Robust data envelopment analysis models for efficiency evaluation with new uncertainty sets

Aliasghar Arabmaldar

doi:10.1007/s00291-025-00832-z

2026-01-01

Aliasghar Arabmaldar

Adel Hatami-Marbini *

DOI：10.1007/s00291-025-00832-z

原文链接

查看原文

摘要

En 中文

稳健优化技术与数据包络分析（DEA）模型的集成形成了一种称为稳健DEA的方法。该方法旨在应对不确定数据，确保稳健可靠的效率度量。在应用稳健优化方法时，不确定性集的选择起着关键作用，因为它决定了在实现最优目标与确保约束高概率可行性之间的权衡，这一概念被称为稳健性代价。这种权衡可以通过基于管理者风险偏好的稳健参数进行调整。与稳健优化类似，稳健DEA旨在保护确定性DEA模型免受用户指定不确定性集内的数据不确定性影响，并提供约束可行性的概率界限。尽管稳健优化方法取得了最新进展，但稳健DEA模型仍处于发展初期，凸显了进一步研究的必要性，尤其是在新型不确定性集的应用方面。为解决这一研究空白，本研究旨在开发两种新型稳健DEA模型，考虑近期引入的不确定性集——即可变预算和顺序统计不确定性集——以提升现有稳健DEA模型的灵活性和普适性。我们深入探讨了在稳健参数适当选取时，现有基于预算不确定性集的稳健DEA模型如何成为本文提出模型的特例。最后，我们以欧盟银行为例进行案例研究，以说明所提出模型的有效性和适用性，展示了不确定环境下管理评估的稳健策略。

Keyword:

Robust data envelopment analysis (DEA)

Robust optimisation

Uncertainty sets

Efficiency measurement

EU banking