数据包络分析DEA课件分析.ppt

CCR模型的解 根据上述的DEA有效性的判别定理,可知: (1)达到DEA有效的DMU分别为： DMU1,DMU2,DMU4,DMU7,DMU9,DMU11 (2)非DEA有效的DMU分别为： DMU3,DMU5,DMU6,DMU8,DMU10 (3)非DEA有效的DMU进行投影计算结果如后 投影分析结果: 5个DMU 1个产出 2个投入 1年资料 5个DMU 1个产出 1个投入 1个产出 1个投入 3年资料 程序参数设定，用“记事本”打开 设定后，以“另存新档”方式存档，扩展名为“ins” 5个DMU 1年资料 1个产出 2个投入 程序参数设置文件名.ins Thanks 商业银行分支机构效率评价的参数与非参数方法比较研究 * 基于多阶段DEA模型的省市高技术产业管理效率研究 * 对偶规划的约束条件确保了投影点不会落在可行集的外面 被评价决策单元在可行投入集内尽可能地径向收缩投入向量，边界就是一条分段线性等产量线 技术有效：相对于最优生产效率水平的目前投入要素的浪费情况 规模有效：按照最优生产效率水平所能获得的最大产出情况 * 投入（产出）导向规划式： 作用：使投影点的 生产规模与被评价 DMU的生产规模 处于同一水平 凸性约束条件基本上确保无效厂商只与类似规模的“基准” 厂商比较。也就是，DEA前沿上的投影点是观测厂商的凸 组合。在CRS模型中没有这个凸性约束。因此，在CRS模 型中，被评价厂商可能与比它大(小)得多的参考厂商进行 比较。而权数的总和将小于(或大于)1。 投入导向BCC模型图解： 产出导向BCC模型图解： 为了讨论和计算应用方便，进一步引入松弛变量s＋和剩余变量s－，将上面的不等式约束（可看作是“松”的约束）变为等式约束，可变成： 强有效、弱有效与松弛变量问题 “松”的约束是松弛变量存在的基础 DEA模型的前沿是由分段函数构成的，而分段函数在空间坐标系中会出现与坐标轴平行的情况，这是松弛问题产生的根源。 求解松弛变量的方法 以投入导向径向模型为例 是一个常量，表示非阿基米德无穷小，可设置为0.00001 数值设置过大时会造成对偶模型无可行解。 为消除 产生的误差，可采用两阶段求解投入和产出松弛变量。 第一阶段求出 第二阶段，求解如下规划式： 规模效率 BCC模型假定生产过程属于可变规模报酬（ VRS ），既是当 投入量以等比例增加时，产出不一定等比增加，有可能规模递增 或規模递减 BCC模型既可以求解VRS生产技术下的技术效率，同时也为求解 规模效率提供了方法 通过比较计算CRS效率值和VRS效率值就可以分离出规模效率 SE=TE/PTE 通过DEA模型可以判断被评价DMU的效率状态：有效或无效 DEA有效可分为： 强有效：生产处于这样的一种状态：任何一项投入的数量都无法 减少，除非减少产出或增加另外一种投入的数量；任何一种产出 的数量都无法增加，除非增加投入的数量或减少另外一种产出的 数量 判断标准： 弱有效：无法等比例减少各项投入的数量，除非减少产出的数量； 无法等比例增加各项产出的数量，除非增加投入的数量 可以减少某一项或几项投入数量或增加某一项或几项产出数量 判断标准： 无需考虑是否存在 松弛问题 决策单元不是DEA有效，经济活动既不是技术效率最佳，也不是规模最佳 DEA有效性的定义 “技术有效”：若生产状态（x, y）满足 ,则称生产状态（x, y）是“技术有效”的（也即输出相对输入而言已达到最大）此时，点（x, y）位于生产函数的曲面上 技术有效：相对于最优生产效率水平的目前投入要素的浪费情况 “边际报酬递减规律”：生产函数的一阶导数表现为先增后减的规律（或函数先为凸，后为凹）． 所谓“规模有效”，是指投入量x既不偏大，也不过小，是介于规模收益由递增（递增）到递减（递减）之间的一种状态（即“规模收益不变”的最佳状态） 规模有效：按照最优生产效率水平所能获得的最大产出情况 DEA有效的经济含义 技术有效还是规模有效？ DMU在CCR模型之下为DEA有效，DMU对应的生产状态（x0,y0）既为技术有效，也为规模有效． DMU在BCC模型之下为DEA有效，DMU对应的生产状态（x0,y0）为技术有效的。 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DM