三、 研究方法
3.3 資料包絡分析法
3.3.3 應用程序
=
∆xik xik （x －sik −ik*）； i = 1,…, m （5）
=
∆yrk （θ*yrk+ s+rk
*）－yrk； r = 1,…, s （6）
由上兩式可知，對於無效率 DMU 需要減少投入∆xik與增加產出 yrk
∆ 才可達到有效率，此即 BCC 模式之產出導向的差額變數分析。
綜合可知，CCR 模式與 BCC 模式是資料包絡分析法中，最常用來評 估效率的兩種基本模式，其他尚有加法模式、乘法模式、配置效率模式和擁 擠模式等，有興趣的讀者可參閱高強等（2003）、孫遜（2004）等著書。
3.3.3 應用程序
Golany and Roll（1989）將資料包絡分析法應用經驗發展為詳細的使 用程序，其流程步驟為：(1)定義與選擇具高同質性的決策單位（DMU）
以進行分析。(2)決定具有相關性且適合的投入與產出，便於對前項 DMU 進行相對效率分析。(3)應用 DEA 模式與評估分析實證結果。
為準確應用資料包絡分析法於實務上，於此將Charnes et al.（1994）、
駱豐裕（2004）、孫遜（2004）等研究所得之應用程序說明如后：
1 .定義並選擇決策單位
DEA 旨在評估一組 DMU 間的相對效率，各單位需具備高度的同 質性，方可有效進行分析。否則不相關的單位間比較，無法分辨是 DMU 間外在差異或因內部管理的無效率，致使評估結果缺乏內容效度。所謂 同質性高是指各決策單位具有下述特質：
(1)受評估單位有相同的目標，執行相似的工作。
(2)處在相同的市場環境下運作。
(3)有相同之投入產出項。
DMU 與投入產出項指標間之個數有一定的限制，每增加一投入產 出項則會降低 DEA 之鑑別力（discriminating power）；但 DMU 個數 若太少，則不易找出生產效率邊界。為了維持 DEA 模型對效率排序之 區別能力， DMU 之數量需依循 Golany and Roll（1989）之經驗法則：
「受評估之 DMU 個數至少應為投入項與產出項個數總和的兩倍」。
若其個數太少，可利用 DEA 之視窗分析（window analysis）使其個數 增加，如將原先以年度為期，改以月或季計算，如此 DMU 個數將會
因時間的縮短而增加，符合個數大於投入產出項總數兩倍的要求。
本研究應用資料包絡分析法，選定2004年至2006年間經濟部技術處
「中科院軍品釋商科技專案」之應結案專案。在相同的市場環境，每個 專案由中科院與廠商共同執行，透過協同開發或技術移轉以建立合格軍 品供應商為目標；而每個專案所投入經費、人力與研發產出項指標相 同，僅數額大小不同，基本上符合同質性之要求。
2 .投入產出績效指標之選取
初步選擇時，應廣泛將所有指標項目列入考量，惟所選定的投入產 出項指標應與專案目標相匹配，否則會影響到績效衡量的結果。一般而 言，選取投入與產出項時應依照一定規則並謹慎選擇。針對投入產出項 目指標之產生方式可利用相關研究文獻、經驗判斷法、非 DEA 之量化 方法與 DEA 模式之試行來實施指標變數篩選，茲將其步驟說明如后：
(1)相關研究文獻
1利用資料庫，蒐集國內外期刊論文。
2利用研究機構圖書資料系統，蒐集國內外研究報告。
(2)經驗判斷法
經驗判斷法是藉由與相關領域的專家晤談，再將初期已列出之所 有可能指標進行篩檢，在篩檢時須注意：
1此指標與專案目標是否相關？對目標是否有貢獻？
2受篩選的指標是否比其他指標更能明確顯現適當的訊息？
3受篩選的指標是否包含與技術效率相衝突的部分？
4受篩選的指標其效力或信效度如何？
5有關指標之資料是否容易取得？
(3)非 DEA 之量化方法：如因素分析（factor analysis）。
1變數指標可否用數量價值衡量，如以經費、人數或數量等作為衡量 項目。
2資料包絡分析法中決策單位之任何投入項的增加，不應導致產出的 減少，即須符合同向性（isotonicity）。即投入與產出之間應是正
相關，此特性可以統計之相關分析來加以檢驗。
所謂同向性檢定，乃利用相關係數檢定任一產出項與投入項間 是否具有同向性，即任一產出項與任一投入項之相關係數必須為 正。
(4) DEA 模式之試行
經過前述步驟篩檢出的指標，接著將其載入DEAP軟體中試行，
以做最後階段的確認。由於固定規模報酬模式的結果是總效率，最能 顯示出 DMU 之差異性，故通常以其模式作為試行的模式。在試行 時，若發現有指標在各 DMU 所顯示的乘數甚小者，即表示此指標 對總效率值之影響微弱，必須將之刪除。
3 .應用 DEA 模式與分析結果
所選取之 DMU、投入產出項指標與效率衡量需有密切的關聯。剛 開始選取的指標並不一定符合分析目的所需，必須利用 Golany and Roll （1989）研究所得之流程重複試行來篩選，直至滿足實證分析目的為 止。本研究之實證分析將包含下述評估結果分析：
(1)效率值分析：瞭解造成無效率之原因，是來自技術或規模的無效率。
根據Norman and Stoker（1991）所建議的判斷標準，將所評估之 DMU 區分成四類，以瞭解每個專案執行效率的優劣。
c強勢效率單位：此類決策單位的總效率值為 1，且出現在許多有效 率決策單位的參考集合中，出現在其他參考集合之次數愈多，隱含 其超越無效率決策單位之強度愈高。因此，除非其投入產出項有重 大的變動，否則均可維持為有效率者。
d邊際效率單位：此類決策單位的總效率值為 1，而在參考集合出現 的次數為 1 次或 2 次（包括本身的參考集合）。若產出項值有小 幅的降低或投入要項有小幅的增加，則其效率值有可能因此降至 1 以下，淪為無效率者。
e邊際無效率單位：此類決策單位的總效率值小於 1，但大於 0.9。
若對投入產出項予以適當調整，即可提升為有效率者。
f明顯無效率單位：此類決策單位的總效率值小於 0.9。若想在短期 內改善為有效率者較為困難。若有效率值低於 0.75 者，除非有重 大的突破，否則很難改善其無效率評等。
(2)規模報酬分析：判斷 DMU 是否處於最適生產規模。若規模效率不 等於 1 時，則可藉由規模大小的改變使效率值提升，透過 DEA 規 模 報 酬 的 結 果 來 決 定 規 模 需 擴 大 或 縮 小 。 若 處 於 規 模 報 酬 遞 增
（increasing returns to scale, IRS），則應擴大規模；若處於規模報酬遞 減（decreasing returns to scale, DRS），則應縮小規模；若處於固定規 模報酬（constant returns to scale, CRS），則表示該 DMU 的生產規 模已是最適境界。
(3)被參考次數分析：做為無效率 DMU 競爭比較之參考，當某 DMU 出現在參考集合的次數愈多，表示該 DMU 有效率的強度愈強。
(4)效率排序：找出最佳模範生，提供無效率者之改進參考。