CN112132440A - 一种基于dea理论的多维效益指数分析方法 - Google Patents

Abstract

本申请提供一种基于DEA理论的多维效益指数分析方法，所述多维效益指数分析方法具体步骤如下：采集并处理投入指标历史数据和产出指标历史数据；建立DEA投入产出分析模型；将所述投入指标历史数据和产出指标历史数据输入至所述DEA投入产出分析模型中进行分析，基于DEA理论得到多维效益指数分析结果。本申请通过构建的电网技改项目效益效率评价指标体系以及DEA方法对电网技改项目的投资效益效率进行分析，并通过分析结果，指导电网技改项目的投资管理，实现对电网技改项目精准管控，为电网建设的成本控制和有效运营提供有效的参考。

Description

一种基于DEA理论的多维效益指数分析方法

技术领域

本申请涉及电网技改项目效益分析技术领域，尤其涉及一种基于DEA理论的多维效益指数分析方法。

背景技术

随着国民经济的持续快速发展和人民生活水平的提高，地区电网建设的力度在逐步加大，相应投入的资金也会越来越多。新形势下，电网投资合理规模对企业生产运行及经营发展具有重要影响，提质增效已成为电网企业提升核心竞争力、保障企业经营效益稳步提高的重要手段。技改投资作为电网投资的重要组成部分，如果投资规模过小或滞后，必然满足不了经济社会发展和负荷增长的要求，还影响企业长远发展，达不到预期的投资效益。

现有技术中，在投资效率效益的计算分析中，通常采用专家经验法或套用定额方法进行成本造价分析对效益进行计算，难以从投入产出的角度对效率进行科学地计算，也没有提供能够结合电网企业实物资产投资目标分析，构建全面的投入产出评价体系，为电网企业精准投资提供支撑与指导，为合理确定多目标约束条件下的电网实物资产投资规模提供参考与依据，最终为项目投资决策提供支撑的技术方法，并不能从投入产出的角度科学地分析判断电网建设规模是否适度、投入与产出是否匹配，因此，容易出现由于投资规模过大或过于超前而造成资金浪费和资源过剩的现象，还会带给企业一定的经营压力。

发明内容

本申请提供了一种基于DEA理论的多维效益指数分析方法，以解决现有技术中存在的电网技改项目投资效益效率分析维度单一、效益分析结果参考程度不高的问题。

本申请提供一种基于DEA理论的多维效益指数分析方法，所述多维效益指数分析方法具体步骤如下：

S101，根据投入指标历史数据和产出指标历史数据，构建投入产出指标体系；

S102，根据所述投入产出指标体系，建立DEA投入产出分析模型；

S103，将所述投入指标历史数据和产出指标历史数据输入至所述DEA投入产出分析模型中进行分析，基于DEA理论得到多维效益指数分析结果。

在本申请的较佳实施例中，所述步骤S102中，建立的DEA投入产出分析模型为：

其中，θ₀、S^-、S⁺、λ_j为所求决策变量，x₀表示投入，y₀表示产出，n为输入指标个数，S为输出指标个数，θ值即为DEA投入产出分析模型所计算出的相对效率指标；假设C²GS²模型的最优解为θ⁰，λ⁰，S^0-，S⁰⁺，若θ⁰＝1称DMU为弱DEA有效；若θ⁰＝1，且S^0-＝0，S⁰⁺＝0，则称DMU为DEA有效，即技术有效。

在本申请的较佳实施例中，所述步骤S101中，投入指标历史数据主要包括资金投入指标历史数据、人工投入指标历史数据、技术规模投入指标历史数据。

在本申请的较佳实施例中，所述步骤S101中，产出指标历史数据主要包括增供电量产出指标历史数据和安全可靠性产出指标历史数据。

上述技术方案中，投入指标历史数据和产出指标历史数据的采集筛选首先需要与分析目标相贴合，并且能够采集到，可以进行计算和对比，同时还要是投入指标历史数据小，得到的产出指标历史数据大的相关指标数据。

在本申请的较佳实施例中，所述步骤S103中，通过将所述投入指标历史数据和产出指标历史数据输入至所述DEA投入产出分析模型中进行分析，得到相对效益效率分析值，当所述相对效益效率分析值为1或者大于0.99时，则认为投资优化。

