基于含有非期望产出的SBM模型的共同前沿和群组前沿的DEA效率测算

今天介绍一个新的DEA模型,即基于含有非期望产出SBM模型测算群组前沿和共同前沿的DEA效率,在研究能源效率时常常用到。

   由于各省之间的能源使用效率,受限于经济发展水平等诸多因素的限制,因此各省面对的生产前沿面也必然存在一定的差异,因此如果继续使用总体样本进行效率评价,将无法反映各地区的实际情况。

   因此,将各省区划分为不同的群组,基于群组前沿和共同前沿来测算DEA效率。具体的DEA规划式如下:

如将DMU划分为h组(h=1,2,,,H),群组前沿的SBM模型:
在这里插入图片描述

共同前沿的SBM模型:

图片

  代码使用python编写,有规模报酬可变与规模报酬不变两个版本,可增减变量,测算时只需要划分好群组即可。

参考文献:《中国能源影子价格和能源环境效率省际差异

  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    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模型的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 1
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