数据包络分析（Data Envelopment Analysis,DEA）作为一种衡量相对效率和排序同质决策单元的方法,广泛应用于金融、医疗等诸多领域。传统的数据包络分析模型要求投入和产出均为精确数,但在实际应用中,我们有时无法获得精确的投入和产出数据,比如一些定性指标,很难精确量化到DEA模型中。模糊数可以很好的表示不确定信息,因此,基于模糊数的模糊DEA研究,引起了广泛关注。此外,传统数据包络分析模型是在“产出越多越好,投入越少越好”的假定下进行的,但在实际生产过程中,可能会存在一些非期望产出,如废物和污染物等,对于此类产出,决策者希望越少越好,这与传统数据包络分析模型的假设相违背。因此,本文对存在非期望产出的模糊DEA模型进行研究,主要的研究内容总结如下:（1）提出了存在非期望产出的可调整模糊机会约束单阶段DEA模型。针对存在模糊数据和非期望产出的多投入多产出单阶段系统,首先,对于精确数表示的非期望产出DEA模型,进行模糊扩展。其次,应用广义模糊测度和机会约束规划将该模型扩展为非期望产出模糊DEA模型。最后,将所提出的可调整模糊DEA模型应用到大卖农场生产评估问题中。（2）构建了存在非期望产出的可调整模糊机会约束两阶段DEA模型。针对现实生活中的两阶段生产经营问题,中间过程和最终过程均存在非期望产出的情形,构建可调整模糊机会约束的模糊两阶段DEA模型。首先,将精确数环境下的Chen的加性效率分解模型扩展到非期望产出情形。其次,应用广义模糊测度和机会约束规划将该模型进一步扩展为非期望产出模糊DEA模型,构建了可调整模糊机会约束的两阶段DEA模型。最后,将所提出的模型应用到银行的效率评价问题。（3）建立了存在非期望产出的可调整模糊机会约束SBM模型。以基于松弛变量测度（Slacks-Based Measure,SBM）的模型为理论基础,构建了存在非期望产出的可调整模糊机会约束SBM模型。首先,在可变规模报酬的假设下,构建了存在非期望产出的模糊生产可能集。其次,在模糊生产可能集的基础上创建了存在非期望产出的可调整模糊机会约束SBM模型。最后,将该模型应用于托盘租赁行业的效率评价问题。研究结果表明,本文提出的可调整模糊机会约束DEA模型能够有效的对现实生产经营活动进行效率评价。本文的研究成果不仅丰富了现有DEA模型理论体系,而且在实际问题中具有广阔的应用前景和价值。