این رویکرد بیشتر در تجزیه و تحلیل مسائل اقتصادی کاربرد دارد و برای تخمین تابع تولید از روش های آماری استفاده می‌کند .

این رویکرد نیاز به داشتن یک تابع یا بیان مشخصی از رابطه بین داده‌ها و ستاده ها و تکنولوژی دارد .اولین گام در استفاده از این روکیرد برای تخمین تابع تولید و تعیین میزان کارایی، انتخاب یک نوع تابع مناسب برای تابع تولید می باشد / در این رویکرد بایستی از قبل برای واحد های تحت ارزیابی نوع تابع تولید را مشخص کرد و با بهره گرفتن از روش های آماری پارامترهای تابع تولید را برآورد کرده و بر اساس این تابع میزان کارایی واحد های تحت بررسی را مشخص کرد.
بطور کلی روند رویکرد پارامتریک بدین صورت است که با بهره گرفتن از داده‌های مشاهده شده پارامترهای یک تابع تولید مشخص را برآورد کرده و سپس بر اساس آن میزان کارایی واحد های تحت ارزیابی مشخص می‌شود.
از مفروضات این رویکرد می‌توان به مشخص بودن نوع رابطه بین نهاده ها و ستاده ها یا شکل تابع تولید و همچنین موجود بودن اطلاعات درباره ارزش یا قیمت نهاده ها و ستاده ها اشاره کرد. مفروضات فوق قابلیت کاربردی این رویکرد را تا حدود زیادی کاهش داده است .چرا که اغلب نوع تولید در هر صنعت خاص مشخص نبوده و در اغلب موارد ارزش یا قیمت نهاده ها و ستاده ها (بویژه در سازمان های غیر انتفاعی و دولتی )مشخص و معین نمی باشد.
۲-۵-۲٫ رویکرد ناپارامتریک :
این رویکرد که بیشتر در تجزیه و تحلیل مسائل مربوط به کارایی کاربرد دارد به جای استفاده از روش های آماری به استفاده از روش های برنامه ریزی ریاضی تاکید خاصی دارد. با توجه به این رویکرد بیشتر بر روی مرز تولید می باشد تا تابع تولید.
این رویکرد نیازی به مشخص بودن نوع تابع تولید یا شکل رابطه کارکردی بین نهاده ها و ستاده ها و ارزش یا قیمت نهاده ها و ستاده ها ندارد. این رویکرد به جای تخمین تابع تولید، با مشاده مقادیر نهاده ها و ستاده های تخت ارزیابی با بهره گرفتن از روش های برنامه ریزی ریاضی یک مرز تولید یا مرز کارایی را به عنوان مبنا و معیار کارایی واحد ها قرار می دهد. این رویکرد به دلیل داشتن ماهیت تجربی و نداشتن مفروضات دست و پاگیر و انعطاف پذیری بالا قابلیت کاربرد زیادی به ویژه در موضوعات تحلیل کارایی دارد.

۲-۶٫مفهوم کارایی نسبی :

منظور از اندازه گیری کارایی یک واحد با واحد های دیگری که ورودی ها و خروجی های نسبتا مشاهبی دارد می باشد. روش های مختلفی برای اندازه گیری کارایی نسبی وجود دارد که برخی از آنها روش های مطرح شده در علم اقتصاد می باشد. روش جدید دیگری که مبانی آن در قسمت های قبل مطرح شد و با مدلهای آن در بخش بعد آشنا می شوید «تحلیل پوششی داده‌ها » است .

