评价相对有效性的数据包络分析模型：DEA和网络DEA pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

魏权龄 著

图书标签:

• 数据包络分析
• DEA
• 网络DEA
• 相对有效性
• 评价
• 效率分析
• 运筹学
• 管理科学
• 绩效评估
• 决策支持系统

出版社： 中国人民大学出版社

ISBN：9787300159393

版次：1

商品编码：11083229

包装：平装

开本：32开

出版时间：2012-08-01

用纸：胶版纸

页数：430

字数：364000

正文语种：中文

内容简介

《评价相对有效性的数据包络分析模型：DEA和网络DEA》是一本关于数据包络分析（DEA）和网络数据包络分析（Network DEA）的方法、理论和模型的专著，是作者二十多年从事该领域研究工作的总结。
本书讨论了经典DEA模型C2R、BC2、FG、ST以及WY；讲述了综合DEA模型；研究了决策单元在各经典DEA模型之下弱DEA有效的规模收益性质，以及“拥挤”迹象；给出了带有“偏好”的综合DEA模型、“逆DEA模型”、具有“交形式”的DEA模型；利用“交形式”的DEA模型WY给出了判别决策单元规模收益状态和是否呈现“拥挤”迹象的方法。同时，对决策单元规模收益的“动态”性质进行了分析。
另外，本书中将DEA用于数据挖掘，并且专门讨论了网络DEA模型。
本书可供经济、管理、应用数学和计算机等领域科研和应用工作者阅读，也可作为大学高年级学生、研究生和教师的参考用书。

作者简介

魏权龄，1939年出生于沈阳市。1963年毕业于中国科学技术大学数学系（运筹学专业）；1963-1980年，先后在中国科学院数学研究所和系统科学研究所从事研究工作；1980年底，调到中国人民大学信息学院（数学系），数学专业教授，数量经济学博士生导师；2006年校内调整到经济学院，应用经济学教授（二级）。现任中国人民大学运筹学与数量经济研究所所长。
自1963年开始研究非线性规划和凸分析；自1975年开始，从事多目标规划研究；自1985年开始从事数据包络分析（DEA）的研究。当前研究网络DEA以及最优化与数据挖掘。
在国内外发表论文90余篇；出版专著和教材（含与他人合作）：《数据包络分析（DEA）》、《广义最优化理论与模型》、《非线性规划及其理论》、《评价相对有效性的DEA方法》、《数量经济学》、《运筹学通论》、《经济与管理中的数学规划》等17部。曾获得国家教委科技进步（甲类）二等奖；教育部国家级教学成果二等奖；北京市高等院校教学成果一等奖。

内页插图

目录

第1章 绪论

第2章 评价规模有效和技术有效的C2R模型
2.1 第一个DEA模型C2R
2.2 具有非阿基米德无穷小的C2R模型
2.3 两阶段方法

第3章 DEA模型C2R的理论基础
3.1 生产可能集TC2R、技术有效、规模有效
3.2 （弱）DEA有效与（弱）Pareto的等价性
3.3 生产可能集的有效面和弱有效面
3.4 决策单元在（弱）有效面上的“投影”
3.5 输出—DEA模型C2R

第4章 评价技术有效的BC2模型和CGS模型
4.1 输入—DEA模型BC2
4.2 输入—DEA模型BC2的性质
4.3 输入—DEA模型BC2之下有效性的经济含义
4.4 Pareto解和加法模型C2GS2
4.5 输出—DEA模型BC2
4.6 弱DEA有效（BC2）和弱Pareto

第5章 DEA模型FG，ST和WY
5.1 DEA模型FG
5.2 DEA模型ST
5.3 DEA模型WY

第6章 综合DEA模型GDEA
6.1 综合输出—DEA模型
6.2 输出DEA模型C2R，BC2，FG，ST，WY之间的关系
6.3 综合输出DEA模型与Pareto解
6.4 综合输入—DEA模型
6.5 综合输入DEA模型与Pareto解

第7章 规模收益和“拥挤”迹象分析
7.1 规模收益和“拥挤”的生产函数背景
7.2 联合使用输出—模型FG，ST和WY分析规模收益和“拥挤”迹象
7.3 使用输出—WY模型分析规模收益和“拥挤”迹象
7.4 使用输出—BC2模型分析规模收益
7.5 使用输出—C2R模型分析规模收益
7.6 使用输出—FG模型分析规模收益
7.7 使用输出—ST模型分析规模收益

