去年写过的Dagum基尼系数分解工具，本来已经足够使用，但是前天有一位用户，数据量有近15w行，我从未设想过会出现如此大的数据，程序足足运行了将近5个小时才跑出结果，然而用户还有很多类似的数据，不能总是如此。 于是在原先的工具基础上，做了优化，优化后的运行速度得到极大提升，同样的数据，在优化后，只用了不到30分钟就运行出结果，时间缩短到未优化前的1/10。 以下是结果对比： 未优化前 优化之后 需要的可以联系我微信，canglang12002 除了公众号的这些工具，大家有想做的模型，找不到代码，或者做起来比较繁琐，也欢迎与我们联系。 往期推荐： Panda-DEA_1.0正式发布！ 含有非期望产出的ZSG-DEA模型 两阶段网络DEA模型及其计算 Panda-DEA，一款新的DEA模型软件 DKM_1.3更新---CCM收敛交叉映射 DKM_1.2:两阶段嵌套泰尔指数工具 DKM_1.1--新增熵值法功能 数量经济学工具DKM_1.0 空间马尔科夫链工具 空间静态kernel核密度、空间动态kernel核密度工具更新 马尔科夫链之传统马尔可夫 ...

今天推出一个小工具，按收入来源分解基尼系数。 由于学界对基尼系数的计算没有统一，有很多方法可以计算基尼系数，但是大多比较复杂，在此基础上，1999年诺丁汉大学的姚树洁提出了一种新的计算方法，公式如下： 其中，n表示全省一共n个县城，Pk表示第k个县城的人口在全省人口总数中的份额，Wk为第k个县城收入在全省县级收入总额中的比重，Qk是第一个县累积到第k个县的收入比重之和。在按上述公式计算基尼系数的时候，应该按照各个县城财力大小由小到大排序。 姚树洁提出了按照收入来源分解基尼系数的方法，简单明了，计算方便，最大的优势在于对不均等分组同样适用。公式如下： 假设全省一共n个县，mk，pk分别为第k个县的人均收入和人口比重，把所有县城按照mk的升序排列。如果k个县城的总收入来源于f种收入，则基尼系数可以按照这些来源分解为F个部分。Wf为第f种收入在所有收入额中的占比，gf为第f种来源的人均值，g为全部收入的人均值，Cf表示f收入来源的集中率。Qfk是第f种收入从第1个县城累积到k个县城的合计数在全部收入中的占比，Wfk是第k个县的第f种收入在全部县f来源总和中的份额，mfk是第k ...

经过一段时间的努力工作，Panda-DEA_1.0版本终于正式发布了！ 软件的模型选项界面如下： 距离函数 导向 规模报酬 模型 面板模型 此外，一些比较前沿的DEA模型论文的复现和常见的基础模型，Panda-DEA提供了快捷选择模型模块，只需准备好相应的数据，可以一键复现论文的结果，参考理论，复现结果，最大减轻大家写论文的苦恼。 在模型方面，目前包括径向和至前沿最远距离（SBM）两种距离函数，投入，产出、非导向三种导向，凸性前沿和自由处置壳（FDH)两种前沿，规模报酬包括CRS,VRS,NDRS,NIRS，GRS五种类型，模型选项包括超效率和非期望产出两项，如果线性规划出现无可行解，提供赋值为1、赋值为空，和运行FPA（适用径向距离）三阶段法求解三种处理方式。至于Malquist指数，提供相邻参比，全局参比、固定参比、序列参比四种比较常用的参比方式。 至于DEA结果，Panda-DEA提供效率值，投影值和改进比例三项结果，Malquist指数则提供指数和FGLR(19 ...

今天介绍一种含有非期望产出的ZSG-DEA模型。 该模型的公式如下： 其中yn、en、un和Xk,n分别表示第n个地区的期望产出(GDP），能源投入、非期望产出（CO2)，和非能源投入。N为DMU个数， 分别表示第i个地区的能源投入与CO2排放的效率水平， 分别为能源投入和CO2排放效率值的权重，这里作者设置的权重各为0.5，也可以根据研究主题自行设置。这里的 即是零和DEA效率。 根据零和博弈DEA的思想，当一个地区的用能权和碳排放权增加时，其他地区必须减少相同数量的用能权和碳排放权，以保持总量不变。 作者这里采用了比例法进行重新分配，具体的分配公式如下： 这里的e'm和u'm就是根据效率值进行分配后，m地区分配到的用能权和碳排放权份额。在ZSG中，一次调整一般并不能达到零和DEA有效，这里作者参考林坦和宁俊飞提出的迭代法进行迭代求解，直到各个地区的ZSG效率值均达到1为止。 由于文献作者并未贴出原始数据，这里仅写出了代码，经过测试，可以达到作者所描述的效果。 参考文献：基于历史法和零和DEA方法的用能权与碳排放权初始分配研究，刘海英，王钰 ...

