DEA方法手术室护理效率评价中的应用（精选9篇）
篇1：DEA方法手术室护理效率评价中的应用
DEA模型在垃圾中转站效率评价中的应用
摘要：为保持垃圾中转站的高效运营,实现对现有垃圾中转站的优化管理,采用数据包络分析(DEA)方法对已建的垃圾中转站进行相对效率评价.同时,建立了以中转站的.固定成本(投资)和变动成本(运行成本)为输入指标,中转站节约的运输成本为输出指标的DEA评价模型,最后通过一算例验证了模型的有效性.作 者：钟沅~ 李南 Zhong Yuanyuan Li Nan 作者单位：南京航空航天大学,经济与管理学院,江苏,南京,210016期 刊：环境科学与管理 Journal：ENVIRONMENTAL SCIENCE AND MANAGEMENT年，卷(期)：2010,35(1)分类号：X705关键词：垃圾中转站 选址 数据包络分析
篇2：DEA方法手术室护理效率评价中的应用
运用DEA方法评价青岛市科研院所和高等院校两类机构的海洋科技效率,对综合效率、技术效率、规模效率和规模报酬等指标进行量化分析,解出提高科技效率的`途径,并提出改进海洋科技效率的对策建议.
作 者：刘大海 臧家业 徐伟 作者单位：刘大海,臧家业(国家海洋局第一海洋研究所,青岛,266061)
徐伟(国家海洋技术中心,天津,300111)
篇3：DEA方法手术室护理效率评价中的应用
1 DEA方法
DEA方法由Charnes和Cooper等人于1978年开始创建的[6], 它是使用数学规划模型评价具有多个输入和多个输出的决策单元之间的相对有效性。根据对数据的分析, 判断决策单元是否位于生产前沿面上。本文选用评价决策单元的技术有效性和规模有效性的C2R模型评价吉林省科技资源配置效率。
1.1 C2R模型
设有n个决策单元DMUj (j=1, 2, …, n) , 每个DMU有m种输入和n种输出, 对于某个选定的决策单元其效率评价指数:
undefined
其中v= (v1, v2, …, vm) T, u= (u1, u2, …, un) T分别为输入和输出的权系数。
设待决策单元DMUj0, 对应的输入和输出总量分别为x0和y0, 则判断其在给定的n个决策单元相对有效性的带有非阿基米德无穷小量ε的C2R模型可表示为:
undefined
其中, undefined;s-, s+称为松弛变量。
(Dundefined) 的最优解为λ*, s*-, s*+, θ*。若θ*=1, 则DMUj0为弱DEA有效;若θ*=1, 且s*-=0, s*+=0, 则DMUj0为DEA有效。
1.2 C2R模型有效性判断及其经济内涵
当θ*=1, 且s*-=0, s*+=0, 时, 决策单元DMUj0为DEA有效, 即它在n个决策单元组成的系统中, 同时为技术有效和规模有效;当θ*=1, 但至少有某个输入或输出松弛变量大于零, 此时决策单元DMUj0为弱DEA有效, 即不是同时技术效率最佳和规模效益最佳;当θ*<1时, 决策单元既不是技术效率最佳, 也不是规模效益最佳。我们还可以用λ*来判别决策单元的规模收益情况, 如果存在λ*j (j=1, 2, …, n) 使∑λ*j=1, 则决策单元为规模效益不变;如果∑λ*j<1, 则决策单元为规模效益递增;如果∑λ*j>1, 则决策单元为规模效益递减[7]。
2 评价指标体系
2.1 指标体系的设计原则
(1) 充分性。
指标体系应效为全面地涵盖科技资源投入和产出的基本内容, 有充分的代表性, 通常包含科技经费、科技人才、新产品产出效益等。
(2) 独立性。
指标体系的每个指标要内涵清晰和相对独立, 可分组建立。
(3) 导向性。
指标体系应符合吉林省科技发展规划政策, 利于科技政策的制定和实施。
(4) 可操作性。
考虑到指标体系数据的可信度和可获得性, 指标体系数据从现有统计指标中产生。
(5) 可比性。
为便于各省科技资源配置效率进行对比, 尽可能采用相对指标。
2.2 指标体系的选取
根据以上所列指标体系的选取原则, 主要从科技投入和产出两个方面对科技资源配置效率评价指标体系进行构建。对于科技投入指标, 主要针对科技资源的四大要素, 具体包括科技人力资源要素、科技财力资源要素、科技物力资源要素、科技信息资源要素。其中科技人力资源和科技财力资源是四大要素中基本的两个要素, 科技财力资源投入的多少决定了物力资源和科技信息资源的多寡, 因此选择科技人力资源和科技财力资源做为科技资源投入的评价要素。根据中国科学技术指标目录, 科技活动产出指标包括科技论文、专利和技术贸易三个方面。本文共选取两个层面共10项指标建立科技资源配置效率评价指标体系, 具体指标见表1。
3 吉林省科技资源配置的效率评价
近年来, 随着“科教兴省”战略的实施, 尤其是党的十六届五中全会提出把增强自主创新能力作为科学技术发展的战略基点和调整产业结构、转变增长方式的中心环节以来, 吉林省的科技事业得到了较快的发展。一方面, 吉林省科技投入不断增加, 全省R&D经费支出从2001年的16.5亿元提高到2007年的50.9亿元, 增加了两倍多, 占全省生产总值的比重提高到0.96%;另一方面, 科技资源固有的稀缺性特征以及资源配置的低效性也日益突出, 有限的科技资源难以得到有效的配置, 严重制约了科技能力、科技竞争力的提升与发展。
根据中国科技统计年鉴的相关数据, 我们根据2007年科技进步统计监测综合评价结果, 对排名前20位的省市、自治区的输入输出指标数据 (来源于《中国科技统计年鉴2008》) , 应用C2R模型计算了各地区的科技资源配置效率的有效性, 计算结果如表2所示。
从表2可以看出, 吉林省2007年科技进步指数排在第13位, 而DEA计算的结果显示, 吉林省的科技资源配置效率却在第17位, 吉林省的θ值为0.855小于1, 说明吉林省在这20个省市中既不是技术效率最佳, 也不是规模效益最佳。吉林省的规模效益是递增的, 表明科技资源的投入还处于相对不足的状态中。从吉林省的科技资源配置状况在有效生产前沿面上的投影来看, 科技经费占GDP的比重、科技活动人员和科学家工程师存在较大的冗余, 分别为19.32%、17.02%和27.58%, 与其他各省市相比, 吉林省科学家工程师人数可节约比重最大。如果在现有科技资源投入水平的基础上, 国内中文期刊科技论文数、专利申请受理量、技术市场成交合同数、规模以上工业企业增加值中高技术产业份额、高技术产品出口额分别应增加16.96%、45.26%、53.92%、16.95%和1727.36%, 其中高技术产品出口额要增加17倍以上才能达到有效, 这表明吉林省在科技成果转化和技术市场化及在国际市场的竞争力方面较弱。
4 吉林省科技资源配置的对策建议
4.1 建立科技创新人才梯队, 制定人才创新鼓励政策
吉林省科技人才数量存在较大冗余, 而在现有的资金投入和人员的条件下, 各项产出指标均应有不同程度的增加。这同时也说明吉林省的科技人员工作效率较低, 创新能力不足。在调查中我们发现, 吉林省高水平的科技人才特别是学术带头人、高水平技术人员流失严重。针对这一问题, 在人才资源上, 应大力培养和引进高层次的科技创新人才, 增加科技人力资源总体创新能力, 建立健康的科技创新人才梯队;在人才管理上, 要大力建立和完善政府宏观调控和市场经济相结合的人力资源体系, 形成比较完善的全省科技创新人才宏观调控体系、人才市场体系、人才社会保障体系、人才收入分配制度、人才激励制度和现代企业用人制度。
