数据包络分析法 数据包络分析法优缺点

数据包络分析方法的介绍

数据包络分析方法(Data Envelopment Analysis,DEA)是运筹学、管理科学与数理经济学交叉研究的一个新领域。它是根据多项投入指标和多项产出指标,利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。DEA方法及其模型自1978年由美国运筹学家A.Charnes和W.W.Cooper提出以来，已广泛应用于不同行业及部门，并且在处理多指标投入和多指标产出方面，体现了其得天独厚的优势。

数据包络分析法 数据包络分析法优缺点

数据包络分析法 数据包络分析法优缺点

数据包络分析法 数据包络分析法优缺点

mba智库百科释义：企业管理者如何评估一所快餐分销店、银行支行、健康诊所或初等学校的生产力？衡量生产力有三重困难：，什么是系统适当的投入（如劳动力时间、材料金额）及其度量方法？第二，什么是系统适当的产出（如支票、存款凭证）及其度量方法？第三，正确衡量这些投入产出之间关系的方法是什么？

1. 衡量服务生产力

从工程学角度看，衡量组织的生产力和衡量系统的效率相似。它可以表述为产出和投入的比率。

例如，再评估一个银行支行的运营效率时，可以用一个会计比率，如每笔出纳交易的成本。相对于其他支行，一个支行的比率较高，则可以认为其效率较低，但是较高的比率可能是源于一个更复杂的交易组合。运用简单比率的问题就在于产出组合没有明确。关于投入组合，也能作出同样的评论。广泛基础上的指标，如赢利性和投资回报，和全面绩效评估高度相关。但它们不足以评估一个服务单位的运营效率。比如，你不能得到以下的结论：一个赢利的支行必定在雇员和其他投入的使用上是有效的。赢利性业务的比率高于平均水平比资源运用的成本效率更能解释其赢利性。

2. DEA模型

目前，开发出一种技术，通过明确地考虑多种投入（即资源）的运用和多种产出（即服务）的产生，它能够用来比较提供相似服务的多个服务单位之间的效率，这项技术被称为数据包络线分析（DEA）。它避开了计算每项服务的标准成本，因为它可以把多种投入和多种产出转化为效率比率的分子和分母，而不需要转换成相同的货单位。因此，用DEA衡量效率可以清晰地说明投入和产出的组合，从而，它比一套经营比率或利润指标更具有综合性并且更值得信赖。

DEA是一个线形规划模型，表示为产出对投入的比率。通过对一个特定单位的效率和一组提供相同服务的类似单位的绩效的比较，它试图使服务单位的效率化。在这个过程中，获得效率的一些单位被称为相对单位，而另外的效率评分低于的单位本称为无效率单位。

这样，企业管理者就能运用DEA来比较一组服务单位，识别相对无效率单位，衡量无效率的性，并通过对无效率和单位的比较，发现降低无效率的方法。

数据分析和数据包络分析的区别

数据分析和数据包络分析的区别是采用的方法和定义不同。数据分析是对收集来的大量数据进行分析，提取有用信息，对数据加以详细研究和概括总结的过程。数据包络分析是一种用于进行综合评判分析的非参数方法。

数据包络分析法excel步骤

1. 概念

数据包络分析方法（DEA）是根据多项投入指标和多项产出指标，利用线性规划的方法，评价具有相同类型投入和产出的若干决策单元相对效率的数量分析方法，在经济学和管理学上有广泛应用。

数据包络分析方法分为投入导向和产出导向两种类型，本文选择产出导向的DEA模型。

产出导向的DEA模型分为固定规模效益（CRS）模式和可变规模收益（VRS）模式。本文选取产出导向的可变规模收益（VRS）模式，即BC2模型。

2. 工具

DEAP2.1是数据包络分析方法专用的数据分析工具，DEAP2.1不是一个软件，而是一个由程序文件包组成的运行程序。

打开程序文件包（以15年1季度数据为例），deap.EXE是运行程序，123.INS是模型参数选择文件，123.DTA是数据文件，15-1.OUT是结果输出文件。

3. 数据处理步骤

（1）将需要分析的数据输入Excel，产出数据（净资产报酬率和托宾Q值）在前，投入数据（总资产、流通股比率和长期资产负债率）在后，拉大行间距，然后将数据另存为txt文档，存至程序所在目录，将文本文档命名为123.txt。

