数据包络分析的Excel实现方法(1)

数据包络分析法

数据包络分析法在高新技术产业技术创新教育财务绩效评价中的应用姓名：李雪专业：会计学学号：201410750244

数据包络分析法在高新技术产业创新教育财务绩效评价中的应用摘要：高新技术产业是个技术密集型产业，对知识和技术具有很强的依赖性，进行技术创新活动是其经济高质量增长的源泉。高新技术产业创新教育财务管理内外环境的变化让财务绩效评价不仅成为可能，而且成为了高新技术产业财务管理必需推进的工作。财务绩效评价是运用科学、规范的绩效评价方法，对照一定的评价标准，参照绩效的内在原则，来对高新技术产业创新教育财务行为过程及结果进行客观、公正、科学的综合评价和衡量比较。高新技术产业财务绩效评价已成为高新技术产业财务管理的主要内容之一，对财务管理工作的促进和完善起着重要作用。数据包络分析法通过客观地反映高新技术产业创新教育活动的输入、输出，兼具考虑所选择指标的可采集性等约束条件，并且采用相对最优的权重确定方法反映财务绩效大小，蕴含着经济学的生产力观点，满足了财务绩效评价的科学性。关键词：高新技术产业创新教育；财务绩效评价；数据包络分析法技术创新对企业来讲可以优化产品结构，提高产品的价值，快速适应市场的需求，从而增强企业的市场竞争力；对于一个产业来说，技术创新可以催发新兴产业群的成长，推进产业结构优化，提高技术产业的经济效益。技术创新已经成为高质量经济增长的源泉。高新技术产业技术创新是指在市场的导向作用下，以提高产业效益为目标，经过技术的研发、引进、吸收等一系列的技术活动，生产出新产品、研发出新技术的过程。高新技术产业技术创新绩效，是对高新技术产业应用投入的财力和物力研发出新产品、新工艺，从而产生经济效益的能力的考核，是评判经济技术活动有效性的一个有效手段。因此，正确认识和把握技术创新水平、系统总结技术创新经验是很有必要的。科学评价高技术产业的技术创新绩效，对把握高新技术产业的技术创新活动规律、提升技术创新成功率、推动高新技术产业技术创新活动有序发展具有重要的现实意义。

数据包络分析

数据包络分析方法介绍和应用综述【摘要】数据包络分析(Data Envelopment Analysis,DEA)是一种基于线性规划理论的模型,它将多输入指标和多输出指标综合成为单个评价指标，是运筹学、管理科学和数理经济学交叉研究的一个新的领域。数据包络分析使用数学规划评价具有多个输入与输出的决策单元(简记为DMU)间的相对有效性(DEA 有效), 使用DEA对DMU进行效率评价时, 可以得到很多在经济学中具有深刻经济含义和背景的管理信息。本综述的目的是介绍DEA研究的历史、现状, 特别是它的发展过程及某些新的模型扩展，同时综合阐述了DEA在生产、管理、商务中的广泛应用和它的发展趋势。关键词：数据包络分析模型结构决策单元发展以及应用趋势一、数据包络分析（DEA）概念及模型简介 1、概念数据包络分析(Data Envelopment Analysis,DEA)是运筹学、管理科学和数理经济学交叉研究的一个新的领域。1978年由著名的运筹学家A.Charnes,W.W.Cooper和E.Rhodes首先提出了一个被称为数据包络分析（Data Envelopment Analysis，简称DEA）的方法，主要用来评价生产中各个部门间的相对有效性（因此被称为DEA有效）。我国自1988 年由魏权龄①系统地介绍DEA 方法之后, 先后也有不少关于DEA 方法理论研究及应用推广的论文问世。其中，比较全面的一篇论文是《系统工程理论和方法应用》1994年3卷第4期，东南大学经济管理学院的朱乔的《数据包络分析方法综述与展望》，指出“据国外统计已经有400余篇关于DEA的研究论文、工作报告或者学术论文可查，例如：Annals of Operational Research(1985)、European Journal of Operational Research(1992)、Journal of Productivity Analysis(1992)等等，还有近期为了悼念A.Charnes,W.W.Cooper教授，Annals of Operational Research还专门出版了“从有效性计算到组织和分析数据的新方法---DEA方法15年”的专刊。” 中国人民大学教授魏全龄，在《评价相对有效性的DEA 方法———运筹学的新领域》一文中系统地介绍了DEA的方法，指出数据包络分析(Data Envelopment Analysis,DEA)是一种基于线性规划理论的模型,它将多输入指标和多输出指标综合成为单个评价指标。在此基础上，李美娟, 陈国宏2003年在《数据包络分析法(DEA) 的研究与应用》中指出DEA 方法以相对效率概念为基础, 用于评价具有相同类型的多投入、多产出的决策单元是否技术有效的一种非参数统计方法，并且对DEA的基本思路进行了详细阐述。经过各方面的努力，可见数据包络分析(Data Envelopment Analysis,DEA)是一种基于线性规划理论的模型,它将多输入指标和多输出指标综合成为单个评价指标，其基本思路是把每一个被评价单位作为一个决策单元(DMU ,decision making unit s) , 再由众多DMU 构成被评价群体, 通过对投入和产出比率的综合分析, 以DMU 的各个投入和产出指标的权重为变量进行评价运算, 确定有效生产前沿面, 并根据各DMU 与有效生产前沿面的距离状况, 确定各DMU 是否DEA 有效, 同时还可用投影方法指出非DEA 有效或弱DEA 有效DMU 的原因及应改进的方向和程度。 2、模型简介 A.Charnes,W.W.Cooper和E.Rhodes在1978年提出的第一个模型被命名为CCR模型，从生产函数角度看，这一模型是用来研究具有多个输入、特别是具有多个输出的“生产部门” ①魏全龄：中国人民大学信息系教授，先后出版了数十篇关于DEA的发展及应用方面的文章，科研成果显著。

