非同质平衡子系统整体效率的DEA测度与分解

分别在可变规模收益和固定规模收益假设下,构建包含非同质平衡子系统的一类复杂生产系统的DEA效率测度模型,并对整体效率进行满足凸线性组合的分解。与现有的研究相比,建模方法更具有一般性,允许子系统具有不同的生产要素组合以及不同的生产要素权重结构;且易被扩展,用来测度包含更加复杂生产结构的多种生产系统的效率。最后用新建模型对中国高技术产业创新投资行为的有效性进行测度和比较。     

包含共享投入与自由中间产出的技术创新两阶段DEA效率评价

关联两阶段DEA模型能够打开技术创新"黑箱"进入过程内部,评价不同阶段以及过程整体的效率,成为客观分析技术创新效率的重要工具。基于两阶段三时期的技术创新过程假设,建立了包含共享科技资源投入和自由中间产品产出的两阶段DEA效率评价模型,并将其应用于我国按注册类型分类的大中型工业企业技术创新效率的测度与分解中。与忽略或者单独考虑共享投入和中间产品产出结构问题的关联两阶段DEA模型相比,本文提出的模型能够同时考虑技术创新投入与产出的复杂结构,体现出更强的子阶段效率判别能力和更优的效率测度调整能力。应用分析验证了模型的可行性和有效性。     

基于两阶段非期望DEA模型的商业银行效率评估

本文将两阶段非期望DEA模型引入银行效率评估,从银行系统内部运营结构入手,构建符合银行结构特征的两阶段网络DEA非线性模型.基于合作共赢的思想,该模型使中间产出在两个子系统的权重相等,将关系模型从规模报酬不变扩展到规模报酬可变的情形,每个银行的系统效率分解为两个子系统的乘积,启发式搜索方法被用来求解新提出的模型.本文将银行经营过程分为筹资阶段和运营阶段,分别应用加权和两阶段模型与该模型对23家商业银行的效率进行测算,验证了提出新模型的合理性.     

存在中间产品退出的混合型多阶段系统DEA效率评价

具有复杂结构的系统经常会存在初始投入在不同子阶段分配和中间产品非完全再投入并存的现象,在其效率评价中忽略中间过程的传统Data Envelopment Analysis(DEA)模型往往会高估系统效率,而不考虑中间产品退出情形的网络DEA.模型对系统整体效率评价又可能偏低.为更好测算复杂结构系统的运行效率,基于企业技术创新的特征,建立同时考虑投入分配与中间产出分配问题的混合型多阶段系统DEA效率评价模型.依据分配比例测算各阶段效率,采用阶段效率的投入加权平均评价的系统整体效率,并计算模型的最优解.所提出的模型能够相对准确地反映复杂结构系统的特征,并深入系统"黑箱"内部,更大程度地为优化系统效率提供信息.对我国33个大中型工业企业的行业技术创新效率评价验证了模型的有效性.     

关联多阶段生产系统的网络SBM效率评价方法

传统网络SBM效率评价方法在选择参考集时忽略了有效单元组成的"有效面集",造成评价结果偏低,无法反映低效生产单元改进为有效的最优路径。在可变规模报酬的假设下,选择生产系统的最大有效面集为参考集,构建了内部子过程存在关联的多阶段生产系统的基于最大有效面集的网络SBM效率评价模型,模型中子过程的权重设定充分考虑投入、中间产品和产出在子过程的价值分布。该模型实际反映了低效生产单元改进为有效的最优路径,具有较强的实用性。此外,模型的改进思路具有普适性,既可以在更为复杂的生产系统的网络SBM效率评价模型中进行延伸,也可以扩展到众多其它类型的网络DEA效率模型的构建中。最后,采用江苏省44家国家级科技企业孵化器的经营过程为实例来验证改进模型的有效性和优势。     

多目标两阶段组合DEA模型及应用研究

为进一步了解系统投入–产出效率产生的原因、内部构成及各部分的贡献,基于两阶段数据包络分析(DEA)模型,构建同时优化投入和产出指标的两阶段组合DEA模型,证明该模型与其对偶模型之间的对应等价关系,并将该模型应用于规模报酬不变和规模报酬可变的情形.通过构建方向距离函数,该模型可等价为多目标线性规划(MOLP)模型.最后,通过算例验证了模型的有效性.     

基于链形系统的关联网络DEA模型:以我国14家商业银行为例

在规模报酬可变的假设条件下, 构建了链形系统的关联网络DEA模型.利用这个模型不仅可以同时测算整 个系统及其每个子过程的纯技术效率,而且还能考查决策单元联接的有效性.结合规模报酬不变下的关联网络DEA模型,可以进一步测算链形决策单元的系统规模效率.对我国14家商业银行2005年的效率测算结果表明: 由于考虑了子过程之间的关联性,新建模型较传统的独立模型更合理,也使决策单元的效率更具有可分性.     

