مبانی نظری و پیشینه تحقیق تحلیل پوششی داده ها
| دسته بندی | علوم انسانی |
| بازدید ها | 36 |
| فرمت فایل | docx |
| حجم فایل | 145 کیلو بایت |
| تعداد صفحات فایل | 53 |
مبانی نظری و پیشینه تحقیق تحلیل پوششی داده ها
توضیحات: فصل دوم مقاله کارشناسی ارشد (پیشینه و مبانی نظری پژوهش)
همراه با منبع نویسی درون متنی به شیوه APA جهت استفاده فصل دو مقاله
توضیحات نظری کامل در مورد متغیر
پیشینه داخلی و خارجی در مورد متغیر مربوطه و متغیرهای مشابه
رفرنس نویسی و پاورقی دقیق و مناسب
منبع : انگلیسی وفارسی دارد (به شیوه APA)
نوع فایل: WORD و قابل ویرایش با فرمت doc
قسمتی از متن مبانی نظری و پیشینه
تحلیل پوششی داده ها
تلاش برای تابعی کردن رابطه بین نهاده ها ستاده ها و تعیین حداکثر ستاده قابل حصول از نهاده ها، منجر به طرح توابع تولید پارامتری در سیر مطالعات اقتصادی گردید. توابعی مانند کاب-داگلاس، لیون تیف، کششی ثابت و ... در نظریه های اقتصاد خرد با این انگیزه ایجاد شدهاند. پیش فرض تابعی در عمل به دلیل پیچیدگی تبدیل نهادههای متفاوت به ستادههای نامتجانس و مختلف به خصوص با پیچیدگی نقش عوامل
جدید، در سازمانهای کنونی غیرعملی به نظر میرسد(فارسیجانی و آرمان و حسین بیگی و جلیلی[1]، 1390).
یکی از روشهای غیرپارامتری، جهت اندازهگیری کارائی و بهرهوری واحدهای اقتصادی، روش تحلیل پوششی داده ها است که اولین بار بنکر، چارنز و کوپر[2] در سال 1974، مفاهیم و مدلCCR را ارائه دادند. در واقع تحلیل پوششی دادهها یک مدل برنامهریزی خطی برای دادههای مشاهده شده میباشد که روش جدیدی برای تخمین تجربی مرز کارایی را فراهم میکند. منظور از DMU واحد سازمانی یا یک سازمان مجزاست که توسط فردی به نام مدیر یا رئیس و یا مسئول اداره میشود به شرط آنکه آن سازمان دارای فرایند سیستمی باشد بعنی تعداد عوامل تولید به کار گرفته تا تعدادی محصول به دست آید. ماهیت تجربی و نداشتن مفروضات دست و پاگیر، سبب استفاده از تحلیل پوششی دادهها در تخمین مرز کارایی است(حمزه پور و محمدی[3]، 1391).
تحلیل پوششی داده ها یک روش برنامه ریزی ریاضی برای ارزیابی کارایی واحدهای تصمیمگیرنده است که چندین ورودی و چندین خروجی دارند. اندازهگیری کارایی به دلیل اهمیت آن در ارزیابی عملکرد یک شرکت یا سازمان همواره مورد توجه محققین قرار داشته است(خواجوی و همکاران ، 1384). در واقع تحلیل پوششی دادهها، مفهومی از محاسبة ارزیابی سطوح کارایی در داخل یک گروه از سازمان را نشان میدهد که کارایی هر واحد در مقایسه با تعدادی از واحدها که دارای بیشترین عملکرد هستند محاسبه میشود(Matrin &Kocher&Sutter[4]., 2000). این تکنیک، مبتنی بر رویکرد برنامهریزی خطی است که هدف اصلیآن ، مقایسه و سنجشکارایی تعدادی از واحدهای تصمیم‌گیرندة مشابه است که تعداد ورودی‌های مصرفی و خروجیهای تولیدی متفاوتی دارند. این واحدها می‌توانند شعب یک بانک، مدارس، بیمارستانها، پالایشگاهها، نیروگاه‌های برق، ادارات تحت پوشش یک وزارتخانه ویا کارخانه‌های متشابه باشند. منظور از مقایسه و سنجش کارایی نیز این است که یک واحد تصمیمگیرنده در مقایسه با سایر واحدهای تصمیمگیرنده، چقدر خوب از منابع خود در راستای تولید استفاده کرده است(فارسیجانی و همکاران ، 1390). در این روش با استفاده از مدلهای برنامهریزی ریاضی، مرزی متشکل از شرکتهایی با بهترین کارایی نسبی به دست میآید و این مرز، معیاری برای ارزیابی و ارائه راهکارهای بهبود عملکرد سایر شرکتها، قرار میگیرد.در این روش بدون نیاز به داشتن تابع تولید، با استفاده از یک مرز تولید غیرپارامتری میتوان کارایی را به صورت نسبی مورد سنجش قرار داد. (میرغفوری و همکاران، 1390).
