两阶段dea模型讲解

中国区域税收征管效率分析—基于三阶段DEA模型

【摘要】：税收效率是财政管理的重要目标，DEA方法是研究税收效率有效方法，但是传统的DEA模型具有一定缺陷。本文基于税收征管的投入产出指标，通过建立三阶段DEA模型测算中国30个省（自治区、直辖市）2013年的税收征管效率，发现剔除随机因素和环境因素影响后的三阶段DEA模型能较客观测算出税收征管效率值。市场化指数对税收效率的提高起正向促进作用，而税务工作人员受教育程度的提高对税收征管效率产生逆向影响。完善市场机制，优化税务机关工作人员结构是提高税收征管效率的重要举措。

【关键词】：税收征管效率；三阶段DEA；SFA

1、引言

税收是一个国家财政收入的重要来源，有效地筹集税收是税收管理的重要目标。1994年我国实施了分税制改革，在我国税改史上具有划时代意义，自此我国的税收收入逐年增加，各项税收从1994年的5126.88亿元增加到2013年的110530.70亿元，税收收入每年的平均增长率达到17.54%，而同期GDP的增长率远远低于税收增长率。税收收入快速增长的同时征税成本也在不断上升。国家税务局公布数据显示：税改前我国征税成本仅为3.12%，税改后，征税成本有所上升，1996年约为4.73%

第15章 工具变量估计与两阶段最小二乘法

在本章中，我们进一步研究多元回归模型中的内生解释变量（endogenous explanatory variable）问题。在第3章中，我们推导出，遗漏一个重要变量时OLS估计量的偏误；在第5章中，我们说明了在遗漏变量（omitted variable）的情况下，OLS通常是非一致性的。第9章则证明了，对未观测到的解释变量给出适宜的代理变量，能消除（或至少减轻）遗漏变量偏误。不幸的是，我们不是总能得到适宜的代理变量。

在前两章中，我们解释了存在不随时间变化的遗漏变量的情况下，对综列数据如何用固定效应估计或一阶差分来估计随时间变化的自变量的影响。尽管这些方法非常有用，可我们不是总能获得综列数据的。即使能获得，如果我们的兴趣在于变量的影响，而该变量不随时间变化，它对于我们也几无用处：一阶差分或固定效应估计排除了不随时间变化的变量。此外，迄今为止我们已研究出的综列数据法还不能解决与解释变量相关的随时间而变化的遗漏变量的问题。

在本章中，我们对内生性问题采用了一个不同的方法。你将看到如何用工具变量法（IV）来解决一个或多个解释变量的内生性问题。就应用计量经济学中线性方程的估计而言，两阶段最小二乘法（2SLS

第15章 工具变量估计与两阶段最小二乘法

在本章中，我们进一步研究多元回归模型中的内生解释变量（endogenous explanatory variable）问题。在第3章中，我们推导出，遗漏一个重要变量时OLS估计量的偏误；在第5章中，我们说明了在遗漏变量（omitted variable）的情况下，OLS通常是非一致性的。第9章则证明了，对未观测到的解释变量给出适宜的代理变量，能消除（或至少减轻）遗漏变量偏误。不幸的是，我们不是总能得到适宜的代理变量。

在前两章中，我们解释了存在不随时间变化的遗漏变量的情况下，对综列数据如何用固定效应估计或一阶差分来估计随时间变化的自变量的影响。尽管这些方法非常有用，可我们不是总能获得综列数据的。即使能获得，如果我们的兴趣在于变量的影响，而该变量不随时间变化，它对于我们也几无用处：一阶差分或固定效应估计排除了不随时间变化的变量。此外，迄今为止我们已研究出的综列数据法还不能解决与解释变量相关的随时间而变化的遗漏变量的问题。

在本章中，我们对内生性问题采用了一个不同的方法。你将看到如何用工具变量法（IV）来解决一个或多个解释变量的内生性问题。就应用计量经济学中线性方程的估计而言，两阶段最小二乘法（2SLS

