淮河能源控股集团财务共享中心 陶黎明 王琳 程帅 夏言 吉菲菲——《基于数据包络分析理论的集团公司投入产出效率评价模型的构建》

 

 

 

 

 

摘要：近年来，市场环境呈现多元化发展特点，激烈的市场竞争促使企业必须不断优化经营管理方式，了解经营管理中的各种影响因素，挖掘发展过程中的薄弱环节，降本增效，最大化企业经济效益。在这种大环境背景下，数智赋能与统计分析相结合是企业适应时代发展、有效提高经营管理水平的重要举措。数据建模作为一种常用的数据分析技术，是企业开展统计分析的重要方式。数据包络分析模型（简称DEA模型）是数据建模的一种非参数效率评估模型，近年来其应用范围逐步扩大到金融、煤炭、电力、人力资源等各行各业，为各类企业的经营管理提供科学的决策依据，帮助企业实现经营发展目标。本课题重点以淮河能源控股集团基于DEA理论的人力效率分析为依托，研究并论证DEA理论分析模型在煤炭企业的投入产出效率评价方面的应用，以及下一步与数智赋能相结合的推广价值。

 

关键词：统计分析 DEA模型 投入产出效率 评价

 

 

1研究背景

1.1数智赋能企业高质量发展的要求。

当前环境背景下，数智赋能是社会发展的重要标志，是推动企业转型升级的必然要求。数智赋能是推动企业转型升级的必然要求。数智赋能，关键在于“赋”，如何从庞杂的数据中挖掘有用信息并加以利用是关键，这就需要借助类似DEA模型等手段进行深入的分析、解剖、对比，才能找出数据背后反映的深层次问题，然后加以改进提高，促进企业健康可持续发展。

1.2统计更好服务企业发展的应有之义。

大数据时代，统计学的发展产生了深刻的变革，如何利用大数据让传统统计学更加具有生命力，使得统计更好服务企业发展，是统计人需要面对的重要课题。日常企业统计分析主要采取平均数法、指标对比法、图表法、比率法等，往往只是对一个或若干个指标简单的描述，单产出除以单投入，没有进一步考虑多投入多产出的效率评估，导致无法从整体上进行衡量分析，也无法从中挖掘数据背后存在的问题，提出明确具体的改进措施，导致统计分析往往流于形式，让管理者一看了之，没有起到服务于企业发展的作用。

1.3推动企业精细化管理的根本需要。

所谓精细化管理，就是要求以提高企业效率效益为目的，借助先进管理手段用具体的、明确的、量化的标准，取代笼统的、模糊的管理要求。企业通过“六效点评”、对标管理等机制，发现各单位之间存在的差距，但如何更好地改进和提高，弥补自身薄弱环节才是重点，不能为了评价而评价，提出的管理要求要更加具象化，才能直击问题要害，提高工作的针对性。如何实现精细化管理，弥补自身薄弱环节，这就要加强数据背后的统计分析，提出符合自身实际、循序渐进的改进措施、理念，对管理对象实施快速、准确的控制举措。在战略目标的选择上，也不能过于追求好高骛远的目标，造成短期资源投入上的浪费。

2研究意义

构建基于DEA理论的投入产出效率评价模型，旨在建立符合企业实际的指标评价管理体系，通过统计信息化系统建设，以数据建模、面板管理，搭建面向企业各个单位的统计分析平台。通过该评价模型衡量企业一个产业或单位所产出的产品或效益与投入的资源之间的关系，测量和评估其资源利用、经营管理等方面的效率和影响，同时结合对标管理，提出某个指标或者单元具体改进措施，从而推进精细化管理，提升企业管理水平。DEA理论评价模型在淮河能源控股集团应用的研究意义主要体现在以下三方面：

2.1有助于进一步改进绩效评价体系。集团公司现行的组织绩效、经营绩效、岗位绩效等绩效评价体系，是由不同产业板块、不同专业类别指标按照不同考核维度集成的，但不同维度考核指标权重在设置上具有较大的主观性。采用DEA建模分析，无需进行任何权重假设，该方法中的权重由数学规划产生，不需预先赋予权重值，对决策单元的评价相对比较公平，排除了主观因素，从而有助于更加真实客观的给予绩效评价分析。

