基于数据包络分析的综合因子绩效评价模型

本文在数据包络分析(简称DEA)进行效率分析的原理上,将由DEA得到的实际有效生产函数与理论生产函数结合起来,提出了工业企业或地区工业发展的综合因子绩效评价模型.综合因子绩效评价方法概括综合了现用绩效指标,能在同一标准下对多决策单元在多时期内的绩效进行指标评价和相对绩效评价,后者能消除客观基础条件对绩效评价的影响;在决策单元的基础条件差异复杂时,两种评价方法互为补充,评价结果能准确反映决策者的业绩和评价单元的发展能力.     

基于DEA方法的集成化供应链整体绩效动态评价研究

本文将数据包络分析(DEA)方法中的静态模型转化为动态模型,对集成化供应链绩效进行动态评价.同时对供应链绩效的有效性进行分析,为集成化供应链绩效的改善提供明确的改进方向和目标.     

具有共享产出固定和约束的DEA两阶段效率评价方法研究

数据包络分析方法是组织绩效评价的重要方法。传统的数据包络分析方法都假设所有决策单元的产出水平可以自由调整，但在许多管理实践中都普遍存在着产出固定和的约束，这使得决策单元间产出水平的调整不再满足独立性假设。虽然考虑产出固定和约束的效率评价方法得到了一定的发展，但网络生产结构下具有产出固定和约束的效率评价方法研究仍较缺乏。有鉴于此，本文考虑了具有共享产出的两阶段生产结构，并建立了满足共享产出固定和约束的两阶段效率评价模型与子阶段效率分解模型。最后，本文运用碳达峰政策背景下我国30个省级地区能源生产-能源利用的实证数据进行了方法验证。     

基于科学发展观的政府领导绩效评价方法研究

科学发展观的树立和落实与领导绩效紧密相关,在科学发展范畴内从行为过程、产出结果和未来发展等三个方面对政府领导绩效的评价技术进行研究,结合数据包络分析方法(Data Envelopment Analysis),通过反映行为、效率和潜力的综合指标来测算领导绩效的科学发展指数,以此反映领导绩效的总体实力情况,将实现政府领导绩效评价的科学性、有效性和发展性.     

存在保证域的模糊非径向偏好DEA模型——基于中科院24个研究所的实证分析

数据包络分析（DEA）是一种非参数化的方法,用于评价具有类似输入和输出的决策单元的效率。传统的非径向DEA模型假设输入和输出数据均为准确值,且对权重变量不加以限制,本文构建了存在保证域的模糊非径向偏好DEA模型,并给出了一种基于模糊数截集的模型求解方法,有效地解决了输入和输出全部或部分为模糊数的决策单元评价问题。最后给出了一个中科院研究所效率评价的实例说明了方法的有效性。     

两阶段DEA前沿面投影问题研究——兼对我国上市银行运营绩效进行评价

DEA方法,即数据包络分析方法,是一种用于评价决策单元(Decision Making Units,DMUs)相对有效性的实证方法。近年来DEA方法已经广泛的应用于各行各业的绩效评价中,并发展出两阶段DEA方法。两阶段DEA方法相对于传统DEA方法的优势在于,它不但可以提供被评价对象的总体效率值,还可以分别生成每一阶段的效率值。但正是由于中间要素的存在,按照传统的DEA方法来调整两阶段DEA投入、产出要素的优化过程已不能成功投影在有效前沿面上。本文基于两阶段DEA方法,通过加入"虚拟中间要素"在两阶段DEA中嵌入一个"虚拟阶段",这样不但完善了两阶段DEA的逻辑结构,而且成功的将被评价单元投影到有效前沿面。最后本文应用以上方法对我国上市银行的运营绩效进行了实证分析。实证结果令我们意外的是,国有商业银行运营绩效优于股份制银行。     

基于优势前沿面的非营利组织管理有效性再评价方法

通常认为模糊DEA评价是用于测度管理有效性的一种方法,但是实际运行中由于有些模糊DEA有效单元信息贫乏,导致评价结果难以令人信服.本文提出的基于优势生产前沿面的DEA有效单元再评价方法克服了传统评价的问题,更有效地反映了评价单元的管理进步效果,经过理论分析和实践检验,是目前用于管理有效性评价的最佳方法之一.其特性表现在,将优势前沿面方法应用在非营利组织的测评管理中,通过构造有效性更强的新决策单元实现对DEA有效单元的区分和排序,克服了原来使用的靠DEA基于权重和判断准则进行再评价的缺点,具有现实可行性和有效性,评价结果具有较好的稳定性和可比性,能够对模糊DEA有效单元进行有效区分.研究使管理有效性方法在非营利组织评价中的应用更加具有理论意义和实际价值.     

评价相对效率的投入-产出型DEA

传统DEA只能在固定投入或产出的条件下,从产出或投入角度测算决策单元相对效率,因而不能综合地反映决策单元的投入产出效果.基于双目标规划,本文将提出从投入及产出角度评价决策单元相对效率的投入-产出型DEA,并研究其相对有效性.最后以沪市16家高科技上市公司为应用实例,研究其相对经营效率.     

随机环境下的多投入多产出生产前沿面估计

传统的DEA模型假设观测样本的投入产出都是确定型数据, 这使得DEA在实际应用中受到限制, 本文提出的基于拟似然估计的多投入多产出随机非参数包络数据 (PLE-StoNED) 方法拓展了这个假设, 能够估计随机环境下的生产前沿面.本文证明, 生产可能集假设条件下的前沿面可以用一个有凹凸性和单调性限制的函数来表示.相较之前的StoNED方法, 本文提出的方法可以估计随机环境下多投入多产出决策单元 (DMU) 的前沿面.通过Monte Carlo实验, 多投入多产出PLE-StoNED方法的有效性得到验证, 它可纠正DEA等传统方法产生的偏误.最后, 实证研究部分运用这一新提出的方法估计了中国大陆商业银行的生产前沿面和效率.本文提出的方法弥补了DEA缺乏统计性的不足, 可为决策者在随机环境下对多投入多产出决策单元进行生产力和效率评估提供决策参考.     

评价相对效率的投入—产出型DEA

传统 DEA只能在固定投入或产出的条件下 ,从产出或投入角度测算决策单元相对效率 ,因而不能综合地反映决策单元的投入产出效果 .基于双目标规划 ,本文将提出从投入及产出角度评价决策单元相对效率的投入—产出型 DEA,并研究其相对有效性 .最后以沪市 1 6家高科技上市公司为应用实例 ,研究其相对经营效率