一、引言三阶段 DEA 方法通过剥离环境因素与随机误差的干扰能够得到更贴近真实管理水平的效率值是产业绩效、区域发展、公共服务评价等实证研究中的主流工具。在规模报酬假设的选择上多数研究仅关注 CRS 与 VRS 两种基准情形但 NIRS非递增与 NDRS非递减的区间判定是识别决策单元所处规模报酬阶段、给出针对性优化建议的关键依据。其中 ST 模型对应的非递减规模报酬NDRS假设专门适配规模报酬递增区间的效率评价适合分析处于成长期、规模扩张中的决策单元。但在工具开发中该模型是错误高发区规模约束方向写反、三阶段调整逻辑与假设错配、松弛分解不到位等问题都会导致结果完全偏离理论预期且隐蔽性极强很难通过表面数值直接识别。本文基于规模单调的标准测试集从规模约束合规性、SFA 分解严谨性、结果经济合理性三个核心维度对 DEA Performance 软件中的三阶段 DEA-ST 模块进行全流程验证确保算法完全符合 Fried 经典三阶段理论框架可稳定用于规模报酬区间判定与稳健性检验。二、理论基础与校验维度设计2.1 ST 模型与 NDRS 假设的内涵ST 模型对应非递减规模报酬NDRS假设核心约束为参考权重和≥ 1 \ge 1≥1其经济学含义是生产前沿仅由规模不小于当前 DMU 的单元构成用于判定决策单元是否处于规模报酬递增区间。投入导向下目标为最小化投入缩减比例产出导向下目标为最大化产出扩张比例常与 FG 模型NIRS搭配联合完成规模报酬状态的完整判定。2.2 三阶段 DEA 的适配逻辑三阶段 DEA 的核心逻辑是“三步同质化工序”原始效率测算基于原始数据计算初始效率与总松弛包含环境、随机、管理三类干扰松弛异质性分解以松弛为因变量构建 SFA 随机前沿模型分离环境因素与随机误差同质环境重估将所有 DMU 调整至相同的外部环境与随机水平重新计算纯管理效率2.3 校验维度设置本次验证设置三层递进校验标准覆盖从底层约束到上层结果的全链路规模约束合规NDRS 权重和约束方向正确松弛采用两阶段法求解确保最大松弛量分解逻辑严谨SFA 模型设定规范数据调整规则统一至最不利环境基准参数与调整幅度匹配结果合理自洽效率序列符合单调数据的经济规律双导向逻辑匹配无理论矛盾三、验证方案与测试样本3.1 测试数据集全集本次验证构造 20 个决策单元的规模单调序列投入逐步递增、产出逐步递减能够清晰观测 NDRS 前沿下的效率变化规律避免复杂数据干扰验证结论。DMU 名称投入 1投入 2产出 1产出 2环境变量 1环境变量 2DMU15.503.2011.428.721.01.0DMU25.823.3511.188.561.21.1DMU36.073.5210.958.411.41.3DMU46.433.8310.698.251.61.5DMU56.684.0110.488.091.81.7DMU67.034.3110.217.932.01.9DMU77.414.499.947.752.32.1DMU87.934.929.657.542.62.4DMU98.325.219.427.382.92.7DMU108.785.579.177.213.23.0DMU119.296.018.907.023.53.3DMU129.676.298.686.873.83.6DMU1310.186.738.416.694.13.9DMU1410.637.078.196.544.44.2DMU1511.097.457.956.364.74.5DMU1611.477.727.726.215.04.8DMU1711.928.007.516.085.35.0DMU1812.388.007.335.975.65.0DMU1912.718.007.185.895.85.0DMU2013.008.007.025.806.05.03.2 软件参数配置本次验证使用 DEA Performance 软件执行计算核心参数设置如下基础前沿模型ST非递减规模报酬 NDRS分析模式三阶段 DEA计算导向投入导向、产出导向分别验证环境变量2 项同步纳入 SFA 回归与数据调整图1软件参数配置界面四、全流程多维度准确性校验4.1 规模约束合规性校验NDRS 假设落地准确对照代码实现ST 模型严格施加了参考权重和≥ 1 \ge 1≥1的非递减规模报酬约束投入与产出双导向均遵循该规则未出现约束方向颠倒、遗漏等常见问题。从结果趋势看投入导向下 DMU1 作为投入最少、产出最多的单元处于生产前沿效率值为 1.000000随着 DMU 规模递增、产出递减效率值呈现严格单调递减趋势最终 DMU20 效率为 0.448095完全符合 NDRS 假设下的效率分布规律证明规模约束实现准确。