2.2有助于进一步优化企业资源配置。随着集团公司产业规模不断扩大，资源投入越来多，如不能处理好规模与效率、绩效管理与评价应用的关系，必然导致投入产出效率低下、企业负担不断加重等管理问题。构建DEA效率评价模型，有助于对现行的效率评价方式做进一步改进和重塑，客观评价各单位、各产业板块投入产出水平，强化评价结果与企业问题诊断、预算配置、价值改进等应用场景的衔接性，优化企业资源配置，提高资源利用率，增强评价结果对经营管理的指导作用。

2.3有助于进一步自定义标杆管理内涵。企业战略发展，首要需要解决的是战略标杆的选择与制定的问题。DEA效率评价模型，有助于在选择战略标杆时，将行业内不同企业标杆信息数据带入其中，并在此基础上，为企业测算阶段性标杆或动态逐步标杆。通过选用合理的投入产出指标体系，从而确定企业现阶段最佳战略匹配标杆，减少不切实际的战略目标带来的资源投入浪费，提高边际效应。

3数据包络分析（DEA)理论概述

3.1 数据包络分析（Data Envelopment Anakysis)。 简称DEA，是一种分析被评价对象间相对非参数技术效率的评估方法。为保证决策单元间评价结果的公平性，决策单元必须是同质可比的，即具有相同的目标、外部环境以及投入产出指标。DEA用来同时评价具有多个投入产出指标的同质决策单元的相对效率，通过构建有效生产前沿面，以生产前沿面为标准测度所有决策单元的相对效率值，分析不同决策单元投入和产出组合的相对有效性及效率排序，以及决策单元没有达到有效的原因，对无效决策单元提出改进方法。

3.2 DEA模型介绍

数据包络分析模型种类较多，在效率分析中常用的模型可分为静态模型如CCR模型、BCC模型、超效率模型等，动态模型如Mamlquist指数模型。CCR模型假定规模报酬不变，即所有决策单元均处于最优规模的生产状态。CCR模型反映的是技术效率，在保持决策单元投入不变的前提下，实际产出同理想产出的比值。但实际生产中规模报酬是变化的，因此衍生出基于规模报酬可变的BCC模型，得出的技术效率排除了规模的影响，即纯技术效率，技术效率与规模效率的比值。但是BCC模型无法对有效决策单元再次进行排名，超效率模型的产生充分考虑了投入和产出的松弛量，可以有效对效率值为1的决策单元进行有效性排序，能够更准确地衡量决策单元的效率。Mamlquist指数模型主要针对在一个时间序列的效率变化情况，可分解为技术效率（EC）和技术进步（TC），技术效率即纯技术效率和规模效率的乘积，即全要素生产率（TFP）=技术效率（EC）×技术进步（TC）。

4 集团公司DEA模型分析的主要做法

4.1借助先进理念，搭建多维度投入产出指标体系。

建立评价模型的前提是根据评价目的，对影响决策单元效率的数据指标进行分析、筛选，选取投入与产出关联性强的关键指标，结合决策层关注重点，从不同维度构建形成投入产出指标体系，从而提高比较分析的实用性和针对性。

4.1.1指标选择遵循原则。一是目标性原则。指标体系应服务于评价目的，首先应考虑评价目的是什么，再考虑实现这些目的需要做什么，哪些因素影响着目标的实现，最后找出关键指标来支撑评价指标体系的构建。二是关联性原则。指标的选择不是越多越好，需要深入了解业务，了解影响目标实现的关键因素，分析各项数据指标之间的关联性，尽量选择比较典型、关联性较强的指标。三是可比性原则。作为一种多指标综合评价方法，必须强调指标间的可比性。可比性首先要可量化，不能用定性指标代替定量指标。其次要建立在决策单元类型相同或相似的基础上，如对煤矿生产效率比较，决策单元应该是煤矿，而不能把煤矿与电厂混同比较。

