基于投入产出表的DEA方法：理论、应用与实践探索

基于投入产出表的DEA方法：理论、应用与实践探索一、引言1.1研究背景与意义1.1.1研究背景在当今复杂多变的经济环境下，深入理解经济系统的运行机制以及各部门之间的相互关系，对于制定科学合理的经济政策、促进经济可持续发展至关重要。投入产出表作为一种全面描述经济系统中各部门之间投入与产出关系的平衡表，为经济分析提供了丰富的数据基础。通过投入产出表，我们能够清晰地看到国民经济各部门在生产过程中相互依存、相互制约的技术经济联系，包括中间投入、中间使用、最终使用以及增加值等方面的信息。它不仅能揭示各部门之间直接的经济技术联系，更重要的是能挖掘出间接的、隐蔽的经济技术联系，为研究产业结构、经济预测、政策模拟等提供了有力的工具。数据包络分析（DEA）方法，作为一种评价决策单元间相对有效性的非参数方法，在处理多输入、多输出的复杂系统效率评估问题上具有独特优势。DEA方法无需预先设定生产函数的具体形式，避免了因函数设定不当而导致的误差，能够充分利用实际观测数据，客观地评价决策单元的相对效率。它通过构建有效生产前沿面，将各个决策单元与前沿面进行比较，从而确定其效率水平，并进一步分析非有效决策单元的投入冗余和产出不足情况，为改进决策提供有针对性的建议。然而，目前将DEA方法应用于投入产出分析的研究相对较少。实际上，投入产出表丰富、全面的数据，如各部门的投入产出数据、扩散系数等技术指标，为DEA建模提供了广阔的空间。将两者有机结合，不仅可以实现投入产出分析与DEA方法的优势互补，更能从全新的视角深入剖析经济系统中各部门的效率状况，为经济分析和决策提供更全面、更深入的依据。因此，开展基于投入产出表的DEA方法研究具有重要的现实意义和理论价值。1.1.2研究意义本研究的意义主要体现在以下几个方面：为经济决策提供科学依据：通过基于投入产出表的DEA分析，能够精准地评估各产业部门的投入产出效率，识别出高效率和低效率的部门。这有助于政策制定者明确资源配置的重点方向，对高效率部门加大支持力度，促进其进一步发展壮大；对低效率部门进行深入分析，找出效率低下的原因，制定针对性的改进措施，如优化产业结构、提高技术水平、加强管理等，从而实现资源的优化配置，提高整个经济系统的运行效率，为经济决策提供科学、可靠的依据。深入剖析产业关联与发展规律：投入产出表详细记录了各产业部门之间的投入产出关系，反映了产业间的相互依存和制约程度。结合DEA方法，可以深入分析不同产业部门在投入产出效率方面的差异及其内在原因，揭示产业间的关联效应和传导机制。例如，通过分析一个部门的投入变化对其他部门产出的影响，以及各部门在整个经济系统中的地位和作用，有助于把握产业发展的规律，为制定产业政策、推动产业升级和协同发展提供有力支持。完善经济分析理论与方法体系：将DEA方法引入投入产出分析领域，丰富了经济分析的工具和手段，为经济研究提供了新的视角和方法。这种创新性的结合，不仅拓展了DEA方法的应用范围，也为投入产出分析注入了新的活力。通过对两者结合的深入研究，可以进一步完善经济分析的理论与方法体系，促进经济学相关学科的发展，为解决实际经济问题提供更有效的理论指导。1.2国内外研究现状在国外，DEA方法自1978年由著名运筹学家Charnes和Cooper等人提出后，迅速在多个领域得到广泛应用，如企业管理、医疗卫生、教育科研等。在经济领域，一些学者尝试将DEA方法与投入产出分析相结合。例如，部分研究利用投入产出表中的数据作为DEA模型的输入输出指标，对不同行业或部门的生产效率进行评估。这些研究发现，通过这种结合方式，能够更全面地分析经济系统中各部门之间的相互关系以及资源利用效率，为产业政策制定提供了更有力的依据。然而，早期的研究在指标选取和模型构建上相对简单，未能充分挖掘投入产出表中的丰富信息，且对于如何处理投入产出表中的复杂数据结构，如中间投入和中间使用的关系等问题，尚未形成系统的解决方案。随着研究的深入，国外学者开始关注DEA模型在投入产出分析中的优化和拓展。一些研究尝试引入动态DEA模型，以考虑时间因素对生产效率的影响，从而更准确地评估经济系统在不同时期的运行效率。还有学者运用超效率DEA模型，对传统DEA有效单元进行进一步区分，以便更精确地比较各部门的效率水平。同时，在指标体系构建方面，也逐渐从简单的投入产出指标扩展到考虑环境因素、技术创新等多维度指标，使分析结果更加全面和深入。但这些研究大多集中在特定行业或地区，缺乏对整体经济系统的全面分析，且不同研究之间的方法和结论缺乏一致性，难以形成统一的理论框架。国内对于DEA方法与投入产出表结合的研究起步相对较晚，但发展迅速。早期的研究主要集中在理论介绍和方法应用上，通过借鉴国外的研究成果，将DEA方法应用于国内各地区的产业效率分析。例如，有学者以某地区的投入产出表为基础，运用DEA模型对该地区的制造业各部门进行效率评估，发现部分部门存在投入冗余和产出不足的问题，并提出了相应的改进建议。随着研究的不断深入，国内学者开始在方法创新和应用拓展方面进行积极探索。一些研究尝试构建基于投入产出表的多阶段DEA模型，将经济生产过程划分为多个阶段，分别对各阶段的效率进行评估，从而更细致地分析经济系统的运行机制。还有学者将DEA方法与其他分析方法，如灰色关联分析、聚类分析等相结合，以进一步挖掘投入产出表中的信息，提高分析的准确性和可靠性。在应用领域，国内研究不仅关注传统产业的效率分析，还逐渐拓展到新兴产业和服务业等领域。例如，对高新技术产业、文化产业等的效率评估，为这些产业的发展提供了有益的参考。然而，目前国内研究仍存在一些不足之处。一方面，在模型选择和指标体系构建上，缺乏统一的标准和规范，导致不同研究之间的结果可比性较差；另一方面，对于投入产出表中的一些特殊数据，如价格因素、非市场产出等的处理方法还不够完善，影响了分析结果的准确性。此外，在研究深度上，虽然部分研究已经涉及到经济系统的多阶段分析，但对于各阶段之间的动态关联和协同效应的研究还相对较少，有待进一步加强。1.3研究内容与方法1.3.1研究内容本研究主要围绕基于投入产出表的DEA方法展开，具体内容包括以下几个方面：基于投入产出表的DEA模型构建：深入剖析投入产出表的结构和数据特点，结合DEA方法的原理和优势，选取合适的决策单元、输入输出指标，构建基于投入产出表的DEA模型。在指标选取过程中，充分考虑各产业部门的投入要素，如劳动力、资本、中间投入等，以及产出成果，如总产出、增加值等，确保指标体系能够全面、准确地反映各部门的投入产出关系。同时，针对传统DEA模型在处理投入产出表数据时可能出现的问题，如零负输入、零负输出等，提出相应的解决方案，对模型进行优化和改进，以提高模型的适用性和准确性。实证分析：收集和整理相关地区或国家的投入产出表数据，运用所构建的DEA模型进行实证分析。通过对不同产业部门的投入产出效率进行计算和评估，得出各部门的效率值和效率排名，明确各部门在经济系统中的效率状况。在此基础上，进一步分析各部门效率差异的原因，包括技术水平、管理效率、产业结构等因素对效率的影响，找出高效率部门的成功经验和低效率部门存在的问题，为后续的政策建议提供依据。结果讨论与政策建议：对实证分析结果进行深入讨论，从产业关联、资源配置、技术创新等多个角度分析各部门效率状况对经济系统的影响。根据分析结果，为政府部门和企业提供针对性的政策建议。对于政府部门，建议在制定产业政策时，应加大对高效率部门的支持力度，鼓励其进一步发展壮大，发挥示范引领作用；对于低效率部门，应制定相应的扶持政策，引导其优化产业结构、提高技术水平、加强管理创新，促进其效率提升。对于企业而言，应借鉴高效率部门的经验，加强自身的技术研发和创新能力，优化生产流程，提高资源利用效率，以增强市场竞争力。