| Project/Area Number |
22K14443
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 25010:Social systems engineering-related
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
Zhao Yu 東京理科大学, 経営学部経営学科, 講師 (40879384)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2024: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
|
|---|
| Keywords | 不確実性 / 効率性の評価 / フロンティア推定法 / データ包絡分析法 / フロンティアの推定法 / 非効率性 / データの確率的変動 / 効率性尺度 / 多入力多出力システム / データ包絡分析法(DEA) / 効率性分析 / 統計的手法 / 確率的変動 |
|---|
| Outline of Research at the Start |
情報化社会と言われる現代では、生産や経営管理の現場の多種多様なデータを駆使して業務の効率化を図ることが必要であり、データ包絡分析法（Data Envelopment Analysis; DEA）による分析が様々な分野で広く行われている。しかしながら、データには観測誤差などの不確実性が存在しているにもかかわらず、データの確率的変動を取り入れたDEAモデルの開発は十分に行われているとは言えない。本研究の目的は、不確実性環境下におけるDEAモデルの開発である。具体的には、データの確率的変動を取り入れた生産フロンティアの推定方法を構築し、実用的で信頼性の高い確率的効率性尺度を開発することである。
|
| Outline of Final Research Achievements |
This study develops a novel method for estimating production frontiers under uncertainty in multi-input, multi-output systems, based on Data Envelopment Analysis (DEA). Traditional DEA models often fail to adequately account for stochastic fluctuations and measurement errors in the data, resulting in limited accuracy in frontier estimation. To address this issue, the proposed approach integrates statistical learning theory, machine learning, and information theory to enhance the precision and flexibility of both frontier and efficiency estimation. Simulation studies and empirical applications demonstrate that the proposed method outperforms existing DEA models in terms of accuracy and robustness.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究は、DEAに不確実性を導入することで、従来の決定論的モデルでは捉えきれなかったデータの確率的変動や観測誤差に対応可能な理論的枠組みを提示した点で学術的意義がある。統計的学習理論や機械学習との融合により、効率性評価の精度と汎用性を高めた。また、提案手法は、医療、金融、公共部門など、実社会での意思決定支援にも応用可能であり、限られた資源の有効活用やサービスの質の向上に貢献する社会的意義を有する。
|
