فایل ورد کامل مبانی نظری و پیشینه پژوهش تحلیل پوششی داده‌ها و کاربرد آن در ارزیابی کارایی و بهره‌وری سازمان‌ها

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل مبانی نظری و پیشینه پژوهش تحلیل پوششی داده‌ها و کاربرد آن در ارزیابی کارایی و بهره‌وری سازمان‌ها صفحه می باشد دارای تنظیمات و فهرست کامل در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد فایل ورد کامل مبانی نظری و پیشینه پژوهش تحلیل پوششی داده‌ها و کاربرد آن در ارزیابی کارایی و بهره‌وری سازمان‌ها  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : توضیحات زیر بخشی از متن اصلی می باشد که بدون قالب و فرمت بندی کپی شده است

پیشینه ومبانی نظری تحقیق تحلیل پوششی داده‌ها

تعریف تحلیل پوششی داده‌ها

این روش در ابتدا با تز دکتری رودز مطرح شد که در آن پیشرفت تحصیلی مدارس امریکا در سال ۱۹۷۸ مورد ارزیابی قرار گرفته بود که در همین راستا این تکنیک برای رتبه‌بندی دانشکده‌های اقتصاد انگلستان نیز مورد استفاده قرار گرفت که اساس آن بر اساس مدلی بود که فارل در سال ۱۹۵۷ برای ارزیابی کارایی با استفاده از روشهای غیر پارامتری مطرح کرده بود. چارنز رودز و کوپر مدل اولیه فارل راکه چند ورودی و یک خروجی داشت را توسعه دادند و نام آن را CCR  گذاشتند و در سال ۱۹۸۴نیز مدل BCC توسط بنکر، چارنز و کوپر ارائه شد. (آزادی و فتائی، ۱۳۸۹ : ۲۲)

تعریف تحلیل پوششی داده‌ها: تکنیکی جهت محاسبه کارایی نسبی یک مجموعه از واحدهای تصمیم گیرنده در مقایسه با یکدیگر با استفاده از یک برنامه ریاضی می‌باشد.

تعریف ورودی: در تحلیل پوششی داده‌ها عاملی است که با افزایش آن با حفظ تمام عوامل دیگر کارایی کاهش یافته و با کاهش آن با حفظ تمام عوامل دیگر کارایی افزایش می‌یابد.

تعریف خروجی: در تحلیل پوششی داده‌ها عاملی که با افزایش آن با حفظ تمام عوامل دیگر کارایی افزایش یافته و با کاهش آن و با حفظ تمام عوامل دیگر کارایی کاهش می‌یابد.

واحدهای تصمیم گیرنده (DMU): واحدهایی هستند که یکسری ورودی را دریافت و پس از فرایند خروجی خارج می‌کنند.

(کیم و لی، ۲۰۱۱ : ۵۷)

۲-۱-۱۷- مدل‌های تحلیل پوششی داده‌ها

در روش DEA برای هر یک از واحدهای غیرکارا، یک واحد کارا یا ترکیبی از دو یا چند واحد کارا به عنوان مرجع و الگو معرفی می‌گردند. از آنجائیکه این واحد مرکب (ترکیب دو یا چند واحد کارا) ضرورتاً در صنعت وجود نخواهد داشت، به عنوان یک واحد مجازی کارا شناخته می‌شود. یکی از مزایای  DEA یافتن بهترین واحد مجازی کارا برای هر واحد واقعی (چه کارا و چه غیر کارا) می‌باشد. چنانچه واحدی کارا باشد، مجموعه مرجع آن واحد مجازی کارا خود این واحد خواهد بود. سهم هر یک از واحدهای کارا در تشکیل واحد مجازی کارا برای یک واحد غیرکارا بستگی به وزن (۱ , ۲ , n) دارد که توسط روش DEA برای هر یک از بنگاههای کارا محاسبه و ارائه می‌شود. (شعبانی و همکاران، ۱۳۸۹)

تکنیک DEA دارای چهار مدل اصلی می‌باشد:

۱- مدل بازگشت به مقیاس (CRS):  این مدل که اولین روش DEA است، توسط چارنز، کوپر و رودز در سال ۱۹۷۸ ارائه شد. این مدل را برخی اوقات با حروف CCR می‌شناسند که برگرفته از نام این سه پژوهشگر است. در این مدل با تغییر یک واحد در ورودیها، خروجیها نیز با نسبت ثابت (کاهشی یا افزایشی) تغییر می‌کنند. در واقع شیب تابع تولید در این مدل ثابت است.

