计算机前沿技术总结篇1
关键词：高技术产业；技术创新效率；创新效率评价方法；效率研究
中图分类号：F426文献标识码：a文章编号：1009-2374（2009）08-0003-02
我国高技术产业得到国家的大力支持，发展迅速，对于技术创新的投入不断增加，但技术创新的效率如何还是一个值得研究的问题。为了更好的对我国高技术产业技术创新效率进行研究，本文对已有的研究成果进行综述。
一、技术创新效率的主要评价方法
目前学术界对于技术创新效率的研究主要有两种方法，第一种方法为算术比例法，即用产出与投入的简单比例关系来表示投入产出绝对效率的高低，该方法简单易用，但仅适用于单指标的投入产出效率分析。第二种方法主要基于生产前沿面理论。所谓生产前沿面理论，是指通过分析某一待考察单位与效率前沿单位的偏离程度来衡量待考察单位的效率，其原型始于Farrell（1957）对英国农业生产力进行分析中所提出的数据包络思想。此后该理论不断发展，逐渐形成参数方法（parametricestimationmethod）和非参数方法（non-parametricestimationmethod）两大分支，两者的最大区别在于与参数方法相比，非参数方法没有参数方法研究中函数形式需要事先假定、参数估计的有效性和合理性需要检验等多方面问题，不去寻求生产前沿面的具体函数形式，而是直接应用观测数据构造出生产可能集上的生产前沿面，并利用生产前沿面进行经济分析。
（一）非参数方法
非参数方法包括数据包络分析法（Dea）和自由处置包方法（FDH）。Dea最初由Charnes、Cooper等人于1978年创立，这种方法以相对有效率概念为基础，根据一组关于输入―输出观察值来估计有效前沿面，并根据各决策单元（DmU）与有效生产前沿面的距离状况，确定各DmU是否有效。Dea模型根据前提假设的不同，分为投入导向法和产出导向法。投入导向法假设厂商为生产一定量的产出而努力实现成本最小化。相反地，产出导向法则假设厂商在给定成本约束下追求产出最大化。Coelli（1996）认为导向方法的不同对结论的影响微不足道。
另外一种非参数方法是自由处置包方法（FDH）。该方法是Dea模型的一个特例，连接Dea前沿各个顶点的线上的点没有被认定为效率前沿。FDH生产可能性集合仅仅由Dea顶点和这些顶点内部的自由排列点组成。由于FDH前沿与Dea前沿一致或者位于Dea前沿内部，所以用FDH方法计算得到的平均效率值通常高于用Dea方法计算的平均效率值（BrunoDBorger等，1998）。
（二）参数方法
参数方法主要适用于单产出和多投入的相对效率测算，它需要先设定一个投入产出函数，然后将该产出函数的误差项目设计成复合结构（这一结构中包含了衡量投入产出效率的随机项），并根据误差项的分布假设不同，采用相应的技术方法来估计生产函数中的各个参数，从而计算出投入产出效率。其最大优点是通过估计产出函数对投入产出的过程进行了描述，从而使对投入产出的效率估计得到了控制。参数方法大致可以分为随机前沿法（SFa）、厚前沿方法（tFa）、自由分布方法（DFa）等，其中使用最普遍的是SFa，其他两种方法都是这种方法的变形：
1．随机前沿方法（SFa）。aigner，Lovell和Schmidt（1977）率先提出了效率测度的随机前沿方法，随后被应用到对技术创新效率的评价。SFa通常先估计一个生产函数，其误差项是由无效率项和随机误差项构成的复合结构。正是由于无效率项和随机误差项的分离，从而确保了被估效率有效且一致，而且考虑了随机误差项对个体效率的影响。
2．厚前沿方法（tFa）同样定义了效率前沿的函数形式，但它是利用回归分析来估计生产函数的参数，得到的是一个穿过所有样本观测点“中心”的平均生产函数（BergerandHumphrey，1991）。tFa假定计算得到的效率值对预计的效率值的偏离，如果超出所有观测样本的上下限，则代表随机误差，如果这种偏离在上下限之内，则是由低效率引起的（Rienwagenvoort&paoulSchure，1999）。这种方法没对低效率值或随机误差的分布做任何假定，但认为低效率值在上下限之内波动，随机误差在这些区间中。tFa方法本身并没有给出单个决策单元效率点估计值，而试图通过估计最佳与最差效率差异得到效率的一般水平。tFa方法减少了样本数据中极值点对所计算的效率值的影响，这一点与Dea方法是一致的，所不同的是方法中剔除了极值点。
3.自由分布方法（DFa）也定义了效率前沿的函数形式，但以一种不同的方法区分低效率值和随机误差。与SFa不同的是，DFa没有像SFa一样指定低效率项的具体形式和随机误差的分布形式，也没有像tFa假定决策单元组内的方差是随机误差及决策单元组间的方差是低效率的，而是假定各决策单元的技术效率在一段时间内是稳定的，随机误差相互抵消，在一定时期内其均值为零（Berger，1993）。DFa在回归时需要使用时间序列和截面的面板数据，同时对效率水平的估计是一种混合估计。
黄永兴、张国庆（2007）运用参数方法测算了安徽省高技术产业的技术创新效率，罗亚非、焦玉灿（2007）运用Dea的方法对高技术产业中制造业的技术创新效率进行了研究，薛娜、赵曙东（2007）运用Dea的方法对江苏省高技术产业的技术创新效率进行了研究，郑洁、杨昌辉、徐晟（2008）运用SFa的方法对高技术产业中的医药制造业的技术创新效率进行了测算。
二、高技术产业技术创新效率研究的指标选择
技术创新效率研究是技术效率研究的一方面。Koopmans（1951）首先提出技术有效性的概念，认为如果在不增加其他投入（或减少其他产出）的情况下，技术上不可能增加任何产出（或减少任何投入），则该投入产出向量是技术有效的。之后不同的学者给出了技术效率的不同定义，如Debreu（1951）和Shephard（1953）以模型化方法描述多投入－多产出生产单元的技术效率，认为用距离函数测得生产单元与生产前沿面的距离即为技术效率。Farrell（1957）给出较有代表性的定义：技术效率是指在产出规模不变，市场价格不变的条件下，按照既定要素投入比例，生产一定量产品所需的最小成本和实际成本的百分比。国内学者李艳玲，潘杰义，陈h希（2005）把技术创新效率定义为“在技术创新过程中创新投入要素相对于产出能力的利用率，是技术创新能力的发挥和经济效益的重要体现”。技术创新是一个多要素投入和多变量的动态的复杂系统，难以直接衡量，必须通过替代指标间接衡量，学术界对替代指标的选择并无统一认识，一般有以下几种选择：
如薛娜、赵曙东（2007）研究江苏省高技术产业创新效率时选取投入指标为R&D活动人员折合全时当量、R&D经费内部支出、技术改造经费支出、技术引进经费支出、消化吸收经费支出，产出指标选取专利申请数、新产品销售利润。黄永兴、张国庆（2007）研究安徽省高技术产业创新效率时选取科技活动人员数、R&D活动人员折合全时当量、科技活动经费内部支出金额、R&D经费内部支出金额、科技机构个数作为投入指标。选取新产品产值占企业总产值的比例、新产品销售收入占企业总销售收入的比重、人均国内专利申请受理数、单个企业新产品开发项目数量作为产出指标。郑洁、杨昌辉、徐晟（2008）在研究医药制造业技术创新效率时选择R&D人员和R&D经费作为投入指标，选择专利申请量作为产出指标。郑坚、丁云龙（2007）专门论述了高技术产业技术创新效率的评价指标体系，认为高技术产业技术创新过程分为技术产出阶段和技术转化阶段，技术开发阶段的投入指标包括R&D资金投入（包括R&D经费内部支出、新产品开发经费支出、人均R&D经费内部支出、R&D经费内部支出占增加值比重、人均新产品开发经费支出、新产品开发经费支出占增加值比重），R&D人员投入（包括R&D活动人员折合全时当量、科学家和工程师人数、科学家和工程师所占比重），产出指标包括专利申请数、拥有发明专利数；技术转化阶段的投入包括技术投入（专利申请数、拥有发明专利数）、资金投入（购买国内技术经费支出、技术引进经费支出、技术改造经费支出、消化吸收经费支出）、人员投入（科技活动人员、科技活动人员占企业从业人员比重），产出指标包括新产品收益（新产品产值、新产品销售额、新产品出口额）、产品总收益（当年总产值、当年销售总额、当年销售利润）。
三、高技术产业技术创新效率主要影响因素研究
叶蓁，刘志迎（2006）运用随机前沿生产函数分析了行业中科学家和工程师人数占从业人员的比例、R&D经费内部支出占总销售收入的比例、新产品销售收入占总销售收入的比例、大型企业增加值占总增加值的比例、出货值占总产值的比例和时间变量等因素对高技术产业技术创新效率的影响。
吴翠花，万威武，祁敬宇（2005），陈庆杰在分析影响科技型中小企业技术创新效率的因素时认为这些因素可以分为外部因素和内部因素。外部因素主要包括技术分工的高级化和专门化趋势，技术进步的驱动，经济全球化、一体化趋势的增强等；内部因素主要包括管理者的素质，科技人员有充分的自由空间，中小企业R&D投入产出比例，企业内部层级少、组织结构简单等。
黄永兴、张国庆（2007）认为技术创新效率与产业的技术含量有关，技术含量低的产业技术创新效率搞，技术含量高的产业技术创新效率低；
池仁勇，唐根年（2004）分析了区域技术创新效率影响因素，也可借鉴。他们认为区域技术创新效率受企业制度的创新倾向性、R&D人员人均经费、大中型企业的比重和产业集群度等因素的影响。他们通过Dea方法测算得出以下结论：第一，如果一个地区国有企业和集体企业比重下降一个百分点，效率将增加0.3%；第二，保证研发人员一定的科研经费是有利于效率提高；第三，区域内存在一定数量的大中型企业，会带动一些小企业进行技术创新，有利于提高整个区域技术创新；第四，地域产业集群有利于技术创新效率提高；第五，区域政府科技经费投入比重和企业R&D投入强度对创新效率没有显著影响。
计算机前沿技术总结篇2
关键词：生态全要素能源效率；SBm-Undesirable模型；共同前沿函数；共同技术比率
中图分类号：F0615文献标识码：a文章编号：1001-148X（2017）04-0154-07
能源短缺和环境污染已成为世界关注的焦点，大力推进节能减排，发展绿色经济成为全球新的趋势。2015年《Bp世界能源统计年鉴》数据显示，2014年中国仍然是世界上最大的能源消费市场和最大的碳排放量国家。我国十二五规划提出，到2015年单位国内生产总值能源消耗降低16%，So2和CoD排放减少8%，Co2减少17%；十三五规划也明确提出，要大幅度提高能源资源开发利用效率，有效控制能源、水资源以及建设用地消耗，大幅度减少主要污染物排放总量，并逐步降低二氧化碳排放量。提高能源利用效率、加快能源结构转变是未来实现经济社会绿色发展的必然选择。
一、文献综述
数据包络分析（Dea）由于能够提供全要素能源效率指标，因此被广泛运用到能源效率分析。然而，许多文献[1-2]都是基于径向效率测度方法，由于忽略了松弛变量，导致估计出来的能源效率值过高[3]。为了克服这个问题，tone（2001）[4]在Dea中引入基于松弛变量的测度方法（SlacksBasedmeasure，SBm）测度技术效率，这种方法具有非径向、非导向的特点。Zhouetal.（2006）[5]将非期望产出纳入到SBm模型对环境效率进行测算。最近的一些文献都采用SBm方法测度中国的生态全要素能源效率和碳生产率[6-7]。
尽管相关研究在技术上取得了很大的进步，但仍存在一个最基本的限制，就是都没有考虑到不同地区之间的生产技术存在区域异质性，因此测度出来的能源效率值是有偏的[8]。我国地域辽阔，经济发展不均衡，工业发展差异较大，因此不同省份之间存在生产技术上的差距。因此，假设所有的省份都具有相同的生产技术，相对过于严格。而“共同前沿方法”可以克服这些限制，一些研究已经将共同前沿方法纳入到方向性距离函数（DDF）框架里面[9-10]。本文在已有研究的基础上将SBm和共同前沿方法相结合测度考虑地区异质性的中国工业生态全要素能源效率。
二、研究方法
（一）非期望产出的SBm模型
本文将每一个省的工业行业视为生产决策单元（DmU），由此构造中国30个省市每一个时期的生产前沿面。根据Fre等（2007）[11]的思路，假设每一个地区使用投入要素
。
根据toneCooper等（2001）[12]提出的SBm处理方法，中国生态全要素能源效率测度的SBm模型如下：
b0表示投入、期望产出和非期望产出要素；ρ*为目标函数；λ表示投入要素权重的列向量；s-、sg、sb分别表示各项投入、期望产出和非期望产出指标的松弛向量；m、s1、s2分别为投入、期望产出和非期望产出的个数。当投入和产出约束越松弛，即s-、sg、sb的值越大，则决策单元的效率值就越低。当s-=0、sg=0、sb=0时，决策单元的效率值ρ*=1，表示决策单元SBm有效，处在最优解情况下。否则决策单元无效，还可以通过改进，达到最优效率。
（二）meta-frontier生产函数
由于我国不同省域之间存在异质性，因此各地区面对的生产前沿也必然存在一定的差异。此时，如果继续使用总体样本进行工业生态全要素能源效率的评价，将无法真实反映各省区的工业生态全要素能源效率。针对这一现象，Battese等（2004）[13]提出共同边界生产函数（meta-frontierproductionFunction）的分析框架，其主要思想是：首先依据一定标准将DmU划分为不同的群组，然后采用随机前沿分析方法（SFa）界定所有DmU的共同前沿和各组DmU的群组前沿，测算出共同前沿技术效率和群组前沿技术效率，接着比较两者之间的技术缺口率（technologyGapRatio，tGR）。
后来，Battese等（2004）[13]、o’Donnell等（2008）[14]进行了改进，用Dea方法取代了随机前沿分析方法（SFa），并采用线性规划法构建了共同前沿和群组前沿，并将共同前沿技术效率分解成群组前沿技术效率（Grouptechnicalefficiency，Gte）和共同技术比率（meta-technologyRatio，mtR）两者的乘积。包含了非期望产出的共同前沿技术的集合为：
