资料包络分析法(DEA)
dea分析法
dea分析法DEA分析法，即数据包络分析法，是一种建立在非参数分析和多元统计技术基础之上的综合决策支持方法，它主要用于信息化管理中组织效率评价和优化决策问题，其先进性在于它能够对多个属性集合进行综合分析和判断。
DEA分析法有助于企业提高组织效率，进而提高组织绩效，从而达到综合管理的目的。
一、DEA分析法的基本理论DEA分析法是一种模型，充分利用了管理学的多元统计技术，在多维数据的基础上，建立的一种综合判断效率的方法，它融合了多维数据分析方法，将多个因素综合起来，以便形成一个完整的效率评价结果。
这种方法包括输入（多个属性）、输出（总绩效）和约束（属性上下限等）三个要素。
输入输出的配比，将企业的总体绩效转化为数学表达式，引入有效性指标，对数据进行非参数化分析，将结果用一把得分来衡量组织的效率水平。
二、DEA分析法的应用DEA分析法的应用主要体现在：（1）实现企业内部组织效率比较，结合绩效指标以及组织核算结果，从绩效考核结果出发，进行组织效率评估，建立绩效考核体系；（2）实现准确的资源配置，根据绩效考核结果，准确的给出资源配置措施，以达到企业的最佳效率水平；（3）实现企业管理过程的改进，以达到最佳绩效。
三、DEA分析法的优势DEA分析法有着许多优点：（1）计算简便，由于DEA分析法建立在非参数统计技术和多元统计技术基础之上，可以避免采用复杂模型，进而使计算简便，可以容易地从多元数据中提取出综合评价和相关信息；（2）数据可信度较高，DEA分析法的评价结果与考核结果的一致性较高，更能够真实反映企业效率水平；（3）可自动优化，可以自动优化组织内部工作流程，以达到更高效率；（4）改进性强，DEA分析法可以根据变化情况及时改进管理思想和办法，以保证企业长期稳定发展。
四、DEA分析法的不足尽管DEA分析法的优势显著，但仍存在一些不足：（1）模型假设较多，DEA分析法的评价模型是建立在一定假设基础之上的，如果假设变化，那么该评价模型就会存在一定的偏差；（2）数据收集较复杂，DEA分析法所需要的数据维度较多且容易收集，这会带来一定的工作量；（3）评价结果受多因素影响，所以有时候很难准确地把DEA评价结果转换为可操作的改进措施。
DEA数据包络分析法
DEA数据包络分析法DEA数据包络分析法（Data Envelopment Analysis，DEA）是一种用于评估组织或单位绩效的方法。
它是一种非参数的效率评价方法，不需要任何先验假设或函数形式的假设。
DEA通过比较多个输入和输出变量来确定一个单位的相对效率，即单位在给定的资源限制下能够产生的最佳输出水平。
DEA方法可以用来评估各种类型的单位，包括公司、医院、学校等。
DEA方法的基本思想是将单位的输入和输出量转化为数值来进行比较。
每个单位可以被看作是一个生产过程，输入变量是生产这个过程所需要的资源，输出变量是生产过程所产生的结果。
DEA方法可以帮助管理者找到哪些单位在利用资源方面效率最高，哪些单位在利用资源方面存在浪费，从而指导管理者进行资源配置和决策。
DEA方法的核心是构建生产可能性集（Production Possibility Set，PPS）。
PPS是指所有可能的输入和输出组合，构成一个封闭的边界，这个封闭的边界被称为数据包络（Data Envelopment）。
在这个边界上的单位都被认为是有效率的，而在这个边界内的单位被认为是无效率的。
DEA方法有很多优点。
首先，DEA方法不需要事先制定有效率的标准，而是通过比较各个单位之间的相对效率来确定哪些单位是最有效率的。
这样避免了主观性带来的偏差。
其次，DEA方法可以同时考虑多个输入和输出变量，考虑了生产中的多维度特性。
