一文详细说明SBM、SBM-DDF、DDF、NDDF、ML指数是什么（学习笔记）

最新推荐文章于 2025-02-05 11:48:00 发布
最新推荐文章于 2025-02-05 11:48:00 发布
阅读量2.9w 收藏 180
点赞数 59
文章标签： 学习 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/JOJO_zzzz/article/details/130917021
版权
文章介绍了DDF和NDDF模型在考虑非期望产出（如环境污染）时对全要素生产率的评估，以及SBM模型如何处理冗余变量。SBM-DDF模型结合了两者优点，用于衡量最大效率。Malmquist指数则用于衡量生产率随时间的变化，特别是在考虑环境因素时。这些模型在环境经济学和资源管理中具有重要应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

前言

当CCR、BCC模型是对全要素生产率做出了讨论，但越来越多的学者发现产出不仅仅只有期望产出，例如当在有GDP产出时候，在工业领域必然会产生二氧化碳、废水等非期望产出。那么结合非期望产出，原本CCR、BCC模型考虑的投入越少导致产出越多就不能说明一个DMU是有效率的，如何将非期望产出考虑进去就成了问题。因此在此之后发展出SBM、DDF模型。

一、DDF、NDDF是什么意思，模型是怎么样的？

在这里插入图片描述
（张宁，2022）最初 DDF 是按同比例调整“好”产出的增加与 “坏”产出的减少，这被称作“径向效率”，本质上是一般化的 Shepherd 距离函数，虽然它修正了 Shepherd 距离函数的缺陷，但这种方法在非参前沿下无法考虑潜在松弛变量的影响。Zhou(2012)放松了DDF中合意产出与非合意产出必须同等比例增加和减少的限制，提出非径向方向距离函数(non-radial directional distance function,简称 NDDF)，允许两类产出的增减比例不一致，同时也避免了DDF可能存在的松弛偏差问题。
在这里插入图片描述

在这里插入图片描述
也就是说，传统的DDF模型只能从K点投影到前沿面的H点，但在NDDF下，可以投影到LAM这个线段上的任意一个点。

NDDF的公式为：
在这里插入图片描述

二、SBM、SBM-DDF是什么意思，模型是怎么样的

1. SBM模型

在这里插入图片描述
![在这里插入图片描述](https://img-blog.csdnimg.cn/620ac525ea5340c4ba024caf6a8ca59c.png

1.1.1 图解

简单来说SBM模型就是考虑了冗余变量，例如E点，投影到前沿面是F点。但对于F点来说，B点在产出不变的情况下投入减少，相对于F点改进的更多。那么BF部分就是冗余的部分（Fukuyama ＆ Weber ，2009）。而径向模型类似CCR、BBC只考虑了E点到F点的情况。

在这里插入图片描述
在这里插入图片描述

2. SBM-DDF （DDF的意思可以参考“一”）

在方向可变的情况下，考虑了冗余变量
Fukuyama ＆ Weber ( 2009）对SBM模型的方向性进行了讨论。对于目标函数的x，y，b的讨论，严谨的说来要考虑方向的因素，因此需要对x，y，b进行变形引入方向因素，变为 g n x 、 g n y 、 g n b g_n^x、g_n^y、g_n^b gnx​、gny​、gnb​
在这里插入图片描述
在这里插入图片描述
其中Tone提出的SBM目标函数与Fukuyama的方向性SBM目标函数是等价的
证明：(已知SBM模型的出的效率值必小于一）
在这里插入图片描述
之后在引入了对非期望产出的讨论（陈诗一，2021)。在这模型中， g n x = x n o 、 g n y = y m o 、 g n b = b k o g_n^x=x_{no}、g_n^y=y_{mo}、g_n^b=b_{ko} gnx​=xno​、gny​=ymo​、gnb​=bko​，如此假定意味着方向向量与产出投入的列向量方向相同。
在这里插入图片描述
但同样的，有方向向量不同的Fukuyama ＆ Weber ( 2009）
在这里插入图片描述
采用了不同的方向向量（蔡宁，2014）
在这里插入图片描述

在这里插入图片描述

三、SBM模型与DDF模型（一个硬币的正反面）

在这里插入图片描述
Fukuyama ＆ Weber ( 2009）提到若 s n x = β g n x s_n^x=\beta g_n^x snx​=βgnx​… 那么SBM模型就是DDF模型。
在这里插入图片描述

