具有非期望产出的随机DEA模型研究.docVIP

具有非期望产出的随机DEA模型研究 　　摘要为解决含有不确定信息的非期望产出效率评价问题，建立了一个非期望产出的随机DEA模型.该模型将非期望产出作为负期望产出进行处理，引入了期望效率值、显著性水平来刻画随机问题，并通过机会约束规划的相关知识将模型转化为确定形式.对模型的最优值的相关性质进行了探讨，说明最优值与期望效率值、显著性水平之间的关系.最后给出数值实验说明该模型的有效性. 　　关键词数据包络分析；非期望产出；随机性 　　中图分类号O221.2 文献标识码A 　　Research on Stochastic DEA Model 　　for Undesirable Outputs Evaluation 　　ZHU Jiaxin1 ，SUN Yuhua1 ，YANG Liming2 　　（1.School of Mathematics and Physics， University of science and technology Beijing， Beijing100803， China； 　　2.College of Science， China Agricultural University， Beijing100083，China ） 　　Abstract In order to solve the evaluation problem with undesirable outputs and uncertain information， this paper established a stochastic DEA model with undesirable outputs. The model treats undesirable outputs as negative desirable outputs. Meanwhile， it introduces the desired value and the efficiency of the significant level to describe the stochastic problem. By using the knowledge of chance constrained programming， we derived a deterministic equivalent model， discussed the related properties of the optimal value of the model， and explained the relationship among the optimal value， the efficiency value and the significant level. Finally， numerical experiments were presented to illustrate the validity of the model. 　　Key wordsdata envelopment analysis（DEA）； undesirable outputs； stochastic 　　1引言 　　数据包络分析（data envelopment analysis，DEA），是数学、运筹学、数理经济学、管理科学和计算机科学的一个交叉领域，是使用数学规划模型评价具有多个投入和产出的部门或单位间相对有效性的分析方法[1].传统DEA模型都是基于确定性问题进行研究，但是在实际生活中，由测量、经济规律随机性等因素的干扰会产生非精确数据问题.随机DEA主要用于处理具有不确定信息下的同类决策单元的相对绩效评价问题，现在越来越受到学者的重视.Sengupta[2]最先提出了随机DEA模型，之后许多学者使用不同方法对具有随机性影响的效率评价问题进行了研究.Cooper等[3]提出了机会约束方法，将约束条件表达成概率函数的形式，以此来对随机性进行分析.Sueyoshi等[4]为了预测决策单元的未来绩效，提出了未来DEA随机模型.蓝以信等[5]从理论上对未来DEA随机模型的性质进行了探讨.Tosionas等[6]引入贝叶斯后验概率的方法，对机会约束DEA模型的评价效率值进行统计推断，并对希腊银行进行了效率评估.Udhayakumar等[7]则将遗传算法的随机模拟与机会约束方法结合起来对DEA模型进行了研究. 　　从环境治理方面考虑，带有污染性的非期望输出如废水、废气、废渣都是不可避免的.国内外许多学者从不同方面对具有非期望产出的评价问题进行了研究.Fare等[8]提出了一种非线性的曲线测度评价方法，用“非对称”的方式处理非期望产出，但是计算上较为复杂.Zhou等[9]为了对