基于DEA的企业绩效评价方法

以效率观点为切入点，引入数据包络分析（DEA）评价方法对企业经营绩效进行综合评价，提出了基于DEA的绩效评价内容，分析了其评价框架与步骤，为企业绩效评估问题提供了一条新的思路。     

DEA方法与模型的应用——数据包络分析(三)

本文将给出使用C~2R与C~2GS~2模型进行评价的几个实例。它们分别反映了评价赢利和非赢利部门,静态与动态情况,从不同的角度说明了 DEA 方法的应用。在分析实例的基础上,还将归纳出 DEA 方法应用的一般步骤以及应用中某些值得重视的问题。     

基于偏序集理论的数据包络分析方法研究

刻画了综合 DEA有效性 (C2 WY)的本质特征 ,给出了决策单元为综合 DEA有效 (C2 WY )的一个充要条件 .同时 ,还系统论述了 DEA有效性的含义和理论基础 ,阐述了从偏序集角度研究 DEA方法的优点和意义 ,最后 ,探讨了基于偏序集理论的 DEA方法在定性问题的定量化研究中的应用.     

基于DEA模型的基金业绩评估的主要方法

综述了评估基金业绩的主要方法，特别是分类介绍了新近基于DEA模型所提出的几种基金绩效评价指标，在简述不同指标的优缺点、国内在该领域的研究现状的基础上，指出有关DEA模型研究及其进一步用于基金业绩评估时所存在的其它亟待解决的问题。     

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。     

多层次复杂系统的资源优化配置方法

数据包络分析(data envelopment analysis,DEA)是一种重要的效率评价方法,特别适合复杂系统的评价问题.但由于复杂系统指标体系的复杂性使得DEA方法在评价复杂系统效率问题时也遇到了一些无法回避的困难,主要表现在评价结果过于强调次要指标的作用、常常出现多数单元有效、对投影的要求过于苛刻、指标集成后无法找到针对原始指标的改进信息等.为了解决上述问题,给出了一种用于复杂系统评价的数据包络分析模型,并对相应的DEA有效性含义、模型性质以及模型的求解方法等进行了探讨.通过实例比较可以看出,本文方法不仅具有传统DEA方法的优点,而且还很好地克服了上述缺点.     

基于DEA与联盟博弈的固定成本分摊方法

结合DEA(Data Envelopment Analysis)和联盟博弈方法研究固定成本分摊问题.首先证明了如果将分摊成本作为新的投入,则所有的决策单元将是DEA有效.在此基础上,结合联盟博弈理论,定义了联盟博弈的特征函数,提出了Shapley值的成本分摊方案,最后通过算例说明了该方法的有效,以及与已有的用DEA进行固定成本分摊的方法相比在可实施方面具有一定的优势.     

基于DEA和核心解的固定成本分摊方法研究

结合DEA(data envelopment analysis)和联盟博弈方法研究了固定成本分摊问题.首先证明了如果将分摊成本作为新的投入,则所有决策单元个体和整体将是DEA有效.在该结论的基础上,结合DEA和联盟博弈理论,定义了联盟博弈的特征函数,提出了三种基于核心解的固定成本分摊方案,并通过算例验证了这些方法的合理性.     

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。     

基于未来DEA效率的贷款定价模型

一般意义上的DEA方法是通过投入、产出指标的数据来确定DEA效率;逆向求解思路是在已知DEA效率和某些投入、产出指标的基础上反求其中的一个产出指标贷款利率.以Malmquist指数为工具,通过过去的银行DEA效率,推导未来贷款时段的可达到的最大DEA效率,在未来的DEA效率确定的情况下,确定贷款利率.本模型创新与特色一是通过过去的Malmquist指数预测未来的Malmquist指数,利用未来Malmquist指数与过去的DEA效率的相互作用得到未来的DEA效率指数,用未来的DEA效率、而不是过去的DEA效率来确定贷款利率.反映了贷款定价未来变化情况,解决了贷款时段的利率与贷款时段的可达效率相对应的问题.二是逆向运用现有研究的DEA方法通过投入、产出指标的数据确定DEA效率的思路,在已知DEA效率和某些投入、产出指标的基础上反求其中的一个产出指标贷款利率.拓展了DEA的应用范围.三是按照未来逆向求解DEA效率的贷款定价方法,能够在现有条件下得到给银行带来最大效率、抵补贷款风险损失、且客户能够接受的利率.     

