DEA方法介绍.pptVIP

Measuring the efficiency of decision making units------EJOR(1978) A. CHARNES The University of Texas, Austin TX, U.S.A. W.W. COOPER Graduate School of Business Administration, Harvard University, Cambridge MA, U.S.A. E. RHODES State University of New York at Buffalo, Albany NY, U.S.A. DEA方法简介 数据包络分析方法（ DEA，Data Envelopment Analysis ）由Charnes、Coopor和Rhodes于1978年提出，该方法的原理主要是通过保持决策单元（DMU, Decision Making Units） 的输入或者输出不变，借助于数学规划和统计数据确定相对有效的生产前沿面，将各个决策单元投影到DEA的生产前沿面上，并通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。 DEA方法以相对效率概念为基础，以凸分析和线形规划为工具的一种评价方法，应用数学规划模型计算比较决策单元之间的相对效率，对评价对象做出评价，它能充分考虑对于决策单元本身最优的投入产出方案，因而能够更理想地反映评价对象自身的信息和特点；同时对于评价复杂系统的多投入多产出分析具有独到之处。 DEA方法的特点： 适用于多输出-多输入的有效性综合评价问题，在处理多输出-多输入的有效性评价方面具有绝对优势 DEA方法并不直接对数据进行综合，因此决策单元的最优效率指标与投入指标值及产出指标值的量纲选取无关，应用DEA方法建立模型前无须对数据进行无量纲化处理（当然也可以） 无须任何权重假设，而以决策单元输入输出的实际数据求得最优权重，排除了很多主观因素，具有很强的客观性 DEA方法假定每个输入都关联到一个或者多个输出，且输入输出之间确实存在某种联系，但不必确定这种关系的显示表达式 对第j0个决策单元进行效率评价，一般说来，hj0越大表明DUMj0能够用相对较少的输入而取得相对较多的输出。这样我们如果对DUMj0进行评价，看DUMj0在这n个DMU中相对来说是不是最优的，我们可以考察当尽可能的变化权重时， hj0的最大值究竟是多少。 当然对于权重变化的要求是在同等标准下进行，即对于所有决策单元而言，效率评价指数在规定统一的标准下进行测度。 利用线性规划的最优解来定义决策单元j0的有效性，从模型可以看出，该决策单元j0的有效性是相对其他所有决策单元而言的(在同等约束条件下进行求解的)。 对于CCR模型可以用规划P表达，而线性规划一个重要的有效理论是对偶理论，通过建立对偶模型更容易从理论和经济意义上作深入分析（将规划问题转化为对偶问题） 线性规划（P）和对偶规划（D）均存在可行解，所以都存在最优值。假设它们的最优值为别为hj0*与θ*，则有hj0*＝ θ* DMUj0 为弱DEA有效的充要条件是线性规划（D）的最优值θ*＝1； DMUj0为DEA有效的充要条件是线性规划（D）的最优值θ*＝1，并且对于每个最优解λ*，都有s*＋＝0，s*-＝0 DEA中规模收益的定义： 还可以用CCR模型中的λj判断DMU的规模收益情况： （1）如果存在λj*（j＝1，2，…，n）使得∑λj*＝1，则DMU为规模收益不变 （2）如果不存在λj*（j＝1，2，…，n）使得∑λj*＝1，若∑λj*＜1，则DMU为规模收益递增 （3）如果不存在λj*（j＝1，2，…，n）使得∑λj*＝1，若∑λj*＞1，则DMU为规模收益递减 CCR模型中变量的经济含义 λj使各个有效点连接起来,形成有效前沿面;非零的s+、s-使有效前沿面可以沿水平和垂直方向延伸,形成包络面。 在实际运用中,对松弛变量的研究是有意义的,因为它是一种纯的过剩量(s-)或不足量(s+)，θ则表示DMU离有效前沿面或包络面的一种径向优化量或“距离” DEA主要应用领域 企业效率、银行效率、铁路运营、 地区FDI引进效率、投资基金业绩、中国各地区健康生产效率、并购效率、电力改革绩效、钢铁行业能源效率、中国企业规模经济效率、科研机构规模效益、寿险公司规模效率、中国全要素生产率估算与分析、农业创新系统,各省劳动生产率、投资规划,方案评价、可持续发展能力、环境效率、能源效率、空港效率、煤炭采选效率等等 Network DEA 目标：打开决策单元生产过程的“黑箱” 网络种类：链式、网络结构 基于中间变量的单阶段Network-DEA 现实中的生产过程有时会出现针对同一个变量其投入、产