数据包络分析法理论研究

摘要 数据包络分析方法是一种非参数估计方法，适于处理多指标数据，并且不需要数据本身满足一个明确的函数形式。因此，该方法在很多领域被认为是一种主要的评估工具。本文主要通过分析数据包络法的优点，回顾DEA方法和模型的研究进展。

关键词 DEA；产前沿；有效性

中图分类号N945文献标识码A文章编号 1674-6708（2011）34-0015-02

0 引言

在人们的生产活动和社会活动中常常会遇到这样的问题：经过一段时间之后，需要对具有相同类型的部门或单位（称为决策单元）进行评价，其评价的依据是决策单元的“输入”数据和“输出”数据，输入数据是指决策单元在某种活动中需要消耗的某些量，例如：投入的资金总额，投入的总劳动力数，占地面积等等；输出数据是决策单元经过一定的输入之后，产生的表明该活动成效的某些信息量，例如：不同类型的产品数量，产品的质量，经济效益等等。再具体些说，譬如在评价某城市的高等学校时，输入可以是学校的全年的资金，教职员工的总人数，教学用房的总面积，各类职称的教师人数等等；输出可以是培养博士研究生的人数，硕士研究生的人数，大学生的人数，学生的质量（德，智，体），教师的教学工作量，学校的科研成果（数量与质量)等等。根据输入数据和输出数据来评价决策单元的优劣，即所谓评价部门（或单位）间的相对有效性。

近年来，国内学术界采用数据包络分析(DEA)方法对创新效率进行分析研究已取得了令人可喜的成果。采用DEA方法对区域科技创新进行效率分析，实质是借助于“前沿分析法”依据一定的标准构造一个生产前沿面，被评估的区域与该前沿面的差距就是它的效率。采用DEA方法评估效率，其优势在于无需人为给定各指标的权重，也无需预先给定生产前沿面的生产函数形式，同时它能处理多个输出和多个输入。俞立平（2007年）设R&D人员和R&D经费作为创新系统的投入变量，新产品销售收入及发明专利数作为创新产出，利用DEA方法测算了我国大中型工业企业创新效率的情况。李双杰、王海燕等（2006年）利用技术创新活动人员、经费作为投入变量，专利申请受理量、发表科技论文及出版科技著作、行业总产值变化率作为产出变量，利用DEA方法对北京制造业的创新效率进行分析。李艳玲，潘杰义（2005年）将经费投入和人力投入作为创新投入，而将新产品销售率与新产品销售收入作为创新收入，利用DEA方法，对西安几家高新技术企业技术创新效率做出了评价研究。钱燕云（2004年）将技术创新经费投入、研究人员投入、研发设备投入作为投入指标，而将研发成果数、成果销售额作为产出指标，利用DEA方法，对我国机械制造业的85家企业的统计数据做出了综合评价。

1 数据包络分析方法简介

数据包络分析方法（Data Envelopment Analysis，DEA），是运筹学、管理科学与数理经济学交叉研究的一个新领域。它是根据多项投入指标和多项产出指标，利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。它是由Charnes和Cooper等人于1978年开始创建的。DEA是使用数学规划模型评价具有多个输入和多个输出的单位（称为决策单元，简记为DMU）间的相对有效性（称为DEA有效）。这种方法已经广泛应用于不同行业及部门，并且在处理多指标投入和多指标产出方面，体现了其得天独厚的优势。

由于DEA确定的各指标的权重不是优先意义下的权重，而是从最利于决策单元的角度以各决策单元输入输出的权重为变量进行评价。DEA方法不必确定输入—输出的显式表达关系，就可以得出每个决策单元综合效率的数量指标，据此确定有效的决策单元，并对有效的决策单元进行原因分析，从而进一步调整决策单元投入规模的正方向和程度。 DEA法对分散的评价指标进行综合分析处理，从全局整体角度利用数据，从而避免了分析指标处理的片面性。

2 数据包络法的优点

数据包络分析是运筹学的一个新的研究领域。Charnes和Cooper等人的第一个应用DEA的十分成功的案例，是在评价为弱智儿童开设公立学校项目的同时，描绘出可以反映大规模社会实验结果的研究方法。在评估中，输出包括“自尊”等无形的指标；输入包括父母的照料和父母的文化程度等，无论哪种指标都无法与市场价格相比较，也难以轻易定出适当的权重（权系数），这也是DEA的优点之一。

