Value Efficiency Analysis - menetelmä ja sovellus Mat-2.4142 Optimointiopin seminaari Kevät 2013 Esitelmä #6 Tuomas Lahtinen Työn saa tallentaa ja julkistaa.

Slides:



Advertisements
Samankaltaiset esitykset
MB 3 Lineaarisia polynomifunktioita
Advertisements

Kuperan linssin piirto- ja laskutehtävä 2005
Analyyttinen geometria MA 04
DEA-perusteiset resurssien allokointimallit Mat Optimointiopin seminaari Kevät 2013 Esitelmä 10 Juuso Saarnikko Työn saa tallentaa ja julkistaa.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 2 - Kim Björkman Optimointiopin seminaari - Kevät 2007 / 1 Yksiulotteiset kuvaukset.
Luottoriskit Esitys 14 Tero Jokinen
Tuottavuuden vertailu APR- terveyskeskusten välillä sekä Jyväskylän vastaanottotoiminnan tuottavuuden muutoksesta toimintakäytäntöjen muutoksen myötä Jarmo.
Mat Optimointiopin seminaari, Syksy 2010
ComPa- projektin aloitusseminaari Muurmansk TOIMINTATUTKIMUS KEHITTÄMISEN VÄLINEENÄ KYÖSTI KURTAKKO PROFESSORI LAPIN YLIOPISTO.
Epätäydellinen data & herkkyysanalyysi Mat Optimointiopin seminaari Kevät 2013 Kotitehtävä 9 - Ratkaisu Ilkka Lampio Työn saa tallentaa.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ari Tiainen Optimointiopin seminaari - Kevät 2005 / 1 Käänteisoptimointiin perustuvat huutokaupat.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Fraktaalit – Ville Brummer Optimointiopin seminaari - Kevät 2007 Fraktaalit Ville Brummer.
Sisältö: Johdanto kryptografiaan Salakirjoitus
Epätäydellinen data & herkkyysanalyysi
Johdanto DEA- tehokkuusanalyysimenetelmiin ja CCR-DEA Tuomas Lahtinen
Muita DEA malleja: BCC ja additiivinen malli Mat Optimointiopin seminaari Kevät # Tuomas Mattila Työn saa tallentaa ja julkistaa Aalto-yliopiston.
1.2.1 KÄÄNTEISFUNKTIO JA SEN KUVAAJA
1.1. Itseisarvo * luvun etäisyys nollasta E.2. Poista itseisarvot
T Personal SE assignment Project progress tracking and control.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 20 – Karin Ahlbäck Optimointiopin seminaari - Syksy Esitelmä.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 16 - Jarto Niemi Optimointiopin seminaari - Kevät 2007 Kaaos differentiaaliyhtälöissä,
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Kaisa Parkkila Systeemitieteiden kandidaattiseminaari – Kevät ”Rakenneyhtälömallinnus sekä.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 17 – Kaarlo Väisänen Optimointiopin seminaari - Kevät 2007 Kompleksisuuden teoria ja organisaaatiotiede.
Soveltuuko asiantuntijatehtävien luokittelu tutkijoiden, yliopistojen ja rahoittajien käyttöön? RAKETTI-TUTKI / Tietomallityöryhmän seminaari
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 3 - Outi Somervuori Optimointiopin seminaari - Kevät 2010 The trouble with choice: Studing.
Work Research Centre University of Tampere Toisen asteen koulutuksen läpäisemistä ja keskeyttämistä koskeva tutkimus Simo Aho.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 28 – Tuukka Sarvi Optimointiopin seminaari - Syksy 2005 / 1 Ratkaisu kotitehtävään 28 Tuukka.
Aikasarja-analyysin perusteet
Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (valmiin työn esittely) Jussi Hirvonen Ohjaaja: Eeva Vilkkumaa Valvoja:
Elliptiset jakaumat Esitys 6 kpl Tuomas Nikoskinen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta.
Koveran linssin piirto- ja laskutehtävä 2005
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 11 - Teemu Mutanen Optimointiopin seminaari - Syksy 2005 / 1 Lisätiedon arvo.
Korkeakoulujen tietomalli: Tutkimus
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Mark Mehtonen Optimointiopin seminaari - Kevät 2005 / 1 Tarjontaketjun hallinta ja sähköinen kaupankäynti.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 18 – Otto Sormunen Optimointiopin seminaari - Syksy 2010 Tukivektorikoneet.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 9 – Henri Hytönen Optimointiopin seminaari - Kevät 2007 Kaoottiset attraktorit
