[论文解读] Directional Congestion in Data Envelopment Analysis

Guo-liang Yang|arXiv (Cornell University)|Oct 25, 2015

Efficiency Analysis Using DEA参考文献 31被引用 3

一句话总结

本文在数据包络分析（DEA）中引入了方向性拥挤概念，提出了基于输入与输出方向的两种估计方法，以衡量低效性。该研究建立了与经典拥挤及强/弱拥挤概念的关系，并通过中国科学院研究机构的案例研究展示了其适用性，显著提升了效率评估的精确度。

ABSTRACT

First, this paper proposes the definition of directional congestion in certain input and output directions in the framework of data envelopment analysis (DEA). Second, two methods from different viewpoints are also proposed to estimate the directional congestion in a DEA framework. Third, we address the relations among directional congestion and classic congestion and strong (weak) congestion. Finally, we present a case study investigating the analysis of the research institutes in the Chinese Academy of Sciences (CAS) to demonstrate the applicability and usefulness of the methods developed in this paper.

研究动机与目标

• 在特定输入与输出方向下，定义DEA中的方向性拥挤。
• 从不同分析视角出发，提出两种不同的方向性拥挤估计方法。
• 阐明方向性拥挤与经典拥挤、强拥挤及弱拥挤等既有概念之间的理论关系。
• 通过中国研究机构的实际应用验证所提方法的有效性。
• 提升多输入、多输出生产系统中效率分析的精确性与实际相关性。

提出的方法

• 基于DEA框架中的输入与输出方向，提出一种新的方向性拥挤定义。
• 开发两种估计方法：一种基于投入导向，另一种基于产出导向的方向性距离函数。
• 利用方向性距离函数（DDF）建模输入在特定方向上可减少、产出可增加的路径。
• 将拥挤视为一种低效形式，即在减少某些投入时，产出出现不成比例的增加。
• 通过在效率度量中引入方向性向量，将方向性拥挤整合进标准DEA模型。
• 采用中国科学院下属11家研究机构的数据进行案例研究，以检验方法论框架的适用性。

实验结果

研究问题

• RQ1 如何在DEA框架内，基于特定方向重新定义拥挤？
• RQ2 在DEA中估计方向性拥挤的两种不同方法论途径是什么？
• RQ3 方向性拥挤与经典拥挤以及强/弱拥挤概念之间存在何种关系？
• RQ4 方向性拥挤在多输入、多输出环境下如何提升效率评估的准确性？
• RQ5 有哪些实证证据支持所提出的方向性拥挤模型的实际效用？

主要发现

• 与传统拥挤相比，方向性拥挤通过考虑特定的输入与输出方向，提供了对低效性更细致的度量。
• 所提出的两种方法分别从投入导向与产出导向提供了互补的视角，用于估计方向性拥挤。
• 方向性拥挤被证明是经典拥挤的推广形式，在不同效率情境下具有更强的理论一致性。
• 对中国科学院11家研究机构的案例研究显示，方向性拥挤能够识别出标准DEA模型所忽略的低效性。
• 结果表明，方向性拥挤显著增强了DEA在现实机构效率分析中的区分能力。
• 应用结果证实，方向性拥挤在实际操作中可行且对科研机构的政策与管理决策具有实际价值。