DEA模型（数据包络分析）deap2.1操作方法

最新推荐文章于 2025-04-22 14:33:54 发布

D涂山苏苏C

最新推荐文章于 2025-04-22 14:33:54 发布

阅读量1w

点赞数 9

文章标签：经验分享

原文链接：https://zhuanlan.zhihu.com/p/365099050?ivk_sa=1024320u

版权

DEA（数据包络分析）是一种用于效率评估的方法，尤其适用于有多项投入和产出指标的情况。DEAP2.1是一个实施DEA的软件工具。操作步骤包括下载软件、创建数据和参数文件，然后运行程序获取分析结果。结果包括效率总结、产出和投入的松弛变量，提供了技术效率、规模效率和规模报酬变化的信息。该方法对于决策单元的效率分析和优化具有重要意义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

原文链接：DEA模型（数据包络分析）deap2.1操作方法 - 知乎

DEA模型

数据包络分析（data envelopment analysis，简写为“DEA”）是评价效率的常用方法之一，是运筹学、数理经济学与管理科学交叉研究的一个新领域。它是根据多项投入指标和多项产出指标，利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法

DEAP 2.1 下载地址（官网）：

Softwareeconomics.uq.edu.au/cepa/software

具体操作步骤

检验下载文件是否包含 DEAP.EXE DEAP.000 两个文件，如果有则可以正常使用。

将数据导入新建的 data.txt 文件（创建空白txt文件之后从excel复制粘贴你的数据）
创建 input.txt 文件，通过参数设置中具体步骤完成设置（复制下列命令到txt文件中修改）
打开 DEAP.EXE 程序，在程序中输入 input.txt 回车即可在文件夹中看到 output.txt 文件
deap 2.1 操作步骤

参数设置

data.txt         DATA FILE NAME
output.txt       OUTPUT FILE NAME
11               NUMBER OF FIRMS
1                NUMBER OF TIME PERIODS
2                NUMBER OF OUTPUTS
3                NUMBER OF INPUTS
1                0=INPUT AND 1=OUTPUT ORIENTATED
1                0=CRS AND 1=VRS
0                0=DEA(MULTI-STAGE), 1=COST-DEA, 2=MALMQUIST-DEA, 3=DEA(1-STAGE)，

参数含义

数据文件的文件名
输出文件文件名
决策单元数量（行）
时期：截面数据为1，时间数列数据自行设定
产出个数
投入个数
投入导向或者产出导向
规模报酬不变或者可变（0不变 1可变）
DEA分析方法（选择你需要的模型，模型不同结果也会不同）

MULTI-STAGE 方法结果

 EFFICIENCY SUMMARY:
firm  crste  vrste  scale
  1  1.000  1.000  1.000  -
  2  1.000  1.000  1.000  -
  3  1.000  1.000  1.000  -
  4  1.000  1.000  1.000  -
  5  0.968  0.984  0.984 drs
  6  0.889  0.907  0.980 irs
  7  0.854  0.918  0.930 irs
  8  0.900  1.000  0.900 irs
  9  0.975  1.000  0.975 irs
 10  0.993  1.000  0.993 irs
 11  1.000  1.000  1.000  -
mean  0.962  0.983  0.978

SUMMARY OF OUTPUT SLACKS:
 
 firm  output:           1           2
    1                0.000       0.000
    2                0.000       0.000
    3                0.000       0.000
    4                0.000       0.000
    5                0.841       0.000
    6                0.162       0.000
    7                0.000       0.000
    8                0.000       0.000
    9                0.000       0.000
   10                0.000       0.000
   11                0.000       0.000

 mean                0.091       0.000
 
 
 SUMMARY OF INPUT SLACKS:
 
 firm  input:            1           2           3
    1                0.000       0.000       0.000
    2                0.000       0.000       0.000
    3                0.000       0.000       0.000
    4                0.000       0.000       0.000
    5                0.594       0.000       0.125
    6                0.000       0.000       0.169
    7                0.000       0.000       0.130
    8                0.000       0.000       0.000
    9                0.000       0.000       0.000
   10                0.000       0.000       0.000
   11                0.000       0.000       0.000

 mean                0.054       0.000       0.039

结果分析
EFFICIENCY SUMMARY（效率分析）：

firm样本次序；
crste不考虑规模收益是的技术效率（综合效率）；
vrste考虑规模收益时的技术效率（技术效率）；
scale考虑规模收益时的规模效率（规模效率）；
irs,---，drs,分别表示规模收益递增、不变、递减。

SUMMARY OF OUTPUT SLACKS（S-）、SUMMARY OF INPUT SLACKS（S+）分别表示产出和投入指标的松弛变量取值，即原模型中的s值。

名词解释

技术效率：指在保持决策单元投入不变的情况下，实际产出同理想产出的比值。
规模报酬：规模报酬是要说明，当生产要素同时增加了一倍，如果产量的增加正好是一倍，称之为规模报酬不变（-），如果产量增加多于一倍，则称之为规模报酬递增（irs），进而，如果产量增加少于一倍，就称为规模报酬递减（drs）。
决策单元（DMU）就是效率评价的对象，可以理解为一个将一定“投入”转化为一定“产出”的实体。
DEA强有效：任何一项投入的数量都无法减少，除非减少产出的数量或者增加其他至少一种投入的数量；任何一项产出的数量都无法增加，除非增加投入的数量或减少其他至少一种产出的数量。
DEA弱有效：无法等比例减少各项投入的数量，除非减少产出的数量；无法等比例增加各项产出的数量，除非增加投入的数量。这种情况下，虽然不能等比例减少投入或增加产出，但某一项或几项（但不是全部）投入可能减少，所以称为弱有效。