中图网文创礼盒,买2个减5元
欢迎光临中图网 请 | 注册
> >
数据包络分析交叉效率评价理论、方法及应用

数据包络分析交叉效率评价理论、方法及应用

出版社:科学出版社出版时间:2023-03-01
开本: B5 页数: 220
本类榜单:自然科学销量榜
中 图 价:¥89.3(7.5折) 定价  ¥119.0 登录后可看到会员价
加入购物车 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

数据包络分析交叉效率评价理论、方法及应用 版权信息

  • ISBN:9787030740298
  • 条形码:9787030740298 ; 978-7-03-074029-8
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

数据包络分析交叉效率评价理论、方法及应用 本书特色

适读人群 :项目管理、工程管理、决策分析等领域的政府公务人员、企业管理人员、高等院校师生、科研院所人员及相关工作者本书将多属性决策、博弈理论和交叉效率评价方法相结合,提出一系列交叉效率的改进和拓展模型,并且将相关理论成果运用到实际问题中去。

数据包络分析交叉效率评价理论、方法及应用 内容简介

现有交叉效率评价方法存在一些不足,比如传统DEA模型会存在多重很优解,从而导致交叉效率存在不专享性问题;平均交叉效率值方案使平均权重与平均交叉效率值失去相应的关联,不能帮助决策者提出改进决策单元效率的方案;决策单元之间可能存在竞争、合作甚至竞争合作同时存在的情形,现有的交叉效率方法很少考虑到这些情况。针对这些弊端,本书将多属性决策、博弈理论和交叉效率评价方法相结合,提出一系列交叉效率的改进和拓展模型,并且将相关理论成果运用到实际问题中去。

