基于DEA交叉评价的模糊综合评价模型及其应用
基于DEA模型和模糊综合评价的第三方物流企业选择
Ｒｌ Ｒ，
ｒ１ ｒ１ １ ２
个 数 ，例 如 ＝ 优 ， 良 ，中 ，差 】 ＝ 很 满 意 ，满 意 ，一 般 ，不 满 意 ） 。 （ 、 ｛ 等
ｒｌ ｒ２ ２ ２ 尺＝ Ｒ３ ｒ３１ ｒ３ ＝ ２
ｓ ∞ 未 ．－ ｔｃ ・－ ．－ ｕ ＞
ｙ Ｉ０ ＝ ， ， ＾ １ …， ， ＞ ， 一ｎ ２
（） ３
ｏ ０ ９ ＝１
≥ ， ≥Ｏ
ｒ
其中， ， 五分别为输入、输出向量的权重向量，这里为未知参数；而未， 为要考察的决策单元 Ｄ Ｕ。 。 Ｙ 。 Ｍ 的输
表 ５ 各 ＴＰ Ｌ企 业对 于各 评 价 因 素 基 于评 价 等 级 的 得 分
田
价 格 水 平 １
乙
０２１ ３ ． ４
丙
ｌ
丁
０３ ２ ．４ ９
戊
０７ ０ ．５ ０
顾 客 投 诉
００ ０ ．２ ４
１
ＯＯ ｌ ．６ ２
０３ ３ ．３ ３
０５ ０ ．０ ０
基 于 Ｄ Ａ 模 型 和 模糊 综 合 评 价 的第 三 方 物 流企 业 选 择 Ｅ
设 ＝Ｗ ，：…， 为评 价对象 集 ，即被评价 的第 三方物 流企业集 ，设对 ｋ家第 三方物 流企业 进行评 价 ； ｆ。 ， Ｗ ｝
＝
ｆ。 Ｉ ） “， ， Ｉ 为评价因素集，即评价指标集， “ …， ， ｍ 设有 ｍ个评价指标 ； ＝ ， ） 为评价等级集，ｎ ｛ ： ， … ， 为评价等级
给定输入 、输 出的权 向量 ，２－ ） ：“， …， ） ：ｖ， ，－ ， （ ｖ － ， ，并看作 变 向量 ，在 分 析 过 程 中 由某 种 原 则 来 确
基于DEA的科技项目绩效评价研究——以海淀区科技计划项目为例
注 ：在１ ％的显著性水平下。 数据显 示 ，依次删 除Ｄ Ａ 效 的８ 决策 单元 之 Ｅ有 个 后 ，各项效 率值 的Ｓ ｅ ｒ ａ 相 关系数均 呈现高度 相 ｐ ａｍ ｎ 关 ，原技 术效率 与新 技术 效率 的相关 系数变 化最 小
（．６ ＂１ｏ ｏ Ｏ８０ ．ｏ ），原规模效率与新规模效率的相关
表 ４ 敏 感性分析
３ ２５ ８ ，０
３ ５∞ ５ ． ９ ．６ ８５ １ ００ ５ ．０
∞ ６
７ ６
ｍ ４ ８ ６ ¨ 仃 ｍ ６ ” 拈规划 的方式求解生产边 界，使得所估计 出的为一种 确 ∞ ９ 心 ７
２ ２Ｏ ６ ．０
１ ２０ ３ ．Ｏ
３ ３０ ９ ．０
【．系统工程理论与 实践 ，０６ （ ｌ Ｊ 】 ２０ ，９
【 ４ 】吴先华， 马庭淮．粗糙 集理论在 高科技项 目评价 中的应用
研究 【．科学学与科学技 术管理， ０， ７ 『 】 ２ ６２ ０ ７（ ｌ
［ 张军果， ５ 】 任浩 ， 谢福泉．项 目后评价视 角下的财政科技项 目绩 效评 估体 系研究 【．科 学学与科 学技 术管理 ，０７ ７ 】 ２０，
２ ２Ｏ ８ ．０
７ ．２ ７９
１ ８５ ５ ．１ ２ ４５ １ ．２ １ ０９ ３ ．０
∞８ 肿 弱 仃 的 再进 行Ｄｓ ，考 察删 除前后效率值的Ｓ ｅｒ ａ 相 昌 勰 ｍ 咫 舳｝ ㈣ Ａ ∞ Ｅ ｍ 分析 ｐ ａｍ ｎ
５ ∞ ＝ 侣 心 ４ ２ ｍ ， ４ 竹 笳 ５ 心 ｓ 体 ｍ 幻 ∞ ２
另外２
元变动 时对Ｄ Ａ Ｅ 效率前沿面 影响不大 ，即，研究选 取 的决策单元具有很强韵代表性 ，研究结果是稳健的。
基于模糊DEA的航运公司安全管理有效性评价
ｆ ｚ ｙ ｃ ｍｐ ｅ ｅ ｓｖ ｖ ｌ ａｉ ｎ ｉ ｏ ｉ ｅ ｔ ｕ ｚ ｏ ｒ ｈ ｎ ｉｅ ｅ ａ ｕ ｔｏ ｓｃ ｍｂ ｎ ｄ ｗｉｈ ＤＥＡ ｏ ｅ ａｕａｅｔ ｈ ｐ ｉ ｇ ｃ ｍｐａ ｙ’ ａ ｅｙ ｍａ ａ ｅ ｔ ｖ ｌ ｔ ｈｅｓ ｉ ｐ ｎ ｏ ｎ Ｓ ｓ ｆｔ ｎ ｇ —
Ｓ ｆ ｔ ａ ａ ｅ ｅ ｔｅ ｃｅ ｙ ａ ｓ ｓｍ ｅ ｔｆ ｒ ｓ ｐ ｉ ｇ ｃ ｍ ｐ ｎ ａ ｅ ｙ ｍ ｎ ｇ ｍ ｎ ｆ ｉｎｃ ｓ ｅ ｓ ｎ ｏ ｈｉ ｐ ｎ ｏ ｉ ａｙ
ｂ ｓ ｄ ｏ ｕ ｚ ａ ｅ ｎ ｆ ｚ ｙ ＤＥＡ
ＣＨＥＮ ｅ Ｃｈ ｎ，ＨＵ ｈ ｎ ｉ ｇ Ｓ ｅ ｐｎ
（ ｒ ａｔ ａ ｎ ｏｅｅ Ｓ ａｇ ａ Ｍａ ｔ ｅＵ ｉ ， ｈｎ ｈｉ ０３ ６ Ｃ ｉａ Ｍｅｃ ｎ Ｍ ｒ ｅＣ ｌ ｇ ， ｈｎｈｉ ｒｉ ｎｖ Ｓ ａｇａ ２ １０ ， ｈｎ ） ｈ ｉ ｌ ｉｍ ．
Ａ ｓ ａ ｔ Ｉ ｒｅ ｉ ｎｏｊｃ ｖ ｅ ｈ ｃｕａ ｌ ｉ ｅａｕｔ ｎｏ ｅｓｉ ｉｇｃｍ ａ ｙ Ｓｓｆｔ ｂ ｔ ｃ ： ｎｏｄ ｒ ｏｇｖ ａ ｂｅｔ ｅｗ ｉ ｔ ｃｒｔ ｙ ｎ ｖｌａ ｏ ｆｈ ｈｐ ｎ ｏ ｐ ｎ ’ ａ ｙ ｒ ｔ ｅ ｉ ｇ ａ ｅ ｉ ｔ ｐ ｅ
基 于模 糊 Ｄ Ａ的航 运公 司安全 管理 有 效 性 评 价 Ｅ
陈辰 ，胡 甚 平
（ 上海海事大学 商船学院 ， 海 ２ １０ ） 上 ０ ３６
模糊综合评价方法及其应用研究
模糊综合评价方法及其应用研究一、本文概述本文旨在探讨模糊综合评价方法及其应用研究。
我们将对模糊综合评价方法进行概述，阐述其基本原理和特点。
接着，我们将深入探讨模糊综合评价方法在各种领域中的应用，包括但不限于企业管理、环境评估、医疗卫生等。
通过对实际案例的分析，我们将展示模糊综合评价方法在解决实际问题中的有效性和实用性。
我们还将对模糊综合评价方法的未来发展进行展望，以期为其在更多领域的应用提供参考和借鉴。
通过本文的研究，我们希望能够为相关领域的研究者和实践者提供有益的启示和帮助。
二、模糊综合评价方法理论基础模糊综合评价方法（Fuzzy Comprehensive Evaluation，简称FCE）是一种基于模糊数学理论的评价方法，旨在解决那些难以用精确数学语言描述的问题。
这种方法最早由我国学者汪培庄于1983年提出，现已在多个领域得到了广泛应用。
模糊综合评价方法理论基础主要包括模糊集合理论、模糊运算规则和模糊关系矩阵。
其中，模糊集合理论是该方法的核心。
它允许在元素对集合的隶属程度不唯不精确的情况下进行定量描述，从而突破了传统集合理论中元素对集合的隶属关系必须明确的限制。
在模糊综合评价中，评价对象通常被视为一个模糊集合，而评价因素则构成该集合的多个子集。
每个子集都有一个隶属函数，该函数描述了评价对象在不同因素下的隶属程度。
通过对隶属函数进行计算和分析，可以得出评价对象在各个因素上的综合评价结果。
模糊运算规则是模糊综合评价方法的另一个重要组成部分。