第8章 锥比率的DEA模型CWH及其推广
第9章 逆DEA模型
第10章 交形式的生产可能集和交形式的DEA模型
第11章 利用交形式的生产可能集评价规模收益状况
第12章 数据挖掘——DEA评测机
第13章 数据挖掘——DEA分类机
第14章 打开“黑箱”的序贯型网络DEA模型
第15章 最优系统设计的网络DEA模型
第16章 具有无穷多个决策单元的DEA模型及其应用
参考文献

前言/序言

数据包络分析前沿探索：效率、结构与动态评估 本书聚焦于数据包络分析（Data Envelopment Analysis, DEA）领域的最新进展与深度应用，旨在为研究者、管理者及决策者提供一套系统、前沿且极具操作性的效率评估框架。 本书内容涵盖了传统DEA模型的局限性突破、复杂系统结构化评估工具的构建，以及面向动态演化过程的绩效分析方法。我们深入探讨了如何利用先进的DEA变体来揭示组织、区域或技术系统的真实效率边界，并指导资源的最优配置。 本书的核心贡献在于系统性地梳理和阐释了在处理多投入、多产出、非线性关系、环境不确定性以及系统间相互依赖性等复杂情境下，DEA模型如何从静态效率评估迈向深层次的结构优化与动态绩效分析。 第一部分：基础重构与效率边界的精细化描绘 本部分从坚实的理论基础出发，对经典DEA模型（如CCR和BCC模型）进行了批判性回顾，并重点介绍了如何利用非期望产出（如污染、成本）的纳入来构建更具现实意义的效率前沿。 1. 投入产出关系的灵活建模： 我们详细阐述了弧线效率（Radial Measures）与非弧线效率（Non-Radial Measures，如超效率模型和端口效率模型）的内在区别及其适用场景。特别地，本书引入了处理规模不经济或规模报酬递减/递增明显的效率度量方法，如基于规模报酬可变（VRS）假设下的技术规模效率（STE）分析。此外，我们探讨了在存在投入或产出“松弛度”不一致时，如何运用超效率模型对前沿上的决策单元（DMU）进行更精细的排序与比较。 2. 异质性与环境因素的校正： 现实中的效率评估往往受到外部环境的显著影响。本书系统地介绍了多环境DEA（Malmquist-Luenberger Model, ML），该模型通过将环境因素作为“虚拟投入”或“虚拟产出”进行调整，有效分离了纯技术效率的提升与规模效率的改善，以及环境友好性对绩效的影响。我们通过详尽的案例演示了如何解读ML指数中的技术进步、技术效率变化和规模效率变化的贡献度，为政策制定者提供了明确的改进方向。 第二部分：结构化复杂系统的深度评估 传统的DEA难以直接处理具有内部层次结构或多个相互连接子单元的复杂系统（如供应链、区域经济集群、大型医院系统）。本部分致力于构建能够反映系统内部结构和关联性的评估工具。 3. 层次化结构的分解与聚合： 本书详细介绍了分层DEA（Hierarchical DEA）的构建逻辑。首先，针对系统中的不同层级（如部门、分部、子公司），分别计算其局部效率；其次，利用效率加权聚合方法（如乘法聚合或加权平均法）得到整体系统的总效率。重点在于讨论如何科学确定各层级效率的权重，以避免主观偏倚。我们展示了如何利用分层结构，识别出瓶颈环节——即系统内效率最低或对总体效率影响最大的子单元。 4. 投入约束下的资源潜力挖掘： 在资源有限的背景下，仅仅衡量现有效率是不够的，更重要的是评估在既定产出目标下，各单元可以节约多少投入。本书深入探讨了目标导向的投入松弛度分析，以及如何结合强有效性（Strong Efficiency）的概念，指导DMU在保持现有产出水平的同时，实现最大化的资源节约。我们引入了“理想投入向量”的计算方法，为各DMU制定了具体的、可量化的投入削减目标。 第三部分：动态性、收敛性与前沿演变分析 效率评估的价值在于指导未来的绩效改进。本部分将时间维度纳入DEA框架，专注于分析效率的动态轨迹、技术前沿的移动规律，以及系统在不同状态下的收敛性。 5. 效率的动态轨迹与技术进步的测度： 本书的核心内容之一是对Malmquist生产率指数（MPI）的全面解析。我们不仅展示了MPI的分解——技术效率变化（Catch-up Effect）和技术进步（Frontier Shift）——还引入了多周期Malmquist指数的计算，用于分析长期技术变迁的趋势。我们强调如何识别“技术退步”的发生及其驱动因素，这在快速变化的行业中尤为关键。 6. 效率前沿的稳定性与收敛性检验： 效率前沿本身是动态变化的，本部分探讨了如何利用时间序列DEA方法，检验效率分布的动态收敛性。我们介绍了面板数据DEA（Panel DEA）的优势，特别是其在处理异质性DMU时的稳健性。通过跟踪特定DMU在多个时间点的效率值，本书指导读者如何判断一个组织是否正在向最优技术前沿趋近（追赶效应），还是由于内部管理问题或外部环境剧变而偏离前沿（衰退效应）。 第四部分：模型拓展与多准则决策的融合 本部分关注DEA模型与其他分析方法的结合，以应对更复杂的、涉及多重目标的决策情境。 7. 效率评估中的不确定性处理： 传统的DEA假设数据完全精确，但现实中数据常含有随机误差或模糊性。本书介绍了随机DEA（Stochastic DEA）和模糊DEA（Fuzzy DEA）的基本原理，旨在估计效率评估结果的统计显著性或不确定区间。通过这些方法，决策者可以更好地评估模型的鲁棒性，并对效率差异的归因得出更审慎的结论。 8. 效率评价与优先级的整合： 在许多实际决策中，效率高低需要与其他非效率指标（如市场份额、社会责任感、创新投入等）进行综合权衡。本书引入了DEA与多准则决策分析（MCDA）的混合模型，例如，利用DEA的结果作为MCDA中效率维度的权重输入，或者采用基于超效率排名的TOPSIS方法，实现从“谁是最优的”到“如何在众多优秀者中选择最符合特定战略目标的”的过渡。 通过本书的学习，读者将能够熟练掌握处理复杂投入产出关系、分解系统结构绩效、分析效率动态演变的全套现代DEA工具箱，从而在资源管理、战略规划和绩效改进领域做出更具洞察力的决策。