数据包络分析交叉效率评价理论、方法及应用 目录

目录
前言
**部分 基础知识篇
第1章 绪论 3
1.1 研究背景和意义 3
1.2 本书主要内容 5
1.3 研究框架 6
参考文献 6
第2章 交叉效率理论、方法和应用现状 8
2.1 理论基础 8
2.1.1 DEA简介 8
2.1.2 DEA交叉效率评价及问题描述 12
2.2 DEA排序的相关研究 14
2.3 DEA交叉效率评价相关研究 15
2.3.1 次级目标模型 16
2.3.2 扩展性交叉效率模型 18
2.3.3 DEA交叉效率集结研究 18
2.3.4 DEA交叉效率评价的应用 19
参考文献 19
第二部分 交叉效率二次目标模型篇
第3章 基于偏移量视角的交叉效率二次目标模型 25
3.1 交叉效率评价方法 25
3.2 交叉效率评价方法中不同的二级目标 27
3.2.1 偏移量模型 27
3.2.2 *小化理想点偏移量之和 28
3.2.3 *小化*大的d-非有效度 28
3.2.4 *小化平均绝对离差 29
3.3 实例分析 31
3.3.1 中国城市实例 31
3.3.2 疗养院实例 33
3.4 本章小结 34
参考文献 34
第4章 基于权重平衡视角的交叉效率二次目标模型 35
4.1 传统交叉效率方法和问题描述 35
4.2 权重平衡交叉效率模型 37
4.2.1 权重平衡二次目标模型 37
4.2.2 实例分析 39
4.3 本章小结 43
参考文献 43
第5章 基于理想和非理想目标的交叉效率二次目标模型 44
5.1 传统仁慈性和侵略性模型 44
5.2 交叉效率目标确定模型 47
5.3 扩展性次级目标模型 48
5.3.1 改进的仁慈性和侵略性模型 48
5.3.2 中立性模型 50
5.4 算例 52
5.5 本章小结 54
参考文献 54
第三部分 博弈交叉效率方法篇
第6章 竞争型组织的交叉效率评价及纳什均衡 59
6.1 引言 59
6.2 问题描述 59
6.3 DEA博弈交叉效率模型 60
6.4 求解博弈交叉效率的算法 62
6.4.1 算法 63
6.4.2 算法的收敛性 63
6.4.3 算例 65
6.5 纳什均衡 67
6.6 在带偏好投票问题和R&D项目选择问题中的应用 69
6.6.1 带偏好投票问题 69
6.6.2 R&D项目选择问题 70
6.7 本章小结 73
参考文献 73
第7章 基于帕累托改进的DEA交叉效率评价 75
7.1 引言 75
7.2 帕累托*优交叉效率评价模型 75
7.2.1 帕累托*优性检验模型 75
7.2.2 交叉效率帕累托改进模型 77
7.3 算法与公共权重 78
7.3.1 算法 78
7.3.2 公共权重 81
7.3.3 算例 82
7.4 研发项目选择和疗养院绩效评价的案例研究 83
7.4.1 研发项目选择 83
7.4.2 疗养院绩效评价 88
7.5 本章小结 89
参考文献 90
第8章 竞合型组织的交叉效率评价方法 91
8.1 引言 91
8.2 基于竞争合作对策的交叉效率方法 91
8.2.1 问题描述 91
8.2.2 竞争合作交叉效率模型 92
8.2.3 竞争合作交叉效率模型求解过程 93
8.3 实例分析 93
8.3.1 酒店和选取的指标描述 93
8.3.2 酒店效率分析 95
8.3.3 连锁系统分析 97
8.3.4 讨论 98
8.4 本章小结 98
参考文献 99
第9章 考虑权重约束的博弈交叉效率评价方法及奥运会参赛国效率评价 100
9.1 引言 100
9.2 现有文献综述 101
9.3 交叉效率评价方法 103
9.3.1 交叉效率 104
9.3.2 参考基准的识别 105
9.4 基于交叉效率评价方法的奥运会参赛国效率评价结果分析 105
9.4.1 效率分析 106
9.4.2 参考基准分析 114
9.5 改进的博弈交叉效率评价方法 116
9.6 基于博弈交叉效率评价方法的奥运会参赛国效率结果分析 120
9.7 本章小结 132
参考文献 132
第四部分 交叉效率集结方法篇
第10章 基于熵的交叉效率集结方法 137
10.1 引言 137
10.2 问题描述 137
10.3 考虑Shannon熵的交叉效率集结方法 138
10.3.1 定义交叉效率熵值 138
10.3.2 基于距离熵的交叉效率集结模型 139
10.4 实例说明 141
10.4.1 柔性制造系统 141
10.4.2 机器人评价与选择 143
10.5 本章小结 145
参考文献 146
第11章 基于改进TOPSIS的交叉效率集结方法 147
11.1 引言 147
11.2 改进TOPSIS的交叉效率排序方法 147
11.2.1 传统的TOPSIS 147
11.2.2 改进的TOPSIS 148
11.2.3 基于改进TOPSIS的交叉效率排序方法 149
11.3 算例分析 150
11.4 本章小结 151
参考文献 151
第12章 基于Shapley值的交叉效率集结方法 153
12.1 引言 153
12.2 交叉效率集结对策描述 153
12.2.1 基本模型 153
12.2.2 联盟博弈及其性质 154
12.2.3 联盟博弈的解及其Shapley值 155
12.3 *终交叉效率集结方法计算步骤 156
12.4 算例 156
12.5 本章小结 158
参考文献 158
第13章 基于核子解的交叉效率集结方法 159
13.1 引言 159
13.2 联盟博弈的解及其核子 159
13.3 联盟博弈核子解的计算方法 160
13.4 算例 161
13.5 本章小结 162
参考文献 162
第五部分 其他多维视角交叉效率研究篇
第14章 基于排序优先原则的交叉效率评价 165
14.1 引言 165
14.2 基于排序优先的交叉效率评价方法 165
14.3 带偏好投票问题实例 168
14.4 本章小结 170
参考文献 170
第15章 基于满意度的DEA交叉效率评价 172
15.1 引言 172
15.2 满意度 172
15.3 基于满意度的max-min权重选择模型 174
15.4 算法 176
15.4.1 线性求解模型的算法 176
15.4.2 保证权重唯一性算法 178
15.4.3 算例 181
15.5 技术选择应用 184
15.5.1 案例背景 184
15.5.2 评价和选择结果 185
15.5.3 不同方法的进一步对比 187
15.6 本章小结 188
参考文献 188
第16章 区间数据的交叉效率评价 190
16.1 引言 190
16.2 区间DEA模型 190
16.3 区间交叉效率评价方法 192
16.4 区间交叉效率集结方法 193
16.5 实例分析 195
16.5.1 算例1 195
16.5.2 算例2 196
16.6 本章小结 198
参考文献 198
第17章 基于博弈交叉评价的多属性排序方法 199
17.1 引言 199
17.2 模型 199
17.3 算例 201
17.4 本章小结 203
参考文献 203
附录 204
展开全部