در سال 1957، فارل با استفاده از روشی مانند اندازه گیری کارایی در مباحث مهندسی، به اندازهگیری کارایی برای واحد تولیدی اقدام کرد. موردی که فارل برای اندازه گیری کارایی مدنظر قرار داد، شامل یک ورودی و یک خروجی بود(Farrell[5], 1957). چارنز، کوپر و رودز دیدگاه فارل را به واحدهای با ورودیها و خروجیهای چندگانه توسعه دادند و الگویی را ارائه کردند که توانایی اندازهگیری کارایی با چندین ورودی و خروجی را داشت. این الگو تحت عنوان تحلیل پوششی داده ها نام گرفتو مدل CCR نامیده شد و اول بار در رساله دکترای ادوارد رودز و به راهنمایی کوپر تحت عنوان ارزیابی پیشرفت تحصیلی دانش آموزان مدارس ملی آمریکا در سال 1976، در دانشگاه کارنگی مورد استفاده قرار گرفت(Charnesand et al., 1978).شکل اولیه این مدل نمیتوانست واحدهای کارا و کارای ضعیف را از هم تشخیص دهد. با گسترش مطالعات در این زمینه دو روش اصلی برای رفع این مشکل ایجاد شد که روش اول بر پایه محدودکردن وزنهای uو v مدل CCR استوار بوده و روش دوم با افزودن واحدهای فرضی با ورودیها و خروجیهای فرضی به واحدهای مشاهده شده عمل میکند(علیرضائی و کشوری و خلیلی[6]، 1385). دیسون و تاناسولیس(Dyson and et al[7]., 1988) نمونهای از روش اول و تاناسولیس و آلن(Thanassoulis & Allen[8],1998) نمونهای از روش دوم ارائه کردند.
در ادامه بنکر، چارنز و کوپر(1984) (Banker and et al., 1984) مفهوم بازده به مقیاس را در این روش در نظر گرفتند و به این ترتیب بنیان مجموعهای از روشهای ارزیابی عملکرد شکلو گرفت که ابزارهای مناسب و کارامدی را برای ارزیابی واحدهای صنعتی، فرهنگی و اقتصادی که در ادبیات تحلیل پوششی دادهها، واحد تصمیمگیرنده (DMU) نامیده میشود، در اختیار مدیران قرار میدهد(علیرضایی و کشوری و هاشمی[9]، 1384).
مهمترین مزیت تحلیل پوششی داده ها توان مقایسه چندین واحد تصمیم گیرنده از لحاظ چندین معیار است. از مزایای دیگر این شیوه ناپارامتریک نسبت به الگوهای پارامتریک، می توان به عدم نیاز به تخمین شکل تابع در تجزیه و تحلیل نسبت های مالی و عدم نیاز به تخمین توزیع آماری نسبت ها اشاره کرد. سودمندی دیگر این روش در تجزیه و تحلیل نسبتها در ترجمه همه اعداد به عدد واحدی به نام معیار کارایی است و این امر باعث افزایش سهولت در مقایسه خواهد شد(سینایی و گشتاسبی مهارلویی[10]، 1391).
