原创 DEAP2.1軟件與Malmquist指數操作說明

DEAP2.1軟件與Malmquist指數操作說明 一、DEAP軟件運行文件組成 DEAP軟件下載下來後無需安裝,它是直接在deap.exe文件中運行。DEAP軟件的運行涉及到幾個常見的文件: (1)deap.exe與deap.0

原创 資源共享的兩階段交叉效率DEA模型及matlab應用:地區科技投入產出效率案例分析

一、資源共享的兩階段網絡系統模型 1、部分投入資源是共享的,即兩個子階段都消耗了這部分投入資源。 2、兩個子階段都各自需要其獨有的投入。 3、有中間產物的產出,部分中間產出在第一階段直接退出,第二階段有最終產出。 二、資源共享的兩

原创 投入共享的兩階段關聯DEA及matlab應用

(一)不變規模報酬下的投入共享的兩階段關聯DEA 假設有n個決策單元,每個決策單元有投入變量m個要素,最終產出變量s個要素,中間變量有q個要素。 (二)規模報酬可變下的投入共享的兩階段關聯DEA 規模報酬可變下的投入共

原创 對抗型 DEA 交叉效率評價模型及matlab應用

思路: 算例數據 6個投入:依次是研發投入、勞動力成本、直接生產成本、間接生產成本、資產投入、資產現值; 2個產出:新產品銷售收入、淨利潤 matlab程序 clear;clc; AA=[1000000 2500000 90000

原创 隨機前沿面軟件FRONTIER Version4.1 軟件使用說明

隨機前沿面軟件FRONTIER Version4.1 設置爲零,進行Grid搜索。 3)DFP QN算法得到最後的極大似然估計值。 格點搜索:以 值作爲搜索參數空間,格點爲0.1,可以在FRONT41.00

原创 Global Malmquist-Luenberger 指數分解及matlab應用

全局 Malmquist-Luenberger 指數是由 Pastor 和 Lovell(2005)提出的一種基於DDF距離的 Malmquist指數計算方法。 對於全局 Malmquist-Luenberger 全要素生產率指數

原创 DEA模型及matlab應用3:SBM-DEA 模型

好的產出通常是通過資本、基礎設施、勞動力的投入而獲得的期望產出,非期望產出的產生,比如碳排放、二氧化硫、粉塵和污水等。 由於經典的 DEA 模型對相對效率的評價要求儘可能的減少投入,增加產出。而我們考慮非期望產出的影響則要儘可能的

原创 DEA模型及matlab應用2:超效率SE-DEA模型

傳統的dea效率值只分爲兩部分,一個是小於1的部分,效率值爲無效;一個是等於1的部分,效率值有效。對效率值爲1的決策單元不能進行深入研究,似其實效率值爲1的決策弟元之間也是存在區別的。超效率評價方法在決策單元無效的情況下與傳統評價

原创 Malmquist-Luenberger 指數及matlab應用算例分析

Chung 等(1997)將包含壞產出的方向距離函數應用於 Malmquist 模型,並將得出的 Malmquist 指數稱爲 Malmquist-Luenberger 指數。通常使用兩個 Malmquist-Luenberger

原创 DEA模型及matlab應用:CCR模型與BCC模型

一、CCR模型 CCR 模型是 DEA 方法的第一個模型,在 1978 年由 A.Charnes,W.W.Cooper和 E.Rhodes 首次提出,被廣泛的用於評價相同類型部門或單位間的相對有效性。不考慮具體的模型,重點在應用

原创 直覺模糊猶豫集結算子的多屬性決策方法及matlab應用

一、定義 針對直覺猶豫模糊環境下的多準則決策問題,準則值以直覺猶豫模糊信息的形式表示,決策者需要將直覺猶豫模糊信息進行集結以得到方案的綜合評價值,而集結算子是綜合多個評價信息的一個重要工具。考慮兩種集結算子:直覺猶豫模糊加權算數平

原创 前景理論、灰靶決策的直覺模糊多屬性決策方法及matlab應用

1.前景理論 Kahneman和Tversky提出的前景理論修正了傳統決策的期望效用理論,並構建了一種新的決策框架模型。它假設險決策過程由編輯和評價兩個階段構成。在第一個階段中,個體憑藉框架(frame )、參照點(referen

原创 前景理論的直覺模糊多屬性決策及matlab

一、決策步驟 二、算例分析 5個方案,6個屬性,直覺模糊決策矩陣 matlab程序如下:

原创 區間數VIKOR多屬性決策分析及matlab應用

在已有的區間數的多屬性決策方法的研究成果中大部分認爲屬性值在區間數內是服從均勻分佈的,只有少部分文獻認爲是服從正態分佈的.事實上認爲其服從正態分佈更加貼近實際,比如一個班級學生的期末考試成績,高分和不及格的都佔少數,大多數處於中間

原创 直覺模糊Choquet積分算子的多屬性決策及matlab應用

根據模糊Choquet積分算子,進一步擴展到直覺模糊Choquet積分算子,並使用得分函數進行最終的多屬性評價。 一、原理 (二)基於風險偏好的直覺模糊得分函數 對於風險追逐者來說,通常認爲猶豫度越大(即不確定性越大),隸屬度得分