多标准多目标线性DEA在绩效评价中的应用

"基于多标准多目标线性DEA的绩效评价研究" 本文深入探讨了如何利用多标准多目标线性数据包络分析（DEA）方法进行绩效评价，特别是针对传统DEA方法的局限性进行了改进。数据包络分析作为一种非参数线性规划技术，被广泛用于评估具有相同输入和输出的决策单元（DMU）的相对效率。然而，传统DEA方法通常仅采用单一目标函数，这可能导致无法充分区分不同决策单元的有效性。 作者张凌和刘井建提出了改进的多目标多标准线性DEA模型，该模型基于Li和Reeves的多标准DEA模型、Lawrence的质量标准模型以及Klimberg和Puddecombe的多目标线性DEA模型。这个改进模型旨在提高决策单元有效性的辨别能力，并且可以用于评估企业质量管理水平。通过增加约束条件，新模型能确保权重分配更加合理，从而弥补传统DEA方法的不足。 文章以15家大型企业的实例分析为背景，展示了传统DEA方法在绩效评价中的问题。其中，传统DEA方法不能有效地辨别决策单元之间的效率差异，如表2所示，只有8个决策单元被标记为非有效，且效率值相近，无法明显区分效率优劣。此外，DEA方法对输出和输入指标赋予的权重可能不准确，例如，产量和收入的权重差异过大，可能会因视角不同导致不合理的结果。 改进的多标准多目标线性DEA模型旨在解决这些问题，通过引入更多的目标和标准，使得评价更为精细，权重分配更符合实际情况，从而提供更精确的绩效评估。这种模型对于企业管理者来说具有重要价值，因为它可以帮助他们更好地理解和优化运营效率，特别是在涉及多个相互关联的绩效指标时。同时，它也为学术界提供了研究多维度绩效评价问题的新工具。