基于样本评价的广义SBM的效率度量方法

基于样本评价的广义SBM(slacks-based measure)方法可以通过不同参考集对决策单元的有效性进行度量,但是该方法在效率度量方面还存在两个问题:一是对决策单元进行效率度量时使用模型不同;二是某些决策单元为广义SBM有效时,其效率值存在被高估的情况。为解决这两个问题,首先给出决策单元效率被高估的充要条件。然后给出改进的广义SBM方法,并讨论广义SBM新效率度量方法的合理性及其与原效率度量的关系。最后通过各地区高校科研效率评价的实例说明了改进广义SBM方法的合理性。     

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.     

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。     

DEA方法的效率悖论与数据短尾现象

通过实例分析发现许多重要DEA模型给出的评价结果都可能存在效率悖论,即随着评价标准的提高,一个决策单元的效率值反而会增大.为了探究DEA效率悖论产生的原因及解决办法,首先通过实例证明一些最重要DEA模型(包括CCR模型、BCC模型、FG模型、ST模型)给出的评价结果均可能存在效率悖论.然后,从理论上解释了DEA效率悖论产生的根源在于决策单元数据的短尾现象,并给出了判定存在数据短尾现象的方法.同时,给出了一种修正的DEA模型,该模型不仅可以克服DEA效率悖论的出现,而且还能有效提高DEA方法对效率测算的准确性.最后,应用2000-2014年的中国省级经济数据对相关模型进行了比较研究.     

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。     

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。     

权重受限的超效率DEA模型及其投影分析

传统DEA模型通过效率值和投影值对无效单元提供很多有用的管理信息,但对有效单元能提供的信息比较少.超效率DEA模型虽度量了有效单元的效率大小,做到了从效率值的角度区分有效单元,却没有考虑有效单元的投影问题.本文首先给出有效单元投影的概念,利用投影不仅可以对无效单元给出无效原因,还可以给出有效单元存在的优势.其次,给出权重受限的综合超效率DEA模型及其投影概念,并讨论本文模型与其它超效率模型的关系.最后,分析本文模型的最优目标函数值与单元有效性之间的关系.     

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。     

基于相邻共同参比方法的Malmquist模型

Malmquist指数反映的是在2个周期之间全要素生产率的相对变化情况。当采用数据包络分析计算Malmquist指数时,在规模收益可变假设下会出现无可行解的情况。从改变参考生产可能集从而消除交叉参比的角度提出一种相邻共同参比Malmquist指数计算方法,有效解决Malmquist模型无可行解的问题。     

r-逆DEA问题的一种计算方法

当被评价的决策单元的其输入向量增加后,其效率指数为原来的r倍时,极大化其输出向量,称这一问题是面向输出的r-逆DEA问题,它是通常的逆DEA问题的推广.通过构建两个特殊的线性规划模型,得到了r-逆DEA问题的一类特殊形式解的求法,并用数值实例加以说明.     

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。     

基于Campos指数的模糊DEA

提出了在模糊集上具有某种偏好的DEA,并通过Campos指数将模糊集之间的关系转化为一般的线性关系,建立了基于Campos指数的模糊DEA(FBCC-CI),据此测算决策单元的技术效率、模糊效率,识别决策单元的有效性,得到由不同偏好下的生产前沿面簇组成的模糊前沿,从直观上揭示了决策单元相对于生产前沿面的偏离不仅源于非有效,而且受非精确因素的影响.最后以简化的FBCC-CI为例,说明了该模型的有效性.     

基于DEA的决策单元排序方法研究

针对DEA方法中交叉评价模型在决策单元的评价排序问题上存在的不足--实现完全排序需要进行多次交叉评价,分析了引入差额指标模型的排序机制,该模型得出的评价排序结果较为完整。在此基础上,提出了新的DEA排序模型--综合输入效率模型,给出了具体的评价步骤,可实现与差额指标模型同样的排序功能。进一步通过数值分析对三种不同评价排序模型的排序效果进行对比分析,结论为差额指标与综合输入效率模型在评价排序时更为有效。     

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...     

具有可控和不可控要素的多目标DEA模型

建立输入输出要素部分可控和部分不可控的情况下的多目标DEA(data envelopment analysis)模型,通过其对偶模型和标量化,给出多目标DEA有效的概念并研究其性质。给出各种Pareto有效解的定义并建立其与多目标DEA有效的等价关系,通过将决策单元投影到生产前沿面上得到新的多目标DEA有效的决策单元,由此说明权重的作用。