基准分析中的反事实分析与目标设定
最优化与控制
2024-01-15 v1
摘要
数据包络分析（DEA）使我们能够捕捉企业和组织中多投入与多产出之间的复杂关系。不幸的是，管理者可能发现难以理解 DEA 模型，这可能导致对分析的不信任，并难以从模型中获取可操作的信息。在本文中，我们提议利用 DEA 中的目标设定思想和机器学习中的反事实分析来克服这些问题。我们将 DEA 反事实或目标定义为与企业的原始投入和产出接近、并能带来其绩效期望改善的替代投入产出组合。我们将寻找反事实的问题表述为一个双层优化模型。对于一类丰富的成本函数，这些函数反映了低效企业为转变为其反事实所需付出的努力，寻找反事实解释可归结为求解具有线性约束的混合整数凸二次规划问题。我们通过一个小型数值示例和一个关于银行分支机构的真实世界数据集来阐释我们的方法。
引用
@article{arxiv.2401.06505,
title = {Counterfactual Analysis and Target Setting in Benchmarking},
author = {Peter Bogetoft and Jasone Ramírez-Ayerbe and Dolores Romero Morales},
journal= {arXiv preprint arXiv:2401.06505},
year = {2024}
}