评分☆☆☆☆☆

作为一个初涉量化研究领域的学生，我对于各种模型和理论的学习总是带着一种既兴奋又忐忑的心情。尤其是在接触到“数据包络分析模型”这样听起来颇为高深的术语时，我的第一反应是它是否会非常抽象，难以理解？然而，当我翻阅到这本书的简介时，那种悬着的心便稍稍放下了一些。书名中“评价相对有效性”的提法，让我觉得它并非仅仅是枯燥的模型推导，而是与实际问题紧密相连的。我猜想，这本书或许会从实际应用的视角出发，循序渐进地介绍DEA的核心思想，而不是一开始就抛出复杂的数学公式。我非常期待它能够通过生动的案例，将抽象的概念具象化，让我明白DEA究竟是如何衡量“相对有效性”的，以及它在解决实际问题时有哪些优势。同时，“DEA和网络DEA”的组合，也暗示着这本书可能涵盖了从基础到进阶的内容，这对于我这样希望打下坚实基础的学习者来说，无疑是一个极大的吸引力。我希望这本书能够成为我理解和应用DEA的敲门砖，让我能够自信地运用这些工具去分析和解决我所遇到的各种研究课题。

评分☆☆☆☆☆

这本书的书名，像一位久经沙场的老兵，沉稳而又不失力量，散发出一种对严谨治学态度的追求。我是一名在学术界摸索多年的研究者，一直在寻找一种能够精确捕捉不同决策单元（DMU）之间效率差异的方法。传统的一些效率评价方法，往往在处理多投入多产出的复杂局面时显得力不从心，或者在比较不同时间点、不同机构之间的表现时，容易受到外在因素的干扰，难以做到真正的“相对”比较。而“数据包络分析模型”这个词，早已在我耳边回响许久，它所承诺的非参数、无须预设生产函数等特性，对于追求客观与灵活的研究者来说，简直是福音。更何况，它还提到了“网络DEA”，这让我联想到现实世界中许多组织内部的层层递进、环环相扣的生产过程，如何将这种复杂性纳入模型考量，是我一直以来关注的焦点。我希望这本书能够系统地介绍DEA的原理，并深入探讨网络DEA在解决这类复杂效率问题上的独特优势和应用场景。我相信，它能够为我提供一套全新的视角和强大的工具，帮助我更深入、更全面地理解和评价不同实体在复杂系统中的表现，从而推动我的研究更上一层楼。

