群组排序数据包络分析方法

doi:10.16381/j.cnki.issn1003-207x.2023.1971

中国管理科学 ›› 2025, Vol. 33 ›› Issue (7): 24-32.doi: 10.16381/j.cnki.issn1003-207x.2023.1971cstr: 32146.14.j.cnki.issn1003-207x.2023.1971

群组排序数据包络分析方法

木仁¹^,², 郝立宁², 李安康², 张舒逸³, 崔巍²()

^1.吉林财经大学大数据与交叉科学研究院，吉林长春 130117
^2.吉林财经大学统计学院，吉林长春 130117
^3.吉林省科学技术信息研究所，吉林长春 130033

收稿日期:2023-11-23 修回日期:2024-05-30 出版日期:2025-07-25 发布日期:2025-08-06
通讯作者: 崔巍 E-mail:cuiwei@imut.edu.cn
基金资助:
国家自然科学基金项目(72371115);国家社会科学基金项目(23FTJB002);吉林省自然科学基金项目(20230101184JC)

Group Ranking Data Envelopment Analysis Model

Ren Mu¹^,², Lining Hao², Ankang Li², Shuyi Zhang³, Wei Cui²()

^1.Academy of Big Data and Interdisciplinary Science，Jilin University of Finance and Economics，Changchun 130117，China
^2.School of Statistics，Jilin University of Finance and Economics，Changchun 130117，China
^3.Institute of Science and Technology Information of Jilin Province，Changchun 130033，China

Received:2023-11-23 Revised:2024-05-30 Online:2025-07-25 Published:2025-08-06
Contact: Wei Cui E-mail:cuiwei@imut.edu.cn

摘要/Abstract

摘要：

在众多实际决策问题中，不仅关注决策单元的最高效率，同时也会关注决策单元的最高排序。为此，学者们提出了能够给出决策单元排序区间的数据包络分析方法。然而，现有的区间排序数据包络分析方法无法给出群组决策单元的联合排序策略。事实上，在复杂而激烈的市场竞争中，企业经常通过联盟策略来扩大其自身优势和弥补其劣势。鉴于此，本文提出了能够给出群组决策单元联合最高排序和最低排序的群组排序数据包络分析模型。该模型不仅为决策单元的有效联盟提供了崭新依据，同时对联盟的合作效果提供了量化依据。最终以中国18家物流企业与53家金属产品企业为例得到了具体群组排序结果。

关键词: 数据包络分析方法, 最高排序, 最低排序, 群组决策单元

Abstract:

In many practical decision-making problems， we not only focus on the best efficiency of decision-making units， but also on the best ranking of decision-making units. Therefore， scholars have proposed a data envelopment analysis method that can provide the ranking interval of decision-making units. However， existing ranking methods cannot provide a joint ranking strategy for group decision-making units. In fact， in complex and fierce market competition， companies often use alliance strategies to expand their own advantages and compensate for their disadvantages. In view of this， a group ranking data envelopment analysis model is proposed that can provide joint best and worst ranking for group decision making units. This model not only provides a new basis for the effective alliance of decision-making units， but also provides a quantitative basis for the cooperation effect of the alliance. Finally， specific group ranking results were obtained using 18 logistics companies and 53 metal product companies in China as examples.

Key words: data envelopment analysis, best ranking, worst ranking, group decision making units

中图分类号:

木仁,郝立宁,李安康, 等. 群组排序数据包络分析方法[J]. 中国管理科学, 2025, 33(7): 24-32.

Ren Mu,Lining Hao,Ankang Li, et al. Group Ranking Data Envelopment Analysis Model[J]. Chinese Journal of Management Science, 2025, 33(7): 24-32.

图/表 6

表1

表2

表3

表4

表5

表6

参考文献 31

[1]	Charnes A， Cooper W W， Rhodes E. Measuring the efficiency of decision making units［J］. European Journal of Operational Research， 1978，2（6）：429-444.
[2]	Muren， Liu C， Cui W. The relationships among group decision making units based on partial ordered set［J］. Computers & Industrial Engineering， 2023，179：109173.
[3]	Wu J， Chu J， Sun J， et al. DEA cross-efficiency evaluation based on Pareto improvement［J］. European Journal of Operational Research， 2016，248（2）：571-579.
[4]	Andersen P， Petersen N C. A procedure for ranking efficient units in data envelopment analysis［J］. Management science， 1993，39（10）：1261-1264.
[5]	邓雪，方雯. 基于DEA博弈交叉效率和投资者心理的模糊投资组合研究［J］. 运筹与管理， 2022，31（10）：68-74.
	Deng X， Fang W. Research on fuzzy portfolios based on DEA game cross-efficiency method and investor psychology ［J］. Operations Research and Management Science， 2022，31（10）：68-74.
[6]	吴澎，丁毅，周礼刚，等. 基于DEA交叉效率与冗余信息识别的大群体应急决策方法［J］. 系统工程理论与实践， 2022，42（10）：2840-2852.
	Wu P， Ding Y， Zhou L G， et al. Large group emergency decision-making method based on DEA cross-efficiency and redundant information identification［J］. Systems Engineering-Theory & Practice， 2022，42（10）：2840-2852.
[7]	梁晓星，周志翔. 考虑城市群间竞争与合作关系的环境效率评价研究：基于交叉效率评价模型（英文）［J］. 中国科学技术大学学报， 2022，52（4）：17-27+68.
	Liang X X， Zhou Z X. Cooperation and competition among urban agglomerations in environmental efficiency measurement： A cross-efficiency approach［J］. Journal of University of Science and Technology of China， 2022，52（4）：17-27+68.
[8]	郑兵云，杨宏丰. “一带一路”中国沿海城市港口效率评价——基于DEA博弈交叉效率-Tobit模型［J］. 数理统计与管理， 2021，40（3）：502-514.
	Zheng B Y， Yang H F. Evaluation of port efficiency of China’s coastal cities in “the belt and road”：Based on DEA game crossover efficiency-Tobit model［J］. Journal of Applied Statistics and Management， 2021，40（3）：502-514.
[9]	薛凯丽，范建平，匡海波，等. 基于两阶段交叉效率模型的中国商业银行效率评价［J］. 中国管理科学， 2021，29（10）：23-34.
	Xue K L， Fan J P， Kuang H B， et al. Efficiency evaluation of China commercial banks based on two-stage cross efficiency model［J］. Chinese Journal of Management Science， 2021，29（10）：23-34.
[10]	程国庆，王应明. 基于三阶段DEA交叉效率模型的决策单元排序与聚类——基于中国集体所有�

指标类型	具体指标名称
投入指标	员工数
投入指标	资产
产出指标	营业收入
	利润
	市值

决策单元	CCR效率	CCR排序	最高排序效率	最高排序	最低排序效率	最低排序	总体排序
DMU1	0.57541	9	0.57414	3	0.03575	18	9
DMU2	1.00000	1	1.00000	1	0.12388	16	4
DMU3	0.36996	17	0.29179	8	0.08848	16	18
DMU4	0.44359	12	0.38993	4	0.14955	15	10
DMU5	0.36402	18	0.35521	5	0.13138	16	17
DMU6	0.40757	14	0.40337	4	0.28782	16	13
DMU7	0.53747	10	0.38832	4	0.13388	17	10
DMU8	1.00000	7	1.00000	1	0.06506	16	8
DMU9	0.37825	16	0.31664	4	0.18370	17	15
DMU10	1.00000	1	1.00000	1	0.16332	15	2
DMU11	0.43212	13	0.37775	4	0.07396	17	13
DMU12	1.00000	1	1.00000	1	0.09764	16	4
DMU13	1.00000	1	1.00000	1	0.42699	8	1
DMU14	1.00000	1	1.00000	1	0.00267	18	7
DMU15	1.00000	1	1.00000	1	0.04813	15	2
DMU16	1.00000	1	1.00000	1	0.28820	16	4
DMU17	0.37841	15	0.32242	6	0.05762	17	16
DMU18	0.50383	11	0.22858	3	0.02634	18	12

决策群组	最高排序	最高群组排序均值		最低排序	最低群组排序均值
决策群组	WE	WE	SA	BE	BE	SA
2,7,18	18	7.00	6	3	9.67	13
10,13,16	4	2.00	2	6	10.67	13
4,10,13	18	5.33	3.33	1	8.00	9.67
4,12,13	18	10.00	3.67	3	10.00	13
3,4,12	9	5.00	6.33	11	13.67	16.33

决策群组	驱动决策单元	最高排序	最高群组排序均值	最低排序	最低群组排序均值
2,7,18	18	10	7	3	7
	2	13	7	5	12.33
	7	18	7	6	15.66
10,13,16	13	7	4.00	4	6.67
	10	4	2.00	2	4.00
	16	7	4.33	4	6.67
4,10,13	13	9	5.33	4	8.00
	10	10	3.67	2	5.33
	4	9	5.33	2	8.00
4,12,13	13	7	3.33	6	11.00
	12	7	3.33	9	11.33
	4	4	2.33	8	12.33
3,4,12	3	8	4.67	11	13.00
	12	9	5.00	13	14.00
	4	8	4.67	11	13.00

决策群组	最高排序	最高群组排序均值		最低排序	最低群组排序均值
决策群组	WE	WE	SA	BE	BE	SA
23,31,51	29	18.33	15	15	20.67	35
39,44,46	36	32.67	32.67	42	44.33	45
1,39,44	53	46.67	28	1	46.67	47
1,2,44	53	49.67	15.67	1	49.67	49.67
1,2,4	53	47.00	2.33	12	46.33	47.33

群组排序数据包络分析方法

Group Ranking Data Envelopment Analysis Model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 31

决策群组	驱动决策单元	最高排序	最高群组排序均值	最低排序	最低群组排序均值
23,31,51	23	27	18.67	17	20.67
	51	27	18.33	16	20.67
	31	32	17.67	14	19.67
39,44,46	44	40	34.67	41	44.00
	39	40	32.67	42	44.33
	46	35	32.67	42	44.33
1,39,44	44	40	32.33	45	47.00
	39	35	28.67	45	46.67
	1	40	31.00	47	47.00
1,2,44	44	35	21.00	48	49.67
	2	35	21.00	48	49.67
	1	35	21.00	48	49.67
1,2,4	4	40	24.67	41	47.33
	2	41	23.00	40	46.33
	1	41	23.00	40	47.33