EXCEL分析工具库教程

EXCEL分析工具库教程第一节：分析工具库概述 “分析工具库”实际上是一个外部宏（程序）模块，它专门为用户提供一些高级统计函数和实用的数据分析工具。利用数据分析工具库可以构造反映数据分布的直方图；可以从数据集合中随机抽样，获得样本的统计测度；可以进行时间数列分析和回归分析；可以对数据进行傅立叶变换和其他变换等。本讲义均在Excel2007环境下进行操作。 1.1. 分析工具库的加载与调用打开一张Excel表单，选择“数据”选项卡，看最右边的“分析”选项中是否有“数据分析”，若没有，单击左上角的图标，单击最下面的“E xcel选项”，弹出“Excel选项”对话框，在左侧列表中选择“加载项”，在下方有“管理：Excel加载项转到”，单击“转到”，勾选“分析工具库”（加载数据分析工具）和“分析工具库-VBA”（加载分析工具库所需要的VBA函数）（图 1-1），单击确定，则“数据分析”出现在“数据｜分析”中。图 1-1 加载分析工具库

1.2. 分析工具库的功能分类分析工具库内置了19个模块，可以分为以下几大类：表 1-1 随机发生器功能列表第二节．随机数发生器重庆三峡学院关文忠 1.随机数发生器主要功能 “随机数发生器”分析工具可用几个分布之一产生的独立随机数来填充某个区域。可以通过概率分布来表示总体中的主体特征。例如，可以使用正态分布来表示人体身高的总体特征，或者使用双值输出的伯努利分布来表示掷币实验结果的总体特征。 2.随机数发生器对话框简介

执行如下命令：“数据｜分析｜数据分析｜随机数发生器”，弹出随机数发生器对话框（图2-1）。图2-1随机数发生器对话框该对话框中的参数随分布的选择而有所不同，其余均相同。变量个数：在此输入输出表中数值列的个数。随机数个数：在此输入要查看的数据点个数。每一个数据点出现在输出表的一行中。分布：在此单击用于创建随机数的分布方法。包括以下几种：均匀分布、正态分布、伯努利分布、二项式、泊松、模式、离散。具体应用将在第3部分举例介绍。随机数基数：在此输入用来产生随机数的可选数值。可在以后重新使用该数值来生成相同的随机数。输出区域：在此输入对输出表左上角单元格的引用。如果输出表将替换现有数据，Excel 会自动确定输出区域的大小并显示一条消息。新工作表：单击此选项可在当前工作簿中插入新工作表，并从新工作表的A1单元格开始粘贴计算结果。若要为新工作表命名，请在框中键入名称。新工作簿：单击此选项可创建新工作簿并将结果添加到其中的新工作表中。 3.随机数发生器应用举例

(1) 数据包络分析法(DEA)概述

(1)数据包络分析法(DEA)概述数据包络分析(Data Envelopment Ana lysis，简称D EA）方法是运用数学工具评价经济系统生产前沿面有效性的非参数方法，它适应用于多投入多产出的多目标决策单元的绩效评价。这种方法以相对效率为基础，根据多指标投入与多指标产出对相同类型的决策单元进行相对有效性评价。应用该方法进行绩效评价的另一个特点是，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，以相对效益这个变量作为总体上的衡量标准，以决策单元(DM U)各输入输出的权重向量为变量，从最有利于决策的角度进行评价，从而避免了人为因素确定各指标的权重而使得研究结果的客观性收到影响。这种方法采用数学规划模型，对所有决策单元的输出都“一视同仁”。这些输入输出的价值设定与虚拟系数有关，有利于找出那些决策单元相对效益偏低的原因。该方法以经验数据为基础，逻辑上合理，故能够衡量个决策单元由一定量大投入产生预期的输出的能力，并且能够计算在非DEA有效的决策单元中，投入没有发挥作用的程度。最为重要的是应用该方法还有可能进一步估计某个决策单元达到相对有效时，其产出应该增加多少，输入可以减少多少等。 1978年由著名的运筹学家查恩斯（A.Charnes）,库伯（W.W.Cooper）和罗兹（E.Rhodes）首先提出数据包络分析（Data Envelopment Analysis，简称DEA）的方法，DEA有效性的评价是对已