第三，DEA方法可以识别出生产过程中的浪费，帮助管理者改进资源配置和管理方式。
DEA方法也存在一些局限性。
首先，DEA方法只能提供相对效率的评价结果，而不是绝对效率。
这意味着DEA方法无法提供单位具体的效率水平，只能比较单位之间的相对效率。
其次，DEA方法对输入输出数据的准确性要求很高，数据的质量直接影响了评价结果的准确性。
第三，DEA方法对于数据包络的选择比较敏感，不同的数据包络选择可能导致不同的评价结果。
在实际应用中，DEA方法广泛应用于各种类型的单位绩效评估。
数据包络分析DEA
算法优化
并行计算
针对大规模数据的DEA分析，可以采用并行计算技术， 以提高计算效率。通过将数据分成若干个子集，并行计 算可以同时处理多个子集，显著缩短计算时间。
智能优化算法
将智能优化算法应用于DEA模型的求解过程，可以找到 更优的解。例如，遗传算法、粒子群算法等智能优化算 法可以用于求解DEA模型，以获得更准确的分析结果。
05
DEA实践案例
案例一：某制造企业的DEA分析
总结词
提高生产效率
详细描述
某制造企业通过DEA分析，评估了各生产车间的效率 ，找出了瓶颈环节，并针对性地优化了生产流程，提 高了整体生产效率。
案例二：某金融机构的DEA分析
总结词
优化资源配置
详细描述
某金融机构利用DEA分析，对各业务部门进行了效率 评估，根据评估结果调整了资源分配，使得资源能够更 加合理地配置到高效率部门，提高了整体业绩。
数据包络分析（DEA
目 录
• DEA概述 • DEA模型 • DEA的优缺点 • DEA的改进方向 • DEA实践案例
01
DEA概述
DEA定义
总结词
数据包络分析（DEA）是一种非参数的线性规划方法，用于评估一组决策单元（DMU）的相对效率。
详细描述
DEA使用数学规划模型，通过输入和输出数据，对一组决策单元进行相对效率评估。它不需要预先设 定函数形式，能够处理多输入和多输出的情况，并且可以对每个决策单元进行效率评分。
规模收益与技术效率
总结词
规模收益与技术效率是DEA分析中重要的概 念。
详细描述
规模收益指的是随着投入的增加，产出的增 加比例。技术效率则是指在给定投入下，实 际产出与最优产出之间的比率。在DEA分析 中，技术效率可以进一步分解为配置效率和 纯技术效率。
数据包络分析法资料
数据包络分析法资料数据包络分析法（Data Envelopment Analysis，DEA）是一种评估决策单元相对效率的方法。
它是根据多个输入和输出指标来评估一个决策单元在同类决策单元中的效率水平，并找出效率低下的决策单元所存在的问题和改进的方向。
数据包络分析法是一种非参数的线性规划方法，它不依赖于任何特定的函数形式和假设，而是根据数据中的观测值进行计算。
该方法的核心思想是将决策单元的输入指标与输出指标之间的关系建模为一个线性规划问题，通过最优化模型求解得到各个决策单元的效率评分。
1.高度灵活性：数据包络分析法不需要事先对数据进行任何假设，可以对包括输入、输出指标在内的任意数量和类型的数据进行分析。
2.可比较性：数据包络分析法可以通过对数据进行标准化处理，将不同尺度、不同数量级的指标进行比较，得到相对的效率评分。
3.效率评估与效率改进一体化：数据包络分析法能够建立有效的效率评估模型，并根据评估结果提出改进建议，帮助决策者提高决策单元的效率水平。
4.非参数特性：数据包络分析法不需要对数据的概率分布进行假设，可以适用于各种类型的数据。
1.确定输入和输出指标：根据问题的需求和决策单元的性质，选择合适的输入和输出指标。
输入指标表示决策单元所消耗的资源，输出指标表示决策单元所产生的结果。
2.构建数据包络模型：根据选定的指标，建立决策单元的效率评估模型。
