掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
交互作用變量的數據包絡分析 版權信息
- ISBN：9787030721747
- 條形碼：9787030721747 ; 978-7-03-072174-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
交互作用變量的數據包絡分析 內容簡介
數據包絡分析是一種應用廣泛的績效評價方法，本書推廣了經典數據包絡分析方法，構建了具有交互作用多投入（或產出）的績效評價模型與方法，并給出實際績效評價應用。主要內容包括具有交互作用信息的融合工具、具有交互作用變量的數據包絡分析及其應用、具有交互作用變量的模糊數據包絡分析及其應用、不顯含投入的數據包絡分析、數據包絡分析分類機的拓展五部分內容。 本書可作為研究數據包絡分析的參考書，也可作為數學、管理科學與工程、計量經濟學等專業研究生的參考書。
交互作用變量的數據包絡分析 目錄
目錄
第1章 緒論 1
1.1 績效的內涵 1
1.2 績效評價 2
1.3 常用的績效評價方法 3
1.3.1 平衡計分卡 3
1.3.2 關鍵績效指標評價法 4
1.3.3 目標管理導向的績效管理法 5
1.3.4 數據包絡分析 5
1.3.5 隨機前沿分析 6
1.4 幾種績效評價方法的比較 7
1.5 DEA基本思想與模型研究進展 8
1.5.1 數據包絡分析的C2R模型 9
1.5.2 BCC模型 10
1.5.3 其他的數據包絡分析模型 11
1.6 DEA應用研究進展 12
1.6.1 生產函數與技術進步研究 12
1.6.2 經濟系統與管理績效評價 13
1.7 DEA方法的特點 14
1.8 數據包絡分析方法存在的主要問題 15
1.9 本項目的主要研究成果 15
參考文獻 16
第2章 模糊數學相關知識 20
2.1 模糊集合 20
2.1.1 模糊集合的基本概念 20
2.1.2 模糊集合的運算及性質 24
2.2 模糊集合隸屬函數的確定方法 25
2.2.1 隨機性與可能性 25
2.2.2 概率統計與模糊統計 26
2.2.3 確定隸屬函數的統計方法 27
2.2.4 二元對比排序法 29
2.2.5 確定隸屬函數的原則 32
2.3 模糊集的截集及性質 34
2.4 模糊集的集合套定理與表現定理 41
2.5 模糊數及其運算 44
2.5.1 模糊數的概念 44
2.5.2 模糊數間的距離 45
2.6 可能性測度 46
2.6.1 可能性的公理化定義 46
2.6.2 模糊變量 50
參考文獻 52
第3章 數據融合工具 54
3.1 線性累積算子——線性回歸 54
3.1.1 線性累積工具——多元線性回歸分析 54
3.1.2 多元線性回歸模型參數估計的*小二乘法 56
3.1.3 數據的中心化和標準化 57
3.2 模糊數據的線性累積工具——模糊線性回歸分析 59
3.2.1 基于模糊*小二乘法的模糊多元線性回歸模型 59
3.2.2 模糊線性回歸模型的參數估計 60
3.2.3 應用實例 63
3.3 基于模糊支持向量機的模糊線性回歸 66
3.3.1 支持向量機 67
3.3.2 可能性測度 68
3.3.3 基于模糊訓練數據的分類型模糊支持向量機 70
3.3.4 基于模糊支持向量機的模糊線性回歸 74
3.4 交互作用變量的累積工具 76
3.4.1 容度 76
3.4.2 Choquet積分 78
3.4.3 基于模糊測度的模糊值函數的模糊Choquet積分 79
3.4.4 實值函數關于模糊值模糊測度的模糊Choquet積分 80
3.5 基于Choquet積分的非線性回歸 81