同时，还需对研究结果的局限性进行分析，提出未来研究的方向和重点，为进一步完善基于投入产出表的DEA方法研究提供参考。1.3.2研究方法本研究将综合运用多种研究方法，以确保研究的科学性、全面性和深入性，具体方法如下：文献研究法：广泛查阅国内外关于投入产出分析、DEA方法以及两者结合应用的相关文献资料，包括学术期刊论文、学位论文、研究报告等。通过对文献的梳理和分析，了解该领域的研究现状、研究热点和发展趋势，掌握已有的研究成果和研究方法，为本文的研究提供理论基础和研究思路。同时，对相关文献中存在的问题和不足进行总结和归纳，明确本文的研究重点和创新点。案例分析法：选取具有代表性的地区或国家的投入产出表数据作为案例，运用构建的DEA模型进行实证分析。通过对具体案例的研究，深入了解基于投入产出表的DEA方法在实际应用中的效果和存在的问题，为模型的优化和改进提供实践依据。同时，通过对不同案例的对比分析，总结出一般性的规律和结论，提高研究成果的普适性和应用价值。实证研究法：收集和整理大量的投入产出表数据，运用统计分析软件和DEA模型进行实证研究。通过实证分析，对所提出的研究假设进行验证，得出各产业部门的投入产出效率值和效率排名，分析效率差异的原因，并提出相应的政策建议。实证研究法能够使研究结果更加客观、准确，具有较强的说服力和可信度。定性与定量相结合的方法：在研究过程中，将定性分析与定量分析相结合。一方面，通过对相关理论和文献的研究，对投入产出表和DEA方法的原理、特点、应用范围等进行定性分析，明确研究的理论基础和研究方向；另一方面，通过收集和整理数据，运用DEA模型进行定量分析，得出各部门的效率值和效率排名，分析效率差异的原因，为定性分析提供数据支持。通过定性与定量相结合的方法，能够更全面、深入地分析问题，提高研究成果的质量和水平。1.4研究创新点本研究在模型改进、指标选取和应用领域拓展等方面具有显著的创新之处：模型改进方面：针对传统DEA模型在处理投入产出表数据时存在的局限性，如无法处理零负输入、零负输出等问题，提出了创新性的解决方案。通过对模型进行合理的变换和调整，使模型能够更好地适应投入产出表中复杂的数据结构，提高了模型的适用性和准确性。同时，引入了针对同为有效决策单元的进一步评价方法，能够更细致地区分和比较有效决策单元之间的效率差异，为深入分析各部门的效率状况提供了更有力的工具。指标选取方面：充分挖掘投入产出表中的丰富信息，构建了更加全面、科学的指标体系。在考虑传统的投入产出指标，如劳动力、资本、总产出、增加值等的基础上，还纳入了一些能够反映产业关联和经济系统运行特征的指标，如扩散系数、感应度系数、影响力系数等。这些指标的引入，使得模型能够更全面地反映各产业部门在经济系统中的地位和作用，以及它们之间的相互关系，从而为效率评价提供更丰富、更准确的信息，提高了分析结果的可靠性和有效性。应用领域拓展方面：将基于投入产出表的DEA方法应用于更广泛的经济分析领域。不仅对传统产业的效率进行评估，还将研究范围拓展到新兴产业和服务业等领域，填补了这些领域在基于投入产出表的DEA分析方面的空白。通过对不同产业部门的实证研究，深入探讨了各产业的效率特征和发展规律，为制定针对性的产业政策提供了更全面的依据。同时，本研究还尝试将该方法应用于区域经济分析，通过对不同地区投入产出表的分析，比较各地区经济发展的效率差异，为区域经济协调发展提供了新的视角和方法。二、投入产出表与DEA方法理论基础2.1投入产出表2.1.1基本概念与结构投入产出表，又被称为部门联系平衡表或产业关联表，最早由美国经济学家、哈佛大学教授瓦西里・列昂惕夫（W.Leontief）于二十世纪三十年代提出并编制。它以矩阵形式，全面且系统地描述了国民经济各部门在一定时期（通常为一年）生产活动中的投入来源和产出使用去向，深刻揭示了国民经济各部门之间相互依存、相互制约的数量关系，是国民经济核算体系的关键组成部分。投入产出表通常为产品部门×产品部门的二维表，由行和列构成，行向表示产品的产出及其使用去向，列向表示生产过程中的投入结构。表中行与列交叉形成了三个重要象限：第Ⅰ象限：此象限是投入产出表的核心区域，由名称相同、排列次序相同、数目一致的若干产品部门纵横交叉而成，是中间产品矩阵。其主栏为中间投入，宾栏为中间使用。矩阵中的每一个元素都具有双重经济含义，沿行方向看，它反映了某产品部门生产的货物或服务提供给各产品部门使用的价值量，即中间使用；沿列方向看，它反映了某产品部门在生产过程中消耗各产品部门生产的货物或服务的价值量，即中间投入。例如，在制造业中，汽车制造部门生产汽车时需要消耗钢铁、橡胶、电子元件等中间产品，这些中间产品的投入价值体现在列向；而汽车制造部门生产的汽车又会作为中间产品提供给运输、租赁等其他部门使用，其产出价值体现在行向。第Ⅰ象限充分展现了国民经济各产品部门之间紧密的技术经济联系，以及相互依赖、相互提供劳动对象以供生产和消耗的过程。第Ⅱ象限：该象限是第Ⅰ象限在水平方向上的延伸，主栏的部门分组与第Ⅰ象限相同，宾栏由最终消费、资本形成总额、出口等最终使用项目组成。沿行方向看，它反映了某产品部门生产的货物或服务用于各种最终使用的价值量，比如食品加工部门生产的食品，一部分用于居民的日常消费，一部分用于企业的库存增加，还有一部分用于出口到国外；沿列方向看，它反映了各项最终使用的规模及其构成，例如最终消费中居民消费和政府消费的具体比例，资本形成总额中固定资本形成总额和存货增加的各自规模等。第Ⅲ象限：此象限是第Ⅰ象限在垂直方向的延伸，主栏由劳动者报酬、生产税净额、固定资产折旧、营业盈余等各种增加值项目组成，宾栏的部门分组与第Ⅰ象限相同。第Ⅲ象限主要反映各产品部门的增加值及其构成情况，例如在纺织业中，劳动者通过劳动获得报酬，企业需要缴纳生产税净额，固定资产在生产过程中发生折旧，扣除各项成本后形成营业盈余，这些增加值项目共同构成了纺织业的价值创造。第Ⅰ象限和第Ⅲ象限连接组成的竖表，反映了国民经济各产品部门在生产经营过程中的各种投入来源及产品价值构成，即各产品部门总投入及其所包含的中间投入和增加值的数量。投入产出表存在几个关键的平衡关系：行平衡关系：中间使用+最终使用-进口+其他=总产出。这一关系表明了产品的产出在各部门间的分配去向，即一部分作为中间产品被其他部门使用，一部分用于最终消费、资本形成或出口等最终用途，考虑进口和其他因素后，总和应等于总产出。例如，某地区的钢铁生产部门，其生产的钢铁一部分被机械制造、建筑等部门作为中间投入使用，一部分用于当地基础设施建设（资本形成），还有一部分出口到其他地区，扣除进口的钢铁量后，这些使用去向的总和等于该地区钢铁的总产出。列平衡关系：中间投入+增加值=总投入。它体现了产品生产过程中的价值构成，即生产产品所需的中间投入价值与生产过程中创造的增加值之和等于总投入。以服装制造业为例，生产服装需要投入布料、辅料、能源等中间产品，同时在生产过程中劳动者创造了价值，企业获得了利润等增加值，中间投入和增加值共同构成了服装生产的总投入。总量平衡关系：总投入=总产出，每个部门的总投入=该部门的总产出，中间投入合计=中间使用合计。这是投入产出表的基本总量平衡原则，从整体经济系统来看，所有部门的总投入和总产出在价值量上是相等的，每个部门自身的投入和产出也相等，并且各部门间的中间投入总和与中间使用总和也相等，反映了经济系统在生产和分配过程中的总体平衡。2.1.2数据收集与整理投入产出表的数据来源广泛，涵盖多个领域，主要包括以下几个方面：统计调查数据：这是投入产出表数据的重要来源之一。政府统计部门通过开展各类统计调查，如工业普查、农业普查、服务业调查等，收集各产业部门的生产、销售、投入等详细数据。例如，在工业普查中，会全面统计工业企业的产品产量、原材料消耗、能源使用、从业人员数量等信息，这些数据为投入产出表中各工业部门的指标计算提供了基础。