هدف ثانويه بي طرف جديد درارزيابي كارايي متقاطع DEA

The New Neutral Secondary Goal on the Basis of the Evaluation of Ideal DMU in the DEA Cross-Efficiency

ارزيابي كارايي متقاطع روشي موثر در رتبه بندي واحدهاي تصميم گيرنده (DMU) در تحليل پوششي داده ها (DEA) است كه الگوي وزن هاي غيرواقعي را بدون نياز به اطلاعات برتر مرتبط با محدوديت هاي وزني حذف مي كند. اين روش، هر واحد را از ديدگاه بهترين وزن هاي حاصل از ارزيابي واحدهاي ديگر، مورد سنجش قرار مي دهد. در ارزيابي كارايي متقاطع به دليل وجود جواب هاي بهينه دگرين از هدف هاي ثانويه اي چون خوش بينانه، بدبينانه و بي طرف استفاده شده است. در مقاله حاضر هدف ثانويه جديدي معرفي مي گردد كه بر مبناي ارزيابي واحدهاي مجازي ايده آل نظير هر واحد، وزن هاي بهينه اي از ميان وزن هاي بهينه دگرين انتخاب مي كند و از آن جايي كه اين نوع گزينش وزن ها، تاثيري در افزايش يا كاهش كارايي متقاطع ديگر واحد ها ندارد، هدف ثانويه جديد بي طرف است. حسن اين روش در مقايسه با روش هاي ديگر آن است كه وزن هاي انتخاب شده، بهترين وزن هاي ممكن است چرا كه نمره كارايي واحدهاي مجازي ايده آل متناظر هر واحد را ماكزيمم مي كند.

Cross-Efficiency evaluation is an effective way in ranking decision making units (DMU) in data envelopment analysis (DEA), which deletes the illusive weights pattern without requiring a priori information related to weights limitations. This method analyzes each DMU taking into account the best weights resulted from assessing other DMUs. In the evaluation of crossefficiency, secondary goals such as aggressiveness, benevolence and neutrality are used because of the existence of multiple optimal solutions. In this article, a new secondary goal is introduced that selects the optimal weight among the multiple optimal weights on the basis of the evaluation of ideal virtual DMUs corresponding to each DMU and because this kind of weight selection does not lead to any increase or decrease the cross-efficiency of other DMUs, the new secondary goal is neutral. The advantage of this method over the others is that the selected weights are the best weights, because it maximizes the efficiency score of the ideal virtual DMUs corresponding to each DMU.