输入输出值知识不完备下的数据包络分析模型：以葡萄牙公立医院为例的应用
统计方法学
2021-04-21 v1 最优化与控制
摘要
评估一组观测的技术效率要求由输入和输出组成的关联数据被完全知晓。若非如此，则很可能得到有偏的估计。数据包络分析（DEA）是应用最广泛的用于估计效率的数学模型之一。它构造一个分段线性前沿，所有观测与之比较。由于前沿是经验定义的，任何源于低数据质量（数据知识不完备或IKD）的偏差都可能导致效率的高估或低估。在本研究中，我们对IKD建模，然后应用所谓的Hit & Run过程随机生成可容许观测，遵循某些预先指定的概率密度函数。用于建模IKD的集合限制了与每个观测关联的数据域。属于该域的任何点都有资格作为效率评估的观测。因此，该采样过程必须运行大量次数（理论上无限）以填充整个集合。DEA技术在每次迭代执行中用于估计每个观测的bootstrap效率得分。我们使用一些情景表明所提出的例程可以优于某些现有替代方法。我们还解释了如何将效率估计用于统计推断。基于葡萄牙公立医院数据库（2013–2016）的实证案例研究使用所提方法进行了处理。
引用
@article{arxiv.2104.09890,
title = {Data Envelopment Analysis models with imperfect knowledge of input and output values: An application to Portuguese public hospitals},
author = {Diogo Cunha Ferreira and Josè RUi Figueira and Salvatore Greco and Rui Marques},
journal= {arXiv preprint arXiv:2104.09890},
year = {2021}
}