C~2R和C~2GS~2模型的DEA有效性问题

就评价相对有效性方法的Ｃ￣２Ｒ模型，本文导出了决策单元ＤＥＡ有效及ＤＥＡ弱有效的一个充要条件，并由此得到判断ＤＥＡ有效和ＤＥＡ弱有效的几个简单易行的方法。此外，本文用很简单的方法证明了Ｃ￣２Ｒ模型ＤＥＡ有效决策单元的存在性。最后就Ｃ￣２ＧＳ￣２模型讨论并证明了ＤＥＡ有效及ＤＥＡ弱有效决策单元的存在性问题。     

具有不可控因素的非有效决策单元的修正方法

对非ＤＥＡ有效的决策单元,本文给出了一种方法,在诸输入不变的情况下,部分输出乘以同一的适当倍数或部分输入和部分输出分别乘以一个适当倍数,使其变为ＤＥＡ有效,且分析了保持原ＤＥＡ有效决策单元仍为ＤＥＡ有效的条件。     

只改变输出使决策单元变为DEA有效

对非ＤＥＡ有效的决策单元，本文给出一种方法，在诸输入不变的情况下，诸输出乘以同一的适当的倍数使其变为ＤＥＡ有效，且原来ＤＥＡ有效的决策单元仍为ＤＥＡ有效。     

一个综合的DEA模型及其相关性质

给出了一个综合的ＤＥＡ 模型（ＺＨＤＥＡ）,它包含了多种目前常用的ＤＥＡ模型．同时,探讨了其求解方法,并给出了ＺＨＤＥＡ有效决策单元的几个恒等式．     

DEA有效的最速性

对非ＤＥＡ有效的决策单元，本文定义了其ＤＥＡ有效的最速性及相关概念，讨论了它的一些性质，给出了计算方法及实例。     

“混合的”数据包络分析模型的灵敏度分析

对文献［１］所讨论的“混合的”ＤＥＡ模型,进行灵敏度分析,对原来ＤＥＡ有效的决策单元给出了在改变其输入与输出后仍保持ＤＥＡ有效的充分条件。     

有关DEA有效性(C~2R或C~2GS~2)的定理及其在灵敏度分析中的应用

给出了有关决策单元为ＤＥＡ有效（Ｃ２Ｒ或Ｃ２ＧＳ２）的充要条件的两个新定理,并用它来研究ＤＥＡ中的灵敏度分析。因此本文就有了在一些决策单元的输入或输出变化后某决策单元保持其有效性不变的一些充分条件和一个必要条件。     

具有三角模糊数要素的DEA模型

传统ＤＥＡ模型只讨论了当投入和产出（称要素）为确定性时决策单元的相对有效性．本文将提出具有模糊不确定要素的ＤＥＡ模型，并基于模糊数的排序原理给出了模糊ＤＥＡ的求解方法，从而将传统确定性ＤＥＡ推广到模糊不确定ＤＥＡ．这不仅拓广了ＤＥＡ的适用范围，而且使得对决策单元的相对效率测算、有效性判断以及生产前沿面估计都更符合实际．     

基于加性模型使决策单元变为DEA有效并求C~2R或C~2GS~2模型的最优值的方法

本文给出了基于数据包络分析中的加性模型求Ｃ２Ｒ或Ｃ２ＧＳ２模型最优值的方法、以及在ＤＥＡ有效（Ｃ２Ｒ或Ｃ２ＧＳ２）的决策单元保持其有效性的条件下对某个决策单元通过改变它的输入或输出使它变为ＤＥＡ有效的方法。     

DEA模型的一般投影研究

首先探讨了ＤＥＡ模型的一般投影模型及性质，为非ＤＥＡ有效的决策单元提供了多种改进方案，并在此基础上提出可控投影模型，从而能得到适合决策单元自身状况的调整方案，为决策者提供更有价值的参考信息     

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。     

交叉效率评价方法中新单元导入的保序性

介绍了交叉效率方法，分析了该方法在用于评估排序时所存在的局限性，即在导入新的决策单元时，可能会使原先的决策单元排序发生变化。通过求解交叉效率的纳什讨价还价解来确定各DMU的权重，从而得到最终的均衡交叉效率，利用该效率对决策单元进行排序可以消除在导入新的决策单元时所产生的逆序现象，最后给出算例说明该方法的有效性。     

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.     

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.     

基于VRS的SE-DEA模型可行性的研究

通过一种改进的DEA模型——SE-DEA模型可以对决策单元进行充分比较和排序，但在可变规模收益(VRS)条件下，这种模型可能不存在可行解，定义了超有效和强超有效决策单元，对基于VRS的SE-DEA模型的可行性进行了研究，证明了评价某决策单元的SE-DEA(VRS)模型是不可行的充分必要条件是该决策单元为超有效，给出了用SE-DEA(VRS)模型对决策单元进行评价与排序的方法步骤，将决策单元按强超有效、超有效、一般有效和非有效进行排序，最后将这些理论与方法应用于评价产业经济相对有效性的实际。     

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.     

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。     

DEA with Unreducible Inputs and Unexpansible Outputs

ＤＥＡｗｉｔｈＵｎｒｅｄｕｃｉｂｌｅＩｎｐｕｔｓａｎｄＵｎｅｘｐａｎｓｉｂｌｅＯｕｔｐｕｔｓＬＩＧｕａｎｇｊｉｎＬＩＵＹｏｎｇｑｉｎｇＡｕｔｏｍａｔｉｏｎＤｅｐｔ．ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈ．Ｇｕａｎｇｚｈｏｕ，５１０６４１...     

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.