DEA模型的“动态”规模收益分析与数据挖掘

仅重复使用一个"交形式"的生产可能集,利用"动态"规模收益评价方法来对海量的经济数据进行研究、挖掘,不但可以了解这些海量数据的当前规模收益状况,还可以给出其投入增大或缩小时的规模收益状况.研究是对DEA模型应用领域的拓展,也是对数据挖掘领域的补充.     

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.     

DEA的交形式生产可能集及其应用

DEA理论、模型及方法可用以评价给定决策单元之间的相对有效性,其在经济学中的应用体现在经验生产可能集的构造上.DEA的生产可能集有两种等价形式—和形式及交形式.相比较而言,交形式更具几何直观性及计算便利性.     

DEA模型在资金分配和管理中的应用

资金的合理使用,是经济活动中的一个非常重要的问题.利用DEA的理论、方法模型,探讨资金的使用效率、分配的合理性,以及最佳资金预算的确定方法.涉及的DEA模型结构属于非参数的最优化DEA模型,以及DEA平行网络结构.模型中所使用的生产可能集是可以评价是否呈现"拥挤"迹象的.     

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.     

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.     

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.     

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。     

基于改进DEA模型的科技投入产出有效性分析

合理地评价各地区的科技投入产出,对于资源的合理利用,提高资金的使用效率具有十分重要的现实意义.采用一种改进的DEA模型(简称M DEA),对2000—2002年间我国各地区的科技投入产出相对效率进行了充分评价和排序.并将三年的数据放在一起组成一个新的参考集,用同样的M DEA模型进行评估,得出各地区三年科技投入产出相对效率的变化情况.     

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.     

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.     

Quantile–DEA classifiers with interval data

This research intends to develop the classifiers for dealing with binary classification problems with interval data whose difficulty to be tackled has been well recognized, regardless of the field. The proposed classifiers involve using the ideas and techniques of both quantiles and data envelopment analysis (DEA), and are thus referred to as quantile–DEA classifiers. That is, the classifiers first use the concept of quantiles to generate a desired number of exact-data sets from a training-data set comprising interval data. Then, the classifiers adopt the concept and technique of an intersection-form production possibility set in the DEA framework to construct acceptance domains with each corresponding to an exact-data set and thus a quantile. Here, an intersection-form acceptance domain is actually represented by a linear inequality system, which enables the quantile–DEA classifiers to efficiently discover the groups to which large volumes of data belong. In addition, the quantile feature enables the proposed classifiers not only to help reveal patterns, but also to tell the user the value or significance of these patterns.     

A new method for complete ranking of DMUs

So far numerous models have been proposed for ranking the efficient decision-making units (DMUs) in data envelopment analysis (DEA). But, the most shortcoming of these models is their two-stage orientation. That is, firstly we have to find efficient DMUs and then rank them. Another flaw of some of these models, like AP-model (A procedure for ranking efficient units in data envelopment analysis, Management Science, 39 (10) (1993) 1261–1264), is existence of a non-Archimedean number in their objective function. Besides, when there is more than one weak efficient unit (or non-extreme efficient unit) these models could not rank DMUs. In this paper, we employ hyperplanes of the production possibility set (PPS) and propose a new method for complete ranking of DMUs in DEA. The proposed approach is a one stage method which ranks all DMUs (efficient and inefficient). In addition to ranking, the proposed method determines the type of efficiency for each DMU, simultaneously. Numerical examples are given to show applicability of the proposed method.     

Employing super-efficiency analysis as an alternative to DEA: An application in outpatient substance abuse treatment

A common technique for conducting efficiency analyses consists of a two-stage procedure that combines data envelopment analysis (DEA) with Tobit regression. As the DEA scores are censored at one, this method has the drawback of masking important information at the upper tail of the distribution of scores. In this paper, we present a DEA-based methodology for a two-stage efficiency analysis where the upper bound constraint of one for the efficiency scores is relaxed. This method, super-efficiency DEA, is contrasted with the two-stage approach that employs traditional, bounded DEA scores. We use data from the National Drug Abuse Treatment Survey to examine how the relative efficiency of the treatment units is affected by the organizational structures, operating characteristics and treatment modalities of a nationally representative sample of outpatient substance abuse treatment units. Our results show that the super-efficiency DEA approach offers advantages over the traditional methodology. It is easy to implement, and, for the same sample size provides more information.     

基于Shephard距离函数的DEA TOPSIS方法研究

本文通过对Shephard距离函数的引入,正式构建了DEA TOPSIS决策单元排序方法的框架。本文首先定义了正(负)理想决策制定单元(DMU)以及相应的(反)生产可能集,然后在考虑正(负)理想DMU的条件下分别给出DMU的(反)效率评价模型以及对应的Shephard距离函数,然后基于评价对象到理想DMU相对接近度这一综合评价值给出了DMU的一个完全排序。最后,本文通过算例分析说明了该方法的有效性和实用性。     

矿业城市经济发展规模效率评价与分析

利用数据包络分析(DEA)的方法,对1990—2002年间50个矿业城市经济发展的相对效率进行了分析,并对2002年进行了典型研究.研究表明:我国不同空间分布(东、中、西部)和不同类型矿业城市之间(煤炭类、石油类、金属类、综合类)投入产出具有较大差异,城市投入要素的效率发挥也不尽相同.这对于矿业城市可持续发展战略决策具有重要现实意义.