[1]فارسیجانی، حسن؛ آرمان، محمدحسین؛ حسین بیگی، علیرضا؛ جلیلی، اعظم
[2]Banker,R.D.,Charnes,A.,&Cooper,W.W
[3]حمزه پور، مهدی؛ محمدی، روح اله
[4]Martin D.H., G.Kocher and M. Sutter
[5]Farrell, M. J
[6]علیرضایی، محمدرضا؛ کشوری، ابوالفضل؛ خلیلی، مسعود
[7]Dyson, R. G., &Thanassoulis, E
[8]Thanassoulis, E., & Allen, R
[9]علیرضایی، محمدرضا؛ کشوری، ابوالفضل؛ هاشمی، سیده مریم
[10]سینایی، حسنعلی؛ گشتاسبی مهارلویی، رسول
مبانی نظری و پیشینه تحقیق تحلیل پوششی داده ها
| دسته بندی | علوم انسانی |
| بازدید ها | 36 |
| فرمت فایل | docx |
| حجم فایل | 145 کیلو بایت |
| تعداد صفحات فایل | 53 |
مبانی نظری و پیشینه تحقیق تحلیل پوششی داده ها
توضیحات: فصل دوم مقاله کارشناسی ارشد (پیشینه و مبانی نظری پژوهش)
همراه با منبع نویسی درون متنی به شیوه APA جهت استفاده فصل دو مقاله
توضیحات نظری کامل در مورد متغیر
پیشینه داخلی و خارجی در مورد متغیر مربوطه و متغیرهای مشابه
رفرنس نویسی و پاورقی دقیق و مناسب
منبع : انگلیسی وفارسی دارد (به شیوه APA)
نوع فایل: WORD و قابل ویرایش با فرمت doc
قسمتی از متن مبانی نظری و پیشینه
تحلیل پوششی داده ها
تلاش برای تابعی کردن رابطه بین نهاده ها ستاده ها و تعیین حداکثر ستاده قابل حصول از نهاده ها، منجر به طرح توابع تولید پارامتری در سیر مطالعات اقتصادی گردید. توابعی مانند کاب-داگلاس، لیون تیف، کششی ثابت و ... در نظریه های اقتصاد خرد با این انگیزه ایجاد شدهاند. پیش فرض تابعی در عمل به دلیل پیچیدگی تبدیل نهادههای متفاوت به ستادههای نامتجانس و مختلف به خصوص با پیچیدگی نقش عوامل
جدید، در سازمانهای کنونی غیرعملی به نظر میرسد(فارسیجانی و آرمان و حسین بیگی و جلیلی[1]، 1390).
یکی از روشهای غیرپارامتری، جهت اندازهگیری کارائی و بهرهوری واحدهای اقتصادی، روش تحلیل پوششی داده ها است که اولین بار بنکر، چارنز و کوپر[2] در سال 1974، مفاهیم و مدلCCR را ارائه دادند. در واقع تحلیل پوششی دادهها یک مدل برنامهریزی خطی برای دادههای مشاهده شده میباشد که روش جدیدی برای تخمین تجربی مرز کارایی را فراهم میکند. منظور از DMU واحد سازمانی یا یک سازمان مجزاست که توسط فردی به نام مدیر یا رئیس و یا مسئول اداره میشود به شرط آنکه آن سازمان دارای فرایند سیستمی باشد بعنی تعداد عوامل تولید به کار گرفته تا تعدادی محصول به دست آید. ماهیت تجربی و نداشتن مفروضات دست و پاگیر، سبب استفاده از تحلیل پوششی دادهها در تخمین مرز کارایی است(حمزه پور و محمدی[3]، 1391).
تحلیل پوششی داده ها یک روش برنامه ریزی ریاضی برای ارزیابی کارایی واحدهای تصمیمگیرنده است که چندین ورودی و چندین خروجی دارند. اندازهگیری کارایی به دلیل اهمیت آن در ارزیابی عملکرد یک شرکت یا سازمان همواره مورد توجه محققین قرار داشته است(خواجوی و همکاران ، 1384). در واقع تحلیل پوششی دادهها، مفهومی از محاسبة ارزیابی سطوح کارایی در داخل یک گروه از سازمان را نشان میدهد که کارایی هر واحد در مقایسه با تعدادی از واحدها که دارای بیشترین عملکرد هستند محاسبه میشود(Matrin &Kocher&Sutter[4]., 2000). این تکنیک، مبتنی بر رویکرد برنامهریزی خطی است که هدف اصلیآن ، مقایسه و سنجشکارایی تعدادی از واحدهای تصمیم‌گیرندة مشابه است که تعداد ورودی‌های مصرفی و خروجیهای تولیدی متفاوتی دارند. این واحدها می‌توانند شعب یک بانک، مدارس، بیمارستانها، پالایشگاهها، نیروگاه‌های برق، ادارات تحت پوشش یک وزارتخانه ویا کارخانه‌های متشابه باشند. منظور از مقایسه و سنجش کارایی نیز این است که یک واحد تصمیمگیرنده در مقایسه با سایر واحدهای تصمیمگیرنده، چقدر خوب از منابع خود در راستای تولید استفاده کرده است(فارسیجانی و همکاران ، 1390). در این روش با استفاده از مدلهای برنامهریزی ریاضی، مرزی متشکل از شرکتهایی با بهترین کارایی نسبی به دست میآید و این مرز، معیاری برای ارزیابی و ارائه راهکارهای بهبود عملکرد سایر شرکتها، قرار میگیرد.در این روش بدون نیاز به داشتن تابع تولید، با استفاده از یک مرز تولید غیرپارامتری میتوان کارایی را به صورت نسبی مورد سنجش قرار داد. (میرغفوری و همکاران، 1390).
