基于不同DEA模型组合评价方法研究.docVIP

基于不同DEA模型组合评价方法研究 　　摘要： 为了解决传统CCR模型不能对决策单元进行充分排序的难题，介绍了四种DEA模型，包括自评型、竞争型、合作型、竞合型DEA。分析每种模型的功能与现实意义，由于单独使用每种模型评价决策单元效率都存在一定的片面性，因此本文采用熵值法来确定四种方法的权重，综合考虑不同DEA模型的评价结论，从而能够对决策单元进行充分排序。文末通过一个算例来证明方法的有效性。 　　Abstract： In order to solve the problem that traditional CCR model cant rank decision making units fully， this paper introduces four kinds of DEA models including self-evaluation type， competition type， cooperation type and cooperative competition type DEA， analyses the function of each model and its practical significance. Since each model has certain one-sidedness， this paper uses entropy value method to determine the weight of the four kinds of methods， so as to be able to rank decision making unit fully. At the end of the article， an example is used to prove the effectiveness of the method. 　　关键词： 数据包络分析；交叉效率；竞争；合作；熵权 　　Key words： Data Envelopment Analysis （DEA）；cross efficiency；competition；cooperation；entropy weight 　　中图分类号：O22 文献标识码：A 文章编号：1006-4311（2013）21-0320-03 　　0 引言 　　在人类社会发展实践中，通过一段时间后往往需要对具有相同类型的决策单元（DMU）进行评价，根据评价结果对各DMU进行奖惩或寻求改进。根据DMU的“输入”数据和“输出”数据对决策单元进行效率评价，对此研究人员设计了多种评价排序方法，如SVD法、层次分析法、数据包络分析法等。其中，数据包络分析（Data Envelopment Analysis，DEA）作为一种评价一类具有多投入多产出特点的决策单元的相对效率的评价方法，越来越受到研究人员的青睐并被广泛应用于DMU的效率测度之中[1]。自Charnes等人于1978年第一次提出了DEA-CCR模型后，陆续出现大量DEA的衍生模型，如Tone提出的SBM-DEA模型[2]、Banker提出的考虑决策单元分类的分类DEA模型[3]、Jahanshahloo提出的基于最劣前沿面的DEA模型[4]和Cooper提出的处理指标数据为模糊数的模糊DEA模型等[5]。本文在前人的基础上，综合考虑CCR模型、仁慈性DEA模型和进取性DEA模型中的效率评价方法[6-8]，对得出的不同效率值进行综合考虑，对决策单元效率评价和排序提出了一种新思考。 　　1 基于主题不同关系的DEA模型 　　1.1 DEA-CCR模型 应用传统CCR模型计算一个决策单元的效率时，通过计算该单元的多指标输出的加权和与多指标输入的加权和之比来定义该决策单元的相对效率。假设有n个决策单元，每个决策单元消耗m种投入并生产s种产出。对于第j个决策单元，记其第i种投入为xij （i=1，2，…，m），第r种产出为yrj（r=1，2，…，s）。 　　对于第d个决策单元，其CCR效率θdd计算公式为： 　　θ■=max■u■y■■v■x■ 　　s.t.■u■y■■v■x■？燮1，j=1，2，…，n （1） 　　u■？叟0，v■？叟0，？坌r，i 　　式中：变量u■与v■是评价第d（d=1，2，…，n）个决策单元时赋予第r种产出与第i种投入的权重。由于θ■是利用最有利于DMUd的权重计算出来的值，因此最优值θ■为决策单元d的自我评价（self-evaluation）值。在DEA中，如果θ■达到最大值1，则称DMUd为有效的；若θ■小于1，则称DMUd为非有效。 　　但在现实问题中，一般会有很多决策单元效率值能够达到1，因此，仅用模型（1）往往不能区分这些决策单元的