李思维 姚安阳 孙树垒 沙敏 张正勇
摘要：利用CiteSpace工具对国内外数据包络分析的相关文献进行了关键词聚类、文献共被引、合作关系等可视化分析，得到了如下研究结论：国内外关于数据包络分析的研究都是从理论研究开始逐渐深化，不同的是国内研究与我国社会的发展趋势基本同步，近期主要是在教育领域研究科研方面的效率；国外研究较为多元化，研究热点从早期的农业领域效率研究到工商业领域评估研究，直至而今的能源环境领域研究，近期主要研究如何调节企业的投入产出，尽可能使其所造成的环境污染最小。此外，本文还研究揭示了研究学者、机构、国家间的合作关系图谱。通过对国内外数据包络分析研究的梳理，有利于读者洞悉数据包络分析研究脉络，为相关研究工作的进一步开展提供参考。
关键词：数据包络分析；CiteSpace；文献计量学；可视化分析
中图分类号：C931.2文献标识码： ADOI：10.3969/j.issn.1003-8256.2020.03.005
开放科学（资源服务）标识码（OSID）：
基金项目：国家自然科学基金项目（91746202）
0引言
数据包络分析（Data Envelopment Analysis，DEA）是通过解线性规划模型来计算产品投入产出比率的一种数据效率评价方法。自1978年该方法提出以来，关于数据包络分析的研究与日俱增。随着我国研究的逐渐深化，数据包络分析日渐偏向经济管理领域，近年来，有关其具体的演变趋势以及其在国内外最新的发展趋势鲜有研究。本文利用文献计量学工具CiteSpace对进入21世纪以来国内外关于数据包络分析的应用研究进行分析，从关键词趋势演变分析、机构合作分析等方面揭示其发展规律，并探索数据包络分析的研究前沿与热点，为今后的研究提供相关参考。
众所周知，DEA是效率评价的方法，曾有学者仅仅以“效率”作为关键词，并在限定学科的条件下进行国内外知识图谱的效率可视化分析[1]，然而这种仅从效率演变趋势角度的研究对于DEA的研究而言可能仅是冰山一角。经检索后发现，以“DEA”或“数据包络分析”作为关键词的文献计量研究仅有一篇限定在管理学领域的DEA方法应用研究[2]，随着DEA的研究日渐庞大，急需对其演变态势开展进一步梳理分析。
1数据与方法
1.1数据来源
本文以中文数据库中国知网（China National Knowledge Infrastructure，CNKI）和外文数据库Web of Science（WoS）为数据来源，并设置CNKI检索式为：SU=（‘数据包络分析+‘DEA），WoS检索式为：TS=“DEA”OR TS=“data envelopment analysis”，共同检索时间为2000—2018年间发表的相关文献，最终分别得到中文文献11965篇，外文文献12647篇，利用CiteSpace进行基本的数据去重处理之后即可对其进行分析，数据获取的具体说明见表1。
1.2研究方法
本文对所研究文献分析的方法采取的是以CiteSpace为媒介工具的文献统计方法。该方法主要是利用统计学对获取到的DEA文献数据进行统计分析，描述其数量特征与变化规律，以探索DEA的研究前沿与热点。关于文献计量工具CiteSpace的使用，国内已经有大量的学者进行了应用研究，其中包括关于医院各类病症的可视化分析[3-5]、国内外教育研究的文献综述[6-7]等多方面的CiteSpace应用研究。
2数据分析结果
2.1研究热点与聚类分析
首先对CNKI数据进行关键词聚类分析，图中每个节点代表一个关键词，节点大小与关键词出现频次成正比，节点之间的连线代表关键词之间的共现关系，连线粗细表示共现强度，连线颜色表示第一次出现共现关系的时间，颜色深浅表示时间远近，具体图像见图1。
由图1可知，有关DEA研究的知识结构图谱十分清晰，并围绕关键词生成了14个文献聚类，在此基础上，本文进一步将其划分为方法研究（#0、#3、#5、#6、#8、#12）、技術研究（#1、#4、#9、#10、#11）、应用研究（#2、#7、#13）三个板块。
关于DEA的方法研究，主要是围绕其理论知识进行展开，如DEA模型、DEA技术、规模效率等理论方法的详细阐述，这一研究领域主要是在DEA技术刚被提出的早期阶段，近年来的研究则相对较少；DEA技术研究主要是指在DEA基本模型的基础上，针对其不足提出新的模型，或者将DEA方法与其他方法相结合等各种DEA的技术改进，譬如提出的超效率数据包络分析（Super-Efficient DEA，SE-DEA）新模型，可以对企业各个有效决策单元进行大小排序从而找出最有效的决策单元[8]，以及将DEA与malmquist指数相结合求解全要素生产率等[9]；DEA应用研究贯穿始终，主要是指各个行业应用原始DEA模型或改进DEA模型等各种DEA方法对其生产效率进行评价，并从宏观或微观的角度提出各种对企业有利的改进建议。
对WoS数据库中DEA文献进行关键词研究热点分析，见图2。图2各节点连线更加错综复杂，且围绕关键词共生成了16个聚类簇，各聚类簇名称及其所代表的平均年份见表2。
[14] Wang Y， Luo Y， Hua Z. Aggregating preference rankings using OWA operator weights [J]. Information Sciences， 2007， 177（16）： 3356-3363.
