数据包络分析(Data Envelopment Analysis,简称DEA)是著名运筹学家A.Charnes和W.W.Cooper等学者以"相对效率评价"概念为基础发展起来的一种新的行之有效的系统分析方法.自1978年第一个DEA模型-C<,2>R模型(也称CCR模型)建立以来,有关的理论研究不断深入,应用领域日益广泛.该文的工作就是数据包络分析的应用拓展及与主成分分析的相关性研究.该文的工作分为两大部分.首先该文阐述了DEA方法的基本理论和其基本模型-C<,2>R模型,作为探讨DEA方法在其它领域中运用的一种尝试,并基于化工试验中反应物、生成物之间的投入、产出关系,用DEA方法评价了正交试验设计得出的结果,找出实验的适宜操作条件.实例分析表明,DEA方法用于化工试验设计,具有计算简单,意义清楚的特点,是对正交试验的有益补充.此外,DEA方法除了用于判断一组DMUs中有效和无效单元这个基本的用法之外,最近DEA方法作为了DMUs排序的一种基本模型.Joe Zhu在作者的文章中提出比较主成分分析(principal component analysis,简记PCA)和DEA方法用于具有多输入和多输出的DMUs排序,并且对于在他的文章中所考虑的数据组,通过非参数统计检验表明由DEA方法和PCA方法所得到的两组排序相一致.该文的另一个主要工作就是阐述PCA方法的基本理论及其运算的步骤,指出使DEA方法和PCA方法产生不一致排序结果的情况,并且在该文中将研究改进PCA方法的程序.在程序的改进方面,加入Zhu没有考虑到的其它重要的排序因素.该文的目的在于说明,当一组DMUs数据中只有一小部分是有效单元时,Zhu所采用的PCA方法和DEA方法在得到的排序结果中具有一致性;当一组DMUs数据中有一大部分DMUs是有效单元时,Zhu所采用的PCA和DEA方法产生的排序结果不一致,而改进后的PCA方法与DEA方法产生的排序结果相一致.因此,当采用Zhu的方法用于其他数据组时应谨慎.该文中经过改进的PCA方法则弥补了这个缺点.同时通过天津市各区县的经济指标用这两种方法进行分析,不仅表明这两种方法得到的结果具有相关性,而且可以结合这两种方法,得到有用的结果和信息,为天津的经济发展制定更加全面的、更加有效的策略.