| 标题 | DEA在电网企业投入产出绩效评价中的应用研究 |
| 范文 | 胡婷 摘要：2007年全球经济危机的影响，国有企业暴露出了各种问题。而电力企业作为国有企业重要支柱产业，为了更好地评价国有电力企业的业绩，我们需要借助科学合理的评价体系对电力企业的经营绩效进行评估。而DEA（数据包络分析）作为以一种科学的企业绩效评价方法，它与其他评价方法相比有着绝对的优势。本文首先介绍了DEA数据包络分析的发展，然后分析了基本理论的特点，最后结合电网企业绩效评价的现状，针对其中发现的问题，提出了一些合理业绩评价改进建议。 关键词：DEA（数据包络分析） 绩效评价 电网企业 应用 电网企业作为我国工业经济中的支柱型产业，对于人们的日产生活以及国家的经济发展有着非常重要的作用。近年来，随着电力体制的全面改革，发电以及电网企业的逐步分离，也给电网企业的发展带了新的挑战以及机遇。在这种新的形势下，如何做好电网企业投入产绩效评价，建立科学的评价体系，及时发现影响因素并提出一些有效改进措施，对提升电力企业的经营绩效有着非常重要的意义。 1.电网企业绩效评价的基本理论 对于电网企业的绩效评价有着多种方法，为了更好地了解电网企业投入产出绩效评价，我们将从以下几个概念先做理论性的介绍。 首先，绩效的概念并没有统一的共识，总的来说它是指人们从事某一种活动最终取得的结果。对于企业绩效的衡量评价是指为了实现企业的战略目标，运用某些特定的指标或者方法，对于一段时期企业的经营活动结果进行价值评估以及对于企业的营者行为评价。它一般使用数理统计的方法或者模型评价行为主体对于企业某方面的管理运作结果做出的主观判断。或者是说它也可以通过定量以及定性的对比分析，对一段经营期间的经营绩效作出综合性的评价。评价的结果可能会对一个企业、部门以及个人产生直接或者是间接地影响。但是，企业的绩效一般都是动态变化，其主要受到企业内部特质因素（经营管理者的行为、工作人员的积极性等）以及外部宏观因素（比如宏观的经济趋势、行业供求等）这两方面的影响。 其次，随着电力体制系统的改变，电网开发从传统的环节中剥离出来，形成了具有商业性的运营发电企业。其中电力的输配供应就形成现在的电网企业，其作为发电的下游环节，其具有除发电以外的其他所有电力职能。电网企业具有以下几个特点：第一，垄断性，也就说企业的经营活动范围以及行为受到国家政府的控制。第二，网络性，由于电力需要在发电厂向各个地区运输，因此需要强大的电力网络系统。第三，公用性，电作为人民日常生活中不可或缺的一种资源，电网企业又受制于国家控制，其具有一定的社会公用服务性质。 再次，电网企业的绩效评价主要基于产业组织理论，主要是指评价电网企业的输配电运输效率问题。而投入产出绩效评价是指从投入产出的层面来看，利用科学合理的指标评价体系以及分析方法，测算评价电网企业的技术、输配电运输等效率。 2.DEA数据包络分析模型 2.1DEA数据包络分析 我们需要了解一下数据包络分析（Data Envelopment Ananlysis）的内涵。它是指利用数理统计的方法以及管理科学的相关知识，从投入产出的角度对于企业的经营绩效作出的评价的一种方法。 数据包络分析主要是以相对概念为依据，用于评价同种类型投入，多种产出的决策单位是否具有技术有效性的一种数理统计分析方法，其基本方法是指将每一个经营决策单位作为一个分析对象单元，在使用多种评价单元构成一个具有规模的评价决策群体，然后利用投入产出比率综合计算分析，并以每一个决策单元的指标权重作为变量评价计算，确定有效地生产前沿面，最后根据每个生产决策单元的与有效地生产前沿面相对比，来确定是否有效。同时也可以采用投影的方法对弱有效的决策单元进行分析，找出一些影响因素。通过分析这些影响因素对于业绩的影响程度，进而明确对于企业的未来经营得改进方向以及程度。该方法由于具有很多优点，所以被广泛的使用在成本效益评价、资源配置以及金融投资等相关问题分析中。数据包络分析模型主要包括C2R模型、BC2模型、规模效益模型以及SE-C2R多输入多输出模型。 2.2DEA数据包络分析步骤 在使用DEA数据包络分析时，主要从以下几个步骤开始： 2.2.1明确分析的问题。