3.5.1 基于Choquet積分的非線性回歸模型 81
3.5.2 基于Choquet積分的非線性回歸的自適應進化算法 82
3.5.3 基于模糊Choquet積分的模糊非線性回歸分析 84
參考文獻 87
第4章 經典數據包絡分析 91
4.1 數據包絡分析的CCR模型 93
4.1.1 決策單元 93
4.1.2 基于投入導向的CCR模型 94
4.1.3 CCR模型的理論基礎 100
4.1.4 基于產出導向的CCR模型 103
4.2 數據包絡分析的BCC模型和加法模型 106
4.2.1 BCC模型的生產可能集 106
4.2.2 投入導向的BBC模型 108
4.2.3 基于產出導向的BCC模型 113
4.3 數據包絡分析加法模型CCGSS 116
參考文獻 121
第5章 經典模糊數據包絡分析 123
5.1 基于α-截集的模糊DEA模型 124
5.1.1 基于α-截集的模糊DEA模型(I) 124
5.1.2 基于α-截集的模糊DEA模型(II) 128
5.1.3 基于α-截集的模糊DEA模型(III) 131
5.2 基于模糊數序的模糊數據包絡分析 136
5.2.1 基于模糊數序的模糊數據包絡分析(I) 136
5.2.2 基于模糊數序的模糊數據包絡分析(II) 141
5.3 基于不確定性測度的模糊數據包絡分析 143
5.3.1 基于可能性測度的模糊數據包絡分析 143
5.3.2 基于可信性測度的模糊數據包絡分析 148
參考文獻 153
第6章 具有交互作用變量的數據包絡分析 155
6.1 具有交互作用變量的數據包絡分析基本模型與應用 156
6.1.1 具有交互作用變量的數據包絡分析模型 156
6.1.2 具有交互作用變量的數據包絡分析應用 159
6.2 具有交互作用變量的數據包絡分析在河北省三級甲等醫院績效評價中的應用 165
6.3 投入具有交互作用的數據包絡分析 174
6.3.1 投入具有交互作用的數據包絡模型 174
6.3.2 應用實例 176
參考文獻 179
第7章 具有交互作用模糊變量的數據包絡分析 181
7.1 可能性測度模型 182
7.1.1 數據包絡分析模型和交叉效率評價 182
7.1.2 模糊數和可能性測度 183
7.1.3 模糊測度與模糊值函數的模糊Choquet積分 185
7.1.4 具有交互作用模糊變量的模糊數據包絡分析 187
7.1.5 具有交互作用模糊變量的模糊數據包絡分析的應用 190
7.2 基于α-截集的模型 193
7.2.1 具有交互模糊變量的數據包絡分析的模糊效率模型 193
7.2.2 具有交互模糊變量的數據包絡分析的模糊效率模型的應用 197
參考文獻 199
第8章 不顯含投入的具有交互作用產出的數據包絡分析 202
8.1 不顯含投入的數據包絡分析模型(DEA-WEI) 203
8.2 不顯含投入的具有交互作用的DEA模型 205
8.3 不顯含投入的模糊數據包絡分析 208
8.3.1 模糊數及模糊數排序 208
8.3.2 不顯含投入的區間值DEA模型(IDEA-WEI) 209
8.3.3 不顯含投入的模糊DEA模型(FDEA-WEI) 211
參考文獻 215
第9章 數據包絡分析分類機的拓展 217
9.1 經典數據包絡分析分類機 219
9.1.1 分類機中“可接受域”的公理體系 220
9.1.2 交形式的可接受域和DEA分類機 222
9.1.3 具有偏好結構的DEA分類機 223
9.2 基于廣義DEA模型分段線性判別分析模型 227
9.2.1 數學模型 228
9.2.2 基于廣義DEA模型的分段線性判別分析模型的應用 232
