综述数据包络分析方法在中国经济管理中应用进展
数据包络分析方法综述
数据包络分析方法综述摘要：数据包络分析方法是一种非参数的、定量的评价方法，广泛应用于信号处理、图像处理、机器学习等领域。
本文综述了数据包络分析方法的基本概念、应用场景和研究现状，总结了前人研究成果和不足，并指出了未来可能的研究方向。
关键词：数据包络分析，信号处理，图像处理，机器学习，研究现状，未来发展引言：数据包络分析方法是一种非参数的、定量的评价方法，它通过构建数据包络线来衡量一组数据点的相对效率或绩效。
自1986年提出以来，数据包络分析方法在许多领域都得到了广泛的应用，如信号处理、图像处理、机器学习等。
本文将对数据包络分析方法进行综述，旨在深入探讨其基本概念、应用场景和研究现状，并总结前人研究成果和不足，指明未来可能的研究方向。
主体部分：1、数据包络分析的基本概念和方法数据包络分析方法通过构建数据包络线来衡量一组数据点的相对效率或绩效。
它基于一组输入和输出数据，通过线性规划方法求解最优解，从而得到数据包络线。
数据包络分析方法具有非参数、定量和相对评价等优点，被广泛应用于各种领域。
2、数据包络分析在信号处理中的应用在信号处理领域，数据包络分析方法被广泛应用于信号检测、压缩和解压缩等方面。
赵等人在研究中发现，数据包络分析方法在信号检测方面具有较高的准确性和稳定性，能够有效地提取出信号中的有用信息。
另外，数据包络分析方法在信号压缩和解压缩方面也表现出良好的性能，能够实现高压缩比和快速的解压缩。
3、数据包络分析在图像处理和机器学习中的应用在图像处理领域，数据包络分析方法被广泛应用于图像特征提取、图像分类和图像分割等方面。
通过将图像转换为一系列数据点，数据包络分析方法可以有效地提取出图像中的有用信息，从而实现图像特征提取和分类。
另外，数据包络分析方法还可以应用于图像分割，将图像划分为不同的区域或对象。
在机器学习领域，数据包络分析方法被应用于评价机器学习算法的性能和效率。
通过将机器学习算法视为一个生产过程，数据包络分析方法可以评估算法的输入、输出和处理过程中的效率，从而帮助选择更高效的算法。
数据包络分析方法的发展现状和局限性分析
数据包络分析方法的发展现状和局限性分析
数据包络分析方法是一种多指标决策分析方法，用于评估决策单位的绩效和效率。
数据包络分析方法自提出以来，受到了广泛的关注和研究，发展出了许多基于不同理论基础的数据包络分析方法。
目前，数据包络分析方法已被广泛应用于社会科学和工程领域，如决策支持系统、环境评估、城市规划等领域。
数据包络分析方法的主要优点是可以同时考虑多个指标，可以有效地提高决策的绩效和效率。
与传统的单指标决策方法相比，数据包络分析方法可以更全面地评估决策单位的表现，并为决策提供更多的信息。
此外，数据包络分析方法不需要设定权重，避免了主观性和不确定性的影响，可以更客观地评估决策单位的表现。
但是，数据包络分析方法也存在一些局限性。
首先，数据包络分析方法需要大量的数据，否则很难得出准确的结果。
其次，数据包络分析方法只能评估已有数据的决策单位，难以反映未来可能的变化和风险。
此外，数据包络分析方法假设所有决策单位都处于同一生产前沿，忽略了决策单位之间的差异。
最后，数据包络分析方法没有考虑指标之间的相互影响，可能会导致结论不准确。
在未来的发展中，数据包络分析方法需要进一步改进和发展，以适应不断变化的决策环境和需求。
其中，提高数据的质量和数量，开发更完善的决策支持系统，将数据包络分析方法与其他方法相结合等，都是优化数据包络分析的发展方向。
同时，数据包络分析方法也需要深入理解其局限性，并采取相应的措施来降低不确定性和偏差。
数据包络分析及其应用
数据包络分析及其应用数据包络分析的基本原理是通过比较单位的输入与输出来评估其效率。
首先，我们根据输入和输出的数量，可以构建一个投入产出矩阵。
然后，对于每个单位，我们将其输入输出与其他单位进行比较，找到其最佳的参照单位。
最佳的参照单位是指对于给定的输入固定，输出最大的单位，或者对于给定的输出固定，输入最小的单位。
