基于多标准多目标线性DEA绩效评价研究

数据包络分析(DEA)是一种评价相对有效性的线性规划方法,在投入-产出效率分析中被广泛应用,尤其适用于具有多输入、多输出以及评价对象具有多元性特征的绩效评价中.但是传统的DEA方法用于绩效评价存在许多缺陷,如不能全面评价决策单元(DMU)的绩效水平,不能反映出决策者的目的和意图,而多标准多目标DEA方法的提出弥补了这些不足.根据对多标准多目标DEA基本理论与方法的研究,提出了改进多目标多标准线性DEA模型,通过实证分析说明改进模型的优越性,而且能够用于质量管理水平评价.     

基于灰色系统理论的物流企业绩效评价研究

在对平衡计分卡、灰色系统理论以及物流企业绩效评价的相关丈献进行梳理的基础上,提出了基于平衡计分卡的物流企业评价指标体系,并结合实例运用灰关联理论与方法进行处理,为动态的分析物流企业绩效提供决策支持.通过将平衡计分卡和灰色系统理论运用到物流企业的绩效评价中,改变了传统的绩效评价方法即在某一时期对某一家物流企业的独立的自我评价,分析比较了不同物流企业之间各层面的差距,使物流企业管理者能够更加全面的分析物流企业现状并找到相应的原因、采取相应的措施以提高物流企业在整个物流行业中的地位.     

基于 PCA-DEA-Tobit 模型的物流企业绩效评价

提出了基于 PCA-DEA-Tobit 的物流企业绩效评价的新方法并实证验证了其有效性和可行性。首先将物流企业绩效的指标区分为内部因子指标和外部因子指标，并将每个一层内部因子指标进一步区分为与物流企业各个运营环节契合的二层内部因子指标。为了满足 DEA 的使用条件，应用主成分分析法（PCA）消除原二层指标之间的相关性，并按照至少 85% 的累计贡献率提取出新的二层指标并进行正数化处理，进而应用交叉效率 DEA 对各一层内部因子指标进行评价，结合由熵权法得到的客观权重得到各决策单元的整体绩效值及相应排序，最后以 Tobit 回归模型分析外部因子指标与物流企业整体绩效的关联程度及其影响。     

使用DEA结果修正的多指标综合绩效评价方法

为了克服多指标综合评价法和数据包络分析(DEA)模型的局限性,以多指标综合评价法得出的绩效评价值为基础,使用面向输出DEA模型的求解结果和面向输入DEA模型的求解结果,构造了3种绩效调整公式对多指标综合评价法给出的绩效评价值进行了修正.对于不同投入规模的生产单元,修正后的绩效评价值比DEA结果更加合理.使用者可以根据评价工作的目的选择其中的一种绩效调整公式.     

标杆管理中大小标杆量化分析

为了使标杆管理中的绩效改良更具有目的性、更切实可行，采用结合数据包络分析(DEA)技术处理的研究方法，论述了模糊数值在DEA中的可用性，提出了大小标杆的概念.利用模糊综合评价的理论对多层结构的系统进行评价计算，实现了评价结果量化；同时，基于模糊多目标决策反问题的求解思路，推导了求解大小标杆量化特解的方法, 并以此求解出一组虚拟决策单元（DMU0）.进一步，以物流系统作为对象完成了标杆值的求解和论证.标杆的量化为Benchmarking与DEA结合使用构建了桥梁，它可帮助企业在制定改良措施时达到合适的“度”.     

建筑企业绩效的二次相对评价

针对建筑企业绩效评价方法的局限性，提出将数据包络分析(DEA)作为工具，建立一种建筑企业绩效的二次相对评价模型．消除了由于客观基础条件优劣造成的影响，从而真正反映了人们在经营管理中主观努力程度对绩效提高的贡献．并以黑龙江省七类建筑企业的绩效评价为实例，分析了它们的二次相对评价结果．     

基于DEA的企业R&D绩效两阶段评价方法研究

企业R&D绩效评价是绩效管理的一部分,建立完善的评价指标体系和评价模型是绩效评价的基础.根据企业R&D活动的特征,建立了企业R&D绩效评价指标体系,针对现有评价方法的不足,运用数据包络分析(DEA)的理论和方法构建了两阶段评价模型.并通过对15家企业R&D活动的相关数据进行实证分析,验证了评价方法在企业R&D绩效评价方面的准确性.     

