模糊数据包络分析方法有效性分析

传统数据包络分析(DEA)模型只能用来评价具有精确投入和产出数据的决策单元.然而在实践中决策单元的投入产出数据可能存在一定模糊性.为了评价具有模糊投入产出数据的决策问题,研究工作者提出了模糊数据包络分析模型,并给出了相应的有效性定义.对于不同研究者提出的有效性定义方式有众多地方需要改进.通过这些改进提出了相关模型及新的有效性定义方式,并给出了相关实例.     

基于F-DEA赋权耦合的军工企业装备维修能力评价模型

权重系数的确定是多指标综合评价中的核心问题.针对传统数据包络分析评价模型中对指标赋权方法研究的不足,以军工企业装备维修能力的评价为例,在构建装备维修能力评价指标的基础上,利用SPSS软件计算出各决策单元的因子得分,并依据可测函数的有关性质对非正得分进行转换,利用转换结果构建了数据包络分析的有关输入、输出矩阵,最终构建出基于因子分析（Factor Analysis, FA）与数据包络分析（Data Envelopment Analysis,DEA）的F-DEA赋权耦合模型.借助MATLAB 的运算结果,证明了该模型的可行性与有效性;并据此给出提高相应决策单元装备维修能力的关键因素及其改进方案.     

基于数据包络分析的模糊综合评价方法

提出基于数据包络分析的模糊综合评价方法.在该方法中,对于综合评价体系中的量化指标,采用数据包络分析方法得到各评价单元的相对效率,再对相对效率进行模糊化计算,并与非量化指标一起进行模糊综合评价.利用数据包络分析的优化结果代替模糊评价中的专家评分,使模糊综合评价更具客观说服力,为一类既有客观数据,又有主观因素的复杂系统的综合评价提供新的研究思路.最后,采用该方法对出入境检验检疫系统的8个实验室进行综合评价.     

数据包络分析在高等教育绩效测评中的应用研究综述

数据包络分析自从20世纪70年代末被著名运筹学家Charnes等人提出以来,与层次分析法一样被广泛应用到各种生产领域的评价问题中,尤其是对多输入和多输出系统的绩效评价问题.而高等教育就是一个典型的多输入和多输出系统.通过总结数据包络分析法在大学整体办学效益评估、大学内部院系绩效评价、大学科学研究绩效评价、大学人才培养绩效评价等方面的应用成果,指出了应用数据包络分析研究高等教育绩效的不足并展望了未来可能的研究重点.     

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.     

具有阶段最终产出的广义链式网络DEA模型

传统网络DEA方法通过打开生产过程中的"黑箱",考虑生产过程的中间环节,对生产过程进行相对效率评价.但是传统网络DEA方法只能相对于决策单元集而不能相对于非决策单元集进行相对效率评价.给出能够相对于任意参考集对决策单元进行相对效率评价的基于C2R模型的具有阶段最终产出的广义链式网络DEA方法,初步讨论相应性质并进行算例演示.     

基于DEA方法的地下防护工程养护价值评价

针对地下防护工程的养护修缮情况,构建养护价值评价指标体系,引入数据包络分析方法(DEA),采用对抗交叉评价模型,对多个作为DEA决策单元的地下防护工程进行了分析和评价,最终对地下防护工程养护价值的优先级给出合理评价,利用数据包络分析方法(DEA)对抗交叉评价模型能够较客观地反映地下防护工程的养护价值,具有概念清晰、过程直观、程序计算简单等特点,获得了比较满意的结果.     

公司并购价值效应的DEA评价方法

对传统的数据包络分析模型(DEA)进行改进,建立适合公司并购绩效评价的DEA评价模型.采用沪深证券市场的5133个并购事件样本,利用改进的DEA模型结果指数θ*度量公司并购前后4年的绩效,并通过分析并购前后公司绩效指数θ*变化情况,来分析公司并购活动对公司价值提升的影响.研究结果表明,在我国,并购对公司绩效确实具有较强的提升作用,并购对改善公司的业绩是有效的,尤其是最近几年,并购的业绩提升作用具有加强的趋势.     

以生产企业为核心的食品供应链风险评价研究

食品质量关乎人们的生活品质和身体健康,而食品质量的高低与以生产企业为核心的食品供应链风险高度相关.控制食品质量,则需要分析和评价食品供应链风险,但现有的食品供应链风险研究文献中缺乏针对以生产企业为核心的食品供应链风险的分析与评价.采用文献研究和理论分析相结合的方法对以生产企业为核心的食品供应链风险进行基于数据包络分析的模糊综合评价.首先,分析了以生产企业为核心的食品供应链风险的影响要素,构建了风险指标体系;其次,依据所建立的风险指标体系,运用基于数据包络分析的模糊综合评价方法对供应链风险进行了系统评价,克服了模糊综合评价的主观性弊端,使经过数据包络分析后的数据更接近以生产企业为核心的食品供应链运作的实际情况;最后,通过算例验证了此方法的有效性.     