有决策单元绩效的比较评价，属于相对评价，它常常被用来评价部门间的相对有效性（又称之为DEA有效）。他们的第一个数学模型被命名为CCR模型，又称为模型。从生产函数角度看，这一模型是用来研究具有多项输入、特别是具有多项输出的“生产部门”时衡量其“规模有效”和“技术有效”较为方便而且是卓有成效的一种方法和手段。自从该方法提出以来，就广泛应用于各个行业的有效性评价上。此后，得到不断的完善，并且在实践中的应用也越来越广泛。例如1984年R.D.Banker, A.Charnes和W.W.Cooper给出了一个被称为BCC的模型，又称之为BC2模型。另外，于1985年Charnes,Cooper 和 B.Golany, L.Seiford, J.Stutz给出了另一个模型，称为CCGSS模型，又称之为C2GS2模型，这两个模型是用来研究生产部门之间的“技术有效”相对效率。下面将介绍这两个优化模型。 ( 2 ) 数据包络模型（又称为DEA模型）描述数据包络分析(DEA)由美国著名运筹学家A. Charnes等人在1978年以相对效率概念为基础发展起来的一种新的绩效评价方法。这种方法是以决策单元(Decision Making Unit，简称DMU)的投入、产出指标的权重系数为变量，借助于数学规划模型将决策单元投影到DEA 生产前沿面上，通过比较决策单元偏离DEA生产前沿面的程度来对被评价决策单元的相对有效性进行综合绩效评价。其基本思路是:通过对投入产出数据的综合分析，得出每个DMU综合相对效率的数量指标，确定各DMU是否为DEA有效。下面我们先描述DEA模型。

大数据包络分析报告(DEA)方法

二、数据包络分析(DEA)方法数据包络分析(data envelopment analysis, DEA)是由著名运筹学家Charnes, Cooper 和Rhodes 于1978年提出的，它以相对效率概念为基础，以凸分析和线性规划为工具，计算比较具有相同类型的决策单元(Decision making unit ，DMU)之间的相对效率，依此对评价对象做出评价[1]。DEA 方法一出现，就以其独特的优势而受到众多学者的青睐，现已被应用于各个领域的绩效评价中[2],[3]。在介绍DEA 方法的原理之前，先介绍几个基本概念: 1. 决策单元一个经济系统或一个生产过程都可以看成是一个单位(或一个部门)在一定可能围，通过投入一定数量的生产要素并产出一定数量的“产品”的活动。虽然这种活动的具体容各不相同，但其目的都是尽可能地使这一活动取得最大的“效益”。由于从“投入”到“产出”需要经过一系列决策才能实现，或者说，由于“产出”是决策的结果，所以这样的单位(或部门)被称为决策单元(DMU)。因此，可以认为，每个DMU(第i 个DMU 常记作DMU i )都表现出一定的经济意义，它的基本特点是具有一定的投入和产出，并且将投入转化成产出的过程中，努力实现自身的决策目标。在许多情况下，我们对多个同类型的DMU 更感兴趣。所谓同类型的DMU ，是指具有以下三个特征的DMU 集合：具有相同的目标和任务；具有相同的外部环境；具有相同的投入和产出指标。 2. 生产可能集设某个DMU 在一项经济(生产)活动中有m 项投入，写成向量形式为1(,,)T m x x x =L ；产出有s 项，写成向量形式为1(,,)T s y y y =L 。于是我们可以用(,)x y 来表示这个DMU 的整个生产活动。定义1. 称集合{(,)|T x y y x =产出能用投入生产出来}为所有可能的生产活动构成的生产可能集。在使用DEA 方法时，一般假设生产可能集T 满足下面四条公理: 公理1(平凡公理): (,),1,2,,j j x y T j n ∈=L 。公理2(凸性公理): 集合T 为凸集。如果 (,),1,2,,j j x y T j n ∈=L , 且存在 0j λ≥ 满足 1 1n j j λ==∑ 则 11(,)n n j j j j j j x y T λλ==∈∑∑。公理3(无效性公理)：若()??,,,x y T x x y y ∈≥≤,则??(,)x y T ∈。，公理4 (锥性公理): 集合T 为锥。如果(),x y T ∈那么 (,)kx ky T ∈对任意的0k >。若生产可能集Ｔ是所有满足公理1 , 2 , 3和4的最小者，则T 有如下的唯一表示形式 ()11 ,|, ,0,1,2,,n n j j j j j j j T x y x x y y j n λλ λ==? ? =≤≥≥=??? ? ∑∑L 。 3. 技术有效与规模收益

