1 / 47

Data Envelopment Analysis

Data Envelopment Analysis. 資料包絡分析. 長榮大學 國企系(所) 教授兼系主任 劉春初 200 9 / 02/26. 序論. 資料包絡分析法 (Data Envelopment Analysis, DEA) 以 「效率」 的概念作為 加總模式 ,而效率則等於總產出除以總投入,並以 效率最大化為目標 。 DEA 法另一個與其他多屬性決策分析模式不同之處,在於 DEA 不須預設屬性之相對權重,乃是由實證資料中推導產生,每個受評方案的效率衡量乃是分別採取對該受評方案最 有利的權重組合 。

conor
Download Presentation

Data Envelopment Analysis

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Data Envelopment Analysis 資料包絡分析 長榮大學 國企系(所) 教授兼系主任 劉春初 2009/02/26

  2. 序論 • 資料包絡分析法 (Data Envelopment Analysis, DEA)以「效率」的概念作為加總模式,而效率則等於總產出除以總投入,並以效率最大化為目標 。 • DEA法另一個與其他多屬性決策分析模式不同之處,在於DEA不須預設屬性之相對權重,乃是由實證資料中推導產生,每個受評方案的效率衡量乃是分別採取對該受評方案最有利的權重組合。 • AHP的權重則著重決策者的主觀判斷,用相同的權重來衡量所有的方案。

  3. 大綱 • 資料包絡分析法簡介(Data Envelopment Analysis, DEA) • DEA基本模式 • DEA 使用步驟 • DEA之特性 • DEA的分析工具 • 結論

  4. 績效評估 • 績效評估(performance evaluation)乃是評估組織或個人如何以較少的投入資源獲得較多之產出結果的多屬性評估,通常使用「成本效益分析」(cost effectiveness analysis;cost benefit analysis)之「投入產出比」來同時考慮對目標分別為負向影響與正向影響的投入屬性與產出屬性 • 評估企業的營運效率高低,可以營業額與員工人數作為屬性,成本效益分析通常以「效率」(efficiency)的概念來分析每單位投入可產生多少產出,故生產力可以「員工每人營業額」的比例式表達如下

  5. 員工生產效率分析 • 生產力的目標是望大,所以營業額越高越好而員工人數越少越好 B的員工平均每人營業額最高,因此員工生產效率最高 • 某公司分析其八個不同工廠的生產效率以決定從中選擇一間績效最好的工廠,以營業額作為產出,員工人數作為投入,可將每個工廠按照其營業額與員工人數標示於二維座標中

  6. 其他議題的爭議 • 其他工廠可能會抗議說,他們的產品比較成熟所以單價低,因此產出不能光看營業額而必須考慮生產量 • 又有工廠抗議說他們的設備比較舊需要的操作人員多,因此投入不能只看員工人數而必須也考慮機器設備的特性 • 決策分析中均有適當的方法,類似的爭辯理由往往言之成理,可是也讓相對的比較無從進行,因為每個被評估的對象或候選方案的利害關係人都可以找到對自己有利的論點

  7. 資料包絡分析法簡介(1/2) • 針對多個受評單位或備選方案的相對效率分析與比較,學者(Charnes et al., 1978;Banker et al., 1984)提出「資料包絡分析法」(Data Envelopment Analysis, DEA)的相對比較方式。 • 將屬性區分為投入項與產出項,不預先設定權重之方式分別加總產出屬性值和總投入屬性值,然後總產出除以總投入的比率作為相對效率。 • DEA的應用目的為評估組織或單位的相對績效,因此將被評估的對象稱為「決策單位」(Decision Making Unit, DMU) 。

  8. 資料包絡分析法簡介(2/2) • 以成本效益的角度,效率等於總產出除以總投入的比率,故每一個方案的效率如式所示: • 集合I表示結果Xi越小越好的屬性 • 集合O表示結果Yj越大越好的屬性 • uj與vi分別代表集合I與集合O中每個屬性對應的相對權重 • 找出相對效率值最高的備選方案,比較不同決策單位的相對效率值,並分析效率不佳之方案應減少投入或是提高產出,提出具體的改善方向

  9. 生產邊界衡量效率(1/2) • 早期的學者以經濟學觀點來闡釋效率,提出以生產邊界(production frontier)為衡量效率之基礎,估計主要有兩種方法 • 參數法 (parameter approach) 利用理論建構或實證推導的方式預先設定生產函數之形式。 • 無母數法 (non-parametric approach) 恰好相反 , DEA法即為一種無母數的生產函數分析法不預設投入與產出屬性之相對權重,藉由實際投入產出的資料形成包絡面(envelopment surface),推測出生產邊界

