跳至內容

數據包絡分析

維基百科，自由的百科全書

數據包絡分析（英語：Data envelopment analysis，DEA）是運籌學和經濟學中一種非參數化的評估生產前沿的方法。[1] 這一分析方法廣泛應用於多個領域，包括國際銀行業、經濟可持續性研究、警務運營，以及物流管理。[2][3][4] DEA還被用於評估自然語言處理模型的性能，在機器學習領域也展現出諸多應用前景。[5][6][7]

簡述

[編輯]

數據包絡分析（DEA）是一種實證測量決策單元生產效率（DMU）的方法。儘管起源於經濟學的生產理論，但如今已廣泛應用於運營管理的標杆評估。[8] 在標杆分析中，研究者選擇一系列指標，對製造業和服務業的運營績效進行比較。[1][9]:243–285

與必須預先設定生產或成本函數的參數化方法不同，非參數化方法僅根據可獲得的數據比較可行的投入產出組合。[10] 作為最常用的非參數化方法之一，數據包絡分析得名於其對數據集中高效決策單元的「包絡」特性。在這一方法中，經驗上最高效的決策單元構成了「最佳實踐前沿」，其他所有決策單元都與之對標。

數據包絡分析之所以廣受歡迎，主要有三個原因：

  1. 假設條件相對較少
  2. 能夠對多維度的投入和產出進行標杆比較
  3. 計算簡便，可以通過線性規劃方法直接求解效率比率

不同於傳統方法，DEA並不追求構建嚴格的「生產前沿」，而是試圖找出實踐中最為高效的運營模式。[11]

歷史

[編輯]

DEA最早可追溯到1978年。在Farrell的研究基礎上，[12] 查恩斯、庫珀和羅德斯[1]運用線性規劃，首次實證性地估算了生產技術前沿。在德國，類似方法此前已被用於估算研發及其他生產要素的邊際生產率。此後，DEA迅速成為學術界研究的熱點，大量專著和期刊論文湧現。

從最初的CCR模型（以創始人查恩斯、庫珀、羅德斯命名）開始，[1] 學者們不斷拓展DEA的應用。這些擴展包括多個方面：調整模型隱含假設、區分技術效率與配置效率[13]、引入輸入輸出的有限替代性[14]、考慮規模收益變化[15]，以及開發更複雜的分析技術，如隨機DEA[16]和交叉效率分析等。[17]

腳註

[編輯]
  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. ^ 引用錯誤：沒有為名為:2的參考文獻提供內容

參考文獻

[編輯]
  • 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. 

外部連結

[編輯]
取自「https://zh.wikipedia.org/w/index.php?title=数据包络分析&oldid=87337132」