4.1.2指标体系搭建方法。搭建指标体系是为了建立全局视角，定位管理中的问题。遵循目标性、关联性、可比性三大原则。目前主要采取两种搭建方法：一是树状分类法，树状分类法是将父节点拆解成多个子节点再将子节点继续拆解成多个孙节点，直到无法再拆为止的思维方法。借助此方法，建立类似杜邦分析法的树状结构指标体系，让每个指标既相互关联，又有根可循。二是借助先进理念进行分类。树状结构分类法往往适用于对某一个目标的分解比较，如企业盈利水平等。对企业多维度综合性发展水平衡量比较或者对标分析，则需要借助先进理念进行交叉分类。如衡量本行业内若干能源集团发展能力水平，可基于五大发展理念构建指标体系，将创新发展、协调发展、绿色发展、开放发展和共享发展作为5个一级指标，然后根据一级指标按照“金字塔”拆解方式，细化二级、三级指标，从而更加科学合理的衡量一个企业综合发展水平。再比如，通过DEA分析模型确定一个企业战略标杆，可借助平衡计分卡理论，将“财务、顾客、内部流程、学习和成长”四个方面作为一级指标，分别从四个维度进行指标的筛选、标杆值的确定，从而更加系统全面进行战略目标的制定。

4.2强化数据管理，建立健全集团公司统计分析数据库。

数据真实性、完整性是评价分析的重要基础。淮河能源控股集团财务共享中心（以下简称“中心”）通过建机制、搭平台、立标准，充实完善统计数据库，不断强化数据管理水平。主要做法包括：

4.2.1建立数据管理责任体系。近年来，中心制定下发了集团公司统计工作管理办法，优化了组织流程,明晰了工作环节,明确了岗位职责，重点对数据管理程序进行了重新规范，明确了数据采集、处理、存储、报送、发布等环节的数据质量管控机制。

4.2.2建立统计专业数据标准。结合集团公司煤炭、煤电、清洁能源三大产业板块实际情况，中心编制了固定资产投资、综合、能源、建筑业等专业统计指标规范，明确了统计数据来源、计算方式、采集方式、报送要求等，从根本上改变了过去基层统计依靠口口相传、无明确标准的现状。

4.2.3 收集、编制二十年指标数据汇编。为确保统计数据完整性，中心组织梳理编制了《集团公司2001-2020年统计指标汇编》，通过对产值、生产、安全、运销等九大类统计指标梳理提炼，共收集整理统计指标约270项，其中一级指标约40项，二级指标约100项，三级指标约130项。二十年指标汇编弥补了过去历史数据的空白，为更好透过历史看趋势提供了坚实基础。

4.2.4搭建统计信息化平台。改变过去统计数据靠EXCEL表格方式，中心完成了生产、财务、劳资、运销、科研、综合等九大专业报表及统计手册信息化开发建设工作，初步建立形成统计数据库。目前，依托统计信息化系统二期建设，重点围绕统计管理、统计分析等模块进行开发，探索建立线上DEA数据分析模型，各单位通过系统直接导入投入和产出数据，即可生成相应的分析数据。

4.3固化标准化流程，提高建模分析的规范性。

结合DEA模型通常做法，中心固化了建模分析的标准化流程，简称为“三个阶段、六个步骤”。 

三个阶段：

4.3.1明确问题阶段。明确评价的目标，围绕评价目标对评价对象开展分析，确定各种因素的性质（可变或不变的、可控或不可控）考虑因素间可能的定性与定量关系，确定决策单元的边界，对决策单元的结构、层次进行分析，对结果进行定性的分析和预测。

4.3.2建模计算阶段。建立评价指标体系，选择决策单元，收集和整理的数据具有可获得性，选择适当的DEA模型进行计算。

4.3.3分析结果阶段。对结果进行比较和分析，找出无效单元无效的原因，提供改进途径。根据定性分析和预测结果考察评价结果的合理性。

围绕上述三个阶段，重点做好六个步骤：第一步，确定评价目标。第二步，选择决策单元（DMU）。第三步，建立投入产出指标库，并精筛指标。第四步，选择DEA模型，收集整理相关数据。第五步，开展DEA模型测算分析。第六步，给出综合评价分析结论。具体步骤见下图。

 

 

 

 

 

 

 

5集团公司DEA模型应用实例

人力资源是企业发展的关键因素，通过对企业人力资源科学管理和合理配置，不断优化岗位工种人员结构和数量，可以实现企业人力效能的最大化，促进企业生产效率提升。近年来，受市场经济的影响，煤炭行业竞争激烈，在此情形下，及时调整优化生产劳动力结构是降低煤矿企业生存压力、提高矿井生产效率的有效途径。

