两阶段分析框架下加性交叉效率的测度与分解

数据包络分析是利用对决策单元自身最有利的权重进行“黑箱”评价的方法,无法观察到系统内部因素的影响,仅从自评角度进行评价易导致以偏概全。网络DEA和交叉评价方法是近年来热门的研究话题,一方面打开了“黑箱”进行效率评价,另一方面考虑了其他决策单元对被评价单元的影响。本文借鉴加性效率分解思想,把网络DEA和交叉效率评价方法相融合,根据决策者偏好设定不同过程的优先级,从而构建在两阶段结构下的加性交叉效率模型,具体分为三种情况:整体优先、阶段一优先和阶段二优先,被评价单元的最终效率由所有交叉效率的算术平均值计算得到。最后,结合不同行业的例子说明新模型的合理性和适用性,考虑了主观因素更符合现实环境下的决策行为,结合效率分解结果探究了导致低效率的原因,为决策者提供更全面更深入的决策意见参考。

考虑理想和非理想决策单元的生态效率交叉评价方法

针对传统的交叉效率模型可能还存在多个最优解的问题,引入非期望产出构建了虚拟的理想决策单元和非理想决策单元;然后,根据经济性、环保性和社会性原则对传统交叉效率模型进行改进,提出了三种生态效率交叉评价模型;最后,将上述模型应用于中国长江经济带工业用水效率和排序结果的对比分析中,结果表明本文方法在分析生态环境问题上具有一定优势,体现出新模型的可行性和合理性。