同时，还会对企业的财务状况进行调查，获取营业收入、成本、利润等数据，用于计算增加值等相关指标。行政记录数据：政府各行政管理部门在履行职责过程中产生的大量行政记录，也是投入产出表数据的重要组成部分。税务部门的税收数据可以反映企业的经营规模和纳税情况，用于核算生产税净额等指标；海关部门的进出口数据详细记录了各类商品的进出口数量和金额，为投入产出表中进出口相关数据的确定提供了依据；工商行政管理部门的企业注册登记信息，有助于确定各产业部门的企业数量和规模分布等。企业财务报表数据：企业的财务报表包含了丰富的经济信息，是投入产出表数据的重要补充。企业的资产负债表、利润表和现金流量表等，提供了企业的资产状况、经营成果和资金流动情况等信息。通过对企业财务报表的分析，可以获取企业的中间投入、增加值、固定资产折旧等数据，例如从利润表中可以提取营业收入、营业成本等信息，用于计算中间投入和增加值；从资产负债表中可以获取固定资产原值等信息，用于计算固定资产折旧。在收集到原始数据后，需要进行一系列的数据处理流程，以确保数据的准确性、一致性和可用性：数据清洗：对收集到的数据进行仔细检查，去除重复、错误或无效的数据。例如，在统计调查数据中，可能存在部分企业填报的数据格式错误、逻辑矛盾等问题，需要通过数据清洗进行纠正。对于一些明显不合理的数据，如某企业填报的产量远远超出行业平均水平，需要进一步核实其真实性，若无法核实则进行剔除或修正。数据分类与编码：按照投入产出表的部门分类标准，对数据进行分类和编码，使不同来源的数据能够统一归类到相应的产品部门中。我国通常采用《国民经济行业分类》标准，将国民经济划分为不同的行业门类、大类、中类和小类，确保各部门的数据分类准确一致。例如，将制造业中的汽车制造、船舶制造等按照标准进行分类编码，以便在投入产出表中进行准确的统计和分析。数据汇总与合并：将经过清洗和分类的数据进行汇总和合并，形成投入产出表所需的各类总量数据和结构数据。对于来自不同统计调查、行政记录和企业财务报表的数据，需要按照统一的口径进行汇总，例如将各地区、各企业的同一产品部门的数据进行汇总，得到该产品部门的全国总量数据；同时，将相关的数据进行合并，如将生产数据和财务数据进行合并，以计算投入产出表中的各项指标。数据质量评估：对处理后的数据进行质量评估，检查数据的完整性、准确性和一致性。可以通过对比不同来源的数据、进行数据间的逻辑校验等方式，评估数据质量。例如，对比统计调查数据和行政记录数据中关于企业营业收入的数据，若两者差异较大，需要进一步分析原因，找出数据偏差的来源并进行修正；通过检查投入产出表中的各项平衡关系，如行平衡关系和列平衡关系，判断数据是否存在逻辑错误，确保数据质量符合要求。2.2DEA方法2.2.1基本原理数据包络分析（DEA）方法由著名运筹学家A.Charnes、W.W.Cooper和E.Rhodes于1978年创立，是一种基于线性规划技术的多投入多产出效率评价方法。其基本原理是通过保持决策单元（DMU，DecisionMakingUnits）的输入或者输出不变，借助数学规划和统计数据，确定相对有效的生产前沿面，将各个决策单元投影到DEA的生产前沿面上，并通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。DEA方法假设存在n个决策单元（DMU），每个决策单元都有m种输入和s种输出。对于第j个决策单元DMUj，其输入向量为X_j=(x_{1j},x_{2j},\cdots,x_{mj})^T，输出向量为Y_j=(y_{1j},y_{2j},\cdots,y_{sj})^T，其中x_{ij}表示第j个决策单元对第i种输入的投入量，y_{rj}表示第j个决策单元对第r种输出的产出量。DEA方法通过构建一个线性规划模型，来确定每个决策单元的效率评价指数h_j：h_j=\frac{\sum_{r=1}^{s}u_ry_{rj}}{\sum_{i=1}^{m}v_ix_{ij}}其中，u_r和v_i分别是第r种输出和第i种输入的权重向量，它们是待求解的变量。在实际应用中，我们希望找到一组最优的权重u_r和v_i，使得某个决策单元的效率评价指数h_j达到最大，同时约束其他决策单元的效率评价指数h_j\leq1。以一个简单的例子来说明，假设有三个决策单元A、B、C，每个决策单元都有两种输入（劳动力和资本）和一种输出（产品产量）。决策单元A投入10单位劳动力和5单位资本，产出20单位产品；决策单元B投入15单位劳动力和8单位资本，产出25单位产品；决策单元C投入8单位劳动力和6单位资本，产出18单位产品。通过DEA方法，我们可以构建线性规划模型，求解出每个决策单元在最优权重下的效率评价指数，从而比较它们的相对效率。如果决策单元A的效率评价指数为1，而决策单元B和C的效率评价指数小于1，那么就说明决策单元A在这三个决策单元中是相对有效的，即A能够以相对较少的输入获得相对较多的输出，而B和C则存在投入冗余或产出不足的情况，需要进一步分析和改进。2.2.2常用模型CCR模型：即规模报酬不变（CRS，ConstantReturnstoScale）模型，由Charnes、Cooper和Rhodes提出，是DEA方法中最基本的模型。该模型假设决策单元在生产过程中规模报酬不变，即投入的增加会导致产出以相同比例增加。CCR模型主要用于评价决策单元的总体技术效率，总体技术效率衡量的是决策单元在现有技术水平下，将投入转化为产出的综合能力，包括技术效率和规模效率两个方面。其数学模型可以表示为：max\h_{j_0}=\frac{\sum_{r=1}^{s}u_ry_{rj_0}}{\sum_{i=1}^{m}v_ix_{ij_0}}s.t.\\frac{\sum_{r=1}^{s}u_ry_{rj}}{\sum_{i=1}^{m}v_ix_{ij}}\leq1,\j=1,2,\cdots,nu_r\geq0,\r=1,2,\cdots,sv_i\geq0,\i=1,2,\cdots,m其中，h_{j_0}为第j_0个决策单元的效率值，u_r和v_i分别为产出和输入的权重向量。当某个决策单元的效率值h_{j_0}=1时，表明该决策单元在生产前沿面上，是DEA有效的，即同时实现了技术有效和规模有效；当h_{j_0}<1时，则表示该决策单元是DEA无效的，存在投入冗余或产出不足的情况。例如，在对多个企业的生产效率进行评价时，如果企业A的CCR模型效率值为1，说明企业A在技术和规模方面都达到了最优状态，能够充分利用投入资源实现最大产出；而企业B的效率值为0.8，则表明企业B存在一定的改进空间，可能是技术水平不够高，或者生产规模不合理，导致投入资源没有得到充分利用。BCC模型：即规模报酬可变（VRS，VariableReturnstoScale）模型，由Banker、Charnes和Cooper在CCR模型的基础上提出。该模型放松了规模报酬不变的假设，认为决策单元在生产过程中规模报酬是可变的，更符合实际生产情况。BCC模型主要用于评价决策单元的纯技术效率和规模效率。纯技术效率反映的是决策单元在现有生产技术条件下，对投入资源的利用效率，排除了规模因素的影响；规模效率则衡量的是决策单元的生产规模是否处于最优状态。BCC模型的数学模型在CCR模型的基础上增加了一个凸性约束条件\sum_{j=1}^{n}\lambda_j=1，可以表示为：max\h_{j_0}=\frac{\sum_{r=1}^{s}u_ry_{rj_0}}{\sum_{i=1}^{m}v_ix_{ij_0}}s.t.\\frac{\sum_{r=1}^{s}u_ry_{rj}}{\sum_{i=1}^{m}v_ix_{ij}}\leq1,\j=1,2,\cdots,n\sum_{j=1}^{n}\lambda_j=1u_r\geq0,\r=1,2,\cdots,sv_i\geq0,\i=1,2,\cdots,m其中，\lambda_j为权重变量。