1、目錄摘要：2關鍵詞：21.引言21.1研究目的21.2研究方法和創新點32.DEA理論的介紹以及相關模型32.1 DEA理論的基本思路32.2 DEA方法的優缺點52.3 CCR模型簡介62.4 BCC模型簡介83.MALMQUIST指數介紹94.DEA在我國農藥行業公司企業效率的分析中的應用114.1 農藥行業公司企業效率評價分析114.2農藥行業公司企業效率整體分析124.3農藥行業公司Malmquist指數分析155.研究結論及不足175.1研究結論175.2文章不足17致 謝17參考文獻18英文摘要19附錄20數 據 包 絡 分 析 (DEA)的 應 用 與 研 究 作者：李佳珍 指導

2、教師：王凱 （安徽農業大學理學院05級信息與計算科學 學號：05119027） 摘要：隨著社會經濟的發展，社會資源與自然資源的利用一直是人們關注的問題，而在能源緊缺的時代，效率更是越來越受到人們的重視。在研究效率問題的現代分析方法中，數據包絡分析（DEA）與Malmquist指數是比較先進和應用廣泛的兩種方法。本文首先對數據包絡分析（DEA）的基本原理進行了簡單敘述，并分析了其相對于傳統的效率分析方法的優缺點，同時介紹了DEA方法中常用的兩個基本模型CCR模型和BCC模型；然后引入了Malmquist指數及其分解，詳細說明了該指數與其分解指數的計算公式和含義；最后根據對部分農藥行業上市公司20

3、032008年度的財務數據的調查，使用DEA方法中的兩個基本模型詳細分析了部分農藥行業上市公司的技術效率、純技術效率和規模效率，并且利用Malmquist指數測量企業效率的動態變化，分析了部分農藥行業上市公司近年來的技術進步、技術效率等指標的變化。本文不僅給出了部分農藥行業上市公司的靜態效率分析，同時做出了對各公司效率的動態分析和變化趨勢分析。關鍵詞：數據包絡分析； Malmquist指數；效率分析1.引言1.1研究目的在管理學范圍內 “企業效率”不僅僅關注企業整體資源的投入產出效率，而且也關注與導致這種投入產出的各種資源的配置比率；然而在經濟學中“企業效率"的概念是進入企業的資源投

4、入量、離開企業的產品產出量和上述兩個量之間比例的關系。-作者簡介：李佳珍，女，（1987- ），陜西漢中市人，漢族，2005年9月至2009年7月在安徽農業大學信息與計算科學專業學習。畢業后上研：西北工業大學。論文完成時間：2009年6月6日本文研究的“企業效率”是企業的技術效率，主要從企業財務管理角度的企業財務資源投入企業后，企業的財務資源的產出，以及這兩者之間的比率。這樣對“企業效率”的理解，結合管理學和經濟學對企業效率理解，加之財務會計手段可以對企業經營活動的有效的反映和各項資源的計量，便于對企業效率的研究。企業效率評價的具體方法有很多，從單個的生產或財務指標到復雜的多個指標構成的前沿面

5、分析方法，國內外的研究文獻都比較的多。但是專門使用數據包絡分析方法(DEA)進行企業效率的靜態分析，并且同時使用Malmquist指數對企業效率進行動態分析，這樣全面的文章卻是很少。而且，針對企業效率影響因素的研究，往往局限在產權結構或者市場結構對企業效率的影響上，沒有考慮到中國經濟處于轉軌時期這一大背景而將兩者統一起來考慮問題。本研究要實現的主要目的：通過數據包絡分析對企業進行效率分析，得到不同類型企業在各年度效率的實際狀況以及年度間的變動狀況。1.2研究方法和創新點本研究在理論分析的基礎上，使用運籌學和統計學工具，結合實證研究的方法，對我國農藥行業公司企業效率加以分析。首先是DEA計算得到