能够生产出
其中，x、yg、yb分别表示投入向量、期望产出向量和非期望产出向量。与之相对应的生产可能性集定义为：
根据经典效率理论，此时共同技术效率等价于共同距离函数，其函数形式可以表示为：
同理，根据国家统计局网站划分，将我国划分为东、中、西三个群组（i=1，2，3），DmU所在的群组技术集合为：
能够生产出群组所对应的可能性生产集为：
等价于群组技术效率（Grouptechnicalefficiency）的群组距离函数为：
由于共同前沿技术是群组前沿技术的包络曲线，满足共同前沿框架下的共同技术比率（mtR），也叫做技术缺口率（tGR），反映的是群组前沿跟共同前沿技术水平之间的差距。共同技术比率（mtR）越大，说明群组前沿技术越接近共同前沿技术水平，即实际生产技术效率（水平）越高。反之，则说明实际生产技术效率（水平）越低。其表达式如下：
进一步可将代表潜在生产技术水平的共同技术效率（mte）分解成代表实际生产技术水平的群组技术（Gte）和共同技术比率（mtR）两者之间的乘积：
为了分析不同地区生态能源效率差异的内在原因，进一步挖掘各地区生态能源效率提升潜力，借鉴Chiu（2012）的做法，将各省份共同前沿下的生态全要素能源利用无效率（ie）分解为技术差距无效率（tie）和管理无效率（mie）两个部分。
其中，tie代表的是不同省份之间由于生产技术上的差异所导致的无效率，mie表示的是一个地区在一定的技术水平下内部管理能力差异导致的无效率。
（三）指标选取与数据来源
按照上述理论方法，考虑到数据的完整性和可获得性，本文选取剔除以及港澳台地区以外的中国大陆地区30个省市工业部门2004-2014年包含了生产要素投入、期望产出和非期望产出的原始数据。数据来源主要有历年的《中国工业经济统计年鉴》、epS数据库以及国泰安金融数据库。相关数据的处理如下：
1.期望产出。考虑到污染排放总是贯穿于工业生产的全过程，因此本文选取工业总产值作为期望产出，并用以2004年为基期的工业品出厂价格指数进行平减。由于从2013年开始，《中国工业经济统计年鉴》改为《中国工业统计年鉴》，不再公布工业总产值的数据，因此分别利用2012、2013、2014年与2011年“工业销售产值”的比重计算。
2.非期望产出。本文选取Co2、工业So2和工业CoD排放量作为非期望产出。（1）由于Co2排放主要来自化石能源燃烧和水泥生产。因此本文根据ipCC（2006）和杜立民（2010）的计算方法对Co2排放量进行了测算。（2）工业So2和CoD排放量从epS数据库可以直接获取。
3.要素投入。本文要素投入主要考虑资本、劳动和能源投入。资本投入：首先采用固定资产投资原值减去累计折旧的差值，再以2004年为基期的固定资产投资价格指数对差值进行平减，最终得到工业部门固定资产投资净值作为固定资本存量的替代变量。劳动投入：选取工业行业职工年平均人数来表示。能源投入：选用地区能源消耗总量来表示。
三、省际生态全要素能源效率测算结果与分析
表1是在共同前沿和群组前沿下2004-2014年我国30个省市的生态全要素能源效率的测算结果。可知，我国生态全要素能源效率水平总体偏低，区域差异比较明显。在共同前沿下，各群组生态全要素能源效率值（mte）从高到低排列依次为东部、中部和西部，其值分别为0858、0614和0482。这表明，如果采用潜在的最优生产技术，东部地区还有142%的效率提升空间；同理，中部和西部地区仍将分别有386%和518%的效率提升空间。从具体群组来看：（1）在东部地区群组中，平均群组技术效率表现最佳的是北京、上海和江苏，这三个地区对应的Gte值和mte值都达到1000，达到生产的最优状态；表现最差的三个省份分别是辽宁、河北和海南，其对应的Gte值和mte值都相等，分别为0712、0661和0625。这表明将环境因素纳入生产效率衡量框架之后，无论是与东部地区群组前沿最优生产技术还是与共同前沿最优生产技术相比较，这三个省份在生产上都仍有288%、339%和375%的效率提升空间。同时，东部地区的Gte值和mte值差距均为零，表明东部地区本身就代表先进能源利用水平。（2）在中部地区群组中，群组前沿效率值均大于共同前沿效率值。与群组前沿生产技术相比较，吉林的Gte表现最佳达到1000，而表现最差的山西仅为0559，说明山西在生产上还有441%的效率提升空间。同理，与共同前沿生产技术相比较，吉林和山西两个地区分别有322%和595%的效率提升空间。（3）在西部地^群组中，群组前沿效率均大于共同前沿效率值。与群组前沿生产技术相比较，陕西Gte值表现最佳达到1000，而表现最差的宁夏在生产上还有362%的效率提升空间；而与共同前沿生产技术相比较，两个地区则仍分别有473%和609%的效率提升空间。
注：所有均值为几何平均。
注：所有均值为算数平均值。
共同技术比率（mtR）反映了特定群组技术水平与潜在共同前沿技术水平之间的缺口。当mtR越大，表示DmU的实际技术水平越接近共同前沿最优技术水平。由表1可知，三大群组的mtR均值从高到低的排列同样是东部、中部和西部地区。其中，东部地区的mtR平均值都达到了1，表明东部地区的技术水平基本上代表共同前沿最优技术水平，内部不存在技术差距，因此未来东部，如河北、辽宁和海南等地区要着重提高群组前沿下的能源利用效率，充分挖掘节能潜力。中部地区mtR值为0735，还有较大的改善空间，因此缩小技术差距，是提高生态能源效率的关键。西部地区mtR值仅为0560，在三个地区中最小，结合上面的分析可知，技术效率低和技术差距大已经成为西部地区提高生态能源效率的两个重要因素。
为了进一步分析三大地区生态能源效率差距扩大的根源，挖掘生态能源效率提升的制约因素，本文分析了30个省市共同前沿下的生态能源利用无效率（ie）以及技术无效率（tie）与管理无效率（mie），具体分解结果见表2。其中东部地区11个省市的tie值均为0，而mie均值为0148，说明东部地区拥有最好的生产技术和经济发展环境，能源利用无效率都是因为管理无效率造成的，东部地区未来应该进一步提高管理效率。中部地区一方面mie值在三个群组中最大，达到0166；另一方面tie值对整个中部群组能源利用无效率的贡献率达到了591%，因此中部地区未来要同时要考虑改善技术和提高管理效率的双重任务。西部地区mie值在三个群组中最小，仅为0139，而tie值最大，达到0379。其中，tie值占到整个能源利用无效率的733%，可见西部地区相对来说能源利用技术严重落后，因此提高能源利用技术环境，积极吸收和引进东部地区先进生产技术是提高能源效率的重中之重。
四、中国生态全要素能源效率差异的影响因素分析
（一）指标选取
上面已经通过meta-frontier方法获得各个地区的群组生态全要素能源效率值和共同生态全要素能源效率值，但是哪些因素影响地区生态全要素能源效率仍然值得进一步讨论。在参考相关研究[14-15]的基础上，本文主要选择以下几个主要影响因素：产业结构（indus）采用第二产业增加值占地区GDp的比重来表示；对外开放程度（open）用地区进出口总额占生产总值的比重来表示；研发投入（rd）采用研发经费内部支出占工业增加值的比重来表示；环境规制（er）采用环境污染治理投资总额占工业增加值的比重来表示；政府干预（gov）采用政府财政支出占地区gdp的比重来表示。
（二）模型设定与实证分析
由于共同前沿方法测算出来的效率评价值均介于0-1之间，所以若用普通最小二乘法对模型进行回归分析，会导致参数估计有偏误。为了克服以上结果，本文采用tobit截断回归模型，分析外部环境变量对生态能源效率所产生的影响。模型构建如下：
其中，yit为第i个省的生态全要素能源效率，解释变量xit为生态全要素能源效率的影响因素，β为待估参数，υit～n（0，σ2）表示随机效应，εit～n（0，σε）表示随机干扰项。
利用上式，先后采用混合回归和随机效应回归分析各变量对共同前沿生态能源效率的影响，最终决定采用随机效应的面板tobit回归，结果如表3所示。
注：*、**、***分别表示10%、5%、1%的显著性水平。
产业结构对全国和三大群组的生态全要素能源效率影响均为负，即工业增加值比重越高，生态全要素能源效率越低，这反映出我国当前工业发展仍然处于高能耗、高污染排放阶段，工业比重的上升对生态全要素能源效率产生了负面的影响。其中产业结构对中部地区影响最大，达到-1012，其次是西部-0681，而对东部地区影响并不显著。说明，过去中西部地区在承接产业转移过程中是以牺牲资源和环境为代价换取工业的快速发展；而东部地区由于过去一直不断升级和优化产业结构，转变经济发展方式，追求绿色增长。因此未来，加快中西部地区的产业结构调整是提高我国生态全要素能源效率的关键。
对外开放程度对全国、东、西部地区显著为正，而对中部地区并不显著。这是因为扩大对外开放会带来两方面的影响：一方面可以吸收和引进国外先进的生产设备、生产技术和管理经验，降低单位产出所需要的能源消耗和污染排放，提高生态全要素能源效率；另一方面也存在将国外一些污染较为严重的产业转移到内地，成为外资的“污染天堂”。根据实证结果可以发现，从全国来说提高对外开放程度能带来显著的正向作用；而从局部来说，中部地区在加快对外开放的同时，应该进一步提高外资进入门槛和环境管制要求。
研发投入对中西部地区显著为正，而对东部地区并不显著。具体而言，全国、中、西部的研发投入每增加一个百分点，mte分别增加4210%、4401%和2130%。这可能是由于长期以来我国中西部地区工业研发实力较为薄弱，因此研发投入的边际产出绩效较高，研发投入能够对生态全要素能源效率的提高起到积极的推动作用。
环境规制对全国以及三大群组的影响较为一致，都是呈显著的负相关关系。这可能是跟指标选择工业污染治理投资完成额占工业增加值的比重有关。一方面，工业污染治理是属于环境保护的“末端治理”，并未对生产过程和生产环节产生直接的影响，因而不会直接提高工业企业的生产技术；另一方面环境规制越严格，意味着工业污染治理投资完成额越高，因此企业用于生产和研发的资金相对减少，由此产生的“挤出效应”，限制了企业规模扩大和技术提高，不利于工业企业能源效率的提高。因此，选择有效的环境规制工具，制定合理环境规制执行标准，才能有效提高我国各地区的生态全要素能源效率。
政府干预对生态能源效率的提高均起到正向的促进作用。许多以往的研究结果都认为，政府干预越大越容易出现权力寻租，导致资源配置效率低下，从而降低能源的使用效率。而本文的研究跟以往的研究结论不同，这可能是由于本文在测算生态全要素能源效率过程中，同时考虑了工业So2、Co2和CoD三种环境要素，这与以往没有考虑环境因素或只考虑其中一种环境因素所得出的结果不同。其次，能源消费产生的环境污染具有负的外部性，需要政府的引导干预才能更好地促进企业节能减排。最后，企业生产需要的一些绿色技术也需要政府的介入才能更好地推广和应用。
五、结论和建议
本文在共同前沿分析框架下，利用非参数SBm-Undesirable方法测算了2004-2014年中国各省区工业生态全要素能源效率，以及东、中和西部地区的共同技术比率（mtR），并分析了其影响因素。得出以下结论：
（1）总体上看我国三大群组共同前沿生态全要素能源效率（mte）和共同技g比率（mtR）区域差异较为明显，呈现出“东-中-西”依次递减的格局。
（2）而从群组前沿生态全要素能源效率（Gte）来看，三大群组从高到低的排序依次为西部、中部和东部。
（3）生态全要素能源利用无效率均值分解来看，东部群组能源利用无效率都是因为管理无效率造成的，中部群组技术无效率和管理无效率同时显著存在，而西部群组技术无效率最为明显。
（4）面板tobit回归结果表明，产业结构、对外开放程度、研发投入、环境规制、政府干预对共同前沿生态全要素能源效率的影响方向和影响程度都不尽相同。其中：产业结构的影响为负值；对外开放所带来的外资技术溢出效应大于污染效应，有助于提高我国的能源利用效率；研发投入对生态全要素能源效率的影响方向为正，且影响力度最大；环境规制对全国以及三大群组的影响均呈显著的负相关关系；政府干预对生态能源效率的提高起到正向的促进作用。
基于以上结论本文提出以下建议：
（1）进一步加大节能减排的力度，调整能源供应结构，显著提高清洁能源比重，加快工业发展向高效低碳化转变。其中，东部地区一方面要总结和推广好先进的生产技术，另一方面要进一步完善和提高管理效率，充分挖掘地区内部节能潜力。中部地区要通过积极吸收和引进东部先进的生产技术，通过技术升级来提高能源利用效率；西部地区要学习和借鉴国内外先进的生产和管理技术，改善能源效率。
（2）调整产业结构，促进经济结构实质性、大力度调整。通过大力发展现代服务业和战略性新兴产业，运用高新技术改造提升传统产业等方式来显著降低高耗能、高排放、低附加值工业部门或者生产环节的比重。
（3）加强绿色技术创新和应用，促进绿色低碳技术成果产业化。通过集中资源超前部署相关基础研究和前沿技术研究，加强公共研发机构和实验平台建设，加快建立以企业为主体的技术创新体系，依托自主化工程、重大项目国产化率等要求，促进绿色低碳技术成果产业化。
（4）完善地方政府和企业领导的考核机制。将考核重心从过去唯GDp、唯经济总量增长和唯经济效益调整到以绿色生产和绿色消费上来。彻底从体制上解决地方政府盲目热衷重化工业发展，绿色发展动力不足的问题，充分释放政府干预在节能减排中的作用。
（5）加大外资引进力度，扩大对外开放水平。一方面要通过制定积极地财政金融政策吸引境外资本流入；另一方面也要提高外资进入“绿色门槛”，引导外资向干净清洁、污染小的环保产业流动。
参考文献：
[1]YehtL，ChentY，LaipY.acomparativestudyofenergyutilizationefficiencybetweentaiwanandChina[J].energypolicy，2010，38（5）：2386-2394.