通过BCC模型计算得到的效率值可以分解为纯技术效率和规模效率的乘积，即总体技术效率=纯技术效率×规模效率。例如，对于某个决策单元，其BCC模型计算出的总体技术效率为0.7，纯技术效率为0.8，规模效率为0.875。这表明该决策单元在技术利用方面还有提升空间，同时生产规模也不够合理，需要适当调整规模以提高效率。如果一个决策单元的纯技术效率为1，说明该决策单元在技术利用上已经达到最优；如果规模效率也为1，则表示生产规模处于最佳状态。CCR模型和BCC模型各有其适用场景。CCR模型适用于在假设规模报酬不变的情况下，对决策单元的总体技术效率进行评价，例如在研究一些标准化生产且规模对效率影响较小的行业时较为适用；BCC模型则更适用于考虑规模报酬可变的情况，能够更细致地分析决策单元的纯技术效率和规模效率，对于那些生产规模对效率影响较大的行业，如制造业、服务业等，BCC模型能够提供更有价值的信息。在实际应用中，需要根据研究目的和数据特点，合理选择使用CCR模型或BCC模型。2.2.3模型构建步骤确定决策单元：决策单元（DMU）是DEA模型中需要进行效率评价的对象，它们具有相同的目标和任务，且投入和产出具有可比性。在基于投入产出表进行DEA分析时，决策单元通常可以选取国民经济中的各个产业部门、不同地区的经济系统或者企业的不同生产部门等。例如，若要研究某地区各产业部门的投入产出效率，那么该地区的每个产业部门都可以作为一个决策单元；若要比较不同地区的经济发展效率，则每个地区可视为一个决策单元。选择决策单元时，要确保其具有明确的边界和可度量的投入产出指标，同时要保证决策单元之间具有一定的差异性，以便能够准确地评价其相对效率。选取输入输出指标：根据研究目的和决策单元的特点，从投入产出表中选取合适的输入输出指标。输入指标应能够反映决策单元在生产过程中所消耗的资源或投入要素，常见的有劳动力投入（如从业人员数量、劳动时间等）、资本投入（如固定资产原值、固定资产净值、流动资产等）、中间投入（如原材料、能源等中间产品的投入价值）等。输出指标则应能体现决策单元的产出成果或绩效，例如总产出（各产业部门生产的货物和服务的价值总和）、增加值（生产过程中创造的新增价值，包括劳动者报酬、生产税净额、固定资产折旧和营业盈余等）、最终产品（用于最终消费、资本形成和出口等的产品价值）等。在选取指标时，要遵循全面性、代表性、独立性和可获取性的原则，确保所选指标能够准确、全面地反映决策单元的投入产出关系。例如，在评价制造业各部门的效率时，除了考虑劳动力和资本投入外，还应根据制造业的特点，重点关注原材料等中间投入；输出指标可选取工业增加值、工业总产值等，以全面衡量制造业各部门的生产成果和经济效益。数据预处理：收集到的投入产出表数据可能存在量纲不一致、数据缺失或异常值等问题，因此需要进行数据预处理。对于量纲不一致的问题，可以采用标准化方法，如极差标准化、均值标准化等，将不同量纲的指标转化为无量纲的数值，使各指标具有可比性。对于数据缺失的情况，可以根据数据的特点和其他相关信息，采用均值填充、回归预测、多重填补等方法进行填补。对于异常值，需要进行识别和处理，可以通过绘制散点图、计算统计量等方法来判断数据是否为异常值，对于异常值可以采用修正或剔除的方式进行处理。例如，在投入产出表中，劳动力投入的单位可能是“人”，资本投入的单位可能是“万元”，为了使两者具有可比性，可以对它们进行极差标准化处理，将其转化为[0,1]区间内的数值。若某产业部门的某个指标数据缺失，可以根据该产业部门其他年份的数据以及相关产业部门的情况，采用回归预测的方法进行填补。构建DEA模型：根据研究目的和数据特点，选择合适的DEA模型，如CCR模型或BCC模型。将预处理后的数据代入所选模型中，确定模型的目标函数和约束条件。例如，若选择CCR模型来评价各产业部门的总体技术效率，目标函数为最大化某个决策单元的效率评价指数，约束条件为其他决策单元的效率评价指数小于等于1，以及输入输出权重非负等。构建模型时，要确保模型的合理性和准确性，使其能够真实地反映决策单元的投入产出关系和效率状况。求解模型：运用线性规划求解方法，如单纯形法、内点法等，对构建好的DEA模型进行求解。通过求解模型，可以得到每个决策单元的效率值、投入冗余量和产出不足量等信息。例如，使用单纯形法求解CCR模型，计算出各产业部门的效率值，若某个产业部门的效率值为0.9，说明该部门在当前投入产出情况下，与处于生产前沿面的部门相比，效率还有10%的提升空间。同时，还可以得到该部门在劳动力、资本等投入方面的冗余量，以及在总产出、增加值等产出方面的不足量，为后续的分析和改进提供依据。结果分析与解释：对求解得到的结果进行深入分析和解释。根据决策单元的效率值，判断其相对有效性，效率值为1的决策单元是DEA有效的，说明其在投入产出方面达到了相对最优状态；效率值小于1的决策单元是DEA无效的，需要进一步分析其投入冗余和产出不足的原因。通过分析投入冗余量和产出不足量，可以找出决策单元在生产过程中存在的问题，如资源浪费、技术水平低下、生产规模不合理等，并提出相应的改进建议。例如，对于一个效率值较低的产业部门，若发现其劳动力投入冗余量较大，可能是因为人员配置不合理，存在人浮于事的现象；若产出不足量主要体现在增加值方面，可能需要提高生产技术水平，增加产品附加值，以提高产业部门的经济效益。同时，还可以对不同决策单元的效率值进行比较和排序，了解各决策单元在整体中的相对位置和效率差异，为资源配置和政策制定提供参考。三、基于投入产出表的DEA模型构建3.1决策单元的确定决策单元（DMU）的确定是构建基于投入产出表的DEA模型的首要关键步骤。决策单元作为DEA模型中接受效率评价的对象，其选择直接影响到模型分析结果的准确性与有效性。一般来说，决策单元应具备相同的目标和任务，且在投入和产出方面具有可比性。以某地区制造业企业为例，若研究目的是评估该地区制造业各细分行业的投入产出效率，以深入了解制造业内部结构的合理性以及各细分行业在资源利用和生产效益方面的表现，从而为制定针对性的产业政策提供依据，那么该地区制造业中的每个细分行业都可被确定为一个决策单元。例如，将汽车制造业、电子设备制造业、家具制造业、金属制品业等分别作为独立的决策单元。这些细分行业虽然在产品类型、生产工艺等方面存在差异，但它们都属于制造业范畴，具有相同的生产经营目标，即通过投入各种生产要素，生产出满足市场需求的产品，并实现经济效益最大化。同时，它们在投入方面都涉及劳动力、资本、原材料等要素的投入，在产出方面都表现为产品的生产和销售，具备了作为决策单元进行效率比较的基础。在确定决策单元时，还需考虑决策单元之间的差异性。如果选择的决策单元过于相似，可能无法准确反映出不同行业在投入产出效率上的差异，导致分析结果缺乏实际意义。例如，若仅选择汽车制造业中的轿车生产企业作为决策单元，这些企业在生产技术、市场定位、投入产出结构等方面可能具有较高的相似性，难以全面展现制造业内部的效率差异情况。因此，在选择决策单元时，应尽可能涵盖制造业中不同类型、不同规模、不同技术水平的细分行业，以保证决策单元之间具有足够的差异性，从而使DEA模型能够准确地识别出各细分行业在投入产出效率上的优劣，为后续的分析和决策提供丰富、准确的信息。3.2投入产出指标的选取3.2.1指标选取原则科学性原则：投入产出指标的选取必须基于科学的理论和方法，准确反映经济系统中各部门的投入产出关系以及生产经营活动的本质特征。例如，在选择投入指标时，要依据生产函数理论，充分考虑劳动力、资本、原材料等生产要素对产出的贡献；在选取产出指标时，要从经济价值创造、产品数量和质量等多个维度进行考量。