通过比较单位的输入输出和最佳的参照单位，我们可以计算出单位的效率。
数据包络分析的优势在于它可以同时考虑多个输入输出，并且不需要对输入输出的价值做出任何先验的假设。
它可以将不同的单位进行比较，并为每个单位提供改进的方向。
因此，数据包络分析被广泛应用于效率评估、效益分析、投资评估和经济效益研究等方面。
在经济学中，数据包络分析可以用于评估企业的生产效率。
通过比较不同企业的输入输出，我们可以找到最佳的参照企业，从而为其他企业提供改进的方向。
此外，数据包络分析还可以用于评估政府机构和公共服务单位的效率，帮助政府机构提高资源利用效率，提供更好的公共服务。
在管理学中，数据包络分析可以用于评估供应链的效率。
通过比较供应链中各个环节的输入输出，我们可以找到效率较低的环节，并提供改进的方向。
此外，数据包络分析还可以用于评估员工的效能，并为员工提供改进的建议，从而提高组织的整体效率。
总之，数据包络分析是一种实用的方法，可以用来评估单位的效率，并为其提供改进的方向。
它在经济学和管理学中得到了广泛的应用，并在评估生产效率、效益分析、投资评估等方面发挥了重要作用。
随着数据科学的快速发展，数据包络分析的应用还会不断扩展，为各个领域提供更多的决策支持。
试论大数据统计分析方法在经济管理领域中的运用
试论大数据统计分析方法在经济管理领域中的运用随着信息技术的发展和互联网的普及，大数据已成为企业经营和决策的重要资源。
在经济管理领域，大数据统计分析方法的运用为企业提供了更多的决策依据，帮助企业预测市场趋势、优化运营成本、提高营销策略等，进而推动企业创新和发展。
本文将从市场营销、供应链管理和人力资源管理三个方面论述大数据统计分析方法在经济管理领域的运用。
首先，大数据统计分析方法在市场营销中的运用是经济管理领域中最常见的应用之一、通过大数据分析，企业可以获得更多客户的消费习惯、偏好以及购买决策的影响因素。
企业可以根据这些数据，精准地定位目标市场，并制定相应的营销策略。
例如，通过分析用户的浏览记录、购买历史以及与其他用户的关联度，企业能够向用户推送个性化的广告，提高广告的点击率和转化率。
同时，大数据统计分析还可以帮助企业进行市场预测，捕捉市场的变化和趋势，及时调整产品策略，抓住市场机遇。
其次，大数据统计分析方法在供应链管理中也发挥了重要的作用。
传统的供应链管理更注重规划、采购和生产等环节，而对于供应链上的数据利用相对较少。
然而，随着大数据的出现，企业可以利用大数据分析工具对供应链上的各个环节进行深度挖掘。
通过监控供应链中的各个节点，企业能够实时获得供应链运转情况，并根据数据进行优化和调整。
此外，大数据统计分析方法也可以帮助企业预测库存水平、需求波动以及物流成本等，从而实现供应链更加高效和灵活的管理和控制。
最后，大数据统计分析方法在人力资源管理中的应用也日趋广泛。
传统的人力资源管理依赖于人工收集和处理数据，效率低下且容易产生误差。
然而，大数据统计分析方法可以实现对海量的人力资源数据进行快速处理和分析，从而提供更准确和全面的人力资源决策依据。
例如，通过分析员工的绩效数据和离职率，企业可以挖掘出造成员工离职的重要因素，并制定相应的激励政策和培训计划，提高员工的满意度和忠诚度。
此外，大数据统计分析还可以帮助企业进行人才预测和招聘策略制定，帮助企业发现和留住高绩效人才。
数据包络分析方法在中国经济管理中的应用进展
前言：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。
一、ＤＥＡ方法在刻画生产函数方面的应用由于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。
伴随着我国经济的快速发展，ＤＥＡ方法也在社会实践过程得到了广泛的应用。
尤其是近些年来在刻画生产函数方面的应用也很重视。
ＤＥＡ方法的产生具有很大的经济背景，还决定了其在经济分析领域的重要地位，作为评价经济系统相对有效的方法，它与生产函数具有紧密的联系。
