基于零和收益的DEA模型研究python实现

传统的DEA模型往往假设相关的是相互独立的，此时DEA模型只能计算出相对效率，无法进行效率的调整。如在碳排放分配问题上，碳排放总量保持不变，利用DEA模型只能计算出每个省份分配的相对效率，这在讨论固定资源下的碳排放配额分配问题时具有明显的局限性。在这种情况下，利用ZSG-DEA模型，可以调整DEA值从而实现有效分配。
若地市为非DEA有效的决策单元，为了实现DEA有效，必须减少投入k（碳排放）的使用，减少量为：

为了保持投入总额不变，即碳排放总量不变，这一减少的碳排放量将按照比例分配的原则分配给其他地市，则第i个地市DMUi从DMU处分得的碳排放为：

由于所有的DMU都同时进行投入的比例消减，故调整全部结束后，投入K对DMUi的再分配额为：

依照比例消减策略，利用ZSG-DEA方法对决策单元DMUo进行相对效率评价的投入导向BBC模型为：

由于所有在原始模型下非DEA有效的均会按照比例分配自己的多余投入，以达到DEA有效。但所有均这样做的后果是：即使按上述公式计算，一些DMU在消减投入后仍不能达到DEA有效。对这个问题的应对方式有两种，一种是Lins和Gomes等提出的比例消减公式法，另一种是林坦、宁俊飞使用的迭代法。本文采取的是迭代法，通过多次迭代，可实现对投入的多次再分配，最终所有的均会达到有效边界，即所有的DMU会100%有效。这时对投入的再分配结果就是使效率最佳的分配方案。

## 迭代的python代码
DEA_data=pd.read_excel('分析结果.xlsx'