首先我们需要明确分析的目标，其中包括分的主要目标以及分目标，并依据他们的影响因素，建立一个层次机构。其次，需要确定各个因素的性质，比如将因素分成可控制的以及不可控制得，主要的与次要的等。再次，我们需要考虑分析研究哥哥影响因素之间的关系。最后，我们需要明确决策单元的边界以及结构，并且对其进行层次分析，针对结果，进行定性的分析以及预测。 2.2.2建立模型并加以计算。首先我们需要建立相关的评价指标体系，并且根据之前的结果，确定全面的评价分析体系，并做好指标之间的定性关系约束，并且考虑输入以及输出指标的多样性。其次，选择决策单元。再次，收集并整理数据。最后根据数据的有效性目的以及实际意义，从C2R模型、BC2模型、规模效益模型以及SE-C2R多输入多输出模型中选择一种进行计算。 2.2.3对计算结果进行评价分析。针对上述的分析计算结果，对计算结果进行分析对比，找出一些无效的决策单元原因以及改进途径。然后根据定性以及定量的分析方法对结果的合理性进行评价。也可以用多种模型进行计算分析，以便保证结果的稳定性。 图1DEA包络分析步骤 3.DEA在电网企业投入产出的应用研究 3.1电网企业投入产出指标的建立 基于有目标一致、可操作性、全面性与重点性结合、独立性与相关性结合以及普遍使用等基本原则，我们选择了以下几个投入产出分析指标。由于电网企业的投入产出业绩评价主要偏向于其运营绩效，多以选择实物指标为主。电网企业的主要投入包括：人力资源、固定电力设备以及供电过程中发生的运营成本。其中固定资产主要有供输配电网、变压器以及变电站从等组成，运营成本主要包括管理费用、修理维护费等，这些都可以经营管理者直接控制。同时，从产出的角度来看，我们可以看出电网企业的产品主要包括最终的电力产品服务等。通过分析总结国内有关研究以及咨询有关专家的意见，我们选出了110千伏以下的线路长度（以千米来衡量）、110千伏以下变电容量（以万千伏衡量）以及供电站的供电成本（以万元衡量）作为电网企业的投入分析指标，选择以售电量（以千瓦时衡量）、用户的数量以及电网线路损耗率（%）为电网企业的产出分析指标。 除了以上分析之外，各地区的电网企业的投入产出业绩评价还受到很多因素的影响，比如电网企业所在区域的经济状况、用电的客户结构等因素的影响。 3.2DEA在电网企业投入产出绩效的应用研究 根据之前对于数据包络分析的介绍，我们明确知道在选择决策单元时要满足同质性的要求，所以在满足决策单位相同的组织目标下，决策单位必须执行相同的任务，并且基本的投入产出结构模式大致相同。基于以上分析，我们选择了某地区的12家电网企业作为我们的实证研究分析对象，他们的主营业务以及管理模式、核算方法等基本相同，满足了电网企业投入产业业绩评价的基本条件。 3.2.1电网企业投入产出分析指标数据描述性统计以及相关性分析 从表1中，我们可以看出投入指标中110千伏以下线路长度的均值为2186.108千米，标准差为909.846，其中产出分析指标的售电量的均值为23.091亿千瓦时，标准差为9.226. 从表2的指标相关性检验中，我们可以看出除了线损率与110KV以下线路长度以及110KV以下变电容量之间的关系为负之外，其他各个指标之间均存在正向的相关性。这可以看出随着投入量的加大，产出的总量也会逐步加大。这从定量分析的角度证明了选取的投入产出分析指标之间的合理性。 3.2.2电网企业投入产出效率分析 此阶段，我们主要CRR模型计算了电网企业综合效率，然后根据变动规模报酬的BCC模型单独计算出了电网企业的技术效率、规模效率以及规模报酬。 从表3中，我们可以看出12家电网企业的综合效率均值为0.804，这表明电网企业总体的运用效率比较高。同时我们也可以看出在投入水平中，电网企业大约有19.6%的浪费。综合分析，我们知道综合效率主要纯技术效率以及规模效率，因此可能是造成技术效率不好的主要原因，可能是由于规模效率的不佳以及运营规模不佳，而这又不可以在较短的时间内得以控制造成的。 技术效率是指相似的企业在相同的产出水平下，以最小的投入水平，这证明该效率是比较高的。