[15] Fukuyama H， Weber W L. A slacks-based inefficiency measure for a two-stage system with bad outputs [J]. Omega， 2010， 38（5）： 398-409.
[16] Tone K， Tsutsui M. Dynamic DEA： A slacks-based measure approach [J]. Omega， 2010， 38（3）： 145-156.
[17] Zhou P，Ang B W，Wang H.Energy and CO2 emission performance in electricity generation： A non-radial directional distance function approach [J]. European Journal of Operational Research， 2012， 221（3）： 625-635.
[18] Hawdon D.Efficiency， performance and regulation of the international gas industry—a bootstrap DEA approach [J]. Energy Policy， 2003， 31（11）： 1167-1178.
[19]？imek M， J？？？ováL， Hopkins D W. What is the so-called optimum pH for denitrification in soil？ [J]. Soil Biology and Biochemistry， 2002， 34（9）： 1227-1234.
[20] Ramanathan R.A multi-factor efficiency perspective to the relationships among world GDP， energy consumption and carbon dioxide emissions [J].Technological Forecasting and Social Change， 2006， 73（5）： 483-494.
[21] Ramanathan R. An analysis of energy consumption and carbon dioxide emissions in countries of the Middle East and North Africa[J]. Energy， 2005， 30（15）： 2831-2842.
[22] Han Y， Long C， Geng Z， et al. Carbon emission analysis and evaluation of industrial departments in China： An improved environmental DEA cross model based on information entropy [J]. Journal of Environmental Management， 2018， 205： 298-307.
[23] Zhou Y， Liu W， Lv X， et al. Investigating interior driving factors and cross-industrial linkages of carbon emission efficiency in Chinas construction industry： based on Super-SBM DEA and GVAR model [J]. Journal of Cleaner Production， 2019， 241： 118322.
[24]夏瓊，杨锋，梁樑，等.两阶段混联生产系统的DEA效率评价模型[J].系统管理学报， 2012， 21（1）： 1-5.
[25]谢建辉，李勇军，梁樑，等.随机环境下的多投入多产出生产前沿面估计[J].管理科学学报， 2018， 21（11）： 50-60.
[26]邓忆瑞，李宁，杨艳丽，等.多目标两阶段组合DEA模型及应用研究[J].系统工程学报， 2018， 33（2）： 258-270.
[27]郭均鹏，吴育华.超效率DEA模型的区间扩展[J].中国管理科学， 2005（2）： 40-43.
[28]韩雅清，林丽梅，魏远竹，等.劳动力转移、合作经营与林业生产效率研究[J].资源科学， 2018， 40（4）： 838-850.
Research on the Hotspot and Development Trend of Data Envelopment Analysis
LI Siwei，YAO Anyang，SUN Shulei，SHA Min，ZHANG Zhengyong（SchoolofManagementScienceandEngineering，NanjingUniversityofFinanceandEconomics，Nanjing 210023，China）
Abstract： In order to understand the development trend， research hotspots， frontier and cooperative relationship of data envelopment analysis （DEA） technology since its entry into the 21st century， this paper uses CiteSpace to make a visual analysis of relevant literatures of DEA at home and abroad， such as keyword clustering， literature co-citation and cooperative relationship， etc. The conclusions are shown as follows： researches on DEA at home and abroad are all gradually deepened from the theoretical research. The difference is that domestic researches are basically in step with the development trend of Chinese society， and recent researches are mainly about the efficiency of scientific research in the field of education. Foreign studies are relatively diversified， with research hotspots ranging from early agricultural efficiency research to industrial then commercial evaluation research， and now energy and environment research. Recently DEA is mainly used to study how to adjust the input and output of enterprises to minimize environmental pollution. In addition， this paper also reveals the map of cooperation among researchers， institutions and countries. Through the analysis of DEA at home and abroad， it is helpful for readers to have an insight into the research context of DEA and provide references for further related research.
Keywords： DEA；CiteSpace； bibliometrics；visual analysis
