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。     

利用旋转算法构建DEA模型生产前沿面

传统数据包络分析模型的生产前沿面构造方法较为复杂,为了解决这一问题,提出了一个新的构建DEA生产前沿面的算法,称为旋转法. 阐述了旋转算法的含义. 分别从二维和高维角度对传统的四类DEA模型的生产前沿面进行构建,并对算法的理论依据进行了证明. 通过实际算例证明,相比起传统的方法,比如极点极方向法、Graham扫描法等,旋转法非常简单而且实用价值很广. 最后提供了一个关于该算法在实际中的应用---构建决策单元中含有负值的DEA模型,解决了传统DEA模型无法处理决策单元中含有负值的不足.     

含模糊数据决策单元间的资源分配问题——基于DEA和Shapley值的研究

本文研究当生产系统中各决策单元的投入产出数据为模糊数据时,管理者如何将资源在决策单元之间进行公平分配的问题.基于DEA理论及合作博弈的Shapley值,在模糊数据环境下,考虑决策单元加入联盟前后对联盟中原有决策单元效率值及自身效率值的影响,建立修正Shapley值,并依据决策单元对生产系统的相对贡献情况,设计资源在各决策单元之间进行公平分配的方案.最后通过数值算例加以验证.     

基于DEA的多部门结构的决策单元的环境效率评价

提出一种具有多部门结构的决策单元（decision—making units，DMU）的环境效率评价问题，在分析各个决策单元整体效率与其子部门效率的关系的基础上，提出一种能够同时评价决策单元整体效率和其子部门效率的DEA模型。最后，采用一个算例说明了本文提出的模型的合理性和优越性。由于文章提出的模型能够有效地分析决策单元内部子部门的有效性水平，能够发掘影响决策单元效率的关键因素，因而能够给出更为详细的环境管理信息。为决策者决策提供依据。     

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.     

基于扩展有效的逆DEA模型

为了克服决策单元在有效性的评价和排序方面占主导地位的缺陷,在扩展DEA模型的基础上,对于输出减少时的逆DEA问题进行了讨论.通过求解相应的多目标规划问题(VP),得到了多目标规划(VP)的Pareto弱有效解与评价减少了输出的决策单元的规划问题的最优值之间的一些相关性质.对于决策单元为弱DEA有效的情形,也进行了类似的讨论.最后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

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.     

综合DEA模型的理论研究

针对传统DEA模型的局限性,本文提出综合DEA模型,以投入、产出同时达到最优为出发点来判断决策单元的相对有效性,并优化决策单元。     

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.     

基于多目标规划的模糊DEA有效性

传统的DEA模型是通过单目标的线性规划来处理刚性数据，为了更好地评价决策单元的相对有效性问题，在多目标规划的基础上，建立了模糊DEA模型，通过取截集的方法，得到相应的悲观规划和乐观规划，并分别求得与之相应的线性规划(P2)的最优值，由此可以得到更多的关于决策单元的投入和产出情况的信息，还讨论了它们的一些性质，并用数值实例加以说明。     

考虑竞争视野与利益相关的DEA交叉效率分析

在实际竞争与合作问题中,由于合作者或竞争者的规模等条件不同,决策单元(decision-making unit, DMU)之间的利益和竞争强度存在差异性,但传统的数据包络分析(data envelopment analysis, DEA)交叉效率模型并未考虑这一因素。因此,提出考虑DMU之间竞争关注度与净利益系数的DEA交叉效率评价方法,并且为了考虑综合信息,采用信息熵的方法对不同交叉效率模型的效率值进行综合得出DMU的加权效率。与传统的二次目标模式相比,该方法较好地体现了DMU之间利益和竞争强度存在的差异性,同时可以使被评价单元更有针对性地实施对合作者的支持手段或对竞争者的打压措施,从而更好地增强DMU的群体优势。     

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.     

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.     

基于交叉效率DEA和随机模拟的区间语言偏好关系排序方法

针对区间加性语言偏好关系排序问题,提出一种基于交叉效率DEA和随机模拟的排序向量计算方法.首先,针对具有一致性的加性语言偏好关系,构建产出导向的DEA模型,分析其相对效率得分与排序向量之间的内在关联.其次,对不满足一致性的加性语言偏好关系,建立改进仁慈型语言偏好关系交叉效率DEA模型,并提出基于该模型的加性语言偏好关系的排序方法.最后,将构建的DEA模型与随机偏好分析相结合,提出区间加性语言偏好关系期望排序向量和可信度的Monte Carlo计算方法.算例分析表明,本文提出的方法能够有效避免信息损失,具有较好的可信度和适用性.     

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     

要素在有限范围变化的DEA模型

本文首先讨论了在数据包络分析（ＤＥＡ）中有些要素（投入或产出）只允许在有限范围变化的情况。然后从生产可能集入手，将这种对要素的限制直接反映到生产可能集中。基于此改进后的生产可能集，提出了比现有研究更广泛意义的ＤＥＡ模型。该ＤＥＡ模型实际上综合了传统的以及投入或产出固定不变的ＤＥＡ模型。此外，在进行决策单元（ＤＭＵ）效率分析时，文中给出的定理为存在投入过多及产出不足的非有效ＤＭＵ提供了改进目标以使之     

A Comprehensive Dea Approach for the Resource Allocation Problem based on Scale Economies Classification

This paper is concerned with the resource allocation problem based on data envelopment analysis （DEA） which is generally found in practice such as in public services and in production process. In management context, the resource allocation has to achieve the effective-efficient-equality aim and tries to balance the different desires of two management layers： central manager and each sector. In mathematical programming context, to solve the resource allocation asks for introducing many optimization techniques such as multiple-objective programming and goal programming. We construct an algorithm framework by using comprehensive DEA tools including CCR, BCC models, inverse DEA model, the most compromising common weights analysis model, and extra resource allocation algorithm. Returns to scale characteristic is put major place for analyzing DMUs＇ scale economies and used to select DMU candidates before resource allocation. By combining extra resource allocation algorithm with scale economies target, we propose a resource allocation solution, which can achieve the effective-efficient-equality target and also provide information for future resource allocation. Many numerical examples are discussed in this paper, which also verify our work.     

An extended aggregated ratio analysis in DEA

Data Envelopment Analysis (DEA) and Ratio Analysis (RA) are two widely used methods for measuring units' productivity and any other criteria that could be assessed based on the available input and output variables. A number of researchers have studied DEA and RA and noted the positive and negative differences between them. Aggregated ratio analysis (ARA) model, which provide an important linkage between DEA and RA theory, is equivalent to the CCR DEA model, and this equivalence property offers a great deal of opportunities for DEA to be interpreted and applied in different ways. This paper extends the results of ARA model and proposes an extended aggregated ratio analysis (EARA) model, similar as the development from CCR model to BCC model in DEA context. The proposed model can offer an insight into the characteristic of returns to scale, playing the corresponding role as BCC model does. The numerical example is revisited in the paper and the results are compared.     

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。