資料包絡分析法 (Data Envelopment Analysis, DEA) 的好處是適用於餐廳經營上 的評估，DEA 模型能夠同時整合廣泛的投入與產出 (Reynolds, 2003) 。儘管 DEA 在 餐旅產業逐漸引起許多人的注意，尤其是在旅館業使用的相當普遍，整理如表 2-4-1，
但此方法較少被使用在評估個別菜單項目的績效。
研究方法 定義 作者
菜單工程
以受歡迎程度及邊際貢獻將菜 單項目分為四個象限的矩陣。
Kasavana & Smith (1982) ; Kwong (2005) ; LeBruto, Ashley, & Quain (1997) ; Morrison (1996) ; Pavesic (1983) ; Raab & Mayer (2007) ; Raab, Mayer, & Shoemaker (2010)
ABC
主要計算是針對營業費用，由 各項作業之資源消耗量進行營 業費用的成本歸屬。
Raab & Mayer (2007)
TDABC
用時間作為單一的作業動因，
以作業的總時間作為成本歸屬 的基礎。
Dalci, Tanis, & Kosan (2010)
11
表 2-4-1.
過去旅館研究使用 DEA 一覽表
資料來源：本研究自行整理
過去關於菜單分析的研究都集中在西方的餐廳 (Kasavana & Smith, 1982; Kwong, 2005; LeBruto, Ashley, & Quain, 1997; Morrison, 1996; Raab & Mayer, 2007; Raab et al., 2010; Taylor et al., 2009) ，亞洲區餐廳菜單的改善較少有人關注。在餐飲業，使用 DEA 來衡量餐廳整體績效的方法逐漸增加 (Assaf, Deery, & Jago, 2011; Reynolds, 2003,
12
Reynolds 與 Biel (2007) 的研究中建議，生產力分析應盡可能包含全面的生產力測 量，包含了傳統的操作型變數，像是收入、利潤、食材成本以及人事成本，加上先前 被忽略的變數，例如顧客和員工的滿意度以及保留盈餘。收集位於美國各大都市中心 的同一品牌連鎖，擁有 36 家分店的休閒主題餐廳的資料，研究發現，導致最大產出的 因素，除了預期中的銷貨成本以及座位數以外，還包括員工滿意度。Reynolds 與 Thompson (2007) 使用 DEA 研究在 62 間全方位服務 (full-service) 的連鎖餐廳，選擇 了以下的投入項：每小時服務工資、餐廳座位數以及餐廳是否為獨立經營的虛擬變數，
產出變數是每日銷售額以及小費佔銷售額的百分比。研究發現，有績效的餐廳有 8 間 以及所有餐廳的平均績效為 82%。
過去多以衡量整體餐廳的績效研究為主，直到 Taylor 等 (2009) 使用菜單工程及 固定規模報酬 (Constant Returns to Scale, CRS) 的 DEA 對全方位服務連鎖餐廳進行菜 單分析，強調 CRS-DEA 比傳統的菜單工程矩陣包含更多的評估因素，因此提供更廣 泛的分析結果。然而，Taylor 等 (2009) 建議 DEA 需要透過更進一步的實證研究證實，
特別是在假設理想情況下，CRS 中投入與產出的比例是固定的，需要進一步的實證研 究，以了解其用於實際餐廳經營的適用性。Reynolds 與 Taylor (2011) 建議，DEA 模 型使用變動規模報酬 (Variable Returns to Scale, VRS) 的假設，會比較符合實際的狀 況。
Sharma 等 (2009) 使用 DEA 以及便利抽樣法評估美國中西部地區餐廳的食材處 理過程以及生產的成本，比較使用在地食材以及透過全國供應商提供的食材之績效，
研究結果顯示不是所有在地食材的成本和非在地食材有顯著的不同，在地食材的運送 時間成本就較高，顯示出餐廳對於控制在地賣家的選擇和管理是很關鍵的變數，確保 與在地生產者/供應者的配合可將時間的不績效降到最小，關係的建立可以避免不斷更 換供應商，因此可以將建立新的供應商之高時間需求的轉移成本降低。從 CRS 到 VRS 的績效值有一致性的增加，呈現出有規模效應。如果參與研究的餐廳增加受測菜色的 數量，沒有績效的菜單項目的績效值將可以獲得改善。研究建議當餐廳計畫要使用在
13
地食材時必須謹慎的選擇供應商，更重要的，餐廳必須盡力將產品在市場中有明顯的 差異化，或者在菜單中更清楚的傳達使用在地食材或藉此創造獨特的菜色。
Fang 與 Hsu (2014) 的 研 究 是 第 一 個 採 用 Metafrontier-to-Data-Envelopment Analysis (MDEA) 方法在餐飲業進行菜單分析。研究中使用創新的 MDEA 法，藉由績 效的測量區分出滿意、有待改進以及不滿意的菜單項目，以增加餐廳的獲利能力。透 過 MDEA 法獲得的 metatechnology 比率去比較不同餐期的技術水平。該研究結果顯示，
根據兩家相同品牌的連鎖餐廳在 3 個月期間，收集到的資料發現，MDEA 法比傳統的 菜單工程方法在評估餐廳獲利上能增加超過 15%。Metatechnology 比率也確立餐期之 間不同的技術水平，這是因為存在著不同的廚師烹調技術者。研究結果提供菜單規劃 者與未來研究重要的管理及策略意涵。
Chou 與 Fang (2013) 的研究使用修正後的菜單工程考慮人事成本以及間接營運費 用 (Indirect Operating Expense, IOEs) 加上使用 VRS 的 DEA 評估中式連鎖餐廳的主菜 績效。收集了兩家同品牌的連鎖餐廳三個月期間涵蓋了高峰與低迷的營運週期中，20 道具代表性的主菜資料。實證結果指出，修正後的菜單工程以及產出導向 VRS-DEA 能分別提供主菜更換以及保留的具體標準。DEA 更進一步提供規模報酬以及無績效主 菜改善的產出差額分析，彌補了菜單工程的缺點。使用 VRS-DEA 模型所觀察到的財 務績效優於使用修正後的菜單工程模型。過去使用 DEA 分析菜單績效的文獻整理如 表 2-4-2。
14
15
第參章 研究方法
本研究將使用 DEA 合併多項投入及產出探討臺灣連鎖台式料理餐廳的菜單項目績 效，首先整理過去的文獻得出投入項以及產出項，並透過訪談餐廳管理者以及資料收 集取得投入及產出數據，而後採用 DEA 衡量菜單項目績效。本研究透過 DEA 對連鎖 台菜餐廳的菜單項目之投入以及產出項數據進行分析，並使用截斷式迴歸評估食物里 程是否會影響菜單項目之績效。本章節將依序針對：DEA、投入項與產出項、研究架 構、研究對象與資料收集、投入差額分析與截斷式迴歸進行說明。