مبانی نظری تحلیل پوششی داده‌ها

دسته: علوم انسانی

فرمت فایل: docx

حجم فایل: 51 کیلوبایت

تعداد صفحات فایل: 15

پیشینه ومبانی نظری پژوهش تحلیل پوششی داده ها

توضیحات: فصل دوم تحقیق کارشناسی ارشد و دکترا (پیشینه و مبانی نظری پژوهش)

  • همرا با منبع نویسی درون متنی به شیوه APA جهت استفاده فصل دو تحقیق
  • توضیحات نظری کامل در مورد متغیر
  • پیشینه داخلی و خارجی در مورد متغیر مربوطه و متغیرهای مشابه
  • رفرنس نویسی و پاورقی دقیق و مناسب
  • منبع: دارد (به شیوه APA)
  • نوع فایل: WORD و قابل ویرایش با فرمت doc

قسمتی از مبانی نظری متغیر:

این روش در ابتدا با تز دکتری رودز مطرح شد که در آن پیشرفت تحصیلی مدارس امریکا در سال 1978 مورد ارزیابی قرار گرفته بود که در همین راستا این تکنیک برای رتبه بندی دانشکده های اقتصاد انگلستان نیز مورد استفاده قرار گرفت که اساس آن بر اساس مدلی بود که فارل در سال 1957 برای ارزیابی کارایی با استفاده از روشهای غیر پارامتری مطرح کرده بود. چارنز رودز و کوپر مدل اولیه فارل راکه چند ورودی و یک خروجی داشت را توسعه دادند و نام آن را CCR گذاشتند و در سال 1984نیز مدل BCC توسط بنکر، چارنز و کوپر ارائه شد. (آزادی و فتائی، 1389: 22)

تعریف تحلیل پوششی داده ها: تکنیکی جهت محاسبه کارایی نسبی یک مجموعه از واحدهای تصمیم گیرنده در مقایسه با یکدیگر با استفاده از یک برنامه ریاضی می باشد.

تعریف ورودی: در تحلیل پوششی داده ها عاملی است که با افزایش آن با حفظ تمام عوامل دیگر کارایی کاهش یافته و با کاهش آن با حفظ تمام عوامل دیگر کارایی افزایش می یابد.

تعریف خروجی: در تحلیل پوششی داده ها عاملی که با افزایش آن با حفظ تمام عوامل دیگر کارایی افزایش یافته و با کاهش آن و با حفظ تمام عوامل دیگر کارایی کاهش می یابد.

واحدهای تصمیم گیرنده (DMU): واحدهایی هستند که یکسری ورودی را دریافت و پس از فرایند خروجی خارج می کنند.

(کیم و لی، 2011: 57)

2-1-17- مدل های تحلیل پوششی داده ها

در روش DEA برای هر یک از واحدهای غیرکارا، یک واحد کارا یا ترکیبی از دو یا چند واحد کارا به عنوان مرجع و الگو معرفی می گردند. از آنجائیکه این واحد مرکب (ترکیب دو یا چند واحد کارا) ضرورتاً در صنعت وجود نخواهد داشت، به عنوان یک واحد مجازی کارا شناخته می شود. یکی از مزایای DEA یافتن بهترین واحد مجازی کارا برای هر واحد واقعی (چه کارا و چه غیر کارا) می باشد. چنانچه واحدی کارا باشد، مجموعه مرجع آن واحد مجازی کارا خود این واحد خواهد بود. سهم هر یک از واحدهای کارا در تشکیل واحد مجازی کارا برای یک واحد غیرکارا بستگی به وزن (λ1 , λ2 , … λn) λ دارد که توسط روش DEA برای هر یک از بنگاههای کارا محاسبه و ارائه می شود. (شعبانی و همکاران، 1389)

تکنیک DEA دارای چهار مدل اصلی می باشد:

1- مدل بازگشت به مقیاس (CRS): این مدل که اولین روش DEA است، توسط چارنز، کوپر و رودز در سال 1978 ارائه شد. این مدل را برخی اوقات با حروف CCR می شناسند که برگرفته از نام این سه پژوهشگر است. در این مدل با تغییر یک واحد در ورودیها، خروجیها نیز با نسبت ثابت (کاهشی یا افزایشی) تغییر می کنند. در واقع شیب تابع تولید در این مدل ثابت است.

