数据包络分析（data envelopment analysis,简称DEA）是效率评价、决策分析、管理科学和系统工程等领域中一种常用且重要的分析工具和研究手段。在传统DEA方法中,评价参考集由全部决策单元组成,决策者只能得到与优秀决策单元比较的信息。在一些实际评价问题中,决策者需要的比较对象可能并不是优秀决策单元,而是特殊决策单元或非决策单元。这时使用传统DEA方法无法解决该类问题。基于样本评价的广义DEA方法可以依据任意参考集进行评价,拓展了传统DEA理论,比传统DEA方法更具应用优势。但是现有的广义DEA模型都是径向模型,且将决策单元看作一个整体,很少考虑决策单元的内部结构。鉴于此,本文研究了非径向广义DEA方法,包括广义SBM方法和广义网络SBM方法。该研究是对广义DEA方法和理论体系的进一步完善,拓展了广义DEA方法的应用范围,具体内容如下:（1）基于样本评价的广义SBM（slacks-based measure）方法研究。现有的广义DEA模型要求所有投入同比例减小或产出同比例增大,在实际应用中有一定的局限性。鉴于此,本文定义了含有移动因子的样本生产可能集,并基于样本生产可能集提出了广义SBM模型。根据决策单元是否属于样本生产可能集,研究了决策单元相对样本单元的广义SBM有效性,以及决策单元在样本生产可能集中的投影性质。通过算例将广义SBM方法与其他方法进行比较,说明了该方法的合理性和可行性。同传统SBM相比较,广义SBM方法可以根据需要任意选择评价参考集对决策单元进行效率评价。广义SBM模型中含有面向产出的移动因子,通过移动因子的变化,可以进一步预测在样本生产可能集的整体技术水平提高或降低情况下决策单元效率的变化。（2）考虑决策单元投影有效性的广义SBM方法研究。针对广义SBM方法在度量某些决策单元的效率时可能出现效率被高估的情况,本文提出了考虑决策单元投影有效性的广义SBM方法。该方法提出了统一的效率度量模型,并且改进了广义SBM效率度量方法,保证了决策单元在样本生产可能集中的投影为广义SBM有效,使得效率度量更合理。本文通过算例说明了该方法的合理性和可行性,然后以2011年的数据为评价参考集,2012-2016年的数据为决策单元集,用该方法分析研究了 5年间中国27个地区的高校科研效率变化趋势。研究结果有助于管理者找到决策单元相对于样本单元的优势和不足,效率下降的原因和管理体制存在的问题,进一步调配资源配置以达到有效产出。（3）基于样本评价的广义网络SBM方法及其效率分解研究。针对现有的广义DEA方法很少研究决策单元的内部结构,决策单元内部的组织活动产生的无效性问题无法发现和解决,有助于决策单元提高效率的信息不容易被获取的问题,本文定义了两阶段和多阶段拓展样本生产可能集,分别针对两阶段系统和一般多阶段系统提出了基于拓展样本生产可能集的广义网络SBM模型,研究了决策单元广义总效率的分解方法,广义总效率和广义阶段效率之间的关系。本文通过算例说明了该方法可以根据需要选择同一个样本单元集对不同决策单元集中的决策单元进行效率评价,并且将决策单元分成多阶段系统,有利于分阶段找到决策单元效率不高的原因并加以改进,表明了该方法的合理性和可行性。本文将高校科研系统分成研发和成果转化两个阶段,以2011-2013年的数据为样本单元集,2011-2017年的数据为决策单元集,用该方法分析研究了中国27个地区的高校科研效率变化趋势和科研现状。结果表明,研发阶段的广义效率明显高于成果转化阶段,且成果转化阶段对科研系统的影响较大。管理者要促进两个阶段协调发展,在重视研发创新的同时,更要重视科研成果价值实现,加强对科研成果进一步推广应用的管理意识。（4）基于内部评价的广义网络SBM方法及其效率聚合研究。基于拓展样本生产可能集的广义网络SBM方法是从外部同行的角度对决策单元进行效率评价,广义总效率的度量中没有考虑决策单元的内生投入和产出,且不同决策单元对应的拓展样本生产可能集不同。鉴于此,本文定义了两阶段和多阶段样本生产可能集,从内部管理者角度,分别针对两阶段系统和一般多阶段系统提出了基于内部评价的广义网络SBM方法,定义了决策单元的广义阶段效率和阶段权重。广义总效率是广义阶段效率的加权平均,考虑了决策单元所有的外生和内生投入产出。基于内部评价的广义网络SBM方法在度量决策单元效率时的评价参考集是不变的。本文通过算例验证了该方法的合理性和可行性,然后用该方法分析研究了中国27个地区的高校科研效率变化趋势和科研现状。该方法与基于拓展样本生产可能集的广义网络SBM方法相比较,虽然评价视角、所用方法和计算后的效率值都不同,但在实证分析中得到了基本相同的分析结果。