- 博客(152)
- 收藏
- 关注
RSS订阅原创 DEA Performance 软件 Malmquist-Luenberger（BCC）模型计算结果准确性验证
Malmquist-Luenberger 指数是数据包络分析中测算绿色全要素生产率的核心方法，BCC 可变规模报酬假设下的模型适配性更强，但跨期求解易出现不可行问题，软件计算的准确性直接决定实证结论的可靠性。本文基于标准测试数据集，从理论推导、数值校验、算法机制三个维度，对 DEA Performance 软件的 ML-BCC 模型进行全维度验证。结果表明：软件的方向距离函数求解、指数分解公式、规模报酬约束均符合经典 DEA 理论；跨期不可行全局兜底机制运行稳定；所有抽样单元的计算值与理论推导值完全一致。
2026-09-10 09:00:00
483
原创 DEA Performance 规模效率分析：FDH 自由处置壳模型计算结果准确性验证
为一款面向科研与实务场景的数据包络分析工具，**DEA Performance**支持径向、SBM、DDF、FDH 等全系列 DEA 模型的规模效率分析，其计算准确性是广大用户，尤其是寻找**论文用 DEA 软件推荐**的研究者最为关注的核心指标。 本文采用 20 个决策单元的标准梯度测试数据集，对软件中 FDH 模型的规模效率计算结果进行严格的数学验证，完整披露全部测试数据与计算结果，明确其计算正确性与理论适用边界，为用户选型与结果解读提供参考。
2026-09-09 09:00:00
95
原创 DEA Performance 软件 Malmquist 指数（BCC-VRS 模型）计算准确性验证
本文针对 DEA Performance 软件中 **Malmquist 全要素生产率指数（BCC 可变规模报酬模型）** 的计算准确性与跨期求解鲁棒性进行验证。采用包含 20 个决策单元（DMU）的两期标准测试数据集，在**投入导向、相邻参比（传统 Färe 法）** 模式下完成测算。针对 BCC 模型跨期评价易出现的无可行解问题，验证了软件内置的 CRS 兜底求解机制的有效性，并通过线性规划解析解推导、经典分解公式校验、全样本数值比对三重维度验证算法正确性。
2026-09-08 09:30:00
657
原创 DEA Performance 软件 Malmquist 指数（相邻参比模型）计算准确性验证
本文针对 DEA Performance 软件中 **Malmquist 全要素生产率指数（相邻参比 / 传统 Färe 法）** 模型的计算准确性进行严格验证。采用包含 20 个决策单元（DMU）的两期标准测试数据集，分别在**投入导向**与**产出导向**下完成测算，通过线性规划解析解推导、经典分解公式校验、全样本数值比对三重维度验证算法正确性。
2026-09-07 11:45:00
720
原创 全局 DDF 方向距离函数（NIRS 非递增规模报酬）模型计算准确性验证 —— 基于 DEA Performance 软件完整复现测试
DEA Performance 软件集成了完整的 DDF 模型体系，支持全类型规模报酬配置。为确认软件 NIRS 模型计算结果的学术可靠性，本文采用标准化测试数据集，对**全局 DDF-NIRS 非递增规模报酬**模型的投入导向、产出导向两种核心场景进行独立复算验证，公布完整测试数据与计算结果，从前沿判定、数值精度、理论一致性三个维度校验计算准确性，为论文用 DEA 软件选择提供可复现的参考依据。
2026-09-05 09:30:00
361
原创 全局 DDF 方向距离函数（VRS）模型计算准确性验证 —— 基于 DEA Performance 软件完整测试数据集复现
DEA Performance 作为一款专业的数据包络分析软件，集成了完整的全局 DDF 模型体系，支持多计算导向、多规模报酬假设、多非期望产出处置性配置。为确认软件计算结果的学术可靠性，本文采用标准化单调趋势测试数据集，对**全局 DDF-VRS 可变规模报酬**模型的投入导向、产出导向两种核心场景进行独立复算验证，公布完整测试数据与计算结果，从前沿判定、数值精度、理论一致性三个维度校验计算准确性，为论文用 DEA 软件选择提供可复现的参考依据。