也可以将数据在Excel中排好版，直接到123.DTA中，然后手动在123.DTA中调整出现错位的数据。

（2）打开123.INS模型参数选择文件

行“123.dta”是将要运行的数据文件，如果不一致，需要手动需改

第二行“123.out”是输出结果的文件名称

第三行是将要分析的数据个数，2015年1季度有22家企业数据

第四行是时期数，本次只是2015年1季度一个截面，所以写1

第五行是产出变量个数（净资产报酬率和托宾Q值）

第六行是投入变量个数（总资产、流通股比率和长期资产负债率）

第七行是选择投入导向（0）还是产出导向（1）

第八行是选择固定规模效益（CRS）模式和可变规模收益（VRS）模式，本文选VRS

第九行是具体计算方法，0：多阶段算法；1：是基于成本的算法；2：考虑全要素生产力指数算法；3：一阶段算法；4：两阶段算法。

一般情况下都选多阶段算法（0），结果更加。

什么是DEA,数据包络分析法？相关材料有吗？

DEAP使用方法,如下为具体步骤：

1.Excel编制,按照产出项,投入项,(要素价格)排列

2.将Excel工作表→ "另存新档"

3.档案名称为"数字或英文字母"

4.档案类型为"格式化文字(空白分隔)" →避免格式走调..

5.再按"储存" →储存位置须在"DEAP资料夹"中

6.储存后,副档名为.prn,再以笔记本的另存新档方式,将副档名改为.dta.

7.用deap.exe文件运行，输入第6步新保存在DEAP文件夹中所保存的prn文件名，按ENTER。运行后在DEAP文件夹中会出现两个新的文件，将其中一个不是Ok的文件以EXCELL方式打开既可。

如何用数据包络分析（DEA）进行效率评估？

一、什么是数据包络分析DEA

数据包络分析DEA是一种多指标投入和产出评价的研究方法，其应用数学规划模型计算比较决策单元（DMU）之间的相对效率，对评价对象做出评价。比如有10个学校(即10个决策单元DMU,Decision Making Units)，每个学校有投入指标（比如学生人均投入资金），也有产出指标（比如学生平均成绩，学生奥数比赛比例等），有的学校投入多，有的学校投入少，但是投入多或少，均会有对应的产出，那么具体哪个学校的投入产出更加呢，诸如此类投入产出的优劣问题，则可使用数据包络DEA模型进行分析。

最常见的DEA模型为CCR和BBC，此两种模型的区别在于是否定‘规模报酬可变’，其对比如下：

二、数据包络分析DEA案例

1当前希望对天津市的城市可持续发展情况进行研究，共收集1990~1999共计10年的相关指标数据。具体说明如下表格：

原始数据如下图，从下图来看，从1990~1999年共计10年里面，人均GDP和城市环境质量指数均在逐步提高，单独从产出指标来看说明每年都在提升。但反过来看，3个投入指标却有高有低，那么到底哪些年的投入产出较好，而哪些年的投入产出还有改进空间并不知晓，这正是需要数据包络分析DEA分析寻找的。

2数据包络分析DEA时，首先需要分析综合效益值θ，即首先判断DMU是否有DEA有效，如果有效，则说明该DMU较优，反之说明‘非DEA有效’，即相对来说还有提升空间，那么提升空间具体在哪里呢，比如提高还是减少规模呢，可以通过规模效益分析得到。与此同时，如果是‘非DEA有效’，那么具体问题是什么，投入冗余还是产出不足，则可以通过对应的投入冗余 或产出不足分析表格得出，具体数字直接查看松驰变量即可。如下表所示：

3本例子作截图如下：

分别将3个投入指标和2个产出指标放在对应的框中，与此同时，本案例中年份为决策单元DMU，因此放入对应的框中，当然也可以不放入DMU（如果不放入，SPSSAU默认输出为比如第1项，第2项等）。另外，本案例使用默认的BBC(VRS)模型进行分析。

4如果是BBC模型时，SPSSAU共输出6个表格和1个图。分别如下：

如果是CCR模型时，SPSSAU共输出4个表格【无规模报酬相关的表格】和1个图。分别如下：

5有效性分析是指决策单元DMU的总体有效性情况，本案例使用BBC模型进行分析。从上表可以看出：1997，1998和1999这三年的数据均为‘DEA强有效’，即相对于其它年份（DMU）来讲，此3年的投入产出达到相对最。