关于两种DEA超效率模型的进一步探讨

对数据包络分析模型中的两种超效率模型——LJK模型和MAJ模型进行了分析和研究,通过变量替换,对原有模型进行了变形,在不变规模效益和非零输入条件下,分析了它们和AP模型之间的内在联系,得出并证明了若干重要性质,最后给了实例证明.     

基于C~2R模型的广义链式网络DEA模型

传统网络DEA方法是将传统DEA方法评价过程中的"黑箱"打开,考虑输入到输出的中间环节,对生产过程中的各个环节分别评价。传统网络DEA方法获得的是相对于有效决策单元评价的结果,但有时可能要相对于非有效决策单元或者非决策单元进行评价,传统网络DEA方法无法解决该类问题。为此给出相对于非有效决策单元或者非决策单元进行评价的基于C~2R模型的广义链式网络DEA模型,并探讨相关性质.     

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。     

A bargaining game model for measuring performance of two-stage network structures

Data envelopment analysis (DEA) is a method for measuring the efficiency of peer decision making units (DMUs), where the internal structures of DMUs are treated as a black-box. Recently DEA has been extended to examine the efficiency of DMUs that have two-stage network structures or 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 not only provides an overall efficiency score for the entire process, but also yields an efficiency score for each of the individual stages. The current paper develops a Nash bargaining game model to measure the performance of DMUs that have a two-stage structure. Under Nash bargaining theory, the two stages are viewed as players and the DEA efficiency model is a cooperative game model. It is shown that when only one intermediate measure exists between the two stages, our newly developed Nash bargaining game approach yields the same results as applying the standard DEA approach to each stage separately. Two real world data sets are used to demonstrate our bargaining game model.     

Efficiency analysis in multi-period systems: an application to performance evaluation in Czech higher education

Data envelopment analysis (DEA) is a non-parametric method for efficiency and performance analysis of decision making units. The paper deals with production systems where decision making units are described by their inputs and outputs in several consecutive periods. The paper presents (Park and Park in Eur J Oper Res 193(2):567–580, 2009) multi-period DEA model that is oriented on the “best” period of the unit under evaluation only. This aim of this paper is to overcome the disadvantage of this model and formulate new models of this class that allow evaluation the efficiency of decision making units within the whole production chain. The presented efficiency and super-efficiency multi-period DEA models are illustrated on a case study. The study consists in analysis of research and teaching performance of 19 Czech economic faculties in four years period from 2009 until 2012. The model considers two inputs (number of academic employees and labour costs) and two outputs for teaching efficiency (number of students and number of graduated). Research efficiency is expressed using the number of publications in various important categories and the number of so called RIV points that describe the quality of publications.     

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.     

广义与传统BC~2模型效率评价差异及其几何刻画

传统DEA方法相对于决策单元全体对决策单元进行评价,广义DEA方法相对于样本单元全体对决策单元进行评价.由于参照系的不同,对不同决策单元的相对效率评价结果可能不同.针对这种情况,对基于BC2模型的只有投入或只有产出的传统和广义DEA模型进行说明,并通过样本前沿面的移动对广义DEA模型中相对效率值进行几何刻画.     

Multicriteria approaches for ranking of efficient units in DEA models

Data envelopment analysis models usually split decision making units into two basic groups, efficient and inefficient. Efficiency score of inefficient units allows their ranking but efficient units cannot be ranked directly because of their maximum efficiency. That is why there are formulated several models for ranking of efficient units. The paper presents two original models for ranking of efficient units in data envelopment analysis—they are based on multiple criteria decision making techniques—goal programming and analytic hierarchy process. The first model uses goal programming methodology and minimizes either the sum of undesirable deviations or maximal undesirable deviation from the efficient frontier. The second approach is analytic hierarchy process model for ranking of efficient units. The two presented models are compared with several super-efficiency models and other approaches for ranking decision making units in DEA models including definitions based on distances from optimistic and pessimistic envelopes and cross efficiency evaluation models. The results of the analysis by all presented models are illustrated on a real data set—evaluation of 194 bank branches of one of the Czech commercial banks.     

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.     

关于综合 DEA 模型中的 DEA 有效决策单元集合的几个恒等式

DEA 模型(C~2R 模型,C~2GS~2模型,C~2W 模型和 C~2WH 模型等)是用来评价决策单元之间的相对有效性的.本文将给出关于具有更一般形式的综合 DEA 模型中的 DEA 有效决策单元集合的几个恒等式.这些等式表明在评价相对有效性时,可以将决策单元按照实际情况进行分组,先评价组内决策单元之间的相对有效性,再利用得到的信息进行不同组之间的有效决策单元的效率评价,如此等等.这种分组逐一进行评价的     

DEA中连续C~2R模型理论的研究

在DEA中的C2R模型的基础上,针对决策单元输入与输出为[0,1]区间上的连续函数,建立了在一个时间区间内评价决策单元间的相对有效性的连续C2R模型以及其对偶模型,同时给出了决策单元的效率定义和弱DEA有效、DEA有效的定义.同时得到了弱对偶定理,从而初步构建了连续C2R模型的理论体系.