学文网摘要：文章在DEA模型及其主要参数分析的基础上，总结了DEA方法应用的10种经典模式，分析了DEA方法应用的局限性和可能改进之处，进而提出了几种DEA方法和其他定量分析方法的可能结合形式，为DEA方法的科学应用与创新提供借鉴。
关键词：DEA方法；DEA应用；局限性
一、 引言
数据包络分析（Data Envelopment Analysis，DEA）方法是A. Charnes和W. W. Cooper等（1978）以相对效率为基础，针对多个被评价单位的多指标投入与产出关系而进行相对有效性评价的一种系统分析方法。自第一个DEA模型提出以来，该方法就以其处理多输入-多输出的相对有效性评价优势而在各不同领域得到广泛应用，并得以不断改进完善。
DEA方法在不断的应用过程中，为了结合不同应用领域的特征以及满足决策者对评价信息的偏好与要求，DEA方法应用呈现出诸多的模式。当然，虽然DEA方法不断成熟，但DEA方法本身所固有的局限性却也在限制着DEA模型的进一步发展，于是有学者在试***改进，有学者在试***与其他方法相结合。为此，本文在对前人DEA研究与应用模式进行概括总结的基础上，明晰DEA模型的局限性和可能改进之处，并探索DEA方法与其他方法的可能结合方式，以利于进一步完善和发展DEA模型，并拓展DEA方法的应用领域。
二、 DEA模型及主要参数
DEA模型其实是一类有着西方经济学基础的线性规划运筹学模型，它的两个基本模型是CCR模型和BCC模型，CCR模型测量的是决策单元的整体效率，而BCC模型测量的仅是技术效率。DEA模型的基本形式如式（1）：
求解DEA模型可采用Excel、Lingo、Lindo、DEAP、DEA-Solver-LV等软件，根据求解结果，一般可得到效率（综合效率、技术效率、规模效率）、规模收益情况、权重、松弛变量与剩余变量值、投影值等主要参数。不同参数值能够反映出不同的信息，在管理决策中有着不同的功能，因此，其应用领域也有所不同：
1. 效率。效率求解是DEA模型的最主要目标与功能，综合效率是假设DMU处于不变规模收益状态下的投入产出效率，技术效率是假设DMU处于最优规模收益状态下的投入产出效率，规模效率是DMU当前所处规模收益状态与最佳规模收益状态的相对衡量。通过综合效率、技术效率和规模效率的组合可反映出DMU不同规模状态下的相对效率情况，从而有利于针对性地指导管理决策。
2. 规模收益情况。规模收益情况分为规模收益递增、规模收益不变和规模收益递减等三种，如果采用DEA-Solver-LV软件还会分别计算具有效率的DMU和不具有效率（但假设处于投影状态下，此时效率值为1）的DMU的规模收益情况。根据规模收益情况的不同，能够为DMU需要缩减规模、保持规模不变和扩大规模提供决策依据。
3. 权重。DEA的权重有三个突出问题：（1）权重和不为1，并不是评价方法中普遍接受的权重概念；（2）每组权重计算时的参照对象都不相同，不同DMU权重之间很难有对比性；（3）大多数DEA评价问题事先都不进行数据的无量纲化或规范化，权重的相对大小无意义。目前学术界很少对DEA模型的权重加以开发应用。
4. 松弛变量和剩余变量值。松弛变量与剩余变量能够反映投入或产出的不足或冗余程度，其作用主要是辅助提出管理对策，能够指导决策者进行更为准确的投入与产出修正。
5. 投影值。投影值能够直接反映DMU当前的投入资源真实需求量和可能达到的最大产出量，它一方面能指导DMU进行资源配置优化，另一方面还能指出DMU的未来发展潜力，其主要功能也是辅助决策和指导提出建议。
三、 DEA方法的经典应用模式
目前学术界最为普遍的应用模式是利用DEA模型求解DMU的相对效率，而诸如规模收益情况、权重、松弛变量与剩余变量、投影值等参数则多以辅助决策的形式体现。在此，通过文献检索，总结出当前国内学术界经典的10种DEA方法应用模式，以全面探索DEA方法的应用领域与价值。
1. 分级评价。很多时候，一次性DEA评价结果能够获得的信息量非常有限，不能支持DMU的分组与全排序。而且DEA相对评价方法还有一个局限性，那就是当DMU数量相对较多时，会导致有很大比例的DMU相对效率值为1，而另一部分DMU的相对效率值小于1。更为严重的是，缺乏效率的DMU所计算得到的效率值由于其基准DMU不同而不可比，也就是不能简单根据效率值的大小进行排序。为了克服这一局限，有学者提出DEA的分级有效性评价模式，即首先对所有DMU进行第1次评价，然后剔除有效的DMU，对其余无效的DMU进行第2次评价，如此重复进行，直到剩余DMU均无效或有效时停止。此时，能实现对DMU的分组决策，甚至能由此绘制出DMU效率关系的雁行形态***，有效指导管理决策。
2. 效率组合评价。单独使用CCR模型或BCC模型得到的相对效率值只能是综合效率或技术效率，但大多数时候要提出科学有效的决策建议，需要更为全面的信息。因此，很多学者会选择同时使用CCR模型和BCC模型，在计算出综合效率和技术效率的基础上，再计算出规模效率，根据技术效率、规模效率的高、低二维组合方式，能够实现对DMU的四象限分类，针对技术效率与规模效率的高低组合情况能够为不同类型DMU提出更有针对性的优化策略。
3. 理想DMU引入的评价。DEA模型的特色是相对评价，但相对评价的劣势是不同DMU选择不同的评价基准，评价结果可比性不足。为了克服这一劣势，有学者提出引入理想DMU，理想DMU由于在每一指标上都具有最低投入或最高产出而成为所有DMU的统一基准，此时，相对评价变成类似绝对性评价，评价的评分标准就是理想DMU的指标值。引入理想DMU之后不同DMU的效率评价值就具有可比性，能够支持对DMU效率值的全排序，大大扩展了DEA方法的应用范围。
4. 复合DEA模型。一般的DEA模型得到的结果是DMU的效率值，但却无法识别导致DMU有效率或无效率的关键指标，因为DEA模型中权重是相对、不可比的，不具有传统评价方法的“重要性”意义。为此，有学者提出了复合DEA模型。复合DEA而是根据去掉某指标后效率评价结果的改变值来判断该指标是否关键：改变值越大，指标越关键；改变值越小，指标越不关键。由此就能依据指标的关键程度进行优化资源配置的决策。
转载请注明出处学文网 » DEA方法应用的若干思考