كارايي قوي در تحليل پوششي داده‌ها با تكنولوژي بازده به مقياس متغير

Robust efficiency in data envelopment analysis with VRS technology

يكي از مسائل اساسي در تحليل پوششي داده‌هاي كلاسيك، عدم توان كافي براي تفكيك بين‌اندازه كارايي واحد‌هاي تصميم‌گيرنده است كه به عنوان يك نقطه ضعف مورد توجه قرار مي‌گيرد. اخيرا پاركان و همكاران [9] تلاش‌هايي براي رفع اين مشكل انجام داده‌اند. آنها پيشنهاد كردند براي ارزيابي هر واحد هر دو ديدگاه خوش‌بينانه و بدبينانه مورد توجه قرار گيرد. در مقابل ارزيابي سنتي، شاخصي بر پايه كمترين مقدار‌ اندازه كارايي براي هر واحد در نظر گرفته كه آن را‌ اندازه كارايي قوي مي‌گويند. همچنين در اين راستا تكنولوژي جديدي براساس فرض بازده به مقياس ثابت ساخته شد. در اين مقاله تكنولوزي توليد مذكور با فرض بازده به مقياس متغير ساخته مي‌شود و مدل‌هاي متناظر به صورت برنامه‌ريزي خطي فرمول بندي مي‌شوند. در پايان نشان داده مي‌شود كه مدل‌هاي مبتني بر ‌اندازه كارايي قوي داري قدرت تمايز به مراتب بيشتري از مدال‌هاي كلاسيك تحليل پوششي داده‌ها هستند.

One of the fundamental problems in the classic DEA is lack of ability to distinguish unit's performance scores that is considered as a disadvantage. Recently، Parkan et al. [9] tried to address this problem. They proposed to assess each unit both optimistic and pessimistic views are taken into account. In contrast to traditional evaluation، one index is considered for each unit based on the lowest measured performance that is called robust efficiency. In this way، a new technology was made on the assumption of constant returns to scale. In this paper، the production technology with variable returns to scale assumptions made and the corresponding models are formulated as linear programming. Finally، it is shown that، the models based on the robust efficiency has more discriminatory power of the classic DEA.