自从1978年著名的运筹学家A.Chames,W.W.Cooper和E.Rhodes首先提出了一个被称为数据包络分析(Data Envelopment Analysis，简称DEA)的方法以来，DEA数据包络分析作为一种有着严密科学性的非参数方法，被广泛应用于评价决策单元相对有效性，在众多领域得到了成功的应用。现在已经成为管理科学、系统工程、决策分析、评价技术等领域中一种常见而且重要的分析工具和研究手段。数据包络分析根据一组关于输入-输出的观察值来估计有效生产前沿面的，并对评价单元的有效性做出评价。 对于数据包络分析的灵敏性问题，Seiford和Joe Zhu，以及Jahanshahloo进行了论述，但是在传统的研究多个输入或输出时DMU灵敏性的方法中，通常都只考虑输入增加和输出减小时的决策单元有效性问题，这主要是根据如下事实：即输入分量减小或输出分量增加，不会使决策单元DMU的有效性变差。但是，对于多输入、多输出自由变化时，决策单元DMU是否可以保持有效性却没有做深入的研究。在实际应用中，当所有输入、输出分量均可以发生变化时，不考虑输入分量的减小和输出分量的增大将不再合理。本文突破传统研究DEA灵敏性时对输入、输出变化的限制，引入多目标DEA模型，讨论输入和输出分量均可以同时增大和减小的情况，并且给出计算稳定域的算法。研究多个输入和输出同时自由变化时，数据包络分析的灵敏性问题。该算法不仅统一了传统意义下数据包络分析灵敏性的研究，而且为数据包络分析理论应用到实际问题提供了新的更具实用性的方法。 本文总共由五章构成。第一章绪论，主要介绍DEA数据包络分析的基本思想和理论。在第二章中，引入传统意义下数据包络分析有效性和灵敏性的概念，定义一类在研究数据包络分析有效性和灵敏性问题中起重要作用的决策单元。第三章中，提出输入和输出分量均可以自由增大和减小的情况下稳定域的算法。第四章将结合第三章中的理论给出应用实例，并对其进行实证分析。最后，在总结全文的基础上，就进一步工作的方向进行了简要的讨论。