結合灰預測與資料包絡分析法之策略聯盟績效評估模式-以台灣資訊服務業為例 - 政大學術集成
126
0
0
全文
(2) 中文摘要 面對全球 ICT 投資成長趨勢，帶來了資訊服務業的龐大商機，引起各 資訊服務企業投入競爭，企業必須不斷強化競爭優勢，採行適當措施以調 整企業本身體質。企業利用既有資源的互補、結合，可使企業毋須額外投 入資源或投入有限資源情況下達到提升企業競爭力目的，稱為策略聯盟。 企業策略聯盟時，須同時考量企業內部經營績效與尋求外部聯盟的企 業狀況，如何有效選擇聯盟合作企業，以及聯盟後是否能有效提升企業競 爭力，實為當今企業管理者在面臨嚴苛經營環境必須面對專注的課題。. 政 治 大 作為企業未來資源調配的參考，使企業資源運用能與經營目標結合。 立. 企業管理透過績效評估工具，可使管理者瞭解資源運用的效果，並可. ‧ 國. 學. 灰預測(Grey Prediction)為根據過去簡單歷史資料即可準確推估未來， 為衡量企業未來表現之科學評估方法；資料包絡分析法 (Data Envelopment. ‧. Analysis，DEA)用於解決多投入多產出項問題，利用客觀計量運算及邏輯推. Nat. sit. y. 導，於企業進行策略聯盟時，最適合應用此方法作為聯盟對象之選擇。. er. io. 本研究建立台灣資訊服務業進行策略聯盟時之績效評估模式，提供管. n. al 理者選擇最適聯盟對象之決策參考，藉以提升企業經營效率，強化競爭能 iv 力。. Ch. n engchi U. 關鍵詞：策略聯盟、灰預測、資料包絡分析法(DEA).
(3) Abstract The growing trend of global investments in ICT has brought enormous opportunities in the information service industry. Under this trend, companies must continue to strengthen their competitive advantages. The integration of existing and/or complementary resources across different companies through co-operation could allow an individual enterprise to limit resource input and therefore achieve better competitiveness. This concept is known as strategic alliances. To form a strategic alliance, a company must consider both internal operating performance and external business conditions. How to choose a partner and determine whether the alliance could effectively enhance the competitiveness of the business should be the focuses of today's business managers. Through the use of performance evaluation tools, the managers of an enterprise can understand the efficiency of resource utilization, which can in turn be used as a reference for future resource allocation. Company resources can therefore be applied to the business objectives of the enterprise more efficiently. Grey prediction is a scientific assessment method that can accurately estimate future simply based on historical data. It can therefore be used to a l of the company. Data estimate the future performance v Envelopment Analysis i n multi-output scenarios by (DEA) is a method that dealsCwith and U h e multi-input i h ngc using objective measurement of operations and logical deductions. When a business enterprise plans to form a strategic alliance, DEA is the most suitable method to be used to select a partner. This study establishes the performance evaluation model of strategic alliances between business enterprises within the IT service industry of Taiwan, and in turn provides business managers a useful reference for better decision-making, thus serves as an effective tool to help enhance business efficiency and competitiveness.. 立. 政 治 大. n. er. io. sit. y. ‧. ‧ 國. 學. Nat. Keywords: strategic alliances, gray prediction, data envelopment analysis (DEA).
(4) 目 第一章. 錄. 緒論 ...................................................................................................... 1. 第一節 研究背景與動機 .............................................................................. 1 第二節 研究目的 .......................................................................................... 4 第三節 論文架構 .......................................................................................... 4 第二章 文獻探討 ............................................................................................... 7 第一節 策略聯盟(Strategic Alliance) ........................................................... 7 第二節 灰理論(Grey Theory) ..................................................................... 13. 政 治 大. 第三節 資料包絡分析法(Data Envelopment Analysis) ............................ 21. 立. 第三章 研究方法 ............................................................................................... 34. ‧ 國. 學. 第一節 灰預測(Grey Prediction) ................................................................ 34. ‧. 第二節 資料包絡分析法 Super-SBM 模型 ............................................... 38. y. Nat. 第三節 研究流程設計 ................................................................................ 41. er. io. sit. 第四章 實證結果與分析 ................................................................................... 45 第一節 研究範圍設定 ................................................................................ 45. al. n. iv n C 投入項與產出項之選取 47 h e n................................................................ gchi U. 第二節. 第三節 灰預測 ............................................................................................ 55. 第四節 預測的準確性 ................................................................................ 63 第五節 DEA 模式的選擇 ........................................................................... 65 第六節 皮爾森相關係數檢定(Pearson Correlation Coefficient) .............. 65 第七節 策略聯盟的績效分析 .................................................................... 67 第八節 策略聯盟對象選擇 ........................................................................ 87 第五章 結論與建議 ......................................................................................... 107 第一節 研究結論 ...................................................................................... 108.
(5) 第二節 未來建議 ...................................................................................... 109 參考文獻 ........................................................................................................... 111. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v.
(6) 表. 目. 錄. 表 2- 1 策略聯盟定義彙整表 ............................................................................. 7 表 2- 2 灰預測相關研究彙整表 ....................................................................... 19 表 2- 3 灰預測使用限制整理表 ....................................................................... 21 表 2- 4 資料包絡分析法研究成果彙整表 ....................................................... 31 表 4- 1 上市櫃資訊服務公司(策略聯盟對象) ................................................ 45 表 4- 2 投入項與產出項彙整表 ....................................................................... 47 表 4- 3 上市櫃資訊服務公司投入項與產出項(民 98) ................................... 48. 政 治 大. 表 4- 4 上市櫃資訊服務公司投入項與產出項(民 99) ................................... 50. 立. 表 4- 5 上市櫃資訊服務公司投入項與產出項(民 100) ................................. 52. ‧ 國. 學. 表 4- 6 上市櫃資訊服務公司投入項與產出項(民 101) ................................. 54. ‧. 表 4- 7 DMU1 投入項與產出項(民 98~民 101) ................................................ 56 表 4- 8 原始值與原始數列預測值比較 ........................................................... 59. y. Nat. io. sit. 表 4- 9 上市櫃資訊服務公司未來投入項與產出項預測值 (民 102) ........... 59. n. al. er. 表 4- 10 上市櫃資訊服務公司未來投入項與產出項預測值 (民 103) ......... 61. iv. Ch 表 4- 11 平均絕對值誤差率(MAPE)程度 ....................................................... 63 Un engchi. 表 4- 12 每個 DMU 的平均 MAPE .................................................................. 64 表 4- 13 投入項與產出項相關性檢定(民 98) ................................................. 65 表 4- 14 投入項與產出項相關性檢定(民 99) ................................................. 66 表 4- 15 投入項與產出項相關性檢定(民 100) ............................................... 66 表 4- 16 投入項與產出項相關性檢定(民 101) ............................................... 67 表 4- 17 DMUs 策略聯盟的績效 ....................................................................... 67 表 4- 18 第一類策略聯盟 ................................................................................. 87 表 4- 19 第二類策略聯盟 ................................................................................. 88 表 4- 20 第三類策略聯盟 ................................................................................. 99.
(7) 圖. 目. 錄. 圖 1- 1 全球 ICT 投資金額預測 .......................................................................... 1 圖 1- 2 全球 ICT 投資占全球 GDP 比例 ............................................................ 2 圖 1- 3 ICT 技術分類之投資狀況 ....................................................................... 2 圖 1- 4 論文架構................................................................................................... 6 圖 2- 1 包絡線..................................................................................................... 22. 政 治 大. 圖 2- 2 Farrell 效率 ............................................................................................ 23. 立. ‧. ‧ 國. 學. 圖 3- 1 研究流程圖............................................................................................. 43. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v.
(8) 第一章. 緒論. 第一節 研究背景與動機 科技時代的進步，資訊通信科技(ICT)的應用於企業經營或日常生活中 已逐年成長，全球於 ICT 投資與支出更呈現增加趨勢，根據 WITSA（World Information Technology and Services Alliance）發表「Digital Planet 2010」顯 示，除了因 2008 年金融海嘯影響，導致全球 ICT 投資金額負成長外，2010. 政 治 大. 年後再度回復成長態勢，2011 年 ICT 投資金額成長 8.7%，約 4.2 兆美元。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 資料來源：WITSA(Digital Planet 2010)，經濟部ITIS計畫整理，2011年4月. 圖 1- 1 全球 ICT 投資金額預測. 全球 ICT 投資金額龐大，自 2007 年來每年全球 ICT 投資金額皆占全球 GDP 6%以上之比例。 -1-.
(9) 政 治 大 圖 1-立 2 全球 ICT 投資占全球 GDP 比例. 資料來源：WITSA(Digital Planet 2010)，經濟部ITIS計畫整理，2011年4月. ‧ 國. 學. WITSA 將 ICT 投資分為硬體、軟體、服務與通訊四大區塊，就投資金. ‧. 額排名分別為金融服務業、政府單位、一般服務業、製造業、電信服務業、. Nat. sit. n. er. io. al. y. 運輸業、健康照護業等。. Ch. engchi. i Un. v. 資料來源：WITSA(Digital Planet 2010)，經濟部ITIS計畫整理，2011年4月. 圖 1- 3 ICT 技術分類之投資狀況 -2-.
(10) 面對全球 ICT 投資成長趨勢，帶來了資訊服務業的龐大商機，引起各 資訊服務企業投入競爭，以爭取更大市場機會，為因應競爭激烈的環境， 企業必須不斷強化競爭優勢，採行適當措施以調整企業本身體質，企業通 常藉由內部擴充或外部結合方式達到強化競爭力目的。企業內部擴充必須 投入更多的資源，例如增設產能、增聘員工、加強研發或併購其他公司達 擴充目的。企業外部結合常採用策略聯盟方式，利用既有資源的互補、結 合，可使企業毋須額外投入資源或投入有限資源情況下達到提升企業競爭. 立. 力目的。. 政 治 大. ‧ 國. 學. 企業內部擴充強調企業內部各項資源有效投入、管理，過去已有許多. ‧. 相關企業管理與研究的探討。企業外部結合則須同時考量企業內部經營績. Nat. io. sit. y. 效與尋求外部結合的聯盟企業狀況，如何有效選擇聯盟合作企業，以及聯. n. al. er. 盟後是否能有效提升企業競爭力，實為當今企業管理者在面臨嚴苛經營環. C 境必須面對專注的課題。 h. engchi. i Un. v. 企業管理透過績效評估工具，可使管理者瞭解資源運用的效果，並可 作為企業未來資源調配的參考，有效的績效評估有助於企業更具效率之經 營管理；因此發展一套有效的績效衡量方法，作為企業資源運用與價值創 造的依據，使企業資源運用能與經營目標結合。 在現有數量研究方法中，灰預測(Grey Prediction)為根據過去簡單歷史 資料即可準確推估未來，以此依據企業過去表現，預測未來經營情形，可. -3-.
