带有灰色关联-AHP约束锥的DEA模型

通过构建带有灰色关联-AHP约束锥,对DEA模型中指标的权重进行约束.可以在保持带有灰色关联约束锥的DEA模型不同指标重要性不同客观性的基础上,又能体现决策者对各指标的偏好程度.通过算例对比分析了该模型与传统DEA、带有灰色关联约束锥的DEA以及带有AHP约束锥的DEA模型的不同特点.     

带有熵权-AHP约束锥的DEA模型

在DEA模型中当考虑较多的投入和产出指标时,容易产生决策单元的过度有效性,影响模型的分析效能.因此有相关研究将AHP约束锥引入DEA模型中,不仅有效地限制了DEA模型指标权重的选择自由性,也能更好地将决策者的主观偏好反映在模型中.但引入AHP约束锥产生的主观性会影响到DEA效率评估的客观性.引入熵权法概念,借鉴其客观赋权的思想,将其与AHP约束锥相结合,不仅保留了带有.AHP约束锥的DEA模型的优点,也中和了AHP约束锥的主观性,保证了DEA模型的相对客观性.     

基于CAR-DEA方法的环境效率评价研究

现有环境效率评价的DEA方法没有考虑多维偏好约束问题,即不同决策单元对不同期望产出和不期望产出的偏好不同. 以地区为例,不同地区对GDP、废水和废气赋予的权重偏好各不相同. 在这种情况下,由于各决策单元的偏好约束不同,形成多维偏好约束集,在传统DEA模型中容易出现无可行解现象. 针对这一问题,基于CAR-DEA方法,结合保证域理论,提出一种解决多维偏好约束集问题的环境效率评价模型. 采用中国工业系统的环境效率评价实例对提出的方法进行了分析和说明.     

基于输入偏好DEA模型高校办学效益评价方法研究

分析了传统DEA模型中指标权重仅为非负性限制而带来的无法体现决策者偏好的问题,提出了反映决策者偏好的输入偏好DEA模型,并研究了基于输入偏好DEA模型高校办学效益评价方法.     

基于熵值权重限制的超效率DEA评价模型

为了避免DEA自动分配的权重为零的情况发生,对DEA评价的输入输出指标权重应该加以条件限制.通过利用熵值法分析指标内在的差异性,得到输入输出指标权重的比例关系,将其作为限制条件加入超效率DEA评价模型中,构建基于熵值权重限制的超效率DEA评价模型.此模型既可以客观的揭示指标间的内在关系,又可以使得评价对象实现全排序,评价结果更加符合实际.最后将此模型应用于河北省工程中心的实证分析,结果显示新的模型较传统的DEA模型和超效率DEA模型具有明显的优势.     

基于DEA-ANP的快递企业绩效评价研究

在建立快递企业绩效评价模型时,提出了利用DEA和ANP相结合对快递企业绩效进行评价的方法.不同于之前研究,文中提出的方法使用ANP替换AHP,充分考虑了物流行业的"效益背反"现象.其解决了AHP确定权重时,无法体现元素之间关联性的问题,单独使用DEA评价时,无法考虑决策者偏好的弊端.首先,方法基于.ANP方法,求出每个指标的权重,再分别对每个因素使用DEA方法求出各系统的相对效率值;然后,将各指标权重和相对效率值结合,求出各快递企业中营业部的整体效率值并进行排序;最后通过实例分析,验证了此方法的实用性、可操作性及优越性.     

熵权DEA混合多目标评价方法研究

提高多目标决策问题评价结果的客观性、准确性,一直是决策科学研究的重要课题.结合熵权、DEA等数学方法对多目标决策问题进行研究,构造混合评价方法.首先通过构造熵权模型,获取主观权重;其次DEA的方法对多目标决策问题进行综合评价,得到问题的综合评价值,最后根据评价结果进行问题分析和判断.算例结果表明,方法能够应用于多目标决策问题,评价结果客观、准确.     

