通过最小化次优得分提升顶级效率：DEA中超效率模型的新视角

在本文中，我们揭示了数据 envelopment 分析（DEA）中超效率模型的一种新特征。在DEA中，每个决策单元（DMU）的效率通过输出加权和除以输入加权和的比值来衡量。为了衡量某个DMU（记为DMU_j）的效率，在CCR模型中，输入和输出的权重被确定，使得DMU_j的效率最大化，同时约束每个DMU的效率小于或等于一。如果DMU_j的效率得分等于一，则称其为CCR-efficient。通常，使得DMU_j达到CCR-efficient的权重不唯一，而是形成一个连续集。这可能带来问题，因为表示DMU_j的CCR-efficient性的权重在对其管理策略做出决策中起着重要作用。为了解决这一问题，我们提出选择使次优DMU效率最小化的权重，从而增强DMU_j的优势，并证明该问题可简化为一个与著名的超效率模型相同的线性规划问题。我们使用日本商业银行的数据进行了数值实验，以证明超效率模型的优势。