经网络、径向基函数(RBF)等，在DPS里面也可以找到。

MyDEA已更名为MaxDEA。MaxDEA是强大的数据包络分析(Data Envelopment Analysis， DEA)软件，当前版本包含各种选项组合的DEA模型达1512个，并且模型数量仍在不断增加。MaxDEA 试用版（支持英文、简体中文、繁体中文等各种操作系统）MaxDEA的主要特点：1）绿色软件，无需安装，程序、数据、模型三合一，所有与DEA模型有关的数据及其设置均储存在单一的程序文件内；数据导入只需一次，导入后即在数据库内永久保存，不需要每次运行程序都导入数据；数据定义和模型设置也永久保存，关闭程序后再打开，数据和模型设置不变；以上特点使得数据与模型备份非常方便，仅需备份一个文件即可；备份模型的方式有两种：一是复制MaxDEA.mdb文件，二是通过菜单“Tools”-“Backup Model and Database2）DEA模型数量多，且仍在不断增加；DMU数量没有限制，可运行超大型DEA模型。3）数据格式为标准数据库格式，不需要在字段名称中标明数据性质。例如有的DEA软件要求将投入变量用“(I)+名称”表示，产出变量用“(O)+名称”表示。4）可以同时建立并运行多个模型。MaxDEA的运行仅需要两个文件，分别是MaxDEA.mdb(可以任意修改名称)和lps.dll（不能修改名称，必需与MaxDEA.mdb在同一文件夹内）。因此，只需复制MaxDEA.mdb，例如重新命名为ModelA.mdb，ModelB.mdb等，就可以建立新的DEA模型了。可以同时打开运行多个mdb文件。

Min=E;3800*wb+4600*wc+4400*wj+6500*wn+6000*ws>=4600;0.25*wb+0.32*wc+0.35*wj+0.3*wn+0.28*ws>=0.32;0.08*wb+0.085*wc+0.08*wj+0.1*wn+0.09*ws>=0.085;96*wb+110*wc+100*wj+125*wn+120*ws<=110*E;16*wb+22*wc+18*wj+25*wn+24*ws<=22*E;850*wb+1400*wc+1200*wj+1500*wn+1600*ws<=1400*E;wb+wc+wj+wn+ws=1;

DEA模型的区域人力资本投资效率分析 　　摘要 :本文运用数据包络分析方法(DEA),对环渤海地区四省市的人力资本投资相对有效性进行实证研究。结果表明,四省市人力资本投资相对有效性存在一定差异,人力资本投资结构有待进一步优化。最后,通过投影分析得出四省市人力资本投资相对有效性调整之后的投入产出规模,以期为四省市改进投资效率提供参考。 　 　关键词: 人力资本 区域经济增长 DEA 　　 Abstract: This paper uses data envelopment analysis (DEA), the Bohai Sea area of four provinces of the relative effectiveness of investment in human capital empirical research. The results showed that four provinces human capital investment relative effectiveness of some differences exist, investment in human capital structure needs to be further optimized. Finally, obtained by projection analysis into four provinces and the relative effectiveness of investment in human capital after the adjustment of output scale, in order to improve investment efficiency for the four provinces to provide a reference. 　　Keywords : Human capital Regional Economic Growth DEA 　　对于人力资本的开发和利用已成为区域发展的重中之重。人力资本不仅对区域经济发展有着巨大的影响,更是区域经济发展的源动力,但是只有当人力资本与区域经济发展互相适应、互相协调的时候,人力资本才能发挥最大的效用。目前,国内学者对人力资本的研究主要集中在指标体系的构建以及人力资本存量计量等角度,人力资本对区域经济增长的投入产出效率以及对人力资本投资结构研究甚少。因此,本文基于DEA模型,对环渤海地区四省市人力资本投资对区域经济增长的投资效率展开分析,通过相对效率评价、规模效益分析、投影分析研究环渤海地区四省市人力资本投资现状,并提出改进建议。 　　指标的选取 　　目前,无论是在国外还是国内,都没有形成一个统一的人力资本评价体系,本文根据人力资本定义:人力资本是通过投资形成、提高,并凝结在劳动者身上的能够物化为商品和服务的知识、技能、健康以及表现出来的劳动活动和能力等(王光宇,2002),认为具体投资形式包括教育投资、医疗保健投资、流动迁移投资等。 　　为了能够确切地反映人力资本投资的实质内涵以及基于数据的可得性,本文拟采用如下指标作为分析人力资本投资对区域经济增长的投入指标,产出指标选择反映区域经济增长的人均地区生产总值。教育投资:人均教育经费X1、每十万人高等学校平均在校生数X2、每十万人普通高等学校教职工数X3、每十万人中等职业学校在校学生数X4、每十万人中等职业学校教职工数X5;医疗保健投资:每万人卫生机构数X6、每万人医疗机构床位数X7、每万人卫生机构人员数X8、人均卫生经费X9、人均社会保障补助支出X10;流动迁移投资:每十万人拥有职业介绍所个数X11、人均基础设施投资X12。 　　实证分析 　　(一)数据的来源与预处理 　　本研究数据大部分来自于《中国统计年鉴2009》,部分指标数据来自于省市统计公报及省市统计年鉴,选取了环渤海地区:北京市、天津市、河北省、山东省四省市2008年的数据进行研究。由于各指标的量纲不同,首先对指标的观测值进行标准化处理:标准化后的指标值Zij=原始指标值Aij/该指标的标准差。 　　(二)评价指标的甄选 　　在所构建的指标体系中,如果所有省市在某个指标上几乎一致,数据变化差异小,则可以认为该指标鉴别力低,不能准确反映不同省市人力资本投资效率的.差异;反之,则表明该指标具有较高的鉴别力。在实际应用中,通常选择变异系数进行甄选:第i个指标的变异系数Vi=该指标的标准差/该指标的平均值。 　　变异系数越大,表明该指标的鉴别能力越强,反之越弱。因此对初步选择的13个指标计算变异系数,其中X4、X5、X6、X7、X11变异系数小于0.4可删除,由此得到投入指标X1、X2、X3、X8、X9、X10、X12,产出指标Y。 　　(三)基于DEA模型的环渤海地区人力资本投资效率评价 　　根据DEA方法原理,计算出环渤海地区四省市的人力资本投资效率值(见表1)。 　　1.投入产出效率分析。由表1可以发现,4省市的效率评价值u03b8从0.8173到1之间不等。山东省投入产出效率相对最高u03b8=1,且s-1=s-2=s-3=s-4=s-5=s-6=s-7=s+=0表明山东省在人力资本投资方面不仅是技术有效的,而且是规模有效的。其它地区北京、天津、河北省u03b8<1,表明三省市总体效率与山东省相比非相对有效,投入或产出存在不同程度的冗余或不足,投入产出的整体协调没有达到最优状态,可通过适当调整投入产出结构实现资源的合理配置。 　　2.规模效益分析。对人力资本投资规模收益进行分析可参照表1中的值。若=1则决策单元的规模收益不变;若>1则决策单元的规模收益递增,若<1则决策单元的规模收益递减。从表1可知,环渤海地区四省市该值均远大于1,说明人力资本投资在促进经济增长方面规模收益递增,因此通过合理调整投入产出结构、加大人力资本投资力度可以有效地带动区域经济增长,促进区域经济的飞跃式发展。 　　3.投影分析。根据DEA模型的基本理论,对非DEA有效的单元,可以借助决策单元在相对有效面上的投影进行分析,将非DEA有效的单元改进成DEA有效单元。以北京市为例,分析非相对有效决策单元的投入调整情况。北京市的相对效率u03b8=0.8973,松弛变量s-1=1.5807,s-2=0,s-3=3.0049,s-4=0.6954,s-5=3.3169,s-6=1.4805,s-7=0.8849,s+=0说明投入有冗余,且X1的投入冗余率=1.5807/5.0453=0.3133,X2的投入冗余率=0,X3的投入冗余率=3.0049,X8的投入冗余率=0.69541,X9的投入冗余率=3.3169,X10的投入冗余率=1.4805,X12的投入冗余率=0.8849。最后借助决策单元在相对有效面上的投影,可将X1调整为:调整后的X1=0.8973*5.0453-1.5807=2.9464。同理可得调整后的X2=4.6642、X3=2.1244、X8=5.1708、X9=1.6806、X10=1.9133、X12=0.4204。 　　由此可得到北京市人力资本投资的相对最优结构,其中X9、X3冗余率最高,相对配置最不合理,即人均卫生经费、高等学校教职工数,与其他投资指标相比出现了严重的冗余,因此调整北京市人力资本投资结构,应合理分配现有资源,实现资源利用结构的高效化,提高人力资本投资效率,推动区域经济高速、健康发展。最后可运用“投影”分析得出其他省市相对有效性的投入产出规模(见表2),基于此可以对环渤海地区四省市进行人力资本投资规模、结构调整,提高人力资本对区域经济增长的投入产出效率。 　　结论与建议 　　运用DEA模型得到的相对效率值,可以反映人力资本投资对区域经济增长的总体产出效率,规模收益值可以为决策者提供战略上的指导;投入冗余和产出不足反映了当前的投入结构问题。从本文研究结果来看,沿渤海地区四省市在人力资本对区域经济增长的效率方面山东相对最高,应作为其它省市的典范,加以借鉴;四省市规模效益均处于递增阶段,因此应加大人力资本投资力度,发挥人力资本的外延辐射效应,推动区域经济的快速发展;最后,从投影分析可以看到,北京、天津、河北省三省市在人力资本投资结构中均处于相对不合理状态,出现了一定程度的投入冗余,因此调整人力资本投入产出结构,实现人力资本投资效率最大化应成为下步的改进重点。 　　此外,各省市在根据自身特点进行调整改进的同时,环渤海地区作为一个经济发展整体,应加强合作,建立人力资本开发、配置协调机制,促进区域经济的共同繁荣,最终实现环渤海地区经济的健康、可持续发展。 　　参考文献: 　　1.马占新,唐焕文.宏观经济发展状况综合评价的DEA方法.系统工程,2002 　　2.莫剑芳.区域宏观经济DEA评价系统.暨南大学硕士论文,2002 　　3.潘静毅.中国人力资本对经济增长的作用研究.西南大学硕士学位论文,2006 　　4.徐涛.人力资本与经济增长关系研究.贵州大学硕士学位论文,2008 　　5曹晋文.我国人力资本与经济增长的实证研究.财经问题研究,2004.9 ;

