Abstract In practice, the concept of incentives is extensively applied in the allocation process for guiding the behaviours of an organization's units to satisfy the goals of the organization. However, this concept is rarely considered in data envelopment analysis (DEA)-based allocation research. This paper proposes a two-step incentive approach for allocating common revenues or fixed costs. The first step is performance evaluation. Considering the noncooperative game relationship of decision-making units (DMUs), a DEA game cross-efficiency method is selected to measure the efficiency scores of DMUs in this paper. The second step is incentive allocation. Based on the performance evaluation, we propose our incentive method for allocating revenues or fixed costs. We further provide simple equations to calculate the global optimal solution for our nonlinear programme allocation models. Several properties are explored, and we i) obtain the allocation interval rule of DMUs with the incentives, ii) investigate the quantitative relationship between the allocation gap and the optimal allocation plan, and iii) prove that the optimal allocation plan obtained by our allocation model is unique. The results of an empirical application highlight the applicability of our allocation method and solution approach. In this study, we obtain several important practical insights, including that i) our method has positive effects on performance improvement and ii) our method can work well even in an information asymmetric decision-making environment.

中文翻译：

---

一种基于 DEA 的激励方法，用于分配共同收入或固定成本

摘要 在实践中，激励的概念被广泛应用于分配过程中，以引导组织单位的行为满足组织的目标。然而，在基于数据包络分析 (DEA) 的分配研究中很少考虑这个概念。本文提出了一种用于分配共同收入或固定成本的两步激励方法。第一步是绩效评估。考虑到决策单元（DMU）之间的非合作博弈关系，本文选择DEA博弈交叉效率方法来衡量决策单元的效率得分。第二步是激励分配。基于绩效评估，我们提出了分配收入或固定成本的激励方法。我们进一步提供了简单的方程来计算非线性程序分配模型的全局最优解。探索了几个性质，我们 i) 获得了带有激励的 DMU 的分配间隔规则，ii) 调查分配缺口与最优分配计划之间的数量关系，以及 iii) 证明我们的分配模型获得的最优分配计划是独特的。实证应用的结果突出了我们的分配方法和解决方法的适用性。在这项研究中，我们获得了几个重要的实践见解，包括 i) 我们的方法对性能改进有积极影响 ii) 我们的方法即使在信息不对称的决策环境中也能很好地工作。我们 i) 获得带有激励的 DMU 的分配间隔规则， ii) 调查分配缺口与最优分配计划之间的数量关系，以及 iii) 证明我们的分配模型得到的最优分配计划是唯一的。实证应用的结果突出了我们的分配方法和解决方法的适用性。在这项研究中，我们获得了几个重要的实践见解，包括 i) 我们的方法对性能改进有积极影响 ii) 我们的方法即使在信息不对称的决策环境中也能很好地工作。我们 i) 获得带有激励的 DMU 的分配间隔规则， ii) 调查分配缺口与最优分配计划之间的数量关系，以及 iii) 证明我们的分配模型得到的最优分配计划是唯一的。实证应用的结果突出了我们的分配方法和解决方法的适用性。在这项研究中，我们获得了几个重要的实践见解，包括 i) 我们的方法对性能改进有积极影响 ii) 我们的方法即使在信息不对称的决策环境中也能很好地工作。iii) 证明我们的分配模型得到的最优分配方案是唯一的。实证应用的结果突出了我们的分配方法和解决方法的适用性。在这项研究中，我们获得了几个重要的实践见解，包括 i) 我们的方法对性能改进有积极影响 ii) 我们的方法即使在信息不对称的决策环境中也能很好地工作。iii) 证明我们的分配模型得到的最优分配方案是唯一的。实证应用的结果突出了我们的分配方法和解决方法的适用性。在这项研究中，我们获得了几个重要的实践见解，包括 i) 我们的方法对性能改进有积极影响 ii) 我们的方法即使在信息不对称的决策环境中也能很好地工作。