基于投入导向的超效率CCR-DEA模型（MATLAB）

最新推荐文章于 2023-09-28 11:25:32 发布

小平凡的记录

最新推荐文章于 2023-09-28 11:25:32 发布

阅读量3k

点赞数 7

分类专栏：计量经济学文章标签： matlab

本文链接：https://blog.csdn.net/J__aries/article/details/128781494

版权

计量经济学专栏收录该内容

4 篇文章

订阅专栏

本文介绍如何使用CCR模型和超效率DEA模型进行效率评估，并提供了MATLAB实现代码。通过实例展示了如何处理投入和产出数据，计算得到每个决策单元的效率值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

采用 CCR模型与超效率 DEA模型，在测算结果上完全相同；但对于效率项而言，每一个效率项都获得了一个全新且数值大于 1 的解。

基于投入导向的超效率CCR模型为:

借鉴参考文献[1]，给出如下径向超效率代码。

clear
load('X');%投入指标数据，每一列代表每个决策单元的投入数据
load('Y');%产出指标数据。同上
x=X';y=Y';
n=size(x, 1);  %决策单元数
m=size(x',1);  %投入指标数
s=size(y',1);  %产出指标数
epsilon=10^-10;%一个非常小的正数，在目标函数中用以识别松弛变量，并判断有效和弱有效
f=[zeros(1,n) -epsilon*ones(1,m+s) 1];%目标函数前n个决策变量的价值系数为0，第n+1到第n+m+s个决策变量的价值系数都为那个充分小的正数，第n+m+s+1个决策系数的价值系数为1
A=zeros(1,n+m+s+1);%不等式约束的系数矩阵，仅有1行，n+m+s+1列，元素全为0
b=0;%不等式约束左端的值，全部为0
LB=zeros(n+m+s+1,1);%决策变量的下限，共n+m+s+1行，1列。每个元素都为0,
UB=[];%决策变量的上限，无要求。
LB(n+m+s+1)=-inf;
for i=1:n
    Aeq=[[x(:,1:i-1),zeros(m,1),x(:,i+1:n)] eye(m) zeros(m,s) -x(:,i)
        [y(:,1:i-1),zeros(s,1),y(:,i+1:n)] zeros(s,m) -eye(s) zeros(s,1)];
   beq=[zeros(m,1)
       y(:,i)]; 
   v(:,i)=linprog(f,A,b,Aeq,beq,LB,UB);
end
theta_se=v(n+m+s+1,:)';

结果

0.0523743040732201
0.460194278564892
0.280835016622215
0.236269678021675
0.137840670422364
0.689863036524380
0.623629111454303
0.171727320159312
1.92741811023484
0.855787172666927
0.351011949617917
0.377780736929536
1.04518535254579
1.36798979340467
0.515844523360096
0.885503385809792
0.972765683802164
0.507884347300140
0.720737829252715
0.868254837493949
0.678868902578528
1.24654749293846
0.651339743186006
0.566628186204255
0.909258990279544
1.17729908354233
1.03973367345551
1.07081404510341
0.437828731291854
0.637403183592677
1.07791085587961
0.834316741706237
1.34902353413582
1.33482443066868
0.482137577192168
0.139365597368248
0.158433430063874
0.0478733732092864

注：将投入指标数据保存在同个路径下，保存为X.mat文件，产出指标数据同样设置。