据Energy Economics官网显示，苏州大学商学院Yuchen Jiang、Jiasen Sun的合作论文“Determination of energy efficiency based on machine learning and efficiency assessment methods”在顶刊Energy Economics发表，值得一看！近期我们邀请效率测算前沿学者讲授《前沿效率分析实操与论文发表》，将详细介绍数据包络分析DEA、随机前沿分析SFA在效率测算的前沿进展与顶刊应用。
摘要
有效测度能源效率（EE）并全面把握其现状，对于提升整体能源效率至关重要。传统的能源效率评估方法通常依赖相对且线性的效率前沿面，难以有效处理极端值、异常点及新增决策单元（DMUs）的情形，往往导致结果不可靠。
为解决这一问题，该研究应用机器学习算法优化传统效率评估方法，构建了一个绝对且平滑的效率前沿面。随后，运用这一改进的方法对中国30个省份的能源效率进行了精准测度。实证分析得出以下关键发现：首先，该文模型计算出的能源效率值与传统模型结果存在显著差异，该文模型给出的效率值更高，更能准确反映决策单元的发展特征。其次，2000年至2023年间，中国全国及各区域的能源效率均呈现上升趋势。第三，基于产出的分析显示，东北地区在非期望产出方面偏离理想水平的程度最大，而西部地区在期望产出方面的偏差最大。
基于实证分析结果，该文提出了旨在进一步提高中国能源效率的针对性政策建议。
文献来源
Jiang Y, Sun J, Wu J. Determination of energy efficiency based on machine learning and efficiency assessment methods[J]. Energy Economics, 2025: 108723.
《前沿效率分析实操与论文发表》：数据包络分析DEA、随机前沿分析SFA，6个顶刊案例精讲+3个综合复现，生产、能源、科技、绿色效率都可用！UTD24论文发表与投稿经验，QS前30学术合作网络，1V1深度交流！