非期望产出超效率SBM模型MATLAB代码

目前CSDN里面几乎没有一个正确的该模型代码,本人分享代码的测算结果已发表在C刊。

clc

clear

X =[];%投入指标数据

Y = [];%期望产出指标数据

Z = [];%非期望产出指标数据

[m,n]=size(X);%m为投入指标数,n是样本数

s=size(Y,1);%s为期望产出数

q=size(Z,1);%q为非期望产出数

D=1./(m*X');%目标函数的分母

E=1./((s+q)*Y');%等式约束期望产出的分母

F=1./((s+q)*Z');%等式约束非期望产出的分母

LB=zeros(n+m+s+q+1,1);UB=[];

theta=zeros(n,1);

for i=1:n

……

后续代码感兴趣的,可以联系留言或者私聊

 

  • 3
    点赞
  • 39
    收藏
    觉得还不错? 一键收藏
  • 27
    评论
面板数据期望产出效率(Semi-Balanced Efficiency Measure, SBM模型是一种用于评估面板数据中企业或组织的效率的方法。该模型基于数据包络分析(Data Envelopment Analysis, DEA)方法,在传统的DEA方法的基础上进行改进。 MATLAB代码实现SBM模型可以分为以下几个步骤: 1. 准备数据:收集所需数据,包括各个企业或组织的输入和产出指标数据。将数据以矩阵的形式导入MATLAB。 2. 构建SBM模型:使用MATLAB中的线性规划函数(如linprog)构建SBM模型。根据实际情况,设定各个企业或组织的输入产出权重范围等约束条件。通过目标函数最大化或最小化来确定各个企业或组织的效率。 3. 运行模型:通过调用MATLAB中的线性规划函数来运行SBM模型模型将根据设定的约束条件和目标函数进行计算,得到每个企业或组织的效率评估结果。 4. 分析结果:对模型输出的结果进行进一步分析和解读,评估各个企业或组织的效率水平。根据结果,可以进行效率改进或调整策略,提高整体效率。 需要注意的是,SBM模型的准确性和有效性取决于数据的质量和模型的构建参数。在进行模型实施前,务必对数据进行清洗和验证,并进行合理的模型参数设定。 以上是关于面板数据期望产出效率SBM模型MATLAB代码的简要介绍,实际的代码实现可能还涉及一些细节和特定的实际问题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 27
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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