(11) 用於衡量企業未來表現提供科學評估之方法；資料包絡分析法 (Data Envelopment Analysis；DEA)用於解決多投入多產出項問題，利用客觀數學 計量運算方式邏輯推導出綜合性指標，並將每項變數轉換成加權指數，以 利不同單位之各條件相互比較，於企業進行策略聯盟時，最適合應用此方 法作為聯盟對象之選擇。 本研究以國內上市櫃資訊服務企業為範圍，探討台灣資訊服務產業進 行策略聯盟績效之評估。分析各候選聯盟企業過去經營績效並預測未來經. 立. 政 治 大. 營能力，進一步分析與各候選聯盟企業未來聯盟後之績效，提供管理者選. ‧ 國. 學. 擇最適策略聯盟對像之參考，藉以提升企業經營效率，強化競爭能力。. ‧ sit. y. Nat. 第二節 研究目的. n. al. er. io. 本研究探討台灣資訊服務企業為因應經營環境挑戰，如何有效選擇同. iv. n 業策略聯盟企業，並藉由與策略聯盟企業的結合，強化經營綜效，提升競 C hengchi U. 爭力。利用灰預測方法，分析各候選聯盟企業過去經營資料，以預測未來 經營成效，再藉由資料包絡分析法計算出與各候選聯盟企業進行聯盟後的 績效，以期作為企業策略聯盟績效決策之參考。. 第三節 論文架構 本研究計畫共分五章，各章內容概述如下： 第一章緒論：說明本研究之研究背景與動機、研究目的，以及研究架 -4-.
(12) 構。 第二章文獻探討：整理策略聯盟、灰理論、資料包絡分析法之相關國 內外研究與應用。 第三章研究方法：針對本研究所使用之研究模型灰預測、super-SBM 加 以描述介紹。 第四章實證結果與分析：本研究以台灣上市櫃資訊服務業為範圍，探 討資訊服務業進行同業策略聯盟時之績效評估。利用灰預測推估企業未來. 立. 政 治 大. 經營績效，再以資料包絡分析法作為策略聯盟對象選擇之分析與建議。. ‧ 國. 學. 第五章結論與建議：分析本研究結果並提供未來研究之建議。. ‧. 以下為本研究之研究流程圖 1-4：. n. er. io. sit. y. Nat. al. Ch. engchi. -5-. i Un. v.
(13) 研究背景與動機 問題確立與 相關文獻探 討. 研究目的. 相關理論文獻探討 策略聯盟 灰理論 資料包絡分析法. 政 治 大 研究方法與研究模型之確立 立. ‧ 國. 學. Nat. y. ‧. 設定研究範圍與經營績效 指標選擇. er. io. sit. 績效分析與預測. 研究方法探 討與實例應 用. n. al. ni Ch 策略聯盟投入、產出 U engchi 項選擇. v. 策略聯盟績效比較與 分析. 結論與建議. 圖 1- 4 論文架構. -6-. 研究結果討 論.
(14) 第二章. 文獻探討. 第一節 策略聯盟(Strategic Alliance) 一、 策略聯盟定義 企業為了提升自我競爭優勢，尋求外部資源合作，即為策略 聯盟之精神。聯盟形式及合作項目，會因企業當時所處條件及狀 況有所不同，聯盟形式包含契約或約定等，合作項目則包括技. 政 治 大. 術、行銷、市場等，其最終目的為彼此聯盟之企業，帶來更大效. 立. ‧ 國. 學. 益、獲取更大利益或達到產品市佔率提升之目的。茲就過去研究 中，有關策略聯盟之定義彙整說明如下表 2-1。. sit. 定. n. al. 義. er. io. 學者 (發表年代). y. ‧. Nat. 表 2- 1 策略聯盟定義彙整表. v. Yoshino & Rangan 二個以上企業，為追求共同互利目標，投入關鍵 ni Ch U engchi 資源，分享聯盟利益與績效，並維持各自獨立地 (1995) 位 Yuan & Wang. 兩個或以上的獨立企業為了策略目標，簽訂合作. (1995). 契約，以強化各自競爭力並獲取相互利益. Varadarajan &. 企業間為達成各自公司使命及策略目標，所採取. Cunningham. 持續性資源合作契約. (1995) 尤克熙 (1995). 兩家或以上的公司為了提升競爭力，簽訂合同相 互合作，各公司仍維持法律獨立個體的合作過程. Gersony (1996). 兩家或以上的企業，提供各自資源，並分享共同 成果，以達策略合作之目的 -7-.
(15) 吳青松 (1996). 策略聯盟是介於市場交易與完全合併間的組織 合作協定，屬於關係契約的一種 兩公司為達資源互補目的，於研發、製造、銷售. Barney (1997). 及服務等採取的合作措施 Kumar. 與合作企業相互學習其競爭者所缺乏之技術及. (1997). 產品 傅衡宇 (1997). 兩家或以上之企業，訂定平等互惠之契約，結合 彼此資源相互合作，以強化企業競爭優勢並達成 企業策略目標 兩個以上的企業為完成共同目標，相互提供各自. Tyler & Steensma. 治 政 大 企業間為某些策略理由產生的合作關係 立企業為了強化並維持長久競爭優勢所做出的策 資源與技術. (1998) 林志豪 (1998) Devilin &. ‧ 國. 學. Bleackley (1998) 略性考量 Das & Teng (2000) 公司間為提升競爭優勢採行自發性相互合作. ‧. 施振榮 (2000). 利用聯網組織或協定實現產業分工整合，聯網中. sit. 求共同利益. 兩家或以上之企業，簽訂正式契約以達合作目. n. al. er. io. 李文瑞 (2000). y. Nat. 每家公司彼此獨立並聚焦於自己最佳貢獻，以追. 的，實現各自策略目標 ni C. U. h. v. Hill & Jones. engchi 企業透過契約或協定的方式發展長久合作關. (2001). 係，以實現策略性目標. Kale, Dyer &. 企業間共同研發、生產與資源共享的合作關係. Singh (2002) Gamal (2002). 策略聯盟可使合作對像強化特定競爭力，提供合 作對像以較少資源開創新機會. Hitt et al. (2007). 企業間為了協力發展與銷售產品及服務，所建立 資源、能力交互與共享的聯結關係. 賴雅音 (2008). 企業間採取共同合作方式以取得所需資源或達 成某一策略目標之契約關係. 陳善民 (2008). 至少兩個以上的企業或組織所組成，基於共同利 -8-.
(16) 益目標，利用策略性合作方式，彌補彼此不足， 以期產生綜效並確保或提升市場競爭優勢 李忠諭 (2009). 兩家或以上的企業，透過股權或非股權形式建立 長期合作關係，彼此交換資源與能力以達互補性 效果，藉此完成策略目標並創造競爭優勢. 曾韻慈 (2010). 各組織間以合作關係、資源共享的方式，長期正 式非合併性，使各組織能互補及共享資源，使其 多元發展、提升競爭力並降低成本. Lowensberg. 多個組織成員為達一個或多個目標，共同規劃並. (2010). 以協力的方式完成工作，已廣泛應用於組織共同. 政 治 大. 目標達成的合作方式 資料來源：本研究整理. 立. ‧ 國. 學. 綜合上述國內外學者提出之定義，本研究認為策略聯盟是：. ‧. 「企業間為了達成彼此策略目標，採行的所有合作方式，包含資. sit. y. Nat. io. n. al 競爭力、品牌、市佔率提升之過程。」 Ch. 二、 策略聯盟型態. engchi. er. 源、技術、研發、製造、行銷、通路、服務等結合，以強化企業. i Un. v. 企業為了降低風險、進入及擴張國際市場、分享核心資源、 增補技術與交換專利、克服法令等限制，使企業能進行上下游整 合，利用策略聯盟方式以尋求外部各項合作機會並維持企業競爭 地位 (Contractor & Lorange,1998)。因此，企業將聯盟視為其在產 業競爭的策略手段與目的，結合各自核心資源、分擔風險及成 本，以增強企業競爭優勢。 -9-.
(17) Porter & Fuller(1986)依價值鏈將聯盟分為： (一)X 聯盟：垂直分工方式，聯盟成員各從事不同價值活動(技 術、行銷、服務等)。 (二)Y 聯盟：聯盟成員從事相同(似)價值活動。 Killing(1988)依公司股權將聯盟區分為： (一)合資：參與聯盟的企業共同創設一新公司，每位聯盟成 員皆有股權。. 立. 政 治 大. (二)股權式聯盟：不另設新公司，參與聯盟的成員擁有另一. ‧ 國. 學. 聯盟企業的股權。. Nat. io. sit. 聯盟成員間無擁有聯盟企業的股權。. y. ‧. (三)非股權式聯盟：聯盟成員以契約協定等方式進行合作，. er. 吳青松(1990)依附加價值與目的將聯盟區分為：. al. n. iv n C hengchi U (一)垂直整合型：聯盟成員上下游合作。. (二)科技結合型：聯盟成員科技能力合作。 (三)產品延伸型：提供相同的顧客不同的產品。 (四)水平整合型：聯盟成員功能性合作。 (五)市場延伸型：提供不同市場相同的產品。 (六)多角化型：提供不同市場不同的產品。 Yoshino & Rangan (1995)依企業間互動與衝突程度將聯盟區. - 10 -.
(18) 分為： (一)同業競爭性聯盟(competitive alliances)：因為同業，企業 互動與衝突程度皆高。 (二)同業非競爭性聯盟(noncompetitive alliances)：企業互動程 度高但衝突程度低。 (三)異業聯盟(precompetitive alliances)：因為跨產業，企業互. 政 治 大. 動程度低，但衝突程度高。. 立. (四)產銷聯盟(procompetitive alliances)：因為跨產業及產業鏈. ‧ 國. 學. 屬於上下游垂直互動關係，企業互動與衝突程度皆低。. ‧. 歸納上述學者提出策略聯盟型態，大致可分為：. Nat. n. al. C (三)市場：水平聯盟h. engchi. sit er. io. (二)產業上下游：垂直聯盟. y. (一)地域性：國內或跨國聯盟. i Un. v. (四)財務：股權結構 (五)功能：生產、行銷、研發、服務、通路等聯盟 (六)組織：成立公司或新的事業組織 三、 策略聯盟成功因素 策略聯盟雖然可為彼此合作之企業帶來資源或發揮綜效，但 策略聯盟不是必然成功，聯盟失敗之原因常為利益、企業文化、. - 11 -.