它定义了模糊集合之间的运算方式，如并、交、补、差等，使得我们能够根据实际需求进行模糊集合的组合和转换。
模糊关系矩阵则用于描述评价对象与评价因素之间的模糊关系。
该矩阵中的元素表示评价对象在不同因素上的隶属度，是进行模糊综合评价的重要依据。
模糊综合评价方法理论基础包括模糊集合理论、模糊运算规则和模糊关系矩阵。
这些理论和方法为我们在复杂系统中进行综合评价提供了有效的工具。
基于DEA模型的模糊评判方法在企业核心竞争力中的应用
基于 Ｄ Ａ模 型的模糊评 判方法 Ｅ 在企业核心竞争 力中的应 用
一胡泽 容
［ 摘
南 京工 业大 学 经济 管理学 院
要］在激烈竞争的市场 中，运 用合理科 学的方法对 企业核心竞争力进行评 价是非常重要 的。本 文提 出了基于 Ｄ Ａ模型 的模 Ｅ
ＤＡ 型 Ｅ模 模 糊 评 价 法
“ 出” ＋ ＝ ， 输 。ｔ ｓ ｎ ｎ为评语 个数 其 中 以评价 对 象 为决策 单元 时 ．１ ｋ ＝ 以评 价 因素 为决 策单 元
时 １ ＝ｍ，
ｖ ｖ， …
．
糊 评 判 法 对 企 业核 心 竞 争 力进 行评 价 。
．
［ 关键 词］核 心 竞 争 力
一
问题 的 提 出
法 及 组 合评 价 。 主 观赋 权 法 能 充分 吸 收 本 领域 专 家 高 深 的理 论 知
２
，
…
ｖ
，
为 Ｄ Ａ 输入 的 权 ” Ｅ
．ｕ ．… ．ｕ Ｄ Ａ输 。 Ｅ
出 的 “ ” 权 。
记
，
×＝ （ ．Ｘ２ ＿ Ｘ． 一，Ｘ： ）
１
Ｙ＝ （ ’ Ｙ１，Ｙ 一，ＹＳ ） Ｊ ２ ＝１
四 、 结 论
毋
］
式 中 为 ｕ中 ｕ对应 Ｖ中等级 Ｖ的隶 属关 系 ．即从 因素 ｕ着 眼 上 的表 现 ， 即可 分 析 各 个 对 象 的优 劣 势 。
被 评 价 对 象能 被评 价 为 Ｖ 等 级 的 隶 属程 度 。
２ 对某 个评价 因数来说 ， 以建 立同 上的一 模糊 关 系评价 矩 阵 可
Ｍ ８ Ｕ、 Ｘ Ｙ—
Ｊ ｕ
Ｓ ｔ
Ｖ Ｘ —Ｕ
本科毕业论文DEA研究
本科毕业论文DEA研究标题：基于DEA模型的本科毕业论文研究摘要：本文基于DEA模型，探讨了其在本科毕业论文评价中的应用。
首先介绍了DEA模型的基本原理和方法，然后详细阐述了DEA模型在本科毕业论文评价中的应用过程，最后对DEA模型的优缺点进行了分析和讨论。
研究结果表明，DEA模型可以作为一种有效的评价工具，帮助评估本科毕业论文的质量，提供科学的决策依据。
关键词：DEA模型，本科毕业论文，评价，质量引言：本科毕业论文是本科教育中的重要环节，对培养学生的科研能力和综合素质起到了重要作用。
论文质量的好坏直接关系到学生的学术声誉和毕业结果，因此对本科毕业论文的评价变得尤为重要。
传统的评价方法主要基于主管教师的主观判断，容易受到个人喜好和主观因素的影响，缺乏客观性和科学性。
而DEA（Data Envelopment Analysis）模型作为一种非参数效率评价方法，能够在不依赖先验知识的情况下，对各个论文进行评价并确定其相对效率。
本文通过应用DEA模型，对本科毕业论文进行评价，提供科学的决策依据。
一、DEA模型的基本原理和方法A. DEA模型的基本原理DEA模型是一种以线性规划为基础的方法，通过计算各评价单元之间的相对效率，确定最优效率的评价单元。
其基本思想是以前沿面作为效率的标准，将各评价单元在前沿面上的位置与其他评价单元进行比较，从而确定相对效率。
B. DEA模型的应用方法DEA模型的应用过程主要包括输入产出指标的选择、数据的处理和模型求解。
首先，需要确定衡量本科毕业论文质量的指标，如论文成绩、导师评价、论文引用量等，并将其量化为数值指标。
然后，将这些指标作为输入输出变量，建立评价模型。
最后，通过线性规划求解，确定各个论文的相对效率。
二、DEA模型在本科毕业论文评价中的应用A. 指标选择本科毕业论文的质量评价指标多种多样，包括论文成绩、论文的创新性和实用性、文献综述的全面性等。
在DEA模型中，需要选择能够较为准确地反映论文质量的指标。
基于DEA的模糊综合评价方法在应急物流方案选择中的应用
（） ３
（一 ， ， ∈（．，．】 ０警 警 ｏ ０６０８ ， １ ， ０ （ ・ ， 触０ Ｅ０， ］ 一 （８・ ・１ ０
（ ）模 糊 综 合 评 价 。Ｂ Ｗ ・ ４ ＝ Ｒ，其 中 为 一 级 指 标 相
组 成 的隶 属 度 矩 阵 ，Ｂ为 综 合 评 价 结 果 。 （ ）最 终 评价 结果 由 最 大 隶 属 度 原 则 确 定 。 ５
臣
— —
医
服务质量 ｌ
应
对于目 标层的 权重向 权重向量矩阵． 量 Ｒ为隶属度向量 ｛ 墨 垒 ｌ
应
ｌ影 响 度 【 ｌ 济 效 益 经
群
应
运 网
群
重
苗
急 急 急 输
物 物 物
众
满
众 投
诉
位
约 物
流
２ 急 流 案 评 模 应 物 方 的 价 型
基 于 Ｄ Ａ 的 模糊 综 合 评 价 方 法 在应 急 物 流方 案 选 择 中 的应 用 Ｅ
别 为 ＝ ，・ Ｔ ０ （ｕ 一 呵）＞
，
＝
（ｕ ， ）＞ ， ＝ ， …， ｘ ＞ ，ｙ ＞ ， １ ， ， ） ， …， ０ １ ， ｎ且 ｑ ｏ ０ ， … ｍ，， １ ， ， ２ ２ ： ， … 。 表 示 第 个 ２
，
这 是 一 个 分 式 规 划 。 由 Ｃ ａｎ ｓ Ｃ ｏ ｅ 变 换 Ｌ ｈ ｒ ｅ－ ｏ ｐ ｒ ：
１ ｉ ）Ｘ ｏ
，
ｍ ａｘｚ ／
０
ｐ？Ｒ
ｓ （ ｔ ｃ ，
１
＞ ， ｉ０
。＝
，， ２…
（） ２
１
基于模糊综合评价DEA方法的信息化部队作战能力评估
Ｌ ０ ０ ０
．
Байду номын сангаас
９
１
对其进行归一化处理 ， ＝（ ，．３２ ０５ ８５０４ １） 对结果赋值并计算总分 ： ＝８５× Ｂ ００ １３ ，．３ ３ ，．２ ８ ， Ｑ ． ０＋ ７ × ．３２＋ ０ ５ ８５＋ ． ０ ４ １ ４ ６ ８５ 根据分等标准可知该项能力为一般 ， ０ １３ ５× ．３ ３ ２ ５× ．２ ８＝ ．７６ 。 与实际相符 。 与此 方法相同， 可以得到其他指标 的评价值 。
＝
Ａ。 ｂ， ， ６）ｂ Ｒ ＝（ ｂ …， ， ＝∑０ ・ “ｉ ， …， ， …，。 ： ｒ ，＝１ ， ＝１ ， ｍ贝 ２ ， ２ ０
ｒ ０６ １ ０４ ０ ・ － ］
Ｂ Ａ ｃ ２３ ．，３ ： ；（． ，６． ＝．，３２． ０： ： ０２ １７８ ＝。 。 。 ，２ ２ Ｊ＝，６． ，３ 尺 ２ ．。 ｏ ２ ３２ ２ Ｉ ０ ４００ ６ ６ ７ ４
