两阶段网络DEA效率及其分解方法与应用研究

This project aims to investigate the overall efficiency and its decompositions in two-stage network DEA models. In this research we start from a new perspective, which considers the DEA efficiency as a piece of evidence, to explore the efficiency decomposition issue in two-stage network DEA based on the evidential-reasoning (ER) rule, as well as the corresponding extensions. In details, the research questions include: (1) using the ER rule to decompose the overall technical efficiency of two-stage DEA models; (2) scale efficiency aggregation and decompositions; (3) dealing with undesirable outputs; (4) dealing with the cases with shared inputs and fixed sum of outputs, and (5) two-stage network bootstrap DEA. Based on the above methodological outcomes, this project will further conduct applications in two scenarios, including Chinese manufacturing industries and Chinese higher education system. In total, This project focuses on the investigation of two-stage network DEA from new statistical view, which is helpful to enrich the existing DEA theory and makes significant sense for policy-making in real cases.

本项研究拟从两阶段网络DEA模型中DMU单元效率值的全新视角出发，从概率的角度重新考虑DEA测度的结果，首先将两阶段网络DEA模型中两个子阶段的技术效率值看成两条证据，并基于证据推理（the ER rule）进行DMU单元整体效率和子阶段效率的合成与分解。同时，在此基础上，进一步将研究扩展至多种情形，包括：（1）规模效率的合成与分解；（2）带有非期望变量的情形；（3）共享投入与产出和固定的情形；（4）折衷分析（Trade-off analysis）；以及（5）两阶段网络Bootstrap DEA等。 在此基础上，本项研究拟应用理论方法研究成果聚焦于两个领域的案例，包括科研机构（或大学）以及中国的制造业。整体来看，本项研究旨在从全新的视角深入研究两阶段网络DEA模型的效率合成与分解，进一步丰富现有的DEA理论，从而为相关领域决策者资源配置提供有效的方法支撑。

本项目研究了两阶段网络数据包络分析模型总效率及其分解方法，主要包括1、从全新的视角，将数据包络分析效率重新解读为“可能性”，采用证据推理方法对两阶段网络数据包络分析模型中的效率进行分解；2、将两阶段网络数据包络分析模型扩展到两阶段共享投入的并联结构，并考虑了决策单元产出异质性的问题，开发了相应两阶段网络数据包络分析模型；3、开发了结合方向距离函数的动态网络数据包络分析模型，提出了度量效率跨期变化的Luenberger指数；4、探索了带有非期望产出的两阶段网络数据包络分析模型两个子阶段各类效率的合成与分解；5、基于两阶段数据包络分析模型提出了阻塞效应识别方法。本项研究还提出了结合前景理论的交叉效率数据包络分析模型，拓展了数据包络分析方法在产能利用率、阻塞效应、碳减排指标分配等方面的应用。在理论方法研究的基础上，本项目重点分析了中国制造业和中国科研机构的效率以及产能利用率，并根据分析结果提出了相应政策建议。