SBM模型Matlab工具包.zip

function results=SBM(data,T,nx,ny,nz,info); % 用途: 计算 SBM (Slacks-Based Measure) 相关模型 % 要求平衡面板数据，时间序列(截面)数据（令T=1）也可以计算。 % 数据data排列顺序 id year x y z. % 如果是时间序列数据或者是截面数据前面自动空两列即，0 0 x y z. % --------------------------------------------------- % 调用命令: results = SBM(data,T,nx,nz,info) % 输入变量: data = 需要分析的数据集 % T = 年份数(T改为1，可以克服SBM模型太多1不可比的问题) % nx = 投入变量个数 % ny = 期望产出变量个数 % nz = 非期望产出变量个数 % info = 选项: % info.model = 0 SBM模型 % = 1 超效率SBM模型 % = 2 非期望产出SBM % = 3 非期望产出超效率SBM % info.rts = 0 规模报酬不变 % info.rts = 1 规模报酬可变 % --------------------------------------------------- % 返回结果: a structure % results.method = 'SBM模型' if info.model=0 % = '超效率SBM模型' if info.model=1 % = '非期望产出SBM模型' if info.model=2 % = '非期望产出超效率SBM模型' if info.model=3 % results.lambda = lambda % results.s_x = 投入松弛变量 % results.s_y = 产出松弛变量 % results.s_z = 非期望产出松弛变量 % results.eff = 最终效率值 % -------------------------------------------------- % --------------------------------------------------- % 版本号：2002.0 % 本代码由红兰数据科学实验室（微信公众号）耿志飞编写。 % 编写时间：2020年2月04日。 % 本代码由苏州红兰数据技术有限公司版权所有，不得用于除学习、写论文以外的其他商业用途。 % 本代码基于MATLAB R2020a软件编写。 % 计算过程中有任何问题都可以通过公众号客服中心联系我们。 % % 参考文献: % [1] Kaoru Tone.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research,2001(130):498-509. % [2] Kaoru Tone.A slacks-based measure of super-efficiency in data envelopment analysis[J].European Journal of Operational Reaerach,2002(143):32-41. % [3] Kaoru Tone.Dealing with Undesirable Outputs in DEA:A Slacks-based Measure (SBM) Approach.Presentation at NAPW III,Toronto,2003. % [4] Hong Li,Kuangnan Fang,WeiYang,Di Wang,Xiaoxin Hong.Regional environmental efficiency evaluation in China:Analysis based on the Supper-SBM model with undesirable outputs % time1 = 0; time2 = 0; time3 = 0; time4 = 0; timet = clock; % start the clock for overall timing fields = fieldnames(info); nf = length(fields); if nf > 0 for i=1:nf if strcmp(fields{i},'model') model = info.model; elseif strcmp(fields{i},'rts') rts = info.rts; end end end if model==0 & rts==0 results.method='SBM_CRS' elseif model==0 & rts==1 results.method='SBM_VRS' elseif model==1 & rts==0 results.method='Supper_SBM_CRS'; elseif model==1 & rts==1 results.method='Supper_SBM_VRS' elseif model==2 & rts==0 results.method='SBM_Un_CRS' elseif model==2 & rts==1 results.method='SBM_Un_VRS' elseif model==3 & rts==0 results.method='Supper_SBM_Un_CRS' elseif model==3 & rts==1 results.method='Supper_SBM_Un_VRS' else error('SBM: wrong input number of info.model'); end if model==0 s_z=[]; if rts==0 [lambda,s_x,s_y,eff]=SBM_C(data,T,nx,ny); elseif rts==1 [lambda,s_x,s_y,eff]=SBM_V(data,T,nx,ny); end elseif model==1 s_z=[]; if rts==0 [lambda,s_x,s_y,eff]=Supper_SBM_C(data,T,nx,ny); elseif rts==1 [lambda,s_x,s_y,eff]=Supper_SBM_V(data,T,nx,ny); end elseif model==2 if rts==0 [lambda,s_x,s_y,s_z,eff]=SBM_unC(data,T,nx,ny,nz); elseif rts==1 [lambda,s_x,s_y,s_z,eff]=SBM_unV(data,T,nx,ny,nz); end elseif model==3 if rts==0 [lambda,s_x,s_y,s_z,eff]=Supper_SBM_unC(data,T,nx,ny,nz); elseif rts==1 [lambda,s_x,s_y,s_z,eff]=Supper_SBM_unV(data,T,nx,ny,nz); end else error('SBM: wrong input number of info.model'); end % return results results.lambda=lambda; results.s_x=s_x; results.s_y=s_y; results.s_z=s_z; results.eff=eff;