ＤＥＡ方法在Ｃ－Ｄ前沿生产函数和外延函数方面发挥了重要作用，通过生产规模、生产要素的分析研究，制定出来具有经济指标的ＤＥＡ计算公式，这让ＤＥＡ的应用有了扎实的根据。
二、ＤＥＡ方法在经济效率评价中的应用现代社会的经济迅速发展，一些企业对经济效率的评价也看得尤为重要。
ＤＥＡ方法在经济效率和效益方面的使用程度也很活跃，这也是由中国社会的发展方向相呼应的。
ＤＥＡ方法对于研究经济问题方面具有重要的历史意义。
ＤＥＡ方法不仅可以有效的分析经济效率，还可以高效率的对经济效率做出准确的分析判断。
经济效率是企业所追求的主要目的，这也代表数据包络分析方法在社会实践的广泛应用得到了有效的反映。
数据包络分析方法的发展现状和局限性分析
数据包络分析方法的发展现状和局限性分析数据包络分析（DEA）是一种用于评估各种决策单元（如企业、部门或个人）在多个输入和输出方面的绩效的方法。
它被广泛应用于生产效率评估、资源分配等领域，并且在学术界和实际应用中得到了广泛的关注和研究。
但是在实际应用中，DEA方法也存在着一定的局限性。
本文将对数据包络分析方法的发展现状和局限性进行分析。
随着数据包络分析方法的进一步发展，研究者们开始将DEA方法应用到更多的领域中去。
除了传统的生产效率评估和资源分配外，DEA方法还逐渐在能源、环境、金融等领域得到了广泛的应用。
在环境方面，DEA方法可以评估企业的资源利用效率和环境性能，从而指导企业的可持续发展。
在金融领域，DEA方法可以帮助银行和金融机构评估其绩效并改善风险管理。
随着大数据和计算能力的不断提升，DEA方法也在不断发展和完善。
一些研究者提出了基于DEA方法的数据包络网络分析（DENA）方法，用于处理更加复杂的评估问题。
还有研究者将DEA方法与其他方法结合，例如模糊DEA、人工神经网络等，以提高评估的准确性和可靠性。
数据包络分析方法在学术研究和实际应用中得到了广泛的关注和研究。
它的优点在于可以处理多输入多输出的情况，而且不需要事先设定权重，可以通过数据自身的情况进行评估。
随着技术的发展和研究的深入，DEA方法将会在更多的领域中发挥重要作用。
尽管数据包络分析方法在实践中具有很多优点，但是它也存在一些局限性。
DEA方法对输入和输出数据的质量要求较高。
如果输入和输出数据存在较大的误差或者不确定性，那么DEA方法的评估结果就会出现较大的偏差。
这就要求在使用DEA方法时，必须对数据进行充分的清洗和预处理，以保证评估结果的准确性。
DEA方法在处理多个决策单元时，容易出现所谓的“边界效率”问题。
边界效率是指在给定的输入和输出条件下，某些决策单元的绩效达到了最大值，而其他决策单元的绩效却无法达到这个最大值。
这就导致了DEA方法在实际应用中可能会出现识别不出边界效率的问题，使得评估结果不够准确。
数据包络分析方法的发展现状和局限性分析
数据包络分析方法的发展现状和局限性分析数据包络分析方法（Data Envelopment Analysis, DEA）是一种用于评价多输入多输出情况下的效率的数学方法。
这种方法可以用来评估各种组织、企业或者单位的效率，同时可以发现在给定资源情况下的最佳效率水平。
自1978年由Charnes、Cooper和Rhodes提出以来，数据包络分析方法已经在管理学、经济学、运筹学等领域得到了广泛的应用，并且不断进行了改进和发展。
随着应用领域的不断扩大，数据包络分析方法也逐渐呈现出一些局限性，需要进一步深入研究和改进。
自1978年数据包络分析方法首次提出以来，研究者们对这种方法进行了深入的研究和探索，不断提出改进和发展的方法。
最主要的发展包括以下几个方面：1. 模型改进：针对原始的数据包络分析方法，研究者们提出了各种改进的模型，如超效率模型、完全可容许模型等，以便更好地适应实际应用的需要。
这些改进的模型在实际应用中更能准确地评估单位的效率水平，对于复杂的输入输出情况有更好的适应能力。
