基于GMDH和DEA的我国工业产出效率评价.docx

基于GMDH和DEA的我国工业产出效率评价
随着经济全球化的深入发展，各国工业产出效率评价越来越重要。本文将探讨基于GMDH和DEA的我国工业产出效率评价。
一、GMDH
GMDH是GeneralizedMultivariateRegression，也称作广义多元回归分析。GMDH模型可以通过数据挖掘中的自适应构建而得到高精度和强鲁棒性的共神经网络模型。在数据挖掘过程中，我们不仅需要用到有关变量，还需要使用多个寄生变量。
在工业产出效率评价中，GMDH模型主要应用于寻找变量之间的复杂关系，进而分析出不同层次的因素对工业产出效率的影响。以电子行业为例，GMDH模型可以帮助我们探测出电子行业的创新能力、资本水平、市场占有率等因素，以及它们之间的相互关系。
二、DEA
DEA是DataEnvelopmentAnalysis的缩写，即数据包络分析。该方法在管理学、经济学、运筹学、金融和环境科学等领域得到了广泛应用。DEA本质上是一种非参数技术，它用来评估相对效率而不是绝对效率。相对效率是指在考虑了不同输入和输出之后，与其他企业的效率水平相比，个体企业的效率水平。
在工业产出效率评价中，DEA模型主要应用于确定哪些工业企业在相同的资源条件下做得更好。例如，当我们要评估大型汽车制造商的效率时，我们可能考虑到一些输入变量，如总资产、员工数量、投资金额等，以及输出变量，如销售额、净利润等。使用DEA模型可以帮助我们找到那些在特定输入和输出条件下最具有效率的汽车制造商。
三、结合GMDH和DEA
基于GMDH和DEA的方法，可以将两者的优点发挥到最大。首先，使用GMDH模型分析工业企业的多个因素之间的关系，找到影响产出效率的主要因素；其次，使用DEA模型测量工业企业相对于其他企业的效率水平，以确定哪些企业可以在相同的资源条件下做得更好。
例如，在石油和天然气行业，我们可能考虑把诸如平均年龄、员工数量、总成本和产量等输入变量纳入考虑范围，而销售额、净利润等输出变量则被视为考虑的结果。使用基于GMDH-DEA的方法可以帮助我们分析多个因素之间的关系，以评估企业的效率水平。同时，这种方法还可以帮助我们确定哪些企业在相同的资源条件下运作得更有效率，以及如何改进其他企业的效率。
综上所述，基于GMDH和DEA的我国工业产出效率评价，不仅可以帮助我们发现哪些工业企业在特定的资源条件下比其他企业更有效率，还可以帮助我们识别影响产出效率的主要因素。这种方法的优点在于，可以将两种方法的优点结合起来，从而增强我们对工业产出效率的评估能力。