带有随机决策单元的广义数据包络分析方法

广义DEA方法是一种相对效率评价方法,解决了决策单元相对于任意参考系(样本单元集)的效率比较问题.在实际中,有时评价标准是确定的,决策单元的生产具有不确定性,有必要在进行生产之前基于确定性样本单元对随机性决策单元进行相对效率评价.为了解决这个问题,研究样本单元为确定值,决策单元为随机变量的广义DEA模型,分别通过期望值和机会约束将随机模型转化为确定性规划,给出决策单元GEDEA有效和GCDEA有效的概念,GEDEA有效与多目标规划Pareto有效关系,以及利用移动因子对决策单元进行有效性排序方法.     

基于带有虚拟单元聚类分析的广义DEA方法

广义DEA方法是相对于样本单元对决策单元进行评价,如何选择样本单元对于评价的结果有一定的影响.有时可以选择决策单元集的子集作为样本单元集,这样更容易被决策者所接受.通过构造符合一定条件的虚拟决策单元与所有决策单元一起采取最短距离法进行聚类分析,用包含虚拟决策单元的类作为样本单元集,可以使评价结果与传统DEA方法相比能够进一步体现出相对效率之间的差异.     

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.     

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     

广义超效率区间DEA模型及其有效性研究

根据样本单元的区间投入、区间产出定义最大样本生产可能集,建立基于最大样本生产可能集的广义超效率区间DEA模型,然后定义了待评价决策单元基于广义超效率区间DEA模型的超效率区间,并讨论了待评价决策单元的有效性,最后通过实例表明了广义超效率区间DEA模型的实用性.     

只有产出(投入)BC~2模型中决策单元效率的几何刻画

在DEA方法中,DEA有效和弱DEA有效的决策单元位于生产前沿面上,非弱DEA有效的DEA无效决策单元位于生产可能集的内部而非生产前沿面上.通过引入生产可能集与生产前沿面移动的思想,证明只有产出(投入)的BC²模型评价下的决策单元的最优值与相应的生产前沿面的移动值存在倒数关系,以双产出(投入)情形图示说明,明确了决策单元在生产可能集中所处的位置.     

数量差异较大决策单元的DEA有效性评价

传统DEA方法基于决策单元集对每个决策单元进行相对效率评价,如果决策单元之间在数量上存在较大差异,评价结果可能不尽合理.为了解决这个问题,首先利用聚类分析按一定标准将决策单元进行分类,然后计算每个决策单元相对其所在类的相对效率,最后根据决策单元集和每个类的数量规模进行赋权,给出决策单元的加权综合效率.     

只有输出(入)的DEA改进模型及其应用

研究了只有输出(入)的DEA分析方法,针对只有输出(入)DEA模型的不足,重新定义了只有输出(入)的DEA评价方法的有效性,并改进了模型。相对已有的只有输出(入)的DEA模型,该模型充分利用了决策单元的诸输出(入),提高了DEA评价的效果。作为应用,运用新模型对武警防暴队形优选问题进行了有效性分析。     

带有随机样本单元的广义数据包络分析方法

广义数据包络分析(Generalized data envelopment analysis)方法是一种相对效率评价方法,能够获得决策单元相对于样本单元的比较信息.研究了基于随机样本单元对确定性决策单元进行评价的广义DEA模型,利用期望值和机会约束,将其转化为确定性规划.给出了决策单元GEDEA有效和GCDEA有效的概念及其判别,与多目标规划Pareto有效关系,以及利用移动因子进行有效性排序.     

模糊条件下的决策单元相对有效性评价

研究了模糊条件下决策单元的相对有效性评价问题。首先分析了模糊性因素对决策单元相对有效性的影响;然后根据模糊规划取截集方法和DEA评价的经济含义,给出了模糊DEA模型的求解方法;最后定义了决策单元的模糊DEA有效性以及进行有效性排序的平均置信有效性。文末是一个模糊DEA应用的例子。     

Relationship between DEA models without explicit inputs and DEA-R models

Data envelopment analysis (DEA) is one of often used modeling tools for efficiency and performance evaluation of decision making units. Ratio DEA (DEA-R) is a group of novel mathematical models that combines standard DEA methodology and ratio analysis. The efficiency score given by standard DEA CCR model is less than or equal to that given by DEA-R model. In case of single input or single output the efficiency scores in CCR and DEA-R models are identical. The paper deals with DEA-R models without explicit inputs, i.e. models where only pure outputs or index data are taken into account. A basic DEA-R model without explicit inputs is formulated and a relation between output-oriented DEA models without explicit inputs and output-oriented DEA-R models is analyzed. Central resource allocation and slack-based measure models within DEA-R framework are examined. Finally they are used for projections of decision making units on the efficient frontier. The results of the proposed models are applied for efficiency evaluation of 15 units (Chinese research institutes) and they are discussed.     

