人们对效率度量的热切关注推动着效率评价方法的不断发展和完善，目前效率评价的主要方法有：比率分析法（Ratio Analysis）、回归分析方法（Regression Analysis）、随机前沿分析法（Stochastic Frontier Analysis，简称SFA）和数据包络分析法（Data Envelopment Analysis，简称DEA）。这四种效率评价方法的原理及优缺点比较如表7-1所示。

从表中可知，比率分析法只考虑一种投入和一种产出，虽然简便易行，但偏误较大。回归分析方法虽然能够分析产出的影响因素，但不能用于效率的比较。随机前沿分析法（SFA）和数据包络分析法（DEA）都属于“效率前沿方法”，然而随机前沿分析法的前沿函数的选择、权重的设置较为主观，并且SFA不适合用于多投入—多产出的效率评价。因此，本章选择DEA方法来评价公司R&D投资效率。

1978年Charnes、Coopor和Rhodes提出第一个DEA模型—CCR模型，标志着DEA方法的诞生。DEA方法的一个特点是其能以相对效率为基础，以相同投入水平上产出较多或者相同产出水平上投入较少者为最优样本点，并以这些决策单元（DMU）所形成的生产前沿面进行相对有效性评价，并定义最优样本点的相对效率为1，其他样本点的效率值则取决于其与生产前沿面间的距离，因此，它所进行的绩效评价是一种相对有效性的评价。DEA方法的优势主要体现为：①无须统一指标的量纲，无须设定指标的权重，无须设置具体的函数形式，使评价结果较为客观；②适用于多投入—多产出的效率评价，而R&D活动是多投入—多产出的复杂系统。DEA方法可以较为准确和可靠地测度公司R&D投资效率。(www.daowen.com)

表7-1　效率评价方法的比较