Panda_DEA增加RAM-DEA和BAM-DEA模型

今天要更新的是DEA模型中的RAM和BAM模型,这两个模型已经加入到新版本的Panda_DEA中,可以很方便地计算其效率值。


RAM-DEA是1998年由Aida和Cooper等提出的一种非径向DEA模型,由于该模型构建对投入产出指标的设计考虑了指标之间的相互影响效应,并对这些效应进行了定性分析,因此得到了广泛的研究与应用。

相比于传统DEA及衍生模型,RAM-DEA模型的长处在于可以涵盖多类投入产出指标,目标函数的设计考虑到指标数量与数据极差对结果的影响,使得测算出的效率值不会因指标数量变化产生偏差。决策单元的投入产出指标数不再影响最优方案选择,也不需要对原始数据进行预处理。

基本的RAM-DEA模型规划式如下:

Panda_DEA增加RAM-DEA和BAM-DEA模型_第1张图片

​经济效率为​:1-RAMp​,效率值在0到1之间。

上式中,Rnx表示决策单元K中第n种投入要素的最大值与最小值之差,Rmy表示决策单元K中第m种期望产出​的最大值与最小值之差。


BAM模型

由于RAM模型中的参数是由投入和产出的极差构成,会出现无效率值过小,因此导致不同的决策单元效率极为接近,难以有效区分的情形,因此Cooper et al(2011)在RAM模型的基础上提出了一种同时具有非径向性、非角度性、可加性以及更高辨识度等优点的​BAM模型。

该模型规划式如下:

Panda_DEA增加RAM-DEA和BAM-DEA模型_第2张图片

其中,Lik为决策单元K的第i个投入指标的值与该指标最小值之差,Urk为第r个产出指标的最大值与决策单元K的第​r个指标值之差。

官网:Panda_DEA增加RAM-DEA和BAM-DEA模型 - 工具视界

你可能感兴趣的:(python)