سایت مرجع دانلود پایان نامه -پشتیبانی 09361998026

پایان نامه ارشد:میزان رتبه بندی شرکت های پذیرفته شده در بورس اوراق بهادار ایران

– تحلیل پوششی داده ها:

اندازه گیری کارایی به خاطر اهمیت آن در ارزیابی عملکرد سازمان ها همواره مورد توجه محققین بوده است. چنان که قبلا نیز اشاره شد فارل در سال ۱۹۵۷ برای اولین بار با استفاده از روش غیر پارامتری اقدام به اندازه گیری کارایی یک واحد تولیدی نمود. در ادامی محققانی نظیر چانز و همکارانش دیدگاه فارل را توسعه دادند و مدلی را ارائه نمودند که تحت عنوان تحلیل پوششی داد ها نام گرفت. در سال های اخیر نیز در اغلب کشورهای جهان برای ارزیابی عملکرد نهادها و دیگر فعالیت های رایج در زمینه های مختلف کاربردهای متفاوتی از DEA دیده شده است. علت مقبولیت گسترده این روش به سیار روش ها امکان بررسی روابط پیچیده و اغلب نامعلوم بین چندین خروجی است که در این فعالیت ها وجود دارد. DEA امکان نگرش جدید به فعالیت هایی که قبلا به روش های دیگر ارزیابی شده اند فراهم کرده است.

برای مثال امکان محک زنی با استفاده از این روش به شناسایی منابع ناکارا در شرکت های خیلی سودآور منجر شده است. مطالعه کارایی نسبی سازمان های مختلف مانند بانک ها شرکت های بیمه بیمارستان ها و … که مطالعات قبلی قادر به ارزیابی توان بالقوه آنها نبوده اند به کمک    DEAمیسر می شود. ( بحیرایی و حامدی، ۱۳۹۱)

DEA که بوسیله چارنز و همکاران در سال ۱۹۷۸ معرفی شد، یک تکنیک برنامه ریزی خطی برای ارزیابی واحد های تصمیم گیری (DMU ) متجانس است که هرکدام تعدادی شاخص ورودی را دریافت و به شاخص های خروجی تبدیل می کنند. با استفاده از این روش واحدهای تصمیم گیری به دو دسته کارا و ناکارا تقسیم می شون د. مرز کارایی DEA که بوسیله قطعات ترکیب خطی بهترین واحدهای مشاهده شده حاصل می شود، یک مجموعه امکان تولید محدب را مشخص می سازد . بنابراین DEA نیازی به تعریف صریحی از رابطه تولید بین بردارهای ورودی و خروجی  DMUها ندارد .

تعیین کارایی با استفاده از مدل های تحلیل پوششی داده ها بر اساس میزان فاصله هر واحد تصمیم گیری از مرز کارایی و نوع تصویر شدن آن بر روی مرز انجام می شود. دو نوع روش کلی در نحوه تصویر روی مرز عبارتند از شعاعی و غیر شعاعی. مدلهای شعاعی درDEA ، همانند BCC و CCR ورودیهای و خروجیهای غیر شعاعی را نادیده می گیرند. از اینرو مدلهای غیر شعاعی واقعی تر می باشند و این مدلها بطور همزمان تقلیل ورودی ها و افزایش خروجی ها را انجام می دهند. (آصفی و داودی،۱۳۹۰)

تحلیل پوششی داده ها یک روش برنامه ریزی خطی است که با استفاده از اطلاعات سازمانها و واحدهای تولیدی به عنوان واحدهای تصمیم گیرنده، اقدام به ساخت مرز کارایی می کند. مرز فوق براساس اطلاعات در قالب نهاده ها و ستاده ها و بر اساس نتایج برنامه ریزی خطی متوالی ساخته میشود و درواقع درجه عدم کارایی هر واحد تصمیم گیرنده به میزان فاصله واحد مزبور تا مرز کارایی است تقسیم میشوند. هر کدام BCC و CCR مدلهای اصلی تحلیل پوششی داده ها به دو دسته از این مدلها را میتوان به دو رویه ورودی محور و خروجی محور مورد بررسی قرار داد. تفاوت دو مدل BCC وCCR  در فرض مربوط به بازدهی ثابت یا متغیر نسبت به مقیاس است. در مدل CCR فرض بر بازدهی ثابت نسبت به مقیاس، و در مدل BCC فرض بر بازدهی متغیر نسبت به مقیاس است. منظور از بازدهی ثابت نسبت به مقیاس این است که ستاده ها به نسبتی که نهاده ها تغییر میکنند تغییر کنند، برای مثال اگر نهاده ها دوبرابر شدند ستاده ها هم دو برابر شوند. اما منظور از بازدهی متغیر نسبت به

متن فوق بخش هایی از این پایان نامه بود

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل با فرمت ورد می توانید به لینک زیر مراجعه نمایید:

پایان نامه

لینک متن کامل این پایان نامه با فرمت ورد