2026-09-05 09:00:00
704
原创 DEA Performance 拥挤 DEA（超效率 SBM-VRS）模型计算结果准确性验证
本文基于 DEA Performance 软件的拥挤 DEA 模块，采用**2 投入 - 2 期望产出 - 2 非期望产出**的标准测试数据集，对超效率 SBM-VRS（可变规模报酬）模型在投入导向、产出导向两种模式下的计算结果进行全面准确性验证，并对前沿单元兜底机制、非径向模型拥挤判定逻辑等关键技术点进行详细说明。
2026-09-04 09:30:00
594
原创 DEA Performance 拥挤 DEA（SBM-VRS）模型计算结果准确性验证与逻辑解析
本文基于 DEA Performance 软件的拥挤 DEA 模块，采用**2 投入 - 2 期望产出 - 2 非期望产出**的标准测试数据集，对 SBM-VRS（可变规模报酬）模型在投入导向、产出导向两种模式下的计算结果进行准确性验证，并对非径向模型下拥挤判定逻辑的修正方案进行详细说明。
2026-09-04 09:00:00
284
原创 DEA Performance 动态 DEA 超效率 CCR 模型：计算逻辑修正与结果准确性验证
本文针对 DEA Performance 软件动态 DEA 模块的两处核心问题进行修复：一是超效率模型中整数权重调用`varValue`的运行报错；二是资本跨期约束中被评价 DMU 资本未参与约束的逻辑缺陷。基于经典面板测试数据，从投入产出对偶性、超效率理论性质、资本约束经济含义三个维度，对动态超效率 CCR 模型的计算结果进行全面准确性验证。结果表明，修正后的模型严格满足 DEA 对偶定理，超效率数值特征与理论完全一致，资本跨期结转逻辑自洽，可可靠用于面板数据动态效率评价。
2026-09-03 09:30:00
319
原创 DEA Performance 动态网络 SBM 模型计算结果准确性验证 —— 基于跨期资本结转场景
动态网络数据包络分析能够处理多期面板数据，通过跨期结转刻画资本要素的跨期联动，是全要素生产率评价的主流模型之一。但最小规模边界单元常因下期资本高于上期折旧后上限出现不可行解，影响全样本计算的完整性。本文采用具有严格单调特征的标准测试数据集，对 DEA Performance 软件中动态网络 SBM 模型的计算结果进行系统性验证。通过理论推导、边界单元手动验算、全样本合理性分析三重校验，证实软件采用的「大 M 引导软约束」机制既解决了边界单元不可行问题，又保证了效率值的经济含义，计算结果准确可靠。
2026-09-03 09:00:00
304
原创 DEA Performance 方向距离函数 (DDF-NDRS) 模型计算结果准确性验证
方向距离函数（DDF）是数据包络分析中处理非期望产出的核心模型框架，非递减规模报酬（NDRS）设定广泛应用于规模报酬递增区间判定、规模效率分解与产业发展阶段识别等场景。本文基于 20 组决策单元的标准单调测试数据集，对 DEA Performance 软件中 DDF-NDRS 模块的投入导向与产出导向计算结果开展系统性验证。通过理论边界推导、典型样本手动验算与全样本合理性分析三重校验，证实软件计算结果与线性规划理论解完全吻合，约束定义准确，效率换算口径自洽，数值精度满足学术研究与工程应用要求。
2026-09-02 09:30:00
422
原创 DEA Performance 方向距离函数 (DDF-NIRS) 模型计算结果准确性验证
方向距离函数（DDF）是数据包络分析中处理非期望产出的核心模型之一，非递增规模报酬（NIRS）设定广泛应用于规模报酬递减区间判定、拥挤效率分析等场景。本文基于 20 组决策单元的标准测试数据集，对 DEA Performance 软件中 DDF-NIRS 模块的投入导向与产出导向计算结果进行系统性验证。通过理论推导、全样本手动验算与结果合理性分析三重校验，证实软件计算结果与线性规划理论解完全一致，计算逻辑自洽，数值精度满足学术研究与工程应用要求。
