ДВОЙНАЯ МОДЕЛЬ DEA сочинение пример

ООО "Сочинения-Про"

Ежедневно 8:00–20:00

Санкт-Петербург

Ленинский проспект, 140Ж

magbo system

Для любой линейной программы (ЛП) можно сформулировать ЛП партнера, используя те же данные, и решение для исходного ЛП (первичного) или партнера (двойного) предоставляет ту же информацию о проблеме смоделированы. DEA не является исключением из этого. Двойственная модель строится путем присвоения переменной (двойной переменной) каждому ограничению в первичной модели и построения новой модели по этим переменным. Это показано ниже.

Первое, что следует отметить, это то, что первичная модель имеет n + t + m + 1 ограничений, в то время как двойная модель имеет m + t ограничений. Поскольку n, число единиц, обычно значительно больше, чем t + m, количество входов и выходов, можно видеть, что первичная модель будет иметь гораздо больше ограничений, чем двойная модель. Для линейных программ в целом, чем больше ограничений, тем сложнее решить проблему. Следовательно, по этой причине обычно решают двойную модель DEA, а не первичную.

Из теории линейного программирования известно, что значения двойственных переменных в результате решения дуальной модели идентичны теневым ценам в первичной модели. Таким образом, двойственные переменные Lambda (j) также являются теневыми ценами, связанными с ограничениями, ограничивающими эффективность каждой единицы, не превышающими 1. Также известно, что, когда ограничение является обязательным, теневая цена обычно будет положительной, а где ограничение не является обязательным, теневая цена будет равна нулю. Следовательно, в решении первичной модели связующее ограничение подразумевает, что соответствующая единица имеет эффективность 1, и будет положительная теневая цена или двойная переменная. Следовательно, положительные теневые цены в первичном или положительные значения для лямбда (j) в двойном соответствуют и идентифицируют группу равных для любой неэффективной единицы.

ПРЕИМУЩЕСТВА DEA

Нет необходимости явно указывать математическую форму для производственной функции.

Доказано, что он полезен при раскрытии отношений, которые остаются скрытыми для других методологий.

Способен обрабатывать несколько входов и выходов.

Может использоваться с любым измерением ввода-вывода.

Источники неэффективности могут быть проанализированы и количественно определены для каждой оцененной единицы.

НЕДОСТАТКИ DEA

Результаты чувствительны к выбору входов и выходов (Berg 2010).

Вы не можете проверить на лучшую спецификацию (Berg 2010).

Количество эффективных фирм на границе, как правило, увеличивается с увеличением количества входных и выходных переменных (Berg 2010).

Желание улучшить DEA, уменьшив его недостатки или усилив его преимущества, стало основной причиной многих открытий в недавней литературе.

В настоящее время наиболее часто основанный на DEA метод получения уникальных рейтингов эффективности называется перекрестной эффективностью.

Ограничения анализа охвата данных

DEA – отличная техника, но она имеет свои ограничения. Вы должны понимать, что DEA – это как черный ящик. Поскольку весовые коэффициенты, используемые в коэффициенте эффективности каждой записи, различны, пытаться объяснить, как и почему каждый счет был рассчитан, бессмысленно. Обычно мы ориентируемся на ранжирование записей, а не на фактические значения показателей эффективности. Также обратите внимание, что наличие экстремумов может привести к тому, что оценки будут иметь очень низкие значения.

Имейте в виду, что DEA использует линейные комбинации функций для оценки соотношений. Таким образом, если их линейное объединение не подходит в нашем приложении, мы должны применить преобразования к объектам и сделать возможным их линейное объединение. Еще один недостаток этого метода заключается в том, что мы должны решить столько же задач линейного программирования, сколько и количество записей, что требует больших вычислительных ресурсов. Еще одна проблема, с которой сталкивается DEA, заключается в том, что она плохо работает с данными больших размеров.

Заключение

DEA – это новый подход к измерению относительной эффективности, когда имеется несколько несоразмерных входов и выходов. Если можно определить подходящий набор мер, DEA предоставляет меру эффективности, не основанную на применении общего взвешивания входов и выходов. Кроме того, метод определяет одноранговые юниты и цели для неэффективных юнитов. Ряд вопросов, возникающих в связи с применением DEA, также были решены.

Зарегистрируйся, чтобы продолжить изучение работы

    Поделиться сочинением
    Ещё сочинения
    Нет времени делать работу? Закажите!

    Отправляя форму, вы соглашаетесь с политикой конфиденциальности и обработкой ваших персональных данных.