数据包络分析法应用研究综述

经济研究导刊 ECONOMIC RESEARCH GUIDE 总第57期2009年第19期Serial No．57 No．19，2009一、DEA 基本思想与模型研究进展 1978年A.chames 等人以单输入单输出的工程效率概念为基础提出了第一个DEA 模型一C 2R 模型。DEA 基本思路[1]是把每一个被评价单位作为一个决策单元DM U ，再由众多DM U 构成被评价群体，通过对投入和产出比率的综合分析，以DM U 的各个投入和产出指标的权重为变量进行评价运算，确定有效生产前沿面，并根据各DM U 与有效生产前沿面的距离状况,确定各DM U 是否DEA 有效。1984年，R.D.Banker 等人从公理化的模式出发给出了另一个DEA 模型一BCC 模型[2]。 C 2R 和BCC 这两个模型的产生不仅扩大了人们对生产理论的认识，而且也为评价多目标问题提供了有效的途径，使得研究生产函数理论的主要技术手段由参数方法发展成为参数与非参数方法并重，这两个模型是最基本的DEA 模型。自1978年以来，多种派生和专用DEA 模型相继诞生。越来越显示出它们的重要地位，并成为系统分析的有力工具之一。基于目标规划的正、负偏差变量思想，1985年Charnes 和Cooper 针对C 2R 模型中生产可能集的凸性假设在某些条件下是不合理的，给出了另一个评价生产技术相对有效的DEA 模型一C 2S 2模型[3]。 2000年Wei 提出了逆DEA 模型[4]，后又将其推广到具有锥结构的情况。2004年针对C 2WY 模型不能直接进行编程计算的缺点，Y.B.Yun 等[5]给出了一个综合的DEA 模型并探了其求解方法，这一模型不仅包含了多种常用的DEA 模型，而且还可以直接编程计算。二、DEA 理论研究进展随着DEA 应用的日趋增长，对DEA 相关理论的研究也比较多，主要包括对DEA 有效性、随机性、灵敏度及与其他方法相融合等方面的研究。 DEA 有效是DEA 理论中最重要、最基本的概念。由于它在DEA 理论中重要地位，因此，对DEA 有效性问题的研究也较多。DEA 有效性与指标及决策单元个数之间的关系密切。1989年魏权龄等针对综合DEA 模型给出了DEA 有效决策单元集合的几个恒等式[6]，从而使决策单元进行分组评价成为可能.进而使大规模决策单元的评价问题找到了简化的办法。1993年吴文江[7]给出了寻找DEA 有效单元的一种新方法。另一个与有效性相关的课题是随机DEA 的研究，随机DEA 模型的研究也是目前DEA 研究的前沿之一。Baker [8]等把统计方法引入DEA ，提出了用极大似然估计法处理DEA 中的随机性;Olesen O B [9]使用可信度域的分段线性包络方法提出了概率约束DEA 模型；CooPer 等[10]把满意度概念引入DEA ，提出了满意DEA 模型；胡汉辉等[11]利用最小绝对误差估计和机会约束规划，建立了一系列线性与非线性规划的数据包络模型。中国台湾学者Tser-yieth Chen [12]应用对机会约束的数据包络分析与随机有效前沿面分析对39家银行的技术有效性进行了比较。 DEA 方法的灵敏度分析一直是DEA 理论中一个重要的研究课题。1985年Charnes 等人从构造特殊的逆矩阵的观点出发，研究了有效决策单元单个产出量变化时的灵敏度分析。Charnes 等给出了被评决策单元的输入和输出以同比例变化的DEA 超有效灵敏度分析法[13]。单一评价方法有其自身的优缺点,DEA 方法的弱点在于对有效决策单元所能给出的信息太少，将各种综合评价方法综合运用是综合评价的一个研究趋势。Zilla S [14]将DEA 方法和判别方法集合起来，对决策单元进行排序，在基于DEA 评收稿日期：2009-03-13 基金项目：上海市教委基金资助（2008077）作者简介：袁群（1971-），女，江苏金坛人，副教授，博士，从事交通运输规划与管理研究。数据包络分析法应用研究综述袁群（上海海事大学，上海200135）摘要：数据包括分析（DEA ）是运筹学、管理科学和数理经济学交叉研究的一个新的领域，使用DEA 进行效率评价可以得到很多在经济学中上仍深刻经济含意的管理信息。介绍了数据包络分析方法的基本思想和模型，分析了这一非参数方法的几个数学模型，阐述了DEA 方法在多个领域的研究应用状况，总结了国内外近二十年来DEA 方法的研究成果，并对该方法的发展作一展望。关键词：数据包络；分析法；应用研究；综述中图分类号：C931 文献标志码：A 文章编号：1673-291X （2009）19-0201-03 201——

excel统计分析工具

excel统计分析工具 Microsoft Excel 提供了一组数据分析工具，称为“分析工具库”，在建立复杂统计或工程分析时可节省步骤。只需为每一个分析工具提供必要的数据和参数，该工具就会使用适当的统计或工程宏函数，在输出表格中显示相应的结果。其中有些工具在生成输出表格时还能同时生成图表。相关的工作表函数 Excel 还提供了许多其他统计、财务和工程工作表函数。某些统计函数是内置函数，而其他函数只有在安装了“分析工具库”之后才能使用。访问数据分析工具“分析工具库”包括下述工具。要使用这些工具，请单击“工具”菜单上的“数据分析”。如果没有显示“数据分析”命令，则需要加载“分析工具库”加载项（加载项：为 Microsoft Office 提供自定义命令或自定义功能的补充程序。）程序。方差分析方差分析工具提供了几种方差分析工具。具体使用哪一种工具则根据因素的个数以及待检验样本总体中所含样本的个数而定。方差分析：单因素此工具可对两个或更多样本的数据执行简单的方差分析。此分析可提供一种假设测试，该假设的内容是：每个样本都取自相同基础概率分布，而不是对所有样本来说基础概率分布都不相同。如果只有两个样本，则工作表函数 TTEST 可被平等使用。如果有两个以上样本，则没有合适的 TTEST 归纳和“单因素方差分析”模型可被调用。方差分析：包含重复的双因素此分析工具可用于当数据按照二维进行分类时的情况。例如，在测量植物高度的实验中，植物可能使用不同品牌的化肥（例如 A、B 和 C），并且也可能放在不同温度的环境中（例如高和低）。对于这 6 对可能的组合 {化肥，温度}，我们有相同数量的植物高度观察值。使用此方差分析工具，我们可检验： 1.使用不同品牌化肥的植物的高度是否取自相同的基础总体；在此分析中，温度可以被忽略。 2.不同温度下的植物的高度是否取自相同的基础总体；在此分析中，化肥可以被忽略。 3.是否考虑到在第 1 步中发现的不同品牌化肥之间的差异以及第 2 步中不同温度之间差异的影响，代表所有 {化肥，温度} 值的 6 个样本取自相同的样本总体。另一种假设是仅基于化肥或温度来说，这些差异会对特定的 {化肥，温度} 值有影响。