以制造业为例，劳动力投入可以用从业人员数量、劳动工时等指标来衡量，这些指标能够科学地反映劳动力要素在生产过程中的投入规模和强度；产出指标选择工业增加值，它综合考虑了劳动者报酬、生产税净额、固定资产折旧和营业盈余等因素，能够准确地反映制造业在生产过程中创造的新增价值。可行性原则：所选取的指标应具有实际可操作性，数据能够通过合理的途径获取，且获取成本较低。投入产出表虽然提供了丰富的数据，但在实际应用中，仍需考虑数据的可得性和可靠性。例如，某些细分行业的特定投入产出数据可能由于统计口径、调查难度等原因难以获取，此时就需要选择与之相关且易于获取的替代指标。同时，指标的计算方法应简单明了，避免过于复杂的计算过程，以确保数据处理和分析的可行性。比如，在研究农村经济时，由于一些偏远地区的统计数据不够完善，对于农业生产中的一些投入指标，可能无法获取精确的数值。此时，可以采用相对容易获取的农户家庭劳动力投入估算值、化肥和农药的购买量等数据作为替代指标，虽然这些数据可能存在一定的误差，但在实际情况下具有较高的可行性，能够满足研究的基本需求。相关性原则：投入指标与产出指标之间应具有紧密的内在联系，能够真实反映投入对产出的影响以及产出对投入的依赖关系。在基于投入产出表的DEA分析中，只有选取具有相关性的指标，才能准确地评估各部门的投入产出效率。例如，在分析交通运输业的效率时，运输工具的投入（如货车数量、客车数量等）与运输周转量（如货物周转量、旅客周转量）之间存在明显的正相关关系，这些指标能够较好地反映交通运输业的投入产出情况；而如果选取与交通运输业生产经营活动无关的指标，如某地区的文化产业产值作为投入或产出指标，就无法准确地评估交通运输业的效率，因为这些指标与交通运输业的投入产出关系不大。独立性原则：各个投入指标之间以及各个产出指标之间应尽量相互独立，避免指标之间存在高度的相关性或重叠性。如果选取的指标之间存在较强的相关性，可能会导致信息重复，影响DEA模型的准确性和有效性。例如，在评估企业的生产效率时，固定资产原值和固定资产净值这两个指标在一定程度上反映了企业固定资产的规模和价值状况，它们之间存在较强的相关性。为了满足独立性原则，在选取指标时，可以根据研究目的和数据特点，选择其中一个指标作为投入指标，避免同时使用两个相关性较高的指标。同时，还可以通过相关性分析等方法，对候选指标进行筛选，确保最终选取的指标之间相互独立。全面性原则：投入产出指标体系应全面涵盖经济系统中各部门生产经营活动的各个方面，包括生产要素的投入、中间产品的消耗、最终产品的产出以及经济效益的实现等。只有建立全面的指标体系，才能完整地反映各部门的投入产出过程和效率状况。例如，在研究服务业时，不仅要考虑劳动力、资本等传统投入指标，还要考虑服务技术、服务质量等新兴投入要素；在产出方面，除了关注服务收入等经济效益指标外，还应考虑服务满意度、服务创新成果等非经济效益指标。通过全面选取指标，可以从多个角度对服务业的投入产出效率进行评估，为服务业的发展提供更全面、更深入的分析和建议。3.2.2具体指标确定基于上述指标选取原则，结合投入产出表的数据特点和各产业部门的实际情况，确定如下具体的投入产出指标：投入指标：劳动力投入：可以用从业人员数量来衡量，它直观地反映了各产业部门在一定时期内参与生产活动的劳动力规模。不同产业部门的劳动力需求和劳动力素质结构存在差异，例如制造业通常需要大量的产业工人，而金融服务业则对高素质的专业人才需求较大。通过分析各产业部门的从业人员数量及其变化趋势，可以了解劳动力资源在不同产业间的配置情况以及各产业对劳动力的吸纳能力。此外，劳动工时也是衡量劳动力投入的重要指标之一，它考虑了劳动者在单位时间内的工作强度和工作时间，能够更精确地反映劳动力投入的实际情况。在一些劳动密集型产业，如纺织业，劳动工时的长短对产出的影响较为显著，较长的劳动工时可能会带来更高的产量，但同时也可能会影响劳动者的工作效率和产品质量。资本投入：固定资产原值是衡量资本投入的常用指标，它反映了各产业部门在生产过程中所拥有的固定资产的初始价值，包括建筑物、机器设备、运输工具等。固定资产是产业部门进行生产活动的重要物质基础，其规模和质量在一定程度上决定了产业部门的生产能力和技术水平。例如，在钢铁行业，大规模的高炉、轧钢设备等固定资产投入是实现高效生产的关键。此外，固定资产净值也能反映固定资产在使用过程中的磨损和折旧情况，对于分析产业部门的资本利用效率具有重要意义。除了固定资产，流动资产也是资本投入的重要组成部分，如企业的原材料库存、现金、应收账款等，流动资产的充足程度直接影响着企业生产经营活动的顺利进行。在一些快速消费品行业，如食品饮料行业，流动资产的周转速度对企业的经济效益有着重要影响，快速的流动资产周转能够提高企业的资金使用效率，降低成本，增加利润。中间投入：中间投入是指各产业部门在生产过程中消耗的除固定资产以外的各种货物和服务的价值，包括原材料、能源、运输服务、金融服务等。中间投入是生产过程中不可或缺的组成部分，其投入的数量和质量直接影响着产出的数量和质量。例如，在汽车制造业中，钢铁、橡胶、电子元件等原材料的投入质量和数量对汽车的性能和产量有着关键影响；能源的稳定供应和合理利用也是保证汽车生产顺利进行的重要因素。通过分析中间投入的结构和比例，可以了解各产业部门之间的产业关联和技术经济联系，以及各产业部门对不同中间产品的依赖程度。在一些高能耗产业，如有色金属冶炼业，能源在中间投入中所占的比重较大，降低能源消耗、提高能源利用效率是这些产业提高生产效率和经济效益的重要途径。产出指标：总产出：总产出是指各产业部门在一定时期内生产的货物和服务的价值总和，它反映了产业部门的生产规模和生产成果。总产出是衡量产业部门经济活动规模的重要指标，能够直观地展示各产业部门在国民经济中的地位和作用。例如，制造业作为国民经济的重要支柱产业，其总产出在国内生产总值中占有较大比重，对经济增长具有重要的拉动作用。不同产业部门的总产出水平和增长速度存在差异，通过比较各产业部门的总产出，可以分析产业结构的变化趋势和各产业部门的发展态势。在经济发展的不同阶段，各产业部门的总产出增长速度也会发生变化，例如在工业化初期，制造业的总产出增长速度通常较快；随着经济的发展和产业结构的升级，服务业的总产出增长速度可能会逐渐加快。增加值：增加值是指各产业部门在生产过程中创造的新增价值，是总产出扣除中间投入后的余额，包括劳动者报酬、生产税净额、固定资产折旧和营业盈余等。增加值反映了产业部门在生产过程中对国民经济的实际贡献，是衡量产业部门经济效益和发展质量的重要指标。劳动者报酬体现了劳动者在生产过程中所获得的劳动收入，反映了劳动力要素在生产中的回报；生产税净额是政府参与产业部门生产成果分配的体现；固定资产折旧反映了固定资产在生产过程中的损耗；营业盈余则是企业在扣除各项成本和税费后的剩余收益，是企业生产经营活动的最终成果。例如，在高新技术产业中，增加值中的营业盈余通常较高，这表明这些产业具有较高的技术含量和附加值，能够创造较高的经济效益。通过分析各产业部门增加值的构成和变化趋势，可以了解产业部门的经济效益状况、成本控制能力以及对劳动者和政府的贡献程度。在一些传统产业，如农业，增加值中劳动者报酬所占的比重可能较大，而营业盈余相对较低，这反映了传统农业生产方式下，劳动生产率较低，经济效益有待提高。最终产品：最终产品是指各产业部门生产的不再用于中间消耗，而是用于最终消费、资本形成和出口的产品。最终产品反映了产业部门的生产成果对社会需求的满足程度，以及对经济增长的直接贡献。例如，消费品制造业生产的各类消费品，如食品、服装、家电等，主要用于居民的最终消费；机械设备制造业生产的设备，部分用于企业的固定资产投资，形成资本形成；而一些具有国际竞争力的产业，如电子信息产业，其生产的产品大量出口到国外，为国家创造外汇收入。