表 １ 信 息 化 部 队 作 战 能 力 数 值 评 估 体 系标 准
根 据表 １ 提供 的数 据 ， 出如下权 重分 配关 系 。 得
Ａ ＝（．２ ， ３ ３０２ ２０２ ３ ， ０ ２２０ ３ ， ２ ， ２ ） 采用加权平均型模型算子 Ｍ（ ， 计算单因素评判结果向量 Ｂ ． ． ． 。 ①）
数据包络分析模型及其在绩效评价中的应用综述
数据包络分析模型及其在绩效评价中的应用综述一、本文概述本文旨在深入探讨数据包络分析（Data Envelopment Analysis，简称DEA）模型及其在绩效评价中的应用。
数据包络分析作为一种非参数前沿效率分析方法，自上世纪七十年代提出以来，已在众多领域得到了广泛应用。
本文首先简要介绍了数据包络分析模型的基本原理和发展历程，然后重点分析了其在绩效评价中的实际应用，包括企业绩效评价、公共服务绩效评价、科研绩效评价等多个方面。
在此基础上，本文还探讨了数据包络分析模型在绩效评价中的优势、存在的问题以及未来的发展趋势。
本文旨在为相关领域的研究者和实践者提供一份全面、系统的数据包络分析模型及其在绩效评价中的应用综述，以期为未来的研究和实践提供有益的参考和借鉴。
二、数据包络分析模型基本理论数据包络分析（Data Envelopment Analysis，简称DEA）是一种非参数的评价方法，由美国运筹学家Charnes、Cooper和Rhodes 于1978年首次提出。
该模型主要基于“相对效率”的概念，通过比较决策单元（Decision Making Units，简称DMU）之间的相对效率，对DMU进行评价。
DEA模型的核心思想在于，通过数学规划方法，将每一个DMU视为一个生产前沿面的“投影”，并计算其到生产前沿面的距离，以此来衡量其效率。
数据包络分析模型主要分为CCR模型和BCC模型两种。
CCR模型是基于规模收益不变（Constant Returns to Scale，CRS）的假设，其评价结果反映了DMU的技术效率和规模效率的综合效率。
而BCC模型则考虑了规模收益可变（Variable Returns to Scale，VRS）的情况，其评价结果仅反映DMU的技术效率。
这两种模型各有特点，适用于不同的评价场景。
数据包络分析模型具有以下优点：它不需要预先设定函数形式，避免了函数形式错误带来的偏差；它可以处理多输入多输出的情况，具有广泛的适用性；再次，它不仅可以评价DMU的相对效率，还可以指出DMU在哪些方面存在不足，为改进提供了方向。
基于三阶段DEA的“双一流”建设高校人文社会科学科研效率评价
基于三阶段DEA的“双一流”建设高校人文社会科学科研效率评价一、引言自2015年中国教育部启动“双一流”建设以来，高校的科研效率评价成为重要的指标之一。
然而，传统的效率评价方法存在着很多局限性，不能全面准确地衡量高校人文社会科学领域的科研效率，因此，本文采用基于三阶段数据包络分析（DEA）的方法，对高校人文社会科学科研效率进行评价。
二、基于DEA的效率评价模型1. DEA模型简介数据包络分析（Data Envelopment Analysis，DEA）是一种计量经济学的方法，可以用于评价各类机构、企业或组织的效率水平。
DEA模型用数学方法将多个输入和输出指标进行综合衡量，从而评价单位的相对效率。
2. 三阶段DEA模型三阶段DEA模型将评价对象的效率分为三个阶段：技术效率、规模效率和综合效率。
技术效率表示在现有资源约束下，单位是否实现了最大化的输出；规模效率表示在单位规模不变的情况下，单位是否实现了最大化的输出；而综合效率则综合考虑了技术效率和规模效率。
三、高校人文社会科学科研效率评价方法1. 选择评价指标根据高校人文社会科学的特点，我们选择了以下指标进行科研效率评价：科研经费投入、科研教师数量、科研成果数量、科研成果质量、科研合作力度等。
2. 数据收集通过调查问卷和文献研究，收集了30所双一流建设高校的人文社会科学相关指标数据。
3. 归一化处理对收集到的数据进行归一化处理，将其转化为0和1之间的数值。
这一步可以消除指标之间的量纲差异，使得各指标具有可比性。
4. DEA模型运算运用三阶段DEA模型，将归一化处理后的数据输入模型中，得到各个高校的技术效率、规模效率和综合效率。
5. 效率评价结果分析根据三阶段DEA模型的评价结果，分析高校人文社会科学科研效率的现状和差距，并从数据中找出效率较高和较低的高校，进行优化建议和改进措施的探讨。
四、结论与展望本文采用基于三阶段DEA的方法对高校人文社会科学科研效率进行评价，有效地综合了技术效率、规模效率和综合效率，对高校科研效率进行了全面客观的评估。
数据包络分析法的研究与应用
数据包络分析法的研究与应用随着现代科技的快速发展，数据包络分析法作为一种新兴的评价方法，在诸多领域得到了广泛的应用。
该方法通过采集数据、进行预处理和标准化，构建数据模型并进行分析，为决策者提供了科学、客观的评价结果。
本文将详细阐述数据包络分析法的基本原理、应用方法、优点与不足，并展望其未来的研究方向和发展趋势。
数据包络分析法（Data Envelopment Analysis，DEA）最早由美国学者Charnes和Cooper等人于1978年提出。
它是一种非参数的效率评价方法，通过比较输入输出数据的“最优”前沿面，来评价不同决策单元（DMU）的相对效率。
DEA方法的应用范围非常广泛，如在企业管理、政府绩效评估、医疗卫生等领域，都有成功的应用案例。
数据包络分析法的优势在于，它不需要预设函数形式，能够处理多输入多输出的问题，并且能够有效地处理主观因素和客观因素的混合影响。
DEA的基本原理包括数据采集、数据预处理、数据标准化和数据模型构建四个主要步骤。
通过数据采集获得决策单元在各个时期的输入输出数据；对采集到的数据进行预处理，包括去除异常值、填补缺失值等；然后，对预处理后的数据进行标准化，使不同量纲的数据具有可比性；构建DEA模型，通过模型求解得到决策单元的相对效率值。
DEA的应用方法主要包括单端口分析、多端口分析和非线性分析。
单端口分析主要单个决策单元的效率评价，通过比较该单元与最优前沿面的距离来计算效率值；多端口分析则考虑多个决策单元之间的效率关系，通过构建多端口模型来评价各决策单元的相对效率；非线性分析则是在传统线性模型的基础上，考虑变量之间的非线性关系，从而更加准确地评价决策单元的效率。
