综合评价与决策方法03——数学包络分析

综合评价与决策方法03——数学包络分析

顶！！！

---

肝！！！

---

前言

评价方法大体上可分为两类，其主要区别在确定权重的方法上。一类是主观赋权法，多数采取综合咨询评分确定权重，如综合指数法、模糊综合评判法、层次分析法、功效系数法等。另一类是客观赋权，根据各指标间相关关系或各指标值变异程度来确定权数，如主成分分析法、因子分析法、理想解法（也称TOPSIS法）等。 目前国内外综合评价方法有数十种之多，其中主要使用的评价方法有主成分分析法、因子分析、TOPSIS、秩和比法、灰色关联法、熵权法、层次分析法、模糊评价法、物元分析法、聚类分析法、价值工程法、神经网络法等。

---

一、数据包络分析

1978年A. Charnes, W. W. Cooper和E. Rhodes给出了评价多个决策单元（Decision Making Units，简称DMU）相对有效性的数据包络分析方法（data envelopment analysis, DEA）。
目前，数据包络分析是评价具有多指标输入和多指标输出系统的较为有效的方法。

1. 相对有效评价问题

【例4】（多指标评价问题）
某市教委需要对六所重点中学进行评价，其相应的指标如表14.8所示。表14.8中的生均投入和非低收入家庭百分比是输入指标，生均写作得分和生均科技得分是输出指标。请根据这些指标，评价哪些学校是相对有效的。

为求解例14.4，先对表14.8作简单的分析。
学校$C$的两项输出指标都是最高的，达到29.4和317，应该说，学校$C$是最有效的。但从另一方面说，对它的投入也是最高的，达到108.13和99.6，因此，它的效率也可能是最低的。究竟如何评价这六所学校呢？这还需要仔细地分析。

这是一个多指标输入和多指标输出的问题，对于这类评价问题，A. Charnes, W. W. Cooper和E. Rhodes建立了评价决策单元相对有效性的C2R模型。

2. 数据包络分析的C2R模型

数据包络分析有多种模型，其中C2R（由Charnes，Cooper和Rhodes三位作者的第一个英文字母命名）的建模思路清晰、模型形式简单、理论完善。

设有$m$个评价对象，每个评价对象都有$n$种投入和$s$种产出，设$a_{ij}$（$i=1,\cdots ,m，j=1,\cdots ,n$）表示第i个评价对象的第$j$种投入量，$b_{ik}$（$i=1,\cdots ,m，k=1,\cdots ,s$）表示第$i$个评价对象的第k种产出量，$u_j$ ($j=1,\cdots ,n$)表示第$j$种投入的权值，$v_k$（$k=1,\cdots ,s$）表示第$k$种产出的权值。

向量${\alpha }_i,{\beta }_i(i=1,\cdots ,m)$分别表示评价对象i的输入和输出向量，$\mathbf{u}和\mathbf{v}$分别表示输入、输出权值向量，则${\alpha }_i=[a_{i1},a_{i2},\cdots ,a_{in}]T$，${\beta }_i=[b_{i1},b_{i2},\cdots ,b_{is}]T$，$\mathbf{u}=[u_1,u_2,\cdots ,u_n]T$，$\mathbf{v}=[v_1,v_2,\cdots ,v_s]T$。

定义评价对象i的效率评价指数为
$$h_i=({\beta }_i^T\mathbf{v})/({\alpha }_i^T\mathbf{u}),i=1,2,\cdots ,m.$$
评价对象$i_0$效率的数学模型为
通过Charnes-Cooper变换：$\omega =t\mathbf{u}，\mu =t\mathbf{v}$，$t=\frac{1}{{\alpha }_{i_0}^T\mathbf{u}}$，可以将模型(14.15)变换为等价的线性规划题
$$max{V}_{i_0}={\beta }_{i_0}^T\mu ，$$
$$s.t.\{\begin{array}{l}max{V}_{i_0}={\beta }_{i_0}^T\mu ，{\alpha }_i^T\omega -{\beta }_i^T\mu \ge 0,i=1,2,\cdots ,m,\\ {\alpha }_{i_0}^T\omega =1,\\ \omega \ge 0,\mu \ge 0.\end{array}(14.16)$$
可以证明，模型(14.15)与模型(14.16)是等价的。
对于C2R模型(14.16)，有如下定义：

【定义14.1】 若线性规划问题(14.16)的最优目标值$V_{i_0}=1$，则称评价对象$i_0$是弱DEA有效的。
【定义14.2】 若线性规划问题(14.16)存在最优解${\omega }^{\ast }>0，{\mu }^{\ast }>0$，并且其最优目标值$V_{i_0}=1$，则称评价对象$i_0$是DEA有效的。

