دانلود تحقیق تحلیل پوششی داده ها

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 6

تحلیل پوششی داده ها (DEA)

-1)مقدمه و تاریخچه ای از تحلیل پوششی داده ها (DEA)

تحلیل پوششی داده ها تکنیکی برای محاسبه کارایی نسبی مجموعه ای از واحدهای تصمیم گیرنده (DMU) که با استفاده از برنامه ریزی ریاضی انجام می گیرد. عبارت نسبی به این دلیل است که کارایی حاصل نتیجه مقایسه واحدها با یکدیگر است در اصل تحلیل پوششی داده ها به مشخص کردن واحدهای تصمیم گیرنده کارا و ناکارا با تعیین مقدار کارایی آنها به مقایسه واحدهای تصمیم گیرنده می پردازد وقتی می گوئیم واحد تصمیم گیرنده کاراست یعنی این واحد خوب عمل کرده و از منابع به خوبی استفاده می‌کند.

در تئوری اقتصاد خرد رفتار اقتصادی واحدهای تصمیم گیرنده مورد مطالعه قرار می گیرد بر همین اساس، تابع تولیدی بر پایه ارتباط بین ورودی ها و خروجی های واحد تصمیم گیرنده بیان می شود.

در اقتصاد خرد تابع تولید، فرآیندهای تبدیل ورودی ها به خروجی ها را نشان می دهد و حداکثر مقدار خروجی را از ترکیبات مختلف ورودی ها ارائه می دهد.

مسئله ای که وجود دارد این است که معمولا تابع تولید در دسترس نیست و تولید متناظر با هر فعالیت مجهول است بنابراین وقتی که مجموعه‌ای از مشاهدات (ورودی ها و خروجی ها) موجود باشد می توان یک تابع تولید تجربی به دست آورد.

در تمام مطالعات تجربی برای تخمین تابع تولید روش های متفاوتی وجود دارد که هر یک دارای نقش مهمی هستند. دو روش اساسی برای تخمین تابع تولید عبارتند از روش های پارامتری و روش های غیر پارامتری روش های پارامتری که در این روش یک پیش فرض اولیه برای تابع تولید در نظر گرفته می شود سپس با استفاده از تکنیک های مناسب در صدد تخمین پارامترهای این تابع پیش فرض هستیم.

از روش های پارامتری می توان روش کاپ داگلاس و روش رگرسیون خطی نام برد.

تحلیل پوششی داده ها بر اساس روش های غیر پارامتری شامل مدلهایی بر اساس نوعی برنامه ریزی خطی می باشد. برخلاف روش های پارامتری که هدفشان بهینه سازی یک سطح رگرسیون در بین تمام مشاهدات است، DEA روی هر یک از مشاهدات بهینه سازی انجام می دهد. در روش های پارامتری که هدفشان بهینه سازی شده یک سطح رگرسیون در بین تمام مشاهدات است DEA روی هر یک از مشاهدات بهینه سازی انجام می دهد.

در روش های پارامتری، معادله رگرسیون بهینه برای تمام واحدهای تصمیم گیرنده در نظر گرفته می شود و برای تحلیل با استفاده از این روش نیاز به شکل تابعی معادله رگرسیون تابع تولید می باشد.

اگر در DEA، با ایجاد مرزکارایی و با این ویژگی که هر واحد تصمیم گیرنده روی و یا زیر این مرز قرار دارد، می توان ماکزیمم اندازه کارائی هر یک از واحدها نسبت به این مرز را سنجید یعنی هر واحدی که روی مرز قرار گیرد، واحدی کار است زیرا دارای بیشترین خروجی ممکن به ازای ورودی هایش می باشد و در غیر این صورت زیر مرز کارایی است و ناکارا می باشد.

فارل برای اولین بار در سال 1957 روش های غیر پارامتری را برای تعیین کارایی مطرح کرد و کار او در سال 1978 در پایان نام دکترای رودز توسط چارنز و کوپرو رودز تعمیم یافت و تحت عنوان تحلیل پوششی داده ها DEA نام گرفت، رودز در این مقاله پیشرفت تحصیلی دانش آموزان مدارس آمریکا را مورد ارزیابی و مطالعات خود را با همکاری چارنز کوپر تحت مدلی به نام CCR معروف است ارائه داد آنها تحلیل اولیه فارل را که در حالت یک خروجی- چند ورودی مطرح شد به حالت چند ورودی چند خروجی تعمیم دادند. بعد از آن در سال 1984 روش DEA توسط بنکر، چارنز و کوپر تحت مدلی به نام (BCC) توسعه یافت علاوه بر دو مدل CCR و BCC مدلهای دیگری نیز در DEA مطرح گردید.

در ادامه این فصل به تعریف کارایی یک واحد تصمیم گیرنده می پردازیم.

(1-2) مفهوم کارایی

کارایی یک واحد حاصل مقایسه ورودی های آن واحد با خروجی هایش می باشد ساده ترین حالت وقتی است که فقط یک ورودی و یک خروجی داشته باشیم، در این صورت کارایی به صورت زیر تعریف می شود.

کارایی =

در حالتی که واحدهای تصمیم گیرنده چند ورودی و چند خروجی دارند کارایی را نمی توان از رابطه بالا به دست آورد در این حالت کارایی به شکل زیر تعریف می گردد:

کارایی =

در حالتی که واحدهای مورد ارزیابی بیش از یک واحد باشند برای مقایسه یک واحد با واحدهای دیگر می توانیم خروجی ها و ورودی های این واحد را با ترکیب خطی از