基于DEA模型的四川省经济发展效率评价

【摘 要】文章基于四川省2011-2015年18个地市相关数据，建立经济效率评价指标体系，运用 DEA模型计算四川省经济发展效率（综合技术效率），并将其分解为纯技术效率和规模效率。研究表明：研究期内四川省经济效率为DEA无效，非有效程度中等，其分解的纯技术效率为0.852，规模效率为0.911，相对于规模效率，纯技术效率在更大程度上导致了综合技术效率低下。

【关键词】DEA；四川省；经济地理区划；效率

引言

四川省是西部经济区的重要组成部分，近年来经济发展迅速，与之伴生的是大气污染和水污染等环境问题日益突出。通过改善经济发展模式，以最少的资源投入实现经济效益最优化变得尤为重要，采用科学方法评价经济发展效率成为重要的研究课题。国内外对效率评价的方法有多种，包括数据包络分析法（Data Envelopment Analysis，簡称“DEA”）、模糊综合评价法、层次分析法、主成分分析法和随机前沿分析法等[1]，其中DEA方法能有效避免确定各指标权重时所带来的主观性，具有简化算法、极大减小误差等优点[2]，运用该方法能揭示出诸如资源和技术等经济要素对经济发展的差异化作用。本文选取适宜的DEA模型，构建科学的指标体系，评价四川省2011- 2015年经济效率，以期为四川省的经济社会发展提供切实可行的建议。

一、研究区概况及指标选择

四川省是西部大开发的重要组成部分，自1978年以来，经济发展取得了明显进步。21世纪初四川省GDP总量突破4000亿大关，与1978年的184.6亿元相比增长约20倍，截至2016年，四川省经济总量已经跃升至全国第六。但四川省产业结构发展不平衡，经济发展质量和效率与东部发达地区还存在较大差距。

投入产出指标的选取影响DEA方法评价的结果，指标选取须全面反映评价目的，结合已有学者的研究成果[3- 4]，以《四川统计年鉴》（2012- 2016年）和《中国城市统计年鉴》（2012- 2016年）为主要数据源，考虑指标数据的完整性和可获取性，选取四川省除阿坝藏族羌族自治州、甘孜藏族自治州和凉山彝族自治州以外的一个副省级市（成都市）和17个地级市为统计单元，遴选能够代表经济投入与产出的评价指标，并构建经济效率评价指标体系（表1）。

二、研究方法

数据包络分析法

数据包络分析法是由美国著名运筹学家Charnes等人于1978年提出[5]，其主要思路是通过保持决策单元（Decision Making Units，简称“DMU”）的输入或者输出不变，通过线性规划确定一个相对有效的生产前沿面，然后计算DMU偏离前沿面的距离，距离越小表示效率越高，位于生产前沿面上的DMU效率值为1[6]。不同学者根据研究需要，针对DEA模型提出众多扩展模型，包括C2R、BC2、ST、FG等综合模型[7]，其中最为经典的是规模报酬不变条件下的C2R模型以及规模报酬可变条件下的BC2模型，本文采用后者，相关模型如下：

三、结果分析

通过MaxDEA6.7软件分析得到2011- 2015年四川省经济发展效率值（Technology Efficiency，简称“TE”），并将其分解为纯技术效率（Pure Technology Efficiency，简称“PT E”）和规模效率（Scale Efficiency，简称“SE”）。

为进一步细化各个城市DEA无效程度，将DEA无效率值进行划分：0

如表2所示，四川省整体上在2011-2015年期间的经济效率为DEA无效，非有效程度中等，其分解的PTE为0.852，SE为0.911，相对于SE，PT E在更大程度上导致了综合效率（即经济效率）低下，说明四川省在当前的技术水平上，其生产过程中存在投入冗杂或产出不足的情况。

从单个城市来看，成都、自贡、德阳、攀枝花的经济效率在评价期间一直为DEA有效，其分解的PTE和SE也一直表现为DEA有效状态，说明资源配置达到最优且位于最佳生产规模；内江、巴中和资阳三个地市的经济效率为DEA无效，尤其是巴中市，综合技术效率值为0.383，居于四川省末位，原因是巴中市第一产业比重较大，工业化进程缓慢，市域经济落后。

表2显示四川省大部分地市都处于DEA无效状态，纯技术效率和规模效率对其有不同程度的抑制作用，但同时也说明了各城市经济发展存在巨大的提升空间。

从空间区域上看，发展效率最高的为攀枝花（效率值为1，下同），其次是川南经济区（0.881）和成都平原经济区（0.804），川东北经济区（0.596）的经济效率最低，出现此种空间分布特征的原因有三：

第一，成都平原经济区虽然经济实力雄厚，但辖区内城市数量多，且成都市一核独大，首位度高，缺乏多极多点支撑，且区域内雅安、眉山经济效率较低，与区域内其他城市差距较大，导致成都平原经济区总体效率不高。

第二，川南经济区整体效率略高于成都平原经济区，因其拥有较强的工业基础和优势产业，如宜宾和泸州两大白酒工业城市甚至超过德阳和绵阳的经济发展。

第三，川东北地区位于大巴山南麓，基础设施不完善，受成都平原经济辐射作用不明显，作为经济发展动力的投资偏少，成都市在“十二五”期间投资占全省总投资的29.9%，而川东北地区投资最多的南充市仅占全省的5.1%。

四、结论与讨论

通过建立D E A模型，对四川省“十二五”时期的经济效率进行了评价。结果显示：四川省经济效率低下，纯技术效率的影响大于规模效率的影响，区域間经济发展不协调，优势资源主要集中在成都平原地区，首位城市对于大巴山南麓的川东北城市辐射带动作用不强，区域内各城市难以协同发展。

为提高经济发展效率，四川省应着力转变经济发展模式，实施科技创新驱动发展战略，其次应大力发展高新技术产业，逐步实现成德绵、攀枝花传统重工业的转型升级，同时加大对第三产业的发展；最后，政府应当宏观调控，统筹兼顾，完善经济落后地区的人才引进政策，同时加大科技投入力度，缩小四川省各区域间的发展差异。

（成都理工大学旅游与城乡规划学院，四川 成都 610059）

参考文献：

[1]卢文喜，李迪，张蕾，等.基于层次分析法的模糊综合评价在水质评价中的应用[J].节水灌溉，2011（3）.

[2]徐小鹰.基于DEA-Malmquist方法的湖北省各地区经济增长的效率分析[J]. 统计与决策，2010（22）.

[3]高赟，郭如良.江西省区域经济发展效率评价—基于DEA方法的分析研究[J]. 北方经贸，2011（10）.

[4]刘荣增，范琳琳.基于DEA的河南省区域经济效率研究[J].经济经纬，2016，33（6）.

[5]Charnes A， Cooper W W， Rhodes E. Measuring the efficiency of decision making units ☆[J]. European Journal of Operational Research，1978， 2（6）.

[6]吴霞.湖南新型农村金融对县域经济增长的实证研究[D].长沙理工大学，2013.

[7]熊正德，刘永辉.效率测度方法DEA的研究进展与述评[J].统计与决策，2007（20）.

[8]魏权龄.数据包络分析（DEA）[M].科学出版社，2000.

作者简介：王娜（1996—），女， 四川达州人，现就读于成都理工大学，研究方向：人文地理与城乡规划。