经济预测与决策技术及MATLAB实现第15章-数据包络分析法课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《经济预测与决策技术及MATLAB实现第15章-数据包络分析法课件.ppt》由用户(三亚风情)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 经济 预测 决策 技术 MATLAB 实现 15 数据 包络 分析 课件
- 资源描述:
-
1、第第15章章 数据包络分析法数据包络分析法 15.1 数据包络分析法的基本理论 15.2 案例分析 15.2.1 数据包络分析法的商业银行效率评价练习与提高(练习与提高(15)15.2.2 数据包络法的房地产开发企业效率评估 15.1 数据包络分析法的基本理论15.1.1 CCR模型概述模型概述数据包络分析法(Data Envelopment Analysis,DEA),常被用来衡量拥有相同目标的运营单位的相对效率。它是直接使用输入、输出数据建立非参数的经济数学模型。2 CCR模型的基本形式模型的基本形式3 DEA有效有效【例15-1】已给3个投入指标、2个产出指标,4个决策单元的数据,如表1
2、5-1所示,试用CCR模型的不同形式判断决策单元DMU是否DEA有效。决策单元决策单元评价指标评价指标DMU1DMU2DMU3DMU4投入投入13543.5投入投入22.54.63.83.1投入投入323.5.2.22.5产出产出12.83.62.53.3 产出产出24.16.43.62.6clearX=3 54 3.5;2.5 4.6 3.8 3.1;2 3.5 2.2 2.5;%投入矩阵,每一指标数据按行输入Y=2.8 3.6 2.5 3.3;4.1 6.4 3.6 2.6;%产出矩阵,每一指标数据按行输入m,n=size(X);%m投入指标个数,n决策单元个数s=size(Y,1);%s
3、产出指标个数(1)利用CCR线性规划原模型(模型15-2)求解A=-X,Y;%将不等式号转换为号b=zeros(n,1);LB=zeros(m+s,1);UB=;W=;E=;for j=1:n f=zeros(1,m),-Y(:,j);%将最大值max转换成最小值min Aeq=X(:,j),zeros(1,s);beq=1;w=linprog(f,A,b,Aeq,beq,LB,UB);%解线性规划,得DMUj的最佳权向量Wj W=W,w;e=Y(:,j)*W(m+1:m+s,j);%求出DMUj的效率值 E=E,e;endW%最佳权向量E%效率值EV=W(1:m,:)%投入权向量U=W(m+
4、1:m+s,:)%产出权向量(2)利用CCR线性规划对偶模型(模型15-4)求解%CCR对偶模型f=zeros(1,n+m+s),1;LB=zeros(n+m+s+1,1);UB=;A=;b=;W=;for j=1:n Aeq=X,eye(m),zeros(m,s),-X(:,j);Y,zeros(s,m),-eye(s),zeros(s,1);beq=zeros(m,1);Y(:,j);w=linprog(f,A,b,Aeq,beq,LB,UB);%解线性规划,得 DMU的最佳权向量 W=W,w;%输出最佳权向量endlambda=W(1:n,:)%输出s_minus=W(n+1:n+m,:
5、)%输出s-s_plus=W(n+m+1:n+m+s,:)%输出s+theta=W(n+m+s+1,:)%输出15.1.2具有非阿基米德无穷小量的CCR模型15.1.2具有非阿基米德无穷小量的CCR模型15.1.3 BCC模型模型15.1.3 BCC模型模型【例15-2】(续【例15-1】),试用带有非阿基米德无穷小量BCC模型(15-12),判断决策单元DMU是否DEA有效。clearX=3 5 4 3.5;2.5 4.6 3.8 3.1;2 3.5 2.2 2.5;%投入矩阵X,每一指标数据按行输入Y=2.83.62.53.3;4.1 6.43.62.6;%产出矩阵Y,每一指标数据按行输入