中国高技术产业研发创新效率研究——基于资源约束型两阶段DEA模型的新视角

针对传统数据包络分析（DEA）模型的不足,结合高技术产业研发创新过程的特征,将其研发创新过程分解为技术开发和经济转化两个前后相续的子阶段,考虑“子阶段之间的关联关系”和“初始投入在两个子阶段间的分配结构”,构建了资源约束型两阶段DEA模型,从而实现了对高技术产业研发创新效率测算方法的改进,运用该模型实证测评了中国高技术产业17个细分行业研发创新的整体及各子阶段的效率,并同时得到初始投入的配置信息. 与现有研究相比,该模型突破了传统DEA模型无视高技术产业研发创新系统内部组织结构的限制. 实证结果表明：中国高技术产业17个细分行业不论是从研发创新整体上,还是从研发创新的两个子阶段,效率值都偏低,均有很大的提升空间;根据高技术产业研发创新两阶段效率矩阵图可知,除了电子计算机外部设备制造业等3个细分行业属于高效集约型研发创新,大部分行业表现为两个子阶段效率双差或一强一差;根据17个细分行业所隶属的5个产业大类来分析,电子计算机及办公设备制造业研发创新过程的整体效率最高、航空航天器制造业最低.     

两阶段DEA分析框架下的环境效率测度与分解

本文根据传统CCR模型和两阶段DEA模型进行环境效率评价时所存在的问题,针对兼具复杂内部结构和非期望要素的生产系统,提出基于合作博弈的两阶段模型,用以评价该系统的环境效率.随后,构建基于协调效率最优的效率分解方法,客观地解决了两阶段DEA模型最优解不唯一的问题,有效衡量两个子系统各自的效率与它们之间的协调度,并从更深的层面挖掘影响生产系统环境效率的因素,为推进经济发展与环境保护协同共进提供有力工具.最后,通过对中国各地区工业生产系统水环境效率的评价来验证模型的合理性与有效性.     

并形系统的3种网络DEA模型与应用选择

网络数据包络分析模型可以用来同时测算决策单元的系统及其每个子系统的效率.现有的网络数据包络分析模型可以分为独立模型和关联模型两类,且主要以并形和链形这2种基本网络结构为对象,研究其规模报酬不变假设下的效率评价问题.根据实际情况,将给出半独立并形系统的效率评价方法,并在规模报酬可变的假设下,建立一个并形关联网络DEA模型,用来测算纯技术效率和规模效率.对独立、半独立和关联网络DEA 3种模型的比较研究发现:独立网络DEA模型不符合管理实践;尽管半独立网络DEA模型具有实践背景,但理论分析和实证研究表明该模型应用价值有限;而关联网络DEA模型不仅具有实践背景,而且与其他模型相比系统效率评价结果具有较强的可分性,这些特质使其有理由成为目前并形系统效率评价的首选模型.     

具有多属性决策单元的有效性分析方法

DEA方法是评价同类决策单元有效性的一种重要方法,但许多情况下被评价单元可能具有多类决策单元的属性,传统DEA方法在评价该类问题时遇到了困难。针对多属性决策单元的有效性评价问题,采用多类样本单元合成不同属性生产可能集合的方法,首先给出了评价具有两种属性决策单元有效性的DEA模型(Twi)和相应的Twi-DEA有效性概念。分析了多属性决策单元的投影性质,以及(Twi)模型和传统DEA模型的关系。在此基础上,给出了具有多重属性决策单元有效性评价的一般模型(Mul),并讨论了相关性质。     

考虑竞争视野与利益相关的DEA交叉效率分析

在实际竞争与合作问题中,由于合作者或竞争者的规模等条件不同,决策单元(decision-making unit, DMU)之间的利益和竞争强度存在差异性,但传统的数据包络分析(data envelopment analysis, DEA)交叉效率模型并未考虑这一因素。因此,提出考虑DMU之间竞争关注度与净利益系数的DEA交叉效率评价方法,并且为了考虑综合信息,采用信息熵的方法对不同交叉效率模型的效率值进行综合得出DMU的加权效率。与传统的二次目标模式相比,该方法较好地体现了DMU之间利益和竞争强度存在的差异性,同时可以使被评价单元更有针对性地实施对合作者的支持手段或对竞争者的打压措施,从而更好地增强DMU的群体优势。     

The data envelopment analysis model with intersection form production possibility set

The data envelopment analysis (DEA) model is used to evaluate the relative economic efficiency of a given set of decision making units (DMUs). In this paper, the DEA production possibility set is transferred from the conventional sum form into the intersection form which is represented by a linear inequality system. Although it is time consuming to obtain the intersection form of the production possibility set, it suggests a new angle to investigate the properties of DMUs and to extend the DEA research further beyond the efficiency measurement. Following the intersection form, the analytical formula of the efficiency indicator and projection is given. Various aspects of technical efficiency, returns to scale and evidence of congestion of the DMUs are studied. The relationship between the weak DEA efficiency and the weak Pareto solution is discussed. Finally, a procedure for DMU grouping is proposed to help the decision makers for better resource reallocation and strategy adjustment.     

