关于DEA模型及其不良输入与输出

《关于DEA模型及其不良输入与输出》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、关于DEA模型及其不良输入与输出摘要运用数据包络分析(DEA)模型与其不可取的输入与输出来讨论DEA文学,例如,通过数据的变换。这些研究在文献中被打乱,通常局限于某些特定的应用。在这篇文章中一个系统调查的DEA模型建设提出了系统的调查不良数据。我们首先描述了通用性假设和许多不同的绩效测量存在不良的输入和输出,然后讨论不同的组合的假设和通用性的度量标准。这种做法导致统一表现的好几种DEA模型的输入干扰和/或输出。关键词：数据包络分析,不良的输入和输出,扩展通用性1.介绍在DEA文学中,这些已经存在的应用

2、与研究方法多有关于输入干扰和/或输出。我们对一些现有制备方法作了简要概括:一个直观的方法就是加上一些变换。最可接受的为f(U)=−U;所谓的添加方法采用了Koopmans的建议(1951)，不良的输入和输出将成为这个转变后的新需求。然而,数据可能会变成消极的,它不是一帆风顺的。Scheel(2001)尝试自己定义的任务,但这似乎是相当复杂的。f(U)=−U+β是另一个广泛使用的例子。然而众所周知,不止排名可能取决于β分类，另一次转型是:f(U)=1/U。作为一个非线性转型,其行为更复杂(Scheel1

3、998)。因此如何妥善选择一个合适的转变是非常重要的。也存在许多方法可避免数据的变换。例如,一个双方都认为不良的输入输出,或非期望输出有利于输入,Liu和Sharp(1999)一开始试图制定出这个方法。这是一个很有吸引力的方法，由于其简单,虽然它改变了投入产出关系物理，但其出发点是有效的希望减少需要包含输入非期望输出,并以最大的努力干扰输出和输入。如果一个人只是希望调查运作效率，从这一点看,没有必要区分输入和输出,只有最小和最大。我们将进一步扩大这种方法并讨论了它在这个工作关系的其他方式。最近有几个论

4、文对DEA消极的数据处理模型与定向距离函数。这些途径是很密切相关的模式,以加权添加剂来衡量比例的收益松弛,总是积极的、正面的。但重要的是意识到这种添加剂模型能够处理负面数据。一些简单的修改后,他们能很容易地处理不受欢迎的数据。这些问题将在以后讨论。我们的调查更加注重理论方面的这些问题。我们的主要想法是检验他们的总体框架。Liuetal(2006)提出了在那里一些基本的DEA模型的确定及说明。本文讨论自由通用性的假设和描述许多不同的业绩测量或度量函数有吸引力的不良的存在和消极的输入和输出数据。我们将讨论

5、不同的最早的组合的假设和自由的度量标准。这种方法会导致一个统一的DEA模型存在输入干扰和/或输出。我们也讨论了现有的关系。我们利用这些研究的一些想法用于Liuetal。2.最早的DEA假设自由处置持有的财产如果吸收任何额外的大量的输入没有任何减少输出总是可能的。让P生产可能集:注意,这样的自由处置只能容纳一部分,在一定程度上不能无限容纳。所以在最后的一个人将不能处理自如。处理不良的输入和输出，Ray(2004)声称,假设通用性可以随手扔掉输出的有效性概念。因此,人们必须扩展标准的通用性强的情况下不受欢

6、迎的变量。似乎存在几种可行的途径:一个可以直接延长,可归纳为:有许多实际情况最早可以观察到，取一个邮政例子,输入了正确的地址，但那些有错误的地址是错的。因此,你能产生一个给定的输出输入和一些不好的投入。3.基于DEA的模型我们会承担延长强通用性。注意最大化输出(不受欢迎的输入)和减少不良输出(理想的输入)都可以实现仅仅通过测量得出结果。最大化然后可以发现以下的线性规划问题。它可以被同样地证明,该DEA模型是单位不变,分数的确是[0,1]之间。虽然这个模型是非线性的,它可以很容易地转换成一个线性关系(2

7、001)。然而这模型不是翻译不变的，添加剂的测量围绕不良的输入和输出是可取的输出和输入,然后应用强通用性将会导致同样的模式。此外,需要指出的是,一种随意弃置的人能承担疲软,而取代基于DEA模型派生出不同类型。一般情况下,存在负数据的输入和输出是重要值得进一步讨论,然后运用在标准衡量上面。虽然技术上它应该总是可能转移到这种情况下,然而有许多人仍然喜欢的原因利用反向数据。下面我们假定所有的输入和输出,但可以是令人满意的。在席尔瓦(2004)作了简单介绍,并在此基础上定向距离函数方法,这个范围制定为定向模型

8、maxβ。处理负面数据。然后β1−给效率得分。尽管这里我们不采用这种方法，SP范围似乎可以直接应用于消极的数据。4.DEA模型和径向测量现在假设所有的输入和输出的成分都是积极的，让我们再一次先从理想的情况。利用output-oriented测量。我们会承担延长强通用性。不幸的是利用径向基础测量,一个人不能最大限度地减少输出和期望输出的理想,或理想的输入和最大限度地在同一时间内减少输入干扰。首先让我们检查两个案例,输入和输出都是可取的,这是经常遇到的应用。