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输出更纯粹的管理效率值已成为产业绩效评价、区域发展测算等实证研究中的主流工具。在 DEA 家族的各类前沿假设中FDH自由处置壳是极具特殊性的非凸前沿模型它放弃了凸性假设仅以真实观测的决策单元作为标杆构建前沿面更贴合小样本、强异质性场景下的效率评价需求。但在工具开发中FDH 三阶段模型是极易出现逻辑偏差的模块权重变量类型误设为连续型、第三阶段退化回凸模型、单标杆约束下松弛求解不到位、数据调整与非凸前沿错配等问题都会导致结果完全偏离 FDH 的理论内涵且表面数值正常隐蔽性极强。本文基于规模单调的标准测试集从单标杆约束合规性、SFA 分解严谨性、模型特性自洽性三个核心维度对 DEA Performance 软件中的三阶段 DEA-FDH 模块进行全流程验证确保算法严格遵循自由处置壳的理论定义与 Fried 经典三阶段框架可稳定用于非凸前沿场景下的效率测算与稳健性检验。二、理论基础与校验维度设计2.1 FDH 自由处置壳模型的核心内涵FDHFree Disposal Hull自由处置壳是 DEA 体系中典型的非凸前沿模型核心特征为仅允许单个真实 DMU 作为参照标杆不支持多单元凸组合。对应数学约束为参考权重 λ 为 0-1 二元变量且所有权重之和严格等于 1。其前沿面完全由实际观测点构成相比 VRS 等凸模型FDH 的前沿更贴近原始数据效率值通常更高对极端值的敏感度更低。2.2 三阶段 DEA 与非凸前沿的适配逻辑三阶段 DEA 的核心逻辑可概括为 “三步同质化工序”与 FDH 模型可实现完整适配原始效率测算基于 FDH 非凸前沿计算初始效率与总松弛松弛量包含环境因素、随机误差、管理无效率三类成分松弛异质性分解以各项松弛为因变量环境变量为自变量构建 SFA 随机前沿模型分离系统性环境影响与随机干扰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再次调用 FDH 模型计算纯管理效率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特性的全链路约束合规权重变量为二元类型单标杆约束准确松弛采用两阶段法求解确保最大松弛量分解严谨SFA 模型设定规范数据调整统一至最不利环境基准参数与调整幅度逻辑匹配特性自洽效率序列符合单调数据规律与同类模型的差异完全符合理论推导无逻辑矛盾三、验证方案与测试样本3.1 测试数据集全集本次验证采用 20 个决策单元的严格单调测试集包含 2 项投入、2 项产出、2 项环境变量。投入从 DMU1 到 DMU20 持续递增产出持续递减数据趋势清晰可直观观测非凸前沿下的效率变化规律。表格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FDH自由处置壳非凸前沿分析模式三阶段 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 回归与数据调整软件参数配置四、全流程多维度准确性校验4.1 单标杆约束合规性校验FDH 非凸特性落地准确对照代码实现FDH 模型严格施加了非凸单标杆约束参考权重变量设为二元 0-1 类型且所有权重之和严格等于 1强制只能选择单个真实 DMU 作为参照单元完全符合自由处置壳的理论定义未出现权重连续化、凸性退化等常见错误。从结果趋势看投入导向下 DMU1 作为投入最少、产出最多的全局占优单元处于非凸前沿上效率值为 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 FDH 模型的效率分布规律。软件计算结果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表格变量γ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≈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≈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≈00.8760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≈0≈0产出松弛受外部干扰极小调整量接近 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 结果合理性校验模型特性与数据规律匹配第三阶段调整后效率序列呈现清晰的经济学与数理特征投入导向效率随 DMU 规模扩大持续递减且与 STNDRS模型结果完全重合。这是由单调数据特性决定的正常现象投入导向下 ST 模型的最优解恰好满足权重和等于 1与 FDH 的单标杆约束完全重合因此最优解一致。产出导向效率随 DMU 规模扩大持续递增且数值显著低于 ST 模型结果。该差异恰恰验证了 FDH 的非凸特性ST 模型允许权重和大于 1可通过放大标杆单元规模获得更高的扩张比例而 FDH 强制权重只能为 0 或 1仅能使用真实观测的标杆单元因此扩张比例受限于实际观测值效率值更低。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、FDH 三阶段 DEA 开发的典型避坑要点结合本次验证经验梳理 FDH 模型三阶段 DEA 开发中 4 类极易被忽略的特性类错误供同行参考权重变量类型误设将二元变量误设为连续型直接退化为 VRS 模型完全失去 FDH 非凸前沿的分析价值是 FDH 模块最高发的隐蔽错误第三阶段约束退化第二阶段数据调整后第三阶段忘记复用 FDH 的二元权重约束导致前后阶段前沿假设不一致结果失去可比性松弛求解忽略单标杆特性直接沿用凸模型的松弛求解逻辑未在单标杆约束下最大化松弛总和导致 SFA 因变量偏小分解结果失真与凸模型结果混淆解读误将 FDH 与 VRS/ST 的数值差异判定为计算偏差忽略非凸前沿与凸前沿的本质区别造成实证结论误读关于非期望产出 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、结论通过单标杆约束合规性校验、SFA 分解严谨性验证、模型特性自洽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-FDH 模块严格遵循自由处置壳的理论定义二元权重、单标杆约束实现准确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分导向下与 ST 模型的异同完全匹配理论推导非凸前沿特性体现充分20 个样本全部成功求解数值计算稳定可靠。该模块可用于小样本、强异质性场景的效率评价也可作为凸模型结果的稳健性检验工具丰富实证研究的分析维度。作为一款免费的数据包络分析软件DEA Performance 在 FDH 这类小众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