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 2024-05-12 22:37:18 发布
最新推荐文章于 2024-05-12 22:37:18 发布
阅读量1.7w 收藏 118
点赞数 32
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。
摘要由CSDN通过智能技术生成

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
  • 32
    点赞
  • 踩
  • 118
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
SBM-DEA_DEASBM_DEA非期望产出_DEA-SBM_SBM-dea_sbm_
09-30
本代码求解有非期望产出的非导向SBM模型，仅供同学们科研学术使用
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
SBM模型、超效率SBM模型代码及案例数据（补充操作视频）
最新发布
li514006030的博客
05-12 2245
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。
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。
使用MATLAB处理SBM-DEA模型学习资料
07-08
使用MATLAB处理SBM-DEA模型学习资料，包含视频教学、操作代码及模型解释等，欢迎下载
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。
数据包络分析--SBM模型（第一篇）
热门推荐
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
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 2441
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)。
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
GML指数和ML指数测算gtfp,gml指数是什么,matlab
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)。
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。
能源DEA-动态SBM模型
weixin_43217288的博客
07-26 8181
能源DEA-动态SBM模型文献文献介绍变量设定数据介绍数据来源样本介绍动态SBM模型模型图示模型公式模型结果 文献介绍 近几年，尤其是2021年，国外期刊做能源DEA这块内容的，越来越趋向于处理动态SBM模型（dynamic SBM model），更复杂一点的比如动态网络DEA（dynamic network DEA）。这里，先介绍基础的动态SBM模型： 这篇文献是2016年发表于RwnewableEnergyRwnewable\quad{}EnergyRwnewableEnergy期刊，题目是Perfo
Python实现考虑非期望产出的超效率SBM模型
weixin_63253486的博客
06-29 4809
本文主要介绍了考虑非期望产出的超效率模型的原理及实现过程，需要提醒的是非期望产出的模型集中的非期望产出一般对于自己的系统是负向影响。
非期望产出的sbm模型_兼顾非期望产出的工业用地效率测度、分异与溯因 ——以东北三省为例...
weixin_39756235的博客
12-14 3863
作 者 信 息张雅杰1，陶韦华1，张　丰2，刘辉智1(1. 武汉大学　资源与环境科学学院，湖北　武汉　430079；2. 武汉大学　遥感信息工程学院，湖北　武汉　430079)“【摘要】在引入非期望产出的基础上，利用Super-SBM-Undesirable模型测度2006～2015年东北地区34个城市的工业用地效率值并利用空间自相关分析其分异情况，进而选择固定效应面板模型进行溯因。结果...
利用Malmquist-Luenberger指数的MATLAB应用实例分析
目标检测专栏持续更新中，改进YOLO系列通用，适用v5、v7、v8、所有博客均是团队原创博客，所有文章禁止转载，违者必究。
09-28 563
Malmquist-Luenberger指数是一种用于度量绩效变化和效率差异的方法，它允许我们比较不同单位（如企业、医院等）在不同时间点或不同条件下的绩效。该指数可以帮助决策者识别哪些单位在提高效率方面做得更好，以及哪些单位在绩效变化方面更具活力。
数据包络分析（超效率-SBM模型）附python代码
weixin_43217288的博客
04-18 2万+
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
上市公司绿色全要素生产率数据（2007-2022年）
li514006030的博客
12-21 1446
原始数据来源于《中国城市统计年鉴》、《中国环境统计年鉴》、上市公司年报、上市公司社会责任报告、上市公司网站信息。（1）要素投入：劳动投入以企业员工数作为代理变量；能源投入以企业所在城市工业用电量按企业从业人员占城市城镇人员就业比重进。（3）非期望产出：以企业从业人员占所在城市城镇人员就业比重对“工业三废”即工业二。企业绿色全要素生产率的投入和产出指标的测度如下。氧化硫、工业废水、工业烟粉尘排放量进行换算，作为企业非期望产出的代理变量。（2）期望产出：以企业营业收入作为企业期望产出的代理变量。
sbm-ml sbm-gml sbm-bml
08-18
sbm-ml (地域性商业模型-机器学习)是一种利用机器学习算法来建立地域性商业模型的方法。通过对大量商业数据的分析和学习，sbm-ml可以预测和优化商业模型的效果。它可以帮助企业理解市场趋势、挖掘潜在商机和优化运营策略，从而提高商业模型的成功率和效益。 sbm-gml (地域性商业模型-图神经网络)是一种利用图神经网络来构建地域性商业模型的方法。通过将商业数据表示为图结构，并利用图神经网络的强大学习能力，sbm-gml能够从数据中发现商业模型之间的关系和特征。它可以帮助企业确定不同商业模型的关联性、识别关键因素和改进商业模型的稳定性与可持续性。 sbm-bml (地域性商业模型-贝叶斯机器学习)是一种利用贝叶斯机器学习算法来建立地域性商业模型的方法。通过使用贝叶斯推理和统计分析，sbm-bml可以在不确定性的商业环境中进行决策和预测。它可以帮助企业应对风险、确定商业策略和优化商业投资，从而提高商业模型的稳定性和可靠性。 这三种地域性商业模型方法都使用了机器学习技术，但每种方法的重点不同。sbm-ml侧重于使用机器学习算法进行商业模型的预测和优化；sbm-gml侧重于利用图神经网络来探索商业模型之间的关联和特征；sbm-bml则以贝叶斯机器学习为基础，考虑不确定性因素进行商业决策和预测。根据实际情况和需求，企业可以选择适合自己的地域性商业模型方法。
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