پیشینه و مبانی نظری روش تحلیل پوشش داده ها (DEA)
پیشینه و مبانی نظری روش تحلیل پوشش داده ها (DEA)

توضیحات:

پیشینه و مبانی نظری روش تحلیل پوشش داده ها (DEA)38صفحه در قالب ورد قابل ویرایش.


بخشی از متن :


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)[1] 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 CRS[2] 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= θباشد به این معنی است که شعبه مورد نظر روی مرز تولید یکسان (تولید مرزی) بوده و بنا به نظریه فارل دارایی کارایی صد در صد است. اما فرض بازدهی ثابت به مقیاس زمانی مناسب است که همه واحدها در مقیاس بهینه عمل نمایند (در قسمت منحنی هزینه متوسط بلند مدت) ولی مسایل متفاوتی نظیر اثرات رقابتی محدودیت ها کارکردهای ضعیف مدیریتی و نظیر اینها باعث می شود که واحدها در مقیاس بهینه فعالیت نکنند از این رو بانکر چانز و کوپر مدل قبلی CCR را به گونه ای بسط دادند که بازدهی متغیر به مقیاس VRS[3] را نیز در نظر بگیرد. می توان مدل BCC را با افزودن یک قید تحدب به شکل N'I λ=1به جای λ≥0به دست آورد. برای محاسبه کارایی مقیاس یک شعبه باید از هر دو مدل CRS (هدف بلند مدت) و VRS (هدف کوتاه مدت) استفاده کرد و با تقسیم کارایی بدست آمده از حالت CCR برحالت BCC کارایی مقیاس شعبه مورد نظر به دست می آید. مهمترین ایراد روش DEA در نظر نگرفتن عوامل تصادفی است. (حقیقت و نصیری، 1382)

کارآيي يکي از مهمترين شاخصهاي ارزيابي عملکرد بهينه واحدهاي اقتصادي است. هر چند تعاريف متعددي از کارآيي ارائه مي شود؛ اما وجه اشتراک آنها اين است که واحدي کارآست که از ترکيب داده هاي معين بيشترين ستانده را به دست آورد. اگر اثرات منفي فعاليتهاي واحد نيز به صورت ستانده منفي در نظر گرفته شود، تعاريف متفاوت کارآيي شبيه يکديگر مي شوند. با استفاده از اين رويکرد مي توان کارآيي داخلی واحد(کارایی خصوصی) و کارآيي خارجی(کارآیی اجتماعی) آنرا تفکیک نمود. کارآيي داخلي به بهينه بودن اقدامات واحد با فرض محدوديتهاي نهادي وارده بر واحد مربوط مي شود. بدين معني که واحد در شرايط موجود چگونه عمل کرده است؟ کارآيي خارجي به بهينه بودن اثرات فعاليتهاي واحد در اقتصاد مربوط مي شود. به عبارت ديگر منافع خصوصي در کارآيي داخلي و منافع اجتماعي در کارآيي خارجي مدنظر قرار مي گيرد. اينکه چگونه مي توان کارآيي خصوصي را در راستاي کارآيي اجتماعي قرار داد، يکي از موضوعات اساسي اقتصاد است.



[1]. Linear programming

1. constant returns to scale

2. variable returns to scale

فهرست برخی از مطالب:

فایل هایی که پس از خرید می توانید دانلود نمائید

پیشینه و مبانی نظری روش تحلیل پوشش داده ها (dea)_1623934710_49642_8524_1723.zip0.59 MB
پرداخت و دانلود محصول
بررسی اعتبار کد دریافت کد تخفیف
مبلغ قابل پرداخت : 19,000 تومان پرداخت از طریق درگاه
انتقال به صفحه پرداخت