数据包络分析--二阶段网络（考虑各阶段的公平性）

文献介绍

新出炉–吴杰老师的文章！文献名字是$Two-stageDEAmodelswithfairnessconcern:Modellingandcomputationalaspects$，发表于1区$Omega$期刊上，优秀。

这篇文献已经看了两三天了，里面的数学内容还没有彻底消化，但是模型以及所有的结果已经全部可以算得。这里自己主要是对模型抽丝剥茧，理理模型公式。一些数学理论大家有兴趣的话可以仔细钻研。

注意：由于本人看的文献基本都是外刊，国内文献有些术语我不太熟悉。有时候自己对英语翻译，可能说法不太对，我会尽量在一些词汇后面标注英文

二阶段网络示意图

由于这篇文献考虑公平性，对目标函数加上了一些惩罚项，在$CC$变换时已经不容易。所以在网络结构方面，考虑的是最简单的二阶段网络，要素只有投入、中间变量和产出。

基础知识——合作和非合作模式

非合作模式（Non-cooperative mode）

$subDMU1dominatestheoverallsystem$

如果是阶段一（图中用$subDMU1$表示）作为领导者（leader），阶段二（$subDMU2$）作为跟随者（follower），此时$subDMU1$的最优效率$E_o^{non-1\ast }$由$model1$计算得到。

$Charnes-Cooper$变化存在，但不再特意指出。

在已知$E_o^{non-1\ast }$后，继而求解$E_o^{non-12}=\frac{\sum _{r=1}^s{\mu }_r^{\ast }{y}_{ro}}{\sum _{d=1}^p{\omega }_d^{\ast }{z}_{do}}$。文献中并没有给出求解$E_o^{non-12}$的具体公式，应该是：

$subDMU2dominatestheoverallsystem$

与上述同理，如果是阶段二（图中用$subDMU2$表示）作为领导者（leader），阶段一（$subDMU1$）作为跟随者（follower），此时$subDMU2$的最优效率$E_o^{non-2\ast }$由$model3$计算得到。

在已知$E_o^{non-2\ast }$后，继而求解$E_o^{non-21}=\frac{\sum _{d=1}^p{\omega }_d^{\ast }{z}_{do}}{\sum _{i=1}^m{v}_i^{\ast }{x}_{io}}$。$E_o^{non-12}$的具体公式为：

合作模式（Cooperative mode）

合作模式，实质上就是令两个阶段的加权求和效率最大。模型公式为$model5$。

由于权重$a,b$为0~1之间的常数，并且其大小由决策者（$decisionmaker$，即$DM$）。$Kao$在2014年的$Omega$上发表了一篇关于权重设置的文章，提出给权重赋值。那么本文献也是这么做的，令：
$$a=\frac{\sum _{i=1}^m{v}_i{x}_{io}}{\sum _{d=1}^p{\omega }_d{z}_{do}+\sum _{i=1}^m{v}_i{x}_{io}},b=\frac{\sum _{d=1}^p{\omega }_d{z}_{do}}{\sum _{d=1}^p{\omega }_d{z}_{do}+\sum _{i=1}^m{v}_i{x}_{io}}$$

由此，$model5$的目标函数变为： $max\frac{\sum _{d=1}^p{\omega }_d{z}_{do}+\sum _{r=1}^s{\mu }_r{y}_{ro}}{\sum _{d=1}^p{\omega }_d{z}_{do}+\sum _{i=1}^m{v}_i{x}_{io}}$。
此时，当$model5$达到最优值，$subDMU1$和$subDMU2$的效率分别为：
$$E_o^{1\ast }=\frac{\sum _{d=1}^p{\omega }_d^{\ast }{z}_{do}}{\sum _{i=1}^m{v}_i^{\ast }{x}_{io}},E_o^{2\ast }=\frac{\sum _{r=1}^s{\mu }_r^{\ast }{y}_{ro}}{\sum _{d=1}^p{\omega }_d^{\ast }{z}_{do}}$$

考虑公平性的二阶段网络——$Two-stageutilitymodelwithfairnessconcern$

文献中指出，公平关怀是行为经济学中指导人际交往的一个重要理念。公平关注的基本观点是，参与人关注的是自身利益以及利益在所有参与人之间的分配结果。
为了公平起见，假设两个阶段除了自身利益外，对彼此都有公平的关注，或者整体系统的监管者为两个子决策单元设定一个公平的结果。在本研究中，可以将自我效益视为效率。随后，假设每个子决策单元将协商一个双方都接受的公平的自我效能结果。对公平结果的任何损害都将以对彼此产生负效用的形式出现。
假设$subDMU1$的效率是$subDMU2$的效率的$k$倍，即$E_o^1=k\ast E_o^2（k>0）$，基于行为经济学中的不平等厌恶和公平关注，对$subDMU1$和$subDMU2$的公平关注效用分别定义如下:


并且${\alpha }_1,{\alpha }_2,{\beta }_1,{\beta }_2>0$。
其中，$\alpha$是嫉妒参数（$envyparameter$），$\beta$是内疚参数（$guiltparameter$）。

非合作模式（Non-cooperative mode）

文献中详细说了$subDMU1$领导的情况，那么，在这里同样地详细说明该情况，$subDMU2$领导的情况草草带过。

$subDMU1dominatestheoverallsystem$

当$subDMU$（阶段一）是领导者并且关注公平性时，此时$subDMU$不只关注自己的效率$E_o^1$，同时关注公平关注效用（$fairnessconcernutility$）$f_o^1$。模型见$model9$，一些变换见下图：

这里，经过$Charnes-Cooper$变化，令：

此时，$model9$转变为$model11$：

在$model11$中，${\alpha }_1,{\alpha }_2,{\beta }_1,{\beta }_2$是由决策者决定的常数，$k$和$q$是需要讨论的。在后续例子中，作者有给出算法：

例子

文献中给出了数据，如$Table1$所示：

$E^{non-1\ast }$是由$model1$所得，$E^{non-12\ast }$是由$model（1-1）$所得。
$q$是通过循环遍历可得到。不同的$k$和嫉妒参数、内疚参数，所得结果不同。

$subDMU2dominatestheoverallsystem$

若是在合作模式下，算法为：

本文设置$k=2.357$，结果为：