基于AHP和DEA的钢铁行业上市公司效率评价

DEA模型作为一种专门用于评价相对效率的方法,在评价中国钢铁行业上市公司的效率方面具有很多优势,但在DEA方法的传统应用中,输入指标和输出指标完全由评价者主观选取,使得评价过程从起点就缺乏说服力.为了解决传统DEA方法在评价指标选取方面的缺陷,使钢铁行业的效率评价更加客观、准确,文章将AHP和DEA相结合,以中国钢铁行业的21家上市公司为研究对象,在AHP确定的评价体系基础上,利用DEA评价了这些公司2005年的整体效率、技术效率、规模收益情况,并针对没有达到DEA有效的公司提出了改进策略.     

用数据包络分析(DEA)方法进行企业管理的比较研究

本文应用数据包络分析(DEA)方法对我国机床工业企业管理进行了抽样比较研究。文中首先对DEA方法作了简略介绍,然后选用8个投入变量和4个产出变量对我国66家机床厂进行了综合评价。文章还对当前技术条件下我国机床工业企业的最佳生产规模(MPSS)问题作了分析,给出了MPSS下的投入、产出变量均值。     

评价风险评估方法有效性的DEA模型

决定信息安全评估结果是否科学有效的前提和基础是选择正确的风险评估方法,因此如何选择就成为关键。该文将模糊综合评价方法和数据包络(DEA)方法相结合,提出一种筛选评估方法的数学模型,用于评价风险评估方法的有效性。该方法充分考虑评价指标的客观性,从工程的角度综合计算进行风险评估活动的投入与产出,从定量的角度考察风险评估的评估效果,该方法具有良好的可操作性,为风险评估人员筛选更有效、科学、合理的评估方法提供一个具有实用价值的数学工具。     

广告媒体选择的DEA模型研究

广告媒体选择是一个企业广告工作的重要一环。同传统的管理人员主观判断和单一评价指标相比,DEA模型提供了一种更为有效的广告效果评价方法。通过对企业广告投入和产出的综合分析,根据最终得出的效果评价值,企业利用DEA模型可以对备选的诸多媒体进行优劣排序,从而选择最佳的广告媒体形式。     

基于灰关联约束超效率DEA的重点实验室评估研究——以河北省省级重点实验室为例

目前国内外对重点实验室的评估主要采用专家评价等软评价方法,较少考虑科技投入和科技产出之间的关联关系。在对国内外重点实验室评估方法进行深入研究的基础上,利用灰色关联度分析指标内在的关联性,将其作为限制条件加入超效率DEA评价模型中,构建了基于灰色关联权重约束的超效率DEA评价模型,并应用于河北省省级重点实验室评估的实证分析。研究结果显示,此模型与传统的CCR模型和超效率DEA模型相比,既可以揭示科技投入和科技产出之间的内在联系,又可以保持DEA评价的客观性,与此同时,还可实现不同实验室评估结果的全排序,使得评估结果更加符合实际。     

决策单元的DEA有效性排序问题

传统的DEA模型只能将决策单元分为有效和非有效两类,而且不能对有效决策单元进行排序。以综合的输入输出比率为排序标准,运用组合评价方法,提出了一种新的对决策单元进行排序的方法,并通过评价实例的分析说明新方法的优越性。     

基于DEA交叉评价的中部六省服务业效率

通过建立服务业效率的DEA交叉评价模型,对中部六省2009年传统服务业与新兴服务业效率的测度和进一步分解的实证结果表明:DEA交叉评价能够克服传统DEA模型的缺陷,得到合理的排序结果;新兴服务业是六省竞争的关键,同时应推动传统服务业改造,不断提升效率水平。     

DEA在信托行业效率评价中的应用

信托行业是我国金融行业的重要组成部分。将数据包络分析（ data envelopment analysis, DEA）方法引入信托公司的效率评价,并构建了基于DEA的信托公司效率评价模型。根据《中国证券报》公开披露的2007年度各家信托公司的年报主要数据,对信托公司的效率进行综合评价。据此计算出48家信托公司的技术效率、纯技术效率和规模效率,找出了其中效率最高的7家信托公司,并对其结果进行了分析。结果表明,DEA在信托行业效率评价中的应用,具有较强的针对性和准确度,为信托公司的业绩评价提供了新的方法。     

产业经济评价的DEA／PCA分析模型

基于产业综合投入产出比的评价角度 ,提出一种产业经济评价的系统分析方法。首先 ,分别采用数据包络分析 (DEA)和经调整的主成分分析 (PCA)方法对产业进行定量评价。然后 ,将两方面的评价结果加以对比 ,并综合于二维坐标屏幕进行直观的分析。该方法被实际应用于天津市蓟县的工业产业经济评价问题     