今天推出的是两阶段网络DEA模型。 在两阶段网络DEA模型中，第一阶段的产出，作为第二阶段的投入。不同于之前的研究将整体的生产过程和两个子过程视作独立的，Kao这篇文献在测量效率时，考虑了两个子过程之间的串联关系，并且整体效率是两个子过程效率的乘积，因此这种关系两阶段DEA方法计算得到的效率相对于从独立两阶段DEA方法计算的效率更有意义。 两阶段网络DEA的规划式： 则整体效率值Ek和第一阶段效率值Ek1、第二阶段效率值Ek2分别如下 但是在乘数模型中，获得的最优解可能并不唯一，这使得不同DMU之间的效率比较可能会出现问题。作者提出的一个解决办法是，找到能够产生最大的Ek1的解，模型如下： 然后根据Ek=Ek1*Ek2这一关系，计算Ek2的值。 这里用python对这篇文献的模型进行了复现，结果如下： 复现结果 文献结果 可以看到，结果大体保持一致。 参考文献：《Efficiency decomposition in two-stage data envelopment analysis: An application to n ...

数据包络分析 (DEA) 是一种数据驱动的非参数效率测度方法，并由美国著名运筹学家 A.Charnes、W.W.Cooper、E.Rhodes (1978) 首先提出。由于其不预设定具体函数形式和允许多种投入产出的优点，现已被学者们广泛用于评估决策单元的投入产出效率。经过数十年的发展，DEA模型及理论的发展十分迅速，国内外期刊，不断有人提出崭新的DEA模型，如零和收益（ZSG）DEA、网络DEA模型、含有非期望产出的SBM模型等等。大家在运用DEA模型的时候，碰到的一大难题就是如何求出DEA模型的结果，那一行行的约束公式，往往令人望而生畏。​虽然市场上已经出现了为数众多的DEA模型软件，但是大多只能计算一些常见的DEA模型，对于一些前沿模型，则无能为力。有鉴于此，我们开发了一款新的DEA效率计算软件:Panda-DEA,除了会包含基础的DEA模型外，具有如下特点: 1​、操作简单，无需对数据做过多处理； 2、结果以论文为导向，如零和收益ZSG-DEA模型，会直接进行多次迭代，并将迭代结果写入文件，用户可以直接放进论文； 3、以近两年国内外的前沿DEA理论为​基础，不断增加新 ...

深交所年度信息考评分为A、B、C、D四个等级，考评范围重点关注信息披露质量，包括信披的真实性、准确性、完整性、及时性、公平性、合法合规性和有效性，以及自愿披露的规范情况、社会责任履行披露情况和信披事务管理情况。同时也关注上市公司投资者关系管理、监管处罚以及与交易所工作配合情况等。 这里公布的数据年份为2005年至2021年，数据截图如下： 获取数据，直接加我微信canglang12002即可。

Data Envelopment Analysis Toolbox 是 MATLAB的一个开源包，该包涵盖了计算一些主要的DEA模型的函数。该软件包包括标准加性和径向输入和输出度量的代码，允许规模收益恒定和可变，以及与方向距离函数相关的最新发展，并在测量效率和生产力时包括期望和非期望的输出；即Malmquist和Malmquist-Luenberger指数。还包括执行统计分析的bootstrap。 这里通过一些常见的例子，说明如何使用该包。 1、下载与安装 网址：https://github.com/javierbarbero/DEAMATLAB 下载工具包以后，解压到某个目录，然后把该工具包添加到matlab的工作目录，就可以愉快地使用了。 2、代码如下： 123456789101112load 'deadataFLS' %加载工具包预设的数据文件%1、面向投入的CCR模型io = dea(X, Y, 'orient', 'oo'); %orient表示导向，io表示投入导向，oo为产出导向%X和Y分别为投入和 ...

一、基本介绍 1.1原理 数据包络分析有多种模型，主要为：CCR模型，BBC模型、交叉模型、A&P模型。纵观该方法的各种模型，每一模型的具体数学推理过程基本一致，所得的标准线性规划求解公式也比较相似，它们之间的差异主要体现在每个模型所适用的条件有所不同。在国外，此方法较早地运用于银行医院、城市等方面效率的评价。近些年来，该方法在我国社会经济的许多领域也取得了不少应用成果。由于方法对评价对象的要求相对比较宽松，应用其评价相同类型DMU的相对有效性的优势地位，是其他方法难以取代的。 1.2CCR模型 CCR模型是指对DMU通过“投入一定数量的生产要素，并产出一定数量的产品”的经济系统来判断各个单元的相对合理性和有效性。从投入资源的角度来看，在当前产出的水准下，比较投入资源的使用情况，以此作为效益评价的依据，这种模式称为“投入导向模式”。 定义决策单元j的效率评价指数为： 对上式可以适当的取权系数v和u，使得，对第个决策单元进行效率评价，一般来说越大表明能够用相对较少的输入而取得相对较多的输出。故只需求得的最大值，即可探究在这n个DUM中相对来说是不是最优的。 1.3B ...

传统的径向DEA模型无法考虑“松弛变量”对效率值的影响，也没有考虑同时使期望产出增加，非期望产出减少的技术变化，以此度量的效率值是不准确或有偏的，为了解决这一问题，Tone(2001)提出了基于投入产出松弛变量的环境效率评价模型，简称SBM模型，在此基础上，他进一步提出了SBM的拓展模型，从而实现了非期望产出条件下对环境效率的评价，含有非期望产出的SBM模型规划式如下图所示： 含有非期望产出的SBM模型规划式 关于求解含有非期望产出的SBM模型的python代码如下： 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687from scipy.optimize import minimizeimport numpy as npimport pandas as pdimport scipy. ...