SBM怎么做:SPSSAU操作步骤与结果解读
一、SBM方法所属模块
SBM方法在SPSSAU中属于综合评价模块。
二、方法概述
SBM是一种常用于效率评价的方法,适合比较多个对象在投入与产出之间的相对表现。它不仅能处理常规产出,还能纳入非期望产出,因此在资源利用、绩效评价、绿色效率研究等场景中都很常见。
三、变量设置规则
SBM分析共涉及4类变量,其中投入(X)和产出(Y)为必填,非期望产出与DMU标签为可选项。各类变量可放入的数量和设置要求如下。
1. 必填变量
(1)投入(X)
投入变量至少放入1项,最多20项,用于表示资源消耗情况。常见可理解为资金、人力、设备、能耗等投入性指标。
(2)产出(Y)
产出变量至少放入1项,最多20项,用于表示对象取得的结果。一般应选择能够体现绩效、效益或成果的指标。
2. 可选变量
(1)非期望产出
非期望产出最多可放入10项,也可以不放。它适用于污染排放、损耗、不良结果等越少越好的指标。若研究中存在这类结果,建议纳入分析。
(2)DMU标签
DMU标签最多放入1项,也可以不放。它主要用于标识每一个被评价对象,便于结果表和图形展示时快速识别对象名称。
四、参数设置及解释说明
SBM在SPSSAU中支持3项常用参数设置,分别关系到模型类型、是否做超效率比较,以及数据是否需要平移处理。
1. 超效率SBM
勾选后,系统会进行超效率SBM计算。适合在多个效率较高的对象之间继续拉开差异时使用。如果只是想先判断哪些对象达到有效状态,普通SBM通常就够用。
2. 非负平移
该选项默认启用。若数据中存在小于等于0的数值,系统会自动进行平移处理,使数据整体转为正数后再计算。当原始指标中可能出现0值或负值时,通常建议保留默认设置。
3. 类型
类型可选BCC或CCR,默认是BCC。若没有特别研究设定,保持默认设置通常更稳妥;若研究方案明确要求CCR,再手动切换即可。
五、分析结果表格及其解读
SBM分析后会输出1类核心结果表,即模型效率值结果表,用于集中展示各评价对象的效率表现。
SBM模型效率值结果
该表格的作用是展示每个DMU的效率值,以及投入项、产出项和非期望产出项对应结果,便于比较不同对象的相对效率水平。若开启超效率SBM,表名会显示为“超效率模型效率值结果”,解读思路基本一致。
• 效率值:是SBM结果中最核心的指标,用于判断各对象的相对效率水平。普通SBM下,效率值越接近1通常说明效率越高;效率值低于1,通常表示该对象仍有提升空间。若使用超效率SBM,效率值大于1通常说明该对象表现更突出。
• DMU名称:即被评价对象的名称或编号,作用是帮助识别每条结果对应的对象。若前期设置了DMU标签,表格中会直接展示标签名称,便于横向比较。
• 投入项:用于辅助判断对象在资源投入方面的表现。若某对象投入较高但效率值并不理想,通常说明资源利用仍有优化空间。
• 产出项:用于观察对象取得的结果水平。若产出较好且效率值较高,通常说明整体表现较优。
• 非期望产出项:当研究中纳入污染、损耗、不良结果等指标时,该部分尤其重要。通常这类结果越低越有利;如果非期望产出偏高,即使常规产出不低,也可能影响整体效率判断。

六、分析结果图表及其解读
SBM分析后会输出效率值相关图表,通常可切换为折线图、柱形图和条形图,用于更直观地比较不同DMU之间的效率差异。
这类图表围绕各DMU的效率值展开,纵向看单个对象的效率高低,横向看各对象之间的差距。普通SBM下,可重点关注哪些对象接近1、哪些对象明显低于1;超效率SBM下,则可进一步比较哪些对象高于1且领先幅度更大。
以上就是SPSSAU SBM方法的相关内容,更深入教程可查看SPSSAU帮助手册、教学视频、疑难解惑等资料。
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。
更多推荐



所有评论(0)