  10. 生產邊界衡量效率(2/2) • 若固定某一種生產函數關係,只有B是最佳方案,若改變生產函數關,則只有C是最佳方案 • DEA法的相對效率衡量係建立在柏拉圖最適境界(Pareto optimal frontier)之效率觀念上: • (1)針對某個產出項,除非增加投入資源或減少其他產出項之若干產量,否則該產出項之產量無法被增加 • (2) 針對某個投入項,除非減少產出或增加其他投入項之若干投入資源,否則該投入項的投入資源無法被減少

  11. 營運效率分析為例 • 以營業額和生產量作為衡量產出的兩項屬性,而以員工人數作為唯一投入屬性,可將每個工廠按照其營業額、生產量與員工人數標示於座標中而構成生產曲線 包絡線又稱為效率前緣(efficiency frontier) 柏拉圖最適境界示意圖

  12. DEA基本模式 • 本節將介紹資料包絡分析法中的兩種主要模式:CCR模式與BCC模式 • CCR 模式 • BCC模式

  13. CCR 模式(1/2) • Charnes、Cooper及Rhodes (CCR)於1978年將Farrell (1957)的效率評估觀念推廣至多項投入和多項產出,並推導出一模型名為CCR模式,並將之定名為資料包絡分析法 • CCR模式假設固定規模報酬(constant return to scale),也就是每一單位投入可得產出量是固定的,不會因規模大小而改變 • 有R個決策單位DUMk為R個決策單位中的一個,效率可定義如式 n個產出項 m個投入項

  14. CCR 模式(2/2) • 以向量的形式定義效率 • Yk為DMUk產出向量, Xk為DMUk投入向量 與上述式子相同 • Uk為產出權重向量, Vk為投入權重向量

  15. 數學規劃模式 • DEA法之數學規劃模式乃是以一個決策單位DMUk的效率Ek最大化作為目標式,尋找最對DMUk最有利的投入項權重組合,以及產出項權重組合,使得Ek達最大值 ,但所有DMUk的效率Er必須小於等於1,故CCR模式的數學規劃式如右

  16. 分數規劃的形式 • 稱為「投入導向模式」, hk為投入導向效率(input-based efficiency)

  17. 對偶模式求解 • 一般為了讓求解較有效率,並可以分析差額變數(slack variable) 差額變數(slack variables)代表為達有效率應減少的投入量 超額變數(surplus variables)代表為達有效率應增加的產出量

  18. 一投入一產出之CCR模式 • 九個決策單位其投入產出如表

  19. 相對有效率 之決策單位 相對無效率 之決策單位 以DMUA與DMUB為例進行求解 DMUB為目標式之CCR模式 DMUA為目標式之CCR模式

  20. 九個決策單位之CCR模式解

  21. 在X-Y二維平面上尋找一條通過原點之包絡線 尋找的方向由Y軸開始順時鐘旋轉,直到與第一個決策單位相交才停止,即為有效率的決策單位。 • 通過之藍線即為效率前緣

  22. 以DMUF為例 • 對於相對無效率的決策單位,可以找出其在效率前緣的投影點,作為改善的參考方向,並與投影點的效率比較可得相對效率。 • 上圖DMUF為例,在效率前緣的投影點為F*=(1.5,3),就是在相同的投入水準下,欲達有效率需增加產出水準達F* ,故的相對效率DMUF為F點與F*點之效率比,其中點與點的效率分別為 • DMUF的相對效率為0.3 與數學規劃模式求解之結果相同

  23. 以七個決策單位為範例

  24. 最適權重 效率 相對無效率之決策單位 以DUMB為例進行求解

  25. 七個決策單位之CCR模式解 DMUE、 DMUF、 DMUG為有效的單位決策 其餘均為無效的決策單位

  26. 效率分析及求解 無效率決策單位之相對效率可經由其在效率前緣上的投影點兩相比較後求得 決策單位效率與投影點效率之比值 效率前緣與效率分析

  27. BCC模式(1/3) • 在不同的生產規模下,規模報酬將會隨之改變,於初創期生產規模小時,投入產出比會隨著規模增加而提升,稱為規模報酬遞增(Increasing Returns to Scale, IRS) • 達到高峰期時,產出與規模成正比而達到最適生產規模,稱為規模報酬固定 • 當生產規模過於龐大時,產出減緩,則稱為規模報酬遞減(Decreasing Returns to Scale, DRS),也就是投入增加時,產出增加的比例會少於投入增加的比例 • Banker等人將CCR模式修正為變動規模報酬(Variable Returns to Scale, VRS)的假設下衡量決策單位之相對效率,稱之為BCC模式(Banker et al., 1984)

