DEA--综合的双目标数据包络分析模型
今天想介绍的这篇文章是单阶段的。
文献介绍
文献名字是
A
n
i
n
t
e
g
r
a
t
e
d
b
i
−
o
b
j
e
c
t
i
v
e
d
a
t
a
e
n
v
e
l
o
p
m
e
n
t
a
n
a
l
y
s
i
s
m
o
d
e
l
f
o
r
m
e
a
s
u
r
i
n
g
r
e
t
u
r
n
s
t
o
s
c
a
l
e
An \ integrated \ bi-objective \ data \ envelopment \ analysis \ model \ for \ measuring \ returns \ to \ scale
An integrated bi−objective data envelopment analysis model for measuring returns to scale,2022年发表于
E
J
O
R
EJOR
EJOR期刊上。总得看下来,自我感觉这篇文献就是炫技了一点,各种要素叠加
。
这里只介绍简单介绍模型(文章所使用的例子很奇怪,因此不复现了,但是模型不难)。
基础模型介绍
首先,作者引出基础模型BCC:
投入导向型(input-oriented)BCC模型:
在最开始学习DEA的时候,我们就知道这个模型其实应该分成两个模型进行计算(由于阿基米德数的存在),文献中有详细说明原因:
由于这个原因,BCC实际上应该通过两个步骤来求解:
产出导向型(output-oriented)BCC模型:
改善模型1
由于BCC模型只能从单一方向上去改善投入或者产出。继而同时从投入和产出出发,改善模型:
改善模型2
上述所有模型都是基于期望投入和期望产出进行的。若考虑期望(D)与非期望元素(U):
(上图中的红色剪头指的是 作者那两个符号位置错了)
改善模型3
若考虑数值上 整数(integer)与实际值(real)的区别:
模型为:
本文模型
上面已经给出了3种改善模型,那么作者就是考虑了投入与产出导向、期望与非期望 以及 整数与实际值 这3个方面,拼凑出自己的模型为:
作者后续根据这个模型去确定RTS,这里就不说明了。若大家对这篇文献感兴趣的话,可以详细看看。
注:本人所有文章里涉及的模型都可以有偿提供代码。寒假期间大家如果有感兴趣的文献,可以私信跟我说文献名字,我也想看看。