DEA实验报告
基于DEA模型的绍兴纺织企业成本效率现状实证研究的开题报告
基于DEA模型的绍兴纺织企业成本效率现状实证研究的开题报告一、研究背景在当前我国经济发展的大背景下，纺织行业作为传统行业中的重要一环，其对于经济发展的贡献也变得越来越重要。
然而，受到环保、劳动力等多种因素的影响，纺织企业的生产成本愈发突出，影响了其利润水平。
因此，本研究立足于绍兴市的纺织企业，以 DEA 模型为基础，通过实证研究，以探寻企业的成本效率现状及其中存在的问题，并通过提出一定的对策建议，为企业进一步提高效率提供一定的理论和实践指导。
二、研究意义纺织行业作为传统制造业，其发展始终受到着多种因素的影响。
在当前经济处于市场化的大背景下，企业必须在成本效益上持续优化，为企业利润带来更大的提升空间。
因此，本研究首先将通过建立DMA 模型，对于绍兴市的纺织企业进行成本效率分析，以此探寻企业的未来可持续竞争的可能性。
旨在提升企业的竞争力、促进经济的快速发展。
三、研究内容及方法本研究将主要从三个方面进行探究：1. 对绍兴市的纺织企业的成本效率进行实证研究，了解各企业的综合效益水平；2. 对企业的经营环境与生产经营方式进行分析，以此解析影响其成本效率的重要因素；3. 通过探讨相关对策，帮助企业进一步提高成本效率，促进其长期稳定发展。
具体的研究方法将包括实证分析法、问卷调查法、PEST 分析法等多种方法，从多个角度深入挖掘企业成本效率的问题，并提出合理的解决方案，实现企业的可持续发展。
四、预期目标与创新性通过本研究，预期可以达到以下目标：1. 了解绍兴市纺织企业的成本效率现状，探究其成本效率的重要因素；2. 提出合理的对策建议，减少企业的成本支出，提高成本效率；3. 提升纺织企业的核心竞争力，增强企业的可持续竞争力。
本研究的创新性主要在于：1. 采用 DEA 模型进行研究，以全面、准确地评价纺织企业的成本效率；2. 通过结合实证分析法、问卷调查法等方法进行研究，建立起全面的研究框架；3. 提出合理的对策建议，为纺织企业的未来发展提供有益的理论与实践指导。
DEA溶液吸收_再生CO_2的研究_谭大志
工程师园地文章编号:1002-1124(2005)05-0062-03 DEA 溶液吸收/再生CO 2的研究谭大志1,范文杰2,张永春1,吴 浪1,李一尘3(1.大连理工大学精细化工国家重点实验室,辽宁大连116012;2.辽宁师范大学,辽宁大连116029;3.辽宁省出入境检验检疫局,辽宁大连116001) 摘 要:化学溶液法脱除C O 2是工业中一项传统的净化气体的方法。
DE A 是目前回收烟道气中低浓度C O 2所使用的最主要试剂,本实验进行DE A 吸收C O 2的实验,掌握了溶液pH 值与C O 2浓度变化的情况,并用这一方法进行测定C O 2浓度的研究。
通过考察溶液的再生情况,了解再生温度对溶液再生效果的影响。
关键词:化学吸收;二氧化碳;二乙醇胺中图分类号:X 511 文献标识码:AStudy on absorption/regeneration of CO 2by DEAT AN Da -zhi 1,FAN Wen -jie 2,ZH ANG Y ong -chun 1,W U Lang 1,LI Y i -chen 3(1.S tate K ey Laboratory of Fine Chem ical ,Dalian University of T echnology ,Dalian 116012,China ;2.Liaoning N orm al University ,Dalian 116029,China ;3.Entry -E xit Ins pection and Quarantine Bureau of Liaoning ,Dalian 116001,China ) Abstract :The scrubbing of C O 2by s olvent is a traditional process for gas purification.DE A is currently the prima 2ry reagent for the recovery of low -concentration C O 2of fuel.In this paper ,we per formed experiments of C O 2abs orption by DE A ,received the corresponding relationships between the pH value of s olvent and the concentration of C O 2,and in 2vestigated the determination of C O 2concentration by means of this method.We als o studied the regeneration of s olvent and probed into the in fluence of tem perature on the effect during regeneration.K ey w ords :chemical abs orption ;carbon dioxide ;diethanolamine收稿日期:2005-03-07作者简介:谭大志(1977-),男,辽宁省阜新市人,在读硕士研究生。
