In this essay, we use two stage data envelopment analysis (Two-stage DEA) with an application to evaluate the efficiency of six teams from Chinese Professional Baseball League (CPBL) during 2004 to 2005. In the essay, we use three methods to develop the research. First, we use the Window Analysis based on fewer DMUs situation. Second, the modification across different period has been made by Malmquist Index Analysis. Last one is Cross Efficiency; we use it for ranking efficiency performance for those teams during 2004 to 2005. According to above methods, it shows that: 1. the efficiency performance of Brother Elephants, Sinon Bulls, Chinatrust Whales, Uni Lions in the management stage is better than it in the production stage, vice versa Macoto Cobras and La new Bears in the production stage is better than management stage. 2. Each team is over optimal scale in the production stage during 2004 to 2005. 3. The result of overall performance during is shown as following place: Bulls, Elephants, Lions, Cobras, Whales, Bears; the orders in production stage are Cobras, Whales, Bulls, Bears, Elephants, Lions; the orders in management stage are Elephants, Bulls, Lions, Cobras, Bears, Whales. 4. The Malmquist Productivity Index across different period each year indicates that only La new Bears reach 4.7% according average growth rate.

El objetivo en esta Memoría ha sido el análisis de eficiencia de un determinado sector empresarial, teniendo en cuenta dos problemas casi siempre presentes, y de naturaleza muy diferente, por una parte, que los datos que se manejan pueden ser imprecisos y, por tanto, afectar al resultado de cualquier estudio de eficiencia y, por otra parte, el deseo de ordenar las empresas (Unidades De Toma de Decisión) atendiendo a la medición de su eficiencia. Para la medición de la eficiencia se ha recurrido a la metodología no paramétrica del Análisis Envolvente de datos (DEA) aplicandola a empresas del sector textil muy cercanas a nosotros. Ahora bien, dado que consideramos que siempre existe alguna incertidumbre o un posible error en la medición de algunos datos (inputs y outputs), introducimos la limitación de la certeza con el tratamiento fuzzy de los datos, métodos que no requieren conocer ni aplicar hipótesis sobre distribuciones de probabilidad de esos datos, que dicho sea de paso, podría no ser fáctible bajo determinados supuestos de incertidumbre. Pero además de la medir la eficiencia pretendemos proporcionar más información que la mera separación dicotómica entre empresas eficientes o no eficientes. Para ello desarrollamos y aplicamos los modelos de super-efficiencyfuzzy y cross-efficiency-fuzzy, que nos permiten establecer una ordenación bajo incertidumbre. Con este trabajo hemos realizado un estudio amplio de la eficiencia bajo incertidumbre. Se observa que los resultados obtenidos aplicando los distintos métodos son similares. Además, estos métodos proporcionan más información sobre las unidades estudiadas que las que proporciona un solo índice de eficiencia. Estos métodos pueden ser aplicables a otros tipos de empresas, aportando nueva información que puede ayudar u orientar en la toma de decisiones de sus gestores / Pla Ferrando, ML. (2013). Modelos flexibles para la valoración de la eficiencia [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/31521 / TESIS

