數據包絡分析研究熱點及發展趨勢研究

李思維 姚安陽 孫樹壘 沙敏 張正勇

摘要：利用CiteSpace工具對國內外數據包絡分析的相關文獻進行了關鍵詞聚類、文獻共被引、合作關系等可視化分析，得到了如下研究結論：國內外關于數據包絡分析的研究都是從理論研究開始逐漸深化，不同的是國內研究與我國社會的發展趨勢基本同步，近期主要是在教育領域研究科研方面的效率；國外研究較為多元化，研究熱點從早期的農業領域效率研究到工商業領域評估研究，直至而今的能源環境領域研究，近期主要研究如何調節企業的投入產出，盡可能使其所造成的環境污染最小。此外，本文還研究揭示了研究學者、機構、國家間的合作關系圖譜。通過對國內外數據包絡分析研究的梳理，有利于讀者洞悉數據包絡分析研究脈絡，為相關研究工作的進一步開展提供參考。

關鍵詞：數據包絡分析；CiteSpace；文獻計量學；可視化分析

中圖分類號：C931.2文獻標識碼： ADOI：10.3969/j.issn.1003-8256.2020.03.005

開放科學（資源服務）標識碼（OSID）：

基金項目：國家自然科學基金項目（91746202）

0引言

數據包絡分析（Data Envelopment Analysis，DEA）是通過解線性規劃模型來計算產品投入產出比率的一種數據效率評價方法。自1978年該方法提出以來，關于數據包絡分析的研究與日俱增。隨著我國研究的逐漸深化，數據包絡分析日漸偏向經濟管理領域，近年來，有關其具體的演變趨勢以及其在國內外最新的發展趨勢鮮有研究。本文利用文獻計量學工具CiteSpace對進入21世紀以來國內外關于數據包絡分析的應用研究進行分析，從關鍵詞趨勢演變分析、機構合作分析等方面揭示其發展規律，并探索數據包絡分析的研究前沿與熱點，為今后的研究提供相關參考。

眾所周知，DEA是效率評價的方法，曾有學者僅僅以“效率”作為關鍵詞，并在限定學科的條件下進行國內外知識圖譜的效率可視化分析[1]，然而這種僅從效率演變趨勢角度的研究對于DEA的研究而言可能僅是冰山一角。經檢索后發現，以“DEA”或“數據包絡分析”作為關鍵詞的文獻計量研究僅有一篇限定在管理學領域的DEA方法應用研究[2]，隨著DEA的研究日漸龐大，急需對其演變態勢開展進一步梳理分析。

1數據與方法

1.1數據來源

本文以中文數據庫中國知網（China National Knowledge Infrastructure，CNKI）和外文數據庫Web of Science（WoS）為數據來源，并設置CNKI檢索式為：SU=（‘數據包絡分析+‘DEA），WoS檢索式為：TS=“DEA”OR TS=“data envelopment analysis”，共同檢索時間為2000—2018年間發表的相關文獻，最終分別得到中文文獻11965篇，外文文獻12647篇，利用CiteSpace進行基本的數據去重處理之后即可對其進行分析，數據獲取的具體說明見表1。

1.2研究方法

本文對所研究文獻分析的方法采取的是以CiteSpace為媒介工具的文獻統計方法。該方法主要是利用統計學對獲取到的DEA文獻數據進行統計分析，描述其數量特征與變化規律，以探索DEA的研究前沿與熱點。關于文獻計量工具CiteSpace的使用，國內已經有大量的學者進行了應用研究，其中包括關于醫院各類病癥的可視化分析[3-5]、國內外教育研究的文獻綜述[6-7]等多方面的CiteSpace應用研究。

2數據分析結果

2.1研究熱點與聚類分析

首先對CNKI數據進行關鍵詞聚類分析，圖中每個節點代表一個關鍵詞，節點大小與關鍵詞出現頻次成正比，節點之間的連線代表關鍵詞之間的共現關系，連線粗細表示共現強度，連線顏色表示第一次出現共現關系的時間，顏色深淺表示時間遠近，具體圖像見圖1。

由圖1可知，有關DEA研究的知識結構圖譜十分清晰，并圍繞關鍵詞生成了14個文獻聚類，在此基礎上，本文進一步將其劃分為方法研究（#0、#3、#5、#6、#8、#12）、技術研究（#1、#4、#9、#10、#11）、應用研究（#2、#7、#13）三個板塊。