含有偏好的DEA-BWM评价方法研究

针对传统的DEA模型在评估过程中并未考虑决策者对相关指标权重的偏好,将最优最差方法(BWM)嵌入到传统DEA模型中,基于决策者偏好排序的判断矩阵,构建一种含有偏好的DEA-BWM评价方法。首先在保持传统DEA方法的优势基础上,构建了CCR-BWM评价模型对各DMU进行评价。同时考虑为了便于各决策单元在统一权重基础上相互比较,构建了CSW-BWM公共权重模型。另外考虑决策单元自评和互评,构建了NCE-BWM中立型交叉效率。然后采用min-max方法分别将上述三种多目标评价模型转换为单目标线性规划进行求解。最后,选择一组算例对三种模型的有效性与合理性进行验证。     

基于ANP权重确定的AHP-DEA模型及其在逆向物流服务供应商选择中的应用

实际系统评价问题中,输入输出指标之间往往并非独立,而是存在着复杂的影响与反馈关系.传统AHP-DEA模型直接采用层次分析法(AHP)构造约束锥,容易使指标权重产生较大偏差甚至出现错误.通过网络分析法(ANP)确定了权重,反向构造了AHP约束锥,并与DEA模型结合,建立了AHP-DEA模型.同时,开展了逆向物流服务供应商选择应用研究,应用结果表明,基于ANP权重确定的AHP-DEA模型能够有效解决多个决策单元均有效而无法区分优劣的问题.     

改进的公共权重的区间DEA效率评价

提出了一种改进的公共权重的考虑非期望产出的区间数据包络模型(DEA)评价模型.通过Pearson相关性检验,VIF检验法和容忍度检验法对投入,期望产出和非期望产出指标进行约简,并计算出指标的客观权重,引入调和参数使客观权重满足DEA模型限制条件且存在最优解.该模型有效解决了传统DEA模型中可能发生的公共权重分配为零的情况发生,同时考虑了指标负面评价的情况,增加评价结果的区分度.对中国北方十个省份的矿业环境治理效率进行了实证分析,构建了矿山生态环境治理效率评价体系,与相关文献进行比较,表明该模型的有效性且可以有效降低计算复杂度,提高计算效率.     

基于DEA/AHP两阶段的工程项目评标方法研究

提出了一种基于DEA/AHP两阶段的工程项目评标方法,首先运用模糊综合评判法来确定定性指标的得分并将其作为定性指标值;其次运用DEA方法计算每一对投标方案相对效率的比值并以此为基础构造判断矩阵;最后运用单一层次的AHP方法对各投标方案进行全排序.通过实例分析表明,方法科学实用,能够为一般的工程项目评标活动提供有效的参考.     

基于SMAA和公共权重的决策单元效率评价与排序

在数据包络分析(DEA)中,公共权重模型是决策单元效率评价与排序的常用方法之一。与传统DEA模型相比,公共权重模型用一组公共的投入产出权重评价所有决策单元,评价结果往往更具有区分度且更为客观。本文考虑决策单元对排序位置的满意程度,提出了基于最大化最小满意度和最大化平均满意度两类新的公共权重模型。首先,基于随机多准则可接受度分析(SMAA)方法,计算出每个决策单元处于各个排名位置的可接受度;然后,通过逆权重空间分析,分别求得使最小满意度和平均满意度最大化的一组公共权重;最后,利用所求的公共权重,计算各决策单元的效率值及相应的排序。算例分析验证了本文提出的基于SMAA的公共权重模型用于决策单元效率评价与排序的可行性。     

改进交叉评价DEA在模糊综合评价中的应用

借鉴对抗型交叉评价的思想,首先利用对抗型交叉评价DEA(数据包络分析)模型对模糊综合评价的量化指标进行评价,三角模糊化后将其作为模糊综合评价量化指标的输入与非量化指标数据合成进行二次评价,以此建构了一种基于对抗型交叉评价DEA的模糊综合评价方法.方法可从根本上解决已有评价方法中模糊量化结果的不确定性问题,使客观数据与主观因素并存的多属性决策更加可靠.最后,通过算例说明了方法的应用.     

