基于Windows-DEA和Malmquist指数的医药类高校科研效率分析

运用Window-DEA和DEA-Malmquist法对47所医药类大学2013—2018年科研效率进行测算,并对影响因素进行分析。研究结果表明,47所高校科研效率整体呈上升趋势,但效率偏低,且存在两极分化现象。其中,东北和东部沿海地区高校科研效率较高且稳定,长江中游地区长期处于较低水平,南部沿海地区进步最大;医科类大学比中医药类大学效率高;区域高水平类大学提升迅速,不同办学定位类别间差异呈逐年缩小态势。在此基础上,从完善科研绩效评价制度、加强人才激励以及找准定位协调发展等角度提出政策建议。

基于DEA-ESDA模型和Malmquist指数的我国卫生服务供给效率研究

[目的]分析我国卫生服务供给效率,为提高医疗卫生服务质量提供依据。[方法]基于我国2013-2021年31个省份卫生服务投入产出数据,运用DEA-BCC模型对数据进行静态分析;运用DEA-Malmquist方法进行动态分析;运用探索性空间数据分析(ESDA)研究空间分布特征。[结果]2013-2021年我国东部、中部地区卫生服务供给综合效率(VRS)值较高,东北地区、西部地区综合效率值较低;2021年综合效率均值为0.943,DEA非有效的省份有13个;全要素生产率下降主要由技术进步效率的下降导致;卫生服务供给效率具有显著空间负相关性,呈“低-高”“高-低”聚集。[结论]我国卫生服务供给效率普遍较低,不同地区间差距明显,卫生资源配置效率低,资源供给不均,存在技术“洼地”。各省需结合本地实际情况合理配置资源,充实人才队伍,鼓励技术创新,依托互联网信息技术,促进区域协同发展。

基于DEA-Malmquist指数的我国中部地区物流效率分析

以2012—2021年我国中部地区(山西、河南、安徽、湖北、江西、湖南)六省的物流行业相关面板数据为对象构建评价指标体系,运用DEA-Malmquist指数模型,分别对其进行静态分析以及动态分析,进而得出相关结论,并由此给出提高物流效率的可行性建议。结果表明:2012—2021年间中部地区的物流效率一直未达到有效,且技术是中部各省物流效率的主要问题,同时生产率也略微退步,针对这些问题,中部地区需要加强区域协同作用以及推动物流技术的进步,也需要探索创新人才培养制度,吸引高技术人才。

基于DEA-Malmquist指数模型风电企业融资效率研究

风电产业作为国家战略性新兴产业,对经济发展和环境保护具有举足轻重的地位。近10年来,在国家政策的大力推动下,该行业发展迅速。但是,自疫情爆发以来,国内的很多风电企业都面临着生存危机,随着后疫情时代的到来,中国风电行业面临新的机遇与挑战,更在技术经济和融资方面出现了新问题,制约了其发展。本文采用DEA-Malmquist模型,对风电行业的17家企业进行静态及动态融资效率分析。研究结果表明,规模效率和纯技术效率是制约风电企业融资效率提升的主要因素。同时,结合Malmquist指数模型发现,技术进步指数对融资效率的提升具有显著影响。根据上述分析结果,为风电企业融资效率的提升提出具体的建议和意见,为风电企业解决融资问题提供参考。

我国养老机构服务效率测度及提升路径研究——基于三阶段DEA和Malmquist指数的实证分析

科学评估养老机构服务效率是优化养老资源配置和完善养老服务体系建设的基础。以我国29个省(区、市)为研究对象,基于2018—2022年《中国民政统计年鉴》和《中国统计年鉴》的数据,运用三阶段DEA模型和Malmquist指数模型,对养老机构服务的静态与动态效率测度进行分析。研究表明,养老机构服务效率逐年提升,但仍有改善空间。综合技术效率均值由0.794下降到0.726,受到外部环境因素的影响;技术进步是制约养老机构服务效率的主要原因。因此,要调整投入生产规模,重视环境因素影响,实施差异化的效率提升策略,以技术进步为发展重心,进而提高养老机构服务效率。