数据包络分析法的优点主要表现在以下几个方面：它不需要预设函数形式，能够根据数据自身的特征来评价效率；DEA方法可以处理多输入多输出的问题，具有广泛的应用范围；再次，它能够有效地处理主观因素和客观因素的混合影响，为决策者提供更为全面的评价结果。
基于因子分析和DEA的企业财务能力综合评价
02
企业财务能力评价指 标体系
偿债能力指标
流动比率
流动比率是流动资产与流动负 债的比率，用于衡量企业流动 资产在短期内偿还流动负债的
能力。
速动比率
速动比率是速动资产与流动负债的 比率，用于衡量企业流动资产中可 以迅速变现用于偿还流动负债的能 力。
资产负债率
资产负债率是负债总额与资产总额 的比率，用于衡量企业的资产结构 以及债务偿还能力。
确定输入和输出指标
根据评价目的和指标体系，确 定输入和输出指标。
分析结果
根据求解结果，分析每个 DMU的效率水平，并给出改 进建议。
DEA模型有效性分析
有效性分析是指对DEA模型的准确性 和可靠性进行评估。
可以使用统计方法对DEA模型的有效 性进行检验，如回归分析、方差分析 等。
通过比较不同DMU的效率值，可以 观察到模型的有效性。
量企业固定资产的利用效率。
盈利能力指标
营业利润率
营业利润率是营业利润与营业收入的比率，用于衡量企业的经营 效率以及盈利能力。
净利润率
净利润率是净利润与营业收入的比率，用于衡量企业的净利润占营 业收入的比重，反映企业的盈利能力。
总资产报酬率
总资产报酬率是净利润与总资产平均余额的比率，用于衡量企业利 用资产获取利润的能力。
VS
现有研究的不足
现有的对企业财务能力的评价方法主要集 中在单一的财务指标分析或DEA分析，这 些方法存在一定的局限性。单一的财务指 标分析难以全面反映企业的财务状况，而 DEA分析则可能因为模型设定的主观性导 致评价结果的稳定性不足。因此，本研究 旨在通过结合因子分析和DEA，对企业财 务能力进行更加全面和客观的综合评价。
DEA方法的适用性
一类DEA模型的应用研究
一类DEA模型的应用研究［摘要］评价具有模糊性，模糊数学中模糊综合评价可以很好地表达这种状况，但是模糊综合评价在应用中具有一定的局限性，主要包括指标权重的分配和评价单元之间的相关性问题。
DEA模型则在这两个方面有很好的应用，可以将主观判断以客观的形式进行运算，因此将二者结合起来有利于提高评价的科学性和有效性。
［关键词］模糊综合评价；DEA；集成１引言自从１９６５年Ｚａｄｅｈ提出模糊数学以来［１］，决策评价领域就展开了多方面的应用研究，其中一个重要的研究方向就是模糊综合评价。
模糊综合评价就是在已有经典评价的基础上加入模糊数学的评价元素进行评价［２］。
这样做的优势是很明显的，因为人类所思考的问题很大一部分就是模糊的，不确定的，特别是面对复杂的定性问题时更是如此。
模糊综合评价方法在许多领域里得到应用，优势虽然明显［３］，但是在模糊综合评价过程中也存在着一定的局限性，比较明显的有以下两点：第一，评价各因素的权重分配主要靠人的主观判断，而当因素较多时，给出权重的大小往往是一件困难的事［４］。
第二，模糊综合评价方法仅从被评价单元自身的角度进行评价，没有考虑各评价单元之间的相关性，而事实上各评价单元是相关的。
如果充分依据同类单元间的这种联系，不仅可以发现被评价单元在同类单元中的相对有效性，而且还能根据同类单元提供的信息发现被评价单元的弱点，提出较差单元进一步改进的策略和办法［５］。
另外，数据包络分析（Data Envelopment Analysis，DEA）作为一种效率评价工具，在决策评价中也得到了大量应用，可以看出在ＤＥＡ的应用过程中，最关键的步骤就是输入／输出指标体系的确定和各决策单元在相应指标体系下的输入输出数据的搜集与获得。
目前已有的ＤＥＡ模型由于所涉及的指标体系是确定的，所涉及的投入产出数据是确定已知的，所以目前的模型大都是确定型的。
然而许多领域的评价和决策问题都存在着大量的不确定性，对于这些领域中的决策问题，确定型的ＤＥＡ模型就存在着缺陷和不足［６］。
旅游专业毕业论文题目
旅游专业毕业论文题目旅游网站论文题目1、基于对比分析法的旅游目的地APP评价指标体系的构建与实施--以三亚、杭州、香港官方APP为例2、基于旅行社线路的甘肃省旅游特征研究3、旅游目的地官方APP评价指标体系的构建与实施--基于层次分析法4、旅游网站信息组织的优化研究5、运城市盐湖景区旅游形象感知研究6、“互联网+”形势下传统旅行社的变革创新分析7、中国在线旅游网站服务模式革新的必要性--以“携程网”为例8、智慧旅游导向下加强景区实时信息反馈系统建设的意义9、移动大数据时代我国旅游发展方式的转变10、对四川旅游业再上新平台的战略研究11、中小旅游电商企业商业模式比较分析--以杭州游侠客与合肥奔色为例12、基于最短路径的旅游咨询网站的设计与应用13、互联网+背景下农村电子商务发展研究14、基于虚拟旅游的网站实现与镜像体验研究15、TEA排名前25的中国主题公园网站营销分析16、山西省大学生旅游网络消费行为特征及对策分析17、从消费者角度分析我国OTA的生存现状及未来发展--以携程网和途牛网为例18、定制旅游在传统旅行社中的应用创新19、基于非参数检验的人口统计量对旅游网站忠诚度影响差异研究--以携程网为例20、基于在线旅游社(OTA)发展态势的旅行社网络营销策略21、“微营销”时代的“绍兴样本”绍兴古城智慧旅游的探索和实践22、肇庆市“互联网+乡村游”新型智慧旅游模式发展的建议23、阿里飞猪的盈利模式研究24、基于用户感知的旅游移动电子商务服务质量提升策略研究25、旅行社电子商务网站的设计与实现26、旅游信息系统的前台界面研究27、“互联网+”与舟山市传统产业融合发展探索28、梵净山旅游形象传播模式调查与分析29、基于在线旅游“UGC”的目的地形象感知研究--以新乡南太行旅游度假区为例30、建构主义视角下网络媒介对区域旅游形象的构建--以新疆旅游网站为例31、一款城市景点自助讲解APP的设计及实现32、武汉市旅游企业微博营销研究33、旅游辅助类App产品的用户体验研究34、旅游移动电子商务个性化服务设计35、旅游虚拟社区用户参与对忠诚的倒“U”形作用机理36、基于AHP的森林公园网站营销评价体系研究--广东森林公园为例37、基于网络文本分析的环青海湖地区旅游感知形象研究38、互联网在自助旅游发展中的作用研究39、“互联网+”背景下建设河南省智慧旅游新构思40、入境旅游景区的外宣策略与国际游客实际需求之间的对比分析--以河南主要入境旅游景区为例41、陕西民俗旅游品牌网络传播路径与对策探析42、基于文本挖掘的典型旅游网站旅游分享比较研究--以甘肃省为例43、大学生智能旅游推荐网开发研究44、旅游电子商务