  28. BCC模式(2/3) • 此模式將決策單位是否達到有效的生產規模也納入評估,故可同時衡量規模效率(scale efficiency)與技術效率(technical efficiency) • 投入導向的BCC模式如下 允許不通過原點

  29. 截距 代表其規模報酬遞減( Y軸截距 ) 與DMUC相切之線段L2未通過原點,且截距 代表其規模報酬遞減 ( X軸截距 ) 與DMUA相切之線段L1未通過原點,且截距 代表其規模報酬遞增( X軸截距 ) 截距 代表其規模報酬遞增( Y軸截距 ) BCC模式(3/3) • 顯示一投入一產出下三個決策單位之相對位置 與DMUB相切之線段L3達到有效率,其他決策單位都是相對無效率

  30. 一般線性規劃模式 分數規劃的模式 對偶問題 BCC不同模式

  31. 總效率與技術效率關係 • 決策單位未達相對有效率可能是技術無效率或者是規模無效率,然CCR模式中並未考慮決策單位的規模差異,故求得之相對效率hk為總效率(overall efficiency) • BCC模式求得之相對效率tk為技術效率,和CCR模式之總效率的差異即為各個決策單位調整至相同生產規模後的規模效率 • 一個決策單位之總效率乃是技術效率與規模效率之乘積 • 當決策單為在最有生產力的規模下運作,已達規模效率,則其總效率與技術效率相等

  32. 一投入一產出之BCC模式 • 沿用CCR模式中一投入一產出九個決策單位之範例 • BCC模式化簡為

  33. 以DMUA與DMUB為例進行求解 DMUB為目標式之BCC模式 DMUA為目標式之BCC模式 只有決策B達到 相對有效率 其他決策單位均為 相對無效效率

  34. 九個決策單位之BCC模式解

  35. BBC模式示意圖 • DMUF之CCR模式效率為0.3,也就是總效率OE=0.3,而BBC模式效率為0.333,也就是技術效率TE=0.3 • 規模效率 • 截距 ,代表DMUF乃是規模報酬遞增,可再增加其生產規模而達到最適規模 • F’在 之間,也就是生產規模相當時,技術有效率的決策單位僅需投入 即可獲得與DMUF相同的產出水準

  36. DEA 使用步驟 • Roll與Golany (1989)所提出之DEA方法使用程序 • 可劃分為四個大步驟 • (1) 決策單位之選取 • (2)投入產出項之選取 • (3)DEA模式之選取 • (4)評估結果之分析

  37. 問題定義與決策元素之釐清 • 應用DEA於多屬性評估問題時 • 必須先定義問題瞭解問題本質,釐清相對績效評估的目的經由目標之建立設定評估準則 • 取DEA模式構建效率邊界,並將決策單位的實績與效率邊界比較以衡量其效率,再將評估之結果加以分析,檢視決策單位是否有效率 • 相對無效率的決策單位,則分析其未達最佳效率的原因,提出努力方向和矯正行動以改善其效率

  38. 投入項與產出項之選取 • DEA方法評估方案的相對效率時,係建立在各決策單位在各個投入或產出屬性的相對表現資料上,因此若選擇了不適當的投入或產出屬性,就如同選錯目標以及決策努力方向一般,將扭曲相對效率的評估結果。 • DEA方法中,評估屬性的決定和受評的方案之間是互動的;細節步驟如下: • 目標架構與對應的投入與產出屬性 • 區分投入屬性或產出屬性 • 決定哪些投入與產出屬性

  39. 決定哪些投入與產出屬性(1/2) • 就個別屬性而言,為確保納入DEA模式分析之投入或產出項,均能一定程度地解釋其對相對效率衡量結果的影響,可利用「後向消去法」(backward elimination)逐一檢視並消去對效率較無影響之投入或產出因子 • DEA模式結果的相對權重值越小,通常表示該投入項或產出項對效率的影響越小(以線性模式而言),後向消去法乃是影響最小的投入或產出屬性開始刪除 • 也可採「前向選擇法」(forward selection),也就是由影響最大的投入或產出屬性開始逐一檢視並選入模式之中