4.2 加强科技服务中介机构建设, 促进产、学、研全面结合
与其他省市相比, 在现有科技资源条件下, 专利申请受理量和技术市场合同可增加量较高, 究其原因除创新能力较弱外, 更重要的是产、学、研结合的机制体制没有完全发挥作用。科技中介服务机构是科学技术与经济社会发展的必然产物, 是产、学、研联系的桥梁和纽带。应着力加强对科技中介机构的经费投入, 建立独立、客观、公正、社会化的科技风险投资、科技评估、科技咨询、技术交易等一系列科技中介体系, 以适应市场经济发展要求。
4.3 大力推进高新技术产业发展 提高企业核心竞争力
吉林省规模以上工业企业增加值中高技术产业份额在非有效省市中可增加量最小, 高技术产品出口额可增加量最大, 这主要原因除吉林省属于内陆省, 出口在吉林省经济中所占比例较小外, 吉林省的高技术产品的国际竞争力不足也是重要原因之一。要具备较强的产业竞争力, 必须有一批具备研发能力、掌握核心技术的企业。通过加大对高新技术产业重点产品发展的引导, 积极争取国家重大科技专项支持, 创新投入机制, 加大和整合政府资金支持力度等方式, 引导企业增加对研发的投入, 加强企业自主创新能力。
参考文献
[1]魏进平.基于DEA方法的河北省科技资源配置有效性评价[J].河北工业大学学报, 2007, 36 (1) :85-91
[2]吴和成, 郑垂勇科技资源配置的DEA分析[J].科技进步与对策.2004, (7) :75-76
[3]孙宝凤, 李建华, 杨印生.运用DEA方法评价地区科技资源配置的相对有效性[J].数理统计与管理.2004, 23 (2) :52-59
[4]贾岩.基于Cross—efficiency DEA算法的区域科技资源配置效率测算研究[J].现代情报.2009, 29 (2) :219-224
[5]刘玲利.科技资源配置理论与配置效率研究[D].吉林:吉林大学, 2007
[6]魏权龄.数据包络分析 (DEA) [J].科学通报.2000, 45 (17) :1793-1807
篇4：DEA方法手术室护理效率评价中的应用
关键词:DEA;旅游业;评价
近20多年来随着我国经济的快速发展,人民生活水平日益提高,旅游业取得了令人瞩目的成就。旅游业在我国经济发展中的产业地位、经济作用日益得到提高。如何抓好旅游產业的培育,是目前迫切需要解决的问题。为此,对各地区旅游业发展状况进行有效的评价很有必要。
在国内大多数以星级酒店为研究对象。而研究区域旅游产业效率不多见,陆湘林对山东省17地市旅游业效率的研究,杨荣海、曾伟对云南旅游效率进行了研究;而对整个国内区域的效率研究比较缺乏。故本文就以DEA方法对中国各地区的旅游产业效率进行探讨,并提出提高地区效率的相应对策。
一、DEA模型介绍
DEA是一种“面向数据”的测评方法,用于测评一组具有多种投入和多种产出的决策单元的绩效和相对效率。由于DEA方法对个体的差异尤其是DMU效率的考察有着独特优势,而且可以规避参数方法的多种限制,所以被广泛地应用于各个领域。
(一)CCR模型
假定一组被考察单元的个数为n个,每个被考察单元有s个输出变量和m个输入变量。yjk表示第k个被考察单元的第j个输出变量,xik是第k个单元的第i个输入变量。第k个决策单元总效率计算问题可以转化成如下线性规划问题:
min θ
(C C R)s.t.Xλ≤θXYλ≥Yλ≥0.j=1......n①
公式①中Xk=(x1k,x2k,…xmk),Yk=(y1k,y2k,…ysk)。此模型称为CCR模型,是规模收益不变的假设下得到的。
(二)超效率DEA模型
DEA的CCR模型把决策单元分为有效和无效两种,而对于同时有效的决策单元,则无法再做出评价和比较。Andersen等于1993年提出一种超效率评价模型能够对DEA有效的单元进行排序。
超效率评价模型与CCR模型数学形式相似,其形式如下:
s.tXλ≤θXYλ≥Yλ≥0.j=1......n②
(三)BCC模型
线性规划(1)假设规模收益不变,使得运作在规模收益递增或递减的有效前沿面上的DMU得到非DEA有效的评价结果,却没有区分是规模有效还是技术非有效。
min σ
s.t∑λY≥Y∑λX≤σX∑λ=1λ≥0j=1,2,...,n③
BCC模型引入约束∑λ=1,去掉规模收益不变的假设,可以得出单元的纯技术效率。
BCC模型将系统效率分解为纯技术效率和规模效率,即系统效率=纯技术效率*规模效率。纯技术效率指各地每年能否有效利用生产技术,使产出最大化;它表示投入要素在使用上的效率。规模效率指各地每年产出与投入比例是否得当,实现产出最大化。
二、变量和数据的选取
变量选取要考虑旅游行业的本身的特点(资金、劳动密集型)而且要考虑数据的可获得性,所以笔者选取了固定资产、基本单位数及从业人员作为投入指标,以营业收入和旅游人次(包括国内或入境游)作为产出指标;其中投入变量和产出变量的数据包含星级酒店,旅行社及其他旅游企业。考虑的数据的权威性,我们采用了《中国旅游统计年鉴》2007年正副本数据。考虑到投入和产出滞后效应的同时性,以及当年投入的大部分必然影响当年产出大部分的实际情况,本研究也忽略这种滞后效应对旅游效率结果的影响。
三、结果分析
我们选取之前介绍的DEA模型,计算各地区旅游业的系统效率、纯技术效率、规模效率,结果如表1所示:
(一)规模收益分析
按照规模收益值把各决策单元分为规模收益递增,规模收益不变,规模收益递减三种情况,具体见表1。
北京、天津、上海、安徽、河南、重庆的规模收益值为1,旅游发展表现为规模收益不变,即在此投入组合基础上,增加旅游投入会导致旅游产出等比例增加。山西、内蒙古等12省(市)、自治区规模收益值小于1,旅游发展表现为规模收益递增,即在此投入组合基础上,增加旅游投入会导致旅游产出“规模经济”。
其余地区的规模收益值大于1,旅游发展表现为规模收益递减,即在此投入组合基础上,增加旅游投入会导致旅游产出“规模不经济”。
(二)技术效率和规模效率分析
从上述理论部分说明得到可知系统效率=纯技术效率*规模效率,由表1可知由于纯技术效率引起的系统无效的地区只有1个,占系统无效比例的4%;由于规模效率引起的系统无效的地区有5个,占系统无效比例的20%;由于纯技术效率和规模效率引起的系统无效有19个,占统无效比例的76%。
(三)东中西部效率差异分析
改革开放以来,中国形成了东部,西部,中部三个地区,而且表现出地域发展水平较高的大多数集中在东部沿海一带,那地区差异在旅游业效率上是否存在呢?我们将从不同的地区旅游业效率进行辨别。这里我们采用非参数检验方法。结果如下表2所示:
如表2所示,我们没有理由拒绝“三个地区旅游业系统效率、纯技术效率和规模效率相同”这个假设:Kruskal-Wallis检验证明,三个区域旅游生产效率的差异性是不显著的。同样的,我们发现东部、西部、中部的两者之间无差异:Mann-Whitney检验证明不显著。
(四)旅游业地区聚类分析