Excel的统计分析功能

Excel的统计分析功能 Excel是办公自动化中非常重要的一款软件，很多巨型国际企业和国内行政、企事业单位都用Excel 进行数据管理。它不仅能够方便地进行图形分析和表格处理，其更强大的功能还体现在数据的统计分析研究方面。然而很多缺少数理统计基础知识而对Excel强大统计分析功能不够了解的人却难以更加深入、更高层次地运用Excel。笔者认为，对Excel统计分析功能的不了解正是阻挡普通用户完全掌握Excel的拦路虎，但目前这方面的教学文章却又很少见。下面笔者对Excel的统计分析功能进行简单的介绍，希望能够对Excel进阶者有所帮助。 Microsoft Excel提供了一组数据分析工具，称为“分析工具库”，在建立复杂统计或工程分析时，只需为每一个分析工具提供必要的数据和参数，该工具就会使用适宜的统计或工程函数，在输出表格中显示相应的结果。其中有些工具在生成输出表格时还能同时生成图表。在使用Excel的“分析工具库”时，如果“工具”菜单中没有“数据分析”命令，则需要安装“分析工具库”。步骤如下：在“工具”菜单中，单击“加载宏”命令，选中“分析工具库”复选框完成安装。如果“加载宏”对话框中没有“分析工具库”，请单击“浏览”按钮，定位到“分析工具库”加载宏文件“Analys32.xll”所在的驱动器和文件夹（通常位于“Microsoft Office\Office\Library\Analysis”文件夹中）（Microsoft OfficeXP：插入光盘，即可）；如果没有找到该文件，应运行“安装”程序。安装完“分析工具库”后，要查看可用的分析工具，请单击“工具”菜单中的“数据分析”命令，Excel提供了以下15种分析工具。 1、方差分析(anova) 本工具提供了三种工具，可用来分析方差。具体使用哪一工具则根据因素的个数以及待检验样本总体中所含样本的个数而定。（1）“Anova：单因素方差分析”分析工具此分析工具通过简单的方差分析(anova)，对两个以上样本均值进行相等性假设检验（抽样取自具有相同均值的样本空间）。此方法是对双均值检验（如t-检验）的扩充。（2）“Anova：可重复双因素分析”分析工具此分析工具是对单因素anova分析的扩展，即每一组数据包含不止一个样本。（3）“Anova：无重复双因素分析”分析工具此分析工具通过双因素anova分析（但每组数据只包含一个样本），对两个以上样本均值进行相等性假设检验（抽样取自具有相同均值的样本空间）。此方法是对双均值检验（如t-检验）的扩充。 2、相关系数分析工具此分析工具及其公式可用于判断两组数据集（可以使用不同的度量单位）之间的关系。总体相关性计算的返回值为两组数据集的协方差除以它们标准偏差的乘积：可以使用“相关系数”分析工具来确定两个区域中数据的变化是否相关，即，一个集合的较大数据是否与另一个集合的较大数据相对应（正相关）；或者一个集合的较小数据是否与另一个集合的较小数据相对应（负相关）；还是两个集合中的数据互不相关（相关性为零）。 3、协方差分析工具此分析工具及其公式用于返回各数据点的一对均值偏差之间的乘积的平均值。协方差是测量两组数据相关性的量度。（公式略）可以使用协方差工具来确定两个区域中数据的变化是否相关，即，一个集合的较大数据是否与另一个

