توسعه مدل تحلیل پوششی داده ها با هدف اعتبارسنجی متقاضیان گروه بندی شده تسهیلات بانکی

هدف این رساله توسعه روش تحلیل پوششی داده ها از دو جنبه نظری و کاربردی است. از جنبه نظری مدل تحلیل پوششی داده ها به گونه ای توسعه داده شده است که 1-با جلوگیری از کارا شدن چندین واحد، لزوم بکارگیری روش های موسوم به ابرکارایی که به منظور افزایش تفکیک پذیری بکارگرفته می شوند، از بین برود و 2- اثرات سه گانه در داده های گروهی(اثرات کارایی بین گروهی، درون گروهی و کل ) در یک مدل به صورت همزمان درنظر گرفته شود. از جنبه کاربردی نیز اعتبارسنجی متقاضیان اعتباری گروه بندی شده مورد هدف است که بدین منظور از داده های 169 مشتری حقوقی بانک توسعه صادرات ایران که در ده گروه صنعتی توزیع شده اند، استفاده شده است و مدل های مربوطه برای هر یک از این داده ها اجرا و مورد تحلیل قرار گرفت. مدل های توسعه یافته در این رساله بر اساس مدل های پایه ای ورودی محور وخروجی محور ccr، bcc وsbm شکل گرفته است و برای افزایش تفکیک پذیری از مفهوم واحدهای ایده آل استفاده شده است به طوریکه در نهایت 5 مدل ریاضی جدید گروه محور-ایده آل محور ارائه شد. کلیه 5مدل ارائه شده برای حالت خروجی محور توسعه داده شده است که حالت ورودی محور آن بر اساس اصول حاکم برای مدل های توسعه یافته، قابل تعمیم است. برای مقایسه نتایج ضمن در نظر گرفتن اصول و قواعد حاکم بر مدل های پایه ای، از مدل اندرسون-پیترسون در راستای سنجش میزان تفکیک پذیری استفاده شده است. نتایج حاکی از آن است که مدل های پیشنهادی توانسته است اثرات 3گانه کارایی های مرتبط با داده های گروه بندی شده را در رتبه بندی لحاظ نماید ضمن اینکه از کارا شدن چندین واحد جلوگیری شده است.