以DEA模型对煤矿的人力效率评估分析为例，采用超效率-BCC模型和Mamlquist指数模型对集团公司煤矿采掘一线生产劳动力人数配置情况与煤矿原煤产量及进尺的投入产出效率开展有效性评价，根据分析结果提出了生产劳动力组合优化建议，同时根据跨年度历史数据动态分析结果为企业煤炭产业发展趋势提供方向指导。

5.1决策单元选取。

淮河能源控股集团现有11对生产矿井，其中：安徽本土8对，蒙西鄂尔多斯3对。煤炭开采作为集团公司的支柱产业之一，煤炭开采生产效率的高低在很大程度上决定了企业能否可持续高质量发展。结合集团公司的产业背景，考虑到西部公司3对矿井开采坏境与本土矿井存在差异等外部因素影响，最终选取集团公司本土8对生产矿井作为决策单元（DMU)。

5.2指标选取及数据来源。

在投入指标的选择上，考虑指标数据的可获得性、准确性和全面性，根据DEA理论中拇指法则规定：决策单元个数至少要为评价指标个数的两倍。该模型构建了2投入2产出的指标体系，选取集团公司8对生产矿井采煤操作工平均人数、掘进操作工平均人数作为投入指标，原煤产量和掘进进尺作为产出指标。具体投入产出指标解释及数据来源见表1。

为了解8对矿井在2021年至2023年的时间序列里全要素生产率的变化，我们进一步采用Mamlquist指数模型测算分析不同年份间技术效率指数和技术进步指数变化对投入产出效率的影响。具体各年份的投入产出指标数据见表2。

5.3静态模型分析。

因劳动力作为投入要素较好调控，产出角度的产量受煤矿核定产能影响无法人为调控，最终选取投入导向DEA模型分析。考虑到CCR和BCC模型无法对弱有效的矿井进行排名和有效性分析，故采用超效率-BCC模型对8对矿井数据进行进一步测算。

 

根据表3有效性评价结果，分别从综合效率、纯技术效率、规模效率三方面对8对矿井的有效性进行排名。

结果分析：

5.3.1综合效率分析。综合技术效率是对决策单元的资源配置能力、资源使用效率等多方面能力的综合衡量与评价。

 

由表可以看出，从DEA测度的综合效率来看，2023年，D和E综合效率值大于1，均为DEA有效，其中D排名第一。其余6对矿井综合效率未达到DEA有效，其中A综合效率值0.724，有效性最低。说明2023年本土矿井在现有投入水平下，除D和E外，其余6对矿井还有较大提升空间。

5.3.2纯技术效率分析。纯技术效率是企业由于管理和技术等因素影响的生产效率。

    由表可以看出，从 DEA 测度的纯技术效率来看，除A和C外，其余6对矿井纯技术效率均大于1，实现了DEA有效。其中D纯技术效率值1.176为最高，E 纯技术效率值1.135次之。A和C的纯技术效率值小于1，说明A和C在劳动人员组合、人工效率改进等方面还存在提升空间。

5.3.3规模效率分析。规模效率是由于企业规模因素影响的生产效率。

由表可以看出，从 DEA 测度的规模效率来看，D规模效率值1.025，E、C接近于1，基本实现DEA有效。其余5对矿井均未达到DEA有效，说明在现有劳动力投入水平下，整体上没有实现生产规模的有效性，还有递增空间。

5.3.4投入冗余分析。投入冗余分析主要分析各变量需要减少多少投入才能达到目标效率。

 

表7反映了2023年各单位投入的冗余程度，冗余程度意味着按照该数值缩减后，单位能够达到技术有效。从投入冗余率来看，A、G、B采煤冗余率最大，H、F存在掘进冗余。

5.3.5历史维度分析。

如果只从当年数据来分析判断，由于数据样本较少，从而造成当年分析的结果中，达到DEA有效的单位较多。如果从历史维度进行分析判断，历史数据样本多，趋势更为明显，往往能帮助管理者更好发现问题。因此，我们在上述分析基础上，通过超效率-BCC静态模型对本土8对矿井过去三年数据进行了汇总分析，结果如下。

由表8可以看出，过去三年，集团公司各个单位综合效率值平均值均小于1，均未达到DEA有效，且综合效率值平均处于递减状态。综合效率平均最高的是D、其次是F、E。D、F虽然在2021年达到DEA有效，但在随后的两年，综合效率值却呈现递减趋势。A过去三年综合效率均排名最后，但效率值却呈现上升趋势，是八对矿井唯一递增的单位，说明其各项生产效率在努力改进提高，但较先进水平还有很大提升空间。