2026-09-02 09:00:00
844
原创 DEA Performance 两阶段 DEA（NDRS 超效率）模型计算精度验证与实例分析
本文针对 DEA Performance 软件的两阶段 DEA 模块，采用共享投入模式下的径向测度模型，结合 NDRS 非递减规模报酬假设与超效率排序功能，通过 6 决策单元标准测试数据集，完成投入导向与产出导向双场景的计算结果准确性验证。文中逐单元完成线性规划推导校验，重点验证超效率不可行场景下的自动回退机制，为科研人员使用该软件开展多阶段效率评价提供可复现的精度参考。
2026-09-01 09:30:00
301
原创 DEA Performance 两阶段 DEA（NIRS 超效率）模型计算结果准确性验证与实例分析
本文基于 DEA Performance 软件，针对共享投入模式下的两阶段径向 DEA 模型，结合 NIRS 非递增规模报酬假设与超效率功能，采用 6DMU 标准测试数据集，完成投入导向与产出导向双场景的计算结果准确性验证。文中逐单元完成数学推导校验，同时验证超效率不可行时的自动回退机制，为科研人员使用该软件开展两阶段效率评价提供可复现的精度参考。
2026-09-01 09:00:00
1309
原创 DEA Performance 博弈交叉效率 DEA（CCR - 仁慈型）模型计算准确性验证研究
博弈交叉效率 DEA 是解决传统交叉效率权重不唯一、评价结果不稳定问题的核心方法，在绩效排名、标杆遴选等领域具有重要应用价值。本文基于 20 组标准测试数据集，对 DEA Performance 软件中**CCR 不变规模报酬 - 仁慈型合作博弈**超效率交叉模型进行了全面的准确性验证。分别从投入导向与产出导向两种计算视角出发，对比了独立线性规划求解结果与软件输出值，验证了自评超效率计算、交叉效率矩阵构造、纳什均衡迭代三大核心环节的正确性。
2026-08-31 09:30:00
584
原创 DEA Performance 方向距离函数 (DDF-VRS) 模型计算结果准确性验证
方向距离函数（Directional Distance Function, DDF）是数据包络分析中处理非期望产出的核心模型之一。本文基于 20 组决策单元的标准测试数据集，对 DEA Performance 软件中 DDF-VRS（可变规模报酬）模型的计算结果进行了严格的准确性验证。分别从投入导向和产出导向两种模式出发，对比了线性规划求解器的理论计算值与软件输出结果，验证了软件在方向距离函数建模、规模报酬约束处理、效率值换算等关键环节的计算正确性。
2026-08-31 09:00:00
1161
原创 交叉效率 DEA 计算准确性验证：基于 DEA Performance 的 BCC 基础交叉 + 加权聚合模式实测
针对可变规模报酬下交叉效率 DEA 的计算准确性校验需求，本文采用 20 个决策单元的标准测试数据集，基于DEA Performance软件对**BCC基础交叉效率 + 加权聚合**模式开展全面验证。分别从投入导向与产出导向两个维度，校验自评效率、交叉评价矩阵、加权聚合逻辑的计算正确性，重点验证 BCC 模型截距项的计算完整性与效率对偶特性。结果表明，软件计算严格符合 BCC 交叉效率的学术理论定义，纯技术效率剥离准确，截距项计算完整，聚合逻辑规范，可为纯技术效率评价、绩效评优、标杆遴选提供可靠的计算工具。
2026-08-29 12:28:16
378
原创 交叉效率 DEA 计算准确性验证：基于 DEA Performance 的 CCR 基础交叉 + 加权聚合模式实测
针对交叉效率 DEA 计算结果的准确性校验需求，本文采用 20 个决策单元的标准测试数据集，基于 DEA Performance 软件对 CCR 不变规模报酬下的基础交叉效率模型（加权聚合模式）开展全面验证。分别从投入与产出导向两个维度，校验自评效率、交叉评价矩阵、最终聚合效率的计算逻辑，验证了交叉效率定义的对偶性与加权聚合规则的正确性。结果表明，修正后的算法严格符合学术理论，投入与产出导向结果满足 φ=1/θ 的对偶关系。本文可为 DEA 结果异常排查提供方法参考，也为论文用 DEA 软件选型提供实测依据
