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。     

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.     

基于数据包络分析的并行生产系统效率评价方法

数据包络分析(DEA)是一种评价具有多投入、多产出决策单元的相对效率的线性规划方法.在现实世界中,决策单元有时呈现出由多个独立子系统构成的复杂并联网络系统,各子系统的投入/产出之和构成了系统的总投入/产出.目前,用于评价这种具有并联网络生产系统相对效率的模型主要有三种:网络DEA模型、多部门DEA模型和关联DEA模型.现有这些模型的基本特性和相互关系存在着不足,即子系统的效率分解和优化指数不唯一.为解决这一问题,提出了改进的并联DEA模型,并采用加拿大银行系统实例来说明所提出模型的合理性和有效性.     

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.     

基于样本评价的广义数据包络分析方法

传统DEA方法是一种依据自评体系评价的方法,而无法自主选择参照系.为了解决DEA方法可以同时依据自评体系和其它参照系进行评价问题,首先给出了广义DEA有效的概念.然后,给出了一类基于样本单元评价的广义数据包络分析模型,包括面向输入的广义DEA模型、面向输出的广义DEA模型以及加性广义DEA模型.最后,分析了上述这些模型与传统DEA模型之间的关系,探讨了广义DEA有效与相应多目标规划Pareto有效之间的关系,并给出了决策单元的投影性质以及决策单元的有效性排序方法.     

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.     

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.     

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.     

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.     

Dual models of interval DEA and its extension to interval data

The purpose of this paper is to develop a new DEA with an interval efficiency. An original DEA model is to evaluate each DMU optimistically. There is another model called “Inverted DEA” to evaluate each DMU pessimistically. But, there are no relations essentially between DEA and inverted DEA. Thus, we formulate a DEA model with an interval efficiency which consists of efficiencies obtained from the optimistic and pessimistic viewpoints. Thus, two end points can construct an interval efficiency. With the same idea, we deal with the interval inefficiency model which is inverse to interval efficiency. Finally, we extend the proposed DEA model to interval data and fuzzy data.     

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.     

Some remarks on the two-level DEA model

The two-level DEA model was introduced to increase the discriminational power of Data Envelopment Analysis (DEA) models. This nonlinear model was presented by Meng et al. (2008) [3], and then converted into a linear model by Kao (2008) [4].In this paper two subjects will be discussed: first, we show that the two-level DEA model is a special case of DEA models where weight restrictions are applied. Then, we express that the nonlinear model is equivalent to the conventional DEA model.     

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.     

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.     

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.     

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。     

A game theoretical model of DEA efficiency

Motivated by the inherent competitive nature of the DEA efficiency assessment process, some effort has been made to relate DEA models to game theory. Game theory is considered not only a more natural source of representing competitive situations, but also beneficial in revealing additional insights into practical efficiency analysis. Past studies are limited to connecting efficiency games to some particular versions of DEA models. The generalised DEA model considered in this study unifies various important DEA models and presents a basic formulation for the DEA family. By introducing a generalised convex cone constrained efficiency game model in assembling the generalised DEA model, a rigorous connection between game theory and the DEA family is established. We prove the existence of optimal strategies in the generalised efficiency game. We show the equivalence between game efficiency and DEA efficiency. We also provide convex programming models for determination of the optimal strategies of the proposed games, and show that the game efficiency unit corresponds to the non-dominated solution in its corresponding multi-objective programming problem. Our study largely extends the latest developments in this area. The significance of such an extension is for research and applications of both game theory and DEA.     

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.