基于 DEA 模型的方向性规模报酬估计
最优化与控制
2014-05-20 v1
摘要
数据包络分析 (DEA) 是估计公共部门（例如研究机构）规模报酬 (RTS) 最常用的方法之一。现有研究均基于经济学中 RTS 的传统定义，并假设多种投入和产出按相同比例变化，这是确定决策单元 (DMUs) RTS 定性和定量特征的起点。然而，对于更复杂的产品，如研究所的科学研究，各类投入或产出的变化往往不成比例。因此，DEA 方法框架中现有的 RTS 定义可能无法满足估计具有多种投入和产出的研究机构 RTS 的需求。本文提出了 DEA 框架中方向性 RTS 的定义，并利用 DEA 模型估计了研究机构的方向性 RTS。此外，针对 2010 年中国科学院 (CAS) 16 个基础研究所的示例进行了更深入的分析。
引用
@article{arxiv.1405.4526,
title = {On the Estimation of Directional Returns to Scale via DEA models},
author = {Guoliang Yang and Wenbin Liu and Wanfang Shen and Xiaoxuan Li},
journal= {arXiv preprint arXiv:1405.4526},
year = {2014}
}
备注
36 pages, 7 figures