数据包络分析(DEA)——SBM模型

这篇具有很好参考价值的文章主要介绍了数据包络分析(DEA)——SBM模型。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

写在前面:
博主本人大学期间参加数学建模竞赛十多余次,获奖等级均在二等奖以上。为了让更多学生在数学建模这条路上少走弯路,故将数学建模常用数学模型算法汇聚于此专栏,希望能够对要参加数学建模比赛的同学们有所帮助。



1. 引言

  前面我们已经介绍了数据包络分析的CCR模型和BCC模型,具体可参阅链接: 数据包络分析——CCR模型和链接: 数据包络分析——BCC模型,而CCR模型和BCC模型都是径向模型,在径向模型中,效率改善主要指的是投入或产出的等比例线性缩放,同时忽略了平行于坐标轴的弱有效的情形,而SBM模型纳入无效率的松弛改进,保证最终的结果是强有效的。

2. 模型建立

  基本的SBM模型形式为
min ⁡ ρ = 1 − 1 m ∑ j = 1 m s j − / x k j 1 + 1 q ∑ r = 1 q s r − / y k r  s.t.  { X λ + s − = x k Y λ − s + = y k λ , s − , s + ⩾ 0 , j = 1 , ⋯   , m ; r = 1 , ⋯   , q \begin{array}{l}\min \rho=\frac{1-\frac{1}{m} \sum_{j=1}^{m} s_{j}^{-} / x_{k j}}{1+\frac{1}{q} \sum_{r=1}^{q} s_{r}^{-} / y_{k r}} \\ \text { s.t. }\left\{\begin{array}{l}X \lambda+s^{-}=x_{k} \\ Y \lambda-s^{+}=y_{k} \\ \lambda, s^{-}, s^{+} \geqslant 0, \quad j=1, \cdots, m ; r=1, \cdots, q\end{array}\right.\end{array} minρ=1+q1r=1qsr/ykr1m1j=1msj/xkj s.t.  Xλ+s=xks+=ykλ,s,s+0,j=1,,m;r=1,,q其中,对每个决策单元 k = 1 , ⋯   , n k=1, \cdots, n k=1,,n
  目标函数 ρ ∗ \rho^{*} ρ表示效率值,该模型同时从投入和产出两个方面考察无效率的表现,故称为非径向模型。由于该模型为非线性模型,将该模型转化为线性模型,同时向模型中加入非期望产出得:
τ ∗ = min ⁡ ( t − 1 m ∑ j = 1 m s j − x k j )  s.t.  { t + 1 s 1 + s 2 ( ∑ r = 1 s 1 s r g y k r g + ∑ r = 1 s 2 s r b y k r g ) = 1 x k t = X Λ + S − y k g t = X Λ − S g y k b t = X Λ + S b Λ , S − , S g , S b ⩾ 0 t > 0 \begin{array}{l}\tau^{*}=\min \left(t-\frac{1}{m} \sum_{j=1}^{m} \frac{s_{j}^{-}}{x_{k j}}\right) \\ \text { s.t. }\left\{\begin{array}{l}t+\frac{1}{s_{1}+s_{2}}\left(\sum_{r=1}^{s_{1}} \frac{s_{r}^{g}}{y_{k r}^{g}}+\sum_{r=1}^{s_{2}} \frac{s_{r}^{b}}{y_{k r}^{g}}\right)=1 \\ x_{k} t=X \Lambda+S^{-} \\ y_{k}^{g} t=X \Lambda-S^{g} \\ y_{k}^{b} t=X \Lambda+S^{b} \\ \Lambda, S^{-}, S^{g}, S^{b} \geqslant 0 \\ t>0\end{array}\right.\end{array} τ=min(tm1j=1mxkjsj) s.t.  t+s1+s21(r=1s1ykrgsrg+r=1s2ykrgsrb)=1xkt=XΛ+Sykgt=XΛSgykbt=XΛ+SbΛ,S,Sg,Sb0t>0 其中,对每个决策单元 k = 1 , ⋯   , n k=1, \cdots, n k=1,,n。该模型中包含投入矩阵 X n × m X_{n \times m} Xn×m的转置,期望产出矩阵 Y n × s 1 g Y_{n \times s_{1}}^{g} Yn×s1g的转置,非期望产出 Y n × s 2 b Y_{n \times s_{2}}^{b} Yn×s2b的转置,模型参数主要包括投影变量 Λ \Lambda Λ,松弛变量 S − 、 S g 、 S b S^{-}、S^{g}、S^{b} SSgSb t t t

3. 模型求解

我们仍然用前面的例子:
  某市教委需要对六所重点中学进行评价,其相应的指标如表所示。表中的生均投入和非低收入家庭百分比是输入指标,生均写作得分和生均科技得分是输出指标。请根据这些指标,评价哪些学校是相对有效的。
数据包络分析(DEA)——SBM模型,数学建模算法与应用,数学建模
  根据模型编写MATLAB代码如下:

%非期望产出SBM模型
clc,clear
X=[89.39 86.25 108.13 106.38 62.4 47.19;
    64.3 99 99.6 96 96.2 79.9];
Y=[25.2 28.2 29.4 26.4 27.2 25.2;
    223 287 317 291 295 222];
Z=[72 85 95 63 81 70]; %非期望产出:生均艺术得分
[m,n]=size(X);
s1=size(Y,1);
s2=size(Z,1);
c=1/(s1+s2);

rho=[];
w=[];
for i=1:n
    f=[-1./(m*X(:,i)') zeros(1,s1) zeros(1,s2) zeros(1,n) 1];
    A=[];
    b=[];
    UB=[];
    LB=zeros(m+s1+s2+n+1,1);
    Aeq=[zeros(1,m) c*1./Y(:,i)' c*1./Z(:,i)' zeros(1,n) 1;
        eye(m) zeros(m,s1)  zeros(m,s2) X -X(:,i);
        zeros(s1,m) -eye(s1) zeros(s1,s2) Y -Y(:,i);
        zeros(s2,m) zeros(s2,s1) eye(s2) Z -Z(:,i)];
    beq=[1 zeros(m,1)' zeros(s1,1)' zeros(s2,1)'];
    [w(:,i),rho(i)]=linprog(f,A,b,Aeq,beq,LB,UB);
end
rho'

  得到每个学校的效率值为

1.0000 、 0.8297 、 0.8692 、 1.0000 、1.0000 、 1.0000

  可见在带非期望产出的情况下,学校A、D、E、F是有效的。文章来源地址https://www.toymoban.com/news/detail-731079.html

到了这里,关于数据包络分析(DEA)——SBM模型的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 2023高教社杯数学建模E题思路模型 - 黄河水沙监测数据分析

    # 1 赛题 E 题 黄河水沙监测数据分析 黄河是中华民族的母亲河。研究黄河水沙通量的变化规律对沿黄流域的环境治理、气候变 化和人民生活的影响, 以及对优化黄河流域水资源分配、协调人地关系、调水调沙、防洪减灾 等方面都具有重要的理论指导意义。 附件 1 给出了位于

    2024年02月09日
    浏览(35)
  • 【数学建模】--因子分析模型

    因子分析有斯皮尔曼在1904年首次提出,其在某种程度上可以被看成时主成分分析的推广和扩展。 因子分析法通过研究变量间的相关稀疏矩阵,把这些变量间错综复杂的关系归结成少数几个综合因子,由于归结出的因子个数少于原始变量的个数,但是它们又包含原始变量的信

    2024年02月13日
    浏览(73)
  • 数学建模常用模型(三):层次分析法

    层次分析法(Analytic Hierarchy Process,AHP)是一种用于多准则决策分析的方法,由美国运筹学家托马斯·L·赛蒂(Thomas L. Saaty)于1970年提出。它通过对决策问题进行层次化,将复杂的问题拆分为多个层次和准则,并使用定量化的方法进行比较和权重分配,最终得出综合评价和决

    2024年02月13日
    浏览(45)
  • 数学建模论文写作方法之一(模型分析/检验)

    一、模型的分析 灵敏度分析:步骤:控制其他参数不变的情况下,改变某个重要参数的值,观察模型结果的变化情况。以折线图的形式体现改变参数对结果的影响。如,变量向上向下数据波动x%,结果曲线变化趋势。 误差分析:指分析模型中的误差来源,或者估算模型中存在

    2024年02月11日
    浏览(44)
  • 数学建模常用模型(九) :偏最小二乘回归分析

    偏最小二乘回归(Partial Least Squares Regression,PLS Regression)是一种常用的统计建模方法,用于解决多元线性回归中自变量间高度相关的问题。在偏最小二乘回归中,通过将原始自变量转换为一组新的综合变量(称为主成分或潜在变量),然后再使用这些主成分进行回归分析,从

    2024年02月16日
    浏览(46)
  • 2023华数杯数学建模B题思路模型论文分析

    目录 一.2023华数杯数学建模最新思路:比赛开始后第一时间更新 更新查看文末名片 二.华数杯简介 三.往年华数杯赛题简介分析: 华数杯简介 国赛前的预热”华数杯“第四届正在报名中,看到咨询我们的同学不少,挺多同学都非常感兴趣,但是又不清楚比赛的相关情况,这里

    2024年02月12日
    浏览(43)
  • 数学建模:评价性模型学习——灰色关联分析法(GRA模型)

    目录 前言 一、灰色关联分析 1.什么是灰色关联分析? 2.流程介绍 二、综合评价 1.数据无量纲化处理 2.确定参考序列 3.确定权重 4.计算灰色关联系数  5.计算灰色加权关联度 6.代码 总结          继续学习数学建模涉及的评价性模型,这篇会介绍如何使用灰色关联分析法进

    2024年02月04日
    浏览(173)
  • 数学建模—评价模型—灰色关联度分析Vs灰色综合评价

            黑色系统:只明确系统和环境的关系,内部未知         白色系统:内部结构、元素、组成、实现机理已知         灰色系统:部分明确系统与环境见关系、系统结构、实现过程。 灰色系统实例:(1)社会经济系统(企业收入、相关因素) 灰色系统理论

    2024年02月04日
    浏览(50)
  • 【数学建模学习】matlab实现评价模型——层次分析法(AHP)

    目录 1概述  2算法实现流程 3实例  4matlab实现层次分析法 5计算结果 层次分析法,简称AHP,是评价模型中的一种算法,指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。层次分析法的缺陷在于判断矩阵是主观决定的,

    2024年02月04日
    浏览(54)
  • 2023Mathorcup(妈妈杯)数学建模竞赛注意事项与模型分析

    一、比赛时间 2023年4月13号早08:00-4月17号09:00 二、比赛介绍 本次Mathorcup比赛时间和往年不同,往年比赛时间为3天,本次比赛时间一共有4天,这也说明了Mathorcup也在逐渐的增加难度,作为一个仅次于国赛/美赛和华为杯的全国性竞赛,题目是存在难度的,主要以运筹学为主,

    2024年02月07日
    浏览(33)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包