2020年新版数据包络分析法(DEA模型).docxVIP

一、 数据包络分析法 数据包络分析是一种基于线性规划的用于评价同类型组织 （或项目） 工作绩效相对有效 性的特殊工具手段。这类组织例如学校、医院、银行的分支机构、超市的各个营业部等，各 自具有相同 （或相近）的投入和相同的产出。 衡量这类组织之间的绩效高低，通常采用投入 产出比这个指标， 当各自的投入产出均可折算成同一单位计量时， 容易计算出各自的投入产 出比并按其大小进行绩效排序。 但当被衡量的同类型组织有多项投入和多项产出， 且不能折 算成统一单位时， 就无法算出投入产出比的数值。 例如， 大部分机构的运营单位有多种投入 要素，如员工规模、工资数目、运作时间和广告投入，同时也有多种产出要素，如利润、市 场份额和成长率。在这些情况下，很难让经理或董事会知道， 当输入量转换为输出量时，哪 个运营单位效率高，哪个单位效率低。 1.1 数据包络分析法的主要思想 一个经济系统或者一个生产过程可以看成一个单元在一定可能范围内， 通过投入一定数 量的生产要素并产出一定数量的 “产品” 的活动。虽然这些活动的具体内容各不相同，但其 目的都是尽可能地使这一活动取得最大的“效益” 。由于从“投入”到“产出”需要经过一 系列决策才能实现，或者说，由于“产出”是决策的结果，所以这样的单元被称为“决策单 元” （Decision Maki ng Units , DMU ）。可以认为每个 DMU都代表一定的经济含义，它的基 本特点是具有一定的输入和输出， 并且在将输入转换成输出的过程中， 努力实现自身的决策 目标。 1.2 数据包络分析法的基本模型 我们主要介绍 DEA 中最基本的一个模型—— C2R 模型。 设有 n 个决策单元（ (j = 1 , 2,…， n ）,每个决策单元有相同的 m 项投入（输入） , 输入向量为 xj x 1 j , x 2 j ,L T ,x mj 0, j 1, 2, L , n 每个决策单元有相同的 s 项产出（输出） ,输出向量为 yj y 1 j, y 2j,L T , y sj 0, j 1, 2, L , n 即每个决策单元有 m 种类型的“输入”及 s种类型的“输出” 。 x ij 表示第 j 个决策单元对第 i 种类型输入的投入量；y ij 表示第 j 个决策单元对第 i 种类型输出的产出量；为了将所有的投入和所有的产出进行综合统一， 即将这个生产过程看作是一个只有一个投入量和一个产出量的简单生产过程， 我们需要对每一个输入和输出进行赋权， 设输入和输出的权向量分别为： v v1,v2,L ,vm ,u u1,u2,L ,us 。 vi 为第 i 类 型输入的权重，Ur为第r类型输出的权重。 ms 这时，则第 j 个决策单元投入的综合值为 vixij ，产出的综合值为 ur yrj ，我 r1i1 r1 们定义每个决策单元 DMU j 的效率评价指数： 1 1 hj hj r1Uryrj m i1vixij 模型中Xj , yj为已知数(可由历史资料或预测数据得到) ，于是问题实际上是确定一 组最佳的权向量v和U,使第j个决策单元的效率值 h.最大。这个最大的效率评价值是该决 j 策单元相对于其他决策单元来说不可能更高的相对效率评价值。我们限定所有的 h.值 j (j=1,2,…,n)不超过1,即max h.w 1。这意味着，若第 k个决策单兀h =1，则该决策单元相 j k 对于其他决策单元来说生产率最高，或者说这一系统是相对而言有效的；若 hk<1，那么该 决策单元相对于其他决策单元来说， 生产率还有待于提高， 或者说这一生产系统还不是有效 的。 根据上述分析，第j0个决策单元的相对效率优化评价模型为: s max"1Uryrj0 max" r 1 m i1Vixij0 s 1Uryrj ms.t 「V m s.t 「ViXij i 1 T v M,V2,L ,Vm 0 T U U1,U2,L ,Us 0 这是一个分式规划模型，我们必须将它化为线性规划模型才能求解。为此令 ，r ，r tUr , ViXij。 wi tvi 则模型转化为: 写成向量形式有maxhj。r 1ms.t 写成向量形式有 maxhj。 r 1 m s.t WiXij0 i 1 r'Wi r y rj0 i1wixj 0, j 1,2,…,n 0, i 1,2,..m; r 1,2,...,s max hj0 TY0 TYj wTX j 0s.t. wTX 0 1 j 1,2,..., nw 0, 0 线性规划中一个十分重要， 也十分有效的理论是对偶理论， 通过建立对偶模型更易于从 理论及经济意义上作深入分析,其对偶问题为： min n jxj x0 j1 n S.t. j1 jyj y0 j 0,j 1,2