带权重约束的DEA超效率评价模型及其应用研究

针对产学研协同创新项目的相对效率比较问题,数据包络分析（DEA）法是比较有效的数量分析方法。但DEA法所构建的优化模型中,由于约束条件没有充分考虑评价指标体系内部指标之间客观存在的内在权重大小信息,从而导致模型过分强调了评价单元的投入产出特征差异,甚至出现了原本非常重要的指标其权重却为0的不合理现象。本文提出DEMATEL法和数据包络分析法有机结合的思想,将运用DEMATEL法获得的指标之间内在的权重大小信息,纳入DEA法非阿基米德无穷小量ε限制的CCR模型及其超效率模型的约束条件,创新模型的可行域,构建了权重约束型ε-CCR模型和超效率ε-CCR模型。并以美国2014-2015年度国家科学基金会产学研合作研究中心发布的年度报告数据,对美国71个以高校为主导的产学研协同创新中心的相对效率进行了实证分析。实证结果显示,权重约束型超效率ε-CCR模型比没有权重约束的超效率ε-CCR模型更有效,不仅能对多个评价单位进行全排序,而且能克服无权重约束的超效率ε-CCR模型存在的评价结果不合理现象。这些结果有助于进一步推动DEA法的理论创新和应用推广,并能为多投入多产出项目的决策提供新的方法,使实际问题决策更合理更科学。     

商业银行效率评价研究——基于数据包络分析法的视角

商业银行效率是其在经营活动中投入与产出之间的对比关系,是银行资源配置能力和市场竞争能力的体现。数据包络分析方法是测度银行效率的有效工具,本文在对银行效率定义、效率评价方法进行概述的基础上,详细介绍了数据包络分析法(DEA)的CCR模型、BCC等模型,以期为商业银行效率评价提供一个借鉴的思路。     

基于分段参数型DEA前沿面的投入—产出型技术效率

由传统DEA模型可以直接测算投入固定(产出固定)的条件下,面向产出(投入)的技术效率。尽管加型DEA模型同时考虑了投入和产出的松弛,但却不能像传统模型一样直接测算投入—产出型技术效率。为了直接由加性模型测算投入产出型技术效率,本文将利用DEA有效决策单元建立分段参数型DEA生产前沿面,并根据古典技术效率的定义,解决投入产出型技术效率的测算问题。研究发现,这种效率实质上是产出型技术效率与投入配置效率的乘积。由于同时考虑了投入和产出的技术无效性,与其它类型的技术效率相比,这种投入产出型技术效率的可分性更强。     

一个新的考虑非期望产出的非径向-双目标DEA模型

如何实现对环境效率更准确的定量评价,是国际上从事DEA研究的学者们当前关注的问题之一。在传统DEA效率模型的基础上,综合考虑评价过程中期望产出与非期望产出之间的差异以及实际生产过程中人们追求期望产出最大化和非期望产出最小化的双重目标,构建非期望产出的非径向-双目标DEA环境效率评价模型,通过线性加权和法转化为一个求最大值的单目标线性规划问题。研究结果表明,这种新模型不仅可以分析DEA有效性与Pa-reto最优之间的关系,还利用决策单元的投影获得投入和产出的可调整量,从而提高考虑非期望产出的环境效率评价的精度。实证分析结果与现实情况的高度吻合,说明这种新的非径向-双目标DEA环境效率模型是有效的。     

基于DEA-t检验的以企业为主体的科技创新效率评价

以企业为主体的科技创新效率评价是衡量科技投入后的产出水平、资源利用效率并寻找影响科技创新效率的主要因素,为优化资源投入结构打下基础。以企业作为科技投入和产出的主体,通过数据包络分析（DEA）中CCR模型和BCC模型测算中国15个副省级城市科技创新的总体投入产出效率、纯技术效率和规模效率。通过DEA-t检验的方法萃取出显著影响效率的关键指标,找到不同副省级城市各自效率偏低的关键问题。创新与特色一是将保留所有指标的DEA效率测算模型作为基础模型,将逐一剔除单个指标后的DEA效率测算模型作为对比模型。通过t检验,依次检验基础模型与每个对比模型的总体投入效率TE是否存在显著差异。若差异显著,则对比模型中剔除的指标为显著影响效率的关键指标,由此确定了影响科技创新效率的五个关键指标。改变现有研究的数据包络分析（DEA）方法仅仅能测算效率、无法萃取影响效率的关键因素的弊端。二是实证结果表明：显著影响以企业为主体的科技创新效率的关键指标为规模以上工业企业R&D经费内部支出、财政科技经费投入、科技从业人员数、技术市场成交额、规模以上工业企业新产品产值。三是实证结果表明：不同副省级城市导致效率偏低的关键问题大相径庭。如杭州的关键问题是“财政科技经费投入”的冗余率过大,而哈尔滨的关键问题是“规模以上工业企业新产品产值”的产出不足超高。     