为了更加清晰地划分各地区的旅游生产模式,我们将Michael Norman和Barry Stocker的方法进行聚类分析,我们把它分为如表3所示的5类(最优规模、规模过小、规模过大、纯技术无效率和易改进):
处于最优规模的地区,其总体效率(纯技术效率和规模效率)都大于1,其地区无需改进。处于规模过小的地区,其规模效率小于0.9,规模报酬递增,这些地区不仅需要增加投入,而且要注意其投入比例。在无效率的地区中都有冗余,如果光不计比例的增加投入,必然不能改变其投入产出效率。处于纯技术无效的地区,其投入的运用效率不高,导致产出不高,其必须提高每年的投入运用效率,使产出最大化。处于规模过大的地区,规模报酬递减的,更应该对现有资源的利用现状进行分析,设法充分利用现有资源提高其产出,从而达到更优的状态。处于易改进的地区,其规模效率和纯技术效率都比较高,只要略微改进即可。
四、理论解释
根据波特教授的定义,产业集群是一组在地理上靠近的相互联系的公司和关联的机构,它们同处或相关于一个特定的产业领域,由于具有共性和互补性而联系在一起。而旅游产业集群是指围绕旅游六大要素,以旅游目的地为核心,同时具有竞争与合作关系,且在目的地地区范围内相对集中,有交互关联性的企业、专业化供应商、相关产业的厂商以及相关的机构的旅游经济集聚现象。邓冰等人认为旅游产业集群的形成和发展有以下几个条件:旅游资源、客源市场、交通区位、产业链作用、政府支持等。国内学者徐康宁认为凡是经济开放程度较高的地区,产业集群的特征就比较突出;相反,产业集群的现象就比较弱。
我们可以看到效率较高地区的形成旅游产业集群的条件都比较成熟,且相对占有一定的优势。而且可以看到北京、上海等地其经济开放程度高,产业集群的特征就比较突出。故我们认为那些效率较高的城市其旅游产业集群现象相对较高。旅游产业集群能降低经营成本;使旅游企业有了更强的创新能力;促使政府加大基础设施投入;促使集群内的旅游企业改进企业制度,完善企业管理机制,达到资源的优化配置。而且旅游产业集群的强大可以促使本地旅游品牌的影响力的提高,创建旅游目的地明星效应。所以我们认为上海、北京等地区旅游效率高的原因之一就是其旅游产业形成了较强的集群效应。由于产业集群的作用使得这些地区资源组合能力、转化能力、分配能力相对较强,最终使得这些地区的投入产出效率较高。
参考文献:
1、Mary’a,Jesu’s Such.Mary’a del Mar Zamora[J].Spanish Productivity:A Regional Approach. Annals of Tourism Research,2006(3).
2、陆相林.DEA方法在区域旅游发展评价中的应——以山东省17地市为例[J].湖北大学学报,2007.
3、杨荣海,曾伟.基于DEA方法的云南旅游业效率研究[J].云南财经大学报,2008(1).
4、邵琪伟.中国旅游统计年鉴(2007)[M].中国旅游出版社,2008.
*本文属四川省哲学社会科学重点研究基地——四川旅游发展研究中心立项资助课题(编号LY08-14)。
篇5：DEA方法手术室护理效率评价中的应用
这些评价模型都有各自的缺陷:或者需要预先进行价值判断, 但是在信息不充分的条件下, 这种判断可能是带有偏见的或者与实际不符;或者决策单元都从最有利于自己的角度求输入与输出指标的权向量, 导致较多决策单元同时有效, 不同决策单元的效率缺乏可比性。为了解决上述模型存在的问题, 根据灰色系统理论与约束锥的概念, 建立灰色关联约束锥, 将DEA与灰色关联分析相结合, 实现权重合理分配, 并对决策单元进行有效区分和排序。
一、构建灰色关联约束锥
灰色关联约束锥构建的理论依据是灰色关联分析法, 对于两个系统之间的因素, 其随时间或不同对象而变化的关联性大小的量度, 称为关联度。在系统发展过程中, 若两个因素变化的趋势具有一致性, 即同步变化程度较高, 即可谓二者关联程度较高;反之, 则较低。因此, 灰色关联分析方法, 是根据因素之间发展趋势的相似或相异程度, 亦即“灰色关联度”, 作为衡量因素间关联程度的一种方法。
具体计算步骤如下:
计算关联度。设参考因素数列x0, 记为x0={x0 (1) , x0 (2) , …, x0 (n) }, 比较因素数列xi, 记为xi={xi (1) , xi (2) , …, xi (n) }。由于系统中各因素的物理意义不同, 导致数据的量纲也不一定相同, 不便于比较, 因此必须对数列进行无量纲化处理。
则x0与xi的关联系数为ξ (k)
其中, ξ为分辨系数, 一般在最小信息原理下取0.5。
则关联度
构建灰色关联约束锥。ri的大小直接反映了xi对x0的影响程度, 经归一化处理, 可得到各因素x的权重然后将比例式改写成线性式, 再令输入、输出权重系数矩阵分别为A、B, 由Aω≥0, ω= (ω1, ω2, …, ωm) T≥0以及Bμ≥0, μ= (μ1, μ2, …, μm) T≥0, 构成闭凸锥, 称为灰色关联约束锥。
二、带有灰色关联约束锥的DEA模型
根据C2WH模型, 构建带有灰色关联约束锥的DEA模型, 即max (μTy0)
式中, V为输入锥, U为输出锥, K为决策锥。
三、实证分析
这里采用2008年我国各省高校投入产出数据, 投入指标包括:X1教职工数 (人) 、X2专任教师数 (人) 、X3专任教师中高级职称人员数 (人) 、X4年末校舍面积 (千平米) 、X5年末固定资产总值 (千元) 、X6年末图书册数 (千册) 、X7教育事业费支出 (千元) 、X8研究与发展 (R&D) 经费支出 (万元) , 产出指标包括:Y1在校学生数 (人) 、Y2研究与发展 (R&D) 课题数 (个) 、Y3国外学术刊物论文数 (篇) 、Y4获国家级奖科技成果数 (项) 、Y5科技活动经费筹集总额 (万元) 、Y6科技服务课题数 (个) 、Y7技术转让当年实际收入 (千元) 。
为了简化计算, 采用主成分分析法进行指标缩减, 提炼出2个投入和2个产出指标, 同时为了便于比较传统的DEA模型与带灰色关联约束锥的模型之间的区别, 各决策单元的评价分别用两种方法计算, 其中传统的DEA模型采用C2R模型, 最后结果见表1。
由表1可得到以下结论:
在C2R模型中, 指标权重由DMU按照对自己最有利的原则选取, 即不同决策单元的投入和产出指标的权重不同, 显然不合理;而在带灰色关联约束锥的DEA模型中, 不同决策单元的投入和产出指标的权重都是固定的, ω1的权重为55.15%, ω2为44.85%, μ1的权重为45.06%, μ2的权重为54.94%, 且无需预先进行价值判断, 特别是在信息不充分的条件下, 有效避免了偏见与误判的可能。
在C2R模型中, 有效的决策单元数量达到8个, 无法对其进行排序;而在带灰色关联约束锥的DEA模型中, 有效的决策单元只有浙江一个, 因此带灰色关联约束锥的DEA模型有效地解决了决策单元的区分和排序问题。
参考文献
(1) 关忠诚, 许惠, 熊慧琴.基于模糊的偏好DEA在科研机构评价中的应用 (J) .科研管理, 2007 (28) .
(2) 吴育华, 曾祥云, 宋继旺.带有AHP约束锥的DEA模型 (J) .系统工程学报.1999 (4) .