基于三阶段DEA-Malmquist指数模型的“十三五”时期新疆畜牧业经济发展效率特征

为了测算和提高新疆畜牧业经济发展效率,采用三阶段DEA-Malmquist指数模型,对“十三五”时期新疆14个地(州、市)畜牧业经济发展水平进行投入产出效率分析。结果表明,从静态分析来看,只有伊犁州直属县(市)在“十三五”时期的规模报酬不变,呈DEA有效;其他地区由于规模效率或纯技术效率下降导致综合技术效率呈DEA无效,规模大多递增。从动态分析来看,“十三五”时期Malmquist指数小于1.000,表明新疆畜牧业经济效率呈下降趋势,且技术进步的变动是阻碍畜牧业经济效率提升的主要原因。应加强技术管理力度,以新型牧业经营主体为导向,提高优化资源配置效率的能力;加强草原保护建设,推行适度规模。效率水平高的地区应保持畜牧业经济发展优势,进行技术推广;效率水平低的地区需从政策、登记体系、基础配套设施建设、人才、技术等方面加大投入。

碳排放约束下省际矿业能源效率评价——基于SBM-Malmquist指数模型

这是一篇矿业工程领域的文章。提升矿业能源效率,减少矿业碳排放是矿业实现绿色发展的重要途径。本文采用SBM模型和Malmquist指数,基于省域(省际)矿业面板数据,探究我国矿业在碳排放水平约束条件下的矿业能源效率。结果表明,在碳排放水平约束下我国矿业能源效率总体水平偏低,各区域能源效率存在差异。2013—2018年我国矿业能源全要素生产率总体波动不大,2015—2018年我国全要素生产率逐年上升,技术进步是效率提高的主要动力。因此,应提高矿业技术水平,加大矿业环境监测力度,因地制宜指定矿业能源相关政策。

基于DEA和Malmquist指数的广东省渔业效率研究

【目的】分析掌握广东渔业的产出效率,为发展可持续的低耗高产渔业提供数据参考。【方法】基于数据包络分析(DEA)及Malmquist指数,对2011—2022年期间广东渔业综合技术效率和全要素生产率指数及其分解进行测算和分析,并与全国平均值进行对比。【结果】广东渔业综合技术效率每年均高于全国平均水平,但2011—2014年、2018—2019年和2021年广东渔业规模报酬呈现递减。通过对广东水产养殖和水产品捕捞的综合技术效率分别进行测算,发现2011—2022年期间广东水产养殖的综合技术效率较高,除2013年和2014年外,均为DEA有效。将DEA无效年份的广东水产养殖和水产品捕捞在生产前沿面上的投影调整为DEA有效,结果显示,2013年和2014年广东水产养殖投入的冗余率分别为5.98%和10.46%,而2011—2014年、2018—2019年和2021年广东水产品捕捞投入的冗余率在39.73%~74.27%之间,说明水产品捕捞的过度投入以及由此引发的捕捞综合技术效率低下是造成2011—2014年、2018—2019年和2021年广东渔业规模报酬递减的主要原因。广东渔业的技术进步和全要素生产率上升幅度与全国平均水平相差较远,全要素生产率和技术进步指数均比全国平均增幅低4.7%,说明广东省在渔业技术进步方面有较大提升空间。【结论】建议广东加大渔业科技的投入力度,加强渔业技术创新,以促进渔业技术进步和提高全要素生产率;加快渔业产业结构调整,合理布局养殖和捕捞规模,以解决广东渔业规模报酬递减的问题;加强渔业资源保护和增殖放流,利用自然生产力增加可捕捞渔业资源;加强水产良种创制及养殖新模式和新技术的开发,进一步拓展水产养殖空间和提高水产养殖的产出效率。

基于DEA-Malmquist指数的湖南省水稻全要素生产率研究

在保障粮食安全的背景下,基于DEA-Malmquist指数法,分别对湖南省13个地级市、1个自治州水稻的动态投入产出效率进行测度,并将湖南省划分为长株潭城市群、湘南地区、大湘西地区、洞庭湖地区4个地区进行比较分析。实证分析结果表明:第一,由于技术的提高,全要素生产率呈上升趋势;第二,不同地级市自治州全要素生产率存在明显差异;第三,全要素生产率在洞庭湖地区、长株潭城市群、湘南地区、大湘西地区呈现依次递减的特征。基于此,有针对性地提出建议,从加大科研投入提升技术,政府推出政策红利解决实际困难,推动经济发展改善种植环境3个方面施策。

基于SBM—Malmquist指数的广东省农产品冷链物流效率

以广东省21个地市2017-2022年的农产品物流数据为样本,运用SBM——Malmquist指数评价模型,对其农产品冷链物流效率进行研究。结果表明:新冠疫情对经济发达地区农产品冷链物流效率的影响较大;珠三角城市的农产品冷链物流效率变化对全省农产品冷链物流效率变化有较大影响;不同城市农产品冷链物流的发展水平参差不齐,波动明显。