本大纲对应教材版本为：《物流系统规划与设计》 第三版，张丽、郝勇编著，清华大学出版社，2019年。高纲1835江苏省高等教育自学考试大纲07725 物流规划南京财经大学编（2020年）全国高等教育自学考试指导委员会Ⅰ课程性质与课程目标一、课程性质和特点《物流规划》课程是全国高等教育自学考试物流管理专业课程的必修课，是为培养自学应考者掌握和运用物流系统规划与设计知识而设置的一门专业基础课程。对于物流管理专业自学考生来说，学好这门课程有利于在工作中运用物流系统规划与设计的理论和方法，提高物流管理的决策水平和管理绩效，提高在物流管理工作中分析与解决问题的能力。二、课程目标《物流规划》课程设置的目标是：1. 培养学生的学习兴趣，使他们在今后的工作中能够运用所学知识参与企业的经营与管理。2. 掌握物流系统规划与设计的基本理论、基本方法、基本模型，包括概念、特征、分类、模型及规律；3.通过学习使学生树立先进的物流系统理念，侧重于规划、分析、设计的方法和技术的综合应用，以期提高物流系统规划与设计方法的应用效率；4. 注重理论与实务相结合、定量方法与计算机技术相结合，提高学生分析问题和解决问题的能力。三、课程的重点本课程的学习重点包括物流系统规划与设计的相关概念、特征和模式、物流系统战略规划、物流系统节点规划设计、物流系统线路规划设计、物流系统网络规划设计、物流系统的分析与仿真、物流系统决策方法、物流系统规划设计的综合评价等内容。本课程的学习难点是物流系统节点规划设计、物流系统线路规划设计、物流系统网络规划设计、物流系统规划设计的综合评价方法、物流系统决策模型等内容。Ⅱ 考核目标本大纲在考核目标中，按照识记、领会、简单应用和综合应用四个层次规定其应达到的能力层次要求。四个能力层次是递进关系，各能力层次的含义是：识记（Ⅰ）：要求考生能够识别和记忆本课程中有关物流系统规划与设计的相关概念及原理的主要内容，并能够根据考核的不同要求，做正确的表述、选择和判断。领会（Ⅱ）：要求考生能够领悟和理解本课程中有关物流系统规划与设计概念及原理的内涵及外延，理解相关物流系统规划与设计知识的区别和联系，并能根据考核的不同要求对物流系统设计和规划等问题进行逻辑推理和论证，做出正确的判断、解释和说明。简单应用（Ⅲ）：要求考生能够根据已知的物流系统规划与设计知识，对某一特定的物流系统规划与设计业务领域问题进行分析和论证，得出正确的结论或做出正确的判断。综合应用（Ⅳ）：要求考生能够根据已知的物流系统规划与设计知识和模型，对物流系统规划与设计中的问题进行综合分析和建模，并得出解决问题的综合方案。Ⅲ 课程内容与考核要求第一章 物流系统及其规划设计一、学习目的和要求通过本章的学习，考生应从系统的角度认识物流系统的概念、特征和模式；理解物流系统的要素及集成；掌握物流系统规划设计的目的与原则；掌握物流系统规划与设计的主要内容和设计流程，为物流系统的规划设计打下基础。二、课程内容第一节 物流系统的概念、特征和模式一、物流系统的基本概念二、物流系统的特征三、物流系统的模式第二节 物流系统的要素及集成一、物流系统的要素二、物流系统的要素集成第三节 物流系统的规划与设计一、物流系统规划与设计的含义二、物流系统规划设计的原则三、物流系统规划设计的重要意义第四节 物流系统规划设计的内容与阶段一、物流系统规划设计的类型二、物流系统规划设计的阶段三、考核知识点与考核要求（一）物流系统的概念、特征和模式1.识记：系统、物流系统；2.领会：系统分类、物流系统分类、效益背反、系统的一般模式、物流系统的模式；3.简单应用：系统的基本特征、物流系统的特点；（二）物流系统的要素及集成1.识记：物流要素集成化；2.领会：物流系统的网络要素、支撑要素、物质基础要素、功能要素、物流要素集成的角色、物流要素集成的结果；3.简单应用：物流系统的要素、物流要素集成动机；（三）物流系统的规划与设计1.识记：物流系统规划、系统总成本、物流系统设计；2.领会：物流系统规划与物流系统设计的区别、系统性原则、经济性原则、系统总成本最优原则、显性物流成本、隐性物流成本；3.简单应用：物流系统规划设计的目的、物流系统规划设计的原则、物流系统规划设计的重要意义；（四）物流系统规划设计的内容与阶段1.领会：物流系统规划设计的类型、物流系统规划设计的三个层面；2.简单应用：物流系统规划设计的内容、物流系统规划设计的阶段。第二章 物流系统分析一、学习目的与要求要求考生掌握物流系统分析的概念、目的及一般步骤；掌握物流系统目标的特点和物流系统目标设置的基本理论，了解物流系统目标分析的内容，掌握物流系统目标分析的作用和分析方法。二、课程内容第一节 物流系统的环境分析与问题识别一、物流系统的环境分析二、物流系统的问题识别第二节 物流系统的目标分析一、物流系统的目标设置二、物流系统目标分析的作用三、物流系统的战略目标分析四、物流系统目标分析方法第三节 物流系统的结构分析一、物流系统的治理结构二、解释结构模型三、考核知识点与考核要求（一）物流系统的环境分析与问题识别1.识记：SWOT分析、企业环境、宏观环境、物流体系环境、SWOT分析、5W1H法；2.领会：系统分析概念、系统分析目标；3.简单应用：系统分析方法、物流系统分析表、决定行业竞争的五种力量、物流业市场竞争环境分析；（二）物流系统的目标分析1.识记：营运目标、基本目标、5S目标、3S1L目标、7R目标、SMART原则、系统目标的完备性、物流系统战略优势、物流系统战略优势、目标集聚战略、总成本领先战略、标新立异战略、目标树、问题树；2.领会：物流系统的目标、物流系统目标的多样性、物流系统目标的层次性、物流系统战略类型、战略目标分析的工作内容、物流系统目标分析方法；3.简单应用：物流系统目标的特点、物流系统目标冲突和处理方法、物流系统目标分析的内容、物流系统目标分析的意义、物流系统的战略目标分析；（三）物流系统的结构分析1.识记：结构、结构模型、多边治理、双边治理、单边治理；2.领会：ISM方法的建模步骤；3.简单应用：物流系统的治理结构、影响物流企业联盟伙伴组合的因素分析。第三章 物流系统节点规划设计一、学习目的与要求要求考生了解物流节点的类型、作用和功能；掌握物流节点选址的原则、步骤和主要方法；掌握物流节点布局规划的原则、步骤和主要内容；掌握配送中心的概念和配送中心区域规划的方法；掌握物流中心的概念和类型；掌握物流中心规划的目的、设计原则。二、课程内容第一节 物流节点的类型和功能一、物流节点的概述二、物流节点的类型三、物流节点的功能第二节 物流节点的选址规划一、物流节点选址规划概述二、单物流节点选址三、多物流节点选址第三节 物流节点布局规划一、物流节点布局规划的原则二、物流节点布局规划的步骤三、物流节点布局规划的内容第四节 配送中心规划设计一、配送中心规划概述二、配送中心的分类和功能三、配送中心的区域规划第五节 物流中心规划设计一、物流中心的概念和类型二、物流中心的功能设定三、物流中心的规划与设计三、考核知识点与考核要求（一）物流节点的类型和功能1.识记：物流节点、物流系统结构、物流园区、物流中心、配送中心2.领会：物流的过程、广义的物流节点、狭义的物流节点、物流节点的类型、3.简单应用：物流节点的作用、物流节点的功能4.综合应用：物流园区与物流中心的区别、物流中心与配送中心的区别、（二）物流节点的选址规划1.识记：物流节点选址、计算机辅助节点设计技术；2.领会：物流节点选址问题分类、常用的单节点选址方法、多物流节点选址方法；3.简单应用：物流节点选址原则、物流节点选址步骤、欧几里得选址方法、直角选址方法、加权因素选址法；4.综合应用：物流节点选址因素；（三）物流节点布局规划1.领会：物流节点布局规划的目的、物流节点选址、物流节点布局；2.简单应用：物流节点布局规划的原则、物流节点布局规划的步骤、物流节点布局规划的内容；（四）配送中心规划设计1.领会：配送中心、配送中心分类 ；2.简单应用：配送中心内部工作区域、配送中心区域规划步骤；3.综合应用：配送中心的功能（五）物流中心规划设计1.识记：集货中心、送货中心、转运中心、加工中心、物流控制中心；2.领会：物流中心的类型、物流据点的数目与规模；3.简单应用：物流中心的地位、物流中心的功能、物流中心的规划涉及的因素、物流中心的筹建；4.综合应用：物流中心设施规划与设计的原则、物流中心设施规划的目的；第四章 物流系统线路规划设计一、学习目的与要求要求学生了解和掌握物流系统线路的概念、功能、作用；掌握物流线路规划与设计的内容；了解物流线路的运输方式和线路组合要素；掌握物流系统运输线路选择的依据和方法；了解和掌握物流系统线路规划设计的影响因素和线路规划设计的内容。二、课程内容第一节 物流系统线路概述一、物流系统的线路二、物流系统线路的功能三、物流系统线路的作用四、物流线路规划与设计的内容第二节 物流线路的运输方式一、物流线路的单一运输二、物流线路的组合运输三、物流系统线路要素第三节 物流系统线路的选择一、运输线路选择的依据二、运输线路选择的方法第四节 物流系统线路规划设计一、物流线路规划设计的影响因素二、物流线路规划设计的标准和内容三、考核知识点与考核要求（一）物流系统线路概述1.领会：物流线路2.简单应用：物流系统线路的功能、物流系统线路的作用、物流线路规划与设计的内容；（二）物流线路的运输方式1.识记：管道运输、航空运输、流向、流体、流程、流效；2.领会：物流线路的单一运输方式的优缺点、联运方式、3.简单应用：各种运输方式的比较、物流线路的组合运输、物流系统线路要素；（三）物流系统线路的选择1.简单应用：运输线路选择的因素、运输线路选择的原则、运输线路选择的方法；2.综合应用：最短线路法、Dijkstra法应用、运输问题模型、旅行推销员（TSP）模型应用；（四）物流系统线路规划设计1.领会：运输合理化、物流线路规划设计的标准和内容2.简单应用：物流线路规划设计的影响因素、运输合理化设计的“五要素”、 运输系规划设计的内容；第五章 物流系统网络规划设计一、学习目的与要求要求考生熟悉物流系统网络的内涵；了解物流网络的构成要素和物流系统网络的结构类型；掌握物流系统网络的规划设计原则、内容和方法；掌握物流系统网络的组织设计原则和方法；掌握区域物流系统规划设计的内容和方法。二、课程内容第一节 物流系统网络概述一、物流系统网络的内涵二、物流网络的构成要素第二节 物流系统网络的结构类型一、单核心节点结构二、双核心节点单向结构三、双核心节点交互结构四、多核心节点结构第三节 物流系统网络的规划设计一、物流网络规划设计的原则二、物流网络规划设计的内容三、物流网络规划设计的方法四、物流网络规划设计的步骤第四节 物流系统网络的组织设计一、物流网络组织设计的原则二、物流网络的内部组织设计三、物流网络的整体组织设计第五节 区域物流系统规划一、区域物流系统规划方法二、规划总体框架三、区域物流系统设计四、物流园区内部规划设计三、考核知识点与考核要求（一）物流系统网络概述1.识记：物流系统网络、物流网络结构；2.领会：区域物流网络、服务经营网络、物流系统网络的内涵；3.简单应用：服务经营网络的作用、物流网络的构成要素；（二）物流系统网络的结构类型1.识记：单核心节点结构、双核心节点单向结构；2.领会：双核心节点交互结构与双核心节点单向结构的区别、多核心节点结构；（三）物流系统网络的规划设计1.识记：物流网络规划设计、德尔菲法、解析方法、启发式方法；2.领会：物流网络设计、物流节点和线路的相互关系；3.简单应用：物流网络规划设计的内容、物流网络规划设计的步骤；4.综合应用：物流网络规划设计的原则、物流网络规划设计的方法；（四）物流系统网络的组织设计1.