(二)数据包络分析模型EDEA模型是由 Andersen和 Petersen根据传统DEA模型所提出的新模型。传统DEA模型如最基本的CCR模型可以同时对决策单元规模和技术的有效性进行评价，BCC模型专门用来评价决策单元的技术有效性，而且两个模型都只能区别出决策单元的有效性和无效性，对于出现的多个DMU效率值大于1时，无法进行排序和比较。而SE-DEA模型在评价某个DMU时将其排除在决策单元集之外，以其它决策单元为基础形成新的效率边界，计算排除的决策单元到新效率边界的相对距离值，以确定其效率的高低。由于排除的DMU不在决策单元集之内，这样使得CCR模型中相对有效的DMU仍保持相对有效，同时不会改变在CCR模型中相对无效的决策单元在SE-DEA模型中的有效性，计算出的新的效率值不仅仅是在0~1之间，对于有效的DMU其效率会大于1，使得有效的DMU易于排序和比较，弥补传统DEA模型的不足。
1.超效率数据包络分析模型假设有n个可比的决策单元DMUj(j=1，2，…，n)每个决策单元有m种类型的输入指标，输入向量为Xj(x1j，x2j，…，xmj)T>0，(j=1，2，…，n)；有s种类型的输出指标，输出向量为Yj(y1j，y2j，…，ysj)>0，(j=1，2，…，n)。由于各种输入和输出在企业管理过程中的地位与作用各不相同，因此，要对决策单元进行评价比较，必须要把它们看作只有一个输入总体和一个输出总体，即赋予每个输入和输出恰当的权重来对各种指标进行“综合”。假设输入，输出的权向量分别为V=(v1，v2，…vn)T，U=(u1，u2，…，us)，每个DMU都有相应的效率评价函数hj= ，DEA用总产出与总投人之比的大小来衡量DMUj的有效性。
对效率评价函数进行线性规划及对偶规划，引入非阿基米德无穷小量ε，产出对应的松弛变量s+和投入对应的松弛变量s-得到的超效率数据包络分析模型如下：
其中0为第j0个决策单元的超效率值；入为输入输出指标的权重系数；0，λj，s-，s+为未知参量，可由模型求解。
2.SE-DEA模型的含义
(1)当θ≥1且s+=s-=0时，则DMUj0的管理效率是同时DEA技术有效和规模有效，即在这n个决策单元的评价系统中，DMUj0在投入X0的基础上所获得的产出Y0已经达到最优状态；
(2)当θ≥1且s+≠0或s-≠0时，则DMUj0为弱DEA有效，即此时的管理效率不是同时技术有效和规模有效。在这n个决策单元组成的评价系统中，若为了保持弱DEA有效的DMUj0产出Y0不变则应将投入在X0的基础上减少s-；保持投入X0不变时，可将产出在Y0的基础上增加s+；
(3)当θ<1时，则决策单元DMUj0为非DEA有效，即为DEA无效的决策单元，可根据Xj0=θ×X0-s-，Yj0= X0+ s+对其进行调整。