该模型是一个线性规划模型，目标是最大化输出指标，约束条件是输入指标不超过给定值。
3.求解模型并评估效率：对每个决策单元进行模型求解，得到其效率评分。
效率评分是以相对效率的形式表示，取值范围为0到1，1表示具有最高效率。
4.确定效率改进方向：根据效率评分和模型求解结果，确定效率低下的决策单元所存在的问题和改进的方向。
可以通过对输入和输出指标进行灵活调整，以提高决策单元的效率。
5.效率前沿分析：根据求解模型的结果，得到效率前沿曲线，该曲线反映了决策单元的效率分布情况，在效率前沿曲线上的决策单元是无法在给定的输入和输出指标下再提高效率的。
数据包络分析DEA
数据包络分析DEA数据包络分析(Data Envelopment Analysis，DEA)是一种用来衡量决策单元(decision-making unit，DMU)效率的定量方法。
DEA是由Charnes、Cooper和Rhodes于1978年提出的，该方法主要用于评价相对效率，即将一个或多个输入变量转换为一个或多个输出变量的能力。
它可以在多个指标和多个决策单元之间进行效率比较。
DEA的基本概念是通过线性规划来求解每个决策单元的效率得分。
具体来说，通过找到每个DMU的最佳投入组合和输出组合来计算得分，使得该DMU的得分最大化同时满足其他DMU的得分小于等于1、DEA是一种基于相对效率评估的方法，不需要假设预先设定的效率标准，可以避免传统经验评估方法中存在的主观偏差。
DEA的应用范围非常广泛，包括政府、企业、银行、学校等各个领域。
它可以评估和比较不同DMU之间的相对效率，并为找到效率改进的潜力提供指导。
DEA还可以用于评估决策单元的技术效率和规模效率。
技术效率表示在给定的投入下，决策单元能够获得的最大输出水平。
规模效率反映了决策单元是否在最优规模下运营。
DEA的优点在于它能够考虑多个输入和输出因素，并将各个因素的权重纳入计算中。
它不需要对输入和输出进行单一的加权求和，而是通过优化模型来获得最佳权重。
此外，DEA的计算过程较为简单直观，可以提供DMU的效率得分及其组成部分的详细信息。
这些信息可以帮助决策者确定效率改进的方向，并制定相应的策略。
当然，DEA也有一些限制。
首先，DEA是一种非参数方法，对输入和输出数据的精确度要求较高。
缺乏精确度的数据可能会导致评估结果不准确。
其次，DEA只能评估相对效率，而无法提供绝对效率的标准。
最后，DEA在处理多个输入输出时可能会存在规模失效的问题，即DMU的规模过大或过小时可能导致评估结果偏差。
总的来说，DEA是一种有效的工具，用于评估和比较决策单元的效率。
它可以帮助决策者确定效率改进的方向，并提供有关决策单元效率的详细信息。
dea数据包络分析法
dea数据包络分析法
DEA数据包络分析（DEA）是一种经济规划工具，它利用线性规划技术来比较多个决策单位（DMU）的生产绩效。
这种分析法可以判断哪些DMU工作良好，哪些表现不佳，以及
哪些DMU可以从其他DMU复制绩效表现，以提高整体效率。
DEA数据包裹分析模型基于历史向前的效率前提，它利用存在的资源限制来合理分配
产出，即输出、输入，并且还考虑了不同的技术约束，即输入规格和输出规格。
通过这种
方法，可以比较DMU的当期效率以及其他技术水平，从而为经理和决策者提供有用的指导。
DEA数据包裹分析分析模型的基本结构如下：首先，根据DMU所使用的资源和生产要
素确定它们的“数据包”，也就是当期绩效信息；每个DMU的数据包由它们的输出量和输
入量组成，用一种数学模型表示，比如投入-输出分析。
然后，使用一种特定的约束条件，如最小输入规格或边际效率，确定一个最佳的技术水平解决方案，该解决方案用最佳DMU
的数据包，以及DMU之间的关系来建模；最后，求解该数据包，使DMU的效率尽可能达到
最优水平。
DEA数据包裹分析模型可以帮助公司管理者有效地将资源优化配置，通过与其他DMU
的比较，从而发掘潜在的差距，发现可以从其他DMU中复制的管理方法和技术。
同时，该
模型还有助于政府决策部门把握市场状况，及时利用市场收入和资源，积极提高相关部门
的效率。
dea分析
DEA分析1. 引言数据包络分析（Data Envelopment Analysis，DEA）是一种非参数的效率评价方法，它基于线性规划理论，用于评估相同输出和不同输入条件下的决策单元（Decision Making Unit，DMU）的相对效率。
该方法能够帮助管理者确定最佳资源配置策略，提高效率和竞争力。
本文将介绍DEA分析的基本原理和方法，并通过一个示例来说明如何进行DEA分析。
2. DEA分析原理DEA分析基于输入和输出的关系来衡量决策单元的效率。
一个决策单元可以是一个企业、一个部门或一个个人，输入和输出可以是任何能够度量的数量。
DEA分析的核心是构建一个线性规划模型，以确定每个决策单元的效率得分。
这个模型的目标是找到一种最优的权重分配方式，使得每个决策单元都能够达到最大的效率得分，即最大化输出与输入的比值。
3. DEA分析步骤DEA分析通常包括以下步骤：步骤1：确定输入和输出首先，需要明确评价对象的输入和输出，这些变量应该能够度量和同等地比较。
步骤2：构建线性规划模型接下来，需要构建一个线性规划模型来衡量决策单元的效率。
该模型的目标是最大化输出与输入的比值，同时满足一组约束条件。
步骤3：求解线性规划模型使用线性规划方法求解模型，得到每个决策单元的效率得分。
步骤4：效率得分评价根据每个决策单元的效率得分，可以对它们进行评价和排序。
效率得分为1表示最高效率，小于1表示相对低效。
4. DEA分析示例假设我们要评估一家制造公司的效率，并确定它在资源配置方面的改进空间。
输入变量包括劳动力和设备，可以分别用工人数和机器数来度量；输出变量可以是产出的数量。
我们假设有3个决策单元的数据如下：决策单元劳动力（人）设备（台）产出（个）DMU1102100DMU283120DMU3124150我们可以通过DEA分析来衡量这3个决策单元的效率。
首先，我们将数据转化为线性规划模型的输入和输出：输入1 = [10, 8, 12]输入2 = [2, 3, 4]输出 = [100, 120, 150]接下来，我们构建一个线性规划模型：maximize λsubject toλ * 输出 >= 输入1 * x1 + 输入2 * x2x1, x2 >= 0求解该模型，我们可以得到每个决策单元的效率得分：DMU1 的效率得分为 0.833DMU2 的效率得分为 1DMU3 的效率得分为 0.75根据效率得分，我们可以评估这些决策单元的相对效率，并进行进一步的分析。
DEA数据包络分析
DEA数据包络分析数据包络分析（Data Envelopment Analysis，DEA）是一种多变量效率评估方法，广泛应用于衡量组织、企业或其他单位的综合效率。
DEA方法可以根据输入和输出数据评估单位之间的相对效率，并确定最有效率的单位以及在哪些方面改进。
DEA方法的基本原理是利用线性规划技术，以最大化单位的输出为目标函数，同时限制每个单位的输入不超过其他单位。
通过这种方式，DEA 方法可以衡量每个单位实现生产最优水平的能力。
在DEA中，每个单位可以被看作是一个能够将一组输入转化为一组输出的生产者。
输入可以是任何有助于产出的资源，如劳动力、资本、原材料等；输出可以是组织产出的产品、服务或者其他结果。
DEA方法通过建立一个线性规划问题来衡量单位的效率。
