基于主成分分析的交叉环境DEA模型的应用

定义一般环境交叉互评指数,并针对现有交叉数据包络分析(DEA)模型计算指数时未能体现整体数据信息的缺点,结合主成分分析(principal component analysis,PCA)提出一种改进型交叉互评指数方法,使得每一个决策单元的评价向量依据其对评价矩阵中变异量的贡献度而赋予不同的权重;并筛除一些影响较小的信息,从而达到降维的目的,改善了交叉环境模型的评估效率。最后基于真实的能源投入与产出数据,对比传统交叉评价方法及改进型方法在计算能源效率结果上的异同。

基于信息熵的交叉环境DEA模型及其应用分析

传统DEA交叉评价方法,是将交叉评价矩阵中某一列(行)中的所有元素赋予相同的权重,然后进行简单的算术平均,得到综合评价分数。这种评价方法的缺点在于主观性过强且结果并不唯一。借鉴信息熵的概念,通过整个系统的信息构建熵距离,基于距离的大小给予矩阵中每一个评价单元动态权重,并证明这个权重为全域最优且唯一。最后,使用2012年北京市投入产出表的数据,以环境DEA模型的结果为基准,对比传统方法及改进型方法在结论上的异同并进行分析。