DEA数据包络分析不足、特点、指标选取

DEA 一、同类可比同类可比在很多情况下是社科研究的基础和前提，比如研究地区效率，西藏、新疆、青海等地与上海、北京、广东、江苏等经济发达地区情况完全不一样，在很多情况下是不可比的，如果将这些地区放在一个模型中分析，是值得商榷的。二、DEA对异常值相当敏感 DEA对异常值相当敏感，在实际生活中，由于统计数据质量、测量误差等问题，构成数据包络曲线的那些点是非常敏感的，或者说，其它效率不是最优的点都是和数据包络曲线上最好的点相比，而这些点其实是不稳定的，在此基础上得出的处理结果也是不稳定的。三、DEA也许只有宏观意义即使是同一套数据，如果同时满足固定前沿和随机前沿的适用条件。采用固定前沿和随机前言，其分析结果往往是不一致的，也就是说，对于决策单元A，采用固定前沿它可能是有效的，但采用随机前沿它可能就是无效的。那么能否说明DEA在做文字游戏也不能这么说，通常情况下，对于同一套数据采用两种不同方法处理的结果，其相关性往往很高，因此适合做宏观分析，但微观上说A有效B无效之类的要慎重。四、DEA往往难以给出具体的政策建议即使得出了研究结果，对于一些效率相对低下的决策单元，如何进行改进通过技术进步还是通过改善管理再进一步的建议往往难以给出。五、效率低下的决策单元也许问题不严重任何DEA分析，都是建立在投入产出的基础之上的，但是投入产出数据有很多是无法定量计量的。实际上，DEA分析有个隐含的假设：我们做效率分析，只能基于定量数据，那些不能定量计量的投入产出，干脆假设所有的决策单位没有差异，但这种假设一定存在吗纯技术效率反映的是DMU 在一定( 最优规模时) 投入要素的生产效率。规模效率反映的是实际规模与最优生产规模的差距。一般认为：综合技术效率=纯技术效率×规模效率。

数据包络分析法总结

DEA（Data Envelopment Analysis）数据包络分析目录一、DEA的起源与发展（参考网络等相关文献）二、基本概念 1.决策单元（Decision Making Unit，DMU）.......................................................... 2.生产可能集（Production Possibility Set，PPS） ................................................ 3.生产前沿面（Production Frontier）........................................................................ 4.效率（Efficiency） ........................................................................................................ 三、模型模型....................................................................................................................................... 模型....................................................................................................................................... 模型....................................................................................................................................... 模型....................................................................................................................................... 5.加性模型(additive model，简称ADD).................................................................... 6.基于松弛变量的模型(Slacks-based.................................. M easure，简称SBM) 7.其他模型........................................................................................................................... 四、指标选取五、DEA的步骤（参考于网络）六、优缺点（参考一篇博客）七、非期望产出 1.非期望产出的处理方法：.............................................................................................. 2.非期望产出的性质： ......................................................................................................

数据包络分析方法综述

第38卷第2期1998年3月大连理工大学学报 Journal of Dalian University of Technology Vol.38,No.2 Mar.1998数据包络分析方法综述X 郭京福, 杨德礼 (大连理工大学管理学院,大连　116024) 摘要　阐述了数据包络分析的基本原理和方法,给出这一非参数方法的几个数学模型以及在多个领域的研究应用状况,并就该方法的发展作一展望. 关键词　线性规划/数据包络分析;决策单元;有效性分类号　O221.1 0　概论数据包络分析(DEA)是美国著名运筹学家A.Charnes等人以相对效率概念为基础发展起来的一种效率评价方法〔1〕.具有单输入单输出的过程或决策单元其效率可简单的定义为:输出/输入,A.Charnes等人将这种思想推广到具有多输入多输出生产有效性分析上.对具有多输入多输出的生产过程或决策单元,其效率可类似定义为:输出项加权和/输入项加权和,形成了仅仅依靠分析生产决策单元(DM U)的投入与产出数据,来评价多输入与多输出决策单元之间相对有效性的评价体系.这种评价体系以数学规划为工具,利用观测样本点构成的“悬浮”在整个样本上的分段超平面,来评价决策单元的相对有效性. DEA是运筹学的一个新研究领域,是研究同类型生产决策单元相对有效性的有力工具. DM U确定的主导原则是,在某一视角下,各DM U具有相同的输入和输出.综合分析输入输出数据,得出每个DM U效率的相对指标,据此将所有DM U定级排队,确定相对有效的DM U,并指出其他DMU非有效的原因和程度,给主管部门提供管理决策信息. DEA在处理多输入多输出问题上具有特别的优势,主要是由于以下两个方面: 1)DEA以决策单元的输入输出权数为变量,从最有利于决策单元的角度进行评价,从而避免了确定各指标在优先意义下的权数. 2)DEA不必确定输入和输出之间可能存在的某种显式关系,这就排除了许多主观因素,因此具有很强的客观性. DEA可看作一种新的统计方法.传统的统计方法是从大量样本数据中分析出样本集合整体的一般情况,其本质是平均性;DEA则是从样本数据中分析出样本集合中处于相对有效的样本个体,其本质是最优性.DEA是致力于将有效样本与非有效样本分离的“边界”方法, X国家自然科学基金资助项目(7957009) 　收稿日期:1997-01-30;修订日期:1997-10-20 　郭京福:男,1965年生,博士生

Excel数据分析工具进行多元回归分析范文

使用Excel数据分析工具进行多元回归分析使用Excel数据分析工具进行多元回归分析与简单的回归估算分析方法基本相同。但是由于有些电脑在安装办公软件时并未加载数据分析工具，所以从加载开始说起（以Excel2010版为例，其余版本都可以在相应界面找到）。点击“文件”，如下图：在弹出的菜单中选择“选项”，如下图所示：在弹出的“选项”菜单中选择“加载项”，在“加载项”多行文本框中使用滚动条找到并选中“分析工具库”，然后点击最下方的“转到”，如下图所示：