四、EBM模型

EBM与SBM模型的发明者是同一个人Tone K，可以说是在SBM的基础上考虑到了径向的因素，博主用的不多，暂不赘述。
在这里插入图片描述

五、Malmquist指数、ML指数

1. Malmquist指数

评价 D M U k DMU_k DMUk​ 在两个时期的生产率变化
需要说明的是，上述模型是为计算ML指数中 D 0 t ⃗ 、 D 0 t + 1 ⃗ \vec{D_0^t}、\vec{D_0^{t+1}} D0t​ ​、D0t+1​ ​提供方法。
同样也有别的指标，详细可参考列出文献。
在这里插入图片描述

2. ML指数

Y. H. Chung, R. F ̈ are and S. Grosskopf (1997). Productivity and Undesirable Outputs: A Directional Distance Function Approach.Journal of Environmental Management 51, 229–240
ML指数是在DDF的基础上发展出来的
![在这里插入图片描述](https://img-blog.csdnimg.cn/31c8f552947842278efd9d700d69fa19.png
In this section we give a short presentation of the output-oriented Malmquist productivity index and we introduce our new productivity index based on the directional distance function. We call this the Malmquist–Luenberger productivity index.
在这里插入图片描述
简单来说，原本的Malmquist指数是C点到A点，这种情况下(bad)产出仍然会增加。但考虑方向性距离函数后，变为(bad)减少的方向，于是从C点到B点。具体解释参考文献。

3. ML指数的应用

ML指数可以作为 存在环境污染的全要素生产率（ETFP） 指标（沈可挺，2011；蔺鹏，2021）
在这里插入图片描述
在这里插入图片描述
ML指数求的是后一期相对于前一期的全要素生产率（TFP）的变化率。因此研究X对生产率文献中会将基期t的TFP设为1，t+1期的TFP为t+1期的ML指数×t期的TFP（邱斌等，2008）。
设 : T F P t = 1 设: TFP^{t} = 1 设:TFPt=1
T F P t + 1 = T F P t × M L t t + 1 TFP^{t+1}=TFP^t \times ML_t^{t+1} TFPt+1=TFPt×MLtt+1​
在这里插入图片描述

六、参考文献

  1. 陈诗一. 中国的绿色工业革命：基于环境全要素生产率视角的解释（1980—2008），2010(11)
  2. 陈诗一. 中国各地区低碳经济转型进程评估[J]. 经济研究，2012(8)
  3. 林伯强，刘泓寻. 对外贸易是否有利于提高能源环境效率——以中国工业行业为例[J]. 经济研究，2015(9)
  4. 李江龙，徐斌. 诅咒”还是“福音”:资源丰裕程度如何影响 中国绿色经济增长?[J]. 经济研究，2018(9)
  5. 张宁. 碳全要素生产率、低碳技术创新和节能 减排效率追赶* ———来自中国火力发电企业的证据[J]. 经济研究，2022(2)
  6. 邱斌，杨帅，辛培江. FDI技术溢出渠道与中国制造业生产率增长研究： 基于面板数据的分析[J]. 世界经济，2008(8)
  7. 杨翔，李小平，周大川. 中国制造业碳生产率的差异与收敛性研究[J]. 数量经济技术经济研究，2015(12)
  8. 刘钻扩，辛丽. “一带一路”建设对沿线中国重点省域绿色全要素生产率的影响[J]. 中国人口·资源与环境，2018(12)
  9. 蔡宁，丛雅静，李卓.技术创新与工业节能减排效率 ———基于SBM-DDF方法和面板数据模型的区域差异研究[J].经济理论与经济管理，2014(6)
  10. 沈可挺，龚健健. 环境污染、技术进步与中国高耗能产业 ——基于环境全要素生产率的实证分析 [J]. 中国工业经济，2011(12)
  11. 蔺鹏，孟娜娜. 绿色全要素生产率增长的时空分异与动态收敛[J]. 数量经济技术经济研究，2021(8)
  12. 成刚. 数据包络分析方法与MaxDEA软件[M].北京：知识产权出版社，2014.5

