تحلیل پوششی داده ها (dea) روشی برای اندازه گیری کارایی dmuهای متجانس است. روش های مرسوم dea ساختار داخلی dmuها را به صورت جعبه سیاه در نظر می گیرند. اخیراً dea روش هایی برای بررسی کارایی dmuها با استفاده از فرآیندهایی که ساختار دو مرحله ای یا شبکه ای دارند ارائه داده است که در آن خروجی های مرحله اول، ورودی های مرحله دوم هستند و به عنوان اندازه های میانی در نظر گرفته می شوند. در این پایان نامه این روش ها و روابط بین آن ها را بررسی می کنیم. در روش نظریه بازی ها، کارایی کلی فرآیند دو مرحله ای و کارایی هریک از مراحل را با استفاده از مفاهیم بازی های همکارانه و غیر همکارانه به دست می آوریم. مدل های به دست آمده توسط مفاهیم نظریه بازی ها خطی هستند و منجر به یک تجزیه کارایی می شوند که در آن کارایی کلی فرآیند برابر است با حاصلضرب کارایی های دو مرحله. همچنین نشان می دهیم که تمام روش های موجود را می توان با استفاده از مفاهیم نظریه بازی طبقه بندی کرد.

تحلیل پوششی داد ها بر اساس واحدهای مشاهده شده و با یافتن فاصله هر واحد با مرز امکان تولید تخمین زده شده تعریف می گردد.در dea اغلب از نسبت ها به جای اعداد صحیح به عنوان ورودی و خروجی استفاده می شود.تحدب یکی از فرض های اساسی در اندازه گیری کارایی در dea است که در حضور داده های کسری در مدل استاندارد دچار مشکل می شود.بدین منظور مدل های اصلاح شده ی دیگری به جای مدل های استاندارد ارائه شده اند که مشکل تحدب را زمانیکه مقادیر تشکیل دهنده ی داده های کسری معلوم هستند حل کرده اند.