DEA的优点吸引了众多的应用者，应用范围已扩展到美国军用飞机的飞行、基地维修与保养，以及陆军征兵、城市、银行等方面。目前，这一方法应用的领域正在不断地扩大。它也可以用来研究多种方案之间的相对有效性，例如投资项目评价；研究在做决策之前去预测一旦做出决策后它的相对效果如何，例如建立新厂后，新厂相对于已有的一些工厂是否为有效。DEA模型甚至可以用来进行政策评价。

最引人注目的研究是把DEA与其它评价方法进行比较。例如：将DEA应用于北卡罗来纳州各医院的有效性评价。已有的按计量经济学方式给出的回归生产函数认为，此例中不存在规模收益。DEA的研究发现，尽管使用同样的数据，回归生产函数不能像DEA那样正确测定规模收益。

数据包络分析（即DEA）可以看作是一种统计分析的新方法。它是根据一组关于输入－输出的观察值来估计有效生产前沿面的。在经济学和计量经济学中，估计有效生产前沿面，通常使用统计回归以及其它的一些统计方法，这些方法估计出的生产函数并没有表现出实际的前沿面，得出得函数实际上是非有效的。因为这种估计是将有效决策单元与非有效决策单元混为一谈而得出来的。在有效性的评价方面，除了DEA方法以外，还有其它的一些方法，但是那些方法几乎仅限于单输出的情况。相比之下，DEA方法处理多输入，特别是多输出的问题的能力是具有绝对优势的。并且，DEA方法不仅可以用线性规划来判断决策单元对应的点是否位于有效生产前沿面上，同时又可获得许多有用的管理信息。因此，它比其它的一些方法（包括采用统计的方法）优越，用处也更广泛。

3 数据包络分析法的研究进展

1978年由著名的运筹学家A.Charnes ， W.W. Cooper和E .Rhodes首先提出了一个被称为数据包络分析（Data Envelopment Analysis，简称DEA）的方法，去评价部门间的相对有效性（因此被称为DEA有效）。他们的第一个模型被命名为CCR模型。从生产函数角度看，这一模型是用来研究具有多个输入、特别是具有多个输出的“生产部门”同时为“规模有效”与“技术有效”的十分理想且卓有成效的方法。

1984年R.D .Banker ，A. Charnes和W. W. Cooper给出了一个被称为BCC的模型。1985年Charnes，Cooper和B. Golany，L. Seiford ，J. Stutz给出了另一个CCGSS模型，这两个模型是用来研究生产部门的间的“技术有效”性的。

1986年Charnes，Cooper 和魏权龄为了进一步地估计“有效生产前沿面”，利用Charnes，Cooper和K.Kortanek于1962年首先提出的半无限规划理论，研究了具有无穷多个决策单元的情况，给出了一个新的数据包络模型——CCW模型。1987年Charnes， Cooper，魏权龄和黄志民又得到了称为锥比率的数据包络模型——CCWH模型。这一模型可以用来处理具有过多的输入及输出的情况，而且锥的选取可以体现决策者的“偏好”。灵活的应用这一模型，可以将CCR模型中确定出的DEA有效决策单元进行分类或排队等等。

DEA方法和模型，以及对DEA方法的理解和应用还在不断的发展和深入。除了上面提到的新的模型BCC、CCGSS、CCW和CCWH模型外，在具体使用 DEA方法时，例如“窗口分析”方法，使DEA的应用范围拓广到动态情形；将DEA应用于决策单元为私人部门（商业公司）时，各决策单元之间存在着激烈的相互竞争作用等情况。特别值得指出的是，DEA方法是纯技术性的，与市场（价格）可以无关。

DEA方法还存在明显的不足。而且虽然国内利用DEA方法评价创新效率的研究成果比较丰富，但研究范围主要集中在某一创新领域的综合研究，缺乏针对一个区域内社会发展领域及高校创新效率的比较研究。

参考文献

[1]吴德胜.数据包络分析若干理论和方法研究[D].中国科学技术大学，2006.

[2]魏权龄.数据包络分析[M].科学出版社，2004.

[3]唐焕文.关于若干DEA模型与方法研究[D].大连理工大学管理学院，1999.

[4]吴育华，曾祥云，宋继旺.带有AHP约束锥的DEA模型[J].系统工程学报，1999.

[5]严高剑.马添翼关于DEA方法[J].科学管理研究，2005.

[6]程巍，宋加升.基于DEA的信息化制造技术投资评价研究[J].科技与管理，2007.