(3) 孙凯, 鞠晓峰.基于改进DEA模型的工业企业技术创新能力评价 (J) .系统管理学报, 2008 (17) .
(4) 魏权龄.评价相对有效性的DEA方法 (M) .北京:中国人民大学出版社, 1988.
(5) Sarkis J.A comparative analysis of DEA as a discretealternative multiple criteria decision tool (J) .European Journal ofOperational Research, 2000 (3) .
(6) 刘英平, 林志贵, 沈祖诒.基于数据包络分析交叉评价的工程监理评标方法 (J) .系统工程理论与实践, 2006 (3) .
(7) 吴杰, 梁樑.一种考虑所有权重信息的区间交叉效率排序方法 (J) .系统工程与电子技术, 2008 (30) .
(8) 邓聚龙.灰理论基础 (M) .武汉:华中科技大学出版社, 2002.
篇6：DEA方法手术室护理效率评价中的应用
摘 要：本文以23个省级档案网站为样本，通过站长工具获得网站总链接量等6个输入指标和网站IP访问量等3个输出指标，又通过问卷调查获得网站内容丰富度和网站体验满意度2个输入指标，使用DEA solver pro 5.0软件进行CCR模型、BCC模型和超效率模型分析，找出各省级档案网站之间的效率差异和产生差异的原因，并提出改进意见。
关键词：档案网站；效率；DEA
1 引言
档案网站就是信息机构为想要利用档案或档案学科领域内信息的有关人员提供服务的平台[1]。由于此平台的产生，把传统对档案的利用变成了对档案信息的使用，把以前只有一小部分人才可以使用的权力变成了人人都可以使用的权力，以前难以得到，现在变为唾手可得，极大地方便了用户的使用[2]。随着档案信息化程度的提高，档案网站将发挥更大的作用。
目前，已有一些学者对档案网站进行了评价研究，如牛力等通过网络计量学的方法对档案网站影响力进行了评价[3]、李宗富和张向先通过链接分析法对省级档案网站进行了影响力评价[4]、陈晓晖和赵屹通过层次分析法建立了档案网站的评价指标体系[5]、梁孟华首先建立了档案网站服务质量的指标体系[6]。
现有文献多是对档案网站影响力进行评价或是对档案网站评价体系的构建，但对档案网站运行效率方面的研究却鲜有所见。本文通过DEA法对档案网站运行效率进行评价，以期发现省级档案网站建设中的不足，并提出切实可行的建议，以便促进省级档案网站更好地建设。
2 省级档案网站效率评价指标体系构建
2.1 数据包络法简介。数据包络分析（Data Envelope Analyse，DEA）是著名运筹学家A.Charnes等学者以“相对效率”概念为基础，根据多指标投入和多指标产出对相同类型的单位（部门）进行相对有效性或效益评价的一种新的系统分析方法[7]。
2.2 评价指标的构建。本文在综合借鉴前人的研究成果之上，考虑到档案网站的自身特点，从网站安全性和网站的用户体验满意度等8个输入指标和网站IP量等3个输出指标构建省级档案网站效率评价指标体系，如表1所示。
表1 省级档案网站DEA效率评价指标体系
3 模型应用分析
3.1 样本选取。为了保证样本的完整性和准确性，共选取23个省级档案网站如表2所示。
表2 省级档案网站
3.2 指标数据的获取。通过站长工具获得网站总链接量、网站访问时间、网站IP访问量和网站外链量等9个指标，通过问卷调查获得网站内容丰富度和网站体验满意度两个指标，其中网站访问时间是反向指标，本文通过倒数法使其正向转换[8]，最终数据如表3所示。
表3 省级档案网站输入输出指标数据
3.3 结果分析。
3.3.1 CCR模型和BCC模型效率评价。目前学术界对DEA模型应用最为普遍的就是CCR和BCC模型[9]，其中CCR模型用来评价综合技术效率，也称之为综合效率，BCC模型用来评价纯技术效率，综合效率=纯技术效率×规模效率。纯技术效率是指投入一定的条件下，由于技术等原因对生产效率产生的影响，规模效率是指规模原因对生产效率产生的影响。
本文使用DEA solver pro 5.0软件对省级档案网站指标进行输入-输出的CCR模型和BCC模型分析，得到的结果如表4所示。
表4 省级档案网站效率
由表4可知，被评价的23个网站中，综合效率和纯技术效率都为1的网站有12所，分别是Z1、Z2、Z3、Z4、Z5、Z7、Z8、Z11、Z12、Z13、Z15和Z22。
3.3.2 非DEA有效省级档案网站的有效性改进分析。为了提高省级档案网站的效率，利用DEA solver pro 5.0软件对低于1的省级档案网站进行改进分析，计算出有效改进的额度，结果如表5所示。
表5 省级档案网站的有效改进空间
由表5可知，在11个非有效的网站中，普遍存在投入冗余和产出不足的情况。应该从一下几个方面改进：首先，适当减少网站的不必要的链接，尤其是无效链接。网站链接本来是为了吸引用户的注意，提高网站的访问量，但是由于无效链接过多，反而影响了用户的体验，显得适得其反。其次，适当减少网站内容。不能只关注内容网页多、内容全面，关键是投放可以吸引用户的内容。最后，努力提高网站IP访问量和外链量。被测的11家无效网站普遍存在访问量和外链量不足的问题。
3.3.3 超效率模型对省级档案网站效率评价。由于CCR模型和BCC模型只能判断网站是是否有效的，无法判断有效网站之间的差异，P.Andersen和N.C.Petersen依据CCR模型的方法，提出超效率DEA模型[10]，传统DEA模型，得到的效率值只能在0-1之间，因此对于效率值为1的DUM无法进行比较。而超效率模型则解决了上述不足，可以对所有的DMU排序，方便进行对比分析。因此，本文根据超效率模型，通过DEA solver pro 5.0软件计算结果如表6所示。
表6 省级档案网站超效率值及排序
根据表6可知，Z12的超效率值最高，可见它的效率在这23个网站中处于首位，投入与产出比其他22个网站更为合理；Z12、Z4、Z1和Z13的值远大于其他19个档案网站，可见这4个网站的效率较好，比其他8个有效网站的投入和产出更为合理；Z15、Z22、Z11、Z8、Z5、Z3、Z2和Z7网站的效率在同一水平，效率并不是很高，但仍然是在有效的，可见这些网站虽然都达到相对有效，但是差别仍然不小；Z9、Z10、Z19虽然网站的运行效率非有效，但是超效率值在非有效的11个网站中效率是最高的，而且稍有改进效率值就会增加，从而达到有效状态，这3个网站的潜力最大，可塑性强；Z17、Z14、Z18、Z21、Z6这5个网站处于中下水平，需要改进的较多；Z23、Z16和Z20这三个网站运行效率最低，投入与产出不合理，需要立即改进，尤其是Z20网站的超效率值最低，需要网站建设者引起重视，适当减少冗余的投入并大幅度提高产出。
4 结语
本文根据省级档案网站的现实状况，通过DEA方法对省级档案网站进行了效率评价，找出各省级档案网站之间的效率差异及其原因，发现各省级档案网站之间的效率差异比较明显，并且发展很不平衡。很多档案网站存在投入过于冗余而产出不足的情况，需要省级档案网站进一步合理配置资源，提高网站的效率。
参考文献：
[1]颜海.档案网站评价指标体系研究[J].档案管理.2003（1）：21～22.
[2]赵屹，陈雪强.档案网站评价体系的研究与构建[J].档案学研究.2010（6）：76～81.
[3]牛力，韩小汀等.政府档案网站影响力评价研究——基于我国省级档案网站的网络计量[J].档案学研究.2013（6）：21～25.
