基于定性指标价值位置概率估计的效率模型

为克服CKS DEA(CookKressSeiford DataEnvelopmentAnalysis)模型所采用的价值排序结构没有能力合理界定和控制决策单元之间的价值差异的缺陷,通过引入对决策单元定性指标偏好及其所处价值排序位置的概率估计,提出了一种测度决策单元相对效率的模型方法。在定性指标价值排序上,该方法采取等距价值结构,改进了CKS DEA模型所依赖的非等距价值结构。等距价值结构的引入,使决策者或有关专家对决策单元定性指标价值偏好位置进行概率估计成为了可能;更有助于分析者通过价值位置的概率估计,构造出约束DEA权重取值的合理置信域,从而提高决策单元相对效率评价的分辨性。对10个决策单元进行效率评价的实例应用表明,利用该模型评价出的效率单元只有4个,而若用CKS DEA模型进行评价则会有9个单元被评为效率单元,从而证实了提出的新模型方法具有比CKS DEA模型更好的相对效率评价分辨能力。

一种含有定性因素权重置信域的CKS-DEA改进模型

CKS-DEA模型很难对定性指标的权重予以置信域约束.其原因在于该模型在定性指标的处理上采用了不等距价值排序结构.为了解决该缺陷,本文首先提出了等距价值结构概念并给出了相应的价值排序方法.之后,通过适当改进Wong和Beasley的DEA乘子置信约束方法,给出了如何利用决策者价值判断信息对等距价值结构的价值位置权重施加控制的置信约束构造方法及CKS-DEA改进模型.最后,通过一个实例,对CKS-DEA改进模型和原模型进行了对比,证实了改进模型的有效性.