5.4动态模型分析

为进一步测算出8对矿井在不同时间序列的生产效率变化情况，在DEA-BCC 超效率静态分析的基础上，对2021年至2023年间的历史数据开展Mamlquist指数动态模型面板数据测算分析。

根据表9结果分单位来看，A、C、E全要素生产率均大于1，说明其全要素生产率相对于基期2021年有一定提高，其中A以1.094的全要素生产率水平综合排序第一，C次之，这也进一步验证了静态模型分析结果。B、D、F、G、H全要素生产率相对于基期2021年有一定下降。

从整体上来看，相比2021年基期水平，集团公司本土煤矿的平均全要素生产率0.926，呈现轻微下降趋势，主要受技术进步指数下降影响，说明本土矿井近三年来在生产技术设备投入、生产人员技能培训等方面重视程度还需加强，但技术效率指数呈上升趋势，即本土生产矿井在内部资源利用、生产作业效率、生产管理水平整体上是提升的。技术效率的提升主要是因为纯技术效率上升，规模效率三年内较为稳定。

根据表10结果分年份来看，2022年和2023年本土矿井全要素生产率均小于1，2022年全要素生产率较基期2021年下降，2023年又出现轻微回升趋势。2022年的技术效率指数和技术进步指数都呈现下降趋势，其中技术效率下降主要受规模效率下降的影响；2023年技术效率指数提升，但技术进步指数较低。

从整体上来看，本土矿井三年内全要素生产率平均呈下降趋势，说明矿井的平均生产力水平下降，主要受技术进步指数影响，说明矿井的设备更新改造、人员技能提升重视程度还不够，此外平均规模效率较基期下降，主要是2022年规模效率较低，与C、G因疫情停产有一定关系。

综上所述，提出如下建议：

一是适当缩减人员投入。一些部门的确存在人浮于事的现象。当实际劳动力的数量超过了工作量要求的合理劳动力时，这必然造成一些劳动力的空闲，导致投入的冗余。

二是重视设备更新改造，提高劳动人员素质。技术更新不及时、人员素质无法胜任本职工作也是造成冗余的原因之一。这种情况可以表现为实际劳动力生产出的产量低于合理的产出。一些劳动力没有充分发挥作用去生产产量，进而表现出冗余的特征。因此加快设备更新改造、提高劳动人员素质是应对冗余的对策之一。

三是优化劳动组合。劳动结构性组合不合理容易造成1+1<2，表现出冗余的特征。从采煤、掘进劳动力分布结构上来看，矿井在采煤、掘进用工结构配置上不合理，在一定程度上影响了矿井生产效率。可以根据矿井生产实际，对煤矿采掘人数比例分布开展量化分析，对富余人员进行岗位调剂，科学合理安排矿井各岗位生产劳动力人数，实现煤矿劳动生产效率提升。

当然，上述分析，只是从职工人数和产出量上给予的比较分析，在实际中，还要结合每个煤矿的具体情况，结合矿井赋存条件等客观因素影响，予以综合考量分析。

6 DEA模型分析的应用效果

6.1推进服务型统计建设，职能作用进一步彰显。

在夯实统计基础、强化数据质量基础上，中心以DEA模型构建为抓手，深入推进服务型统计建设，进一步强化自身职能作用。其次，统计人员在此过程中，通过开展大量现场调研和数据收集，以及与管理者的沟通，不断提高了统计人员综合素质能力，强化业统融合水平，增强了统计分析研判能力，统计数据为人应用的价值不断彰显。

6.2健全统计指标体系，推动完善高质量发展综合绩效评价。

建立完善高质量发展综合绩效评价是综合反映各单位高质量发展成效、引导树立正确政绩观的重要抓手，对引领和推动高质量发展具有重要作用。下一步，通过推广应用DEA分析模型，有助于进一步完善统计分析评价指标体系，结合新发展理念、六效管理理念等要求，科学设置反映高质量发展的统计指标。增强评价工作时效性，及时测算评价结果，全面反映各单位高质量发展情况，总结好的做法，看到差距和不足，更好发挥考核引领作用，形成良性的激励约束机制。