9.3 模糊數據包絡分類機 233
9.3.1 DEA分類機(DCM) 234
9.3.2 可能性測度與模糊機會約束規劃 235
9.3.3 模糊數據包絡分析分類機模型及應用(FDEACM) 236
參考文獻 242
第1章 緒論 1
1.1 績效的內涵 1
1.2 績效評價 2
1.3 常用的績效評價方法 3
1.3.1 平衡計分卡 3
1.3.2 關鍵績效指標評價法 4
1.3.3 目標管理導向的績效管理法 5
1.3.4 數據包絡分析 5
1.3.5 隨機前沿分析 6
1.4 幾種績效評價方法的比較 7
1.5 DEA基本思想與模型研究進展 8
1.5.1 數據包絡分析的C2R模型 9
1.5.2 BCC模型 10
1.5.3 其他的數據包絡分析模型 11
1.6 DEA應用研究進展 12
1.6.1 生產函數與技術進步研究 12
1.6.2 經濟系統與管理績效評價 13
1.7 DEA方法的特點 14
1.8 數據包絡分析方法存在的主要問題 15
1.9 本項目的主要研究成果 15
參考文獻 16
第2章 模糊數學相關知識 20
2.1 模糊集合 20
2.1.1 模糊集合的基本概念 20
2.1.2 模糊集合的運算及性質 24
2.2 模糊集合隸屬函數的確定方法 25
2.2.1 隨機性與可能性 25
2.2.2 概率統計與模糊統計 26
2.2.3 確定隸屬函數的統計方法 27
2.2.4 二元對比排序法 29
2.2.5 確定隸屬函數的原則 32
2.3 模糊集的截集及性質 34
2.4 模糊集的集合套定理與表現定理 41
2.5 模糊數及其運算 44
2.5.1 模糊數的概念 44
2.5.2 模糊數間的距離 45
2.6 可能性測度 46
2.6.1 可能性的公理化定義 46
2.6.2 模糊變量 50
參考文獻 52
第3章 數據融合工具 54
3.1 線性累積算子——線性回歸 54
3.1.1 線性累積工具——多元線性回歸分析 54
3.1.2 多元線性回歸模型參數估計的*小二乘法 56
3.1.3 數據的中心化和標準化 57
3.2 模糊數據的線性累積工具——模糊線性回歸分析 59
3.2.1 基于模糊*小二乘法的模糊多元線性回歸模型 59
3.2.2 模糊線性回歸模型的參數估計 60
3.2.3 應用實例 63
3.3 基于模糊支持向量機的模糊線性回歸 66
3.3.1 支持向量機 67
3.3.2 可能性測度 68
3.3.3 基于模糊訓練數據的分類型模糊支持向量機 70
3.3.4 基于模糊支持向量機的模糊線性回歸 74
3.4 交互作用變量的累積工具 76
3.4.1 容度 76
3.4.2 Choquet積分 78
3.4.3 基于模糊測度的模糊值函數的模糊Choquet積分 79
3.4.4 實值函數關于模糊值模糊測度的模糊Choquet積分 80
3.5 基于Choquet積分的非線性回歸 81
3.5.1 基于Choquet積分的非線性回歸模型 81
3.5.2 基于Choquet積分的非線性回歸的自適應進化算法 82
3.5.3 基于模糊Choquet積分的模糊非線性回歸分析 84
參考文獻 87
第4章 經典數據包絡分析 91
4.1 數據包絡分析的CCR模型 93
4.1.1 決策單元 93
4.1.2 基于投入導向的CCR模型 94
4.1.3 CCR模型的理論基礎 100
4.1.4 基于產出導向的CCR模型 103
4.2 數據包絡分析的BCC模型和加法模型 106
4.2.1 BCC模型的生產可能集 106
4.2.2 投入導向的BBC模型 108
4.2.3 基于產出導向的BCC模型 113
4.3 數據包絡分析加法模型CCGSS 116
