تحلیل پوششی داده شبکه ای NDEA
انجام پایان نامه تحلیل شبکه ای DEA
در ادبیات تحلیل پوششی داده شبکه ای NDEA دو مفهوم کارایی وجود دارد: کارایی ضعیف و کارایی پارتو-کوپمنس.
معیار فارل-دبرو بر مبنای مرز کارایی ضعیف محاسبه شده است و در نتیجه امکان وجود کمبودهای غیر صفر در آن نادیده گرفته شده است. در مقابل، مدل اصلی چارنس و دیگران با مفهوم کارایی کامل یا کارایی پارتو – کوپمنس پیوستگی دارد.
چارنس کوپر و امثالهم این مفهوم کارایی را با استفاده از بحث بی نهایت کوچک بودن غیر ارشمیدانی یکپارچه کرده اند.
در یک دستگاه جعبه سیاه یک DMU کارای پارتو کوپمنس است اگر و فقط اگر بهبود در مصرف هر یک از ورودی ها یا خروجی بدون بدترکردن ورودی ها/خروجی های دیگر امکانپذیر نباشد.
بنابراین چارنس-کوپر و هم قطاران آنها مدل CCR را با مفهوم کارایی پارتو کوپمنس مرتبط می کنند. مدل اضافی، مدل های راسل و مدل های کمبود محور، روش های دیگری برای یکپارچه سازی کارایی پارتو کوپمنس هستند.
محرک دیگر برای استفاده از کارایی پارتو کوپمنس این است که ما می توانیم در تحلیل پوششی داده شبکه ای NDEA معیاری برای بهبود کارایی کل سیستم فراهم کنیم.
میبینیم که چگونه این مفهوم برای برآوردن یک هدف کارایی بر مبنای این معیار قابل استفاده خواهد بود. مطالعه میردهقان (۲۰۱۶)NDEA را با توجه به کارایی پارتو کوپمنس برای شرایطی تحلیل می کند که محصولات میانی یا عرضه نمی شوند یا خارج از سیستم یا DMUهای ارزیابی شده تقاضا دارند.
به علاوه ما فرض می کنیم تمام محصولات میانی مطلوب هستند. مطالعاتی که دقیقا بر مبنای کارایی پارتو کوپمنس با توجه به DMU ارزیابی شده و زیرمجموعه های آن انجام شده اند شامل لوئیس و سکستون و فوکویاما و میردهقان می باشند.