文章导读：在新的一年中，各位网友都进入紧张的学习或是工作阶段。网学的各位小编整理了计算机-数据包络分析法在网络信息资源配置中的应用的相关内容供大家参考，祝大家在新的一年里工作和学习顺利！
虽然互联网可以超越时间和空间的界限，但是由于我国地区发展水平的不同，造成了区域网络信息资源数量不同和配置不均，下面是小编搜集整理的一篇探讨这一问题的论文范文，欢迎阅读参考。
随着互联网和信息技术的迅猛发展，互联网信息资源呈极数级递增。网络信息资源属于信息资源的一种，具有资源天然的稀缺性，这种稀缺性主要表现在信息资源的时效性和空间配置不均等方面。虽然互联网可以超越时间和空间的界限，但是由于我国地区发展水平的不同，不同地区的经济文化和信息化发展水平也不尽相同，由此造成了区域网络信息资源数量不同和配置不均。这种配置不均是网络信息资源的稀缺性和人类信息需求的无限性之间的矛盾，如何通过最小的网络信息资源投入获得最大的信息资源产出，这是目前在区域网络信息资源配置中亟需解决的问题。
本文以区域网络信息资源配置为研究对象，采用数据包络分析方法，从网络信息资源投入和产出的角度，对我国具有特色的南北中3个省份的网络信息资源配置效率进行比较分析。
1 模型建立
数据包络分析(Data Envelopment Analysis,DEA)方法是以“相对效率”概念为基础，可以输入多个投入指标和多个产出指标，然后对同一类型的不同研究个体进行相对效率评价。这些研究个体可以是一个单位、企业、省市，也可以是同一个单位不同时期的状态，这些研究个体就是DEA中的决策单元(Decision Making Units,DMU).网络信息资源配置是由多个投入指标和多个产出指标综合作用实现的，对于这种多目标决策问题，可以定义为有c种输入和d种输出的h个决策单元的评价问题。假设某一个DMU在网络信息资源配置中的输入向量为x=(x1,x2,…，xc)T,输出向量为y=(y1,y2,…，yd)T,现有h个DMUj(1≤j≤n)，DMUj对 应 的 输 入 向 量 为xj=(x1j,x2j,…，xcj)T, 输 出 向 量 为yj=(y1j,y2j,…，ydj)T,且j = 1,2,…，n,同 时 保 证xij>0,yrj>0,i=1,2,…c,j=1,2,…，d.每个决策单元有c种类型的输入和d种类型的输出，xij是第j个决策单元对第i种类型输入的投入量，yrj是第j个决策单元对第r种类型输出的产出量。xij和yrj是可以获取的数据，是已知量。
利用DEA中的C2R和BCC模型，可以通过获取网络信息资源配置的相应投入和产出数据，可以计算出某一区域的网络信息资源配置效率的有效性，可以判断其是否整体有效、规模有效和技术有效，从而对区域网络信息资源的配置效率进行评价。
其中C2R模型用于评价决策单元整体有效，其模型为：【1】
第j个DMU对应的最优权重为λj,S+和S-为松弛变量，S+表示产出不足，S-表示投入冗余。
该C2R模型的最优解为λ,θ,S+,S-,当θ=1时，且S+=S-=0,表示DMU为DEA有效。该DEA有效为DEA整体有效，既满足技术有效，也满足规模有效，该DMU既没有产出不足，也没有投入冗余，资源配置效率最优。当θ<1时，表示DMU为DEA无效 ,既没有技术有效，也没有规模有效，资源利用效率很低。当θ=1,且同时存在S+>0或S->0,或者S+和S-同时大于0,则表示DMU弱DEA有效，DMU存在产出不足或者投入冗余。
BCC模型用于评价决策单元的技术有效，其模型为：【2】
该BCC模 型的最优解为λ,θ,S+,S-,当θ=1时，该DMU为弱DEA有效;但S+=0,S-=0,该DMU为DEA有效。
2 指标体系
区域网络信息资源配置效率评价需要对不同地区对网络信息资源的投入和产出关系进行研究，通过计算确定对资源配置效率影响最强的投入指标，并据此采取相关投入措施，提高地区网络信息资源的配置效率。区域网络信息资源配置效率评价指标体系的确定，是通过借鉴之前学者的研究成果的基础上，同时考虑到数据的可获取性，采用中国互联网络信息中心发布的《互联网发展状况统计报告》的相关指标和数据，从投入产出角度构建了区域网络信息资源评价指标体系。
2.1投入指标
区域网络信息资源配置效率评价的投入指标主要从地区的互联网基础资源情况方面进行考量。本文选取的投入指标有IPv4地址数比例、域名数比例、网站数比例和互联网普及率4项。
1)IPv4地址数比例。
IPv4地址数比例是指每个省份IPv4地址数量占全国IPv4地址总数的比例。IP地址是互联网的基础资源，一个省份的互联网发展得越好，互联网基础资源投入越多，则IPv4地址数比例越高。
