朱佳欣 ，孫玉華*， 楊麗明

(1．北京科技大學(xué) 數(shù)理學(xué)院 北京 海淀 100083；2．中國(guó)農(nóng)業(yè)大學(xué) 理學(xué)院 北京 海淀 100083)

?

具有非期望產(chǎn)出的隨機(jī)DEA模型研究

朱佳欣1，孫玉華1*， 楊麗明2

(1．北京科技大學(xué) 數(shù)理學(xué)院 北京 海淀 100083；2．中國(guó)農(nóng)業(yè)大學(xué) 理學(xué)院 北京 海淀 100083)

為解決含有不確定信息的非期望產(chǎn)出效率評(píng)價(jià)問(wèn)題，建立了一個(gè)非期望產(chǎn)出的隨機(jī)DEA模型．該模型將非期望產(chǎn)出作為負(fù)期望產(chǎn)出進(jìn)行處理，引入了期望效率值、顯著性水平來(lái)刻畫(huà)隨機(jī)問(wèn)題，并通過(guò)機(jī)會(huì)約束規(guī)劃的相關(guān)知識(shí)將模型轉(zhuǎn)化為確定形式．對(duì)模型的最優(yōu)值的相關(guān)性質(zhì)進(jìn)行了探討，說(shuō)明最優(yōu)值與期望效率值、顯著性水平之間的關(guān)系．最后給出數(shù)值實(shí)驗(yàn)說(shuō)明該模型的有效性．

數(shù)據(jù)包絡(luò)分析；非期望產(chǎn)出；隨機(jī)性

1 引 言

數(shù)據(jù)包絡(luò)分析(data envelopment analysis，DEA)，是數(shù)學(xué)、運(yùn)籌學(xué)、數(shù)理經(jīng)濟(jì)學(xué)、管理科學(xué)和計(jì)算機(jī)科學(xué)的一個(gè)交叉領(lǐng)域，是使用數(shù)學(xué)規(guī)劃模型評(píng)價(jià)具有多個(gè)投入和產(chǎn)出的部門(mén)或單位間相對(duì)有效性的分析方法[1]．傳統(tǒng)DEA模型都是基于確定性問(wèn)題進(jìn)行研究，但是在實(shí)際生活中，由測(cè)量、經(jīng)濟(jì)規(guī)律隨機(jī)性等因素的干擾會(huì)產(chǎn)生非精確數(shù)據(jù)問(wèn)題．隨機(jī)DEA主要用于處理具有不確定信息下的同類(lèi)決策單元的相對(duì)績(jī)效評(píng)價(jià)問(wèn)題，現(xiàn)在越來(lái)越受到學(xué)者的重視．Sengupta[2]最先提出了隨機(jī)DEA模型，之后許多學(xué)者使用不同方法對(duì)具有隨機(jī)性影響的效率評(píng)價(jià)問(wèn)題進(jìn)行了研究．Cooper等[3]提出了機(jī)會(huì)約束方法，將約束條件表達(dá)成概率函數(shù)的形式，以此來(lái)對(duì)隨機(jī)性進(jìn)行分析．Sueyoshi等[4]為了預(yù)測(cè)決策單元的未來(lái)績(jī)效，提出了未來(lái)DEA隨機(jī)模型．藍(lán)以信等[5]從理論上對(duì)未來(lái)DEA隨機(jī)模型的性質(zhì)進(jìn)行了探討．Tosionas等[6]引入貝葉斯后驗(yàn)概率的方法，對(duì)機(jī)會(huì)約束DEA模型的評(píng)價(jià)效率值進(jìn)行統(tǒng)計(jì)推斷，并對(duì)希臘銀行進(jìn)行了效率評(píng)估．Udhayakumar等[7]則將遺傳算法的隨機(jī)模擬與機(jī)會(huì)約束方法結(jié)合起來(lái)對(duì)DEA模型進(jìn)行了研究．

從環(huán)境治理方面考慮，帶有污染性的非期望輸出如廢水、廢氣、廢渣都是不可避免的．國(guó)內(nèi)外許多學(xué)者從不同方面對(duì)具有非期望產(chǎn)出的評(píng)價(jià)問(wèn)題進(jìn)行了研究．Fare等[8]提出了一種非線性的曲線測(cè)度評(píng)價(jià)方法，用“非對(duì)稱(chēng)”的方式處理非期望產(chǎn)出，但是計(jì)算上較為復(fù)雜．Zhou等[9]為了對(duì)環(huán)境性能進(jìn)行評(píng)價(jià)，在非期望產(chǎn)出的非參數(shù)DEA效率模型的基礎(chǔ)上，結(jié)合非徑向Malmquist環(huán)境性能指標(biāo)建立了新模型，對(duì)多邊環(huán)境性能進(jìn)行了比較分析．Hua等[10]對(duì)非期望產(chǎn)出量做數(shù)據(jù)變換，定義了一個(gè)參考集，在保持投入量恒定的前提下對(duì)生態(tài)效率進(jìn)行了評(píng)價(jià)．Hailu等[11]將污染物作為投入指標(biāo)來(lái)處理，用DEA模型分析了加拿大的造紙工業(yè)的環(huán)境效率．許平等[12]結(jié)合生產(chǎn)可能集建立了徑向和非徑向的具有非期望產(chǎn)出的模型，并對(duì)兩種模型的效率值大小、相對(duì)有效性等問(wèn)題進(jìn)行了證明．

