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.     

物流公司绩效的DEA交叉评价

为克服传统DEA评价容易出现大量的、甚至全部决策单元都为有效的情形,影响决策单元的排序,依据对抗型交叉评价的思想,建立物流公司绩效的C2R-DEA交叉评价模型,并以2006年和2007年22家中国物流上市公司为样本进行实证研究。研究结果表明,C2R-DEA交叉评价模型能够对22家上市物流公司准确排序,为各物流企业客观了解和评价自身物流竞争力和相对物流绩效水平提供参考。     

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.     

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。     

收益最大(成本最小)问题与弱DEA有效性(C2R)

证明了在一定条件下收益最大(成本最小)的决策单元为弱DEA的有效(C2R).有关寻找一些输出(入)分配有效的决策单元,本文给出了比文献[1]要简便的新方法.     

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C2WY模型的广义数据包络分析方法

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,给出了综合的广义数据包络分析模型(Sam-C2WY)和相应的S...     

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。     

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.     

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.     

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。     

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.     

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.     

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。     

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.     

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。