بررسی مجموعه وزن های مشترک در تحلیل پوششی داده ها با کنترل وزن

تحلیل پوششی داده ها یکی از روش های سنجش کارایی است که برای ارزیابی عملکرد سازمانها و واحدهای تصمیم گیری بکار می رود. در مدل های معمول تحلیل پوششی داده ها هر واحد تصمیم گیری را نسبت به سایر واحدها در بهترین شرایط قرار می دهیم و مدل را برای رسیدن به بهترین وزن ها برای ورودی ها و خروجی ها حل می کنیم. در این مدل ها وزن های بدست آمده در ارزیابی واحدهای متفاوت معمولا یکسان نیستند. به عبارت دیگر ورودی (خروجی) های یکسان در ارزیابی واحدهای مختلف، ارزش های متفاوت دارند و این واقع بینانه نیست. ‎‏برای رفع این نقیصه روش وزن های مشترک را بکار می بریم. با بکارگیری وزن های مشترک ارزیابی عملکرد واحدهای تصمیم گیری منصفانه تر می شود. مدل های پایه تحلیل پوششی داده ها در بهترین حالت به واحدهای تصمیم گیری کارا اندازه کارایی یک را تخصیص می دهند، لذا این مدل ها تمایزی بین واحدها کارا ایجاد نمی کنند. یک روش برای رتبه بندی واحدهای تصمیم گیری استفاده از وزن های مشترک است در روش وزن های مشترک واحدهای کارا نیز رتبه بندی می شوند. به این ترتیب که ابتدا واحدهای کارا و ناکارا طبقه بندی می شوند، سپس به کمک یک روش مبتنی بر تحلیل پوششی داده ها یک مجموعه از وزن های مشترک بدست می آید. به کمک این وزن های مشترک برای هر واحد تصمیم گیری یک اندازه تعریف خواهد شد که بزرگی این اندازه معیاری برای رتبه بندی خواهد بود. در این پایان نامه روش های مختلفی برای رتبه بندی واحدها با وزن های مشترک بیان می کنیم. با اعمال کنترل وزن ها روش وزن های مشترک را مورد بررسی قرار می دهیم و از انعطاف پذیری بیش از حد وزن در تحلیل پوششی داده ها می کاهیم و با استفاده از مجموعه وزن های مشترک بدست آمده، واحدهای تصمیم گیری را رتبه بندی می کنیم. با حل مثال عددی به تشریح روش پیشنهادی و مقایسه نتایج آن با سایر روش ها می پردازیم. تراکم یکی از مباحث مهم در علم اقتصاد است. تحلیل پوششی داده ها مدل ها و روش های زیادی برای اندازه گیری و تعیین میزان تراکم در واحدهای تصمیم گیرنده ارائه کرده است. در این پایان نامه به تشریح و توضیح برخی از مدل های تشخیص تراکم براساس اندازه کارایی و متغیرهای کمکی می پردازیم. در پایان نیز تراکم را در واحدهای تصمیم گیری با وزن های مشترک اندازه می گیریم و با مثال های عددی به تشریح روش پیشنهادی و مقایسه نتایج آن با سایر روش ها می پردازیم.