فایل ورد قابل ویرایش
تحلیل حساسیت واحدهای کارآ در تحلیل پوششی داده ها با بازده به مقیاس متغیر
چکیده
دراین مقاله، تحلیل پوششی داده ها با بازده به مقیاس متغیر ارايه شده است. واحد های تصمیم گیرنده (DMU) به صورت کارآ یا ناکارآ طبقه بندی می شوند که بعد از تغییرات ورودی / خروجی های آن ها، ممکن است طبقه بندی شان تغییر کند. یعنی یک DMU ی کارآ می تواند ناکارآ شود و بالعکس. هدف این مقاله ارزیابی تغییرات ورودی/ خروجی های یک DMU ی سوپرکارآی رأسی است به گونه ای که وضعیت کارآیی آن تغییر نکند ودر نتیجه ناحیه ای کارآ برای آن واحد مشخص می گردد. تشخیص این ناحیه با استفاده از روش تکرار می باشد. دراولین گام، مدل بسط داده شده تحلیل پوششی داده ها DEA)) لحاظ شده که با استفاده از آن DMU ی تحت ارزیابی از مجموعه مرجع جدا می شود.با استفاده از برنامه ریزی پارامتریک و با به کار بردن جدول سیمپلکس جواب بهینه به دست می آید، سپس جواب های دوآل استخراج و معادله ی وجهک متناظر مشخص می گردد. با تکرار روش از وجهکی به وجهک مجاور رفته و تا تعیین همه ی وجهک های مرز ناحیه ی کارآیی برای DMU ی مورد نظر این عمل ادامه یافته، تا ناحیه ی کاملی از کارآیی به دست آید.
کلمات کلیدی: تحلیل پوششی داده هاDEA))، بازده به مقیاس متغیرVRS))، تحلیل حساسیت، LP، مدل بسط داده شده ی تحلیل پوششی داده ها، برنامه ریزی پارامتریک.
1 مقدمه
تحلیل حساسیت یک واحد کارآی رأسی با تغییرات ممکن ورودی ها وخروجی ها ی آن همواره مورد توجه تحلیل گران DEA بوده است. محققین متعد دی در مورد تحلیل حساسیت واحدهای کارآ در تحلیل پوششی داده ها مطالعاتی داشتند و روش هایی برای به دست آوردن تغییرات مجاز ورودی ها و خروجی ها پیشنهاد شده است. چارنز و نرالیچ [5] نخستین بار به این موضوع پرداختند به این صورت که بعد از آشفتگی ماتریس پایه ی بهینه، همچنان بهینگی آن حفظ گردید. مطالعات دیگری توسط تامسون و گنزالس [11] مطرح شد. آن ها از متغیرهای بهینه ی دوآل درمدل های مضربی برای ارزیابی کارآیی DMU ی مورد نظر استفاده کردند. در مطالعات بعدی از مدل گسترش یافته استفاده شد به طوریکه DMU ی مورد بررسی از مجموعه ی مرجع خارج شده ومتغیرها با تغییراتی در ورودی و خروجی تعریف گردیده ونیز با ارایه ی تعریفی از ناحیه ی کارآ، حفظ کارآییDMU ی مورد بحث بررسی گردید.هدف ازاین مقاله به دست آوردن ناحیه ای کارآ () است، به طوری که کارآیی واحد مورد نظر با تغییرات مجاز ورودی/ خروجی همچنان کارآ باقی بماند.همچنین روشی برای به دست آوردن ناحیه ی کارای کامل ارايه گردید که به طور همزمان همه ی ورودی ها و خروجی های ی کارآ تغییر کنند[10]. تاکنون با استفاده از مدل بسط داده شده ی تحلیل پوششی داده ها وبه کاربردن برنامه ریزی پارامتریک و تغییرات ورودی/ خروجی به عنوان پارامتر، ناحیه ی کارآیارايه گردید. ناحیه ی مذکوربا روشی که وجهک های مرز کارآ را مشخص می سازند، به دست می آید. با توجه به این که بررسی های قبلی شرط لازم کارآ بودن را دنبال می کردند، دراین مقاله سعی بر پیدا کردن شرایط لازم و کافی بوده که نهایتاٌ منجربه مشخص نمودن ناحیه ی کارآی کامل برای خواهد شد
مجموعه فایل پاورپوینت داده کاوی
حجم:9044KB | بازدید :2610
علم داده کاوی عبارتست از استخراج اطلاعات ,دانش وکشف الگوهای پنهان از پایگاه داده های بسیار...
حجم:5698KB | بازدید :2773
در این بخش بر روی مدلهای لاجیت وپروبیت تاکید می شود .از آنجایی که این مدلها بسیار بهم مرتبط اند آنها را به عنوان مدلهی رگرسیون ترتیبی بیان می...
حجم:3094KB | بازدید :433
برنامه ریزی استراتژیک یک روش منطقی ودر عین حال ساده برای ایجاد یک ساختار تصمیمگیری مناسب درجهت دستیابی اهداف سازمانی است امروزه سازمانها ناگزیرند که به اندیشه های خود درباره تغییر ,تحول ,نوآفرینی ودگرگونی شکل دهند...
پاور پوینت سیاست وتوسعه کشاورزی
حجم:3053KB | بازدید :424
قسمتی از متن تاریخچه این گستره از علم را می توان تقریبا به دو دوره تقسیم نمود: 1- دوره رشد و نوسازی اقتصادی: این مقطع دهه های1940، 1950 و 1960 را شامل می شود. در این دوره، توسعه را عمدتا بر اساس رشد متوسط تولید سرانه تعریف می کردند. در این زمینه امور زیر مورد بررسی قرار...
حجم:1308KB | بازدید :2874
قسمتی از متن جستجو براي اطلاعات با ارزش در ميان حجم زيادي از داده ,استخراج اتوماتيک مدل از داده,فرآيند استخراج اطلاعات نهفته در حجم زيادي از داده داده کاوي يکي از مراحل KDD است KDD از تکنيکهايي نظير پيش پردازش ، تميز سازي، تبديل، داده کاوي و ... براي استخراج...
دانلود پاورپوینت الگوریتم ژنتیک
حجم:1005KB | بازدید :256
مفاهیم الگوریتم, زمینه بیولوژیکی ,زمینه تاریخی ,نمودار گردشی فرآیند, مکانیسم GA ,وهمچنین حل...
حجم:32KB | بازدید :2804
قسمتی ازمتن lData Mining عبارت است از اقتباس يا استخراج دانش از مجموعه ای از داده ها ، به بيان ديگر ، Data Mining فرايندی است که با استفاده از تکنيکهای هوشمند، دانش را از مجموعه ای از داده ها استخراج می کند. l lData Mining از ساخت مدل های تحليلی ، دسته بندی و پيش بينی اطلاعات و...