《2024年基于DEA原理的我国证券公司经营效率研究》范文
《基于DEA原理的我国证券公司经营效率研究》篇一一、引言近年来，随着金融市场的持续发展，证券公司作为金融行业的重要组成部分，其经营效率成为了学术界和实务界关注的焦点。
经营效率是衡量证券公司竞争力的关键指标，其决定了公司能否在激烈的市场竞争中立足。
数据包络分析（DEA）作为一种重要的效率评价方法，被广泛应用于各类企业的经营效率评价中。
本文旨在运用DEA原理，对我国证券公司的经营效率进行深入研究，以期为证券公司的经营管理提供有益的参考。
二、文献综述在过去的研究中，许多学者运用不同的方法对证券公司的经营效率进行了研究。
XXX等（2021）运用随机前沿分析（SFA）方法，发现我国证券公司的经营效率普遍较高，但地区差异明显。
XXX（2022）则采用平衡计分卡法，从财务、客户、内部业务过程和学习与成长四个维度对证券公司的经营效率进行了全面评价。
然而，这些研究尚未充分运用DEA原理对证券公司的经营效率进行深入研究。
三、研究方法与数据来源本文采用DEA原理，以我国证券公司为研究对象，收集了多家证券公司的财务数据，包括营业收入、成本、资产规模等指标。
通过构建DEA模型，对证券公司的经营效率进行定量评价。
四、实证分析（一）模型构建本文采用DEA原理中的C2R模型和BCC模型，从投入和产出两个方面构建了证券公司的经营效率评价指标体系。
投入指标主要包括人员数量、资产规模等，产出指标主要包括营业收入、净利润等。
（二）实证结果通过DEA模型的分析，我们得到了各家证券公司的经营效率得分及排名。
结果表明，我国证券公司的经营效率整体较高，但不同公司之间存在较大差异。
其中，大型国有证券公司在人员规模和资产规模方面具有优势，而部分中小型证券公司在成本控制和业务创新方面表现出色。
五、讨论根据实证结果，本文对我国证券公司的经营效率进行了深入讨论。
首先，大型国有证券公司应进一步加强成本控制，提高资产使用效率；其次，中小型证券公司应加大业务创新力度，提高服务质量；最后，各家证券公司应充分利用信息技术，提高经营管理水平。
DEA实验报告
实验报告六数据包络软件（DEA）上机实验一、实验目的1. 了解DEA 软件功能；2. 初步掌握DEA 软件使用。
二、实验方法1.数据包络分析（DEA ）数据包络分析（Date Envelopment Analysis ，简记为DEA ）是由运筹学家A ．Charnes 和W.W ．Cooper 等于1978年提出，以输出/输入作为相对绩效而发展起来的评价决策单元（Decision Making Units ，简称DMU ）相对有效性的非参数方法。
具有单输入单输出的过程或决策单元其效率可简单的定义为:输出∕输入,A.Charnes 等人将这种思想推广到具有多输入多输出生产有效性分析上. 对具有多输入多输出的生产过程或决策单元, 其效率可类似定义为: 输出项加权和∕输入项加权和, 形成了仅仅依靠分析生产决策单元(DMU )的投入与产出数据, 来评价多输入与多输出决策单元之间相对有效性的评价体系。
这种评价体系以数学规划为工具, 利用观测样本点构成的 “悬浮” 在整个样本上的分段超平面, 来评价决策单元的相对有效性。
2. DEA 模型DEA 方法中运用较多的是2C R 模型。
设存在有n 个决策单元iDMU ，i=1,2, …… ,n,每个决策单元都有m 种输入和p 种输出，其中第i 个决策单元iDMU 的输入表示为12(,,,)T i i i mi x x x x =，输出表示为12(,,,)T i i i mi y y y y =，权重表示为12(,,,)T m v v v v =⋅⋅⋅，12(,,,)Ts u u u u =⋅⋅⋅。
并且0,0si ti x y ≥≥，其中1,2,,;1,2,,;1,2,,s m t p i n ===。
T ii T iu y h v x =为第j 个决策单元j DMU 的效率评价指数。
对0DMU 进行效率评价，总可以选择权系数u,v ，在各个DMU 的效率评价指数不超过1的条件下使0h 最大，于是有如下优化模型（即2C R 模型）00max T T u y h v x =1,1,2,,0,0T ii T i u y h i n v x u v ⎧=≤=⋅⋅⋅⎪⎨⎪≥≥⎩2C R 模型的线性规划形式是基于凸性、锥性、无效性、最小性等生产公理体系假设得到的，通过Charess-Cooper 变换，2C R 模型的分式规划形式可以等价的转换为线性规划形式，为便于计算，常采用线性规划形式。
