数据包络分析(Data envelopment analysis)简称DEA，是数学、运筹学、数理经济学和管理科学一个新的交叉领域。由A.Charnes等人于1978年开始创建，并被命名为DEA。DEA是使用数学规划模型进行评价具有多个输入、特别是具有多个输出的“部门”或“单位”(称为决策单元，简称DMU)之间的相对有效性。使用DEA模型对多个DMU进行评价时，可能存在一些DMU同时有效的情况。在这种情况下，对DMU的比较不能将其充分排序。十多年来，许多研究者对所有DEA有效之间的区别进行深入研究，给出了有效性的分等级评价，这方法称为超有效性。SBM超有效模型，由Tone基于输入和输出的松弛得到。这个测度是生产可能集和从中排除的有效DMU的加权l1距离的最小化。SBM超有效模型是非定向超有效模型(公式略)其中，n个决策单元(DMU)，每个DMU都有m种类型的输入和s种类型的输出，决策单元j记为DMUj，1≤j≤n和第i输入和第r输出的DMUj记为xij(i=1，…，m)，xij＞0，yη(r=1，…，s)，yrs＞0，DMU(x0，y0)是SBM模型有效的决策单元。　　 超有效性不仅对DMU有效分等级评价，而且可以利用超有效性对所有DMU进行分类评价。不过，SBM超有效模型只能对DMU有效进行评价，而不能对所有DMU进行分类评价。本文基于Anderson的工作，对SBM超有效模型进行扩展，建立了我们新模型(简称SCI模型)：(公式略)以及SCI超有效模型(公式略)　　 不同于传统的SBM超有效模型，我们的新模型不仅在进行求解时都存在可行解，而且可以对所有的DMU进行分类评价。我们有两个结果：　　 结果1：SCI超有效模型在规模收益可变和不变的情况下都存在可行解　　 结果2：在SCI模型和SCI超有效模型对所有DMU进行评价时，则存在三种情形：　　 情形1：对SCI超有效模型DMU(x0，y0)的最优值有θ*＜1，则DMU(x0,Y0)是SCI模型的无DEA有效决策单元。　　 情形2：对SCI超有效模型DMU(x0，y0)的最优值有θ*=1，则DMU(x0，y0)是SCI模型的无DEA有效决策单元或者DMU(x0，y)∈E∪F。　　 情形3：SCI超有效模型DMU(x0，y0)的最优值有θ*＞1，则DMU(x0，y0)∈E。其中边界DMUs由下列三类集合组成：E集中的DMUs，E集是所有极值点有效；E集中的DMUs，E集是所有有效点但是没有一个极值点；F集中的DMUs，F集是所有弱有效点或边界点有非零松弛。　　 同时我们也考虑了该模型的规模收益情况。最后，我们还进行了对比应用研究，结果表明我们的新模型计算结果比较满意。