تحليل پوششي داده‌ها و محاسبه کارائي
همه تكنيك‌هاي محاسبه كارايي بر اساس تابع توليد عمل مي‌كنند. تابع توليد تابعي است كه بيشترين ستاده ممكن را به ازاي هر نهاده در يك سازمان مشخص مي‌كند. در حالت كلي روش هاي تعيين تابع توليد به دو دسته روش هاي پارامتري و روش هاي غير پارامتري تقسيم مي‌شوند. در روش هاي پارامتري كه در علم اقتصاد مورد استفاده قرار مي‌گيرد ابتدا يك فرم تابعي براي تابع توليد در نظر گرفته مي‌شود و سپس با استفاده از مقادير ورودي و خروجي پارامترهاي مجهول تابع برآورد مي‌شود. در روش هاي غير پارامتري هيچ فرم تابعي پيش‌فرض براي تابع توليد در نظر نمي‌گيريم و تابع توليد به وسيله خود واحدها تعيين مي‌شود.
روش هاي پارامتري هم از لحاظ محاسباتي و هم از لحاظ منطقي محدوديت هايي دارند كه از جمله آن ها مي‌توان به موارد زير اشاره كرد:
- در روش هاي پارامتري لازم است كه يك فرم تابعي براي تابع توليد داشته باشيم تشخيص اينكه تكنولوژي توليد از چه فرم تابعي تبعيت مي‌كند مشكل است و استفاده از فرم هاي تابعي رايجي مانند كاب-داگلاس، به عنوان تابع توليد ممكن است در بعضي از فعاليت هاي توليدي درست نباشد.
- در روش هاي پارامتري واحدها بايد فقط يك توليد يا به عبارتي يك خروجي داشته باشند و اين در حالي است كه ممكن است واحدهاي تحت ارزيابي، چند محصولي باشند.
- استفاده از روش كم ترين مربعات براي برآورد پارامترهاي تابع توليد بيان كاملي از نقاط ممكن توليد نمي‌باشد. زيرا طبق تعريف، تابع توليد بيشترين توليد ممكن به ازاي هر ورودي است در حالي‌كه تابع محاسبه شده از اين روش بيشترين توليد ممكن را در هر ورودي بدست نمي‌دهد.
در تلاش براي رفع مشكلات فوق روش هاي غير پارامتري ايجاد شدند. اين روش ها از آن جهت غير پارامتري خوانده مي‌شوند كه پيش‌فرضي از شكل اساسي تابع توليد ندارند و مقدمات آن توسط فارل مطرح شد. روش فارل با اينكه مشكل مربوط به انتخاب تابع توليد را رفع كرد ولي هنوز مشكل تعداد ورودي و خروجي را داشت. بعد از آن اين مدل براي حالت چند ورودي و چند خروجي تعميم يافت و به روش CCR معروف شد و متدولوژي تحليل پوششي داده‌ها شكل گرفت. در اين روش كارايي، مانند روش هاي پارامتري به صورت نسبت خروجي به ورودي تعريف شده و واحدي كه اين نسبت براي آن بيشترين باشد كارا ناميده مي‌شود. توسعه هاي بعدي در اين مدل اشكال گوناگوني از روش هاي ارزيابي را تشكيل داد كه هر يك خواص و ويژگي هاي خاصي را در ارزيابي بيان مي‌كنند.
مدل CCRبه عنوان مدل پايه اي تحليل پوششي داده‌ها، روشي مبتني بر برنامه ريزي رياضي است كه قادر است كارايي مجموعه اي از واحدهاي تصميم گيرنده را كه داراي ورودي‌ها و خروجي هاي چندگانه هستند در مقايسه با هم محاسبه كند. كارايي در اين روش به عنوان نسبت خروجي به ورودي تعريف مي‌شود. در حالتي كه ورودي‌ها و خروجي‌ها چندگانه مي‌باشند كارايي به صورت مجموع وزن دار شده خروجي‌ها به مجموع وزن دار شده ورودي‌ها تعريف مي‌شود. اگر ارزش ورودي‌ها و خروجي‌ها معلوم باشد آنگاه كارايي به سادگي به صورت زير قابل محاسبه است.
كه در آن vi ارزش ورودي و ui ارزش خروجي واحد i ام است. اما مشكل در تعيين ارزش ورودي‌ها و خروجي‌ها است. اگر واحدهاي تحت ارزيابي، واحدهاي توليدي باشند ارزش دهي يا قيمت گذاري ورودي‌ها و خروجي‌ها مشكل نيست اما اگر واحدها، توليدي نباشند تعيين ارزش واقعي ورودي‌ها و خروجي‌ها مشكل و شايد غير ممكن باشد. مثلاً اگر براي يك مدرسه اگر ورودي را ميانگين معدل دانش‌آموزان هنگام ثبت‌نام و خروجي را تعداد قبولي در دانشگاه‌ها در نظر بگيريم آنگاه ارزش دهي به اين نوع ورودي و خروجي‌ها به طوري كه به خوبي بيانگر ميزان تاثير آن ها در كارايي واحد باشد به راحتي ميسر نيست. لذا در روش CCR ارزش ورودي‌ها و خروجي‌ها متغير فرض شده و براي محاسبه كارايي مدل كسري زير ارائه شد. 
و سپس قيد ديگري براي در نظر گرفتن سقفي براي امتياز كارايي مانند c ( كه معمولا 1 يا 100 در نظر گرفته مي‌شود) منظور گرديد كه شكل مدل را به فرم زير تغيير داد:
تعبير ديگري كه براي مدل CCR مي‌توان در نظر گرفت اين است كه مدل CCR را مي‌توان به يك بازار تشبيه كرد كه در آن واحد تحت ارزيابي p مي‌تواند ورودي‌هايش را به هر قيمتي بخرد و خروجي‌هايش را به هر قيمتي بفروشد اما واحدهاي ديگر نيز مي‌توانند ورودي و خروجي‌هايشان را به قيمت‌هايي كه واحد p معامله مي‌كند، معامله كنند. حال در اين بازار رقابتي واحدي كارا است كه نسبت ميزان فروش به ميزان خريد براي آن بيشترين شود. لازم به ذكر است كه مدل CCR بيان شده در فوق كسري است و در عمل از خطي شده آن استفاده مي‌شود.