DEA实验报告范文
DEA实验报告范文实验目的：本实验旨在通过DEA实验方法对一组决策单元（Decision Making Units, DMUs）进行效率评估，分析其资源利用效率，并探讨其差异原因。
实验步骤：1.数据准备：收集与DMUs相关的输入和输出数据，包括生产要素、产品产量等。
2.DEA模型构建：根据收集到的数据建立DEA模型，选择适当的DEA模型，如CRR、BCC等。
3.运行DEA模型：通过软件运行DEA模型计算各DMUs的效率值。
4.效率评估：对每个DMU的效率值进行评估，确定其资源利用效率。
5.比较与分析：比较不同DMUs的效率值，分析其差异，探讨原因。
实验结果：根据实验数据，我们得到了每个DMU的效率值，并进行了比较与分析。
结果显示，DMU1和DMU3的效率值较高，说明它们在资源利用上较为有效；而DMU2的效率值较低，表明其存在资源浪费的情况。
进一步分析发现，DMU1的效率值高主要原因是其生产要素利用程度较高，产出量与输入量的比值较大。
而DMU3的效率值高主要是其产出量的高于输入量。
相比之下，DMU2的效率值低是因为其生产要素利用程度相对较低，输入量相对较大。
实验总结：通过本实验，我们成功地利用DEA方法对一组DMUs的资源利用效率进行了评估，并发现了不同DMUs之间的差异。
实验结果对于进一步分析和优化各DMUs的资源利用非常有意义。
然而，本实验还存在一些局限性。
首先，实验数据的准确性和全面性对于实验结果的可信度非常重要。
其次，选择适当的DEA模型也是至关重要的，不同模型可能导致不同的结果。
最后，实验结果需要结合实际情况进行解释和分析，以便找到改进和提高资源利用效率的方法和措施。
因此，未来的研究可以进一步完善实验设计，提高数据采集和处理的准确性，选择更合适的DEA模型，并加强实验结果的实际应用价值。
《2024年基于DEA分析的内蒙古财政科技投入绩效实证研究》范文
《基于DEA分析的内蒙古财政科技投入绩效实证研究》篇一一、引言随着科技的发展和经济的全球化，科技投入已成为推动地区经济发展的重要动力。
内蒙古作为我国的重要经济区域，其财政科技投入的绩效研究对于提高地区科技创新能力、促进经济发展具有重要意义。
本文基于数据包络分析（DEA）方法，对内蒙古财政科技投入的绩效进行实证研究，以期为相关决策提供科学依据。
二、研究背景及意义内蒙古作为我国的重要经济区域，其财政科技投入的规模逐年增加。
然而，科技投入的绩效如何，是否达到了预期的效果，是亟待解决的问题。
因此，本文旨在通过DEA分析方法，对内蒙古财政科技投入的绩效进行实证研究，以期为提高内蒙古地区科技创新能力、促进经济发展提供科学依据。
三、研究方法与数据来源本文采用DEA分析方法，对内蒙古财政科技投入的绩效进行实证研究。
DEA是一种非参数效率分析方法，通过构建线性规划模型，对多输入多输出系统进行效率评价。
本文所使用数据主要来源于内蒙古统计局及相关政府部门发布的统计数据。
四、实证研究（一）指标体系构建本文从投入和产出两个方面构建了财政科技投入绩效的指标体系。
投入指标包括科研人员数量、科研经费投入、科研机构数量等；产出指标包括专利申请量、科技成果转化率、高新技术产业产值等。
（二）DEA模型应用本文采用DEA模型的BCC和SBM模型，对内蒙古财政科技投入的绩效进行实证研究。
通过构建线性规划模型，对投入和产出数据进行处理，得到各决策单元的效率值。
（三）实证结果分析根据DEA分析结果，我们可以得出以下结论：1. 整体来看，内蒙古财政科技投入的绩效处于较高水平，但仍有提升空间。
2. 在投入方面，科研人员数量和科研经费投入对科技投入绩效的影响较大。
因此，应继续加大科研人员和科研经费的投入力度。
3. 在产出方面，专利申请量和科技成果转化率是反映科技投入绩效的重要指标。
应加强科技成果的转化和应用，提高高新技术产业产值。
五、结论与建议本文通过DEA分析方法，对内蒙古财政科技投入的绩效进行了实证研究。
广工数字逻辑和dea设计实验报告
实验报告1、基本门电路一、实验目的1、了解基于Verilog的基本门电路的设计及其验证。
2、熟悉利用EDA工具进行设计及仿真的流程。
3、学习针对实际门电路芯片74HC00、74HC02、74HC04、74HC08、74HC32、7 4HC86进行VerilogHDL设计的方法。
4、掌握Libero软件的使用方法。
二、实验环境Libero仿真软件。
