投入得到可以获得的最大产出水平，然后计算出样本中每个实体与该生产前沿面的距离，这就是该实体的技术效率。因此，评价效率的关键是如何获得生产前沿面的性状。生产前沿面在通常情况下是未知的，但可以通过一定的方法运用样本估计得出。Farrell(1957)认为，可以运用参数统计方法对数据进行拟合估计，也可以构建一个非参数的线段凸面进行估计。

(一)参数方法与非参数方法的对比分析

参数方法是假设样本数据服从某种概率分布，并从中推断出参数的分布。参数分析法主要包括随机前沿方法、自由分布法和厚前沿分析方法。以往的统计推断大多是运用参数分析法，而在无法推断参数的情况下，非参数方法可用来进行统计推断。参数和非参数方法有其各自的优缺点和适用范围。

(二)会计师事务所运营效率评价的DEA 方法选择

非参数DEA 方法是对具有多投入、多产出指标DMU 的相对效率进行评价的一种方法。该方法不需要确定前沿生产函数，对于DEA 无效的DMU，它可以指明与DEA 有效的DMU在投入产出项目上的差距，提供改进运营效率的直接途径。DEA 使用数学规划运算得到DMU 的最优解，能够求出更符合实际的评价值。DEA 模型以DMU 的各项投入、产出指标的权重为依据进行评价运算，不需预先对各项指标进行主观赋权，从而避免了主观性，保持了评价结果的合理性。此外，DEA 方法操作方便，易于理解，而传统的统计模型需要事先界定指标体系的含义或对指标进行相关性研究。

基于以上分析，考虑到会计师事务所自身数据的特性，即几乎无法找到符合事务所投入产出过程特性的生产函数，本文选择非参数的DEA 方法评价会计师事务所的运营效率是比较符合现实的。

(三)DEA 评价模型简介

R 模型和BCC 模型。在DEA 分析中，最常用的是CCR 模型和BCC 模型。CCR 模型是Charnes、Cooper 和Rhodes(1978)提出的第一个DEA模型。CCR 模型是多输入多产出的效率评价模型，一个决策单元的效率可定义如下：E=mi uiOini vjIj其中，ui 和vj 分别是投入指标Oi 和产出指标Ij的权重值。从公式中可以看出，一个DMU 的相对效率可以用其所有产出的加权与其所有投入的加权和的比值来计算，这一比值小于或等于1。另外，模型要求每个指标不能为负值，且指标要有普适性，即同一组指标可以用于所有的DMU。

CCR 模型的一个基本假设是规模报酬不变，在此前提下，决策单元可以通过增加投入等比例地提高产出，因此，CCR 模型计算得出的是技术效率。然而，由于规模报酬不变的假设在严格意义上并不成立，Banker、Charnes 和Cooper(1984)又对CCR 模型进行了扩展，剔除了规模报酬的影响，这个模型便是BCC 模型，由此计算出的相对效率是纯技术效率。

2.交叉效率模型。在CCR 模型和BCC 模型中，各个DMU 在为其各指标赋权时具有很大的自由度，这一过程被称为自评。每个DMU 在选择权重时总是以其自身的效率最大化为目的，故单纯依赖这种自评的结果是存在弊端的。另外，这种自评结果给出的效率值对不同的DMU 来说也是缺乏可比性的，它仅能说明各DMU 是否有效，但不能对DMU 的相对效率进行排名。