DEA(Data Envelopment analysis)是一种无需大量先验假设的数学规划方法,旨在确定同质决策单元(DMU)的相对有效性。🔍其基本流程包括: 1️⃣ 明确输入与输出指标。输入指标衡量资源使用,输出指标则反映产出结果。📋2️⃣ 收集数据并构建矩阵。整理各决策单元的数据,形成数据矩阵,每行代表一个决策单元,每列对应...
本文将介绍一种基于数据包络分析(Data Envelopment Analysis,DEA)的企业绩效评判方法。 二、数据包络分析简介 数据包络分析是一种用于评判单位(企业、组织等)绩效的方法。它以线性规划作为基本工具,通过对比多个单位的输入和产出指标,评估单位的绩效水平。DEA能够充分利用数据的信息,防止了传统评判方法中主观赋权、不合理...
数据包络分析（Data Envelopment Analysis，DEA）是一种可用于评价多输入多输出决策单元间相对效率的非参数技术效率分析方法，在各领域中得到了广泛认可和运用。自 DEA 于 1978 年由 Charnes、Cooper 和 Rhodes 首次提出以来，DEA相关理论和方法迅速发展。传统 DEA 模型（如 CCR 模型等）在每个决策单元的输出加权和输入...
提出了一种基于数据包络分析(DataEnvelopmentAnalysis,简记DEA)的新的加权灰色关联分析方法.该方法综合了DEA和灰色关联分析两种方法的优势,以灰色关联分析为中心模型,以DEA模型为辅助模型,通过DEA模型来确定每一个子因素各点关联系数的权重向量,从而计算出相对最优的关联度,实现对各因素客观的优先排序.基于DEA方法的加权...
提出了一种基于数据包络分析(Data Envelopment Analysis,简记DEA)的新的加权灰色关联分析方法。该方法综合了DEA和灰色关联分析两种方法的优势,以灰色关联分析为中心模型,以DEA模型为辅助模型,通过DEA模型来确定每一个子因素各点关联系数的权重向量,从而计算出相对最优的关联度,实现对各因素客观的优先排序。基于DEA方法的...
运用灰色关联分析确定的权重具有客观性，在DEA模型中建立灰色关联约束锥，对权重进行约束，为解决信息不充分时的赋权问题提供了一种新思路。关键词：DEA模型；灰色关联分析；约束锥 1 引言 数据包络分析(data envelopment analysis,DEA)自从1978年问世以来，由于具有显著的客观性以及对多输入—多输出结构复杂系统的适应性...
析(Data Envelopment Analysis, DEA 方法为我们提 ) 供了一种评价经济发展与环境影响相对效率的思 路, 它是以 “相对效率” 概念为基础, 根据多指标投 入和多指标产出对相同类型的决策单位进行相对 有效性或效益评价的一种系统分析方法, 其优点在 于摒弃了传统主观的赋权方法, 采用统计学方法自 动赋权, 从而可...
本文着眼于高校二级学院,通过建立DEA(Data Envelopment Analysis,简称DEA)模型,从投入产出视角对二级学院进行绩效评价.首先,我们通过阅读相关文献并参考专家意见,依托CORPS模式(Clients-Operations-Resources-Participants-Services,简称CORPS)构建绩效评价指标体系.然后,运用奇异值分解法(Single Value Decomposition,简称SVD)将...
学者们1 引言引言 数据包络分析(data envelopment analysis,DEA)自从 1978 年问世以来,由于具有显著的客观性以及对多输入—多输出结构复杂系统的适应性,在国内外得以广泛应用。但是随着研究的不断深入,不断有学者对其确定指标权重的方法提出质疑。Merja Halme(1999)等认为,传统DEA 模型的一个潜在假设是所有输入输出...
客观赋权法:根据各指标间相关关系或各指标值变异程度来确定权数,如主成分分析法、因子分析法、优劣解距离法等。目前国内外综合评价方法有数十种之多,其中主要使用的评价方法有主成分分析法、因子分析法、TOPSIS法、秩和比法、灰色关联法、熵权法、层次分析法、模糊评价法、物元分析法、聚类分析法、价值工程法、神经网络...