数据包络分析交叉效率评价理论、方法及应用 节选

第1章 绪论   1.1 研究背景和意义   数据包络分析(Data Envelopment Analysis,DEA)是由Charnes等(1978)提出的一种用于组织效率评价的非参数生产分析方法。该方法可用于评价一组具有多投入多产出的同质决策单元(或组织)(Decision-Making Unit,DMU)的效率(Cook et al.,2009;Thanassoulis et al.,2011;Cook et al.,2013;Yang et al.,2014)。DEA的核心思想是每个DMU选择自身*偏好的投入、产出权重来计算自身的加权产出与加权投入的比值,这个比值定义为该DMU的效率(Wang and Chin,2010;Ghasemi et al.,2014)。每个DMU在保证所有DMU的加权产出与加权投入比值都不大于1的情况下,选择一组权重使得自身的这一比值*大化,这组所选权重就是该DMU的*偏好权重。每个DMU通过上述方法确定自身的*偏好权重以计算自身效率值,效率值为1的DMU被称为DEA(弱)有效DMU,效率值小于1的DMU则称为DEA无效。由于DEA能很好地识别*优生产前沿并对DMU进行排序,它被广泛应用于学校(Charnes et al.,1994)、医院(Mitropoulos et al.,2015)、银行(Wang et al.,2014;Paradi et al.,2011)等组织的标杆选择和效率评价。   然而,传统的自评DEA模型(CCR模型或BCC模型)允许每个DMU在选择投入、产出权重时有完全的自由度,即每个DMU能够选择自身*偏好的权重进行自评,这会导致很多的DMU被评价为DEA有效,而DEA有效DMU的效率值都为1,这就使得它们不能被进一步区分与排名。因此,传统DEA模型的一个不足之处在于它不能有效区分DEA有效DMU(Wang and Chin,2010)。此外,这种完全自由的权重选择还会导致评价中可能使用不合理的投入、产出权重,如使用的权重中含有很多零权重、不同指标的权重之间差距特别大。为了解决上述问题,Sexton等(1986)将互评模式引入DEA的评价之中,并提出了DEA交叉效率评价方法。在DEA交叉效率评价方法中,每个DMU使用自身*优权重计算得到一个自评效率,还使用其他 个DMU选择的权重评价计算得到 个他评效率(n是DMU的数量)。对每个DMU的自评效率和他评效率的值求均值,就可得到该DMU的交叉效率值。DEA交叉效率方法的使用带来三个方面的优势:**,该方法通常能对所有的DMU进行全排序(Doyle and Green,1995);第二,它在没有引入权重约束的情形下,避免了不合理权重的使用(如使用零权重、差异很大的权重等);第三,它能有效区分群体中表现好的或不好的DMU(Boussofiane et al.,1991)。由于DEA交叉效率方法具有上述优势,它被学者广泛研究并应用于疗养院绩效评估(Sexton et al.,1986)、偏好评价与项目选择(Green et al.,1996)、柔性系统的选择(Shang and Sueyoshi,1995)、智能机器评价(Sun,2002)、运营商效率评估与蜂窝制造系统中的劳动力分配效率分析(Ertay and Ruan,2005)、奥运会参与国的绩效排名(Wu et al.,2009)、公共采购中的供应商选择(Falagario et al.,2012)、股票市场中的投资组合选择(Lim et al.,2014)、航空公司的能源绩效评估(Cui and Li,2015)等。   尽管DEA交叉效率评价方法具有诸多优势且被广泛应用,但它仍存在不足之处。其中,一个主要的问题就是*优权重不唯一性(或评价结果不唯一性)。具体而言,每个DMU使用CCR模型所选择的*优权重可能不是唯一的,这可能会导致交叉效率评价结果不唯一。因为DMU在选择不同*优权重进行效率评价时,交叉效率评价结果也会不同,这会让决策者很难确定哪组评价结果应当被选择作为决策参考。为了解决*优权重不唯一性问题,Doyle和Green(1994)提出使用次级目标模型(Secondary Goal Model)。即在保证DMU自评效率*优的情况下,选择那些能使各种次级目标*优化的*优解以减小*优权重的可行域或保证*优权重的唯一性。基于次级目标的思想,学者提出了很多次级目标模型。*有代表性的次级目标模型是由Doyle和Green(1994)提出的侵略性模型(Aggressive Model)和仁慈性模型(Benevolent Model)。