用SE-DEA模型研究决策单元分类

通过一种改进的数据包络分析(DEA)模型——SE—DEA模型，可以对决策单元进行分类，但在可变规模收益(VRS)条件下，这种模型可能不存在可行解，论文讨论了基于VRS的SE—DEA模型不可行的充分必要条件。分析了有效决策单元的超有效和强超有效特性，实现对有效决策单元的进一步分类，最后给出了用基于VRS的SE—DEA模型对决策单元进行分类的方法步骤，该分类方法改进和改善了传统的决策单元分类，可为决策者提供更加完备的决策信息。     

一种新的决策单元的评价和排序方法

利用非径向DEA模型和扩展DEA(C2GS2)模型组成两阶段DEA评价模型,对带有独立子系统的决策单元的有效性进行评价·将被评价单元分为有效单元集和无效单元集·对于有效单元,利用子系统有效性指标的权重和对有效决策单元进行排序·方法反应了子系统对决策单元有效性的影响,能够为绩效改进提供更为详细的、具有针对性的管理信息·利用该方法对我国26个省市医药商业企业的运行绩效进行了评价分析,对其中有效的10个省市进行了排序·     

各向异性的非径向DEA模型

提出了一种新的非径向DEA模型,并指出它与传统径向DEA模型的联系．该模型只需要求解一个线性规划,就可以得到如下结论：1）决策单元是否是DEA有效的;2）从该模型的解可以看出是哪些指标导致了决策单元的非DEA有效性;3）如何调整输入输出指标使得决策单元是DEA有效的．该调整策略体现了各输入输出指标的权重,具有各向异性的特点．     

运用数据包络分析两阶段法分析财政政策的相对有效性

传统的数据包络分析(DEA)模型评价决策单元相对有效时,将决策单元分为有效和非有效两大类,不仅无法对决策单元有效性进行排序,而且也无法获得与决策单元有关的管理信息.应用DEA两阶段法对财政政策相对有效性进行分析,给出了历年的财政政策有效性的情况及其有效性的排序,且对非DEA有效的决策单元提供了如何调整各项指标使之达到相对有效的有关管理决策信息.     

区间DEA模型中决策单元效率的相对合理测算

在已有DEA模型基础上,建立起非径向、同时考虑输入与输出的区间DEA模型,以测度决策单元的区间技术效率。基于相对合理的区间效率测度,对决策单元进行了分类,并给出了非区间有效单元的一个改进方案。最后给出了一个算例。     

基于 DEA 模型的中国星级饭店业经营效率评估

星级饭店经营效率的评估是一个涉及多投入与多产出的问题。EDA模型则是解决类似多投入与多产出效率问题的方法,在多个领域都有应用。文章运用DEA模型,对中国星级饭店业在1999—2008年这10年期间经营效率进行了评估分析。选取星级饭店数、床位数、固定资产等3项投入指标与营业收入、住宿人天数两项产出指标,运用EMS1.3专业软件对各输入输出数据进行综合分析,得到每个决策单元(DMU)综合效率的数量指标,据此将各DMU定级排序,确定有效的DMU,并指出其他DMU非有效的原因和程序。研究结果显示:1)这10年间中国星级饭店业综合效率呈现波动状态;2)整体来讲处于规模报酬递减阶段;3)存在严重的投入冗余与产出不足现象。     

区间超效率DEA模型及其应用

将一种改进的DEA模型-超效率DEA(SE-DEA)模型[1]拓展到区间投入产出情形,得到区间SE-DEA模型.基于此给出了求解每个DMU的区间超效率值的上限和下限的确定型DEA模型.该区间超效率值较传统的区间DEA模型更具区别性,能对所有DMU进行充分排序.在此基础上,将所有DMU分为三类.最后给出区间SE-DEA模型在建筑业效率评估中的应用算例分析.     

一种具有独立子系统的决策单元DEA排序新方法

 数据包络分析是(data envelopment analysis, DEA)评价具有可比性决策单元相对有效性的一种工具。在排序过程中,如果同时比较决策单元的最优效率与最劣效率,排序结果会更合理。将基于完全包络面的超效率DEA模型、虚拟决策单元以及非径向C2GS2模型引入具有独立子系统的决策单元DEA排序问题中,提出了改进的能体现决策者偏好或指标重要程度的两阶段模型。最后算例证明该方法的排序结果具有公平性、合理性、完全性。     

决策单元取数一致准则下的灰区间DEA效率研究

当决策群体的输入输出变量为区间灰数时,假设各决策单元在同一指标下的灰区间变量取数一致。基于取数一致灰数大小比较的相关结论,建立了求解DEA效率区间上、下界的线性规划方程。灰区间DEA效率求解方法有两个优点:一方面,取数一致的假设体现了被评价决策单元和参考决策单元的竞争公平性;另一方面,求得的DEA效率区间长度较小,不确定性低,提高了信息不完全条件下采用灰区间DEA模型对决策单元进行有效性评价和效率评估时的分辨力。     

