DEA 框架内的基准分析：设定最近目标并识别性能最相似的同业组
最优化与控制
2020-01-20 v1
摘要
数据包络分析（DEA）被广泛用作改善组织绩效的基准工具。为此，DEA 分析提供关于目标设定与同业识别的信息。然而，同业的识别实际上是 DEA 的副产品。DEA 模型寻求被评价单元在生产可能集（PPS）有效前沿上的投影点，用于设定目标，而同业仅被识别为所谓参考集的成员，参考集由作为组合确定该投影点的有效单元组成。实践中，同业的选择对基准分析至关重要，因为组织需要识别其行业或部门中代表可学习实际绩效的同业组。在本文中，我们认为 DEA 基准模型应将其目标中纳入从同业中选择合适基准的准则，此外还需考虑设定适当目标（如通常那样）。具体地，我们开发了具有两个目标的模型：设定最近目标与选择最相似的参考集。因此，我们力求建立只需组织付出最少努力即可达成的目标，同时识别性能最相似的同业组，这些是可效仿并改进的潜在基准。
引用
@article{arxiv.2001.06258,
title = {Benchmarking within a DEA framework: setting the closest targets and identifying peer groups with the most similar performances},
author = {José L. Ruiz and Inmaculada Sirvent},
journal= {arXiv preprint arXiv:2001.06258},
year = {2020}
}