DEA系统及其在武器装备采办中的应用研究

数据包络分析(data envelopment analysis,DEA)系统的主要研制目的是对武器装备论证和武器装备采办提供分析工具。该系统是包含6个DEA模型和4个线性规划模型在内的通用工具集。介绍了系统的组成、特点、功能以及系统中随机DEA模型和L-R型区间DEA模型算法的基本思路。借助该系统分析了武器装备采购费用的相对有效性。最后简要说明了DEA方法在军事领域的应用前景。     

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。     

Robust data envelopment analysis based MCDM with the consideration of uncertain data

The application of data envelopment analysis (DEA) as a multiple criteria decision making (MCDM) technique has been gaining more and more attention in recent research. In the practice of applying DEA approach, the appearance of uncertainties on input and output data of decision making unit (DMU) might make the nominal solution infeasible and lead to the efficiency scores meaningless from practical view. This paper analyzes the impact of data uncertainty on the evaluation results of DEA, and proposes several robust DEA models based on the adaptation of recently developed robust optimization approaches, which would be immune against input and output data uncertainties. The robust DEA models developed are based on input-oriented and outputoriented CCR model, respectively, when the uncertainties appear in output data and input data separately. Furthermore, the robust DEA models could deal with random symmetric uncertainty and unknown-but-bounded uncertainty, in both of which the distributions of the random data entries are permitted to be unknown. The robust DEA models are implemented in a numerical example and the efficiency scores and rankings of these models are compared. The results indicate that the robust DEA approach could be a more reliable method for efficiency evaluation and ranking in MCDM problems.     

Data Envelopment Analysis for Measuring Scientific Research Efficiency of Universities

In this paper,the DEA method-data envelopment analysis is used to evaluate therelative efficiency of the scientific research of universities and colleges.Three models:CCR,CCGSSand CCWH are chosen at the same time.Compared with the traditional comprehensive evaluatingmethods,the DEA method is more reasonable and accurate.     

偏序集理论在数据包络分析中的应用研究

DEA有效单元与偏序集的极大元之间关系密切，从偏序集的理论出发刻画了种典型的DEA模型所描述的DEA有效单元的本质特征，并就C^2R，C^2GS^2模型分析了DEA有效前沿面的构成，证明了可能集中相以圾效点与偏序集的极大元之间的一一对应关系，进而对DEA有效性的含义，DEA模型选取的基本原则等问题人出了基于偏序集理论的解释，同时，讨论了可能集结构变化对DEA有铲性的影响，给出了刻画各可能集间关系的一些结论，并就这些理论的的进一步应用和发展提出了一些建议和设想。     

带有参数的数据包络分析C~2R模型

本文为了改进C~2R模型反映决策单元相对信息不完全的不足,提出了参数型数据包络分析模型,讨论了这个模型的有关性质,给出了阔值和有效值的概念.经过理论分析和实例验证,这两个值可更好地反映决策单元的相对信息.     

基于DEA的农业产业结构调整方案综合评价研究

运用DEA的理论与方法对区域农业产业结构调整方案进行综合评价与优选。根据DEA评价结果对各方案进行规模效益分析,计算并比较各项投入冗余率和产出不足率,分析非DEA有效方案相对效率较低的原因,对方案做出合理的改进。在此基础上,采用一种新的DEA决策单元排序方法,最终优选出综合效益最佳的方案。其研究方法和研究成果,对于当前区域农业产业结构调整具有一定的现实意义和参考价值。表4,参10。     

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.     

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.