پیشینه تحقیق ومبانی نظری روش تحلیل پوشش داده ها (DEA)

بخشی از متن:
لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 37 صفحه

 قسمتی از متن word (..doc) : 
 

‏روش تحلیل پوشش داده ها
‏روش تحلیل پوشش داده ها (DEA‏) که رویکرد ناپارامتریک برآورد توابع مرزی است برای اولین بار توسط چارنز، کوبر و رودز (1987) معرفی شد. این محققین مفاهیم پیشنهادی فارل را رواج دادند و از آن پس در مقالات زیادی این روش به کار گرفته شد. در این روش بدون در نظر گرفتن شکل تبعی خاصی برای توابع، از برنامه ریزی خطی (LP‏). Linear programming
‏ و در نظر گرفتن نهاده ها و ستانده های بسیار متفاوت استفاده شده است و اقدام به یک سری بهینه یابی می شود و مقدار کارایی واحدهای مورد بررسی تحت دو فرض بازدهی ثابت و متغیر به مقیاس تعیین می شود. در روش DEA‏ شکل های متفاوتی مانند شکل نسبی، شکل فزاینده و شکل پوششی (یا فراگیر) وجود دارد که در هرکدام از اینها در تعیین کارایی واحدهای مورد بررسی به روش خاصی عمل می شود. به این منظور از روش های مختلفی مانند یک مرحله ای، دو مرحله ای و چند مرحله ای استفاده می شود.
‏دو مدل بسیار اساسی در روش DEA‏ وجود دارد که به مدل های CCR‏ و BCC‏ معروف هستند که به ترتیب معرفی می شوند. اگر فرض شود که بانکی دارای n‏ شعبه بود و هرکدام از شعب با استفاده از m‏ نهاده مقدار r‏ ستانده را تولید کنند در این حالت میزان کارایی فنی یک شعبه منفرد با نام DMU‏ به شرح زیر است:
‏در این مدل که با فرض بازدی ثابت به مقیاس CRS‏1. constant returns to scale
‏ و با نگرش به نهاده ها طراحی شده است، λ‏یک بردارN*1‏ شامل اعداد ثابت است که وزنهای مجموعه مرجع را برای شعب ناکارا نشان می دهد. مقادیر اسکالر به دست آمده برای θ‏کارایی واحدها خواهد بود که شرط 1‏≥‏ θ‏ را تامین می کند. مدل برنامه ریزی خطی فوق بایستی N‏بار و هر بار برای یکی از شعب حل شود و در نتیجه میزان کارایی برای هر شعبه به دست می آید. اگر 1=

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.