基于理想决策单元参照求解策略的DEA交叉效率评价模型

在已有关于DEA交叉效率评价模型中,激进型模型和仁慈型模型会因评价结果不一致而导致实际应用中难以对它们予以抉择的难题;中立型模型虽在形式上规避了前述问题,但其本身存在着理论偏差。针对上述问题,基于TOPSIS的理想点构造方法,提出了一种关于DEA交叉效率评价的新模型,即基于理想决策单元参照求解策略的DEA交叉效率评价模型。该模型不仅具有理论的严谨性,可以规避激进型模型与仁慈型模型之间的选择难题,而且相对于它们而言能够更好地坚持DEA最有利于被评价决策单元的基本思想。数值模拟分析表明新模型具有解决实际问题的较好适用性。     

基于完全包络面的DEA Super效率评价方法

为了对决策单元进行公平、合理、完全的排序,提出一种考虑完全包络面的DEA Super效率评价方法.讨论包络面的选取与DEA效率值的关系,提出完全包络面的概念,并在等产出图上演示了最优前沿面、最劣前沿面与完全包络面的区别和关系;提出基于最劣前沿面的Super效率DEA模型,给出基于完全包络面的DEA Super效率评价排序模型,目标函数包含决策单元的最优效率和最劣效率两部分.该方法用于决策单元的排序,同时考虑最符合与最不符合决策单元自身偏好的权重体系;该方法用于决策单元的效率排序,能获得比较合理的排序结果,可以实际应用于各种决策单元排序中.     

基于交叉效率和合作博弈的决策单元排序方法

在数据包络分析中，大量的交叉效率模型已被提出。然而选择不同的目标模型将实现不一样的交叉效率评价。本文基于针对单个决策单元实施的对抗型和仁慈型两个交叉效率模型，用合作博弈方法来研究交叉效率模型的选取，并利用Shapley值对决策单元进行排序。最后通过实例分析显示该排序方法充分利用了最小交叉效率和最大交叉效率的信息完全排序了所有决策单元，具有一定的综合性和合理性。     

基于证据推理和前景理论的交叉效率排序方法研究

针对由交叉效率评价策略和交叉效率集结方法的多样性而造成评价结果不一致的问题,提出利用证据推理方法和前景理论,综合各个交叉效率评价策略的评价结果,实现对决策单元的统一评价。首先,分别将选用的交叉效率评价策略以及各个评价策略中的他评效率设置成一级指标和二级指标,依据算数平均和前景理论分别确定一、二级指标的权重;其次,依据他评效率确定二级指标置信度,利用证据推理方法将各个交叉效率评价策略的他评效率综合转换成决策单元被评价为有效的置信度。决策者可通过比较决策单元被识别为有效的置信度的大小来判断决策单元交叉效率的大小,进而实现对决策单元的排序;最后,通过案例验证和说明本文提出方法的有效性和实用性。     

决策单元交叉效率的自适应群评价方法

传统交叉效率评价方法因决策单元偏好权重不唯一而难以操作,因交叉效率有效性分值平均化集结而难以被接受。目前的学者通常围绕决策单元指标权重的确定性分配方法、交叉效率有效性分值的去平均化集结等分别开展研究。本文将交叉效率评价方法中自评互评相结合的评价模式看作群决策过程,即每个决策单元既是一个被评对象,又是一个决策"专家",提出了一种决策单元交叉效率的自适应群评价方法,将决策单元偏好权重的确定和交叉效率有效性分值的去平均化集结作为同一个决策过程,根据每个决策单元的评价结果与群体评价结果的接近程度,同步迭代调整决策单元的"专家"权重和决策单元自评产生的、并提供给其他被评价决策单元的一组确定的偏好指标权重。实验验证与实例运用分析表明,该方法收敛效果良好,能得到客观稳定的决策单元交叉效率有效性分值及排序。     

中立型两阶段交叉效率评价方法

在数据包络分析中，已有的两阶段交叉效率评价方法，不仅只能用于基本两阶段网络结构，而且没有中立地分解子阶段效率。文章提出了一个既适用于基本两阶段网络结构，又适用于具有共享输入的两阶段网络结构的，中立型交叉效率评价方法。该方法定义自评时整体效率等于子阶段效率的加权和，在自评整体效率最大的前提下，从使各子阶段效率都尽可能大的角度为每个决策单元分别确定一组最优权重，进而通过互评计算决策单元整体和子阶段的最终效率得分。最后，通过两个实例验证了方法的实用、合理、有效。     

基于交叉评价策略的DEA全局协调相对效率排序模型

在DEA(数据包络分析)研究领域,建构在交叉效率概念基础上的现有决策单元排序方法仅以定义的方式给出了用于决策单元排序的交叉效率评价值。对于这种方法构建方式,分别基于管理学的效率概念和多属性决策理论,分析指出其中的交叉效率评价值从本质上讲既与效率的管理学概念不符,也与决策单元的优劣不存在理性逻辑联系。为克服现有决策单元排序方法所存在的上述问题,基于交叉评价策略和效率的管理学概念内涵给出了DEA全局协调相对效率的新概念,在此基础上利用优化理论给出了可以用于决策单元优劣排序的DEA全局协调相对效率测度模型,并通过理论分析和数值案例验证解释了该模型相对于现有决策单元排序方法所拥有的比较优势。     