[2]wuF，FanLw，Zhoup，etal.industrialenergyefficiencywithCo2，emissionsinChina：anonparametricanalysis[J].energypolicy，2012，49（1）：164-172.
[3]FukuyamaH，weberwL.aDirectionalSlacks：Basedmeasureoftechnicalinefficiency[J].Socio-economicplanningSciences，2009，43（4）：274-287.
[4]toneK.aSlacksBasedmeasureofefficiencyinDataenvelopmentanalysis[J].europeanJournalofoperationalResearch，2001，130（1）：498-509.
[5]Zhoup，angBw，pohKL.Slacks-basedefficiencymeasuresformodelingenvironmentalperformance[J].ecologicaleconomics，2006，60（1）：111-118.
[6]ChoiY，Zhangn，Zhoup.efficiencyandabatementcostsofenergy-relatedCo2，emissionsinChina：aslacks-basedefficiencymeasure[J].appliedenergy，2012，98（5）：198-208.
[7]Chen，Shiyi.environmentalpollutionemissions，regionalproductivitygrowthandecologicaleconomicdevelopmentinChina[J].ChinaeconomicReview，2015，35：171-182.
[8]BatteseGe，o′DonnellCJ.ametafrontierproductionfunctionforestimationoftechnicalefficienciesandtechnologygapsforfirmsoperatingunderdifferenttechnologies[J].Journalofproductivityanalysis，2004，21（1）：91-103.
[9]Zhangn，Zhoup，ChoiY.energyefficiency，Co2，emissionperformanceandtechnologygapsinfossilfuelelectricitygenerationinKorea：ameta-frontiernon-radialdirectionaldistancefunctionanalysis[J].energypolicy，2013，56（2）：653-662.
[10]Zhangn，ChoiY.environmentalenergyefficiencyofChina’sRegionaleconomies：anon-orientedslacks-basedmeasureanalysis[J].SocialScienceJournal，2013，50：225-234.
[11]FreR，GrosskopfS，pasurkaCa.environmentalproductionfunctionsandenvironmentaldirectionaldistancefunctions[J].SsrnelectronicJournal，2007，32（7）：1055-1066.
[12]toneK.aslacks-basedmeasureofefficiencyindataenvelopmentanalysis[J].europeanJournalofoperationalResearch，2001，130：498-509.
[13]BatteseGe，o’DonnellCJ.ametafrontierproductionfunctionforestimationoftechnicalefficienciesandtechnologygapsforfirmsoperatingunderdifferenttechnologies[J].Journalofproductivityanalysis，2004，21（1）：91-103.
[14]o’DonnellCJ，RaoDSp，BatteseGe.metafrontierframeworksforthestudyoffirm-levelefficienciesandtechnologyratios[J].empiricaleconomics，2008，34（2）：231-255.
[15]ChiuCR，LiouJL，wupi，etal.Decompositionoftheenvironmentinefficiencyofthemetafrontierwithundesirableoutput[J].energyeconomics，2012，34（5）：1392-1399.
收稿日期：2016-11-27
计算机前沿技术总结篇3
1.1数据来源与处理说明该文选择了北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个东部地区，山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个中部地区，内蒙古、广西、四川、重庆、贵州、云南、、陕西、甘肃、宁夏、青海、新疆12个西部地区全国共31个省(市、自治区)作为样本。时间跨度为2000～2011年这一时期。该文研究的财政支农支出主要包括农业支出、林业支出、支援农村生产支出、农业综合开发支出、农林水利气象等部门事业费，基础数据均来自于各年《中国统计年鉴》。其他有关各省份投入产出指标的基础数据均来自于各年《中国统计年鉴》，其中农村居民家庭年均生产性固定资产原值数据由每两年年底数平均而来，2006年和2011年第一产业从业人员数据来源于各省《统计年鉴》，为了消除物价变动的影响，该文运用以2000年为基期的价格指数对相关变量进行了调整，并经计算整理成面板数据。
1.2SFa(随机前沿分析)模型设定与变量选取随机前沿方法(Stochasticfrontieranalysis)最早由Farrell(1957)提出，发展于20世纪70年代末，模型基本上可以表达为:y=f(x，β)•exp(v－u)，其中，y代表产出、x表示一组矢量投入、β为一组待定的矢量参数。误差项exp(v－u)为复合结构，第一部分v服从n(0，σ2v)分布，v∈iid(独立同分布)，表示统计误差项;第二部分u≥0，用以表示那些仅仅对某个个体所具有的冲击。因此，该个体的技术效率状态则用te=exp(－u)来表示。这样的话，当u=0时，厂商就恰好处于生产前沿上;若u＞0，厂商就处于生产前沿下方，也就是处于非技术效率状态。该文根据Battese＆Coelli(1995)模型的基本原理，采用基于对数型Cobb-Douglas生产函数的随机前沿生产函数模型，对中国各省的农业技术效率水平及各省财政支农在其中的影响进行测算。所建立的随机前沿生产函数和效率损失模型如下。其中i和t分别表示省份和年份，在(1)式中，选取农业总产值(亿元)作为产出变量yit，表示第i省(市、自治区)在第t年的总产值(折算为2000年不变价格)，Lit、K1it、K2it、K3it表示一组投入要素变量，Lit代表人力投入，选取第i省(市、自治区)第t年第一产业从业人员(万人)，K1it、K2it代表资本投入，在综合考虑了数据的可获得性和代表内容丰富性后，分别选取农村居民家庭年均生产性固定资产原值(元/户)、按折纯量计算的化肥投入量(万t);K3it代表土地投入，因《中国统计年鉴》耕地面积指标数据只统计到2008年，因此该文考虑选取了农作物总播种面积(万hm2)。α、β1、β2、β3为一组待估计的参数。ε=vit－uit是组合误差项，在模型中假定:①vit～iid，并服从n(0，σ2v)，表示由于设定误差、测量误差以及随机因素对前沿面的影响;②uit≥0，它反映那些在第t时期仅仅影响第i省份的随机因素。uit～n(mit，σ2it)的截断正态分布(截去uit＜0的部分)，且vit和uit相互独立。在(2)式中，fiscali、easti、midi为影响农业技术效率的因素，δj(j=0，1，2，3)为一组待估参数。该文考虑地方财政支农支出fiscali对农业技术效率的影响，同时考虑区域差异对农业效率的影响，east、mid为虚拟变量，east为各省份处于东部地区的虚拟变量，如果该省份处于东部就是1，否则为0;mid为各省份处于中部地区的虚拟变量，如果该省份处于中部就为1，否则为0。在(3)式表示随机扰动项中技术无效率所占的比率。当γ接近于1，表明误差主要来源于技术无效率;当γ接近于0，表明所测的第i省份生产点均位于生产前沿面上，则无需使用SFa技术分析，直接运用oLS方法即可。该文主要分析了地方财政支农支出、各省份所处的地理位置对农业技术效率的影响程度。当然，影响农业技术效率的因素还有很多，但根据该文的研究思想，主要侧重于财政支农支出对农业技术效率的影响分析。
2地方财政支农支出对农业技术效率影响的省际差异实证分析
表1随机前沿生产函数及效率损失函数估计结果变量系数标准差t统计值a2.569*0.3227.977α0.162*0.0354.647β1－0.0180.019－0.941β20.252*0.0366.984β30.399*0.0468.694δ02.143*0.18611.550δ1－0.272*0.014－19.538δ2－0.421*0.040－10.592δ30.0490.0361.363γ0.999*0.002573.768最大似然估计函数对数值60.147LR单边检验误差422.297注:*、＊＊、＊＊＊分别表示在1%、5%、10%的显著性水平上显著。LR为似然比检验统计量，此处它符合混合卡方分布
2.1技术效率损失估计结果分析根据上述数据，用最大似然估计法进行估计，采用前沿生产函数的专用程序FRontieR－Xp4.1软件进行计算，得到随机前沿生产函数和效率损失函数的估计结果如表1，全国各省市农业技术效率水平及东、中、西部平均农业技术效率如表2。从模型检验γ值来看，γ=0.999，并且其t统计值和LR单边检验误差的t统计值均通过了1%的显著性检验，说明在技术效率影响中，技术非效率u项占99%以上，远大于统计误差项v，因此说明技术非效率是显著存在的，SFa模型使用正确。从农业劳动力投入、生产性固定资产原值、化肥量和播种面积的产出弹性看，截距项a=2.569，α(劳动力)=0.162，β1(固定资产)=－0.018，β2(化肥)=0.252，β3(农作物播种面积)=0.399，且α、β2、β3均通过了1%水平下的显著性检验，经比较，农作物总播种面积的产出弹性最大，即总播种面积每增加1%，农业总产出就增加0.399个百分点，说明我国在播种面积的总量上有很大进步，从2000年仅有1.5630亿hm2增加到1.62283亿hm2，增加将近1000万hm2，然而耕地面积有限，播种面积的增多，一方面表明近年来对荒地的开发多，另一方面说明种植技术水平的提高，让农作物成熟时间缩短，增加种植效率;其次是化肥施用量每增加1%，农业总产出就会增长0.252个百分点，近30年，我国为满足粮食生产的需要，目前已经是全球化肥投入水平最高的地区之一，然而化肥的过多使用，会造成土壤酸化，加剧环境污染，因此不能通过无限制的增加化肥施用量来增加农业产出;近些年，随着国家政策的推进，越来越多的农村劳动力开始慢慢向二、三产业转移，致使各省市的农业劳动力逐年缩减，因此农业劳动力每增加1%，农业总产出会增加0.162个百分点，低于其他因素影响程度;而生产性固定资产原值的系数为负，且其未能通过显著性检验，说明增加固定资产对提高农业总产出还为发挥出应有的作用，这与我国大多数以种植业为主的农村农民投入不足技术落后的现实状况一致。财政支农支出的系数为δ1=－0.272，并且通过了1%的显著性检验，系数符号为负，说明财政支农支出对农业技术效率具有正的促进作用，地方财政支农支出每增加1%，农业技术效率增加27.2%，但同时也说明了财政支农支出对农业生产的影响还没有达到预期效果，财政支农的资金利用效率比较低。这可能是因为财政支农支出中事务部门的事业费占绝大部分，而真正投入到农业具体事务的财政投入却很少，该结果也印证了中国大部分学者的观点，认为由于中国财政支农资金使用以及财政支农支出的结构和投入等问题，使得中国财政支持农业的效率还比较低。因此，在2013年1月31日新出台的中央一号文件中，明确指出要增加财政对农业的持续投入。地方政府也应当按政府文件要求逐步提高财政农业支出占财政总支出的比重。财政支农支出对农业技术效率的影响存在区域化差异，其中东部地区系数δ2=－0.421，且通过了1%的显著性检验，系数符号为负，与理论预期相同，表明东部地区所处的地理位置对农业技术效率有显著正影响，东部地区对农业技术效率的促进作用达到42.1%，农业技术效率与当地的地理环境、经济条件及科技发展水平有很大的相关性。而中部地区系数δ3=0.049，且未通过显著性检验，表明中部地区对农业技术效率影响不显著，中部8省还未发挥出其农业技术效率。经比较，东部地区的农业技术效率显著地高于中部地区、西部地区，财政应加大对中部、西部地区农业的支持力度，才能从整体上提升中国农业的技术效率。
