臺灣博碩士論文加值系統

這幾十年來，塑膠原料產業一直在國內產業發展環境中扮演著舉足輕重的角色，有鑑於此，本研究應用資料包絡分析法(DEA)探討塑膠原料廠商於2011年至2015年的經營效率並提供建議。本研究發現，若以營業成本為投入變數時，南亞塑膠在2011~2013年皆為最具有經營效率的廠商，而2014~2015年則為台灣塑膠廠商之經營效率最佳；此外，若以員工人數為投入變數時，2011年、2014年及2015年以奇美實業為經營效率最佳的廠商，2012~2013年則以台灣化學纖維為經營效率最佳的廠商。此外，根據M指數結果可知，在2011~2015年間，以營業成本為投入變數時，除了國喬石油化學以外，其餘塑膠原料廠商生產力變動處於衰退情形；若以員工人數為投入變數時，則各廠商生產力皆處於衰退的情形，若進一步來看，這些塑膠原料廠商生產力衰退主要來自於技術變動指數，從綜合技術效率變動來看，極需要改善的是國喬石油化學。

The plastic raw material industry has played an important role in the development of Taiwanese industry in decades. In view of this, this study explores the operational efficiency of the plastic raw materials manufacturers from 2011 to 2015 with the method of Data Envelopment Analysis (DEA) and provides the suggestions as below. According to the study, the Nan Ya Plastics had been the most efficient manufacturer from 2011 to 2013 in the aspect of operating cost in input variable and in 2014, 2015, Formosa Plastics was the best in operating efficiency. For the number of employees as the input variables, Chi Mei Industrial in 2011, 2014 and 2015 was the best for efficiency of the manufacturer, Formosa Chemical Fiber Corporation in 2012, 2013 was the best for efficiency of the manufacturer. In addition, from this research using Malmquist Productivity Index results between 2011 and 2015, while the input variable is operating cost, except for Grand Pacific Petrochemical Corporation, the rest of the plastic raw manufactures faced with recession phase, while the input variable is the number of company employees, no firm’ productivity is increasing. This study shows that the biggest reason that caused the plastic raw manufacturers’ decline of productivity was technical variation index and the country of Grand Pacific Petrochemical Corporation was the one which needed to improve the most among all the factories.

目錄
摘要 i
目錄 iv
表目錄 vi
圖目錄 viii
第壹章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 5
第三節 研究流程 5
第貳章 產業背景介紹 7
第一節 石化產業發展沿革 7
第二節 產業現況 14
第三節 塑膠原料廠商介紹 18
第參章 文獻探討 29
第一節 塑膠產業競爭力相關文獻 29
第二節 資料包絡分析法相關文獻 32
第肆章 研究方法 37
第一節 資料包絡分析法 37
第二節 CCR模式 38
第三節 BCC 模式 40
第四節 Malmquist生產力指數 42
第伍章 實證結果分析 44
第一節 研究資料來源 44
第二節 廠商與變數的選取 44
第三節 實證結果 45
第陸章 結論與建議 70
第一節 研究結論 70
第二節 研究建議 72
參考文獻 77