从上述定义可以看出，所谓DEA有效，就是指那些评价对象，它们的投入产出比达到最大。因此，可以用DEA方法来对评价对象进行评价。

3. C2R模型的求解

从上面的模型可以看到，求解C2R模型，需要求解若干个线性规划，这一点可以用Matlab软件完成。
运用C2R模型（14.16）求解例14.4的Matlab程序如下：

clc, clear, m=2; n=6;
d=load('data14_4.txt');
a=d([1,2],:)'; b=d([3,4],:)';
prob=optimproblem('ObjectiveSense','max');
u=optimvar('u',m,'LowerBound',0); 
v=optimvar('v',m,'LowerBound',0); %列向量
prob.Constraints.con1 = a*u>=b*v;
for j=1:n
    fprintf('第%d个学校计算结果如下：\n',j)
    prob.Objective=b(j,:)*v;
    prob.Constraints.con2 = a(j,:)*u==1;
    [sol,fval]=solve(prob)
    su=sol.u, sv=sol.v  %显示最优解
end

运行上述程序，得到6个最优目标值：
1，0.9096，0.9635，0.9143，1，1.
因此，学校$A,E,F$是DEA有效的。

4. 数据包络分析的案例

4.1 引言

数据包络分析（data envelopment analysis, DEA）是著名运筹学家A. Charnes 和 W. W. Copper 等学者以“相对效率”概念为基础，根据多指标投入和多指标产出对相同类型的单位（部门）进行相对有效性或效益评价的一种系统分析方法。它是处理多目标决策问题的好方法。它应用数学规划模型计算比较决策单元之间的相对效率，对评价对象做出评价。

DEA特别适用于具有多输入多输出的复杂系统，这主要体现在以下几点：
（1）DEA以决策单位各输入输出的权重为变量，从最有利于决策单元的角度进行评价，从而避免了确定各指标在优先意义下的权重。
（2）假定每个输入都关联到一个或者多个输出，而且输出输入之间确实存在某种关系，使用DEA方法则不必确定这种关系的显式表达式。

DEA最突出的优点是无须任何权重假设，每一输入输出的权重不是根据评价者的主观认定，而是由决策单元的实际数据求得的最优权重。因此，DEA方法排除了很多主观因素，具有很强的客观性。

DEA是以相对效率概念为基础，以凸分析和线性规划为工具的一种评价方法。这种方法结构简单，使用比较方便。自从1978年提出第一个DEA模型—C2R模型并用于评价部门间的相对有效性以来，DEA方法不断得到完善并在实际中被广泛应用，诸如被应用到技术进步、技术创新、资源配置、金融投资等各个领域，特别是在对非单纯盈利的公共服务部门，如学校、医院，某些文化设施等的评价方面被认为是一个有效的方法。

现在，有关的理论研究不断深入，应用领域日益广泛。应用DEA方法评价部门的相对有效性的优势地位，是其它方法所不能取代的。或者说，它对社会经济系统多投入和多产出相对有效性评价，是独具优势的。

我们把城市的可持续发展系统（某一时间或某一时段）视作DEA中的一个决策单元，它具有特定的输入输出，在将输入转化成输出的过程中，努力实现系统的可持续发展目标。

4.2 案例

【例5】 利用DEA方法对天津市的可持续发展进行评价。在这里选取较具代表性的指标，作为输入变量和输出变量，见表14.9。

输入变量：政府财政收入占GDP的比重、环保投资占GDP的比重、每千人科技人员数；输出变量：经济发展（用人均GDP表示）、环境发展（用城市环境质量指数表示）。

计算的Matlab程序如下

clc, clear, m=3; n=10; s=2;
d=load('data14_5.txt');
a=d(:,[1:3]); b=d(:,[4,5]);
prob=optimproblem('ObjectiveSense','max');
u=optimvar('u',m,'LowerBound',0); 
v=optimvar('v',s,'LowerBound',0); %列向量
prob.Constraints.con1 = a*u>=b*v;
for j=1:n
    fprintf('第%d年计算结果如下：\n',j+1989)
    prob.Objective=b(j,:)*v;
    prob.Constraints.con2 = a(j,:)*u==1;
    [sol,fval]=solve(prob)
    su=sol.u, sv=sol.v  %显示最优解
end

计算结果见表14.10，最优目标值用$\theta$表示。显而易见，该市在20世纪90年代的发展是朝着可持续方向前进的。

总结

综合评价与决策方法04——灰色关联分析法