研究述评45、分享经济模式在旅游业中的应用46、基于网络文本分析的历史街区旅游体验研究--以成都宽窄巷子为例47、旅游区品牌虚拟社区的经营策略--以故宫微博为例48、旅游业电子商务经营模式研究分析--以携程为例49、基于隐式反馈数据的在线旅游推荐研究50、基于技术接受理论的在线旅游UGC平台用户使用意愿研究生态旅游论文题目1、四川凉山彝区林竹生态旅游开发与精准扶贫研究2、城市湿地生态旅游感知形象的影响因素——以广州市南沙湿地为例3、海南热带雨林生态旅游发展现状及对策研究4、基于生态旅游扶贫理念的县域旅游经济发展实证研究——以四川省甘孜州白玉县为例5、黑龙江省生态旅游经济发展研究6、生态旅游规划研究综述7、天津七里海湿地生态旅游发展对策研究8、农业生态旅游资源评价体系实证研究——以“太行山大峡谷景区”为例9、生态旅游资源开发对比分析——澳门氹仔与广东茂名红树林景观旅游案例10、游客对自然保护区生态旅游资源的支付意愿及影响因素研究——以呼伦湖自然保护区为例(英文)11、陕西省国家森林公园生态旅游环境研究12、生态旅游视域下的岷江上游贫困山区生态安全评价13、芦芽山风景区生态旅游发展战略研究——基于SWOT-AHP的实证分析14、四川南河国家湿地公园生态旅游发展SWOT分析及对策探讨15、从人文主义角度解析农家乐生态旅游的可持续发展16、生态旅游产品开发面临的问题及对策17、统筹整合建设全域生态旅游省——以打造“国际集美节”为例18、供给侧视域下乡村生态旅游创新模式探析——以广东佛山为例19、生态旅游景区可持续发展研究——以丹东白鹭自然保护区为例20、可持续生计视域下的岷江上游山区生态旅游发展模式21、银发经济视角下的苏州生态旅游养老产业布局策略研究22、生态旅游与环境绩效审计问责的探索与分析23、基于生态敏感性的庐山区生态旅游用地策略24、中国国家生态旅游示范区空间分布特征研究25、天津大神堂牡蛎礁海洋特别保护区生态旅游环境容量研究26、生态旅游资源识别及旅游线路开发研究——以海南省五指山市为例27、保安湖国家湿地公园生态旅游环境容量研究28、生态旅游景区游客满意度实证研究——以广东最美度假天堂盘龙峡为例29、景观可视化技术在生态旅游景区规划中的应用——以广东省陈禾洞自然保护区规划为例30、生态旅游在自然保护区实践的研究进展31、浅谈运动休闲体育产业与茶园生态旅游的融合发展32、建海洋牧场带动休闲渔业发展,打造生态旅游新标杆海洋牧场只是修复,还不够33、海南农业生态旅游的移动电子商务策略34、我国农村地区生态旅游与经济发展有效融合研究35、全域旅游视角下升金湖生态旅游开发的影响因素研究——基于扎根理论的分析36、全域旅游视角下的生态旅游开发模式研究37、“一带一路”倡议下张掖生态旅游发展SWOT分析38、浅谈我国生态旅游的发展39、“互联网+”时代下乡村生态旅游的发展策略探析40、湿地生态旅游资源的保护与开发措施研究——以温州三垟湿地生态旅游的保护和开发为例41、基于熵值TOPSIS法的地级县文化旅游业发展潜力研究——以长江黄金水道生态旅游片区地级县为例42、雅鲁藏布大峡谷景区生态旅游环境容量监测预警模型及应用43、生态旅游涉入、群体规范对旅游者环境友好行为意愿的影响——以观鸟旅游者为例44、公路选线生态适宜性分析与生态修复技术应用研究——以东山环岛生态旅游公路为例45、森林生态旅游与生态文明的协调关系及其影响因素——以湖南省为例46、鄂西土家族生态旅游产品包装设计研究47、中部六省国家级保护地生态旅游区位优势测评48、基于DEA-模糊综合评价的游客满意度研究——以秦岭地区生态旅游景区为例49、我国生态旅游对农牧户减贫的非线性效应研究50、世界农业生态旅游发展经验及借鉴旅游管理本科论文题目1、论旅行社对散客的服务方式2、浅谈导游讲解对旅游景区形象的影响3、导游服务中的常见问题及对策分析4、论民俗特色旅游的开发5、旅游网络预定系统的战略研究6、谈挖掘旅游资源的文化内涵7、浅谈旅游信息在经济决策中的地位及其开发利用8、浅析影响现代旅游业发展的因素9、旅游业的经济功能及其在区域发展中的作用10、论旅游服务的国际标准及我国的接轨方式11、论旅游景观的视觉形象及其对景点开发与经营管理的意义12、关于商用旅游信息系统的总体构想13、论风景旅游资源开发中的视觉影响问题14、旅游动机形成的影响因素研究15、生态旅游与可持续旅游发展16、旅游发展对风情民俗资源的消极影响分析及其对策研究17、需要层次论在旅游饭店餐饮管理中的应用18、旅行社经营机制转换中存在的问题及对策19、旅游广告媒体对旅游的影响研究20、旅游饭店顾客导向定价模式浅析21、知识经济下旅游企业人力资源管理创新22、论生态旅游资源的脆弱性及其保护23、旅游购物的投诉心理及服务对策24、饭店服务人员个人能力培养途径25、饭店文化对员工行为的影响探讨26、旅游业的网络营销发展态势及对策27、如何树立优秀旅游区域形象探讨28、试论旅游资源的开发与保护29、我国贫困地区旅游业发展思考30、旅游交通对旅游业发展的推动及完善措施分析31、提高我国旅游从业人员心理素质的途径分析32、河南省生态旅游产品创新研究?33、中国演艺旅游市场的现状与发展对策研究34、中国休闲产业发展的趋势及对策35、四川乡村旅游可持续发展探析36、关于我国影视旅游的分析与思考37、信阳市茶文化旅游发展策略研究38、论海南热带雨林生态旅游开发39、新形势下我国区域旅游发展研究40、旅游市场细分中的旅游主体消费特征研究41、旅游自然客体建设与扩大旅游消费需求研究42、旅游人文客体建设与扩大旅游消费需求研究43、关于我校旅游管理专业建设的思考44、探讨如何加强我国旅行社的市场竞争力45、对我国旅行社品牌经营管理模式的探讨46、旅行社服务质量与游客满意感影响因素分析47、旅行社组织机构设置及人的管理研究48、浅析网络时代的旅行社的发展战略49、浅析客户关系管理与提升旅游企业客户满意度50、旅行社服务管理模式研究51、旅行社人力资源管理新探讨52、旅行社财务成本管理途径的研究53、浅析导游人员素质对旅游活动的影响54、基于客户关系管理的旅行社管理创新模式55、导游薪金制度中存在的问题和改革的思路56、论我国旅行社业实现科学管理的途径57、需要层次论及其在旅游饭店餐饮管理中的应用58、中外饭店业营销管理比较研究?59、如何进行旅游电子商务的市场调研60、贫困地区开展生态旅游的研究与实践。
模糊综合评价模型
模糊综合评价模型(Fuzzy Synthetic Evaluation Model)（一）什么是模糊综合评价模型？模糊综合评价方法是模糊数学中应用的比较广泛的一种方法。
