بررسي مدل هاي ابركارايي در حضور داده صفر

مدلهاي ارزيابي كارايي در تحليل پوششي داده ها(DEA)، قادربه متمايز كردن واحدهاي تصميم گيري كارا نيستند. اين مدلها واحدها را در دو گروه كارا و ناكارا تقسيم بندي ميكنند. دربرخي از اين مدلهاي رتبه بندي معرفي ومزايا ومعايب آن بررسي شده است به طوريكه براي ايجادتمايز بين واحدهاي كارا،روشهاي رتبه بندي متعددي ارائه گرديده است، كه امكان مقايسه بين نتايج آنها فراهم مي شود. برخلاف مدل استاندارد ابركارايي SBM، S-SBM فقط چندين ابركارايي راميتواند حل كند. مدلS-SBM ممكن است درنقاط مرجع كارا نتيجه ضعيف داشته باشد. اندازهSBM و S-SBM براي برخي ازDMUها ممكن است باآشفتگي درورودي ها وخروجيهاي ناپيوسته و تفسيروتوجيه دشوار، دركاربردهاي مقداركارايي ،همراه باشد و احتمالا خطا داده به تغييرات كوچك حساس باشد. در اين مقاله ما به بررسي مشكل مدل هاي ابركارا در حضور داده صفر مي پردازيم. بايد توجه داشت داده ي صفر مي تواند مدل هاي ابركارايي را تحت بازده به مقياس ثابت نشدني است. در اين تحقيق ما متذكر مي شويم كه مدل آنها زماني كه ورودي مثبت باشد شدني است ولي هنگامي بعضي از ورودي ها صفر باشد مدل نشدني است. حال ما در اين تحقيق به بررسي شدني بودن تحت داده صفر و منفي در ورودي و خروجي در مدل SBM مي پردازيم.