6、企業每個年度的技術效率，然后使用Malmquist指數對企業效率進行動態分析.本研究的創新點主要體現在運用了多投入多產出的DEA模型，以農藥行業公司為樣本，對農藥行業公司的技術效率、規模效率等進行深入的分析。同時使用反映企業效率動態變化的Malmquist指數，對農藥行業公司各年的效率進行了比較研究，在一定程度上彌補了前人研究的不足。2.DEA理論的介紹以及相關模型2.1 DEA理論的基本思路在人們的生產活動和社會活動中常常會遇到這樣的問題：經過一段時間之后，需要對具有相同類型的部門或單位（稱為決策單元）進行評價，其評價的依據是決策單元的“輸入”數據和“輸出”數據，輸入數據是指決策單元在某種活

7、動中需要消耗的某些量，例如投入的資金總額，投入的總勞動力數，占地面積等等；輸出數據是決策單元經過一定的輸入之后，產生的表明該活動成效的某些信息量，例如不同類型的產品數量，產品的質量，經濟效益等等再具體些說，譬如在評價某城市的高等學校時，輸入可以是學校的全年的資金，教職員工的總人數，教學用房的總面積，各類職稱的教師人數等等；輸出可以是培養博士研究生的人數，碩士研究生的人數，大學生的人數，學生的質量（德，智，體），教師的教學工作量，學校的科研成果（數量與質量)等等根據輸入數據和輸出數據來評價決策單元的優劣，即所謂評價部門（或單位）間的相對有效性 1978年由著名的運籌學家A.Charnes,W.W

8、.Cooper和 E.Rhodes首先提出了數據包絡分析（Data Envelopment Analysis，簡稱DEA）的方法，這種方法在處理具有相同性質的部門(決策單元) 進行多輸入、多輸出的比較方面存在很大的優勢,它可以用線性規劃方法來判斷決策單元間的相對有效性,即所對應的點是否位于生產前沿面上。這里的生產前沿面是指由觀察到的決策單元的輸入數據和輸出數據的包絡面的有效部分，這也是稱謂數據包絡分析的原因所在。從多目標規劃的角度看，如果以輸入最小、輸出最大為目標，那么生產前沿面就是以生產可能集做為約束集合的相應的線性多目標規劃的Pareto面，也即數據包絡面的有效部分。數據包絡分析根據已有數

9、據找到一個有效生產前沿，凡是不在這個前沿面上 的決策單元都是沒有效率的。S4S1S2生產前沿線（面）M無效 S3員工資產圖1 生產前沿面圖生產前沿面定義如下:設輸入數據和輸出數據對應的集合(稱為參考集) 為:由集合T 生成的凸錐為:并且,生產可能集為: 集合 具有有限多個面,是一個多面凸錐。它是參考集。2.2 DEA方法的優缺點DEA方法是一種處理具有多個輸入（輸出越小越好）和多個輸出（輸入越大越好）的多目標決策問題的方法與其他統計分析方法的優越性主要表現在如下幾個方面：一、在傳統的經濟學和計量經濟學中，估計有效生產前沿面，通常使用統計回歸以及其它的一些統計方法，這些方法估計出的生產函數并沒有

10、表現出實際的前沿面，得出的函數實際上是非有效的因為這種估計是將有效決策單元與非有效決策單元混為一談而得出來的而DEA可以看作是一種統計分析的新方法它是根據一組關于輸入輸出的觀察值來估計有效生產前沿面的二、在有效性的評價方面，其它方法幾乎僅能限于單輸出的情況而相比之下，DEA方法處理多輸入，特別是多輸出的問題的能力是具有絕對優勢的三、DEA模型是線性規劃模型，可以用一般的線性規劃軟件進行求解，同時根據DEA模型的固有特點，可以進一步減少計算量，方便DEA的推廣與廣泛應用.四、DEA方法不僅可以用線性規劃來判斷決策單元對應的點是否位于有效生產前沿面上，同時又可獲得許多有用的管理信息因此，DEA已經

11、廣泛的應用于各個領域，如投資項目評價，決策評價，甚至是政策評價等等 當然 DEA方法也有一些固有的缺點，如模型形式單一，不能滿足一些具體問題的要求;對不同的DMU在評價時有內在的歧視性;它是一種確定性的方法，無法反映數據統計過程中的隨機性等.DEA方法在實際中應用最廣泛的是CCR模型和BCC模型，下面分別對這兩個模型進行簡單介紹。2.3 CCR模型簡介CCR模型由美國著名運籌學家A. Charnes 和W. W. Cooper 于1978 年提出，是用來研究具有多個輸入,特別是具有多個輸出的部門同時“規模有效”與“技術有效”的方法。所謂技術有效是指“生產”處于最理想的狀態,相對于現有的輸入量可