识记：有效性原则、统一指挥原则、管理幅度、职权、协调原则、功能一体化物流网络组织、虚拟化物流网络组织、狭义自营组织、内部交易组织、内部外包组织、业务外购组织、战术外包组织、战略外包组织；2.领会：合理管理幅度原则、职责与职权对等原则、流程一体化物流网络组织；3.简单应用：物流网络的内部组织设计、物流网络的整体组织设计；4.综合应用：物流网络组织设计的原则；（五）区域物流系统规划1.识记：物流节点、物流园功能规划设计2.领会：物流网络规划、区域物流系统规划方法、区域货运模型、价值-重量模型、时间分布模型、模式分担模型、货物-车辆模型、网络分配模型；3.简单应用：区域物流系统设计、节点选址模型、节点类型、物流园区内部规划设计、物流园区微观仿真评价内容、物流园区经济分析评价内容；第六章 物流系统的模型与仿真一、学习目的与要求要求考生理解物流系统分析的本质和原则；掌握层次分析法及在物流系统分析中的应用；掌握系统仿真的概念及物流系统仿真的一般步骤；了解物流系统仿真技术的发展趋势；了解离散事件系统仿真的方法及其在物流系统中的应用案例。二、课程内容第一节 物流系统分析的本质和原则一、物流系统分析的本质二、物流系统分析的原则第二节 物流系统的仿真基础一、物流系统仿真概述二、系统仿真的特点三、物流系统仿真的步骤四、物流系统仿真技术发展趋势第三节 离散事件系统仿真一、蒙特卡罗方法二、系统动力学方法三、物流系统的分析与仿真案例三、考核知识点与考核要求（一）物流系统分析的本质和原则1.识记：物流系统分析；2.领会：物流系统分析的本质；3.简单应用：物流系统分析的原则、物流系统分析的要点；（二）物流系统的仿真基础1.识记：仿真、系统仿真；2.领会：现代仿真的概念和框架；3.简单应用：系统仿真要素、系统仿真的特点、系统仿真的实质、物流系统仿真技术发展趋势；4.综合应用：物流系统仿真的步骤、仿真模型的运用、系统仿真的作用；（三）离散事件系统仿真1.识记：蒙特卡罗方法、系统动力学；2.简单应用：蒙特卡罗方法的应用、蒙特卡罗方法的逻辑流程、系统动力学的表示方法、系统动力学的建模过程；3.综合应用：物流系统仿真在集装箱港口中应用第七章 物流系统的综合评价一、学习目的与要求要求考生了解物流系统评价的概念及物流系统评价的指导思想；掌握物流系统评价指标体系建立的原则及指标组成；掌握物流系统评价的步骤；熟悉因子分析法、主成分分析法、数据包络分析法等多指标综合评价方法，熟悉和了解因子分析法和数据包络法在TPL企业评价中的应用。二、课程内容第一节 物流系统评价概述一、物流系统评价的基本概念二、物流系统评价的指导思想第二节 物流系统评价的指标体系一、物流评价指标体系的建立原则二、物流评价指标体系的指标组成第三节 多指标综合评价方法一、物流系统评价的步骤二、因子分析方法三、主成分分析方法四、数据包络分析方法五、因子分析法在TPL企业评价中的应用六、数据包络在TPL运作效率评价中的应用三、考核知识点与考核要求（一）物流系统评价概述1.识记：物流系统评价；2.简单应用：物流系统评价的目标和任务、物流系统评价的指导思想、综合评价的思想原则；（二）物流系统评价的指标体系1.领会：系统评价；2.简单应用：物流评价指标体系的指标组成、选择确定评价指标应注意的问题；3.综合应用：物流评价指标体系的建立原则；（三）多指标综合评价方法1.识记：因子分析、因子载荷、共性方差、主成分分析、数据包络分析；2.领会：因子分析方法的作用、因子分析法的目的和任务、数据包络分析模型参数的经济含义分析、综合评价指标体系中三种性质指标、碎石图；3.简单应用：物流系统评价的步骤、因子分析法的特征、主成分分析方法的基本思想、主成分分析方法的步骤、主成分分析法的特征、数据包络分析方法的基本原理、应用因子分析法应注意的问题、应用数据包络方法时应注意的问题；4.综合应用：因子分析法在TPL企业评价中的应用、数据包络在TPL运作效率评价中的应用、第三方物流企业评价指标体系确立应遵循的原则、第三方物流企业运作效率评价指标体系；第八章 物流系统决策一、学习目的与要求要求考生了解物流系统决策的概念及决策类型；了解物流系统决策的体制；熟悉物流决策常用的决策方法；掌握第三方物流决策的影响因素及决策标准；掌握非确定型物流系统决策的概念和常用决策准则；掌握风险型物流系统决策的损益期望准则、决策树法和效用概率决策法等常用方法。二、课程内容第一节 物流系统决策概述一、物流系统决策的概念二、物流系统决策的类型三、物流系统决策的体制第二节 第三方物流决策一、传统决策方法二、Ballow 开发的决策标准三、第三方物流决策标准应考虑到Ballow决策标准的缺陷第三节 非确定型物流系统决策一、平均准则二、乐观准则三、悲观准则四、折中准则五、后悔准则六、非确定型决策准则的比较第四节 风险型物流系统决策一、 损益期望准则二、 决策树法三、 风险决策的灵敏度分析四、 效用概率决策方法三、考核知识点与考核要求（一）物流系统决策概述1.识记： 决策、程序化决策、非程序化决策、确定型决策、风险型决策、不确定型决策、决策中枢系统、决策咨询系统、决策信息系统；2.领会：物流决策的概念；物流系统决策的分类；3.简单应用：决策过程、物流系统决策的要素、企业物流的战略决策目标和内容；物流系统决策的体制；4.综合应用：决策基本方法、盈亏平衡分析模型；（二）第三方物流决策1.领会：企业采用传统物流决策的影响因素；2.简单应用： Ballow 开发的决策标准、第三方物流决策标准应考虑到Ballow决策标准的缺陷；3.综合应用：如何判断物流子系统是否构成企业核心竞争力；（三）非确定型物流系统决策1.识记：平均准则、后悔值准则；2.领会：乐观准则、悲观准则、折中准则；3.简单应用：非确定型决策准则的比较；4.综合应用：平均准则、乐观准则、悲观准则、折中准则、后悔值准则的应用；（四）风险型物流系统决策1.识记：损益期望值；决策树法、灵敏度分析、效用、效用曲线、2.领会：风险决策的假设条件、不同标准的风险决策方法适用场合、决策树的构成；3.简单应用：决策树法的步骤、风险决策的灵敏度分析步骤、效用曲线的类型、效用概率决策方法的步骤；4.综合应用：损益期望准则的应用、决策树的应用、效用概率决策方法的应用；Ⅳ 关于大纲的说明与考核实施要求一、自学考试大纲的目的和作用《物流规划》课程自学考试大纲是根据专业自学考试计划的要求，结合自学考试的特点而确定。其目的是对个人自学、社会助学和课程考试命题进行指导和规定。大纲明确了课程学习的内容以及深广度，规定了课程自学考试的范围和标准。因此，它是编写自学考试教材和辅导书的依据，是社会助学组织进行自学辅导的依据，是自学者学习教材、掌握课程内容知识范围和程度的依据，也是进行自学考试命题的依据。二、课程自学考试大纲与教材的关系《物流规划》课程自学考试大纲是进行学习和考核的依据，给出了学习的主线，覆盖了该课程应该掌握的基本内容与范围。教材的内容是大纲所规定的课程知识和内容的扩展与发挥。该大纲与教材所体现的课程内容基本一致；大纲里面的课程内容和考核知识点，在教材里均有明确体现。三、关于自学教材使用教材：《物流系统规划与设计》 第三版，张丽、郝勇编著，清华大学出版社，2019年。四、关于自学要求和自学方法的指导本大纲的课程基本要求是依据专业考试计划和专业培养目标而确定的。课程基本要求还明确了课程的基本内容，以及对基本内容掌握的程度。基本要求中的知识点构成了课程内容的主体部分。本课程的应用性很强，考生应在学习中注重理论联系实际，在领会基本概念的同时，学会应用相关知识进行案例分析或解决实际问题。本大纲为考生提供了连锁与特许经营管理的基本框架和主要内容，便于考生阅读自学。同时，建议考生通过网络、各类期刊、书籍等，浏览物流运作管理的案例；通过案例学习，提高对所学知识融会贯通、灵活运用的能力，切实做到学以致用。《物流规划》是一个还处于不断发展中的课程，其内容许多人在实践中都有意识或无意识地实践着，考生应该相信经过自己的努力，完全能够学好这门课程。在学习中，请注意以下事项：1. 在学习每一章内容之前，先认真了解本自学考试大纲对该章知识点的考核要求，做到在学习时心中有数。2. 务必重视对课程中基本概念、基本原理的学习，要下足够的功夫，反复思考，不能满足于字面上的了解。并注意企业经营活动中的典型案例，并能运用适当的基本原理解决现实问题。3.注意阅读参考资料，我们建议考生通过很多地阅读参考资料如网络资料、期刊文章、书籍及自身的实践，以加深对课程内容的理解；注重基本概念、基本原理和基本应用。学会选择和阅读参考资料，也是提高考生能力的一个重要方面。五、对社会助学的要求要针对重点章、次重点章和一般章节分别提出自学或助学的基本学时建议和要求。要强调注意正确引导、把握好助学方向，正确处理学习知识和提高能力的关系。1、 要熟知考试大纲对本课程总的要求和各章的知识点，准确理解对各知识点要求达到的认知层次和考核要求，并在辅导过程中帮助考生掌握这些要求，不要随意增删内容和提高或降低要求。2. 要结合典型例题，结合大纲中对“识记、领会、简单应用”不同层次的知识点的要求，在相关章节中都要注意引用案例，帮助考生真正达到考核要求，并培养良好的学风，提高自学能力。不要猜题、押题。3. 要使考生认识到辅导课只能起到“领进门”的作用，听懂不等于真懂，关键还在于自己练习，应要求考生课后抓紧复习，认真阅读。六、对考核内容的说明本课程要求考生学习和掌握的知识点内容都作为考核的内容。课程中各章的内容均由若干知识点组成，在自学考试中成为考核知识点。因此，课程自学考试大纲中所规定的考试内容是以分解为考核知识点的方式给出的。由于各知识点在课程中的地位、作用以及知识自身的特点不同，自学考试将对各知识点分别按四个能力层次确定其考核要求。七、关于考试命题的若干规定1.本课程考核方法采用闭卷笔试形式，满分100分，60分为及格。考试时间为150分钟。2.本大纲各章所规定的基本要求、知识点及知识点下的知识细目，都属于考核的内容。考试命题既要覆盖到章，又要避免面面俱到。要注意突出课程的重点、章节重点，加大重点内容的覆盖度。3.命题不应有超出大纲中考核知识点范围的题，考核目标不得高于大纲中所规定的相应的最高能力层次要求。命题应着重考核自学者对基本概念、基本知识和基本理论是否了解或掌握，对基本方法是否会用或熟练。不应出与基本要求不符的偏题或怪题。4.本课程在试卷中对不同能力层次要求的分数比例大致为：识记占20%，领会占30%，简单应用占30%，综合应用占20%。5.要合理安排试题的难易程度，试题的难度可分为：易、较易、较难和难四个等级。每份试卷中不同难度试题的分数比例一般为：2:3:3:2。必须注意试题的难易程度与能力层次有一定的联系，但二者不是等同的概念，在各个能力层次都有不同难度的试题。6.课程考试命题的主要题型可能有单项选择题、多项选择题、判断题、名词解释、简答题、论述题等题型。附录：题型举例一、单项选择题1. 重心法是单设施选址最为常用的求解方法，它的选址决策依据主要是（ ）。A.设施到各节点的距离B.运输总量C.运输成本D.运输时间2. 建立物流系统的依据和进行物流系统分析的出发点是（ ）。A.系统目标B.系统环境C.系统构成要素D.系统分析人员二、多项选择题（略）三、判断题1. 对分离的、单个起点和终点的网络运输选择问题，最简单和最直观的方法是最短路线法。2. 越是高层，越是关键的决策，往往是风险型决策。四、名词解释1. 物流系统网络2. 决策树法五、简答题1. 简述运输系统规划设计的内容。2. 简述主成分分析法的特征。六、论述题1. 论述物流系统规划设计的重要意义。2. 论述物流系统仿真技术发展趋势。自考/成考有疑问、不知道自考/成考考点内容、不清楚当地自考/成考政策，点击底部咨询官网老师，免费获取个人学历提升方案：https://www.87dh.com/xl/

