数据包络分析DEA是一种多指标投入和产出评价的研究方法，其应用数学规划模型计算比较决策单元（DMU）之间的相对效率，对评价对象做出评价。比如有10个学校(即10个决策单元DMU,Decision Making Units)，每个学校有投入指标（比如学生人均投入资金），也有产出指标（比如学生平均成绩，学生奥数比赛比例等），有的学校投入多，有的学校投入少，但是投入多或少，均会有对应的产出，那么具体那个学校的投入产出更加优秀呢，诸如此类投入产出的优劣问题，则可使用数据包络DEA模型进行分析。
SPSSAU操作如下：
分别将3个投入指标和2个产出指标放在对应的框中，与此同时，本案例中年份为决策单元DMU，因此放入对应的框中，当然也可以不放入DMU（如果不放入，SPSSAU默认输出为比如第1项，第2项等）。另外，本案例使用默认的BCC(VRS)模型进行分析。
CCR模型假设DMU处于固定规模报酬情形下，用来衡量总效率。
BCC模型假设DMU处于变动规模报酬情形下，用来衡量纯技术和规模效率。
作为处理多目标决策问题的方法，DEA的优点主要体现在以下3点:
1、无须假设任何权重，每一个输入输出的权重由决策单元的实际数据求得最优权重，可以避免评主观因素。
2、以决策单位各输入输出的权重为变量，从最有利于决策单元的角度进行评估，避免了各指标在优先意义上的权重。
3、假定每个输入都关联到一个或多个输出，输入输出之间存在的某种关系，DEA方法不必确定这种关系的显示表达式。
扩展资料
DEA是一个线形规划模型，表示为产出对投入的比率。通过对一个特定单位的效率和一组提供相同服务的类似单位的绩效的比较，它试图使服务单位的效率最大化。在这个过程中，获得100%效率的一些单位被称为相对有效率单位，而另外的效率评分低于100%的单位被称为无效率单位。
这样，企业管理者就能运用DEA来比较一组服务单位，识别相对无效率单位，衡量无效率的严重性，并通过对无效率和有效率单位的比较，发现降低无效率的方法。
参考资料来源：百度百科-分布式电源电能质量综合评估
参考资料来源：百度百科-数据包络分析方法