一、引言
三阶段 DEA 方法通过剥离环境因素与随机误差的干扰，能够输出更纯粹的管理效率值，已成为产业绩效评价、区域发展测算等实证研究中的主流工具。在 DEA 家族的各类前沿假设中，FDH（自由处置壳）是极具特殊性的非凸前沿模型，它放弃了凸性假设，仅以真实观测的决策单元作为标杆构建前沿面，更贴合小样本、强异质性场景下的效率评价需求。
但在工具开发中，FDH 三阶段模型是极易出现逻辑偏差的模块：权重变量类型误设为连续型、第三阶段退化回凸模型、单标杆约束下松弛求解不到位、数据调整与非凸前沿错配等问题，都会导致结果完全偏离 FDH 的理论内涵，且表面数值正常，隐蔽性极强。
本文基于规模单调的标准测试集，从单标杆约束合规性、SFA 分解严谨性、模型特性自洽性三个核心维度，对 DEA Performance 软件中的三阶段 DEA-FDH 模块进行全流程验证，确保算法严格遵循自由处置壳的理论定义与 Fried 经典三阶段框架，可稳定用于非凸前沿场景下的效率测算与稳健性检验。
二、理论基础与校验维度设计
2.1 FDH 自由处置壳模型的核心内涵
FDH（Free Disposal Hull，自由处置壳）是 DEA 体系中典型的非凸前沿模型，核心特征为仅允许单个真实 DMU 作为参照标杆，不支持多单元凸组合。对应数学约束为：参考权重 λ 为 0-1 二元变量，且所有权重之和严格等于 1。其前沿面完全由实际观测点构成，相比 VRS 等凸模型，FDH 的前沿更贴近原始数据，效率值通常更高，对极端值的敏感度更低。
2.2 三阶段 DEA 与非凸前沿的适配逻辑
三阶段 DEA 的核心逻辑可概括为 “三步同质化工序”，与 FDH 模型可实现完整适配：
- 原始效率测算：基于 FDH 非凸前沿计算初始效率与总松弛，松弛量包含环境因素、随机误差、管理无效率三类成分
- 松弛异质性分解：以各项松弛为因变量，环境变量为自变量，构建 SFA 随机前沿模型，分离系统性环境影响与随机干扰
- 同质环境重估：将所有 DMU 调整至相同的外部环境与随机水平，再次调用 FDH 模型计算纯管理效率
2.3 校验维度设置
本次验证设置三层递进校验标准，覆盖从底层约束到上层特性的全链路：
- 约束合规：权重变量为二元类型，单标杆约束准确，松弛采用两阶段法求解，确保最大松弛量
- 分解严谨：SFA 模型设定规范，数据调整统一至最不利环境基准，参数与调整幅度逻辑匹配
- 特性自洽：效率序列符合单调数据规律，与同类模型的差异完全符合理论推导，无逻辑矛盾
三、验证方案与测试样本
3.1 测试数据集（全集）
本次验证采用 20 个决策单元的严格单调测试集，包含 2 项投入、2 项产出、2 项环境变量。投入从 DMU1 到 DMU20 持续递增，产出持续递减，数据趋势清晰，可直观观测非凸前沿下的效率变化规律。
表格
| DMU 名称 | 投入 1 | 投入 2 | 产出 1 | 产出 2 | 环境变量 1 | 环境变量 2 |
|---|---|---|---|---|---|---|
| DMU1 | 5.50 | 3.20 | 11.42 | 8.72 | 1.0 | 1.0 |
| DMU2 | 5.82 | 3.35 | 11.18 | 8.56 | 1.2 | 1.1 |
| DMU3 | 6.07 | 3.52 | 10.95 | 8.41 | 1.4 | 1.3 |
| DMU4 | 6.43 | 3.83 | 10.69 | 8.25 | 1.6 | 1.5 |
| DMU5 | 6.68 | 4.01 | 10.48 | 8.09 | 1.8 | 1.7 |
| DMU6 | 7.03 | 4.31 | 10.21 | 7.93 | 2.0 | 1.9 |
