基于扩展有效的逆DEA模型

为了克服决策单元在有效性的评价和排序方面占主导地位的缺陷,在扩展DEA模型的基础上,对于输出减少时的逆DEA问题进行了讨论.通过求解相应的多目标规划问题(VP),得到了多目标规划(VP)的Pareto弱有效解与评价减少了输出的决策单元的规划问题的最优值之间的一些相关性质.对于决策单元为弱DEA有效的情形,也进行了类似的讨论.最后用数值实例加以说明.     

DEA方法中输入输出项目的选择和数据处理

讨论了数据包络分析(DEA)中输入输出项目的选择和数据转换，Cooper，Seiford和Tone曾给出了有关DEA中输入和输出项目的选择要求，但在实际应用中相当一些问题的输入输出项目的选择不符合该要求，因而不能使用此方法，经过分析，其中一部分问题可以通过数据转换而满足DEA时每个决策单元的输入和输出项目选择的要求，使用这样的数据处理方法，可以拓宽DEA的应用范围，论文具体阐述了这种类型的项目选择和数据处理方法，并讨论了逆DEA中输入输出变化量的选择问题。     

基于交叉效率DEA和随机模拟的区间语言偏好关系排序方法

针对区间加性语言偏好关系排序问题,提出一种基于交叉效率DEA和随机模拟的排序向量计算方法.首先,针对具有一致性的加性语言偏好关系,构建产出导向的DEA模型,分析其相对效率得分与排序向量之间的内在关联.其次,对不满足一致性的加性语言偏好关系,建立改进仁慈型语言偏好关系交叉效率DEA模型,并提出基于该模型的加性语言偏好关系的排序方法.最后,将构建的DEA模型与随机偏好分析相结合,提出区间加性语言偏好关系期望排序向量和可信度的Monte Carlo计算方法.算例分析表明,本文提出的方法能够有效避免信息损失,具有较好的可信度和适用性.     

输入和输出DEA模型中弱DEA有效与弱Pareto之间的等价性

使用带有三个双变量 0 -1参数的综合 DEA模型 ,讨论了弱 Pareto和输入 DEA模型 (包括 C2 R输入模型、BC2 输入模型、FG输入模型、ST输入模型 )、输出 DEA模型 (包括 C2 R输出模型、BC2 输出模型、FG输出模型、ST输出模型 )之下的弱 DEA有效之间的等价性 .这些结果对于理解和解释输入 DEA模型和输出 DEA模型之下的弱 DEA有效性的概念是很重要的 .     

基于DEA方法的额外资源分配算法

研究基于DEA(数据包络分析)方法的资源分配问题.求解该类问题的难点在于:对于参与分配的决策单元来说,其分得的额外资源数不仅依赖于该决策单元的相对效率值,还依赖于它的规模大小,因此分配权重难以确定.根据输入、输出指标数的分布情况,建立了3种基本模型,分别是单输入单输出、多输入单输出、单输入多输出模型,给出了这3种模型的资源分配权重的确定算法.最后给出实例,并对给出的分配原则的合理性进行了分析讨论.     

基于LR模糊数的置信DEA模型

研究了输入、输出为LR型模糊数的决策单元有效性DEA分析方法.针对LR型模糊数的特点,定义了置信水平约束下的序关系比较,并建立了置信DEA模型.相对已有的DEA分析法,该模型计算简单,充分利用了模糊数的特点,提高了模糊评价的可靠性.     

基于未来DEA效率的贷款定价模型

一般意义上的DEA方法是通过投入、产出指标的数据来确定DEA效率;逆向求解思路是在已知DEA效率和某些投入、产出指标的基础上反求其中的一个产出指标贷款利率.以Malmquist指数为工具,通过过去的银行DEA效率,推导未来贷款时段的可达到的最大DEA效率,在未来的DEA效率确定的情况下,确定贷款利率.本模型创新与特色一是通过过去的Malmquist指数预测未来的Malmquist指数,利用未来Malmquist指数与过去的DEA效率的相互作用得到未来的DEA效率指数,用未来的DEA效率、而不是过去的DEA效率来确定贷款利率.反映了贷款定价未来变化情况,解决了贷款时段的利率与贷款时段的可达效率相对应的问题.二是逆向运用现有研究的DEA方法通过投入、产出指标的数据确定DEA效率的思路,在已知DEA效率和某些投入、产出指标的基础上反求其中的一个产出指标贷款利率.拓展了DEA的应用范围.三是按照未来逆向求解DEA效率的贷款定价方法,能够在现有条件下得到给银行带来最大效率、抵补贷款风险损失、且客户能够接受的利率.     

基于DEA方法的多指标评价

针对同时含有成本型指标、效益型指标和固定型指标的多指标评价问题,利用DEA方法进行评价,给出了多指标评价的DEA模型。并且对于DEA方法中部分指标过于理想化问题,考虑了权重限制,使其产生更加合理的输入和输出权重。在出现多个有效评价对象的情况下,利用超效率DEA模型对有效评价对象进行充分比较和排序,最后给出了评价实例。     

基于C2W模型的广义数据包络分析方法

传统数据包络分析（data envelopment analysis，DEA）方法的参照系为决策单元全体，而许多实际问题的参照系可能会有多种形式，因此用传统DEA方法评价该类问题时遇到困难，广义DEA方法在评价该类问题时则存在一定的优势. 为了进一步完善广义DEA方法的理论体系，给出基于C²W模型的输出型广义DEA模型. 讨论基于C²W模型的输入型和输出型广义DEA模型中决策单元的Sam-DEA_d有效性的判别条件，广义DEA模型与传统DEA模型之间的关系，Sam-DEA_d有效性与相应的多目标规划的Pareto有效之间的关系，决策单元的投影性质，利用样本前沿面的d移动对决策单元进行有效性排序.     

DEA扩展有效的鲁棒性

通过给出决策单元为DEA扩展有效的几个等价命题，来研究扩展有效决策单元的鲁棒性。得到了当输入增加或输出减少后，它仍然保持扩展有效性的一些充分必要条件，还给出了保持扩展有效的判断方法和数值实例，而该方法不需要求文献[3]中的最优基矩阵的逆矩阵，也不需要求解文献[5]中的线性方程组。