DEA算法学习系列之三：一次性求解CCR模型所有DMU参数——效率、规模效益、有效性特征、调整值的matlab代码.docxVIP

DEA算法学习系列之三：一次性求解CCR模型所有DMU参数——效率、规模效益、有效性特征、调整值的matlab代码.docx

DEA算法学习系列之三：一次性求解CCR模型所有DMU参数——效率、规模效益、有效性特征、调整值的matlab代码

结果解读示例（以DMU3为例）：

*效率值θ=0.66671，表明该DMU为非有效。

*是否有效：否。

*规模效益：规模报酬递增，意味着增加投入可能带来更大比例的产出增加。

*投入调整值：投入1需调整为2.00，投入2需调整为0.67。原始投入为[3,1]，调整后投入为[2.00,0.67]，即投入1减少1.00，投入2减少0.33（考虑到松弛变量后）。

*产出调整值：产出1保持3.00（示例数据中产出松弛可能为0）。

三、代码拓展与注意事项

1.输入/输出导向切换：上述代码实现的是输入导向的CCR模型。若要改为输出导向，只需修改目标函数为`maxφ`（φ为输出扩大比例），并相应调整约束条件和变量定义。

2.数据规模与效率：当DMU数量较多时，循环求解每个LP模型可能耗时较长。可考虑优化求解器选项，或在MATLAB中使用并行计算工具箱加速。

3.松弛变量的重要性：效率值θ=1并不一定意味着DMU完全有效，必须同时检查松弛变量是否均为零。

4.数值精度：代码中使用了`1e-6`作为判断是否为零或等于1的阈值，以避免数值计算误差带来的影响。实际应用中可根据需要调整。