具有固定输入DMU的成本效率估计

讨论了评价生产有效性的非参数方法DEA在计算决策单元成本效率中的应用．针对具有固定投入的DEA效率评估模型，本文提出了这类生产系统决策单元的成本效率概念以及测算公式，并结合具体算例对有关定义和模型进行了验证。     

基于输出的供应链分销阶段绩效改进方法

总结了标杆学习中目标企业选择和学习途径确定的方法·研究了基于输出的绩效评价和改进的标杆方法,给出了特定输出增长等定义和有关数据包络分析(C2GS2)的扩展模型·模型中所有被评价企业均视为具有相同输入、输出的决策单元·指出最小特定输出增长为绩效改进的最短路径,所对应企业为最佳标杆学习对象·在供应链分销阶段,该方法更易于操作,企业可保持现有投入,通过提高输出元素水平改进绩效·     

基于数量信息标杆的选择方法和最佳决策模型

为解决待决策单元标杆的数量选择问题,对数量信息标杆的选择与决策问题提出了标杆的选择方法和决策模型。用物元的发散性思想找到与待决策单元同名、同值、同征的单元并收集它们的数量信息;用DEA(Data Envelopm entAnalysis)方法给出了待决策单元标杆的选择方法以及依赖标杆的最佳决策模型;通过例子分析了此模型的作用。从实际的应用中可以看出,量化的决策模型对提高决策单元的效益有显著的作用。此决策模型是把策略的形成以及如何开拓策略集、优化技术的运算技巧结合起来,对基于数量信息标杆的选择与决策问题给出了一种解决方法,并且具有较强的实际意义。     

区间DEA模型下的决策单元排序

给出基于输出的DEA模型下的区间有效值求法，同时从乐观和悲观两个角度去评价决策单元，从而得到了该决策单元有效值的一个区间. 进一步还可类似地定义该决策单元无效的一个区间.将上述方法与基于输入的DEA模型下的理论进行了对比，实例分析显示了两种模型在评价决策单元区间有效性上是一致的.     

基于数据包络分析的福建省城市环境污染治理投资技术效率评价

以福建省9地市为评价对象,基于数据包络分析方法,建立环保投资投入产出评价指标体系,结合CCR模型、BCC模型以及超效率数据包络模型,对福建省各决策单元2010年环保投资技术效率进行评价．结果显示：福建省2010年环境污染治理投资整体技术效率不高,除厦门、福州、宁德3市外,其余各市均是非DEA有效,纯技术效率是福建省环保投资技术效率提高的主要瓶颈．     

基于逆序概率的随机多目标DEA方法

针对各决策单元的输入/产出指标为一定分布的随机变量情形,提出了一种基于逆序概率的随机多目标DEA方法,该方法在利用蒙特卡罗方法对随机多目标DEA模型进行求解的基础上,确定决策单元的排序,通过逆序概率对结果进行分析,并用实例说明了该方法的有效性和可行性。     

基于数据包络分析法的快递废弃包装循环再利用效率评估

传统评估方法无法有效排除人为因素的影响,得到的评估结果主观性强,或者需要很多训练数据,很可能导致评估结果不稳健。为此,提出一种新的基于数据包络分析法的快递废弃包装循环再利用效率评估方法。通过数据包络分析法把快递废弃包装循环再利用方案看作实体单元,在某种状态下,投入一定的生产要素,同时产出一定的产品。可将所有快递废弃包装循环再利用方案看作决策单元DMU,将经济性、技术性与配置性能为DMU输出指标,将快递包装日生产量、快递废弃包装再加工费用、人工成本、车辆投入成本作为DMU输入指标。在物元研究时引入模糊数学,采用模糊物元分析法进行输出指标评价。将C2R模型作为数据包络分析法采用的模型,令快递废弃包装循环再利用效率取最大值,对数据包络分析法研究的快递废弃包装循环再利用效率进行判断。实验结果表明,所提方法评估结果准确且稳健,验证了所提方法的可靠性。     

DEA／TOPSIS模型在高校教育质量评价中的应用

为提高高校教育质量评价的客观性,采用DEA／TOPSIS两阶段模型对高校教育资源的利用进行综合评价。该模型第一阶段使用DEA方法计算每个决策单元的相对有效性,第二阶段对相对有效性进行TOPSIS计算并作全排序优选,最后结合例子进行了分析。     

时序多指标决策的具有时间变量的DEA分析方法

在传统DEA模型的基础上, 引入离散时间变量,建立了对时序多指标决策问题的两阶段DEA评价模型.该模型通过各个评价对象的相对有效性解决时序多指标决策问题,避免了人为主观地确定时间权重和指标权重.模型反应了各时间段指标对决策单元有效性的影响,为评价提供更为详细的动态信息.最后,通过实例验证了方法的合理性、有效性.     

基于优势与劣势分析的DEA综合评价方法

提出了基于数据包络法的劣势效率评价模型,将其与现有数据包络模型结合起来,得到了一种综合评价决策单元相对有效性的效率评价方法.该方法分别从有利于被评决策单元和不利于被评决策单元的角度对被评决策单元的相对有效性进行研究,由此得到其综合有效性值,据此可以对决策单元进行排序.