数据包络分析-超效率模型

模型

一般在实际中，我们拿到一组数据，直接进行DEA计算，很容易发生一种情况，就是有大量的决策单元（DMUs）最终效率分数为零。那么接下来就是对这些效率分数为1的值进行考虑，哪一个更好，对其进行一个排序。

与往常模型类似，其实也就是把这个被评估的决策单元不放进生可能集中去，继而建立模型。

CCR下的模型

要注意的是，这里的目标函数，是要在第一阶段求得theta的值，然后在第二阶段中这个theta作为已知条件代入，然后再求所有松弛的和最大。

SBM下的模型

将新的x和y代入模型中，得到新的模型为：

注意

超效率模型存在缺点，就是在VRS（variable returns to scale）情况时可能会存在无可行解的情况。

python处理超效率模型

例子：数据如下，用super radial-I-C模型进行求解：

代码主要部分：

    def __CCR_super(self):
        for k in self.DMUs:
            MODEL = gurobipy.Model(