基于Shapley Value-CCR我国各省煤炭利用效率及其影响因素分析

以往使用DEA研究煤炭效率的文献中,并没有从定量的角度去选择输入输出变量集.利用Shapley值法合理定量的确定投入产出指标体系,然后利用CCR模型、生态低效模型对2015年全国各省的煤炭利用效率进行了测算与分析,最后对影响煤炭效率的因素做进一步的空间计量分析.实证分析表明:1)北京、天津、内蒙古、上海、海南实现了生态高效,全国总体的平均煤炭利用效率为0.4787.2)全员劳动率和科技进步对煤炭利用效率有显著的正向影响,而投资水平和产业结构对煤炭利用效率有显著的负向影响.     

基于DEA模型的中国区域能源与环境效率评估

数据包络分析已经被广泛应用于研究中国各省市的能源与环境效率.在以前研究文献中,模拟弱可处置性建模时,隐含的假设所有决策单元采用统一均匀的减少系数.但是在实际生产过程中,面对边际减排成本最低的决策单元,减少非期望产出,也通常会带来成本效益,而且决策者也往往更倾向于减少那些带来成本效益更低的决策单元.因此,为解决这一实际问题,引进不同决策单元的非期望产出采用非均匀比例减少的基础上,考虑非能源投入和能源投入的划分,来构建评估中国各个省市能源和环境效率的生产可能集,然后利用改善的DEA模型计算2016年中国其中30个省市的能源与环境效率.结果表明,我国不同区域,相同区域不同省市之间的能源与环境效率都存在着较大差异.     

一种提高SVM训练速度的新方法

SVM解决两分类问题时,在大规模数据上训练速度很慢,利用数据提取的方法可以减少训练样本数目,加快训练速度。本文利用马氏距离和"aσ-方法"提出新的数据提取方法,根据样本点到训练集的马氏距离来确定样本点与样本集的位置关系,只提取对于建立超平面有作用的样本点,避免了以往数据提取方法的随机性;并考虑提取的数据占原来总样本集数目的比例,通过调整a的值,控制数据提取的数量,避免提取后训练样本集的数据太多或太少,从而加快SVM的训练速度。