基于机会约束随机Index-DEA的投资组合效率评价

传统DEA和分散化DEA是两种常见的非参数评价方法,二者也被广泛应用于投资组合效率评价。已有相关研究通常将风险和期望收益视为投资组合的投入和产出指标,但该投入-产出假设与实际投资过程并不吻合。在实际投资过程中,真实投入应为投资组合的初始财富,产出则是其终端财富。基于新的投入-产出假设,本文对投资组合初始财富进行标准化,将终端财富转化为收益率形式,进而构造随机生产可能集和相应的机会约束随机Index-DEA模型。当投资组合收益率服从联合正态分布时,随机Index-DEA模型被转化为等价的确定性模型,从理论上证明该等价模型的凸凹性,并提出相应的求解算法。最后,利用该随机Index-DEA模型对我国30只开放式基金进行效率评价,验证所提出DEA模型和求解算法的有效性。     

一种考虑整数约束的环境效率评价MOISBMSE模型

传统的基于数据包络分析的环境效率评价常常忽略投入、期望产出和非期望产出为离散型变量的可能性,从而无法精确处理现实中存在的具有整数特征的指标数据,一直以来影响着评价结果的精确性.本文以混合导向的整数DEA为基础,对超效率SBM模型进行拓展,构建了一种能够同时兼顾整数约束和非期望产出指标数据的超效率SBM模型,并在实例中采用搜索算法,对该模型进行求解并通过Bootstrap方法对结果进行修正.将每一个最优整数点与被评价决策单元之间的距离进行比较,可以找出最短距离所对应的最优整数点,即为其帕累托改进方向.该模型将为环境效率评价提供了适用范围更广泛的测度方法.     

基于DEA的能源效率评价模型研究

在全要素能源效率框架下,根据能源系统的特点,基于DEA方法建立能源效率评价模型,对中国30个行政区域进行实证研究.针对能源效率的概念缺少统一标准的现状,从综合投入、技术效率和有效产出3个角度界定能源效率概念,为能源效率研究提供清晰的概念框架;构建以能源消费总量、从业人员总数和固定资产折旧为投入指标以及以经济产出和环境影响为产出指标的能源效率评价指标体系,在此基础上构建能源经济效率和能源环境效率评价指标体系;结合主成分分析法建立可处理非期望产出的DEA能源效率评价模型.通过实证研究发现,评价模型在理论研究方面可以有效应用于能源效率的评价.并较好地满足系统分析的要求;在生产实践方面可以为能源效率提供更合理的计量和考核标准,并为中国实现节能减排目标、制定相关政策和措施提供决策支持.     

基于DEA模型的商业银行效率评价研究

DEA模型是一种有效地处理多投入多产出的效率评价模型。运用DEA模型对商业银行进行效率评价能够综合地考察商业银行经营管理情况,并通过选择合适的投入产出指标,直接指明与最佳银行相比,被评价银行在哪些投入产出项目上有差距,从而可以找出改进被评价银行经营效率的最佳途径。     

测量要素折扣对企业规模效率的贡献:基于DEA的研究

规模效率分析是传统DEA领域的重要问题之一,但现有成果未曾对规模收益的影响因素及其影响力进行研究。本文引入可变权重DEA模型,将要素权重用分段线性函数表示,揭示了要素折扣是企业产生规模效率的一种原因,并测量了要素折扣对于规模效率的贡献。实例研究显示,不同企业及不同折扣率对于规模效率的贡献存在差异性。部分企业的规模效率随着折扣率增加而增加,而部分企业的规模效率则随着折扣率的增加而减少。     

基于偏好DEA模型的中国纺织业效率评价

基于具有输入输出指标偏好信息的数据包络分析模型评价中国纺织工业的效率,给出了描述规模报酬不变和规模报酬可变假设的DEA模型及其对偶规划的一种形式。模型克服传统DEA模型应用中常见的决策单元权重为零进而高估决策单元效率的不合理现象,有效地测算了中国31个地区纺织工业的经济运行效率,并分析了地区间效率水平差异的原因。利用各决策单元在经验生产前沿面上的投影点,估计了中国纺织工业的随机生产前沿函数,最后用效率弹性线性递减模型分析了销售收入、人均资产、台港澳和外商投资对各地区效率的微观影响关系。     

Incorporating quality into data envelopment analysis of nursing home performance: A case study

When using data envelopment analysis (DEA) as a benchmarking technique for nursing homes, it is essential to include measures of the quality of care. We survey applications where quality has been incorporated into DEA models and consider the concerns that arise when the results show that quality measures have been effectively ignored. Three modeling techniques are identified that address these concerns. Each of these techniques requires some input from management as to the proper emphasis to be placed on the quality aspect of performance. We report the results of a case study in which we apply these techniques to a DEA model of nursing home performance. We examine in depth not only the resulting efficiency scores, but also the benchmark sets and the weights given to the input and output measures. We find that two of the techniques are effective in insuring that DEA results discriminate between high and low quality performance.     