  40. 決定哪些投入與產出屬性(2/2) • 就屬性總數而言,DEA方法在處理多項投入多項產出時雖有其優越處,但其所能處理之投入產出項個數並非毫無限制 • 每增加一項投入或產出屬性,則會新增數個投入產出比率,導致DEA模式之鑑別力(discriminating power)降低 • 根據Golany與Roll(1989)提出的經驗法則,投入屬性與產出屬性相加的總個數不能超過受評決策單位個數的二分之一 • Dyson等(2001)則提出更嚴格的標準,認為受評決策單位的個數不能低於投入屬性個數與產出屬性個數乘積的兩倍

  41. 評估結果分析與詮釋(1/2) • DEA計算結果的分析與詮釋,可以由下列四個方向來討論: • 效率分析:由DEA之評估相對效率的結果,除了可以利用CCR模式計算總效率及BCC模式計算技術效率,並可以推導規模效率,同樣是相對有效率的決策單位可比較其被其他決策單位參考的次數,被參考的次數越多,則表示該決策單位為相對有效率的衡量穩健度(robustness)越高 • 差額變數分析:針對無效率的決策單位或方案,可以透過DEA模式的差額變數分析(slack variable analysis)瞭解投入資源使用狀況,找出無效率之來源及對應的屬性值應該改善的大小程度

  42. 評估結果分析與詮釋(2/2) • 規模報酬分析:決策單位之無效率可能是源自於技術效率或不同規模報酬的規模效率,在規模報酬變動的BCC模式分析時 • 敏感度分析:因為DEA模式的結果容易受到考慮的投入產出屬性以及決策單位的資料影響,為了提高研究的效度,使評估結果更具效果,因此必須進一步利用敏感度分析可以由三方面著手 • 一是投入與產出屬性增減變化對評估結果的影響 • 二是決策單位變化時對評估結果的影響 • 三是各方案的投入與產出屬性值變化時對評估結果的影響。

  43. DEA之特性(1/2) • DEA和其他多屬性決策模式一樣,可以同時考慮多項的投入與產出屬性,來評估決策單位和方案的相對效率 • 投入或產出屬性之量測單位改變,儘管會造成該屬性值的同時改變,但並不會影響DEA的評估結果 • DEA是一種無母數方法,因此不須事先知道投入與產出屬性間的生產函數形式。然而,根據決策者主觀偏好而建構的理論模式 • DEA可以同時處理比率尺度及非比率尺度的資料,且衡量單位也不須完全相同,使資料處理上更具彈性

  44. DEA之特性(2/2) • DEA是一種採用實證資料的標竿比較(empirical benchmarking),由於不和理論上的絕對標準比較,因此評估結果乃是相對效率而非絕對效率,因此效率為1並不代表沒有改進之處 • DEA不僅可以評估相對效率,指出效率有待改進的DMU,也可以利用差額變數分析和敏感度分析,提供決策者各種改進效率值的可行途徑 • DEA可以同時處理不同決策單位的多個投入與產出屬性而用單一總體衡量指標來表達相對效率 • DEA可以讓各DMU找到對自己最有利的權重以儘可能的提昇該DMU之效率,因此DEA所推導的權重不含人為之主觀因素

  45. DEA分析工具 • DEA法的使用程序包含許多數學運算 • 當決策單位、投入項與產出項的個數增多時,由於限制式增加,計算更是繁複,分析者可以使用電腦軟體來協助進行分析,將選定的模式與實際資料輸入後,即可根據產生的報表進行結果分析 • 除了一般求解線性規劃之軟體可執行DEA分析外,目前有數個執行DEA的專用軟體 • IDEAS軟體 • DEA-SOLVER軟體 • DEAP • Banxia Frontier Analyst • FRONTIER

  46. 結論 • DEA是一種可以同時衡量多項產出與多項投入的多屬性效率評估方法,資料包絡分析法也是一種無母數分析法,能夠在不須預設生產函數型式且亦不須事先決定投入產出屬性的相對權重之下,以求取各方案之相對效率。相關研究以證明DEA不僅可用於非營利組織的績效衡量,對於營利組織的績效衡量,乃至於多屬性決策問題均有其適用的地方。

  47. 結束

More Related