2026-08-29 11:52:30
291
原创 DEA Performance 交叉效率 DEA 模型准确性验证：CCR 超效率基础交叉模式实证测算
传统DEA模型存在自评权重偏袒缺陷，交叉效率DEA通过互评实现客观排名，超效率模式解决前沿单元并列问题。本文基于20组标准数据集，验证DEA Performance软件中CCR超效率基础交叉效率模型，测算投入与产出导向的自评及交叉效率。经与线性规划理论解逐单元比对，软件结果与最优解完全一致，20个决策单元全部收敛。同时解释了CCR模式下两导向交叉效率等价的数学原理，为选用该工具提供准确性依据。
2026-08-28 09:30:00
300
原创 DEA Performance 软件 SBM-NDRS 模型准确性验证：含非期望产出的非递减规模报酬实证测算
数据包络分析（DEA）中 SBM 模型因考虑松弛变量、支持非期望产出处理而被广泛应用于环境效率、能源效率等研究场景，其中非递减规模报酬（NDRS）设定常用于规模收益递增区间判定与前沿面构建。本文基于 20 组包含 2 项投入、2 项期望产出、2 项非期望产出的标准测试数据集，对 DEA Performance 软件中 SBM-NDRS 模型的投入导向与产出导向两种计算模式进行全样本准确性验证。通过与标准线性规划求解结果逐单元比对，证实软件计算结果与理论最优解完全一致，所有决策单元均收敛至最优状态，无求解异常
2026-08-28 09:00:00
297
原创 SBM-U 非期望产出模型 (NIRS) 计算准确性验证：附完整测试数据集与 DEA Performance 复现结果
本文针对包含非期望产出的 SBM 数据包络分析模型（SBM-U），在非递增规模报酬（NIRS）假设下，分别从投入导向与产出导向两个维度开展计算准确性验证。通过构建包含 20 个决策单元、2 项投入、2 项期望产出与 2 项非期望产出的标准测试数据集，使用 DEA Performance 软件进行求解，并基于线性规划理论独立复现计算过程。结果表明，软件输出的 20 组效率值与理论复算结果完全一致，模型约束与目标函数均符合经典 SBM 理论定义，可作为科研与实务中非期望产出 DEA 分析的可靠工具。
2026-08-27 09:30:00
497
原创 SBM-U 非期望产出模型准确性验证 —— 基于 DEA Performance 的 VRS 模式实证验算
针对非期望产出 SBM 模型计算结果的准确性验证需求，本文基于 20 组决策单元的标准测试数据集，以独立复现的线性规划求解逻辑为基准，对 DEA Performance 软件的 SBM-U (VRS) 模型进行全量验算。结果表明，投入导向与产出导向两种模式下，所有决策单元的效率值与基准结果小数点后 6 位完全一致，模型约束、目标函数均符合 Tone (2001) 提出的标准 SBM 理论定义。本文同时梳理了非期望产出模型的实现要点与异常排查方法，为 DEA 研究者提供可靠的工具选型参考。
2026-08-27 09:00:00
757
原创 CCR 中立型交叉效率 DEA 计算准确性验证：基于 DEA Performance 的标准算例实测与对偶性校验
传统交叉效率 DEA 存在权重不唯一、结果波动大的问题，中立型交叉效率通过最小化权重极差的二级目标规划，有效避免了单一指标权重极端化缺陷，评价立场中立客观，在绩效评价、行业排名中应用广泛。本文以 6 个决策单元、2 投入 2 产出的标准算例为基础，针对 CCR 不变规模报酬下的投入与产出导向两种模式，从自评效率基准、交叉效率数学性质、模式相对逻辑、对偶一致性四个维度，对 DEA Performance 软件的中立型交叉效率计算结果进行全维度准确性验证，结果表明，软件计算结果与理论推导完全吻合。
2026-08-26 09:00:00
308
原创 CCR 理想点交叉效率 DEA 计算准确性验证：基于 DEA Performance 的公共权重导向算例实测与逻辑校验