6.3统计赋能业务发展，推动资源高效利用和合理配置。

作为传统能源集团，企业整体体系较为庞大，只有实行业财、业统融合发展，才能让企业实现精细化运营。通过DEA模型分析帮助企业进一步深入挖掘统计数据价值，客观准确了解产业板块、内部系统间的运营状况，及时发现效率差异及影响因素。结合决策层关注的重点和堵点问题，通过建模分析研判，及时提出对策措施。业务单位根据评价结果结合生产实际，及时调整资源配置情况，优化人力、物力、财力配置，从而推进管理向精细化、科学化迈进。

7 DEA模型分析的推广应用价值

DEA数据建模在企业生产经营管理上具有广泛的应用前景和重要的实用价值，目前将DEA数据建模分析与企业管理相结合，在集团公司属于首次。下一步，可以信息化建设工作为依托，以建设“六全”智慧企业为牵引，以实现“四个替代”为目标，深入践行“自我应用要全、为人应用要真、交互应用要快”的应用内涵，将DEA建模分析与数智赋能相结合，通过信息化手段实现线上DEA建模分析，在集团公司范围内开展DEA模型分析的深入探索和推广。具体推广应用价值主要体现在以下三方面：

7.1集团公司“六效”分析应用。

集团公司2023年以来坚持“六效”提升引领机制，推动企业高质量发展。传统的效率分析主要采取单因素比率分析法，效率评价结果无法全面综合反映一个单位全貌，而DEA模型分析可较好解决企业多投入多产出的效率评估问题。具体来说，在当前集团公司“六效”点评分析机制基础上，运用DEA数据建模分析，结合集团公司生产经营实际情况，构建目前关注度较高、实际分析意义较强的企业投入产出指标体系。如将效率、效益、效果、效能、效应、效绩作为一级指标，按照六个维度，分别设置多指标的投入产出指标体系。以效率维度为例，矿井产业板块投入指标如吨煤成本、吨煤电耗、职工人数，产出指标如全员功效、岩巷单进、原煤煤质、钻机台效，从而更加全面了解掌握各单位在效率上存在的差距、改进着力点及提升目标。

7.2企业战略标杆管理应用。

战略目标的制定决定着企业内部资源配置、预算支出重点。一个好的战略规划必须与资源合理配置利用相结合，避免不切实际的战略规划导致的资源投入浪费。标杆管理作为一种追求竞争优势的管理方法，强调以标杆为导向，通过对比分析查找差距，制定改进措施，不断提升效率，在企业内被广泛采用。标杆管理在战略管理的应用与实践，首要解决的问题是战略标杆的选择与制定。 可以借助DEA分析模型，在每个维度上引入对标信息数据，从而更加精确寻找适合自身当前实际的战略标杆。平衡计分卡理论(BSC)是企业战略管理常用的管理工具。在制定战略标杆时，可以引入平衡计分卡维度，选择绩效好且效率稳定的若干个单位作为产业内的标杆，从财务、客户、内部流程、学习与成长四个维度分别设置对标指标，通过DEA模型计算，确定可实现综合效率最有效的捷径，明确不同维度的标杆企业和标杆值。对标管理是动态过程，企业可以应用DEA模型进行持续的效率评价，及时发现问题，跟踪改进，确保企业管理呈现螺旋式上升状态。

7.3内部生产经营管理问题诊断应用。

作为大型综合能源集团，生产工艺、生产流程复杂，涉及的环节和部门较多，在生产运营过程中难免存在效率低下的环节。作为管理者，如何实现生产流程的优化，合理配置资源，优化资产和人力资本结构，实现企业效益最大化是始终摆在面前的重要课题。DEA模型可以应用于微观指标数据的比较分析，通过组织系统或业务板块间效率分析，查摆问题根源，及时改进提高。如部门工作效率、安全投入、成本分析、劳动组合、专项资金使用、固定资产管理、设备性能、科研创新等等各个领域，通过不同决策单元效率差异分析，找出问题症结点，及时协调人力、物力、财力等资源，实现效率最大化。

参考文献：

[1]罗艳.基于DEA方法的指标选取和环境效率评价研究[D].中国科学技术大学博士学位论文，2012.

[2]姚平,黄文杰.基于DEA-Malquist模型对煤炭企业全要素生产效率的分析[J].资源开发与市场，2012.

[3]成刚. 数据包络分析方法与MaxDEA软件[M],        北京市：知识产权出版社,2014.