(19) 溝通等衝突。根據學者 Stonehouse & Campbell (2004)研究顯示， 導致聯盟失敗原因：缺乏瞭解聯盟公司、對聯盟公司文化不相 容、對聯盟公司過度樂觀預估市場成長率等。 因此，為了使企業增加競爭優勢，必須藉由成功的策略聯盟 才能為彼此合作之企業帶來效益，有關策略聯盟成功因素整理如 下：. 政 治 大. Faulkner (1995)認為策略聯盟成功因素：(1)聯盟夥伴具有互. 立. 補性技能及核心能力、(2)聯盟夥伴高層的承諾及強勢主導、(3). ‧ 國. 學. 聯盟夥伴接受彼此不同組織文化、(4)聯盟夥伴彼此真誠合作。. er. io. sit. Nat. 特性及效益，且可使組織不斷改善與進步。. y. ‧. Lewis (1997)提出成功策略聯盟需讓合作帶來難以模仿的獨. Rule & Keown (1998)針對策略聯盟之企業進行分析，發現影. n. al. i n C U hengchi 響聯盟成功及失敗之原因為：. v. (一)組織文化：包含信任、承諾、態度及文化相容 (二)管理方式：執行能力及策略一致 (三)工作流程：資訊分享及相互溝通 Judith et al. (2000)利用訪談及問卷，整理出受訪企業認為成 功策略聯盟最重要之五大因素：相互的信任、高層的支持、預期 的差距、明確的目標、夥伴的相容。. - 12 -.
(20) Evans (2001)依據過去研究提出策略聯盟的五項成功準則：合 作夥伴具備履行聯盟能力、與合作夥伴之文化及經營方式相互融 合、合作夥伴願意風險共同承擔、掌控聯盟使其產生效力、避免 與合作夥伴之市場重疊導致競爭。 Heather (2006)認為須先充分了解與可能聯盟夥伴的誘因、溝 通、挑戰與文化，從中選擇出最適合作對象，才能為聯盟帶來成 功。. 立. 政 治 大. Stephanie & Fred (2008)則考量與聯盟夥伴以往合作經驗、資. ‧ 國. 學. 源互補性、知識重疊性等為影響策略聯盟關鍵成功因素。. ‧. 綜合上述各項研究可知，成功的策略聯盟需能為企業帶來：. Nat. io. sit. y. 營運成本降低、資源互補與共享、經營風險的分散與承擔、技術. n. al. er. 的升級、市場或產品的擴張，以為企業創造更大的獲利。. Ch. 第二節 灰理論(Grey Theory). engchi. i Un. v. 一、 灰理論起源 現今雖處於資訊科技的時代，但探索自然界問題時，仍包含 許多未知、不確定的因素及訊息不完全的狀況，即是介於不明確 未知與不明確已知之間，真實世界存在的各種訊息與其相關因素 有著動態之關聯，研究問題時，獲得訊息的多寡與誤差度將影響 結果的正確性。 - 13 -.
(21) 面對可充分掌握訊息，其間因果關係清楚的狀況，通常稱為 白色系統（White System） ；若訊息完全無法掌握，因果關係非常 複雜則稱為黑色系統（Black System） ；當情況是介於上述兩者之 間，則統稱為灰色系統(Ｇrey System）。 過去經常因資料不完整常導致無法運用，或因資料不完全而 無法進行數理統計分析或建立模型運算，因此浪費了灰色系統中. 政 治 大. 的白色部份的資訊，自 1982 年中國華中理工大學鄧聚龍教授提. 立. 出灰色系統理論，強調應充分利用灰色系統中的白色訊息，並發. ‧ 國. 學. 表了＂The Control Problem of Grey System”，灰色理論開始廣泛. ‧. 應用於農業、工程、商業、氣象、經濟、交通、醫學等各項領域. Nat. io. sit. y. （鄧聚龍及郭洪，民 85） 。台灣學術界亦將灰色理論應用於資訊、. er. 工業工程、財務金融、企業管理等領域並提出相關研究報告，致. n. al. i n C U hengchi 使灰色理論研究成果於國內快速成長。. v. 灰色理論（Grey Theory）主要是針對資訊不完整、系統模式 不明確下，摒除傳統藉由分析因子以預測系統未來狀態，改由透 過系統歷史狀態建立系統模型。由於原始數據有限且不規則，必 須將原始數據經由累加生成(Accumulated Generating Operation, AGO)轉化成較具規則新序列，才能建立精確的灰模型並計算出 預 測 值 ， 再 經 由 逆 累 加 生 成 (Inverse Accumulated Generating. - 14 -.
(22) Operation, IAGO)反向解出原始數據相對應的預測值，以藉由該模 型預測系統未來將呈現狀態。 二、 灰理論介紹 灰理論主要應用於訊息不完全、行為模式不確定之狀況下， 在有限白色訊息的條件下，進行系統的關聯分析（ Relational Analysis）及模型建構(Model Construction)，並藉由預測(Prediction). 政 治 大. 與決策（Decision）以探討瞭解系統。因此，灰系統具有”訊息不. 立. 完全”與”就數找數”的特徵：. ‧ 國. 學. (一)訊息不完全：當系統具備訊息不完全之特性即可稱之為. ‧. 灰系統，灰系統包含灰數（系統內訊息不完全的數值）、. Nat. 係不明確的數值或元素） 。. al. er. io. sit. y. 灰元（系統內訊息不完全的元素）及灰關係（系統內關. n. iv n C hengchi U (二)就數找數：由於灰系統之訊息不完全，因此無法藉由分 析系統內部因子來預測系統未來狀況，僅能從系統的歷 史數據中，推演出系統的規律性以預測系統未來狀況。 灰理論包含六大研究項目：灰生成（Grey Generating） 、灰關 聯 分 析 （ Grey Relational Analysis ）、 灰 建 模 （ Gery Model Construction） 、灰預測（Grey Prediction） 、灰決策（Grey Decision Making）及灰控制（Grey Control）。. - 15 -.
(23) (一)灰生成（Grey Generating）：一種補充訊息的方法，在雜 亂的數據中，可將訊息不明確的灰色部份，利用就數找 數的方式補足，並找出數據的規律性與特徵，降低數據 的隨機性並提升其規律性，達到後續建模預測之目的。 當數據資料多於四個時，可以滾動建模方式並以預測數 據檢驗可信度。灰理論中常用的生成法有：. 政 治 大. (1)累加生成(Accumulated Generating Operation, AGO)：將. 立. 數據依次累加，以產生規律遞增層次。. ‧ 國. 學. (2)逆累加生成(Inverse Accumulated Generating Operation,. ‧. IAGO)：累加生成之逆運算，以產生規律遞減層次。. Nat. io. sit. y. (3)插值生成(Interpolation Generating)：用其他數學方法計. er. 算，以填補非等間距數據或剔除不適當數據。. al. n. iv n C hengchi U (4)均值生成(Generating)：先計算出原始數列的平均值， 再將原始數列每個數據除以均值得均值化數列。 (5)灰色關聯生成(Grey Relational Generating Operational, GRGO)：在實際情形下，所作不失真的數據處理。 (二)灰關聯分析（Grey Relational Analysis） ：分析離散(discrete) 數列間，各因素相關程度的方法，以定量比較各因素的 關聯程度，根據因素與因素間發展趨勢的相似或相異程. - 16 -.
(24) 度，來衡量因素間的關聯程度。因統計迴歸(regression) 有使用上的限制：變數間存在相互影響關係、需有大量 的數據、數據須為典型分佈(例如常態分佈)、不能有太 多變化因素等，不適用於少數據多因素之分析，正可藉 由灰關聯分析彌補。 (三)灰建模（Gery Model Construction） ：將生成過的數據，建. 政 治 大. 立一組灰差分方程式(Grey Differential Equation)與灰擬. 立. 微分方程式(Pseduo Differential Equation)之模式稱之。可. ‧ 國. 學. 分為：. ‧. (1)GM(1,1)：表示一階微分，變數一個，用於資料預測。. Nat. io. sit. y. (2)GM(1,N)：表示一階微分，變數 N 個，用於多變量關. er. 聯分析。. al. n. iv n C h eNn階微分，變數 (3)GM(N,N)：表示 g c h i U N 個，用於多變量關 聯分析。 (四)灰預測（Grey Prediction） ：以 GM(1,1)模型作為基礎，對 系統的未來狀態進行預測，其優點為不需太多數據及基 礎數學能力。 (五)灰決策（Grey Decision Making） ：利用灰預測結果進行分 析與決策，可分為：. - 17 -.
(25) (1)灰局勢決策(Grey situation decision)：從多個對策中選 擇最佳的對策。 (2)灰層次決策(Grey layer decision)：同時考量多個層次的 影響，進而選擇最適的對策。 (3)灰規畫(Grey programming)：利用灰預測做出的動態規 劃，應用於驗證傳統規劃方式。 (六)灰控制（Grey Control）：有別於傳統依據出現過的狀態. 政 治 大. 之事後系統控制方式，灰控制分析系統行為數據，找出. 立. 系統行為發展之規律，以預測系統未來行為，並將預測. ‧ 國. 學. 值回授至系統，以作為事前系統控制的策略。. ‧. 三、 灰預測相關研究文獻. y. Nat. er. io. sit. 有關灰理論國內的相關研究，近幾年已被廣泛應用於各領. n. 域，包含交通、法務、機械、通路、產業、醫療、政策、農業、 a v. i l C n U hengchi 金融等，用來解決面臨的問題，皆能獲得良好的研究結果，並因. 此提出問題的改善辦法或提供未來發展趨勢之參考。故本研究應 用灰理論中的灰預測作為企業未來經營績效預估之方法，有關灰 預測國內相關研究彙整如表 2-2。. - 18 -.
(26) 表 2- 2 灰預測相關研究彙整表 研究對象. 研究方法. 李宗 預測農作物價格– 儒、鄭卉 紅豆 方 (2000) 楊森傑 台股指數期貨價格 (2000) 半導體產業景氣之 預測. 小樣本期間有精確預測 績效. 灰預測、 灰關聯分 析. 提供半導體產業景氣預 測模式，作為半導體業者 或政府單位決策時之參 考. 灰預測. 不論開高走低、開低走高 與盤整走勢，準確度高達 99%以上. 灰預測. 灰預測器對於較低頻或 較無劇烈變化的雜訊有 好的效果並可解決估算 v 雜訊上限值的問題 ni. n. 李玉芬 (2006). 劉蓓雯 (2006). 江照勇 (2008). Ch. y. ‧. io. 灰預測. 學. Nat. 王天 台灣證券發行量加 津、林英 權股價指數 玲 (2003) 梁智淵 雜訊預測及直流馬 (2004) 達速度效能控制. al. 利用灰預測精確預估未 來價格，提供政府、批發 商及生產者在政策、訂價 及生產量參考依據. 政 治 大. ‧ 國. 立. 灰預測. sit. 陳怡妏 (2002). 研究結果. er. 作者. engchi U. 預測台灣國民生產 毛額發展趨勢. 灰預測. 灰預測的殘差值小於最 小平方預測結果，顯示灰 預測比最小平方精準. 中央健保局年度醫 療費用支出之研究. 灰預測. 建立全民健保財務預測 評估模式，研究結果顯示 精確度均達 90%以上. 改善熱傳逆問題 時，因溫度量測誤 差所衍生的逆算誤 差. 灰預測. 灰預測方法可以使實際 溫度量測點數大量減 少，一樣達到原有使用大 量直接量測溫度逆算結. - 19 -.
(27) 果準確度. 朱秋瑾 (2009). 利用過去資料預測未來 經營績效，作為策略聯盟 廠商評估之參考. 跨國科技競爭力評 估與預測. 灰預測、 資料包絡 分析法. 預測與評估各國未來之 科技發展趨勢. 探討新興市場經濟 發展程度. 灰預測、 灰馬可夫. 提供市場參與者對新興 市場國家經濟發展進一 步了解，作為投資 BRICs 與 ASEAN 加六選擇投 資標的市場之參考. 灰預測. 提供人壽保險業未來發 展之評估. 印表機維修備料預 測之研究. 灰預測. 當零件備料需求量歷史 資料不足之限制情況 下，選擇灰預測可獲得最 佳之需求預測結果. sit. io. al. iv n C 針對未來可能快速成長 探討網路犯罪之研 h e n灰預測 g c h i U之網路犯罪行為進行預 n. 陳建舜 (2011). 許亢亭 (2012). ‧. 台灣壽險業通路績 效之研究. Nat. 許秀月 (2010). 學. 沈建興 (2010). ‧ 國. 立. 政 治 大. y. 劉俊儀 (2008). 評估策略聯盟績效- 灰預測、 以台灣 TFT-LCD 產 資料包絡 業為例 法. er. 李雅如 (2008). 究. 探討松山機場兩岸 直航客運量發展. 測分析，提供警政單位提 早預防準備 灰預測. 建構短期需求精確客運 量預測模型. 資料來源：本研究整理. 由以上研究可知，灰預測已成功應用於各領域，但灰預測仍 有其使用的限制，整理比較如表 2-3： - 20 -.
(28) 表 2- 3 灰預測使用限制整理表 . 優 點 允許數據為任意分佈（與迴 歸統計有很大差別） 只需要四個樣本數據即可建 模（毋須很多樣本資料） 建模不需複雜數學運算. 缺 點 忽略樣本差異性的影響 建模後殘差值過大時， 影響預測精確性. 灰預測雖有其使用上之限制，但當數據資料極為有限時，利 用灰預測可成功應用於各項未來推估工作，以補統計方法之不. 政 治 大. 足，此部份可由過去相關研究得到驗證，本研究亦以此方法作為. 立. ‧. ‧ 國. 學. 預測企業未來經營之績效。. 第三節 資料包絡分析法(Data Envelopment Analysis). y. Nat. er. io. sit. 一、 資料包絡分析法介紹. 資 料 包 絡 分 析 法 ( 簡 稱 DEA) 源 起 於 學 者 Farrell(1957) 在. n. al. i Un. Ch. v. 其”The Measurement of Production 「非預設 e n g c Efficiency”論文提出以 hi 生產函數」代替長久以來以「預設生產函數」進行效率衡量的推 估，當時所建立效率推估模式複雜且不易計算，後有學者更進一 步研究並將模式調整為較易計算之線性規畫方法。 DEA 對效率衡量之概念建立於柏拉圖最適境界之精神，即無 法在不損及他人情況下來增加利益，採行相對比較方式而非絕對 比較，以包絡線(Envelopment)作為相對效率比較之基礎。包絡線 - 21 -.
(29) 在經濟學上的意義為”所有可能最佳解”所形成的邊界或前緣 (Frontier)。例如圖 2-1，長期平均成本曲線由各短期平均成本曲 線最低的點(所有可能最佳解)所形成，其他平均成本較高的點皆 包於該曲線內，故長期平均成本之曲線為所有短期平均成本之包 絡線。. 立. 政 治 大 (Short Average Cost). ‧ 國. 學 (Long Average Cost). y. ‧. Nat. er. io. sit. 圖 2- 1 包絡線. DEA 利用投入項與產出項作為生產效率指標，將所有可能最. n. al. i Un. Ch. v. engchi 佳解形成包絡線，稱為生產前緣(production frontier)或效率前緣 (efficiency frontier)，再將接受評估之決策單位(Decision-Making Units, DMUs)的點到原點的距離與其投射(Map)於包絡線的點之 比值，作為 DMU 之效率值，以衡量各 DMU 的相對效率及相對 無效率程度，落在包絡線上的 DMU 效率值為 1，稱為相對有效 率，落在包絡線外的 DMU 效率值為 0~1，稱為相對無效率。 Farrell 將效率分為技術效率(technical efficiency, TE)與配置效 - 22 -.
(30) 率(allocative efficiency, AE)兩種：在投入固定的條件下，可生產 最大產量為技術效率；投入/產出項價格固定的條件下，最適合的 投入/產出組合為配置效率。. ●. ●. R. 立. DMU2. 政Q 治 大 DMU. ● ●. 4. ●. DMU5. 圖 2- 2 Farrell 效率. Nat. io. sit. y. ‧. ‧ 國. ●. 學. 0. DMU3. DMU1. ●. er. 如圖 2-2，假設有 5 家廠商接受評估，分別為 DMU1~ DMU5，. al. n. iv n C ’ U X2，產出項為 h e n Y，SS g c h i為等產量線，其線上各點為. 投入項為 X1,. X1, X2 最小可能組合，當投入位於 SS’上，代表廠商具有完全技術 效率，如 DMU1, DMU2, DMU4, DMU5 位於包絡線上，技術效率 值為 1；DMU3 位於包絡線外，技術效率值介於 0~1 間。技術效 率等於原點到 DMU 投射至包絡線的點的距離除以原點到 DMU 的距離，以 DMU3 為例，TEDMU3=OQ/ODMU3<1，表 DMU3 為技 術無效率。. - 23 -.
(31) 技術效率模型可分為投入導向和產出導向兩種，當投入項較 產出項易控制時，選擇投入導向模型(Input Orientation)，即在固 定產出水準下所需最少投入；當產出項較投入項易控制時，選擇 產出導向模型(Output Orientation)，即在相同投入水準下追求最大 產出。. AA' 為等成本線，表同一金額所能購買最多投入項 X1, X2. 政 治 大. 所有可能組合，R 與 DMU4 成本相同且最小，配置效率為 1，Q. 立. 點配置效率為 OR/OQ<1，表 Q 點配置無效率。. ‧ 國. 學. DMU4 具有完全技術效率與配置效率；DMU2 具有完全技術. ‧. 效率但無配置效率；DMU3 則無技術效率與配置效率。. Nat. io. sit. y. DEA 為研究具有相對效率之方法，考量所有 DMU 的投入及. er. 產出，以加權概念計算出個別 DMU 與其他 DMU 之相對效率，. n. al. 除了對各別 DMU. iv n C hengchi U 區分有效率及無效率外，還可針對無效率的. DMU 提出改進的方向，有關 DEA 特性彙整如下： (一)具有處理多投入項、多產出項的能力，評估的 DMU 同 質 性越高，評估效果越佳。 (二)可同時處理定量(Quantitative)或定性(Qualitattive)之問 題，因 DEA 計算求得是效率值，較傳統以平均值的評估 法較為客觀精確。. - 24 -.
(32) (三)無需事先預設生產函數及參數，減少因預設函數所產生 之誤差，在實際應用上較為可行。 (四)投入與產出項可以是數量或非數量、比率性資料(ratio scale)、順序性資料(ordinal scale)等，可同時處理不同計 量單位投入與產出項資料，具有資料處理的彈性。 (五)投入與產出項的權重由數學規劃產生，避免人為主觀因. 政 治 大. 素的影響，使評估效果更客觀。. 立. (六)DEA 可同時評估不同環境下 DMU 的效率，藉由 DEA 評. ‧ 國. 學. 估的效率值了解資源使用情況，提供管理者決策之參考。. ‧. (七)模型的目標函數值不受投入、產出項計量單位的影響，. Nat. 作為衡量 DMU 之相對效率。. al. iv n C hengchi U 應用於效率評估極為簡單及便於使用，但仍有其. n. 儘管 DEA. er. io. sit. y. 將投入、產出項以效率比值表達，提供單一綜合性指標，. 使用之限制： (一)投入與產出項的選擇應有某種程度共通性，才能保持客 觀的評量。 (二)DMU 樣本不足時，將影響評估效果。 (三)容易因投入及產出項的改變影響評估結果。 (四)DMU 的變異太大時，將顯著影響分析結果。. - 25 -.
(33) (五)DEA 評估結果為相對效率，非絕對效率。 (六)無法使用於負值的投入及產出項資料。此項已有學者透 過資料平移方式來改善。 (七)DEA 對資料極敏感，投入及產出項資料必須明確且可衡 量，否則易受錯誤、極端值資料影響結果。 當 DMU 數量較少時，不易找出生產效率前緣且有潛在誤. 政 治 大. 差；當 DMU 數量較多時，DEA 評估結果較為堅實(Ronald &. 立. Lawrence 1999)。唯 DMU 數量又與投入、產出項數有關，依據過. ‧ 國. 學. 去研究提出之經驗法則，DMU 數量至少應為投入與產出項總和. ‧. 的二倍(Golany & Roll,1989)。. Nat. er. io. sit. y. 二、 資料包絡分析法基本模型. Farrell(1957)提出效率前緣模型(Efficiency Frontier Model)為. al. n. iv n C U CRTS)下，處理多投入 h ereturns 假設固定規模報酬(constant n g c htoiscale, 單一產出問題。Charnes, Cooper 與 Rhodes(1978)進一步將模型轉 化為線性規劃模式，並結合對偶理論(Duality Theory)，使模型可 擴充應用於處理多投入多產出問題，稱之為 CCR 模型。 假設 t 個 DMU (k=1..t)，m 個投入項 Xi (i=1..m)及 n 個產出項 Yj (j=1..n)，CCR 投入導向模型基本公式： Max. =. 0. - 26 -. 1.
(34) St.. 1. Ui. ε 0 ；Vj. ε 0. Xik：第 k 個 DMU 之第 i 個投入項數量 Yjk：第 k 個 DMU 之第 j 個產出項數量 Ui：第 i 個投入項權重 Vj：第 j 個產出項權重 ε：非阿基米德數(Non-archimedean Constant). 政 治 大. 權重 Ui 與 Vj 可由計算中獲得，無需事先假設；而 ε 為極小. 立. -6. ‧ 國. 學. 的正數(一般為 10 )，目的使權重為正數。. 上式為分數規劃較不易計算，將之轉換為線性規劃： =. 0. ‧. 1. io. sit. y. Nat. St.. n. al. er. Max. i=1..m,. j=1..n, C k=1..t, h Ui, Vj. engchi. εU0n. iv. 上式因限制式比變數多，為了更方便求解，將 CCR 線性模 型轉化成對偶模型： Min. ε(. ). St. =. i=1..m,. j=1..n, k=1..t - 27 -.
(35) 其中. ：第 k 個 DMU 的投入產出所佔權重，主要目的為控. 制最低投入項及最高產出項 ：第 i 個投入項的差額變數(Slack Variable) ：第 j 個產出項的超額變數(Surplus Variable) ：目標 DMU 的相對技術效率值 , i=1..m. 治. * Y jk ( * Y jk S 政 j=1..n j ) Y jk , 大. 立. ‧ 國. 學. 若求得 D MU 效率值為 1 且差額變數為 0，則為相對有效率； 若求得 DMU 效率值小於 1，則[. ]可作為. ‧. 改進該 DMU 效率之參考。. sit. y. Nat. CCR 模型為假設固定規模報酬下處理多投入多產出問題，即. er. io. n. al 每個 DMU 都是在最適規模下進行生產。唯實際上每個 DMU 並 iv Ch. n engchi U. 非都能完全處於固定規模報酬狀態，1984 年 Banker, Charnes 和 Cooper 提出在變動規模報酬(Variable returns to scale, VRTS)下衡 量效率值，即為 BCC 模型。使過去僅從投入項產出項解決無效 率問題，現可藉由變動規模方式改進效率。BCC 投入導向模型基 本公式：. Max. =. 0. - 28 -. 1.
(36) St.. 1. ε 0 ；Vj. Ui. ε 0. Xik：第 k 個 DMU 之第 i 個投入項數量 Yjk：第 k 個 DMU 之第 j 個產出項數量 Ui：第 i 個投入項權重 Vj：第 j 個產出項權重 ε：非阿基米德數(Non-archimedean Constant). 政 治 大. ：第 k 個 DMU 之規模報酬值. 立. ‧ 國. 學. ：該 DMU 為規模報酬遞減(decreasing returns to scale, DRS). ‧. ：該 DMU 為固定規模報酬(constant returns to scale,. y. Nat. er. io. sit. CRS). ：該 DMU 為規模報酬遞增(increasing returns to scale,. n. al. IRS). Ch. engchi. i Un. v. 將上式轉換為線性規劃： Max. =. 0. 1. St.. i=1..m,. j=1..n, k=1..t, Ui, Vj. - 29 -. ε 0,.
(37) 將上式轉化成對偶模型： ε(. Min. ). St. = =. i=1..m, j=1..n, k=1..t θ無正負限制. 立. ：第 k 個 DMU 的投入產出所佔權重，主要目的為控. ‧ 國. 學. 其中. 政 治 大. 制最低投入項及最高產出項. ‧. ：第 i 個投入項的差額變數(Slack Variable). y. Nat. n. a 的相對技術效率值 ：目標 DMU. er. io. sit. ：第 j 個產出項的超額變數(Surplus Variable). iv l C n hengchi U , i=1..m. Y jk ( * Y jk S j * ) Y jk , j=1..n 若求得 DMU 效率值小於 1，則[. ]可. 作為改進該 DMU 效率之參考。 三、 資料包絡分析法相關研究文獻 自 Farrell(1957)首先提出以生產前緣衡量效率，歷經多位學 者研究及提出改良模型，資料包絡分析法已廣泛應用於各領域並 - 30 -.
(38) 已有許多研究成果的發表，近年部份研究成果彙整如表 2-4。. 表 2- 4 資料包絡分析法研究成果彙整表 作. 者. Bhattacharyya , Lovell & Sahay. 研 究 內 容. 成 果 貢 獻. 印度外商銀行與公營 銀行經營績效比較. 外商銀行初期經營績效 與競爭環境的適應性較 公營銀行佳. (1997). DEA 模型加入規模經 改良 DEA 模型 濟、規模報酬的成本 分析. Sueyoshi (1997). 立. 探討美國電信業在不 Bell 公司系統規模報酬 同期間內，Bell 公司 遞減，非 Bell 公司系統 系統與非 Bell 公司系 之規模報酬遞增 統之經營效率 DEA 模型加入 改良 DEA 模型，提高 multiple criteria，使問 模型效率 題變成多目標線性規 al v ni 劃型式 C. n. er. io. sit. Nat. y. ‧. ‧ 國. 學. Banker, Chang & Majumdar (1998). Li & Reeves (1999). 政 治 大. hengchi U. 江勁毅、曾國雄. 應用多目標規劃方法 於 DEA 模型. 可一次計算出所有 DMU 效率值. Tone (2001). 提出 Slack Base Model(SBM)模型. 改良 DEA 模型. 黃亭瑜 (2001). 國內五大民營行動電 信業之企業績效評估. 全區經營之電信業者有 較佳相對效率；規模無 效率為造成廠商無效率 之主因. (2000). - 31 -.
(39) (2002). 探討銀行業於不同環 境下之相對效率. 新銀行比舊銀行效率 高；小銀行較具全球化 效率；變動規模報酬 下，大銀行效率較高. Tone (2002). 提出 super-SBM 模型. 針對相對效率的 DMU 進行排序. Jemric & Vujcic. 張寶光、周濟群、 探討國內半導體產業 馮秀鳳 (2002) 經營效率. 立. 政 治 大. 驗證銀行業整合之必 要，並證明整合後可使 新銀行及整體產業效率 皆提升. Hughes & 利用敏感度分析，改 Yaisawarng (2004) 變 DMU 選擇數目. 在不影響效率下，找出 最小投入、產出項. n. er. io. sit. y. ‧. Nat. 梁馨科、江俊霖、 藉由投入、產出項的 al 賴家德 (2005) 組合變化，決定整合 Ch engchi 對象. 學. 利用多條生產前緣模 式探討銀行業整合績 效. ‧ 國. 陳怡秀 (2003). 利用 DEA 評估國內半 導體產業經營效率；再 以敏感度分析探討投入 項減少時的相對效率變 化. 提供整合對象之選擇並 v 提出整合的管理策略 ni. U. 曾憲立 (2006). 分析 46 所國私立大專 國立大學辦學績效普遍 院校(民 90~92 學年 較私立大學佳 度)辦學績效. 許晉銘 (2006). 評估台灣 18 座機場 (民 92~94)績效. 機場等級、機場性質、 機場座落位置及機場區 位對於機場績效表現造 成顯著影響. Jahanshahloo, Junior, Lotfi &. 對於相對效率 DMU、相對無效率. 提供相對無效率 DMU 之排序方法. - 32 -.
(40) Akbarian (2007). DMU 提出排序方法. 李政儒 (2008). 評估各縣市警察局外 事警察取締工作之效 率. 探討取締工作無效率的 原因，提供績效不佳的 縣市警察局改善建議. 梁文鴻 (2008). 探討台灣發電廠之經 營績效. 台電發電廠其投入與產 出之比例不適當，造成 規模效率不佳；故台電 發電廠應從規模效率著 手改進. Shieh, C. J., & Yeh, S. P. (2014). 探討台灣銀行業於海 外地點之人員線上培 訓效率. 利用 DEA 評估台灣銀. 立. 政 治 大 行業於大陸設立分行的 人員線上培訓. ‧. ‧ 國. 學. (Web-based Learning)效 率，並提供 Web-based Learning 效率改進之建 議. sit. y. Nat. 資料來源：本研究整理. er. io. 由過去研究成果可知，DEA 已被廣泛應用於績效評估相關研. al. n. iv n C 究，卻鮮少應用於策略聯盟相關主題之探討。本研究希冀建構一 hengchi U 套科學評估模型，提供決策者進行策略聯盟時選擇對象之參考及 對策略聯盟後績效之分析。. - 33 -.
(41) 第三章 研究方法. 第一節 灰預測(Grey Prediction) 一、 灰預測介紹 鄧聚龍教授於1996年提出將預測模型分為因子模型與行為模型，因 子模型為挑選影響系統的主要因子所建立，無涵蓋系統的所有因子，屬 於訊息不完全的模型；行為模型為利用系統過去行為數據所建立，所有. 政 治 大 因子包含於歷史行為中，屬於訊息完全的模型。灰預測利用系統歷史行 立. ‧ 國. 學. 為以建立模型，為一種訊息完全的模型。. ‧. 灰預測主要應用於系統訊息不完全、行為模式不確定的情況下，依. sit. y. Nat. 據系統歷史行為，對少量且不確定的資料進行灰生成，降低數據的隨機. n. al. er. io. 性並找出規則，進行系統關聯分析、模型建構、預測、決策與控制。灰. iv. n 預測主要優點為不需太多數據資料及簡單的數學基礎。 C hengchi U. 灰預測分為下列幾種（溫坤禮等，民91）： (一)數列灰預測(Sequence Grey Prediction) 直接根據給定的數列，建立GM(1,1)模型進行預測。因其在指 定的時刻只能得到一個預測值，亦稱為單值預測。 (二)災變灰預測(Calamities Grey Prediction) 數列中過大或過小的異常值稱為災變值，相對應的點稱為災. - 34 -.
(42) 變點，該數列稱為災變數列。災變預測即災變點的預測。 (三)季節災變灰預測(Seasonal Calamities Grey Prediction) 災變點發生在每年特定時區，對災變事件的時間分佈進行預 測稱為季節災變預測。 (四)拓樸灰預測(Topological Grey Prediction) 為季節災變預測的延伸，與季節災變預測的差異於藉由通過 給定的水準線與災圖的交點來獲得時間分佈序列。. 立. 政 治 大. (五)系統灰預測(Systematic Grey Prediction). ‧ 國. 學. 系統行為有多種表現，該多種表現之間無關係或可以忽略、. ‧. 淡化，可利用多個GM(1,1)模型對系統的行為進行預測。. Nat. sit. n. al. er. io. 法。. y. 因一般數據多具有數列性質，故本研究以數列灰預測作為研究方. 二、 灰建模GM(1,1). Ch. engchi. i Un. v. 本研究是利用GM(1,1)數列灰預測，灰預測利用數列建模有以下限 制：. (一)數據必須非負值：原始數列之數據皆需為大於零的數值。 (二)數列必須為遞增：雖原始數據為無規則離散數列，藉由累加生 成使其調整為遞增趨勢。 GM(1,1)一階微分方程為： - 35 -.
(43) ds (1) as (1) b dx. (3.1). a 為發展係數， b 為灰控制變數，x 為系統自變數，演算步驟說明 如下： Step1：將原始數列定義為 s. 0 . (依據灰預測理論，最少需 4 個非負. 數據) 0. s. s 1, s 2,, s n s k k ; 0. 0. 0. 0. 1,23 ,,, n. (3.2). 政 治 大 Step2 ： 將 原 始 數 立列 進 行 一 次 累 加 生 成 (Accumulated. ‧ 國. 學. Operation ,AGO)以弱化原始數列隨機性， s. 為s. 0 . 的一. ‧. 次 AGO 數列. 1. Generating. 2 n 1 s 1 s 1 1, s 1 2,, s 1 n s ( 0 ) k , s ( 0 ) k ,, s ( 0 ) k k 1 k 1 k 1 (3.3). er. io. sit. y. . Nat. . n. al 利用最小平方法，求得(3.1)、(3.3)式係數 i ρv Ch. a 1 T ρ B B BT yn b . n engchi U. (3.4). 其中累加矩陣 B 與常數向量. yn 為. 1 (1) (1) 2 x 1 x 2 1 (1) x 2 x (1) 3 B 2 1 (1) (1) n x n 1 x 2 - 36 -. 1 1 1 .
(44) y x 0() 2 ,x0() 3,, x 0() n T. n. 將係數 ρ 代入微分方程，可得 AGO 預測數列 1. . b b s k 1 s 0 1 eak a a . (3.5). Step3：一般能量系統具有不可突然轉變的特性，因此鄧聚龍教授 以數列中兩個相鄰數據的平均值作為背景值，計算平均值. z 1 k . z k 立 ( 1s k. 1 . 政 治 大 1 1 s k . 1)/2 0.5s k 05.s1 k 1 . ‧ 國. 學. s 1 與 z 1 關係為. (3.6). ‧ sit. y. Nat. ds (1) as (1) b dx. n. al. er. io. s 1 k = a z 1 k + b. Ch. engchi U. v ni. (3.7). Step4：計算發展係數 a 及灰控制變數 b n. a. n. n. z k s k n 1 z k s k 1. k 2. 0 . 1. k 2. k 2. n 1 z k n. 1. 2. k 2. z 1 k k 2 n. 2. (3.8). z k s k z k z k s k n. 1. b. 0. k 2. 2. n. n. n. 0. 1. k 2. k 2. n 1 z k n. k 2. 1. 2. 1. 0. k 2. n z 1 k k 2 . - 37 -. 2. (3.9).
(45) Step5：將(3.3)做一次累減生成(Inversed Accumulated Generating Operation ,IAGO)求得還原預測數列，進行預測值計算 0 . 還原預測數列 s 0 . s. 0 0 0 s 1, s 2,, s n . k 1 1 e s 1 b e a. 0. . s 1 1 = s 0 1. ak. a. (3.10). (3.11). ,. 三、 模型檢驗. 政 治 大. 原始數列經過累加生成、建模、累減生成得到預測公式以進行預測. 立. ‧ 國. 學. 值計算，但為求模型之精確度，需進一步對模型進行殘差檢驗(Error Inspection)，以確保模型預測效能(鄧聚龍等,民 88)：. ‧. y. x k ：原始數據, xˆ. 0 . engchi. 23,,, n. er. n. Ch. 0 . sit. x k ˆx0 k 100%, k x0 akl . 0 . io. ek . Nat. 利用原始數列之數據與預測值比較，求得誤差值：. i Un. v. (3.12). k ：預測值, ek ：殘差值. 當平均精確度 1- ek >0，表示模型有好的預測效能。. 第二節 資料包絡分析法 Super-SBM 模型 第二章介紹的 CCR、BCC 模型，皆為利用投入及產出的比例權數，再 以線性規劃估計效率值，稱為比例效率(ratio efficiency)或射線效率(radial efficiency)。Tone(2001)首先提出以投入與產出項的差額(slacks)作為效率評 - 38 -.
(46) 估，為一非射線(non-radial)估計方式，其估計值介於 0~1，稱為差額變數基 礎模型(Slack-Base Model ,SBM)，當一 DMU 效率值為 1 時，表該 DMU 的 投入及產出皆無差額存在，該 DMU 位於生產前緣。相關公式說明如下： 固定規模報酬之 SBM 模型： 1 m si 1 m i 1 xi 0 Min 1 s s 1 i s i 1 y i 0 x0 X s 0. . yY s. . 立. 政 治 大. s , 0s ,0 0. 學. 0 1. ‧. ‧ 國. s.t.. (3.13). x0 ：任一決策單位之投入量. Nat. n. al. s ：生產之缺額（output shortfall）. Ch. engchi. s 與 s 二者即為差額變數. sit er. io. s ：超額投入（input excess）. y. y 0 ：任一決策單位之產出量. i Un. v. 上式轉換為線性規劃： 1 m S i Min t m i 1 xi 0. s.t. 1 t . (3.14). 1 s si s r 1 yi 0. tx 0 X s . ty 0 Y s . S ts - 39 -.
(47) S ts t 0, s 0, s 0, t 0. 當 DMU 的 ρ=1 時，表示該 DMU 沒有超額投入或產出短缺的情況，即 具有相對效率。當不只一個 DMU 效率值為 1 時，將無法有效區分這些 DMU 的相對效率，甚者嚴重影響績效評估結果。為此，Tone(2002)提出修正差額 變數基礎模型，本研究將之稱為 super SBM 模型。相關公式說明如下： 固定規模報酬之 super-SBM 模型： m. ‧ 國. n. j 1, 0. yj. j. Nat. . y. j. y. j. ‧. x. j 1, 0. n. al. er. io. x x0 , y y 0. y0 , 0. (3.15). sit. n. s.t. x . 立. 學. xi 1 m x * Min is1 i 0 yr 1 s r 1 y r 0. 政 治 大. 上式轉換為線性規劃：. Ch. engchi. x 1 m ~ Min i m i 1 xi 0. i Un. v. *. s.t. 1 . ~ x. yr 1 s ~ s r 1 y r 0 n. . j 1, 0. ~y . (3.16). j. xj. n. . j 1,0. j. yj. - 40 -.
(48) ~ x tx 0 , ~ y ty 0. 0, ~ y 0, t 0. 將上式模型修正為變動規模報酬之 super-SBM 模型： 1 m xi m i 1 xi 0 * Min s yr 1 s r 1 y r 0. (3.17). n. s.t. x . x. j 1, 0. y. j. n. . j 1, 0 n. . yj. 立. 1. 政 治 大. ‧ 國. j. j. 學. j 1, 0. j. x x0 , y y 0. ‧. y0 , 0. Nat. io. sit. y. 本研究為解決當DMU效率值同為1之無法估計的問題，故採用投入導向. n. al. er. 變動規模報酬之差額變數基礎模型super-SBM來進行績效評估。. 第三節 研究流程設計. Ch. engchi. i Un. v. 企業經營環境本就瞬息萬變，企業面對驟變的環境，必須彈性且快速 回應環境的變化，才能讓企業永續經營。企業過去有好的經營績效並不保 證未來仍能維持相同成績；反之，過去經營績效不佳，亦不代表未來經營 就不被看好，因此需要一套科學預估模式，根據企業過去之表現，客觀有 效推估未來經營情形，以便進一步了解所欲尋求合作的聯盟候選企業，在. - 41 -.
(49) 未來經營上的表現，作為企業洽談未來合作時間點之參考，減少因合作溝 通完成進入實質合作階段，卻面臨聯盟對象經營績效改變之風險。 當選擇聯盟的企業時，與經營績效最佳的企業策略聯盟，不保證能同 時提升雙方的經營績效；反之，與經營績效普通的企業策略聯盟，可能有 助於合作雙方經營績效的改善。因策略聯盟考量合作企業彼此間的各條件 結合，形成資源重疊或互補功效、市場的競爭或市場的擴張、人力的閒置 或生產力的增加等，端視參與策略聯盟之企業是否能藉由合作來產生綜. 立. 政 治 大. 效，提升企業經營績效。因此，本研究希冀從企業經營績效分析，建立一. ‧ 國. 學. 套科學評選模型，作為決策者選擇聯盟對象之參考，並可藉此衡量策略聯. ‧. io. sit. y. Nat. n. al. er. 盟之績效。. Ch. engchi. - 42 -. i Un. v.
(50) 本研究流程設計與說明如下： 確立研究對象. 確定研究目的. 聯盟候選企業(DMU)定 義與選擇. 立. 政 治 大. 經營績效指標選取與資料蒐集. 學. ‧ 國. 各聯盟候選企業經營績效評估. Nat. sit. y. ‧. 未來經營績效預測(灰預測). n. er. io. 與各候選企業策略聯盟績效分析 確認投入項 al iv 確認產出項 n Ch engchi U 投入產出項數量確認與資料蒐集 DEA 模型選用(super-SBM). 策略聯盟前後績效比較. 結果分析與探討. 圖 3- 1 研究流程圖. - 43 -.
