Junfei Chu
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Previous Organizations / Institutes
The organizations / institutes from the scholar's other articles in the past ten years
Junfei Chu has a total of 57 co-authors. Here are the top co-authors by number of shared publications:
Jie Wu
School of Management, University of Science and Technology of sChina, Hefei, China
13 shared publicationsQingyuan Zhu
College of Economics and Management Nanjing University of Aeronautics and Astronautics Nanjing China
10 shared publicationsLiang Liang
School of Management, University of Science and Technology of China, Hefei, China
7 shared publicationsJiasen Sun
DongWu Business School (Finance and Economics School), Soochow University, Jiang Su Province 215000, P.R. China
5 shared publications- Jie Wu
School of Management, University of Science and Technology of China, Hefei, China
5 shared publications Xiaohong Liu
School of Management, University of Science and Technology of China, Hefei 230026, PR China
4 shared publications
Latest Publications
- 3 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Improvement methods for data envelopment analysis (DEA) cross-efficiency evaluation
Méthodes d’amélioration pour l'évaluation de l'enveloppement des données évaluation de l'efficacité croisée: L'évaluation croisée d'efficacité basée sur la data envelopment analysis (DEA) a été largement appliquéepour l'évaluation d'efficacité et le classement des unités de prise de décision (decision-making units, DMUs). A l’heureactuelle, cette méthode présente toujours deux défauts majeurs : la non-unicité des poids optimaux attachés aux entréeset aux sorties et la non Pareto-optimalité des résultats d’évaluation. Cette thèse propose des méthodes alternatives poury remédier. Nous montrons d’abord que les efficacités croisées visées dans les modèles traditionnels avec objectifssecondaires ne sont pas toujours atteignables pour toutes les DMUs. Nous proposons ensuite un modèle capable detoujours fournir des objectifs d'efficacité croisée atteignables pour toutes les DMUs. Plusieurs nouveaux modèles avecobjectifs secondaires bienveillants ou agressifs et un modèle neutre sont proposés. Un exemple numérique est utilisépour comparer les modèles proposés à ceux qui existent dans la littérature. Nous présentons ensuite une approched'évaluation croisée d'efficacité basée sur l'amélioration de Pareto. Cette approche est composée de deux modèles etd’un algorithme. Les modèles sont utilisés respectivement pour estimer si un ensemble donné de scores d’efficacitécroisée est Pareto-optimal et pour améliorer l’efficacité croisée de cet ensemble si cela est possible. L'algorithme estutilisé pour générer un ensemble Pareto-optimal de scores d'efficacité croisée pour les DMUs. L'approche proposéeest finalement appliquée pour la sélection de projets de R&D et comparée aux approches traditionnelles. En outre,nous proposons une approche d’évaluation croisée d’efficacité qui traite simultanément les deux problématiquesmentionnées ci-dessus. Un modèle de jeu de négociation croisée est proposé pour simuler la négociation entre chaquecouple de DMUs au sein du groupe afin d'identifier un ensemble unique de poids à utiliser pour le calcul de l'efficacitécroisée entre eux. De plus, un algorithme est développé pour résoudre ce modèle via une suite de programmes linéaires.L'approche est finalement illustrée en l'appliquant à la sélection des fournisseurs verts. Enfin, nous proposons uneévaluation croisée d'efficacité basée sur le degré de satisfaction. Nous introduisons d'abord la nation de degré desatisfaction de chaque DMU sur les poids optimaux sélectionnés par les autres. Ensuite, un modèle max-min est fournipour déterminer un ensemble des poids optimaux pour chaque DMU afin de maximiser tous les degrés de satisfactiondes DMUs. Deux algorithmes sont ensuite développés pour résoudre le modèle et garantir l’unicité des poids optimauxde chaque DMU, respectivement. Enfin, l’approche proposée est appliquée sur une étude des cas pour la sélection detechnologies.
- 3 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Improvement methods for data envelopment analysis (DEA) cross-efficiency evaluation
Méthodes d’amélioration pour l'évaluation de l'enveloppement des données évaluation de l'efficacité croisée: L'évaluation croisée d'efficacité basée sur la data envelopment analysis (DEA) a été largement appliquéepour l'évaluation d'efficacité et le classement des unités de prise de décision (decision-making units, DMUs). A l’heureactuelle, cette méthode présente toujours deux défauts majeurs : la non-unicité des poids optimaux attachés aux entréeset aux sorties et la non Pareto-optimalité des résultats d’évaluation. Cette thèse propose des méthodes alternatives poury remédier. Nous montrons d’abord que les efficacités croisées visées dans les modèles traditionnels avec objectifssecondaires ne sont pas toujours atteignables pour toutes les DMUs. Nous proposons ensuite un modèle capable detoujours fournir des objectifs d'efficacité croisée atteignables pour toutes les DMUs. Plusieurs nouveaux modèles avecobjectifs secondaires bienveillants ou agressifs et un modèle neutre sont proposés. Un exemple numérique est utilisépour comparer les modèles proposés à ceux qui existent dans la littérature. Nous présentons ensuite une approched'évaluation croisée d'efficacité basée sur l'amélioration de Pareto. Cette approche est composée de deux modèles etd’un algorithme. Les modèles sont utilisés respectivement pour estimer si un ensemble donné de scores d’efficacitécroisée est Pareto-optimal et pour améliorer l’efficacité croisée de cet ensemble si cela est possible. L'algorithme estutilisé pour générer un ensemble Pareto-optimal de scores d'efficacité croisée pour les DMUs. L'approche proposéeest finalement appliquée pour la sélection de projets de R&D et comparée aux approches traditionnelles. En outre,nous proposons une approche d’évaluation croisée d’efficacité qui traite simultanément les deux problématiquesmentionnées ci-dessus. Un modèle de jeu de négociation croisée est proposé pour simuler la négociation entre chaquecouple de DMUs au sein du groupe afin d'identifier un ensemble unique de poids à utiliser pour le calcul de l'efficacitécroisée entre eux. De plus, un algorithme est développé pour résoudre ce modèle via une suite de programmes linéaires.L'approche est finalement illustrée en l'appliquant à la sélection des fournisseurs verts. Enfin, nous proposons uneévaluation croisée d'efficacité basée sur le degré de satisfaction. Nous introduisons d'abord la nation de degré desatisfaction de chaque DMU sur les poids optimaux sélectionnés par les autres. Ensuite, un modèle max-min est fournipour déterminer un ensemble des poids optimaux pour chaque DMU afin de maximiser tous les degrés de satisfactiondes DMUs. Deux algorithmes sont ensuite développés pour résoudre le modèle et garantir l’unicité des poids optimauxde chaque DMU, respectivement. Enfin, l’approche proposée est appliquée sur une étude des cas pour la sélection detechnologies.