公開資訊觀測站，(2016)，「財務報表」，台灣證券交易所，取自：http://mops.twse.com.tw/mops/web/t163sb01。
台維光，(2012)，「臺灣塑膠製品產業營運績效與生產力之研究」，佛光大學經濟學系未出版碩士論文。
台灣經濟新報資資料庫，(2016)，「台灣資料庫」，台灣經濟新報，取自：http://www.tej.com.tw/twsite/。
行政院主計處，(2016)，「105年第10次草案修訂改編之製造業分類標準」，中華民國行業標準分類，取自：http://www.dgbas.gov.tw。
江振隆，(2003)，「台灣光電產業生產效率與影響因子分析」，東海大學管理碩士學程在職進修專班未出版碩士論文。
邱金昌，(2006)，「台灣筆記型電腦產業經營績效之研究-資料包絡法(DEA)及Malmquist生產力指數方法之應用」，佛光人文社會學院經濟學系未出版碩士論文。
何泊陸，(2014)，「汽車製造業因應入世關稅衝擊之調適與經營策略研議-以上市公司為例」，國立宜蘭大學應用經濟與管理學系經營管理碩士班未出版碩士論文。
奇美實業，(2016)，「財務報表」，財務資訊，取自：http://www.chimeicorp.com/zh-tw/about-us/financial/financial-reports/。
林俊雄，(2004)，「台灣電子連接器產業核心競爭力個案研究」，淡江大學企業管理學系未出版碩士論文。
洪小媛，(2010)，「台灣地區塑膠工業經營績效之研究－DEA模型之應用」，樹德科技大學經營管理研究所未出版碩士論文。
孫遜譯，(2004)，資料包絡分析法：理論與應用Data Envelopment Analysis: Theory and
Applications，初版，台灣，揚智出版社。
陳嘉隆，(2015)，「台灣鋰電池產業經營績效分析研究以資料包絡分析應用」，大同
大學事業經營學系(所)未出版碩士碩文。
許詠翔，(2008)，「考慮系統風險與信用風險下之台灣TFT-LCD產業經營效率評估
-DEA法之應用」，東吳大學經濟學系未出版碩士論文。
黃敏仁，(2013)，「探究技術創新對企業競爭力之影響- 以某塑膠機械廠創新機種為
例」，國立中正大學高階主管管理碩士在職專班未出版碩士論文。
黃雅玲，(2009)，「臺灣塑膠廠商營運效率之研究」，佛光大學經濟學系未出版碩士論文。
黃語琪，(2014)，「探討大中華塑膠原料產業策略發展-以台聚公司為例」，元智大學
管理碩士在職專班未出版碩士論文。
經濟部統計處，(2015)，「製造業統計項目」，製造業投資及營運概況調查，取自：http://dmz9.moea.gov.tw/gmweb/investigate/InvestigateEC.aspx。
廖峰毅，(2012)，「台灣半導體產業效率分析－應用Hybrid DEA」，東吳大學經濟學
系未出版碩士論文。
臺灣證券交易所，(2016)，「石化及塑橡膠產業鏈簡介」，產業價值鏈資訊，取自：http://ic.tpex.org.tw/index.php。
顏先佑，(2013)，「製程分析與改善─以塑膠射出模具為例」，大葉大學工學院碩士
在職專班未出版碩士論文。
蘇進祿，(2004)，「以資料包絡分析法評估鋼鐵產業經營績效之研究」，國立成功大
學高階管理碩士在職專班未出版碩士論文。
Ahmar, Q. Q., and Y. Zhao, (2012), “Productivity Measurement of Hi-tech Industry of China Malmquist Productivity Index-DEA Approach”, Procedia Economics and Finance, 1, 330-336.
Bhattacharjee, S., (2012), “Efficiency Dynamics and Sustainability of the Indian IT-ITeS Industry: An Empirical Investigation using DEA”, Indian Institute of Management Bangalore, 24(4), 203-214.
Banker, R. D., A. Charnes, and W. W. Cooper, (1984), “Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis”, Management Science, 30(9), 1078-1902.
Caves, D. W., L. R. Christensen, and W. E. Diewert, (1982), “Multilateral Comparisons of Output, Input, and Productivity Using Superlative Index Numbers”, The Economic Journal, 92(365), 73-86.
Charnes, A., W. W. Cooper, and E. Rhodes, (1978), “Measuring the efficiency of decision making units”, European Journal of Operational Research, 2(6), 429-444.
Farrel, M. J., (1957), “The Measurement of Productive efficiency”, Journal of the Royal
Statistical Society, 120(3), 253-290.
Fenyves, V., T. Tarno ́czi, and K. Zsido ́, (2015), “Financial Performance Evaluation of Agricultural Enterprises with DEA Method”, Procedia Economics and Finance, 32, 423-431.
Li, X., Y. Liu, Y. Wang, and Z. Gao, (2016), “ Evaluating Transit Operator Efficiency: An Enhanced DEA Model with Constrained Fuzzy-AHP Cones”, Journal of Traffic and Transportation Engineering, 3(3), 215-225.
Stoica, O., S. Mehdian, and A. Sargu, (2015), “The Impact of Internet Banking on the Performance of Romanian Banks: DEA and PCA Approach”, Procedia Economics and Finance, 20, 610-622.
Worthington, A.C., (1999), “Malmquist Indices of Productivity Change in Australian
Financial Services”, Journal of International Financial Markets, Institutions and
Money, 9(3), 303-320.
Yang, W., Y. Shao, H. Qiao, and S. Wang, (2014), “An Empirical Analysis on Regional Technical Efficiency of Chinese Steel Sector based on Network DEA Method”, Procedia Computer Science, 31, 615-624.