在对某一事务进行评价时常会遇到这样一类问题，由于评价事务是由多方面的因素所决定的，因而要对每一因素进行评价；在每一因素作出一个单独评语的基础上，如何考虑所有因素而作出一个综合评语，这就是一个综合评价问题。
模糊评价的基本思想许多事情的边界并不十分明显，评价时很难将其归于某个类别，于是我们先对单个因素进行评价，然后对所有因素进行综合模糊评价，防止遗漏任何统计信息和信息的中途损失，这有助于解决用“是”或“否”这样的确定性评价带来的对客观真实的偏离问题。
模糊综合评价模型类别模糊评价基本模型设评判对象为P: 其因素集 ,评判等级集。
对U中每一因素根据评判集中的等级指标进行模糊评判，得到评判矩阵：(1)其中，rij表示ui关于vj的隶属程度。
(U,V,R) 则构成了一个模糊综合评判模型。
确定各因素重要性指标（也称权数）后，记为,满足，合成得(2)经归一化后，得 ,于是可确定对象P的评判等级。
置信度模糊评价模型(1) 置信度的确定。
在(U,V,R)模型中，R中的元素rij 是由评判者“打分”确定的。
例如 k 个评判者，要求每个评判者uj 对照作一次判断，统计得分和归一化后产生, 且, 组成 R0 。
其中既代表 uj 关于vj 的“隶属程度”，也反映了评判uj 为 vj 的集中程度。
数值为1 ,说明 uj 为 vj 是可信的，数值为零为忽略。
因此，反映这种集中程度的量称为“置信度”。
对于权系数的确定也存在一个信度问题。
在用层次分析法确定了各个专家对指标评估所得的权重后，作关于权系数的等级划分，由此决定其结果的信度。
当取N个等级时，其量化后对应于[0，l]区间上N次平分。
例如，N取5，则依次得到[0，0.2]，[0.2，0.4]，[0.2，0.6]，[0.6，0.8]，[0.8，l]。
模糊综合评判模型
模糊综合评判1. 评价模型评价的含义：评价是指根据明确的系统目标，结构及系统的属性，用有效的标准确定出系统的性质和状态，然后与一定评价准则相比较并做出判断常用的数学模型评价方法：2. 模糊综合评价模型模糊数学：研究和处理模糊性现象的数学（概念与对立面之间没有一条明确的分界线）综合评判就是对受到多个因素制约的事物或对象作出一个总的评价，如产品质量平定，科技成果鉴定，某种作物种植适应性的评价等，都属于综合评判问题。
由于从多方面对事物进行评价难免带有模糊性和主观性，采用模糊数学的方法进行综合评判将使结果尽量客观从而取得更好的实际效果。
3.模糊综合评价的一般步骤1.确定评价对象的因素集；2.确定评语集；3.作出单因素评价；4.综合评价；4.举例问题：设有甲，乙，丙三项科研成果，有关资料如表1所示，现欲从中评出一项优秀成果。
甲接近国际先进70% >100万元乙国内先进100% >200万元解：设评价指标（目标）集合为U={科技水平，实现可能性，经济效益}为了简化运算，设评语集合为V={高，中，低}或V={大，中，小}在专家们讨论，统一认识后，得出评价指标的权系数向量为)5.0,3.0,2.0(=A 专家评价的结果如表2所示。
(表中的数据是指赞成此种评价的专家人数与专家总人数的比值)。
这样得到模糊评判矩阵⎪⎪⎪⎭⎫ ⎝⎛=1.06.03.07.02.01.01.02.07.0甲R ⎪⎪⎪⎭⎫ ⎝⎛=03.07.00011.06.03.0乙R ⎪⎪⎪⎭⎫ ⎝⎛=6.03.01.00015.04.01.0丙R于是三项科研成果的综合评判结果为)3.0,5.0,3.0(1.06.03.07.02.01.01.02.07.0)5.0,3.0,2.0(=⎪⎪⎪⎭⎫⎝⎛⋅=⋅=甲甲R A B），，（乙乙1.03.05.0=⋅=R A B ），，（丙丙5.03.03.0=⋅=R A B经过归一化处理后得），，（），，（甲27.046.027.03.05.03.03.03.05.03.05.03.05.03.03.0=++++++=B ），，（乙11.033.056.0=B ），，（丙46.027.027.0=B甲27% 46% 27% 乙 56% 33% 11% 丙 27% 27% 46%答：从评价结果中可以看出，乙项科研成果应评为优秀项目。
基于DEA与模糊综合评判的第三方物流服务商评价研究
变 量 ， 除 了人 为 因素 带 来 的误 差 ， 无 需 进 行 无 量 纲 处 剔 且
Ｏ 引言 在 当 前 竞争 激 烈 的市 场 经济 下 ， 业 将 作 为 “ 三 利 企 第 的。 润源” 的物流 业务 外 包给 专 业 的第三 方 物流服 务 商 （ Ｐ ， Ｔ Ｌ） １２ 模糊 综 合评 判法 ． 已经 成 为提 高企 业 核 心竞争 力 的重 要手 段 之一 。 着我 国 随 模 糊 综 合评 判法 是 对一 个 与 各 种 模 糊 因素 有 关 的事 物 流 业 的迅 猛发 展 ， 三 方物 流 已初 具 规模 ， 流 服 务 功 第 物 物加 以综 合 考虑 ，应 用 模糊 变 换原 理 和最 大 隶属 度 原 则 ， 能显 著 改 善 ，出现 了一 些 既有 规模 又 有 效 益 的物流 企 业 。 将 一 些边 界 不清 、 易定 量 的 因素定 量化 ， 将 模 糊 性 加 不 即 但 从 整 体 上 看 ， 三 方物 流 企 业 虽 然 数 量 众 多 ， 普 遍 规 第 但 以量化 ， 用传 统 的数 学 方法进 行 分析 和 处理 。 但该 方法 利 模较小、 技术 不 成 熟、 资金 匮 乏、 市场 集 中度 低 。因此 ， 外包 评 判结 果 的 可靠 性和 准 确性 依 赖于 指 标 的合 理选 取 、 重 权 企 业 对 第 三 方物 流服 务 商 的绩 效 综合 评 价 变得 愈加 重要 。 分配 和 综 合评 价 的合 成 算 子 以及 数 学 知 识 表 示 与 模 型选 本 文通 过 运 用数 据 包络 分析 和 模 糊综 合 评价 的 方法 ， 别 分 择 等人 为 因素 ， 有很 强 的主观 性 。 具 从 物 流 效 力和 服 务 效 力 两 个 层 面 设计 第 三 方物 流 服 务 商 ２ ＤＥ Ａ与模 糊综 合评 判 法 的评 价 指 标 ， 立绩 效 评 价 模 型 ， 建 为企 业 进 行 物 流 外 包 时 假 设 评 价 体 系 中有 ｋ个 评 价 单 元 ， （＋ ） 评 价 指 共 ａ ｂ个 提供 辅 助 性 的决 策 支持。 标 ， 中 ａ个 量 化 指 标 （ 个 输 入 ， 其 ｍ ｓ个 输 出）ｂ个 非 量 化 ， １ 第 三方 物流 服 务 商的 评价 方法 指标 。 ∑ ∑ 第 三 方物 流 服 务 商 的选 择是 属 于 多 因素 、 目标 决 策 多 ２ １ 运用 ＤＥ 处理 量 化 指标 ． Ａ 问题 ， 一个 复 杂 的过 程 。 既要 充 分 考虑 到 外包 企业 本 身 是 先 对 量 化 指标 使 用 数 据 包 络 分 析 方 法 计 算 其 相≤ 效 对 的物流 需求 ， 要 考察 第 三 方物 流 服务 商 的 资源 、 术 、 又 技 价 个 Ｍ￣（ ≤ｌ ） 应 的输 入 向量 为 １ ≤ｎ对 格 、 务 水 平 等 多 方面 的 因 素 ， 服 并做 出客 观 的 、 学 的决 率 。 设第 ｉ 决 策 单 元 Ｄ 科 ＝ Ｘ＝（ ｌ ２… ， ） 输 出 向量 为 Ｙ－ Ｙｊ … ， ， 每个 决 ｊ Ｘｉ ｉ Ｘ ， ，， Ｘ ＿（ ｌ ， Ｙ ）即 ， Ｙ 策。 主要 包 含 的 方法有 两 类 ， 即定量 和定 性 分析 。 量 分析 定 策 单元 有 ｍ 种 类型 的“ 输入 ， 类 型 的“ 出 ” 对 于 决 Ｓ种 输 。 主 要 包括 数 据 包络 分析 （ Ｅ 、 性权 重 法 等 ， 性 分析 Ｄ Ａ） 线 定 策 单元 的 Ｃ Ｒ模型 ： Ｃ 主要 包 括 主观 判 断 法 、 商 法 等。 由于 定 性 分析 有 太 多 主 协 观偏 好存 在 ， 此容 易 导 致在 选 择 决 策 上 失 误 ， 定 性 的 因 但
基于DEA的企业绩效评价方法
100 Ur ≥ > 0, r = 1, 2, … , s V i ≥ > 0, i = 1, 2, … , m
系 统 工 程 2005 年 S r+ : 第 r 种产出变量之差额变量 ;
S i : 第 i 种产出变量之差额变量 ;
其 中 h k 表 示第 k 个 D M U 的 相对 效率值 ; x i j 代 表第 j 个 D M U 的第 i 个投入值 ; y rj 代表第 j 个 D M U 的第 r 个产出 值 ; U r 表示产出项 y 的虚拟乘数 ; V i 表示投 入项 x 的虚拟 乘数 ; 为非 阿基米 得数 ( no n ar chimedean qua nt ity ) ( 一 - 6 般设定为 10 ) 。 由 ( 1) 式可知 , DEA 在符合有限制条件 下所能找到的 最大效率 , 而虚拟乘 数 ( v ir tual multiplier s) 便是为使 某个 目 标函数 效率值 极大化 ( h k = 1) , 所 能找 到对此 D M U 最 有利的数值 , 其代表意义为所对应的投入或产出项对整体 效率的贡献程度 , 亦即有加权的意义 ; 加权值愈大 , 其贡献 愈大 , 因此加 权值不 得为负 , L ewin 和 M or ey 并以 来设 定其为最小正 值。又由 于每 个 D M U 都 有其目 标规 划式 ( 共需建立 n 个目标规划式 ) , 这些规划式所对应之限制条 件都 相同 , 因 此所得到 的效率值是 基于相同比 较基础 , 所 以我们说由此方法求出的效率值是公平 的 , 也是相对的。 将其转换为线型规划模式 , 则有 ma x s. t .
上标 * : 表示最佳值。 ( 4) 式说明了投入应减少多少 , 产出应增加多 少 , 才能 使原来无效率的 DM U 变为有效率。 因此 , 可以利用 ( 2) 式 计 算 DM U 的 相对效率值 , 便 可由 ( 3) 、 ( 4) 式了解 效率改 善方向。 将上述模式中有关固定规 模报酬的假设作了修正 , 可 得 BCC 模 式 ( 5) , 该模式 可用 于探 讨技 术效 率 ( technica l 规模 效 率 ( scale efficiency ) 与 规 模 报 酬的 问 efficiency ) 、 题。其数学式表示为
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
是下述规划方程的最优解: ������T ������������ max T 1 . ������ ������������1 ������T ������������ s.t. T 1 ⩽ 1, ������ = 1, 2, ⋅ ⋅ ⋅ , ������; ������ ������������1
于 DMU������0 的交叉效率. 其中
∗ ∗ ∗ ������∗ ������1 = (������������1 1 , ������������1 2 , ⋅ ⋅ ⋅ , ������������1 ������ ), ∗ ∗ ∗ ∗ ������������ = (������������ , ������������ , ⋅ ⋅ ⋅ , ������������ ) 1 11 12 1 ������
平均交叉效率、 最小交叉效率和最大交叉效率概念的基础上, 采用交叉评价方法对量化数据进行处理; 然后对最小 交叉效率值、 平均交叉效率值和最大交叉效率值进行模糊化, 模糊化之后将其作为模糊综合评价的指标与非量化指 标一起进行二次评价, 以建立基于 DEA 交叉评价的模糊综合评价模型; 最后通过评价实例验证了所提出的模型在处 理客观数据与主观因素并存的多属性决策中的客观性和全面性. 关键词: 交叉评价；模糊综合评价；数据包络分析 中图分类号: O159 文献标识码: A
特殊情况下, 由方程组 (5) 求解出来的最优权重 可能不唯一, 从而导致计算得到的交叉效率值也不 唯一. 考虑到计算决策对象 DMU������1 对 DMU������0 的交叉 效率值时 DMU������0 处于被动地位, 参考文献 [14] 提出的
∗ ∗ ∗ ∗ 处理方法, 当最优权重 ������∗ ������1 = (������������1 1 , ������������1 2 , ⋅ ⋅ ⋅, ������������1 ������ ), ������������1 = ∗ ∗ ∗ (������������ , ������������ , ⋅ ⋅ ⋅, ������������ ) 不唯一时, 可令 11 12 1 ������ T ������∗ ������1 ������������0 , ∗T ������ ������������ ������0 1
������������ ⩾ 0, ������ = 1, 2, ⋅ ⋅ ⋅ , ������; ������������ ⩾ 0, ������ = 1, 2, ⋅ ⋅ ⋅ , ������.
