| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 选题背景与研究目的 | 第10-11页 |
| 1.2 数据包络分析方法 | 第11-14页 |
| 1.2.1 CCR模型 | 第11-12页 |
| 1.2.2 BCC,FG,ST模型 | 第12-13页 |
| 1.2.3 SBM模型 | 第13页 |
| 1.2.4 两阶段数据包络分析模型 | 第13-14页 |
| 1.3 文献回顾与评述 | 第14-18页 |
| 1.3.1 文献回顾 | 第15-17页 |
| 1.3.2 文献评述 | 第17-18页 |
| 1.4 研究内容与主要创新点 | 第18-19页 |
| 1.5 本文结构 | 第19-20页 |
| 第二章 全局权重效率分析模型 | 第20-44页 |
| 2.1 问题提出 | 第20-22页 |
| 2.2 全局权重效率分析模型的构造 | 第22-24页 |
| 2.2.1 封闭权重可行域的构造 | 第22-23页 |
| 2.2.2 可行域的体积比与凸多面体内随机取样算法 | 第23-24页 |
| 2.3 全局权重效率分析模型的分析方法 | 第24-31页 |
| 2.3.1 效率分析 | 第25-27页 |
| 2.3.2 占优分析 | 第27-29页 |
| 2.3.3 排名分析 | 第29-31页 |
| 2.4 基于概率的效率改进方法 | 第31-32页 |
| 2.4.1 效率改进方法 | 第31页 |
| 2.4.2 效率改进算例 | 第31-32页 |
| 2.5 全局权重效率分析模型与传统数据包络分析模型的关系 | 第32-35页 |
| 2.5.1 CCR,交叉效率,保证域数据包络分析方法 | 第33-34页 |
| 2.5.2 超效率数据包络分析模型 | 第34-35页 |
| 2.5.3 排名区间 | 第35页 |
| 2.6 算例 | 第35-42页 |
| 2.6.1 数据集与算例目的 | 第35-36页 |
| 2.6.2 计算结果与分析 | 第36-42页 |
| 2.7 本章小结 | 第42-44页 |
| 第三章 基于CDD算法的SBM改进方法 | 第44-64页 |
| 3.1 问题提出 | 第44-45页 |
| 3.2 SBM模型与凸包算法 | 第45-49页 |
| 3.2.1 SBM原始模型 | 第45-46页 |
| 3.2.2 Tone (2010)中的SBM改进方法 | 第46-47页 |
| 3.2.3 凸包算法和CDD算法包 | 第47-49页 |
| 3.3 基于CDD的SBM改进方法 | 第49-58页 |
| 3.3.1 CDD的使用与不足 | 第49-50页 |
| 3.3.2 规模收益不变假设下的方法 | 第50-54页 |
| 3.3.3 规模收益可变假设下的方法 | 第54-58页 |
| 3.4 算例 | 第58-63页 |
| 3.4.1 数据集与算例目的 | 第58-59页 |
| 3.4.2 计算结果与分析 | 第59-63页 |
| 3.5 本章小结 | 第63-64页 |
| 第四章 改进的领导-跟随结构两阶段SBM模型以及其的应用 | 第64-76页 |
| 4.1 问题提出 | 第64-66页 |
| 4.2 领导-跟随结构的两阶段SBM模型 | 第66-68页 |
| 4.3 模型的改进 | 第68-69页 |
| 4.4 模型在中国商业银行效率评价的应用 | 第69-74页 |
| 4.4.1 数据集与算例目的 | 第69-71页 |
| 4.4.2 结果与分析 | 第71-74页 |
| 4.4.3 小结 | 第74页 |
| 4.5 本章小结 | 第74-76页 |
| 第五章 结论与展望 | 第76-78页 |
| 5.1 结论 | 第76-77页 |
| 5.2 未来研究展望 | 第77-78页 |
| 附录 | 第78-90页 |
| 附录-A 27个机器人的AFSD占优分析 | 第78-82页 |
| 附录-B 定理证明 | 第82-86页 |
| 附录-C CDD算法包输入文件 | 第86-89页 |
| 附录-D 跟随-领导结构两阶段SBM模型 | 第89-90页 |
| 参考文献 | 第90-98页 |
| 致谢 | 第98-100页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第100页 |