总结

现在文献测算绿色全要素生产率的主要方法是采用NDDF或SBM-DDF。一种是可调权重比例的方向性距离函数（NDDF），这种方法可以单独考虑能源对于非期望产出的影响。一种是考虑了冗余变量的方向性距离函数（SBM-DDF），这种方法测量了一定条件下所能达到的最大值。

JOJO_zzzz
关注
数据包络分析--SBM模型（第一篇）
weixin_43217288的博客
12-06 4万+
数据包络分析--SBM ModelDEA--SBM model扩充知识--radial and non-radialSBM model模型解释1模型解释2变型对偶模型SBM-efficiencySBM projectionSBM 与CCR作者有话说 DEA–SBM model 扩充知识–radial and non-radial 这里，我们先介绍一个知识，径向与非径向。这两个概念的区别只存在于投入与产出项，看它们是否能按一个比例进行放缩。如果能的话，这个模型便是径向的；反之，则是非径向的。 比如说，在第一章
DEA各种模型原理及stata代码实现
热门推荐
wonder1322的博客
09-28 4万+
DEA各种模型原理及stata代码实现DEA各种模型原理及stata代码实现一、CCR和BCC1.原理2.效率测算stata代码3.Malmquist指数3.1M指数3.2Global-Malmquist指数4.指数计算代码与案例二、SBM模型1.原理2.stata代码实现三、方向性距离函数（DDF）1.原理2.stata代码实现3.非径向DDF模型（NDDF）3.GML指数4.指数测算四、总结 DEA各种模型原理及stata代码实现 一、CCR和BCC 1.原理 CCR模型产出导向下的效率通过求解以下规划
SBM模型、超效率SBM模型代码及案例数据（补充操作视频）
li514006030的博客
05-12 6630
SBM（Slack-Based Measure）模型是一种数据包络分析（Data Envelopment Analysis, DEA）的方法，用于评估决策单元（Decision Making Units, DMUs）的效率。而超效率SBM模型是对SBM模型的一种扩展，它允许DMU的效率值超过1，从而可以对有效率的DMU进行进一步的区分和排名。工具包内含Matlab代码、教学文件、相关讲解文件以及示例数据。数据名称：SBM模型、超效率SBM模型代码。SBM模型、超效率SBM模型代码。
数据包络分析（DEA）——SBM模型
m0_64087341的博客
09-19 1万+
数据包络分析——带非期望产出的SBM模型
能量模型EBM(通俗理解)
最新发布
jiang_wan_的博客
02-05 756
假设你是一个“相亲红娘”，你的任务是给单身男女配对。想象成一个“评分系统”或者“山谷地形图”，它给输入数据和输出数据的匹配程度打一个分（能量值）。EBM 不直接输出类别概率或数值预测，而是优化一个能量函数，使得正确的 y 具有更低的能量值。而传统的神经网络，相当于直接告诉你：“这个人适合谁”——不去衡量匹配度，而是直接给出答案。这个“分数”越低，说明这对数据的匹配程度越好，越可能是正确的。你的目标就是让真正匹配的情侣得分更低，不合适的得分更高。想象一下，你站在一片起伏的山谷地形中，你的目标是找到。
网络SBM模型（NSBM)复现
weixin_52338842的博客
04-12 811
传统的SBM模型处理关于多输入与多输出的dmu相对效率的测量。这些模型的缺点之一是忽略了中间产品或链接活动。在指出将中间产品纳入DEA模型的需求后，作者提出了一个基于松弛的网络DEA模型，称为网络SBM，它可以形式化地处理中间产品。使用该模型，我们可以评估部门效率以及决策单位(dmu)的整体效率。“固定”链接值的情况。可以看到，结果与论文中的完全一致。如果需要做该模型，请联系微信。今天推出的是网络SBM模型。
SBM模型、超效率SBM模型代码（原始面板数据、MATLAB）
2401_84585615的博客
07-18 3036
SBM模型和超效率SBM模型是评估决策单元效率的有力工具。通过这些模型的Matlab实现，用户可以方便地在自己的研究和实践中应用这些先进的效率评价方法。数据名称：SBM模型、超效率SBM模型代码请注意，这些模型的实现需要一定的Matlab编程知识，以确保正确应用和解释结果。通过这些工具，用户可以深入分析DMUs的效率，并采取相应的优化措施。SBM模型、超效率SBM模型代码（原始面板数据、MATLAB）
GML指数、ML指数、超效率SBM、本包计算的是SBM-GML指数，结果准确可靠里面内容均做了图文注释，有问题可在CSDN私聊我