(5a)
������������0 ������ = min
������=1
������
(9)
即此时的交叉效率是所有权重情况下交叉效率值的 最小值. Step 3 (5b) 对量化指标的交叉效率值进行模糊化处 理. 平均交叉效率公平地反映了各个评价单元的效率, 显然用其代替专家打分更具说服力. 但是, 它是单一 数值, 客观上也没有模糊综合评价所需要的隶属度. 文献 [9] 是将模糊综合评价的评语集设为 ������ = (������0 , ������1 ,576控制与决
策
第 27 卷
建模, 但 DEA 是针对每一个决策单元建立对其最有 利的数学规划模型, 属于 “自评” , 其最优解等于决策 单元可能相对效率的最大值, 用它来比较决策单元时, 往往夸大长处、 回避缺陷, 所以不够客观和全面. 近年 来, 许多学者开始研究交叉评价在多属性决策中的应 用[10-14] , 并取得了较好的成果. 本文借鉴 DEA 交叉评价的思想, 针对量化数据, 将 DEA 交叉评价的最小交叉效率、 平均交叉效率和 最大交叉效率模糊化为评价指标的隶属函数, 用其代 替专家打分或直接给出分布, 并将其作为模糊综合评 价的评价指标与非量化指标一起进行最终评价, 以使 模型能够更客观、 全面地反映现实系统.
第 27 卷 第 4 期 Vol. 27 No. 4
文章编号: 1001-0920 (2012) 04-0575-04
控
制
与
and
决
策
Control
Decision
2012 年 4 月 Apr. 2012
基于 DEA 交叉评价的模糊综合评价模型及其应用
郭清娥, 王雪青, 位 珍
(天津大学 管理与经济学部，天津 300072) 摘 要: 借鉴数据包络分析 (DEA) 交叉评价的思想, 首先将评价系统内的指标分为量化指标和非量化指标, 在定义
记 DEA 评价系统中第 ������ 个决策单元为 DMU������ , 其 输入、 输出向量分别为
������������ = (������������1 , ������������2 , ⋅ ⋅ ⋅ , ������������������ )T , ������������ = (������������1 , ������������2 , ⋅ ⋅ ⋅ , ������������������ )T .
文献 [13] 已经给出了 DEA 交叉评价的步骤. 这 里结合文献 [13], 首先给出如下概念: 定义 1
T ∗T 称 ������������0 ������1 = ������∗ ������1 ������������0 /������������1 ������������0 为 DMU������1 对
3 基于交叉评价的模糊综合评价方法
本文提出的基于交叉评价的模糊综合评价方法 的基本思想是, 将交叉评价的结果 (最小交叉效率、 平 (1) (2) 均交叉效率和最大交叉效率) 进行模糊化处理后作为 模糊综合决策时的指标进行评价. 基本步骤如下: Step 1 (3) (4) Step 2 将评价系统内所有指标因素分为量化指 按照 DEA 交叉评价的步骤计算量化指 标和非量化指标.
cross 标中各决策单元的平均交叉效率 ������������ , 最小交叉效 0 min max 率 ������������ 和最大交叉效率 ������������ . 0 0
各自对应的权向量分别为
������������ = (������������1 , ������������2 , ⋅ ⋅ ⋅ , ������������������ ), ������������ = (������������1 , ������������2 , ⋅ ⋅ ⋅ , ������������������ ).
在多属性决策中, 由于客观事物的复杂性和不确 定性以及人类认知水平的有限性, 往往既有客观数据, 又有主观因素, 决策者很难对评价对象作出精确的评 判. 数据包络分析 (DEA) 可以通过对客观数据的分析 和计算得出评价单元的相对效率, 并可通过投影原理 提出相应的改进方向; 而模糊综合评价方法 (FCA) 则 可由专家对主观因素进行模糊变换取得综合评价向 量. 因此, 在面临客观数据与主观因素并存的多属性 决策问题时, 学者们提出了一些将 DEA 与 FCA 相结 合的综合评价方法[1-6] . 文献 [1-2] 建立了基于模糊数 变换的 DEA 模型进行综合评价, 解决了以往模型要 求输入、 输出指标之间必须满足一定的严格条件的局 限性; [3] 在多目标规划的基础上, 建立了模糊 DEA 模 型 (FMP), 通过取截集的方法求其最优值, 用以处理
收稿日期: 2010-11-04；修回日期: 2011-03-29.
基金项目: 国家自然科学基金项目(71172148)；建设部基金项目(2011-R3-18). 作者简介: 郭清娥(1981−), 女, 博士生, 从事工程项目评价、 投标决策等研究；王雪青(1965−), 女, 教授, 从事工程管理 等研究.
1 引
言
含有模糊性数据的决策单元的有效性问题. 这些方法 本质上是基于模糊数学的数据包络分析, 即将模糊数 学引入数据包络分析中, 属于 “模糊 DEA” . 为充分利 用模糊综合评价的易操作性, 将数据包络分析与模糊 综合评价二者更好地结合, 许多学者作了进一步的研 究[7-9] . [7] 提出了一种将数据包络分析与模糊理论相 结合的投资项目评价方法, 实现了模糊指标的定量化, 并在模型中考虑了投资项目的弱点以及无效的原因; [8] 针对工程方案设计的主观性问题, 探讨了模糊综 合评价与数据包络分析在工程方案设计选择中的应 用. 值得注意的是, [9] 将数据包络分析的评价结果通 过特定方式进行模糊化处理, 然后作为模糊综合评价 的评价指标进行二次评价, 建立了更具客观说服力的 模型. 上述模型均采用普通数据包络分析 (DEA) 方法
最大值为 DMU������0 的最大交叉效率, 记为
max ������������ = max ������������0 ������ . 0 ������=1 ������
(8)
cross ������������ 是所有决策单元对于 DMU������0 的效率评价 0 cross 值的均值. 显然, ������������ 的值越大, 表明 DMU������0 的相对 0 min 效率越大. ������������ 是对 DMU������0 最不利权重时的效率值, 0 max cross , 是对 DMU������0 最有利权重时的效率值. 由 ������������ ������������ 0 0 min max 表达式及计算过程可以看出, 交叉效率 ������������ 和 ������������ 0 0
Fuzzy comprehensive evaluation based on cross-evaluation and its application
GUO Qing-e, WANG Xue-qing, WEI Zhen
(College of Management and Economics，Tianjin University，Tianjin 300072，China．Correspondent：WANG Xue-qing，E-mail：wxq@) Abstract： Based on the idea of data envelopment analysis(DEA) cross-evaluation for reference, this paper processes the quantitative data using cross-evaluation method(CEM) on the basis of the concept of “average cross-efficiency evaluation” , “minimum cross-efficiency evaluation” , “maximum cross-efficiency evaluation” . CEM can work as the index of fuzzy comprehensive evaluation for second evaluation. Based on cross-evaluation, fuzzy comprehensive evaluation model in environmental uncertainty is also constructed to reflect the reality system more objectively and comprehensively. Key words：cross-evaluation；fuzzy comprehensive assessment；data envelopment analysis