基于DEA-AHP方法的黑龙江垦区农民专业合作社绩效评价研究

董志贵，张 颖，王 月

(1.辽宁科技学院 创新创业学院，辽宁 本溪 117004；2. 辽宁科技学院 外语系，辽宁 本溪 117004)

引言

21世纪以来，中国农业生产方式和经营主体正在发生剧烈变化。2013年，中央一号文件为现阶段农业规模经营发展指明方向，提出了构建集约化、专业化、组织化、社会化相结合的创新农业经营体系，为新型农业经营主体的发展指明了方向。随着农村劳动力大量转移与土地集中化程度加强，以农民专业合作社为代表的、具有现代农业特征的新型农业经营主体快速兴起。农民专业合作社利用耕地面积大的优势，加大生产要素投入、引入新技术、提高机械化作业率，促进了农业经济增长。

近几年，国内许多学者对农民专业合作社经营绩效评价进行了研究。吴东立等〔1〕运用数据包络分析(DEA)法对实地调查得到的几十个农民合作社的融资效率进行了实证研究；赵捷〔2〕采用DEA法对哈尔滨市所属的24家农民专业合作社运营效率进行了测算；刘萍等〔3〕选取8个省区的农机专业合作社的相关数据，采用DEA模型横向对比黑龙江省农机专业合作社的效率；张征华等〔4〕运用DEA模型对江西省内的22家具有代表性的农民专业合作社经营效率进行评价；赵培等〔5〕应用AHP法对云南省内的农村专业合作经济组织在发展中的影响因素进行了相关研究；孙美玉等〔6〕运用AHP法对农民专业合作社的效率进行了综合的评价；张学会等〔7〕在调研基础上采用了层次分析法对陕西省50 家果蔬类农民合作社纵向一体化水平进行了测算。

数据包络分析方法是以相对效率概念为出发点，进行评价具有相同类型的多投入、多产出的被评价对象(DMU)相对有效和非有效的非参数方法〔8〕。但是，DEA方法不能按明确数量值的大小对所有DMU排定名次，并确定各DMU的无量纲分值。显然，实际评价中仅把DMU分为两组是不够的，还常常需要将所有DMU进行排序。层次分析法中的比较、判断以及结果的计算过程均比较粗糙，决策者主观因素对评价过程影响很大，决策结果难以被所有决策者采纳。

鉴于上述原因，本文尝试运用DEA-AHP组合方法进行黑龙江省垦区农民专业合作社绩效评价研究。该方法既结合了数据包络分析法源于客观数据的优点，又考虑了层次分析法体现决策者偏好，并通过案例验证该方法的可行性及优越性〔9-11〕。

2 评价指标体系和评价方法

2.1 评价指标体系

为了保证黑龙江省垦区农民专业合作社绩效评价的科学性和客观性，确保评价结果能真实地反映物黑龙江省垦区农民专业合作社经营情况，构建绩效评价指标体系时应遵循以下原则：决策性原则、目标性原则、可执行性原则和代表性原则。考虑数据获取的便利性和准确性，本文构建的黑龙江省垦区农民专业合作社绩效评价指标体系如图1所示，主要包括成员数、从业人员、固定资产总额、农业产值、经营收入、利润总额等六大类指标。

图1 农民专业合作社绩效评价层次结构图

2.2 评价方法

(1)数据包络分析方法

数据包络分析是一种非参数效率评价方法，该方法将具有相同类型的多投入与多产出的评价决策单元数据进行空间坐标映射，以此确定决策单元(DMU)的相对效率。

设被评价对象有r个决策单元(DMU)，每个被评价对象有n种投入(消耗资源)，m种产出(收益或成果)。设n种投入的权重wT=(w1,w2,L,wn)，m种产出的权重uT=(u1,u2,L,um)，xij为第j个被评价相对第i个投入的输入，ykj为第j个被评价对象相对第k个产出的输出。

对任意决策单元(DMU)，在凸性、锥性、无效性和最小性公理假设前提下，线性规划模型L

令λj(j=1,2,…，r)，θ分别为L的第j(j=1，2，…，r)，j+1个约束条件的对偶变量，则其对偶规划D。

式(2)中，当θ=1，si-=0，sk+=0时，表明该被评价对象在C2R模型下是DEA有效的，即被评价对象技术和规模都是有效的，此时被评价对象在既定产出约束条件下，投入的资源总量最小，该被评价对象的资源利用率比较高。而θ<1，或si-≠0，sk+≠0时，表明该被评价对象在C2R模型下是非DEA有效的，投入产出比相对较低，资源的利用率不高，也就是说生产中资源存在浪费现象。

