dea-tobit
2025年7月2日大约 1 分钟
dea(数据包络分析法)
deap
多投入多产出问题
DMU数量：n >= max(p*q, 3(p+q))
p: 投入指标
q: 产出指标
指标问题：
p: 不要0和负数
回归分析解释变量相关性要低，dea中不需要做相关性检验，tobit回归需要
效率前沿将数据包裹起来，而回归模型是穿过数据
相对评价，类似排序
效率或相对效率计算
效率： 投入，产出比
DMU(决策单元)：公司/企业
同类型DMU才能比较
效率前沿
通过"改进"计算无效效率的大小（减少投入）
样本到30 左右前沿面会比较准确
规模报酬递增
规模报酬递减
规模报错不变
弱有效/强有效
crs 综合技术效率 te
vrs 纯技术效率 pte
scale 规模效率 se
= pte * se
参考
中国31个省市科技创新效率及投入冗余比较 郭淑芬 张俊
我国财产保险公司融资效率的dea比较分析 初立苹
malmqiust指数 （生成率指数 效率值得变化率 ec tc 技术进步指数）
sbm模型
超效率模型(径向、非径向)
避免做回归是效率多为1的情况