[4]李宗富，张向先.基于链接分析法的我国省级档案局网站影响力评价研究[J].情报科学.2016（5）：142～147.
[5]陈晓晖，赵屹.采用层次分析法量化档案的评价指标[J].上海档案，2012（10）：14～18.
[6]梁孟华.档案网站信息服务质量评价研究[J].档案学通讯，2012（2）：57～61.
[7]Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，2（6）：429～444.
[8]闫现洋，余小萍，吴江.基于DEA方法的高校图书馆网站效率评价研究[J].图书情报工作，2011（12）： 68～71.
[9]司辉.基于DEA方法的网络政府数字信息资源配置效率评价研究[J].图书情报工作，2009（11）：126～129.
[10]马占新.数据包络分析模型与方法[M].北京：科学出版社，2010： 143～153.
篇7：DEA方法手术室护理效率评价中的应用
数据包络分析(简称DEA)是近些年发展起来的一种新的效率评价方法。它由著名的运筹学家A.Charnes和W.W.Cooper等于1978年提出[1],其主要思想是通过数学规划计算,比较被评价机构之间的相对效率, 给出排序,为决策者在评估和决策时提供重要的参考。
通常的评估排序大都采用加权平均求综合分的方法, 这是一种线性的方法。但由于评估的本质是非线性的, 不应该一律用线性方法来进行。近年来, 基于DEA 排序的方法层出不穷, 利用交叉效率矩阵排序是其中一类重要的方法。用交叉效率矩阵进行评估是一种充分利用单元信息的非线性评估方法, 避免了决策者主观确定权重的问题,但是该方法本身有一定的局限性,如出现若干单元综合效率评价值为1的情形。
本文针对交叉效率方法的局限性进行了研究与改进, 提出了用超效率DEA模型的评价值构造交叉效率矩阵,该方法能一定程度上解决评价单元交叉效率综合评价值为1过多问题。
1 交叉效率排序模型及其局限性
交叉效率方法是由Sexton等在1986年首先提出的一类用于评估排序的DEA方法[2],对于m个输入、s个输出的n个决策单元,第k个决策单元的投入产出向量为(xk,yk),其中,xk=(x1k,x2k,…,xmk)T, yk=(y1k,y2k,…,ysk)T,取输出指标权重向量u=(u1,u2,…,us)T,输入指标权重向量v=(v1,v2,…,vm)T,定义效率评价指数为DMUk的总输出与总输入比值:
基于CCR模型, 定义交叉效率矩阵:
其中,主对角元素hkk(k=1,2,…,n)为自我评价值(self-evaluation), 非对角元素hkj(j≠k)为交叉评价值(cross-evaluation)。
对于每个DMUk,通过求解下面模型确定输入与输出权重向量:
得最优权重u0k和v0k后,hkk=u0kTyk为DMUk自我评价值,同时可计算得到其他单元的交叉评价值hkj(j≠k)。所有的n个决策单元都按照式(2)求解后,即可计算得到交叉效率矩阵H, H中的元素满足0≤hkj≤1,其中对角线元素hkk为CCR模型的最优值。
若规划(2)的最优解不唯一, 则目标规划技术可以用来解决这个优化问题。例如, 二级目标可以是压他型(aggressive)的,也可以是利众型(benevolent)的。前者,在第k个单元选择最优解时使自己效率最大化,二级目标是使其他DMU交叉效率最小化。后者的二级目标则是使其他DMU交叉效率也最大化。定义
作为第k个决策单元的综合评价值。由于综合评价值考虑了对所有决策单元最有利情况下的评价,因此要相对客观公正一些。另外,按照
虽然交叉效率方法考虑到了所有决策单元间的投入产出综合效率, 但有如下局限性:①有可能出现若干个单元的
2 基于超效率DEA模型
交叉效率评价
为了解决出现若干个单元的
通过计算式(4)得到每个决策单元的超效率评价值,并得到最优权重,进而计算得到交叉效率矩阵中其他元素值。由于式(4)中被评价单元没有了hkk≤1的限制,因而DEA有效的单元效率评价值大于1,而交叉效率矩阵非对角元素都是0、1之间的数,因此这样构造的交叉效率矩阵使得
基于超效率DEA模型的交叉效率评价可以描述这样一个实际问题。假设要对n个决策单元进行评价,选定n个专家,每位专家对所有的n个单元效率打分,不失一般性,假设第一位专家在打分时候考虑如何选定权重,使第一个单元投入产出效率最高,确定权重后所有单元的效率值也就确定了。第二位专家考虑如何对第二个单元效率评价值最有利的权重,其他依次类推。待所有专家评价完成后,每一个单元n位专家的所有效率评价值均值即是该单元的最后综合效率评价值。由此可见,这种方法在实际中是有一定应用场合的。
3 算例
选取7所全国重点高等学校(A~G)的科技活动数据, 评估它们科技活动的相对效率[6]。选取两个输入指标, 输入1为研究与发展人员中的折合全时人员数, 输入2为科技经费的当年支出(千元)。选取三个输出指标, 输出1为国外及全国期刊发表论文数, 输出2为鉴定成果数, 输出3为国家级奖项数。两个输入指标代表投入的人力和资金, 三个输出指标代表科技产出, 评估的目的是将各个学校的科技活动的效率按从高到低排列。
首先运行未经改进的交叉矩阵模型, 采用利众型策略, 结果如表1“交叉效率排名”列所示。A、B、F的得分均为1, 难以排序,可见排名结果有待修正。
采用文中提出的基于超效率DEA模型的交叉效率矩阵,计算结果如下:
式(5)矩阵中对角线元素是基于超效率DEA模型的评价值,其他元素是由求超效率DEA模型的评价值获得的权重计算得到的。各决策单元基于超效率模型的交叉评价效率值和新的排序在表1的第8列和第9列。
从表1的第8列和第9列可以看出, 基于超效率DEA模型的交叉效率评价方法解决了原方法中综合效率评价值为1无法比较问题,实现了全排序,而且从新的排名来看,虽然个别单元排序与原来有所差别,但大体一致。
4 国有及国有控股企业的基于超效率DEA模型的交叉效率评价
4.1 国有及国有控股企业现状
2008年1月23日财政部企业财务快报统计显示,2007年国有企业实现利润和税收继续保持较快增长,国有企业实现利润1.62万亿元,上缴税金1.57万亿元,双双创历史新高。同时,国有企业运行质量不断改善,盈利水平继续提高,企业经济运行态势总体向好。
从上述公报可以看出,经过多年的改革,国有企业经营状况已经发生了根本性变化。那么,有必要研究国有企业中哪些行业经营业绩较好。
4.2 行业及其投入产出指标的选择
根据2008年《中国统计年鉴》相关资料(年鉴的数据是上一年的统计资料),为方便分析问题,保证不同行业的可比性和行业对问题研究的相关性,文中在国有及国有控股企业所有的39个行业中选择工业总产值和利润在国民经济中所占比重较大的14个行业作为研究对象。在各行业的投入产出数据选择上,文中考虑这样几个因素:
(1)生产要素投入数据
生产要素投入数据要求较全面客观体现不同行业的实际生产经营状况,文中主要考虑以下三个方面指标:
①流动资产平均余额
指企业在报告期内全部流动资产的平均余额。
②固定资产净值年平均余额:指固定资产净值在报告期内余额的平均数,计算公式为:
③主营业务成本:指会计“利润表”中对应指标的本年累计数。
(2)产出数据
①利润
产出数据要求较好的体现不同行业的经济效率,利润总额能够很好的反映这一效率指标。利润总额是指企业生产经营活动的最终成果,是企业在一定时期内实现的盈亏相抵后的利润总额。
②工业总产值
工业总产值是以货币形式表现的,工业企业在一定时期内生产的工业最终产品或提供工业性劳务活动的总价值量,它反映一定时间内工业生产的总规模和总水平。
4.3 计算结果
采用文中提出的基于超效率DEA模型的交叉效率评价方法,计算得到14个行业的综合效率评价值,为了便于比较,表2中的第4列是采用超效率DEA 模型的各行业效率评价值,第5列是采用超效率DEA 模型的排序。
从上述计算结果可以看出,采用本文提出的基于超效率DEA模型的交叉效率评价方法和超效率评价方法,石油和天然气开采业、烟草制品业、农副食品加工业都排在前3位,而且次序未发生变化,这说明这三个行业相比较其他行业而言经营状况较好,同时也说明文中提出的方法是可行性的。
采用文中提出的基于超效率DEA模型的交叉效率评价方法实现了所有决策单元的全排序,而且同采用超效率DEA模型的排序相比较,次序大体一致,但效率评价值的分布没有了超效率DEA模型效率椎的极端情形(如石油和天然气开采业的超效率评价值为6.2011),分布更加合理一些。可以认为文中提出的方法是一种均值意义下的超效率DEA评价。
5 结论
①本文提出了基于超效率DEA模型的交叉效率评价方法,采用该方法得到的评价值是超效率DEA评价值的均值,而且该方法一定程度上解决了原有交叉效率评价方法的效率评价值为1决策单元不唯一导致的无法比较问题,实现了全排序;
②国有及国有控股企业的实证表明,基于超效率DEA模型的交叉效率值比超效率DEA评价值分布更加合理,没有了超效率DEA模型效率评价值的极端和不合理情形,体现了决策单元的实际效率状况。
参考文献
[1]Charnes A,Cooper W W,Rhodes E.Measuring theefficiency of decision making units[J].EuropeanJournal of Operational Research,1978,2:429~444.
