DEA-tobit二阶段分析模型

蓝色 发表于 2013-7-1 03:34
既然是两阶段，那就分开做啊
dea的值（Y，效率得分，介于0和1之间），你应该会求出吧（用deap软件可以算） ...

你好，请问如果用超效率DEA做出来的效率值大于或者等于1，能不能用回归分析影响因素呀，如果能的话可以用哪些？万分感谢回答！因为我看因变量在0-1之间才能用tobit回归。

别的帖子的内容可以参考tobit  x1 x2 ...xn, ll(0) ul(1)

DEA-Tobit 两阶段分析是一种结合数据包络分析（Data Envelopment Analysis, DEA）与Tobit回归的复合方法，常用于处理受限于技术效率边界的数据。下面是使用该模型的一般步骤：

### 第一阶段：进行DEA分析

1. **确定输入和输出**：根据研究目标选择相关的输入和输出指标。
   
2. **应用DEA模型**：利用选定的软件包（如R、Stata或Excel插件）对数据集执行DEA分析，以计算各决策单元（Decision Making Units, DMUs）的相对技术效率。

3. **处理结果**：识别出有效和无效DMU，并记录每个单位的效率评分。可能需要对DEA结果进行一些解释性分析，如观察是否存在规模报酬递增或递减等现象。

### 第二阶段：Tobit回归

1. **设定模型**：将第一阶段计算出来的技术效率作为因变量，选择适当的自变量（影响效率的因素）构建Tobit模型。由于DEA效率评分可能受到限制（如0到1之间），使用Tobit而非普通最小二乘法可以更准确地处理这种受限情况。

2. **数据准备**：确保所有数据已清洗并格式正确，以便于进行回归分析。

3. **运行Tobit回归**：在统计软件中输入数据和模型公式，执行Tobit回归。这将给出关于自变量对效率影响的估计系数及其显著性水平。

4. **结果解释**：分析回归输出，确定哪些因素对技术效率有显著影响，并尝试解读它们的实际意义。

### 教学资源

寻找教学视频或详细指南可能会有些挑战，因为这类内容并不广泛。但是，你可以考虑以下几个途径：

- **学术论文和期刊**：阅读已发表的使用DEA-Tobit两阶段分析的研究文章，这通常会包含具体步骤和应用案例。
  
- **在线课程平台**：像Coursera、edX或Udemy上可能有涵盖高级数据分析技术（包括DEA和Tobit回归）的课程。

- **专业论坛与Q&A网站**：如Stack Exchange的Cross Validated，可能会有讨论此类问题的具体贴子或教程链接。
  
- **学术网络平台**：在ResearchGate或Academia.edu上可能有研究者分享的相关材料或讨论组。

希望这些信息能帮助你深入理解DEA-Tobit两阶段分析，并指导你的具体操作。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用