学习效应嵌入下动态决策单元DEA效率评价与管理目标设定的研究及应用

As an effective tool for evaluating and improving the performance of decision-making units (DMUs), DEA has been widely used in various areas. The traditional DEA models take DMUs as a static input-output system, and the dynamic features of decision-making units (such as learning capability, experience accumulation factors, discrete features of inputs) have been regularly ignored. Besides, some relevant theories and methods are in need for the complete expression of dynamic information of DMUs in practical evaluation as well as the introduction of learning effect parameters. In this case, this study focuses on dynamic DMUs and the main task is to design DEA evaluation models based on the external variables of instantaneous learning effect transfer matrix by decomposing DMU sequence structure, and to re-construct Total Factor Productivity index models and decompose the efficiencies considering the “Learning By Doing” effect. Meanwhile, the scientific evaluation methods of dynamic DMU efficiency are put forward and applied in managerial target-setting problems such as resource optimizing allocation and output level design. The study findings are applied in the real practice of environmental management performance evaluation and decision-making optimization in countries, regions and manufacturing enterprises. This study enlarges DEA research areas, enriches DEA theoretical systems and offers certain policy-making and decision-making support for the environmental management both in the macro and in micro level.

数据包络分析（DEA）作为评价和改进决策单元效率的一种有效方法和工具，在很多领域得到广泛应用。传统DEA模型将决策单元视为静态的投入产出系统，决策单元自身的动态性特征（如学习能力、经验累积因素、投入的离散特征等）常被忽视，实际评价中决策单元动态信息的完备表述和学习效应参数的引入亟待相关理论和方法来完善。为此，本项目的研究对象是存在动态特性的决策单元；主要工作是通过动态决策单元的时序结构分解，以学习瞬时效应传递矩阵为外生变量构建DEA评价模型并以之为基础进行“干中学”效应下决策单元的全要素生产力指数模型的设计和效率分解，提出科学的动态决策单元效率评价方法；并应用于资源优化配置和产出水平选择等管理目标设定问题；研究成果最终运用于国际、区域和企业的环境治理效率评价和优化决策实践。本研究项目将扩大DEA研究领域，丰富和完善DEA理论体系，并为宏微观层次上的环境治理管理问题提供一定的政策和决策支持。

数据包络分析（DEA）作为评价和改进决策单元效率的一种有效方法和工具，在很多领域得到广泛应用。传统DEA模型将决策单元视为静态的投入产出系统，决策单元自身的动态性特征（如学习能力、经验累积因素、投入的离散特征等）常被忽视，实际评价中决策单元动态信息的完备表述和学习效应参数的引入亟待相关理论和方法来完善。本项目组按照既定研究计划，以动态决策单元为研究对象，围绕动态决策单元的时序结构分解展开研究。结合实际情况，以学习效应传递矩阵为外生变量构建DEA评价模型并以之为基础进行“干中学”效应下决策单元的全要素生产力指数模型的设计和效率分解；扩展动态决策单元全要素生产力指数模型并将其应用于资源优化配置、技术进步效应等方面；以效率评价结果为基础，从效率和公平角度实现管理目标设定问题；对基本的DEA模型进行扩展，考虑非期望产出、模糊数据等特殊情形，将其应用于国家、区域、企业在环境治理、碳排放等各个方面的运营效率和未来目标设置问题中。本研究项目扩大了DEA研究领域，丰富和完善了DEA理论体系，并为各类管理问题提供一定的政策和决策支持。围绕本项目研究内容，项目组共发表研究论文46篇（SCI/SSCI检索期刊论文16篇，CSSCI检索期刊论文12篇），出版专著1本（科学出版社）。研究成果获得江苏省教育教学和研究成果奖（研究类）三等奖、江苏省高校哲学社会科学研究成果奖三等奖；项目负责人获得江苏省“青蓝工程”中青年学术带头人称号，并完成江苏省“333工程”第三层次人才项目。在此基础上对相关研究的拓展获得新的国家自然科学基金面上项目资助，项目号为：72171124。