DEA研究综述：数据包络分析的最新进展与热点探讨

数据包络分析（DEA）是一种重要的非参数系统分析方法，起源于1957年Farrell提出的包络思想，1978年由A.Charnes和W.W.Cooper等人正式构建。DEA的核心在于面向多输入多输出决策单元（DMU）进行相对有效性评估，适用于具有相同输入和输出指标、任务和目标且处于同一外部环境的决策单位。它与运筹学、管理科学和数学经济学等领域紧密相连，其优点在于无需预设参数，具有量纲无关性和无假设权重等特点，从而降低了主观因素的影响，简化了分析过程并减少了误差。 DEA的研究自1986年中国学者开始深入后，发展迅速，据统计，截至文章撰写时，相关的学术文献数量已在大型数据库如ISI Web of Science Core Collection、Engineering Village和中国科学引文数据库中达到上千篇。这表明DEA已经成为全球范围内广泛研究的热点，应用领域广泛，涵盖了应用经济学、管理科学与工程等多个学科，例如生产管理、运营管理、环保评估、医疗资源分配等。 近年来的研究热点主要包括两阶段DEA，即在确定有效的DMU集合后进行效率排序；效率排序DEA，它侧重于识别和比较不同DMU之间的效率等级；以及随机DEA，这种方法考虑了随机因素对DEA结果的影响。此外，还有DEA的相关扩展问题，如非线性DEA、动态DEA、多目标DEA等，这些扩展旨在提高模型的适用性和精确度。 论文作者张宏军、徐有为、程恺、张睿和尹成祥针对这些研究热点进行了梳理和分类，他们的综述旨在为读者提供一个全面的DEA理论框架和最新进展概览。未来的研究方向可能涉及更复杂的模型、大数据背景下DEA的应用、以及DEA与其他分析方法的融合，以应对日益增长的数据和现实世界中的复杂决策问题。 数据包络分析作为一种强大的工具，在评价多输入多输出决策单元的有效性方面发挥着关键作用，并将继续吸引更多的学者和实践者投入研究，推动其在各个领域的实际应用不断深化。