[2]Sexton T R,Silkman R H,Hogan A J.Data envel-opment analysis:critique and extensions[A].SilkmanR H.Measuring efficiency:an assessment of dataenvelopment analysis[C].San Francisco:Jossey-Bass,1986,32:73~105.
[3]Anderson T R,et al.The fixed weighting nature ofa cross-evaluation model[J].Journal of ProductivityAnalysis,2002,18(1):249~255.
[4]吴杰等.交叉效率评价方法中新单元导入的保序性[J].系统工程,2006,24(7):210~214.
[5]Anersen P,et al.A procedure for ranking efficientunit in data envelopment analysis[J].ManagementScience,1993,10:1261~1264.
篇8：DEA方法手术室护理效率评价中的应用
【关键词】细节护理；手术室护理；应用；效果
【中图分类号】R47 【文献标识码】B【文章编号】1004-4949（2015）03-0026-01
随着医疗水平的不断提高，越来越成熟的外科学使得手术涉及到的领域越来越广泛，而且许多疾病仅能够通过手术进行治疗[1]。在手术室中，手术室护理工作质量的高低直接影响着手术能否顺利进行或手术治疗的效果，与患者的生命健康息息相关。当前，人们的观念开始发生改变，手术室护理越趋向于细节化，因此，手术室的护理受到人们极大的关注。本次研究特选取于2011年12月—2013年12月期间前来我院进行手术的200例患者，对患者的资料进行回顾式分析，现将有关结果作如下报道。
1资料与方法
1.1 一般资料
随机选取取于2011年12月—2013年12月期间前来我院进行手术的200例患者，其中男性患者102例，女性患者98例，患者年龄在19—81歲之间，平均年龄（49.2±2.4）岁，患者手术时间在0.5—5小时之间，平均手术时间（2.01±0.22）小时，其中有骨科手术28例，妇产科手术88例，肝胆外科手术15例，泌尿外科手术21例，微创外科手术16例，普通外科手术32例。将患者平均分成对照组和观察组，每组各100例患者，两组患者在性别、年龄、手术时间等方面没有明显差异（P>0.05），具有可比性。
1.2 方法
对照组患者采用常规手术室护理，护理人员向患者讲解相关疾病知识，告知患者手术流程以及术中注意事项，嘱咐患者做好术前准备，包括充足的睡眠，术前不进行激烈运动，合理饮食等。
观察组患者在对照组患者的基础上加以细节护理。护理人员在患者术前主动介绍自己，和患者家属进行积极的沟通和交流，对患者的病情做一个全面了解，同时向患者及家属讲解相关疾病知识、术中注意事项、术中风险、术后护理方法等，使患者在术前做好充分准备，针对恐惧手术的患者，可以请同类疾病患者现身说法，解除患者的顾虑，消除患者心中的疑惑，使患者积极配合手术治疗，此外，术前应对手术仪器进行检查，进行消毒。术中，患者在进入手术室后，护理人员应表现出热情、友善的态度，增强患者的信任，同时核对患者相关信息，向患者介绍相关工作人员和手术室内的环境，解答患者的疑惑，消除患者的不安。此外，由于患者在术中需裸露部分皮肤，长时间的手术操作或者术中压迫可能会导致术中出现深静脉血栓。所以，需要对手术室内的温度进行调节，避免患者的流失热量，并密切关注下肢的症状，若出现水肿以及浅静脉曲张等症状时，可进行相关的处理。患者麻醉后，保持手术室内的安静，患者在手术过程中，护理人员加强对患者各项生命体征的监测，并加强术中紧急事件的预防及处理，及时为患者输血并协助手术主治医生完成相关手术操作。最后，患者在手术完毕后，身体处于虚弱状态，护理人员应加强巡逻，了解患者病情，确保患者术后能够得到有效的护理。
1.3 判断标准
观察患者术后不良反应发生情况，此外，我院自制护理评价表，由患者在术后对护理人员的工作进行评价，评价标准为：满意，基本满意，不满意。
1.4 统计学方法
对上述两组患者各项记录数据进行分类和汇总处理，采取统计学软件SPSS19.0对上述汇总数据进行分析和处理，计数资料采取率（%）表示，组间率对比采取X2检验；对比用P<0.05为有显著性差异和统计学意义。
2结果
经护理后，对照组患者中有21例患者术后发生并发症，包括5例术后感染，2例下肢深静脉血栓，6例皮下水肿，3例软组织损伤，5例下肢疼痛，并发症发生率为21%，观察组患者中有4例患者发生并发症，包括1例术后肩疼，2例下肢疼痛，1例皮下水肿，并发症发生率为4%；在护理评价方面，对照组患者的护理满意程度为82%，观察组患者护理满意程度为96%，比较两组患者护理效果差异明显（P<0.05），具有统计学意义，详情见表1。
表1 患者护理满意评价及并发症情况[n=（例）%]
项目例数满意基本满意不满意并发症对照组10048（48）34（34）18（18）21（21）观察组10068（68）28（28）4（4）4（4）X2——8.210.8410.0113.21P——<0.05>0.05<0.05<0.053讨论
随着当前医学的不断进步，患者及其家属对临床护理提出了更高的要求，不再局限于医学方面的护理，更多的是关注与患者心理、生理等相关方面的护理，即细节化护理[2]。所谓的细节化护理，其主要目的在于给予患者优质的服务，规避患者术中风险，促进患者康复，降低医疗事故，营造和谐的医患关系[3]。细节护理能够在很大程度上提高医院的服务质量，护理人员在护理过程中，通过与患者的交谈，需及时发现患者所存在的问题，并积极解决，同时，针对患者的疑惑进行解答。在本次研究过程中，观察组患者在采用细节护理后，患者的护理效果明显优于对照组。这主要是由于细节护理主要以“人”为中心，在护理过程中，细节护理以患者为中心，针对患者可能出现的问题及早做好预防方案。但是，在研究中，两组均有患者发生并发症，所以，在今后的护理过程中，必须加强患者术后护理，对并发症重视起来，在最大限度上减少并发症的发生。同时，细节护理不应只拘泥于某一时、某一地或某一人，应将细节护理进行长期强化，将其作为手术室护理的常规性内容，将患者护理满意度作为评价护理效果的较为直接的指标[4] 。本组采用细节护理的观察组患者的护理满意程度远优于对照组，从侧面说明了细节护理能够深入到患者的心中。
总的来说，从本次研究结果来看，在手术室护理过程中，实施细节护理能够让患者充分感受到温暖，增强医患之间的信任、沟通和交流，使患者配合治疗，此外，细节护理在提高患者护理满意度的同时，还能促进护理人员提高护理水平，在临床上具有极为重要的意义，值得推广。
参考文献
[1]黄玲月.细节护理在手术室护理中的应用及效果评价[J].中国实用护理杂志，2012，28（6）：23-24.
