数据包络分析作为目前应用最为广泛的相对效率评价方法之一，在商业银行效率评价方面也有着丰富的研究成果和实证结论。然而，数据包络分析在目前的理论研究和实际应用上，都存有一定的问题和不足。首先，企业生产过程在传统的DEA理论中被视为生产黑箱，评价模型不关注企业内部生产环节的相关关系和联系结构。其次，传统的DEA模型是建立于确定性的理论基础上，即要求所有的投入产出指标是确定性数据。而在实际中，由于信息的不完整性、评价指标的模糊属性、事前预测的需要等因素的存在，在许多效率评价问题中都有模糊性因素。再次，在许多应用实例中，样本数量难以令人满意，在缺少同类样本单元的条件下，所谓的生产前沿边界并不能表示决策单元所能达到的最佳水平。这样可能会产生效率值高估，以及非有效决策单元被误断为有效的情况发生。最后，在实证方面，许多商业银行的效率评价实例仅仅考虑盈利性，不符合商业银行经营管理的特点。本文首先充分了解了链形系统DEA模型以及模糊集的相关理论，在模糊可能性测度和模糊必然性测度的基础上，分别建立了基于P测度的链形系统模糊机会约束型DEA模型，以及基于N测度的链形系统模糊机会约束型DEA模型。通过对两个模型进行简化求解，得到了确定性等价线性模型。改进模型可以广泛地应用到许多具有链形特征的复杂经济系统的效率评价问题中，较好地解决模糊不确定性、小样本等问题，提高测算的准确度。其次，在对商业银行进行效率测算过程中，本文将商业银行的风险水平作为一个投入指标，纳入到投入产出指标体系中。也就是说，商业银行要在承担相同的风险的情况下争取最大的产出，或在获得相同产出的情况下，要争取承担最小的风险。这样，银行真实的效率状况可以被客观的反映以及准确地计算。然后，运用带有风险因素的改进模型进行效率评价，得到了不同置信水平下2005年——2012年16家商业银行全过程和子过程的P测度模糊效率和N测度模糊效率，并对测算结果进行了分析。最后，针对我国银行业的特点，提出了增强其相对有效性的政策建议。