یک مدل غیر شعاعی برای تعیین بازده به مقیاس
محل انتشار: چهارمین کنفرانس ملی تحلیل پوششی دادها
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,150
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DEA04_112
تاریخ نمایه سازی: 10 اردیبهشت 1392
چکیده مقاله:
تحلیل پوششی داده ها (DEA) تکنیکی مبتنی بر برنامه ریزی ریاضی، جهت ارزیابی عملکرد و محاسبه کارایی مجموعه ای از واحدهای تصمیم گیرنده (DMU) متجانس با چند ورودی و چند خروجی است. یکی از مباحث مهم در تئوری اقتصاد و نیز در DEA، مبحث بازده به مقیاس (RTS) است. در حقیقت تعیین نوع بازده به مقیاس برای یک واحد، به مدیر کمک می کند تا در مورد توسیع و یا تقلیل در آن واحدف تصمیم گیری کند. با تکیه بر خاصیت محلی بودن بازده به مقیاس، در این مقاله بازده به مقیاس راست و چپ را مورد ارزیابی قرار می دهیم به طوری که، بازده به مقیاس هر DMU را با توجه به انبساط یا انقباض ورودی تعیین می کنیم. در این مقاله ابتدا مجموعه امکان تولید را در فرم اشتراکی تعریف میکنیم و سپس با توجه به مزیت های مدل های غیر شعاعی به بررسی بازده به مقیاس در هر دو نواحی انبساط و انقباض ورودی بر مبنای یک مدل غیرشعاعی می پردازیم. بدین صورت که بازده به مقیاس را نسبت به هر مولفه ی خروجی تعیین کرده و سپس به طور کلی نوع آن را ارزیابی می کنیم.
کلیدواژه ها:
نویسندگان
محسن رستمی مال خلیفه
دانشگاه آزاد اسلامی واحد علوم و تحقیقات،گروه ریاضی،تهران،ایران
سمیرا یوسف پورکواری
دانشگاه آزاد اسلامی واحد علوم و تحقیقات،گروه ریاضی،تهران،ایران
مریم الله یار
دانشگاه آزاد اسلامی واحد علوم و تحقیقات،گروه ریاضی،تهران،ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :