第1章导论
1.1阻塞效应的研究背景
阻塞（congestion）本义多指有障碍不能通过，多用于交通阻塞，指投入要素（车辆）过多导致的效率（运输效率）下降。学者们将有限的生产空间内一味增加投入反而会导致产出减少的现象总结为阻塞效应。在经济学中，阻塞效应对应着生产函数中边际产出为负或者规模弹性为负的情况，指由于投入过剩，*大可能产出随着投入增加而减少的现象。
我们可以通过单投入单产出的经典生产理论来直观描述阻塞效应。图1-1中，横轴表示投入量，纵轴表示产出量，曲线描绘的是单投入单产出下的生产函数，即对应投入下的*大可能产出量，所有的决策单元（decision-making unit，DMU）都位于生产函数的下方。生产函数的规模弹性ρ用于描述*大可能产出增加比例与投入增加比例的关系，可以表示投入与产出的动态关系，具体可以表述为
（1-1）
根据生产函数上各点的规模弹性ρ，该生产函数可以分为三个部分：当ρ>1时，增加投入可以获得更大比例的产出；当ρ=1时，增加投入可以使产出等比例增加，此时DMU达到*优生产规模；当0<ρ<1时，增加投入会使产出增加，但是产出增加的比例小于投入增加的比例；当ρ=0时，增加投入无法使产出发生变动；当ρ<0时，由于式（1-1）中平均产出必然为正，故边际产出为负，增加投入反而会导致产出的减少，此时，阻塞效应存在。
阻塞效应还被解释为经济活动有效空间的枯竭。Lvold Rdseth（2013）将产出y视为投入x和经济活动有效空间b的函数，即y=f(x，b)，其中，b=b(x)是关于x的函数，并引入以下公理。
公理1.1
公理1.2
公理1.3
边际产出可以表示为，只有当足够小时，边际产出才可能为负，阻塞效应才会存在，而可以表示经济活动有效空间的消耗对产出的影响。
阻塞效应在现实中广泛存在，如在交通运输中，过多的运输车辆可能会导致交通拥堵，进而减少运输量或降低运输速度（Inman，1978；FCare et al.，1982）；在采矿业中，过多的人力会拥堵矿道，导致采矿量的下降（Cooper et al.，1996）；在种植业中，过度浇水会导致农产品产量的减少（Fare and Jansson，1976）。识别和测度阻塞效应能够帮助决策者判断投入是否过度，并测度过度投入量。
1.2基于DEA的阻塞效应研究现状
目前，绝大多数阻塞效应识别与测度方法是基于数据包络分析（data envelopment analysis，DEA）方法的。DEA方法在众多绩效测度方法中有两大优势：一是无须预设参数和生产函数；二是能够处理多产出的情况。基于DEA的阻塞效应识别与测度方法已经被广泛应用在各行各业的管理实践中，如纺织业、汽车工业、森林资源利用、废水处理、发电行业、电商以及医院等（Cooper et al.，2001a；Kao，2010；Wang and Zha，2014；Sueyoshi and Goto，2012；Kheirollahi et al.，2015；Chen et al.，2016，2020；Sueyoshi and Goto，2014a，2014b；Sueyoshi and Goto，2016；Sueyoshi and Yan，2016；Hu et al.，2017；Zhou P et al.，2017；Yang et al.，2017；Shabanpour et al.，2019；Mendoza-Velázquez and Benita，2019；Cho and Yang，2019；Fuentes et al.，2020；Zhang et al.，2020）。
在1980年前，由于经济学家对阻塞效应缺乏研究兴趣，阻塞效应相关研究进展缓慢（Cooper et al.，2001b），Cooper等（2004）指出诺贝尔奖得主Stigler（1976）在对Leibenstein（1966，1976）研究的评论中质疑阻塞效应作为经济学的研究方向的合理性。但自从Fare和Svensson（1980）对阻塞效应的研究发表后，阻塞效应逐渐得到了学者们的重视。
Fare和Grosskopf（1983）与Fre等（1985）的研究为DEA中的阻塞效应奠定了基础。随后，Cooper等（1996）、Tone和Sahoo（2004）、Wei和Yan（2004）、Noura等（2010）和Mehdiloozad等（2018）等研究分别提出了基于DEA的阻塞效应识别与测度方法。由于阻塞效应是基于生产前沿面的概念，因此对于位于生产前沿面之下的DMU，一些方法参照与被测DMU投入相同且位于生产前沿面上的投影点的阻塞效应状况来判断被测DMU的阻塞效应状况，而Sueyoshi和Sekitani（2009）指出在识别和测度阻塞效应中被测DMU的投影点可能不唯一且阻塞效应状况各不相同，这使判断位于生产前沿面之下DMU的阻塞效应状况陷入两难。
针对识别和测度阻塞效应时投影点不唯一这一问题，Mehdiloozad等（2018）提出了一种解决方案，即如果DMU对应的投影点中有存在阻塞效应的，那么就认为DMU存在阻塞效应。该方案的优势在于不会遗漏任何可能发生的阻塞效应，即对于效率低下的DMU来说，只要与其投入相同的投影点中有存在阻塞效应的，则认为该投入水平导致了DMU产出的降低。然而，该方案同样存在缺陷，即识别出的阻塞效应可能无须通过减少投入即可改进消除，这降低了识别和测度阻塞效应的实践意义，使识别和测度阻塞效应无法准确判断投入是否过度以及评估过度投入量，这一缺陷也是本书提出的阻塞效应识别与测度方法力图克服的。
本书从识别和测度阻塞效应来评估过度投入状况这一目标出发，进一步研究针对效率低下DMU的阻塞效应的相关定义及其识别与测度方法，构建新的阻塞效应定义以及对应的识别与测度方法，使阻塞效应在实践应用中能够更准确地反映过度投入状况，更好地为决策者的科学决策提供支撑。
1.3主要研究问题
从识别和测度阻塞效应来评估过度投入状况的目标出发，本书旨在将阻塞效应与过度投入相关联，进而丰富阻塞效应的概念和应用场景。本书的主要研究问题归纳如下。
问题一：如何关联阻塞效应与过度投入？
阻塞效应是效率低下的一种特殊情况，相较于其他效率低下的情况，过度投入是阻塞效应的*显著特征，而识别和测度过度投入状况则成了识别和测度阻塞效应的主要目的。然而，现有的绝大多数基于DEA的阻塞效应识别与测度方法识别出的阻塞效应可能能够通过不变动投入甚至增加投入来改进消除，这使阻塞效应与过度投入失去关联。基于此，本书将采用现有的阻塞效应识别与测度方法，按照*小化改进消除阻塞效应时的投入减少量的思路，重新定义阻塞效应并构建相应的识别和测度模型方法，使阻塞效应与过度投入相关联，从而令决策者能够通过识别和测度阻塞效应来评估过度投入状况。
问题二：如何定义、识别与测度考虑非期望产出的阻塞效应？
随着对环境问题的重视和深入研究，非期望产出逐渐成为区别于传统投入与产出的新型投入产出指标。当前已有针对考虑非期望产出的阻塞效应的相关研究，但大多数研究主要是对传统阻塞效应识别与测度方法的修改，同样面临识别出的阻塞效应可能与过度投入不相关的问题。基于此，本书提出了新的考虑非期望产出的阻塞效应的定义以及相应的识别与测度方法，使考虑非期望产出时的阻塞效应能够反映过度投入状况。
问题三：如何定义、识别与测度多阶段DEA模型中的阻塞效应？
