TOC\o"1-3"\h\zDEA与效率评估14．1．1DEA方法的产生背景24.1.2DEA方法的特点34.2不变规模报酬规模54．3可变规模报酬模型124.4投入角度与产出角度164.4.1产出角度的CRS模型174.42产出角度VRS和NIRS模型184.4.3产出角度的CRS、VRS和NIRSDEA模型的关系20引言数据包络分析DEA（DataEnvelopmentAnalysis）是著名的运筹学家A.Charnes和W.W.Cooper等人，以相对效率概念为基础发展起来的一种效率评价方法。自1978年底一个DEA模型发表后，新的模型及相关的重要理论结果不断出现，已成为运筹学研究的一个新领域。DEA的应用范围日益扩展，除广泛用于学校、医院、铁路、银行等公共服务部门的运行效率的评价之处，在经济学领域也深入的应用，如用来估计前沿生产函数，用于经济分析中距离函数的计算，为生产率分析中的Malmquist指数理论的实际应用奠定了基础。4.1.1DEA方法的产生背景人们进行任何实践活动，总是力求达到一个较高的效率，因此对效率问题的研究室人们长期以来所进行的重要课题。对效率的计量则使进行效率评价中非常重要和难以处理的问题。一般而言，对任何活动效率的计量，都是其投入和产出量方面的比较结果。就但投入核弹产出的情况而言，只要计算一下它的投入产出比较即可作为其效率的衡量指标。而当投入与产出都变为多种时，用总要素生产率（TFP）作为一种衡量指标，由于拾掇投入和多产出，人们便用“价格”作为同度量因素，并对每一投入产出指标加以适当的权重，最后计算出一种加权形式的综合投入产出比。由于价格体系和评价者的价值倾向可能不合理，往往使评价的客观真实性受到很大影响。DEA方法的产生为我们在解决这一来问题，即在进行多投入多产出的效率评价时，提供了一种较为客观而科学的方法。具体来说，DEA时使用数学规划模型比较决策单元之间的相对效率，对决策单元做出评价。一个决策单元（DecisionMakingUnit）在某种程度上是一种约定，它可以是企事业单位、技术反感、技术政策等。确定DMU的主导原则是：就其“耗费的资源”和“生产的产品”来说，每个DMU都可以看作是相同的实体。亦即在某一视角下，各DMU有相同的输入和输出。通过对输入输出数据的综合分析，DEA可以得出每个DMU综合的数量指标，据此将各DMU定级排队，确定有效的（即相对效率最高的）DMU，并指出其他DMU非有效的原因和程度，给主管部门提供管理信息。DEA还能判断各DMU的投入规模是否恰当，并该出了各DMU调整投入规模的正确方向和程度，应扩大还是缩小，改变多少为好。4.1.2DEA方法的特点DEA方法作为一种新的相对有效性评价方法，与以前的传统方法相比有着很多的优点，主要表现在以下几点：DEA方法是用于多投入多产出的复杂系统的有效性评价。由于它在分析是不必计算综合投入量和综合产出量，因此避免使用传统方法时，由于各指标量纲等方面的不一致而寻求同度量因素时，所带来的诸多困难。具有很强的客观性。由于该方法是一个投入产出指标的权重为变量，从最有利于被评价单元的角度进行评价，无需事先确定各指标的权重，避免了在权重的分配时评价者的主观意愿对评价结果的影响。投入产出的隐表示使得计算简化。当一个多投入多产出的复杂系统各种量之间，存在着交错复杂的数量关系时，对这些数量关系的具体函数形式的估计就是一个十分复杂而困难的事。而使用DEA方法，可以在不该出这种函数的现表达式的前提下，仍然能正确测定各种投入产出量的数量关系。可用来估计多投入多产出系统的“生产函数”。对一个多投入多产出的复杂系统来说，当每一种投入量多影响到一种或多种产出时，以各产出量为应变量的向量函数的估计，传统的方法几乎是不可能的，而DEA方法则利用其自身的优势，给出了这种函数的隐表达。应用广泛，实用性强。这种方法不仅可以用来对生产单位的各种有效率进行评价，而且对企事业单位、公共服务部门的工作效率也可以进行评价。在应用的深度上，DEA方法也表现出很大的能力，即它在指出某个评价单元处于非有效状态（无论是规模非有效、技术非有效）时都指明非有效的原因，并给出具体的改善方法。因此也特别适合实际的管理部门使用。6.、DEA又可视为一种新的“统计”方法。如果说原统计方法是从大量样本数据中，分析出样本集合整体的一般情况的话，那么DEA则是从大量样本数据中，分析出样本集合中处于相对最优情况的样本个体。也就是说，传统统计方法的本质是平均的，而DEA的本质则是最优性。DEA的这种特点在研究经济学领域的“生产函数”问题是，由其他方法无法取代的优越性。这是因为，回归统计方法把有效的和非有效的样本（DMU）混在一起进行分析，得到的“生产函数”实质上