第15章 工具变量估计与两阶段最小二乘法

在本章中，我们进一步研究多元回归模型中的内生解释变量（endogenous explanatory variable）问题。在第3章中，我们推导出，遗漏一个重要变量时OLS估计量的偏误；在第5章中，我们说明了在遗漏变量（omitted variable）的情况下，OLS通常是非一致性的。第9章则证明了，对未观测到的解释变量给出适宜的代理变量，能消除（或至少减轻）遗漏变量偏误。不幸的是，我们不是总能得到适宜的代理变量。

在前两章中，我们解释了存在不随时间变化的遗漏变量的情况下，对综列数据如何用固定效应估计或一阶差分来估计随时间变化的自变量的影响。尽管这些方法非常有用，可我们不是总能获得综列数据的。即使能获得，如果我们的兴趣在于变量的影响，而该变量不随时间变化，它对于我们也几无用处：一阶差分或固定效应估计排除了不随时间变化的变量。此外，迄今为止我们已研究出的综列数据法还不能解决与解释变量相关的随时间而变化的遗漏变量的问题。

在本章中，我们对内生性问题采用了一个不同的方法。你将看到如何用工具变量法（IV）来解决一个或多个解释变量的内生性问题。就应用计量经济学中线性方程的估计而言，两阶段最小二乘法（2SLS

三阶段DEA，第一阶段，传统的DEA算出TE，PE和SE，投入产出的冗余量；第二阶段，用SFA对影响DEA的因素进行分析；第三阶段，考虑影响因素，对投入产出数据进行修正，重新进行DEA分析

重点讲解 三阶段DEA模型

第一阶段：初始DEA生产绩效评估

仅仅运用投入和产出数据评估初始生产绩效。本文武断采用投入导向。传统的DEA分析是非常成熟的方法，在此不再赘述。

第二阶段：运用SFA分解第一阶段的松弛变量

本文重点是松弛量[x?X?]的解释。[x?X?]由三部分组成：环境效应，管理非效率和统计噪音。第二阶段的目的是把第一阶段的松弛量分解为这三部分。本文运用SFA方法达到这个目的。误差项的非对称性是SFA的明显优势。SFA方法考虑环境变量（回归项），管理非效率（单边误差组合）和统计噪音（对称误差组合）对第一阶段松弛量的影响。 SFA回归模型的被解释变量是第一阶段产生的投入松弛变量

sni?xni?Xn??0,n?1?N,i?1?I (1)

xni为第一阶段第i个生产者的第n种投入，Xn为X的第n列，Xn?为第i 个DMU 的第n

一种求解环状配电网潮流的有效算法——两阶段法

第1 3卷第 5期20 0 1年 1 0月

电力系统及其自动化学报Pr c e i gso he EPSA o e d n ft

Vo. 1 13 No. 5 De . 20 t 01

一

种求解环状配电网潮流的有效算法一两阶段法陈根军王磊唐国庆209 ) 106 (东南大学电气工程系南京

AN EFFI ENT CI TW O— S TAGE L0AD FLOW ETHOD M FORM ES ED S H DI TRI BUT1 0N ETW 0RK S N

Ch rGe jn W a gL i Ta gGuqn e nu t n e n c ig( p . fEl tia En ie r g,S u h atUn v riy De t o e r l gn ei c c n o tes ie s .Na j g,Z 0 6 t ni n 1 9) 0

AB TRAC A e e f in wo s a e 1a f w t o N T n w fi e tt— tg o d l me h d c o fr me h d ds r u 1n n t r s L p ee t

!"#$%&’()’%%*)’(+,-.!/001

价值工程2001年第.期

基于6&7模型的企业员工绩效考评研究

!"#"$%&’()*"%+,%-.)&"/0.12.3(,)

,+3’"/)3"%4%(#"53.++6.#"7,)8$3$/)0"1,4-")39).1:#(#;,7"1

杨春#$%&’()%#邓红*+%&,-%&

’四川理工学院!自贡.89000:

’;)<=$"’>’?@)@$@%,AB%<=’,#,(C!D)(,’(.89000!E=)’":

摘要*利用数据包络分析’!"#(方法对企业员工进行绩效考评!目的是真实$客观地反映员工的工作表现"本文提出运用只有输出’输入(和二次相对有效性的!"#模型对企业员工进行静态与动态的绩效考评!并结合实例进行实证研究!为人力资源管理提供了有价值的方法"