随机前沿模型sfa方法介绍如下：SFA是指随机前沿分析。在经济学中，技术效率是指在既定的投入下产出可增加的能力或在既定的产出下投入可减少的能力。常用度量技术效率的方法是生产前沿分析方法。所谓生产前沿是指在一定的技术水平下，各种比例投入所对应的最大产出集合。而生产前沿通常用生产函数表示。前沿分析方法根据是否已知生产函数的具体的形式分为参数方法和非参数方法，前者以随机前沿分析（Stochastic Frontier Analysis，简称SFA）为代表，后者以数据包络分析（Data Envelope Analysis，简称DEA）为代表。SFA是前沿分析中参数方法的典型代表，即需要确定生产前沿的具体形式。与非参数方法相比，它的最大优点是考虑了随机因素对于产出的影响。SFA要解决的问题是要度量n个决策单元T期的技术效率（TE），每个决策单元都是m种投入和一种产出。

因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。数据包络分析方法(DataEnvelopmentAnalysis,DEA)是运筹学、管理科学与数理经济学交叉研究的一个新领域。它是根据多项投入指标和多项产出指标,利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。DEA方法及其模型自1978年由美国著名运筹学家A.Charnes和W.W.Cooper提出以来，已广泛应用于不同行业及部门，并且在处理多指标投入和多指标产出方面，体现了其得天独厚的优势。

》(DEA)是一本关于数据包络分析(DEA)方法、模型和理论的专著，是作者十几年工作的总结。 DEA有效性与相应的多目标规划问题的pareto有效解(或非支配解)是等价的.数据包络分析(即DEA)可以看作是一种统

1、DIF：差离值是股市技术分析中的一个指标，缩写为DIF，即12日EMA数值减去26日EMA数值。在持续的涨势中，12日EMA在26日EMA之上。其间的正差离值(+DIF)会愈来愈大。反之在跌势中，差离值可能变负(-DIF)也愈来愈大。至于行情开始回转，正或负差离值要缩小到怎样的程度，才真正是行情反转的讯号，MACD的反转讯号界定为「差离值」的9日移动平均值(9日 EMA)。2、DEA：data envelopment analysis的缩写，即数据包络分析。DEA有效性与相应的多目标规划问题的pareto有效解（或非支配解）是等价的。数据包络分析(即DEA)可以看作是一种统计分析的新方法。它是根据一组关于输入－输出的观察值来估计有效生产前沿面的。在经济学和计量经济学中，估计有效生产前沿面，通常使用统计回归以及其它的一些统计方法，这些方法估计出的生产函数并没有表现出实际的前沿面，得出的函数实际上是非有效的。扩展资料：1、DIF值与MACD值均在X轴线上、向上移动，市场为牛市，反之为熊市。2、在X轴之上，当DIF值向上穿过MACD值时为买入信号。 在X轴之下发生这种交叉仅适合空头者平仓。3、在X轴之下，当DIF值向下穿过MACD值时为卖出信号。 在X轴之上发生这种交叉仅适合多头者平仓。4、背离信号。当指数曲线的走势向上，而 DIF、MACD曲线走势与之背道而弛，则发生大势即将转跌的信号。参考资料来源：百度百科—差离值参考资料来源：百度百科—DEA

　　1、现代综合评价方法包括主成分分析法、数据包络分析法、模糊评价法等。 　　2、主成分分析法。主成分分析是多元统计分析的一个分支。是将其分量相关的原随机向量，借助于一个正交变换，转化成其分量不相关的新随机向量，并以方差作为信息量的测度，对新随机向量进行降维处理。再通过构造适当的价值函数，进一步做系统转化。 　　3、数据包络分析法。它是创建人以其名字命名的DEA模型——CR模型。DEA法不仅可对同一类型各决策单元的相对有效性做出评价与排序，而且还可进一步分析各决策单元非DE有效的原因及其改进方向，从而为决策者提供重要的管理决策信息。 　　4、模糊评价法。模糊评价法奠基于模糊数学。它不仅可对评价对象按综合分值的大小进行评价和排序，而且还可根据模糊评价集上的值按最大隶属度原则去评定对象的等级。

目标分析法：当一个企业确定其发展目标后，为实现这个目标，必然对企业人力素质提出标准和要求，即理想状态的人力素质。对理想状态的人力资本的结构和等级与现实企业状态的人力资本的结构能力进行比较分析，找出差距，确定培训项目及内容、方法。系统综合评价简而言之，就是综合考虑各方面的因素，对某一事物或系统进行评价。像常见的各种报告排名，各种指数都是系统综合评价问题。评价就要有标准，因此要评价，首先要确立评价的指标，然后综合考虑各个指标因素的影响，给出整体评价。常用的系统评价方法有：主成分分析、因子分析、聚类分析、数据包络分析（DEA）、层次分析法（AHP）、模糊综合评价、灰色关联分析、人工神经网络等。系统综合评价通常都结合使用，AHP分析法建立层级递阶关系的指标体系，这种建立指标体系的方法能考虑各个方面的因素，并且显示出指标的层次性。

1998年毕业于山西大学环境规划与管理专业，获工学学士学位。2001年毕业于山西大学管理科学与工程专业，获管理学硕士学位，同年留校任教。2009年毕业于山西大学管理科学与工程专业，获管理学博士学位。 参加工作以来，一直从事管理科学与工程专业的教学和科研工作，主要研究领域为：决策预测与评价、效率与生产率分析、技术经济及管理、工业工程与管理等。主要承担研究生“评价理论与方法”、“数据包络分析”、“管理决策分析”、“效率与生产率分析”、“生产运作分析”、“系统建模与仿真”等课程的教学工作。工作以来，参与出版学术专著4部，在《管理科学学报》、《经济管理》等刊物发表学术论文30余篇，主持完成省级科研项目3项，获省级优秀科研成果奖1项。

　　评估效率的农村卫生中心上　　沃尔特:数据包络分析方法的应用　　保罗Marschall和史蒂芬Flessa　　2008年5月10日收到:2008年8月14日/接受:在线发表于9月16日(2008年3月　　2008年第斯普林格出版社　　摘要　　有效的医疗保健提供背景带来的好处　　测量技术的支持。相反的　　在工业化国家,效率分析情况　　在非洲的医疗保健是很近　　现象。几乎没有任何现有的研究　　在这个级别的初级护理。　　目的本研究的主要目的是双重的:(1)来评估　　相对效率的健康中心在农村的布吉纳法索　　(2)探讨效率低下的原因,性能。　　方法数据包络分析应用。,　　说明情况,output-oriented在那个国家　　方法用不同的回归　　规模的假设。识别的空间作用　　在Tobit排水区在效率模型,应用。　　结果根据常数回归规模,14个健康　　中心都是相对效率。DEA的预测　　建议的低效的单位都太大有效率。　　Tobit回归分析显示相对效率的健康　　中心位于靠近村庄在排水区。　　结论:对于道德的原因是不适当的尝试　　为了提高工作效率健康中心关闭一些　　他们。他们可以提高效率,生活可以　　如果获得医疗中心保存增强。　　关键词布吉纳法索。DEA方法。效率。Nouna。　　初级护理　　介绍　　医疗费用在大多数发达国家　　近几十年来,快速成长。它被广泛接受　　那不足的医疗保健机构　　在某种程度上,促成了这一现象。较少的效率,　　意味着浪费资源,它们可以被使用　　在输入其它人失踪。供给不足　　医疗服务会导致过早死亡。在回应　　挑战越来越多的文献已经出现的处理　　效率的提高医疗保健服务的工业化　　国家(Hollingsworth罗卓荆。1999年)。　　很长一段时间,在此基础上讨论提高效率　　几乎很少考虑欠发达国家。融资　　在这些国家卫生服务被认为是　　识别可能拿更多的资源。　　缩小官方发展援助在20世纪90年代,　　在此基础上讨论了千年发展目标和　　他们的资源来满足诱导的复议　　经济运行中卫生设施。癌症疼痛处理的知识　　这个层次和健康决定因素服务的效率　　可以帮助决策者和保健经理来避免　　废物和最有效的利用稀缺资源。　　测量效率和生产力几个分析　　方法也被开发出来。参数的方法,例如旁边。　　前沿分析、数据包络分析方法　　成为一个受欢迎的标准来评价　　决策单元(DMU效率)。在一个相当　　最近的参考书目DEATavares(2002)上市超过　　报纸、书、专著3200发表了伟大,等　　各种各样的问题,由超过1,600作者写的　　42个国家。　　最初,利用数据包络分析方法,特别适用于非营利性的　　部门,因为测量效率有相当困难。　　研究进行了识别效率的学校　　公共卫生(2009)[J]. 17:87-95　　土井10.1007 / s10389-008-0225-6　　资金:本研究,得到了科研补助的德国人　　研究基金会(德国Forschungsgemeinschaft)。　　第Marschall(*):s Flessa　　法经济学的教师、卫生保健　　大学Greifswald,　　Friedrich-Loeffler-Str 70,。　　17489 Greifswald,德国　电子邮件：paul.marschall@uni-greifswald.d