在弹出的“加载宏”菜单中选择“分析工具库”，然后点击“确定”，如下图所示：加载完毕，在“数据”工具栏中就出现“数据分析”工具库，如下图所示：

给出原始数据，自变量的值在A2：I21单元格区间中，因变量的值在J2：J21中，如下图所示：假设回归估算表达式为：试使用Excel数据分析工具库中的回归分析工具对其回归系数进行估算并进行回归分析：点击“数据”工具栏中中的“数据分析”工具库，如下图所示：在弹出的“数据分析”-“分析工具”多行文本框中选择“回归”，然后点击“确定”，如下图所示：

弹出“回归”对话框并作如下图的选择：上述选择的具体方法是：在“Y值输入区域”，点击右侧折叠按钮，选取函数Y数据所在单元格区域J2：J21，选完后再单击折叠按钮返回；这过程也可以直接在“Y值输入区域”文本框中输入J2：J21；在“X值输入区域”，点击右侧折叠按钮，选取自变量数据所在单元格区域A2：I21，选完后再单击折叠按钮返回；这过程也可以直接在“X值输入区域”文本框中输入A2：I21；置信度可选默认的95%。在“输出区域”如选“新工作表”，就将统计分析结果输出到在新表内。为了比较对照，我选本表内的空白区域，左上角起始单元格为K10.点击确定后，输出结果如下：

数据包络分析法(DEA模型)

1、数据包络分析法数据包络分析是一种基于线性规划的用于评价同类型组织（或项目）工作绩效相对有效性的特殊工具手段。这类组织例如学校、医院、银行的分支机构、超市的各个营业部等，各自具有相同（或相近）的投入和相同的产出。衡量这类组织之间的绩效高低，通常采用投入产出比这个指标，当各自的投入产出均可折算成同一单位计量时，容易计算出各自的投入产出比并按其大小进行绩效排序。但当被衡量的同类型组织有多项投入和多项产出，且不能折算成统一单位时，就无法算出投入产出比的数值。例如，大部分机构的运营单位有多种投入要素，如员工规模、工资数目、运作时间和广告投入，同时也有多种产出要素，如利润、市场份额和成长率。在这些情况下，很难让经理或董事会知道，当输入量转换为输出量时，哪个运营单位效率高，哪个单位效率低。 1.1数据包络分析法的主要思想一个经济系统或者一个生产过程可以看成一个单元在一定可能范围内，通过投入一定数量的生产要素并产出一定数量的“产品”的活动。虽然这些活动的具体内容各不相同，但其目的都是尽可能地使这一活动取得最大的“效益”。由于从“投入”到“产出”需要经过一系列决策才能实现，或者说，由于“产出”是决策的结果，所以这样的单元被称为“决策单元”（Decision Making Units，DMU）。可以认为每个DMU都代表一定的经济含义，它的基本特点是具有一定的输入和输出，并且在将输入转换成输出的过程中，努力实现自身的决策目标。 1.2数据包络分析法的基本模型我们主要介绍DEA中最基本的一个模型——模型。设有n个决策单元（ j = 1，2，…，n ），每个决策单元有相同的 m 项投入（输入），输入向量为每个决策单元有相同的 s 项产出（输出），输出向量为即每个决策单元有m种类型的“输入”及s种类型的“输出”。表示第j个决策单元对第i种类型输入的投入量；表示第j个决策单元对第i种类型输出的产出量；为了将所有的投入和所有的产出进行综合统一，即将这个生产过程看作是一个只有一个投入量和一个产出量的简单生产过程，我们需要对每一个输入和输出进行赋权，设输入和输出的权向量分别为：。为第i 类型输入的权重，为第r类型输出的权重。这时，则第j个决策单元投入的综合值为，产出的综合值为，我们定义每个决策单元的效率评价指数：

(完整版)评价方法综述

评价方法综述综合评价是指对以多属性体系结构描述的对象系统作出全局性、整体性的评价，即对评价对象的全体根据所给的条件，采用一定的方法给每个评价对象赋予一个评价值，再据此择优或排序。常用的综合综合评价方法可以分为以下几大类：（1）定性评价方法，包括专家会议法、德尔菲法(Delphi法)。这类方法具有操作简单，可以利用专家的知识，结论易于使用的优点，但是主观比较强，多人评价是结论难收敛，适合于不能或难以量化的大系统，简单的小系统。（2）技术经济分析方法，包括经济分析法和技术评价法，分别通过价值分析、成本效益分析、价值功能分析，采用NPV(Net Present value)、IRR(Internal Rate of Retum)等指标和通过可行性分析、可靠性评价等。该方法含义明确，可比性强，但是建立模型比较困难，只适用评价因素少的对象。（3）多属性决策方法(Multi Attribute Decesion-makingMethod，简称DADM)，这类方法通过化多为少、分层序列、直接求非劣解、重排次序法莱排序与评价，具有描述精确，可以处理多决策者、多指标、动态的对象的优点，但由于隶属刚性的评价，无法涉及模糊因素的对象。（4）系统工程法，包括评分法、关联矩阵法和层次分析法(Analytic Hierarchy Proeess，简称AHP)，前两者具有方法简单、容易操作的优点，但只能用于静态评价；AHP法的可靠度比较高，误差小，但评价对象的因素不能太多(通常不多于9个)。（5）模糊数学方法，包括模糊综合评价、模糊积分、模糊模式识别等，能克服传统数学方法中的“唯一解”的弊端，根据不同可能性得出多个层次的问题解，但不能解决评价指标间相关造成的信息重复问题，隶属函数、模糊相关矩阵等的确定方法有待进一步研究。（6）物元分析方法与可拓评价，可以解决评价对象的指标存在不相容性和可变性的问题。（7）统计分析方法，包括主成分分析、因子分析、聚类分析和判别分析等，具有全面性、可比性、客观合理的优点，但都需要大量的统计数据，没有反映客观发展水平。