扩展的数据包络分析C2GS2模型--EC2GS2

在C^2GS^2模型的基础上建立了一个扩展的C^2GS^2模型——EC^2GS^2，提出了强有效的概念，论证了相关理论．经理论分析和实例应用，EC^2GS^2模型与C^2GS^2模型相比有以下几个优点：1．描述决策单元的相对效率更准确；2．更好地利用了参考决策单元的信息；3．可考查评价决策单元输入或输出变化时其效率的变化；当参考决策单元的输入和输出不变时，若评价决策单元的输出(入)不变，其相对效率和它的输入(出)成反(正)比．     

一类简单网络生产系统的DEA效率评价模型

针对一类简单网络生产系统的DEA效率评价进行了研究,建立了这类网络生产系统的DEA效率评价模型.研究结果显示,与传统方法比较,该方法更能够发现非有效决策单元,更能够发掘决策单元性能改善的潜力,也能够帮助决策者发现复杂系统非有效的根源.算例研究证实了该方法的合理性.     

测算投入-产出型技术效率的DEA模型

探讨了先前 DEA研究中所存在的不足 ,如在决策单元的技术效率的测算中 ,投入型与产出型所测算的技术效率在数值上就存在差别 .这不仅会影响对决策单元技术效率的实际分析 ,而且对非有效决策单元的排序也有影响 .本文提出了同时基于投入和产出测算决策单元技术效率的 DEA模型 ,并讨论了模型求解、技术有效决策单元的识别和非有效决策单元的改进等问题.     

基于虚拟包络面和TOPSIS的DEA排序方法

传统的DEA模型将决策单元简单地分为DEA有效或DEA无效两大类, 无法实现决策单元的完全排序. 为实现决策单元完全、合理的排序, 文献中出现多种DEA排序方法. 文章在文献总结的基础上, 对现有DEA排序方法的局限性进行了详细的探讨; 基于实际评价的决策单元, 提出了一种虚拟前沿面的DEA方法, 并给出了基于最优虚拟前沿面和最劣虚拟前沿面的效率评价模型; 然后基于TOPSIS排序思想, 构造了基于最优虚拟前沿面理想决策单元和基于最劣虚拟前沿面的负理想决策单元, 提出了一种集成的DEA排序方法. 该方法同时考虑决策单元的最优和最劣权重体系, 兼顾所有决策单元的效率信息, 能够获得较为合理的排序结果. 算例分析验证了所提出的方法的合理性和优越性.     

有效区分决策单元的数据包络分析方法

针对传统数据包络分析模型不能区分有效决策单元以及不同决策单元的效率缺乏可比性问题,引入最优和最差两个虚拟决策单元,提出一种有效区分决策单元的DEA模型.该方法借助两个虚拟决策单元,建立模型,求出一组公共权重,并以此为基准计算每个决策单元的效率指数,实现决策单元的排序.通过实例,与其它方法比较,验证该方法在区分决策单元方面更有效.     

基于改进DEA模型的工业企业技术创新能力评价

针对传统数据包络分析(DEA)方法的C2R模型存在的无法对有效的决策单元加以区分以及输入和输出指标权重分配不合理问题,通过引入两个虚拟决策单元,建立了区分有效决策单元的改进DEA模型.利用该模型可以求得各决策单元的公共权向量,从而实现了对所有决策单元的区分和排序.通过将该模型应用于工业企业技术创新能力评价,验证了该模型可以区分传统C2R模型求得的有效决策单元,并使对决策单元的评价更为合理.     

基于误差传递和熵的区间DEA方法

传统的DEA(data envelopment analysis)模型只能用来处理精确数据,而在现实生活中,由于统计误差、信息不完全等原因,获取精确数据十分困难,数据往往只能以区间数的形式给出.因此,如何在不确定条件下利用DEA方法评价决策单元的相对效率一直是DEA理论的研究前沿.针对这一问题,文章在DEA传统模型的基础上,利用改进的交叉效率思想,使用误差传递和熵处理区间数据,求得每个决策单元全局交叉效率的误差分布形式(中点值和误差最大估计值),然后根据全局交叉效率,使用有向距离指数给决策单元排序.最后通过两个算例来说明本文提出的方法的可行性和有效性.