关于有效性的判断规则说明如下：

如果综合效益值等于1且松驰变量S-和松驰变量均为0，那么为DEA强有效，说明相对来讲某DMU单元达到最；如果综合效益值等于1并且2个松驰变量任意中任意1个大于0，那么为DEA弱有效，说明某DMU单元已经相对但还有一定提升空间；如果说综合效益值小于1（此时不论松驰变量为多少），那么为非DEA有效，即说明相对来讲投入产出比效率较。

以及关于上表格中各指标的意义说明如下表：

从本案例分析来看，除1997，1998和1999共3个决策单元外，其余年份（决策单元DMU）均为非DEA有效，即还有较大的提升空间，下述中还会进一步对规模效益系数进行分析。

上图为有效性分析的图示化，人上图可以看到，从1990到1999年变迁过程中，综合效益值在不断的提升，也即说明的投入产出效率在不断提升。包括规模效益和技术效益均在不断提升，进一步说明投入产出效率的提升，也即说明的效率在不断提高。

针对BBC模型即规模报酬可变模型来看，上述分析可知，1997,1998和1999这3年均为DEA强有效，自然其规模报酬达到即规模报酬固定。而1997年之前，规模报酬系数值均小于1，也即说明规模报酬递增，加大规模更加速提高投入产出比。可能这也正是在逐年提升投入的原因。关于规模报酬系数的判断规则说明如下表:

针对非DEA有效的决策单元DMU，可进一步分析其‘投入冗余’情况。当然DEA强有效的决策单元（本案例中的1997，1998和1999共3年），相对意义上其并没有投入冗余问题，因此松驰变量S-值均为0。

松驰变量S-意义为“减少多少投入时达目标效率”，简单来说就是得到基于当前的产出，投入要减少多少才能达到高效率。该值越小越好，最小值为0（即状态），从上表可知：从1990~1996年间，财政收入占GDP比例对应的松驰变量S-值一直都大于0，意味着财政收入相对GDP过高（收税相对过多）。与此同时，在1994~1996年这3年里，每千人科技人员数的松驰变量S-值较高，意味着科技人员占比相对过高，可适量减少科技人员投入。

至于投入冗余率，其是一个相对的数字，即‘过多投入’除以‘已投入’，分析时可直接对比该数字，如果该值越大意味着需要减少的比例越大。

针对非DEA有效的决策单元DMU，可进一步分析其‘产出不足’情况。当然DEA强有效的决策单元（本案例中的1997，1998和1999共3年），相对意义上其并没有产出不足问题，因此松驰变量S+值均为0。

松驰变量S+意义为“增加多少产出时达目标效率”，简单来说就是得到基于当前的投入，产出要增加多少才能达到高效率。该值越小越好，最小值为0（即状态），从上表可知：人均GDP这一产出变量仅在1995年出现松驰变量S+值大于0，意味着1995年时人均GDP相对产出较低。与此同时，1990~1993共4年时间里，松驰变量S+值大于0，说明此4年里面相对于投入，产出效率还有提升空间（即产出不够）。

至于产出不足率，其是一个相对的数字，即‘产出不足’除以‘已产出’，分析时可直接对比该数字，如果该值越大意味着需要产出增加的比例越大。

描述统计分析表格为各研究指标的平均值和标准值等，用于查阅数据中是否有缺失或异常情况等，并无其它意义。

6涉及以下几个关键点，分别如下：

数据包络分析DEA从数学原理上并不要求数据进行量纲化处理，如果需要处理，可使用SPSSAU数据处理里面的生成变量功能进行处理。与此同时，如果数据有负向（逆向）指标，则需要对其进行逆向化处理，让其指标意义变为正向。处理方式为：SPSSAU数据处理里面的生成变量功能中的逆向化处理。

如果指标中有负向（逆向）指标，那么需要对负向（逆向）指标进行逆向化处理，使其意义变为正向。处理方式为：SPSSAU数据处理里面的生成变量功能中的逆向化处理。

数据包络DEA分析有很多模型，BBC和CCR最为经典，如果考虑规模报酬可变则使用BBC，反之如果认为规模报酬不变则应使用CCR，通常情况下使用BBC较多。

数据包络DEA分析进行分析时，其是一个相对对比的过程，即基于所分析数据里面对比相对的优劣，比如不同城市的DEA分析，有的分析发现DEA有效，但指标更改后（或对比的DMU更换），可能就会出现为非DEA有效。