数据包络分析模型还是虚拟差距分析模型：何者应用于识别群体中各单位的最佳标杆？
最优化与控制
2023-06-21 v1
摘要
群体中的决策单元（DMU）以不同规模将相同资源（即输入指标）转化为相同产品（即输出指标）。绩效指标具有不同的度量单位，且其每单位市场价格不可得。数据包络分析（DEA）程序采用线性规划来估计每个输入和输出指标对每个 DMU（称为 DMU-o）的虚拟权重和最佳松弛，以获得相对于各 DMU 的最小相对低效。DMU-o 减少每个输入的松弛（盈余）并扩大每个输出的松弛（短缺）至标杆。每个 DEA 程序为每个绩效指标指定一个人为目标权重。原始模型与对偶模型中的相对低效分别为加权松弛之和，以及总虚拟加权输入相对于输出的虚拟差距。DEA 程序在无数次尝试中未能构想出等于每个绩效指标估计虚拟权重的人为目标权重；因此，它们具有不完整解，其中部分松弛无法聚合到效率得分中。我们新的虚拟差距分析程序全面评估 DMU-o。四阶段流程确保 DMU-o 具有可实现的最佳标杆用于实施，以及其兼容的最佳同伴用于学习。在评估 DMU-o 时，每个 DMU 是虚拟技术集二维几何直观中的一个点。最佳同伴与改进后 DMU-o 位于最佳效率边界上。非高效 DMU 位于边界之下。
引用
@article{arxiv.2306.11224,
title = {Data envelopment analysis models or the virtual gap analysis model: Which should be used for identifying the best benchmark for each unit in a group?},
author = {Fun-Hwa Franklin Liu and Su-Chuan Shih},
journal= {arXiv preprint arXiv:2306.11224},
year = {2023}
}
备注
26 pages and 3 figures