2.2技术效率的省际差异分析表2给出了中国各省市及各区域农业技术效率水平，从中国技术效率的变化趋势看，中国农业技术效率从2000年的0.308上升到2011年的0.681，年均增长3.4%，农业技术效率得到明显的提高。在农业技术效率的变化过程中，各年份都处于稳步上升之中，平均增幅在3.4个百分点，而在2010年增幅一度达到8.3个百分点。从中国各年的平均技术效率水平看，基本上在0.31～0.68之间，总体上呈现出一种稳步发展的趋势，但在2000～2011年间，中国平均技术效率仅为0.4478，说明以现有的技术水平和不变的投入要素，如果消除技术效率损失达到前沿生产面，农业生产总值还可以增加55.22%，提升的空间还很大。从表2分东中西地区看，中国农业生产技术效率地区差异比较明显。东部地区的技术效率水平最高，2011年高达84.2%，明显高于西部地区59.9%和中部地区58.3%。从各年份平均值看，通过比较全国、东、中、西部农业生产技术效率可以看出，各年东部地区农业技术效率水平都高于全国平均值，而全国平均农业技术效率高于中部、西部地区，而且地区间的差距也随时间变化而不断扩大。尤其是东部地区的河北、江苏、浙江、山东、广东这5个农业大省凭借其优越的地理环境位置、先进的农业生产技术和较高的地方财政支农支出，更能说明经济发达地区农业技术效率高于经济落后地区，中国农业技术效率与经济地理条件相关性很大。由此可见，中国整体平均技术效率水平的增长主要动力来自于东部。而西部地区农业技术效率高于中部地区，是因为西部地区财政农业支出与农业经济增长之间的相关性更为显著，无论是短期还是长期的财政支农，对刺激西部地区的农业经济增长都具有明显的作用
3结论及政策建议
计算机前沿技术总结篇4
关键词：智能信息处理技术；量子计算智能导论；教学实践
人类正被数据淹没，却饥渴于知识。面临浩瀚无际而被污染的数据，人们呼唤从数据中来一个去粗取精、去伪存真的技术。而数据挖掘就是从大量数据中识别出有效的、新颖的、潜在有用的，以及最终可理解的知识和模式的高级操作过程，所以数据挖掘也可以说是一个模式识别的过程，因此模式识别领域的许多技术经过一定的改进便可以在数据挖掘中起重要的作用。计算智能(Computationalintelligence-Ci)方法是传统人工智能(artificialintelligence，ai)的扩展，它是模式识别技术发展的新阶段[1]。
科学家预言：“21世纪，人类将从经典信息时代跨越到量子信息时代”。创立了一个世纪的量子力学随着20世纪90年代与信息科学交叉融合诞生的量子信息学，已成为量子信息时代来临的重要标志[2]。量子计算智能导论作为信息科学、计算机科学、智能信息处理、人工智能等相关专业的研究生专业课程，已经在越来越多的高等学校开设。
由于量子计算智能是一门跨越包括物理学、数学、计算机科学、电子机械、通讯、生理学、进化理论和心理学等学科在内的深奥科学，因此量子计算智能导论的教学内容和侧重点的安排目前仍处在探索阶段，尤其作为研究生课程如何使得学生在掌握深奥理论的基础上结合实际应用，将理论转化为技术与工具，从而提高动手能力，这是每个研究生专业课任课老师的核心探索所在，因此就要求老师在授业解惑的同时关注前沿，以该学科的前沿领域为教学指引，进而更好的培养研究生主动探索知识的能力。
1教材选择
一本好的教材为教学起到了画龙点睛的作用，因此教材的选择即是老师对教学内容，教学目标和教学方法的选择。我们选择教材，期望该教材由浅入深、深入浅出、可读性好，具有系统性、交叉性、前沿性等特点。由于量子计算智能导论为全校研究生的专业课程，而量子计算智能是一门多学科交叉的综合型学科，因此我们要考虑到来自学校不同专业背景，以及在物理，数学，工程优化和进化理论基础有限的两难困境，所以首先选择了一本关于量子计算的英文原版书作为教材之一，michaelnielsen等人所著的《QuantumComputationandQuantuminformation》[3]，2003年高等教育出版社出版，该书全面介绍了量子计算与量子信息学领域的主要思想与技术。到目前为止，该领域的高速进展与学科交叉的特性使得初学者感到困惑而不易对其主要技术与结论有综合性的认识，而该书特色在于对量子机制和计算机科学给予了指导性介绍，使得那些没有物理学或计算机科学背景的学生对此也易于接受，为学生提供了详实的关于量子计算的物理原理和基本概念；另外考虑到这门课程面向研究生，无论将来他们是直接就业还是继续深造，都要注重实践动手能力的培养，要能够将自己所学的书本知识转化为技术和工具，去解决实际的工程和科研问题，因此我们还选择了另外一门书，由李士勇教授所著的《量子计算与量子优化算法》[4]，哈尔滨工业大学出版社于2009年出版，该书着重讲解了量子优化算法，为实际工程应用提供了新的思路，并启发大家在量子计算机没有走出实验室的今天，如何利用现有的数字式计算机构造具有量子特性的快速算法。当然考虑到全校研究生的专业知识背景不同，我们也推荐了中南大学蔡自兴教授等编著，2004年由清华大学出版社出版的《人工智能及其应用：研究生用书(第三版)》[5]，该书是蔡自兴为主讲教授的国家精品课程人工智能的配套教材，该本书中系统全面的讲解了高级知识推理、分布式人工智能与艾真体、计算智能、进化计算、群智能优化、自然计算、免疫计算以及知识发现和数据挖掘等近年的热点智能方法，从而辅助学生了解人工智能，以及人工智能如何发展到计算智能，使得学生全面认识学科的发展和传承性，为今后学习量子计算智能打下坚实的理论基础。
2教学内容
本课程从量子计算的基本概念和原理出发，重点讲解量子计算基础和基本的量子算法；并从量子优化算法拓展开来。该门课程我们安排了46学时，具体安排如下：第1章，量子力学基础(2学时)；第2章，量子计算基础(4学时)；第3章，基本量子算法(4学时)；第4章，Grover量子搜索算法的改进(4学时)；第5章，量子遗传算法(8学时)；第6章，量子群智能优化算法(8学时)；第7章，量子神经网络模型与算法(8学时)；第8章，量子遗传算法在模糊神经控制中的应用(8学时)。
3教学方法
3.1理论与实践相结合的教学方法
量子计算智能导论是一门多学科交叉的综合型学科。选课的同学来自全校，各个的专业背景不同，但是大家的共同需求是一样的，就是从课程中掌握一种用于解决实际问题的工程技术，但是工程技术的掌握也需要理论的支撑，因此我们在教学实践中总结出了一套方法，具体做法是将教学内容划分为：理论型和实践型。
理论型教学指的是发展完善的量子计算基本原理和方法。其内容包括：量子位、量子线路、量子Fourier变换、量子搜索算法和量子计算机的物理实现等。而其中量子位、量子线路以及量子算法都是以量子相对论为基础的，这也是量子计算的本质原理，而较之我们熟悉的数字式计算机和计算方式有着本质的区别。我们在教学中由浅入深，通过ppt授课，采取理论与实例相结合的讲授方式。下面给出了一个我们在教学中的实例：将量子计算问题形象化。具体内容如下。
让我们想象一下下面这个问题。我们要找一条穿过复杂迷宫的路。每次我们沿着一条路走，很快就会碰到新的岔路。即使知道出去的路，还是容易迷路。换句话说，有一个著名的走迷宫算法就是右手法则――顺着右手边的墙走，直到出去(包括绕过绝路)。这条路也许并不很短，但是至少您不会反复走相同的过道。以计算机术语表述，这条规则也可以称作递归树下行。现在让我们想象另外一种解决方案。站在迷宫入口，释放足够数量的着色气体，以同时充满迷宫的每条过道。让一位合作者站在出口处。当她看到一缕着色气体出来时，就向那些气体粒子询问它们走过的路径。她询问的第一个粒子走过的路径最有可能是穿过迷宫的所有可能路径中最短的一条。当然，气体颗粒绝不会给我们讲述它们的旅行。但是量子算法以一种同我们的方案非常类似的方式运作。即，量子算法先把整个问题空间填满，然后只需费心去问问正确的解决方案(把所有的绝路排除在答案空间以外)。这样以来，一个枯燥晦涩的量子算法就被很形象的解释，因此增强了学生的记忆也加深了理解，从而提高了学生的学习兴趣。
实践型教学指的是正在发展中的量子计算智能方法的热点问题。其内容包括：量子遗传算法，混沌量子免疫算法，量子蚁群算法，量子粒子群算法，量子神经网络模型与算法，和这些算法在实际工程优化中的应用。这部分内容属于本学科的前沿，但也是热点问题，因此这部分我们在教学中忽略理论推导，重点强调实际操作，在ppt课件中增加仿真实例的讲解；并在课下布置相应的上机操作习题，配合上机实践课程，锻炼学生的动手能力，同时也引导学生去关注这些前沿，从而培养他们的科研素养。
为了体现该门课的教学特点，我们在考核方式上，采取考试与报告相结合的方式，其中理论部分我们采取闭卷考试，占总考评分数的40%；实践部分采取上机技术报告考核，内容为上机实践课程布置的大作业，给出详实的算法流程图和仿真结果与分析，占总考评分数的40%；出勤率占总考评分数的20%。
3.2科研素养的培养与实践能力的提高
科研素养的最核心部分，就是一个人对待科研情感态度和价值观，科研素养的培养不仅使学生获得知识和技能，更重要的是使其获得科学思想、科学精神和科学方法的熏陶和培养。正如温总理说的那样：“教是为了不教，学是为了会学”，当学生将课本内容遗忘后，遗留下来的东西即是他们所具备的科研素养。因此，在教学中，我们的宗旨也是提高学生的科研素养，量子计算智能导论是一门理论和实践紧密结合的学科，该学科的发展日新月异，在信息处理领域的关注度也越来越高。在教学实践中，我们采用了上机实践和技术报告相结合的教学方式。掌握各种量子计算智能方法的原理和流程是这门课程教学的首要任务，因此学生结合各自研究方向实现量子智能算法在实际科研任务中的优化问题求解。在上机实践中，学生不仅要掌握该智能算法的流程而且重点关注学生对
自己科研任务的建模，学会系统分析问题，建立合理的数学模型，并给出理论分析。上机实践验收中，我们不但考察其结果展示，更增加了上机实践的技术报告，用来分析模型建立的合理性，从而培养学生对待科研问题的分析素养和建模素养。在技术报告中，我们要求学生给出几种可供参考的建模模型，并分析各自的优势，和选择这一解决方案的依据。由于量子计算智能导论是面向研究生开设的课程，在教学中，我们更佳关注其分析问题的能力，和解决问题的合理性的思考能力，从而培养学生的科研素养。
4结语
把教学当做一门艺术，是我们作为高校老师毕生追求的目标，如何做到重点讲透，难点讲通，要点讲清，这也是我们多年教学中一直关注的关键点。我们在教学中反对“灌输式”，强调“启发式”，以实际应用先导教学是非常可取的，也收到了良好的效果。量子计算智能导论是一门综合型交叉学科，且面向研究生开设，因此在教学实践中，我们十分重视学生科研素养的培养。通过上机实践和技术报告的形式引导学生积极动手，积极思考。希望这些教学中的点滴供同行们交流探讨。
参考文献：
[1]焦李成,刘芳,缑水平,等.智能数据挖掘与知识发现[m].西安:西安电子科技大学出版社,2006.
[2]田新华.跟踪国际学术前沿迎接量子信息时代:《量子计算与量子优化算法》评介[J].科技导报,2010,28(6):122.
[3]michaela.nielsen,isaacL.Chuang.QuantumComputationandQuantuminformation[m].北京:高等教育出版社,2003.
[4]李士勇,李盼池.量子计算与量子优化算法[m].哈尔滨:哈尔滨工业大学出版社,2009.
[5]蔡自兴,徐光v.人工智能及其应用:研究生用书[m].3版.北京:清华大学出版社,2004.