(51) 一、 確立研究對象：以台灣上市上櫃資訊服務業為研究範疇。 二、 確定研究目的：探討台灣上市上櫃資訊服務業策略聯盟之績效分 析。 三、 聯盟候選企業(DMU)定義與選擇：候選公司須為已在台灣證交所 上市或櫃買中心上櫃之資訊服務類別公司，且具有過去四年(民 98~民 101)合法會計簽證之財務報告。 四、 各聯盟候選企業經營績效評估：依據證交所及櫃買中心規定，選. 立. 政 治 大. 用上市上櫃公司之公開財務報表資料作為企業經營績效衡量指. ‧ 國. 學. 標。並依此數據利用灰預測方法推估各企業未來 2 年經營績效。. ‧. 五、 與各候選企業策略聯盟績效分析：選定投入項、產出項及數量確. Nat. io. sit. y. 認並蒐集各項資料數據。為避免一個以上 DMU 效率值為 1 時，. n. al. er. 無法有效區分 DMU 之效率，本研究選用 DEA 中 super-SBM 模 型。. Ch. engchi. i Un. v. 六、 策略聯盟前後績效比較：依據 super-SBM 模型計算結果，比較聯 盟前各企業之績效，分析策略聯盟對企業績效之影響。 七、 結果分析與探討：分析研究結果並提出未來研究建議。. - 44 -.
(52) 第四章 實證結果與分析 第一節 研究範圍設定 本研究之研究範圍以台灣上市、上櫃資訊服務公司為範圍，計有 43 家，為求策略聯盟對象選擇之嚴謹性，資料蒐集自民國 98 年至民國 101 年，每年皆依據政府主管機關要求項目提供內容且通過查核之上市 櫃資訊服務公司如表 4-1(資料來源：政府公開資訊觀測站)，作為本研 究策略聯盟之選擇對象。. 政 治 大. 表 4- 1 上市櫃資訊服務公司(策略聯盟對象) 號. 三商電腦股份有限公司 (2427). DMU2. 凌群電腦股份有限公司(2453). DMU3. 華經資訊企業股份有限公司(2468). DMU4. 資通電腦股份有限公司(2471). DMU5. 6. DMU6. 7. DMU7. 零壹科技股份有限公司(3029). 8. DMU8. 一零四資訊科技股份有限公司(3130). 9. DMU9. 訊連科技股份有限公司(5203). 10. DMU10. 聚碩科技股份有限公司(6112). 11. DMU11. 關貿網路股份有限公司(6183). 12. DMU12. 精誠資訊股份有限公司(6214). n. al. er. sit. y. 5. io. 4. Nat. 3. DMU1. ‧. 2. 公司名稱（公司股票代號）. 學. 1. 立. DMU 編號. ‧ 國. 編. i Un. v. 敦陽科技股份有限公司(2480). Ch. engchi. 鴻名企業股份有限公司(3021). - 45 -.
(53) 13. DMU13. 中華網龍股份有限公司(3083). 14. DMU14. 久大資訊網路股份有限公司(3085). 15. DMU15. 華義國際數位娛樂股份有限公司(3086). 16. DMU16. 鈊象電子股份有限公司(3293). 17. DMU17. 宇峻奧汀科技股份有限公司(3546). 18. DMU18. 大塚資訊科技股份有限公司(3570). 19. DMU19. 樂陞科技股份有限公司(3662). 20. DMU20. 茂為歐買尬數位科技股份有限公司(3687). 21. DMU21. 政 治 大 紅心辣椒娛樂科技股份有限公司(4946). 22. DMU22. 傳奇網路遊戲股份有限公司(4994). DMU23. 凱衛資訊股份有限公司(5201). DMU24. 力新國際科技股份有限公司(5202). 25. Nat. 新鼎系統股份有限公司(5209). 26. DMU26. ‧ 國. DMU25. io. n. al. er. sit. y. ‧. 24. 學. 23. 立. 寶碩財務科技股份有限公司(5210). Ch. engchi. i Un. v. 蒙恬科技股份有限公司(5211). 27. DMU27. 28. DMU28. 凌網科技股份有限公司(5212). 29. DMU29. 天剛資訊股份有限公司(5310). 30. DMU30. 中菲電腦股份有限公司(5403). 31. DMU31. 國眾電腦股份有限公司(5410). 32. DMU32. 智冠科技股份有限公司(5478). 33. DMU33. 大宇資訊股份有限公司(6111). - 46 -.
(54) 34. DMU34. 訊達電腦股份有限公司(6140). 35. DMU35. 驊宏資通股份有限公司(6148). 36. DMU36. 昱泉國際股份有限公司(6169). 37. DMU37. 遊戲橘子數位科技股份有限公司(6180). 38. DMU38. 晉泰科技股份有限公司(6221). 39. DMU39. 系微股份有限公司(6231). 40. DMU40. 松崗資產管理股份有限公司(6240). 41. DMU41. 網路家庭國際資訊股份有限公司(8044). 42. DMU42. 政 治 大 大同世界科技股份有限公司(8099). 43. DMU43. 實威國際股份有限公司(8416). 立. ‧. ‧ 國. 學. 第二節 投入項與產出項之選取. y. Nat. sit. 本論文參考過去相關 DEA 文獻資料，從衡量企業經營績效指標中，選. er. io. 取適當指標作為投入項與產出項。本篇論文選取 3 個投入項：負債總計、. n. a. v. l C 股本及營業成本；以及 3 個產出項：資產總計、營業收入、營業淨利(淨損)， ni. hengchi U. 整理如表 4-2。. 表 4- 2 投入項與產出項彙整表 投入項. 產出項. Input 1. 負債總計. Input 2. 股本. Input 3. 營業成本. Output 1. 資產總計. Output 2. 營業收入. Output 3. 營業淨利(淨損). 單位：千元 - 47 -.
(55) 上市櫃資訊服務公司投入項與產出項(民 98 至民 101 年)整理如表 4-3 至表 4-6 (資料來源：政府公開資訊觀測站)：. 表 4- 3 上市櫃資訊服務公司投入項與產出項(民 98) DMUs. Input 1. Input2. Input 3. Output 1. Output 3. Output 3. DMU1. 678,153. 1,903,145. 1,087,977. 2,708,444. 1,586,584. -16,005. DMU2. 1,045,831. 1,000,000. 2,109,366. 2,594,393. 2,632,186. 11,247. DMU3. 469,960. 703,452. 1,735,806. 1,571,877. 1,942,403. 68,374. DMU4. 272,654. 492,539. 431,259. 919,136. 569,863. 3,413. DMU5. 1,272,942. 1,329,504. 3,391,562. 235,393. DMU6. 257,600. 1,082,594. 558,919. -53,242. DMU7. 566,009. DMU8. 立. 治 政 2,348,730 3,954,987 大. 985,072. 2,530,291. 1,932,066. 2,775,187. 42,702. 278,141. 337,500. 126,896. 1,359,879. 798,150. 213,575. DMU9. 1,099,795. 1,156,820. 29,922. 6,114,780. 2,570,056. 821,568. DMU10. 921,142. 625,680. 2,868,168. 2,462,257. DMU11. 305,454. 1,500,000. 510,472. DMU12. 2,045,925. 2,654,706. DMU13. 384,056. 955,271. 54,417. DMU14. 103,381. 434,176. DMU15. 95,188. DMU16. Nat. sit. y. ‧. ‧ 國. 1,116,868. 學. 446,018. 2,123,616. 930,489. 143,071. C h5,984,460 15,096,734 engchi U. 8,450,346. 360,430. 2,923,871. 2,013,787. 1,115,799. 108,177. 506,507. 275,739. 21,837. 702,860. 243,755. 690,358. 595,257. 77,689. 746,891. 668,547. 725,720. 3,665,153. 3,378,994. 1,426,791. DMU17. 146,881. 302,211. 37,447. 1,112,051. 906,525. 376,655. DMU18. 60,691. 164,850. 209,746. 431,513. 369,519. 36,845. DMU19. 101,202. 175,000. 154,541. 436,775. 274,708. 21,336. DMU20. 205,620. 156,000. 335,114. 596,859. 853,600. 211,120. n. al. - 48 -. er. 94,823. io. 3,208,873. v ni.
(56) 244,323. 150,000. 272,091. 527,457. 544,261. 57,290. DMU22. 55,461. 150,000. 61,384. 177,169. 113,300. -13,786. DMU23. 47,926. 256,746. 112,226. 265,080. 183,167. 13,954. DMU24. 18,802. 606,940. 36,482. 618,659. 146,426. 27,098. DMU25. 660,508. 216,493. 891,765. 1,039,947. 1,027,698. 62,411. DMU26. 138,074. 665,850. 78,527. 965,335. 242,160. -4,030. DMU27. 80,463. 320,247. 116,917. 599,016. 273,679. 66,437. DMU28. 91,695. 340,940. 271,419. 457,810. 460,196. -34,106. DMU29. 59,882. 110,406. 213,046. 3,390. DMU30. 465,790. 551,053. 139,600 196,571 政 治 大 944,389 1,238,809. 1,224,823. 116,949. DMU31. 724,032. 821,803. 1,077,113. 1,582,888. 1,485,606. 73,823. DMU32. 2,173,242. 1,269,000. 5,794,097. 7,042,358. 6,790,920. 355,434. DMU33. 225,263. 306,314. 27,460. 343,985. DMU34. 436,484. 356,447. 1,132,015. 844,199. DMU35. 649,259. 880,000. 532,152. 1,427,095. DMU36. 433,014. 281,082. 7,105. DMU37. 928,350. 1,617,388. 1,876,282. DMU38. 441,416. 316,976. 734,101. DMU39. 268,919. 331,320. DMU40. 419,794. DMU41. ‧. -15,484. 1,272,409. -17,849. 631,097. -20,928. 1,301,911. v. 259,213. 71,492. e n g c h i3,482,345. 3,676,347. 583,420. 852,795. 909,054. -21,327. 76,925. 899,645. 755,893. 244,537. 1,667,876. 367,954. 535,838. 421,281. -137,188. 1,356,108. 559,819. 7,066,006. 2,055,743. 8,307,213. 103,032. DMU42. 509,363. 642,700. 2,270,255. 1,447,056. 2,813,069. 76,520. DMU43. 127,875. 178,400. 110,086. 426,391. 316,498. 109,228. io. n. al. er. Nat. y. 247,028. sit. ‧ 國. 立. 學. DMU21. Ch. - 49 -. i Un.
