数据包络分析（data envelopment analysis,DEA）是一种在“相对效率评价”的思想上发展起来的评价方法。传统DEA不仅没有考虑决策单元（decision making unit,DMU）的内部生产过程,而且无法处理负数据,同时过度依赖自我评价,忽略同行评价。网络交叉效率评价方法可同时考虑DMU的内部生产过程以及同行评价。但是现有的网络交叉效率评价模型无法处理负数据,并且已有模型是基于投入导向型的固定规模收益不变（costant returns to scale,CRS）模型建立的,其串联模型无法推广到可变规模收益（variable returns to scale,VRS）假设下,且不能同时从投入产出两方面来评价DMU的交叉效率。本文在可同时考虑投入产出两方面效率的方向距离函数（directional distance function,DDF）模型基础上,提出VRS假设下基础串联结构和并联结构的DDF模型,并将两种结构的系统效率分解为阶段效率的加权平均。随后结合交叉效率思想提出两种结构下的交叉效率评价方法。该方法解决了现有网络交叉效率评价模型不能同时从投入和产出两方面评价DMU交叉效率,以及无法处理负数据的问题,并以数例分析说明了该模型的实用性。随后本文在基础串联结构的DDF模型基础上提出了一般串联结构的DDF模型。该模型每一阶段都可以接受外来投入并对外产出,接着结合交叉效率思想提出了一般串联结构下的交叉效率方法。数例分析表明该模型具有较强的辨别力。最后本文通过实证分析,利用一般串联模型对我国34家银行进行交叉效率评价并与现有的DDF交叉效率评价方法进行比较,发现该方法能够很好地处理负数据,有助于我们分析国内银行的各期绩效情况。本文将DDF黑箱模型推广到网络结构下,并构造相应的交叉效率评价方法,拓宽了DDF DEA模型的应用范围,解决了现有网络交叉效率评价无法处理负数据的问题。因此,本文提出的网络交叉效率评价方法能很好地解决复杂的实际问题,具有很强的应用前景。