数据包络分析-DEA(Data Envelopment Analysis)-DEA的简单原理
数据包络分析 (Data envelopment ***ysis,DEA)是 运筹学 和研究经济生产边界的一种方法。该方法一般被用来测量一些决策部门的 生产效率 。
(1)效率=产出/投入,反映单要素生产率问题,例如:劳动生产率、资本生产率等。
(2)例子:需衡量A-H八个门店的效率
①投入指标:Employee(雇员劳动力)
②产出指标:Sale(销售收入)
③效率:Sale/Employee(销售收入/雇员劳动力)
④分析:根据Sale/Employee比值结果来看,其他门店比值小于1,而B门店比值为1,所以B门店效率***
⑤前沿线与回归线:
前沿线(Efficient Frontier):把所有点包络起来,最有效的点位于前沿线上
回归线(Regression Line):从原点出发,穿过所有点中间,解释的是投入对产出在 平均 意义上产生多大影响,不能衡量效率
⑥A的改进方式:
①投入指标:Employee(雇员劳动力) 、Floor Area(门店面积)
②产出指标:Sale(销售收入)
③生产前沿图:
④A的改进途径:
①投入指标:Employee(雇员劳动力)
②产出指标:Customers(顾客数量)、Sale(销售收入)
③生产前沿图:
④D的效率:
数据分析和数据包络分析的区别
数据分析和数据包络分析的区别是采用的方法和定义不同。数据分析是对收集来的大量数据进行分析,提取有用信息,对数据加以详细研究和概括总结的过程。数据包络分析是一种用于进行综合评判分析的非参数方法。
什么是数据包络分析法
介绍
数据包络分析法:英文全名叫 Data Envelopment Analysis 简称 DEA。是效率评价中常用的一种评价模型,他是运筹学、经济学、计量学、统计学等多种学科综合在一起的运用非常广泛的一种评价方法。
基本思想是通过DMU 的输入和输出数据进行综合分析,得出每个DMU效率的相对指标,然后将所有DMU效率指标排序,确定相对有效的 DMU ,同时还可以用投影方法指出非 DEA 有效或者 弱 DEA有效的原因,以及应该改进的方向和程度,为管理人员提供管理决策信息。
特点
数据包络分析特点:
适用于多产出-多投入的有效性综合评价问题,在处理多产出-多投入的有效性评价方面具有绝对优势。
数据包络分析方法并不直接对数据进行综合,因此决策单元的最有效率指标与投入指标值及产出指标值的量纲选取无关。
无需任何权重假设,而以决策单元投入产出的实际数据求得最有权重,排除了很多主观因素,具有很强的客观性。
不仅可以将待评价的决策单元进行效率排队,还能进一步指出无效单元的无效原因及改进的方向和尺度,为决策者提供更多有价值的管理信息。
缺点:
结果只能表明评价单元的相对发展指标,无法对实际的发展水平明确表示。
由于各个决策单元都是从最有利于自己的角度分别求得权重,这样会导致这些权重随着 DMU 的不同而不同。从而使得每个决策单元 DMU 的特性缺乏可比性。这样得出的结果可能不符合客观实际。
DEA方法隐含要求问题方案具有更好的结构化、确定性的特征、,使其较难适应管理对象系统中的模糊性、主观性的评价情景和需要。从而限制了DEA方法在管理领域中的使用。
原理
数据包络分析的原理主要是通过对生产决策单元(Decision Making Units ,DMU)的输入与输出数据的研究,从相对有效性的角度出发来评价具有相同类型的多投入、多产出决策单元的技术与规模的有效性。
借助数学规划和统计数据确定相对有效性的生产前沿面,将各个决策单元投影到DEA的生产前沿面上,并通过比较决策单元DEA偏离前沿面的程度来评价它们的相对有效性。它不需要以参数形式规定生产前沿函数,并且允许生产前沿函数可以因为单位的不同而不同,不需要弄清楚各个评价决策单元的输入与输出之间的关联方式,只需要最终用极值的方法,以相对收益这个变量作为总体上的衡量标准。
生产决策单元(Decision Making Units ,DMU)
指DEA 方法将一项活动或一个动态系统看作该系统在一定范围内通过一定数量的生产要素并产出一定数量的产出的过程。为使该项活动或动态系统取得***的效益,这一过程须经过一些列的决策,产出是觉得的结果。这样的系统就是决策单元。每一个决策单元都有一定的输入与输出,并在输入转化为输出的过程中努力实现自身的决策目标。
具体
参考文档:
数据包络分析的介绍就聊到这里吧,感谢你花时间阅读本站内容,更多关于数据包络分析法的优点包括、数据包络分析的信息别忘了在本站进行查找喔。