(57) 表 4- 4 上市櫃資訊服務公司投入項與產出項(民 99) DMUs. Input 1. Input2. Input 3. Output 1. Output 3. Output 3. DMU1. 803,846. 1,903,145. 1,038,057. 2,870,549. 1,638,177. 63,060. DMU2. 845,303. 1,000,000. 2,451,767. 2,399,801. 3,054,464. 24,170. DMU3. 336,103. 703,452. 1,467,205. 1,442,951. 1,653,938. 51,857. DMU4. 308,295. 492,539. 515,279. 1,012,759. 744,840. 90,481. DMU5. 1,162,390. 1,329,504. 2,645,799. 3,871,457. 3,706,980. 266,802. DMU6. 304,746. 1,082,594. 338,231. 1,180,413. 502,438. -6,605. DMU7. 672,069. 966,152. 3,417,245. 59,606. DMU8. 377,250. 339,607. 2,051,281 治 政 大 129,171 1,583,022. 1,027,199. 335,694. DMU9. 1,047,253. 1,176,837. 17,121. 6,211,376. 2,621,783. 872,867. DMU10. 1,428,064. 674,294. 3,734,098. 3,012,773. 4,153,596. 146,853. DMU11. 365,973. 1,500,000. 587,307. 2,238,504. DMU12. 2,392,845. 2,665,655. 587,307 15,680,252. DMU13. 418,778. 921,919. 65,181. 2,960,630. DMU14. 230,644. 491,939. al. n. 85,922. DMU15. 180,047. 702,860. e297,338 ngchi. DMU16. 703,962. 454,751. DMU17. 181,915. DMU18. 學. ‧. 186,501. 1,061,474 2,115,079. 1,043,991. 713,709. v. 235,869. 25,457. 871,833. 743,913. 178,719. 613,188. 3,720,523. 2,915,985. 932,717. 322,299. 27,675. 1,326,183. 1,137,377. 440,756. 81,951. 166,720. 213,361. 478,336. 405,411. 58,516. DMU19. 167,362. 205,444. 184,355. 540,614. 379,450. 67,338. DMU20. 220,629. 179,400. 243,797. 590,164. 512,102. 19,591. DMU21. 211,753. 165,000. 373,580. 651,671. 763,967. 146,323. DMU22. 164,282. 153,800. 56,937. 392,504. 416,109. 114,218. io. Ch. - 50 -. er. 186,501. Nat. y. 1,061,474. sit. ‧ 國. 立. 3,135,007. i Un.
(58) 61,879. 306,746. 130,123. 371,038. 230,391. 27,410. DMU24. 26,384. 606,940. 14,046. 658,013. 142,451. 32,141. DMU25. 909,158. 219,827. 1,673,105. 1,334,309. 1,917,603. 141,987. DMU26. 101,053. 678,097. 117,502. 945,859. 292,128. -227. DMU27. 105,423. 320,247. 137,721. 659,107. 354,327. 110,251. DMU28. 117,526. 345,596. 234,818. 510,979. 483,580. -1,615. DMU29. 59,318. 194,496. 200,523. 511,893. 274,665. 5,059. DMU30. 433,265. 551,053. 681,977. 1,182,860. 927,827. 99,308. DMU31. 247,181. 847,077. 1,065,522. 38,888. DMU32. 2,408,852. 1,275,271. 717,962 247,181 政 治 大 6,650,573 7,643,857. 7,888,420. 630,510. DMU33. 197,395. 365,028. 28,610. 411,900. 208,023. -95,906. DMU34. 507,892. 356,447. 1,508,239. 924,537. 1,683,008. 11,797. DMU35. 564,541. 880,000. 350,855. 1,292,069. DMU36. 218,032. 281,514. 363. 847,392. DMU37. 1,083,263. 1,663,206. 2,164,776. 3,748,776. DMU38. 823,591. 321,817. n. 1,316,913. DMU39. 296,253. 377,523. DMU40. 502,895. 127,003. 374,665. DMU41. 1,701,666. 586,462. DMU42. 737,383. DMU43. 100,781. ‧. -15,067. 137,852. -54,632. 4,206,351. 714,235. 1,272,335. v. 1,549,896. 24,761. e n96,359 g c h i1,040,348. 901,076. 243,186. 395,642. -105,743. 8,695,815. 2,680,947 10,257,804. 273,735. 642,700. 2,402,350. 1,674,737. 2,931,526. 121,988. 211,710. 152,771. 513,462. 438,733. 165,441. io. al. er. Nat. y. 416,654. sit. ‧ 國. 立. 學. DMU23. Ch. - 51 -. i Un. 567,861.
(59) 表 4- 5 上市櫃資訊服務公司投入項與產出項(民 100) DMUs. Input 1. Input2. Input 3. Output 1. Output 3. Output 3. DMU1. 820,345. 1,903,145. 1,046,693. 2,936,157. 1,636,038. 40,679. DMU2. 952,682. 1,000,000. 2,711,754. 2,587,361. 3,372,644. 31,416. DMU3. 318,752. 703,452. 1,340,607. 1,413,009. 1,523,286. 42,364. DMU4. 352,026. 472,539. 518,066. 1,103,169. 742,118. 56,289. DMU5. 1,263,013. 1,329,504. 2,805,113. 3,998,196. 4,003,088. 326,303. DMU6. 389,139. 1,082,594. 516,662. 1,422,615. 644,350. -14,382. DMU7. 1,010,646. 947,442. 3,875,980. 53,639. DMU8. 397,300. 340,132. 2,339,545 治 政 大 143,765 1,636,849. 1,040,084. 269,891. DMU9. 1,078,374. 943,507. 17,352. 5,918,800. 2,343,559. 711,563. DMU10. 1,550,578. 721,924. 4,640,629. 3,212,301. 5,136,898. 196,376. DMU11. 548,285. 1,500,000. 909,575. 2,437,177. DMU12. 2,838,420. 2,593,210. 909,575 15,636,726. DMU13. 259,605. 874,394. 37,034. 2,330,057. DMU14. 176,656. al. n. 112,138. DMU15. 183,355. 702,860. DMU16. 693,387. 462,534. 582,898. DMU17. 109,889. 339,192. DMU18. 107,996. DMU19. 學. ‧. 198,642. 1,376,703 1,493,477. 504,334. 863,531. v. 267,348. 15,952. e389,175 n g c h i 981,248. 921,469. 146,263. 4,233,158. 3,061,293. 1,041,878. 32,561. 1,037,881. 675,517. 73,174. 168,970. 277,969. 545,797. 513,247. 78,356. 241,185. 258,440. 263,107. 958,306. 376,165. -66,813. DMU20. 243,553. 250,344. 269,425. 1,262,652. 900,173. 353,625. DMU21. 218,177. 204,204. 395,512. 872,596. 730,553. 44,473. DMU22. 338,086. 235,320. 92,398. 1,288,076. 879,151. 370,615. io. 712,267. Ch. - 52 -. er. 198,642. Nat. y. 1,376,703. sit. ‧ 國. 立. 3,573,841. i Un.
(60) 59,503. 306,746. 135,951. 359,563. 208,038. 8,288. DMU24. 26,028. 606,940. 42,550. 639,593. 155,032. 14,165. DMU25. 986,850. 223,285. 1,441,011. 1,475,553. 1,688,314. 135,338. DMU26. 68,219. 690,268. 110,449. 841,747. 270,128. -14,622. DMU27. 88,590. 320,247. 120,245. 674,394. 312,238. 78,731. DMU28. 90,606. 346,364. 300,549. 487,809. 537,658. 33,102. DMU29. 73,656. 223,671. 211,385. 554,764. 286,955. 6,729. DMU30. 636,165. 561,824. 679,272. 1,286,562. 912,572. 80,927. DMU31. 521,287. 897,055. 1,394,347. 50,032. DMU32. 2,381,087. 1,274,743. 1,037,204 521,287 政 治 大 6,774,420 7,074,501. 7,829,820. 451,264. DMU33. 224,191. 367,558. 32,574. 382,440. 159,712. -81,415. DMU34. 427,840. 370,705. 1,242,596. 898,449. 1,416,048. 12,691. DMU35. 442,230. 880,000. 268,562. 1,257,560. DMU36. 107,865. 283,015. -117. 794,626. DMU37. 895,855. 1,567,543. 2,037,766. 3,708,394. DMU38. 727,634. 335,627. n. 1,555,935. DMU39. 800,579. 378,373. DMU40. 552,712. 627,003. 413,496. DMU41. 1,745,105. 694,685. DMU42. 742,596. DMU43. 125,905. 6,839. 155,577. y. 21,269. 4,074,179. 611,766. 1,245,816. v. 1,874,346. 81,527. e127,689 n g c h i1,706,482. 1,172,340. 373,389. 647,612. 454,946. -49,208. 10,498,418. 3,060,903. 12,327,343. 325,147. 642,700. 2,414,951. 1,749,522. 2,960,842. 135,978. 232,881. 168,852. 616,798. 483,508. 180,495. io. al. er. Nat. 346,859. sit. ‧. ‧ 國. 立. 學. DMU23. Ch. - 53 -. i Un.
數據
相關文件
The Peunayong Downtown area is in need of rejuvenation because this area considered as the Central Business District (CBD) of Banda Aceh city which in turn supports
由於本計畫之主要目的在於依據 ITeS 傳遞模式建構 IPTV 之服務品質評估量表，並藉由決
Therefore, the focus of this research is to study the market structure of the tire companies in Taiwan rubber industry, discuss the issues of manufacturing, marketing and
The business transactions between Taiwan and Mainland China grow dramatically since Taiwan joined WTO, It becomes a trend that more and more Taiwanese businessmen move
By clarifying the relationship between IA and the associated indexes as well as the association between IA and the business operating performance, the proposed CICEM
The prevalence of the In-service Education is making the study of In-service student satisfaction very important.. This study aims at developing a theoretical satisfaction
樹、與隨機森林等三種機器學習的分析方法，比較探討模型之預測效果，並獲得以隨機森林
譚志忠 (1999)利用 DEA 模式研究投資組合效率指數－應用