以上學(xué)者都是從隨機(jī)方面或者非期望產(chǎn)出方面來(lái)考慮效率評(píng)價(jià)問(wèn)題．將兩者結(jié)合起來(lái)，將非期望產(chǎn)出作為負(fù)期望產(chǎn)出進(jìn)行處理，在文獻(xiàn)[4]的基礎(chǔ)上提出了具有非期望產(chǎn)出的隨機(jī)DEA模型．利用機(jī)會(huì)約束規(guī)劃將模型轉(zhuǎn)化為確定形式，并對(duì)確定形式的模型最優(yōu)值的相關(guān)性質(zhì)進(jìn)行探討，說(shuō)明了最優(yōu)值與期望效率值、顯著性水平之間的關(guān)系．最后用數(shù)值模擬驗(yàn)證了該模型的有效性．

2 模型描述

其中，m表示投入量的個(gè)數(shù)，投入是精確數(shù)據(jù)；s和r分別表示期望產(chǎn)出和非期望產(chǎn)出的個(gè)數(shù)，期望產(chǎn)出和非期望產(chǎn)出是隨機(jī)數(shù)據(jù)．為了方便起見(jiàn)，記DMUj0為DMU0，則DMUj0的投入量、期望產(chǎn)出量和非期望產(chǎn)出量分別記為xj0=x0，yj0=y0，zj0=z0，1≤j0≤n．

μp≥0,ωq≥0,υi≥0,j=1,…,n；

p=1,…,s;q=1,…,r;i=1,…,m．

利用Charnrs-Cooper變換，原模型可以改寫(xiě)成模型(II)：

up≥0,wq≥0,vi≥0,j=1,…,n；

p=1,…,s;q=1,…,r;i=1,…,m．

(1)

另外，約束條件

≥1-αj，j=1,…,n．

定義一個(gè)新變量

(2)

其中F表示標(biāo)準(zhǔn)正態(tài)分布的分布函數(shù)，F(xiàn)-1為其逆函數(shù)．將(1) (2)代入模型(II)中可得模型(III)：

(3)

up≥0,vi≥0,wq≥0,j=1,…,n，

p=1,…,s,i=1,…,m,q=1,…,r．

(4)

定義1 對(duì)于任意DMU0，若有M0<β，則稱(chēng)DMU0在期望效率β下是無(wú)效的．

定義2 對(duì)于任意DMU0，若有M0=β，則稱(chēng)DMU0在期望效率β下是有效的．

定義3 對(duì)于任意DMU0，若有M0>β，則稱(chēng)DMU0在期望效率β下是超有效的．

定理1 模型(III)存在可行解，且關(guān)于最優(yōu)值M有以下結(jié)論：

1)當(dāng)0<α<0.5時(shí)，M<β對(duì)所有決策單元恒成立．

2)當(dāng)α=0.5時(shí)，Mβ對(duì)所有決策單元恒成立．

3)當(dāng)0.5<α<1時(shí)，M≥β對(duì)某些決策單元成立．

又因?yàn)?/p>

式(4)成立，故u*，v*，w*是原模型的可行解．證畢．

β≥

再由j0的任意性可知，對(duì)所有決策單元，M<β恒成立．證畢．

3)假設(shè)DMU0在α=0.5下存在一組最優(yōu)解u*，v*，w*使最優(yōu)值滿足M0=β．

up≥0,vi≥0,wq≥0,j=1,…,n，

p=1,…,s,i=1,…,m,q=1,…,r．

即式(4)成立，因此u*，v*，w*是模型(III)在0.5<α<1時(shí)的一組可行解，此時(shí)目標(biāo)值為M0=β．假設(shè)當(dāng)0.5<α<1時(shí)，DMU0在模型(III)下的最優(yōu)值為M，有M≥M0=β．證畢．

定理2 在模型(III)中，當(dāng)期望效率β保持不變時(shí)，最優(yōu)值M隨著α的增大而增大．

證明 設(shè)0<α1<α2<1，有

α1對(duì)應(yīng)的模型(IV)為

α2對(duì)應(yīng)的模型(V)為

up≥0,vi≥0,wq≥0,j=1,…,n，

p=1,…,s,i=1,…,m,q=1,…,r．

記M01和M02分別為模型(IV)和(V)的最優(yōu)值，假設(shè)u*，v*，w*是模型(IV)的最優(yōu)解．由

定理3 在模型(III)下，當(dāng)顯著性水平α保持不變時(shí)，最優(yōu)值M隨著β的增大而增大．

證明與定理2類(lèi)似，此處略．

3 結(jié)束語(yǔ)

