موارد استفاده : تحقیق و آموزش
منابع فارسی: دارد
منابع لاتین: دارد
پیشینه داخلی جدید: دارد
پیشینه خارجی جدید: دارد
نوع فایل: Word قابل ویرایش
تعداد صفحه: 44 صفحه
شماره فایل : 547 mg
تحلیل پوششی داده ها تکنیکی است که از تمامی مشاهدات گردآوری شده برای اندازه گیری کارایی استفاده می کند. برخلاف روش رگرسیون که با میانگین سازی در مقایسه واحدها به بهترین عملکرد موجود در مجموعه واحدهای تحت بررسی دست می یابد، تحلیل پوششی داده ها هر کدام از مشاهدات را در مقایسه با مرز کارا بهینه می کند. در هر دو این روش ها از تمامی اطلاعات به طور کامل استفاده می شود.
در روش رگرسیون، عملکرد هر واحد نسبت به یک معادله رگرسیون بهینه شده مشخص می شود، در حالی که در تحلیل پوششی داده ها، با ساخت و حل n مدل، عملکرد n واحد بررسی می شود. در شکل( 2-2) این دو روش با هم مقایسه می شوند.
نمودار(2-3): مقایسه رگرسیون و DEA روش رگرسیون نیازمند یک تابع ریاضی است که بر آن اساس، با بکارگیری متغیرهای مستقل، متغیر وابسته تخمین زده می شود. علاوه بر آن، مفروضاتی در مورد تابع توزیع داده ها همراه با محدودیت های مدل نیز باید مورد توجه قرار گیرد.
اما تحلیل پوششی داده ها، نیازمند بدست آوردن تابع توزیع و به کارگیری مفروضاتی در مورد آن نیست. این روش به طور کلی، با ترکیب تمامی واحدهای تحت بررسی، یک واحد مجازی با بالاترین کارایی را می سازد و واحدهای ناکارا را با آن می سنجد(مهرگان، 1391، 31).
ادامه مقاله به طور کامل در فایل اصلی موجود است.
