DEA模型.pptVIP

1 3 4 2 3 1 输入 输出 考察决策单元2,相应的线性规划模型为: 其最优解为: 知决策单元2为DEA有效(C2GS2) 1 3 4 2 3 1 输入 输出 考察决策单元3,相应的线性规划模型为: 其最优解为: 知决策单元3不为DEA有效(C2GS2) T (1,2) (3,3) (4,1) 1 3 4 2 3 1 输入 输出 对于决策单元2,为DEA有效(C2GS2),但却不是DEA(C2R)有效. 其最优解为: 知决策单元2不为DEA有效(C2R) T (1,2) (3,3) (4,1) T (1,2) (3,3) (4,1) 其C2R模型为: 三、评价第j0决策单元DMU纯规模效率模型为： （6） 根据DEA的理论，总体效率θ*、纯技术效率σ*、纯规模效率s*三个参数之间存在（6）式所述的关系，由（6）可直接计算DMU的纯规模效率。 四、具有锥比率的C2WH模型 假设有n个决策单元对应的输入数据和输出数据如下 X Y 1 2 … n 则C2WH模型如下： 则C2WH模型如下： (P) 结论:(1)若规划P存在最优解 ,满足 (D) 则称决策单元j0为弱DEA有效(C2WH) (2)若规划P存在最优解 ,满足 则称决策单元j0为DEA有效(C2WH) 使用凸锥去度量决策单元的DEA有效性时,相应的生产可能集为: 其中 若令 则锥比率模型(P)和(D)化为C2R模型 (P) (D) 可见C2WH模型是C2R模型的推广. 例题:考虑具有二个输入和一个输出的问题,它们由下表给出: 3 3 4 10 1 3 2 1 1 2 1 输入 输出 在使用C2R模型评价时,决策单元1,2,3均为DEA有效(C2R).以决策单元2为例.其C2R模型为: 其最优解为 故为DEA有效(C2R) 我们知道,在使用DEA方法评价部门间的相对有效性时,变量v表示对输入的权系数,它表示各种不同输入之间的相对重要;变量u表示对输出的权系数,表示各种不同输出之间的相对重要性.于是,在C2R模型中的线性规划(P)中的ω和μ也具有同样的意义.在求线性规划问题(P)的最优解时,实际上是选取对决策单元j0最为有利的权系数.在很多实际问题中,每项输入(或输出)的重要性是不尽相同的(例如某项生产活动中输入可以是黄金和煤炭的情况).因此,权系数的选取应该满足一定的限制.在上述例子中,决策单元2是DEA有效(C2R)时,表示输入项目1和输入项目2的重要性之比是 如果事先认为第一项输入与第二项输入的重要性之比为 则必须使用C2WH模型,此时,对决策单元2,有: 其中 求解结果为 不为DEA有效(C2WH) 下面讨论当V,U,K为多面凸锥时的C2WH模型.令 则有 * * 第一讲 评价相对有效性的DEA模型 ——运筹学的新领域 1978年由著名的运筹学家A.Charnes(查恩斯), W.W.Cooper(库伯), 及E.Rhodes(罗兹)首先提出了一个被称为数据包络分析（Data Envelopment analysis, 简称DEA模型）的方法，用于评价相同部门间的相对有效性（因此被称为DEA有效）.他们的第一个模型被命名为C2R模型.从生产函数的角度看,这一模型是用来研究具有多个输入,特别是具有多个输出的“生产部门”同时为“规模有效”与“技术有效”的十分理想且卓有成效的方法.1985年查恩斯,库伯,格拉尼(B.Golany),赛福德(L.Seiford)和斯图茨(J.Stutz)给出另一个模型(称为C2GS2模型),这一模型用来研究生产部门间的“技术有效性”. 1987年查恩斯,库伯,魏权龄和黄志明又得到了称为锥比率的数据包络模型——C2WH模型。这一模型可用来处理具有过多的输入及输出的情况,而且锥的选取可以体现决策者的“偏好”.灵活地应用这一模型,可以将C2R模型中确定出的DEA有效决策单元进行分类或排队. 数据包络分析是运筹学的一个新的研究领域.查恩斯和库伯等人的第一个应用DEA的十分成功的案例,就是评价为弱智儿童开设公立学校项目的效果.在评估中,输出包括“自尊”等无形的指标;输入包括父母的照料和父母的文化程度等,无论哪种指标都有无法与市