我国大规模生猪养殖全要素生产率的时空差异——基于Malmquist指数和超效率SBM模型

我国是最大的猪肉生产国,生猪养殖业是我国农业生产中的支柱产业之一,猪肉在城乡居民肉类食品消费中占据重要地位。本文基于Malmquist指数和超效率SBM模型,依据2011—2021年26省份的生猪生产数据,对大规模生猪养殖的生产效率和全要素生产率及其时空差异特征进行评价分析。结果表明:从生产效率和全要素生产率综合来看,10年间我国大规模生猪养殖的生产效率呈现波动上升态势,生猪养殖技术效率年均值为0.812。从全要素生产率来看,全要素生产率年均增长率为0.5%,呈现周期波动趋势,主要依赖效率变化的增长(1.3%),生猪全要素生产率具有明显的区域性差异,中西部地区适合发展规模化生猪养殖,而东部沿海不太适合大规模生猪养殖。未来中西部应不断完善基础设施并加强技术引进与创新,在东部地区发展小规模生猪养殖,优化生产要素与资源的合理配置,调整养殖结构。

基于DEA-Malmquist指数的江西省农业机械化供给效率研究

为探究江西农业机械化发展水平,挖掘影响江西农业机械化发展的主要因素,寻求优化江西农业机械化发展路径。以江西省11个地市为研究对象,运用DEA-Malmquist生产率指数模型,研究江西省农业机械化供给效率动态变化规律。DEA-BBC分析结果表明,江西11个地市农业机械化综合技术效率处于上升态势,投入产出效率逐步改善,但整体未达到DEA有效,仍存在上升空间。Malmquist指数分析结果表明,江西省农业机械化TFP呈现阶段性波动上升特征,存在明显的区域性差距,规模效率在推进农业机械化进程中发挥重要作用,而技术创新和技术推广则成为影响农业机械化发展的关键因素。因此,既要从规模效率角度大力推进农业机械化规模发展,也要从政策支撑角度加快新农机、新技术的推广应用,更要从技术进步角度提高农业机械化技术水平,以优化提高江西省农业机械化供给效率。

基于三阶段DEA模型和Malmquist指数的我国中医医院运营效率研究

目的:分析2017—2021年我国30个省(区、市)中医医院运营效率变化情况,为促进中医医疗资源均衡布局提供依据。方法:运用三阶段DEA模型对2021年数据进行静态分析,采用Malmquist指数模型对2017—2021年数据进行动态分析。结果:剔除环境变量和随机干扰的影响后,2021年我国中医医院运营综合效率均值为0.886,环境变量对中医医院运营效率的影响显著,2017—2021年全要素生产率变化指数均值为0.958,各省(区、市)的技术变化指数均小于1。结论:我国中医医院运营效率存在区域差异;各地应积极适应人口老龄化趋势,科学规划中医资源以促进区域协调发展;中医医院应优化管理模式,提升中医技术水平,促进中医技术的传承与创新。

我国政策性农业信贷担保体系运行效率评价——基于三阶段DEA-Malmquist指数模型

为加快构建财政金融协同支农机制,有效缓解农业融资难、融资贵问题,2015年以来我国通过财政资本金注入方式支持33个省(自治区、直辖市、计划单列市)建立省级农业信贷担保机构,推动形成覆盖全国的政策性农业信贷担保体系。本文运用三阶段DEA模型和Malmquist指数分析法,分别从静态和动态两个层面测度2019—2022年我国政策性农业信贷担保体系运行效率。结果表明:(1)随机误差因素与外部环境因素的影响会导致体系运行效率值偏低,其中农林牧渔业总产值的增加和财政农林水事务支出的降低对体系运行效率有促进作用。(2)调整后体系综合技术效率较高,但只有两省处于效率前沿面上,有15省低于体系均值0.902,最低的湖南省效率值只有0.65。(3)从全要素生产率指数来看,体系效率先升后降,技术和创新成为影响体系运行效率的主要因素。因此,推动区域协调发展、创新运作模式、防控业务风险是提高体系运行效率的重要途径。

新能源汽车上市公司投资效率评价研究——基于DEA和Malmquist指数模型

以新能源汽车上市公司为研究对象,运用DEA模型和Malmquist指数法,从静态和动态双视角分析和评价新能源汽车行业的投资效率。静态结果表明:2017—2021年,我国新能源汽车上市公司的投资效率整体水平较高但呈现下降趋势,综合效率值接近于1,其主要源于纯技术效率的贡献。动态结果表明:样本公司的全要素生产率小于1,其主要原因为技术效率指数较低。据此,新能源汽车公司应增强研发能力、注重人才培养、强化成本管控、加强市场营销和品牌建设,以提升投资效率。

