文档介绍:DEA(DataEnvelopmentAnalysis)数据包络分析目录一、DEA的起源与发展(参考网络等相关文献) 2二、基本概念 2决策单元(DecisionMakingUnit,DMU) 2生产可能集( ProductionPossibilitySet,PPS) 3生产前沿面( ProductionFrontier) 3效率(Efficiency) 4三、模型 5CCR模型 5BBC模型 5FG模型 5ST模型 5加性模型(additivemodel,简称ADD) 5基于松弛变量的模型 (Slacks-based Measure,简称SBM) 5其他模型 5四、指标选取 6五、DEA的步骤(参考于网络) 6六、优缺点(参考一篇博客) 7七、非期望产出 7非期望产出的处理方法: 8非期望产出的性质: 8八、DEA几个注意点 9九、DEA相关文献的总结 9能源环境效率 9碳减排与经济增长 10关于工业、制造业、产业的 DEA 10关于企业的 DEA 12一、DEA的起源与发展(参考网络等相关文献)数据包络分析(DEA)是一种常用的效率评估的方法,用以评价一组具有多个投入、多个产出的决策单元( DecisionMakingUnits,DMUs)之间的相对效率。1978年,(查恩斯),(库伯)(罗兹)提出了第一个DEA模型,R模型。该模型在评价多投入多产出DMU的规模有效性和技术有效性方面十分有效。1985年,,,(格拉尼),(赛福德)(斯图茨)给出另一个模型,称为 C2GS2模型,这一模型用来研究生产部门间的“技术有效性”。1987年,,,魏权龄和黄志明又得到了称为锥比率的数据包络模型C2WH模型。这一模型可用来处理具有过多的输入及输出的情况, 而且锥的选取可以体现决策者的“偏好”,灵活地应用这一模型,可以将 C2R模型中确定出的DEA有效决策单元进行分类或排队。此后,在国内外学者们的共同努力下, 不断有新的DEA模型问世,DEA方法也得以不断完善和发展。随着理论研究的进一步深入,DEA的应用领域日益广泛,成为社会、经济和管理领域的一种重要而有效的分析工具, 并取得了许多应用成果。二、基本概念主要参考的是这两篇文章:杨国梁,刘文斌,郑海军 .数据包络分析法(DEA)综述[J].系统工程学报,2013,28(6):840- [D].中国科学技术大学博士学位论文,(DecisionMakingUnit,DMU)DMU是效率评价的对象,可以理解为一个将一定“投入”转化为一定“产出”的实体。每个 DMU都在生产过程中将一定数量的生产要素转化成产品,努力实现自身的决策目标,因此他们都表现出一定的经济意义。 DMU的概念是广义的,可以是工厂、银行等 盈利性组织,也可以是学校、医院等 非营利性组织。在多数情况下,我们说的 DMU指的是同质的(或同类型的)个体,也即具有以下特征的DMU:(1)具有相同的目标;(2)具有相同的外部环境;(3)具有相同的投入和产出指标。同质性保证了决策单元之间的可比性和评价结果的公平性。 但当我们进一步把“黑箱”打开,深入研究决策单元的内部结构和子单元的生产效率时,有时会涉及非同质决策单元。例如:隶属于同一公司的若干个分公司, 虽然他们具有相同的投入和产出,但由于地理位置的原因而处于不同的外部环境中。 总部在进行绩效考评时,必须釆取合适的方法处理分公司非同质的问题,以刺激内部竞争,从而提高整体效率。Castelli等人(2001)曾建立DEA-like模型来评价非同质的多个决策单元。生产可能集(ProductionPossibilitySe,t PPS)记X、Y为某个DMU在其生产活动中的投入、产出向量,则可以用( X,Y)来表示这个DMU的整个生产活动。考虑n个DMU单元,单元DMU(js个产出Yrj(r=1,2,3⋯,s)。j=1,2,3⋯,n)有m个投入Xi(ji=1,2,3⋯,m),构成的生产可能集合。根据Banker的研究,生产可能集需要满足四个假设:假设1表明生产可能集T是一个凸集;假设2即若以原投入的 k倍进行生产,可以得到原产出 k倍的产出;假设3即在原来的生产活动的基础上增加或减少产出的生产总是可能的。假设 2还分为2-1收缩性假设0<k≤1,2-2扩张性假设k≥1。在DEA模型中,R模型,BCC模型,FG模型,ST模型。TCCR,TBBC,TFG,TST,分别对应定义1:称集合T={(X,Y)|产出Y能用投入X生产出来}R满足假设1-4,TB