数据包络分析DEA(数学建模)

一、模型背景

数据包络分析是线性规划模型的应用之一,常被用来衡量拥有相同目标的运营单位的相对效率。
数据包络分析是一种基于线性规划的用于评价同类型组织(或项目)工作绩效相对有效性的特殊工具手段。这类组织例如学校、医院、银行的分支机构、超市的各个营业部等,各自具有相同(或相近)的投入和相同的产出。衡量这类组织之间的绩效高低,通常采用投入产出比这个指标,当各自的投入产出均可折算成同一单位计量时,容易计算出各自的投入产出比并按其大小进行绩效排序。
但当被衡量的同类型组织有多项投入和多项产出,且不能折算成统一单位时,就无法算出投入产出比的数值。例如,大部分机构的运营单位有多种投入要素,如员工规模、工资数目、运作时间和广告投入,同时也有多种产出要素,如利润、市场份额和成长率。在这些情况下,很难让经理或董事会知道,当输入量转换为输出量时,哪个运营单位效率高,哪个单位效率低。
因而,需采用一种全新的方法进行绩效比较。这种方法就是二十世纪七十年代末产生的数据包络分析((DEA )。DEA方法处理多输入,特别是多输出的问题的能力是具有绝对优势的。
DEA模型是直接使用输入、输出数据建立非参数的经济数学模型。
DEA特别适用于具有多输入多输出的复杂系统,这主要体现在以下几点:
DEA以决策单位各输入/输出的权重为变量,从最有利于决策单元的角度进行评价,从而避免了确定各指标在优先意义下的权重;
假定每个输入都关联到一个或者多个输出,而且输入/输出之间确实存在某种关系,使用DEA方法则不必确定这种关系的显示表达式。

二、模型介绍

1、评价思想

核心是通过对每个DMU的输入和输出数据进行综合分析,得出每个DMU效率的相对指标,然后将所有DMU效率指标排序,确定相对有效的DMU即有效的决策单元,为管理人员提供管理决策信息
举个例子,每个公司的各个部门可以看成是每个DMU,因为每个部门有输入成本和产出效益

2、DEA基本概念

在DEA中一般称被衡量绩效的组织为决策单元( decision makingunit—DMU )。

设:n个决策单元( j=1,2 ,…,n )
每个决策单元有相同的m项投入(输入)(i =1 ,2 ,…,m )
每个决策单元有相同的s项产出(输出)(r=1,2 ,…,s )
Xij——第j决策单元的第i项投入
yrj——第j决策单元的第r项产出衡量第j0决策单元是否DEA有效

3、结果

①θ=1,DEA有效,表示投入与产出比达到最优
②θ<1,非DEA有效,表示投入与产出比没有达到最优,一般来说,θ越大说明效果越好。
数据包络分析是通过对投入的指标和产出的指标做了一个线性规划,并且进行变换后,然后根据其线性规划的对偶问题(线性规划对偶问题具有经济学意义),求解这个对偶问题的最值就是θ。

三、实例分析

1、spsspro上传数据

输入变量:政府财政收入占GDP的比例、环保投资占GDP的比例、每千人科技人员数。
输出变量:经济发展(用人均GDP表示)、环境发展(用城市环境质量指数表示;计算过程中,城市环境指数的数值作了 归一化处理)。