DEA方法不需要预先估计权重，同时又不需要考虑评价指标的量纲，这在避免主观因素和简化算法以及减少误差等方面也有着不可低估的优越性。但DEA方法的评价结果只是有效和非有效，不能给出决策单元明确的整体排序。

(2)层次分析法

层次分析法(AHP) 是一种定性与定量相结合的多目标复杂问题的决策分析方法。该方法主要依据决策者的经验判断指标间的相对重要程度，给出各指标的相对权重值，利用相对权重指数求出各方案的优劣次序，并最终确定决策方案是否能够实现。

层次分析法的基本思路为：首先，根据被评价对象的个体特征及总目标，分析总目标和个体特征的影响因素，建立评价对象的层次结构图。然后，专家依据经验对每层因素的相对重要性给予定量打分，再利用数学方法对每层的全部因素的相对重要性进行排序。最后，综合计算各层次因素相对重要性的权值，得到指标层与目标层相对重要性的权值组合，并以此作为目标评价和方案选择的依据〔12〕。AHP分析思路清楚，可将系统分析人员的思维过程系统化、数学化和模型化，分析时需要的定量数据不多。但其缺陷也十分明显，评价结果受人们的经验和主观因素的影响很大。

3 黑龙江省垦区农民专业合作社绩效实证评价

文章选取黑龙江省垦区2015年农民专业合作社的统计数据作为样本(如表1所示)，构建DEA-AHP农民专业合作社绩效评价模型，综合评价2015年六类农民专业合作社的运营绩效。

表1 垦区农民专业合作输入输出指标

3.1 基于DEA方法的合作社效率评价

运用DEA的C2R模型计算出各类合作社(DMU)的θ值，如表2。

表2 C2R模型求解结果

3.2 基于AHP方法的合作社贡献率评价

根据图1给出的农民专业合作社绩效评价指标层次结构，聘请相关专家和合作社管理人员根据合作社实际情况，两两比较准则层各指标的相对重要性，进行打分，得到准则层各指标的判断矩阵M1。

(3)

计算出判断矩阵M1的最大特征根λmaz=6.143，其对应的特征向量为：

(4)

一致性指标：

(5)

查表可知，当n=6时，平均随机一致性指标：

RI=1.24

(6)

由此可知，随机一致性指标：

(7)

通过一致性检验。

就同一指标来而言，由于专业合作社的性质不同，其影响程度表现则大不相同，相关专家和合作社管理人员根据合作社实际情况，分别给出各指标相对于不同合作社的判断矩阵，从业人员判断矩阵M2，成员数判断矩阵M3，固定资产判断矩阵M4。所有参与打分的专家和合作社管理人员一致认为，三个输出指标对所有合作社的重要程度都是一样的(即个指标权重和都为1)。所以，输出指标在此不一一对比，直接给出三个输出指标在各类合作社中权重均为1/6，即0.166。

(8)

(9)

(10)

依据式(8)计算从业人员判断矩阵M2的随机一致性指标CR=0.060<0.1，依据式(9)计算成员数判断矩阵M3的随机一致性指标CR=0.022<0.1，依据式(10)计算固定资产总额判断矩阵M4的随机一致性指标CR=0.0 998<0.1。以上随机一致性指标均通过一致性检验。

由以上单层次排序结果可知，指标权重和各类合作社的总排序如表3所示。

总排序一致性检验

(11)

表3 层次分析总排序表

通过一致性检验。

3.3 综合评价

将各类农民专业合作的总排序结果分别乘以各类合作社的DEA计算结果，得到各类农民专业合作社的综合评价结果，如表4所示。

表4 DEA-AHP综合评价结果

由表4可知，黑龙江省垦区六类农民专业合作社中，种植业合作社的绩效最优，由小合作社组合的其他合作社绩效最差。同时，黑龙江省垦区各类农民专业合作社的DEA评价结果中，有效和非有效的差距比较大，DEA非有效的合作社在今后的经营管理中应该着重改进，这可以为相关的单位或部门提供明确的改进方向。

4 结论

本文建立了黑龙江省垦区农民专业合作社绩效评价指标体系，运用DEA-AHP组合方法进行农民专业合作社绩效评价研究，求出各类合作社的最终效率值并进行排序。黑龙江省垦区六类农民专业合作社中，种植业合作社的绩效最优，由小合作社组合的其他合作社绩效最差。DEA-AHP组合评价方法既实现了DEA和AHP的优点，又避免了DEA法和AHP法各自的缺点。本文将该方法应用于黑龙江省垦区各农民专业合作社绩效评价，通过实例可以证明该方法适用性和实用性强。但考虑到农民专业合作社由于在地域上、自然条件、自然资源、技术、区域经济等方面存在极大差异，此方法应用过程中要考虑合作社的特殊条件，避免决策失误。