在本申请的较佳实施例中，所述步骤S103中，通过将所述投入指标历史数据和产出指标历史数据输入至所述DEA投入产出分析模型中进行分析，得到相对效益效率分析值，当所述相对效益效率分析值小于1时，则表示效益效率低，需要通过减少投入进行优化。

本申请的一种基于DEA理论的多维效益指数分析方法，相较于现有技术，具有有益效果如下：

(1)本申请提出的基于DEA理论的电网技改项目投资多维效益计量方法，能实现对不同地区、不同时间的技改项目投如产出效率、效益评估，从而为技改投资决策提供支撑与参考的科学分析数据。

(2)本申请避免了传统的人为估算分析的主观性或者通过套用定额概算方式测算成本，从而分析电网技改项目投资效率效益的缺点，本申请通过通过从投入产出角度构建综合分析指标体系，建立DEA分析方法，使得电网技改项目投资管理更加科学。

(3)本发明对电网技改项目投资分析进行了量化判断，从而提高了投资管理的工作效率。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请的一种基于DEA理论的多维效益指数分析方法的流程图；

图2为本申请的DEA投入产出分析模型的分析指标历史数据表。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，本申请中对于术语的简要说明，仅是为了方便理解接下来描述的实施方式，而不是意图限定本申请的实施方式。除非另有说明，这些术语应当按照其普通和通常的含义理解。

数据包络分析法(DEA)以相对效率概念为基础,用于分析具有相同类型的多投入、多产出的决策单元是否技术有效的一种非参数统计方法。其基本思路是把每一个被分析单位作为一个决策单元,再由众多决策单元构成被分析群体,通过对投入和产出比率的综合分析,以决策单元的各个投入和产出指标的权重为变量进行分析运算,确定有效生产前沿面,并根据各决策单元与有效生产前沿而的距离情况,确定各决策单元是否有效,同时还可用投影方法指出非DEA有效性或弱DEA有效决策单元的原因及应改进的方向和程度。由于DEA方法不需要预先估算参数,在避免主观因素和简化运算、减少误差等方而有着不可低估的优势。该方法近年来被广泛运用到技术和生产力进步、关于成本收益问题、资源配置、金融投资、非生产性等各个领域,进行有效性分析,从而进行决策。

参见图1，为一种基于DEA理论的多维效益指数分析方法的流程图。

实施例

如图1所示，本申请提供的一种基于DEA理论的多维效益指数分析方法，所述多维效益指数分析方法具体步骤如下：

S101，根据投入指标历史数据和产出指标历史数据，构建投入产出指标体系；

S102，根据所述投入产出指标体系，建立DEA投入产出分析模型；

S103，将所述投入指标历史数据和所述产出指标历史数据输入至所述DEA投入产出分析模型中进行分析，基于DEA理论得到多维效益指数分析结果。

在上述具体实施方式的基础上，进一步地，所述步骤S101中，投入指标历史数据主要包括资金投入指标历史数据(即图2中的资产总额)、人工投入指标历史数据、技术规模投入指标历史数据，在本实施例中，还需要对投入指标数据进行简单处理，删除有问题的投入指标数据。

在本实施例中，如图2所示，输入指标(即投入指标)还包括技改投资指标历史数据(即技改投资额)、容截比、线损率、GDP增长率等投入指标历史数据。

在上述具体实施方式的基础上，进一步地，所述步骤S101中，产出指标历史数据主要包括增供电量产出指标历史数据(即图2中的单位投资增供电量)和安全可靠性产出指标历史数据(即图2中的单位投资可靠率提升水平)，在本实施例中，还需要对产出指标数据进行简单处理，删除有问题的产出指标数据。

在本实施例中，如图2所示，产出指标历史数据还包括投资满意度产出指标历史数据(即图2中的单位投资95598满意度提升水平)。

此外，在本实施例中，投入指标历史数据和产出指标历史数据均需要从社会效益、运行效益、经济效益等不同的维度进行采集筛选，并结合不同地区、不同时间的分析结果再进行对比分析，以实现从多维度对投资效率效益进行分析判断，保证分析结果的准确性。

需要说明的是，在本实施例中，步骤S101中的构建投入产出指标体系的原则如下：

(1)综合性原则

在构建投入产出指标体系的时候，单纯依靠各指标数据的简单堆积是远远不够的，应当在做到有代表性的同时，还要确保其具有全面性，要尽可能全面的显示出被分析对象的内容，要能够从全方位立体的角度来研究分析对象。换言之，遵循综合性原则就意味着指标体系应该能把分析对象的所有信息都直观的展现出来，具备达到分析目的所必备的条件。

