CONTENTS
Chapter 1 Estimating Directional Returns to Scale in DEA
Chapter 2 Data Envelopment Analysis in the Absence of Convexity：
Specifying Efficiency Status and Estimating Returns to Scale
Chapter3 Institutional Change and Optimal Size of Universities
Chapter4 A Study on Directional Returns to Scale
Chapter5 Directional Congestion in the Framework of Data Envelopment Analysis
Chapter6 Integer Data in DEA： Illustrating the Drawbacks and Recognizing Congestion
Chapter7 Negative Data in DEA： Recognizing Congestion and Specifying the Least and the Most Congested Decision-Making Units
Chapter8 Estimating Capacity Utilization of Chinese Manufacturing Industries
Chapter9 Measuring the Chinese Regional Production Potential Using A Generalized
Capacity Utilization Indicator
Chapter10 Estimating Capacity Utilization of Chinese State Farms
Chapter11 Measuring the Capacity Utilization of the 48 Largest Iron and Steel Enterprises in China
前言前言
数据包络分析方法（Data Envelopment Analysis, DEA）是运筹学、经济学与统计学交叉研究的一个新领域。DEA的基本思想是根据多项投入指标和多项产出指标，基于结构化的数据，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查恩斯Charnes,库珀Cooper和罗恩斯Rhodes提出以来，主要应用于投入产出效率评价、全要素生产率分析、生产函数构建以及组织标杆设定等领域，在公共管理、企业管理以及科技管理等领域有着广泛的应用前景。
中国科学院科技战略咨询研究院潘教峰研究员最早于2017年系统阐述了智库DIIS理论方法，包含收集数据（Data）揭示信息（Information）综合研判（Intelligence）形成方案（Solution）的智库问题研究过程。在2019年出版的《智库DIIS理论方法》一书中，潘教峰等提出了智库DIIS三维理论模型。在DIIS框架下的DEA方法是揭示信息阶段的定量方法之一。
本书主要探讨和研究DEA框架中与经济学中的生产规模相关的三个重要问题：规模收益（returns to scale）、阻塞（congestion）和产能利用率（capacity utilization）。前言
党的十九大报告作出我国经济已由高速增长阶段转向高质量发展阶段的重大判断。因此，在新的历史时期，国家重大问题宏观决策需要改变以往的决策方式，构建基于证据的决策支撑体系，基于全面翔实的数据和事实作为决策依据，强调决策方法的科学性，从而保障决策的高质量。而现实的数据和事实往往是散乱分布的，因此需要基于大数据的数学方法进行挖掘，才能有效分析数据，掌握其中蕴含的知识，从而有效支撑高质量决策。
数据包络分析方法（Data Envelopment Analysis, DEA）是运筹学、经济学与统计学交叉研究的一个新领域。DEA的基本思想是根据多项投入指标和多项产出指标，基于结构化的数据，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查恩斯Charnes,库珀Cooper和罗恩斯Rhodes提出以来，主要应用于投入产出效率评价、全要素生产率分析、生产函数构建以及组织标杆设定等领域，在公共管理、企业管理以及科技管理等领域有着广泛的应用前景。
中国科学院科技战略咨询研究院潘教峰研究员最早于2017年系统阐述了智库DIIS理论方法，包含收集数据（Data）揭示信息（Information）综合研判（Intelligence）形成方案（Solution）的智库问题研究过程。在2019年出版的《智库DIIS理论方法》一书中，潘教峰等提出了智库DIIS三维理论模型。在DIIS框架下的DEA方法是揭示信息阶段的定量方法之一。
本书主要探讨和研究DEA框架中与经济学中的生产规模相关的三个重要问题：规模收益（returns to scale）、阻塞（congestion）和产能利用率（capacity utilization）。
其一，规模收益是组织绩效分析所关心的一个重要问题。它可以帮助决策者决策应该扩大还是减少组织规模，从而提高组织运行的绩效。规模收益是经济学中一个经典的概念，涉及生产要素变化与产量变化之间的关系。如果生产规模的变化是由所有生产要素以相同比例扩大（或减少）而引起的，则规模收益关注所有投入成比例变化时产出的变化率。生产过程的规模收益情况有三种：①如果产量增加（减少）的比率大于生产要素增加（减少）的比率，则该生产规模收益递增；②如果产量增加（减少）的比率等于生产要素增加（减少）的比率，则该生产规模收益不变；③如果产量增加（减少）的比率小于生产要素增加（减少）的比率，则该生产规模收益递减。
其二，在实际的规模收益分析中，往往涉及阻塞效应的概念，即在不使其他投入或产出恶化的前提下，某个（或某些）投入的减少会造成某个（或某些）最大可能产出增加。本质上说，阻塞效应描述的投入过量的问题。目前，阻塞效应在传统经济学中的研究并不充分，部分原因是由于诺贝尔经济学奖获得者施蒂格勒Stigler在他关于利本施泰因Leibenstein提出的XEfficiency的评论中对阻塞效应是否应成为经济学中的一个研究问题的质疑。然而，法勒Fre和斯文松Svensson在1980年重新界定了阻塞效应的概念，1983年法勒和格罗斯科普夫Grosskopf则提出了阻塞效应概念的可操作的形式，随后法勒等于1985年提出了用于分析阻塞效应的模型并将它引入到DEA的分析框架之中。
其三，产能利用率也是一个和生产规模相关的概念。近年来，为了治理我国部分产业（例如,钢铁、水泥等）产能过剩的问题，政府先后出台了一系列政策措施。与发达国家相比，国内学界对于产能利用率的认识起步较晚，相对于经济发展形势而言，我国的产能利用率测度研究同样滞后。DEA框架下的产能利用率指标的核心思路是通过各被评对象的投入和产出数据,借助DEA方法，构建前沿面形成生产函数。其中投入可划分为可变投入和不可变投入，将在现实投入产出水平下前沿面上的产出定义为有效产出，将在可变投入充分保障的前提下形成的前沿面上的产出定义为生产能力，有效产出和生产能力之比即为产能利用率指标。
本书主要内容的撰写，都是围绕以上三个重要经济学概念而展开的一些前沿方法的探讨以及相关的实践应用，共计三大部分11章。
本书第一部分包含4章，主要探讨规模收益相关问题。其中，第1章首先探讨了DEA框架中规模收益的概念和测度方法，随后将之推广到更一般的方向规模收益的情形，并提出两类测度方法。第2章着重探讨了凸性假定不成立的情形下的规模收益以及最优产出规模点的判定方法。第3章则重点围绕德国大学的规模收益和最优产出规模展开实证研究。第4章深入分析了中国科学院下属生物类研究所的规模收益和方向规模收益情况。
本书第二部分包含3章，主要探讨阻塞效应相关问题。第5章在回顾传统经济学中阻塞效应的基础上，提出方向阻塞的概念并介绍相应的测度方法。第6章重点讨论在有整数型指标的情形下如何识别阻塞效应的方法。第7章则讨论了某（些）指标存在负值的情形下阻塞效应的判定方法。
本书第三部分包含4章，主要探讨产能利用率相关问题。第8章重点探讨了中国制造业的产能利用情况并提出相应的政策建议。第9章则提出一个新的产能利用率指标，并研究了中国各省级区域的产能利用率。第10章主要围绕中国国有农场的产能利用率展开实证研究。第11章则针对中国48家大型钢铁企业的产能利用率和产能过剩情况展开研究。
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
