基于前沿面投影-数据包络分析的高校创新创业能力排序精化方法技术

本发明专利技术涉及一种基于前沿面投影数据包络分析的高校创新创业能力排序精化方法，尤其能从相对效率的角度上进行分析。包括一个基于C2R模型的针对决策DEA有效或弱DEA有效的判断方法、基于C2GS2模型的针对决策DEA有效或弱DEA有效的判断方法和基于前沿面投影绩效排序方法。本发明专利技术与现有技术相比，其显著优点是：在“相对效率”概念基础上发展起来的一种系统方法，在避免主观因素和简化运算等方面有着优越性；基于C2R和C2GS2模型的分析，可以得到比传统DEA方法更加详细的结果；前沿面投影绩效排序模型侧重于反映有效决策单元的稳定性，当某一有效决策单元向其它生产前沿面（有效单元互连组成的）越逼近，它的有效性自然越高。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种基于前沿面投影数据包络分析的高校创新创业能力排序精化方法，尤其能从相对效率的角度上进行分析。包括一个基于C2R模型的针对决策DEA有效或弱DEA有效的判断方法、基于C2GS2模型的针对决策DEA有效或弱DEA有效的判断方法和基于前沿面投影绩效排序方法。本专利技术与现有技术相比，其显著优点是：在“相对效率”概念基础上发展起来的一种系统方法，在避免主观因素和简化运算等方面有着优越性；基于C2R和C2GS2模型的分析，可以得到比传统DEA方法更加详细的结果；前沿面投影绩效排序模型侧重于反映有效决策单元的稳定性，当某一有效决策单元向其它生产前沿面（有效单元互连组成的）越逼近，它的有效性自然越高。【专利说明】
本专利技术涉及一种对高校创新能力的评价方法和细化排序方法，尤其是基于前沿面投影和DEA分析高校创新创业能力。
技术介绍
虽然社会各界在不断的加大对科研的投入，但是在资源相对有限的条件下，如何使有限的投入发挥最大的作用成为目前刻不容缓需要解决的问题。目前关于创新、创业能力评价或排名的研究大多采用线性权重法:将指标得分进行加权，依据相关算法确定出评价结果。这类方法显然没有考虑到效率。数据包络分析(Data Envelopment Analysis,简称DEA)是在“相对效率”概念基础上发展起来的一种系统方法，是数学、运筹学和管理科学的交叉，也称为非参数方法或Farrell型有效分析法。由于DEA不需要预先估计参数，在避免主观因素和简化运算等方面有着优越性。数据包络分析是把每一个被评价单位作为一个决策单元(decision makingunits, DMU)，再由众多DMU构成被评价群体，以DMU的各个投入和产出指标的权重为变量，通过对投入和产出比率的综合分析，确定有效生产前沿面，并根据各DMU与有效生产前沿面的距离状况，确定各DMU是否有效，同时还可用投影方法指出非DEA有效或弱DEA有效DMU的原因及程度。但是我们也发现DEA方法对于有效的DMU (综合效率值为I的DMU)，不能进一步区分其效率程度。我们需要提出更科学的方法来研究有效DMU之间的排序问题。
技术实现思路
本专利技术的目的是提供一种在“相对效率”概念基础上发展起来的对创新能力的评价方法，并且针对众多的综合效率为I的科研单位中，进一步科学地分析它们创新、创业能力上细微的差别，对有效单元的绩效排序的方法。本专利技术的技术解决方案为:1、由于创新、创业能力评价属于多输入、多输出的生产活动，输入和输出都由向量来表示。并用针对每个决策单元确定相应的效率评价指数。2、根据C2R模型，基于投入模型来研究投入的有效性。在C2R模型中，DEA有效性是同时针对规模有效性与技术有效性而言的。在C2R模型的基础上建立C2GS2模型。在C2GS2模型中，DEA有效性只是单纯针对技术有效性。通过分析数据，指出非DEA有效或弱DEA有效DMU的原因及程度。3、使用前沿面投影方法的绩效排序，对DEA有效的高校进一步分析，进行排序。