该问题的目标是最大化单位的输出，并且输入不能超过其他单位。
DEA方法的优势是可以在没有事先确定权重的情况下，评估单位的效率。
这种方法对于评估多指标、多维度问题非常有效，因为它使用相对效率的概念，而不是绝对效率。
相对效率表示一个单位在给定输入和输出约束下的最佳性能水平。
这意味着即使单位的输入和输出数量不同，但DEA 可以根据它们的相对效率进行比较。
DEA方法还可以用于确定单位的最大效率范围。
通过对每个单位进行批量线性规划，可以找到最优解，即单位达到最大效率时的输入和输出比例。
这个最优解被称为有效前沿，它表示了实现最佳性能的边界。
通过比较每个单位的实际效率和有效前沿，可以识别出哪些方面可以改进以提高效率。
DEA方法在实践中有许多应用。
例如，在金融领域，DEA可以用于评估银行、保险公司等机构的效率。
在教育领域，DEA可以用于评估学校、大学等机构的教学效率。
在公共管理领域，DEA可以用于评估政府机构的绩效和效率。
在医疗领域，DEA可以用于评估医院、诊所等机构的医疗效果。
综上所述，DEA方法是一种强大的数据包络分析工具，可以用于衡量单位的效率。
它的主要特点是不需要事先设定权重，并且可以同时考虑多个输入和输出。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
賴文玲 (2005) - 我國 TFT-LCD 產業經營效率之研究 - 以資料包絡法分析
投入變數 (1) 固定資產 (2) 營業費用 (3) 員工人數 產出變數 (1) 營業收入淨額 (2) 營業利益
研究發現
由 DEA之效率測量結果得知，在CCR與BCC模式下，以友達、和立的整體效 率值表現最佳。其 他廠商整體無效率原因大部份受技術無效率影響較多。顯示出國內TFT-LCD廠商不該只是一昧 投入資源而造成投入與產出失當的情形。
林錫祥 (2002) - 我國上市上櫃IC設計公司效率評估
投入變數 (1) (2) (3) (4) 營業成本 研發費用 營業外費用 員工人數 產出變數 (1) 營收淨額 (2) 營業外收入
研究發現
(1) 整體IC設計產業為無效率。 (2) 個別公司之技術效率值則以聯發科與思源之投入與產出達到最佳化之配置。 (3) 擁有技術效率的公司家數比有生產效率的家數多，說明了某些公司的技術無效率乃導因於 規模無效率，而非技術無效率。 (4) 規模較大的公司大都處於規模報酬遞減的狀態，而規模較小的卻是處於規模報酬遞增的狀 態，這說明了IC設計公司的規模不宜擴充過大。 (5) IC設計業是因為技術及生產層面的效率不佳進而影響其產能與生產力。
研究方法 - 績效評估方法比較表
方法 緣 由 發展時間 創始者 理論概念 數學工具 評估單位 特 性 評估項目 資料型態 資料蒐集 結果呈現
層級分析法
1971 Thomas L. saaty 以層級結構分析複雜之問題，並建立成對之比較矩 陣，求取指標間之相對權重。 線性代數 少 少 比例資料 困難 權重 (1) 將複雜問題簡化時。 (2) 需使用多個準則評估時。 (3) 想要求的評估準則間之相對權重時。 (4) 指標兼具獨立性時。 (1) 計算程序簡單易懂。 (2) 可將複雜的問題予以簡單。 當評估指標相當多時，所需的成對比較次數亦變多
投入變數 (1) (2) (3) (4) 銷貨成本 管銷費用 員工人數 固定資產 產出變數 (1) 稅前淨益 (2) 銷貨收入
研究發現
(1) 影響廠商效率的關鍵因素為員工人數與固定資產兩項。 (2) 廠商購併活動的活躍性對純技術效率影響甚微，但對規模效率的影響為負。顯示購併後的 重整對廠商效率有著重要的影響。
文獻探討 - DEA文獻與投入產出變數彙整表