图2投入导向计算结果界面图3投入导向计算结果图表图4产出导向计算结果界面图5投入导向计算结果图表同时第一阶段松弛采用两阶段法求解先计算最优效率值再固定效率最大化松弛总和确保得到唯一的最大松弛量为第二阶段 SFA 回归提供了准确的因变量避免了松弛解不唯一导致的回归偏差。4.2 SFA 分解严谨性校验异质性松弛分解到位第二阶段采用正态 - 半正态 SFA 模型通过多初始值全局搜索的极大似然估计求解参数Jondrow 条件期望法分离管理无效率与随机误差算法实现完全符合经典规范。分项松弛的拟合参数呈现显著异质性验证了模型的精细识别能力变量γ \gammaγ管理无效率占比平均调整幅度背后逻辑投入导向 - 投入 1≈ 1.0 \approx 1.0≈1.0≈ 0 \approx 0≈0松弛几乎完全由管理能力决定环境与随机因素影响极小无需大幅调整投入导向 - 投入 2≈ 0 \approx 0≈00.2899松弛主要由随机波动驱动环境因素影响显著调整幅度相对较大产出导向 - 产出 1≈ 0 \approx 0≈01.5751产出缺口以随机干扰为主环境因素影响明显调整幅度较高产出导向 - 产出 2≈ 1.0 \approx 1.0≈1.0≈ 0 \approx 0≈0产出松弛基本由管理水平决定外部干扰可忽略调整量接近 0数据调整方向同样符合理论要求投入导向下所有 DMU 投入统一调增产出导向下所有 DMU 产出统一调减最终将全部样本拉平至最不利环境与最差随机水平确保第三阶段效率仅反映自身管理能力。4.3 结果合理性校验效率序列符合经济规律第三阶段调整后效率序列呈现清晰的经济学特征投入导向效率随 DMU 规模扩大持续递减反映出规模扩张过程中管理效率的变化趋势产出导向效率随 DMU 规模扩大持续递增越靠后的单元产出缺口越大所需扩张比例越高需要说明的是不同于 CRS 假设下投入与产出导向效率呈严格倒数关系NDRS 属于可变规模报酬范畴双导向数值不存在严格数学倒数关系这是 DEA 基础理论的正常结论并非计算偏差。更多模型异常定位与解决方法可以参考DEA 结果异常排查方法覆盖无可行解、效率值异常、投影失真等高频问题的排查思路。五、ST 类三阶段模型的开发避坑要点结合本次验证经验梳理 ST 模型三阶段 DEA 开发中 4 类极易被忽略的方向性错误供同行参考规模约束方向颠倒误将 NDRS 的权重和约束写为≤ 1 \le 1≤1直接退化为 FG 模型完全失去规模报酬递增区间的分析价值是 ST 模型最高发的隐蔽错误调整逻辑与假设错配规模假设更换后数据调整公式未同步适配导致第三阶段前沿面构建矛盾结果失去经济学意义松弛求解简化处理直接取第一阶段最优解对应的松弛不执行最大化松弛的第二阶段导致 SFA 因变量偏小分解结果失真SFA 参数估计粗糙仅使用单初始值拟合极易陷入局部最优环境系数与方差参数偏差大直接影响调整后数据的合理性关于非期望产出 DEA 怎么处理的更多操作细节与模型原理可参考配套的 SBM-U 三阶段模型验证与操作教程。六、结论通过规模约束合规性校验、SFA 分解严谨性验证、结果经济合理性分析三层全流程检验可以得出最终结论DEA Performance 软件的三阶段 DEA-ST 模块规模约束实现准确NDRS 假设落地规范两阶段松弛求解符合标准处理方式。SFA 随机前沿分解算法严谨能够识别不同变量的松弛来源异质性数据调整规则统一至最不利环境基准完全符合 Fried 经典三阶段理论框架。调整后纯管理效率序列符合单调数据的经济规律投入与产出双导向逻辑自洽20 个样本全部成功求解数值计算稳定可靠。该模块可与 FG 模型搭配联合完成规模报酬区间的完整判定适用于学术论文中的稳健性检验与细分阶段效率分析。作为一款免费的数据包络分析软件DEA Performance 在三阶段 DEA 这类进阶模型上的实现精细度突出全中文可视化界面、零代码操作的特性也让它成为非常适合的论文用 DEA 软件推荐选项。软件目前仅支持 Windows 系统全程本地离线运行数据安全有保障免费版开放全部模型功能仅限制 DMU 与指标数量小样本预研、课程作业完全够用。后续会持续更新更多模型的准确性验证内容也欢迎大家在评论区交流三阶段 DEA 实证研究中的问题与经验。DEA Performance 链接https://pan.baidu.com/s/1ziQkmN9LmLDebUGBIolIyw?pwd5802