Jump to content

Анализ охвата данных

Анализ охвата данных ( DEA ) – это непараметрический метод исследования операций и экономики для оценки производственных границ . [1] DEA применяется в широком спектре областей, включая международное банковское дело, экономическую устойчивость, операции полицейских отделений и логистические приложения. [2] [3] [4] Кроме того, DEA использовался для оценки производительности моделей обработки естественного языка и нашел другие применения в машинном обучении. [5] [6] [7]

Описание [ править ]

DEA используется для эмпирического измерения производственной эффективности подразделений принятия решений (DMU). Хотя DEA имеет тесную связь с теорией производства в экономике, этот метод также используется для сравнительного анализа в управлении операциями , в результате чего выбирается набор показателей для оценки эффективности производственных и сервисных операций. [8] В бенчмаркинге эффективные DMU, ​​по определению DEA, не обязательно образуют «производственную границу», а скорее приводят к «границе передовой практики». [1] [9] : 243–285 

В отличие от параметрических методов, которые требуют предварительного определения производственной функции или функции затрат, непараметрические подходы сравнивают возможные комбинации ввода и вывода только на основе имеющихся данных . [10] DEA, один из наиболее часто используемых непараметрических методов, обязан своим названием свойству охватывать эффективные DMU набора данных, где эмпирически наблюдаемые наиболее эффективные DMU составляют производственную границу, с которой сравниваются все DMU. Популярность DEA проистекает из относительного отсутствия предположений, способности сравнивать многомерные входные и выходные данные, а также из-за простоты вычислений, поскольку ее можно выразить в виде линейной программы , несмотря на ее задачу расчета коэффициентов эффективности . [11]

История [ править ]

Опираясь на идеи Фаррелла, [12] «Измерение эффективности подразделений, принимающих решения» 1978 года. работа Чарнса , Купера и Роудса [1] впервые применил линейное программирование для оценки эмпирической границы производственных технологий. В Германии процедура ранее использовалась для оценки предельной производительности НИОКР эта и других факторов производства. С тех пор было написано большое количество книг и журнальных статей о DEA или о применении DEA для решения различных задач.

Начиная с модели CCR, названной в честь Чарнса, Купера и Роудса, [1] В литературе было предложено множество расширений DEA. Они варьируются от адаптации неявных допущений модели, таких как ориентация на ввод и вывод, различение технической и распределительной эффективности, [13] добавление ограниченной возможности одноразового использования [14] входов/выходов или различной отдачи от масштаба [15] к методам, которые используют результаты DEA и расширяют их для более сложного анализа, такого как стохастический DEA. [16] или анализ перекрестной эффективности. [17]

Техники [ править ]

В сценарии с одним входом и одним выходом эффективность — это просто отношение выхода к входу, которое может быть произведено, тогда как сравнение нескольких объектов/DMU на основе этого тривиально. Однако при добавлении большего количества входов или выходов расчет эффективности становится более сложным. Чарнс, Купер и Роудс (1978) [1] в своей базовой модели DEA (CCR) определяют целевую функцию, чтобы найти эффективность как:

где известный результаты умножаются на соответствующие веса и разделен на входы умноженные на их соответствующие веса .

Оценка эффективности стремится быть максимизированным при ограничениях, заключающихся в том, что использование этих весов для каждого , ни один показатель эффективности не превышает единицы:

и все входные, выходные данные и веса должны быть неотрицательными. Чтобы обеспечить линейную оптимизацию, обычно либо сумму выходных данных, либо сумму входных данных ограничивают фиксированным значением (обычно 1. Пример см. ниже).

Поскольку размерность этой задачи оптимизации равна сумме ее входов и выходов, решающее значение имеет выбор наименьшего количества входов/выходов, которые в совокупности точно отражают процесс, который вы пытаетесь охарактеризовать. А поскольку охват производственных границ осуществляется эмпирическим путем, существует несколько рекомендаций относительно минимально необходимого количества DMU для хорошей дискриминационной силы анализа, учитывая однородность выборки. Это минимальное количество DMU варьируется в пределах удвоенной суммы входов и выходов ( ) и удвоенное произведение входов и выходов ( ).