2. 算法优化：为了解决数据包络分析方法在计算效率评价时所面临的复杂性和耗时性问题，研究者们提出了各种改进的算法和优化方法，以加快计算的速度同时保证计算结果的准确性。
基于线性规划的改进算法和基于进化算法的优化方法得到了广泛的应用。
3. 应用领域的拓展：最初，数据包络分析方法主要应用于评价企业或者单位的效率，但是随着研究者们的不断努力，这种方法被扩展到了更多的领域，如医疗卫生、教育、环境保护等，为这些领域的效率评价提供了新的思路和方法。
4. 多因素分析：在数据包络分析方法的基础上，研究者们逐渐意识到单一的效率评价模型并不能完全满足实际应用的需要，因此开始着手研究多因素的效率评价方法。
这些方法涉及到更多的因素和约束条件，能够更为全面地评价单位的效率水平。
局限性分析尽管数据包络分析方法已经得到了广泛的应用并取得了不少进展，但是在实际应用中仍然存在一些局限性，需要进一步的研究和改进。
综述数据包络分析方法在中国经济管理中的应用进展
综述数据包络分析方法在中国经济管理中的应用进展作者：房迎霞来源：《现代经济信息》2013年第11期摘要：数据包络方法当前在中国的经济管理中的应用非常广泛。
基于此，本研究主要对DEA方法在我国的经济中的应用进行分析和归类，着重阐述了其在若干个重要领域的应用及发展趋势，提出了在DEA方法应用和研究过程中应当注意的几个重要问题。
关键词：综合评价；DEA方法；经济管理中图分类号：F20 文献标识码：A 文章编号：1001-828X（2013）06-00-01DEA方法是数据包络分析法的英文首字母简称，它是著名经济运筹学家Charnes等最先提出和推广的一种效率评价法。
这个方法将单输入、输出的工程效率延伸和推广到多输入、输出的同类别决策单元的重要评价中，不仅扩大了微观经济学中生产函数的理论推广及应用技术，而且还有效规避了主观因素和简化算法所产生的误差，具有非常高的优越性。
自从DEA方法一问世，就以其优越的性能和出众的特色广受人们的关注，因此不论其在理论上的研究还是实践上的突破，都很快得到了长足的发展，并不断开花结果，在各个领域和学科，比如管理学、工程系统学等方面都有重大突破，成为一种常用的分析工具和手段。
DEA 在中国的发展也很快，自从1986年第一篇DEA方法的论文在中国杂志上公开发表之后，DEA 方法的应用就迅速向各个领域发展开来。
接着，DEA方法的第一部专著——《评价相对有效的DEA方法》问世后，也为该方法在中国的广泛推广和应用奠定了坚实的理论基础，以此专著的问世为契机，新千年之后，DEA方法在经济管理中迅速发展起来，并涌现出了很多重要成果，得到了社会各界普遍的关注。
一、DEA方法在经济领域应用的简介为了使得各种不同专业背景的应用者能够认清DEA方法的应用，笔者应用《中国知网》进行搜索，主要涉及国家重点自然社科基金支持的领域。
当然由于各种原因，有些数据可能不是非常精确，但是它能够从整体和宏观上重点反映该管理方法在我国自然社科基金中的比重和地位，从而揭示DEA方法在我国各领域、各学科的发展情况和发展趋势。
数据包络分析原理及应用情况综述
∑
=
∑
∑
=
∑
s
假如决 策 单 元 的 个 数 为 n,每 一 个 DMU 的 投
入指标及产 出 指 标 分 别 为 m 和 s 个。 那 么 第 j个
DMUj 的投 入 向 量 记 为 Xj= (
x1j,
x2j,…,
xmj) ,产
T
出向量记为 Yj= (
Xj,
Yj)就表示
y1j,
y2j,…,
ysj) 。(
s
值是一个综合指标,这 个 综 合 指 标 可 以 用 来 描 述 经
s.
t.∑i=1vikxik =1,
m
2,…,
n
j =1,
∑r=1urkyrj - ∑i=1vikxij ≤0,
s
m
urk ≥0,
r =1,
2,…,
s
vik ≥0,
i=1,
2,…,
m
济学中全部要素的 生 产 力 大 小,使 各 决 策 单 元 的 效
2023 年 2 月
第 3 期 总第 517 期
Feb
r
ua
r
y2023
No.
3 To
t
a
lNo.