12、以獲得最大的輸出量。所謂規模有效就是“生產”處于規模效益不變的階段,即如果輸入量擴大K 倍,相應的輸出量也擴大K倍。根據微觀經濟學的生產理論,當生產處于規模效益遞增階段,決策者應該考慮增加投入規模,當投入量擴大K 倍時,可以獲得大于K 倍的產出量。同樣當規模報酬遞減的時候,決策者應該考慮減少投入規模。而只有在規模收益不變的時候“規模有效階段”投入產出達到最優。假設有n個部門或單元（稱為決策單元，decision making units）,這n個決策單元都是具有可比性的。每個決策單元都有m種類型的輸入（表示該決策單元對“資源”的消耗，類似于微觀經濟學中的生產要素）和s種類型的輸出（它們是決策單

13、元在消耗了“資源”之后，表明“成效”的一些指標，例如經濟效益指標及產品質量的指標）。我們對輸入和輸出的理解是：輸入越小越好，而輸出越大越好。各決策單元的輸入數據和輸出數據由表1給出表1 輸入輸出表 編號權重 決 策 單 元 1 2 j n輸入數據 1 2 m 輸出數據 1 2 s 表1中(決策單元j記為，1jn)=對第i種輸入的投入量，0；=對第r種輸出的產出量，0；=對第i種輸入的一種度量（或稱權）； =對第r種輸出的一種度量（或稱權），i=1,2,m;j=1,2,n;r=1,2,s. 現在對第個決策單元進行效率評價(1n),以權系數v , u 為變量,以第個決策單元的效率指數為目標,以所有

14、決策單元(也包括) 的效率指數: 其中：效率指數的含義是在權系數,之下，投入為，產出為時的產出與投入之比。作為約束, 使用矩陳符號, 構成如下最優化模型：其中表示的每個分量，但至少有一個嚴格大于0.可以看出,利用上述模型來評價決策單元是不是有效是相對于其他所有決策單元而言的。上述問題是一個分式規劃, 使用Charnes -Cooper 變換, 可以化成一個等價的線性規劃問題。令：則(P) 轉化為一個等價的線性規劃問題:在評價決策單元是否為DEA 有效時,如果利用原線性規劃()求解,需要判斷是否存在最優解, 滿足: 0 , 0 , 2.4 BCC模型簡介BCC模型由Banker. R. D ,A

15、. charnes 和W. W. Cooper 等人于1985年給出,主要用于評價部門間的技術有效性。它所涉及到的生產可能集T 是一個多面凸集,由生產可能集公里系統的凸性、無效性和最小性架設所決定。其相應的相應規劃模型為:其帶有非阿基米德無窮小參數的對偶規劃為:當 的最優解, 滿足: = 1 并且=0時,決策單元為技術有效,否則為非技術有效。BCC 模型比CCR 模型多出一個約束條件=1,即CCR模型是規模不可變的，而BCC模型畢CCR模型多引進了一個變量，由此是規模可變的，因此能運用它比較出決策單元間相對技術有效性。3.Malmquist指數介紹如果純粹只有CCR和BCC模型對企業效率進行測

16、量，這些數據比較都是靜態的比較，而沒有一個動態的刻畫，所以本文采用Malmquist指數就可以彌補前人研究的不足。Fare R，Grosskopf S，Lindgren B和Roos P(1989)仿照Fisher理想指數的構造方法利用Caves。Christeren和Diewert(1982)關于t期和t+l期的Malmquist數量指數的幾何平均數構建了從t期到t+l期的生產率變化Malmquist生產率指數TPF用于分析消費約束在不同的差異曲線上的移動：TPF=M (,，,)=×其中()和()分別指，以t期的技術為參考技術(即以t期的數據為參考集)，t期和t+l期的決策單元(D