通过分析最终产品的数量、结构和流向，可以了解各产业部门在满足国内消费需求、促进投资增长和推动对外贸易等方面的作用。在经济全球化的背景下，各产业部门的最终产品在国际市场上的竞争力越来越重要，提高最终产品的质量和附加值，优化最终产品的结构，对于提升产业部门的国际竞争力和促进经济的可持续发展具有重要意义。3.3模型构建与求解3.3.1模型构建在确定了决策单元以及投入产出指标后，本研究基于数据包络分析（DEA）方法构建相应的模型。考虑到研究目的是全面评估各决策单元（如各产业部门）的技术效率和规模效率，以深入了解其投入产出的综合效益以及规模合理性，我们选择了规模报酬可变（VRS）的BCC模型。BCC模型能够将技术效率进一步分解为纯技术效率和规模效率，这对于分析各产业部门的效率状况具有重要意义，能够更细致地揭示各部门在技术利用和规模经营方面的优势与不足。假设存在n个决策单元，每个决策单元有m种投入和s种产出。对于第j个决策单元，其投入向量为X_j=(x_{1j},x_{2j},\cdots,x_{mj})^T，产出向量为Y_j=(y_{1j},y_{2j},\cdots,y_{sj})^T。BCC模型的线性规划形式如下：max\h_{j_0}=\frac{\sum_{r=1}^{s}u_ry_{rj_0}}{\sum_{i=1}^{m}v_ix_{ij_0}}s.t.\\frac{\sum_{r=1}^{s}u_ry_{rj}}{\sum_{i=1}^{m}v_ix_{ij}}\leq1,\j=1,2,\cdots,n\sum_{j=1}^{n}\lambda_j=1u_r\geq0,\r=1,2,\cdots,sv_i\geq0,\i=1,2,\cdots,m其中，h_{j_0}为第j_0个决策单元的效率值，u_r和v_i分别为产出和输入的权重向量，\lambda_j为权重变量。该模型的目标是最大化第j_0个决策单元的效率评价指数h_{j_0}，约束条件中的\frac{\sum_{r=1}^{s}u_ry_{rj}}{\sum_{i=1}^{m}v_ix_{ij}}\leq1确保了所有决策单元的效率评价指数不超过1，\sum_{j=1}^{n}\lambda_j=1表示规模报酬可变，通过这个约束条件可以将总体技术效率分解为纯技术效率和规模效率。当某个决策单元的效率值h_{j_0}=1时，表明该决策单元在当前投入产出情况下，同时实现了技术有效和规模有效，即在现有技术水平下，能够充分利用投入资源实现最大产出，并且生产规模处于最优状态；当h_{j_0}<1时，则表示该决策单元存在改进空间，可能是技术水平不够高，导致投入资源未能充分转化为产出，或者生产规模不合理，需要进一步调整规模以提高效率。例如，在对某地区的制造业各部门进行效率评估时，如果某部门的BCC模型效率值为1，说明该部门在技术利用和规模经营方面都达到了最优状态；而如果某部门的效率值为0.8，可能是其生产技术相对落后，或者生产规模过大或过小，导致投入产出效率不高，需要进一步分析原因并采取相应的改进措施。3.3.2求解方法与工具本研究运用线性规划求解方法对构建的BCC模型进行求解。线性规划是一种优化技术，通过在满足一系列线性约束条件下，最大化或最小化一个线性目标函数。在DEA模型中，线性规划用于寻找使决策单元效率最大化的输入输出权重组合。常用的线性规划求解算法包括单纯形法和内点法。单纯形法是一种经典的线性规划求解方法，它通过在可行域的顶点之间进行迭代搜索，逐步找到最优解。在DEA模型的求解中，单纯形法从一个初始可行解开始，通过不断改进解的质量，直到找到满足最优条件的解。例如，在对某一地区的多个产业部门进行效率评估时，利用单纯形法对BCC模型进行求解，它会在满足模型约束条件的情况下，逐步调整输入输出权重，使得每个产业部门的效率值尽可能接近最优，从而确定各部门的相对效率。单纯形法的优点是计算过程直观，易于理解，在处理小规模问题时具有较高的效率。然而，当问题规模较大，即决策单元数量较多、输入输出指标维度较高时，单纯形法的计算量会显著增加，计算时间也会相应延长。内点法是一种相对较新的线性规划求解算法，它通过在可行域内部进行搜索来找到最优解。内点法的基本思想是从可行域内部的一个初始点出发，通过一系列迭代步骤，逐渐逼近最优解。与单纯形法不同，内点法不会沿着可行域的边界进行搜索，而是在可行域内部寻找更优的解。在DEA模型求解中，内点法能够有效地处理大规模问题，具有更快的收敛速度和更好的数值稳定性。例如，在处理包含大量产业部门和复杂投入产出指标的DEA模型时，内点法能够在较短的时间内找到较为精确的解。内点法的优点使其在处理大规模的DEA模型时具有明显的优势，能够更高效地求解复杂的效率评价问题。在实际求解过程中，我们借助专业的软件工具来实现模型的求解，如MATLAB和DEA-Solver。MATLAB是一款功能强大的数学计算软件，拥有丰富的工具箱和函数库，为DEA模型的求解提供了便利。通过编写相应的MATLAB程序，利用其线性规划求解函数，如linprog函数，可以方便地实现BCC模型的求解。在程序编写过程中，需要将模型的目标函数、约束条件以及相关参数准确地转化为MATLAB可识别的代码形式。例如，将BCC模型中的目标函数、约束条件以及决策变量等信息按照linprog函数的输入格式进行设置，然后调用该函数进行求解，最终得到各决策单元的效率值、投入冗余量和产出不足量等结果。DEA-Solver是专门用于数据包络分析的软件工具，它提供了直观的用户界面和丰富的功能选项，使得DEA模型的构建和求解更加便捷。用户只需按照软件的操作指南，将投入产出数据和模型参数输入到软件中，即可快速得到求解结果。DEA-Solver还具备数据预处理、结果分析和可视化等功能，能够帮助用户更全面地理解和分析DEA模型的结果。例如，在使用DEA-Solver求解基于投入产出表的DEA模型时，用户可以直接导入整理好的投入产出数据，选择BCC模型，并设置相关参数，软件会自动进行求解，并生成详细的结果报告，包括各决策单元的效率值排名、投入产出指标的松弛变量分析等。同时，DEA-Solver还可以将结果以图表的形式展示出来，如效率值柱状图、投入冗余和产出不足雷达图等，便于用户直观地比较各决策单元的效率状况和分析效率差异的原因。四、实证分析4.1数据收集与预处理为深入探究基于投入产出表的DEA方法在实际经济分析中的应用，本研究以安徽省2002年42部门流量表数据作为实证分析的基础。安徽省作为我国中部地区的重要省份，其经济发展具有一定的代表性，涵盖了农业、制造业、服务业等多个产业领域，产业结构较为丰富和复杂，能够为研究提供多样化的数据样本，有助于全面、深入地分析不同产业部门的投入产出效率。数据收集方面，主要来源于安徽省统计局以及相关的统计年鉴。安徽省统计局在投入产出调查方面具有丰富的经验和完善的体系，逢2和7的年份开展投入产出调查，并编制相应年份基本流量表，这些数据具有较高的权威性和可靠性。同时，统计年鉴也为数据收集提供了重要的补充信息，涵盖了各产业部门的生产、销售、就业等多方面的数据，能够与投入产出表数据相互印证和补充。在收集过程中，充分遵循投入产出表的数据规范和统计口径，确保数据的一致性和可比性。例如，对于各产业部门的产出数据，严格按照产品的实际价值和市场价格进行统计，避免因价格波动或统计方法差异导致的数据偏差。然而，原始数据往往存在一些问题，需要进行预处理以满足DEA模型的要求。首先，对数据进行清洗，仔细检查数据的准确性和完整性，剔除重复、错误或无效的数据。在检查过程中，发现部分企业填报的投入产出数据存在逻辑矛盾，如某企业填报的中间投入大于总产出，通过与企业进一步核实以及参考其他相关数据，对这些错误数据进行了修正。