參考文獻 121
第5章 經典模糊數據包絡分析 123
5.1 基于α-截集的模糊DEA模型 124
5.1.1 基于α-截集的模糊DEA模型(I) 124
5.1.2 基于α-截集的模糊DEA模型(II) 128
5.1.3 基于α-截集的模糊DEA模型(III) 131
5.2 基于模糊數序的模糊數據包絡分析 136
5.2.1 基于模糊數序的模糊數據包絡分析(I) 136
5.2.2 基于模糊數序的模糊數據包絡分析(II) 141
5.3 基于不確定性測度的模糊數據包絡分析 143
5.3.1 基于可能性測度的模糊數據包絡分析 143
5.3.2 基于可信性測度的模糊數據包絡分析 148
參考文獻 153
第6章 具有交互作用變量的數據包絡分析 155
6.1 具有交互作用變量的數據包絡分析基本模型與應用 156
6.1.1 具有交互作用變量的數據包絡分析模型 156
6.1.2 具有交互作用變量的數據包絡分析應用 159
6.2 具有交互作用變量的數據包絡分析在河北省三級甲等醫院績效評價中的應用 165
6.3 投入具有交互作用的數據包絡分析 174
6.3.1 投入具有交互作用的數據包絡模型 174
6.3.2 應用實例 176
參考文獻 179
第7章 具有交互作用模糊變量的數據包絡分析 181
7.1 可能性測度模型 182
7.1.1 數據包絡分析模型和交叉效率評價 182
7.1.2 模糊數和可能性測度 183
7.1.3 模糊測度與模糊值函數的模糊Choquet積分 185
7.1.4 具有交互作用模糊變量的模糊數據包絡分析 187
7.1.5 具有交互作用模糊變量的模糊數據包絡分析的應用 190
7.2 基于α-截集的模型 193
7.2.1 具有交互模糊變量的數據包絡分析的模糊效率模型 193
7.2.2 具有交互模糊變量的數據包絡分析的模糊效率模型的應用 197
參考文獻 199
第8章 不顯含投入的具有交互作用產出的數據包絡分析 202
8.1 不顯含投入的數據包絡分析模型(DEA-WEI) 203
8.2 不顯含投入的具有交互作用的DEA模型 205
8.3 不顯含投入的模糊數據包絡分析 208
8.3.1 模糊數及模糊數排序 208
8.3.2 不顯含投入的區間值DEA模型(IDEA-WEI) 209
8.3.3 不顯含投入的模糊DEA模型(FDEA-WEI) 211
參考文獻 215
第9章 數據包絡分析分類機的拓展 217
9.1 經典數據包絡分析分類機 219
9.1.1 分類機中“可接受域”的公理體系 220
9.1.2 交形式的可接受域和DEA分類機 222
9.1.3 具有偏好結構的DEA分類機 223
9.2 基于廣義DEA模型分段線性判別分析模型 227
9.2.1 數學模型 228
9.2.2 基于廣義DEA模型的分段線性判別分析模型的應用 232
9.3 模糊數據包絡分類機 233
9.3.1 DEA分類機(DCM) 234
9.3.2 可能性測度與模糊機會約束規劃 235
9.3.3 模糊數據包絡分析分類機模型及應用(FDEACM) 236
參考文獻 242
展開全部
交互作用變量的數據包絡分析 節選