explorationonintroductiontoQuantumComputationalintelligence
LiYangyang,SHanGRonghua,JiaoLicheng
(Schoolofelectronicengineering,XidianUniversity,Xi’an710071,China)
计算机前沿技术总结篇5
一、思想政治表现：
能认真学习马列主义、毛泽东思想和邓小平理论，拥护党的领导，坚持四项基本原则，热爱祖国，遵纪守法，具有良好的思想素质和职业道德，能用“三个代表”的要求来指导自己的行动。积极要求进步，团结友善，明礼诚信，曾于****年**计算机应用大赛中荣获一等奖，并于****年度被***评为“***”。现将任职*年来的情况汇报如下：
二、完成本职工作的质和量
本人熟悉本专业领域的国内外现状和发展趋势，具有丰富的计算机理论知识和计算机在企业管理方面的经验，具有较强的解决本专业实际问题的能力，能将本专业与相关专业相互配合，协调解决有关技术难题，能指导工程师工作和学习。任职期间，较好的完成了公司下达的责任目标。
1、在*年至*年间，利用三年的时间，进行了**计算机网络综合管理系统的建设与实施工程，使**企业办公自动化以及生产调度自动化走向现代化的前沿。
2、**至**年，先后为公司以及下属部门独立编制了**等具有本企业特色的软件。
3、*年作为主要负责人之一完成了总公司的**管理信息系统，取得一定的社会和经济效益，使**服务上了一个新的台阶。
4、参与完成了**项目。该项目投入使用后具有显著的经济效益，年节约资金**万元。
5、主持完成了总公司**系统，实现**无纸化办公。
6、任职期间，不仅建设了本公司的企业内部与互联网的网站，打开企业的知名度，同时还利用最新的asp等前沿技术协助***建立了“**网站”，使**迅速走向国际化的轨道，受到**的表彰。
7、受**的委托，为部分技术人员和管理人员累计授课达***余课时，在授课过程中，自己能将理论结合实际，深入浅出，圆满完成了教学任务，提高了本公司技术人员素质和职工素质，为计算机的普及做了一定的贡献。
8、参加撰写**中的计算机与信息工作计划。
三、工作业绩：
1、**至**年，在“**系统”中，本人进行了部分模块的软件编写工作，该系统经省、市科委鉴定，被**奖。本系统的完成，较好的解决了**问题，取得极大的社会经济效益。
2、**年，为实现**的信息化管理，同时还本着节约投资的原则，组织完成了“**系统”，该系统完成之后，不仅加快了我公司的生产自动化的建设，还为**起了模范带头作用，经**鉴定，该项目填补了我国**技术的空白，为此，荣获**奖。
3、**年参加了总公司**活动，在课题研究中，本人利用计算机进行了大量的计算和工艺改造工作，圆满完成任务，该课题获得**奖。
4、本人自参加工作以来，一直在从事计算机技术工作。工作中，注重技术成果的推广应用。
(1)本人独立编写的“****”软件，实现了计算机**等功能，使**管理走向了现代化管理的轨道，该软件经**鉴定，达到**先进水平，本人也因此获得**。
(2)参与编写的“**”软件，使用方便，功能满足要求，经鉴定达到**水平。
四、总结经验，不断提高理论水平
任职五年来，根据生产实际中存在的问题，不断总结经验，提高理论水平。其中独著《****》，在《**》杂志*年第*期上发表(3500字);合著《**》在《**》*年第*期上发表(1300字);独著《**》在《**》*年第*期上发表(**字);独著《**》，在《**》**年第*期上发表(1000字);独著《**》，在“**”学术会议上宣读(3500字);独著《**》在中**会议上宣读(**字);独著《**》、《*》获“**”学术会议优秀论文奖。
五、不断加强理论学习，拓宽知识领域
计算机前沿技术总结篇6
【关键词】区域技术效率资源利用随机前沿
技术效率指标，可以从衡量城市资源利用效率的角度来解释城市经济增长差异的形成。对城市技术效率的影响因素进行分析和研究，有利于提高资源的有效利用和城市经济的发展质量。城市的经济发展是一种中观经济的发展模式，是区域经济的典型代表。能够反映城市经济的发展指标有许多种，有体现经济数量增长方面的指标，也有反映经济增长质量水平方面的指标。盲目的追求数量式的增长，不利于城市的可持续发展，会导致后劲不足，一旦投入资本降低，城市的发展势头必然受到严重打击。
一、基于随机前沿的测度模型
建立具有一般性的技术效率影响模型。
lny=？茁0（？茁LlnL+？茁klnK+？茁elne）+■[？茁LL（lnL）2+？茁KK（lnK）+？茁ee（lne）2]+（？茁KLlnKlnL+？茁kelnKlne+？茁eLlnelnL）+？着it
？着it=vit-uit
teit=exp（-uit）
uit=？茁t・ui
？茁t=exp[-？浊（t-t）]
？酌=■
其中，i为城市序号;t为时间序号。y为城市生产总值，L为年末从业人员，K为资本存量。？茁0为截距项，？茁K、？茁L、？茁KK、？茁LL为待估计的参数。？着it代表误差项。te表示城市的技术效率水平。m为各区域不同时期技术非效率的程度;？酌为技术非效率在误差项中的比重。
二、模型假设检验结果
应用Frontier，得到假设检验结果，见表1。
从假设检验的结果中可以看出：因为对零假设的拒绝，显著存在着技术非效率，SFa技术的使用是有效的。构建模型选用的超越对数生产函数是有效的。随着时间的变化，技术非效率也是随之变化的。所以研究构建的模型对城市的技术效率水平能够进行有效的反映。
三、辽宁省技术效率测算
以辽宁省14个城市13年的经济发展数据为依据，利用所构建的模型进行测算，得到最大似然估计结果和技术效率结果，见表2。
从最大似然估计的结果中，可以得知：第一，在随机扰动项中，有86.45%的成分是由技术非效率所导致，即y与前沿面的距离主要由统计误差等因素造成。第二，参数？浊=0.0613>0，对？茁t来说，来自于时间因素的影响越来越小，说明各个城市以0.0613的速度，随着时间的推移加速下降其所面临的随机因素。
从测算结果来看，第一，站在13年发展的总体角度，辽宁省全省的平均技术效率为0.6885，这个数值刚刚及格，显示辽宁省整体对现有资源的利用效率不是很高，社会的实际产出与理论的产出前沿面还有很大的距离。现有技术和现有资源没有得到高效的利用，有相当一部分资源被搁置甚至被浪费了，不论是资本投入还是劳动力投入都没有得到应有的价值，还存在很大的蓝海区域，还有很大可以挖潜的空间。
第二，从面板数据横截面来看，技术效率数值，也就是资源利用的水平，都以一种逐步上升的趋势在发展，见图1。
可以看出，2000年辽宁省平均技术效率为0.588，2007年平均技术效率为0.771，上升了31个百分点;2000年中部城市群平均技术效率为0.631，2007年中部城市群平均技术效率为0.796，上升了26个百分点;2000年沿海经济带平均技术效率为0.585，2007年沿海经济带平均技术效率为0.770，上升了31个百分点;2000年辽西北地区平均技术效率为0.631，2007年辽西北地区平均技术效率为0.796，上升了39个百分点。随着时间的发展，各个城市各个地区对于资源的利用水平都在稳步的提高。
第三，从面板数据纵截面来看，辽宁省14个城市之间的技术效率水平不均衡，资源利用效率最高的是省会――沈阳市，2012年的技术效率为0.917，说明省会城市对各项资本投入利用的水平较高，与生产前沿面的差距很小。资源利用效率最差的是资源枯竭型城市――阜新市，2012年的技术效率为0.670，说明阜新市对于各项资本投入利用的情况不好，与理想前沿面的距离差距很大。具体见图2。
从图2中可以看出：资源利用效果最好的城市有沈阳、鞍山和锦州;资源利用效果中等的城市有大连、朝阳、辽阳、丹东、葫芦岛和盘锦;资源利用效果最差的城市营口、本溪、抚顺、铁岭和阜新。第一层次的城市集群，其平均技术效率水平都在0.8以上，第二层次的城市集群，其平均技术效率水平都在0.6―0.8之间，第三层次的城市集群，其平均技术效率都在0.6以下。利用效率低的城市应该内部寻找原因，注重资源的利用性，利用效率中等的城市要技术效率和创新共同发展，利用效率高的城市要利用技术创新，使理论前沿面再度提高，以此来刺激城市的更好发展。
第四，为了从集群的角度来研究辽宁省经济发展，所以，将各个城市分为三大领域，资源利用效率最高的区域是中部城市群，其平均技术效率为0.7193，比全省数值还高出3.5个百分点;资源利用效率居中的区域是沿海经济带，其数值为0.684，约等于全省的平均数值0.686;资源利用效率最低的区域是辽西北地区，其平均技术效率水平为0.6332，与辽宁省其他地区存在着明显的差异。并且，随着时间的发展，各个区域的技术效率名次基本不变，说明在短时间内，经济发展的模式还是相对稳定的。
四、结论
本文对辽宁省城市的技术效率进行了研究，利用随机前沿函数（SFa）构建了具有一般性的模型，并对数学模型进行了假设检验。利用14个城市13年的经济发展数据进行实际测算，可以得知：辽宁省全省的平均技术效率为0.6885，表明辽宁省整体对现有资源的利用效率不是很高，社会的实际产出与理论的产出前沿面还有很大的距离。从面板数据横截面来看，技术效率数值，也就是资源利用的水平，都以一种逐步上升的趋势在发展。从面板数据纵截面来看，辽宁省14个城市之间的技术效率水平不均衡，资源利用效果最好的城市有沈阳、鞍山和锦州;资源利用效果中等的城市有大连、朝阳、辽阳、丹东、葫芦岛和盘锦;资源利用效果最差的城市营口、本溪、抚顺、铁岭和阜新。资源利用效率最高的区域是中部城市群，资源利用效率居中的区域是沿海经济带，资源利用效率最低的区域是辽西北地区。
（基金项目：辽宁省教育厅项目《基于效率视角的辽宁省经济增长差异测度及评价方法研究》。）
【参考文献】
[1]范爱军、王丽丽：中国技术效率的地区差异与增长收敛―基于省际数据的研究[J].经济学家，2009（4）.
[2]姚伟峰：中国经济增长中的效率变化及其影响因素实证研究[m].北京：中国经济出版社，2007.
计算机前沿技术总结篇7
随机前沿分析方法（SFa）由LovellandSchmid（t1977）和vandenBroeck（1977）等分别提出。早期随机生产前沿的设计，主要是应用于截面数据。其主要方法是确定一个具体的前沿生产函数用以描述生产前沿面，并利用现代计量方法，估计出随机生产前沿模型中的参数，求出技术效率，从而构造前沿生产函数。技术效率可以用实际产出与潜在产出之比来表示。随机前沿方法，其发展经历了两个阶段：一是确定性前沿面。确定性前沿面是固定的，并假定存在上界生产函数，可控因素与随机因素共同影响产出，这些因素包括统计误差、政策变动和气候等，这些因素的影响，可以用以评价技术非效率。二是现在的随机性前沿面。随机性前沿面则将前沿面视作随机变化的，是由可控因素与不可控的随机因素共同作用对前沿面产生影响，误差项是由技术非效率项和随机误差项两个随机变量组成的复合误差项，该前沿面考虑到了随机因素冲击，因此，能够较好地评价技术效率受到各种外生性因素影响，是分析技术效率源泉的可行方法。随机生产前沿方法是参数法，经济理论基础是参数法的最大优点，能够结合计量方法估计生产函数，实现了对具体生产过程的描述。
1模型选择与估计
1.1模型选择与设定
诸多的研究表明，Cobb-Douglas生产函数可以很好地拟合与描述农业生产前沿问题，简洁性、易于分解等特点。故本文采用柯布－道格拉斯随机生产前沿模型对苗族农业生产效率进行测算。本文设计出苗族农业生产效率估计的道格拉斯随机前沿模型如下：其中Yi是第i个苗族村的农业产出水平，Ki、Ui和Li分别代表苗族农业投入要素物质资本、耕地面积与劳动力。vi是独立同分布的正态随机变量，其均值为0且方差为σ2v。ui是独立同分布的半正态随机变量，其中尺度参数为σ2u，即每个ui，其概率密度函数(pdf)均值为零，方差为σ2u的正态概率密度函数。对这一正态模型的对数似然函数按照σ2=σv2+σu2，λ2=σv2/σu2进行参数化。如果λ=0，则所有相对于前沿的偏离来自于噪声的影响，不存在技术无效效应。如果λ接近于1，所有相对于前沿的偏离来自于无效效应的的冲击。
1.2数据说明
笔者于2010年2月对西部欠发达地区a县187个单一苗族村进行有关农业生产、教育和经济生活等方面的调查，历时近一年，于2011年3月，获得全部调查问卷。经整理，缺失和无效样本为17个，有效样本170个。本文所采用的是170个苗族村的横截面数据。
1.3变量定义
1.3.1产出变量（Y）Y是每个生产决策单元（苗族村）2010年内粮食总产值（总产量），主要包括所种植的各种粮食作物总产值（总产量），单位为元。由于苗族的居住的地理环境比较相似，粮食种植主要以传统的生产方式进行，苗族种植的粮食作物比较单一，每个苗族村在粮食作物品种上存在较小的差异。因此，每个苗族村的粮食种植总产量，可以通过将各种粮食作物进行加总获得。1.3.2资本投入变量（K）K是每个苗族村一年内在粮食种植生产上投入的物质费用，单位为元。物质费用主要指在直接生产过程中所消耗的各种农业生产资料的支出，包括化肥、农药、种子、秧苗和农家肥等，其中不包括生产期间发生的与直接生产过程无关的费用。1.3.3劳动力人数（L）这是计算每一个生产决策单元（村）劳动生产率以及其他相关指标时需要用到的变量，采用生产决策单元实际从事农业生产活动的劳动力人数。1.3.4耕地面积（U）采用2010年内生产决策单元（村）实际投入农业种植生产的耕地面积表示，其中包括水田和旱地的总面积，以亩为单位。
1.4模型估计
下面通过将原始数对数化之后输入模型，见表1所示。通过将原始数据对数化，满足道格拉斯随机生产前沿模型的要求。表1中，因为所采用的数据为截面数据，所以时间为一期。该模型采用一种产出，资本、土地和劳动等三种投入要素的生产模型，用于评价三种投入要素在苗族农业生产中的贡献能力，以及苗族农业的技术效率。模型应用FRontieR4.1软件进行估计，得到随机前沿模型参数的最大似然估计值。这些估计结果报告于表2中，同时，每个估计值的渐近标准差已列出。
1.5模型假设检验
随机前沿模型中的合成误差不是正态分布。因此，对于小样本t检验和F检验不再恰当，这些检验也只是渐近合理。但在大样本条件下依然可以对模型未知参数进行t检验和F检验是适宜的。由于本文所采用的数据为大样本数据。因此，我们将对模型参数β进行t检验，除了对β的假设进行检验之外，随机前沿常常也对无效效应是否存在进行检验。在采用最大似然法来估计模型条件下，可以用z检验对μi进行检验。
2估计结果解析
通过估计出模型的参数值（见表2），对数似然值为0.148，其绝对值较小，说明模型对数据的拟合较好。同时，对模型的参数β，进行假设检验，以及对模型进行无效效率z检验，检验结果说明模型的设计是适宜苗族农业生产情况的，也表明这一模型对苗族农业情况的调查数据拟合较好。其中γ=0.86，说明模型的随机扰动项主要由生产非效率解释，即误差主要来源于ui，因此采用随机前沿模型是适宜的。