非合作博弈两阶段生产系统的环境效率评价

本文研究了环境效率评价中广泛存在的一类典型问题:两阶段非合作博弈的效率评价问题,该问题有两个明显的特点:(1)决策单元由经济生产子系统和污染物处理子系统两个阶段的子系统构成,(2)经济生产子系统产生的污染物由污染物处理子系统进行处理,且经济生产子系统居于主导地位,而污染物处理子系统居于从属地位.文章在分析各个决策单元整体效率与其子系统效率之间关系的基础上,提出一种能够同时评价决策单元整体效率和其子系统效率的DEA方法;然后引入非合作博弈思想,提出了基于两阶段非合作博弈的环境效率评价的DEA方法;最后采用中国各地区的工业系统的环境效率评价的实例分析说明了该方法的合理性和有效性.由于文章提出的方法能够有效地分析决策单元内部子系统的有效性水平,能够反映子系统之间的主从关系,能够发掘影响决策单元效率的关键因素,因而能够给出更为有效的环境管理信息,为决策者的决策提供科学的依据.     

资源约束型两阶段生产系统的DEA效率评价模型

经典的数据包络分析(DEA)模型将决策单元看作"黑箱",忽视决策单元的内部过程,必然会高估决策单元的效率。本文研究了一种资源约束型两阶段生产系统的DEA效率评价方法,针对此类生产过程的内部过程,研究其内部运行机制对整体效率的影响。本文提出的模型实质上是一类特殊的网络DEA模型,其评价原理有别于已有的研究成果,但更有助于管理者确定生产过程的非有效来源及其效率改进方向。实例证实本文方法的合理性。     

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.     

The use of OWA operator weights for cross-efficiency aggregation

Cross-efficiency evaluation is an effective way of ranking decision making units (DMUs) in data envelopment analysis (DEA). Existing approaches for cross-efficiency evaluation are mainly focused on the calculation of cross-efficiency matrix, but pay little attention to the aggregation of the efficiencies in the cross-efficiency matrix. The most widely used approach is to aggregate the efficiencies in each row or column in the cross-efficiency matrix with equal weights into an average cross-efficiency score for each DMU and view it as the overall performance measurement of the DMU. This paper focuses on the aggregation process of the efficiencies in the cross-efficiency matrix and proposes the use of ordered weighted averaging (OWA) operator weights for cross-efficiency aggregation. The use of OWA operator weights for cross-efficiency aggregation allows the decision maker (DM)’s optimism level towards the best relative efficiencies, characterized by an orness degree, to be taken into consideration in the final overall efficiency assessment and particularly in the selection of the best DMU.     

DEA game cross-efficiency approach to Olympic rankings

A number of studies have used data envelopment analysis (DEA) to evaluate the performance of the countries in Olympic games. While competition exists among the countries in Olympic games/rankings, all these DEA studies do not model competition among peer decision making units (DMUs) or countries. These DEA studies find a set of weights/multipliers that keep the efficiency scores of all DMUs at or below unity. Although cross efficiency goes a further step by providing an efficiency measure in terms of the best multiplier bundle for the unit and all the other DMUs, it is not always unique. This paper presents a new and modified DEA game cross-efficiency model where each DMU is viewed as a competitor via non-cooperative game. For each competing DMU, a multiplier bundle is determined that optimizes the efficiency score for that DMU, with the additional constraint that the resulting score should be at or above that DMU 's estimated best performance. The problem, of course, arises that we will not know this best performance score for the DMU under evaluation until the best performances of all other DMUs are known. To combat this “chicken and egg” phenomenon, an iterative approach leading to the Nash equilibrium is presented. The current paper provides a modified variable returns to scale (VRS) model that yields non-negative cross-efficiency scores. The approach is applied to the last six Summer Olympic Games. Our results may indicate that our game cross-efficiency model implicitly incorporates the relative importance of gold, silver and bronze medals without the need for specifying the exact assurance regions.     

三元效率区间下决策单元的全局绩效评价

针对现实生活中投入产出数据的不确定性,许多学者提出从乐观和悲观角度计算决策单元的效率区间,但每个效率区间的上、下界值都是决策单元表现的两种极端情况。本文通过引入心态指标衡量决策者的偏好,获得了一个最有可能的效率值,它与上界值、下界值共同组成了三元效率区间。然后改进了两级排序方法:提出了三元有向距离指数,为所有决策单元获得全序化结果。本文引用前人文中的数例验证了该方法是一种更为精确、可全序化的评价、决策方法,可广泛应用于效率测评中。     

Malmquist productivity index based on common-weights DEA: The case of Taiwan forests after reorganization

The performance of a decision making unit (DMU) can be evaluated in either a cross-sectional or a time-series manner, and data envelopment analysis (DEA) is a useful method for both types of evaluation. In order to eliminate the inconsistency caused by using different frontier facets to calculate efficiency, common-weights DEA models have been developed, under which a group of DMUs can be ranked for a specific period. This study proposes a common-weights DEA model for time-series evaluations to calculate the global Malmquist productivity index (MPI) so that the productivity changes of all DMUs have a common basis for comparison. The common-weights global MPI not only has sound properties, but also produces reliable results. The case of Taiwan forests after reorganization shows that the MPIs calculated from the conventional DEA model produce misleading results. The common-weights global MPI approach, on the other hand, correctly identifies districts with unsatisfactory performance before the reorganization and those with unsatisfactory productivity improvement after the reorganization.