[2]王凌云，陈英.细节护理在手术室护理中的应用及效果评价[J].中国实用护理杂志，2011，27（33）：57-58.
[3]姜卫红.细节护理在手术室护理中的应用及效果评价解析[J].中国保健营养（中旬刊），2014，24（3）：1350-1351.
篇9：DEA方法手术室护理效率评价中的应用
在日新月异的当今社会, 人才日益成为人们谈论的关键话题。作为培养人才的摇篮, 高校自然也是人们关注的焦点。诚然, 高校肩负着为国家为社会输送新鲜血液、进行基础研究的重任。高校的发展与国家的发展息息相关。如何评价、改善高校绩效显得尤为重要。传统的高校排名, 是对高校的产出给予一定权重的综合评价, 其评价结果对于高教拨款激励约束机制, 提高高校的资源配置使用效率, 具有重要的现实意义。
传统的高校评价经历了以下阶段:
1987-1989年, 中国管理科学研究院科学学研究所最早对中国87所高校进行了排名。这是国内首次采用多项指标的大学排名, 具有划时代的重要意义。1992年4月, 湖南大学张英、于一凡、龚志勇、李西田, 根据国家教委科技司编的1985-1989年《高等学校科技统计资料汇编》中的数据, 在《科学学与科学技术管理》杂志发表了题为《全国86所重点高校1985-1989年科技活动评价》的论文。文章以量化手段对全国86所重点大学作了排序。这是国内首次运用综合评价手段对中国高校进行评价。2000年7月, 武书连、吕嘉、郭石林在《科学学与科学技术管理》杂志发表《中国大学评价——1998》。这是国内第一个以中国高校基本功能为评价对象的大学综合排名。1996年2月, 《中国高等教育评估》杂志根据学校办学基本条件、学科建设及成果、学生质量等指标, 在该杂志1996年第1期发表《中国高等学校排行榜》, 列出中国最佳大学30所。是中国最短的大学排名, 也是《中国高等学校排行榜》国内第一个大学综合排名。1998年4月, 中南工业大学蔡言厚研究员在《湖南研究生教育》1998年第2期发表《我国高校培养高层次人才的综合实力比较》论文。文章根据中国各大学博士点、博士后流动站、国家重点学科 (含国家重点实验室国家工程 (技术) 研究中心、国家文科基地) 的情况, 采用比重法排出中国大学培养高层次人才的综合实力前100名。这是国内第一个大学高层次人才培养排名。另外, 武书连利用三级评分体系, 对历年高校进行评价, 在国内影响力比较大。①
从高校的特点出发, 针对以往研究对高校评价的单方面输出指标的不足, 本文将DEA应用在高校办学效益的评价, 对高校的效率进行了研究和探索。
二、问题提出
1.提出问题。
表1是我国高校中国管理科学院科学学研究所大学评价课题组发布的“2008年中国大学评价”, 笔者摘录了前20名大学的数据。
依据表1, 结合我国高校评价体系现状, 笔者总结出我国传统大学排名中以下问题:
1.指标权重的确定。
绝大多数评价方法在涉及到数据处理时都不可避免地要遇到权重或系数的确定问题。但是权重的确定往往被主观因素所制约, 因此受到质疑。如何用科学的方法确定权重就成为了至关重要的问题。
注:本表内数据摘选于武书连主编的中国统计出版社出版的《挑大学选专业-2008高考志愿填报指南》, 表内大学名称用大学A—T代替。表中研究生培养、本科生培养、自然科学研究和社会科学研究四项的数据是作者根据原始数据以及权重处理过后得出。
2.排名与规模的相关性问题。
在现有指标下, 可以说是只有产出的单方面评价。试想, 如果一个大学人数众多, 投入资本也较为雄厚的情况下, 在现有指标下就比较容易达到比较高的分值。那么校园规模、学生人数等等一系列指标就被作为一种用来增加其排名的砝码。在这样的评价体系下, 必然导致学校不能实现投入和产出的平衡。很多学校正是因为较大的规模和极力扩张使得排名逐渐升高。②
3.排名的利用价值。
武书连教授曾经在媒体上谈到, 高校排名的意义巨大在于:促进高校竞争, 引导教育资源流向, 改善目前高校信息不对称的现状等等。③但是仔细分析高校的评价体系, 不难发现科研人数、学生数量等一系列数字指标也被纳入了评价范围。如果排名致力于改善高校信息不对称的状况, 应该是更合理地调整各个大学的投入产出, 而不是只有产出而不论收益的单方面评价。
2.改进思路。
针对这以上不足, 本文提出运用仅有产出的多目标DEA方法进行我国高校的绩效评价, 并以此作为依据和现有高校排名作出对比, 提出改进意见。该方法有三个优点:
(1) 数据来源于现有高校排名的科学数据、信息可靠性高、认可度高。
(2) 解决了权重难以确定的问题。DEA方法不需预定指标之间的关系和赋予权重, 避免了指标权重的主观性, 使得方法更加科学可信;计算出来的结果不仅可排序还可提供具体的改进建议。
(3) DEA可以计算出单位差距, 即DEA可以在区分出有效、无效的机构之后, 计算出无效机构与有效前沿面在各指标上的差距, 因此可以针对具体数值提出相应的改进意见, 给高校一个行之有效的改善方向。
三、模型介绍
1.DEA方法简介。
数据包络分析方法 (DEA, Data Envelopment Analysis) 由Charnes、Coopor和Rhodes于1978年提出, 该方法的原理主要是通过保持决策单元 (DMU, Decision Making Units) 的输入或者输出不变, 借助于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。根据对各DMU观察的数据, 判断DMU是否为DEA有效。
(1) C2GS2模型:
最优解为θ0, λ0, s0+, s0-
按照此模型我们算出来的效率值有两个, 分别是纯技术效率和规模效率值。整体技术效率值跟纯技术效率值不一样的主要原因是决策单位DMU没有处在最适规模上运营 (即固定规模报酬) , 而是处于递增规模报酬或是递减规模报酬阶段。
(2) 经济含义。λj使各个有效点连接起来, 形成有效前沿面;非零的s+、s-使有效前沿面可以沿水平和垂直方向延伸, 形成包络面。在实际运用中, 对松弛变量的研究是有意义的, 因为它是一种纯的过剩量 (s-) 或不足量 (s+) , θ则表示DMU离有效前沿面或包络面的一种径向优化量或“距离”。④
四、指标体系
值得注意的是, 在本文的绩效评价中, 着重对大学的投入产出进行综合评价, 因此指标体系的确定有别于以往单纯的产出指标, 而是着重关注大学是否在合理的投入下有有效产出。
1.评价指标体系设计。
(1) 根据系统性原则, 用若干指标进行衡量, 指标间互相联系和互相制约, 同一层次指标尽可能的界限分明, 体现出较强的科学性。
(2) 指标体系所涉及的数据应该便于查找, 指标简单使用具有可重复性, 并且有较高的认可度。⑤