Некоторые преимущества подхода DEA:

  • нет необходимости явно указывать математическую форму производственной функции
  • возможность обработки нескольких входов и выходов
  • можно использовать при любом измерении ввода-вывода, хотя порядковые переменные остаются сложными
  • источники неэффективности могут быть проанализированы и количественно определены для каждой оцениваемой единицы
  • использование двойственной задачи оптимизации определяет, какой DMU оценивает себя по отношению к каким другим DMU

Некоторые недостатки DEA:

  • результаты чувствительны к выбору входов и выходов
  • Высокоэффективные значения могут быть достигнуты за счет действительной эффективности или наличия нишевой комбинации входов/выходов.
  • количество эффективных фирм на границе увеличивается с увеличением количества входных и выходных переменных.
  • Оценки эффективности DMU могут быть получены путем использования неуникальных комбинаций весов входных и/или выходных факторов.

Пример [ править ]

Предположим, что у нас есть следующие данные:

  • Установка 1 производит 100 изделий в день, а затраты на единицу составляют 10 долларов за материалы и 2 человеко-часа.
  • Установка 2 производит 80 изделий в день, затраты составляют 8 долларов за материалы и 4 человеко-часа.
  • Блок 3 производит 120 изделий в день, затраты составляют 12 долларов за материалы и 1,5 человеко-часа.

Для расчета эффективности агрегата 1 определим целевую функцию (ЦФ) как

на который распространяется (ST) весь КПД других агрегатов (КПД не может быть больше 1):

  • КПД агрегата 1:
  • КПД энергоблока 2:
  • КПД блока 3:

и неотрицательность:

Дробь с решающими переменными в числителе и знаменателе является нелинейной. Поскольку мы используем технику линейного программирования, нам необходимо линеаризовать формулировку так, чтобы знаменатель целевой функции был постоянным (в данном случае 1), а затем максимизировать числитель.

Новая формулировка будет такой:

  • ИЗ
  • СТ
    • КПД агрегата 1:
    • КПД энергоблока 2:
    • КПД блока 3:
    • Знаменатель нелинейного OF :
    • Неотрицательность:

Расширения [ править ]

Желание улучшить DEA за счет уменьшения его недостатков или усиления его преимуществ стало основной причиной открытий в недавней литературе. В настоящее время наиболее часто используемый метод получения уникальных рейтингов эффективности на основе DEA называется «перекрестной эффективностью». Первоначально разработанный Секстоном и др. в 1986 году, [17] он нашел широкое применение после публикации Дойла и Грина в 1994 году. [18] Перекрестная эффективность основана на первоначальных результатах DEA, но реализует второстепенную цель, когда каждый DMU оценивает все остальные DMU со своими собственными весами факторов. Среднее значение этих оценок коллег затем используется для расчета показателя перекрестной эффективности DMU. Этот подход позволяет избежать недостатков DEA, связанных с наличием нескольких эффективных DMU и потенциально неуникальных весов. [19] Другой подход к устранению некоторых недостатков DEA — Stochastic DEA. [16] который синтезирует DEA и стохастический пограничный анализ (SFA). [20]

Сноски [ править ]

  1. ^ Jump up to: Перейти обратно: а б с д и Чарнс и др. (1978)
  2. ^ Чарнс и др. (1995)
  3. ^ Эмрузнежад и др. (2016)
  4. ^ Танасулис (1995)
  5. ^ Коронакос и Сотиропулос (2020)
  6. ^ Чжоу и др. (2022)
  7. ^ Герреро и др. (2022)
  8. ^ Махмуди и др. (2021)
  9. ^ Сиклс и др. (2019)
  10. ^ Купер и др. (2007)
  11. ^ Купер и др. (2011)
  12. ^ Фаррелл (1957)
  13. ^ Фрид и др. (2008)
  14. ^ Купер и др. (2000)
  15. ^ Банкер и др. (1984)
  16. ^ Jump up to: Перейти обратно: а б Олесен (2016)
  17. ^ Jump up to: Перейти обратно: а б Секстон (1986)
  18. ^ Дойл (1994)
  19. ^ Дайсон (2001)
  20. ^ Олесен и др. (2016)

Ссылки [ править ]

  • Кук, Уэйд Д.; Тоне, Каору; Чжу, Джо (апрель 2014 г.). «Анализ оболочки данных: перед выбором модели». Омега . 44 (С): 1–4. дои : 10.1016/j.omega.2013.09.004 .

Дальнейшее чтение [ править ]

Внешние ссылки [ править ]

Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 68b7367078d46bed834f0605dd5fb2a2__1711650840
URL1:https://arc.ask3.ru/arc/aa/68/a2/68b7367078d46bed834f0605dd5fb2a2.html
Заголовок, (Title) документа по адресу, URL1:
Data envelopment analysis - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)