●目錄
前言
第1章數據的搜集與標準化處理1
1.1數據的搜集與補全1
1.1.1數據的搜集1
1.1.2數據的補全1
1.1.3數據指標的正向化處理9
1.2數據指標處理及其現實意義10
1.2.1無量綱化處理10
1.2.2距離理論11
1.3數據包絡分析方法中常見數據處理方式歸納總結.12
1.3.1具有零值或負值的投入產出數據的處理方法12
1.3.2隻有投入或產出數據情況下的DEA模型的數據處理方法13
1.3.3DEA模型中特殊情形下的數據處理必要性歸納總結13
參考文獻13
第2章數據包絡分析方法中的CCR模型及其MATLAB算法14
2.1CCR模型14
2.1.1面向投入的CCR原模型14
2.1.2面向投入的CCR對偶模型15
2.2具有非阿基米德無窮小量的CCR模型16
2.3面向產出的CCR模型16
2.4CCR模型的生產可能集和生產前沿面17
2.4.1CCR模型中的生產可能集17
2.4.2CCR模型中的生產前沿面18
2.4.3CCR模型中在生產前沿面上面向投入的投影18
2.4.4CCR模型中在生產前沿面上面向產出的投影18
2.5MATLAB求解線性規劃模型18
2.5.1線性規劃基本模型介紹19
2.5.2線性規劃模型單純形求解方法20
2.5.3線性規劃模型的對偶模型34
2.5.4線性規劃模型的MATLAB求解37
2.6面向投入CCR模型的MATLAB求解40
2.6.1面向投入CCR原模型的MATLAB求解算法40
2.6.2面向投入CCR對偶模型的MATLAB求解42
2.7面向投入的CCR對偶模型MATLAB並行求解算法45
參考文獻46
第3章數據包絡分析方法中的BCC模型及其MATLAB算法47
3.1面向投入的BCC模型47
3.1.1面向投入的BCC原模型簡介47
3.1.2面向投入的BCC對偶模型簡介47
3.1.3面向投入的BCC原模型MATLAB求解算法48
3.2面向投入的具有非阿基米德無窮小量的BCC模型49
3.2.1面向投入的具有非阿基米德無窮小量的BCC模型簡介49
3.2.2面向投入的具有非阿基米德無窮小量的BCC模型MATLAB求解算法50
3.3面向產出的BCC模型52
3.4BCC模型的生產可能集和生產前沿面54
3.4.1BCC模型中的生產可能集54
3.4.2BCC模型中的生產前沿面54
3.4.3BCC模型中在生產前沿面上面向投入的投影55
3.4.4BCC模型中在生產前沿面上面向產出的投影55
3.4.5BCC模型中生產可能集、生產前沿面及投影實例介紹55
3.5規模效率、技術效率與純技術效率57
3.5.1規模效率、技術效率與純技術效率定義57
3.5.2規模效率、技術效率與純技術效率算法介紹57
3.5.3規模效率、技術效率與純技術效率可視化展示算法介紹57
3.6面向投入的BCC對偶模型MATLAB並行求解算法60
參考文獻60
第4章綜合數據包絡分析模型及其MATLAB算法62
4.1四種常見DEA模型62
4.2面向投入綜合DEA原模型MATLAB求解算法65
4.3具有非阿基米德無窮小量的面向投入綜合DEA對偶模型MATLAB求解算法66
4.4具有非阿基米德無窮小量的面向產出綜合DEA對偶模型MATLAB求解算法68
4.5面向投入的綜合DEA對偶模型MATLAB並行求解算法70
參考文獻71
第5章廣義數據包絡分析方法及其MATLAB算法72
5.1廣義數據包絡分析方法簡介72
5.2面向投入的綜合廣義DEA模型MATLAB算法74
5.3面向產出的綜合廣義DEA模型MATLAB算法76
參考文獻78
第6章超效率、交叉效率及非徑向數據包絡分析模型及其MATLAB算法79
6.1超效率DEA模型及其MATLAB算法79
6.2交叉效率DEA模型及其MATLAB算法83
6.3非徑向DEA模型及其MATLAB算法86
參考文獻88
第7章網絡數據包絡分析模型及Malmquist指數89
