数据包络分析DEA方法.docxVIP

二、 数据包络分析 (DEA) 方法 数据包络分析 (data envelopment analysis, DEA) 是由著名运筹学家 Charnes, Cooper 和 Rhodes 于 1978 年提出的，它以相对效率概念为基础， 以凸分析和线性规划为工具， 计算比较具有相同类型的决策单 元 (Decision making unit ， DMU)之间的相对效率，依此对评价对象做出评价 。 DEA 方法一出现，就以 其独特的优势而受到众多学者的青睐，现已被应用于各个领域的绩效评价中 [2], [3] 。在介绍 DEA方法的原理 之前，先介绍几个基本概念 : 1. 决策单元 一个经济系统或一个生产过程都可以看成是一个单位 ( 或一个部门 ) 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。虽然这种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，所以这样的单位 ( 或部门 ) 被称为决策单元 (DMU)。因此，可以认为，每 DMU(第 i 个 DMU常记作 DMUi) 都表现出一定的经济意义，它的基本特点是具有一定的投入和产出，并且将投入转化成产出的过程中，努力实现自身的决策目标。 在许多情况下， 我们对多个同类型的 DMU更感兴趣。 所谓同类型的 DMU，是指具有以下三个特征的 DMU 集合：具有相同的目标和任务；具有相同的外部环境；具有相同的投入和产出指标。 生产可能集 设某个 DMU在一项经济 ( 生产 ) 活动中有 m项投入，写成向量形式为 x (x1,L , xm )T ；产出有 s 项，写成 向量形式为 y ( y1 ,L , ys )T 。于是我们可以用 (x, y ) 来表示这个 DMU的整个生产活动。 定义 1. 称集合 T {( x, y) | 产出 y能用投入 x生产出来 } 为所有可能的生产活动构成的生产可能集。 在使用 DEA方法时，一般假设生产可能集 T 满足下面四条公理 : 公理 1( 平凡公理 ): ( xj , y j ) T , j 1, 2 ,L , n 。 公理 2( 凸性公理 ): 集合 T 为凸集。 如果 (x j , n , n , y j ) T , j 1, 2 , L 且存在 j0 满足j 1 j 1 n n 则 (j 1 j xj , j 1 j yj )T 。 公理 3( 无效性公理 ) ：若 x, y ? ? ? ? T 。 ， , 则 (x , y) 公理 4 ( 锥性公理 ): 集合 T 为锥。如果 x, y T 那么 (kx, ky) T 对任意的 k 0 。 若生产可能集Ｔ是所有满足公理 1 , 2 , 3 和 4 的最小者，则 T 有如下的唯一表示形式 n  n T  x, y |  xj j  x ,  y j  j  y ,  j  0 , j  1 , 2 ,L  , n  。 j 1  j 1 技术有效与规模收益 (1) 技术有效：对于任意的 (x, y) T ，若不存在 y y ，且 ( x, y ) T ，则称 (x, y) T 为技术有效的生 产活动。 (2) 规模收益：将产出和投入的同期相对变化比值 k Vy / Vx 称为规模效益。若 k 1 ，说明规模收益 y x 递增，这时可以考虑增大投入；若 k 1 ，说明规模收益递减，这时可以考虑减小投入；若 k 1 ，说明规 模收益不变，且称为规模有效。 （一） DEA 方法原理与 CCR模型 DEA 方法的基本原理是：设有 n 个决策单元 DMU j ( j 1,2, L , ) n ，它们的投入，产出向量分别为： X j ( x1 j , x2 j ,L , xmj )T 0, ， Yj ( y1 j , y2 j ,L , ysj )T 0, j 1,L , n 。由于在生产过程中各种投入和产出的地位 与作用各不相同，因此，要对 DMU进行评价，必须对它的投入和产出进行“综合”，即把它们看作只有一 个投入总体和一个产出总体的生产过程，这样就需要赋予每个投入和产出恰当的权重。假设投入、产出的 权向量分别为 v (v1 , v2 ,L , vm )T 和 u (u1,u2 ,L ,us )T ，从而就可以获得如下的定义。 s T ur yrj 定义 2. 称 j u Yj r 1 , ( j 1,2,L n) 为第 j 个决策单元 DMU j 的效率评价指数。 v T X j m vi xij i 1 根