- 1 April 2025
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Transactions on Engineering Management
- Vol. 72 (00189391) , 1248-1261
Concentrate or Diversify? Unraveling the Effect of Customer Concentration on Green Innovation
While the engineering management literature suggests that major customers exert an impact on firms' engagement in green innovation, there are controversial views regarding the role of customer concentration in affecting green innovation. Drawing upon the knowledge-based view and resource dependence theory, we propose that customer concentration has a nonlinear effect on green innovation. By utilizing a panel dataset of 2,718 Chinese listed manufacturing firms from 2001 to 2020, we find that customer concentration has an inverted U-shaped association with green innovation. In addition, market share flattens this curvilinear association, whereas industry competition does not significantly influence this association. Overall, this research contributes to a nuanced understanding of the inverted U-shaped effect of customer concentration on green innovation and the boundary condition that shapes this effect.
- 1 April 2025
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Transactions on Engineering Management
- Vol. 72 (00189391) , 1248-1261
Concentrate or Diversify? Unraveling the Effect of Customer Concentration on Green Innovation
While the engineering management literature suggests that major customers exert an impact on firms' engagement in green innovation, there are controversial views regarding the role of customer concentration in affecting green innovation. Drawing upon the knowledge-based view and resource dependence theory, we propose that customer concentration has a nonlinear effect on green innovation. By utilizing a panel dataset of 2,718 Chinese listed manufacturing firms from 2001 to 2020, we find that customer concentration has an inverted U-shaped association with green innovation. In addition, market share flattens this curvilinear association, whereas industry competition does not significantly influence this association. Overall, this research contributes to a nuanced understanding of the inverted U-shaped effect of customer concentration on green innovation and the boundary condition that shapes this effect.
- 22 March 2025
- Published by Springer Nature in Annals of Operations Research
- Vol. 355 (1) , 391-418
Environmental efficiency evaluation of China’s coal-fired electricity supply chain enterprises with large-scale datasets: an enhanced build hull algorithm
- 22 March 2025
- Published by Springer Nature in Annals of Operations Research
- Vol. 355 (1) , 391-418
Environmental efficiency evaluation of China’s coal-fired electricity supply chain enterprises with large-scale datasets: an enhanced build hull algorithm
- 29 October 2023
- Published by SAGE Publications in Energy & Environment
- Vol. 36 (6) , 2770-2789
Spatial spillover effect of environmental regulation on environmental efficiency of electric power industry in China
The electricity power (EP) industry, a primary source of emissions, significantly affects China's energy conservation and reduction efforts. The Chinese government has introduced various regulatory policies to limit the emissions and waste generated by the EP industry. This paper intends to assess the influence of environmental regulation (ER) on the environmental efficiency (EE) within China's EP sector, particularly concerning spatial spillover effects. The slack-based and the spatial Durbin models are applied to quantify EE and analyze the nonlinear connection between ER and EE. Some findings are summarized below. First, the EE of China's EP industry has significant regional heterogeneity and exhibits a positive spatial agglomeration effect of EE. Second, the influence of ER on EE in local provinces shows a U-shaped relationship, while it exhibits an inverted U-shaped effect in neighboring provinces. Third, ER can indirectly drive EE in the local province by affecting technological innovation. Finally, policy recommendations are offered to enhance the EE in China's EP industry.
- 29 October 2023
- Published by SAGE Publications in Energy & Environment
- Vol. 36 (6) , 2770-2789
Spatial spillover effect of environmental regulation on environmental efficiency of electric power industry in China
The electricity power (EP) industry, a primary source of emissions, significantly affects China's energy conservation and reduction efforts. The Chinese government has introduced various regulatory policies to limit the emissions and waste generated by the EP industry. This paper intends to assess the influence of environmental regulation (ER) on the environmental efficiency (EE) within China's EP sector, particularly concerning spatial spillover effects. The slack-based and the spatial Durbin models are applied to quantify EE and analyze the nonlinear connection between ER and EE. Some findings are summarized below. First, the EE of China's EP industry has significant regional heterogeneity and exhibits a positive spatial agglomeration effect of EE. Second, the influence of ER on EE in local provinces shows a U-shaped relationship, while it exhibits an inverted U-shaped effect in neighboring provinces. Third, ER can indirectly drive EE in the local province by affecting technological innovation. Finally, policy recommendations are offered to enhance the EE in China's EP industry.
- 12 July 2023
- Published by Springer Nature in OR Spectrum
- Vol. 45 (4) , 1333-1360
DEA-based proportional-sharing fixed cost allocation considering bi-objective optimization
- 12 July 2023
- Published by Springer Nature in OR Spectrum
- Vol. 45 (4) , 1333-1360
DEA-based proportional-sharing fixed cost allocation considering bi-objective optimization