多阶段DEA模型相较于单阶段DEA模型，通过引入多个生产阶段的相关信息，使绩效评估更加准确、改进目标更加合理。目前，虽然有少数关于多阶段DEA模型中阻塞效应的相关研究，但其阻塞效应定义仍不明确，已有方法无法准确识别和测度阻塞效应。基于此，本书将单阶段DEA模型中阻塞效应新的定义和相应的识别与测度方法拓展到多阶段DEA模型中，构建多阶段DEA模型中阻塞效应的定义以及识别与测度方法，帮助决策者在生产过程可以划分为多阶段时，更为精准地通过识别和测度阻塞效应来评估过度投入状况。
问题四：能否在产能利用率（capacity utilization）测度中加入对阻塞效应的测度？
在产能利用率测度中，投入指标被分为固定投入与可变投入。现有的短期产能利用率测度方法往往假设固定投入和可变投入的可处置性，即允许DMU在达到*大可能产出或产能时减少部分固定投入和可变投入，这导致现有的短期产能利用率测度实际上可能是某一更低固定投入和可变投入水平下的产能利用率，无法反映DMU当前的产能利用率状况。基于此，本书通过去除投入的可处置性假设，提出了当前产能利用率的概念以及测度方法，并指出短期产能利用率实际上可以分解为当前产能利用率和阻塞效应因素。
1.4研究框架与研究意义
本书以基于DEA的阻塞效应为研究对象，从识别和测度阻塞效应的目标出发，紧贴关联阻塞效应与过度投入状况这一主线对阻塞效应开展研究。具体而言，本书的第2章对DEA方法以及主要的基于DEA的阻塞效应识别与测度方法进行综述，通过大量数值例子对现有方法存在的问题进行归纳梳理。第3～6章依次对基于DEA的阻塞效应、考虑非期望产出的阻塞效应、考虑多个生产阶段的阻塞效应、阻塞效应与产能利用率的关联关系四个主要问题开展研究。第7章则总结本书在基于DEA的阻塞效应识别与测度方面的研究工作和研究进展，并指出本书研究的局限性以及未来可能的研究方向。
本书注重理论与实践相结合。第3～6章在梳理研究背景、明确新定义、开发新方法等理论方法研究的基础上，对中国高等学校研究与试验发展（中国高校R&D）活动，以及中国银行业、中国纺织服装、服饰业、中国造纸和纸制品业等行业开展实证研究，一方面是进一步阐释新定义、新方法，另一方面是分析上述活动或行业的过度投入状况或产能利用率状况，以期为决策者提供科学决策支撑。
本书的研究意义可分为理论意义和实践意义两个层面。
1） 理论意义层面
通过对阻塞效应定义、识别与测度方法的创新改进，本书提升了过度投入状况评估以及当前产能利用率评估的准确性，为决策者提供了相关科学决策工具和支撑。
阻塞效应作为一种特殊的效率低下现象，过度投入是其相较于其他效率低下现象的*重要特征。虽然阻塞效应的概念、识别与测度方法已经被学者们广泛研究，但现有方法识别出的阻塞效应无法对应过度投入现象，即可以通过不变动投入甚至增加投入来改进消除阻塞效应。换言之，我们无法通过现有的阻塞效应识别与测度方法准确判断与评估投入过度状况。
因此，本书以关联阻塞效应与过度投入为主线，提出了阻塞效应新的定义以及相应的识别与测度方法。在此基础上，本书创新性地提出了增加投入消除阻塞效应的思路，将阻塞效应根据其是否可以通过增加投入加以改进消除区分为相对阻塞效应与绝对阻塞效应，其中相对阻塞效应可以解释为由于投入间比例不合理，某个或某些投入相较于其他投入过多时导致的产出下降的现象，因而相对阻塞效应可以通过增加投入到合适比例加以改进，而绝对阻塞效应则必须通过减少投入加以改进消除，可以解释为投入量超出了行业技术水平、管理能力等外部因素的限制而造成的产出下降，所以绝对阻塞效应能够与过度投入的现象相对应。
在对阻塞效应的定义、识别与测度方法、改进方法等方面进行深入研究的基础上，本书进一步拓展阻塞效应的应用场景，分别研究讨论了考虑非期望产出时以及考虑多个生产阶段时的阻塞效应。此外，由于阻塞效应与产能利用率同为投入的相关概念，本书还探讨了阻塞效应与产能利用率的相关关系，并开发了考虑阻塞效应的产能利用率测度方法以测度当前产能利用率。
展开