三、实验内容1、在自己的工程文件中，新建一个设计代码文件（Verilog Source File），文件命名规则：学号+下划线+BasGate例：3115000001_BasGate.v在自己的工程文件中，新建一个测试平台文件（HDL Stimulus File），文件命名规则：test_BasGate.v2、进行针对74系列基本门电路的设计，并完成相应的仿真实验。
3、参考教材P192页的设计代码、测试平台代码（可自行编程，所有门电路放在一个模块里面），完成2输入与非门、2输入或非门、2输入与门、2输入或门、2输入异或门、非门的设计、综合及仿真。
4、提交针对基本门电路的综合结果，以及相应的仿真结果。
四、实验结果和数据处理1、门电路．．．模块清单及测试平台代码清单（1）所有硬件功能模块的代码清单（关键代码应有注释）// 3117005278_Bas Gate.v （综合设计与、或、异或、与非、或非在一个模块）module gates(a,b,y1,y2,y3,y4,y5);input a,b;output y1,y2,y3,y4,y5;assign y1=a&b;assign y2=a|b;assign y3=a^b;assign y4=~(a&b);assign y5=~(a|b);endmodule// test_BasGate.v（综合设计测试平台）`timescale 1ns/1nsmodule testbench();reg a,b;wire y1,y2,y3,y4,y5;gates test_gates(a,b,y1,y2,y3,y4,y5);initialbegina=0;b=0;#10 b=1;#10 a=1;#10 b=0;#10;endendmodule2、第一次仿真结果（截图．．）。
EDA实验报告
实验一：QUARTUS II 软件使用及组合电路设计仿真实验目的：学习QUARTUS II 软件的使用，掌握软件工程的建立，VHDL 源文件的设计和波形仿真等基本内容。
实验内容：1.四选一多路选择器的设计基本功能及原理：选择器常用于信号的切换，四选一选择器常用于信号的切换，四选一选择器可以用于4路信号的切换。
四选一选择器有四个输入端a,b,c,d，两个信号选择端s(0)和s(1)及一个信号输出端y。
当s输入不同的选择信号时，就可以使a,b,c,d中某一个相应的输入信号与输出y端接通。
逻辑符号如下：程序设计：软件编译：在编辑器中输入并保存了以上四选一选择器的VHDL源程序后就可以对它进行编译了，编译的最终目的是为了生成可以进行仿真、定时分析及下载到可编程器件的相关文件。
仿真分析：仿真结果如下图所示分析：由仿真图可以得到以下结论：当s=0(00)时y=a;当s=1(01)时y=b；当 s=2(10)时y=c；当s=3(11)时y=d。
符合我们最开始设想的功能设计，这说明源程序正确。
2.七段译码器程序设计基本功能及原理：七段译码器是用来显示数字的，7段数码是纯组合电路，通常的小规模专用IC，如74或4000系列的器件只能作十进制BCD码译码，然而数字系统中的数据处理和运算都是2进制的，所以输出表达都是16进制的，为了满足16进制数的译码显示，最方便的方法就是利用VHDL译码程序在FPGA或CPLD中实现。
本项实验很容易实现这一目的。
输出信号的7位分别接到数码管的7个段，本实验中用的数码管为共阳极的，接有低电平的段发亮。
数码管的图形如下七段译码器的逻辑符号：程序设计：软件编译：在编辑器中输入并保存了以上七段译码器的VHDL源程序后就可以对它进行编译了，编译的最终目的是为了生成可以进行仿真、定时分析及下载到可编程器件的相关文件。
仿真分析：仿真结果如下图所示:分析:由仿真的结果可以得到以下结论：当a=0(0000)时led7=1000000 此时数码管显示0；当a=1(0001)时led7=1111001 此时数码管显示1；当a=2(0010)时led7=0100100 此时数码管显示2；当a=3(0011)时led7=0110000 此时数码管显示3；当a=4(0100)时led7=0011001 此时数码管显示4；当a=5(0101)时led7=0010010 此时数码管显示5；当a=6(0110)时led7=0000010 此时数码管显示6；当a=7(0111)时led7=1111000 此时数码管显示7；当a=8(1000)时led7=0000000 此时数码管显示8；当a=9(1001)时led7=0010000 此时数码管显示9；当a=10(1010)时led7=0001000 此时数码管显示A；当a=11(1011)时led7=0000011 此时数码管显示B；当a=12(1100)时led7=1000110 此时数码管显示C；当a=13(1101)时led7=0100001 此时数码管显示D；当a=14(1110)时led7=0000110 此时数码管显示E；当a=15(1111)时led7=0001110 此时数码管显示F；这完全符合我们最开始的功能设计，所以可以说明源VHDL程序是正确的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验报告六数据包络软件（DEA）上机实验一、实验目的1. 了解DEA 软件功能；2. 初步掌握DEA 软件使用。