胡志堅、黎漢林 (2004) - 資料包絡法與投資報酬法評量產業績效 - 以台灣IC設計業為例
投入變數 (1) (2) (3) (4) 銷貨成本 管銷費用 固定資產 營運資金 產出變數 (1) 銷貨淨額
研究發現
(1) 研究發現瑞昱、威盛、聯發科、智原、松翰五家績效優異的公司，由於其管理能力與獲利 能力表現階業該產業的領先者，其績效軌跡所顯現出的特質為：維持管理效率、降低營運相關 成本，並增加銷售額，以提高獲利能力，待主力產品以達成熟期，獲取大量利潤時，則透過現 金流出已投資開發新的產品，創造未來成長機會。 (2) 台灣專業IC說計產業在管理經營面上，需進行適當的資源分配及整合，全球的運籌策略應 注重在有效地利用全球資源，如透過流程改善、產學合作、垂直或平行之策略聯盟、購併等， 在營業利潤上則必須發展產品的獨特性、差異化，以及建立智慧財產權管理等，創造更大的市 場，降低成本，提昇銷貨量，已獲取利潤。
背景說明
全球暖化問題日益受到重視，如何節能減碳成為一重要課題。隨 著綠能產業的興起，LED產業成為綠能產業的明日之星，國內的 幾家大企業也紛紛跨足投資，如台積電在今年初投資LED後段， 藝人吳宗憲也投資一家公司，加入LED產業的行列，可見LED產業 熱門的程度。 在ECFA簽定後，兩岸的產業競爭將日漸激烈。隨著大陸等國家的 積極發展，我國的LED產業也將受到威脅，因此該如何提升效率 是未來持續發展的重要課題。 本研究之目的歸納如下： 探討台灣十七家LED廠商近一年營運效率。 透過差額變數分析，對績效欠佳之 DMU 提出改善建議。 藉由敏感度分析，找出影響整體績效之重大影響變數 。
研究方法–資料包絡法之效率評估模式
CCR模型
1978年由Charnes、Cooper與 Rhodes 利用Farrell 效率衡量模式之觀點，利 用多項投入及多項產出效率衡量的概念，在固定規模報酬(CRS)假設下，探討投入 導向與產出導向二種模式，尋找出最大產出或最小投入為邊界，將受評估之各項 產出與投入因子利用數學規劃分別加以線性組合，以兩個線性組合之比值代表受 評估單位之效率，各個受評估之效率值介於0與1之間。DEA 模型之CCR模式可表示 如下： 假設有K個被評估的決策單位，使用N種投入，生產M種產出，當評估第K個DMU 之效率值時，以Vn與Um分別代表第n項投入與第m產出的未知權重，同時計算產出 與投入的比值，求得各單位的績效值，如下所示：
徐彬 (2004) - 台灣地區印刷電廠板產業之經營績效評估 - 資料包絡分析法(DEA)之應用
投入變數 (1) 固定資產 (2) 員工人數 (3) 研發費用 產出變數 (1) 營業收入淨額
研究發現
(1) 就效率而言，造成整體印刷電廠板產業之技術無效率的主因是規模無效率，而資源配置不 當是導致規模無效率的主因。 (2) 就效率變動而言，民國87-89年生產力是呈上升的趨勢，但自民國89-90年生產力卻是呈現 下滑的趨勢，可知隨著企業漸漸擴大，會產生資源分配不當的問題而導致生產力下滑。 (3) 就差額變數及敏感度而言，台灣地區印刷電路板產業皆是員工人數過多，而造成無形的浪 費，且從本研究分析得知，研究發展這項因素對印刷電路板產業的影響極巨。
CCR 模式可分為二部份，一部份為純粹考慮技術上資源是否恰當，為技術效 率衡量指標。另一部份為考慮生產規模，以規模效率作為效率衡量的指標。若整 體效率等於 1，則表示無論是純粹技術面或生產規模皆已達最具效率；若整體效 率小於 1，則表示無效率，可能是由技術無效率或未達最適規模所導致的，亦或 二者皆無效率。
企業決策分析與績效評估 期末報告
LED廠商績效評估
報告日期：99年 9月 5日 指導教授：喻奉天 博士 簡報分組：第四組 組 員：李福壽、陸集瑋、王鴻錡、 丁婉玉、潘旭琮、周啟文