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.     

Benchmarking countries’ environmental performance

Environmental performance assessments are often conducted using environmental indicators. Although these indicators provide a starting point for performance assessments, they do not provide guidelines that countries should follow to improve performance. This paper develops an enhanced Data Envelopment Analysis (DEA) model that provides a single summary measure of countries’ environmental performance, based on the aggregation of the indicators that underlie the estimation of the Environmental Performance Index (EPI). The DEA model used is based on a novel specification of weight restrictions. The main contribution of the methodology used in this paper is to enable benchmarking in such a way that it becomes possible to identify the strengths and weaknesses of each country, as well as the peers with similar features to the country under assessment. These peers provide examples of good environmental practices that countries with worse performance should follow to improve performance.     

DEA方法在卫生经济学中的应用

自八十年代中期以来 ,对医院和医疗卫生系统进行效率评估引起了人们的广泛关注 ,越来越多的学者开始从事这一领域的研究 .数据包络分析方法 ( DEA)因其可对多输入 ,多输出的系统进行综合效率评价 ,这一特性正符合医院和医疗卫生系统中具有多投入和多产出的特点 ,从而在医院和医疗卫生系统的效率评估中受到重视并有着重要应用 .本文综述了现有文献中有关 DEA方法在医院和医疗卫生系统效率评估的应用 ,对已得到应用的 DEA模型作了简单的介绍 ,同时对 DEA模型和方法的进一步应用给出了建议 .     

Past-present-future Intertemporal DEA models

It has been well recognized that to thoroughly evaluate a firm’s performance, the evaluator must assess not only its past and present records but also future potential. However, to the best of our knowledge, there are no data envelopment analysis (DEA)-type models proposed in the literature that simultaneously take past, present and, especially, future performance indicators into account. Hence, this research aims at developing a new type of DEA model referred to as Intertemporal DEA models that can be used to fully measure a firm’s efficiency by explicitly considering its key inputs and outputs involving the past-present-future time span. In this research, the proposed Intertemporal DEA models are applied to the performance evaluation of high-tech Integrated Circuit design companies in Taiwan to demonstrate their advantages over other DEA models that ignore intertemporal efficiency.     

A new proposed model of restricted data envelopment analysis by correlation coefficients

The concept of efficiency in data envelopment analysis (DEA) is defined as weighted sum of outputs/weighted sum of inputs. In order to calculate the maximum efficiency score, each decision making unit (DMU)’s inputs and outputs are assigned to different weights. Hence, the classical DEA allows the weight flexibility. Therefore, even if they are important, the inputs or outputs of some DMUs can be assigned zero (0) weights. Thus, these inputs or outputs are neglected in the evaluation. Also, some DMUs may be defined as efficient even if they are inefficient. This situation leads to unrealistic results. Also to eliminate the problem of weight flexibility, weight restrictions are made in DEA. In our study, we proposed a new model which has not been published in the literature. We describe it as the restricted data envelopment analysis ((ARIII(COR))) model with correlation coefficients. The aim for developing this new model, is to take into account the relations between variables using correlation coefficients. Also, these relations were added as constraints to the CCR and BCC models. For this purpose, the correlation coefficients were used in the restrictions of input–output each one alone and their combination together. Inputs and outputs are related to the degree of correlation between each other in the production. Previous studies did not take into account the relationship between inputs/outputs variables. So, only with expert opinions or an objective method, weight restrictions have been made. In our study, the weights for input and output variables were determined, according to the correlations between input and output variables. The proposed new method is different from other methods in the literature, because the efficiency scores were calculated at the level of correlations between the input and/or output variables.