周忠宝,孙 亮,刘德彬,马超群,刘文斌,2

(1.湖南大学工商管理学院，湖南 长沙 410082；2.Business School, University of KENT, KENT CT2 7PE)

1 引言

数据包络分析(DEA)是Charnes[1]教授等学者于1978年创立的一种对若干同类型输入和输出的决策单元(DMUs)进行相对效率评价和比较的定量方法。该方法的提出为全面评价多投入多产出系统的综合效率开辟了一条新途径[2-3]。传统DEA模型假设各输入变量的减少比例是相同的，但实际管理活动中不同的输入变量对输出变量的弹性可能不同，这样DMU效率改进时各输入变量减少也不一定是同比例的另外，传统DEA模型没有考虑先验信息所带来的决策者偏好的影响[4]。因此，众多学者在传统的径向DEA模型的基础上提出了一系列的非径向DEA模型(Non-radial DEA)，如Cooper等[5]提出的RAM模型，Tone[6]提出的SBM模型，其中，Zhu[7]提出的非径向偏好DEA模型(DEA/PS)，Sueyoshi和Sekitani[8]提出的用于评估规模有效性的RAM模型，Zhou Peng等[9]提出的评估环境效率的非径向DEA模型等。

传统的DEA模型假设输入和输出数据均为准确数据。然而在现实的管理活动中，决策单元的输入和输出数据常常不能精确确定，甚至只能用语言表示，如产品的质量用“好”、“中”、“差”三个等级来衡量。因而，研究模糊情形下的DEA模型非常必要。Guo Pengjun和Tanaka[10]提出了模糊CCR模型，通过定义可能性水平，利用模糊数的比较规则，将模糊约束转换为确定性约束。Lertworasirikul等[11]采用随机DEA的思想，将模糊约束看成随机事件，构建了概率模型求解模糊DEA。Kao和Liu[12]提出利用α截集将模糊数转化为不同α水平下的区间数，进而利用传统DEA 模型求解得到不同α水平下的决策单元效率的上下界。……