| DMU7 | 7.41 | 4.49 | 9.94 | 7.75 | 2.3 | 2.1 |
| DMU8 | 7.93 | 4.92 | 9.65 | 7.54 | 2.6 | 2.4 |
| DMU9 | 8.32 | 5.21 | 9.42 | 7.38 | 2.9 | 2.7 |
| DMU10 | 8.78 | 5.57 | 9.17 | 7.21 | 3.2 | 3.0 |
| DMU11 | 9.29 | 6.01 | 8.90 | 7.02 | 3.5 | 3.3 |
| DMU12 | 9.67 | 6.29 | 8.68 | 6.87 | 3.8 | 3.6 |
| DMU13 | 10.18 | 6.73 | 8.41 | 6.69 | 4.1 | 3.9 |
| DMU14 | 10.63 | 7.07 | 8.19 | 6.54 | 4.4 | 4.2 |
| DMU15 | 11.09 | 7.45 | 7.95 | 6.36 | 4.7 | 4.5 |
| DMU16 | 11.47 | 7.72 | 7.72 | 6.21 | 5.0 | 4.8 |
| DMU17 | 11.92 | 8.00 | 7.51 | 6.08 | 5.3 | 5.0 |
| DMU18 | 12.38 | 8.00 | 7.33 | 5.97 | 5.6 | 5.0 |
| DMU19 | 12.71 | 8.00 | 7.18 | 5.89 | 5.8 | 5.0 |
| DMU20 | 13.00 | 8.00 | 7.02 | 5.80 | 6.0 | 5.0 |
3.2 软件参数配置
本次验证使用DEA Performance软件执行计算，核心参数设置如下：
- 基础前沿模型：FDH（自由处置壳，非凸前沿）
- 分析模式：三阶段 DEA
- 计算导向：投入导向、产出导向分别验证
- 环境变量：2 项，同步纳入 SFA 回归与数据调整
软件参数配置：
四、全流程多维度准确性校验
4.1 单标杆约束合规性校验：FDH 非凸特性落地准确
对照代码实现，FDH 模型严格施加了非凸单标杆约束：参考权重变量设为二元 0-1 类型，且所有权重之和严格等于 1，强制只能选择单个真实 DMU 作为参照单元，完全符合自由处置壳的理论定义，未出现权重连续化、凸性退化等常见错误。
从结果趋势看，投入导向下 DMU1 作为投入最少、产出最多的全局占优单元，处于非凸前沿上，效率值为 1.000000；随着 DMU 规模递增、产出递减，效率值呈现严格单调递减趋势，最终 DMU20 效率为 0.448095，完全符合 FDH 模型的效率分布规律。
软件计算结果：
同时第一阶段松弛采用两阶段法求解：先计算最优效率值，再固定效率最大化松弛总和，确保得到唯一的最大松弛量，为第二阶段 SFA 回归提供了准确的因变量，避免了松弛解不唯一导致的回归偏差。
4.2 SFA 分解严谨性校验：异质性松弛分解到位
第二阶段采用正态 - 半正态 SFA 模型，通过多初始值全局搜索的极大似然估计求解参数，Jondrow 条件期望法分离管理无效率与随机误差，算法实现完全符合经典规范。
分项松弛的拟合参数呈现显著异质性，验证了模型的精细识别能力：
表格
| 变量 | γ（管理无效率占比） | 平均调整幅度 | 背后逻辑 |
|---|---|---|---|
| 投入导向 - 投入 1 | ≈1.0 | ≈0 | 松弛几乎完全由管理能力决定，环境与随机因素影响极小，无需大幅调整 |
| 投入导向 - 投入 2 | ≈0 | 0.2899 | 松弛主要由随机波动驱动，环境因素影响显著，调整幅度相对较大 |
| 产出导向 - 产出 1 | ≈0 | 0.8760 | 产出缺口以随机干扰为主，环境因素影响明显，调整幅度较高 |