传统交叉效率 DEA 存在最优权重不唯一、结果波动大、权重结构极端化的缺陷，理想点交叉效率通过引入公共理想权重的二级目标规划，推动权重向公共均衡方向靠拢，有效提升了评价结果的稳定性与公允性。本文以 6 个决策单元、2 投入 2 产出的标准算例为基础，针对 CCR 不变规模报酬下的投入与产出导向两种模式，从自评效率基准、刚性数学性质、模型专属流程、导向差异合理性、多模式横向对比五个维度，对 DEA Performance 软件的理想点交叉效率计算结果进行全维度准确性验证。
2026-08-26 08:45:00
360
原创 CCR 仁慈型交叉效率 DEA 计算准确性验证：基于DEA Performance 的标准算例实测与理论校验
传统 DEA 模型基于自评体系存在权重偏袒、结果区分度不足的问题，交叉效率 DEA 通过 DMU 互评机制有效解决了这一缺陷，其中仁慈型交叉效率因评价标准宽容、适配评优鼓励场景被广泛应用。本文以 6 个决策单元、2 投入 2 产出的标准算例为基础，针对 CCR 不变规模报酬下的投入与产出导向两种模式，从自评效率、交叉效率性质、二级目标逻辑三个维度，对 DEA Performance 软件的仁慈型交叉效率计算结果进行全方面准确性验证。结果表明，软件计算与理论推导完全一致，可为科研人员提供可靠支撑，也为 DEA
2026-08-25 09:43:19
364
原创 交叉效率 DEA 激进型模型计算准确性验证 —— 基于 DEA Performance 的数值验算
对于从事效率评价研究的学者而言，一款计算准确、算法严谨的 DEA 工具是科研工作的重要支撑。不少研究者在寻找论文用 DEA 软件推荐时，往往会优先关注算法的可复现性与结果的准确性。本文基于公开测试数据集，对 DEA Performance 软件中的激进型交叉效率模型进行全流程数值验证，从理论层面核验其计算逻辑的正确性，为用户提供可靠的使用参考。
2026-08-25 09:00:00
665
原创 DEA Performance 利润效率 DEA-SBM 模型结果准确性验证：兼论配置效率分解的理论严谨性
利润效率DEA是评估决策单元盈利水平的关键工具，但现有软件在SBM非径向测度下常出现配置效率分解不严谨的问题，导致配置效率大于1的反常结果。本文基于标准测试数据集，对DEA Performance软件的SBM型利润效率模型进行全量手动验算，验证其利润效率值、技术效率分解和配置效率分解的准确性，并对比VRS与NIRS两种规模报酬假设下的结果差异。结果表明，该软件采用的利润口径分解框架严格满足PE=TEπ×AE恒等式，所有正效率单元的配置效率均≤1，符合经济学定义，其线性规划求解精度和理论逻辑均达到学术标准。
2026-08-24 10:15:00
953
原创 银河麒麟终端数据处理标准化实践：SQLiteGo 效能评估与落地路径
银河麒麟桌面操作系统在信创领域已实现规模化部署，但终端数据处理存在工具碎片化、适配成本高、安全隐患等问题。本文提出基于SQLiteGo的标准化方案，通过全生命周期数据管理、原生aarch64适配及纯离线运行，显著提升终端侧数据处理效率。测试显示，该方案部署效率提升90%，10万级数据处理耗时缩短60%，内存占用仅为传统方案的1/4，完美契合信创安全要求。方案已应用于业务台账管理、开发运维等场景，为国产终端数据治理提供标准化解决方案。
2026-08-24 08:16:27
664
原创 两阶段共享投入 SBM-U 模型准确性验证：基于 DEA Performance 实测
针对两阶段数据包络分析（DEA）中共享投入、非期望产出等复杂场景的计算准确性痛点，本文采用 6 决策单元标准测试数据集，对 DEA Performance 软件的两阶段共享投入 SBM-U 模型进行全维度验证。分别在投入导向与产出导向、CRS 不变规模报酬假设下，测算包含 2 项投入、1 项中间产品、2 项期望产出与 2 项非期望产出的链式生产系统效率，并通过线性规划理论推导手动复现核心决策单元的效率值与共享投入分配系数。结果表明，软件计算结果与理论最优解完全一致。
2026-08-23 09:49:35