03-25
GML指数、ML指数、以及超效率SBM测算的matlab代码，可以计算VRS以及CRS下非期望产出的SBM及SBM-GML 的matlab代码，代码可根据投入产出计算全要素生产率GML指数，本包计算的GML指数是SBM-GML指数（其他GML指数计算看我主页），计算结果准确可靠，有详细的使用步骤，以及结果的解读均做了图文说明。全套资料均为本人整理制作，有什么问题都可以找我。为了照顾不懂matlab的小白，本人还整理了详细的操作说明文档，从matlab安装到代码的使用步骤，均做了详细的图文说明，里面还有配套的示例数据，可跟着说明整体跑一遍，就能学会操作！一切只为大家能更好的使用。 关于GML指数的计算，根据相关文献，目前为止有三种方法可以实现。第一种是早期用的比较多的基于Kaoru Tone（2001）的SBM模型（SBM-GML），第二种是Fukuyama&Weber（2009）提出的方向SBM距离函数模型(GML-DDF)。最后一种方法是Rolf Fare&Grosskopf（2010）基于方向距离函数的SBM模型（SBM-DDF模型），三种方法的优劣及合理性评价，目前暂无定论。
基于SBM模型的环境效率评价 (2008年)
05-24
伴随企业产品的生产，一些有害副产品也随之被生产出来，传统的DEA效率评价模型和研究文献均没有考虑这些副产品，因此评价结果并不能正确地衡量企业的技术效率水平；文章比较了非期望产出处理的相关DEA模型的优缺点，引入了一个非径向和非角度的SBM模型处理非期望产出问题，并对43家企业进行了环境效率的实证分析。
SBM
02-14
自述文件 该自述文件通常会记录启动和运行应用程序所需的所有步骤。 您可能要讲的内容： Ruby版本 系统依赖 配置 数据库创建 数据库初始化 如何运行测试套件 服务（作业队列，缓存服务器，搜索引擎等） 部署说明 ...
绿色全要素生产率，python，采用全局生产技术的弱可处置性非径向方向距离函数(NDDF)，可调方向权重，DDF，DEA
JOJO_zzzz的博客
06-02 4680
文中提到 “If the direction vector is set equal to (-F, 0, 0), Eq. (7) is essentially equivalent to an input-oriented DEA model with undesirable outputs.”Zhou（2012）提到得公式更好理解，此公式中所有约束条件都为“+”，因此带入方向向量时候是正确的。邵帅（2022）利用Luenberger 生产率进行定义t+1 期的碳排放绩效（TFCEP）为。
GML指数和ML指数测算gtfp_GML和ML指数_GTFP测算代码_DEA的GML分解_GML指数
09-10
DEA非期望产出和GML和ML的matlab代码，其中Malmquist-Luenberger（ML）Global-Malmquist-Luenberger(GML)。
地级市绿色全要素生产率GTFP，四种GML指数EBM-GML、SBM-GML SBM-DDF原始数据+测算结果
07-01
283个地级市绿色全要素生产率GTFP年度数据(2006-2019)，采用了四种GML指数测算方法，分别是EBM-GML、SBM-GML 、GML-DDF 、SBM-DDF。并且均分解为了EC、TC。 说明：此数据均为本人整理并测算，是本人论文写作用到的数据，准确可靠（可直接用来数据回归），数据整理不易，希望大家能给点支持，不要购买盗版资料哦，后期会免费更新2020年数据，盗版没有更新！有问题可以留言或者私信我，我会一一解答！资料包售后。 1、数据来源：原始指标数据来源自中国城市统计年鉴、中国区域统计年鉴、中国能源年鉴、中国环境年鉴、哈佛大学官网等 2、时间跨度：2006-2019年 3、区域范围：包含283个地级市，考虑的数据的可得性以及行政区域的变更 4、数据说明： （1）全要素生产率采用GML指数测算（有四种结果以及分解，分别是EBM-GML、SBM-GML、GML-DDF、SBM-DDF，并且均做了指数分解为技术进步（TC）和效率变动（TC）,可看展示图），全局参比的方法是利用整个考察期间所有决策单元的投入产出数据构建最佳生产前沿，将不同时期的决策单元均在全局最佳生产前沿
GML指数计算，注意本包指数计算基于GML-DDF，其他类型GML指数可在本人主页寻找，包售后的哦，有问题可通过CSDN联系我哦
04-10
本包计算的GML指数是GML-DDF指数（其他两种GML指数计算看我主页，均有），软件...最后一种方法是Rolf Fare&Grosskopf（2010）基于方向距离函数的SBM模型（SBM-DDF模型），三种方法的优劣及合理性评价，目前暂无定论。