2、选择输入输出变量

3、效益分析表

决策单元

技术效益

规模效益

综合效益

松弛变量S-

松弛变量S+

有效性

1990

0.938

0.309

0.290

0.926

0.132

非DEA有效

1991

0.876

0.326

0.285

0.586

0.054

非DEA有效

1992

0.885

0.335

0.297

0.241

0.084

非DEA有效

1993

0.875

0.391

0.343

0.144

0.082

非DEA有效

1994

0.905

0.507

0.459

2.172

0.000

非DEA有效

1995

0.977

0.735

0.718

6.246

582.860

非DEA有效

1996

1.000

0.907

0.907

5.505

0.000

非DEA有效

1997

1.000

1.000

1.000

0.000

0.000

DEA强有效

1998

1.000

1.000

1.000

0.000

0.000

DEA强有效

1999

1.000

1.000

1.000

0.000

0.000

DEA强有效

BCC模型(VRS)把综合效益分解为技术效益和规模效益。
● 综合技术效益(overall efficiency, OE)反映的是决策单元在一定(最优规模时)投入要素的生产效率,是对决策单元的资源配置能力、资源使用效率等多方面能力的综合衡量与评价,值等于1时,代表该决策单元的投入与产出结构合理,相对效益最优;
值大于1时,代表该决策单元的投入与产出结构处于超级效益模式;
值小于1时,代表该决策单元的投入与产出结构不合理,相对效益未能达到最优,可能存在不同程度的投入冗余和产出不足,其值为技术效益*规模效益。
● 技术效益(technical efficiency, TE)反映的是由于管理和技术等因素影响的生产效率,其值等于1时,代表投入要素得到了充分利用,在给定投入组合的情况下,实现了产出最大化。
● 规模效益(scale efficiency, SE)反映的是由于规模因素影响的生产效率,通常结合规模报酬表进行分析其值等于1时,代表规模效率有效(规模报酬不变),也就是规模适宜,已达到最优的状态;若规模报酬递增(并非其值递增递减或者小于0大于0),代表服务规模过小,需要扩大规模以增加规模效益;若规模报酬递减(并非其值递增递减或者小于0大于0),代表服务规模过大,存在规模过度扩张风险。
● 松驰变量S-(差额变数)指为达到目标效率可以减少的投入量,即非 DEA 有效单元的实际值和目标值之差,
松驰变量S+(超额变数)指为达到目标效率可以增加的产出量,即非 DEA 有效地区的目标值和实际值之差。
● 有效性分析结合综合效益指标,S-和S+共3个指标,可判断DEA有效性,如果综合效益=1且S-与S+均为0,则“DEA强有效”,如果综合效益为1但S-或S+大于0,则“DEA弱有效”,如果综合效益<1则为“非DEA有效”。

4、效益有效性分析

5、规模报酬分析

规模报酬系数

类型

1990

0.299

规模报酬递增

1991

0.326

规模报酬递增

1992

0.335

规模报酬递增

1993

0.389

规模报酬递增

1994

0.453

规模报酬递增

1995

0.590

规模报酬递增

1996

0.778

规模报酬递增

1997

1.000

规模报酬固定

1998

1.000

规模报酬固定

1999

1.000

规模报酬固定

6、象限分析

决策单元

投入

产出

象限分布

1990

0.614

-4560.500

第二象限

1991

2.832

-4238.500

第二象限

1992

1.748

-4094.830

第二象限

1993

1.959

-3276.830

第二象限

1994

1.359

-1869.830

第二象限

1995

-0.450

-8.170

第三象限

1996

-1.984

2054.500

第四象限

1997

-2.707

3912.830

第四象限

1998

-1.986

5421.830

第四象限

1999

-1.386

6659.500

第四象限

7、投入冗余分析

决策单元

松驰变量S-分析

投入冗余率

政府财政收入占GDP的比例/%

环保投资占GDP的比例/%

每千人科技人员数/人

汇总

政府财政收入占GDP的比例/%

环保投资占GDP的比例/%

每千人科技人员数/人

1990

0.286

0.000

0.640

1.000

0.020

0.000

0.020

1991

0.586

0.000

0.000

1.000

0.035

0.000

0.000

1992

0.241

0.000

0.000

0.000

0.016

0.000

0.000

1993

0.144

0.000

0.000

0.000

0.009

0.000

0.000

1994

0.322

0.000

1.850

2.000

0.023

0.000

0.057

1995

1.314

0.000

4.932

6.000

0.099

0.000

0.160

1996

1.217

0.000

4.288

6.000

0.095

0.000

0.147

1997

0.000

0.000

0.000

0.000

0.000

0.000

0.000

1998

0.000

0.000

0.000

0.000

0.000

0.000

0.000

1999

0.000

0.000

0.000

0.000

0.000

0.000

0.000

投入冗余分析(差额变数分析)主要用于分析各变量需要减少多少投入时才能达目标效率。
● 松驰变量S-(差额变数)指为达到目标效率需要减少的投入量。
● 投入冗余率指“过多投入”与已投入的比值,该值越大意味着“过多投入”越多。

8、产出不足分析

决策单元

松驰变量S+分析

产出不足率

人均GDP/元

城市环境质量指数

汇总

人均GDP/元

城市环境质量指数

1990

0.000

0.132

0.000

0.000

None

1991

0.000

0.054

0.000

0.000

0.599

1992

0.000

0.084

0.000

0.000

1.206

1993

0.000

0.082

0.000

0.000

0.628

1994

0.000

0.000

0.000

0.000

0.000

1995

582.860

0.000

583.000

0.071

0.000

1996

0.000

0.000

0.000

0.000

0.000

1997

0.000

0.000

0.000

0.000

0.000

1998

0.000

0.000

0.000

0.000

0.000

1999

0.000

0.000

0.000

0.000

0.000

产出不足分析(超额变数分析)主要用于分析各变量需要增加多少产出时达目标效率。
● 松驰变量S-(超额变数)指为达到目标效率可以增加的产出量。
● 产品不足率指“产出不足”与已产出的比值,该值越大意味着“产出不足”越多。

参考资料

浅谈数据包络分析 – 知乎 (zhihu.com)

(5条消息) 数学建模常用模型10 :数据包络(DEA)分析法(投入产出法)_Halosec_Wei的博客-CSDN博客_dea投入产出

数学建模数据包络分析DEA详细教程PPT课件 – 道客巴巴 (doc88.com)

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
xiaoxingxing的头像xiaoxingxing管理团队
上一篇 2023年5月8日
下一篇 2023年5月8日

相关推荐