7.1兩階段網絡DEA模型及其算法89
7.1.1面向投入兩階段網絡CCR原模型89
7.1.2面向投入兩階段網絡BCC原模型90
7.2兩階段網絡DEA原模型MATLAB算法90
7.2.1面向投入兩階段網絡CCR原模型MATLAB求解算法90
7.2.2面向投入兩階段網絡BCC原模型MATLAB求解算法91
7.2.3面向投入兩階段網絡DEA模型實例92
7.3Malmquist指數93
7.3.1模型含義93
7.3.2Malmquist指數定義93
7.3.3Malmquist指數MATLAB求解算法與實例95
參考文獻97
第8章基於偏序集理論的數據包絡分析方法及其MATLAB算法98
8.1基本數據與定義98
8.2偏序關繫相關定理及其性質100
8.3偏序關繫確定算法及偏序關繫圖的繪制105
8.4基於偏序集理論的數據包絡分析方法MATLAB算法106
8.5無效性成因分析111
8.6基於格理論的數據包絡分析方法120
8.6.1基本數據與定義120
8.6.2近期新偏序關繫的定義120
8.6.3交並運算的引進121
8.6.4投影改進方式彙總121
8.6.5基於格理論的合並方式探討124
8.6.6基於格理論的數據包絡分析方法典型性質125
8.6.7基於格理論的數據包絡分析方法及其MATLAB算法126
8.6.8實例演示127
參考文獻128
第9章基於博弈理論的數據包絡分析方法130
9.1博弈理論背景下的數據包絡分析方法及其MATLAB算法130
9.1.1單方決策條件下的合作伙伴選擇模型130
9.1.2聯盟決策條件下的很優伙伴選擇模型135
9.1.3基於博弈理論的DEA模型相關算法138
9.2基於博弈理論的廣義模糊數據包絡分析方法及其MATLAB算法144
9.2.1傳統模糊DEA模型144
9.2.2廣義模糊DEA模型145
9.2.3合作導向下的廣義模糊DEA模型145
9.2.4競爭導向下的廣義模型DEA模型147
參考文獻158
第10章投入產出指標的合並評價方法160
10.1層次分析方法160
10.1.1層次分析方法基本原理介紹160
10.1.2層次分析方法應用實例介紹163
10.2熵權法165
10.2.1熵權法的基本原理166
10.2.2利用熵權法確定指標權重166
10.2.3利用熵權法確定指標權重MATLAB算法167
10.2.4利用熵權法確定指標權重應用實例169
10.3投入產出指標合並評價方法170
參考文獻171
第11章大規模數據包絡分析模型求解算法172
11.1大規模DEA模型求解算法介紹172
11.1.1HD算法172
11.1.2BH算法172
11.1.3Framework方法173
11.2單臺計算機計算大規模DEA模型算法173
11.2.1基於逐步引入法的大規模DEA模型MATLAB求解算法173
11.2.2Framework方法MATLAB求解算法175
11.3單臺計算機計算大規模DEA模型並行算法179
參考文獻184

數據包絡分析方法（Dataenvelopmentanalysis,DEA）作為現代綜合評價中較為常用的評價理論引起了學者、企業乃至政府的廣泛關注。歷經四十多年的發展目前已經形成了理論體繫較為完善，應用範圍非常廣泛的具有多投入多產出問題相對有效性的評價方法。伴隨著數據包絡分析模型與方法的全面推廣眾多專著與軟件平臺也相繼出現。然而，對於眾多初學者或模型與方法的應用者而言因缺乏對相關理論的深入了解，較難快速入門並學會使用相關模型進行實際問題的評價。更為嚴峻的是眾多應用者或學術愛好者因缺乏科研經費難以負擔軟件或算法的購買成本。針對以上問題，本專著提供了較為常見的DEA模型及其相關MATLAB算法。考慮到眾多DEA模型是以線性規劃模型為重要基礎的，故在學會利用MATLAB軟件對這些模型進行求解的基礎之上，我們就能夠很快學會使用其它的DEA模型求解軟件。本專著中首先從數據的搜集與標準化處理出發，對線性等