由表3，我们可以看出12家电网企业的整体技术效率均值为0.909，说明其整体的效率还是比较好的。其中对于供电局1、2、3、4、7、8、11、12来说，他们的技术效率指标相对较高，甚至有的已达到了1的水平，而对于供电局9、10来说，他们的技术效率指标就相对较小。可以说明在之后的企业运营中，可以注意技术效率方面的管理与提高。 规模效率是指任意一个供电企业在最大的产出水平下，技术效率的生产投入量与最适规模下的投入量比值。由表3，我们可以看出12家供电企业的总体规模效率的均值为0.875，而整体的技术效率均值为0.909，因此，在总体的无效率，我们可以从技术以及规模的无效率来说明。其中供电局1、4、11、12的规模效率较高，处于规模报酬稳定的状态。相反，供电局6、8的规模报酬激较低，可以看出属于规模报酬递减的状态。 3.2.3电网企业的排序 一般而言，经营者既关心企业的效率，又会关心他们在同行业中的排名情况。CCR模型可以将有效率的决策单位与无效单元进行分离，并根据他们的超效率值进行排序。有以上对于供电企业的综合效率分析，我们可以发现存在4个地区的决策单元是相对有效，但是由于CCR模型对有效单元的相对业绩不能进行区分，因此在此阶段我们用超效率数据包络分析进行进一步区分计算。 从表4 可以看出，在超效率的DEA模型分析下，我们对于12家供电企业进行排序。其中区分出来在相同的效率水平下，4家电网企业的相对业绩水平。其中在相同的条件下，电网企业12的超效率水平最好，紧接着是供电局1、供电局11以及供电局4。 表4CRR模型以及超效率模型的排序 4.结语 综上所述，电力企业作为国有企业重要支柱产业，为了更好地评价国有电力企业的业绩，我们需要借助科学合理的评价体系对电力企业的经营绩效进行评估。而DEA（数据包络分析）作为以一种科学的企业绩效评价方法，它与其他评价方法相比有着绝对的优势。通过使用CCR模型以及超效率数据分析方法，我们对电网企业的业绩进行了评价。在现实中，企业可以借助DEA模型对电力企业的经营业绩进行评估，推动电力企业的持续发展与进步。 参考文献： [1]朱春波.DEA在电网企业投入产出绩效评价中的应用研究[D].重庆大学，2008. [2]纪玉伟.基于DEA的电网投资建设项目后评价研究[D].华北电力大学（北京），2009. [3]刘野.基于综合DEA评价模型的我国“985”高校科研绩效评价研究[D].哈尔滨工程大学，2013. [4]陈浩.基于理想窗宽的DEA视窗分析模型的我国高校科研评价[D].哈尔滨工业大学，2012. [5]张军峰.平衡计分卡在电网企业绩效评价中的应用[J].会计之友，2011，16：120-122. [6]刘琳.基于DEA的首发基金临床医学联合攻关项目绩效评价[D].北京中医药大学，2013. 除了以上分析之外，各地区的电网企业的投入产出业绩评价还受到很多因素的影响，比如电网企业所在区域的经济状况、用电的客户结构等因素的影响。 3.2DEA在电网企业投入产出绩效的应用研究 根据之前对于数据包络分析的介绍，我们明确知道在选择决策单元时要满足同质性的要求，所以在满足决策单位相同的组织目标下，决策单位必须执行相同的任务，并且基本的投入产出结构模式大致相同。基于以上分析，我们选择了某地区的12家电网企业作为我们的实证研究分析对象，他们的主营业务以及管理模式、核算方法等基本相同，满足了电网企业投入产业业绩评价的基本条件。 3.2.1电网企业投入产出分析指标数据描述性统计以及相关性分析 从表1中，我们可以看出投入指标中110千伏以下线路长度的均值为2186.108千米，标准差为909.846，其中产出分析指标的售电量的均值为23.091亿千瓦时，标准差为9.226. 从表2的指标相关性检验中，我们可以看出除了线损率与110KV以下线路长度以及110KV以下变电容量之间的关系为负之外，其他各个指标之间均存在正向的相关性。这可以看出随着投入量的加大，产出的总量也会逐步加大。这从定量分析的角度证明了选取的投入产出分析指标之间的合理性。 3.2.2电网企业投入产出效率分析 此阶段，我们主要CRR模型计算了电网企业综合效率，然后根据变动规模报酬的BCC模型单独计算出了电网企业的技术效率、规模效率以及规模报酬。 