中国财产保险公司效率及生产率实证研究[摘要]本文采用度量金融业效率最常用的二阶段估计方法，分析中国财产保险公司的效率问题，第一阶段用DEA的方法，测算中国财产保险公司的技术效率；第二阶段采用面板数据模型，实证检验公司经营时间、市场份额、资本报酬率等因素对技术效率的影响。结果表明，有多家财产保险公司处于无效率的经营状态。导致这种情况发生的因素主要是各家保险公司的经营时间和赔付率等。另外，本文使用曼奎斯特生产率指数考察了各公司的全要素生产率变动状况，发现它们的年均增长率达到22%以上，其原因主要来自保险经营过程中的技术变动。[关键词]DEA；技术效率；全要素生产率；面板数据一、引言根据国际保险业经营的统计数据和历史经验，人寿保险公司的盈利期与财产保险公司的盈利期是不一样的，前者比较慢，大都在其开业后的5-7年；后者比较快，通常不需要等那么久。相比之下，财产保险公司的经营具有周期短、见效快的特点。这是一些投资者选择投资财产保险公司的原因之一。然而，这种理想状态在财产保险市场上也不是一成不变的。直到今天，包括中国在内的财产保险市场上仍然有许多保险公司处于无效经营状态，其中，既有开业不久的新公司，也有经营多年的老公司。我国产险业这种状况值得深思。在此之前，国外有不少学者采用数据包络分析方法(dataenvelopmentanalysis，DEA)，对不同国家的财产保险业效率进行考察，并用Malmquist指数分析全要素生产率的增长(Cummins，Turchetti&Weiss，1997；Cummins&Rubio-Misas，1998；Cummins，Weiss&Zi，1999)。近些年来，国内也有人尝试用DEA方法分析中国保险公司效率的问题，例如，陈颖(2001)[4)，恽敏、李心丹(2003)，赵旭(2003)，侯晋、朱磊(2004)、姚树洁、冯根福(2005)、张伟、郭金龙等(2006)。有趣的是，国内学者研究的结论并不一致。形成这种差异的原因，可能是各自选取的指标有别，也可能是他们使用的数据方法不同。与国外研究有所不同的是，国内研究者没有顾及对各个财产保险公司的全要素生产率变动情况的考察。为此，本文试图从以下几个方面对现有研究成果进行拓展：第一，将样本时间拓展到2004年，以反映近年来中国财产保险公司的效率状况。第二，结合DEA方法和面板数据模型，用两阶段估计方法分析中国财产保险公司的效率及其影响因素。第三，用曼奎斯特生产率指数，对其中14家财产保险公司的全要素生产率变动及其构成进行考察。二、研究方法、指标选取和数据处理(一)研究方法简介从各国学者的研究来看，效率的度量方法可以分为两种：计量经济学方法和数学规划方法，前者是参数法，后者是非参数法。与参数方法相比，非参数方法最大的优点在于不需要设定具体的函数形式，从而可以避免因错误的函数设定带来的问题。在数学规划方法中，最常用的就是由法国数量经济学家法雷尔(Farrell)(1957)首先提出，由美国经济学家查恩斯(丸Charnes)、库柏(W.Cooper)和罗兹(E.Rhodes)(1978)相继发展的数据包络分析方法。该方法的基本思想是，通过观测大量实际生产点的数据，基于一定的生产有效标准，找出位于生产边界上的相对有效点。DEA方法同时提供了多个效率度量指标，包括技术效率、纯技术效率以及规模效率等，其中，技术效率：纯技术效率x规模效率。在具体评估效率时，DEA方法又包括投入导向型和产出导向型两种形式。前者以企业产出水平一定、最小化投入为假设估计效率；后者以投入一定、最大化产出为假设估计效率。至今为止，大部分研究者对保险业、银行业效率的DEA分析均采用投入导向型的形式。我们的研究也不例外。曼奎斯特(Malmquist)生产率变动指数是以边界方法为基础发展起来的，它可以用来度量全要素生产率的增长，并将其分解为技术变动和效率变动的乘积，因而可以度量一个企业由于技术的改进和效率的提高所导致的生产率变动。(二)指标选取和数据处理1.财产保险公司产出的分类和度量一般而言，度量金融业产出的方法有三种：资产(中介)方法、用户成本方法和增加值方法。相比之下，增加值方法是研究保险企业效率的最适当方法(Cummins&Weiss，1998)。本文在度量财产保险公司产出时也采用了增加值方法。财产保险公司的业务包括承保业务和投资业务两大类。承保业务体现为向面临风险的经济单位提供经济保障，以补偿保险事故发生导致的损失。承保业务的产出可以理解为投保人或被保险人应该获得的经济补偿，通常用会计年度内已经获得或者应该获得但尚未实际获得的赔偿来度量。具体地说，承保业务产出：赔款提取的未决赔款准备金—转回的未决赔款准备金。投资业务是一种金融中介活动，保险人把自有资本以及准备金进行投资，通过增值来应付未来可能出现的保险索赔。投资业务的产出可以理解为保险人用于投资的全部资产，这里用投资资产(investedasset)来度量。具体地说，投资资产；现金及银行存款投资-投资风险准备贷款—贷款呆账准备。2.财产保险公司投入的分类和度量与一般企业的投入类似，财产保险公司的投入也主要包括物资投入、人力投入和资本投入三大类。物资投入表示物资的投入，可以用年度平均固定资产净值表示，即物资投入=(期初固定资产净值期末固定资产净值)／2。人力投入表示各种费用开支，保险公司计算人力投入的项目主要是营业费用、手续费，其公式为，人力投入=营业费用及其他支出手续费支出。资本投入表示年度所有者资本的平均投入，即资本投入=(期初实收资本期初资本公积期初盈余公积期末实收资本期末资本公积期末盈余公积)／2。3.财产保险公司样本本文以2001年—2005年《中国保险年鉴》中的主要财产保险公司为样本，其中2000年14家，2001年17家，2002年21家，2003年22家，2004年26家。所用软件为DEAPVersion2.1。三、实证结果分析(一)效率指标分析技术效率为1，意味着保险公司的生产是有效率的，位于生产可能性边界上；技术效率小于1，则意味着其生产是无效率的，位于生产可能性边界内部。纯技术效率和规模效率为1，分别意味着保险公司具有纯技术效率和规模效率，否则即纯技术无效和规模无效。以2000年为例，14家财产保险公司中有6家相对无效率，且均处于规模报酬递增阶段(见表1)。其中，民安海口和皇家太阳2家财产保险公司具有纯技术效率而规模无效，天安、华安、美亚上海和丰泰上海等财产保险公司兼有规模无效和技术无效。对其它年度各公司的效率指标可以作类似的分析。对于效率低下的公司而言，要么存在投入相对过多，要么存在产出相对过少的问题。同样以2000年为例，对比各保险公司的实际投入、产出与目标投入、产出，实证研究的结果表明，天安的物资投入和人力投入过多；华安的投资业务产出不足，三种投入过多；民安海口和皇家太阳的承保业务产出不足，三种投入过多；美亚上海和丰泰上海的三种投入过多。对其它年度各公司的投入和产出可以作类似的分析。综上所述，从2000年到2004年，中国产险市场上仍有多家保险公司处于无效率的经营状态。其中，几乎所有公司都存在规模无效的问题，2000年至2002年之间，它们大多处于规模报酬递增阶段；2002年之后，部分公司开始处于规模报酬递减阶段，这表明过度扩张使其经营效率降低。在此期间，中国财产保险市场上的无效率公司大多存在资本投入、物资投入或人力投入过多的情况，即这些投入并没有实现公司经营效率的相应增长。另一方面，部分公司承保业务产出和投资业务产出均存在不足问题。相比之下，后者显得更加严重。(二)Malmquist指数分析从表2中所列举的14家财产保险公司的均值来看，从2000年到2004年，全要素生产率指数为1.223，即全要素生产率的平均增长率约为22.3%。进一步考察其增长的原因发现，主要来自技术变动，其增长达18.1%，而技术效率的提高仅为3.6%。在技术效率的提高中，主要是规模效率提高2.9%，纯技术效率仅提高0.6%。具体考察不同年份的变化过程，以2000年—2001年为例可以看出(见表3)，14家保险公司全要素生产率的平均增长率约为29.3%。增长的原因来自技术效率提高0.9%，技术变动增长28.2%。技术效率的变动中，规模效率提高2.8%，纯技术效率反而下降1.8%。从各保险公司的具体情况可以看到(见表3)，2000年—2004年，天安、大众、永安和东京海上这4家公司的全要素生产率一直在增长。以天安为例，2000年—2001年其技术效率提高24%，技术变动增长18.9%，从而使得全要素生产率增长47.4%，后续年份技术效率未变动，其生产率的提高主要来源于等量的技术变动。类似的，可以对其它年度的其它公司进行考察。四、技术效率的影响因素分析考虑数据的可获得性，我们着重分析公司经营时间(age)、市场份额(marketshare)、资本报酬率(ROE)、再保险率(reinsurance)和赔付率(claim)等因素对效率的影响。(一)公司经营时间公司经营时间是影响企业效率的因素之一。一方面，企业可能通过在市场上的长期经营形成较新进入企业更大的一系列优势，实现比新进入企业更高的经营效率。另一方面，当市场处于不可竞争时，这些企业可能过度依赖其已经占有的优势地位，出现低效运作。相比之下，新企业却能发挥后发优势，通过各种创新活动在生产过程中将所需要的生产要素和生产条件进行新的组合，谋求市场上的一席之地。可见，公司经营时间对产险公司效率的影响并不确定。(二)市场份额市场份额是产业组织理论中反映市场结构的基本指标。在传统的产业组织理论中，以贝恩等为代表的哈佛学派认为，高垄断性市场结构中的垄断企业，通过价格串谋行为能够获得较高的利润率。但是，有学者如赵旭(2003)的研究表明，尽管我国保险业存在着垄断现象，但并没有出现高额利润率的局面。中国人保、中国平安等几家规模较大的保险公司的平均资产利润率不及新华人寿、华泰财产等公司，大保险公司的DEA效率低于诸多小保险公司的DEA效率。而斯蒂格勒、德姆塞茨等芝加哥学派或称“效率学派”的学者则认为，在市场集中度较高的产业中，大企业可以比中小企业获得的利润的真正原因在于大企业高效率的经营，即成本优势。但是，企业规模扩大所带来的规模经济是具有一定边界的，超过该边界将会出现规模不经济，这主要是由于组织规模变大后，更难于协调、监督和管理，从而导致整个组织经营管理效率下降。这一结论对保险企业同样成立。例如，胡炳志、王兵(2000)””运用生存检验法，得出了5%—10%的市场占有率是我国保险公司最佳经济规模的结论。因此，市场份额对产险公司效率的影响是不确定的。在本文中，市场份额以公司保费收入与总保费收入的比率衡量。(三)资本报酬率资本报酬率可以反映企业的获利能力和经营绩效。在发展完善的市场中，资本报酬率应该和企业效率同向变化，获利能力强的企业当然是那些经营效率高的企业。因此，资本报酬率应该和产险公司效率同向变化。在本文中，资本报酬率以净利润与所有者权益的比率衡量。(四)再保险率与原保险公司相比，再保险公司通常具有更加先进的专业承保技术和风险管理技术，可以弥补原保险公司在资本规模、承保能力和风险管理方面的不足，有利于提高原保险公司的经营效率，并增强整个保险市场的竞争程度。从这个角度看，再保险的开展有利于提高产险公司的经营效率。在本文中，再保险率以分出保费与保费收入的比率衡量。(五)赔付率赔付率反映了保险公司履行损失赔偿责任、控制索赔支出的能力。在国际上，常用综合比率(combinedratio)这一指标来考察产险业的承保收益率，它等于赔付率和费用率之和，代表每单位保费收入用于索赔和费用的比例。如果该比率大于1，则表明保险公司出现承保损失。可见，在财产保险公司的经营过程中，做好防灾防损工作，改善理赔支出，提高理赔效率，有助于提高保险企业的经营效率。在本文中，赔付率以赔款与保费收入的比率衡量。选择固定效应，用加权GLS方法进行估计。从实证的结果来看，在诸多影响因素中，公司的经营时间和赔付率是影响中国财产保险公司效率的主要因素，但两者的影响结果不尽相同。具体地说，公司的经营时间与公司效率成负相关关系。这表明，目前新的保险公司进入保险市场有助于财产保险业效率的提高，新公司得以进入市场正是源于其具有较高的效率。赔付率与公司效率成正相关关系。依据现代保险功能理论，对人类社会生产和生活中因自然灾害或意外事故造成的损失给予经济补偿是保险尤其是财产保险的基本的、首要的功能，它直接体现在财产保险的赔付率上。市场份额、资本报酬率和再保险率等均没有通过显著性检验，说明这三个因素目前对中国财产保险公司效率的影响还比较微弱。五、结论及政策建议从以上对中国产险公司的效率和生产率的实证分析可知，2000年—2004年中国产险市场上仍有多家保险公司处于无效率的经营状态。技术无效是一部分产险公司低效运营的症结，而规模无效则成为所有公司的共同问题。对技术效率的影响因素的进一步分析表明，公司经营时间和赔付率是影响效率的主要因素。曼奎斯特生产率指数研究的结果显示，技术变动是全要素生产率增长的主要原因，技术效率的变动对全要素生产率增长也起到了一定作用，但其中纯技术效率的增长非常有限。目前提高中国产险公司效率的主要措施包括：(一)适度控制企业规模对处于规模无效状态的财产保险公司而言，不能盲目扩张规模，因为这很可能造成管理、监督等方面的成本增加，进一步降低经营效率。尤其是进入2002年后，国内已经有部分公司开始处于规模报酬递减阶段。对这些公司来说，应该转变片面追求保费份额、过度扩张规模的粗放经营模式，走高效集约的发展道路。(二)优化投入产出关系为了实现效率提高，各保险公司应该从投入和产出的关系着手，减少物资投入、人力投入等相对过多的情况，或在投入既定的情况下提高相应的产出，尤其是投资业务产出。目前，针对普遍存在物资投入和人力投入过多的问题，各公司应有意识地减少不必要的固定资产投资，加强内部管理，降低营业费用和控制手续费支出。针对产出方面投资产出更显不足的问题，应充分利用进一步放宽的投资渠道，实现投资收益的稳健增长。近年来，保险资金投资渠道的逐步放宽为各公司提高投资业务产出提供了可能性，但在实际进行资金运用时，各公司应根据自身的资金、技术和人才状况，采取有效的风险控制措施，实现资产负债匹配管理。(三)积极推动技术创新技术变动是全要素生产率增长的主要原因，而技术效率的变动中，纯技术效率的增长非常有限。这表明，各保险公司应该将经营的重点放在技术创新和技术效率的提高上，而不仅仅是解决扩大规模的问题。通过技术改进，它们有望改善经营状况，实现有效率的增长。并不是很准确、完整，仅供参考，请自借鉴。希望对您有帮助。补充：您只要把摘要和各个段落的首要句子摘下来就可以啦，很简单的，别着急。