二、实验方法1.数据包络分析（DEA ）数据包络分析（Date Envelopment Analysis ，简记为DEA ）是由运筹学家A ．Charnes 和W.W ．Cooper 等于1978年提出，以输出/输入作为相对绩效而发展起来的评价决策单元（Decision Making Units ，简称DMU ）相对有效性的非参数方法。
具有单输入单输出的过程或决策单元其效率可简单的定义为:输出∕输入,A.Charnes 等人将这种思想推广到具有多输入多输出生产有效性分析上. 对具有多输入多输出的生产过程或决策单元, 其效率可类似定义为: 输出项加权和∕输入项加权和, 形成了仅仅依靠分析生产决策单元(DMU )的投入与产出数据, 来评价多输入与多输出决策单元之间相对有效性的评价体系。
这种评价体系以数学规划为工具, 利用观测样本点构成的 “悬浮” 在整个样本上的分段超平面, 来评价决策单元的相对有效性。
2. DEA 模型DEA 方法中运用较多的是2C R 模型。
设存在有n 个决策单元iDMU ，i=1,2, …… ,n,每个决策单元都有m 种输入和p 种输出，其中第i 个决策单元iDMU 的输入表示为12(,,,)T i i i mi x x x x =，输出表示为12(,,,)T i i i mi y y y y =，权重表示为12(,,,)T m v v v v =⋅⋅⋅，12(,,,)Ts u u u u =⋅⋅⋅。
并且0,0si ti x y ≥≥，其中1,2,,;1,2,,;1,2,,s m t p i n ===。
T ii T iu y h v x =为第j 个决策单元j DMU 的效率评价指数。
对0DMU 进行效率评价，总可以选择权系数u,v ，在各个DMU 的效率评价指数不超过1的条件下使0h 最大，于是有如下优化模型（即2C R 模型）00max T T u y h v x =1,1,2,,0,0T ii T i u y h i n v x u v ⎧=≤=⋅⋅⋅⎪⎨⎪≥≥⎩2C R 模型的线性规划形式是基于凸性、锥性、无效性、最小性等生产公理体系假设得到的，通过Charess-Cooper 变换，2C R 模型的分式规划形式可以等价的转换为线性规划形式，为便于计算，常采用线性规划形式。
基于输入的2C R 模型的线性规划形式为：0max 0,1,2,,10,0T T T i i Ty x y i nx μωμωωμ⎧-≥=⋅⋅⋅⎪=⎨⎪≥≥⎩其中01,,T tv tu t v x ωμ===。
其对偶规划模型为：0101min 0,1,2,,ni i i ni i i i x x y y i n θλθλλ==⎧≤⎪⎪⎪≥⎨⎪⎪≥=⋅⋅⋅⎪⎩∑∑ 引入新的松弛变量0,0,s s -+≥≥可将上式表示为如下形式：0101min 0,0,0,1,2,,n i i i n i i i i x s x y s y s s i n θλθλλ-=+=-+⎧+=⎪⎪⎪-=⎨⎪⎪≥≥≥=⋅⋅⋅⎪⎩∑∑ 带有非阿基米德无穷小以及松弛变量的线性规划[4]模型为：011min[()]0,(1)0,0s T T m s D ni i i n i i i i e s e s V x s xy s y i n s s θελθλλ-+-=+=-+⎧-+=⎪⎪+=⎪⎪⎪-=⎨⎪⎪≥≤≤⎪≥≥⎪⎪⎩∑∑ 其中ε为非阿基米德无穷小量，是一个大于零而小于任何正数的数；(1,1,,1),(1,1,,1)T T m T T s m s e R e R =∈=∈；,s s -+分别为输入输出松弛向量。
设ε为非阿基米德无穷小，对偶规划的最优解为0000,,,s s λθ-+，则有：(1)若01θ<，则0i DMU 不为DEA 有效，其经济含义就是经济结构不合理，需要调整；(2)若0001,0T T ms e s e s θ-+=+>，则0i DMU 仅为弱DEA 有效，其经济含义就是在n 个决策单元组成的经济系统中对于投入0x 可以减少s -而保持原产出不变，或在投入0x 不变的情况下可将产出提高s +；(3)若0001,0T T ms e s e s θ-+=+=，则0i DMU 为DEA 有效，其经济含义就是在n 个决策单元组成的经济系统中，在原投入0x 的基础上获得的产出0y 已达到最优。
三、决策单元及评价指标的选取根据DEA 的研究方法，本文以陕西省某地区十一家农信社作为决策单元，结合合作金融的特征和我国农信社的实际情况及数据的可获得性，我们选取以下的投入产出指标：将劳动力(1x )、可贷资金(2x )、营业费用(3x )作为投入指标，税前利润(1y )、不良贷款的降低（2y ）作为产出指标。