9<#3%.&3*F%*A,*G"’<%%H"#$"@),’,A@=%%’@%*I*)?%?@"AA

!"#$%&’()’%%*)’(+,-.!/001

价值工程2001年第.期

基于6&7模型的企业员工绩效考评研究

!"#"$%&’()*"%+,%-.)&"/0.12.3(,)

,+3’"/)3"%4%(#"53.++6.#"7,)8$3$/)0"1,4-")39).1:#(#;,7"1

杨春#$%&’()%#邓红*+%&,-%&

’四川理工学院!自贡.89000:

’;)<=$"’>’?@)@$@%,AB%<=’,#,(C!D)(,’(.89000!E=)’":

摘要*利用数据包络分析’!"#(方法对企业员工进行绩效考评!目的是真实$客观地反映员工的工作表现"本文提出运用只有输出’输入(和二次相对有效性的!"#模型对企业员工进行静态与动态的绩效考评!并结合实例进行实证研究!为人力资源管理提供了有价值的方法"

9<#3%.&3*F%*A,*G"’<%%H"#$"@),’,A@=%%’@%*I*)?%?@"AA

第４期

２００９年８月第１８卷运筹与管理Ｖ０１．１８．Ｎｏ．４Ａｕｇ．２００９０ＰＥＲＡＴＩＯＮＳＲＥＳＥＡＲＣＨＡＮＤＭＡＮＡＣＥＭＥＮＴＳＣＩＥＮＣＥ

两阶段特殊结构混合０．１规划的分解算法

刘均华，姜波

（清华大学经济管理学院，北京１０００８４）

摘要：本文介绍了一种用于求解具有特殊结构的两阶段混合０一ｌ规划问题的原始一对偶分解算法，并以

ＣＰＬＥｘ软件作为核心求解器将算法实现。该算法将原问题分解成两个相对简单的子问题，较传统分解算法有

更平衡的分解结构和收敛性。实验数据表明，该算法在求解较大规模、稀疏度较大、耦合度较大的复杂两阶段下

三角结构混合０一ｌ规划问题时，相比ｃＰＬＥｘ提供的分枝剪枝法，在时间效率上有明显提高。算法最后通过固

定Ｏ—ｌ变量的取值可以得到满足管理精度要求的近似最优解。

关键词：混合Ｏ—ｌ规划；分解算法；原始－对偶分解；ｃＰＬＥｘ９．０；分枝剪枝法

中图分类号：０２２１．１文章标识码：Ａ文章编号：１００７—３２２ｌ（２００９）０４，Ｏｏｏｌ－０６

ＡＤｅＣＯｍｐＯＳｉｔｉＯｎＭｅｔｈＯｄｆＯｒＳＯｌＶｉｎｇＴｗＯ—ＳｔａｇｅＭｉｘｅｄ

Ｏ－１ＰｒＯｇｒａｍｍｉｎｇｗｉｔｈＳｐｅｃｉａＩＳｔｒｕｃｔｕｒｅ

ＬＩＵＪｕｎ－ｈｕａ．ＪＩＡＮＧＢｏ

湖南科技大学 信息与电气工程学院 李众 序

DEA主要的模型为CCR模型，但是众所周知，用CCR模型算出来的模型的效率范围只是在0~1之间。缺点是对于很多效率等于1的单位无法比较。为此，Anderson & Peterson 依据 CCR模型的方法，提出了超效率模型（ super efficiency DEA）,计算出的效率值将不再限制在0~1的范围内，而是允许效率值超过1。

1.1 什么是CCR模型

1978年，著名运筹学家、美国德克萨斯大学教授A.Charnes及W.W.Cooper和E.Rhodes发表了一篇重要论文：“Measuring the efficiency of decision making units”（决策单元的有效性度量），刊登在权威的“欧洲运筹学杂志”上。正式提出了运筹学的一个新领域：数据包络分析，其模型简称 C2R 模型。

1.2 什么是超效率DEA模型

以下是Anderson and Petersen 提出的超效率DEA模型

和

为松弛变量。

为高阶无穷小量，

1.3 DEA超效率模型举例

1.下面有一组数据，我们用超效率DEA方法来评估他们的效率