非完全信息下DEA绩效评价及其鲁棒性研究

Performance evaluation under incomplete information circumstance is the precondition to response the uncertain decision-making environment quickly and to achieve the complex conditional management effectively. As a significant relative efficiency assessment tool, data envelopment analysis (DEA) has made the enormous development on both theory and application field. However, with the incomplete information decision-making environment, the classical assumptions of traditional DEA theory, such as indicators’ data is certain, the way of weights choice is fixed and the relationship among decision making units (DMUs) are independent, can not hold. It will result in situation that the application of DEA approach is limited. Therefore, in terms of components of DEA model, the project firstly identifies three typical incomplete information circumstances, namely indicators’ incomplete information circumstance, weight space’s incomplete information circumstance and DMUs’ incomplete information circumstance, and further subdivides and theoretical describes the detail research contents of such three circumstances. Secondly, to deal with the aforementioned incomplete information circumstances, the project attempts to propose the corresponding performance evaluation methods via the DEA, robust optimization, probability and statistics, game theory approaches from the perspective of results’ robustness. Finally, these methods will be applied to evaluate the performance of Chinese universities, which will provide the decision supports for the future development of Chinese universities and even for the national innovation driven strategy. The value of the project lies in that it will further enrich the DEA theoretical system and expand the DEA applied range.

不完全信息下的绩效评价是响应不完全信息决策环境，实施复杂条件管理的重要前提。作为绩效评价的重要工具，数据包络分析（DEA）方法已取得极大发展，但面对不完全信息决策环境，传统DEA方法的经典假设如指标数据确定，权重选择单一和决策单元独立等均不能成立，故导致方法运用受限。为此，本项目首先依据DEA模型的构成要素细分出三种典型的信息不完全情形：指标数据信息不完全、权重空间信息不完全和决策单元信息不完全，并对三种情形的具体研究内容进行进一步细分和理论刻画。然后，针对上述信息不完全情形，本项目拟从评价结果鲁棒性的视角出发，运用DEA、鲁棒优化、概率统计、博弈论等理论方法设计出相应的绩效评价方案。最后，运用上述方法对我国高校绩效进行评价，以此来为我国高校未来发展乃至国家创新驱动战略提供决策支持。可见，本项目研究内容进一步拓展了DEA方法理论研究框架和实际应用范围。

作为绩效评价非参数方法代表的数据包络分析(DEA)方法，在面对不完全信息决策环境时，其经典假设如指标数据确定，权重选择单一和决策单元(DMU)独立等均受到挑战，导致方法运用受限。为此，本项目从评价结果鲁棒性视角出发，综合运用DEA、博弈论，信息论等理论方法提出了一套科学的绩效评价和资源配置方法，并将所提模型方法应用于我国高校以及其他行业的绩效评价和资源配置中。. 针对指标数据信息不完全情形，本项目提出了一套基于Akaike's信息准则(AIC)和DEA相结合的指标选择方法。该方法所选指标集满足用尽可能少的指标包含尽可能多的信息，以提高评价结果鲁棒性。. 针对权重空间信息不完全情形，本项目提出一套同时处理投入和产出非同质情况下的决策单元评价方法，该方法能确保在权重空间中任一组权重下都能实现唯一的效率分解方案，从而提高评价结果的鲁棒性。. 针对决策单元信息不完全情形，本项目分别提出了考虑决策单元内部交互信息以及存在共享资源时的绩效评价方法，该方法避免了由于决策单元内部信息（即将决策单元“黑箱”打开）和决策单元外部信息（即决策单元之间存在博弈竞争关系）未考虑造成的评价结果缺乏鲁棒性。. 此外，在此基础上，本项目还额外引申研究了决策单元信息不完全下的资源配置方法，并针对决策单元的博弈关系信息，分别提出了基于效率逐步提升和生产稳定性的资源分摊方法。. 最后，本项目将理论研究成果应用于我国高校的绩效评价中。. 围绕上述相关内容，本项目在执行期间，项目组成员共发表（含在线发表和录用）论文10篇(均为项目号标注论文)，其中其中SCI/SSCI8篇， CSSCI论文2篇。发表期刊包括国际管理学主流期刊《Annals of Operations Research》、《Journal of the Operational Research Society》、《European Journal of Operations Research》以及国内核心期刊《系统工程理论与实践》、《中国管理科学》等。