投入产出数据见表1。
表1：投入产出数据表四、DEA 评价结果分析利用DEA 的2C R 模型，借助Deap2.1软件计算，求得各家农信社的效率评价结果，见下表：由上表可以看出在这11家农信社中前五家是非DEA有效的，而后六家是DEA 有效的，对于非有效的决策单元，可调整其投入产出指标使其达到有效。
DEA模型评价结果表明：该地区没有达到 DEA 有效的农信社比较多，这就说明还需要提高现有的技术水平，以达到减少投入、提高产出的目的。
建议采取以下措施：进一步加强人力资源开发与管理，加大员工培训力度，提高从业人员业务技能和经营管理水平，节约经费开支，以期用较少的人力物力获得更大的回报。
附：DEAP2.1输出结果Results from DEAP Version 2.1Instruction file = eg5-ins.txtData file = eg5-dta.txtInput orientated DEAScale assumption: CRSSlacks calculated using multi-stage method EFFICIENCY SUMMARY:firm te1 0.8352 0.6003 0.9254 0.8205 0.6816 1.0007 1.0008 1.0009 1.00010 1.00011 1.000mean 0.897SUMMARY OF OUTPUT SLACKS:firm output: 1 21 0.000 0.0002 0.000 26.0853 0.000 100.3354 0.000 51.4485 125.249 0.0006 0.000 0.0007 0.000 0.0008 0.000 0.0009 0.000 0.00010 0.000 0.00011 0.000 0.000mean 11.386 16.170SUMMARY OF INPUT SLACKS:firm input: 1 2 31 0.000 1531.376 20.3802 0.000 0.000 0.0003 0.000 0.000 0.0004 0.000 0.000 0.0005 0.747 0.000 0.0006 0.000 0.000 0.0007 0.000 0.000 0.0008 0.000 0.000 0.0009 0.000 0.000 0.00010 0.000 0.000 0.00011 0.000 0.000 0.000 mean 0.068 139.216 1.853SUMMARY OF PEERS:firm peers:1 6 72 9 10 63 9 10 64 10 8 65 10 116 67 78 89 910 1011 11SUMMARY OF PEER WEIGHTS:(in same order as above)firm peer weights:1 0.561 0.0592 0.308 0.167 0.5143 0.091 0.379 0.4484 0.020 0.433 0.2705 0.314 0.4656 1.0007 1.0008 1.0009 1.00010 1.00011 1.000PEER COUNT SUMMARY:(i.e., no. times each firm is a peer for another)firm peer count:1 02 03 04 05 06 47 18 19 210 411 1SUMMARY OF OUTPUT TARGETS:firm output: 1 21 648.000 136.0002 924.000 151.0853 828.000 142.3354 627.000 86.4485 640.249 132.0006 1092.000 213.0007 587.000 276.0008 735.000 62.0009 796.000 78.00010 702.000 105.00011 903.000 213.000SUMMARY OF INPUT TARGETS:firm input: 1 2 31 25.900 18999.599 59.8262 36.018 28315.619 73.2373 33.306 23705.697 61.0614 26.242 13040.061 49.2055 27.866 28210.121 42.9196 42.000 30486.000 93.0007 39.000 31673.000 128.0008 33.000 10227.000 54.0009 30.000 30662.000 63.00010 31.000 19118.000 36.00011 