基于DEA生产可能集交形式的交叉效率测度

因效率标准并不单一,数据包络分析(DEA)所测度的相对有效性存在某种片面性,引发了交叉效率相关研究。不过,交叉效率在计算方面尚存在一些难点问题有待进一步探讨,特别是交叉效率的唯一性问题已成为系列研究的焦点所在。考虑到DEA生产可能集具有交形式,相应的前沿超平面有限而确定,可作为交叉效率测度的基本标准。因此,在DEA生产可能集的交形式下计算交叉效率,可以确保交叉效率的客观性与唯一性。算例表明,利用这一程式测算交叉效率具有便捷可行性。

关于DEA生产可能集交形式的一点注记

DEA生产可能集具有两种等价形式:和形式与交形式。DEA生产可能集拟合理论生产函数是以一阶线性逼近方式进行的。在这一解释下,交形式的DEA生产可能集与理论生产函数受限凸集之间具有良好的对应关系,从而提供了一种新的估计生产函数具体形式的技术路线。

DEA的交形式生产可能集及其应用

DEA理论、模型及方法可用以评价给定决策单元之间的相对有效性,其在经济学中的应用体现在经验生产可能集的构造上.DEA的生产可能集有两种等价形式—和形式及交形式.相比较而言,交形式更具几何直观性及计算便利性.

生产前沿面的规模收益结构分析

文章运用DEA理论中的"交形式"生产可能集,从生产前沿面的结构角度,根据规模收益的"动态"判别方法,对处于不同规模收益状态下的生产前沿面以及各规模收益状态之间的前沿"交界面"进行分析,并对相应的生产前沿面及前沿"交界面"的特征给予刻画,从而为研究整个生产过程的规模收益现状和发展趋势以及决策单元规模收益状况的变动范围提供有利的理论依据。

DEA交叉效率评价下的层次分析模型

DEA方法与AHP方法各具优点,两者有机结合有望实现全部决策单元的合理排序。文章首先利用DEA生产可能集的交形式确定绩效测评的参照标准;对每一参照标准进行标杆赋值,并利用标杆值对绩效测评标准进行相对重要性评估;再分别利用不同绩效测评标准对每个决策单元进行绩效测评;最后计算每一个决策单元的综合分值,并给出其排序。

DEA的非参数规模收益预测方法

本文运用"交形式"生产可能集,对于具有多种生产要素投入的"生产部门",给出非参数方法所确定的多个变量的生产函数,进而讨论了当投入规模增大时,判别规模收益将处于递增、不变、递减、"饱和"和"拥挤"状态的充分必要条件。这对于每个决策单元("企业"或"部门")相对而言是否需要扩大规模和如何扩大规模给出科学的分析。

DEA与数据挖掘

使用Wei和Yan给出的凸多面体的"和形式"与"交形式"相互转化的方法,得到"交形式"的生产可能集TWY,以及由此判别相对效率的方法,研究DEA用于数据挖掘,处理具有"海量"决策单元的相对效率评价(包括技术有效性和规模收益递增、不变、递减以及"拥挤"迹象).给出的方法只需使用一个"交形式"的生产可能集,与本作者先前的"DEA评测机"相比,可以节省很多计算量.方法是对DEA评测机的一种新的改进,是对数据挖掘领域的一个补充.

规模收益状况的动态因素分析

基于DEA理论的"交形式"生产可能集,从投入增大和缩小两种角度,对多投入多产出生产系统的各种规模收益状态进行分析,研究部分投入要素变化对部分产出要素的作用效果,即对规模收益状况给予"动态"因素分析,得到判定部分投入与部分产出之间规模收益各种状态的充要条件,从而为研究规模收益各状态的产生原因提供理论依据.

DEA模型的“动态”规模收益分析与数据挖掘

仅重复使用一个"交形式"的生产可能集,利用"动态"规模收益评价方法来对海量的经济数据进行研究、挖掘,不但可以了解这些海量数据的当前规模收益状况,还可以给出其投入增大或缩小时的规模收益状况.研究是对DEA模型应用领域的拓展,也是对数据挖掘领域的补充.