2.1苗族农业生产要素的边际生产率分析
在表2的估计结果中，苗族农业的物质资本、耕地和劳动的弹性系数分别为0.624、0.939和0.0573。在其它投入要素不变的情况下，资本的边际生产率为62.4%，即投入一单位资本对农业产出量增长为62.4%。耕地与劳动的边际生产率别为93.9%和5.73%。三种投入要素当中，耕地对苗族农业产出的边际生产能力最大，达到93.9%，而资本与劳动的边际生产率相对较低，苗族农业产出的源泉主要来自于土地。这一结论与经验认识的苗族的农业生产情况是非常相符的。苗族居住的环境恶劣，农业生产技术比较落后，刀耕火种的现象仍有存在。苗族农业产量的增长主要依靠开垦荒地、林地等扩大粮食种植面积以增加产量解决温饱，维持生计。这与苗族历史上不断的大迁徙难以积累资本，以及苗族当前的落后和贫困现象是相符的。说明了苗族传统农业生产方式的落后与低效率现象。
2.2苗族农业生产技术效率评价
计算机前沿技术总结篇8
1.1概念界定
生产配置效率被定义为生产配置有效状态的投入或产出与实际投入或产出之比，用于反映长期均衡中的实际生产与充分考虑经营管理与技术约束的最佳生产状态之间的差异，说明生产资源真正得到有效利用的程度，计算公式为：最优投入/实际投入或实际产出/最优产出。该定义中生产配置有效状态可以用Koopmans定义的生产前沿面[11]来表示，如果在不减少其他产出（或增加其他投入）的情况下，生产技术上不可能增加任何产出（或减少任何投入），则该投入产出向量是技术有效的，技术有效的所有投入产出向量集合构成生产前沿面。农业机械生产配置效率是度量在一定市场环境和生产条件下，固定数量的农业机械投入实现农业生产达到最大产出的程度，或者在固定产出条件下所能实现最小农业机械投入的程度。根据Kopp的生产前沿面理论[12]，假设生产单位i利用要素X与农业机械m生产了农产品Y，生产可能性集合满足t(Y,X,m)≥0，生产函数的一般表达式为Y=f(X,m)。在给定产出和其他投入水平的情况下，农业机械生产配置效率等于一定生产条件约束下可行的最小农业机械使用量与实际使用量之比，即me=min{μ:f(X,μm)≥Y}=m′/m（1）式中，me为农业机械生产配置效率，μ表示技术充分有效、不存在任何效率损失情形下的最低的农业机械投入量与实际投入量的比，m（kw）为实际农业机械使用量，m′（kw）为技术上可行的最小农业机械使用量，me∈[0,1]，当me=1时，m=m′表示农业机械实现了有效利用；当0＜me＜1时，则意味着农业机械没有达到充分有效利用状态。
1.2研究思路
Farrell提出了利用线性规划方法构造生产前沿面的理论模型[13]，之后，众多学者对Farrell提出生产前沿面的分析方法进行验证、改进和发展，确立了确定性生产前沿面的分析方法和随机生产前沿面的分析方法（即随机前沿分析法）。确定性生产前沿面分析方法假定所有的生产单元共用一个固定的前沿面，即存在一个确定的边界生产函数；同时把生产过程的所有可能影响因素，包括不可控因素和可控因素，不加区分全部归入一个单侧的误差项中，作为生产非效率的反映，造成所估计的有效生产前沿面与真实的最大可能生产边界存在很大偏差[14]。随机前沿法的优势在于：它估计的生产前沿面是随机的，各生产单元不需共用一个前沿面；对误差项进行区分，能更准确地反映生产有效状态；可以对结果进行假设检验。本文采用随机前沿分析方法测算中国农业机械生产配置效率，其度量的基本思路如图1所示：曲线Y0为等产量线，m代表农业机械投入，X代表除农业机械以外的其他农业生产要素投入。假设第i个省区在时间t利用农业机械ma和除农业机械以外的其他农业生产要素投入Xa的实际产出水平为Y0，而该投入组合最大的产出水平位于a点，这表明该省区在时间t的农业生产不是技术上的完全有效率；如果a点处于Y0上，该省区在时间t的农业生产技术效率是完全有效率的。对于农业机械生产配置效率的测定是以其他投入不变和产出不变时可达到的农业机械最小使用量与实际使用量之比来定义的，因此，此时该省区的农业机械生产配置效率：meit=mb/ma。同理，假定农业机械投入和产出不变，其他投入的效率应为：Xb/Xa。从图1也可以看出，如果要改进该省区农业各生产要素的效率，达到技术效率充分有效的目标，即图1中的C点，农业机械和其他投入要素的节约量分别为：(ma-mC)和(Xa-XC)。
2模型选择与数据选择
2.1模型选择
根据BatteseandCoelli的效率损失影响模型[15]，假定Yit（元）作为省区i在时间t的农业产出，该模型可用随机前沿生产函数描述为()(),,eititVUitititYfXmβ=（2）式中，Xit代表省区i在时间t除农业机械之外的其他生产要素投入，mit（kw）代表省区i在时间t的农业机械投入，β为待估参数；误差项为复合结构，第一部分Vit表示观测误差和其他不可控随机因素的影响（即为随机扰动项），服从n(0,σ2)分布且为独立一致分布；第二部分Uit反映生产技术效率损失即实际产出与生产前沿面的距离，即技术非效率影响，服从n+(0,σ2)分布，且Vit与Uit相互独立。从式（2）可以看出，技术上有效的产出水平itY′（元）可以通过设定Uit=0而得到。那么，该省区在时间t的农业生产技术效率估计公式为//(,,)eeititVUiitttitititteYYYfXmβ=′==（3）公式（3）中的参数用最大似然估计法进行估计，为了反映两项误差之间的关系及进行参数估计的方便，BatteseandCoelli设定了22uγ=σσ，其中222vuσ=σ+σ，γ的值在0和1之间，如果γ接近于1，说明生产函数的误差主要是由于生产技术的非效率引起的，采用随机前沿分析方法是有必要；如果γ接近于0，说明实际产出与最大产出之间的误差来自于其他方面，此时可直接使用最小二乘法，参数估计无需使用随机前沿分析方法。为了得到Kopp[12]定义的农业机械生产配置效率估计结果，需要指定随机前沿生产函数的形式，柯布-道格拉斯函数和超越对数函数是随机前沿分析最常采用的2种函数形式，本研究采用柯布-道格拉斯函数。此时，式（2）可表示为00lnlnlnnitjjitmitititjYββXβmVU==+∑++（4）在式（4）中，β0为常数项，βj和βm为待估参数，分别为选定的其他投入要素和农业机械投入的产出弹性。设定Uit=0，可以得到技术上有效的产出itY′（元）。与此同时，用生产一定产出的最小可行农业机械使用量itm′（kw）代替实际农业机械使用量mit（kw），可以得到农业机械使用有效的产出mitY′（元），其表达式为00lnlnlnnmitjjitmititjYββXβmV=′=+∑+′+（5）假定式（4）和式（5）相等，可得
2.2数据来源与选择
本文数据主要采用1991－2009年中国大陆31个省、直辖市和自治区的农业投入和产出数据，在实际测算过程中，把重庆市并入到四川省进行计算。所有的数据均来自历年的《中国统计年鉴》、《中国农村统计年鉴》。以往关于中国农业生产技术效率测算的文献很多（杜文杰[16]、周端明[17]等），尽管这些实证研究采用的分析方法不同，但土地、劳动力、化肥、农业机械是生产函数的普遍投入变量，鉴于数据可获得性和参考相关文献，在产出方面，选择各省份的农业总产值（Y/亿元）作为农业产出，并运用农业总产值平减指数将其折算成1990年的可比价；在投入方面，主要设定土地、劳动力、化肥、农业机械总动力4个投入变量。1）土地投入（X1/khm2）：以农作物总播种面积而不是可耕地面积计算，因为耕地存在复种指数的差别，同时还存在抛荒和半抛荒等现象，因此，可耕地面积不是反映农业土地投入的一个好指标。2）劳动力投入（X2/万人）：选择第一产业就业人数来计算。3）化肥投入（X3/万t）：指本年内实际用于农业生产的化肥数量，包括氮肥、磷肥、钾肥和复合肥，按照折纯量来计算。4）农业机械总动力投入（m/万kw）：主要用于农、林、牧、渔业的各种动力机械的动力总和，包括耕作机械、排灌机械、收获机械、农用运输机械、植物保护机械、牧业机械、林业机械、渔业机械和其他农业机械。
3实证结果
本文采用分析软件Frontier4.1对随机前沿生产函数和农业生产技术效率进行估计。由表2可知，γ=0.8943且通过了显著水平为5%的检验，表明技术非效率在各省区的农业生产过程中是显著存在的，同时印证了本文采用的随机前沿分析方法的合理性；其模型总体拟合程度良好，大多数估计参数都在1%或5%的水平下显著，在所有投入要素中，只有劳动力对产出产生负影响，且在任何水平下都不显著，原因可能是由于该变量包含了农村地区的非农劳动力，过分夸大了农业劳动力的数量，同时，农业作为劳动密集型产业，劳动力的过多密集产生了“富集效应”，已经进入到边际报酬递减阶段，劳动投入的继续增加不能提高农业产出。根据前面的测算原理和选取的变量，计算了1991－2009年中国农业机械的生产配置效率。对于测算结果，本文主要基于农业机械生产配置效率的趋势和基于东北、华北、华东、中南、西南、西北划分的区域性2个方面进行分析。
3.1趋势分析
1991－2009年间中国农业机械生产配置效率的变化趋势。整体上呈现出波动之中上升的趋势。具体而言，大致分为3个阶段：第一阶段，1991－1995年，为逐年上升时期，这一时期，农业机械生产配置效率由1991年的50.08%上升至1995年的71.24%。原因有二：一是到20世纪80年代末90年代初农业机械特别是大中型农用拖拉机及其配套机具老化，大部分是六七十年代购置的，已经超过了使用期限。1990年的84.7万台大中型拖拉机中使用年限超过15a的达20万台，之后几年进行有计划的农业机械更新改造[18]。先进适用的新型农机具替代老旧农机具后，各种使用问题逐渐减少，新机具的使用率提高，促使这一阶段的农业机械生产配置效率逐渐上升；二是20世纪90年代前半期中国农产品供不应求，为了保证粮食价格供应，中央政府采取提高政府合同定购粮的收购价格和允许地方政府根据实际情况对定购粮的收购价格给予补贴[17]，这些政策措施大大提高了农民种粮的积极性，而这时农村劳动力情况也发生了改变，青壮年劳力进城打工逐渐增多，种田活劳动价格上升，农业机械化成为农民的迫切需求[18]，农业机械的购买和使用欲望增强，各类农机具的利用率不断提高，由此带来农业机械生产配置效率的提高。第二阶段，1995－2002年，为逐年下降时期，降至2002年的62.03%。1995年成为农业机械生产配置效率上升和下降的转折点的原因有以下方面：一是1995年中国农业机械化进入以市场为导向的发展阶段，国家取消了在计划经济体制下出台的全部农业机械化优惠政策，这些优惠政策包括通过价格管制保证农机产品以较低的价格供应农业、鼓励使用农业机械的优惠政策；每年安排数百吨平价柴油供应农村，以降低农民使用农业机械的成本等，这些政策的取消，使得农民购买农业机械和使用农业机械的成本提高，部分农户使用农业机械的积极性降低，导致农业机械配置效率降低。二是1994下半年开始的农机化热潮，各级政府根据工业化社会粮食消费上升、土地资源减少的严重形势，加大了对农业的投入，农业机械化被各级政府列入议事日程，1995－1999年农业机械总动力的平均增长率为7.73%，而1991－1994年、2000－2009年农业机械总动力平均增长速度分别为4.18%和5.97%。一方面是农业机械数量的快速增长，另一方面是农业机械使用成本的增加，导致部分农业机械出现闲置，由此带来农业机械生产配置效率的降低[18]。还有一个可能的原因是中国农业由于90年代前半期的粮食丰收导致了90年代后半期“卖粮难”及农业结构性矛盾致使农民增产不增收问题严重，影响了农民生产积极性，农业机械的利用率和使用效果大打折扣，导致生产配置效率下降。第三个阶段，2002－2009年农业机械生产配置效率为逐年上升时期，升至2009年的69.78%。原因有以下方面，一是因为农业机械跨区作业实现了农业机械的共同利用。2000年联合收割机跨区机收作业进入全面发展推进阶段，2002年农业机械跨区作业模式在全国推广[20]，2002年全国小麦跨区机收面积达到10423khm2，比2001年增加了95.66%，之后每年（2003年除外）的跨区作业都超过10000khm2，2004年，全国跨区机收水稻的联合收割机突破5万台，跨区机收面积为3046.7khm2，跨区作业的实施，有力的促进了农业机械利用率，闲置问题逐渐减少，农业机械生产配置效率得以提升。二是因为农机装备结构的优化。2001年、2002年中央财政设立了农业机械装备结构调整补助经费（2003年更名为“新型农机具购置补贴项目”），2000年大型拖拉机与其配套农具比、小型拖拉机与其配套农具比分别为1∶1.44和1∶1.41，而2003年这2项比分别达到了1∶1.73和1∶1.54，农机结构更加合理，动力机械得到更有效的利用，农业生产各环节机械化水平均有提升，促进了农业机械的配置效率提升。三是有关优惠政策和法律的出台。“十五”期间，国家实行了农业机械购置补贴政策，出台了跨区作业的联合收割机和运送联合收割机的车辆免收道路通行费等支持农机社会化服务的优惠政策。2004年颁布实施了《农业机械化促进法》，明确提出，国家鼓励和支持农民合作使用农业机械，提高农业机械利用率，鼓励跨行政区域开展农业机械作业服务，对农业机械的农业生产作业用燃油安排补贴，这些政策措施的实施，为农业机械化推广使用、扶持措施、科研开发、质量保障和社会化服务提供了法律保障，农业机械化依法管理水平、服务水平提高，进一步促进了农业机械配置效率提高。另外，随着农村产业结构调整和农村劳动力向二、三产业转移步伐加快，一些地方出现了有效劳动力供给不足，争劳力，抢农时的矛盾比较突出，同时随着农业产业化经营、标准化生产、规模化作业和社会化服务水平的提高，进一步拉动农业和农村社会对农业机械的需求和使用积极性[18,19]，农业机械承担农业劳动量越来越大，利用率大幅提高，使得配置效率逐年上升。
3.2区域性分析
