数据包络分析(DEA)是一种广泛使用的非参数线性规划方法评估决策单元的效率和生产率(研究)。DEA理论和应用程序分布在很宽的区域和非常多样化。相比或结合其他学科或学科领域如截断,托比特书,或者普通的回归分析,层次分析法,聚类分析,主成分分析,因子分析,多准则决策分析、时间序列分析、模糊集。由于这些不同的交互,DEA的模型结构和DEA的应用领域已经扩展以这样一种方式,和导数模型如自由处置船体(外籍)和随机前沿分析(SFA)已经出现。关于模型结构,还有许多其他研究等方向的距离测量,罗素措施,和基于松弛的措施,其中包含解释相关的分析意义分解DEA和效率。此外,DEA广泛应用于能源领域,服务行业,教育、银行、商业、农业等作为测量的应用效率和低效率。根据数据的结构,不同的模型提出了模糊,不确定,或其他类型的数据,如负,分类定性,或者间隔数据。此外,研究和基准测试的测试方法,将测量的有效性和可靠性这些模型DEA研究中有重要的地位。此外,这些研究是由许多不同学科的研究人员。因此,这将是适当的准备一个特殊的问题,为了使研究人员在这一领域的共同点并分享他们的经验。 In addition, this would be a chance for giving direction to future challenges/trends about DEA.

出于这个原因,我们已经开始编辑一个特殊问题数据包络分析:方法论的贡献,最近的进展,应用程序和未来的挑战/趋势。

潜在的主题包括但不限于以下:

• DEA效率DEA和基准测试
• 新的DEA模型
• DEA评价
• 应用DEA
• 两阶段DEA
• 网络DEA
• 模糊DEA
• 在DEA灵敏度分析