区间DEA的一种改进的充分排序方法

区间DEA中决策制定单元（DMU）的效率值是一个区间数，传统的区间DEA研究只能以区间效率值将DMU分为有效、部分有效和无效三类，而对区间DEA中DMU的排序研究较少。本文以两个区间数大小的可能度为基础，并且考虑了区间数退化为实数的情况。通过排序向量从而对输入输出中含有区间数的决策单元进行排序，通过将超效率DEA模型进行区间扩展，从而对同为有效的DMU进行排序，以迭到对所有的DMU进行充分排序的目的。最后给出了一个算例。     

交互式DEA-AHP模型及其应用

为了研究多输入多输出问题中各个指标对效率的影响程度,达到提高决策单元(DMU)相对有效性的目的,通过对DEA和AHP模型优缺点的分析,构建了能够对所有决策单元进行完全排序,能相对全面地体现各个决策单元间以及指标属性间的权重大小,且具有合理区分能力的交互式DEA-AHP模型,并以中国六家商业银行经营效率的评价为例进行了应用分析.     

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.     

区间数据包络分析的决策单元评价

定义了区间数据包络分析(DEA)模型。讨论了DMU的最高效率值和最低效率值的求解,从而确定决策单元(DMU)的区间效率值,并依此对DMU进行分类。建立了一个后区间DEA模型,在此基础上定义评价DMU保持其最高效率值的稳定性的指标,实现了对DMU的进一步评价。     

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。     

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.     

一种考虑所有权重信息的区间交叉效率排序方法

针对交叉效率评价方法中交叉效率不唯一的问题,在分析现有解决方法缺陷的基础上,提出了考虑所有权重信息的区间平均交叉效率,即将所有决策单元的交叉效率值定义在各自的一个区间数上,该区间数考虑了所有决策单元自评时的权重信息,通过比较各决策单元的区间平均交叉效率值,从而可以对所有决策单元进行充分排序,利用该方法能够很好地解决现有方法所存在的部分缺陷.最后通过算例对该方法进行了演示.     

具有三角模糊要素的非径向DEA模型

在原有的非径向DEA模型基础上进行模糊扩展,建立了输入输出为三角模糊数的非径向DEA模型,并根据模糊规划取α-截集的方法求解模型.在相对已有模糊DEA模型更加合理、更强区分能力的效率测算基础上,定义决策单元的α-水平模糊DEA有效性,从而完成了对决策单元的分类.然后在给定α-水平下对模糊决策单元进行了排序.最后给出了一个算例.     

基于DEA 模型的部队编制方案评价

建立评价优选部队编制方案的DEA模型,该模型测算了各备选编制方案的总体效率、技术效率、规模效率等状况,对非DEA有效的编制方案提出了使其达到DEA有效的途径,给出了各备选编制方案的初排序.在此基础上,通过比较各有效备选编制方案平均横切效率的大小,得到所有备选编制方案的终排序.并就部队编制方案制定,提出了若干建议供决策部门参考.     

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.     

一类基于半自由处置变量的DEA模型

首先基于具有多输入(或输出)的决策单元的实际背景,将输入(或输出)变量区分为自由处置变量、非自由处置变量和半自由处置变量,并建立新DEA模型.新DEA模型既考虑被评决策单元在进行效率评价时,根据自身实际需要对不同输入(或输出)变量进行不同比例的分项控制,又考虑非有效的决策单元在效率改善时,使DEA评价结果形成的建议是切实可行的.最后通过商业银行数据以演示新模型.     

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.     

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。     

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。     

基于不可分离变量的非期望SBM效率评价方法

基于松弛变量度量法(slacks-based measure,SBM)评价模型,首先区分投入、期望产出和非期望产出为可分离变量和不可分离变量,构建了复杂生产系统基于不可分离变量的非期望SBM效率评价模型,该模型更加符合生产系统的实际生产过程;其次基于非期望产出总量规制目标,进一步构建了非期望产出规制视角下的不可分离变量非期望SBM模型,该模型能直接计量非期望产出规制对系统整体效率的影响程度。最后,以0.5为步长,运用实例检验了非期望产出规制影响生产系统整体效率的灵敏度。     

基于核子解的最终交叉效率权系数确定方法

介绍了交叉效率评价方法,分析了利用最终平均交叉效率值来对DMU进行评价时所存在的诸多缺陷,结合合作博弈理论,放松最终确定效率值的平均化假设,把需要作评价的各个决策单元作为合作博弈的局中人,并定义了包含所有局中人在内的联盟博弈及其各种子联盟的特征函数值,在分析各种联盟博弈解优劣的基础上,选择核子作为联盟博弈的解,并通过遗传算法求解出该博弈的核子解,从而确定了最终交叉效率的权系数.最后通过一个算例说明该方法的有效性.     

改进的DEA模型及其在地区行业经济评价中的应用

针对传统 DEA模型不能对有效决策单元做进一步评价这一缺点 ,本文通过重新定义生产可能集 ,提出一种改进的 DEA模型 (简称 MDEA) ,实现了对所有决策单元效率的充分评价与排序。在地区行业经济评价中的应用验证了该模型的有效性。     

次生产前沿面在有效DMU再评价中的运用

运用DEA方法进行决策单元的综合评价具有客观性和灵活性,但其对有效和弱有效DMU无法辨识的缺陷严重阻碍了该方法在评价领域的运用.由此,文章提出一种基于次生产前沿面的两阶段DEA评价方法,证明了新构建的次生产前沿面具有存在性、被包络性和不交性三大性质.同时,在证明原有效DMU投影次生产前沿面有效值恒大于1、排序方法与一般DEA有效值排序相反的基础上把两阶段中新旧DEA模型计算结果进行合理整合,得出综合排序结论.最后,通过一个实例说明了方法的可行性.     

严格直觉模糊熵

通过对现有直觉模糊熵构造方法的分析,针对隶属度和非隶属度函数相等但直觉指数不同导致熵值无法区分的局限性,借鉴经典数学中严格大于和严格小于的概念,提出了严格直觉模糊熵(strict intuitionistic fuzzy entropy,SIFE)的概念并给出公理化定义。在该定义基础上给出一个SIFE构造方法,然后抽象为一般表达式,使得SIFE的特性在决策排序问题中更加适用。通过算例分析,表明该方法的正确性,与其他直觉模糊熵构造方法比较,说明该方法可以克服存在的局限性。     

基于范数的基本输入变量重要度排序的计算策略

针对Borgonovo基本输入变量重要度中概率密度函数积分不易求解的缺陷,基于重要度定义将范数的概念引入灵敏度分析中的重要度排序分析领域,提出一种新的基本输入变量重要度排序的计算策略,并为该计算策略选择了若干等价范数,从而避免求解积分的困难.该方法将所求积分用其等价范数进行替代,同时采用适用性更加广泛的一种正则化基本输入变量重要度的计算方法.从理论上讲,该计算策略能够为重要度排序计算提供多种等价范数形式.从所提计算策略与Borgonovo方法、Liu方法的比较可以看出:所提方法是三种方法中最简单有效的.最后,给出两个算例来说明所提方法的可行性.