1991－2009年中国各省、直辖市、自治区和按华北、东北、华东、中南、西南和西北划分的区域农业机械生产配置效率的计算结果。1991－2009年间，中国农业机械的平均生产配置效率为64.65%，这表明，较低水平的生产配置效率状况使得中国农业机械没有充分地挖掘出现有的潜力，因此，提高农业机械生产配置效率以促进农业增长还有较大的余地。从各区域来看，东北地区最高，华东地区次之，这2个地区的农业机械生产配置效率都超过70%；西北地区最低，仅为50.16%；西南地区、华北地区和中南地区的农业机械生产配置效率位于60%~70%之间。从时间阶段来看，把1991－2009年分为3个阶段：1991－1995年、1995－2002年和2002－2009年，东北地区的农业机械生产配置效率在前两个阶段都处于首位，西南地区紧随其后，但第三阶段华东地区超越了西南地区和东北地区，占据了首位；中南地区和华北地区的农业机械生产配置效率在第一阶段处于分别第四、第五的位置，但是到了第二阶段和第三阶段，华北地区超越了中南地区；西北地区的农业机械生产配置效率在各个阶段都处于最后的位置。从1991－2009年各省、直辖市和自治区之间农业机械生产配置效率的差异很大，最高的5个省份依次是：浙江、四川、广东、上海、黑龙江，位于75%～80%之间；而最低的省份为宁夏，仅为21.77%，其他较低的省份依次是：陕西、山西、海南、广西，位于43%～55%之间。从变动趋势来看，1991－1995年、1995－2002年和2002－2009年3个时期的农业机械生产配置效率在全国呈现持续上升的演进轨迹。从各区域来看，东北地区、华东地区和西北地区农业机械生产配置效率与全国的变动趋势一致，而华北地区、中南地区和西南地区则呈现先升后降的倒“U”型。从各个省、直辖市和自治区的单独演进看，三阶段持续降低的有：天津、广西、海南、4个省区；先升后降呈倒“U”型的有：内蒙古、吉林、河南、广东、陕西、甘肃、新疆6个省区；宁夏则表现出先降后升的“U”型趋势：其余省份皆表现为三阶段持续上升的变动趋势。由此可见，中国农业机械生产配置效率的演进规律在各区域、各省、直辖市和自治区之间呈现多元化。
计算机前沿技术总结篇9
关键词：保险业；全要素生产率；malmquist指数
中图分类号：F840文献标识码：a文章编号：1002-2848-2008（06）-0085-06
一、引言
20世纪80年代保险业恢复以来，我国保险业一直保持超常规的发展速度，以保费收入规模衡量的扩张速度平均保持在25％以上，远远超过国民经济的增长速度。事实证明，仅依靠资金和劳动力投入的粗放模式对保险业发展已经起到阻碍作用，必须将发展思路转到效率提升和技术创新以增强保险业核心竞争力上来。全要素生产率（totalfactorproductivity,tFp）是用来测度除资本和劳动之外其他资源对保险公司产出的贡献，是反映保险业的竞争力高低的主要指标之一，因此对我国保险业全要素生产率及其动态变化分析的研究具有重要意义。
Caves,Christensen&Diewert首次提出用于分析全要素生产率的malmquist指数［1］，但直到Fare等才给出了这一指数的非参数的线性规划算法［2］，以非参数的malmquist指数方法研究全要素生产率才成为热点。随着研究的深入，关于引起全要素生产率变化因素的研究也逐渐展开，同时随着有关模型
收稿日期：2008-08-31
作者简介：黄薇（978-），湖北省武汉市人，金融学博士，供职于对外经济贸易大学保险学院。研究方向：风险管理与保险。
研究的不断完善，
在模型应用方面还开展了大量的实证分析，并取得了一系列的理论成果和众多的实证案例（Grifell&Lovell［3］;Ching-chengChangandYir-HueihLuh［4］;Jamesodeck［5］;JianghaiZheng等［6］;Kim等［7］）。但是已有的大部分研究都是基于规模报酬不变的假设并在此基础上进行malmquist指数及其分解因子的测算，这一假设十分苛刻，在现实情况中许多生产活动都不满足这一假设条件；而且传统的malmquist指数模型都是基于Shephard的产出或投入距离函数，仅考虑产出或投入的情况，由此决定了决策单元（DecisionmakingUnit，DmU）向生产前沿面逼近路径只能选择径向，这两点缺陷直接影响了malmquist指数测算的准确性。本文在比较系统总结国内外学者研究全要素生产率的malmqusit指数方法基础上，基于定向技术距离函数提出了修正后的malmqusit指数模型，一方面通过判断决策单元的规模报酬特征确定对应的具体距离函数；另一方面综合产出和投入距离函数，考虑决策单元沿任意预先给定的方向逼近生产前沿面，即考虑产出和投入同时变化的情况，从而解决了传统malmqusit指数研究中的两点缺陷并导致测算结果出现偏差的问题。
二、全要素生产率malmquist指数模型的重设
（一）传统的全要素生产率malmquist指数模型
传统的malmquist指数是在Shephard（1953［8］，1970［9］）距离函数的基础上定义的。距离函数（Distancefunction）是一种在不对生产者行为进行任何假定的条件下，研究多投入多产出技术系统的工具，它可以从投入和产出两个不同的角度给出，面向投入的投入距离函数是在给定产出下，投入向量能够向生产前沿面缩减的程度，以此来衡量生产技术的有效性；面向产出的产出距离函数则是在给定投入的条件下，考察产出向量的最大扩张幅度。
分析具有n个投入、m个产出的生产活动，令xt∈Rn,yt∈Rm分别表示时期t的投入和产出向量（t＝1.2,..t），生产可能集为tt={(xt,yt能用投入xt生产出来)}，与生产可能集相关的产出集为pt(x′)={yt∶(yt，xt)∈tt)}，则Shephard产出距离函数定义为：
t,yt)表示以t时期技术为参照的，时期t的投入产出向量的产出距离函数，用Dt(xt+1,yt+1)表示以t时期技术为参照的，时期t＋1的投入产出向量的产出距离函数，从而t时期技术为参照的malmquist生产率指数可定义为：
mt=Dt(xt+1,yt+1)[]Dt(xt,yt)
类似的，Dt+1(xt,yt)表示以t＋1时期技术为参照的，时期t的投入产出向量的产出距离函数；Dt+1(xt+1,yt+1)表示以t＋1时期技术为参照的，时期t＋1的投入产出向量的产出距离函数，则t＋1时期技术为参照的malmquist生产率指数可定义为：
mt+1=Dt+1(xt+1,yt+1)[]Dt+1(xt,yt)
为了避免任意选择一个生产可能集来计算指数可能导致的差异，既不能用t期也不能用t+1期作为参照，仿照Fisher理想指数的构造方法，Fare等（1985）提出，以两个时期技术malmquist生产率指数的几何平均值作为全要素生产率malmquist指数，代表由t期到t+1期全要素生产率的变动情况［10］，即
m(xt+1,yt+1,xt,yt)=Dt(xt+1,yt+1)[]Dt(xt,yt)
Dt+1(xt+1,yt+1)[]Dt+1(xt,yt)1/2
（二）全要素生产率malmquist指数模型的修正
从上述传统的全要素生产率malmquist指数模型可以看出，malmquist指数研究都是基于投入或产出的距离函数，仅考虑投入或产出的变化，于是决策单元向生产前沿面逼近只能在径向上，不能解决投入和产出同时变化的情况，而且仅单方面考虑投入或产出的变化，以致从投入角度和产出角度所测算的结果通常不一致，甚至迥然不同。另一方面，传统malmquist指数研究都隐含有规模收益不变的假设前提，其结果可能会错误估计规模收益对生产力增长的影响，以致会直接影响malmquist指数测算的准确性。针对传统malmquist指数模型的两个缺陷，本文用定向技术距离函数的方法修正malmquist指数，并研究该指数及其分解因子的性质；同时在测算决策单元生产率增长情况之前，确定生产可能集的规模收益特征，选择对应的距离函数进行计算以解决全要素生产率分析中的规模经济因素。
在Chamber,Chung&Fare（1996［11］，1998［12］）的基础上，定向技术距离函数可定义如下：
D(x,y,gx,gy)=max{β∶βgx,y+βyy∈t}
其中(gx,gy)≥0为给定的方向向量，其经济含义是决策单元向生产前沿面逼近的路径，β是常数。如图1所示，生产可能集中的某一点a，沿方向(-gx,gy)逼近生产前沿面t，与前沿面的交点为B，这就避免了单方面考虑投入或产出的径向变化（即只能移动到C或D点）。显然，定向技术距离函数是表示在给定方向下，被观测点对生产前沿面偏离的测度，偏度越小，离生产前沿面越近，该点生产率水平越高，若该点就在生产前沿面上，定向技术距离函数值为0，则该点生产率水平最高，而B点坐标为{x-D(x,y,gx,gy)gx,y+D(x,y,gx,gy)gy}。
图1单投入单产出定向技术距离函数
定向技术距离函数下决策单元的规模收益特征，则可以借鉴Coelli提出的规模报酬非增niRS模型的思路［13］：上述CCR模型中的约束条件∑λ≥0表示规模收益不变（CRS）的情况，则将其改为凸性假设∑λ≤1和∑λ≥1，可以分别表示规模收益递减（DRS）和递增（iRS）的情况。不同规模收益特征下的定向技术距离函数则进一步可以表示为：
1.规模收益不变条件下的定向技术距离函数
DC(x,y,gx,gy)=max{β∶Xλ≤x-βgx,Yλ≥y+βyy,∑λ≥0}
2.规模收益递减条件下的定向技术距离函数
DD(x,y,gx,gy)=max{β∶Xλ≤x-βgx,Yλ≥y+βyy,∑λ≤1}
3.规模收益递增条件下的定向技术距离函数
Di(x,y,gx,gy)=max{β∶Xλ≤x-βgx,Yλ≥y+βyy,∑λ≥1}
用线性规划公式可以求解上述三种定向技术距离函数的值：
决策单元规模收益特征的判断，则可以借鉴HirofumiFukuyama提出的判断规模收益的准则［14］：如果DD(x,y,gx,gy)Di(x,y,gx,gy)，则决策单元是iRS；如果Dd(x,y,gx,gy)=Di(x,y,gx,gy)，则决策单元是CRS。
针对上述对传统方法缺陷的改进技术，全要素生产率malmquist指数修正模型可以如下定义，其中下标为变量，表示决策单元所在的规模收益特征：
im(xt+1,yt+1,xt,yt)=
Dtα(xt+1,yt+1,gx,gy)[]Dtα(xt,yt,gx,gy)
Dt+1α(xt+1,yt+1,gx,gy)[]Dt+1α(xt,yt,gx,gy)
1/2
根据Fare等（1994）的分析，全要素生产率的变动有两个主要构成部分――技术变动（technicalChange,tC）和效率变动（efficiencyChange,eC）［2］，其中，技术变动代表不同时期最佳效率边界的移动，被称为“前沿面移动效应”或“增长效应”，它表明了样本机构的技术创新趋势；效率变动则代表样本机构不同时期相对技术效率的变化，被称为“追赶效应”或“水平效应”，它衡量了样本机构是否更靠近当期的最佳效率边界进行生产。这就是说，如果企业是完全有效率的，即不同时期均在最佳效率边界生产，那么全要素生产率的增长等于技术变动；如果企业不完全有效率，即不在最佳效率边界上生产，那么全要素生产率的增长会因效率的提高和效率边界的移动而发生。当然，全要素生产率也可能因企业变得非效率或效率边界反向移动（技术倒退）而下降。具体计算公式如下：
当im(xt+1,yt+1,xt,yt)1，表示生产率水平提高，存在生产力增长；当im(xt+1,yt+1,xt,yt)=1，表示生产率水平没有变化，既不存在生产力增长也不存在生产力退步。
其中，如果eC>1，表示t期到t+1期效率有所增长，即企业在t+1期比t期更靠近效率边界；反之，如果eC
如果tC>1，表示t期到t+1期发生了有利的技术变动，最佳效率边界将左移；反之，如果tC
三、模型的估计与结果
（一）数据选取和处理
本文采集1999年至2006年中国28家保险公司的年度会计报告数据，其中寿险12家，非寿险16家，占中国保险业务的95％以上，样本数据应能反映中国保险业的总体水平。本文将此28家保险公司看作有3种产出量和3种投入量的决策单元：
1.产出量：本文确定保费收入（y1）、总投资资产（y2）、已发生给付和准备金变动（y3）作为3种产出变量。第一，保险公司向客户提供围绕保单进行的保障计划咨询、风险勘查、推荐介绍等各项服务，本文以“保费收入”作为这项服务的产出量。第二，保费收入和赔款支出的时间差使得资金运用成为保险公司一项重要的无形服务，本文以“总投资资产”作为这项服务的量化指标。第三，在保单执行阶段，保险公司向客户提供风险分散和转移的服务，且每一案理赔服务费用的支出多少是并入赔款支出计算的，作为对该项服务的量化，本文以“已发生给付和准备金变动”表示。
2.投入量：本文确定员工人数（X1）、金融资本（X2）、债务资本（X3）作为3种投入变量。第一，由于现阶段中国保险业主要实行粗放式经营，最大的特点是依靠机构的扩展和人员的投入来获取市场份额，因此本文选择“员工人数”作为劳动力的投入量。第二，资本金反映了保险机构的总体规模，在将保险视为风险负债的保险定价金融理论中被认为是一种重要的投入，因此本文选择“实收资本＋资本公积”作为金融资本的投入量。第三，保险企业的债务资本主要由从保单持有人借入的资金构成，对寿险企业，债务资本包括寿险保单和契约的总准备金、意外事故和健康险保单的总准备金以及其它准备金项目；对非寿险企业，准备金由赔款准备金和未赚保费准备金构成。
此外，从全要素生产率malmquist指数的修正模型可以看出，路径方向(gx,gy)的选择很重要，该路径选择不一样，计算结果当然就不一样，这从另一方面也显示出基于定向技术距离函数计算malmquist指数的多种可能性。基于angelo［15］和Chambers等［16］的研究，本文路径方向(gx,gy)选择为当年所有样本变量的平均值，即取gx=(x1，x2,x3),gy=(y1,y2,y3)。
（二）实证估计结果及分析
根据规模收益的判断准则，本文确定了决策单元在样本期间内的规模收益特征，根据相对应定向技术距离函数和全要素生产率malmquist指数修正模型，测算出中国各保险机构1999～2006年期间的效率变动（eC）、技术变动（tC）和malmquist指数（m）（因篇幅所限，计算的中间结果略去）。
1.从中国保险业整体样本看
如图2所示，全要素生产率malmquist指数在1999～2006年间有所提高，带动指数增加的主要是“追赶效应”，而“增长效应”尚不显著，反映了保险机构相对效率的提高是生产有效性提高的关键因素，而在保险制度创新、产品创新和业务经营方式的改善等方面则对生产率的贡献不大。这可能与加入wto组织、市场竞争加剧有关，这种竞争压力有助于生产相对无效的保险机构进行迅速调整，减少要素投入或增大产出规模，使自身的经营更接近保险业的“生产前沿面”，但市场竞争还没有达到不进行技术创新就不能生存的地步，所以增长效应还没有体现出来。具体来看可以分为两个阶段：2003年之前，除2000～2001年malmquist指数略大于1（eC起了很大的作用）外，其他时期生产率水平是下降的，保险业高速增长仅仅依靠劳动力和资金的投入；2003年之后，malmquist指数持续大于1，eC仍然对生产率的贡献很大，tC的作用逐渐明显但与eC仍然存在一定差距，这说明保险机构在注重提高自身技术效率水平的同时，开始进一步提升技术创新的能力，这可能与中国保险业进入wto后过渡期，市场竞争更加充分，技术创新已经成为保险机构核心竞争力有关。
图21999－2006年中国保险业malmquist指数及其分解的变化趋势
2.从依据不同标准对样本细分后的比较结果看
