DEA-LSSVM项目效率评估与预测方法研究及其应用

摘要

效率是通过项目输出与输入之间的比值关系来考评项目运作情况的综合评价指标。通俗来讲，若一个项目相较于其他项目，以更低的输入得到更高的输出，则该项目相对其他项目的效率更高。对项目效率进行系统、客观的评估与精确的预测有助于制定科学的项目管理计划，提高有限的项目资源的利用率。
　　本文根据国内外研究现状，提出了DEA-LSSVM项目效率评估与预测模型。模型利用数据包络分析(DEA)方法建立项目效率评估指标体系，进行项目效率评估与相关分析;并且使用最小二乘支持向量机(LSSVM)方法以DEA项目效率评估结果为基础对项目效率进行回归，以达到通过项目输入预测项目效率的目的。模型结合了DEA方法无需事先了解输入与输出间函数关系、指标权重客观性强的优点与LSSVM方法优越的预测和泛化能力，客观评估了项目效率，并突破了DEA方法需要同时知道项目输入与输出值才能进行效率评估的局限性，达到了项目效率预测的目的，为项目管理和资源规划提供了依据。
　　本文以健康类科研项目为研究对象，通过NIH网站公布的1237个健康类科研项目数据对DEA-LSSVM模型进行实证和检验，横向分析了该类项目总体效率，纯技术效率和规模效率，指出了大多数项目输入输出不匹配，效率低下的情况及原因;随后以交叉验证均方差RMSECV和判决系数R2为检验标准，通过交叉验证法分别得出本模型与多元线性回归方法对项目效率的预测精度并进行比较。实验结果表明，本模型对项目效率的预测精度优于多元线性回归方法。本模型对总体效率和规模效率的预测精度高，而纯技术效率的预测精度低，本文分析了后者发生的原因，并综合判断模型具有一定程度的参考价值。本文验证了DEA-LSSVM的项目效率评估与预测模型在健康类科研项目上应用的可行性，并认为该模型也可以推广到其他类型的项目应用中。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 研究现状

1．2．1 效率评估方法

1．2．2 效率预测方法

1．2．3 健康类科研项目

1．3 研究意义

1．4 本文的结构

第二章 DEA-LSSVM项目效率评估与预测模型理论基础

2．1 数据包络分析(Data Envelopment Analysis)

2．1．1 数据包络分析简介

2．1．2 数据包络分析通用模型

2．2 支持向量机(Support Vector Machine)

2．2．1 支持向量机简介

2．2．2 SVM分类

2．2．3 SVM回归

2．2．4 最小二乘支持向量机(LSSVM)

2．3 本章小结

第三章 DEA-LSSVM项目效率评估与预测模型构建

3．1 DEA-LSSVM项目效率评估与预测模型具体步骤

3．1．1 数据预处理

3．1．2 指标筛选

3．1．3 DEA项目的效率评估及分析

3．1．4 LSSVM项目效率的预测方法

3．2 DEA-LSSVM项目效率评估与预测模型检验

3．3 本章小结

第四章 健康类科研项目的实证与检验

4．1 样本数据集

4．2 评估指标选取

4．3 项目评估与效率分析

4．4 项目效率预测

4．4．1 总体效率TE的预测

4．4．2 纯技术效率PTE的预测

4．4．3 规模效率SE的预测

4．5 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

附录

参考文献

攻读硕士期间所发表论文与参与项目

致谢