تحلیل پوششی داده ها
تحلیل پوششی داده ها از چند دیدگاه قابل تقسیم است:
1- از دیدگاه برنامه ریزی خطی:
از این دیدگاه که بر مبنای روش سیمپلکس جهت حل دستگاه معادلات خطی می باشد دو مدل مسأله اولیه و مسأله دوگان تعریف می شود که اولی را مدل مضربی و دومی را مدل پوششی می نامند.
2- از دیدگاه نهاده ها و ستاده ها:
بر اساس این دیدگاه، دو مدل ورودی محور و خروجی محور تعریف می شود.
3-از دیدگاه بازده به مقیاس:
بر اساس این دیدگاه، مدل های بازده به مقیاس ثابت، بازده به مقیاس متغیر، بازده به مقیاس افزایشی، بازده به مقیاس کاهشی تعریف می شود. مدل fdh هم از مدل های تحلیل پوششی داده هاست که که فرض تحدب را نقض می کند.
4- بازده به مقیاس:
بازده به مقیاس مفهومی است بلندمدت که منعکس کننده نسبت افزایش خروجی به ازای افزایش در ورودی هاست. این نسبت می تواند ثابت، صعودی یا نزولی باشد. بازده نسبت به مقیاس ثابت وقتی صادق است مه افزایش در ورودی به همان نسبت موجب افزایش خروجی شود.
بازده صعودی نسبت به مقیاس آنست که میزان خروجی به نسبتی بیش از میزان افزایش در ورودی ها، افزایش یابد و در صورتیکه میزان افزایش در خروجی ها کمتر از نسبتی باشد که ورودی ها افزایش داده شوند، بازدع نزولی نسبت به مقیاس ایجاد شده است.
وقتی ترکیب تولید، ترکیبی از بازده های صعودی یا نزولی یا ثابت باشد، بازده نسبت به مقیاس متغیر خواهد بود.
اشکال زیر انواع مدل های dea را بر اساس بازده نسبت به مقیاس و همچنین مدل fdh نشان می دهد:
بازده ثابت نسبت به مقیاس
بازده کاهشی نسبت به مقیاس
[divider]
ورودی محور:
حداقل نمودن ورودی ها با فرض ثابت بودن خروجی ها. در یک مدل ورودی محور، یک واحد در صورتی ناکاراست که امکان کاهش هر یک از ورودی ها بدون افزایش ورودی های دیگر یا کاهش هر یک از خروجی ها وجود داشته باشد.
خروجی محور:
حداکثر نمودن خروجی ها با فرض ثابت بودن ورودی ها، در یک مدل خروجی محور، یک واحد در صورتی ناکاراست که امکان افزایش هر یک از خروجی ها بدون افزایش یک ورودی یا کاهش یک خروجی دیگر وجود داشته باشد.
[divider]
برای استفاده از نرم افزار آنلاین DEA با امکانات فوق العاده بر روی عکس زیر کلیک کنید:
نرم افزار آنلاین تحلیل پوششی داده ها- برای ورود کلیک کنید