其次，由于不同指标的数据量纲和数量级可能存在差异，为了消除量纲和数量级对分析结果的影响，采用标准化方法对数据进行无量纲化处理。对于劳动力投入指标，单位为人；资本投入指标，单位为万元。为了使两者具有可比性，采用极差标准化方法，将它们转化为[0,1]区间内的数值。此外，还需处理可能存在的缺失值。通过分析数据的分布特征和相关性，对于缺失值采用均值填充、回归预测等方法进行填补。若某产业部门的中间投入数据存在缺失，根据该产业部门其他年份的中间投入数据以及相关产业部门的中间投入情况，运用回归预测方法进行填补。同时，为了确保数据的可靠性，对填补后的数据进行了多次验证和调整。经过一系列的数据预处理操作，使数据更加准确、规范和可比，为后续的DEA模型分析提供了坚实的数据基础。4.2效率评估结果运用MATLAB软件对经过预处理的安徽省2002年42部门投入产出表数据进行DEA模型求解，得到各决策单元（即各产业部门）的效率得分，具体结果如表1所示：表1安徽省各产业部门效率得分产业部门综合技术效率纯技术效率规模效率规模报酬农业0.850.920.92规模报酬递减煤炭开采和洗选业0.780.850.92规模报酬递减石油和天然气开采业0.900.950.95规模报酬不变金属矿采选业0.750.800.94规模报酬递减非金属矿及其他矿采选业0.820.880.93规模报酬递减食品制造及烟草加工业0.880.950.93规模报酬递减纺织业0.800.860.93规模报酬递减服装皮革羽绒及其制品业0.860.920.93规模报酬递减木材加工及家具制造业0.830.890.93规模报酬递减造纸印刷及文教用品制造业0.870.940.93规模报酬递减石油加工、炼焦及核燃料加工业0.920.960.96规模报酬不变化学工业0.890.960.93规模报酬递减非金属矿物制品业0.860.920.93规模报酬递减金属冶炼及压延加工业0.840.900.93规模报酬递减金属制品业0.810.870.93规模报酬递减通用、专用设备制造业0.830.890.93规模报酬递减交通运输设备制造业0.850.910.93规模报酬递减电气机械及器材制造业0.870.930.93规模报酬递减通信设备、计算机及其他电子设备制造业0.910.970.94规模报酬递减仪器仪表及文化、办公用机械制造业0.840.900.93规模报酬递减工艺品及其他制造业0.820.880.93规模报酬递减废品废料0.800.860.93规模报酬递减电力、热力的生产和供应业0.900.950.95规模报酬不变燃气生产和供应业0.860.920.93规模报酬递减水的生产和供应业0.830.890.93规模报酬递减建筑业0.870.930.93规模报酬递减交通运输及仓储业0.840.900.93规模报酬递减邮政业0.810.870.93规模报酬递减信息传输、计算机服务和软件业0.890.950.93规模报酬递减批发和零售业0.860.920.93规模报酬递减住宿和餐饮业0.820.880.93规模报酬递减金融业0.900.950.95规模报酬不变房地产业0.850.910.93规模报酬递减租赁和商务服务业0.830.890.93规模报酬递减研究与试验发展业0.840.900.93规模报酬递减综合技术服务业0.810.870.93规模报酬递减水利、环境和公共设施管理业0.820.880.93规模报酬递减居民服务和其他服务业0.800.860.93规模报酬递减教育0.870.930.93规模报酬递减卫生、社会保障和社会福利业0.840.900.93规模报酬递减文化、体育和娱乐业0.810.870.93规模报酬递减公共管理和社会组织0.830.890.93规模报酬递减从综合技术效率来看，仅有石油和天然气开采业、石油加工、炼焦及核燃料加工业、电力、热力的生产和供应业、金融业的综合技术效率值为1，达到了DEA有效，表明这些产业部门在当前投入产出情况下，技术和规模均处于最优状态，能够充分利用投入资源实现最大产出。而其他产业部门的综合技术效率值均小于1，处于DEA无效状态，说明这些部门在技术利用和规模经营方面存在改进空间。在纯技术效率方面，大部分产业部门的纯技术效率值在0.8-0.95之间，表明各产业部门在现有生产技术条件下，对投入资源的利用效率还有提升的潜力。例如，农业的纯技术效率为0.92，说明农业部门在技术利用上虽然有一定水平，但仍可通过改进技术、优化生产流程等方式进一步提高资源利用效率。规模效率方面，多数产业部门的规模效率值也在0.9-0.95之间，且部分产业部门处于规模报酬递减阶段，如农业、煤炭开采和洗选业等。这意味着这些产业部门当前的生产规模过大，导致规模效益降低，需要适当调整生产规模，以提高规模效率。而石油和天然气开采业、石油加工、炼焦及核燃料加工业等规模报酬不变的产业部门，其生产规模相对合理。总体而言，安徽省各产业部门在投入产出效率方面存在一定差异。传统的资源开采和加工产业，如煤炭开采和洗选业、金属矿采选业等效率相对较低，可能是由于技术水平落后、资源利用效率不高以及产业结构不合理等原因导致；而一些新兴产业和服务业，如通信设备、计算机及其他电子设备制造业、信息传输、计算机服务和软件业等，虽然效率相对较高，但仍有提升空间，可进一步加强技术创新和管理创新，提高资源配置效率，以促进产业的可持续发展。4.3结果分析与讨论4.3.1效率差异原因探讨技术水平：技术水平是影响产业部门投入产出效率的关键因素之一。在实证分析结果中，综合技术效率达到DEA有效的石油和天然气开采业、石油加工、炼焦及核燃料加工业、电力、热力的生产和供应业、金融业等产业部门，往往具有较高的技术水平。这些产业部门通常采用了先进的生产技术和设备，能够更有效地利用投入资源，提高生产效率。以石油加工、炼焦及核燃料加工业为例，其在生产过程中广泛应用了先进的炼油技术和工艺，能够将原油高效地转化为各种石油产品，减少了资源的浪费和损耗。而一些传统产业，如煤炭开采和洗选业、金属矿采选业等，由于技术水平相对落后，生产设备陈旧，导致资源利用效率低下，综合技术效率较低。这些产业部门在开采和加工过程中，可能存在资源回收率低、能源消耗大等问题，从而影响了整体的投入产出效率。此外，技术创新能力也对产业效率有着重要影响。具有较强技术创新能力的产业部门，能够不断开发新产品、改进生产工艺，提高产品附加值和市场竞争力，进而提升投入产出效率。通信设备、计算机及其他电子设备制造业等新兴产业，通过持续的技术创新，不断推出高性能、高附加值的产品，在市场上占据了有利地位，其效率相对较高。管理效率：管理效率的高低直接关系到产业部门的运营成本和资源配置效率。在实证分析中，部分产业部门虽然在技术水平上具有一定优势，但由于管理不善，导致综合技术效率未能达到最优。一些产业部门在生产过程中，存在生产计划不合理、库存管理混乱、人员配置不当等问题，这些问题都会增加运营成本，降低资源利用效率。例如，某制造业企业在生产计划安排上缺乏科学性，导致生产过程中出现频繁的设备闲置和人员等待现象，不仅浪费了资源，还影响了生产进度和产品质量。相反，管理效率较高的产业部门，能够合理安排生产流程，优化资源配置，提高生产效率。一些先进的制造业企业采用了精益生产管理模式，通过消除生产过程中的浪费，实现了生产效率的大幅提升。此外，有效的质量管理和成本控制也是提高管理效率的重要方面。通过建立完善的质量管理体系，能够确保产品质量的稳定性，减少次品率，降低生产成本；通过加强成本控制，能够合理控制原材料采购、生产加工、销售等各个环节的成本，提高企业的经济效益。产业结构：产业结构的合理性对产业部门的投入产出效率有着深远影响。在安徽省的产业结构中，不同产业部门之间的关联程度和协同发展水平存在差异，这在一定程度上导致了效率的差异。