روشي مبتني بر تحليل پوششي داده‌ها براي شناسايي ناكارايي كاذب در سيستم‌هاي چندمرحله اي

هدف: مدل‌هاي استاندارد تحليل پوششي داده‌ها، براي ارزيابي كارايي يك سيستم، اطلاعات ورودي و خروجي واحدهاي تصميم‌گيرنده را در يك دوره زماني در نظر مي‌گيرند؛ اما در برخي از سيستم‌هاي موردبررسي، چند دوره زماني مجزا و مستقل از هم موردنظر است و كارايي كل سيستم به كارايي واحدهاي تصميم‌گيرنده در هر دوره زماني وابسته خواهد بود. در اين حالت ممكن است واحدي در تمام دوره‌ها كارا باشد اما كاراي كل نباشد؛ كه در اين صورت با مفهومي به نام ناكارايي كاذب مواجهه خواهيم شد.روش‌شناسي پژوهش: در اين مقاله براي بررسي ناكارايي كاذب در سيستم‌هاي چند دوره‌اي، به‌جاي استفاده از وزن‌ها كه از هر دوره زماني به دست مي‌آيد، با استفاده از مدل‌هاي تحليل پوششي داده‌هاي نسبي، الگوريتمي سه مرحله‌اي پيشنهاد مي‌شود. علت استفاده از مدل‌هاي نسبي به دليل انعطاف‌پذيري آن‌ها و نزديك‌تر بودن تقريب آن به واقعيت است.يافته‌ها: در گام اول الگوريتم، ميانگين كارايي‌هاي دوره‌اي و در گام دوم كارايي سيستم به‌عنوان جعبه سياه محاسبه مي‌شود. نسبت حاصل از اين دو كميت، اگر عددي نزديك به يك باشد، يعني اين دو برآورد به هم نزديك هستند و ناكارايي كاذب وجود ندارد و اگر نسبت حاصل از يك بزرگ‌تر باشد در اين صورت اين دو برآورد از هم فاصله دارند و ناكارايي كاذب موجود است.اصالت/ارزش افزوده علمي: مقايسه روش پيشنهادي بر روي داده‌هاي 22 بانك تجاري از تايوان در طي يك دوره زماني سه ساله با روش پيشنهادي كايو و ليو از لحاظ آماري دلالت بر كاهش پراكندگي اعداد كارايي داشت. همچنين آزمون‌هاي آماري حاكي از قوت روش پيشنهادي نسبت به روش كايو و ليو مي‌باشد.