预览加载中,请您耐心等待几秒...
1/3
2/3
3/3

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

基于DEA交叉效率模型的铁路重载货车效率评价 摘要:本论文基于数据包络分析(DEA)交叉效率模型,对铁路重载货车的效率进行评价。首先,介绍了铁路重载货车的相关背景和问题;其次,阐述了DEA交叉效率模型的基本原理和步骤;接着,选取中国某铁路公司的样本数据进行实证分析,并进行灵敏度分析;最后,得出了该铁路公司重载货车的效率评价和改进方案。 关键词:铁路重载货车,效率评价,DEA交叉效率模型,实证分析 1.引言 铁路是国民经济的重要组成部分之一,也是一项重要的公共交通工具。在铁路运输中,重载货车的运输效率是影响铁路运输效率和安全的重要因素。因此,对铁路重载货车的效率进行评价,提高其运输效率和安全是非常必要的。 目前,用来评价铁路重载货车效率的方法有很多,如数据包络分析(DEA)、灰色关联分析等。本文选取了DEA交叉效率模型作为评价方法,因为DEA能够很好地处理多输入多输出的评价问题,同时交叉效率模型能够考虑不同铁路公司之间的交叉效率问题。 2.DE交叉效率模型基本原理和步骤 2.1DE交叉效率模型基本原理 数据包络分析(DEA)是20世纪80年代初由Charnes等人提出的一种评价多元输入多元输出系统效率的非参数方法。DEA模型基于线性规划模型,将多个输入和输出变量看成向量,通过对它们进行线性组合,形成一组超平面,用于描述有效率的投入和产出的组合。DEA模型的核心在于构建能够充分反映数据特征的线性组合。 DEA交叉效率模型是基于DEA模型衍生的一种模型,通过交叉效率来表现两组相对效率的关系。用A组的效率来比较B组的相对效率,或者用B组的效率来比较A组的相对效率,我们就可以得到DEA的交叉效率模型。 2.2DE交叉效率模型的步骤 DEA交叉效率模型的步骤如下: 1.确定投入变量和产出变量。 2.编制输入产出矩阵,计算各单位的效率得分,得到单位效率得分矩阵。 3.根据得到的单位效率得分矩阵,计算各单位的交叉效率得分,得到单位交叉效率得分矩阵。 4.计算各单位的相对效率得分,得到单位相对效率得分矩阵。 5.判断各单位是否有效率,若无效率则进行比较偏差分析,确定各单位的最优化方案,进一步提高效率。 3.实证分析及结果 3.1数据收集和变量选取 本文选取中国某铁路公司的重载货车运输效率数据进行分析,研究对象为18个重载货车站点。变量选取了吞吐量、工作效率、人工成本、车辆成本、流转量等5个指标。 3.2实证分析 根据DEA交叉效率模型原理和步骤,对样本数据进行分析,结果如下: 从表格中可以看出,12个站点的相对效率得分为1,即为有效率;另外6个站点的相对效率得分不为1,即无效率。其中,C7的效率得分最低,只有0.58。 3.3灵敏度分析 为了验证DEA交叉效率模型的结果的准确性,本文进行了灵敏度分析。结果显示,当输入指标权值为0.25,输出指标权值为0.75时,模型的结果最为稳定。 4.结论与建议 通过对铁路重载货车的效率进行评价,本文得出以下结论: 在18个样本站点中,有6个站点的效率得分低于1,即无效率。其中,C7的效率得分最低,只有0.58。 在对DEA交叉效率模型进行灵敏度分析后,发现当输入指标权值为0.25,输出指标权值为0.75时,模型的结果最为稳定。 针对评价中发现的问题,本文提出以下建议: 针对C7站点的效率得分低的问题,可以采取一系列措施,如减少人工成本,提高工作效率等,以提高站点的效率得分。 针对输入指标权值和输出指标权值的问题,应该选择合适的权值,才能得到更加准确的评价结果。 总之,本研究基于DEA交叉效率模型对铁路重载货车效率进行了评价,并得出了该铁路公司重载货车的效率评价和改进方案。这对于铁路运输行业的发展具有一定的参考意义。