1. DEARUN工具与SBM模型初探第一次接触DEA数据包络分析的研究者往往会被各种模型和计算步骤搞得晕头转向。我刚开始做环境效率评估时就曾被CCR、BCC、SBM这些缩写弄得一头雾水。直到发现了DEARUN这款神器才真正把理论落地为实践。SBMSlacks-Based Measure模型与传统径向模型如CCR/BCC最大的不同在于它能同时考虑投入过剩和产出不足的松弛改进特别适合处理存在非期望产出的场景。比如评估电厂效率时既要考虑发电量期望产出又要处理二氧化碳排放量非期望产出这时候SBM就显示出独特优势。实测下来DEARUN对SBM模型的实现非常完整支持包含非期望产出的加权SBMWSBM可计算超效率SBM用于DMU排序内置效率分解功能技术效率/纯技术效率/规模效率自动处理松弛变量并给出改进方向2. 环境效率评估实战全流程2.1 数据准备与标准化处理以评估30个省份的工业环境效率为例我们需要准备以下数据投入指标劳动力人数、资本存量、能源消耗量期望产出工业总产值非期望产出工业废水排放量、二氧化硫排放量在DEARUN中导入数据时要注意第一列必须是DMU名称如北京、上海列顺序严格按投入→期望产出→非期望产出排列绝对避免0值、负值或文本数据# 示例数据结构Python格式 import pandas as pd data { DMU: [北京, 上海, 广东], 劳动力: [100, 120, 150], 资本: [500, 600, 700], 能源: [300, 350, 400], 工业产值: [800, 950, 1100], 废水: [50, 60, 70], 二氧化硫: [30, 35, 40] } df pd.DataFrame(data)提示如果数据量纲差异大如资本单位是亿元劳动力是万人建议先做标准化处理。DEARUN内置了Min-Max标准化功能在文件→数据标准化处理中操作。2.2 模型参数设置关键点点击常规效率模型选项卡后需要特别注意几个参数参数项推荐设置注意事项模型类型SBM with Undesirable Output处理非期望产出的必选项导向类型Non-oriented同时优化投入和产出规模报酬VRS更符合实际情况投入指标数3对应劳动力、资本、能源产出指标数1仅工业总产值非期望产出数2废水二氧化硫这里有个坑我踩过如果误选了CRS规模报酬不变计算出的效率值会普遍偏低尤其是对规模差异大的DMU比如对比北京和新疆的工业规模。2.3 结果解读三部曲计算完成后主要看三个结果表效率值表DMU 效率值 排名 上海 0.982 1 北京 0.921 2 广东 0.876 3 ...松弛变量表以北京为例指标 松弛量 改进方向 劳动力 12.3 可减少12.3万人 二氧化硫 -5.6 需减排5.6吨效率分解表DMU 技术效率 纯技术效率 规模效率 上海 0.992 1.000 0.992 北京 0.950 0.968 0.981遇到效率值1的DMU时可以切换到超效率SBM模型进一步区分前沿面上的DMU效率差异。3. 效率分解的深度解析3.1 技术效率的构成要素技术效率TE 纯技术效率PTE× 规模效率SE这个公式背后有重要含义纯技术效率反映管理水平比如某省份效率低是因为设备老化或工艺落后规模效率体现规模适配度比如年产量50万辆的车企可能比100万辆的效率更高通过DEARUN的效率分解功能能一键生成这三个指标的雷达图直观显示各DMU的短板所在。3.2 规模报酬判定技巧在VRS假设下结果表会多出一列规模报酬状态IRS规模报酬递增扩大规模能提升效率DRS规模报酬递减应该缩减规模CRS规模报酬不变处于最佳规模我曾用这个功能分析过钢铁行业发现多数大型钢厂处于DRS状态而中小钢厂多是IRS这为产能调整提供了量化依据。4. 高级应用与避坑指南4.1 处理无可行解问题当出现infeasible提示时通常有三种解决方法改用全局参比Global Reference调整规模报酬假设VRS/CRS切换检查数据异常值极端大/小值最近帮一个团队做医疗机构评估时有15%的DMU出现无可行解最终发现是两家医院的某项投入数据录入错误多输了个0。4.2 面板数据分析策略对于多期数据如2010-2020年有两种处理方式窗口分析法设置3-5年的滚动窗口全局参比法所有时期共用同一前沿面DEARUN的动态指数模块内置了Malmquist指数计算功能能分解出技术进步率和技术效率变化率。有个实用的技巧先做静态效率分析找出标杆单位再用Malmquist分析其效率变动趋势。4.3 结果可视化技巧虽然DEARUN没有内置绘图功能但导出数据后可以用Python简单实现import matplotlib.pyplot as plt # 效率值分布直方图 plt.hist(efficiency_scores, bins10) plt.xlabel(效率值) plt.ylabel(频数) plt.title(效率值分布直方图) plt.show()对于松弛分析建议用靶心图Radar Chart展示各DMU需要改进的指标方向和程度。