什么是数据包络分析法
介绍
数据包络分析法：英文全名叫 Data Envelopment Analysis 简称 DEA。是效率评价中常用的一种评价模型，他是运筹学、经济学、计量学、统计学等多种学科综合在一起的运用非常广泛的一种评价方法。
基本思想是通过DMU 的输入和输出数据进行综合分析，得出每个DMU效率的相对指标，然后将所有DMU效率指标排序，确定相对有效的 DMU ，同时还可以用投影方法指出非 DEA 有效或者 弱 DEA有效的原因，以及应该改进的方向和程度，为管理人员提供管理决策信息。
特点
数据包络分析特点：
适用于多产出-多投入的有效性综合评价问题，在处理多产出-多投入的有效性评价方面具有绝对优势。
数据包络分析方法并不直接对数据进行综合，因此决策单元的最有效率指标与投入指标值及产出指标值的量纲选取无关。
无需任何权重假设，而以决策单元投入产出的实际数据求得最有权重，排除了很多主观因素，具有很强的客观性。
不仅可以将待评价的决策单元进行效率排队，还能进一步指出无效单元的无效原因及改进的方向和尺度，为决策者提供更多有价值的管理信息。
缺点：
结果只能表明评价单元的相对发展指标，无法对实际的发展水平明确表示。
由于各个决策单元都是从最有利于自己的角度分别求得权重，这样会导致这些权重随着 DMU 的不同而不同。从而使得每个决策单元 DMU 的特性缺乏可比性。这样得出的结果可能不符合客观实际。
DEA方法隐含要求问题方案具有更好的结构化、确定性的特征、，使其较难适应管理对象系统中的模糊性、主观性的评价情景和需要。从而限制了DEA方法在管理领域中的使用。
原理
数据包络分析的原理主要是通过对生产决策单元（Decision Making Units ,DMU）的输入与输出数据的研究，从相对有效性的角度出发来评价具有相同类型的多投入、多产出决策单元的技术与规模的有效性。
借助数学规划和统计数据确定相对有效性的生产前沿面，将各个决策单元投影到DEA的生产前沿面上，并通过比较决策单元DEA偏离前沿面的程度来评价它们的相对有效性。它不需要以参数形式规定生产前沿函数，并且允许生产前沿函数可以因为单位的不同而不同，不需要弄清楚各个评价决策单元的输入与输出之间的关联方式，只需要最终用极值的方法，以相对收益这个变量作为总体上的衡量标准。
生产决策单元（Decision Making Units ,DMU）
指DEA 方法将一项活动或一个动态系统看作该系统在一定范围内通过一定数量的生产要素并产出一定数量的产出的过程。为使该项活动或动态系统取得***的效益，这一过程须经过一些列的决策，产出是觉得的结果。这样的系统就是决策单元。每一个决策单元都有一定的输入与输出，并在输入转化为输出的过程中努力实现自身的决策目标。
具体
参考文档：
dea方法bcc模型介绍
DEA模型分为CCR模型和BCC模型。
CCR模型假设DMU处于固定规模报酬情形下，用来衡量总效率。固定规模报酬是所有DMU一起比较的效率评估。
BCC模型假设DMU处于变动规模报酬情形下，用来衡量纯技术和规模效率。变动规模报酬与条件相当的受评单位比较。
扩展资料：
DEA模型的现状：
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币单位。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。
参考资料来源：百度百科-分布式电源电能质量综合评估
参考资料来源：百度百科-数据包络分析（效率评价方法）
什么是DEA啊？
数据包络分析方法（ DEA，Data Envelopment
Analysis ）由Charnes、Coopor和Rhodes于1978年提出，该方法的原理主要是通过保持决策单元（DMU,
Decision Making Units） 的输入或者输入不变，借助于数学规划和统计数据确定相对有效的生产前沿面，将各个决策单元投影到DEA的生产前沿面上，并通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。
DEA方法以相对效率概念为基础，以凸分析和线形规划为工具的一种评价方法，应用数学规划模型计算比较决策单元之间的相对效率，对评价对象做出评价，它能充分考虑对于决策单元本身***的投入产出方案，因而能够更理想地反映评价对象自身的信息和特点；同时对于评价复杂系统的多投入多产出分析具有独到之处。
DEA方法的特点：
适用于多输出-多输入的有效性综合评价问题，在处理多输出-多输入的有效性评价方面具有绝对优势
DEA方法并不直接对数据进行综合，因此决策单元的***效率指标与投入指标值及产出指标值的量纲选取无关，应用DEA方法建立模型前无须对数据进行无量纲化处理（当然也可以）
无须任何权重假设，而以决策单元输入输出的实际数据求得***权重，排除了很多主观因素，具有很强的客观性
DEA方法假定每个输入都关联到一个或者多个输出，且输入输出之间确实存在某种联系，但不必确定这种关系的显示表达式
什么是 DEA评价法
数据包络分析（DEA）简介在人们的生产活动和社会活动中常常会遇到这样的问题：经过一段时间之后，需要对具 有相同类型的部门或单位（称为决策单元）进行评价，其评价的依据是决策单元的“输入”数 据和“输出”数据，输入数据是指决策单元在某种活动中需要消耗的某些量，例如投入的资金 总额，投入的总劳动力数，占地面积等等；输出数据是决策单元经过一定的输入之后，产生 的表明该活动成效的某些信息量，例如不同类型的产品数量，产品的质量，经济效益等等.再 具体些说，譬如在评价某城市的高等学校时，输入可以是学校的全年的资金，教职员工的总 人数，教学用房的总面积，各类职称的教师人数等等...
dea方法的基本前提
dea方法的基本前提是：
1、所有DMU的输入输出值是正数。
2、DMU总数以不小于投入属性和产出属性个数乘积的2倍为宜来建立评价指标体系。
3、从技术角度看，避免输入（输出）集内指标间存在强线性关系。
关于dea方法和dea方法bcc模型介绍的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。