基于超效率DEA-Malmquist指数的人工智能产业创新效率评价

本文运用超效率DEA从静态层面测算了2010—2020年我国30个省份的人工智能产业创新效率,并采用Malmquist指数对人工智能产业创新效率的变动情况进行动态分析,对人工智能产业全要素生产率进行分解,分析影响创新效率进步关键指标.研究发现:从整体发展水平看,我国30个省份的人工智能产业创新效率总体呈平缓上升趋势;从地区发展水平看,东、中、西部地区的人工智能产业创新效率存在明显的差异性,东部地区呈现缓慢下降的趋势,但仍继续维持领跑态势,中部地区人工智能产业创新效率总体呈缓慢上升趋势,西部地区人工智能产业创新效率呈波动式变化,但变化不大且始终低于平均效率;从全要素生产率来看,我国人工智能产业全要素生产率整体呈波动上升趋势,主要受技术效率和技术进步指数的影响,技术效率的提升得益于规模效率和纯技术效率的增长.

基于DEA-Malmquist指数模型的三甲公立医院临床科室运行效率评价研究

[目的]应用数据包络分析法对某三甲公立医院的临床科室运行效率进行评价,为医院运营管理提供参考。[方法]采用CCR、BCC和Malmquist指数模型,对样本医院2020-2023年28个临床科室运行效率进行静态和动态分析。[结果]28个临床科室中,DEA有效科室2020-2023年分别为10个、12个、14个和13个,综合效率2020-2023年平均值分别为0.827、0.878、0.894、0.888,其主要受纯技术效率的影响;全要素生产率>1共23个科室,<1共5个科室,其主要受技术变化指数的影响。[结论]纯技术效率是影响综合效率的主要因素,全要素生产率与技术变化指数关联较大,医院和各临床科室应当通过合理控制投入产出、加强管理和技术水平提升,强化数字技术利用等举措,来推动运行效率提升。

安徽省大别山连片特困区林业扶贫效率评价——基于超效率SBM-Malmquist指数模型

利用安徽省2014—2020年面板数据,结合超效率SBM和Global Malmquist指数模型对安徽省大别山连片特困区12个县林业扶贫的时间和空间效率进行评价,结果显示,安徽省12个县林业扶贫效率较高,且大部分县的林业扶贫效率呈上升趋势;技术效率进步是全要素生产效率提高的主要带动因素;林业经济效率较高的地区,绿化和生态环境建设较好;12个县的林业扶贫效率存在差异,影响因素各异。提出开展特色林业产业扶持,挖掘林业发展的多维潜力;提高林业扶贫技术和规模效率,优化配置林业科技发展要素;科学利用林业扶贫模式,提升林业产业的内生可持续发展;合理规划林业产业资源,努力实现生态保护与巩固脱贫成果的双赢。

江西省科研院所科技创新效率研究——基于DEA-BCC模型和Malmquist指数模型

【目的】基于江西省科研院所科技统计调查数据,探索和分析江西省科研院所科技创新效率动态变化特征。【方法】以2001—2021年江西省科研院所科技活动人员、R&D经费内部支出、专利申请受理数、专利授权量、科技论文数和出版科技著作数等投入产出数据为基础,构建效率评价指标体系,通过DEA-BCC模型及Malmquist指数模型对其科技创新效率分别进行静态评价和动态分析。【结果】江西省科研院所的科技创新综合效率相对较高,R&D经费内部支出对江西省科研院所投入产出效率的影响更大,全要素生产率指数的浮动受技术进步指数的影响较大。【结论】仍需从加大财政支持力度、创新科研管理体制、深化“放管服”改革等方面不断完善科研院所建设,力争提升全省科研院所科技创新能力,更好地发挥科技创新主体作用。

广东省制造业绿色转型效率评价--基于DEA模型和Malmquist指数测算

制造业是立国之本,强国之基,要实现制造业高质量发展,提高制造业绿色发展效率是必经之路。本文以广东省21个地级城市为样本,从静态和动态相结合的角度测算了21个城市的制造业绿色发展效率和四大区域的绿色发展效率。研究表明,广东省21个城市制造业绿色发展效率呈波动增长趋势,各城市的绿色发展效率有所差异;而四大区域中珠三角、粤东、粤西制造业绿色发展效率差异小且稳定于1,只有山区效率值低于1,但是呈波动增长趋势。