39.000 47764.000 68.000FIRM BY FIRM RESULTS:Results for firm: 1Technical efficiency = 0.835PROJECTION SUMMARY:variable original radial slack projectedvalue movement movement value output 1 648.000 0.000 0.000 648.000 output 2 136.000 0.000 0.000 136.000 input 1 31.000 -5.100 0.000 25.900 input 2 24574.000 -4043.026 -1531.376 18999.599 input 3 96.000 -15.794 -20.380 59.826 LISTING OF PEERS:peer lambda weight6 0.5617 0.059Results for firm: 2Technical efficiency = 0.600PROJECTION SUMMARY:variable original radial slack projected value movement movement value output 1 924.000 0.000 0.000 924.000 output 2 125.000 0.000 26.085 151.085 input 1 60.000 -23.982 0.000 36.018 input 2 47169.000 -18853.381 0.000 28315.619 input 3 122.000 -48.763 0.000 73.237 LISTING OF PEERS:peer lambda weight9 0.30810 0.1676 0.514Results for firm: 3Technical efficiency = 0.925PROJECTION SUMMARY:variable original radial slack projected value movement movement value output 1 828.000 0.000 0.000 828.000 output 2 42.000 0.000 100.335 142.335 input 1 36.000 -2.694 0.000 33.306 input 2 25623.000 -1917.303 0.000 23705.697input 3 66.000 -4.939 0.000 61.061 LISTING OF PEERS:peer lambda weight9 0.09110 0.3796 0.448Results for firm: 4Technical efficiency = 0.820PROJECTION SUMMARY:variable original radial slack projected value movement movement value output 1 627.000 0.000 0.000 627.000 output 2 35.000 0.000 51.448 86.448 input 1 32.000 -5.758 0.000 26.242 input 2 15901.000 -2860.939 0.000 13040.061 input 3 60.000 -10.795 0.000 49.205 LISTING OF PEERS:peer lambda weight10 0.0208 0.4336 0.270Results for firm: 5Technical efficiency = 0.681PROJECTION SUMMARY:variable original radial slack projected value movement movement value output 1 515.000 0.000 125.249 640.249 output 2 132.000 0.000 0.000 132.000 input 1 42.000 -13.387 -0.747 27.866 input 2 41409.000 -13198.879 0.000 28210.121 input 3 63.000 -20.081 0.000 42.919 LISTING OF PEERS:peer lambda weight10 0.31411 0.465Results for firm: 6Technical efficiency = 1.000PROJECTION SUMMARY:variable original radial slack projected