数据包络法解读.pptVIP

一、产生背景 DEA的优点吸引众多的应用者,应用范围已扩展到美国军用飞机的飞行,基地维修与保养,以及陆军征兵,城市,银行 等方面.目前,这一方法应用的领域在不断地扩大.它也可以用来研究多种方案之间的相对有效性(例如投资项目的评价);研究在决策之前去预测一旦做出决策后它的相对效果如何(例如建立新厂后,新厂相对于已有的一些工厂是否为有效).DEA是对其决策单元（同类型的企业或部门）的投入规模、技术有效性作出评价，即对各同类型的企业投入一定数量的资金、劳动力等资源后，其产出的效益（经济效益和社会效益）作一个相对有效性评价。 二、DEA模型概述 二、DEA模型概述 为了便于比较，现把5个DMU的各项投入和产出按比例算好，使其产出相同，这样就可以只比较投入了。 如表二： C2R模型及其基本性质 设投入指标和产出指标的权系数向量分别为 V=(v1，v2，…，vp)T ，U=(u1，u2，…，uq)T 对每一个决策单元 k ，定义一个效率评价指标    其对偶规划为： 为了方便计算，我们引入引入剩余变量和松弛变量 小结:构建DEA 模型的思路 三.评价系统的DEA有效性 定理1 线性规划(P)及其对偶规划(D)都有可行解，因而都有最优解，并 且最优值 Vp = VD≤ 1 定理2 关于对偶规划(D)，有 ① 如果(D)的最优值VD=1，则决策单元k0为弱DEA有效；反之亦然； ② 如果(D)的最优值VD=1，并且每个最优解都满足条件： s0- = 0, s0+ = 0 ，则决策单元k0为DEA有效；反之亦然。 定理3 决策单元的最优效率指标Vp与投入指标值Xik及产出指标值Ykj的量纲选取无关。 定理4 设?为非阿基米德无穷小量，线性规划（D?）的最优解为 ?0,s0-, s0+, ?0，有 ① 若?0 =1，则决策单元k0为弱DEA有效； ② 若?0 =1，并且S0-=0, S0+ =0，则决策单元k0为DEA有效。 利用模型一次计算就能够判定决策单元是否DEA 有效。 在实际操作中，只要取 ? 足够小，例如取 ? = 10-6。用单纯形法求解，通常可利用线性规划软件( 如QSB，Lindo等 )，在计算机上实现。 四、 C2R模型应用 例：设有4个决策单元，2个投入指标和1个产出指标的评价系统，其数据如下图。判定各个决策单元是否 DEA 有效。 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 模板的使用 ① 点A将曲线分为两部分，在点A之左，y’＞0，y’’＞0，曲线是下凸的在生产函数的下凸区间，表示增加投入量可以使产出量的递增速度增加，此时称为规模收益递增，厂商有投资的积极性；在点A之右，y’＞0，y’’＜0，曲线是上凸的，在此区间，增加投入量只能使产出量增加的速度减小，此时称为规模收益递减，厂商己经没有增加投资的积极性。点A是生产函数曲线的拐点，点A所对应的决策单元，既是技术有效，也是规模有效。这是因为该决策单元减少投入量或增加投入量，都不是最佳生产规模。 ② 点C在生产函数曲线上，对应的决策单元技术有效，但不是规模有效。这是由于点C位于规模收益递减区间。 ③ 点B不在生产函数曲线之上，并位于规模收益递减区域，点B所对应的决策单元既不是技术有效，也不是规模有效。 数据包络分析（DEA） Data Envelopment Analysis 主讲： 孙玉虎 中国矿业大学徐海学院 　　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”((即：总体有效性))的十分理想且卓有成效的方法.1985年查恩