ML指数是考虑非期望产出DEA模型计算的M指数。GM指数是通过全局DEA模型计算的M指数,而GML指数自然的就是考虑非期望产出的全局DEA模型计算的M指数。全局DEA模型是以所有年份所有省份数据构成的生产前沿面,也就是说,所有数据只有一个前沿面。而普通的DEA模型都是通过每一年的所有省份建立的生产前沿面,即一年一个前沿面...
本研究基于网络SBM-DEA模型和GML指数,对中国各省的工业用水效率进行了研究。结果显示,工业用水效率在不同省份之间存在差异。影响工业用水效率的主要因素包括水资源状况、工业结构、技术水平和政策措施等。通过加强水资源管理、优化工业结构、提高技术水平和加强政策支持等策略,可以推动中国各省工业用水效率的提升,实现可持...
【方法】本研究运用非期望产出超效率SBM模型方法和Global Malmquist-lunberger指数法对2012—2020年全国30个省区(市)的冷链物流绿色发展效率进行静态测度与动态分析,并构建"绿色发展效率-全要素生产率GML指数"矩阵,综合比较各省份冷链物流绿色发展效率的优势与不足.【结果】我国的冷链物流绿色发展效率水平整体不高,2020...
摘要 构建Global Malmquist-Luenberger (GML)指数模型对2010—2020年京津冀区域13个城市的物流业绿色全要素生产率(GTFP)进行测度,并对生产率变化、指数分解、区域差异、收敛性情况展开一系...展开更多 The Global Malmquist-Luenberger(GML)index model was constructed to measure the green total factor productivity(...
基于2011—2018年我国30个省,市,自治区的面板数据,通过构建建筑业环境效率投入,产出评价指标体系,运用US-SBM模型和GML指数法,对建筑业环境效率进行静态和动态评价,对建筑业环境效率的省际,区域差异情况及跨期动态变化进行分析.结果表明:2011—2018年全国建筑业环境效率呈现波动上升状态,但效率均值为0.840,整体上无效,其...
——基于GML指数和面板数据固定效应模型的分析 作者:范秋芳,晏向星 作者简介:范秋芳(1965—),女,山东昌邑人,中国石油大学(华东)经济管理学院教授,研究方向为能源经济与管理。 摘要 选取2005—2017年中国30个省份的面板数据,运用Global Malmq...
环境动态性视角下大数据能力对制造业绿色竞争力的影响机制研究———基于 SBM-GML 指数模型李金克 1 ,张 荣 1 ,李伯钧 2(1. 青岛大学 商学院,山东 青岛 266100 ; 2. 中国海洋大学 经济学院,山东 青岛 266100 )收稿日期: 2021-05-10 修回日期:2021-06-15基金项目:山东省自然科学基金项目( ZR2020MG034 )...
摘要：基于SBM与GML指数模型,克服方向距离函数未考虑松弛效应及Malmquist-Luenberger指数参考技术非同期性的不足,考察长江经济带物流业2004-2013年全局环境效率、全要素能源效率及其分解因素.结果表明：除江苏省外,全局环境无效率普遍存在;未考虑碳排放的Malmquist指数平均值为1.005 0,分别比Malmquist-Luenberger指数、GML...
为研究碳排放规制对我国工业行业节能减排的影响,本文基于方向性距离函数与GML指数模型,以2000-2012年中国36个工业行业的面板数据为样本,测度分析了碳排放规制对中国工业行业全要素生产率的影响.研究结果表明:碳排放规制有利于工业行业全要素生产率的增长,且规制条件越严格效果越明显;强碳排放规制下,技术效率得到了促进而...
数据包络分析(DEA)的Matlab代码,各种模型都可以做,包括CCR,BCC,SBM系列模型(超效率,非期望产出,ML指数,GML指数等)。这套DEA模型的MATLAB代码很好,操作简便,只需导入数据,设置好相应参数,就可以得到想要的结果,并且计算结果可以自动导出到Excel表格,方便好用。