栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

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

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

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:

共同前沿的SBM模型:

  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

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/725858.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号