dea در حضور داده های صحیح تحت حالت های مختلف بازده به مقیاس

DEA تحلیل حساسیت طبقه بندی بازده به مقیاس در

شناسایی عینی بازده به مقیاس تکنولوژی برای مدل‌های DEA

یکی از مسائل مهم و چالش‌برانگیز در به‌کارگیری یک مدل تحلیل پوششی داده‌ها (DEA)، تعیین درست‌ بازده به مقیاس (RTS) برای مجموعه داده‌ها است که ما آن را بازده به مقیاس تکنولوژی (TRTS) می‌نامیم تا تفکیک صحیحی میان بازده به مقیاس تکنولوژی و بازده به مقیاس واحدهای تصمیم‌گیرنده داشته باشیم. در حال حاضر تنها روش‌های عینی۱ موجود برای شناسایی بازده به مقیاس تکنولوژی، روش‌های آماری می‌باشند که ب...

تخمین بازده به مقیاس در dea نادقیق

در این پایان نامه بازده به مقیاس را با روش دیگری که پایه و اساس آن مدل جمعی است تخمین می-زنیم. در تحلیل پوششی داده های معمولی، فرض بر این است که داده های ورودی و خروجی دقیقا مشخص هستند. البته این فرض همیشه درست نیست، زیرا در مسائل واقعی اغلب داده ها را نمی توان دقیقا اندازه گیری کرد. به عبارت دیگر داده ها در جهان واقعی اغلب نادقیق هستند. به همین علت ما در این پایان نامه روش معرفی شده برای تخمین...

تراکم و بازده به مقیاس dea در حضور جواب های بهینه چندگانه

درحال حاضر مفهوم اقتصادی تراکم، مورد بحث بسیاری از پژوهشگران درعلم تحلیل پوششی داده ها واقع شده است. آنها برای پی بردن به رابطه تئوری بین بازده به مقیاس و مفهوم تراکم، تلاش بسیاری انجام داده اند زیرا این دو مفهوم اقتصادی دقیقا به هم مربوط هستند.تون وساهو در مقاله ای با عنوان محاسبه درجه مقیاس کشسانی و تراکم در تحلیل پوششی داده ها به ارتباط تئوری بین تراکم و بازده به مقیاس پرداختند.

بازده به مقیاس و مقیاس کشسانی در حضور جواب های چندگانه در تحلیل پوششی داده ها

چکیده ندارد.

تحلیل استوار داده های فضایی در حضور داده های دورافتاده

معمولاً تابع تغییرنگار که ساختار همبستگی داده­های فضایی را تعیین می­کند و نقش پایه­ ای در تحلیل آن­ها دارد، نامعلوم است و لازم است براساس مشاهدات برآورد شود. وجود داده­ های دورافتاده در مشاهدات تاثیر نامناسبی در برآورد تغییرنگار و سایر بخش­های تحلیل داده­های فضایی همچون پیش­گویی فضایی و برآورد پارامترهای روند دارد. در این مقاله ابتدا با استفاده از برآوردگرهای مقیاس، چند برآوردگر استوار جدید با ن...