1、2021年上汽大众产能利用率2、产能利用率多少合理3、生产能力利用率是多少？4、理论工时和实际工,怎么计算产能利用率5、产能利用率最高多少6、奶牛厂产能利用率计算2021年上汽大众产能利用率2021年上汽大众产能利用率达到80。产能利用率在百分之八十到百分之白的车企则是一汽大众、上汽大众、上汽通用等7家,整体产能利用率处于合理区间。根据中国乘联会最新统计数据，我国乘用车产能利用率从2017年的66.55%降低至2019年的53.74%，近一半的工厂产能浪费。而市场需求大于工厂产能的车企只有8家。主要优势：底盘稳，操控性好是它的强项，性价比是它的优点，可以说，它是最具性价比的合资中级轿车，其次，可以考虑吉利新上市的星瑞，错位竞争的车型。汽车三大件：发动机、变速箱、底盘。508的发动机没问题，1.6T足够，油耗你可以查查口碑；变速箱是爱立信的市场上使用很广的AT变速箱8速的；以上两者大家都差不多。产能利用率多少合理45%。产能利用率45%合理，旨在满足群众的不同需求，产能利用率是实际产出与生产能力的比值，其应用范围广泛，旨在满足群众的不同需求。生产能力利用率是多少？生产能力利用率是指实际GDP与潜在GDP的比值，它是衡量经济景气程度及分析经济运行效率时一个非常重要的指标。在企业中，是指企业一个生产项目实际投产运营生产能力与设计生产能力的比值。唯一可见的是中国社会科学院数量经济与技术经济研究所沈利生的一篇文章 。该文主要采用克莱因等在上个世纪60-70年代提出的“峰到峰”(peak-to-peak)方法计算资本设备利用率（资本服务量与实际资本存量之比），并进而对劳动力进行调整后求出潜在生产能力。这是一种较为传统的方法，该方法同时具有较大的随意性，最后的结果通常取决于计算者如何确定峰值。扩展资料计算公式该指标越接近百分之百，说明生产能力利用越充分，实际产出与潜在产出之差越小，经济发展质量越高；反之，说明有部分生产能力被闲置，实际经济发展速度小于潜在经济发展速度，经济发展质量有待提高。生产能力利用率是衡量经济发展质量的重要指标，遗憾的是目前我国没有该项指标的统计，要正确评价经济发展质量，必须完善该指标的统计和考核办法。生产能力的度量是困扰学术界的一个主要问题。由于没有产能利用的直接统计数据，所以产能利用状态必须依靠间接的度量方法才能实现。到目前为止，生产能力的度量方法大致上可以分为峰值分析法、随机参数生产前沿面方法（SPF）、非参数生产前沿面（DEA）的数据包络分析方法以及在第三种方法为基础发展起来的要素拥挤度方法四大类，这四类方法的共同原理都是以实际生产状态和最好或者有效生产状态的比较作为过剩状态的度量。随机参数生产前沿面方法和非参数生产前沿面的数据包络分析方法都是以生产前沿面方法为基础的效率度量来刻画产能利用状态的，不同之处是生产前沿面的刻画用的是参数方法还是非参数方法。DEA可以分析单产出和多产出，但是它没有考虑数据的随机变动，因而对过剩产能的测度会比剔除有利的随机成分时要小一些。较DEA方法而言，SPF方法的优点是将产出的随机变化考虑进来，缺点是计算起来非常复杂，需要多产出的距离函数。而且在产出为零的时候不好处理。峰值法的优势是只需要有单投入和单产出的数据就可以，因而在用数学手段估计产能利用率的方法中，它是最广泛适用的和对数据要求最低的。参考资料来源：百度百科-生产能力利用率理论工时和实际工,怎么计算产能利用率产能利用率=实际产出/设计产能*100%产能利用率产能利用率，是指企业产能利用率的实际产出与生产能力之比，即测算实际生产能力到底有多少在运转且发挥生产作用的指标。一般情况下，企业的产能利用率高，则生产资源利用较为充分，单位产品的固定成本就相对较低；企业的产能利用率低，则意味着生产人员、生产设备等生产资源存在较大的闲置及浪费可能性，影响企业整体效益。产能利用率最高多少接近100%。产能利用率就是生产值除以总值得到产能利用率的结果产能利用率，因此最高是接近100%产能利用率的，但是这个数值是比较难出现的。奶牛厂产能利用率计算产能利用率=实际产量除以生产能力。产能利用率是一定时期实际产量占生产能力产能利用率的比例产能利用率，产能利用率=实际产量/生产能力产能利用率，生产能力是在一定时期内，企业参与生产产能利用率的固定资产。奶牛厂奶牛养殖的目的是生产出质量好、产量高的牛奶。