如图3所示，样本期内财险业的malmquist指数平均数、效率变动平均数和技术变动平均数均分别大于寿险业，这说明财险业的生产有效性要明显好于寿险业，其中，财险业的效率变动（eC）在多数时期下大于1，说明“追赶效应”是财险业生产有效性提高的主要原因，财险机构相对技术效率逐步提高。此外，2001年之后财险业的技术变动（tC）开始反超寿险业，这说明财险机构在保险技术创新上投入了更多的人力、物力和财力，新的营销方式、新的产品和观念对财险企业的发展产生了较大的促进力。
图31999－2006年财险业和寿险业malmquist指数及其分解的变化趋势
如图4所示，样本期内中资保险机构的malmquist指数平均数、效率变动平均数和技术变动平均数均高于外资保险机构，但这不能断定中资机构的生产有效性就好于外资机构，因为在不同的年份双方各项指标交替上升，而且从发展波动和样本方差比较来看，外资保险机构各项指标发展的稳定性强于中资，这与外资机构注重长远可持续发展的经营观念有关。具体来看，2002年之后，外资保险机构的“追赶效应”开始显现，而中资保险机构的“增长效应”逐步显现，这说明，随着市场开放程度的不断加快，外资保险机构在经营区域和险种上的限制逐渐放开，业务规模的不断扩大加之先进的管理能力和内控制度，使得其更加靠近保险业的生产前沿面进行经营；而对于中资保险机构来说，外资的进入带来了新的营销方式、新的产品和观念，使得中资机构原来的经营模式和产品难以适应激烈的市场竞争，中资机构不得不大力加强技术创新能力以改变被动的地位，可以说，中资保险机构“增长效应”的提升，在一定程度上是受到外资机构的竞争，产生危机意识而利用“后发效应”加速发展的结果。
如图5所示，样本期内国有保险机构的malmquist指数、效率变动和技术变动波动起伏较大，而同期股份制保险机构的三项指标则呈现较稳定的小幅攀升的趋势。具体来看，1999～2000年，国有保险机构与股份制保险机构malmquist指数及其分解效应基本相同；2000～2003年，国有保险机构的波动加大，虽然反映在malmquist指数上与股份制机构的差距不大，但是其两个分解效应“追赶效应”和“增长效应”呈现明显的反向变动趋势，且与股份制保险机构相比差距较大，这很可能与国有保险机构当时在样本期间内相继发生两次大的机构调整和改革，没有处理好效率进步与技术进步的关系有关，往往重视其中一种效应而忽视另一种效应；2003年以后，国有保险机构加强了技术创新能力，“增长效应”逐渐显现，这也成为当期生产有效性强于股份制机构的主要原因。
五、结论
基于非参数的malmquist指数方法，本文对我国1999～2006年间保险业的全要素生产率变化状况进行了动态分析，针对众多的研究方法都存在决策单元规模报酬不变假定，以及决策单元向生产前沿面逼近路径只能选择径向，即仅考虑投入或产出变化情况的缺陷，本文提出修正的malmquist指数模型。结果发现：从保险业整体看，全要素生产malmquist指数在1999～2006年间有所提高，其中“追赶效应”对指数的促进较为明显，“增长效应”还未完全显现，说明保险机构更加注重提高自身技术效率水平而非创新能力提高生产的有效性，这也与大多数保险机构自身效率低下、效率提升还有较大发展空间有关；从保险业务的性质看，财险业的生产有效性要明显好于寿险业，其中，“追赶效应”显著是主要原因，财险机构相对技术效率逐步提高；从保险机构的性质看，外资保险机构的“追赶效应”和中资保险机构的“增长效应”分别开始逐步显现，这说明，外资保险机构在经营区域和险种上的限制逐渐放开以及业务规模的不断扩大使得其更加靠近保险业的生产前沿面进行经营，而中资保险机构“增长效应”的提升，这在一定程度上是受到外资机构的竞争，产生危机意识而利用“后发效应”加速发展的结果；从产权性质看，与股份制保险机构动态效率呈现较稳定的小幅攀升的趋势不同，国有保险机构效率变动和技术变动波动起伏较大，依然没有处理好效率进步与技术进步的关系有关，往往重视其中一种效应而忽视另一种效应。
参考文献：
［1］CaveD,ChristensenL,DiewertD.theeconomictheoryofindexnumbersandthemeasurementofinput,outputandproductivity［J］,econometrica,1982(50):1394-1414.
［2］FareR,GrosskopfS,norrism,ZhangZ.productivitygrowth,technicalprogress,andefficiencychangeinindustrializedcountries［J］,americaneconomicReview,1994(84):66-83.
［3］Grifelle，LovellCaK.Deregulationandproductivitydecline:thecaseofspanishsavingbanks［J］.europeaneconomicReview,1996(40):1281-1303.
［4］Ching-chengChang，Yir-HueihLuh.efficiencychangeandgrowthinproductivity:theasiangrowthexperience［J］.Journalofasianeconomics,2000(10):551-570.
［5］odeckJ.assessingtherelativeefficiencyandproductivityGrowthofvehicleinspectionservices:anapplicationofDeaandmalmquistindices［J］.europeanJournalofoperationalResearch,2000(126):501-514.
［6］JianghaiZ,XiaoxuanL,arneB.efficiency,technicalprogressandbestpracticeinchineseStateenterprises(1980-1994)［J］.JournalofComparativeeconomics,2003(31):134-152.
［7］KimJw，LeeHK.embodiedanddisembodiedinternationalspilloversofR&DinoeCDmanufacturingindustries［J］.technovation,2004(24):359-368.
［8］ShephardRw.CostandproductionFunctions［m］.princeton,newJersey:princetonUniversitypress,1953.
［9］ShephardRw.theoryofcostandproductionfunctions［m］.princeton,newJersey:princetonUniversitypress,1970.
［10］FareR,GrosskopfS,LovellCaK.themeasurementofefficiencyofproduction［m］.Bostonma:Kluwernijhoff,1985.
［11］ChambersRG,YanghoChungandFareR,Benefitanddistancefunctions［J］.Journalofeconomictheory,1996(70):407-419.
［12］ChambersRG.YanghoChungandFareR.,profit,directionaldistancefunctions,andnerlovianefficiency［J］.Journalofoptimizationtheoryandapplications,1998(98):351-362.
［13］Coellit.aguidetofrontierversion4.1:acomputerprogramforstochasticfrontierproductionandcostfunctionestimation［R］.1996,Cepaworkingpaper.
［14］FukuyamaH.ScalecharacterizationsinaDeadirectionaltechnologydistancefunctionframework［J］.europeanJournalofoperationalResearch,2003(144):108-127.
［15］angelomZ.Qualityindicatorsandintermediateproducts:anon-parametricapproach［R］.2002,presentedonthe2002aaeaannualmeeting,LongBeach-Ca.
计算机前沿技术总结篇10
21世纪是信息的时代，是科学技术和现代化生产快速发展的时代，机械代替人工逐渐占据主导地位。自动化技术要求逐渐提升，因此亟需革新自动化相关技术。随着计算机技术的快速发展，其中网络技术的革新，尤其是局域网技术的跨越式发展，使得自动化控制技术的应用更加广泛，例如铁路智能指挥调度系统、新型建筑的自动化综合系统、航空自动管制系统、全国电网智能监控系统、全国交通自动检测系统等。基于网络化的自动化技术应用得到广泛的扩展，不仅仅局限于工程控制中，比如一些非工程领域：医疗设备的综合自动化操控、人口密度在线网络自动化控制等。工业生产、企业办公、人民生活和农业种植自动化将成为新技术改革的重要内容，并得到迅速发展[1]。
近年来，我国的工业技术处于不断改革中，网络化自动控制技术的发展既是技术革新的机遇，也是突破关键技术的挑战。与此同时，自动化生产企业也进一步提高了从业人员的录用标准[2]。因此，自动化专业的学生必须与时俱进，掌握更为专业的计算机网络技术，学习计算机网络的理论知识，更要熟练计算机网络的实践技术。自动化专业开设计算机网络课程显现出越来越大的必要性。目前，大多数高校自动化专业都把计算机网络课程作为必修课来讲授，但由于计算机技术日新月异，更新速度快，新理论、新技术、新标准、新服务层出不穷[3]，这些都给计算机网络课程的教学工作带来了很大的难度[4]。这就要求教师团队，专业系等重新审视当前的课程体系，提高教学质量。
1自动化专业《计算机网络》教学现状
目前，理论课程的教学大多数都是课堂讲授，课后作业相结合的方法。计算机网络理论知识抽象概念很多，比如计算机网络体系结构，包含了层次、功能、协议与接口等抽象的概念，内容枯燥乏味，很难激发起学生的兴趣。另外，计算机网络相关的知识、技术的快速发展，教学过程包含教学内容、讲课方法、实践训练等必须与网络的发展变化同步进行，致使教学过程中出现很多新的问题。
1.1网络体系结构的偏重点落后
大家知道，tCp/ip已成为计算机网络的事实上的协议标准，尤其是internet在世界范围的广泛发展，tCp/ip协议被广泛应用与网络技术，所以它的地位显而易见。而oSi（openSysteminterconnect），即开放式系统互联，一般都叫oSi参考模型，是iSo（国际标准化组织）在1985年研究的网络体系结构。oSi参考模型并没有提供一个可以实现的方法，只是描述了一些概念，用来协调进程间通信标准的制定[5]。在oSi范畴内，只有在各类协议是可以被实现的且产品之间只有和oSi的协议一致才能互通。也即，oSi参考模型并非一个标准，而是一个在拟定标准时所使用的理论性的框架[5，6]。目前，一般的教材在介绍网络体系结构时，都是从oSi参考模型入手开始分析，再对比分析引出被公认的“事实上的标准”tCp/ip参考模型结构。这种方法虽从理论上理解起来，逻辑性较强，但基于实际应用，减弱了tCp/ip参考模型的重要性地位。因此，容易使得学生在课程学习结束后，还不太清楚网络的体系结构以及通信原理。
1.2理论教学较多，实验训练较少
由于不是计算机专业的课程，往往是课时少，课程内容多。教师遵照所选教材的内容注重安排理论教学的任务。详细分析概念、原理，讲解通信过程，各种算法等。把综合性如此强的课程，更像是作为数学课讲授，结果就导致一个现象：老师讲得唾沫横飞，学生乏味无趣，心不在焉，教学效果差显而易见。实验课时分配太少，开设实验可以使学生将课堂知识与实践相结合，尤其是对工科的学生，动手能力是他们的强项。激发强项唤起兴趣，这样可以让学生更主动的理解和掌握计算机网络的基本原理、具体的通信机制、组网技术、网络应用等，辅助乏味的理论知识学习。
1.3重分层学习，轻综合实践
大多数教材都是按照oSi体系结构由低到高分层介绍：物理层、数据链路层、网络层、传输层、会话层、表示层以及应用层[7]。每一层都下大工夫，大力度讲解，可以说是知无不言，言无不尽。当7层学习完成之后，再无下文。不能做到层与层联系整合起来，进行综合实验训练。这样，学生学完之后，对计算机网络体系结构的理解只能做到片面，无法全面地认识，更何谈得心应手地应用计算机网络。
2自动化专业《计算机网络》课程教学建议
根据目前自动化专业《计算机网络》课程教学现状以及计算机网络知识在自动化专业的重要性，并结合教学实践，对此课程的教学方法提出一些较为可行的改进措施。
2.1网络体系结构以tCp/ip为重
当今的大多数计算机系统都提供tCp/ip，支持ip的路由器几乎连接了所有的网络介质。tCp/ip是internet的黏合剂，使得internet能够覆盖全球。所以，讲授的时候，把tCp/ip参考模型作为重点阐述对象，借助范围广泛的internet来辅助计算机网络技术的传授。建议以这样的思路讲解核心内容：发展史―主机网络层―互连层―传输层―应用层。以oSi参考模型为指导，穿插在中间，并以实验内容综合层与层之间的关系。
2.2理论结合实践，实践中穿插理论
面向自动化专业工科背景强的学生，多动手，在实践中理解并总结理论是他们的强项。因此，课程安排6到8个实验内容，比如工业控制局域网的组建、交换机的配置和管理、路由器的配置管理、基于tCp协议的聊天程序的开发（串联演示、综合分析tCp/ip网络的结构、功能和运行原理）、ip地址的分析和配置、模拟路灯网络管理系统的构建等等。还可以选择穿插一些著名公司，比如Cisco、华为、microsoft等在专业认证中所涉及的网络知识与核心技术，充分和实际应用紧密的联系在一起。这样，可以更大限度地激发学生的主动积极性，尤其是进一步的明白计算机网络对自动化专业的性质和地位。
2.3internet时刻为学生服务
计算机技术的快速发展，计算机硬件价格日趋低廉，基本上每个学生手里都有了计算机，包括智能手机、平板电脑。所以学生可以很方便的登陆internet来查询教材上没有及时更新的前沿知识，提高学生的自学能力。教师可以课后布置网络在自动化控制中最前沿的话题，学生通过查询、调研、分析和理解掌握学科动态。让学生课堂作个小报告大家一起讨论，既活跃了课堂气氛，又了解了前沿知识。另一方面，可以通过学校的网络教学资源平台，建立计算机网络课程自学网站如图1所示。利用学生对网络的依赖心理，丰富课堂的内容。