DEA各种模型原理及stata代码实现
DEA各种模型原理及stata代码实现
一、CCR和BCC
1.原理
CCR模型产出导向下的效率通过求解以下规划得出:
C C R _ T E = m a x θ CCR\_ TE = max \theta CCR_TE=maxθ
s . t . ∑ k = 1 K z k y k m ≥ y k m θ m , m = 1 , . . . , M s.t. \sum_{k=1}^Kz_{k}y_{km}\geq y_{km}\theta_{m},m=1,...,M s.t.∑k=1Kzkykm≥ykmθm,m=1,...,M
∑ k = 1 K z k x k n ≤ x k n , , n = 1 , . . . , N \kern2em\sum_{k=1}^Kz_{k}x_{kn}\leq x_{kn},,n=1,...,N ∑k=1Kzkxkn≤xkn,,n=1,...,N
z k ≥ 0 \kern2emz_{k}\geq 0 zk≥0
其中, ( ∑ k = 1 K z k y k m , ∑ k = 1 K z k x k n ) (\sum_{k=1}^Kz_{k}y_{km},\sum_{k=1}^Kz_{k}x_{kn}) (∑k=1Kzkykm,∑k=1Kzkxkn)可以理解为前沿面, ( x k m , y k m ) (x_{km},y_{km}) (xkm,ykm)为每个决策单元(dmu)的值。
BCC模型在上述规划的约束条件中加入 ∑ k = 1 K z k = 1 \sum_{k=1}^Kz_k=1 ∑k=1Kzk=1.
2.效率测算stata代码
代码格式如下:
CCR模型对应规模报酬不变crs
dea inputvars = outputvars ,rts(crs)
BCC模型对应规模报酬可变vrs
dea inputvars = outputvars ,rts(vrs)
3.Malmquist指数
3.1M指数
Malmquist指数是效率的变化率,简单地想,如果以t期为基期,那么公式为:
M a l m q u i s t t = D t ( x t + 1 , y t + 1 ) D t ( x t , y t ) Malmquist_t=\dfrac{D^t (x^{t+1},y^{t+1})}{D^t(x^t,y^t)} Malmquistt=Dt(xt,yt)Dt(xt+1,yt+1)
其中, D t ( x t + 1 , y t + 1 ) D^t(x^{t+1},y^{t+1}) Dt(xt+1,yt+1)某一个决策单元在t+1期的生产情况基于t期的前沿面计算的效率(决策单元在t+1期的生产情况可能超出t期的前沿面,因此可能无解);
D t ( x t , y t ) D^{t}(x^{t},y^{t}) Dt(xt,yt)某一个决策单元在t期的生产情况基于t期的前沿面计算的效率,也就是正常来说的 T E t TE_t TEt
同样的,如果以t+1期为基期,那么公式为:
M a l m q u i s t t + 1 = D t + 1 ( x t + 1 , y t + 1 ) D t + 1 ( x t , y t ) Malmquist_{t+1} =\dfrac{D^{t+1}(x^{t+1},y^{t+1})}{D^{t+1}(x^t,y^t)} Malmquistt+1=Dt+1(xt,yt)Dt+1(xt+1,yt+1)
基期不同值不同,为了解决这个问题,定义:
M a l m q u i s t t + 1 , t = ( M a l m q u i s t t × M a l m q u i s t t + 1 ) 0.5 = M ( x t + 1 , y t + 1 , x t , y t ) Malmquist_{t+1,t} =(Malmquist_{t}\times Malmquist_{t+1})^{0.5} =M(x^{t+1},y^{t+1},x^t,y^t) Malmquistt+1,t=(Malmquistt×Malmquistt+1)0.5=M(xt+1,yt+1,xt,yt)
= [ D t ( x t + 1 , y t + 1 ) D t ( x t , y t ) × D t + 1 ( x t + 1 , y t + 1 ) D t + 1 ( x t , y t ) ] 0.5 =[\dfrac{D^{t}(x^{t+1},y^{t+1})}{D^t(x^t,y^t)}\times \dfrac{D^{t+1}(x^{t+1},y^{t+1})}{D^{t+1}(x^t,y^t)}]^{0.5} =[Dt(xt,yt)Dt(xt+1,yt+1)×Dt+1(xt,yt)Dt+1(xt+1,yt+1)]0.5
= D t + 1 ( x t + 1 , y t + 1 ) D t ( x t , y t ) × [ D t ( x t + 1 , y t + 1 ) D t + 1 ( x t + 1 , y t + 1 ) D t ( x t , y t ) D t + 1 ( x t , y t ) ] 0.5 =\dfrac{D^{t+1}(x^{t+1},y^{t+1})}{D^t(x^t,y^t)}\times [\dfrac{D^{t}(x^{t+1},y^{t+1})}{D^{t+1}(x^{t+1},y^{t+1})}\dfrac{D^{t}(x^{t},y^{t})}{D^{t+1}(x^t,y^t)}]^{0.5} =Dt(xt,yt)D