Advertisement

基于SBM模型的绿色全要素生产率测算(含代码、案例及数据)

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本书通过应用SBM模型深入探讨了绿色全要素生产率的评估方法,提供了详细的代码示例和实际案例分析,并附有相关数据支持。 今天分享绿色全要素生产率的测算代码,包括SBM模型与超效率SBM模型,并提供可测非期望、指数分解值工具包。该工具包内含有Matlab代码、视频教学文件及相关讲解材料以及示例数据,使用最简单的y, x, x1等变量展示数据集,代码也做了详细的解释说明。 SBM是Slacks-Based Measure或Slack Based Measure的缩写,通常翻译为基于松弛值测算模型。它既可以用于DEA(Data Envelopment Analysis),即SBM-DEA。该方法最初由Kaoru Tone在2001年提出,遵循DEA的基本思想,通过“最小”的或者说是“最紧密匹配”的凸面球壳来包络投入产出数据集,从而得到代表最佳实践的技术前沿边界。 这种相对最优的技术前沿正是两型社会及经济与环境协调发展的经济学内涵。所谓两型社会是指在各个生产、建设、流通和消费领域,在经济发展和社会进步的各个方面,充分保护并合理利用各种资源,提高资源使用效率,以最低限度的资源消耗获取最大的经济效益和社会效益,并实现人与自然和谐共生以及经济社会可持续发展。“快”指的是经济增长。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • SBM绿
    优质
    本书通过应用SBM模型深入探讨了绿色全要素生产率的评估方法,提供了详细的代码示例和实际案例分析,并附有相关数据支持。 今天分享绿色全要素生产率的测算代码,包括SBM模型与超效率SBM模型,并提供可测非期望、指数分解值工具包。该工具包内含有Matlab代码、视频教学文件及相关讲解材料以及示例数据,使用最简单的y, x, x1等变量展示数据集,代码也做了详细的解释说明。 SBM是Slacks-Based Measure或Slack Based Measure的缩写,通常翻译为基于松弛值测算模型。它既可以用于DEA(Data Envelopment Analysis),即SBM-DEA。该方法最初由Kaoru Tone在2001年提出,遵循DEA的基本思想,通过“最小”的或者说是“最紧密匹配”的凸面球壳来包络投入产出数据集,从而得到代表最佳实践的技术前沿边界。 这种相对最优的技术前沿正是两型社会及经济与环境协调发展的经济学内涵。所谓两型社会是指在各个生产、建设、流通和消费领域,在经济发展和社会进步的各个方面,充分保护并合理利用各种资源,提高资源使用效率,以最低限度的资源消耗获取最大的经济效益和社会效益,并实现人与自然和谐共生以及经济社会可持续发展。“快”指的是经济增长。
  • DEA-SBMMATLABML和GML指以分析绿EC、TC分解结果)
    优质
    本研究采用DEA-SBM模型编写MATLAB代码,旨在评估并解析传统与绿色全要素生产率,通过效率变化(EC)和技术变化(TC)的分解,提供深入分析。 Matlab代码用于基于DEA-SBM模型计算ml指数和gml指数,以研究全要素生产率和绿色全要素生产率。结果包括EC TC分解指数文件包,内含操作代码、操作视频、指标解释及模型解释,并提供面板数据示例。整个操作过程简单明了。
  • 地级市绿(GTFP),四种GML指(EBM-GML、SBM-GML、SBM-DDF)原始结果
    优质
    本研究提供了地级市层面关于绿色全要素生产率及其四种GML指数(包括EBM-GML,SBM-GML和SBM-DDF)的详尽原始数据及分析结果,为评估各地经济活动的环境效率提供重要参考。 283个地级市的绿色全要素生产率(GTFP)年度数据从2006年至2019年进行了整理与测算,采用了四种GML指数计算方法:EBM-GML、SBM-GML、GML-DDF和SBM-DDF。这些数据均被分解为技术进步(TC)和效率变动(EC)。该数据集是我论文写作所需,并且经过了仔细核验以确保其准确可靠,可以直接用于数据分析回归模型中。 整理这份资料耗时费力,请大家支持正版资源而不是购买盗版材料,因为后者不会提供后续更新。我计划在未来免费更新2020年的相关数据,而非法渠道则无法获得这一服务。如果有任何疑问或需要帮助的地方,请随时留言提问,我会一一解答并确保你们的满意度。 具体的数据来源包括中国城市统计年鉴、中国区域统计年鉴、中国能源年鉴和中国环境年鉴等权威出版物以及哈佛大学官网的相关信息。此外,时间跨度覆盖了2006年至2019年的连续时间段,并且包含了全国所有地级市的详细情况(根据可用性和行政边界变化)。每个GML指数都被进一步分解为技术进步和技术效率两个部分。 全局参比的方法是通过使用整个研究期间内所有决策单元的投入产出数据来构建最佳生产前沿,从而确保不同时期的所有决策单元都能在全局最优生产前沿上进行比较。