2- مدل بازگشت به مقیاس متغیر (VRS): این مدل توسط بانکر، چارنز و کوپر در سال 1984 ارائه شد و اغلب با حروف BCCشناخته می شود. این مدل در مواقعی استفاده می شود که مقیاس گذاری یکسان بالاتر و پائینتر از حداکثر مقداری که برای هر یک از ورودیها و خروجیها مشاهده شده است، امکانپذیر نباشد. در این مدل با تغییر یک واحد در ورودیها، خروجیها با نسبت متفاوتی تغییر می کنند. این تغییر میتواند کاهشی یا افزایشی باشد. شیب تابع تولید در این مدل متغییر است.

3- مدل بازگشت به مقیاس افزایشی (IRS): در این مدل با تغییر یک واحد در ورودیها، خروجیها با نسبت افزایشی تغییر میکنند. شیب تابع تولید در این مدل افزایشی است و بنابراین گاهی کارائی تکنیکی ورودی محور بیشتر از کارائی تکنیکی خروجی محور است و بالعکس.

4- مدل بازگشت به مقیاس کاهشی (DRS): منظور از بازگشت به مقیاس کاهشی این است که با تغییر یک واحد در ورودیها، خروجیها با نسبت کاهشی تغییر میکنند. شیب تابع تولید در این مدل کاهشی است. (قیصری، 1386)

هر کدام از مدلهای فوق دارای دو جهت مطالعه (خروجی محور – ورودی محور) هستند. مفهوم خروجی محور این است که به چه میزان باید خروجیها را با ثابت نگهداشتن میزان ورودیها افزایش داد تا واحد مورد نظر به مرز کارائی برسد. یعنی بدون نیاز به عوامل تولید بیشتر، می توان تولید را به این میزان افزایش داد. مفهوم ورودی محور این است که به چه میزان باید ورودیها را با ثابت نگهداشتن میزان خروجیها، کاهش داد تا واحد مورد نظر به مرز کارائی برسد. (جاکوبس، 2006)

2-1-18- تحلیل پوششی داده ها و محاسبه کارائی

همه تکنیک های محاسبه کارایی بر اساس تابع تولید عمل می کنند. تابع تولید تابعی است که بیشترین ستاده ممکن را به ازای هر نهاده در یک سازمان مشخص می کند. در حالت کلی روشهای تعیین تابع تولید به دو دسته روشهای پارامتری و روشهای غیر پارامتری تقسیم می شوند. در روشهای پارامتری که در علم اقتصاد مورد استفاده قرار می گیرد ابتدا یک فرم تابعی برای تابع تولید در نظر گرفته می شود و سپس با استفاده از مقادیر ورودی و خروجی پارامترهای مجهول تابع برآورد می شود. در روشهای غیر پارامتری هیچ فرم تابعی پیش فرض برای تابع تولید در نظر نمی گیریم و تابع تولید بوسیله خود واحدها تعیین می شود.

روشهای پارامتری هم از لحاظ محاسباتی و هم از لحاظ منطقی محدودیتهایی دارند که از جمله آنها می توان به موارد زیر اشاره کرد:

– در روشهای پارامتری لازم است که یک فرم تابعی برای تابع تولید داشته باشیم تشخیص اینکه تکنولوژی تولید از چه فرم تابعی تبعیت می کند مشکل است و استفاده از فرمهای تابعی رایجی مانند کاب-داگلاس، به عنوان تابع تولید ممکن است در بعضی از فعالیتهای تولیدی درست نباشد.

– در روشهای پارامتری واحدها باید فقط یک تولید یا به عبارتی یک خروجی داشته باشند و این در حالی است که ممکن است واحدهای تحت ارزیابی، چند محصولی باشند.

– استفاده از روش کمترین مربعات برای بر آورد پارامترهای تابع تولید بیان کاملی از نقاط ممکن تولید نمی باشد. زیرا طبق تعریف، تابع تولید بیشترین تولید ممکن به ازای هر ورودی است در حالی که تابع محاسبه شده از این روش بیشترین تولید ممکن را در هر ورودی بدست نمی دهد.

  • تحلیل پوششی داده ها
  • مبانی نظری تحلیل پوششی داده ها
  • پیشینه ومبانی نظری پژوهش تحلیل پوششی داده ها
  • مبانی نظری وپیشینه تحقیق تحلیل پوششی داده ها
  • تحلیل داده ها
  • مبانی نظری پژوهش تحلیل پوششی داده ها
  • پیشینه نظری پژوهش تحلیل پوششی داده ها
  • پژوهش تحلیل پوششی داده ها

کلیک جهت دانلود