347
原创 DEA Performance 软件成本 / 收益与利润 DEA 模型计算准确性验证：附数值算例与理论校验
本文基于标准算例对DEA Performance软件的经济效率模型进行了全面校验。研究采用6个DMU、2项投入产出的经典案例，配置差异化要素价格，重点验证了成本效率、收益效率和利润效率三类模型在VRS与NIRS假设下的计算结果。校验表明：软件输出的径向测度结果与理论推导值完全一致，包括成本效率（CE=TE×AE）、收益效率（RE）及利润效率（PE）的分解关系。特别针对NIRS模式下利润效率的边界条件，软件通过算法优化确保了生产理论的合规性。
2026-08-23 09:03:12
313
原创 基于 DEA Performance 的随机 DEA-FG 模型准确性验证：蒙特卡洛模拟与稳健性测度全流程校验
本文针对随机数据包络分析（DEA）中的FG模型进行准确性验证研究。通过构建严格单调测试数据集（20个决策单元），从底层模型合规性、蒙特卡洛模拟严谨性和统计特征自洽性三个维度，对DEA Performance软件中的随机DEA-FG模块进行全面检验。结果显示：该软件严格遵循非递增规模报酬（NIRS）理论，蒙特卡洛模拟过程规范（1000次独立求解），输出结果呈现典型的随机DEA统计特征（倒U型波动分布、边界截断效应和均值回归现象）。
2026-08-21 08:45:00
286
原创 基于 DEA Performance 的随机 DEA-BCC 模型准确性验证：扰动模拟与稳健性测度全流程校验
本文验证了DEA Performance软件中随机DEA-BCC模块的准确性。通过20个决策单元的测试数据，从底层模型合规性、模拟算法严谨性和统计特征自洽性三个维度进行校验。结果表明：软件严格遵循BCC模型的可变规模报酬约束，采用相对正态扰动方案进行1000次蒙特卡洛模拟，输出的效率均值、标准差和95%置信区间完全符合随机DEA理论特征，包括"倒U型"波动分布、边界截断效应和均值回归现象。研究还总结了随机DEA开发中常见的四类错误，为相关研究提供参考。
2026-08-21 08:30:00
316
原创 DEA Performance 收益效率 DEA 模型准确性验证：径向与 SBM 双测度 CRS 算例实测
本文对DEA Performance软件的收益效率DEA模块进行准确性验证，基于CRS假设下的径向与SBM非径向测度模型，采用6个决策单元的标准算例测试。结果显示，软件输出的收益效率（RE）、技术效率（TE）及配置效率（AE）与理论推导值完全一致（径向模型精确至6位小数，SBM模型亦无偏差）。特别说明SBM模型中配置效率可能大于1的现象属正常数学特性，非计算错误。验证结论表明该软件计算结果准确可靠，可满足学术研究需求。
2026-08-20 08:45:00
332
原创 三阶段 DEA（SBM-VRS）非期望产出模型准确性验证：基于 DEA Performance 的实证测试
为验证三阶段数据包络分析模型的计算准确性，本文基于 SBM-VRS 非期望产出框架，采用 20 个决策单元的人工构造测试数据集，从投入、产出双导向开展系统性实证校验。研究逐一验证了效率单调性、前沿面判定、SFA 随机前沿分解逻辑及非期望产出调整规则的合理性，明确人工平滑数据下无效率方差占比 γ 趋近于 0 是数据特征所致的正常现象，并非算法缺陷。结果表明，DEA Performance 软件的三阶段 DEA 模块计算逻辑符合学术规范，求解稳定可靠，可为效率评价领域的科研工作者提供可信的工具支撑。
2026-08-20 08:30:00
502
原创 三阶段超效率 BCC 模型计算准确性验证：基于 DEA Performance 的实证测试
本文验证了DEA Performance软件在三阶段超效率BCC模型计算中的准确性。研究采用严格单调的测试数据集，重点关注极端有效单元的判定、效率值趋势合理性以及SFA回归逻辑合规性。结果表明，该软件能准确识别极端有效单元，效率值呈现合理的单调趋势，SFA回归结果符合理论预期。软件对极端有效单元的处理符合学术规范，可作为科研工具的可靠选择。研究建议在论文中明确说明极端有效单元的性质，并提供了排序替代方案和对标分析的应用指导。
