Stata基础：数据包络分析 (DEA)
学术
2024-11-29 11:27
四川
DEA 方法作为一种非参数效率评价方法，其生产前沿面和效率值估计依赖于样本数据，因而对样本具有较强的敏感性 ( Simar 和 Wilson，2007)。在利用效率值进行回归时，由于存在序列相关性、影响因素内生性等问题，传统 DEA 两阶段回归的统计推断会失效 (Simar 和 Wilson 2007)。例如，首先使用 DEAP、MATLAB 或 Stata 计算出决策单元效率值，然后使用 tobit 或 reg 等方法进行影响因素回归。传统割裂的 DEA 两阶段法缺乏清晰的基础数据生成过程理论，且忽略估计的 DEA 效率得分是根据共同的数据样本计算得出，将它们视为独立的观测值会因与序列相关而无效推断 (Simar 和 Wilson，2007)。鉴于此，Simar 和 Wilson (2007) 提出的两阶段半参数 DEA 方法。该方法描述了一个与两阶段估计程序一致的数据生成过程，提出了两个与假定的数据生成过程一致的 bootstrap 参数程序，有效避免决策单元生成效率值与影响因素回归估计的偏误问题。DEA 模型具体又可细分为三种类型：(1) CCR 模型：该模型假定规模报酬不变，主要用来测量技术效率; (2) BCC 模型：该模型假定规模报酬可变，主要测算纯技术效率，即技术效率与规模效率的比值; (3) DEA-Malmquist 指数模型：该模型可以测算出决策单元 (DMUs) 的生产效率在不同时期的动态变化情况。dea 命令允许用户从数据文件中选择输入和输出变量，并通过指定的选项在 Stata 求解 dea 模型，该命令由 Yong-bae Ji 和 Choonjo Lee 于 2010 年编写。在 Stata 命令窗口中输入 ssc install dea, replace 可以下载最新版的 dea 命令，进而输入 help dea 可以查看其帮助文件。 malmq 命令允许用户从数据文件中选择输入和输出变量，并通过指定的选项在 Stata 解决 Malmquist 生产率指数模型，该命令由 Kyong-Rock Lee 和 Byung-Ihn Leem 于 2011 年编写。![]()
