提升决策单元技术效率的DEA模型：兼顾投入与产出

该篇论文深入探讨了传统数据包络分析(DEC)模型在计算决策单元（DMUs）技术效率时的局限性，尤其是在投入型和产出型技术效率测量方法之间存在的数值差异。投入型DEA模型侧重于评估DMUs在投入资源上的效率，而产出型模型则关注产出成果。这种差异可能导致对DMUs实际技术效率的评估不准确，并可能影响对无效决策单元的排序结果。 论文首先指出，由于投入和产出之间的转换关系复杂，单纯依赖一种类型的效率测量可能无法全面反映一个DMU的整体性能。作者认识到，为了克服这个问题，他们提出了一种新型的DEA模型，旨在同时考虑投入和产出因素来衡量技术效率。这种方法能够提供更为精确和全面的评价，有助于消除之前研究中的偏差。 论文接着详细讨论了这个新模型的构建与应用。这包括模型的求解策略，即如何通过优化算法处理输入与输出数据，以找到每个DMU的最佳效率边界。同时，它也涉及有效决策单元的识别，即如何识别出那些在综合投入和产出下表现出优秀技术效率的单位。对于被识别为非有效决策单元的DMUs，论文还探讨了改进方法，如效率改进路径的提出，帮助这些单位找到提升效率的具体路径。 此外，论文还强调了关键词“数据包络分析”、“决策单元”和“技术效率”的重要性，以及其在经济学和运营管理领域的应用。通过结合中图分类号N94，表明了研究内容主要集中在技术和管理科学的决策分析领域。文献标识码A表明该论文的研究质量达到了学术期刊的标准，具有较高的可信度。 这篇论文不仅批判了现有的DEA模型问题，而且提供了创新的方法和解决方案，对于提高技术效率评估的准确性以及决策支持具有重要意义。对于任何关注IT行业尤其是运营管理、生产效率和资源配置优化的研究者来说，这篇论文提供了有价值的知识和参考。