我国农业循环经济发展效率评估——基于超效率DEA模型

研究在文献回顾的基础上,选取DEA数据包络分析法构筑研究的主要理论模型,并基于循环经济"3R"原则建立我国农业循环经济发展评价指标体系,对2014年我国其中的31个省(市、自治区)的农业循环经济发展效率展开实证分析.结果表明,①2014年我国有23个省份的农业循环经济发展相对有效,8个省份相对无效,说明农业循环经济在我国的总体发展趋势较好;②从各省份来看,东部沿海的上海、海南和西部内陆的新疆、四川的农业循环经济发展效率相对较高,中部地区优势尚不明显;③在DEA相对无效的地区中,北京、福建和甘肃三个地区的农业循环经济发展无效率主要是指规模无效,山西、辽宁、吉林、安徽和云南五个地区的农业生产规模与技术投入现状则均不理想,需从提高资源综合利用效率、引进先进技术以向现代化农业迈进等角度进行改进.     

生产可能集为凸包时的相对有效性评价模型

给出了一个评价决策单元相对有效性的新的DEA模型,它所对应的生产可能集被称为凸包形生产可能集,同时讨论了该模型解的存在性,定义了决策单元技术DEA有效和"上投影"的概念,断定一个决策单元的"上投影"相对于原来的决策单元是技术DEA有效的。最后给出一个应用新模型进行设施农业效率评价的例子。     

Interval DEA模型中决策单元的投影问题

在传统的DEA模型中,最优相对效率模型是在不大于1的范围内研究决策单元的效率的,最差相对效率模型是在不小于1的范围内研究决策单元的效率,这两种模型在研究投影问题时,是在不同的范围内进行的,有一定的片面性.将在interval DEA模型中,研究决策单元的投影问题,该模型是在相同的约束域内研究最优和最差相对效率模型,得出的结论将更加全面,通过两个定理给出了非DEA有效的决策单元在DEA有效面上的投影表达式和非DEA无效的决策单元在DEA无效面上的投影表达式.同时,通过一个实例对决策单元在interval DEA模型中的投影结果与在传统的DEA模型的投影结果进行了比较,发现投影结果比传统模型得到的投影结果对实际的生产有更强的指导意义.     

具有偏好锥的面向输出的超效率DEA模型分析

鉴于传统DEA模型无法区分有效决策单元,超效率DEA模型未考虑决策者的偏好,现提出面向输出的权重受限的综合超效率DEA模型及其投影概念,并讨论该模型与其他超效率DEA模型之间的关系.接着,分析模型的最优目标函数值与决策单元有效性之间的关系,并讨论面向输出的权重受限的综合超效投影与多目标规划问题的非支配解之间的关系.最后,通过对中国西部12个地区工业企业科技创新效率综合评价,并与原有方法进行比较研究,得出本文方法更具优势和合理性.     

具有偏好锥的面向输出的超效率DEA模型分析

鉴于传统DEA模型无法区分有效决策单元,超效率DEA模型未考虑决策者的偏好,现提出面向输出的权重受限的综合超效率DEA模型及其投影概念,并讨论该模型与其他超效率DEA模型之间的关系.接着,分析模型的最优目标函数值与决策单元有效性之间的关系,并讨论面向输出的权重受限的综合超效投影与多目标规划问题的非支配解之间的关系.最后,通过对中国西部12个地区工业企业科技创新效率综合评价,并与原有方法进行比较研究,得出本文方法更具优势和合理性.     

基于DEA的企业自主创新能力评价与提升研究

基于DEA的企业自主创新能力评价,能消除企业自主创新的基础条件差异带来的影响,客观地反映企业在自主创新过程中的主观努力程度.构造企业自主创新能力的投入产出指标体系,利用模糊多粒度语言对定性指标进行量化;利用C2R模型判断企业自主创新能力的相对有效性,利用"投影"分析非有效DMU的成因,利用改进的DEA模型确定创新能力相对有效的企业创新资源投入产出的"扩大系数";以某地区5个开展自主创新的企业为例,利用该方法对自主创新能力进行了评价,并提出了有效和非有效DMU自主创新能力提升的策略.实践表明,该方法能有效地评价和提升自主创新能力.     

决策单元的投影问题研究

在传统的DEA模型中,不论是最优相对效率模型或者最差相对效率模型,它们研究投影问题都是在不同的约束域内进行的,得出的结论都有一定的片面性.在bounded DEA模型中,决策单元的效率计算是在一个区间内进行的,可以同时研究非DEA有效的决策单元在有效前沿面上的投影和非DEA无效的决策单元在DEA无效面上的投影,得出的结论更加科学合理,并以定理的形式给出了投影结果的表达式.通过一个实例将投影结果与传统模型中得出的投影结果进行了比较,发现bounded DEA模型得到的投影结果对实际的生产具有更强的指导意义.     

基于样本评价的广义数据包络分析方法

传统DEA方法是一种依据自评体系评价的方法,而无法自主选择参照系.为了解决DEA方法可以同时依据自评体系和其它参照系进行评价问题,首先给出了广义DEA有效的概念.然后,给出了一类基于样本单元评价的广义数据包络分析模型,包括面向输入的广义DEA模型、面向输出的广义DEA模型以及加性广义DEA模型.最后,分析了上述这些模型与传统DEA模型之间的关系,探讨了广义DEA有效与相应多目标规划Pareto有效之间的关系,并给出了决策单元的投影性质以及决策单元的有效性排序方法.     

