مبانی نظری تحلیل پوششی داده‌ها

پیشینه ومبانی نظری پژوهش تحلیل پوششی داده‌ها

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 رتبه‌بندی دانشکده‌های 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 داده‌ها: تکنیکی جهت محاسبه کارایی نسبی یک مجموعه از واحدهای تصمیم گیرنده در مقایسه با یکدیگر با استفاده از یک برنامه ریاضی می‌باشد.

تعریف ورودی: در تحلیل پوششی داده‌ها 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 می‌یابد.

تعریف خروجی: در تحلیل پوششی داده‌ها 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 می‌یابد.

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

(کیم و لی، 2011 : 57)

2-1-17- مدل‌های تحلیل پوششی داده‌ها 

در روش DEA برای هر یك از واحدهای غیركارا، یك واحد كارا یا تركیبی از دو یا چند واحد كارا به عنوان مرجع و الگو معرفی می‌گردند. از آنجائیكه این واحد مركب (تركیب دو یا چند واحد كارا) ضرورتاً در صنعت وجود نخواهد داشت، به عنوان یك واحد مجازی كارا شناخته می‌شود. یكی از مزایای  DEA یافتن بهترین واحد مجازی كارا برای هر واحد واقعی (چه كارا و چه غیر كارا) می‌باشد. چنانچه واحدی كارا باشد، مجموعه مرجع آن واحد مجازی كارا خود این واحد خواهد بود. سهم هر یك از واحدهای كارا در تشكیل واحد مجازی كارا برای یك واحد غیركارا بستگی به وزن (λ1 , λ2 ,... λn) λ دارد كه توسط روش DEA برای هر یك از بنگاههای كارا محاسبه و ارائه می‌شود. (شعبانی و همکاران، 1389)

تکنیک DEA دارای چهار مدل اصلی می‌باشد:

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 می‌شناسند که برگرفته از نام این سه پژوهشگر است. در این مدل با تغییر یك واحد در ورودیها، خروجیها نیز با نسبت ثابت (كاهشی یا افزایشی) تغییر می‌کنند. در واقع شیب تابع تولید در این مدل ثابت است.

2- مدل بازگشت به مقیاس متغیر(VRS) :  این مدل توسط بانكر، چارنز و كوپر در سال 1984 ارائه شد و اغلب با حروف  BCCشناخته می‌شود. این مدل در مواقعی استفاده می‌شود كه مقیاس گذاری یكسان بالاتر و پائینتر از حداكثر مقداری كه برای هر یك از ورودیها و خروجیها مشاهده شده است، امكانپذیر نباشد. در این مدل با تغییر یك واحد در ورودیها، خروجیها با نسبت متفاوتی تغییر می‌كنند. این تغییر میتواند كاهشی یا افزایشی باشد. شیب تابع تولید در این مدل متغییر است.

3- مدل بازگشت به مقیاس افزایشی(IRS) : در این مدل با تغییر یك واحد در ورودیها، خروجیها با نسبت افزایشی تغییر میكنند. شیب تابع تولید در این مدل افزایشی است و بنابراین گاهی كارائی تكنیكی ورودی محور بیشتر از كارائی تكنیكی خروجی محور است و بالعكس.

4- مدل بازگشت به مقیاس كاهشی(DRS) : منظور از بازگشت به مقیاس كاهشی این است كه با تغییر یك واحد در ورودیها، خروجیها با نسبت كاهشی تغییر میكنند. شیب تابع تولید در این مدل كاهشی است. (قیصری، 1386)

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

2-1-18- تحلیل پوششی داده‌ها و محاسبه کارائی 

همه تكنیك‌های محاسبه كارایی بر اساس تابع تولید عمل می‌كنند. تابع تولید تابعی است كه بیشترین ستاده ممكن را به ازای هر نهاده در یك سازمان مشخص می‌كند. در حالت كلی روشهای تعیین تابع تولید به دو دسته روشهای پارامتری و روشهای غیر پارامتری تقسیم می‌شوند. در روشهای پارامتری كه در علم اقتصاد مورد استفاده قرار می‌گیرد ابتدا یك فرم تابعی برای تابع تولید در نظر گرفته می‌شود و سپس با استفاده از مقادیر ورودی و خروجی پارامترهای مجهول تابع برآورد می‌شود. در روشهای غیر پارامتری هیچ فرم تابعی پیش‌فرض برای تابع تولید در نظر نمی‌گیریم و تابع تولید بوسیله خود واحدها تعیین می‌شود.

روشهای پارامتری هم از لحاظ محاسباتی و هم از لحاظ منطقی محدودیتهایی دارند كه از جمله آنها می‌توان به موارد زیر اشاره كرد:

- در روشهای پارامتری لازم است كه یك فرم تابعی برای تابع تولید داشته باشیم تشخیص اینكه تكنولوژی تولید از چه فرم تابعی تبعیت می‌كند مشكل است و استفاده از فرمهای تابعی رایجی مانند كاب-داگلاس، به عنوان تابع تولید ممكن است در بعضی از فعالیتهای تولیدی درست نباشد.

-  در روشهای پارامتری واحدها باید فقط یك تولید یا به عبارتی یك خروجی داشته باشند و این در حالی‌ است كه ممكن است واحدهای تحت ارزیابی، چند محصولی باشند.

- استفاده از روش كمترین مربعات برای بر‌آورد پارامترهای تابع تولید بیان كاملی از نقاط ممكن تولید نمی‌باشد. زیرا طبق تعریف، تابع تولید بیشترین تولید ممكن به ازای هر ورودی است در حالی‌كه تابع محاسبه شده از این روش بیشترین تولید ممكن را در هر ورودی بدست نمی‌دهد.