將隨機(jī)DEA模型推廣到具有非期望產(chǎn)出的問(wèn)題，建立的模型(I)是具有非期望產(chǎn)出的隨機(jī)DEA模型，并結(jié)合機(jī)會(huì)約束的相關(guān)知識(shí)得出了確定型模型(III)．對(duì)確定型模型(III)的可行性進(jìn)行了分析，對(duì)不同顯著性水平下模型最優(yōu)值與期望效率值之間的關(guān)系進(jìn)行了研究．由定理2和定理3知，固定顯著性水平值和期望效率值中任意一個(gè)，最優(yōu)值都隨著另外一個(gè)指標(biāo)的增大而增大，這為決策者在實(shí)際中對(duì)決策單元進(jìn)行評(píng)價(jià)時(shí)提供了更多有效信息．最后的數(shù)值模擬也進(jìn)一步驗(yàn)證了模型的可行性和結(jié)論的正確．

[1] 魏權(quán)齡.評(píng)價(jià)相對(duì)有效性的數(shù)據(jù)包絡(luò)分析模型-DEA和網(wǎng)絡(luò)DEA[M].北京:中國(guó)人民大學(xué)出版社,2012.

[2]JKSenguptga.Efficiencymeasurementinstochasticinput-outputsystem[J].InternationalJournalofSystemsScience,1982,13(2):273-287.

[3]WWCOOPER,HDEING,ZMHUANG,etal. Chance constrained programming approaches to technical efficiencies and inefficiencies in stochastic data envelopment analysis[J]. Journal of the Operational Research Society,2002,53(12):1347-1356.

[4] T SUEYOSHI. Stochastic DEA for restructure strategy: an apportion to Japanese petroleum company[J]. Omega,2000,28(4):385-398.

[5] 藍(lán)以信,王應(yīng)明.隨機(jī)DEA期望值模型的一些性質(zhì)[J].運(yùn)籌學(xué)學(xué)報(bào),2014,18(2):29-39.

[6] E G TSIONAS, E N PAPADAKIS. A Bayesian approach to statistical inference in stochastic DEA[J]. Omega,2010(38):309-314.

[7] A UDHAYAKUMAR, V CHARLES, K MUKESH. Stochastic simulation based genetic algorithm for chance constrained data envelopment analysis problems[J]. Omega,2011(39):387-397.

[8] R FARE, S GROSSKOPF, C A K LOVELL,etal. Multilateral productivity comparisons when some outputs are undesirable: a non-parametric approach[J] . The Review of Economics and Statistics,1989,71(1):90-98.

[9] P ZHOU, K L POHA, B W ANGA. A non-radial DEA approach to measuring environmental performance[J]. European Journal of Operational Research, 2007, 178(1): 1-9.

[10]Z S HUA, Y BIANA, L LIANGA. Eco-efficiency analysis of paper mills along the Huai River: An extended DEA approach[J]. Omega: The International Journal of Management Science, 2007, 35(5): 578-587.

[11]A HAILU, T S VEEMAN. Non-parametric productivity analysis with undesirable outputs: An application to the Canadian pulp and paper industry[J]. American Journal of Agricultural Economics,2001(83):605-616.

[12]許平,孫玉華.非期望產(chǎn)出的DEA效率評(píng)價(jià)[J].經(jīng)濟(jì)數(shù)學(xué)，2014,31(1):90-93.

Research on Stochastic DEA Model for Undesirable Outputs Evaluation

ZHU Jia-xin1，SUN Yu-hua1，YANG Li-ming2
(1.School of Mathematics and Physics, University of science and technology Beijing, Beijing 100803, China; 2.College of Science, China Agricultural University, Beijing 100083,China )

In order to solve the evaluation problem with undesirable outputs and uncertain information, this paper established a stochastic DEA model with undesirable outputs. The model treats undesirable outputs as negative desirable outputs. Meanwhile, it introduces the desired value and the efficiency of the significant level to describe the stochastic problem. By using the knowledge of chance constrained programming, we derived a deterministic equivalent model, discussed the related properties of the optimal value of the model, and explained the relationship among the optimal value, the efficiency value and the significant level. Finally, numerical experiments were presented to illustrate the validity of the model.

data envelopment analysis(DEA); undesirable outputs; stochastic

2015-05-07

國(guó)家自然科學(xué)基金項(xiàng)目(11471010)

朱佳欣(1991—)，女，湖南邵陽(yáng)人，碩士研究生

E-mail:syuhua68@sina.com

O221．2

A