我国煤炭企业效率测算

第33卷第3期.煤炭学报Vol.33 No. 32008年3 月JOURNAL OF CHINA COAL SOCIETYMar.2008文章编号:0253 -9993(2008 )03 -0357 -04我国煤炭企业效率测算姚平1'2,梁静国'(1.哈尔滨工程大学经济管理学院，黑龙江哈尔滨150001; 2.黑龙江科技学院经济管理学院，黑龙江哈尔滨150027)摘要:利用面板数据，分别采用非参数前沿方法中的DEA法和参数前沿方法中的SFA法对我国40家煤炭企业2004- -2006 年期间的综合效率进行了测度,在此基础上,对两种方法测度出的煤炭企业效率值排序进行了相关分析和一致性检验.结果表明，两种方法测度出的煤炭企业效率在数值上有显著差异，但是在效率排序上具有很好的一致性.关键词:煤炭企业;效率;测算;中图分类号: F407. 21文献标识码: AMeasurement of Chinese coal enterprises efficiencyYAO Ping'", LIANG Jing .guo'(1. School of Eonomics & Managemen, Harbin Engineering Unicersity, Harbin 15000, China; 2. School of Economics & Management, HeilongjiangInstiute of Science and Technology, Harbin 150027 , China)Abstract: 40 coal enterprises panel data was taken as the researching samples, Data Envelopment Analysis(DEA) and Stochastic Frontier Analysis ( SFA) methods were united to evaluate eficieney of the coal enterprisesfrom 2004 to 2006 and the relativity and coincidence were tested. The results indicate that there is a remarkabledifference between DEA and SFA eficiency, but they have good coincidence in efciency taxis.Key words: coal enterprises ; efficiency ; measurement1前沿效率前沿效率( Frontier Eficiency)是基于前沿生产函数测算出的效率水平，主要有2个方向:非参数方法和参数方法.①非参数方法直接应用观测数据，根据所描述的经济特征，构造生产可能集，进而研究生产可能集的生产前沿面，并利用生产前沿面进行经济分析.其优点是无需建立解释变量和因变量之间的函数关系，避免了由于采用错误的函数形式而得出的错误结论.缺点在于法设定了-一个确定性的边界,从而不允许测量误差的存在，也就是说它将所有对生产边界的偏离都归因于低效率,这显然不符合实际情况.②参数方法事先假设生产函数具有某种形式，用统计方法估计其中的参数，得到经验生产函数，而后进行生产分析.其优点是它估计的前沿面是随机的，包含了噪声、测量误差和外生干扰.缺点是需要事先假设具体的生产函数形式,以及误差项的概率分布;特别是对处理有多输出系统具有困难.非参数法有数据包络分析法( Data Envelopment Analysis, DEA)和无界分析法( Free Disposal Hull,FDH);参数法有随机前沿分析( Stochastic Frontier Approach, SFA) 法、自由分布分析法( Distribution -Free Approach, DFA)以及厚前沿分析法(Thick Frontier Approach, TFA); 其中，DEA和SFA分别是非参数法和参数法的典型代表.很多学者分别使用DEA和SFA方法在名个方面进行牛产函数估计和技术效中国煤化工收稿日期: 2007-08-28责任编辑:柳玉柏..CHCNMH G基金项目:黑龙江省科技厅重点攻关项目(GB06D102); 黑龙江省教育厅作者简介:姚平(1978-),男，黑龙江哈尔滨人，讲师，博士研究生. E - mail; 12308157@ sin. com358炭学报2008年第33卷率测算方面的相关研究[1-6.将两种方法应用于煤炭企业生产函数的估计和技术效率测算几乎没有，本文同时使用DEA和SFA法对我国煤炭企业效率进行测度，并对2种方法测度出结果进行对比.2 DEA 与SFA模型的基本原理2.1 DEA 模型的基本原理DEA模型的基本思路是把每-一个被评价单位作为一 一个决策单元(DMU)， 以DMU;的各个投入和产出指标的权重为变量进行评价运算，确定有效生产前沿函数,并根据各DMU与有效前沿面的距离，判定各DMU的效率是否DEA有效. DEA 方法的基本模型是C'R和c*GS2模型.其中C'R模型是研究多个输人、特别是多个决策单元同时为规模有效和技术有效十分理想的方法; CGS2 模型则是评价相对技术有效性卓有成效的方法、本文使用的基于输出变量的具有非阿基米德无穷小ε的C'GS'数据包络分析模型为maxθ-e(Ss;+ Ss)，st.ZxgA,+sj =xn (i=1,,m)， ZyA;-s; =Byo (r=1,,s),2A=1 (λ,≥0,sτ ≥0,s;≥0).这里有n个DMU,j=1, 2, . n. x= (xy， 物，.. xm)"为DMU,的输入; y= (y, Yy, .yw)"为DMU;的输出，8"= (si, 5，s:)"是与投人相对应的松弛变量组成的向量; s*= (s*, s工,.，s;")T 是与产出相对应的剩余变量组成的向量.模型的最优解为评价DMU。技术效率的有效情况2.2 SFA 模型的基本原理随机前沿函数是由Aigner, Lovell and Schmidt (1977)， Meeusen and van den Broeck (1977) 年提出的，早期的研究中，随机前沿模型主要应用于截面数据，Pitt and Lee (1981 ), Kumbhakar (1990), Bat-tese and Coelli (1992) 等逐渐发展为使用面板数据，3]。他们的模型可表达为y=f(x; β)exp(v-u),其中，y为产出; x为一组矢量投人; β为一组待定的矢量参数.误差项ε为复合结构，第1部分口服从N(0, o名)分布, v∈idd(独立- 致分布).第2部分u≥0,表示那些仅对某个个体所具有的冲击;该个体的技术效率状态则用Tg =exp( -u)表示.当u=0时,厂商恰好处于生产前沿上(即y=f(x; β)exp(r));若u>0,厂商则处于生产前沿下方，也即处于非技术效率状态根据u所服从分布的假设不同，SFA 在具体估计上有不同的方法、Battese and Celli( 1992)的基本原理:考虑一组涉及N个个体且时期数为T的面板数据( Panel Data),当为经典C-D生产函数时,有ln(y.) =βou +β In(Kq) +β, ln(L) +o。-ug, Tg。= exp(-uy).i为个体序号, i=1, . N; l为时间序号, t=1, . T; y为因变量; L, K为解释变量; R。为截距项; B, B为待估参数.误差项eg由两部分组成,第1部分o。e idd并服从N(O, o;)分布，第2部分为ug非负数，它反映那些在第t期仅作用于第i个个体的随机冲击变量. ug e idd并服从正态截断分布(Truc-nciton at zero of the N(u, o)), D。与u。间相互独立. Tg=exp( -ug)为样本中第i个个体在第t时期内的技术效率水平.若ug=0,则Tgg =1,即处于技术效率状态，此时该个体的生产点规模位于生产前沿面上;若ug>0,则0