| 产出导向 - 产出 2 | ≈0 | ≈0 | 产出松弛受外部干扰极小，调整量接近 0 |
数据调整方向同样符合理论要求：投入导向下所有 DMU 投入统一调增，产出导向下所有 DMU 产出统一调减，最终将全部样本拉平至最不利环境与最差随机水平，确保第三阶段效率仅反映自身管理能力。
4.3 结果合理性校验：模型特性与数据规律匹配
第三阶段调整后，效率序列呈现清晰的经济学与数理特征：
- 投入导向：效率随 DMU 规模扩大持续递减，且与 ST（NDRS）模型结果完全重合。这是由单调数据特性决定的正常现象：投入导向下 ST 模型的最优解恰好满足权重和等于 1，与 FDH 的单标杆约束完全重合，因此最优解一致。
- 产出导向：效率随 DMU 规模扩大持续递增，且数值显著低于 ST 模型结果。该差异恰恰验证了 FDH 的非凸特性：ST 模型允许权重和大于 1，可通过放大标杆单元规模获得更高的扩张比例；而 FDH 强制权重只能为 0 或 1，仅能使用真实观测的标杆单元，因此扩张比例受限于实际观测值，效率值更低。
更多模型异常定位与解决方法可以参考：DEA 结果异常排查方法，覆盖无可行解、效率值异常、投影失真等高频问题的排查思路。
五、FDH 三阶段 DEA 开发的典型避坑要点
结合本次验证经验，梳理 FDH 模型三阶段 DEA 开发中 4 类极易被忽略的特性类错误，供同行参考：
- 权重变量类型误设：将二元变量误设为连续型，直接退化为 VRS 模型，完全失去 FDH 非凸前沿的分析价值，是 FDH 模块最高发的隐蔽错误
- 第三阶段约束退化：第二阶段数据调整后，第三阶段忘记复用 FDH 的二元权重约束，导致前后阶段前沿假设不一致，结果失去可比性
- 松弛求解忽略单标杆特性：直接沿用凸模型的松弛求解逻辑，未在单标杆约束下最大化松弛总和，导致 SFA 因变量偏小，分解结果失真
- 与凸模型结果混淆解读：误将 FDH 与 VRS/ST 的数值差异判定为计算偏差，忽略非凸前沿与凸前沿的本质区别，造成实证结论误读
关于非期望产出 DEA 怎么处理的更多操作细节与模型原理，可参考配套的 SBM-U 三阶段模型验证与操作教程。
六、结论
通过单标杆约束合规性校验、SFA 分解严谨性验证、模型特性自洽性分析三层全流程检验，可以得出最终结论：
- DEA Performance 软件的三阶段 DEA-FDH 模块严格遵循自由处置壳的理论定义，二元权重、单标杆约束实现准确，两阶段松弛求解符合标准处理方式。
- SFA 随机前沿分解算法严谨，能够识别不同变量的松弛来源异质性，数据调整规则统一至最不利环境基准，完全符合 Fried 经典三阶段理论框架。
- 调整后纯管理效率序列符合单调数据的经济规律，分导向下与 ST 模型的异同完全匹配理论推导，非凸前沿特性体现充分，20 个样本全部成功求解，数值计算稳定可靠。
- 该模块可用于小样本、强异质性场景的效率评价，也可作为凸模型结果的稳健性检验工具，丰富实证研究的分析维度。
作为一款免费的数据包络分析软件，DEA Performance 在 FDH 这类小众进阶模型上的实现精细度突出，全中文可视化界面、零代码操作的特性，也让它成为非常适合的论文用 DEA 软件推荐选项。软件目前仅支持 Windows 系统，全程本地离线运行，数据安全有保障，免费版开放全部模型功能，仅限制 DMU 与指标数量，小样本预研、课程作业完全够用。
后续会持续更新更多模型的准确性验证内容，也欢迎大家在评论区交流三阶段 DEA 实证研究中的问题与经验。
DEA Performance 链接：https://pan.baidu.com/s/1ziQkmN9LmLDebUGBIolIyw?pwd=5802