۲- مدل بازگشت به مقیاس متغیر(VRS) :  این مدل توسط بانکر، چارنز و کوپر در سال ۱۹۸۴ ارائه شد و اغلب با حروف  BCCشناخته می‌شود. این مدل در مواقعی استفاده می‌شود که مقیاس گذاری یکسان بالاتر و پائینتر از حداکثر مقداری که برای هر یک از ورودیها و خروجیها مشاهده شده است، امکانپذیر نباشد. در این مدل با تغییر یک واحد در ورودیها، خروجیها با نسبت متفاوتی تغییر می‌کنند. این تغییر میتواند کاهشی یا افزایشی باشد. شیب تابع تولید در این مدل متغییر است.

۳- مدل بازگشت به مقیاس افزایشی(IRS) : در این مدل با تغییر یک واحد در ورودیها، خروجیها با نسبت افزایشی تغییر میکنند. شیب تابع تولید در این مدل افزایشی است و بنابراین گاهی کارائی تکنیکی ورودی محور بیشتر از کارائی تکنیکی خروجی محور است و بالعکس.

۴- مدل بازگشت به مقیاس کاهشی(DRS) : منظور از بازگشت به مقیاس کاهشی این است که با تغییر یک واحد در ورودیها، خروجیها با نسبت کاهشی تغییر میکنند. شیب تابع تولید در این مدل کاهشی است. (قیصری، ۱۳۸۶)

هر کدام از مدلهای فوق دارای دو جهت مطالعه(خروجی محور – ورودی محور) هستند. مفهوم خروجی محور این است که به چه میزان باید خروجیها را با ثابت نگهداشتن میزان ورودیها افزایش داد تا واحد مورد نظر به مرز کارائی برسد. یعنی بدون نیاز به عوامل تولید بیشتر، می‌توان تولید را به این میزان افزایش داد. مفهوم ورودی محور این است که به چه میزان باید ورودیها را با ثابت نگهداشتن میزان خروجیها، کاهش داد تا واحد مورد نظر به مرز کارائی برسد. (جاکوبس، ۲۰۰۶)

۲-۱-۱۸- تحلیل پوششی داده‌ها و محاسبه کارائی

همه تکنیک‌های محاسبه کارایی بر اساس تابع تولید عمل می‌کنند. تابع تولید تابعی است که بیشترین ستاده ممکن را به ازای هر نهاده در یک سازمان مشخص می‌کند. در حالت کلی روشهای تعیین تابع تولید به دو دسته روشهای پارامتری و روشهای غیر پارامتری تقسیم می‌شوند. در روشهای پارامتری که در علم اقتصاد مورد استفاده قرار می‌گیرد ابتدا یک فرم تابعی برای تابع تولید در نظر گرفته می‌شود و سپس با استفاده از مقادیر ورودی و خروجی پارامترهای مجهول تابع برآورد می‌شود. در روشهای غیر پارامتری هیچ فرم تابعی پیش‌فرض برای تابع تولید در نظر نمی‌گیریم و تابع تولید بوسیله خود واحدها تعیین می‌شود.

روشهای پارامتری هم از لحاظ محاسباتی و هم از لحاظ منطقی محدودیتهایی دارند که از جمله آنها می‌توان به موارد زیر اشاره کرد:

– در روشهای پارامتری لازم است که یک فرم تابعی برای تابع تولید داشته باشیم تشخیص اینکه تکنولوژی تولید از چه فرم تابعی تبعیت می‌کند مشکل است و استفاده از فرمهای تابعی رایجی مانند کاب-داگلاس، به عنوان تابع تولید ممکن است در بعضی از فعالیتهای تولیدی درست نباشد.

–  در روشهای پارامتری واحدها باید فقط یک تولید یا به عبارتی یک خروجی داشته باشند و این در حالی‌ است که ممکن است واحدهای تحت ارزیابی، چند محصولی باشند.

