版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、本文首先對數(shù)據(jù)包絡(luò)分析(DEA)理論,方法和應(yīng)用進行了探討,介紹了基本DEA模型、DEA有效性理論以及DEA方法的基本思想,在此基礎(chǔ)上,詳細分析了DEA方法的特點和優(yōu)越性;其次,本文探討了企業(yè)生產(chǎn)中的核心問題——生產(chǎn)效率的度量。生產(chǎn)效率是指生產(chǎn)出滿足要求的產(chǎn)品或產(chǎn)生所期望的效果所達到的質(zhì)量或程度,大多數(shù)生產(chǎn)理論在研究具體生產(chǎn)行為時總是假設(shè)生產(chǎn)者是有效率的,并以此為前提研究生產(chǎn)技術(shù)的結(jié)構(gòu)以及商品市場的結(jié)構(gòu)。然而這種假設(shè)只是一種理想情況,生
2、產(chǎn)中的無效性是客觀存在的。本文對生產(chǎn)無效性進行了深入的研究,并分單輸出和多輸出兩種情況描述了提高生產(chǎn)效率的生產(chǎn)函數(shù)(IJPF)及對應(yīng)的四種生產(chǎn)結(jié)構(gòu):同位(Homothetic)結(jié)構(gòu)、齊次(Homogeneous)結(jié)構(gòu)、射線同位(Ray-Homothetic)結(jié)構(gòu)、射線齊次(Ray-Homogeneous)結(jié)構(gòu);第三,本文針對生產(chǎn)效率的度量問題,結(jié)合傳統(tǒng)Russell度量,將Russell輸入、輸出度量從原始的和的形式變?yōu)楸戎档男问?,提?/p>
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于非期望輸出決策單元的DEA模型的建立與評估.pdf
- 基于Hedonic模型的地價評估修正體系建立研究.pdf
- 基于KMV模型修正的信用風(fēng)險度量研究.pdf
- 基于CreditRisk+修正模型的信用風(fēng)險度量.pdf
- 基于CreditRisk+修正模型的信用風(fēng)險度量研究.pdf
- 中國省際環(huán)境績效的評估與分析——基于面板數(shù)據(jù)和DEA模型.pdf
- 基于演化的軟件架構(gòu)度量與評估.pdf
- 基于門限回歸的KMV信用風(fēng)險度量模型違約點修正研究.pdf
- 基于DEA窗口模型的中國省際能源與環(huán)境效率評估_王鋒.pdf
- 基于DEA模型的我國商業(yè)銀行信用風(fēng)險度量方法與實證研究.pdf
- 基于日志審計與性能修正算法的網(wǎng)絡(luò)安全態(tài)勢評估模型
- 基于dea模型的我國商業(yè)銀行信用風(fēng)險度量方法與實證研究
- 基于修正bs模型的企業(yè)排污權(quán)價值評估
- 我國債務(wù)融資工具信用風(fēng)險度量研究——基于修正的KMV模型.pdf
- 我國公司信用債券風(fēng)險度量研究——基于修正KMV模型.pdf
- 梁式橋梁有限元模型建立與修正及在狀態(tài)評估中的應(yīng)用研究.pdf
- 基于模型修正的人行橋動力性能評估.pdf
- 基于修正KMV模型的中小企業(yè)信用風(fēng)險度量研究.pdf
- 基于修正KMV模型的江西省上市公司信用風(fēng)險度量研究.pdf
- 我國債務(wù)融資工具信用風(fēng)險度量研究——基于修正的kmv模型
評論
0/150
提交評論