数据包络分析中的若干问题研究

论文摘要

数据包络分析是一种用来度量多投入多产出决策单元相对效率的“面向数据”的新方法。由于它很少需要各种假设或其他前提条件,经济学、会计学、信息管理、运作管理等不同领域的研究者们都利用DEA方法来度量企业的技术、管理和规模效率。近年来DEA方法广泛应用于医院、大学、法院、商业农场等不同行业以及不同地区和国家的效率度量。本文关注DEA领域的几个热点问题,在已有研究的基础上进行了拓展。本文的主要创新在于:(1)提出投入导向和产出导向的改进超效率模型,从而彻底解决了已有超效率研究仍存在不可行解的情形,并对数据稳定性进行了灵敏度分析;(2)提出最小调整幅度的效率改进模型,考虑在现有投入产出水平基础上,如何进行最小幅度的调整,将无效单元投影到有效前沿面上;(3)提出基于偏好产出的资源配置模型,将额外投入配置到多个单元中,最大限度的提高偏好产出水平;(4)提出两阶段合作效率模型,调整投入在不同阶段的配置,使得两阶段系统的效率最优;(5)提出基于公共权重和标杆集的两种集成DEA排序方法。文章的组织结构如下:首先综述了数据包络分析在模型方面的发展和当前研究的进展,概括了本文的研究内容和框架结构。其次,为了克服传统超效率模型存在不可行解的情形,本文提出了VRS假设下的改进超效率模型。当传统模型无可行解时,该模型仍然可行,且得到有效DMUs的超效率;当传统模型有可行解时,该模型得到的结果与传统模型的结果相一致。本文的研究在一定程度上拓展了MalmquiSt productivity index和DEA benchmarking模型的应用范围。接着研究如何改变现有的投入产出水平,使得无效单元变为有效。提出了效率改进的一般DEA模型,研究如何通过投入产出的变动来帮助决策者进行效率改进,试图寻找最小调整幅度的投影路径来改善无效决策单元的技术效率,从而使得无效单元投影到有效前沿面,变为有效。然后研究额外投入既定的情形下,如何合理的配置资源,最大限度的提高产出水平。考虑产出中包含决策者偏好和不偏好两类产出的情形,提出一种改进的集中式资源配置模型,以期获得更多的偏好产出,同时限制不偏好产出的水平。文中还提出了基于期望效率改进的集中式资源配置准则,以此来评价不同资源配置模式之间的优劣。本文还研究了复杂生产中投入的不同配置方式对整个生产的效率以及每个阶段效率的影响。分析了投入可在不同阶段自由配置的两阶段生产过程,提出了几何平均最优意义下的两阶段合作效率模型。分别讨论了非合作环境下不同阶段占据不同地位的情形,构建了基于CCR和BCC模型的两类几何平均合作效率模型,对多阶段生产过程的技术和规模效率都进行了合理的度量。进一步提出一种基于公共权重的集成DEA模型。同时考虑所有决策单元,希望找到一组权重系数,使得所有单元的总体无效程度最小,达到系统效率最优。由于这组权重是希望所有单元的无效程度最小,即使得系统的无效程度最小,因此可以尽可能消除不同单元对权重的不同偏好,从而最大程度的被所有单元接受。另一方面,还提出了考虑决策者偏好的基于标杆集的排序方法。最后对论文全文作了总结,说明了论文的几点创新,指出了论文研究的不足之处,并对论文研究的主题在今后可能的研究方向作了展望。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 数据包络分析
• 1.1.1 CCR DEA模型
• 1.1.2 VRS DEA模型
• 1.1.3 加性DEA模型
• 1.1.4 基于松弛变量的DEA模型
• 1.1.5 Russell Measure
• 1.1.6 其他DEA模型
• 1.2 DEA研究进展
• 1.2.1 多层DEA模型
• 1.2.2 权重约束
• 1.2.3 变量分类
• 1.2.4 数据变异
• 1.2.5 DEA有效性研究
• 1.2.6 DEA与其它方法的比较
• 1.3 本文研究的主要内容
• 1.3.1 改进的超效率模型
• 1.3.2 最小调整幅度的效率改进模型
• 1.3.3 基于DEA的集中式资源配置
• 1.3.4 投入自由配置的两阶段合作效率模型
• 1.3.5 集成DEA排序方法
• 1.4 论文的框架结构
• 参考文献
• 第二章 解决无可行解的改进超效率模型
• 2.1 引言
• 2.2 超效率模型
• 2.3 新模型的提出
• 2.4 讨论
• 2.5 应用
• 2.6 结论
• 参考文献
• 第三章 最小调整幅度的效率改进模型
• 3.1 引言
• 3.2 对效率改进模型的进一步分析
• 3.3 最小调整幅度的效率改进模型
• 3.3.1 模型描述
• 3.3.2 投入产出改进的重新分配
• 3.3.3 效率改进模型的启发式算法
• 3.3.4 不同模型之间的比较
• 3.4 基于改进路径的解法
• 3.4.1 最小调整幅度的改进路径
• 3.4.2 最小调整幅度改进路径算法
• 3.4.3 数值分析
• 3.5 结论
• 参考文献
• 第四章 基于DEA的集中式资源配置
• 4.1 引言
• 4.2 考虑偏好产出的集中式资源配置
• 4.2.1 集中式资源配置DEA模型
• 4.2.2 考虑偏好产出的集中式资源配置
• 4.2.3 运算规则
• 4.2.4 产出的偏好比率的进一步讨论
• 4.2.5 集中式资源配置模型的比较
• 4.2.6 应用
• 4.3 基于期望效率改进的集中式资源配置准则
• 4.3.1 资源配置环境
• 4.3.2 构建系统单元
• 4.3.3 基于DEA模型的期望效率改进的资源配置规则
• 4.3.4 算法
• 4.3.5 应用
• 4.4 结论
• 参考文献
• 第五章 投入可自由配置的两阶段合作效率模型
• 5.1 引言
• 5.2 两阶段合作的系统模型
• 5.3 基于CCR模型的几何平均最优意义下的两阶段合作效率模型
• 5.3.1 两阶段合作几何平均效率模型
• 5.3.2 不同阶段效率的上下界
• 5.3.3 几何平均合作效率模型
• 5.3.4 数值分析
• 5.4 基于BCC模型的几何平均最优意义下的两阶段合作效率
• 5.4.1 不同阶段效率的上下界
• 5.4.2 几何平均合作效率模型
• 5.4.3 数值分析
• 5.5 结论
• 参考文献
• 第六章 集成DEA排序方法
• 6.1 引言
• 6.2 基于公共权重的集成DEA排序方法
• 6.2.1 基于公共权重的集成DEA模型
• 6.2.3 集成DEA模型中多个单元有效的情形
• 6.2.4 运算规则
• 6.2.5 实例分析
• 6.3 基于标杆集的集成DEA排序方法
• 6.3.1 基于标杆集的集成DEA模型
• 6.3.2 对标杆集的讨论
• 6.3.3 考虑标杆集中具有多个有效DMU的情形
• 6.3.4 运算规则
• 6.3.5 数值分析
• 6.4 结论
• 参考文献
• 第七章 结论与展望
• 7.1 结论
• 7.2 创新点
• 7.3 展望
• 致谢
• 在读期间发表的学术论文与取得的研究成果