基于DEA交叉效率评价电商企业效益评价.docVIP

基于DEA交叉效率评价电商企业效益评价 　　摘 要：电商企业日益增多，越来越多的人选择在网上消费和购物，给企业带来了很大的利润，但同时电商企业的效率还未达到令人满意，因此有必要通过电商企业的效率评价，找出综合发展效率较高的企业，为其他企业的运营提供借鉴；另一方面针对企业效率评价方法多为定性分析，采用定量的DEA方法，并在传统DEA的基础上，提出有效改进DEA中自身最优的交叉效率评价方法。最后，选取了10家电商平台上的卖家，并设置了相关的评价指标，分别运用两种模型对其进行效率评价，得出按发展效率进行的电商企业有效排序结果。 　　关键词：数据包络分析；交叉效率；效益评价 　　一、引言 　　随着电子商务的不断发展，电商企业不断增多，网络消费群体也在不断扩大，并且越来越多的企业由传统行业转型为电商企业，这给企业带来了丰厚的利润，但是企业在一味追求利润的同时也需要考虑投入产出效率。某知名电商平台上商家的效益可视为多指标投入和产出的系统，商家效益好坏体现了企业的盈利能力的强弱，如何提高商家效益是企业关注的重点。数据包络分析法，简称DEA，以及DEA交叉效率评价法在处理多输入多输出的有效性评价方面，具有显著优势。数据包络分析法（DEA方法）是处理多输入多输出问题的基本模型，而DEA交叉效率评价法是对DEA模型的改进。文章通过阐述分析数据包络分析和数据包络分析的交叉效率评价法的基本理论，运用两种方法分别对选取的10家电商平台上的卖家进行了效益评价，将二者进行对比分析，并进行相关排序。 　　二、DEA模型介绍 　　（一）DEA 概述 　　DEA方法于1978年首次被美国运筹学家提出，其理论基础是“相对评价效率”的概念，它是对相同类型的单位或者部门，根据多指标输入和输出原则进行效益评价的新方法[1]。它在解决多目标决策等相关问题等方面非常有效。 　　采用DEA软件计算的结果以0到1区间的数字表示，1表示DEA有效，否则为非DEA有效。若某个决策单元为非DEA有效，使之与同类型的其他决策单元进行比较，看差距有多大，找出问题所在，之后做出完善。 　　现实情况下DEA的特点包括：1.DEA在确定输入输出指标的权重时具有客观性，避免了人为因素的干扰；2.DEA无需确定决策单元输入输出指标相互间的显性关系表达式；3.采用DEA方法在有些情况下是存在误差的，由于模型采用的是线性规划方法，评价结果可能由于随机项的干扰产生影响；4.所使用的评价指标对于总评价目标均具有相同的权重，指标间的重要程度被忽视了；5.每个决策单元都是以自身最优化的角度进行评价，忽视了其他企业最优情况下本企业的效率变化情况，缺少了综合的评价效果[2]。 　　（二）DEA交叉效率评价方法 　　DEA交叉效率评价是一种新的评价方法，他是将DEA当作多准则决策的其中一种排序工具的前提上产生的。交叉效率模型是1986年由Sexton等人首次提出的一种用做评估排序的新的DEA方法。交叉效率评价就是将每个决策单元的投入数据及产出数据均以其他企业效率最优时的权重进行评价，即用所有决策单元的自身最优权重值来评价每个决策单元。 　　交叉效率评价是将自我评价和其他评价进行了融合，决策单元从自身效率最优的角度和其他企业效率最大化的角度两方面进行评价[3]。从而在n个决策单元中每个决策单元都可以得到n个自身效率最优值。交叉效率评价法是在DEA方法的基础上进行改进的，在某些程度上可以看做是对DEA方法的改进和完善，最后得到了综合评价的效果。 　　假设有m种类型的输入，s种类型的输出， 　　输入指标的向量：Xi =[xi1，xi2，...，xim] 　　（i=1， 2，...， m） 　　输出指标的向量：Yi =[ yi1， yi2，...， yis ] 　　（i=1， 2，...， s） 　　n个决策单元：DMUi =[Xi， Yi ] 　　T（i=1， 2，...， n） 　　输入指标的权向量：v=[v1， v2，...， vm]，输出指标的权向量：u=[u1， u2，...， us ] 　　效率评价指数，即为DMUi的总输出与总输入的比值： 　　基于CCR模型，建立起交叉效率评价矩阵： 　　上面，主对角线的元素Eii为决策单元的自我评价值，而非主对角线的元素Eik（k≠i）为决策单元交叉评价值。输入指标和输出指标的权向量的定义方法如下所示。对于每个决策单元DMUi，可以采用下面规划模型求解（k=1，2，...n，k≠i）： 　　得出最优解： 和 ，得出交叉效率评价值： 。 　　在交叉效率评价矩阵E中，其中E的第i行是DMUi对i个决策单元的评价值，它的值越小，就会对DMUi越有利；矩阵E的第i列是i个决策单元对DMUi的评价值，它的值越大那么DMUi就会越优。