　　 蚂蚁花呗的钱怎么转到银行卡 ？通过定义总结互联网金融的本质和特征，归纳梳理互联网金融发展基本模式，结合现有的相关经济学理论基础，探究分析我国互联网金融发展对商业银行效率的作用机理，定性分析互联网金融发展对商业银行效率影响的同时量化互联网金融发展对商业银行效率的影响程度. 　　即利用基于DEA的Malmqust指数模型来测算我国商业银行2007-2016年这10年的生产率变化指数，将其进一步分解并作相应的分析，并构建动态面板数据的回归模型来实证分析互联网金融对银行全要素生产率及其分解效率的影响，最后以银行性质来分类探究不同类型商业银行受其影响的程度和区别所在，据此研究结论为商业银行合理利用互联网金融发展来提升自身经营和管理效率水平提出合理的对策建议。 　　从研究对象的特征和性质出发，针对要探究的问题，本文采用以下研究方法: 　　1.理论分析法。本文为了准确把握互联网金融发展对商业银行效率的影响，借鉴了创新理论、规模经济及技术溢出等理论，从理论上探究互联网金融发展对商业银行效率构成影响的机理。 　　2.比较分析法。本文通过分析比较的方法总结了商业银行全要素生产率的变化及构成，以及互联网金融发展对商业银行效率的影响变化。 　　3.计量分析法。本文在研究商业银行全要素生产率及其分解效率，以及互联网金融对商业银行全要素生产率及其分解效率的影响方面，都使用了计量分析法。在实证模型中，主要使用了数据包络分析和面板数据回归模型。 　　 蚂蚁花呗的钱怎么转到银行卡 在互联网金融发展对商业银行效率影响的理论分析方面，本文在前人研究的理论研究成果基础上，借鉴了金融创新与规模经济等理论的核心观点，对二者的本质有了清晰的认识，理清了互联网金融对商业银行效率的作用机理和影响路径，对过去二者关系理论分析研究领域进行了补充。 　　在商业银行效率的测度上本文运用基于DEA的Malmquist指数法动态测量出其全要素生产率及其分解效率，保证对商业银行效率有一个综合客观的评价。 　　互联网金融诞生在上世纪八十年代的美国，互联网技术与传统行业的结合促进了生产力的提高，被美联储前主席格林斯潘称之为“新经济”，互联网金融深刻地改变着通信、经贸、零售、游戏、服务等行业经营模式，但由于金融监管环境和金融市场自由化程度不同的关系，互联网金融发展并未像在国内一样掀起一股风潮。互联网金融这一热词在国内的兴起源于2013年阿里巴巴推出的余额宝，但此时并没有形成对互联网金融统一的认识和定义。 　　 蚂蚁花呗的钱怎么转到银行卡 首次提出互联网金融新概念的是于2012年担任中国投资有限责任公司副总经理谢平，他在自己的研究报告《互联网金融模式研究》中指出,信息科技产业技术的高速发展，对多产业领域形成冲击，尤其影响着当下的传统金融模式，资源的配置模式可能产生一种既不同于资本市场的直接融资运行模式也不同于借助商业银行等金融中介机构的间接融资运行模式，即在互联网思维作用下的新型互联网金融模式。 传统金融产业的发展需要互联网技术的支持，将互联网与金融产业融合产生的新兴金融服务模式具有成本低，应用市场广阔等优势，互联网对于金融产业的发展具有辅助性。 　　当前对互联网金融认识，狭义的概念是指互联网金融企业(多指非金融业的第三方机构)运用计算机等终端设备，在网络平台上为公众提供金融服务与金融产品的行为。广义的概念是指不局限于互联网金融企业，包括传统金融机构在内的所有金融市场参与者，在互联网信息技术的支撑下，对现有的金融服务和产品进行改造和创新的金融活动都应纳入互联网金融的范围内。本文研究的是互联网金融发展对商业银行效率的影响，这其中既来自于同业者运用互联网技术进行业务创新的竞争也有来自于非金融行业机构通过掌控传统商业银行功能方式的冲击。因此，本文从广义和宏观视角层面研究互联网金融发展和作用。

选择一定数量的分析企业为样本，将样本企业分为有、无创业投资撬动两组，运用数据包络分析DEA测度两组企业的技术创新效率,并对两组企业技术创新效率的均值进行独立样本T检验。