GML指数和ML指数测算gtfp,gml指数是什么,matlab
09-10
首先，GML指数是ML指数的扩展，旨在同时考虑期望产出和非期望产出（如污染物排放）的变化。GTFP（Total Factor Productivity Growth）则是一个重要的经济学指标，用于衡量整体要素生产力的增长。GTFP通过GML指数分解...
绿色全要素生产率GTFP的计算方法梳理
nnpersistent的博客
12-13 1873
绿色全要素生产率GTFP的计算方法梳理
数据包络分析（超效率-SBM模型）附python代码
weixin_43217288的博客
04-18 3万+
超效率-SBM模型超效率SBMpython代码（部分） 这段时间差不多忙完了，终于有时间可以来经营我的博客了。 上阵子挺多人私信我，原谅我记性不好，可能没有回复全。 这篇文章是超效率的扩展。 超效率SBM SBM本身就是非径向模型（non-radial model),想要了解径向超效率的请自行去前面翻阅。 上篇文章说到super-SBM的一个模型，公式为： 这个模型是分式模型，我们可以通过charnes cooper变换，将其转变成为： python代码（部分） 在编程过程中，本来我以为第一个模型是无
GML、ML指数、以及超效率SBM测算的Matlab代码，可以计算VRS以及CRS下非期望产出的SBM
zxwk01的博客
09-24 953
S下非期望产出的SBM及SBM-GML 的matlab代码，（关于GML-DDF。指数，以及SBM-DDF的计算，看我主页另一个帖子，均有）代码可根据投入产出计算。全要素生产率GML指数，计算结果准确可靠，有详细的使用步骤，以及结果的解读均做了。matlab的小白，本人还整理了详细的操作说明文档，从matlab安装到代码的使。用步骤，均做了详细的图文说明，里面还有配套的示例数据，可跟着说明整体跑一遍，就能。一切只为大家能更好的使用，资料制作不易，希望大家多多支持。
数据包络分析期望效率--DDF（方向距离函数）
weixin_43217288的博客
07-09 1万+
DDF方向距离函数--文献文献介绍内容介绍方向距离函数DDF定义效率评估Directional calculation method(DVS)三级目录 文献介绍 文献名字是：Expected efficiency based on directional distance function in data envelopment analysis。 首先，这篇文章是在2018年computerIndustrialEngineeringcomputer Industrial Engineeringcompu
java常用正则表达式
07-28
Java中常用的正则表达式有很多种，以下是一些常见的用法： 1. 匹配手机号码：^1\[3456789\]\d{9}$ 这个正则表达式可以用来匹配以1开头的11位数字，其中第二位是3、4、5、6、7、8、9中的一个。 2. 匹配邮箱地址：^\w+(\[-+.\]\w+)*@\w+(\[-.\]\w+)*\.\w+(\[-.\]\w+)*$ 这个正则表达式可以用来匹配常见的邮箱地址格式，包括用户名部分、@符号、域名部分和后缀部分。 3. 匹配身份证号码：(^\d{15}$)|(^\d{17}(\[0-9\]|X)$) 这个正则表达式可以用来匹配15位或18位的身份证号码，其中最后一位可以是数字或大写字母X。 4. 匹配URL地址：^(https?|ftp)://\[^\s/$.?#\].\[^\s\]*$ 这个正则表达式可以用来匹配常见的URL地址格式，包括协议部分（http、https、ftp）、域名部分和路径部分。 这些只是一些常见的正则表达式用法，实际上还有很多其他的用法和规则可以根据具体需求进行定制。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* *2* [Java 之正则表达式语法及常用正则表达式汇总](https://blog.csdn.net/La_Grace/article/details/129786033)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [Java 正则表达式（深度长文）](https://blog.csdn.net/senxu_/article/details/126109760)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值