考虑受益性的固定成本分摊DEA纳什讨价还价模型

研究了固定成本在决策单元间的分摊问题.假设已知固定成本投入前后 两个连续周期内的决策单元投入/产出,将待分摊的固定成本均等计入决策单元 的各项投入要素中.以此假设为建模前提,首先给出考虑分摊固定成本的决策单元 超CCR有效性评价模型;继而构建决策单元相对受益识别模型,它面向投入产出的 要素变化量和分摊的固定成本;在此基础上提出了同时考虑决策单元有效性和受益 性的基于DEA纳什讨价还价合作博弈理论的固定成本分摊模型. 算例分析结果表明 本文提出的固定成本分摊方法是可行且可接受的.     

基于公共权重DEA模型的决策单元排序研究

决策单元进行效率评价与排序是被广泛关注的研究领域,数据包络分析方法已经被广泛运用于决策单元的排序之中.然而,绝大部分DEA排序方法都是基于自评效率,即每个决策单元都选择对自身有利的权重,这样的效率不具备可比性.因此,提出一种基于公共权重DEA模型的决策单元排序方法.此方法包含四个步骤,每个决策单元的效率值分解为两部分,即自身的技术效率与其权重偏好结构获得其他决策单元认可的程度.用一个算例分析对该方法进行了演示.     

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。     

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.     

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.     

基于多目标规划的扩展DEA有效性分析

为避免传统的DEA模型在评价决策单元的相对有效性存在的局限,建立了多目标规划的DEA模型(MP),讨论了MP的一些性质。在此基础上给出了关于决策单元的扩展DEA有效性的几个等价命题,并对决策单元扩展有效的灵敏度进行了讨论。     

非同质决策单元的资源分配模型北大核心CSCDCSSCI

利用DEA解决资源分配问题时,集中决策单元下属的子决策单元间必须具备同质性,但在许多情况下,子决策单元不满足这个条件。为解决此类问题,提出非同质决策单元间的资源分配模型。模型首先引入多个集中决策单元,并根据子决策单元的非同质性进行分类;为每一类子决策单元分别刻画其生产可能集和改变可能集,在此基础上,考虑资源约束,寻找最佳资源分配方案。最后,通过数值算例说明模型的管理意义。     

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.     

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.     

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.     

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。     

不同决策环境下的区间属性决策单元效率全排序

建立了不同决策环境下区间属性决策单元效率全排序方法.本文结合超效率思想把不确定性的区间数据包络模型转化成一对确定性的超效率数据包络模型,以获得不存在效率拥挤的起效率区同;然后,根据不同决策环境的需要,分别借助赫威斯决策准则和区间数比较的可能度理论,建立了可供选择的决策单元区间效率水平的全排序方法.最后通过两个典型实例说明本文方法的优越性.     

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.     

一类基于投入约束的资源配置DEA博弈模型

结合数据包络分析(DEA)与Nash讨价还价博弈模型研究有限资源的合理配置问题。首先证明,在投入约束条件下,基于传统DEA模型的资源配置方法将陷入困境。为此,需要考虑各决策单元(DMU)对于有限资源的竞合关系,引入Nash讨价还价博弈模型,并证明最优资源配置方案具有唯一性。最终通过算例说明了本方法的合理性与可行性,与其它DEA分摊方法相比还具有一定优势。