关系承诺、第三方物流整合与企业绩效： 环境动态性的调节效应

第三方物流整合对改善供应链管理、降低物流成本、提高企业绩效的作用日益凸显,而国内外在该领域的现有研究成果还有待深入。通过大样本问卷调查,采用结构方程模型来研究关系承诺、第三方物流整合和企业绩效间的作用机理,并探讨环境动态性在三者之间关系的调节效应。结果表明:关系承诺都能正向促进第三方物流整合和企业绩效;第三方物流整合能正向影响企业绩效的提高;环境动态性能负向调节工具性关系承诺和企业绩效之间的关系。研究结果不仅丰富了第三方物流整合与企业绩效关系的理论成果,同时对我国物流企业降低成本、改善供应链管理、实现高质量发展也具有重要的现实指导意义。     

我国汽车零部件企业运营经济性评价研究

运用数据包络分析方法,建立了我国汽车零部件企业运营经济性的评价模型。该模型测算了汽车零部件企业的投入产出效率,并利用“投影”分析原理,对非DEA有效的决策单元(DMU)的投入产出值进行了调整值分析;对非DEA有效的企业提出使其达到DEA有效的可行措施,为我国汽车零部件企业的科学决策提供了参考和依据。     

第三方物流企业绩效评价指标体系研究

本文通过分析介绍第三方物流的含义以及物流企业进行绩效评价的必要性,总结了第三方物流企业绩效评价体系建立的原则,然后,根据这些原则,构建了我国第三方物流企业绩效评价的指标体系,以科学、客观地反映我国第三方物流企业的整体实力。     

基于DEA模型的网络安全非均一评价方法

针对网络安全评价问题,基于数据包络分析（DEA：Data Envelopment Analysis）原理,引入了一种处理只有输出指标的最优偏离DEA模型,建立了网络安全评价的非均一模型和方法。该方法把权重系数作为数学规划模型的变量,通过优化方法求解,而不需要事先确定评价指标的权重系数,克服了传统的网络安全评价模型和方法因需对建立的评价指标事先确定权重系数,使评价结果受到人们主观判断的影响,从而使评价结果更加客观公正。实例分析验证了模型与方法的有效性。     

军事地下防护工程DEA评价

对决策单元进行有效性评价只有在具有“可比性”的同类规划方案中进行才有意义;对受评单元进行DEA评价,不仅要求“有效”,而且必须“可行”;军事地下防护工程由于自身的特点既要引入决策者的主观偏好又要恰当地用权值表示;当受评单元被评价为非DEA有效时,先寻找其受评单元与“最小凸包”的距离－－“效用差距”,再通过优化方法使其成为DEA有效。     

基于C~2R模型决策单元规模收益的判断准则

数据包络分析是广受欢迎的管理工具和评价技术,这里应用数据包络分析C2R模型探讨决策单元规模收益的判定准则.文中首先回顾数据包络分析理论研究决策单元规模收益的发展过程;其次引入参数数据包络分析模型PC2R,描述决策单元效率在其附近的变化,推导该模型的性质;最后得到基于C2R模型决策单元规模收益的判定定理.     

建筑业效率评估和预测的区间DEA模型

当投入和产出数据为区间数时,传统的DEA模型转化为区间DEA模型。首先建立了求解每个DMU的最高效率值和最低效率值的确定型DEA模型,从而求得每个DMU的区间效率值。然后按区间效率值将所有决策单元分为三类,即区间DEA有效、区间DEA部分有效和区间DEA无效。将文中方法应用于10省建筑业的效率评估和预测之中,结果较传统的DEA模型更具柔性、更为合理。     

区间数据包络分析的主客观求解

根据是否需要决策者的主观判断，将区间DEA的求解方法分为主观方法和客观方法．定义了一种反映决策者满意度的区间数序关系，基于此将区间DEA转化为一个确定型DEA，并求得给定满意度水平下的点效率值，此为主观方法．建立了求解每个DMU的最高效率值和最低效率值的确定型DEA模型，从而求得每个DMU的区间效率值，此为客观方法．分析了这两种方法在求解过程中所涉及到的数据一致性问题，即每一个DMU的区间投入或产出在确定型DEA中的所有出现要保持相同的投影点．     

输入输出指标的分解叠加对DEA有效性的影响

讨论了输入输出系统中,输入输出指标分解叠加后,ＤＥＡ有效性的变化．给出了一些很有用的判别定理,特别是推论２,同时给出了求解系统中ＤＥＡ有效决策单元的简便算法．     

输入输出指标的增加减少对DEA有效性的影响

详细地讨论了输入输出系统的输入输出指标增加或减少时,对ＤＥＡ有效性的影响,特别是给出了ＤＥＡ有效性变化的充分或必要条件,这将给判定指标变化后决策单元的有效性带来方便。     

区分有效决策单元的数据包络分析方法

针对DEA模型CCR不能较好区分有效决策单元的不足,采用转化有效决策单元的思想,构造了一个较差的决策单元,给出了能够比较决策单元的数据包络分析方法,经理论分析和实例验证,此法能够评价决策单元的优劣。     

The necessary and sufficient conditions for returns to scale properties in generalized data envelopment analysis model

We give definitions on increasing, constant and decreasing returns to scale under the generalized data envelopment analysis (GDEA) model. The GDEA model possesses cone structures for describing evaluators' preferences toward different decision making units (DMU) and toward different input/output categories. The GDEA model contains many important DEA models as its subclasses. Based upon the definition, we discuss and rigorously prove the necessary and sufficient conditions for a DMU to have increasing, constant and decreasing returns to scale under a GDEA model, and discuss and clarify the differences and relationships of these conditions under different subclasses of the GDEA model. Furthermore, we describe a method based on a two-stage linear program to test returns to scale properties.