(3) 大学评价的目的不是单纯评出大学的名次及优劣的程度, 更重要的是引导被评高校能比较客观地了解和把握本校优缺点, 进而制定正确的发展方向, 对于国内大学的整体发展趋势也应该有导向性的作用。⑥
2.评价指标体系的构成。
综合现有的指标评价体系, 笔者选在输入方面选取了衡量大学规模和投入的三项指标, 分别是:大学专职教师数量、学生人数 (全体在校生) 、图书馆藏书量 (包含电子图书) 。这三项指标从不同的方面反映了一个大学的教学投入水平。数据来自各高校统计数据。
在输出方面, 高校评价的评价人关注的是评价对象在产出方面的表现, 如培养了多少合格毕业生、科研成果的多少等等。本文采用武教授在高校排名中给出的指标, 将高校的产出分为人才培养和科学研究两个大的方面。进而选取了研究生培养、本科生培养、自然科学研究、社会科学研究四个产出指标。其中人才培养是一个大学对于社会贡献的主要体现, 而科学研究则是衡量一个大学学术水平的关键指标。输出指标的数据来自于表1。
在这样的评价体系下, 本文衡量我国大学绩效的思路是:根据每个学校的规模, 分析其投入产出比是否合理。在相同水平的投入下, 产出才有其实际意义。这样的评价体系避免了权重的主观性, 同时也可以有效遏制一些大学通过无度地扩大规模, 依靠人海战术达到排名的上升。
五、结果分析:利用DEAP软件的分析结果
1.效率分析。
按照DEA方法进行效率计算之后, 根据综合效率进行排名的结果如表2。可以很直观地看出, 原有的前面两所学校的排名和效率都是很稳定的。不仅没有排名变动, 而且其各方面的效率值也都是比较高的, 可以说明其综合实力的强大, 并没有因为指标体系而发生变动。
注: (crste:整体技术效率vrste:纯技术效率scale:规模效率)
但是从第三名开始的其他学校的效率排名发生了很大的变化, 比较显著的是G学校, 显示出了综合效率和纯技术效率的有效性。可以看出, 原来学校的排名落后是和其规模、投入直接相关的。在相当的投入水平下, 其综合产出率较高, 可以说学校是比较有效的。另外, D、H、I等几所学校的名次下滑较大, 很有可能是因为其规模较大, 因此投入产出并不平衡。C、H两所学校处在规模效益递减的阶段, 扩大规模已经不能再为学校形成规模效益, 因此在学校的改善上, 应该从条件入手提高效率。另一方面, 排名第一的三所学校都处在规模效益不变的阶段。可以分析出, 他们在发展的过程中较好地处理了规模和输出的均衡关系。也从另一个侧面反映出在学校的发展过程中, 规模确实和其绩效有直接的关系。 (7)
2.指标分析。
注:表中数据为各指标的产出不足值
各个大学的研究生培养相对不足, 只有少数的几个学校不存在产出不足。研究生在我国发展的核心领域占有重要地位, 因此研究生的产出不足可以反映出学校的人才培养上的缺陷。相对地, 各个学校的本科生培养比较均衡。可见, 大学在本科生培养方面已经有比较大的成功。
自然科学研究一项指标可以很直观地看出, 除了少数几个以自然科学为主要学科的学校外, 排名基本和自然科学的研究贡献率成正比。排名相对靠后的大学表现出了比较明显的研究贡献率低下。可以看出我国在近些年的学科发展中对自然科学有极高的重视程度。反观社会科学贡献度, 和自然科学呈现出了相辅相成的关系, 和排名的关系度并不是很大。一方面看出我国高校现在学科发展尚不均衡, “偏科”现象比较严重;另一方面, 也反映了我国在教育发展的过程中, 有一定的重理轻文的倾向。
从投入指标来看, 很多学校的学生人数投入冗余较大。联系现实不难分析出, 近些年为了增强国民综合素质, 大学的普及率越来越高, 很多学校连年扩招, 其学生人数迅速增长。但是同时, 其教师、藏书等相应指标没有明显上升。而产出上, 学生人数的增加也没有带来学校贡献率的相应提高, 更多的是效率低效的学校, 学生冗余较多。
这一数据提醒我国高校在进行扩招的时候, 应该注意综合效率的提升, 不能通过人海战术提高学校知名度, 更不能宽口径进行招生而忽视了学生的培养和学校的综合发展。
六、总结与展望
本文运用DEA方法评价高校绩效, 根据该结果对“中国大学评价”中的高校排名进行了调整, 对原有的排名进行了调整, 并且根据数据对学校效率改进提出了针对性意见。但是本评价仍存在很多不完善之处, 例如, 因为无法合适量化等原因没有将高校声誉等重要指标纳入指标体系。
但是本文仍旧具有一定的现实意义, 改变了传统的只考虑产出的评价体系, 将学校规模和产出进行匹配, 针对我国高校规模庞大等一系列问题提出了意见和改进思路。面临着中国经济飞速发展的局面, 大学这一培养人才的摇篮将如何发展, 现存问题如何解决, 如何提高现有绩效, 是每所大学应该深入思考的问题。
摘要：高校肩负着为国家为社会输送新鲜血液、进行基础研究的重任。高校的发展与国家的发展息息相关。如何评价、改善高校绩效显得尤为重要。文章在分析现有高校绩效评价不足的基础上, 提出了建立评价体系的思路。利用DEA分析中的定量模型对高校办学效益评价方法进行了研究和探索, 并针对软件计算结果, 分析了高校运行无效的原因和改进方向。
关键词：数据包络分析 (DEA) ,高校,绩效评价
参考文献
[1].傅毓维, 邵争艳, 影响区域高等教育资源优化配置的复合DEA分析[J], 科学学与科学技术管理, 2004 (11)
[2].查勇, 梁樑.基于DEA模型的高等院校院系投入产出效率评估[J].科技进步与对策, 2004 (1)
[3].王晓红, 王雪峰, 翟爱梅, 冯英浚.一种基于DEA和多指标综合评价的大学科研绩效评价方法[J].中国软科学, 2004 (8)
[4].贺彩霞.DEA在高校投资效益评价中的应用[J].中原工学院学报, 2004 (6)
[5].郭明磊, 李光金.仅有产出的多目标DEA在高校排名中的应用[J].西华大学学报 (哲学社会科学版) , 2005 (5)
[6].武书连, 吕嘉, 郭石林.2008中国大学评价[J].科学学与科学技术管理, 2008 (1)
[7].魏权龄.评价相对有效性的DEA方法.中国人民人学出版社, 1988
【DEA方法手术室护理效率评价中的应用】相关文章：
手术室护理方法05-01
带教方法手术室护理论文04-15
手术室护理论文：舒适护理在手术室护理工作中的应用效果分析06-07
抚触式护理在手术室护理中的应用研究09-12
护理程序在手术室临床护理带教中的应用05-08
期望理论在手术室护理教学中的应用10-16
各种护理标识在手术护理中的应用05-18
亲情护理在妇科更年期女性手术护理中的应用09-10
手术器械清洗消毒方法及效果评价的研究进展05-14