L'évaluation croisée d'efficacité basée sur la data envelopment analysis (DEA) a été largement appliquéepour l'évaluation d'efficacité et le classement des unités de prise de décision (decision-making units, DMUs). A l’heureactuelle, cette méthode présente toujours deux défauts majeurs : la non-unicité des poids optimaux attachés aux entréeset aux sorties et la non Pareto-optimalité des résultats d’évaluation. Cette thèse propose des méthodes alternatives poury remédier. Nous montrons d’abord que les efficacités croisées visées dans les modèles traditionnels avec objectifssecondaires ne sont pas toujours atteignables pour toutes les DMUs. Nous proposons ensuite un modèle capable detoujours fournir des objectifs d'efficacité croisée atteignables pour toutes les DMUs. Plusieurs nouveaux modèles avecobjectifs secondaires bienveillants ou agressifs et un modèle neutre sont proposés. Un exemple numérique est utilisépour comparer les modèles proposés à ceux qui existent dans la littérature. Nous présentons ensuite une approched'évaluation croisée d'efficacité basée sur l'amélioration de Pareto. Cette approche est composée de deux modèles etd’un algorithme. Les modèles sont utilisés respectivement pour estimer si un ensemble donné de scores d’efficacitécroisée est Pareto-optimal et pour améliorer l’efficacité croisée de cet ensemble si cela est possible. L'algorithme estutilisé pour générer un ensemble Pareto-optimal de scores d'efficacité croisée pour les DMUs. L'approche proposéeest finalement appliquée pour la sélection de projets de R&D et comparée aux approches traditionnelles. En outre,nous proposons une approche d’évaluation croisée d’efficacité qui traite simultanément les deux problématiquesmentionnées ci-dessus. Un modèle de jeu de négociation croisée est proposé pour simuler la négociation entre chaquecouple de DMUs au sein du groupe afin d'identifier un ensemble unique de poids à utiliser pour le calcul de l'efficacitécroisée entre eux. De plus, un algorithme est développé pour résoudre ce modèle via une suite de programmes linéaires.L'approche est finalement illustrée en l'appliquant à la sélection des fournisseurs verts. Enfin, nous proposons uneévaluation croisée d'efficacité basée sur le degré de satisfaction. Nous introduisons d'abord la nation de degré desatisfaction de chaque DMU sur les poids optimaux sélectionnés par les autres. Ensuite, un modèle max-min est fournipour déterminer un ensemble des poids optimaux pour chaque DMU afin de maximiser tous les degrés de satisfactiondes DMUs. Deux algorithmes sont ensuite développés pour résoudre le modèle et garantir l’unicité des poids optimauxde chaque DMU, respectivement. Enfin, l’approche proposée est appliquée sur une étude des cas pour la sélection detechnologies. / Data envelopment analysis (DEA) cross-efficiency evaluation has been widely applied for efficiencyevaluation and ranking of decision-making units (DMUs). However, two issues still need to be addressed: nonuniquenessof optimal weights attached to the inputs and outputs and non-Pareto optimality of the evaluationresults. This thesis proposes alternative methods to address these issues. We first point out that the crossefficiencytargets for the DMUs in the traditional secondary goal models are not always feasible. We then givea model which can always provide feasible cross-efficiency targets for all the DMUs. New benevolent andaggressive secondary goal models and a neutral model are proposed. A numerical example is further used tocompare the proposed models with the previous ones. Then, we present a DEA cross-efficiency evaluationapproach based on Pareto improvement. This approach contains two models and an algorithm. The models areused to estimate whether a given set of cross-efficiency scores is Pareto optimal and to improve the crossefficiencyscores if possible, respectively. The algorithm is used to generate a set of Pareto-optimal crossefficiencyscores for the DMUs. The proposed approach is finally applied for R&D project selection andcompared with the traditional approaches. Additionally, we give a cross-bargaining game DEA cross-efficiencyevaluation approach which addresses both the issues mentioned above. A cross-bargaining game model is proposedto simulate the bargaining between each pair of DMUs among the group to identify a unique set of weights to beused in each other’s cross-efficiency calculation. An algorithm is then developed to solve this model by solvinga series of linear programs. The approach is finally illustrated by applying it to green supplier selection. Finally,we propose a DEA cross-efficiency evaluation approach based on satisfaction degree. We first introduce theconcept of satisfaction degree of each DMU on the optimal weights selected by the other DMUs. Then, a maxminmodel is given to select the set of optimal weights for each DMU which maximizes all the DMUs’satisfaction degrees. Two algorithms are given to solve the model and to ensure the uniqueness of each DMU’soptimal weights, respectively. Finally, the proposed approach is used for a case study for technology selection.

Submitted by Secretaria Pós de Produção (tpp@vm.uff.br) on 2017-07-27T20:13:22Z No. of bitstreams: 1 M2016 - Luciana Goncalves Machado.pdf: 2482659 bytes, checksum: 3ac159b63cc689c036151eb3fcedb4de (MD5) / Made available in DSpace on 2017-07-27T20:13:22Z (GMT). No. of bitstreams: 1 M2016 - Luciana Gonçalves Machado.pdf: 2482659 bytes, checksum: 3ac159b63cc689c036151eb3fcedb4de (MD5) / O objetivo do presente estudo é propor um modelo para a identificação de benchmarks combinando DEA (Data Envelopment Analysis) Game com uma análise de cluster. O DEA Game busca, em um jogo não cooperativo, não apenas a eficiência ideal para uma unidade tomadora de decisão (DMU, do inglês Decision Making Unit), mas também para todos as demais. Uma vez que a abordagem tradicional de DEA Game só fornece o valor das eficiências, este estudo também faz uma análise de agrupamento através da utilização de uma técnica de agrupamento hierárquico, conhecida como método de Ward, a fim de obter referências mais realistas. Estes benchmarks são obtidos na análise de cluster, em que as unidades semelhantes são agrupadas, e é definida como referência a DMU mais eficiente em cada cluster. Permitindo, desta forma, que as unidades ineficientes definam metas e objetivos mais tangíveis para melhorar seu desempenho no futuro. Ao final do trabalho, o modelo proposto é aplicado ao setor de distribuição de energia elétrica e são apresentadas conclusões a partir deste estudo de caso. / This study aims to propose a model for the benchmarks identification combining DEA (Data Envelopment Analysis) Game with a cluster analysis. The DEA Game seeks, in a non-cooperative game, not just the ideal efficiency for one Decision Making Unit (DMU), but also for all the others. Since the traditional approach of DEA Game only provides efficiency rates this study will also make a cluster analysis using hierarchical clustering technique, known Ward’s method, in order to obtain realistic benchmarks. These benchmarks will be obtained in the cluster analysis, where similar units will be grouped, by defining as benchmark the DMU more efficient in each cluster. Allowing in this way the inefficient units set tangible goals and objectives to improve their performance in the future. Finally, the proposed model is applied to electricity distribution industry and conclusions are presented from this case study