517
内 蒙 古 科 技 与 经 济
I
nne
r Mongo
l
i
aSc
i
enc
eTe
chno
l
ogy & Ec
onomy
数据包络分析原理及应用情况综述
丁
楠
(天津商业大学 管理学院,天津 300134)
要:
产出指标值不变的 情 况 下,通 过 构 建 科 学 的 数 学 规
数据包络分析方法的发展现状和局限性分析
数据包络分析方法的发展现状和局限性分析数据包络分析（Data Envelopment Analysis，DEA）是一种优化方法，通过将不同单位的输入和输出转换为相对效率得分，可以运用数学模型来评估单位的效率水平。
自1980年代中期提出以来，数据包络分析方法已经被广泛应用于各个领域。
本文将探讨数据包络分析方法的发展现状和局限性分析。
1. 发展现状随着业务竞争的日益激烈，各企业、组织和政府部门都需要提高效率、降低成本以及提高服务质量。
他们使用数据包络分析方法来评估单位的效率和提高其绩效水平。
除此之外，数据包络分析的应用领域还包括银行、保险、教育、医疗、政府、环境、交通等领域。
在数据包络分析方法的应用过程中，研究者为广大人群提供了各种性质的模型，如CCR（Charnes-Cooper-Rhodes model）、BCC（Banker-Charnes-Cooper model）等。
在这些模型中，有很多是具有非线性功能的模型，能够准确地反映现实问题。
同时，还有一些新型的算法出现，如DEA加速算法、DEA置换法等，为数据包络分析的实现提供了更加有效、精确的方法。
2. 局限性分析虽然数据包络分析方法在理论和应用上取得了很大的进展，但是仍然存在一些局限性。
（1）数据质量问题数据包络分析方法对输入和输出变量的质量要求很高，因为它直接影响着效率评估的准确性。
数据的收集和处理不当，将会导致结果的偏差和失真。
（2）模型假设问题数据包络分析的模型假设通常是以单位效率的最大化为前提的，但是这种情况并不总是可行或者合理的。
例如，某些企业并不一定以效率为第一目标，而更注重其他方面的因素，如利润、市场份额和品牌形象等。
（3）输入和输出变量的选择问题数据包络分析方法具有规模不变性的假设，这意味着它假设规模越大的企业其效率就越高。
但是这个假设却忽略了规模可能会影响企业效率的复杂性和多样性的问题。
总之，数据包络分析方法是一种有效的效率评估模型，已经在许多领域得到了广泛的应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
综述数据包络分析方法在中国经济管理中的应用进展
摘要：数据包络方法当前在中国的经济管理中的应用非常广泛。
基于此，本研究主要对dea方法在我国的经济中的应用进行分析和归类，着重阐述了其在若干个重要领域的应用及发展趋势，提出了在dea方法应用和研究过程中应当注意的几个重要问题。
关键词：综合评价；dea方法；经济管理
中图分类号：f20 文献标识码：a 文章编号：1001-828x（2013）06-00-01
dea方法是数据包络分析法的英文首字母简称，它是著名经济运筹学家charnes等最先提出和推广的一种效率评价法。
这个方法将单输入、输出的工程效率延伸和推广到多输入、输出的同类别决策单元的重要评价中，不仅扩大了微观经济学中生产函数的理论推广及应用技术，而且还有效规避了主观因素和简化算法所产生的误差，具有非常高的优越性。
自从dea方法一问世，就以其优越的性能和出众的特色广受人们的关注，因此不论其在理论上的研究还是实践上的突破，都很快得到了长足的发展，并不断开花结果，在各个领域和学科，比如管理学、工程系统学等方面都有重大突破，成为一种常用的分析工具和手段。
dea在中国的发展也很快，自从1986年第一篇dea方法的论文在中国杂志上公开发表之后，dea方法的应用就迅速向各个领域发展开来。
接着，dea方法的第一部专著——《评价相对有效的dea 方法》问世后，也为该方法在中国的广泛推广和应用奠定了坚实的
理论基础，以此专著的问世为契机，新千年之后，dea方法在经济管理中迅速发展起来，并涌现出了很多重要成果，得到了社会各界普遍的关注。
一、dea方法在经济领域应用的简介
为了使得各种不同专业背景的应用者能够认清dea方法的应用，笔者应用《中国知网》进行搜索，主要涉及国家重点自然社科基金支持的领域。