第1章緒論 績效評價是依據一定的投入產出量化指標及評價標準，通過某種評價方法給出決策單元績效的一種評價方法，是評價決策單元實現其職能績效目標程度的一種評價方法，同時也可綜合評價實現這一績效目標的預算執行情況.對決策單元的績效評價是一種重要的生產系統管理方法，在生產活動和管理活動中具有廣泛的應用. 1.1績效的內涵 各個學派對于績效的定義有著不同的表述，總的來看，績效評價研究的是產出與投入之間或收益和成本之間的數量關系，其中衡量生產績效的指標是勞動生產率. Farrell是現代績效評價的開創者，Farrell(1957)基于生產前沿(production frontier)進行績效評價，并指出總體績效包括兩方面，即分析投入與產出之間關系的技術效率(technical efficiency，TE)和*適要素配置組合的配置效率(allocative efficiency，AE).從投入角度看，技術效率是指在既定的產出條件下，生產方所需付出的*少投入能力;從產出角度看，技術效率是指在既定的投入條件下，生產方所獲得的*大產出能力.所謂配置效率，是指在投入要素價格不變的條件下，生產方所能選擇的*合適的投入要素比例. 所謂規模績效，是指在*優規模下(即固定規模報酬)的生產情況.上述定義也就是經濟學中的理想化概念，只有在*優規模假設下，投入面與產出面所衡量的績效值才會相等.在以往的研究中，學者們為了測度和比較企業之間的經營效率，構建出很多效率，例如，負債率、流動率、資產報酬率等，然而這些并不能完整地反映出企業的全部情況.當出現多產出的情況時，各項產出并沒有共同的比較目標存在，這是測度績效*大的難點所在，尤其是在考察公益型單位(或組織)時更為明顯.在對兩個單位(或組織)的績效進行評價時，如果僅對現有的效率資料進行比較，在加權各項效率尚沒有一個客觀權重時，或是無法給出一個能夠測量效率轉換的函數之前，就不能夠判斷兩個單位(或組織)績效的優劣，除非一組的各項績效均優于另一組.其次，關于兩個單位(或組織)函數的選擇和權重的設定也缺乏客觀根據，主觀因素較多，體現出傳統方法的不足.*重要的是，上述模型并未考慮多要素投入產出以及改進的績效波動的情況.由于數據包絡分析法可以測度多要素投入和產出的問題，且無需事先設定函數模型的形式，而在用模型進行分析時，投入、產出要素權重的設定均來自于數學規劃模型，因此數據包絡分析法測度的結果可信度較高. 薩繆爾森在《經濟學》中曾說過，績效意味著不存在浪費，即當經濟在不減少一種物品生產的情況下，就不增加另一種物品的生產，它的運行便是有效率的.維爾弗雷多 帕累托提出了帕累托績效(Pareto efficiency)的概念，也被稱為帕累托*優(Pareto optimality)，從資源利用*大化的角度研究分析了經濟效率與收入分配之間的關系，在博弈論、社會科學和經濟學中，帕累托改進與帕累托*優都是績效中*重要的概念. 1.2績效評價 按照語義解釋，績效(performance)就是工作的“成績和功效”，從管理學觀點看，績效是指單位或部門為實現其組織目標所做的不同層面上的預期結果或有效產出，績效可理解為對組織成就、效果的全面、系統的表征.績效評價是一個多維評價，測量和觀察角度不同，其結果也會有區別.一般績效包括個人績效和部門績效兩個層面.從經濟學角度來看，績效與薪酬是指個人和部門或單位之間構建的一種平等的承諾關系，其中績效指個人對部門或單位的對等承諾關系，薪酬則是指部門或單位對個人承諾的實現. 績效是指組織或個人為了實現其確定的目標，采取的各種行動所產生的結果.績效評價是組織根據預先設定的評價程序和評價標準，利用某種評價方法，對評價對象的工作能力或工作業績進行綜合評價和考核的過程. 從主體層面劃分，績效可以分為部門績效、組織績效和個人績效三個層面.針對組織或部門的績效評價，是從效益和成就的維度出發，對某地區、某行業、某單位、某部門在某個時期所取得的事業和工作中的成果進行客觀評價的過程. 個人績效是指在完成預定工作目標與任務的過程中，個人所做出的體現工作成果的業績.針對管理者的績效評價，即管理績效(management performance)是管理者在工作中進行計劃、決策、授權與協調、指揮與控制等方面的工作的評價. 