(2)可比性原则

投入产出指标体系中所涉及的指标数据的数量繁多，既然如此，就需要从指标数据的计算时间、计算口径、计量单位等等方面都尽可能维持一致性，这样可以使后期对比的时候简单方便。

(3)重要性原则

指标数据的选择要有一个合理的范围，过多和过少都不合适。指标数据选择的关键在于它能在分析的时候能起到什么样的效果。指标数据选择过多，其重复性就会增高，这会使分析结果的有效性受到影响。指标数据选择太少，则意味着不具有典型性，有些问题可能会发现不了而被忽略掉，从而会影响到分析结果的准确性。因此，在确保其遵守综合性原则的同时，也应该体现出主次之别，方方面面都考虑很到位，否则，容易导致整个系统没有中心点，路线不清，缺乏条理，这对于问题的解决是不利的。

(4)不相关原则

投入产出指标体系中的每一个指标数据内容都应简洁明了，处在相同档次的指标数据应尽可能避免内容重复。假如某一投入指标数据与另一投入指标数据之间有很明显的相似性时，我们就认为这个指标数据所表述的内容和另一个指标数据表达的信息一致，应将其删除。产出指标数据的处理同投入指标数据。当产出指标数据和投入指标数据之间呈现出一次函数关系的时候，会出现在DEA投入产出分析模型中其决策单元都是相对有效的现象，所以必须确保各个指标数据之间是无关的。

(5)可操作性原则

在构建投入产出指标体系的时候，要考虑到收集资料的简便性，操作简便，数据的准确性，并且必须保证获取的投入产出指标数据科学合理、真实有效。

在本申请的较佳实施例中，所述步骤S102中，建立的DEA投入产出分析模型为：

其中，θ₀、S^-、S⁺、λ_j为所求决策变量，x₀表示投入，y₀表示产出，n为输入指标个数，S为输出指标个数，θ值即为DEA投入产出分析模型所计算出的相对效率指标；假设C²GS²模型的最优解为θ⁰，λ⁰，S^0-，S⁰⁺，若θ⁰＝1称DMU为弱DEA有效；若θ⁰＝1，且S^0-＝0，S⁰⁺＝0，则称DMU为DEA有效，即技术有效。

需要特别说明的是，在本实施例中，所述DEA投入产出分析模型为C²GS²模型，是为了判断非DEA有效的决策单元是技术有效还是规模有效。所述DEA投入产出分析模型种类很多，还包括C²R模型，而C²GS²模型与C²R模型的区别仅在于C²GS²模型的生产可能集不满足锥性公理，因此在C²R模型中增加约束条件就能得到C²GS²模型，具体的实现过程如下：

首先，构建C²R模型，步骤如下：

假设共有n个项目群，每个项目群有m种类型的输入(X)和s种类型的输出(Y)，DWU_j的输入和输出x_j＝(x_1j,x_2j,...,x_mj)^T，y_j＝(y_1j,y_2j,...,y_sj)^T，j＝1,2,L,n

其中，x₀表示投入，y₀表示产出，v＝(v₁,v₂,…,v_m)^T，u＝(u₁,u₂,…,u_s)^T分别表示m种输入和s种输出的权系数。

将上述公式进行Charnes-Cooper变换，可以化为一个等价的线性规划模型：

其中，λ_j为所求决策变量，x₀表示投入，θ值为DEA投入产出分析模型所计算出的相对效率指标，再将上述线性规划模型经过非Archimedes无穷小(ε)处理之后，得到C²R模型如下：

其中，S^-、S⁺、λ_j为所求决策变量，x₀表示投入，y₀表示产出，n为输入指标个数，S为输出指标个数，θ值为DEA投入产出分析模型所计算出的相对效率指标；设所述C²R模型的最优解为θ⁰，λ⁰，S^0-，S⁰⁺，若θ⁰＝1，且S^0-＝0，S⁰⁺＝0，则称DMU为DEA有效；若θ⁰＝1，且S^0-≠0，S⁰⁺≠0则称DMU为弱DEA有效；若θ⁰＜1，则称DMU为非DEA有效，可得到输入X(即投入)，所得的输出Y(即产出)已经达到了最优。

