基于白化值的区间DEA建模

传统数据包络分析要求输入输出数据为精确数,然而在某些实际应用中,区间形式的数据相较于精确数更容易获得.将区间数转化为白化值,并基于传统C~2R模型提出了基于白化值的区间C~2R模型.考虑到决策单元的有效性不易通过基于白化值的区间C~2R模型来判断,因此将非阿基米德无穷小概念引入到上述模型,构建了具有非阿基米德无穷小的区间C~2R模型.此外,还给出了用于判断决策单元有效性的区间目标规划方法:分别通过G_(IC~2R)模型和WG_(IC~2R)模型判断决策单元是否为区间DEA有效与区间弱DEA有效.     

一类多指标对象评价模型

以C2R模型为基础给出了一类多指标对象评价模型——C2RM模型.我们首先定义了决策单元的优势集,论证了C2RM模型比一类多目标规划模型在优化意义上更进一步——排除了此类多目标规划模型的一些优势集为空的Pareto有效解.我们建立的C2RM模型是线性规划模型,易于判定一个决策单元是否DEA有效.在优势集性质基础上我们进一步定义了C2RM模型下DEA有效决策单元的实际有效率,并给出了所有决策单元的一种排序,最后举例予以说明.     

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。     

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.     

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.     

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.     

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.     

链式网络DEA模型

数据包络分析(DEA)是评价决策单元(DMU)相对有效性的一种工具,现已得到广泛的应用.传统的DEA不考虑系统内部结构,而是将系统作为一个"黑箱"来度量效率.针对多阶段网络结构提出一个新的网络DEA模型—链式网络DEA模型.研究网络决策单元的网络DEA有效性及各个阶段的弱DEA有效性之间的关系,给出了网络DEA有效的充分必要条件.若网络决策单元不是网络DEA有效的,根据模型可以指出系统在哪些阶段是无效的.     

关于要素不可控条件下的DEA模型的特性分析

在 DEA模型的实际应用中 ,往往要求某些要素的投入是不能改变的 ,即这些要素对于决策者是不可控的 .1 986年 ,Banker和 Morey为了克服此类问题 ,提出了具有固定不变投入的 DEA模型 ,被称为要素不可控条件下的 DEA模型 .详细研究了要素不可控条件下的 DEA模型 ,并且建立了要素不可控条件下的DEA(弱 )有效性与 (弱 ) Pareto解的等价关系     

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.     

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.     

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.     

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     

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 Euclidean distance-based measure of efficiency in data envelopment analysis

Data envelopment analysis (DEA) has been proven as an excellent data-oriented performance evaluation method when multiple inputs and outputs are present in a set of peer decision-making units (DMUs). Several efficiency measures have been proposed in the DEA literature, see, for instances, radial efficiency measure of Charnes et al. (CCR)(A. Charnes. W.W. Cooper, and E. Rhodes, 1978. Measuring the efficiency of decision making units. Eur. J. Oper. Res. 2, 429–444), Russell graph measure (J.T. Russell, and R. Sirvant. 1999. An enhanced DEA Russell graph efficiency measure. Eur. J. Oper. Res. 115, pp. 596–607) and slack-based measure of Tone (K. Tone, 2001. A slack-based measure of efficiency in DEA. Eur. J. Oper. Res. 130, p. 498–509). In this article, we will propose an Euclidean distance-based measure of efficiency. Then, in order to discriminate the performance of efficient DMUs, an alternative super-efficiency DEA model is proposed. The applicability of the models developed is illustrated in the context of the analysis of gas companies performance.     

Network DEA pitfalls: Divisional efficiency and frontier projection under general network structures

Data envelopment analysis (DEA) is a method for measuring the efficiency of peer decision making units (DMUs). Recently network DEA models been developed to examine the efficiency of DMUs with internal structures. The internal network structures range from a simple two-stage process to a complex system where multiple divisions are linked together with intermediate measures. In general, there are two types of network DEA models. One is developed under the standard multiplier DEA models based upon the DEA ratio efficiency, and the other under the envelopment DEA models based upon production possibility sets. While the multiplier and envelopment DEA models are dual models and equivalent under the standard DEA, such is not necessarily true for the two types of network DEA models. Pitfalls in network DEA are discussed with respect to the determination of divisional efficiency, frontier type, and projections. We point out that the envelopment-based network DEA model should be used for determining the frontier projection for inefficient DMUs while the multiplier-based network DEA model should be used for determining the divisional efficiency. Finally, we demonstrate that under general network structures, the multiplier and envelopment network DEA models are two different approaches. The divisional efficiency obtained from the multiplier network DEA model can be infeasible in the envelopment network DEA model. This indicates that these two types of network DEA models use different concepts of efficiency. We further demonstrate that the envelopment model’s divisional efficiency may actually be the overall efficiency.     

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.