组织与管理研究方法中的实证分析外文论文作业

《组织与管理研究方法中的实证分析外文论文作业》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、研究生课程论文基于双边界网络DEA的供应链可持续性评价：大数据方法课程名称组织与管理研究的实证方法姓名范本贵学号1611307001专业管理科学与工程任课教师张华开课时间2016-2017学年第二学期教师评阅意见：论文成绩评阅日期课程论文提交时间：2017年6月20日基于双边界网络DEA的供应链可持续性评价：大数据方法0作业说明因本人专业为“管理科学与工程”，与课程“组织与管理研究的实证方法”所用研究方法领域不同，因此，基于本专业研究方向，以及本人兴趣点所在，故以“DEA”为主要内容进行题目选择。本文对所选外

2、文《AssessingsustainabilityofsupplychainsbydoublefrontiernetworkDEA:Abigdataapproach》进行翻译并总结，因此以下内容为本人总结，并未与原文框架、内容一一对应。1文章简介1.1摘要如今，可持续供应链管理绩效评价（SSCM）是研究人员和从业人员的一个非常重要的课题。数据包络分析（DEA）法是基于大数据对SSCM性能评价较为合适的方法，在本文中，提出了计算有效和无效的NDEA模型，此模型可以计算效率的多阶段过程，并可以处理不期望的输出。关

3、键词为：NDEA；积极有效；悲观有效；不期望输出1.2引言供应链管理（SCM）只注重经济指标而忽视社会和环境标准。然而，在可持续的供应链管理（SSCM）中，管理者关注三个方面，包括社会、环境、经济指标。评估SSCM是组织中的一个重要问题。目前，大数据技术日益成熟，引发了信息管理专家的需求。也有相关研究表明，供应链的可持续性和大数据有密切联系，可以结合起来进行研究。DEA在管理的决策单元的相对效率进行科学评价方面，是一种最流行的方法。然而传统经典的DEA模型，假定所有的输出都是好的，但实际情况是，输出也有可能是

4、坏的，如浪费和污染是不可取的输出，因此，传统DEA模型对决策单元内部相互作用不纳入交流计数，决策单元被视为黑盒，无法对其内部结构进行探讨。在本文中我们提出了NDEA模型，弥补了这方面的不足，在积极的效率值得分方面，决策单元的有效得分与有效边界进行比较，同理，在消极的效率值方面，决策单元的无效得分与无效边界进行比较。此模型可以在存在不良产出的情况下，测量运算SSCM悲观的效率得分，积极效率得分，以及整体得分，具体创新点如下：（1）合并了NDEA和双边界的DEA模型（2）运用此模型对供应链的可持续性进行评价（3）

5、我们处理不希望有的产出。（4）我们对决策单元进行排名（5）案例研究。2研究内容数据包络分析(简称DEA)法是运筹学、管理科学和数理经济学交叉研究的一个新的领域,是使用数学规划评价具有多个输入与输出的决策单元(简记为DMU)间的相对有效性(DEA有效),即判断DMU是否位于生产可能集的“前沿面”上，使用DEA对DMU进行效率评价时,可以得到很多在经济学中具有深刻经济含义和背景的管理信息。但是传统的DEA模型只能评价多个决策单元的整体的相对有效性，而没有考虑在存在不期望输出情况下的积极效率与悲观效率，以及整体的效

6、率。因此，本文研究内容为，针对传统DEA模型的不足，完善并提出NDEA模型，并对供应链的可持续性进行评价，包括积极效率、悲观效率、整体效率得分。3研究方法3.1积极效率为计算网络的相对效率，Cook等人（2010）提出了NDEA模型。图1描述了一个典型的网络。现在，假设有一组DMU（j=1，...，J）。符号定义如下：x.输入向量到第1阶段，其权重由V1i显示。zphj2,h=1,...S离开阶段p-1并输入到阶段p的输出微量，并且我们通过ηph显示其权重。yprj1,r=1,...R,退出阶段p的输出向量及

7、其权重由Upr显示。yptj4,t=1,...T，它的权重由μpt显示的不合需要的输出向量。DMUj的效率比可以如下测量：每个阶段的权重是整个输入阶段的消费比例，如下所示：通过效率分数乘以权重，我们得到的总体效率如下：模型4测量每个决策单元（供应链）的效率值。如果效率得分等于1，评估中的DMU是有效的。另一方面，如果小于1，则评估的DMU效率低下。模型结果（4）产生乐观效果评分。请注意，Cook等人提出的NDEA模型（2010）可以计算出乐观的效率，不能评估悲观的效率。此外，他们的模型不考虑不期望的产出。在本

8、文中，我们评估乐观效率，悲观效率和总体效率存在不良产出。3.2悲观效率王和钦（2009）首次开发了双边DEA模型。双边界DEA模型计算两种效率得分。第一个评估DMU给予效率前沿，并被称为乐观效率评分。下一个计算给出低效率前沿的DMU，并被称为悲观效率得分。传统的DEA模型评估DMU的最佳相对效率，不评估悲观的效率。因此，他们不能整体评估DMU。通过考虑到乐观和悲观的效率，所有DMU都可以被完全排名。