基于C2W模型的广义数据包络分析方法研究

如果将评价的参照集分成"决策单元集"和"非决策单元集"两类,那么传统的DEA方法只能给出相对于决策单元集的信息,而无法依据任何非决策单元集进行评价,这使得DEA方法在众多评价问题中的应用受到限制.针对传统数据包络分析方法无法依据指定参考集提供评价信息的弱点,给出了包含无穷多个样本单元的广义数据包络分析模型(Sam-C²W)和相应的Sam-DEA有效性概念.分析了(Sam-C²W)模型的性质以及它与传统DEA模型之间的关系,探讨了(Sam-C²W)模型刻画的Sam-DEA有效性与相应的多目标规划Pareto有效解之间的关系.进而,分析了决策单元在样本可能集中的分布特征、投影性质和模型含义等问题,(Sam-C²W)模型不仅具有传统C²W模型的全部性质,而且还能依据任意指定的参考单元集进行评价.     

基于样本的企业联盟效率综合评价的非参数方法

从系统组成成员的资源共享出发, 针对传统样本数据包络分析方法无法突破决策单元具有“可比性”的限制和无法依据任意参考面提供评价信息的弱点, 给出了带有约束锥的评价企业联盟效率的广义样本数据包络分析模型(PU-C²WH), 分析了该模型刻画的联盟有效性及弱有效性与相应的多目标规划非支配解之间的关系, 探讨了联盟单元在样本可能集中的投影性质和无效单元效率改进的途径和尺度, 并进一步给出了联盟单元群整体效率度量的典型方法和评价步骤, 最后, 将该方法进行了仿真应用．     

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.     

综合网络DEA模型有效性理论分析

针对综合DEA模型无法反映系统内部子过程的相互作用对绩效的影响,提出一种综合网络DEA模型,并给出该混合模型的相关定义及定理,得到综合网络DEA模型由参数取值不同,各(弱)网络DEA有效性间的关系;指出了综合网络DEA有效的决策单元,也为评价决策单元总体有效性的综合DEA有效,同时该单元内部子过程也均为综合DEA有效;证明决策单元为(弱)综合网络DEA有效时,评价决策单元总体有效性的综合DEA最优解与相应综合多目标规划的(弱)Pareto解之间的对应关系。这些结果进一步丰富了DEA有效性理论。     

偏序集理论在DEA相关理论中的应用研究

在文[1]的基础上，刻画了DEA有效（C^2WH)的本质特征，给出了决策单元为DEA有效（C^2WH）的一个充要条件，论述了偏序集理论在分析有效生产前沿面构成、研究数据变换性质、讨论模型关系、分析决策单元变更以及指标增减对DEA有效性影响等方面的应用。针对4个典型DEA模型，给出了一些建立在偏序集理论基础上的结论。     

基于偏序集理论的数据包络分析方法

数据包络分析(data envelopment analysis, DEA)方法与偏序集理论之间关系密切,通过引入适当的偏序关系可以进一步刻画决策单元,也能够更加深入地理解决策单元。在Charnes-Cooper-Rhoes (C²R) 模型中引入新的偏序关系,通过该偏序关系给出DEA有效决策单元、弱有效决策单元及无效决策单元与偏序集的极大元的特殊关系,同时从偏序集中的极大元出发提供决策单元在生产前沿面上的投影。 最后,为了较简单地确定各个决策单元之间的偏序关系,对C²R模型中的投入产出数据进行无量纲化及统一化处理,并对这些理论的进一步应用和发展提出了一些建议和设想。     

带有参数的DEA-C2R模型及决策单元的排序

针对数据包络分析(DEA)方法中的效率值不能区别DEA有效的决策单元之间的相对"优劣性"的不足,建立了带有参数的C2R模型,并具体地讨论了它们的性质以及相互之间的关系,提出了阈值的概念。在分析阈值的性质和经济意义的基础上,给出了区分所有决策单元"优劣性"的一个指标———有效值,即根据有效值的大小对所有决策单元进行排序的方法。     

用于组合有效性综合评价的非参数方法研究

针对系统内部同类单元的联合问题,给出了一类基于样本数据评价组合有效性的非参数模型和方法,并探讨了评价组合有效性模型的性质、求解方法以及模型给出的组合有效性的经济含义。分析了组合有效单元与相应的多目标规划Pareto有效解之间的关系,探讨了外界条件变化对评价结果的影响。为了进一步在模型中反映决策者的偏好,给出了带有权重约束的评价组合有效性模型,并探讨了其相关性质。     

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.     

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 .     

样本数据包络面的研究与应用

研究了样本数据包络面的性质,给出了基于样本数据包络面的排序算法.并应用获得的结果,探讨了样本数据包络面在择优排序、分析有效单元性质、预测组合有效性等方面的应用.     

广义参考集DEA模型及其相关性质

由于传统数据包络分析（data envelopment analysis, DEA)方法的“评价参照系”是有效决策单元,即传统DEA方法只能获得和有效决策单元比较的信息,而实际上人们需要比较的对象不仅仅限于“优秀单元”,还可能是“一般单元”（如录取线）、“较差单元”（如可容忍的底线）或者某种特殊单元（如选定的样板、标准或某些特定对象）,而传统DEA方法无法评价这些问题。为此,给出一种适用于上述所有情况的广义DEA方法,并探讨其相关性质,主要包括基本的广义参考集DEA模型和广义DEA有效性概念;广义DEA有效性含义和广义DEA有效性的判断方法;广义参考集DEA方法与传统DEA方法的区别与联系。     

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。     

Fuzzy data envelopment analysis approach based on sample decision making units

The conventional data envelopment analysis (DEA)measures the relative efficiencies of a set of decision making units with exact values of inputs and outputs.In real-world problems,however,inputs and ou...     

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.