۲-۷٫تحلیل پوششی داده‌ها

۲-۷-۱٫تاریخچه تحلیل پوششی داده‌ها ^[۵۲]
موضوع رساله دکتری رودز^[۵۳] به راهنمایی پرفسور کوپر^[۵۴] که عملکرد مدارس دولتی ایالات متحده آمریکا را مورد ارزیابی قرار می داد، منجر به چاپ اولین مقاله درباره معرفی عمومی تحلیل پوششی داده‌ها در سال (۱۹۷۸) گردید. در این مقاله سه متخصص تحقیق در عملیات (چارنز، کوپر و رودز ) از طریق برنامه ریزی ریاضی، اندازه گیری کارایی یا معرفی کردند. روش تحلیلی پوششی داده‌ها با جامعیت بخشیدن به روش فارل به گونه ای که خصوصیت فرایند تولید با چند عامل (نهاده ) و چند محصول (ستاده ) را در بر می گیرد، به ادبیات اقتصادی اضافه گردید (چارنز، کوپر، رودز، ۱۹۸۷). این روش عمدتا به عنوان روش اندازه گیری کارایی در جهان شناخته شده است، سپس در سال ۱۹۸۴ بنکر، چارنز و کوپر مفاهیم و مدلهای تحلیل پوششی داده‌ها را توسعه دادند. بطور کلی از طمان معرفی تحلیل پوششی داده‌ها مدلهای گوناگونی از آن ارائه شده است.
با پیشرفت و تکامل این روش در حال حاضر (DEA) یکی از حوزه هی فعال تحقیقاتی در اندازه گیری کارایی بوده و بطور چشم گیری مورد استقبال پژوهشگران جهان قرار گرفته است، این روش برای ارزیابی عملکرد سازمان های دولتی و غیر انتفاعی که اطلاعات قیمتی آنها معمولا در دسترس نیست یا غیر قابل اتکا است، کاربرد قابل ملاحظه ای دارد.
این روش در طول دو دهه اخیر توسط دانشمندان علوم تحقیق در عملیات و مدیریت مورد تاکید و بهره برداری قرار گرفته است. روش (DEA) در واحد هایی که با گستدردگی متفاوت از ۱۵ واحد تا سقف ۲۵۰۰۰ واحد مورد مطالعه قرار گرفته است. در ابتدا مدل های (DEA) برای ارزیابی کارایی نسبی سازمان ها و موسسات غیر انتفاعی مانند مدارس در سال (۱۹۸۰)، دادگاه ها در سال (۱۹۸۲) و بیمارستان ها در سال (۱۹۸۳)، اسستفاده گردید. به مرور زمان کاربرد های مدل های (DEA) به منظور پوشش در سازمانها و موسسات انتفاعی، تعمیم یافت (چارنز، کوپر، سیفورد، ۱۹۹۴). اصولا معرفی انواع و روش های اندازه گیری کارایی از طریق علمی، بر اساس روش فارل ^[۵۵] در سال (۱۹۵۷) میلادی صورت گرفته است. فارل پیشنهاد نمود مناسب تر است که عملکرد یک سازمان (بنگاه اقتصادی ) با عملکرد بهترین بنگاه های موجود در آن صنعت مورد مقایسه قرار گیرد. البته مبنای نظرات فارل اندازه گیری کارایی، مطالعات انجام شده توسط دبرو ^[۵۶]و کوپمنز^[۵۷] در سال ۱۹۵۱ بود.
۲-۷-۲٫تعریف تحلیل پوششی داده‌ها (DEA) :
هماهنگونه که پیشتر اشاره شد تحلیل پوششی داده‌ها توسط چارنز، کوپر و رودز بر مبنای مدل فارل ابداع گردید. آنها در مقاله خود این روش را به صورت زیر تعریف کرده اند :
« تحلیل پوششی داده‌ها یک مدل برنامه ریاضی به کار گرفته شده برای داده‌های مشاهده شده است که روشی جدید برای تخمین تجربی نسبت های وزنی یا مرز کارایی را همچون تابع تولید فراهم می سازد که پایه اقتصاد مدرن می باشد ».
تحلیل پوششی داده‌ها (DEA) یک روش برنامه ریزی برای ارزیابی واحد های تصمیم گیرنده (DMU) است. منظور از (DMU) عبارت است از یک واحد سازمانی یا یک سازمان مجزاست که توسط فردی به نام “مدیر” یا “رئیس” یا “مسئول” اداره می‌شود. به شرط آن که این سازمان یا واحد سازمانی دارای فرایند سیستمی باشد ،یعنی تعدادی عوامل به کار گرفته شوند تا تعدادی محصول به دست آید .
با توجه به اینکه سیستم مورد نظر شامل سیستم های تولیدی و خدماتی، یا انتفاعی و غیر انتفاعی، و یا دولتی و غیر دولتی می‌شود. لذا در ادبیات تحلیل پوششی داده‌ها به منظور جلوگیری از پراکنده کاری، به جای عوامل ورودی سیستم از مفهوم نهاده و به جای محصولات خروجی سیستم، از مفهوم ستانده استفاده می‌شود. مفاهیم نهاده و ستاده از علم اقتصاد گرفته شده است که مبنای تحلیل ها این روش جدید است. اگر یک واحد تصمیم گیری تنها دارای یک نهاده و یک ستاده باشد کارایی این واحد از طریق سقسیم ستاده به نهاده به دست می آید. در حالتی که هم نهاده و ستاده های چند گانه وجود داشته باشد. در صورت وجود قیمت (ارزش ) هر یک از نهاده ها و ستاده می‌توان از طریق تقسیم مجموع وزنی ستاده ها به مجموع وزنی نهاده ها کارایی واحد را محاسبه کرد. ولی در اغلب اوقات ارزش یا قیمت نهاده ها و ستاده ها مشخص نیست.
البته در موارد نادر و یا ساده ای می‌توان درباره ی کارایی واحد ها قضاوت کرد. فرض کنید دو واحد تصمیم گیری به نام های واحد « الف » و واحد « ب » وجود دارند. هر دو این واحد ها از دو نهاده A و B برای تولید تنها ستاده C استفاده می‌کنند. اطلاعات مربوط به مقدار مصرف از نهاده های A و B و میزان تولید از ستاده C به شرح جدول زیر است.
جدول۲-۱٫ نهاده و ستاده ها

در این حالت هر دو واحد دارای ستاده یکسانی هستند. ولی واحد «الف» نسبت به واحد «ب» به میزان یک واحد کمتر کرده است و همان تعداد ستاده واحد «ب» تولید کرده است .
مثال فوق یک مورد بسیار ساده می باشد. در دنیای واقعی تعداد واحد های تصمیم گیری زیاد و دارای نهاده ها و ستاده های چند گانه می باشند و مقایسه زوجی همه ی واحد ها امکان پذیر نمی باشد .
تحلیل پوششی داده به جای مقایسه یک به یک واحد ها یک ترکیب خطی از واحد ها را با هم مقایسه می‌کند. بدین صورت که وقتی چندین واحد تصمیم گیری با نهاده ها و ستاده های چند گانه وجود دارد بجای مقایسه یک به یک واحد، با ایجاد یک واحد مجازی که ترکیبی خطی از سایر واحد های تصمیم گیری می باشد به ارزیابی واحد های تصمیم گیری می پردازد .