随机前沿（SFA）与数据包络（DEA）技术原理概述与代码实现
1.两者方法区别
1.1 SFA
随机前沿分析 ( stochastic frontier analysis ，SFA) 是一种技术，可以用来研究经济学数据的绩效，以及它们之间的关系。它可以帮助经济学家在投资决策中更好地分析投资组合的风险和收益
1.2 DEA
数据包络分析 (Data Envelopment Analysis，DEA) 是一种用于评估组织绩效的分析技术。它可以用来比较不同组织的绩效，以及比较其绩效与其他组织的绩效。它也可以用来确定哪些组织的绩效最佳，以及哪些组织的绩效最差
1.3 作用
两者都可以基于投入-产出数据进行效率分析（全要素生产率的测度）。人话，用于构建你的核心解释或者被解释变量。
1.4 总结
| 项目 | SFA | DEA |
|---|---|---|
| 方法类型 | 基于参数 | 基于非参数 |
| 是否考虑随机性 | 是 | 否 |
| 公司效率假设 | 存在无效率 | 存在无效率 |
| 所需要的变量 | Log（投入产出的数量）-对数处理 | 投入产出的数量 |
| 支持的数据形式 | 横截面和面板 | 横截面和面板 |
| 投入产出的目标 | 支持多投入和单产出（类似回归） | 支持多投入和多产出 |
| 样本容量大小 | 小 | 大 |
1.5 互补性缺陷
- DEA可以测算多投入多产出的效率问题，但忽视了随机误差的影响（Sun et al.,2015；韩东亚和刘宏伟，2019）
- SFA优于DEA之处，是它考虑随机误差的存在对结果造成的影响，提前确定生产函数形式再研究企业的生产过程，可以提高计算技术效率的准确性，还可以分析效率与影响因素之间的相关性。
2.代码实现
步骤1
将你的数据去对数
步骤2
按如下的数据形式调整好
步骤3
带入代码
% import data of Wang and Ho (2010)
dta=xlsread('Wang(2010)_data.csv');% 读取数据
%Esitamtion
para0=[0.5;0.5;0.1;0.1;0.1;0.5;0.5]; % 设置参数，这里可以用OLS估计出 直接替换
[parameter,ste,robste,LL,BCindex]=PSFA2010(dta,3,para0); % dta 你的数据，3是自变量个数 ，para0初始参数
parameter
这是主函数代码基于MATLAB实现
步骤4
结果导出
由于有三个自变量，前三个就是自变量个数
将原始X1、X2、X3与这里的系数点乘，得到
每个个体每年的效率值
获取代码传输门
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，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【内容举报】进行投诉反馈！