DEA方法（數據包絡分析）是一種用於評估具有多輸入和多輸出特性的決策單元（DMU）之間相對效率的方法。它基於線性規劃技術，通過構建一個生產前沿面來確定相對有效的決策單元。生產前沿面是由投入最小、產出最大的帕累托最優解構成的最優解集合。DEA方法的主要原理是比較決策單元與生產前沿面的偏離程度，以此來評價其相對效率。這種方法不需要明確指定投入和產出指標之間的具體函式關係，也不受量綱的影響，適用於多個投入與產出的決策單元效率測算。
DEA方法的主要優勢在於其能夠處理多輸入和多輸出的情況，且能夠減少主觀因素的影響。它被廣泛套用於各種領域，如醫院、銀行、政府部門等，用於評估這些部門的生產效率。DEA模型通常包括規模報酬不變（CCR模型）和規模報酬可變（BCC模型）兩種類型，分別適用於不同的效率和規模評估需求。
然而，傳統的DEA方法並未考慮環境因素和隨機擾動項對決策單元效率的影響。為了改進這一點，Fried等人提出了三階段的DEA模型，該模型通過引入似不相關回歸（SFA）模型來調整環境因素和隨機擾動項，從而提供更準確的效率評估。
總的來說，DEA方法是一種強大的工具，能夠有效地評估和比較具有不同投入和產出指標的決策單元之間的相對效率。