در سال 1957، فارل با استفاده از روشی مانند اندازه گیری کارایی در مباحث مهندسی، به اندازهگیری کارایی برای واحد تولیدی اقدام کرد. موردی که فارل برای اندازه گیری کارایی مدنظر قرار داد، شامل یک ورودی و یک خروجی بود(Farrell[5], 1957). چارنز، کوپر و رودز دیدگاه فارل را به واحدهای با ورودیها و خروجیهای چندگانه توسعه دادند و الگویی را ارائه کردند که توانایی اندازهگیری کارایی با چندین ورودی و خروجی را داشت. این الگو تحت عنوان تحلیل پوششی داده ها نام گرفتو مدل CCR نامیده شد و اول بار در رساله دکترای ادوارد رودز و به راهنمایی کوپر تحت عنوان ارزیابی پیشرفت تحصیلی دانش آموزان مدارس ملی آمریکا در سال 1976، در دانشگاه کارنگی مورد استفاده قرار گرفت(Charnesand et al., 1978).شکل اولیه این مدل نمیتوانست واحدهای کارا و کارای ضعیف را از هم تشخیص دهد. با گسترش مطالعات در این زمینه دو روش اصلی برای رفع این مشکل ایجاد شد که روش اول بر پایه محدودکردن وزنهای uو v مدل CCR استوار بوده و روش دوم با افزودن واحدهای فرضی با ورودیها و خروجیهای فرضی به واحدهای مشاهده شده عمل میکند(علیرضائی و کشوری و خلیلی[6]، 1385). دیسون و تاناسولیس(Dyson and et al[7]., 1988) نمونهای از روش اول و تاناسولیس و آلن(Thanassoulis & Allen[8],1998) نمونهای از روش دوم ارائه کردند.
در ادامه بنکر، چارنز و کوپر(1984) (Banker and et al., 1984) مفهوم بازده به مقیاس را در این روش در نظر گرفتند و به این ترتیب بنیان مجموعهای از روشهای ارزیابی عملکرد شکلو گرفت که ابزارهای مناسب و کارامدی را برای ارزیابی واحدهای صنعتی، فرهنگی و اقتصادی که در ادبیات تحلیل پوششی دادهها، واحد تصمیمگیرنده (DMU) نامیده میشود، در اختیار مدیران قرار میدهد(علیرضایی و کشوری و هاشمی[9]، 1384).
مهمترین مزیت تحلیل پوششی داده ها توان مقایسه چندین واحد تصمیم گیرنده از لحاظ چندین معیار است. از مزایای دیگر این شیوه ناپارامتریک نسبت به الگوهای پارامتریک، می توان به عدم نیاز به تخمین شکل تابع در تجزیه و تحلیل نسبت های مالی و عدم نیاز به تخمین توزیع آماری نسبت ها اشاره کرد. سودمندی دیگر این روش در تجزیه و تحلیل نسبتها در ترجمه همه اعداد به عدد واحدی به نام معیار کارایی است و این امر باعث افزایش سهولت در مقایسه خواهد شد(سینایی و گشتاسبی مهارلویی[10]، 1391).
[1]فارسیجانی، حسن؛ آرمان، محمدحسین؛ حسین بیگی، علیرضا؛ جلیلی، اعظم
[2]Banker,R.D.,Charnes,A.,&Cooper,W.W
[3]حمزه پور، مهدی؛ محمدی، روح اله
[4]Martin D.H., G.Kocher and M. Sutter
[5]Farrell, M. J
[6]علیرضایی، محمدرضا؛ کشوری، ابوالفضل؛ خلیلی، مسعود
[7]Dyson, R. G., &Thanassoulis, E
[8]Thanassoulis, E., & Allen, R
[9]علیرضایی، محمدرضا؛ کشوری، ابوالفضل؛ هاشمی، سیده مریم
[10]سینایی، حسنعلی؛ گشتاسبی مهارلویی، رسول