本专利技术的原理是:数据包络分析DEA是在“相对效率”概念基础上发展起来的一种系统方法，是数学、运筹学和管理科学的交叉，也称为非参数方法或Farrell型有效分析法，由于DEA不需要预先估计参数，在避免主观因素和简化运算等方面有着优越性。前沿面投影绩效排序侧重的是某一有效决策单元向其它生产前沿面(有效单元互连组成的)的逼近程度，相关比例越接近其它前沿面的高校排名越高。通过这个方法，研究者可以更精确，更细致地把各个院校的创新创业能力进行排序。本专利技术与现有技术相比，其显著优点是:1、DEA是在“相对效率”概念基础上发展起来的一种系统方法，在避免主观因素和简化运算等方面有着优越性。2、基于C2R和C2GS2模型的分析，可以得到比传统DEA方法更加详细的结果3、前沿面投影绩效排序模型不将本身的投入产出数据纳入限制式中，侧重的是某一有效决策单元向其它生产前沿面(有效单元互连组成的)的逼近程度【专利附图】【附图说明】图1是本专利技术的前沿面投影绩效排序的几何意义示意图。【具体实施方式】创新、仓Il业能力评价属于多输入、多输出的生产活动，输入和输出都可以由向量来表示。记j = U，…，η}，对第jQ个决策单元DMUjtl (I ( J0 ( η)，将它记为DMU。，对它进行效率评价，记它的输入向量为Xtl,输出向量为坨Ytl,以权系数V和u为变量，以第Jtl个决策单元的效率指数为目标，以所有决策单元(也包括第jo个决策单元)的效率指数hj < I, (j=l, 2，…,η)为约束，构成如下的最优化模型(C2R):【权利要求】1.一种基于前沿面投影数据包络分析的高校创新创业能力排序精化方法，其特征在于它包括基于C2R的模型对决策DEA有效性进行判断的步骤、基于C2GS2模型的对决策DEA有效性进行判断的步骤和基于前沿面投影的绩效排序步骤。2.根据权利要求1所述的基于前沿面投影数据包络分析的高校创新创业能力排序精化方法，其特征在于所述的基于C2R的模型对决策DEA有效性进行判断的步骤中，DEA有效性是同时针对规模有效性与技术有效得出的。3.根据权利要求1或2所述的基于前沿面投影数据包络分析的高校创新创业能力排序精化方法，其特征在于所述的基于C2R的模型对决策DEA有效性进行判断的步骤中，具体方法如下: 首先，将任一待评价客体作为一决策单元，各待评价客体的输入和输出都用向量来表示:记j={l,…，η},对第jQ个决策单元DMUjtl (I ( j0 ( η),将它记为DMUtl,对它进行效率评价时，记它的输入向量为Xtl,输出向量为\，以权系数V和u为变量，以第Jtl个决策单元的效率指数为目标，以所有决策单元的效率指数4< 1，(j=l,2,-,n)为约束，采用下述公式构成模型C2R ； 4.根据权利要求1所述的基于前沿面投影数据包络分析的高校创新创业能力排序精化方法，其特征在于所述的基于C2GS2模型的对决策DEA有效性进行判断的步骤中，DEA有效性是针对技术有效性得出的。5.根据权利要求1所述的基于前沿面投影数据包络分析的高校创新创业能力排序精化方法，其特征在于所述的基于前沿面投影的绩效排序步骤中:当某一有效决策单元向其它生产前沿面越逼近，它的有效性自然越高；所述的生产前沿面是由有效单元互连组成。【文档编号】G06F19/00GK103778316SQ201210417681【公开日】2014年5月7日 申请日期:2012年10月26日 优先权日:2012年10月26日 【专利技术者】李千目, 侯君, 张晟骁, 戚湧, 董春秋, 张弘均, 刘魁, 李宗骍, 杨文 , 王鹏飞 申请人:无锡南理工科技发展有限公司本文档来自技高网...

【技术保护点】
一种基于前沿面投影数据包络分析的高校创新创业能力排序精化方法，其特征在于它包括基于C2R的模型对决策DEA有效性进行判断的步骤、基于C2GS2模型的对决策DEA有效性进行判断的步骤和基于前沿面投影的绩效排序步骤。

【技术特征摘要】

【专利技术属性】
技术研发人员：李千目，侯君，张晟骁，戚湧，董春秋，张弘均，刘魁，李宗骍，杨文，王鹏飞，
申请(专利权)人：无锡南理工科技发展有限公司，
类型：发明
国别省市：江苏;32