thank you

谢谢各位领导，我很需要了，

我也是这样的，不知道什么原因，同学你现在解决了这个问题了么？

求问 用升级面板数据时 benchmarking 哪个指令可以让他给出面板数据的dea

> dea(X, Y, RTS="vrs", ORIENTATION="in", XREF=NULL, YREF=NULL,+ FRONT.IDX=NULL, SLACK=FALSE, DUAL=FALSE, DIRECT=NULL, param=NULL, TRANSPOSE=FALSE, FAST=FALSE, LP=FALSE, CONTROL=NULL, LPK=NULL)
[1] 0.8182 1.0000 1.0000 1.0000 1.0000
> dea(X, Y, RTS="drs", ORIENTATION="in", XREF=NULL, YREF=NULL,+ FRONT.IDX=NULL, SLACK=FALSE, DUAL=FALSE, DIRECT=NULL, param=NULL,TRANSPOSE=FALSE, FAST=FALSE, LP=FALSE, CONTROL=NULL, LPK=NULL)
[1] 0.3850 1.0000 1.0000 0.9184 1.0000
> dea(X, Y, RTS="crs", ORIENTATION="in", XREF=NULL, YREF=NULL,+ FRONT.IDX=NULL, SLACK=FALSE, DUAL=FALSE, DIRECT=NULL, param=NULL，TRANSPOSE=FALSE, FAST=FALSE, LP=FALSE, CONTROL=NULL, LPK=NULL)
[1] 0.3850 1.0000 0.6384 0.9184 1.0000
> dea(X, Y, RTS="irs", ORIENTATION="in", XREF=NULL, YREF=NULL,+ FRONT.IDX=NULL, SLACK=FALSE, DUAL=FALSE, DIRECT=NULL, param=NULL,TRANSPOSE=FALSE, FAST=FALSE, LP=FALSE, CONTROL=NULL, LPK=NULL)
[1] 0.8182 1.0000 0.6384 1.0000 1.0000
> dea(X, Y, RTS="add", ORIENTATION="in", XREF=NULL, YREF=NULL,+ FRONT.IDX=NULL, SLACK=FALSE, DUAL=FALSE, DIRECT=NULL, param=NULL, RANSPOSE=FALSE, FAST=FALSE, LP=FALSE, CONTROL=NULL, LPK=NULL)
[1] 0.8182 1.0000 1.0000 1.0000 1.0000
> dea(X, Y, RTS="fdh+", ORIENTATION="in", XREF=NULL, YREF=NULL,FRONT.IDX=NULL, SLACK=FALSE, DUAL=FALSE, DIRECT=NULL, param=NULL,TRANSPOSE=FALSE, FAST=FALSE, LP=FALSE, CONTROL=NULL, LPK=NULL)
[1] 0.6955 1.0000 1.0000 0.9184 1.0000
请问，在RTS这一个选项上，各个都代表什么，我对DEA不太了解，看解释，月没看懂，求讲解

你好，有没有包做bc2模型啊，谢谢

好的好的

真的很感谢楼主分享[em23][em23]

请问您弄懂怎么处理面板数据了吗

请问您弄懂怎么处理面板数据了吗

楼主，可以用来做Bootstrap—DEA方法吗

赞，R越来越强大了。

楼主，您拿到FEAR包的许可了吗？给作者发邮件，没有回复。现在写论文，急需！！

谢谢楼主~~

太棒了，你真是好人

这个Benchmarking包可以求解自己建的DEA模型吗？求大佬解答

感恩！很棒的资料

这个很棒值得学习 感谢

0 fdh Free disposability hull, no convexity assumption
1 vrs Variable returns to scale, convexity and free disposability
2 drs Decreasing returns to scale, convexity, down-scaling and free disposability
3 crs Constant returns to scale, convexity and free disposability
4 irs Increasing returns to scale, (up-scaling, but not down-scaling), convexity and free disposability
5 irs2 Increasing returns to scale (up-scaling, but not down-scaling), additivity, and free disposability
6 add Additivity (scaling up and down, but only with integers), and free disposability
7 fdh+ A combination of free disposability and restricted or local constant return to scale

下载，有空看。多谢分享

请问您的问题解决了吗？最近也遇到同样的问题，Benchmarking这个包可以计算ML指数吗？

非常nice的分享

楼主试验了么？可以解决么？