انتخاب شاخص‌های ارزیابی در تحلیل پوششی داده‌ها با استفاده از آنالیز تشخیصی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار گروه مدیریت، دانشکده ادبیّات و علوم انسانی، دانشگاه گیلان

2 استادیار گروه مدیریت، دانشکده ادبیّات و علوم انسانی، دانشگاه گیلان

3 کارشناس ارشد مدیریت صنعتی، گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان

چکیده

انتخاب متغیرهای ورودی و خروجی در تحلیل پوششی داده‌ها از اهمیّت به‌سزایی برخوردار است و نمرات کارایی واحدها به شدّت از مجموعه متغیرهای انتخابی تأثیر می‌پذیرند. در این پژوهش، روشی برای انتخاب متغیرهای ورودی و خروجی، بر‌اساس آنالیز تشخیصی ارائه شده‌است. در این روش اهمیّت نسبی متغیرها در تعیین عضویت واحدها در دو گروه متغیر وابسته (کارا و ناکارا) یا همان ضرایب تشخیصی استاندارد به‌عنوان معیار انتخاب متغیرهای اصلی مدل معرفی می‌شوند.
 
 

کلیدواژه‌ها


جهانشاهلو غلامرضا، نیکو‌مرام، هاشم و حسین‌زاده لطفی، فرهاد، تحلیل پوششی داده‌ها و کاربردهای آن، آثار نفیس، ۱۳۹۱.

منصور‌فر، کریم، (۱۳۸۵)، روش‌های پیشرفته آماری همراه با برنامه‌های کامپیوتری، تهران: انتشارات دانشگاه تهران.

Banker, R.D., (1993), “Maximum likelihood, consistency and data envelopment analysis: A statistical foundation”. Management Science 39 (10), pp. 1265–1273.

Banker, R.D., (1996), “Hypothesis tests using data envelopment analysis”. Journal of Productivity Analysis 7, pp. 139–159.

Berger, A., Humphrey, D., (1997), "Efficiency of financial institutions: International survey and directions for future research", EuropeanJournal of Operational Research, 98, pp. 175–212.

Boussofiane, A., Dyson, R.G., Thanassoulis, E., (1991), “Applied data envelopment analysis”. European Journal of Operational Research 52, pp. 1–15.

Charnes, A., Cooper, W. W., Rhodes, E., (1978), “Measuring the efficiency of decision making units”, Eur. J. Oper.Res.2, pp. 429-444.

Charnes, A., Banker, R. D., Cooper, W.W., (1984), “Some Models for estimating technical and scale inefficiencies in Data Envelopment Analysis”, Management science 30(9), pp. 1078-1092.

Farrell, M. J., (1957), “The measurement of productive efficiency”, Journal of the Royal Statistical Society Series a, 120 (III), pp. 253-281.

Edirisinghe, N.C.P. & Zhang, X., (2010), Input/output selection in DEA under expert information, with application to financial markets, European Journal of Operational Research, Vol. 207 (3),pp. 1669–1678.

Golany, B., Roll, Y., (1989), “An application procedure for DEA”. OMEGA 17 (3), pp. 237–250.

Jenkins, L., Anderson, M., (2003), “A multivariate statistical approach to reducing the number of variables in data envelopment analysis”. European Journal of Operational Research 147, pp. 51–61.

Kittelson, S.A.C., )1993(, Stepwise DEA: Choosing variables formeasuring technical eciency in Norwegian electricity distribution”, Memorandum No. 06/93, Department of Economics, University of Oslo, Norway.

Klimberg, R., Puddicombe, M., (1995), “A multiple objective approach to data envelopment analysis”, working paper 95-105, School of Management, Boston University, MA.

Nunamaker, T.R., (1985), Using data envelopment analysis to measure the efficiency of non-profit organizations: A critical evaluation. Managerial and Decision Economics 6 (1), pp. 50–58.

Pinto, U., Maheshwar, B., Shrestha, S. and Morris, C., (2012), Modeling eutrophication and microbial risks in peri-urban river systems using discriminant function analysis, water research 4 6, 6476- 6488.

Pardoe, Iain and et all, (2007), graphical tools for quadratic discriminant analysis, American statistical association and the American society for quality, Technimetrics, may, vol (49), no. 2.

Salinas-Jimenez, J., Smith, P., (1996), “Data envelopment analysis applied to quality in primary health care”. Annals of Operations Research 67, pp. 141–161.

Tabachnick, B. G. and Fidell, L. S., (2011), Using Multivariate Statistics, Fifth Edition, Omegatype Typogmph, Inc.

Tone, K., Cooper, W. W., Seiford, L. M., (2010), "Data Envelopment Analysis: A Comprehensive Text with Models", Applications, References and DEA-Solver Software. 2nd Edition, New York: Springer.

Warner, R. M., (2013), Applied Statistics: From Bivariate Through Multivariate Techniques, SAGE Publications.

Yan, L., Gongbing, B. and Liang, L., (2012), Input/output indicator selection for DEA efficiency evaluation: An empirical study of Chinese commercial banks, Expert Systems with Applications 39 (1), pp. 1118-1123.