value movement movement value output 1 1092.000 0.000 0.000 1092.000 output 2 213.000 0.000 0.000 213.000 input 1 42.000 0.000 0.000 42.000 input 2 30486.000 0.000 0.000 30486.000 input 3 93.000 0.000 0.000 93.000 LISTING OF PEERS:peer lambda weight6 1.000Results for firm: 7Technical efficiency = 1.000PROJECTION SUMMARY:variable original radial slack projected value movement movement value output 1 587.000 0.000 0.000 587.000 output 2 276.000 0.000 0.000 276.000 input 1 39.000 0.000 0.000 39.000 input 2 31673.000 0.000 0.000 31673.000 input 3 128.000 0.000 0.000 128.000 LISTING OF PEERS:peer lambda weight7 1.000Results for firm: 8Technical efficiency = 1.000PROJECTION SUMMARY:variable original radial slack projected value movement movement valueoutput 1 735.000 0.000 0.000 735.000 output 2 62.000 0.000 0.000 62.000 input 1 33.000 0.000 0.000 33.000 input 2 10227.000 0.000 0.000 10227.000 input 3 54.000 0.000 0.000 54.000 LISTING OF PEERS:peer lambda weight8 1.000Results for firm: 9Technical efficiency = 1.000PROJECTION SUMMARY:variable original radial slack projected value movement movement value output 1 796.000 0.000 0.000 796.000 output 2 78.000 0.000 0.000 78.000 input 1 30.000 0.000 0.000 30.000 input 2 30662.000 0.000 0.000 30662.000 input 3 63.000 0.000 0.000 63.000 LISTING OF PEERS:peer lambda weight9 1.000Results for firm: 10Technical efficiency = 1.000PROJECTION SUMMARY:variable original radial slack projected value movement movement value output 1 702.000 0.000 0.000 702.000 output 2 105.000 0.000 0.000 105.000 input 1 31.000 0.000 0.000 31.000 input 2 19118.000 0.000 0.000 19118.000 input 3 36.000 0.000 0.000 36.000 LISTING OF PEERS:peer lambda weight10 1.000Results for firm: 11Technical efficiency = 1.000PROJECTION SUMMARY:variable original radial slack projected value movement movement value output 1 903.000 0.000 0.000 903.000 output 2 213.000 0.000 0.000 213.000 input 1 39.000 0.000 0.000 39.000 input 2 47764.000 0.000 0.000 47764.000 input 3 68.000 0.000 0.000 68.000 LISTING OF PEERS:peer lambda weight11 1.000。