نقاط ضعف و محدودیت های وزن های تجزیه در مدل DEA چندگامی افزاینده

عنوان فارسی مقاله:نقاط ضعف و محدودیت های وزن های تجزیه در مدل DEA چندگامی افزاینده

چکیده

هدف اصلی این مطالعه، ارزیابی موانع و نقاط ضعف مدل DEA چند گامی در تحقیقات گذشته است. در این جا روی مدل DEA با تجزیه راندمان افزودنی تمرکز می‌کنیم. ما یک دسته بندی را برای مدل‌های DEA چند گامی توسعه داده و بیان می‌کنیم که وزن‌های تجزیه ممکن است غیر افزاینده باشند. هنگامی که وزن تجزیه برای یک گام منعکس کننده اهمیت نسبی مرحله تلقی می‌شود، این خاصیت حاکی از آن است که مراحل بالادست (فارغ از نمرات راندمان طبقه) در مدل، ترجیح بیشتری در تجزیه راندمان به دست می‌آورد. به علاوه درمی یابیم که وزن‌های غیر فزاینده می‌تواند بر ارزیابی نمرات کلی و کارایی مرحله تأثیر بگذارد. نتایج از طریق یک مجموعه داده تجربی نشان داده می‌شود(تجزیه در مدل DEA چندگامی افزاینده).

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Pitfalls of decomposition weights in the additive multi stage DEA model

Abstract

This paper examines limitations of the multi-stage DEA (data envelopment analysis) model in the literature. We focus on the DEA model with additive efficiency decomposition. We create taxonomy for the multi-stage DEA models and show when the decomposition weights can be non-increasing. When the decomposition weight for a stage is deemed reflective of the stage's relative importance, this property then implies that upstream stages (regardless the stage efficiency scores) in the model will obtain higher priority in efficiency decomposition. We also find that the non-increasing weights can affect the evaluation of overall and stage efficiency scores. We illustrate our findings through an empirical data set.