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2010 Lineaarinen.
2.2.2 Avaruuden vektori koordinaatistossa
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 9 - Jaakko Niemi Optimointiopin seminaari - Syksy 2005 / 1 Virittäminen (Tuning) s
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 4 – Jussi Kangaspunta Optimointiopin seminaari - Kevät 2007 Kaksiulotteiset kuvaukset 2/2.
S ysteemianalyysin Laboratorio Aalto-yliopiston Teknillinen korkeakoulu Esitelmä 10 – Epäoikeudenmukaisuuden karttaminen Tuomas Nummelin Optimointiopin.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 18 – Juho Kokkala Optimointiopin seminaari - Kevät 2007 Stabiilit monistot ja kriisit Mat
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 17 – Tuomas Nummelin Optimointiopin seminaari - Syksy 2010 Tukivektorikoneet.
S ysteemianalyysin Laboratorio Aalto-yliopisto Johdanto – Antti Punkka Optimointiopin seminaari - kevät 2011 Portfoliopäätösanalyysi- ja tehokkuusmallit.
Miten vaikutuksia mitataan?
Menetelmä Markowitzin mallin parametrien estimointiin (aihe-esittely)
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 11 – Tuomas Nummelin Optimointiopin seminaari - Syksy 2010 Lokaalit uskottavuusmenetelmät.
Suomen rautatieverkoston robustisuus (aihe-esittely)
Ratio based efficiency analysis Mat Optimointiopin seminaari Kevät 2013 Esitelmä # Tuomas Mattila Työn saa tallentaa ja julkistaa Aalto-yliopiston.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 23 – Juho Kokkala Optimointiopin seminaari - Syksy 2005 / 1 IEJ-puut, yhteisjakaumat, A-kyllästetyt.
Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (aihe-esittely) Jussi Hirvonen Ohjaaja: Eeva Vilkkumaa Valvoja: Ahti Salo.
XSL Teppo Räisänen
Kotitehtävän 2 malliratkaisu Mat Optimointiopin seminaari Kevät 2013 Kotitehtävä #2 Juho Andelmin Työn saa tallentaa ja julkistaa Aalto-yliopiston.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 4 – Janne Nurmi Optimointiopin seminaari - Kevät 2008 Kotitehtävä 4 - Ratkaisu
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 5 – Matti Sarjala Optimointiopin seminaari - Kevät 2008 Kotitehtävien ratkaisut
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 22 – Jussi Kangaspunta Optimointiopin seminaari - Syksy 2010 Ohjaamaton.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2000 / 1 Potentiaalien kertaus ja.
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 11 – Tuomas Nummelin Optimointiopin seminaari - Syksy 2010 Tukivektorikoneet.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Pekka Mild Optimointiopin seminaari - Syksy 2005 / 1 Monitavoitteiset vaikutuskaaviot; Ratkaisu.
Riskimitat Value-at-Risk (VaR) ja Expected Shortfall (ES) Joonas Ollila 14. syyskuuta 2011 Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
Skaalatuotot - kotitehtävä Mat Optimointiopin seminaari Kevät 2013 Ratkaisu Ilkka Lampio Työn saa tallentaa ja julkistaa Aalto-yliopiston.
Kotitehtävän 8 ratkaisu Janne Kunnas Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki oikeudet.
MAB3 suorat.
1 Helsinki University of Technology Systems Analysis Laboratory Robusti portfoliomallinnus (RPM) Juuso Liesiö, Pekka Mild, Ahti Salo ja Antti Punkka
Projektityökurssi KLTITE05SU/OH Projektitöiden seminaariohjeet.
Radiotaajuuksien generointimenetelmä Markus Hiltunen Ohjaaja: Kai Virtanen Valvoja: Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston.
Elliptiset jakaumat Kotitehtävän 6 ratkaisu Tuomas Nikoskinen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki.
tekijä: Kari Martelius valvoja: Raimo Kantola
3. Terveystottumusten tutkiminen
Suoran yhtälön muodostaminen, kun suoralta tunnetaan 2 pistettä
Esityksen transkriptio:

Value Efficiency Analysis - menetelmä ja sovellus Mat Optimointiopin seminaari Kevät 2013 Esitelmä #6 Tuomas Lahtinen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki oikeudet pidätetään.

Sisältö Johdanto Arvofunktio, mieluisin DMU Arvojen huomioonotto tehokkuusanalyysissä: VEA- menetelmä VEA-menetelmän sovellus yliopisto-osastojen tehokkuuden arvoinnissa

Johdanto CCR- ja BCC-menetelmillä estimoidaan tehokkuusrintama (=mihin pystytään) annetun DMU-joukon perusteella CCR-menetelmässä oletetaan vakioskaalatuotot ja BCC- menetelmässä ei Menetelmissä DMU:n tehokkuus lasketaan suhteena: etäisyys origosta/referenssipisteen etäisyys origosta Selville saadaan myös kunkin DMU:n referenssijoukko, joka voi olla hyödyllinen mahdollisia tehokkuusparannuksia mietittäessä Tehokkuuslukujen käyttäminen DMU:iden ränkkäämiseen on kuitenkin kyseenalaista. Esim. a:n tehokkuus on 0.6, b:n tehokkuus on 0.4. Kuitenkin on mahdollista, että DM preferoi b:n CCR-projektiota a:n CCR- projektioon huomattavasti: esim. ”vaihtaisin kaksi a:n CCR- projektiota yhteen b:n CCR-projektioon”.

Arvofunktio

Most preferred solution (MPS)

Arvotehokkuus

Approksimaatio arvotehokkuudeen määrittämiseksi Jos arvofunktio tunnettaisiin, niin DMU:ille voisi suoraan laskea arvot kuvaamaan niiden mieluisuutta Käytännössä oletetaan, että v:tä, eikä sen u*-kautta kulkevaa indifferenssikäyrää tunneta, oletetaan kuitenkin v pseudokonkaaviksi Arvotehokkuudenlaskentamallissa lasketaan ylärajat arvotehokkuuksille, käyttämällä tarkan arvofunktion sijaan käyvän alueen tangentteja kohdassa u* CCR-DEA, 2 output, 1 input u* kahden todellisen DMU:n välissä CCR-DEA, 2output, 1 input, u* = a u*

Alla olevissa kuvissa arvotehokkuuden määrittäminen, kun skaalatuottoja koskevat oletukset ovat BCC-mallin mukaiset Punaisen katkoviivan sisäänsä sulkevaa aluetta kutsutaan tangenttikartioksi u*

CCR ja BCC kertaus

VEA-optimointimalli x

Laskuesimerkki DMU1DMU2DMU3DMU4DMU5DMU6 Output Input DMU5 tehokkuus:

Sovellus: VEAn käyttö akateemisen tutkimuksen tehokkuusanalyysissä Taustakysymys: Kuinka mitata akateemisen tutkimuksen tehokkuutta? Korhonen et al. (2001) paperissa tutkitaan kauppakorkeakoulun osastojen tehokkuutta. Lähestymistapa seuraavanlainen: 1.Muodostetaan mitattavat kriteerit ja mitta-asteikot 2.Kerätään osastoja koskeva data, jonka avulla kriteerikohtaiset pistemäärät voidaan laskea 3.VEA-pisteiden lasku (MPS ratkaistaan Pareto-race menetelmällä)

1. Kriteeristön muodostaminen Aikaisemmin HSE:llä ei ole ollut käytössä selkeitä rahoituksenjako kriteereitä. Aiemmin mm. julkaisuja ei ränkätty foorumin perusteella Tutkimuksen ensimmäinen vaihe oli mittareiden muodostaminen, joilla kriteereissä pärjäämistä voitaisiin mitata Yhdessä HSE:n edustajien kanssa ylätason kriteereitä identifoitiin viisi, lisäksi etsittiin indikaattoreita, joilla kriteereissä pärjäämistä mitataan Tutkimuksen laatu Tutkimusaktiivisuus Tutkimuksen vaikuttavuus Aktiivisuus nuorien tieteentekijöiden koulutuksessa Aktiivisuus tieteellisessä yhteisössä Quality-pisteet: w1*20 + w2*50 + w3*250

MPS:n etsiminen

VEA:n soveltaminen Osastoille tehtiin tuotosorientoitunut (BCC ja tangenttikartioprojektiot etsittiin skaalamalla tuotoksia) BCC ja VEA- analyysi

Yhteenveto DEA-tehokkuuslukujen käyttäminen DMU:iden ränkkäämiseen voi olla ongelmallista, sillä ne eivät huomioi päätöksentekijän mieltymyksiä VEA-menetelmässä päätöksentekijän preferenssit otetaan huomioon määrittämällä MPS ja laskemalla tehokkuusluvut projisoimalla DMU:t DEA-mallin tehokkuusrintaman sijaan MPS:ää vastaavalle ”tangenttikartiolle” Mutta miksi juuri VEA-menetelmä, eikä esimerkiksi päätösanalyysi?

Kiitos! Viitteet: Halme, M., Joro, T., Korhonen, P., Wallenius, J., A Value Efficiency Approach to Incorporating Preference Information in Data Envelopment Analysis, Management Science 45/1, s Korhonen, P., Wallenius, J., A Pareto Race. Naval Research Logistics 35, Korhonen, P., Tainio, R., Wallenius, J., Value effciency analysis of academic research, European Journal of Operational Research 130/1, s

Kotitehtävä 6