17、ecision Making Unit，DMU)的距離函數；()和()指以t+l期的技術為參考技術(即以t+1期的數據為參考集)，t期和t+l期的決策單元的距離函數。從而Malmquist生產率指數可以被分解為技術變動指數EC與技術進步指數TC：EC=TC=即：TPF=EC×TC進一步，在允許規模收益可變的條件下，技術變動指數（EC）可被分解為純技術效率變動指數（PTE）和規模效率變動指數（SE）。 即 :EC=PTE×SE 其中 PTE= SE=VRS表示規模收益可變，CRS表示規模收益不變。綜合可知，Malaquist指數可分解為：M (,，,)= EC×TC

18、=PTE×SE×TC 其中Malmquist生產力變動指數(TPF)，表示任一企業在t期至t+1期生產力變化程度，為由任一企業t期至t+1期生產技術變動值的幾何平均數，在乘以技術效率變動值所求得。若M>1，表示生產力呈現成長的趨勢；反之，若M<1，表示生產力呈現衰退的趨勢。 技術變動指數(Technical Efficiency Change，EC)表示在規模報酬不變且要素自由處置條件下的相對效率變化指數，這個指數測度從時期t到t+1每一個決策單元對生產可能性邊界的追趕(catchingup)程度。為由任一企業在t+1期的投入產出與具有效率企業之差除以該企業在t

19、期的投入與產出之差所衡量的值，亦即效率變動的模仿程度。若EC>1，表示技術效率有所改善；反之，若EC<1,則表示技術效率降低。其中技術效率變動指數可以相應的拆分為純技術效率變動指數(PTE)和規模效率變動指數(SE)。技術進步指數(Technical Change，TC)，表示任一企業在t期至t+1期生產技術變化的程度，為由t+1期的生產技術變動值與t期衡量的生產技術變動值的幾何平均數所得，亦即生產技術變動的創新的程度。若TC>1，表示生產技術有所進步；反之，若TC<1，表示生產技術有衰退的趨勢。規模變動指數（SE），表示DMU從長期來看向最優規模的靠近程度。若SE&g

20、t;1表示DMU從長期來看向最優規模靠近；SE<1表示偏離了長期最優規模。4.DEA在我國農藥行業公司企業效率的分析中的應用在本章中，根據對部分農藥行業公司的財務數據的調查，通過對輸入輸出指標的選取，首先采用DEA方法中的CCR模型和BCC模型分別計算出各公司在各年度的技術效率和純技術效率，相應得到規模效率，了解各公司的靜態效率狀況，然后對各公司的數據作縱斷分析，分析了各公司的技術效率變化趨勢，最后再使用Malmquist指數及其分解分別對企業效率進行了動態分析。4.1 農藥行業公司企業效率評價分析樣本的選擇以及數據來源由于國家現在比較重視“三農”政策，而農藥是農民耕種時必不可少的物品之

21、一，因此，本文將結合DEA與Malmquist生產力變動指數對我國的農藥行業的效率問題進行研究。本文選取：新安股份(600596)，揚農化工(600486)，江山股份(600389) ，大成股分(600882)，威遠生化(600803)，紅太陽（000525）六家公司從2003年到2008的年度財務數據進行研究。公司的財務數據來自和訊曝年報-最全面快速的年報信息平臺-和訊股票網（）輸入股票代碼，查看財務數據即可。輸入、輸出指標的選取DEA方法的優越性主要體現在多輸入和多產出的綜合評價，它在選擇輸入和產出指標上也有一些客觀的要求：首先是指標要能夠客觀的反映評價對象的競爭力水平；其次就是

22、管理上的可控性；最后還要考慮指標的易獲得性。故選取以下幾個指標：輸出指標：Yl主營業務收入；Y2利潤總額輸入指標：Xl主營業務成本；X2費用；X3總資產。其中，X2包括了銷售費用、管理費用和財務費用；X3為資產總計數據。總利潤作為輸出指標，反映了一個上市公司的總體盈利狀況；選擇主營業務收入，是因為一個有發展潛力的上市公司必定有一個清晰的發展戰略和主營業務；銷售費用、管理費用和財務費用等指標是公司管理可以控制或改進的，以此反映公司的管理績效水平；考慮主營業務成本和主營業務稅金和附加則是相對于主營業務收入的投入，這也是從公司的內部管理效率來考慮的；選擇總資產作為輸入指標，是因為希望從公司所擁有的總