  • 绿面板合集(2000-2018),包多份
    优质
    本资料集收录了自2000年至2018年间关于绿色全要素生产率的多种面板数据,涵盖环境影响因素与经济效率分析。 一、省级绿色全要素生产率测算(2004-2017) 数据说明:以2004年为基期,包括SBM-ML、SBM-GML、EBM-GML三种方法的测算结果及原始数据如下:就业人数、资本存量、能源消耗总量、实际GDP 以及工业废水和二氧化硫排放量。 时间跨度:2004年至2017年 区域范围:涵盖30个省市自治区,不包括西藏地区。 二、省级绿色全要素生产率测算(2004-2018) 数据说明:以SBM-GML方法进行测算,采用的基期为2004年。投入因素包含劳动投入、资本投入和能源消耗;期望产出即各省市自治区的实际GDP,并以2004年的价格水平折算。非期望产出指标包括工业废水中的COD排放量以及二氧化硫排放量。 时间跨度:从2004年至2018年 区域范围:覆盖30个省、市和自治区,不包含西藏地区。 三、地级市全要素生产率测算(2004-2018) 数据说明:以SBM及Malmquist生产率指数方法进行测算,采用的基期为2004年。请注意该部分仅提供结果,并无原始数据可供参考。 时间跨度:从2004年至2018年 区域范围:涵盖全国所有地级市。
  • 上市公司绿集(2007-2022).xlsx
    优质
    本数据集收录了中国上市公司自2007年至2022年的绿色全要素生产率相关指标,旨在研究企业环境绩效与经济效率的关联。 详细介绍及样例数据可参考相关博客文章。本研究涵盖了2500多家上市企业,涉及的数据指标包括证券代码、年份、绿色全要素生产率、绿色技术效率变化指数以及绿色技术进步变化指数。
  • .do
    优质
    本文件为一款用于分析经济数据、计算全要素生产率的Stata编程代码,适用于经济学研究者及数据分析人员进行深入的数据挖掘与效率评估。 全要素生产率(TFP)是衡量上市公司生产效率和技术进步的关键指标。它体现了企业在生产过程中,在劳动和资本投入之外,由于技术进步、管理创新及组织变革等因素所导致的生产力提升。
  • 2000-2019年中国地级市绿.xls
    优质
    本文件为Excel表格形式的数据集,记录了中国从2000年至2019年间各地区级市在绿色全要素生产率方面的年度变化情况。 时间跨度为2000年至2019年期间的研究分析了421个行政区样本的数据,其中四个直辖市以区级层面数据为准,其余的行政区则采用地市层面的数据进行研究。 全要素生产率(也称为综合要素生产率)是衡量经济增长的重要指标。它指的是在排除资本和劳动力等投入因素的影响后,技术进步和其他能力实现所带来的产出增加部分。由于全要素生产率无法直接观测到,在实际的研究中需要通过估算得出其数值。 本研究借鉴了Pastor等人于2005年提出的方法,结合全局参比的数据包络分析框架,并综合考虑非期望产出的超效率SBM模型和Malmquist生产率指数来衡量城市全要素生产率的增长。全局参比方法利用整个考察期间所有决策单元(即研究对象)的投入与产出数据构建最佳生产前沿线,确保不同时期的所有决策单元都能在这一全球最优标准下进行比较,从而有效解决了测量过程中可能出现的不可行解及跨时期无法直接对比的问题。 由于统计数据口径的不同,在计算用电量时使用的是市辖区的数据;而其他变量则以全市范围内的数据为准。
  • MATLAB绿非期望DEA-ML法研究.docx
    优质
    本文探讨了一种基于MATLAB平台的新型非期望产出数据包络分析(DEA)与机器学习结合的方法——DEA-ML,专门用于评估绿色全要素生产率。通过引入环境因素和资源利用效率评价机制,该算法旨在提供更全面、精确的决策支持工具,尤其适用于工业生态效率分析领域。 matlab的绿色全要素生产率非期望DEA-ML算法.docx