رتبه‌بندی کامل واحدهای تصمیم‌گیری با ترکیب DEA چند هدفه و PCA

این مقاله مدلی تلفیقی از تحلیل پوششی داده‌ها (DEA) و تحلیل مولفه‌های اصلی (PCA) در جهت کاهش ابعادی مجموعه داده‌ها ارائه می‌دهد. روش تحلیل پوششی داده‌ها به عنوان ابزاری موثر برای ارزیابی و الگوبرداری بکار گرفته شده است. در این روش برای افزایش قدرت تمایز بین واحدهای کارا و ناکارا بایستی تعداد واحدهای مورد ارزیابی متناسب با تعداد متغیرهای ورودی و خروجی باشد. ‌برای رفع این ضعف ابتدا به جای متغیرهای اصلی از نسبت تک خروجی به تک ورودی استفاده شده است و با استفاده از روش تحلیل مولفه‌های اصلی کاهش بعد انجام می‌شود. مولفه‌های اصلی انتخاب شده به عنوان ورودی‌های مدل تحلیل پوششی داده‌ها استفاده و تحلیل می‌شوند. تفاوت اصلی روش ارائه شده در مقاله بکارگیری برخی نقاط قوت مدل‌های ارائه شده این حوزه در قالب یک روش و چندهدفه ساختن مدل DEA جهت تسهیل در محاسبات است. این روش برای رتبه‌بندی عملکرد شعبه‌های یکی از بانک‌های ایران استفاده شده است.