23、資源角度考察公司是否能夠將這些資源達到最優的配置，從而產出較高的利潤；另一方面也避免了不同上市公司資本結構不同或同一上市公司不同時期股本和資產結構不同而導致的指標之間的不可比性。4.2農藥行業公司企業效率整體分析 農藥行業公司企業效率橫截面數據分析本小節的研究主要為了揭示從2003年-2008年部分農藥行業上市公司企業效率的真實狀況。希望通過每年的數據的比較，分析得出每年的行業標桿企業以及效率沒有達到最優狀態的企業，其需要改進的方向。一般情況下可將企業分為以下幾種類型：整體有效型企業整體有效型企業為技術效率，純技術效率以及規模效率均為1的企業。無純技術效率型企業此類企業為規模效率為1，但純粹技

24、術效率值小于l，導致技術效率值小于1的企業。無規模效率型企業此類企業為純技術效率值等于1，而規模效率值小于1，使得技術效率值小于1的企業。但由于純技術效率值均在規模效率值為1的情況下才為1，因此，本文采取比較彈性的做法，取純技術效率值大于O98且大于規模效率的企業。整體無效率企業此類企業為純技術效率小于098，且規模效率小于1，而導致技術效率值小于1的企業。表2農藥行業公司企業效率的評價分析表代碼和公司名稱年度指數技術效率純技術效率規模效率1新安股份(600596)20030.67800.67801.000020040.77320.77330.999820050.81530.81531.000

25、020060.84400.84401.000020070.84540.84541.000020081.00001.00001.00002揚農化工（600486）20031.00001.00001.000020040.76800.76880.998920050.73600.73601.000020060.71530.71531.000020070.73250.73251.000020080.74920.74921.00003江山股份（600389）20030.69480.69481.000020040.69190.69191.000020050.68900.68901.000020060.683

26、80.68381.000020070.70270.70271.000020080.76500.76501.00004威遠生化（600803）20031.00001.00001.000020041.00001.00001.000020050.72380.72500.998320060.75230.75250.999720070.67990.67991.000020080.69060.69061.00005紅太陽（000525）20030.84390.84470.999020040.70200.70201.000020050.68260.68261.000020060.67020.67021.00

27、0020070.66430.66431.000020080.66220.66221.00006大成股份（600882）20030.62410.62580.997220040.65180.65320.997820050.68130.68280.997820060.66530.66670.997920070.66820.66870.999220080.56120.56150.9994由表2可知：新安股份在2008年、揚農化工在2003年、威遠生化在2003年和2004年的技術效率，純技術效率以及規模效率均為1，說明這三個企業在各自對應的幾年里為整體有效型企業；在上表中除了大成股份以外的其他企業均在

28、各年間里出去個別幾年外都表現出規模效率為1，但純粹技術效率值小于l，導致技術效率值小于1的現象，從而這些企業為無純技術效率型企業；由于新安股份在2004年、揚農化工在2004年、威遠生化在2005年和2006年、紅太陽在2003年、大成股份在20032008年間 均表現出純技術效率小于0.98，且規模效率小于1，而導致技術效率值小于1的現象，從而它們在相應的那年里為整體無效率企業。農藥行業上市公司企業效率縱斷面數據分析本文的研究，按照時間區段將2003年-2005年區分前斷時間區域，將2006年-2008年區分為后斷時間區域。其中將最后一年與最初一年技術效率差不多的企業(技術效率值正負差值在0

29、1之內)，作為效率穩定型企業；將最后一年技術效率大于最初一年技術效率為01以上的企業，作為效率上升型企業；將最后一年技術效率小于最初一年技術效率為01以上的企業，作為效率下降型企業。表3 樣本企業效率縱段面數據分析股票代碼公司名稱前端面后斷面1（600596）新安股份上升上升2（600486）揚農化工下降穩定3（600389）江山股份穩定穩定4（600803）威遠生化下降穩定5（000525）紅太陽下降穩定6（600882）大成股份穩定穩定平均值穩定穩定從上表的統計中可以發現，在2003年2005年這個時間段里，效率處于上升型的企業只有一家，穩定型的企業共有2家企業，下降型的企業共有3家；而在