大綱
一. 二. 三. 四. 五. 六. 七. 八. 背景說明 文獻探討 研究方法 投入產出項目定義 初步資料分析 DEA分析結果 敏感度分析 結論
研究方法–資料包絡法之效率評估模式
本模型是在限制各個 DMU 之效率在 0 與 1 之間，尋找出使 HK’最大之 V 與 U 的權數，HK’之最大值為 1。各個 DMU 均會進入目標及限制函數中，所有 的限制條件均相同，因此所得到的各 DMU 之效率值可互相比較，即所謂的相對效 率。m U, nV≧ε，表示每一項投入與產出均不能忽略不計。 由於上頁數學式是分數規劃模式，也就是非線性規劃，故在求解上並不容易， 因此將其轉變為線性規劃模式來求解，以投入導向模式為例：在產出項加權組合 為１的限制下，極小化投入項的效率值(HK)。
文獻探討 - DEA文獻與投入產出變數彙整表
陳俊銘 (2003) - 我國光電產業經營效率之研究 - 資料包絡分析法的應用
投入變數 (1) (2) (3) (4) 員工人數 固定資產 營業成本 營業費用 產出變數 (1) 營收淨額 (2) 稅前淨利
研究發現
(1) 光電次產業中以顯示器產業的平均整體技術值最低，由於未來性看好，吸引廠商投資、擴 廠，使得規模效率不佳。 (2) 高階技術不易取得與實濟部投資業務處
背景說明
在樣本選取上，考慮其為在各產業內代表性，選取9家中上游LED廠商 及8家下游封裝廠，共17家LED廠商為研究樣本。
公司
2301 光寶科 2340 光磊 2393 億光 2426 鼎元 2448 晶電 2499 東貝 3031 佰鴻 3061 璨圓 3066 李洲 3339 泰谷 3383 新世紀 6168 宏齊 6226 光鼎 8199 廣鎵 3698 隆達 6289 華上 3656 聯勝 下游 上、中游 下游 上、中游 上、中游 下游 下游 上、中游 下游 上、中游 上、中游 下游 下游 上、中游 下游 上、中游 上、中游
適用範圍
優點 缺點
研究方法–資料包絡法之效率評估模式
Farrell理論
Farrel(1957) 利用線性規劃(linear programming)之方法以求出確定性無參 數效率前缘，「確定性」係指各企業體其技術水準相同，並面對共同生產前緣， 「無參數效率前缘」係指對於投入與產出間未預設生產函數型態。其理論基於三 項基本假設： • 生產前缘(production frontier)是由最具效率的單位(DMU)所組成，而較無 效率的單位則在位處此前緣之下。 • 固定規模報酬(constant teturns to scale,CRS)，投入與產出之單位成等 比例之關係。 • 生產前缘凸向(convex)原點，故每點斜率均小於或等於零。Farrell(1957) 的研究奠定了 DEA 非預設生產函數方式衡量效率的基礎，然而其研究僅侷 限於處理單一產出之情況，對於多重投入與產出之問題則無法解決。
研究方法
本研究先將績效衡量方式做一比較，再深入介紹 DEA 理論，及其使用特性和 限制。最後以資料包絡分析法 (data envelopment analysis，DEA )為基礎， 探討我國 LED 產業廠商的經營績效。 在軟體使用上，利用「DEA-SOLVER」DEA專業軟體進行實證研究。
供應鏈
封裝 磊晶&晶粒裝作 封裝 磊晶&晶粒裝作 磊晶&晶粒裝作 封裝 封裝 磊晶&晶粒裝作 封裝 磊晶&晶粒裝作 磊晶&晶粒裝作 封裝 封裝 磊晶&晶粒裝作 封裝 磊晶&晶粒裝作 磊晶&晶粒裝作
Remark
未上市櫃 未上市櫃
未上市櫃
文獻探討 - DEA文獻與投入產出變數彙整表
洪明暉 (2001) - 專業電子代工服務廠之經營績效與購併分析 - DEA之應用