从表3中，我们可以看出12家电网企业的综合效率均值为0.804，这表明电网企业总体的运用效率比较高。同时我们也可以看出在投入水平中，电网企业大约有19.6%的浪费。综合分析，我们知道综合效率主要纯技术效率以及规模效率，因此可能是造成技术效率不好的主要原因，可能是由于规模效率的不佳以及运营规模不佳，而这又不可以在较短的时间内得以控制造成的。 技术效率是指相似的企业在相同的产出水平下，以最小的投入水平，这证明该效率是比较高的。由表3，我们可以看出12家电网企业的整体技术效率均值为0.909，说明其整体的效率还是比较好的。其中对于供电局1、2、3、4、7、8、11、12来说，他们的技术效率指标相对较高，甚至有的已达到了1的水平，而对于供电局9、10来说，他们的技术效率指标就相对较小。可以说明在之后的企业运营中，可以注意技术效率方面的管理与提高。 规模效率是指任意一个供电企业在最大的产出水平下，技术效率的生产投入量与最适规模下的投入量比值。由表3，我们可以看出12家供电企业的总体规模效率的均值为0.875，而整体的技术效率均值为0.909，因此，在总体的无效率，我们可以从技术以及规模的无效率来说明。其中供电局1、4、11、12的规模效率较高，处于规模报酬稳定的状态。相反，供电局6、8的规模报酬激较低，可以看出属于规模报酬递减的状态。 3.2.3电网企业的排序 一般而言，经营者既关心企业的效率，又会关心他们在同行业中的排名情况。CCR模型可以将有效率的决策单位与无效单元进行分离，并根据他们的超效率值进行排序。有以上对于供电企业的综合效率分析，我们可以发现存在4个地区的决策单元是相对有效，但是由于CCR模型对有效单元的相对业绩不能进行区分，因此在此阶段我们用超效率数据包络分析进行进一步区分计算。 从表4 可以看出，在超效率的DEA模型分析下，我们对于12家供电企业进行排序。其中区分出来在相同的效率水平下，4家电网企业的相对业绩水平。其中在相同的条件下，电网企业12的超效率水平最好，紧接着是供电局1、供电局11以及供电局4。 表4CRR模型以及超效率模型的排序 4.结语 综上所述，电力企业作为国有企业重要支柱产业，为了更好地评价国有电力企业的业绩，我们需要借助科学合理的评价体系对电力企业的经营绩效进行评估。而DEA（数据包络分析）作为以一种科学的企业绩效评价方法，它与其他评价方法相比有着绝对的优势。通过使用CCR模型以及超效率数据分析方法，我们对电网企业的业绩进行了评价。在现实中，企业可以借助DEA模型对电力企业的经营业绩进行评估，推动电力企业的持续发展与进步。 参考文献： [1]朱春波.DEA在电网企业投入产出绩效评价中的应用研究[D].重庆大学，2008. [2]纪玉伟.基于DEA的电网投资建设项目后评价研究[D].华北电力大学（北京），2009. [3]刘野.基于综合DEA评价模型的我国“985”高校科研绩效评价研究[D].哈尔滨工程大学，2013. [4]陈浩.基于理想窗宽的DEA视窗分析模型的我国高校科研评价[D].哈尔滨工业大学，2012. [5]张军峰.平衡计分卡在电网企业绩效评价中的应用[J].会计之友，2011，16：120-122. [6]刘琳.基于DEA的首发基金临床医学联合攻关项目绩效评价[D].北京中医药大学，2013. 除了以上分析之外，各地区的电网企业的投入产出业绩评价还受到很多因素的影响，比如电网企业所在区域的经济状况、用电的客户结构等因素的影响。 3.2DEA在电网企业投入产出绩效的应用研究 根据之前对于数据包络分析的介绍，我们明确知道在选择决策单元时要满足同质性的要求，所以在满足决策单位相同的组织目标下，决策单位必须执行相同的任务，并且基本的投入产出结构模式大致相同。基于以上分析，我们选择了某地区的12家电网企业作为我们的实证研究分析对象，他们的主营业务以及管理模式、核算方法等基本相同，满足了电网企业投入产业业绩评价的基本条件。 