站在不同角度，所得出的績效評價的含義也有所不同，但總體而言，績效評價是管理者運用一定的評價指標體系對部門或單位(或個人)的整體運營效果所做的概括性評價，以發現組織的贏利能力、運營能力、償債能力和對社會的貢獻，為管理者和利益相關方提供相關信息，為組織提供組織績效的改進措施和努力方向. 績效評價的程序包括確定評價指標、制定評價標準和評價方法.確定評價指標是績效評價的基礎，沒有評價指標，就無法給出組織績效的績效水平.非營利性組織的績效評價較為復雜，學者們常用一套科學的指標體系進行表示. 以高等學校的績效評價為例，作為非營利性組織的高等學校的績效評價，對促進高等教育的發展具有非常大的意義.高等學校的績效評價，主要是對高等教育的產出和教育投入之間的對比關系的評價.高等教育的產出主要體現在高校的科學研究、社會服務等方面的產出成果和高校培養的學生兩個方面;高等教育的投入主要體現在高校辦學過程中人力、物力、財力資源的消耗上.因此，高校的績效評價就是對各種符合社會需求的教育產品的產出與各種教育要素的投入所進行的衡量和比較. 教育產出與教育投入的對比關系，反映出教育教學過程的特點，也體現了效率的概念.在教育資源投入既定的條件下，教育產品的產出越多，說明效益越好.反之，若教育投入較多，而教育的產出較少，則表明高校效益不高，辦學質量有待加強. 教育產出必須適應社會經濟發展的要求，這體現出了辦學的效果.如果教育的產出在結構、數量、質量等方面不能夠適應社會經濟發展的要求，就無法實現高校辦學的宗旨.因此為了提高高校辦學績效，不僅需要關注教育產出的社會貢獻度和需要度，更需要關注教育產出與教育投入的對應關系和教育績效在社會經濟發展的實現程度. 1.3常用的績效評價方法 績效評價分部門或單位績效評價和個人績效評價，以下重點介紹部門或單位績效評價，部門或單位績效評價是指部門或單位為了實現組織所確定的目標而進行的績效目標設定、績效考核評價、績效目標提升和績效結果應用的一整套循環過程，其目的是為了不斷提高部門或組織績效. 營利性部門或單位常用的績效評價方法主要包括：平衡計分卡(BSC)、關鍵績效指標(KPI)、目標管理導向的績效管理(MBO).除了這三種常用的績效評價方法以外，還有許多績效評價方法.這些績效評價方法各有其優越性和適用情形，在進行績效評價時，要充分考慮到部門或單位的具體情況，以績效為核心，秉承定性分析與定量分析相結合的原則，堅持多因素全面評價原則. 1.3.1平衡計分卡 平衡計分卡績效評價方法是根據單位或部門的長期規劃，確定與單位或部門績效目標密切關聯的，能充分體現部門或單位效益關鍵指標的業績評價系統.該評價系統有助于部門或單位戰略目標的實現，也有助于協助部門或單位發現成功的關鍵因素，以建立起一整套績效衡量指標，有利于實現部門或單位的戰略目標.作為一種戰略績效評價方法，平衡計分卡主要從三個方面去評價部門或單位績效. (1)客戶角度：客戶從產品性能、質量和服務等方面來考察部門或單位表現，滿足客戶需要，給客戶提供滿意的、高質量的服務和產品，提升部門或單位的核心競爭力，已成為部門或單位可持續發展的關鍵. (2)財務角度：部門或單位經營的直接結果是創造價值.雖然部門或單位的戰略目標有所不同，不同周期內對于利潤的追求有所區別，但從長遠來看，部門或單位都有其追求的*終目標. (3)學習與創新角度：部門或單位員工的能力素質對部門或單位發展關系密切，部門或單位及其員工要不斷地進行學習、創新，才能保障部門或單位戰略發展目標更好地實現. 平衡計分卡的績效評價方法有很多優點，主要優點如下：①能保持動因和結果指標的平衡.比如客戶的滿意指標的提升能夠促使部門或單位銷售量擴大，進而使部門或單位的利潤提高.