在DEA中有关输出与输入的比值的模型的探讨

对以决策单元的输出与输入的比值为目标函数的多目标规划模型,证明了有关它与(弱)DEA有效(C2R)关系的三个定理.     

A variant of radial measure capable of dealing with negative inputs and outputs in data envelopment analysis

Data envelopment analysis (DEA) is a linear programming methodology to evaluate the relative technical efficiency for each member of a set of peer decision making units (DMUs) with multiple inputs and multiple outputs. It has been widely used to measure performance in many areas. A weakness of the traditional DEA model is that it cannot deal with negative input or output values. There have been many studies exploring this issue, and various approaches have been proposed.     

基于相关性分析与DEA模型的寿险公司效率分析

选取国内较有影响力的八家寿险公司作为研究对象,提出了基于相关性分析的DEA组合评价方法,该方法综合了相关性分析和DEA两种方法的优点.利用相关性分析的方法设计出评价寿险公司经营效率的投入和产出指标.然后综合运用DEA模型对这八家公司的经营效率进行研究,分析影响效率有效性的因素.     

具有非期望产出的混联网络DEA模型

数据包络分析(DEA)是评价系统相对有效性的分析方法,网络DEA模型在评价企业的经济效益、管理效益等实际问题中有着广泛的应用.在网络DEA模型的基础上考虑非期望产出要素,提出了具有非期望产出的混联网络DEA模型.研究了新模型的系统弱DEA有效与各子阶段弱DEA有效之间的关系,找到了无效决策单元的无效阶段,通过有针对性的改进能够提高系统的整体效率.最后通过数值算例验证了模型的可行性.     

DEA models for resource reallocation and production input/output estimation

This paper discusses the “inverse” data envelopment analysis (DEA) problem with preference cone constraints. An inverse DEA model can be used for a decision making unit (DMU) to estimate its input/output levels when some or all of its input/output entities are revised, given its current DEA efficiency level. The extension of introducing additional preference cones to the previously developed inverse DEA model allows the decision makers to incorporate their preferences or important policies over inputs/outputs into the production analysis and resource allocation process. We provide the properties of the inverse DEA problem through a discussion of its related multi-objective and weighted sum single-objective programming problems. Numerical examples are presented to illustrate the application procedure of our extended inverse DEA model. In particular, we demonstrate how to apply the model to the case of a local home electrical appliance group company for its resource reallocation decisions.     

引入时间变量的数据包络分析模型

考虑到实际中的生产过程大多数都是多阶段的生产过程,而传统的数据包络分析模型只能对单阶段的生产过程进行评价.传统的数据包络分析模型在应用中的局限性很大.本文是在传统数据包络分析模型的基础上,通过引入离散的时间变量来建立对整个多阶段生产过程进行评价的数据包络分析模型.     

Competition strategy and efficiency evaluation for decision making units with fixed-sum outputs

This paper develops a DEA (data envelopment analysis) model to accommodate competition over outputs. In the proposed model, the total output of all decision making units (DMUs) is fixed, and DMUs compete with each other to maximize their self-rated DEA efficiency score. In the presence of competition over outputs, the best-practice frontier deviates from the classical DEA frontier. We also compute the efficiency scores using the proposed fixed sum output DEA (FSODEA) models, and discuss the competition strategy selection rule. The model is illustrated using a hypothetical data set under the constant returns to scale assumption and medal data from the 2000 Sydney Olympics under the variable returns to scale assumption.     

灰变量逆DEA模型的初步研究

初步研究了变量为区间灰数的逆DEA模型。变量为区间灰数时,决策单元效率水平保持不变表达为:对决策单元的输入输出值改变前后对应的灰区间效率进行比较,前者大于等于后者与小于等于后者的可信度相等(均等于0.5)。给出了决策单元非DEA有效时,灰区间变量逆DEA模型解存在的充要条件及一般表达式,以及决策单元弱DEA有效时灰变量逆DEA模型的部分解。