DEA交叉效率评价模型研究.docxVIP

DEA交叉效率评价模型研究

一、概述

数据包络分析（DataEnvelopmentAnalysis,DEA）作为一种非参数效率评估方法，自其1978年由Charnes、Cooper和Rhodes首次提出以来，已在多个领域得到广泛应用。其核心思想在于通过构建生产前沿面，将各生产者转化为具有相同效率的点集，并通过评估这些点的相对距离，实现对生产者效率水平的衡量。DEA模型在处理多输入多输出问题时表现出较高的灵活性和一般性，且无需预设函数形式，因此在效率评价领域具有显著优势。

传统的DEA模型在实际应用中存在一定的局限性。一方面，它只能将被评价单元区分为有效单元与非有效单元，而无法对决策单元进行优劣排序。另一方面，自评乘子体系可能会夸大被评价单元在某些投入与产出上的长处，规避其在另一些投入与产出上的短处，从而导致效率测度结果偏离实际情况。为了解决这些问题，Sexton等人在CCR模型的基础上提出了决策单元交叉效率（crossefficiency）评价方法。

交叉效率评价方法的引入，不仅弱化了经典DEA模型因自评乘子体系所导致的相对效率测度结论的极端性，而且能够对决策单元进行优劣排序评价。通过考虑各个决策单元之间的相互影响和联系，交叉效率评价方法能够更全面地揭示系统内部的隐藏关系，为管理者提供更有效的决策支持。

本文将对交叉效率评价模型进行深入研究，探讨其在不同领域中的应用价值。我们将对DEA和交叉效率评价方法的基本原理进行介绍，以便读者更好地理解后续内容。接着，我们将分析传统DEA模型存在的问题以及交叉效率评价方法如何解决这些问题。在此基础上，我们将构建一个基于交叉效率的二次目标规划模型，并通过实例验证其有效性和优越性。我们将对交叉效率评价方法的未来发展方向进行展望，以期为相关领域的研究和实践提供有益参考。

1.研究背景及意义

随着全球经济的快速发展和市场竞争的日益激烈，企业、政府部门和各类组织对于提高效率和质量的需求日益增强。数据包络分析（DataEnvelopmentAnalysis，DEA）作为一种非参数统计方法，自1978年由Charnes、Cooper和Rhodes提出以来，已广泛应用于评价决策单元（DecisionMakingUnits，DMUs）的相对效率。传统的DEA模型在评价多个决策单元时存在一些局限性，如无法有效区分有效决策单元之间的效率差异，以及对于输入输出指标的权重分配过于主观等。

为了克服这些局限性，交叉效率评价模型（CrossEfficiencyEvaluationModel）应运而生。交叉效率评价模型通过引入交叉效率矩阵，使得每个决策单元不仅以自身最优权重进行评价，还以其他决策单元的最优权重进行评价，从而能够更全面、客观地反映决策单元之间的相对效率。交叉效率评价模型还可以结合其他优化方法，如目标规划、模糊集理论等，以进一步提高评价的准确性和实用性。

本研究旨在深入探讨DEA交叉效率评价模型的原理、方法和应用，以期为我国企业和政府部门提供一种更为科学、合理的效率评价工具。具体而言，本研究将从以下几个方面展开：

1）系统梳理DEA交叉效率评价模型的理论基础，阐述其相较于传统DEA模型的优越性和适用范围

2）详细介绍DEA交叉效率评价模型的构建方法和步骤，包括输入输出指标的选取、交叉效率矩阵的求解等

3）通过实证分析，验证DEA交叉效率评价模型在我国企业和政府部门中的应用效果，并与其他效率评价方法进行对比

4）针对DEA交叉效率评价模型在实际应用中可能遇到的问题和挑战，提出相应的改进措施和建议。

本研究对于丰富和发展DEA理论体系，提高我国企业和政府部门的效率管理水平，以及推动我国经济社会持续健康发展具有重要的理论和实践意义。

2.DEA交叉效率评价模型的国内外研究现状

数据包络分析（DataEnvelopmentAnalysis，简称DEA）作为一种非参数线性规划模型，自1978年由Charnes等人提出以来，已成为评估企业、部门乃至国家经济效率的重要工具。DEA通过构造多个标准生产单位（DMU），确定最优技术和最近技术等级结果，从而衡量不同DMU之间的效率差异以及单个DMU的效率水平。传统的DEA模型主要关注单一产出或单一输入的效率，忽视了在实际情况下，企业的产出和输入往往是相互交织、相互影响的。为了解决这一问题，学者们开始关注和研究DEA的交叉效率评价模型。

在国外，关于DEA交叉效率评价模型的研究起步较早，研究内容也较为深入。Song等（2012）在全面回顾了国外相关研究后指出，交叉效率评估（CREE）方法通过使用合理的权重可以对DMU进行更完全的排名，从而解决了传统DEA方法可能存在的夸大评估结果的问题。随着CREE方法的广泛应用，也出现了一些问题，如权重不唯一和非帕累托