（一）著作：专著、编著、主编、参编并出版专著12本：12. 专著：《物联网与政府管理模式创新》，四川大学出版社，2015年4月（定稿）；（300千字）11. 主编：《电子政府案例》（中组部新时期党员干部丛书），中国人民大学出版社，2014年10月；（224千字）10. 编著：《电子政务发展中的问题与对策》，西南交通大学出版社，2010年2月；（280千字）9. 编著：《电子政务——战略、标准、绩效与智能决策》，重庆大学出版社，2005年10月；（461千字）8. 主编：《现代城市公共管理》，重庆大学出版社，MPA系列丛书，2005年1月； （382千字）7. 主编：《旅游管理信息系统》，重庆大学出版社，2006年8月；（287千字）6. 编著：《电子商务——信息时代的管理与战略》，西南交通大学出版社，2002年10月；（419千字）5. 参编、编委：《电子政务知识读本》，人民大学出版社，2003；4 参编、编委：《中国电子政务》，人民出版社，2004；3. 参编、编委：《公务员电子政务知识教程》，人民人事出版社，2003年；2. 参编：《公共部门绩效管理》，厦门大学出版社，2004年；1. 参编：《政府门户网站建设理论与实务》，四川科学技术出版社，2008年（二）在学术期刊发表文章共71篇，其中，核心期刊共42篇，三大检索EI共8篇，三大检索ISTP共7篇，中文社会科学引文索引CSSCI共11篇，第一作者共40篇，第二作者共25篇（其中第一作者是我的研究生的有18篇），第三作者共1篇：71. “The limits of planning in China:equalizing basic education through the Internet”，《Chinese Journal of communication》，第二作者，2015.2，（SSCI——A刊）；70 “观念与认知的转变在高校基地干部短期培训中的重要性研究——以信息革命为例”，《云南行政学院学报》，第一作者，2015.1，第1期，PP112-116，(中文核心期刊——C刊)；69.“地方政府网站建设困局的制度诱因与理性出路”，《经济体制改革》，第一作者，2015.1，第1期，PP85-89，（中核心期刊——C刊）；68. “智慧旅游公共服务平台搭建与管理研究——基于物联网管理模式下的分析”，《西南民族大学学报》，第一作者，2015.1，第1期，PP145-149，（中文核心期刊——C刊）；67. “基于物联网管理模式的环境污染监控新思考”，《管理观察》，第一作者，2014.11，第560期，PP180-182，（CNKI普刊）；66. “建设智慧旅游城市的顶层设计与关键因素分析”，第一作者，《旅游纵览》，2014.12，第12期，PP53-54，（CNKI普刊）；65. “基于物联网管理模式的智慧物流模式构建”，《中国市场》，第一作者，2014，12，d第50期，PP79-82，（CNKI普刊）；64. “基于物联网管理模式四川省地级市政府门户网站公共服务资源整合新平台的搭建与研究”，《商》，第一作者，2014.11，第27期，PP72-75，（CNKI普刊）；63. “成都市城市交通信息资源整合的困境与对策——基于物联网管理模式”，《西南交通大学学报（社会科学版）》，第一作者，2014.11，第6期，PP60-66，（中文核心期刊——C刊）；62. “物联网管理模式下食品安全监管新模式和途径研究”，《西藏大学学报（社科版）》，第一作者，2014.12，第4期，PP166-171，（中文核心期刊——C刊）；61. “政府治理中网络众包模式的生成、构建及效用”，《公共管理学报》，第一作者，2014，10，第4期，PP61-70，（中文核心期刊——C刊）；60. “Construction of intelligent logistics platform based on the Internet of Things Management Model”，《2014年物流工程与管理国际学术会议（ICLEM2014）》，第一作者，2014.9，PP916-921，（EI检索——C刊）；59 “Traffic information resources integration based on The Internet Of Things Management Modle”，《2014年物流工程与管理国际学术会议（ICLEM2014）》，第一作者，2014.9，PP1162-1168，（EI检索——C刊）；58.“物联网管理模式——基于以物联网为代表的新一轮信息革命浪潮的管理思辨”，《四川大学学报》，第一作者，2014.10，第5期，PP119-126，（中文核心期刊——B刊）；57. “Evaluation Model of IT Outsourcing Service of E-government Based on Factor Analysis and AHP”, Proceedings of 2009 International Conference on Public Administration，The Second，2009.10（ISSHP/ISTP检索）；56. “政府视觉下的电子政务服务外包影响因素分析”，《中国行政管理》，第一作者，2009 .6，（CSSCI，中文核心期刊，政治学类第一位，管理学类第一位）；55. “Analysis of the Interaction Between the Transportation and Regional Economic Development Based on the Panel Data Model”，American Society of Civil Engineering 2009，The First，2009.10（EI全文检索）；54. “Research on the Evaluation of China"s E-government Service Quality” ，American Society of Civil Engineering 2008，The Second，2008.10（EI全文检索）；53. “国债、国债规模及其管理：研究综述”，《中国行政管理》，第二作者，2008年12期，（CSSCI，中文核心期刊）；52. “Evaluating Index Design of Emergency Management Information System of Urban Public Security”, Proceedings of 2008 International Conference on Public Administration，The first，2008.9VII（ISSHP/ISTP检索）；51. “The Performance Measure of Government Reconciling Leadership Based on DEA Model”, Proceedings of 2008 International Conference on Public Administration，The first，2008.9VI（ISSHP/ISTP检索）；50. “灰色系统师资预测模型”，《全国高等教育研究论丛》，第二作者，1992年8月；49. “电子信息能力与素养对公众电子政务使用行为的影响分析”，《公共管理学报》，第一作者，2008年3期，（CSSCI，国家自然科学基金指定的22种期刊之一）；48. “切实推进农村信息化的战略举措”，《科技管理研究》，第二作者，2008年9月（CSSCI，中文核心期刊）；47. “电子政务系统外包过程中群体决策的应用研究”，《情报资料工作》，第二作者，2008年5月，（CSSCI，中文核心期刊）；46. “政府绩效评估的可持续发展研究”，《上海城市管理职业技术学院学报》, 第二作者，2006,(04)；45. “电子政务绩效管理的平衡计分卡实施”，《办公自动化》, 第一作者，2005 (11)；44. “成都经济技术开发区开发区管理体制现状及其发展对策”，《产业与科技论坛》，第二作者，2008年1月；43. “乡镇改革诌议”，《美中公共管理》，第二作者，2006.6；42. “International Conference on Transportation Engineering”, American Society of Civil Engineering 2007, The Second, 2007.10（EI全文检索）；41. “The Model of Government Performance Measurement: Based on the Theory of Fuzzy Linguistics”， Proceedings of 2007 International Conference on Public Administration，The first，2007.10（ISSHP/ISTP检索）；40. “数据采集渠道对煤矿安全生产的影响分析”，《煤矿安全》，第一作者，2007.8（中文核心期刊）；39. “强化行政体制创新，建设廉洁高效政府初探”，《电子政务》，第二作者，2007.6；38. “电子政务知识社群服务品质评估模式建构分析”，《电子政务》，第二作者，2007.4；37. “关于高校师资职称最优结构的理论探讨”，《系统工程》，第二作者，1994.1，（中文核心期刊，中国科技论文统计源期刊（中国科技核心期刊）目录）；36. “师资预测一类纵横统计推进模型”，《成都大学学报》（自然科学版），第一作者，1993.4；35. “An application of Data Envelopment analysis in Government Objective by Management”, Proceedings of 2006 International Conference on Public Administration，The second，2006.10（ISSHP/ISTP检索）；34. “Government Organization Performance Measurement Based on Combinatorial Evaluating Methods”， Proceedings of 2006 International Conference on Public Administration，The first，2006.10（ISSHP/ISTP检索）；33. “高校建立电子政务实验室的理性思考”，《实验技术与管理》，第一作者，2007.4，第4期。（中国科技论文统计源期刊（中国科技核心期刊）目录）；32. “构建电子政务战略绩效管理体系的平衡计分卡”[J]《内江科技》，第二作者，2006（1）:25（中国核心期刊遴选数据库收录期刊）；31. “信息化条件下政府绩效管理体系的初步探索”[J].《内江科技》，第二作者，2006（2）:24（中国核心期刊遴选数据库收录期刊）；30. “政府绩效评估的可持续性发展研究”，《中共福建省委党校学报》，第二作者，2006.2:28~30，（中文核心期刊）；29. “加强定量分析方法教育，提高行政管理研究生培养质量”，《中国当代教育核心杂志》，第一作者，2006.6第2卷第3期（优秀学术论文一等奖）；28. “对电子政务促进和谐质监构建的思考”，《电子政务》，第二作者，2006.3；27. “公共部门公众满意度评价的一种实现途径”，《中国行政管理》，第一作者，2006.1 ，（CSSCI，中文核心期刊，政治学类第一位，管理学类第一位）；26. “我国营销渠道管理发展与探讨”，《沿海企业与科技》，第二作者，2006.1；25. “浅谈客户关系管理对电子政务建设的启示”，《电子政务》，第二作者，2005.22；24. “浅论电子政务与和谐政府构建的关系”，《沿海企业与科技》，第二作者，2005.12；23. “推进政务流程再造，促进电子政务发展”，《天府新论》，第二作者，2005.6，（CSSCI）；22. “电子政务、和谐政府与和谐四川”，《社会主义和谐社会建设的思考与探索》，第一作者，2005.12（获政府奖）；21. “基于电子政务的绩效评估方法的构建与实施”，《广西财政高等专科学校学报》，第三作者，2005.5；20. “农村‘留守子女"的抚育撂荒”，《管理研究》，第二作者，2005.4；19. “制定与政府战略相适应的电子政务战略途径研究”，《管理研究》，第二作者，2005.4；18. “电子政务、和谐政府与和谐社会”，《电子政务》，第一作者，2005.14；17. “电子政务与信息孤岛”，《电子政务》，第二作者，2005.11；16. “A New Method of Evaluating Government Performance：Rouph Sets”，《2005 International Conference on Public Administration》，The second，2005.10（ISTP全文检索） ；15. “An Effective Solution to Public Satisfaction Degree Evaluation in Government Department”，《2005 International Conference on Public Administration》，The first，2005.10（ISTP全文检索）；14. “煮粥原理及其应用”，《西部开发与系统工程》，《中国系统工程学会第12届年会论文集》，第一作者，2002.10；13. “构建完善的电子政务建设管理体系推进和谐成都”，《同心同德共建和谐社会·成都论坛论文集》，第一作者，2005.7；12. “公共管理部门的目标管理现状及对策研究”，《西南交通大学学报》（社会科学版），第一作者，2003.4，（EI全文检索，中文核心期刊，中国科技论文统计源期刊（中国科技核心期刊））；11. “公共部门绩效评价的标杆管理与数据包络分析”，《西南交通大学学报》（自然版），第一作者，2004.5，（EI全文检索，中文核心期刊，中国科技论文统计源期刊（中国科技核心期刊））；10. “关于高层管理人才培养中的一点浅见”，《中华教育杂志》，（香港），第一作者，2003.7；9. “关于当前城市低保体制建设中的几点思考”，《西南民族大学学报》，第一作者，2003.4，（CSSCI，中国科技论文统计源期刊（中国科技核心期刊））；8. “基于标杆管理的DEA算法对公共部门的绩效评估”，《中国管理科学》，第二作者，2003.6，（CSSCI，中国科技论文统计源期刊（中国科技核心期刊））；7. “便携式条形码识别存储器”，《计算机应用研究》，第二作者；1997.9，（中文核心期刊，中国科技论文统计源期刊（中国科技核心期刊））；6. “试论管理科学与自然科学本质区别与区别本质”，《东华大学学报》，第二作者，2001.1，（中文核心期刊，中国科技论文统计源期刊（中国科技核心期刊））；5. “高等数学教学与MATHEMATICA使用”，《工科数学》，第一作者，1999.10，（中文核心期刊）；4. “模糊多目标规划的可能性理论模型及算法”，《电子科技大学学报》，第一作者，1997.8，（EI全文检索，中文核心期刊，中国科技论文统计源期刊（中国科技核心期刊））；3. “非计算机专业的计算机基础教育探讨”，《高等工程教育研究》，第一作者，2000.4，（CSSCI，中文核心期刊）；2. “煮粥原理及其在政府工作中的应用”，《中国行政管理》，第一作者，2002 .6，（CSSCI，中文核心期刊，政治学类第一位，管理学类第一位）；1. “政府再造与电子政府的非技术分析”，《经济体制改革》，第一作者，2002.1，（CSSCI，中文核心期刊）。 主持和主研项目共21项，其中，主持项目18项，主研项目3项：21. （主持）中组部干部教育局项目：“观念与认知的转变在高校基地干部短期培训中的重要性研究——以信息革命为例”，2014年8-10月，无经费；20. （主持）国家社科基金后期资助项目：“物联网与政府管理模式创新”，2013年7月12日-2014年12月31日，经费：18万，项目批准号：13FZZ002；19. （主持）成都市武侯区残疾人联合会项目：“"智慧残联．和谐武侯"武侯区残疾人民生服务系统顶层设计”，2013年4月-2013年6月，经费：3万；18. （主持）四川省人民政府办公厅2013年度政务调研项目：“物联网管理模式下四川公共服务均衡发展新模式和途径研究”，2013年7月23日-2013年12月31日，川办函【2013】55号，无经费；17. （主持）四川省哲学社会科学重点研究基地区域公共管理信息化研究中心重点项目：“基于物联网的西部基础教育资源均衡模式构建研究——以全域成都为例”，2013年8月6号-2015年8月6号，经费：1.5万，项目批准号：QGXH13-01；16. （主持）2011年度四川大学中央高校基本科研业务费研究专项（哲学社会科学）项目：“政府管理遭遇物联网时代——现代信息革命与管理创新”，2011年11月至2012年12月，项目经费：3万，项目批准号：skcb201104；15. （主持）获国家应用专利：《便携式条形码识别存储器》，1997年，专利类型：实用新型专利，分类号：G06K9/18；14. （主研）国家社会科学基金项目：《电子商务经济效率理论与评价方法研究》，2002年~2003年；13. （主研）四川省教委项目：《西部地区高校工科数学系列课程教学内容及教学手段现代化研究与实践》，2002年~2005年（完成）；12. （主持）铁道部运输局项目：《铁路货运事故处理质量考核标准研究》，2003年~2004年（完成）；11. （主持）四川省科委软课题项目：《基于电子政务的质量技术监督部门的绩效考评方法与实证研究》，2004年~2005年（03ZR025-070）（完成）；10. （主持）四川省科委软课题项目：《质量技术监督部门电子政务发展战略和实施标准研究》，2004年~2005年（03ZR025-071）（完成）；9. （主持）西南交通大学校基金项目：《西部电子政府的构建及其博弈分析与实施》，2002年~2005年（2002A05）；8. （主持）四川省科委软课题项目：《四川省质量技术监督局岗位绩效评估体系研究》，2006年~2007年。（06ZR0185）；7. （主持）四川省科委软课题项目：《加强农业标准化，促进农民增收的对策研究》，2006年~2007年（06ZR0180）；6. （主持）四川省法改委项目：通江县、宜宾县、乐至县《发展循环经济“十一五”规划》，2006年4月-2006年6月（完成）；5. （主持）成都市龙泉驿区科委项目：《关于完善龙泉驿区政府在招商引资中的定位和招商引资业务流程的立项报告》，2007年9月-2008年2月；4. （主研）教育部重大招标课题：《构建城乡统一的劳动力市场促进城乡劳动者平等就业研究》，2007年-2010年（06ZJB0014）；3. （主研）铁道部软课题项目：《人才预测系统》，1991年~1992年，获得铁道部科技优秀设计方案奖。（铁道部人字[1992]164号文件）；2. （主持）西南交通大学校基金项目：《电子政务绩效考评测试》，2003年~2005年（2003A06）；1. （主持）西南交大学位与研究生教育科学研究重点项目：《公共管理硕士（MPA）教育质量保证体系研究》，2009年09月-2011年09月（项目编号2009YZ12，经费4万，西交校研【2009】7号）。

企业选择一个供应商，有利于控制质量，但不利于控制成本，反之选择多家供应商，则有利于控制成本，提高企业经济效益，但有可能导致质量不稳定，影响生产工艺及产品质量。拓展资料：供应商是向企业及其竞争对手供应各种所需资源的企业和个人，包括提供原材料、设备、能源、劳务等。它们的情况如何会对企业的营销活动产生巨大的影响，如原材料价格变化、短缺等都会影响企业产品的价格和交货期，并会因而削弱企业与客户的长期合作与利益，因此，营销人员必须对供应商的情况有比较全面的了解和透彻的分析。供应商既是商务谈判中的对手更是合作伙伴。1、特征应该确定符合公司战略的供应商特征，对所有供应商进行评估，可以将供应商分成交易型、战略型和大额型。2、分类供应商分类是对供应商系统管理的重要一部分。它决定着哪些供应商你想开展战略合作关系，哪些你想增长生意，哪些是维持现状，哪些是积极淘汰，哪些是身份未定。相应的，供应商可分为战略供应商（Strategic Suppliers）、优先供应商（Preferred Suppliers）、考察供应商（Provisional Suppliers）、消极淘汰（Exit Passive）、积极淘汰（Exit Active）和身份未定供应商（Undetermined）。当然，不同公司的分法和定义可能略有不同。一般来讲，交易型是指为数众多，但交易金额较小的供应商；战略型供应商是指公司战略发展所必需的少数几家供应商；大额型供应商指交易数额巨大，战略意义一般的供应商。3、战略供应商指那些对公司有战略意义的供应商。例如他们提供技术复杂、生产周期长的产品，他们可能是唯一供应商。他们的存在对公司的存在至关重要。更换供应商的成本非常高，有些乃至不可能。对这类供应商应该着眼长远，培养长期关系。

您好，城市轨道交通安全评价方法主要有以下几点1.基于层次分析法(AHP)2.基于数据包络分析法（DEA）3.基于灰色系统的评价方法以上就为城市轨道交通安全评价的主要方法望采纳！！