Pitfalls of decomposition weights in the additive multi-stage DEA model

This paper examines limitations of the multi-stage DEA (data envelopment analysis) model in the literature. We focus on the DEA model with additive efficiency decomposition. We create taxonomy for the multi-stage DEA models and show when the decomposition weights can be non-increasing. When the decomposition weight for a stage is deemed reflective of the stage׳s relative importance, this property then implies that upstream stages (regardless the stage efficiency scores) in the model will obtain higher priority in efficiency decomposition. We also find that the non-increasing weights can affect the evaluation of overall and stage efficiency scores. We illustrate our findings through an empirical data set.     

基于多种DEA模型和Gini准则的效率评价方法——兼对我国高校运营绩效的评价

针对多种数据包络分析（Data Envelopment Analysis,简称DEA）模型会产生不同绩效评价结果的问题,提出基于Gini准则科学地融合各DEA模型结果的方法。首先基于Gini准则定义信息纯度以衡量各DEA模型结果的确定性并赋予权重,然后通过加权融合最终得出客观唯一的综合效率。此外,根据评价者的偏好信息或先验知识,进一步提出交互式多DEA模型-Gini准则方法。以前学者仅从单一角度出发选择DEA模型评价高校的运营绩效,考虑到从不同角度出发的多种DEA模型可以给出高校更加全面客观的运营绩效评价,利用以上方法对2011年国内25所理工类高校的运营绩效进行了实证分析,结果验证了以上方法可以合理有效的衡量各高校的运营绩效表现,对于高校运营绩效的评价研究具有实际指导意义。     

A linear formulation of the two-level DEA model

In efficiency measurement, the input and output factors of similar characteristics can be grouped into input and output categories, respectively, using a weighted-average approach under the data envelopment analysis (DEA) framework to form a two-level DEA model. The resulting two-level model is nonlinear. This note transforms the nonlinear model into a linear one using a variable substitution technique. Linear models are easier to solve than their nonlinear counterparts. The linear transformation is applicable to the two-level model built from both the primal and dual forms of the conventional one-level DEA model. The linear model transformed from the nonlinear model developed from the primal form has a dual which is equivalent to the nonlinear model developed from the dual form.     

A slack-based measure of efficiency in context-dependent 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). In the DEA literature, a context-dependent DEA is developed to provide finer evaluation results by examining the efficiency of DMUs in specific performance levels based upon radial DEA efficiency scores. In DEA, non-zero input and output slacks are very likely to present after the radial efficiency score improvement. Often, these non-zero slack values represent a substantial amount of inefficiency. Therefore, in order to fully measure the inefficiency in DMU's performance, it is very important to also consider the inefficiency represented by the non-zero slacks in the context-dependent DEA. This study proposes a slack-based context-dependent DEA which allows a full evaluation of inefficiency in a DMUs performance. By using slack-based efficiency measure, we obtain different frontier levels and more appropriate performance benchmarks for inefficient DMUs.     

Two-level DEA approaches in research evaluation

It is well known that the discrimination power of data envelopment analysis (DEA) models will be much weakened if too many input or output indicators are used. It is a dilemma if decision makers wish to select comprehensive indicators, which often have some hierarchical structures, to present a relatively holistic evaluation using DEA. In this paper we show that it is possible to develop DEA models that utilize hierarchical structures of input–output data so that they are able to handle quite large numbers of inputs and outputs. We present two approaches in a pilot evaluation of 15 institutes for basic research in the Chinese Academy of Sciences using the DEA models.     

具有双重角色和非期望要素的供应商评价两阶段DEA模型

在基于DEA方法的供应商评价过程中,会出现供应商同时具有双重角色要素和非期望输出要素的情形。文章提出了一个处理双重角色要素的新思路,认为DEA模型中双重角色要素同时扮演了输入和输出两个角色,所有双重角色要素本质上就是网络DEA模型中的中间变量,并同时认为包含双重角色要素的生产系统一定能分解成为多个子系统,其中的双重角色要素既是一个子系统的输入,同时又是另一个子系统的输出。为测度供应商的效率,基于已有关系型两阶段DEA模型,将供应商的生产运营视为两阶段过程,其双重角色要素视为两阶段过程的中间变量,并通过将所有输出以加权和的形式表达,但对非期望输出用负的权重的方式,提出了一个具有双重角色和非期望输出要素的供应商评价两阶段DEA模型,最后用一个实例验证了方法的可行。     

考虑多维合作策略的非径向超预期管理效率评价

现有非预期产出问题集中于环境DEA效率评价,普遍以弱可处置性与负导向为前提,无法适应管理效率评价中超预期产出的"策略可处置"、"多维效率扩展"与"评价导向交融"特征。相对现有进展,针对环境DEA弱可处置性的局限,归纳了超预期管理效率的多维合作策略与对应策略作用下的效率溢出效应;针对超预期管理效率策略化评价的非径向测度基础,界定多维合作策略贡献,形成了"投入"合作与"产出"分配意义上的效率评价方案;针对传统DEA方法模糊评价结果不可比难点,引入合作博弈思想构建CSG-DEA模型,统筹了隐藏效率的评价信息再提取与策略联盟收益分配权重折算需求。案例应用结果表明,所构建的方法与策略有效、可行,能够为评价导向特殊、考虑多维合作策略的超预期管理效率评价问题提供决策参考。