6、m,n=size(X);%m投入指标个数,n决策单元个数s=size(Y,1);%s产出指标个数epsilon=10(-7)%定义非阿基米德无穷小量=10-7f=zeros(1,n),-epsilon*ones(1,m+s),1LB=zeros(n+m+s+1,1);UB=;A=;b=;W=;for j=1:n Aeq=X,eye(m),zeros(m,s),-X(:,j);Y,zeros(s,m),-eye(s),zeros(s,1);ones(1,n),zeros(1,m+s+1);beq=zeros(m,1);Y(:,j);1;w=linprog(f,A,b,Aeq,beq,LB,UB)
7、;%解线性规划,得 DMU的最佳权向量 W=W,w;%输出最佳权向量Wendlambda=W(1:n,:)%输出 s_minus=W(n+1:n+m,:)%输出 s-s_plus=W(n+m+1:n+m+s,:)%输出 s+theta=W(n+m+s+1,:)%输出 15.1.4 超效率超效率DEA评价模型评价模型15.1.4 超效率超效率DEA评价模型评价模型【例15-3】(续【例15-1】),试用超效率DEA模型判断决策单元DMU是否DEA有效。clearX=3 5 4 3.5;2.5 4.6 3.8 3.1;2 3.5 2.2 2.5;%投入矩阵X,每一指标数据按行输入Y=2.83.62
8、.53.3;4.1 6.43.62.6;%产出矩阵Y,每一指标数据按行输入 m,n=size(X);%m投入指标个数,n决策单元个数s=size(Y,1);%s产出指标个数%(1)超效率模型(15-14)b=zeros(n-1,1);LB=zeros(m+s,1);UB=;W=;E=;for j=1:n Aeq=X(:,j),zeros(1,s);beq=1;f=zeros(1,m),-Y(:,j);if j=1 A=-X(:,2:n),Y(:,2:n);elseif j=n A=-X(:,1:n-1),Y(:,1:n-1);else A=X(:,1:j-1),-X(:,j+1:n),Y(:,
9、1:j-1),-Y(:,j+1:n);end w=linprog(f,A,b,Aeq,beq,LB,UB);%解线性规划,得 DMUi 的最佳权向量 W=W,w;e=Y(:,j)*W(m+1:m+s,j);E=E,e;endE%效应值V=W(1:m,:)%投入权向量U=W(m+1:m+s,:)%产出权向量M,N=sort(E,descend)%N从大到小排序运行结果如下:%(2)超效率模型(15-15)epsilon=10(-7)%定义非阿基米德无穷小量=10-7f=zeros(1,n),-epsilon*ones(1,m+s),1A=zeros(1,n+m+s+1)b=0LB=zeros(n
10、+m+s+1,1)UB=LB(n+m+s+1)=-InfW=;for j=1:nAeq=X(:,1:j-1),zeros(m,1),X(:,j+1:n),eye(m),zeros(m,s),-X(:,j);Y(:,1:j-1),zeros(s,1),Y(:,j+1:n),zeros(s,m),-eye(s),zeros(s,1)beq=zeros(m,1);Y(:,j)w=linprog(f,A,b,Aeq,beq,LB,UB)W=W,w;%最佳权向量endlambda=W(1:n,:)%输出s_minus=W(n+1:n+m,:)%输出s-s_plus=W(n+m+1:n+m+s,:)%输出
11、s+theta=W(n+m+s+1,:)%输出M,N=sort(theta,descend)%N效率从大到小排序15.1.5 规模效率和技术效率规模效率和技术效率效率表示在业务活动中投入与产出或成本与收益之间的对比关系,它主要包括技术效率、规模效率和总效率。技术效率反映生产中现有技术利用的有效程度,即在给定投入的情况下被评价对象获取最大产出的能力;规模效率反映生产规模的有效程度,即反映各决策单元是否在最合适的投资规模下进行经营。总效率是由技术效率与规模效率组成,又称规模技术效率。当被观察决策单元同时达到技术有效和规模有效时,则称规模技术有效。15.2 案例分析案例分析15.2.1 DEA法的商
展开阅读全文