这两个模型在提出后被广泛应用并拓展(Liang et al.,2008;Wang and Chin,2010)。然而,在仁慈性模型、侵略性模型以及它们的扩展模型中所使用的DMU理想交叉效率目标不一定可行(即DMU的交叉效率不能达到这个理想效率目标)。此外,据本书所知,尽管目前学者做了大量次级目标模型的研究,但鲜有研究提出一定能保证*优权重唯一性的方法。   目前,大多数DEA交叉效率的研究都集中于解决*优权重不唯一性问题,很少有研究考虑评价结果是否让DMU满意以及如何提高DMU对评价结果的接受性等问题。具体而言,不同的*优权重选择会导致不同的评价结果,在保证*优权重唯一性的情况下,仍需要考虑提出合理的理论和模型使得评价结果更容易被DMU接受。例如,一个典型的问题就是DEA交叉效率的评价结果通常不是帕累托*优的(Wu et al.,2011),即在其他DMU交叉效率值不减少的情况下,至少有一个DMU的交叉效率值能提升。这一问题会使得评价的结果不易被DMU所接受,尤其是对于那些交叉效率值可进一步提高的DMU。   上述讨论表明,DEA交叉效率方法有诸多的应用背景。但是仍有很多理论工作需要进一步完善,以弥补该方法的不足。因此,提出新的DEA交叉效率评价(Cross-Efficiency Evaluation,CREE)方法或模型来解决目前DEA交叉效率评价方法中的不足具有重要的意义。这也是本书的主要研究动机,即本书旨在提出新的DEA交叉效率评价方法,以期得到更合理、更被DMU广泛接受的DEA交叉效率评价结果。   1.2 本书主要内容   本书将理论研究与实践应用相结合,首先针对现有交叉效率方法存在的一些不足给出理论改进方法,之后将提出的理论方法应用于现实案例中。本书主要从五个部分对环境效率进行系统的分析和总结,概述如下。   **部分对研究背景和理论知识进行介绍。该部分主要包含2章内容:首先,对研究背景和意义进行详细阐述;其次,对交叉效率方法的基本理论和相关研究进行介绍和回顾梳理。   第二部分系统性地研究交叉效率二次目标模型。该部分主要包含3章内容:首先,基于偏移量视角构建了三种不同交叉效率二次目标模型,每种模型都将通过算例进行演示;其次,基于权重平衡视角,提出改进交叉效率模型来尽可能降低加权投入或产出之间的离差,使其在效率评价过程中尽可能发挥*大作用,提出的模型通过实际算例进行演示和详细说明;*后,基于考虑每个DMU的理想和非理想交叉效率目标,提出新的仁慈性与侵略性交叉效率模型和中立性模型,并通过使用算例,将提出的模型与传统模型进行比较。   第三部分系统性地研究了博弈交叉效率方法。该部分主要包含4章内容:首先,每个决策单元将被看作博弈中的参与人,每个参与人在其他决策单元效率不受损害的情况下*大化自身的效率值,在此基础上提出DEA博弈交叉效率模型,提出算法来求解博弈交叉效率,并证明该博弈交叉效率值就是纳什均衡解;其次,提出帕累托*优性检验模型和交叉效率帕累托改进模型,以改进DMU的交叉效率值,并给出得到帕累托*优交叉效率值的算法;再次,提出了同时考虑竞争和合作博弈的交叉效率模型,并通过中国台湾连锁酒店的例子验证该模型的有效性;*后,通过权重约束对博弈交叉效率方法进行拓展,并将其应用于奥运会参赛国的效率评价。   第四部分系统性地研究了交叉效率集结方法。该部分主要包含4章内容:首先,从多属性决策概念出发,提出基于距离熵的交叉效率集结模型;其次,提出一种基于改进TOPSIS的交叉效率排序方法,通过构造优化模型直接计算交叉效率值的集结客观权重;再次,将各个决策单元作为合作博弈的局中人,定义各子联盟的特征函数值,通过计算该合作博弈中各决策单元的Shapley值,从而得到各决策单元在*终评价中的权重;*后,通过合作博弈中的核子解来确定*终的交叉效率权系数。   第五部分系统性地研究了其他多维视角交叉效率方法。首先,提出集中考虑排序优先的二次目标交叉效率评价方法,并在此基础上确定*终的交叉效率值;其次,在提出的DMU对于其他DMU的*优权重满意度的概念的基础上,提出满意度的DEA交叉效率方法,并给出了相应的算法;再次,提出考虑区间数据的交叉效率方法,并提出区间TOPSIS方法对所有决策单元的区间交叉效率进行集结排序;*后,提出多属性博弈交叉效率方法,并通过算例验证该方法的有效性。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
浏览历史
编辑推荐
返回顶部
中图网
在线客服