Two-stage additive network DEA: Duality, frontier projection and divisional efficiency
Two-stage additive network DEA: Duality, frontier projection and divisional efficiency
复制标题
两级加性网络DEA：对偶性、前沿投影和部门效率
DOI：
10.1016/j.eswa.2020.113478
复制
发表时间：
2020-11
影响因子：
8.5
通讯作者：
Linyan Zhang
中科院分区：
文献类型：
--
作者：
Chuanyin Guo;Jian Zhang;Linyan Zhang
以往的文献证明了标准数据包络分析（DEA）中乘数模型和修正模型的对偶等价性并不一定适用于网络DEA，从而可以推导出前沿投影和部门效率。乘数网络模型常用于计算部门效率，而模糊网络模型常用于确定低效决策单元的前沿投影。本文证明了标准DEA的对偶性可以推广到两阶段可加网络DEA。提出了一种改进的黄金分割法来求解参数线性乘数网络模型。基于参数线性规划的原-对偶对应关系，我们建立了参数线性形式的边界网络模型，用以确定边界投影，并求出分区效率。
In the previous literature, it is demonstrated that the dual equivalence of multiplier and envelopment models that exists in standard data envelopment analysis (DEA) is not necessarily true for network DEA to derive frontier projection and divisional efficiency. Multiplier network model is often used for computing the divisional efficiency while envelopment network model is often used for identifying the frontier projection for inefficient decision making units (DMUs). In this paper, we show that the duality of standard DEA can be extended to two-stage additive network DEA. We propose an improved golden section method to solve parametric linear multiplier network model. Based on the primal-dual correspondence of parametric linear programming, we subsequently develop envelopment network model in parametric linear form to determine frontier projection and to find divisional efficiency as well.
登录
查看更多内容
DOI：
10.1016/j.eswa.2010.11.077
发表时间：
2011-06
期刊：
Expert Syst. Appl.
影响因子：
--
作者：
S. Lozano
通讯作者：
S. Lozano
DOI：
10.1016/j.omega.2011.11.007
发表时间：
2012-10
影响因子：
6.9
作者：
Yongjun Li;Yao Chen;L. Liang;Jianhui Xie
通讯作者：
Yongjun Li;Yao Chen;L. Liang;Jianhui Xie
DOI：
10.1016/j.omega.2018.06.005
发表时间：
2019-03
期刊：
Omega
影响因子：
--
作者：
Sungmook Lim;Joe Zhu
通讯作者：
Sungmook Lim;Joe Zhu
影响因子：
6.4
作者：
Kao, Chiang;Hwang, Shiuh-Nan
通讯作者：
Hwang, Shiuh-Nan
DOI：
10.1002/nav.3800150308
发表时间：
1968-09
期刊：
Naval Research Logistics Quarterly
影响因子：
--
作者：
Stanley Zionts
通讯作者：
Stanley Zionts