当然由于各种原因，有些数据可能不是非常精确，但是它能够从整体和宏观上重点反映该管理方法在我国自然社科基金中的比重和地位，从而揭示dea方法在我国各领域、各学科的发展情况和发展趋势。
二、经济管理中的应用
经济管理涉及到社会经济生活的方方面面，dea方法是一种多输入、多输出并相对有效地应用于同类部门和单位的重要方法。
该方法的成功应用案例很多，第一个案例是为那些弱智婴童开办特殊的公立学校的项目评估上，在整个评价项目过程中，评估者选取了诸如“父母对子女的疼爱”以及“子女对父母的感情依赖”等一些不能操作和测量的指标，同时还选择了诸如“同情”、“自尊”等无形的心态或态度指标。
实践证明，dea方法不能能够有效评价此类问题，而且还能够与其他大量的社会实验相互印证。
该方法在实践过程中的成功运用，受到人们的更大关注，拓宽了它的发展空间和领域，尤其是近年来该方法在经管学科中的应用越来越多，逐渐成为热点研究议题。
三、生产函数中的应用
因为dea方法在产生过程中，具有宏大的经济背景，注定了其在经济分析中的重要作用和价值。
它作为评估经济比较有效的方式，在生产函数的应用上有着重要作用。
四、在经济研究中的应用
dea方法作为评估经济领域发展指标的重要方法，manmillan在研究我国区域经济发展中，将dea方法作为中国各省市区域经济效率的研究标准基础，进行广泛分析。
也有研究者应用dea方法，探讨了我国城市发展的现状和趋势。
随着该理论的不断成熟，它在我国区域经济中的应用不断增加。
有国外学者运用此方法测量了墨西哥不同地区制造业的效率，从而发现了区域效率和生产规模等诸要素间的关系。
五、资源配置中的应用
加大资源配置的合理性可以有效提高生产率和生产效益。
因此，企业在生产过程中还积极寻找资源配置的最优模式，并通过不断调整生产结构，努力优化资源配置的效能。
有学者利用dea方法分析了生产过程中最小成本和最大收益之间的关系，进而研究了其投入与产出的最佳组合。
另外也有建立锥形结构的资源分析研究，使用该方法分析，取得了丰富广阔的管理信息。
六、可持续发展中的应用
生产函数和科学技术之间有着密切的关系，该方法在科技创新和可持续发展领域中的应用是将生产函数与技术评估结合起来，更加
具有优势。
罗登月等通过对dea方法模型的缺点，测算出技术进步与技术水平之间的关系。
进而有学者将评估技术的几种方法作了细致分析和归纳，并依据该模型深入探讨了技术进步和规模效益的关系，将研究的广度和深度延伸到城市的可持续发展中，取得非常多的有益结论。
七、绩效评价中的应用
绩效评价是人力资源管理中的重要内容。
由于dea方法不必事先确定评价指标的权重，因而评价结果更具客观性， dea在该领域中的应用十分广泛。
崔南方等探讨了dea在评估业务流程绩效、选择流程重构方案和连续改进业务流程中的应用。
八、物流与供应链中的应用
物流产业作为国民经济的一个重要组成部分，它的发展水平正在成为衡量一个国家综合国力、经济运行质量与企业竞争力的重要指标。
dea方法在物流与供应链研究领域中的应用十分广泛，主要集中在物流企业绩效评价、物流服务提供商的选择和评判、物流中心选址、物流配送效率和企业自营物流等方面。
九、dea方法在银行评价中的应用
dea方法在商业银行方面的应用十分广泛。
比如有的研究者结合中国大陆商业银行的投入和产出的特点，建立了综合考虑银行盈利能力与风险控制能力的投入产出指标体系和中国商业银行综合效率的评价模型。
十、dea方法在组合有效性评价中的应用
竞争与联合问题广泛存在于经济和社会发展的各个层面，对它的研究一直是管理科学和经济学研究的重点之一。
对于企业而言，如何正确估计群体效率状况，如何有效判断复杂条件下的竞争环境。
参考文献：
[1]罗登跃.基于dea的商业银行效率实证研究[j].管理科学，2005，18（2）：40-45.
[2]迟国泰，孙秀峰，郑杏果.中国商业银行收入结构与收入效率关系研究[j].系统工程学报， 2006，21（6）：574-582.
[3]陈敬学.商业银行分支行绩效评价的一种新方法：数据包络法[j].金融经济，2006（22）：79-80.
[4]安景文，周茂非.从效率角度验证我国经济竞争力排名[j].经济与管理研究，2006（2）：54-56.。