跳转到内容

数据包络分析

维基百科，自由的百科全书

数据包络分析（英语：Data envelopment analysis，DEA）是运筹学和经济学中一种非参数化的评估生产前沿的方法。[1] 这一分析方法广泛应用于多个领域，包括国际银行业、经济可持续性研究、警务运营，以及物流管理。[2][3][4] DEA还被用于评估自然语言处理模型的性能，在机器学习领域也展现出诸多应用前景。[5][6][7]

简述

[编辑]

数据包络分析（DEA）是一种实证测量决策单元生产效率（DMU）的方法。尽管起源于经济学的生产理论，但如今已广泛应用于运营管理的标杆评估。[8] 在标杆分析中，研究者选择一系列指标，对制造业和服务业的运营绩效进行比较。[1][9]:243–285

与必须预先设定生产或成本函数的参数化方法不同，非参数化方法仅根据可获得的数据比较可行的投入产出组合。[10] 作为最常用的非参数化方法之一，数据包络分析得名于其对数据集中高效决策单元的“包络”特性。在这一方法中，经验上最高效的决策单元构成了“最佳实践前沿”，其他所有决策单元都与之对标。

数据包络分析之所以广受欢迎，主要有三个原因：

  1. 假设条件相对较少
  2. 能够对多维度的投入和产出进行标杆比较
  3. 计算简便，可以通过线性规划方法直接求解效率比率

不同于传统方法，DEA并不追求构建严格的“生产前沿”，而是试图找出实践中最为高效的运营模式。[11]

历史

[编辑]

DEA最早可追溯到1978年。在Farrell的研究基础上，[12] 查恩斯、库珀和罗德斯[1]运用线性规划，首次实证性地估算了生产技术前沿。在德国，类似方法此前已被用于估算研发及其他生产要素的边际生产率。此后，DEA迅速成为学术界研究的热点，大量专著和期刊论文涌现。

从最初的CCR模型（以创始人查恩斯、库珀、罗德斯命名）开始，[1] 学者们不断拓展DEA的应用。这些扩展包括多个方面：调整模型隐含假设、区分技术效率与配置效率[13]、引入输入输出的有限替代性[14]、考虑规模收益变化[15]，以及开发更复杂的分析技术，如随机DEA[16]和交叉效率分析等。[17]

脚注

[编辑]
  1. ^ 1.0 1.1 1.2 1.3 Charnes et al (1978)
  2. ^ Charnes et al (1995)
  3. ^ Emrouznejad et al (2016)
  4. ^ Thanassoulis (1995)
  5. ^ Koronakos and Sotiropoulos (2020)
  6. ^ Zhou et al (2022)
  7. ^ Guerrero et al (2022)
  8. ^ Mahmoudi et al (2021)
  9. ^ Sickles et al (2019)
  10. ^ Cooper et al (2007)
  11. ^ Cooper et al (2011)
  12. ^ Farrell (1957)
  13. ^ Fried et al (2008)
  14. ^ Cooper et al (2000)
  15. ^ Banker et al (1984)
  16. ^ Olesen (2016)
  17. ^ 引用错误：没有为名为:2的参考文献提供内容

参考文献

[编辑]
  • Cook, Wade D.; Tone, Kaoru; Zhu, Joe. Data envelopment analysis: Prior to choosing a model. Omega. April 2014, 44 (C): 1–4. doi:10.1016/j.omega.2013.09.004. 

外部链接

[编辑]
检索自“https://zh.wikipedia.org/w/index.php?title=数据包络分析&oldid=87337132”