30、2006年-2008年這個時間段中，效率處于上升型的企業有1家企業，穩定型的企業共有5家企業，沒有下降型的企業。綜合對比就可以看出，近三年農藥行業企業效率的發展要優于先前三年的發展。表4 DEA效率值年度趨勢表技術效率純技術效率規模效率2003年0.80680.80720.99932004年0.76450.76490.99942005年0.72130.72180.99932006年0.72180.72210.99962007年0.71550.71560.99992008年0.73800.73810.9999年度平均值0.74470.74490.9996從上表可以看出：農藥行業上市公司的技術效率

31、6年中除了2003年到2004年間有一個明顯變化外，其余年份均處于一個保持穩定的趨勢，最主要的原因是該行業的純技術效率在這6年中除了2003年到2004年間有一個明顯變化外，其余年份均處于一個保持穩定；規模效率均表現出穩定的趨勢；同時此表也顯示出，部分農藥行業上市公司的規模效率一直都優于純技術效率，這也說明部分農藥行業上市公司在企業規模的控制上要優于企業的管理上面。4.3農藥行業公司Malmquist指數分析本文的Malmquist指數的樣本年度從2003年至2008年6個年度。Malmquist指數總體分析表5 Malmquist指數總體分析表股票代碼公司名稱Malmquist生產指數技術效

32、率變化指數技術進步指數純技術變化指數規模效率變化指數（600596）新安股份0.85930.92700.92700.92701.0000（600486）揚農化工1.13571.06571.065751.06571.0000（600389）江山股份0.96340.98150.98150.98151.0000（600803）威遠生化1.18121.08681.08691.08681.0000（000525）紅太陽1.10731.05231.05231.05250.9998（600882）大成股份1.05071.02491.02511.02540.9996平 均 值1.04961.02301.023

33、01.02311.0000分析每一家上市公司，發現在2003年一2008年中，Malmquist指數大于1的企業為4家，沒有等于1的企業，小于1的企業為2家，此數據也顯示出整個農藥行業的發展沒有一個明顯的方向，也說明了各個企業的發展也不平均。其中技術效率大于1的企業有4家，技術進步指數大于1的企業也有4家。這個數據說明企業生產效率的提高主要得意于企業技術效率的進步，即企業在內部資源的使用和對企業內部管理的提高，而且整個行業共有4家企業的技術進步指數大于1，則說明了目前農藥行業技術創新環節已經有所提高。5.研究結論及不足5.1研究結論 本章使用DEA理論對我國部分農藥行業公司2003年-2008

34、年的整體效率進行了分析，發現行業的純技術效率在6年間穩定上升；規模效率除了在2002年中有一個突變化，其余年份表現穩定；而行業的技術效率的穩定上升，主要得益于行業純技術效率的提高。而對Malmquist指數的分析，發現各農藥企業的效率增長整體趨勢不明顯。而從全行業的平均的時間序列數據來看，全要素生產率的平均增長率為02，主要原因是技術效率的提高。5.2文章不足研究方法的不足DEA理論在研究企業效率時候也有其先天性的方法的缺陷：構建效率前沿面時假定不存在隨機誤差。這就意味著效率衡量的結果取決于其具體的樣本且測量誤差可能嚴重影響結果。 研究樣本的不足農藥行業的研究數據的獲取主要是從目前在中國大陸主

35、板市場上市的農藥企業，沒有包括在海外上市的公司，也沒有包括外資農藥企業，更沒有包含一些沒有上市的中小農藥企業，這些數據的缺陷可能也會對本文的最終研究結果有一定的影響。致 謝本論文完成之際，我要由衷感謝王凱老師在課題設計和論文寫作上的悉心指導，同時對所有幫助過我們的老師和同學致以謝忱。參考文獻1 魏權齡. 評價相對有效性的DEA 方法M . 北京:中國人民大學出版社,19882 The Banker S upplement ( Z) China Banking and the WTO Factor ,2002 , May .3 陳路中國保險業效率動態變化的Malmquist指數分析J當代經濟科學

