تغییراتی بر روی اندازه کارایی بر پایه متغیرهای کمکی در تحلیل پوششی داده ها

این پایان نامه در ابتدا انواع اندازه های کارایی شعاعی و غیرشعاعی در تحلیل پوششی داده ها را بررسی می کند. سپس یک مدل غیر شعاعی معرفی و نمایش داده می شود. در این مدل با متغیرهای کمکی به طور مستقل و جداگانه سروکار داریم و آنها را در یک اندازه کارایی جای می دهیم که اندازه بر پایه متغیرهای کمکی یا sbm نامیده می شود. در ادامه نقاط ضعف این اندازه کارایی را مد نظر قرار داده و چهار تغییر یا اصلاح بر روی آن پیشنهاد می دهیم. مدل اصلی sbm کارایی واحدها را با استناد به پیشرفته ترین نقطه مرزی در دامنه تعریف شده، ارزیابی می کند که در نتیجه در سختگیرانه ترین امتیازدهی، امکان دارد به سمت یک نقطه پرت روی مرزهای کارایی برویم. برای غلبه بر این نقیصه، ابتدا تغییراول را ارائه می دهیم که هر واحد را به وسیله نزدیکترین نقطه روی همان رویه که sbm برای آن یافته است، ارزیابی می کند. از آنجا که رویه های بالقوه دیگری نیز وجود دارند، هر واحد را از طریق همه رویه های مرتبط ارزیابی می کنیم (تغییر دوم). سپس با یک شیوه دسته بندی، واحدها را به چندین دسته تقسیم کرده و برای داشتن نتایج مستدل و با خطای کمتر، تغییر دوم را روی هر دسته بکار می بریم. سرانجام یک شیوه جستجوی تصادفی روی رویه ها برای کاهش حجم محاسبات و زمان بری آنها پیشنهاد می شود