基于DEA方法的我国金融机具行业上市公司技术效率及全要素生产率研究

发布时间：2017-09-11 18:07

  本文关键词：基于DEA方法的我国金融机具行业上市公司技术效率及全要素生产率研究

  更多相关文章： 金融机具行业 技术效率 全要素生产率 DEA模型

【摘要】：金融机具是金融业特别是银行服务行业在其业务处理过程中所使用的专业设备。金融机具行业与金融行业相辅相成、相互促进,金融机具行业的发展大大地提高了金融行业的经营效率,为金融业开创多元化、人性化、开放式的服务奠定了坚实的物质基础。截至目前,我国已有三十多家涉及金融机具业务的企业在A股市场上市。这些上市企业作为行业内的优秀代表,对我国金融机具行业而言,无论是在产业结构升级调整,还是在技术的优化提高和品牌的创立等方面都发挥了重要的作用。金融机具上市公司如何提高经营效率,提升自身的核心竞争优势,对我国金融机具行业与金融行业的发展有不言而喻的重要意义。DEA方法最初由Farell教授提出,该方法通过构造生产前沿,将落在生产前沿上的决策单元称为技术有效决策单元,有效决策单元的技术效率值等于1,将落在生产前沿以外的决策单元称为技术无效决策单元,无效决策单元的技术效率值大于0且小于1。通过使用DEA方法,我们不仅可以求得企业经营的技术效率及其排名,而且该模型通过优化求解后还会给出具体学习标杆和改进效率的方案。Malmquist指数,被后来学者称为全要素生产率,起初由瑞典经济学和统计学家于1953提出,后来,Caves、Fare等人将这一理论与DEA方法相结合后被广泛用于测算企业不同时期的技术效率变化与技术变化。Malmquist指数可以进一步分解为效率变化指数与技术变化指数的乘积,效率变化又可以进一步分解为纯技术效率的变化和规模效率的变化。因此,可以使用Malmquist指数分解方法来分析企业经营的全要素生产率的影响因素。本文以2012-2014年在A股上市的36家涉及金融机具业务的企业为样本,选择“员工人数”与“总资产”作为投入指标,“营业收入”与“总市值”作为产出指标。然后,使用DEA方法的C2R模型与BCC模型以及Malmquist指数分解,从时间横向和纵向两个角度对我国金融机具行业上市企业的技术效率与全要素生产率及其影响因素进行研究。并结合研究的结果,为企业提高效率提出合理的建议。本文共分为六章,具体内容概括如下：第一章是前言。本章介绍了本文的研究背景、研究目的与意义、研究方法与思路以及本文的创新点与不足。第二章是理论基础与文献综述。本章首先对效率的概念及评价进行了简单的阐述。介绍了DEA方法,然后对DEA效率评价的文献与我国金融机具行业相关文献进行了回顾。第三章是对本文所运用到的DEA方法及相关模型做详细的介绍。本章介绍了DEA方法及C2R模型、BCC模型以及DEA-Malmquist模型的几何含义,并给出了模型的表达式。第四章是我国金融机具行业样本与投入产出指标的选择。本章介绍选择我国金融机具行业行上市公司作为研究样本的原因,之后通过文献研究的方式提出了本文所采用的指标体系。第五章是对我国金融机具行业上市公司的技术效率以及全要素生产率的实证研究。本章运用第三章介绍的模型对我国的金融机具行业的技术效率与全要素生产率进行横向和纵向的分析。第六章是总结与建议。本章总结了第五章的研究结果,并在其基础之上给出了提高我国金融机具行业上市公司技术效率与全要素生产率提出了建议。本文研究发现：我国金融机具行业上市公司整体的纯技术效率是影响整体技术效率的主要原因。2012-2014年三年期间纯技术效率值小于0.7的公司依然有14家,约占样本总数的38.9%,说明很大一部分公司的技术水平、管理水平相对低下。从规模报酬情况来看,有17家上市公司处于规模报酬递增阶段,约占样本总数的47.2%,说明我国金融机具行业很大一部分公司的生产经营规模较小,没有形成规模经济,公司所投入的人力、物力、财力没有得到充分的配置。本文研究还发现：在2012-2014年三年期间,我国金融机具行业上市公司的整体平均全要素生产率从0.878上升到1.140,出现了“先降后升”的局面,整体平均技术效率指数从0.996提升到1.004,整体平均技术变化指数从0.881提升到1.135,这三年期间金融机具行业上市公司技术变化是引起全要素生产率变动的主要因素。结合上述研究结果,本文最后提出了五点建议：第一,加强人力资源管理,提高员工整体素质；第二,做好标杆管理,向优秀的企业学习；第三,优化企业资源配置,实现企业最优生产规模；第四,加大技术研发力度,提高技术对全要素生产率的贡献率：第五,政府应针对金融机具行业特点,制定相关政策,促进行业高效健康发展。本文不足之处在于：其一,文章仅对金融机具行业上市公司的经营效率及全要素生产率进行研究,并没有对其成本效率与收入效率进行分析,后续作者将对此进型探讨。其二,由于数据的缺失,致使样本容量较小,金融机具行业上市公司的样本并不能完全代表我国金融机具行业的发展状况。在后续的研究中笔者将对此进行完善。
【关键词】：金融机具行业 技术效率 全要素生产率 DEA模型
【学位授予单位】：西南财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224
【目录】：