基于DEA方法的高校管理学院科研效率评价实证研究

合理地评价高校的科研效率,对于政府的教育规划和高校自身的发展都具有重要意义。数据包络分析法是一种从资源利用效率的角度出发,对多个对象进行评价的综合评价方法,它的“相对有效性”概念可以用来科学、客观地评价高校等科研机构的科研效率。本文以某省8所高校的管理学院为例,对DEA方法评价高校科研效率的科学性和有效性进行了实证分析。     

基于DEA的政府绩效评估探析

数据包络分析方法(DataEnvelopmentAnalysis,简称DEA)在工业企业绩效评价中已得到广泛应用。有关政府绩效的公共管理理论认为政府和企业具有极强的相似性。利用DEA方法的优点可以尝试评估政府绩效和政府规模,但该方法在政府绩效评价中也存在缺陷和不足。     

基于DEA方法的地方高校科研绩效评价

运用数据包络分析方法 (DEA),基于近期数据,对我国31个省市地方高校科研绩效进行分析,并且从综合效率、技术效率和规模效率三方面评价了各地方高校的科研绩效水平,以及分析了各地区高校非DEA有效的不同原因。研究结果表明,我国地方高校整体科研绩效水平不高,综合效率非DEA有效的地区高达71%,技术效率DEA非有效也达到55%,地方高校投入——产出不成比例,地方高校资源配置效率整体偏低,亟待采取有效措施提高资源的利用率。     

区间DEA决策单元排序方法改进研究

运用传统方法对区间DEA中的决策单元（DMU）进行排序时,会出现区间DEA有效的DMU具有相同效率值的情况,因此无法对所有DMU进行完全排序。借鉴效率值判别分析（DR）方法对区间DEA中DMU的排序方法进行了改进,形成了区间DR／DEA方法,通过利用该方法求得的因DMU不同而各不相同的效率值,达到了对区间DEA中所有DMU进行完全排序的目的,最后给出了一个算例。     

企业技术创新绩效评价及目标优化中的DEA方法

传统的技术创新绩效评价及发展目标优化方法,只能对企业技术创新的总体情况进行评价,不能深入分析影响技术创新的内部因素。DEA方法是一种基于运筹学线性规划理论的评价方法,该方法可以有效地对具有多个输入、输出指标的决策单元的总体有效性、技术有效性进行分析,找出影响技术创新绩效的关键因素,同时可以有效地对技术创新发展目标进行优化,从而解决了传统方法的不足。     

改进的DEA模型及其在上市物流企业中的应用

数据包络分析(DEA)是对具有多投入、多产出决策单元(DMU)进行效率评价的一种非参数法,其研究领域一类重要问题是探讨DEA改进科学性。针对J-K模型提供的优化方案中常会出现以巨大的投入换得产出微弱增加的问题,将容忍度概念引入DEA法,提出一种改进的J-K数据包络分析模型,并对修改前后的两个模型进行比较研究,结果表明:改进的J-K数据包络分析模型既克服了传统DEA模型对投影要求的绝对化(必须是所有指标全部改进),也排除了J-K模型提供不经济方案的可能性(以巨大的投入换得产出微弱增加)。因此,应用改进的J-K数据包络分析模型可得到更加合理的分析结果。基于典型上市物流企业数据也验证了改进的J-K数据包络分析模型的合理性。     

基于DEA模型的高校社会服务绩效研究——以杭州市高校为例

运用一种多指标输入/输出复杂系统的相对有效性评价方法——数据包络（DEA）法对杭州市高校社会服务绩效进行评价,并根据评价结果分析存在的问题及提出相应的解决措施。最后通过实例说明DEA是高校社会服务的绩效评价的有效方法之一。     

基于DEA的“985”高校科研竞争力评价

基于DEA模型对32所"985"高校科研竞争力进行评价,结果表明,高校之间的科研资源投入与科研成果产出分布是极不均衡的。总体效率、纯技术效率与规模效率三者均DEA有效的高校有17所,其中复旦大学、北京师范大学、南开大学、清华大学和北京大学的科研竞争力最强;有14所高校均不同程度存在着投入冗余与产出不足的现象。在"以质量治理为核心"的改革中,基于DEA的绩效评价技术可以有效地对高校之间资源配置效率做系统的比较,并提出改进策略反馈到高校战略管理改革之中,有效提高高校的科研竞争力。