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.     

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.     

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.     

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.     

具有偏好锥的链式网络DEA模型

对链式网络DEA模型进行推广,将"偏好锥"引入网络DEA模型.针对中间产出重要性以及决策者评价时的偏好,建立带有产出锥和投入锥相应的两阶段生产可能集,对具有"偏好锥"的链式网络DEA模型,证明了决策单元为网络DEA有效的充要条件,给出了网络DEA有效性与各阶段弱DEA有效性的关系.另外,文章结合具体算例说明了偏好锥的变化对效率评价的影响.关于两阶段的模型以及相关结论可以推广到多阶段网络结构.     

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.     

考虑投入和产出指标偏好的广义DEA模型

广义DEA是一种基于决策单元和非决策单元自由选择参考集的扩展DEA模型.传统DEA模型的最优解大多是由线性规划随机计算的,未能充分考虑投入和产出指标的重要程度.将投入和产出指标的决策者偏好引入到广义DEA模型约束条件中,首先定义投入和产出指标偏好矩阵,再将该矩阵纳入广义DEA模型的约束条件,构建了带投入和产出指标偏好的广义DEA模型(GDEA-IP).接下来给出决策单元GDEA-IP有效性与评价指标的量纲选择无关性的证明,以及决策单元为GDEA-IP弱有效和有效的理论证明.算例分析说明GDEA-IP模型的有效性,通过和其它经典模型的对比分析,进一步说明该模型比广义DEA模型具有更大的灵活性和通用性,拓展了DEA方法的理论研究.     

指标可取负值的基于输入与输出的DEA模型

有关基于输入与输出的DEA模型,本文与现有文献的不同之处,一是模型中的评价指标可取负值,二是被评的决策单元可以不是所给的n个决策单元之一,三是模型并非由多目标规划模型推得.此外,给出了有关此模型的三个定理.因此,可知有关此模型的最优解存在的充分条件;在求解此模型后就能在判断决策单元的DEA有效性的同时计算出其相对效率,并能计算出其在DEA相对有效面上的"投影".     

用超效率综合DEA模型来研究DEA有效性

对超效率综合DEA模型,有三个定理来判断其不可行性,其中一个定理基于加性模型来判断,并证明:当模型不可行时被评决策单元的扩展DEA有效性,由此给出了对扩展DEA有效的决策单元排序的方法,此外,对不含非阿基米德无穷小的基于输入(输出)的超效率综合DEA模型,当其最优值为1时,有一个定理来判断被评单元的DEA有效性.     

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.     

基于关联网络DEA的供应链协调程度评价

本文给出了一种供应链网络协调程度的评价方法。研究思路是:首先,关联网络DEA能求出供应链网络上各个决策单元的DEA效率。其次,假设供应链网络实现了协调,那么网络上所有企业的DEA效率应该都为1。因此可以用供应链网络的实际DEA效率与协调状态(即所有决策单元DEA效率均为1)的差距,来评价供应链网络的协调程度。基于这一思路,本文研究了一个由3个供应商、2个制造商和3个零售商组成的供应链网络的协调评价问题,构建了基于关联网络DEA的类方差协调评价模型,实现了对供应链效率和协调性的同时测量,并通过数值算例验证了方法的实用性和有效性。     

具有包容关系的结构异质DEA效率评价方法

指标结构同质是数据包络分析（DEA）方法的基本假设之一;然而,现实问题的复杂性使得该假设常常难以完全被满足.针对具有包容关系的产出结构异质问题,通过解析决策单元（DMU）之间生产结构的内在关系来构建一种分阶段的DEA效率评价方法.该方法充分考虑了不同结构DMU的主观偏好,较好地规避了传统DEA方法在结构异质DMU效率评价过程中的不公平性.随后,该方法分别被拓展至投入结构异质和多重结构异质的情境中.最后,通过两个算例来说明本文方法的有效性与实用性.     

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.     

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。     

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。     

具有阶段最终产出的链式网络DEA模型

针对具有阶段最终产出的链式网络提出了阶段最终产出为期望产出和非期望产出的概念并建立了相应的网络模型.给出了网络决策单元的网络DEA有效性与阶段DEA有效性的关系,给出了判别的充分必要条件.可以判断当网络决策单元不为网络DEA有效时,它在哪个阶段出现了无效率的情况.     

基于数据三分法的DEA模型

传统DEA模型在数据两分(偏好与规避)的基础上考察决策单元的有效性,在某些场合不再适用,文章根据决策者的偏好将数据分为三类:规避、偏好、中性类,在此基础上构造评价相对有效性的DEA模型.相较而言,基于数据三分法的DEA模型更具一般性,利用该模型,文章考察了中国近年投入产出绩效问题.