• 摘要4-7
• ABSTRACT7-12
• 1. 前言12-19
• 1.1 研究背景12-14
• 1.2 研究目的与意义14-15
• 1.3 研究方法与思路15-17
• 1.4 创新点与不足17-19
• 2. 理论基础与文献综述19-28
• 2.1 理论基础19-23
• 2.1.1 效率的概念19-21
• 2.1.2 效率评价方法21-22
• 2.1.3 DEA方法基础22-23
• 2.2 文献综述23-28
• 2.2.1 国外文献综述23-25
• 2.2.2 国内文献综述25-27
• 2.2.3 金融机具行业文献综述27-28
• 3. DEA方法及相关模型概述28-37
• 3.1 技术效率与C~2R模型概述28-31
• 3.1.1 技术效率的几何含义28-29
• 3.1.2 C~2R模型29-31
• 3.2 纯技术效率、规模效率与BCC模型31-33
• 3.2.1 纯技术效率、规模效率的几何含义31-32
• 3.2.2 BCC模型32-33
• 3.3 C~2R模型和BCC模型的投影分析33
• 3.4 全要素生产率与MALMQUIST指数分解33-37
• 3.4.1 全要素生产率的几何含义33-35
• 3.4.2 DEA-Malmquist模型35-37
• 4. 我国金融机具行业样本与投入产出指标的选择37-41
• 4.1 样本的选择37
• 4.2 投入、产出指标的选择37-39
• 4.2.1 投入指标的选择38
• 4.2.2 产出指标的选择38-39
• 4.3 指标的检验与分析39-41
• 5. 我国金融机具行业上市公司技术效率与全要素生产率实证研究41-56
• 5.1 横向分析41-48
• 5.1.1 平均生技术效率及其投影分析41-44
• 5.1.2 平均纯技术效率、平均规模效率及其投影分析44-48
• 5.2 纵向分析48-56
• 5.2.1 2012-2014 技术效率、纯技术效率、规模效率纵向对比分析48-50
• 5.2.2 基于Malmquist方法的全要素生产率分析50-56
• 6. 结论与建议56-60
• 6.1 本文主要结论56-57
• 6.2 加强人力资源管理,提高员工整体素质57
• 6.3 做好标杆管理,向标杆企业学习57-58
• 6.4 优化企业资源配置,提高企业规模效率58
• 6.5 增加企业科研投入,提高技术变动对全要素生产率的贡献率58-59
• 6.6 政府应针对金融机具行业特点,制定相关政策59-60
• 参考文献60-65
• 致谢65-66
• 在读期间科研成果目录66

【参考文献】

中国期刊全文数据库 前10条

1 张立斌;李星雨;;文化产业上市公司的公平与效率[J];财经科学;2015年11期

2 罗怡;郑春伟;;我国企业财务预警实证分析——以2012年23家金融机具上市公司为例[J];财经科学;2014年02期

3 郭建普;;基于DEA的我国创业板上市公司绩效研究[J];中国证券期货;2013年03期

4 曹子坚;苏新华;;基于动态DEA的西部循环经济发展效率研究[J];改革与战略;2013年01期

5 肖建华;;我国社会性基本公共服务财政投入效率评价——基于DEA的分析[J];财经理论与实践;2012年06期

6 喻登科;邓群钊;;DEA方法应用的若干思考[J];现代管理科学;2012年10期

7 朱南;李军;吴庆;Wenli CHENG;;中国商业银行的生产效率和全要素生产力变化探析[J];经济学家;2012年09期

8 冯梅;王之泉;;基于上市公司数据的中国钢铁产业产能效率分析[J];管理学报;2012年03期

9 周孝华;陈犁;;基于三阶段DEA模型的中国信托公司效率分析[J];技术经济;2010年09期

10 熊磊;;云南地级市以上城市发展效率研究:2001～2006[J];经济问题探索;2009年01期

，

本文编号：832252