评分☆☆☆☆☆

这本书的书名，一下子就触动了我对“公平性”和“科学性”的追求。作为一名在教育管理领域工作多年的管理者，我深知在评价不同学校、不同班级、甚至不同教师的教学效果时，面临着多么巨大的挑战。投入的资源（如师资力量、教学设施、生均经费）往往是不均衡的，而产出的成果（如学生成绩、升学率、创新能力）也多种多样。传统的评价方式，很多时候只能看到表面的数字，却难以揭示深层次的效率问题。当我看到“评价相对有效性的数据包络分析模型”这个名字时，我便燃起了希望。我猜想，这本书或许能提供一种全新的视角，让我们能够在一个公平的框架下，比较不同教育机构的“相对效率”，而不是简单地将他们放在同一个起跑线上。更让我感到兴奋的是“网络DEA”这个概念，我联想到教育系统内部的层层递进——小学、初中、高中，或者课程与课外活动之间的衔接，这种“网络”化的结构，是否能通过网络DEA得到更科学的分析？我希望这本书能够深入浅出地讲解DEA模型，并特别强调它在教育评价领域的应用潜力，为我们提供一套行之有效的工具，来更客观、更科学地评估和提升教育质量。

评分☆☆☆☆☆

我是一名在金融行业从事风险管理工作的数据分析师，日常工作中需要对大量的金融机构、投资产品甚至策略进行绩效评估。一直以来，我们都在寻求更有效、更客观的工具来衡量“相对效率”，因为仅仅看单一的财务指标往往会产生误导。尤其是在面对一些具有内部联动性、流程性较强的业务环节时，传统的单因素分析就显得非常不足。当我看到这本书的书名——“评价相对有效性的数据包络分析模型：DEA和网络DEA”时，我便意识到这可能正是我一直在寻找的解决方案。我对“数据包络分析模型”本身已经有所耳闻，它似乎能够处理多投入、多产出的复杂情况，这一点非常契合我的工作需求。而“网络DEA”更是让我眼前一亮，我猜想它能够帮助我们分析金融机构内部不同部门、不同业务线之间的效率传递和相互影响，从而更全面地洞察整体的运营效能。我期待这本书能够详细介绍DEA的核心理论，并重点阐述网络DEA如何应用于金融领域的实际案例，例如如何评价银行不同业务部门的效率，或者如何分析投资组合的风险调整后收益。

评分☆☆☆☆☆

这本书的封面设计颇具吸引力，那种沉静而专业的蓝色调，搭配着简洁而有力的书名“评价相对有效性的数据包络分析模型：DEA和网络DEA”，一下子就抓住了我对研究工具的好奇心。我是一名在成本管理领域摸爬滚打多年的工程师，平日里接触的数据分析方法五花八门，但总觉得在比较不同部门、不同项目之间的效率时，缺乏一个系统而有说服力的框架。市面上关于效率评价的书籍也不少，但大多过于理论化，或者只侧重于单一方法，难以满足我在复杂实际场景中的需求。看到“数据包络分析模型”这个字眼，以及“DEA和网络DEA”这种似乎包含着进阶和拓展的概念，我便燃起了深入了解的念头。我设想，这本书或许能提供一套严谨的分析工具，帮助我更精确地量化不同投入下的产出，从而找出效率瓶颈，优化资源配置。我尤其对“网络DEA”这个概念感到好奇，它是否意味着可以处理更复杂、多阶段的效率评价问题？是否能够捕捉到不同环节之间的相互影响？这些都是我职业生涯中一直试图解决的难题，而这本书的出现，似乎为我指明了一条可能的光明之路。

评分☆☆☆☆☆

相信京东，虽然还没有用，但感觉不错。

评分☆☆☆☆☆

参考书 还不错的书 可以拥有

评分☆☆☆☆☆

还不错~当教材参考一下

评分☆☆☆☆☆

非常好的eda材料，值得阅读

评分☆☆☆☆☆

买来还没有时间看呢，听说是本好书。

评分☆☆☆☆☆

随手翻了下，没怎么看懂，，估计是水平不够，书的排版什么的看着蛮大方，好像解释的不是很详细，具体的要等深入研究后才知道

评分☆☆☆☆☆

对于初学者，这书有点难。。。。。。。。。。。

评分☆☆☆☆☆

DEA的经典书，全是数学公式和推导，要数学基础好才能看懂。

评分☆☆☆☆☆

不知道是不是新书，书都是皱的，有点失望。