其次，构建C²GS²模型的具体过程如下：

其中，θ₀、S^-、S⁺、λ_j为所求决策变量，x₀表示投入，y₀表示产出，n为输入指标个数，S为输出指标个数，θ值即为DEA投入产出分析模型所计算出的相对效率指标；假设C²GS²模型的最优解为θ⁰，λ⁰，S^0-，S⁰⁺，若θ⁰＝1称DMU为弱DEA有效；若θ⁰＝1，且S^0-＝0，S⁰⁺＝0，则称DMU为DEA有效，即技术有效。

因为C²GS²模型下DEA有效的决策单元仅仅是技术有效，所以当决策单元的产出量为Y₀时，相应的投入X₀不可能再减少。因此，对于同一组决策单元，将C²R模型与C²GS²模型结合使用，就可以判断每个决策单元是规模有效还是技术有效。

在上述具体实施方式基础上，进一步地，所述步骤S103中，通过将所述投入指标历史数据和产出指标历史数据输入至所述DEA投入产出分析模型中进行分析，得到相对效益效率分析值，当所述相对效益效率分析值为1或者大于0.99时，则认为投资优化。

在上述具体实施方式基础上，进一步地，所述步骤S103中，通过将所述投入指标历史数据和产出指标历史数据输入至所述DEA投入产出分析模型中进行分析，得到相对效益效率分析值，当所述相对效益效率分析值小于1时，则表示效益效率低，需要通过减少投入进行优化。

本实施例中，通过一种基于DEA理论的多维效益指数分析方法的实现，能够科学系统地计算分析电网技改项目投资的效益及效率，从而指导未来的电网技改项目投资，对电网技改项目投资进行精确的管理；能够有效摸清当前各地区投入产出效益现状，能够为技改投资规模的合理分配、投资重点的科学确定提供数据支撑，为精准投资提供科学依据，对加强地区电网建设指导，实现电网精准投资，促使地区电网科学、合理、有序地发展，提升电网发展能力和企业发展效益具有重要意义。

需要特别说明的是，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等，本领域技术人员在不付出任何创造性劳动的前提下，所得出的技术方案均属于本申请的保护范围。

本申请提供的实施例只是本申请总的构思下的最优示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。

Claims (6)

1.一种基于DEA理论的多维效益指数分析方法，其特征在于，所述多维效益指数分析方法具体步骤如下：

S101，根据投入指标历史数据和产出指标历史数据，构建投入产出指标体系；

S102，根据所述投入产出指标体系，建立DEA投入产出分析模型；

S103，将所述投入指标历史数据和产出指标历史数据输入至所述DEA投入产出分析模型中进行分析，基于DEA理论得到多维效益指数分析结果。

2.根据权利要求1所述的一种基于DEA理论的多维效益指数分析方法，其特征在于，所述步骤S102中，建立的DEA投入产出分析模型为：

其中，θ₀、S^-、S⁺、λ_j为所求决策变量，x₀表示投入，y₀表示产出，n为输入指标个数，S为输出指标个数，θ值即为DEA投入产出分析模型所计算出的相对效率指标；假设C²GS²模型的最优解为θ⁰，λ⁰，S^0-，S⁰⁺，若θ⁰＝1称DMU为弱DEA有效；若θ⁰＝1，且S^0-＝0，S⁰⁺＝0，则称DMU为DEA有效，即技术有效。

3.根据权利要求1所述的一种基于DEA理论的多维效益指数分析方法，其特征在于，所述步骤S101中，投入指标历史数据主要包括资金投入指标历史数据、人工投入指标历史数据、技术规模投入指标历史数据。

4.根据权利要求1所述的一种基于DEA理论的多维效益指数分析方法，其特征在于，所述步骤S101中，产出指标历史数据主要包括增供电量产出指标历史数据和安全可靠性产出指标历史数据。

5.根据权利要求1所述的一种基于DEA理论的多维效益指数分析方法，其特征在于，所述步骤S103中，通过将所述投入指标历史数据和产出指标历史数据输入至所述DEA投入产出分析模型中进行分析，得到相对效益效率分析值，当所述相对效益效率分析值为1或者大于0.99时，则认为投资优化。

6.根据权利要求1所述的一种基于DEA理论的多维效益指数分析方法，其特征在于，所述步骤S103中，通过将所述投入指标历史数据和产出指标历史数据输入至所述DEA投入产出分析模型中进行分析，得到相对效益效率分析值，当所述相对效益效率分析值小于1时，则表示效益效率低，需要通过减少投入进行优化。

Images