修正的整数DEA模型及其在中西部高校社科研究中的应用

传统的DEA模型有时并不能给出含有整数值决策单元的准确投影方向,而现有的整数DEA模型还存在投影值不准确以及模型过于复杂等不足.因此,首先指出并说明已有整数DEA模型存在的问题.其次,给出了一个修正的整数DEA模型,并讨论了模型的性质以及与已有模型的关系.考虑到现实评价中投入产出指标同时含有整数与非整数的情况,进而给出了在修正模型下的混合整数DEA模型.最后,应用提出的模型分析并比较了中国中西部102所高校的社科研究效率及优化问题.     

基于GRA-DEA模型的有关农民收入的九城市的评价

有关农民收入,文章以山西省九个城市为例进行了评价.首先用灰色关联分析法分析了2016年这些城市的有关数据,筛选出影响农民收入的主要因素;其次构建了指标体系,利用数据包络分析法对有关农民收入九个城市进行了DEA有效性评价;再次对非DEA有效的城市,借助投影公式探索了改进方法;最后得出了九城市分为两类的结论,提出了针对性的建议.     

基于广义DEA方法的中国西部省市经济效益图谱分析

中国西部省市经济发展在整个国民经济发展中具有举足轻重的作用,特别是随着中国"一带一路"的实施,中国西部地区的经济发展更具重要的战略意义.随着国家对西部地区建设力度的加大,西部地区经济取得了快速发展,但与东部沿海地区相比仍存在一定差距.因此,以广义DEA理论为基础,提出了一种基于面板数据评价地区经济效益有效性的非参数方法,并应用该方法分析了中国西部11个省、市、区在1996-2012年间的经济效益,然后利用中国西部地区经济效益图谱分析中国西部省市经济效益的有效性和整体状况,最后根据上述分析提出了新形势下中国西部省份经济效益改进的对策建议.     

Deriving the DEA frontier for two-stage processes

Data envelopment analysis (DEA) is a method for measuring the efficiency of peer decision making units (DMUs). Recently DEA has been extended to examine the efficiency of two-stage processes, where all the outputs from the first stage are intermediate measures that make up the inputs to the second stage. The resulting two-stage DEA model provides not only an overall efficiency score for the entire process, but as well yields an efficiency score for each of the individual stages. Due to the existence of intermediate measures, the usual procedure of adjusting the inputs or outputs by the efficiency scores, as in the standard DEA approach, does not necessarily yield a frontier projection. The current paper develops an approach for determining the frontier points for inefficient DMUs within the framework of two-stage DEA.     

大学生就业扶持政策的有效性分析及改进:基于DEA方法的实证分析

鉴于数据包络分析(DEA)方法在评价多输入、多输出系统相对有效性方面所具有的优越性,基于DEA方法构建了C2R模型及相应投影分析模型和评价指标体系,对1999-2008年中国所实行的大学生就业扶持政策的有效性进行了评价分析,实证分析结果表明1999-2002年的大学生就业扶持政策在促进和解决大学生就业方面的效果显著,而2003年以后的大学生就业扶持政策在解决大学生就业问题上存在明显的效率损失,且政策效果逐年下降.为了提高大学生就业扶持政策的实施效果,就业扶持政策在未来的改进重点应着力从财政补贴、高等教育经费投入和贷款补助等政策内容入手,并提高政策的执行力度.     

An application of DEA for comparative analysis and ranking of regions in Serbia with regards to social-economic development

In this paper, we use data envelopment analysis (DEA) to estimate how well regions in Serbia utilize their resources. Based on data for four inputs and four outputs we applied an output-oriented CCR DEA model and it appears that 17 out of 30 regions are efficient. For each inefficient unit, DEA identifies the sources and level of inefficiency for each input and output. An output-oriented set of targets is determined for 13 inefficient regions. In addition, the possibilities of combining DEA and linear discriminant analysis (LDA) in evaluating performance are explored. The efficient regions are ranked using a cross efficiency matrix and an output-oriented version of Andersen–Petersen’s DEA model and the results are analyzed and compared.     

中国区域农业生产效率动态变化的实证分析——基于1985～2007年省际面板数据

运用DEA方法对我国省际农业生产效率进行了实证分析.研究结果表明,1985～2007年间,我国农业生产效率总体呈下降的态势;我国农业生产的纯技术效率及规模效率均对农业生产效率产生了制约作用,纯技术效率及规模效率都还有较大的提升空间;各地区农业生产投入存在不同程度的冗余,应当优化农业投入资源配置以提高农业生产效率.     

A new clustering approach using data envelopment analysis

In this paper, we present a new clustering method that involves data envelopment analysis (DEA). The proposed DEA-based clustering approach employs the piecewise production functions derived from the DEA method to cluster the data with input and output items. Thus, each evaluated decision-making unit (DMU) not only knows the cluster that it belongs to, but also checks the production function type that it confronts. It is important for managerial decision-making where decision-makers are interested in knowing the changes required in combining input resources so it can be classified into a desired cluster/class. In particular, we examine the fundamental CCR model to set up the DEA clustering approach. While this approach has been carried for the CCR model, the proposed approach can be easily extended to other DEA models without loss of generality. Two examples are given to explain the use and effectiveness of the proposed DEA-based clustering method.