资源描述：
《数据包络分析 （MATLAB代码）》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、数据包络分析（MATLAB代码）X=[]%输入多指标输入矩阵XY=[]%输入多指标输出矩阵Y[n,m]=size(X)%n为输入的指标数，m为决策单元数s=size(Y)%s为输出的指标数epsilon=10^-10%定义非阿基米德无穷小量epsilonf=[zeros(1,n)-epsilon*ones(1,m+s)1]%f为目标函数的系数矩阵A=zeros(1,n+m+s+1)%A为约束不等式系数矩阵b=0%b为常数项LB=zeros(n+m+s+1,1)UB=[]LB(n+m+s+1)=-Inffori=1:n%Aeq为约束等式的系数
2、矩阵Aeq=[Xeye(m)zeros(m,s)-X(:,i)Yzeros(s,m)-eye(s)zeros(s,1)]beq=[zeros(m,1)%beq为常数项Y(:,i)];w(:,i)=linprog(f,A,b,Aeq,beq,LB,UB)%解线性规划，得DMUi的最佳权向量wendw%输出最佳权向量s_minus=w(n+1:n+m,:)%输出输入松弛变量s_plus=w(n+m+1:n+m+s,:)%输出输出松弛变量theta=w(n+m+s+1,:)%输出综合效率数据包络分析（DEAP2.1代码）eg4-dta.txtDA
3、TAFILENAMEeg4-out.txtOUTPUTFILENAME1NUMBEROFFIRMS9NUMBEROFTIMEPERIODS1NUMBEROFOUTPUTS2NUMBEROFINPUTS10=INPUTAND1=OUTPUTORIENTATED00=CRSAND1=VRS20=DEA(MULTI-STAGE),1=COST-DEA,2=MALMQUIST-DEA,3=DEA(1-STAGE),4=DEA(2-STAGE)计算MALMQUIST指数步骤：以下是软件DEAP2.1运行出来的相关指标包括effch，techch，pe
4、ch，sech，tfpch。假设第t年的全要素生产率（TFP）为基期，则。主成分分析（MATLAB程序）X=[]%输入[n,p]=size(X)%n为矩阵的行，p为矩阵的列Y=zscore(X)%对矩阵X标准化处理R=corrcoef(Y)%计算相关系数矩阵[V,D]=eig(R)%计算特征值和特征向量D1=diag(D)%对特征值按降序排列DS(:,1)=sort(D1,'descend')fori=1:pDS(i,2)=DS(i,1)/sum(DS(:,1))%计算方差贡献率DS(i,3)=sum(DS(1:i,1))/sum(DS(:
5、,1))%计算累计方差贡献率endT=0.85%主成分保留信息率fork=1:pifDS(k,3)>=TCom_num=k%确定主成分个数breakendendforj=1:Com_num%提取主成分对应的特征向量PV(:,j)=V(:,p+1-j)endnew_score=Y*PV%计算各评价对象的主成分得分fori=1:n%计算总得分total_score(i,1)=sum(new_score(i,:))total_score(i,2)=n+1-iend层次分析法1（MATLAB程序）A=[];%输入比例判断矩阵[m,n]=size(A
6、)%获取指标个数[V,D]=eig(A);%计算特征值D和特征向量Vtz=max(D);B=max(tz);%最大特征值[row,col]=find(D==B);%最大特征值所在位置C=V(:,col);%最大特征值所对应特征向量Q=zeros(n,1);%各向量权重Qfori=1:nQ(i,1)=C(i,1)/sum(C(:,1));%特征向量标准化endQ%输出权重向量层次分析法2（MATLAB程序）A=[]%输入比例判断矩阵B=mean(A,2)%计算行算术平均C=B/sum(B)%对数据归一化，得到权重向量灰色预测法G(1,1)（M
7、ATLAB程序）x0=[]%输入数据n=length(x0)x1=cumsum(x0)%累加运算B=[-1/2*(x1(1:n-1)+x1(2:n)),ones(n-1,1)]%计算矩阵BY=x0(2:n)%计算矩阵Yu=BY%最小二乘解参数向量ua=u(1)b=u(2)fori=1:nF(i)=(x0(1)-b/a)/exp(a*(i-1))+b/a;%参数代入白化模型的解x1的预测endyuce=[x0(1),diff(F)]%差分运算，还原数据x0的预测fori=1:n+m%m为预测的年数F1(i)=(x0(1)-b/a)/exp(
8、a*(i-1))+b/a;%参数代入白化模型的解x1的预测endG=[x0(1),diff(F1)]%差分运算，还原数据x0的预测灰色预测G（1，N）(MATLAB程序)X0=[
