基于半自由处置变量的链型系统DEA模型

对网络数据包络分析(DEA)模型的一个特例即链型系统的DEA模型进行研究。传统DEA模型总是假设非有效的决策单元的所有输入(或输出)可以同比例改变以提高性能,但这并不符合所有的情形。在两阶段生产系统DEA模型中引入半自由处置变量,建立新模型。新模型将使非有效的决策单元和子决策单元可以根据管理需要有目的地分比例控制各输入和输出变量,一个简单的例子证明了模型比之传统方法更能发现非有效的决策单元并指明其性能改善的方向。最后,该方法被运用到商业银行效率评价的实践中。     

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.     

基于超效率DEA模型的交叉效率评价方法

针对交叉效率评价方法中综合效率评价值为1的决策单元不唯一导致的无法比较问题,提出了基于超效率DEA模型的交叉效率评价方法,该方法得到的结果是超效率DEA评价值的均值,而且综合效率评价值大小分布更加合理,能够实现决策单元的全排序.     

中国制造业生产效率评价:基于并联决策单元的动态DEA方法

在已有的并联决策单元DEA效率评价方法的基础上加入时间维度, 推演出了具有并联决策单元内部结构的复杂系统动态DEA效率评价方法. 该方法克服了传统DEA效率评价方法无视系统内部结构、高估效率指数的缺陷, 并且可以考量决策单元及其内部各生产单位在一个时期内的效率变化, 从而有着更为现实的应用价值. 运用该方法对我国8个经济区域四大类制造业的测算结果显示: “十一五”期间没有一个行业或地区的动态效率指数为0, 这说明我国制造业的生产效率并没有达到最优; 低外向度产业的生产效率增长快于高外向度产业, 低劳动密集度行业的效率改进快于高劳动密集度的行业; 高外向度低劳动密集型产业依然是我国制造业效率改进的'短板"; 劳动密集型产业向中西部转移造成了南部沿海地区制造业生产效率改进的滞后和中西部地区劳动密集型行业的发展.     

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.     

DEA方法的效率悖论与数据短尾现象

通过实例分析发现许多重要DEA模型给出的评价结果都可能存在效率悖论,即随着评价标准的提高,一个决策单元的效率值反而会增大.为了探究DEA效率悖论产生的原因及解决办法,首先通过实例证明一些最重要DEA模型(包括CCR模型、BCC模型、FG模型、ST模型)给出的评价结果均可能存在效率悖论.然后,从理论上解释了DEA效率悖论产生的根源在于决策单元数据的短尾现象,并给出了判定存在数据短尾现象的方法.同时,给出了一种修正的DEA模型,该模型不仅可以克服DEA效率悖论的出现,而且还能有效提高DEA方法对效率测算的准确性.最后,应用2000-2014年的中国省级经济数据对相关模型进行了比较研究.     

测算具有松驰技术效率的DEA方法

首先介绍并总结了现有技术效率的主要测算方法 .在分析其局限性的基础上 ,定义了一种同时考虑投入和产出松驰与权重的技术效率指数 .借助 DEA思想 ,提出了一种扩展 DEA模型 ,用于测算该技术效率指数 ,进一步探讨了如何识别决策单元的技术有效性和如何改进非技术有效决策单元等问题 .事实上 ,其它技术效率测算仅仅是本文方法的特例 ,而且在测算技术效率的同时就可以根据技术效率是否为 1直接判断决策单元的技术有效性进而对非有效决策单元实施改进.     

一种DEA效率概率占优方法研究

决策单元间的效率关系研究是效率研究中的重要领域.传统DEA模型通过计算决策单元各自最优权重情景下的效率最大值,来判断决策单元间的效率排序关系.而这种最优权重往往是极端权重,没有考虑其它权重情景.采用其它权重时,决策单元的效率值和排序往往会发生较大的变化.本文考虑了所有权重情景,提出了DEA效率概率占优模型,定义了决策单元的占优效率概率和被占优效率概率.该模型能够判断任意两个决策单元的效率概率占优关系;并将效率概率占优关系从两个决策单元扩展到决策单元与决策单元集.最后将其应用于决策单元效率排序.通过实证分析发现了两条重要结论:1)考虑所有权重情景的排序与采用极端权重的CCR效率值排序不一致;2)考虑所有权重情景时,一些无效单元的效率排序比有效单元的效率排序更高.     

基于Campos指数的模糊DEA

提出了在模糊集上具有某种偏好的DEA,并通过Campos指数将模糊集之间的关系转化为一般的线性关系,建立了基于Campos指数的模糊DEA(FBCC-CI),据此测算决策单元的技术效率、模糊效率,识别决策单元的有效性,得到由不同偏好下的生产前沿面簇组成的模糊前沿,从直观上揭示了决策单元相对于生产前沿面的偏离不仅源于非有效,而且受非精确因素的影响.最后以简化的FBCC-CI为例,说明了该模型的有效性.     

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.     

A ranking method for DMUs with interval data based on dea cross-efficiency evaluation and TOPSIS

The traditional data envelopment analysis(DEA)model can evaluate the relative efficiencies of a set of decision making units(DMUs)with exact values of inputs and outputs,but it cannot handle imprecise data.Imprecise data,for example,can be expressed in the form of the interval data or mixtures of interval data and ordinal data.In this study,a cross-efficiency method is introduced into the DEA model to calculate the interval of cross-efficiency values,based on which a new TOPSIS method is proposed to rank the DMUs.Two examples are presented to illustrate and validate the proposed method.     

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.     

New approach to determine common weights in DEA efficiency evaluation model

Data envelopment analysis (DEA) is a mathematical programming approach to appraise the relative efficiencies of peer decision-making unit (DMU), which is widely used in ranking DMUs. However, almost all DEA-related ranking approaches are based on the self-evaluation efficiencies. In other words, each DMU chooses the weights it prefers to most, so the resulted efficiencies are not suitable to be used as ranking criteria. Therefore this paper proposes a new approach to determine a bundle of common weights in DEA efficiency evaluation model by introducing a multi-objective integer programming. The paper also gives the solving process of this multi-objective integer programming, and the solution is proven a Pareto efficient solution. The solving process ensures that the obtained common weight bundle is acceptable by a great number of DMUs. Finally a numeral example is given to demonstrate the approach.     

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。     

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.     

基于竞争决策单元的数据包络分析模型

决策单元之间处于竞争关系时,所有决策单元的某些投入或产出总和是有限的,一个决策单元改善自身效率的行为可能会影响其他决策单元.针对此情形,提出一种基于竞争决策单元的数据包络分析模型,比较了该模型与传统DEA模型的生产前沿面的区别,并指出此模型在管理决策领域可能的用途.最后,用一个算例分析演示了此模型.     

基于多目标规划的DEA

单目标的传统ＤＥＡ只能从投入或产出角度测算决策单元的相对最高效率。本文将提出基于多目标的扩展ＤＥＡ，从而可通过投入及产出来测算决策单元相对的平均效率、最高效率及最低效率并研究其相对有效性.     

DEA with Unreducible Inputs and Unexpansible Outputs

ＤＥＡｗｉｔｈＵｎｒｅｄｕｃｉｂｌｅＩｎｐｕｔｓａｎｄＵｎｅｘｐａｎｓｉｂｌｅＯｕｔｐｕｔｓＬＩＧｕａｎｇｊｉｎＬＩＵＹｏｎｇｑｉｎｇＡｕｔｏｍａｔｉｏｎＤｅｐｔ．ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈ．Ｇｕａｎｇｚｈｏｕ，５１０６４１...     

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。