การแก้ไขความเอนเอียงและช่วงความเชื่อมั่นสำหรับคะแนนประสิทธิภาพด้วย Bootstrap DEA
Bootstrap Data Envelopment Analysis (Bootstrap DEA) เป็นส่วนขยายของการวิเคราะห์การปกปิดข้อมูล (DEA) แบบมาตรฐานที่ใช้การสุ่มตัวอย่างซ้ำ เพื่อให้ได้การอนุมานทางสถิติที่ถูกต้องสำหรับคะแนนประสิทธิภาพ การวิเคราะห์นี้ถูกนำเสนอโดย Simar และ Wilson ในปี 1998 เพื่อแก้ไขจุดอ่อนหลักของ DEA แบบคลาสสิก คือ ความไม่สามารถวัดความไม่แน่นอนในคะแนนที่ประมาณค่าได้ โดยการสร้างช่วงความเชื่อมั่นแบบ bootstrap และการประมาณค่าประสิทธิภาพที่แก้ไขความเอนเอียงจากส่วนหน้าจำลองที่สุ่มตัวอย่างซ้ำหลายครั้ง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Simar, L., & Wilson, P. W. (1998). Sensitivity analysis of efficiency scores: How to bootstrap in nonparametric frontier models. Management Science, 44(1), 49–61. DOI: 10.1287/mnsc.44.1.49 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Bootstrap Data Envelopment Analysis. ScholarGate. https://scholargate.app/th/efficiency-analysis/bootstrap-dea
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- การอนุมานแบบบูตสแตรปสถิติศาสตร์↔ compare
- Network DEAการวิเคราะห์ประสิทธิภาพ↔ compare