两阶段生产系统的DEA效率评价模型

数据包络分析(DEA)作为一种数学规划方法,已经被广泛用来评价一个决策单元相对于其它决策单元的效率。经典的DEA模型把决策单元看作一个“黑箱”,对决策单元的内部运行机制不作深入的研究。本文以一个两阶段生产系统为例,从生产系统的内部过程出发,提出一个基于DEA的模型以合理评估该决策单元的相对效率。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,但确实有助于管理者确定生产过程(如供应链)的非有效来源及其效率改进方向。     

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。     

基于自由处置性的网络系统效率评价模型研究

网络系统生产可能集是构建网络DEA模型的基础,而相邻生产子过程的投入产出连接条件则是构造生产可能集的关键。现有的网络DEA模型在本质上都假设所有子过程的投入产出都满足强自由处置性,然而在实际生产管理活动中,这一假设未必成立。本文从各类自由处置公理出发,系统地研究了各种类型的子过程投入产出连接条件,构建了一般网络系统的生产可能集,给出了相应的等价形式,并构建了相应的网络DEA模型用于评价决策单元的效率。最后利用本文提出的方法和模型对我国上市银行的效率进行了评价。本文的研究对于一般网络系统的绩效评价和改进具有重要的意义。     

超效率DEA模型的模糊扩展

在输入、输出数据为模糊数而效率值为准确值的模糊DEA模型中,会出现有两个以上有效单元,从而无法对所有决策单元进行全排序的情形。本文利用模糊数的基于α-截集的比较规则,建立了模糊条件下的超效率DEA模型,有效地解决了模糊决策单元的全排序问题。文末给出了一个实例。     

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。     

存在保证域的模糊超效率DEA模型

模糊DEA模型是用于解决存在模糊数据的决策单元(DMUs)效率评价问题的,然而现有的模糊DEA模型分辨率低,本文构建了存在保证域的模糊超效率DEA模型,并给出了一种基于截集的求解方法并进行了证明,该模型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全排序问题。最后给出了一个银行效率评价的实例说明了方法的有效性。     

部分中间产出作为最终产品的两阶段合作效率

网络DEA模型研究多个进程和多个子系统的复杂系统的效率度量.针对中间产出无法为第2阶段完全消耗的情形,传统DEA模型对系统效率的评价偏高,已有网络DEA模型则对系统效率的评价偏低.本文提出部分中间产出作为最终产品,进入流通渠道的两阶段效率模型,用来测度两阶段生产过程的真实效率.采用乘积形式描述两阶段合作的特征,给出不同...     

考虑环境属性约束的平行结构DEA模型

针对平行结构DEA模型在构造虚拟参考单元时没有考虑任何约束可能存在低估效率的情况,通过加入决策单元的环境属性对现有的平行结构模型进行了改进,从而在组合为虚拟参考单元的子决策单元之间添加必要的约束,使得模型所得的效率值更具现实意义。最后,将改进后的平行结构模型应用于中国各省份污染治理效率评价问题,从实证角度验证了模型的合理性和有效性。     

区间DEA模型求解算法及其在项目投资效率评价中的应用

当决策单元的变量取值区间范围较大时,经典区间DEA求解算法求得的相对效率区间长度也可能较大,对决策单元有效性的解释力低,很难直观反映相对效率的大小。将决策单元的变量区间划分为若干个子区间,分别计算决策单元在各子区间上的DEA效率,进而求得综合效率区间,作为评价决策单元有效性的基准。综合效率区间的区间长度比经典算法的求解结果小,将新算法应用于投资项目的效率评价,便于对投资项目的效率大小进行比较,进而为项目投资决策提供科学依据。     

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。     

基于最近距离投影的DEA两阶段效率评价方法研究

数据包络分析是进行效率评价最重要的方法之一。传统的数据包络分析理论主要寻找有效前沿面上的最远距离投影，在极大化无效性指数的同时也面临着效率改进的巨大难度和高额成本。对于具有两阶段内部生产结构的决策单元，本文从考虑最小改进难度的视角出发，提出了最近距离投影的两阶段效率评价方法。该方法首先得到所有强有效决策单元的线性组合，且这些组合均占优于被评价的两阶段决策单元。然后建立了两阶段范围调整效率评价模型，在确定具有最近投影距离的占优组合的同时，得到了两阶段评价效率。最后，本文运用我国32家上市银行的年度数据对所提出方法进行了应用验证。     

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.     

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     

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。     

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.     

A modified DEA cross efficiency method with negative data and its application in supplier selection

Basic Data Envelopment Analysis (DEA) models are designed for non-negative data. However, negative data is inevitably used in many real-world issues. Also, multiple units with a maximum relative performance score (equal to one) can be obtained due to the benevolent view of evaluating Decision Making Units (DMUs) consistent performance. Therefore, the researchers proposed ranking models to differentiate efficient units. Cross efficiency is one of the most useful tools for DMUs ranking in the DEA. There are two major drawbacks to implementing this process. First, it gives different results in the presence of other optimal solutions; second, it does not provide a compelling reason to use the arithmetic mean to aggregate the results of the cross efficiency matrix. In this paper, first a new non-radial model is proposed to evaluate the performance of DMUs in the presence of negative data and then based on this model a new secondary goal model is proposed to eliminate the first drawback in the cross efficiency method. Also, to solve the second drawback in this method, a hybrid Multi-Attribute Decision Making (MADM)-DEA process with the help of fuzzy VlseKriterijumska Optimizacija I Kompromisno Resenje method is proposed. Finally, to show the applicability of the proposed methods, the results are used to select the supplier in a real-world problem.

     

Efficiency measurement for hierarchical network systems

The conventional data envelopment analysis (DEA) models for measuring the relative efficiency of a set of decision making units (DMUs), without considering the operations of the component processes, often produce misleading results, and network models have thus been recommended. This paper discusses the development of a network DEA model for systems with a hierarchical structure. It is shown that the hierarchical structure is equivalent to a parallel structure, with the components being the units at the bottom of the hierarchy. Due to the characteristics of a parallel system, the efficiency of a hierarchical system is thus a weighted average of those of the units at the bottom of the hierarchy. A hypothetic example shows that the proposed model is able to distinguish the order of the efficient DMUs evaluated by the conventional DEA model. Moreover, it provides the efficiencies of the functions of the DMU, which enables managers to identify areas of weakness, and thus better focus efforts to improve overall performance.