数据包络分析方法及其适用性

7.3.1　数据包络分析方法及其适用性

1.方法简介

数据包络分析(Data Envelopment Analysis，简称DEA)是运筹学、管理学、系统科学和数理经济学交叉研究的一个新的领域，由Charnes和Cooper等人于1978年开始创建。DEA是一种对若干同类型具有多输入、多输出的决策单元(Decision Making Unit，简称DMU)的相对效率与效益进行比较的有效方法。^[14]DEA以某一系统中的实际决策单元为基础，建立在决策单元的“帕累托最优”概念之上(DEA有效性与相应的多目标规划问题的帕累托有效解是等价的)，利用线性规划技术确定系统的生产前沿面，根据各决策单元与有效生产前沿面的距离状况，确定各决策单元是否为DEA有效，并指出其他决策单元非DEA有效的原因及改进的方向和程度。由于生产前沿面是经济学中生产函数向多产出情况的一种推广，而DEA方法和模型又可以确定生产前沿面的结构，因此可将DEA方法看作是一种非参数的统计方法。使用DEA对DMU进行效率评价时，不仅可得到各决策单元的相对效率以及规模效益等方面的信息，还可以得到很多具有深刻经济含义和背景的管理信息。

DEA方法作为一种新的效率评价方法，是使用数学规划(包括线性规划、多目标规划、具有锥结构的广义最优化、半无限规划、随机规划等)模型比较决策单元之间的相对效率，对决策单元做出评价。与传统方法相比DEA方法有很多优点，主要表现在以下几个方面。

第一，DEA方法是用于多投入多产出的复杂系统的有效性评价。在分析时不必计算综合投入量和综合产出量，因而避免了使用传统方法时，由于各指标量纲的不一致而寻求相同度量因素所带来的诸多困难。

第二，具有很强的客观性。由于该方法是以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，从而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。

第三，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DEA方法可以在不给出这种函数的显性表达式的前提下，仍然能正确测定各种投入产出量的数量关系。

第四，可用来估计多投入多产出系统的“生产函数”。对于一个多投入多产出的复杂系统，当每一种投入量影响到一种或多种产出时，要估计以各产出量为因变量的向量函数，用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，可给出这种函数的隐表达。

第五，应用广泛、实用性强。DEA方法不仅可以用来对生产单位的各种有效性进行评价，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潜力，即它在指出某评价单元处于非有效状态(包括整体无效、规模无效和技术无效)时都指明非有效的原因，并给出具体的改善方法，因此也特别适合于实际的管理部门，适用面广。

2.适用性分析

DEA方法是效率评价的优秀方法，当然也适用于信息资源配置的效率研究。主要表现在以下三个方面。

第一，信息资源配置是信息资源管理中的一项庞大的系统工程，包括制定配置策略、选择配置机制和具体的配置过程，既要满足用户的信息需求，又要实现配置效益最大化，显然，信息资源配置效率的评估是一个典型的多指标综合评价问题。而DEA方法恰恰是进行多投入多产出复杂系统有效性评价的工具，它并不关注系统内部的具体运作，而主要考察系统输入输出的效率比，通过比较相对性来对系统的绩效进行评价。运用DEA方法分析信息资源配置效率时，不必考虑信息资源配置的机制和运作过程，也无需考虑不同指标的量纲同一化问题，只需确定输入、输出指标和DEA模型，将结果进行比较，不仅可以区分出DEA有效和DEA无效的对象，还可将DEA无效的对象进行排序，将信息资源配置效率情况清楚地呈现在人们面前，因此，DEA方法和信息资源配置的效率研究具有很强的相容性。

第二，数据包络分析方法的对象并不限于一个国家或某一个具体时期，只要比较的对象具有相同的目标和任务、相同的外部环境以及相同的输入、输出指标就可以将评价对象视为DMU。即使评价对象处于不同的环境，也可将环境因素转换为输入指标以消除环境因素对评价对象的影响，DEA的这一优势特别适合于信息资源配置效率的研究。从层次上看，信息资源配置可分为宏观、中观、微观三个层次;从方向上看，可比较信息资源配置的横向效率和纵向效率。要比较信息资源配置效率不可能将所有结构和组织视为评价对象，而是将同层次上的评价对象进行横向或纵向比较，分析规模有效和技术有效，以消除信息资源配置过程中多种输入、输出之间存在明显的“效益背反”现象和“信息悖论”的观点。

第三，DEA方法结构简单、使用方便。一方面，对输入、输出指标具有较大的包容性，可以接受那些难以量化的指标(如用户信息需求满足程度)，因而在处理评价问题时比常规的统计方法更具有优越性。另一方面，其他的多指标综合评价方法，如层次分析法、权重系数法、主成分分析法、灰色关联法、模糊评价法，都是人为给定权重的评价方法，而DEA方法的投入和产出的指标权重不是人为给定的，在构建模型时，完全依据观察到的各DMU的实际数据，通过严密的数学运算，从被选决策单元最优的角度出发，科学地给出权重，因而DEA在摆脱指标权重对信息资源配置效率的影响方面表现出很大的优越性，能够真正科学、客观地评价信息资源配置效率。