B．BBC 模型[5]
对于每个DMUo，BBC模型如下:
4.案例研究
本实证研究包括:(1)输入和输出变量的选择；(2)利用CCR模型对总效率进行评估，通过BCC模型对技术效率和规模效率进行评估； (3)讨论低效率DMUs的改进策略。 4.1输入和输出变量的选择
根据现有的研究([7][12][31][36][43][46-47][50])，影响研发结果的主要因素有：(1)研发支出；(2)研发人员；(3)实收资本；(4)销售；(5)行业分类；(6)公司规模；(7)公司历史；(8)市场份额；(9)专利数量。在这项研究中，我们选择了四个输入变量和两个输出变量。
四个输入变量如下: A:公司的历史 P:公司的实收资本
R&D: 公司年度研发支出，包含研发现金支出和资本支出 R: 公司研发或相关部门员工数量 两个输出变量如下: S:公司的年销售额
T:国内外专利认证机构认证的专利数量
研究人员在研究研发支出和产生的专利数量之间的关系时发现在衡量研发效率时专利起到重要作用[8][21][35][39][47]。因此，专利是在比较高科技企业时甄别哪个领域有技术进步的有用的指示器。另外，结合销售，研发支出，和研发人员数量等数据为评估公司研发效率提供
基础。52家位于台湾新竹科学工业园区集成半导体公司的数据收集于1995年(科技园年度报告，1995)。为了保密，这些公司分别被编码为DMU1到 DMU 52。
表1 输入和输出之间的相关性
在构念效度的评估上，我们使用相关性分析来检查验证输入和输出变量的等渗性[6][27 - 28]在输入和中间输出进行验证。
如表1所示，我们发现输入和输出之间存在显著的正相关性。因此，DEA模型的等渗性假设得以验证。另外，如文献[6]所推荐的那样，输入和输出变量的数量必须小于或等于所选择公司数量的三分之一。在本项研究中，我们使用了6个变量来评估这52家公司。所选公司数量及其与之相关的与输入和输出变量的数量应该要足够多以确保效率评估具有意义。 5、结果与讨论 A.总效率
通过计算机编程来实现CCR模型，用其计算结果来评估52家位于台湾新竹科学工业园区集成半导体公司的效率。如表2和表3所示， 52家公司的效率值是明显不同的。效率比的平均值为0.563，这意味着约43.7%的公司需要提高其效率。
另一方面，有10家公司的总效率值是1(例如，在效率边界上)。
在所有低效率公司中，DMU31是个例外，其效率值为0.985。有40%的公司 (52家中的20家)效率值超过0.5，有22%的公司(42家中的11家) 效率值小于0.1。低效率公司的效率值差异可能由种种不同的原因比如产品技术、研发滞后、公司规模和其他因素等导致。
表2 DMUs的总效率(TOE)，技术效率(TEE)，
规模效率(SCE)规模报酬(RTS)
表3总效率(TOE)，规模效率(SCE) 和技术效率(TEE)的平均值和偏差
B.技术效率和规模效率
技术效率和规模效率可以通过BCC模型得到。总效率的数值(TOE)由两个要素组成:技术效率和规模效率。表2第二列给出了技术