關于DEA的方法研究，主要是圍繞其理論知識進行展開，如DEA模型、DEA技術、規模效率等理論方法的詳細闡述，這一研究領域主要是在DEA技術剛被提出的早期階段，近年來的研究則相對較少；DEA技術研究主要是指在DEA基本模型的基礎上，針對其不足提出新的模型，或者將DEA方法與其他方法相結合等各種DEA的技術改進，譬如提出的超效率數據包絡分析（Super-Efficient DEA，SE-DEA）新模型，可以對企業各個有效決策單元進行大小排序從而找出最有效的決策單元[8]，以及將DEA與malmquist指數相結合求解全要素生產率等[9]；DEA應用研究貫穿始終，主要是指各個行業應用原始DEA模型或改進DEA模型等各種DEA方法對其生產效率進行評價，并從宏觀或微觀的角度提出各種對企業有利的改進建議。

對WoS數據庫中DEA文獻進行關鍵詞研究熱點分析，見圖2。圖2各節點連線更加錯綜復雜，且圍繞關鍵詞共生成了16個聚類簇，各聚類簇名稱及其所代表的平均年份見表2。

[14] Wang Y， Luo Y， Hua Z. Aggregating preference rankings using OWA operator weights [J]. Information Sciences， 2007， 177（16）： 3356-3363.

[15] Fukuyama H， Weber W L. A slacks-based inefficiency measure for a two-stage system with bad outputs [J]. Omega， 2010， 38（5）： 398-409.

[16] Tone K， Tsutsui M. Dynamic DEA： A slacks-based measure approach [J]. Omega， 2010， 38（3）： 145-156.

[17] Zhou P，Ang B W，Wang H.Energy and CO2 emission performance in electricity generation： A non-radial directional distance function approach [J]. European Journal of Operational Research， 2012， 221（3）： 625-635.

[18] Hawdon D.Efficiency， performance and regulation of the international gas industry—a bootstrap DEA approach [J]. Energy Policy， 2003， 31（11）： 1167-1178.

[19]？imek M， J？？？ováL， Hopkins D W. What is the so-called optimum pH for denitrification in soil？ [J]. Soil Biology and Biochemistry， 2002， 34（9）： 1227-1234.

[20] Ramanathan R.A multi-factor efficiency perspective to the relationships among world GDP， energy consumption and carbon dioxide emissions [J].Technological Forecasting and Social Change， 2006， 73（5）： 483-494.

[21] Ramanathan R. An analysis of energy consumption and carbon dioxide emissions in countries of the Middle East and North Africa[J]. Energy， 2005， 30（15）： 2831-2842.

[22] Han Y， Long C， Geng Z， et al. Carbon emission analysis and evaluation of industrial departments in China： An improved environmental DEA cross model based on information entropy [J]. Journal of Environmental Management， 2018， 205： 298-307.

[23] Zhou Y， Liu W， Lv X， et al. Investigating interior driving factors and cross-industrial linkages of carbon emission efficiency in Chinas construction industry： Based on Super-SBM DEA and GVAR model [J]. Journal of Cleaner Production， 2019， 241： 118322.

[24]夏瓊，楊鋒，梁樑，等.兩階段混聯生產系統的DEA效率評價模型[J].系統管理學報， 2012， 21（1）： 1-5.

[25]謝建輝，李勇軍，梁樑，等.隨機環境下的多投入多產出生產前沿面估計[J].管理科學學報， 2018， 21（11）： 50-60.

[26]鄧憶瑞，李寧，楊艷麗，等.多目標兩階段組合DEA模型及應用研究[J].系統工程學報， 2018， 33（2）： 258-270.

[27]郭均鵬，吳育華.超效率DEA模型的區間擴展[J].中國管理科學， 2005（2）： 40-43.

[28]韓雅清，林麗梅，魏遠竹，等.勞動力轉移、合作經營與林業生產效率研究[J].資源科學， 2018， 40（4）： 838-850.

Research on the Hotspot and Development Trend of Data Envelopment Analysis

LI Siwei，YAO Anyang，SUN Shulei，SHA Min，ZHANG Zhengyong（SchoolofManagementScienceandEngineering，NanjingUniversityofFinanceandEconomics，Nanjing 210023，China）

Abstract： In order to understand the development trend， research hotspots， frontier and cooperative relationship of data envelopment analysis （DEA） technology since its entry into the 21st century， this paper uses CiteSpace to make a visual analysis of relevant literatures of DEA at home and abroad， such as keyword clustering， literature co-citation and cooperative relationship， etc. The conclusions are shown as follows： researches on DEA at home and abroad are all gradually deepened from the theoretical research. The difference is that domestic researches are basically in step with the development trend of Chinese society， and recent researches are mainly about the efficiency of scientific research in the field of education. Foreign studies are relatively diversified， with research hotspots ranging from early agricultural efficiency research to industrial then commercial evaluation research， and now energy and environment research. Recently DEA is mainly used to study how to adjust the input and output of enterprises to minimize environmental pollution. In addition， this paper also reveals the map of cooperation among researchers， institutions and countries. Through the analysis of DEA at home and abroad， it is helpful for readers to have an insight into the research context of DEA and provide references for further related research.

Keywords： DEA；CiteSpace； bibliometrics；visual analysis