2)域名数比例。域名数比例是指每个省份域名数占全国域名总数的比例。域名是上网单位的名称，是独一无二、不可重复的，因此网络域名是一种相对有限的资源。一个省份的域名数比例越高，表明这个省份网络经济发展水平越高。
3)网页数比例。网页数比例是指每个省份网页数占全国网页总数的比例。丰富多彩的网页构成了网站，网页数能够表现互联网内容的丰裕程度，是网络信息资源总量的表现。
4)互联网普及率。每个省份的互联网普及率能够表现出每个省份的互联网普及程度。本文的互联网普及率用每个省份的网民规模占全国网民规模的比例来表示。
2.2产出指标
区域网络信息资源配置评价的产出指标主要通过地区互联网用户对互联网信息资源的应用情况来表现的。本文选取的产出指标有信息获取使用率、交流沟通使用率、网络娱乐使用率和商务交易使用率4项。
2.2.1信息获取使用率信息获取使用率用每个省份互联网用户对搜索引擎和网络新闻使用率的算术平均来表示。信息获取类应用使用率能够表现每个省份网络用户对信息类资源的利用程度。
2.2.2交流沟通使用率交流沟通使用率用互联网用户对即时通信、微博、电子邮件、博客和论坛BBS使用率的算术平均来表示。交流沟通类应用使用率能够表现出网民对网络社交和人际沟通方面信息交流需求。
2.2.3网络娱乐使用率网络娱乐使用率用网民对网络音乐、网络游戏、网络视频和网络文学使用率的算术平均来表示。网络娱乐类应用属于互联网的典型应用。
2.2.4商务交易使用率商务交易使用率用网络用户对网络购物、团购、旅行预定、网上支付、网上银行和互联网理财使用率的算术平均来表示。商务交易类应用使用率目前在全国都呈现快速增长态势，电子商务渠道的下沉、移动互联网消费场景的优化，都促使商务交易类应用呈现普及化。
3 算例比较分析
3.1算例描述本文对网络信息资源配置效率的研究，选取的研究对象分别是黑龙江省、河北省和海南省，考虑到数据的权威性和可获取性，选取的投入产出数据均来源于中国互联网络信息中心发布的《2014年黑龙江省互联网发展状况报告》《2014年河北省互联网发展状况报告》《2014年海南省互联网发展状况报告》。由于DEA模型在对决策单元有效性进行评估的过程中，无需考虑投入和产出要素对量纲的影响，为了便于计算，对原始数据都进行了统一处理，将百分比数据保留2位小数。投入数据和产出数据见表1~2.
3.2计算结果将黑龙江、河北和海南3个DMU的投入、产出数据带入DEA模型，利用DEAP 2.1软件计算，得出区域网络信息资源配置效率的整体有效性、技术有效性和规模有效性数值，见表3.3.3结果分析利用DEA模型计算出了黑龙江、河北和海南3个省份的网络信息资源配置基本情况。从整体有效性情况分析，河北和海南两个省份的整体有效性值为1,说明这两个省份在网络信息资源配置中既满足了技术有效性，又满足了规模有效性。黑龙江省整体有效性数值为0.87,说明该省在网络信息资源配置中存在投入不合理的问题，需要通过调整网络信息资源投入进行改善。
技术有效性是反映地区与网络信息资源的投入能够达到最大产出的情况。从技术有效性情况分析，河北和海南两省的技术有效值是1,说明这两省对网络信息资源的投入获得了最大收益。黑龙江省技术有效值为0.92,虽然为非技术有限，但是0.92的数值距离1较近，说明该省虽然没有实现DEA有效，但是通过改进，可以实现技术有效。在规模有效方面，河北和海南省规模有效值也达到了1,实现了规模效益不变的最佳状态规模，黑龙江省为规模无效，规模有效值为0.85.从表3最后一列规模报酬情况可以看出，黑龙江省的规模效益为递增，说明该省在区域网络信息资源配置的投入方面有很大的发展空间，通过调整网络信息资源投入可以实现规模有效。
河北和海南两省的DEA有效数值均为1,但是两省在经济文化发展、网络基础设施投入和互联网应用产出方面却不尽相同，海南省是我国最南端的省份，旅游业和农业是当地的经济支撑，网络信息资源的投入指标各项均低于河北省和黑龙江省，但是产出却明显高于另两个省份。两个省份均为DEA有效，但是投入和产出数值却相差较大，不同的网络信息资源投入会制造出不同的产出，但两个省份的DEA有效值却相同，说明这两个省份在网络信息资源配置上都已经达到最优，效率是相同的。
4 结语
本文针对黑龙江、河北和海南3个省份的网络信息资源投入产出情况，采用DEA方法对区域网络信息资源配置效率进行了评价。DEA评价方法是对投入一定的情况下，对产出进行的分析，计算所得是其配置效率。由于网络信息资源的产出可以直接产生经济效益，所以对网络信息资源的适度投入增加，可以获得投入产出的效益最大化。通过计算可得，非DEA有效的省份可以通过增加IP地址数量、域名数量、网页数量和提高互联网普及率来实现EDA有效。这些指标的改进需要政府、企业和互联网用户共同努力，合理配置网络信息资源，从而实现网络资源的有效利用率。
