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.     

基于权重集合的决策单元排序方法

针对传统数据包络分析的排序主要是基于决策单元的自评效率,决策单元使用的是对自身最有利的权重而使效率不具有可比性,提出一种新的决策单元排序方法.该方法通过构造有利于整体决策单元效率的权重集合,在交叉效率模型中对权重进行约束,从而有效地减小他评效率与自评效率的差距,使排序结果更合理,也更易被决策单元接受.通过算例说明该方法的有效性.     

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.     

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.     

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.     

次生产前沿面在有效DMU再评价中的运用

运用DEA方法进行决策单元的综合评价具有客观性和灵活性,但其对有效和弱有效DMU无法辨识的缺陷严重阻碍了该方法在评价领域的运用.由此,文章提出一种基于次生产前沿面的两阶段DEA评价方法,证明了新构建的次生产前沿面具有存在性、被包络性和不交性三大性质.同时,在证明原有效DMU投影次生产前沿面有效值恒大于1、排序方法与一般DEA有效值排序相反的基础上把两阶段中新旧DEA模型计算结果进行合理整合,得出综合排序结论.最后,通过一个实例说明了方法的可行性.     

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.     

基于粗集的DEA综合效率模型

由于从最优与最劣两个维度建立的CCR模型、第二目标模型和交叉效率模型权重的不唯一性,往往会造成排序结果的不同甚至是较大的差异,降低了排序的可接受性。本文提出的基于可辨识矩阵的二级DEA效率评价模型提高了决策单元排序的可接受性。本文首先以六种模型的效率分数构造连续值信息系统并建立优势关系辨识矩阵,从而进行属性约简并基于此进行对象的优势度比较;进一步通过建立序数型有向距离指数获得全序化结果。最后通过一个算例验证了该方法排序的有效性。     

并形系统的3种网络DEA模型与应用选择

网络数据包络分析模型可以用来同时测算决策单元的系统及其每个子系统的效率.现有的网络数据包络分析模型可以分为独立模型和关联模型两类,且主要以并形和链形这2种基本网络结构为对象,研究其规模报酬不变假设下的效率评价问题.根据实际情况,将给出半独立并形系统的效率评价方法,并在规模报酬可变的假设下,建立一个并形关联网络DEA模型,用来测算纯技术效率和规模效率.对独立、半独立和关联网络DEA 3种模型的比较研究发现:独立网络DEA模型不符合管理实践;尽管半独立网络DEA模型具有实践背景,但理论分析和实证研究表明该模型应用价值有限;而关联网络DEA模型不仅具有实践背景,而且与其他模型相比系统效率评价结果具有较强的可分性,这些特质使其有理由成为目前并形系统效率评价的首选模型.     

基于区间定位和灰关联的区间DEA效率指数测算与排序

针对经典区间数据包络分析(data envelopment analysis,DEA)求解算法过分依赖于评价者的"主观判别",或求得的效率区间长度可能过大,对被评价决策单元有效性的解释力弱的缺陷,提出一种改进的区间DEA模型求解算法——区间定位法,该方法对评价者的"主观判别"依赖程度低,且求解的效率区间长度较小。在区间定位法的基础上,进一步提出了基于灰色关联度的决策单元效率排序方法。     

基于超效率DEA模型的交叉效率评价方法

针对交叉效率评价方法中综合效率评价值为1的决策单元不唯一导致的无法比较问题,提出了基于超效率DEA模型的交叉效率评价方法,该方法得到的结果是超效率DEA评价值的均值,而且综合效率评价值大小分布更加合理,能够实现决策单元的全排序.     

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.     

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。     

基于误差传递和熵的区间DEA方法

传统的DEA(data envelopment analysis)模型只能用来处理精确数据,而在现实生活中,由于统计误差、信息不完全等原因,获取精确数据十分困难,数据往往只能以区间数的形式给出.因此,如何在不确定条件下利用DEA方法评价决策单元的相对效率一直是DEA理论的研究前沿.针对这一问题,文章在DEA传统模型的基础上,利用改进的交叉效率思想,使用误差传递和熵处理区间数据,求得每个决策单元全局交叉效率的误差分布形式(中点值和误差最大估计值),然后根据全局交叉效率,使用有向距离指数给决策单元排序.最后通过两个算例来说明本文提出的方法的可行性和有效性.     

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.     

评价决策单元相对效率的修正DEA方法

在原有理论[1] 的基础上提出了一个新的DEA模型———CCRH ,给出了强有效的概念 ,论证了相关理论。CCRH模型与CCR模型相比有以下几个优点 :①描述决策单元的相对效率更确切 ;②利用参考决策单元的生产前沿面来描述评价决策单元“生产”情况得到的结果更加符合实际 ;③可以考查评价决策单元输入、输出变化时对其效率的影响。     

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。     

基于半自由处置变量的链型系统DEA模型

对网络数据包络分析(DEA)模型的一个特例即链型系统的DEA模型进行研究。传统DEA模型总是假设非有效的决策单元的所有输入(或输出)可以同比例改变以提高性能,但这并不符合所有的情形。在两阶段生产系统DEA模型中引入半自由处置变量,建立新模型。新模型将使非有效的决策单元和子决策单元可以根据管理需要有目的地分比例控制各输入和输出变量,一个简单的例子证明了模型比之传统方法更能发现非有效的决策单元并指明其性能改善的方向。最后,该方法被运用到商业银行效率评价的实践中。     

基于竞争决策单元的数据包络分析模型

决策单元之间处于竞争关系时,所有决策单元的某些投入或产出总和是有限的,一个决策单元改善自身效率的行为可能会影响其他决策单元.针对此情形,提出一种基于竞争决策单元的数据包络分析模型,比较了该模型与传统DEA模型的生产前沿面的区别,并指出此模型在管理决策领域可能的用途.最后,用一个算例分析演示了此模型.     

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。