excel数据分析工具

Excel数据分析1：直方图 2011-04-11 21:59:04| 分类：常用工具| 标签：|字号大中小订阅使用Excel自带的数据分析功能可以完成很多专业软件才有的数据统计、分析，这其中包括：直方图、相关系数、协方差、各种概率分布、抽样与动态模拟、总体均值判断，均值推断、线性、非线性回归、多元回归分析、时间序列等内容。下面将对以上功能逐一作使用介绍，方便各位普通读者和相关专业人员参考使用。注：本功能需要使用Excel扩展功能，如果您的Excel尚未安装数据分析，请依次选择“工具”-“加载宏”，在安装光盘中加载“分析数据库”。加载成功后，可以在“工具”下拉菜单中看到“数据分析”选项。

实例1 某班级期中考试进行后，需要统计各分数段人数，并给出频数分布和累计频数表的直方图以供分析。以往手工分析的步骤是先将各分数段的人数分别统计出来制成一张新的表格，再以此表格为基础建立数据统计直方图。使用Excel中的“数据分析”功能可以直接完成此任务。

操作步骤 1.打开原始数据表格，制作本实例的原始数据要求单列，确认数据的范围。本实例为化学成绩，故数据范围确定为0-100。 2.在右侧输入数据接受序列。所谓“数据接受序列”，就是分段统计的数据间隔，该区域包含一组可选的用来定义接收区域的边界值。这些值应当按升序排列。在本实例中，就是以多少分数段作为统计的单元。可采用拖动的方法生成，也可以按照需要自行设置。本实例采用10分一个分数统计单元。

3.选择“工具”-“数据分析”-“直方图”后，出现属性设置框，依次选择：输入区域：原始数据区域; 接受区域：数据接受序列;

excel表格如何做数据分析

excel表格如何做数据分析篇一：如何运用EXCEL进行数据分析如果您对课程内容还没有完全掌握，可以点击这里再次观看。测试成绩：分。恭喜您顺利通过考试！单选题 1. 人力资源专员希望统计表能够自动将合同快要到期的员工姓名突出显示出来，√ 以免耽误续签，这时需要用到EXCEL工具中的： A B C D 条件格式排序法数据透视图数据透视表正确答案： A 2. 在OFFICE2003版本中，EXCEL条件格式中的条件按钮最多有：√ A B C D 1个 3个 10个

无限个正确答案： B 3. 对比办公软件的不同版本，2007及以上版本相对于2003版本在条件格式中的优势不包括：× A B C D 可以做条形图或色阶自动提供大于、小于等条件的选择可以添加个性化出错警告自动根据文本界定更改颜色正确答案： C 4. 在EXCEL中，数据透视表的作用可以归纳为：√ A B 排序筛选数据统计 C D 逻辑运算分类汇总正确答案： D 5. 数据透视表的所有操作可以概括为：√ A

B C D 拖拽、左键拖拽、右键复制、粘贴双击、右键正确答案： B 6. 使用数据透视表表示公司各部门中员工的平均年龄、平均工资时，分类是（），汇总是（）。√ A B C D 部门年龄、工资部门、年龄工资年龄、工资部门年龄工资、部门正确答案： A 判断题 7. 数据分析的实质是将结论转化为结果，将简单的问题复杂化。此种说法：√ 正确错误正确答案：错误 8. 在EXCEL中，做排序和筛选之前必须先选中想要操作的列。此种说法：√

正确错误正确答案：错误 9. EXCEL不仅能够针对数值排序，还能对文本排序。此种说法：√ 正确错误正确答案：正确 10. 在数据透视表制作过程中，选区内原始数据标题没有重名、没有合并、没有阿拉伯数字的叫做字段表。此种说法：√正确错误正确答案：错误篇二：Excel中的数据分析工具在哪里 Excel中的数据分析工具在哪里？相信有很多朋友对Excel2003是有着深厚的感情，但是随着时代的发展不得不升级用Excel2007、2010甚至2013，但很多同学在2007或以上版本里面找不到数据分析功能，那么问题来了：Excel2007的数据分析工具跑哪里去了？（电脑上安装的OFFICE如果为2003版本，请按照本文后面部分的“Excel2003中的数据分析工具加载”里面的提示操作。）下面以Excel2007为例，介绍数据分析功能的查找路径，Excel2010或2013与之类似。数据分析工具是在安装 Microsoft