一些产业部门处于产业链的上游，主要从事资源开采和初级加工，产品附加值较低，对经济增长的贡献相对较小，如煤炭开采和洗选业、金属矿采选业等。这些产业部门往往面临着资源约束和环境压力，且在产业链中的地位相对被动，容易受到市场波动的影响，从而导致投入产出效率较低。而处于产业链下游的产业部门，如通信设备、计算机及其他电子设备制造业等，通常具有较高的技术含量和附加值，能够更好地满足市场需求，对经济增长的拉动作用较大。这些产业部门与其他产业部门之间的关联度较高，能够通过产业协同效应，带动相关产业的发展，提高整体的投入产出效率。此外，产业结构的多元化程度也会影响效率。多元化的产业结构能够分散风险，提高经济的稳定性和抗风险能力。一些地区通过发展多种产业，形成了较为完善的产业体系，在面对外部冲击时，能够迅速调整产业结构，保持经济的稳定增长。而单一的产业结构则容易使地区经济过度依赖某一产业，一旦该产业出现问题，就会对整个地区经济产生较大的负面影响。4.3.2对产业发展的启示基于上述对安徽省各产业部门投入产出效率的分析结果，我们可以得出以下对产业发展的启示：对于高效率产业部门：石油和天然气开采业、石油加工、炼焦及核燃料加工业、电力、热力的生产和供应业、金融业等综合技术效率达到DEA有效的产业部门，应继续发挥其技术和管理优势，加大技术创新和研发投入，保持在行业内的领先地位。石油和天然气开采业可以进一步探索先进的开采技术，提高资源开采效率，降低开采成本；金融业可以加强金融创新，开发多样化的金融产品和服务，满足不同客户的需求，提升金融服务实体经济的能力。同时，这些高效率产业部门应积极发挥示范引领作用，通过产业关联效应，带动相关产业的发展。例如，石油加工、炼焦及核燃料加工业的发展可以促进石油开采设备制造、运输等相关产业的发展，形成产业集群，提高区域经济的整体竞争力。此外，还应加强与其他产业部门的合作与交流，分享先进的技术和管理经验，促进产业间的协同发展。对于低效率产业部门：对于综合技术效率较低的产业部门，如煤炭开采和洗选业、金属矿采选业等传统产业，应加快技术改造和升级步伐，引进先进的生产技术和设备，提高资源利用效率。煤炭开采和洗选业可以采用先进的采煤技术和洗选工艺，提高煤炭回收率，降低煤炭灰分和硫分，减少环境污染；金属矿采选业可以加强矿产资源的综合利用，提高伴生矿和尾矿的回收利用率。同时，要加强企业管理，优化生产流程，降低运营成本。通过建立现代企业制度，完善内部管理机制，加强质量管理和成本控制，提高企业的管理效率。此外，还应积极调整产业结构，推动产业转型升级。这些传统产业可以向产业链下游延伸，发展深加工产业，提高产品附加值。例如，煤炭开采和洗选业可以发展煤制油、煤制气等煤炭深加工产业，提高煤炭资源的综合利用价值。对于整体产业发展：政府应加强产业政策的引导和支持，优化产业布局，促进产业结构的合理化和高级化。加大对新兴产业和高技术产业的扶持力度，培育新的经济增长点。通过财政补贴、税收优惠、信贷支持等政策手段，鼓励企业加大技术创新和研发投入，提高产业的技术水平和创新能力。同时，要加强基础设施建设，改善产业发展环境，提高产业的配套能力。例如，加强交通、能源、通信等基础设施建设，降低企业的物流成本和运营成本，提高产业的竞争力。此外，还应加强人才培养和引进，为产业发展提供人才保障。通过加强教育和培训，提高劳动者的素质和技能水平；通过制定优惠政策，吸引国内外优秀人才，为产业发展注入新的活力。五、案例对比分析5.1不同地区案例对比为进一步探究基于投入产出表的DEA方法在不同地区的应用效果以及地区间产业效率的差异，本研究选取广西壮族自治区作为与安徽省对比的案例地区。广西地处我国南部，是西南地区最便捷的出海通道，在地理位置、资源禀赋和产业结构等方面与安徽省存在明显差异。安徽省位于我国中部，是长三角经济区的重要组成部分，工业基础较为雄厚，产业结构相对多元化；而广西则在农业、旅游业以及与东盟的贸易合作等方面具有独特优势。在数据收集方面，获取了广西壮族自治区2002年投入产出表数据，同样对数据进行了清洗、无量纲化处理以及缺失值填补等预处理操作，以确保数据的质量和可用性。运用与安徽省相同的DEA模型和求解方法，对广西各产业部门的投入产出效率进行评估，得到的效率得分结果如表2所示：表2广西壮族自治区各产业部门效率得分产业部门综合技术效率纯技术效率规模效率规模报酬农业0.820.880.93规模报酬递减煤炭开采和洗选业0.750.820.91规模报酬递减石油和天然气开采业0.880.930.95规模报酬不变金属矿采选业0.720.780.92规模报酬递减非金属矿及其他矿采选业0.790.850.93规模报酬递减食品制造及烟草加工业0.850.920.92规模报酬递减纺织业0.780.840.93规模报酬递减服装皮革羽绒及其制品业0.830.890.93规模报酬递减木材加工及家具制造业0.800.860.93规模报酬递减造纸印刷及文教用品制造业0.840.910.92规模报酬递减石油加工、炼焦及核燃料加工业0.900.950.95规模报酬不变化学工业0.870.940.92规模报酬递减非金属矿物制品业0.830.890.93规模报酬递减金属冶炼及压延加工业0.810.870.93规模报酬递减金属制品业0.790.850.93规模报酬递减通用、专用设备制造业0.800.860.93规模报酬递减交通运输设备制造业0.820.880.93规模报酬递减电气机械及器材制造业0.840.900.93规模报酬递减通信设备、计算机及其他电子设备制造业0.890.950.94规模报酬递减仪器仪表及文化、办公用机械制造业0.810.870.93规模报酬递减工艺品及其他制造业0.790.850.93规模报酬递减废品废料0.770.830.93规模报酬递减电力、热力的生产和供应业0.880.930.95规模报酬不变燃气生产和供应业0.830.890.93规模报酬递减水的生产和供应业0.800.860.93规模报酬递减建筑业0.840.900.93规模报酬递减交通运输及仓储业0.810.870.93规模报酬递减邮政业0.780.840.93规模报酬递减信息传输、计算机服务和软件业0.860.920.93规模报酬递减批发和零售业0.830.890.93规模报酬递减住宿和餐饮业0.790.850.93规模报酬递减金融业0.880.930.95规模报酬不变房地产业0.820.880.93规模报酬递减租赁和商务服务业0.800.860.93规模报酬递减研究与试验发展业0.810.870.93规模报酬递减综合技术服务业0.780.840.93规模报酬递减水利、环境和公共设施管理业0.790.850.93规模报酬递减居民服务和其他服务业0.770.830.93规模报酬递减教育0.840.900.93规模报酬递减卫生、社会保障和社会福利业0.810.870.93规模报酬递减文化、体育和娱乐业0.780.840.93规模报酬递减公共管理和社会组织0.800.860.93规模报酬递减对比安徽省和广西壮族自治区的产业效率评估结果，可以发现以下地区差异：综合技术效率：安徽省综合技术效率达到DEA有效的产业部门有石油和天然气开采业、石油加工、炼焦及核燃料加工业、电力、热力的生产和供应业、金融业；而广西壮族自治区综合技术效率达到DEA有效的产业部门仅有石油和天然气开采业、石油加工、炼焦及核燃料加工业、电力、热力的生产和供应业、金融业，且其有效产业部门的效率值相对安徽省略低。整体上，安徽省产业部门的综合技术效率均值略高于广西壮族自治区，这表明安徽省在产业技术和规模的综合利用方面相对更具优势。纯技术效率：安徽省大部分产业部门的纯技术效率在0.8-0.95之间，广西壮族自治区大部分产业部门的纯技术效率在0.78-0.93之间。安徽省的纯技术效率整体水平相对较高，说明安徽省产业部门在现有生产技术条件下，对投入资源的利用效率相对较好。