Charnes、Cooper、Rhodes怎么也没有想到，1978年他们发明的数据包络分析能产生如此巨大的影响，刚才在CNKI.NET上用主题“数据包络分析”查询，竟然查到了8039篇论文。历年论文数量如下：

可以发现，采用DEA方法的论文有越来越多的趋势，如果按照中国期刊网的学科分类，各采用DEA方法的学科论文数量数量如下：

宏观经济管理与可持续发展(4153)

数学(1486)

企业经济(1108)

工业经济(1074)

金融(959)

农业经济(577)

经济体制改革(553)

投资点击显示(491)

高等教育(271)

交通运输经济(270)

医药卫生方针政策与法律法规(255)

公路与水路运输(248)

证券(211)

科学研究管理(179)

电力工业(178)

保险(153)

财政与税收(147)

计算机软件及计算机应用(143)

环境科学与资源利用(122)

建筑科学与工程(118)

贸易经济(96)

非线性科学与系统科学(87)

信息经济与邮政经济(87)

经济理论及经济思想史(78)

矿业工程(77)

领导学与决策学(76)

服务业经济(75)

铁路运输(73)

冶金工业(72)

汽车工业(72)

旅游(66)

教育理论与教育管理(60)

行政学及国家行政管理(60)

轻工业手工业(57)

会计点击(57)

人才学与劳动科学(57)

石油天然气工业(57)

市场研究与信息(53)

水利水电工程(52)

航空航天科学与工程(51)

   可见，DEA的应用如此之广，以经济管理为主，但广泛渗透到自然科学、人文与社会科学。

然而，DEA方法只是提供了一种效率测度的手段，关键在于如何应用，如果不了解DEA分析的特点与前提条件，那么在此基础上的进一步分析得到的结论可能是有问题的，尤其是从微观视角分析，主要体现在以下几个方面：

第一，DEA对异常值非常敏感，如果由于数据误差、投入产出变量选取不合理、漏选投入产出变量等原因，微观层面得到的结论根本是不可靠的，如果从微观视角分析就是错的。比如研究的到XX省有效率、XX省XX投入要素利用率是多少、XX省技术效率是多少等等，都是浮云，存在这个问题的论文少说有30％以上。

第二，同类可比是DEA分析的基本前提，然而由于资源禀赋不同、决策单元特点不同、要做到同类可比太难了，比如北京作为首都，理论上就不能跟上海进行比较，更不要说和一般的省市了，所以微观层面将北京和其他省市放在一起计算效率也是有问题的。

第三，随着DEA计算技术的发展，已经出现了上千个不同的模型，分析问题的视角不同，许多模型的差别更多是技术上的，而不是管理或研究上的，这样不同模型效率测度结果也不一致，也就是说，采用X效率模型测度出A决策单元完全有效率，采用Y模型可能测度出A决策单元无效，但是X模型和Y模型差别并不大。所以，简单判断某个决策单元的效率也是有问题的。

但是如果从宏观角度，上述问题又可以适当忽略，某一类决策单元的统计学特征还是有其规律的，所以在做DEA分析时，小型企业的平均效率、东部地区的平均效率、211高校的科研效率等等宏观层面的效率分析具有较高的稳健性，可以进行统计学分析。

正如我之前博文中指出的，类似指标体系评价，个体评价要慎重，群体评价没有问题。在采用DEA分析进行研究时，务必要充分注意这个问题。

                            2013.8.27 俞立平 于宁波