3.2.1电网企业投入产出分析指标数据描述性统计以及相关性分析 从表1中，我们可以看出投入指标中110千伏以下线路长度的均值为2186.108千米，标准差为909.846，其中产出分析指标的售电量的均值为23.091亿千瓦时，标准差为9.226. 从表2的指标相关性检验中，我们可以看出除了线损率与110KV以下线路长度以及110KV以下变电容量之间的关系为负之外，其他各个指标之间均存在正向的相关性。这可以看出随着投入量的加大，产出的总量也会逐步加大。这从定量分析的角度证明了选取的投入产出分析指标之间的合理性。 3.2.2电网企业投入产出效率分析 此阶段，我们主要CRR模型计算了电网企业综合效率，然后根据变动规模报酬的BCC模型单独计算出了电网企业的技术效率、规模效率以及规模报酬。 从表3中，我们可以看出12家电网企业的综合效率均值为0.804，这表明电网企业总体的运用效率比较高。同时我们也可以看出在投入水平中，电网企业大约有19.6%的浪费。综合分析，我们知道综合效率主要纯技术效率以及规模效率，因此可能是造成技术效率不好的主要原因，可能是由于规模效率的不佳以及运营规模不佳，而这又不可以在较短的时间内得以控制造成的。 技术效率是指相似的企业在相同的产出水平下，以最小的投入水平，这证明该效率是比较高的。由表3，我们可以看出12家电网企业的整体技术效率均值为0.909，说明其整体的效率还是比较好的。其中对于供电局1、2、3、4、7、8、11、12来说，他们的技术效率指标相对较高，甚至有的已达到了1的水平，而对于供电局9、10来说，他们的技术效率指标就相对较小。可以说明在之后的企业运营中，可以注意技术效率方面的管理与提高。 规模效率是指任意一个供电企业在最大的产出水平下，技术效率的生产投入量与最适规模下的投入量比值。由表3，我们可以看出12家供电企业的总体规模效率的均值为0.875，而整体的技术效率均值为0.909，因此，在总体的无效率，我们可以从技术以及规模的无效率来说明。其中供电局1、4、11、12的规模效率较高，处于规模报酬稳定的状态。相反，供电局6、8的规模报酬激较低，可以看出属于规模报酬递减的状态。 3.2.3电网企业的排序 一般而言，经营者既关心企业的效率，又会关心他们在同行业中的排名情况。CCR模型可以将有效率的决策单位与无效单元进行分离，并根据他们的超效率值进行排序。有以上对于供电企业的综合效率分析，我们可以发现存在4个地区的决策单元是相对有效，但是由于CCR模型对有效单元的相对业绩不能进行区分，因此在此阶段我们用超效率数据包络分析进行进一步区分计算。 从表4 可以看出，在超效率的DEA模型分析下，我们对于12家供电企业进行排序。其中区分出来在相同的效率水平下，4家电网企业的相对业绩水平。其中在相同的条件下，电网企业12的超效率水平最好，紧接着是供电局1、供电局11以及供电局4。 表4CRR模型以及超效率模型的排序 4.结语 综上所述，电力企业作为国有企业重要支柱产业，为了更好地评价国有电力企业的业绩，我们需要借助科学合理的评价体系对电力企业的经营绩效进行评估。而DEA（数据包络分析）作为以一种科学的企业绩效评价方法，它与其他评价方法相比有着绝对的优势。通过使用CCR模型以及超效率数据分析方法，我们对电网企业的业绩进行了评价。在现实中，企业可以借助DEA模型对电力企业的经营业绩进行评估，推动电力企业的持续发展与进步。 参考文献： [1]朱春波.DEA在电网企业投入产出绩效评价中的应用研究[D].重庆大学，2008. [2]纪玉伟.基于DEA的电网投资建设项目后评价研究[D].华北电力大学（北京），2009. [3]刘野.基于综合DEA评价模型的我国“985”高校科研绩效评价研究[D].哈尔滨工程大学，2013. [4]陈浩.基于理想窗宽的DEA视窗分析模型的我国高校科研评价[D].哈尔滨工业大学，2012. [5]张军峰.平衡计分卡在电网企业绩效评价中的应用[J].会计之友，2011，16：120-122. [6]刘琳.基于DEA的首发基金临床医学联合攻关项目绩效评价[D].北京中医药大学，2013. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。