基于清晰与模糊聚类技术及概率模糊效率评估的公立医院分组研究

本研究针对数据包络分析（DEA）中单位同质化问题，通过K均值、模糊C均值及自组织映射聚类技术构建医院同质分组，并结合模糊可能性DEA模型识别高效医院（如东南地区某教学医院），为医疗资源配置和战略分组提供新方法。

　　

数据包络分析（DEA）在实际应用中需确保决策单元的同质性和活动相似性。本研究采用清晰聚类（如K均值）与模糊聚类（如模糊C均值）技术，通过调整超参数对公立医院进行分组，并基于Lertworasirikul等人（2003）提出的模糊DEA模型（含primal与dual模型）评估医院效率。结果显示：最优组包含5家医院，其中位于国家东南部的某教学大学医院被确定为高效单位，且成为其他医院的参考基准。研究还发现，当α参数从0增至1时，primal效率结果持续上升。该工作深化了对DEA同质分组构建与模糊效率评估的理解，为医疗管理策略提供了重要依据。