python处理期望产出与非期望产出（SBM model)

前几日忙着玩，今天来更新了。也差不多是时候开始期末复习了，更新的速度可能比较慢。本人的研究方向是DEA做能源经济。今天听导师说，cplex软件更强大，哈哈感觉gurobi都有点不香了。

前言

相较于往常的DEA模型，他有一个明显的区别。就是对于环境而言，把产出分成了期望产出（desirable outputs）和非期望产出（undesirable outputs)。

一般来说，我们都是想要更多的产出，更少的投入，那么对于这环境问题，我们想要的便是：更多的期望产出，更少的非期望产出。

这篇文章都是建立在基础模型SBM这个非径向（non-radial）模型上的，并且规模报酬是constant returns to scale。

模型

part 1

第一种情况，是期望产出与非期望产出之间是能准确分离开来的，也就是所用到的变量是：

那么其模型为：

若是为了反映决策者的偏好，可以对上述模型加权重，那么此时的目标函数就会变成：

part 2

若是遇到，投入与各种产出是不易分割的，那么我们就重新定义：

此时的模型则变成：

从这个模型的约束条件去看，可以发现是径向与非径向的一个混合。

注意到，上述这个模型SBM-NS并没有考虑不能分割部分的松弛，若是对这部分也进行一个考虑，并且认为期望产出不变，即：

还有一个新增约束条件，是决策者给的：

这个U由决策者给出。

给出新增条件后的最终模型：

例子

原始数据如下：
用这组数据来实践NS-Overall模型。假定这个U是0.2。

计算结果如下：