2026-08-19 08:30:00
629
原创 信创终端数据分析避坑指南：为什么银河麒麟下我放弃 MySQL 转向 SQLiteGo
本文基于国产终端的真实落地经验，拆解银河麒麟环境下数据分析的三类典型选型误区，结合实测数据对比传统方案与轻量化工具的实际表现，详细解析 SQLiteGo 作为原生适配 ARM 架构的 SQLite 分析工具，如何通过嵌入式引擎架构、全链路原生构建、全格式一键导入、可视化低门槛交互四大核心优势，重构终端侧数据分析的效率链路，为信创终端数据处理提供高性价比的选型思路。
2026-08-19 08:30:00
668
原创 基于 DEA Performance 的非凸前沿视角下三阶段 DEA-FDH 模型准确性验证：单标杆约束 + SFA 环境剥离全流程校验
本文对三阶段DEA-FDH模型的准确性进行系统验证。通过构建严格单调测试集，从单标杆约束合规性、SFA分解严谨性和模型特性自洽性三个维度，全面检验了DEA Performance软件中的三阶段FDH模块。结果显示，该模块严格遵循自由处置壳的非凸前沿假设，正确实现二元权重和单标杆约束；SFA分解算法规范，能有效识别不同松弛来源；调整后的效率值呈现合理的经济规律，与理论预期完全吻合。研究还总结了FDH三阶段DEA开发中的常见错误类型，为相关应用提供重要参考。验证该工具可稳定用于非凸前沿下的效率测算与稳健性检。
2026-08-18 08:30:00
354
原创 基于 DEA Performance 的有效单元排序视角下三阶段 DEA - 超效率 CCR 模型准确性验证：Andersen-Petersen 规则 + SFA 环境剥离全流程校验
本文验证了DEA Performance软件中三阶段超效率CCR模型的准确性。通过规模单调测试集，从超效率约束合规性、SFA分解严谨性和数值特征自洽性三个维度进行检验，证明该工具严格遵循Andersen-Petersen超效率定义和Fried三阶段框架，能有效区分高效决策单元并计算纯管理效率。同时指出开发中易出现的四类错误：排除自身约束遗漏、第三阶段模型退化、效率边界设置错误和双导向数值混淆，为DEA应用者提供了重要参考。该工具可稳定用于有效单元排序与效率测算研究。
2026-08-18 08:30:00
412
原创 基于DEA Performance 的三阶段 DEA-FG 模型计算准确性验证：NIRS 规模报酬 + SFA 环境剥离全流程校验
本文验证了三阶段DEA-FG模型的计算准确性，该模型用于剥离环境因素与随机误差干扰，测算真实管理效率。通过标准单调测试数据集，从基础模型约束、三阶段算法流程和结果合理性三个维度进行验证。结果显示，软件中的FG模型严格遵循NIRS约束，采用两阶段法求解松弛量，SFA分解和数据调整符合Fried理论规范。投入导向和产出导向的效率结果均呈现合理趋势，验证了算法的正确性。文章还总结了开发中常见错误（如数据调整方向颠倒、SFA公式错误等），为相关研究提供了避坑指南。
2026-08-17 08:30:00
838
原创 基于DEA Performance 的三阶段 DEA-ST 模型计算准确性验证：NDRS 规模报酬 + SFA 环境剥离全流程校验
本文验证了DEA Performance软件中三阶段DEA-ST模型的准确性，该模型适用于规模报酬递增（NDRS）情形的效率评价。通过构建规模单调测试数据集，从约束合规性、SFA分解严谨性和结果合理性三个维度进行验证。结果显示，软件严格遵循NDRS假设的权重约束，SFA分解能准确分离环境因素与随机误差，调整后效率值符合经济规律。研究还总结了ST模型开发中的常见错误，为相关研究提供了方法参考。验证证实该工具能可靠用于规模报酬区间判定与稳健性检验。
2026-08-17 08:30:00
1214
SQLiteGo软件 下载
2026-07-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人