36、，2005（9）。4 段永瑞.數據包絡分析理論與應用M.上海科學普及出版社，20065 王國順，谷金花湖南制造業全要素生產率變動的實證研究J統計與決策，2005（5）6 魏權齡,盧剛，蔣一清，盛景燁.DEA方法在企業經濟效益評價中的應用.統計研究,1989,2,5862.7 郝清民，趙國杰，孫利紅我國煤炭上市公司經濟效益數據包絡分析J中國地質大學學報(社會科學版)，2003 (4)8 任榮數據包絡分析(DEA)方法在企業并購中的應用J商業研究，20069 W W Cooper，Shanling Li，L M Seiford,et a1 Sensitivity and Stability Ana

37、lysis in DEA：Some Reeem DevelopmentJJournal of Productivity Analysis，2001(15)10 李春好，劉玉國，李輝一種含有定性因素權重置信域的 CKSDEA 改進模型J中國管理科學，2003，1111 魏權齡. 數據包絡分析（DEA）M .科學出版社,2004 (8).英文摘要The DEA data envelope analysis's application and studiesAuthor: Li Jiazhen (Anhui agricultural university of science 05 leve

38、ls of information and computing science Student number: 05119027 )Treasure supervising teacher: Wang KaiAbstract: Along with social economy's development, the use of social resources and natural resources has been the important problem which is concerned by people .But in the time of energy scar

39、ce, the efficiency is valued by more and more people . In the research efficiency question's modern analysis method, the data envelope analysis (DEA) and the Malmquist index is quite advanced and the application widespread two methods. This article first to data envelope analysis (DEA) the basic

40、 principle has carried on the simple narration, and analyzed it to be opposite in the traditional efficiency analysis method good and bad points, simultaneously introduced in the DEA method the commonly used two fundamental model - - CCR model and the BCC model; Then has introduced the Malmquist ind

41、ex and the decomposition, explained this index and its decomposition index formula and the meaning in detail; Finally the basis for the partial agricultural chemicals profession To be listed 2003-2008 year's financial data's investigation, used in the DEA method two fundamental model multian

42、alysis partial agricultural chemicals profession To be listed's technical efficiency, the merely technical efficiency and the scale efficiency, and using the Malmquist index survey enterprise efficiency's dynamic change, has analyzed partial agricultural chemicals profession To be listed tar

43、get and so on recent years's technology advancement, technical efficiency changes. This article has not only given the partial agricultural chemicals profession To be listed's static state efficiency analysis, simultaneously has made to the various companies efficiency dynamic analysis and t

44、he change trend analysis.Key word: Data envelope analysis; Malmquist index; Efficiency analysis.附錄附表：部分農藥企業財務數據表代碼和公司名稱年度指標利潤(元)收入(元)成本(元)費用(元)資產(元)1新安股份（ (600596）0335,115,702.901,020,619,856.23841,094,115.15120,669,176,201,136,126,682.0404137,280,629.051,704,104,922.371,300,933,375.08197,225,273.73

45、4,582,877,620.9805218,718,844.992,400,060,697.051,718,967,370.44318,280,027.351,818,333,014.6406354,363,517.162,880,107,195.032,025,767,405.24322,074,266.762,110,336,236.7507533,724,885.443,827,970,162.852,707,165,484.07359,498,442.323,155,632,183.73081,757,875,970.847,219,224,992.834,387,059,107.43

46、495,425,862.594,395,788,576.102揚農化工（600486）0327,219,553.60374,115,036.83290,849,769.72425，966，37.65668,163,488.350433,708,222.69550,247,270.02440,299,507.29597,014,59.89811,332,341.060542,940,906.33755,736,970.99627,846,289.87658,151,87.931,009,730,937.410649,155,432.141,075,903,219.64927,035,307.63

47、737,793,07.161,206,046,474.860794,543,145.191,415,888,523.791,196,343,305.56950,347,81.561,619,352,065.0708189,288,246.502,103,047,030.681,727,003,890.51151,685,235.332,114,232,925.563江山股份（600389）0343,790,527.891,246,635,932.301,067,094,016.11124，879，579.531,222,175,598.490463,312,122.221,854,512,724.941,610,652,680.89168，920，004.801,529,577,640.120560,343,934.982,119,533,039.701,875,771,805.01158，582，740.811,812,090,367.290653,391