数据包络分析(Data Envelopment Analysis,DEA)作为一种通用的数学规划方法,可以用来评价有着多投入、多产出的同类型决策单元,以找到最佳决策单元,这些年来,DEA方法被广泛应用到各类生产活动的评价中,并取得重要的成果,这是因为它能够对决策单元进行评价,为决策者提供有用信息,但是,传统DEA可以自由的选择最优权重,是一种通过关注决策单元优势方面进行评价的方法,为了得到最大的效率,评价过程会减弱决策单元的不足方面的影响。这种自由选择权重的方法能够有效识别低效的决策单元,但是降低了DEA的评价能力,为了解决这一问题,大量的学者对反效率模型进行了研究,并被广泛应用到实践中,现有对反效率模型的研究还处于简单的单阶段,构建复杂网络结构下的反效率模型,并构建新的指标可以有效提高原模型的评价能力。传统的DEA方法通常将单个决策单元被为一个“黑箱”,而忽略了内部组织结构,这会影响评价结果,现实生产过程中,很多决策单元的内部结构是一个网络系统而非“黑箱”,比如商业银行的运营过程可以看做一个串联的网络结构,森林生产系统是一个典型的并联结构,本文以网络DEA中的串联和并联为例,构建了串联结构下的反效率模型和并联结构下的反效率模型,并对串联结构下的反效率模型进行效率分解,然后根据决策者的评价目的,结合效率和反效率构建了三种效率指标。在实证阶段,将构建的模型应用到我国商业银行和某地区森林生产系统的评价中,比较了样本数据在传统DEA模型,反效率DEA模型以及重新构建的三种效率评价指标的排名,并将结果进行分析对比,发现结合了反效率的指标能够有效提高原模型的评价能力,对串联结构下的反效率模型进行效率分解也能有效识别低效阶段,展现了本文所建模型以及效率指标的合理性与可行性。拓展了网络DEA的评价理论。