其中，客戶滿意度就是動因指標，而利潤就是它的一種結果指標 ②非財務指標與財務指標的平衡.在平衡計分卡中，既包括非財務指標，如員工滿意度、客戶保持率等，又包括營業收入、利潤等財務指標. ③內部指標與外部評價指標的平衡.例如企業績效評價中，員工的培訓次數、產品的合格率等是內部評價指標，而客戶滿意度指標則是外部評價指標. ④短期、長期指標的平衡.平衡計分卡既有長期指標，如客戶和員工滿意度等，也包括利潤、成本等短期指標. ⑤客觀評價指標與主觀評價指標的平衡.如企業的員工滿意度、客戶滿意度等是主觀評價指標，而企業利潤、投資回報率等是客觀評價指標. 1.3.2關鍵績效指標評價法 關鍵績效指標評價法是一種目標式量化管理指標，它是對被評價的組織系統內部某一單元的投入端、產出端的關鍵指標進行設定、取樣、計算和分析，去評價這一流程的績效，它將部門或單位的戰略目標分解為一系列可運作的遠景目標，關鍵績效指標評價法是部門或單位績效管理系統的基礎.關鍵績效指標評價法已普遍地運用于現代企業的績效評價.該方法將企業業績指標與企業的戰略緊密聯系起來，是對績效管理的*大貢獻，也是關鍵績效指標評價法績效評價的核心.關鍵績效指標評價法中的“關鍵”是指某一階段部門或單位(包括企業)戰略上要解決和處理的*關鍵問題. 關鍵績效指標評價法有很多優點，主要包括：一是可以為各級管理者客觀、準確地制定其各級戰略目標提供幫助;二是有利于各級管理者知曉本部門在組織戰略目標實現中的地位和職責，避免部門之間的本位主義，可以使管理者著眼于全局來分析自己.“金無足赤，人無完人”，關鍵績效指標評價法盡管有著種種的優點，它也不可避免地存在著缺點.關鍵績效指標評價法的主要缺點也有兩個.一是盡管該方法正確地強調了戰略的成功實施，必須以一整套與戰略實施關系密切的關鍵績效指標做保證，但企業績效目標的分解與其基層管理和操作人員關系較小.二是關鍵績效指標評價法沒有提供一套操作性強的具有指導意義的指標框架系統. 1.3.3目標管理導向的績效管理法 目標管理導向的績效管理，指的是為了實現單位或部門績效目標，選取恰當的關鍵性指標，將評價過程和管理過程有機結合起來，通過績效管理機制嚴格控制和管理關鍵環節，充分調動營銷人員的積極性和創造性，激發營銷組織的經營活力，以實現營銷組織中管理與經營的統一. 目標管理導向的績效管理法有兩個優點：一是將目標管理與績效評價過程相融合，形成了績效管理中計劃、考評、指導和激勵過程的完整閉環;二是在嚴格管理和控制關鍵環節的基礎上，激發了營銷組織的經營活力，充分發揮了激勵和牽引功能，實現了經營和管理的有機結合.但是目標管理導向的績效管理法也存在著三個缺點：一是要消耗管理者大量的時間和精力去制定各部門、各崗位的工作計劃;二是在公司制度上有明確規定，目標管理導向的績效管理法要求部門或單位的員工擁有為實現組織目標而做出貢獻的愿望;三是對企業營銷隊伍的素質有較高要求.它明確要求營銷人員具備較高的個人素質和學習能力，同時具有較好的團隊合作意識. 以上簡單介紹了營利性單位或部門績效評價的方法，目前對非營利性的部門和單位的績效評價方法主要采用數據包絡分析(DEA)和隨機前沿分析(SFA). 1.3.4數據包絡分析 數據包絡分析(data envelopment analysis，DEA)，是1978年由美國著名運籌學家Charnes等[1]首先提出的一種績效評價方法.DEA是運用數學模型評價具有多投入、多產出的“部門”或“單位”(稱為決策單元，decision making unit，DMU)之間相
書友推薦
- >
唐代進士錄
- >
李白與唐代文化
- >
中國歷史的瞬間
- >
我從未如此眷戀人間
- >
自卑與超越
- >
史學評論
- >
煙與鏡
- >
山海經
本類暢銷
