保险经营效率作为衡量保险企业资源配置和投入产出能力的综合指标得到了广大研究者、经营效率理论监管者甚至消费者的认可和看重。提高保险经营效率对于确保保险偿付能力、经营效率理论防范系统性风险，促进行业持续健康发展具有重要意义。经营效率理论度量企业经营效率的方法有两类：一类是基于统计和计量的参数方法，另一类是基于数学规划的非参数方法。经营效率理论这两类方法都需要估计“最佳实践”前沿（或边界），通过衡量相对于最佳前沿的距离来测度具体决策单元的效率。

参数类方法中用得最多的是随机前沿分析（SFA）方法，这是一种随机方法，需要给出成本、利润或生产函数的形式，其逻辑是，企业经营效率理论之所以偏离最佳前沿，可能是因为无效率、随机冲击或者测量误差，与无效率没有关系。因此，SFA中误差项假设是由一个无效率成分和一个纯随机成分两部分组成，而效率是通过从总误差项中分离出效率成分来测定的。有的计量方法要求给出误差项各组成部分特定的分布假设，而有的计量方法则不要求这样的假设。以成本函数为例，误差项的无效率成分通常假设服从非对称的半正态分布，用以描述无效率使成本增加而超出最佳前沿水平的现象；纯随机成分通常假设服从标准正态分布，标准正态分布是对称分布，与随机冲击既可能增加成本，也可能减少成本的随机波动性相吻合。另外两种参数方法是自由分布方法（DFA）与厚前沿方法（TFA）。DFA假定效率差别在所有时间内是稳定的，对每家公司估计的效率是其平均偏差与在前沿线上的行业平均偏差之间的差额。TFA事先指定函数形式，并假设预测效率值在观察值的最高和最低绩效四分位数[3]内的偏差代表随机误差，而最高和最低四分位数之间的偏差代表无效率。虽然TFA方法假设了上述偏差，但没有对无效率和随机误差成分的分布做假设，其本身并没有对单个公司的效率提供确切的点估计[4]，但倾向于对整体效率的一般水平提供估计，TFA降低了数据中极值点对结果的影响。

非参数方法与参数方法各有利弊，因为效率的真实水平是未知的，所以没有办法断言哪种方法绝对占优于另一种方法。正是因为两类方法都不完美，经营效率理论为得到精确度更高、解释力更强的效率值，研究者们不断改进效率测度方法，提出了结合两者优点的三阶段DEA方法。正如前文所述，经营效率理论阶段DEA方法由第一阶段的一般DEA模型、第二阶段基于SFA模型对第一阶段松弛变量的分解以及第三阶段调整后的DEA模型构成。三阶段DEA方法结合了两类方法的优点，经营效率理论功实现了同时调整环境变量与随机误差项等因素的影响，从而得到经济主体的内在经营管理效率。相比较而言，三阶段DEA方法是目前研究中使用最为广泛的效率测度方法。根据实际问题的需要，还可以将第一和第三阶段的一般DEA模型进行改进和拓展。