ggally包的ggpairs()功能GGally允许建立一个散点图矩阵。 每对数值变量的散点图绘制在图的左侧。Pearson 相关显示在右侧。可变分布在对角线上可用。 代码如下： 12345678910# 评估变量的分布和相关性library(GGally) # 创建原始数据data <- data.frame( var1 = 1:100 + rnorm(100,sd=20), v2 = 1:100 + rnorm(100,sd=27), v3 = rep(1, 100) + rnorm(100, sd = 1)) data$v4 = data$var1 ** 2 data$v5 = -(data$var1 ** 2) ggpairs(data, title="correlogram with ggpairs()") 效果图

气泡图是具有第三个维度的散点图，第三维度通过散点的大小来表示。画气泡图至少需要三个维度的数据，分别是x，y和表示气泡大小的维度。下面用一个例子来说明，其中，x是人均GDP，y是预期寿命，圆圈大小表示人口，代码如下： 1234567891011# 导入包library(ggplot2)library(dplyr)#gapminder提供了数据集library(gapminder)data <- gapminder %>% filter(year=="2007") %>% dplyr::select(-year)# 最基本的气泡图ggplot(data, aes(x=gdpPercap, y=lifeExp, size = pop)) + geom_point(alpha=0.7) 图1 控制圆的大小：scale_size() 我们需要在上一张图表上改进的第一件事是气泡大小。scale_size()允许使用range参数设置最小和最大圆圈的大小。请注意，您可以使用 自定义图例名称name。 注意：圆圈经常重叠。为避 ...

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。

帕默尔干旱指数通常指帕默尔干旱强度指数，即PDSI，是一种在气象、气候、农业、水文水资源等领域广泛应用的干旱指数，由美国气象学家韦恩·帕默尔（Wayne Palmer）于1965年提出。 帕默尔干旱指数（PDSI）是一个基于水量供需关系的干旱指数，在当地水分供不应求时即为干旱，否则为湿润。水分供给量相对容易求得，通常可以降水量代替；而水分需求量的推算则较为复杂，因其涉及到受到气温、土壤性质、土地利用等因素影响的蒸散发及土壤水分变化等方面。对于这一问题，帕默尔提出了“当前情况下的气候适宜”（climatically appropriate for existing conditions，CAFEC）的概念，定义了“气候适宜降水量”来作为水分需求量，并以实际降水量与其差值来界定水分盈亏状况。PDSI不仅能考虑当前的水分供需状况，还能考虑前期干湿状况及其持续时间来对当前干旱状况的影响，物理意义明确，是一个能较为客观合理地定量描述干旱的干旱指数。 PDSI值通常介于-4到4之间，当其值大于0时则为湿润，反之为干旱，不同大小的值反映不同的干旱或湿润等级。 下面是计算PDSI干旱指数的 ...

R包corrplot提供了一个关于相关矩阵的可视化探索工具，支持自动变量重新排序，以帮助检测变量之间的隐藏模式。 corrplot 非常易于使用，并在可视化方法、图形布局、颜色、图例、文本标签等方面提供了丰富的绘图选项。它还提供 p 值和置信区间，以帮助用户确定相关性的统计显着性。 corrplot()有大约 50 个参数，但最常见的参数只有几个。在大多数场景中，我们只需要一行代码就可以得到一个相关矩阵图。 最常用的参数有method, type, order, diag等。 methodcorrplot 包中有七种可视化方法（参数）， 分别是 circle, square, ellipse, number, shade, color, pie。默认颜色设置下，字形的颜色强度与相关系数成正比。 circle/square，圆形或正方形的面积表示相应相关系数的绝对值。 ellipse，椭圆的偏心率参数化地缩放到相关值。 number, 不同颜色的系数数字。 color，大小相同的正方形，颜色不同。 shade, 类似于color, 但负系数字形带有阴影。 ...

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. ...

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 ...