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(1992)，FGNZ(1994) ...

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 需要测算可以联系我微信：cang ...

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 non-life insur ...

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，不断增加新模型，满足广大 ...

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分别为投入和产出矩阵dea ...

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。 1.3BCC模型BCC模型是 ...

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.opti ...

和讯网发布的我国上市公司社会责任综合评分作为企业社会责任表现的度量。 该评分基于我国上市公司的社会责任报告和财务报告信息， 从股东责任、员工责任、供应商、客户和消费者权益责任、环境责任和公共责任五个方面，分别设立 13 个二级指标和 37 个三级指标， 对企业社会责任承担情况进行系统的评价，能够较为全面和客观地反映企业的社会责任表现，近年来在国内相关研究中已经得到了越来越多的应用。 数据截图如下： 目前数据的年份为2010-2021年，需要的加我微信，canglang12002，免费。

对抗型交叉评价DEA模型matlab代码，代码来自于彭育威老师的《利用MATLAB进行DEA交叉评价分析》一文，​非常适合学习。 如果您想做仁慈型DEA​，可与我联系。 1234567891011121314151617181920212223242526clearX=[30 60 55 40 70 ; 25 40 70 30 90; 130 150 120 70 180];%用户键入输入矩阵Y=[35 43 76 52 63;60 80 53 42 71];%用户键入输出矩阵；n=size(X',1); m=size(X,1); s=size(Y,1);%以下是第一轮线性规划；A=[-X',Y'];b=zeros(n,1);LB=zeros(m+s,1);UB=[];for i = 1:n Aeq=[X(:,i)' zeros(1,s)];beq=1; f=[zeros(1,m) -Y(:,i)']; w(:,i)=linprog(f,A,b,Aeq,beq,LB,UB);%解线性规划，得出DMUi的最佳 ...