论文总字数：19262字

目 录

1 引言 1

2 产业结构优化度 2

2.1 灰色综合关联模型 2

2.1.1 灰色绝对关联度 2

2.1.2 灰色相对关联度 3

2.1.3 灰色综合关联度 3

2.2 产业结构优化度的定义 3

2.2.1 指标体系的建立 3

2.2.2 基于灰色综合关联度的产业优化度 4

3 产业结构优化效率 4

3.1 BCC 的DEA模型 5

3.2 Malmquist指数 6

3.2.1 Malmquist指数定义 6

3.3 改进的Bootstrap-DEA模型 8

4 各市子系统结构优化度的研究 9

4.1 并行DEA模型 10

5 主要研究结果及分析 12

5.1 数据类型 12

5.2 数据来源 12

5.3 产业结构优化效率 12

5.3.1 基于BCC模型的静态优化效率及BootStrap纠偏 13

5.4 动态Malmquist指数 13

5.5 并行DEA模型 15

5.5.1 指标的选取 15

5.5.2 结果与分析 16

6 讨论 17

参考文献 19

致谢 20

附录 21

基于动态DEA方法的江苏省各市产业

结构优化效率评价

陈天粟

Abstract: Based on the dynamic DEA model, this paper studies the efficiency of optimization of industrial structure in 13 cities in Jiangsu Province. In the establishment of the index system, we divided the industrial structure system into three sub-systems of environment, innovation and economy. Combined with the gray comprehensive correlation model, we put forward the quantitative method of optimization of industrial structure. In order to highlight the dynamic efficiency characteristics, BC²-DEA model and Malmquist index model are used to calculate the static efficiency and dynamic efficiency of optimization of industrial structure because of the dynamic and temporal continuity of industrial structure upgrading, then we analyze the industrial structure optimization efficiency of 13 prefecture-level cities in Jiangsu Province from 2013 to 2015 in the horizontal and vertical directions. The optimization efficiency of DEA and the Malmquist index can’t be used for statistical testing. The Bootstrap technique is used to adjust the rankings of the industrial structure optimization efficiency by nonparametric test method. In order to make more accurate decision-making recommendations, we need to understand the optimization efficiency of each sub-system in each city. The traditional DEA model is the "black box" type internal structure, so we use the parallel DEA model to draw out each city in 22015 Industrial structure optimization efficiency.

Keywords: Optimization of industrial structure; DEA-Malmquist; Bootstrap-DEA; Bootstrap-Malmquist; parallel DEA

1 引言

中国自改革开放以来，经济一直保持着迅猛增长的态势，数十年的增长使中国经济总量达到了世界第二。但自从世界经济危机来，全球经济有很大的下滑趋势，中国的经济增长也受到了负面的影响，虽然政府采取了一系列的措施，但经济增速在数年间下降。目前随着世界经济的逐渐回暖，中国经济的复苏也开始加速。但是由于在高速发展过程中，中国经济结构主要以粗放型的生产结构为主，如今这种结构已经存在着严重的问题，与中国目前的经济状况以及未来的发展方向产生了矛盾。因此，为了取得更长足的经济发展，中国经济迫切的需要转型，优化产业结构。产业结构的优化主要包括两个方面：高度化和合理化；高度化是指在整个产业结构重心从第一产业向二三产业转移，在各产业中以技术进步带动产业结构向更高层次演化；合理化是指保证各产业的持续协调发展。长三角是中国重要的发展引擎，江苏省作为长三角中的经济重镇，需要率先实现产业结构的优化转型，以保证区域经济的稳定与发展，同时其产业结构优化的经验对于其他省市有着重要借鉴意义。

针对产业结构优化程度的量化方法，国内外许多学者做出了研究。李博和胡进先^[1]研究得出了产业结构优化的最佳方式和评价方法，采用了投入产出模型对产业结构优化做出了判断，得到了影响较大的指标。之后得出了结论：中国产业结构的优化趋势是先升高后下降，而且得出的指标与实际的期望存在着差距。张久台^[2]改变了产业结构的测度模型，并且运用大量的城市数据验证了模型的可行性；文章发现影响产业结构高度化的最重要因素是第二产业和第三产业，其中第三产业的结构高度化不仅能够带来丰厚的经济利益，推动社会发展，还能够促进高新企业发展和科技创新，进而通过创新的科学技术促进第一产业和第二产业的产业结构高度化。李慧媛^[3]分析了对产业结构优化升级有重要影响的指标，运用了因子分析法对各个省份的产业结构做出了系统性评价。通过对研究结果的分析，文章得出中国产业结构重要影响因素有研究投入经费和外资依赖程度等科技投入指标和开放程度指标，而且这两个指标对中国产业结构的优化有正方向的影响。目前的方法大多停留在评价产业结构优化度的阶段，而没有考虑到产业优化过程中，产业结构调整的时间延续性；而且产业结构优化受到资源环境等一系列因素的制约，要使得产业结构调整的结果最优，应当因地制宜，根据各地区不同的情况，针对性的提高产业结构优化的效率。

为评价产业结构的优化效率，在此引入数据包络分析方法^[4](Data Envelopment Analysis，简称DEA)。该方法以线性规划为基础，以决策单元（Decision Making Unit,简称DMU）到有效生产前沿面的投影的偏离程度作为相对有效性。但是常规的DEA方法具有缺点：没有考虑到决策单元本身如何构成，将其作为黑箱，这种做法在复杂系统的研究中容易高估决策单元的效率。为此，Yang等^[5]讨论了决策单元内部含有子生产单位的情况，提出了并行的DEA模型—YMK模型，将并行系统的整体效率定义为YMK效率，提出了整体效率和子生产单位效率的测度方法，并验证了这两者间的关系。杨锋等^[6]运用并行的DEA模型评估了中国各省的农业生产效率。李静等^[7]运用并行DEA模型评估了我国工业部门的节能减排效率。他们的结果均显示出并行的DEA模型在分析复杂系统时得出的效率更加符合实际。

DEA方法的优点在于可以基于较小的数据量进行分析，而且不需要在投入和产出变量之间建立确定的关系式，这一优点符合产业结构的数据特征和问题本身的复杂性。目前国内关于用DEA方法研究产业结构主要是为了评价产业效率和产业结构优化程度，例如，马强和林文运^[8]用CCR模型对江苏省产业结构优化程度进行了分析并给出了建议，汪晓芳^[9]运用并行DEA模型对我国省会城市的产业效率做了评价。基于Wang等^[10]的研究和产业结构系统内部的结构特点，以及目前规划和评价指标体系的调整，我们提出了的产业结构优化度的评价指标，引入了产业结构优化效率的概念以评价江苏省各市在产业结构优化调整过程中的效率水平。

文章的第一部分建立了产业结构优化度测度的指标体系，并将指标划分为经济、创新、环境三个子系统。第二部分介绍了测算产业结构优化效率的DEA模型和Malmquist指数；第三部分介绍Bootstrap-DEA模型；第四部分是并行DEA模型的介绍；第五部分是针对2013~2015年的面板数据的DEA计算与分析：第六部分讨论了基于本问题可以拓展的网络DEA模型和DEA模型与统计方法结合。

2 产业结构优化度

2.1 灰色综合关联模型

2.1.1灰色绝对关联度

设为因素的行为序列，为序列算子，且

其中

剩余内容已隐藏，请支付后下载全文，论文总字数：19262字