– استفاده از روش کمترین مربعات برای بر‌آورد پارامترهای تابع تولید بیان کاملی از نقاط ممکن تولید نمی‌باشد. زیرا طبق تعریف، تابع تولید بیشترین تولید ممکن به ازای هر ورودی است در حالی‌که تابع محاسبه شده از این روش بیشترین تولید ممکن را در هر ورودی بدست نمی‌دهد.

در تلاش برای رفع مشکلات فوق روشهای غیر پارامتری ایجاد شدند. این روشها از آن جهت غیر پارامتری خوانده می‌شوند که پیش‌فرضی از شکل اساسی تابع تولید ندارند و مقدمات آن توسط فارل مطرح شد. روش فارل با اینکه مشکل مربوط به انتخاب تابع تولید را رفع کرد ولی هنوز مشکل تعداد ورودی و خروجی را داشت. بعد از آن این مدل برای حالت چند ورودی و چند خروجی تعمیم یافت و به روش CCR معروف شد و متدولوژی تحلیل پوششی داده‌ها  شکل گرفت. در این روش کارایی، مانند روشهای پارامتری به صورت نسبت خروجی به ورودی تعریف شده و واحدی که این نسبت برای آن بیشترین باشد کارا نامیده می‌شود. توسعه های بعدی در این مدل اشکال گوناگونی از روشهای ارزیابی را تشکیل داد که هر یک خواص و ویژگی های خاصی را در ارزیابی بیان می‌کنند.

مدل CCR  بعنوان مدل پایه ای تحلیل پوششی داده‌ها، روشی مبتنی بر برنامه ریزی ریاضی است که قادر است کارایی مجموعه ای از واحدهای تصمیم گیرنده را که دارای ورودی‌ها و خروجی های چندگانه هستند در مقایسه با هم محاسبه کند. کارایی در این روش به عنوان نسبت خروجی به ورودی تعریف می‌شود. در حالتی که ورودی‌ها و خروجی‌ها چندگانه می‌باشند کارایی به صورت مجموع وزن دار شده خروجی‌ها به مجموع وزن دار شده ورودی‌ها تعریف می‌شود. اگر ارزش ورودی‌ها و خروجی‌ها معلوم باشد آنگاه کارایی به سادگی به صورت زیر قابل محاسبه است.

که در آن vi ارزش ورودی و ui ارزش خروجی واحد i ام است. اما مشکل در تعیین ارزش ورودی‌ها و خروجی‌ها است. اگر واحدهای تحت ارزیابی، واحدهای تولیدی باشند ارزش دهی یا قیمت گذاری ورودی‌ها و خروجی‌ها مشکل نیست اما اگر واحدها، تولیدی نباشند تعیین ارزش واقعی ورودی‌ها و خروجی‌ها مشکل و شاید غیر ممکن باشد. مثلاً اگر برای یک مدرسه اگر ورودی را میانگین معدل دانش‌آموزان هنگام ثبت‌نام و خروجی را تعداد قبولی در دانشگاه‌ها در نظر بگیریم آنگاه ارزشدهی به این نوع ورودی‌ و خروجی‌ها به طوری که به خوبی بیانگر میزان تاثیر آنها در کارایی واحد باشد به راحتی میسر نیست. لذا در روش CCR ارزش ورودی‌ها و خروجی‌ها متغیر فرض شده و برای محاسبه کارایی مدل کسری زیر ارائه شد.

و سپس قید دیگری برای در نظر گرفتن سقفی برای امتیاز کارایی مانند  c ( که معمولا ۱ یا ۱۰۰ در نظر گرفته می‌شود) منظور گردید که شکل مدل را به فرم زیر تغییر داد:

تعبیر دیگری که برای مدل CCR می‌توان در نظر گرفت این است که مدل CCR را می‌توان به یک بازار تشبیه کرد که در آن واحد تحت ارزیابی p می‌تواند ورودی‌هایش را به هر قیمتی بخرد و خروجی‌هایش را به هر قیمتی بفروشد اما واحدهای دیگر نیز می‌توانند ورودی و خروجی‌هایشان را به قیمت‌هایی که واحد p معامله می‌کند، معامله کنند. حال در این بازار رقابتی واحدی کارا است که نسبت میزان فروش به میزان خرید برای آن بیشترین شود. لازم به ذکر است که مدل CCR بیان شده در فوق کسری است و در عمل از خطی شده آن استفاده می‌شود.