تحلیل پوشش داده های معکوس در مدل جمعی

تحلیل پوششی داده ها (DEA) یکی از مناسبترین روشهای ارزیابی کارایی نسبی واحدهای تصمیم گیرنده (DMUs) است، که از ورودی های یکسان برای تولید خروجی های یکسان استفاده می کنند. تحلیل پوششی داده های معکوس یکی از مباحث کاربردی و مورد توجه محققین است. در تحلیل پوششی داده ها، هدف تعیین کارایی است ولی در تحلیل پوششی داده های معکوس، تعیین بهترین خروجی ممکن برای ورودی مفروض، تحت شرایطی که مقدار تابع هدف مدل تحلیل پوششی داده های اصلی ثابت مانده است، بررسی می شود. همچنین در صورتی باید خروجی در سطح معینی تولید شود، چه مقدار ورودی باید مصرف گردد تا کارایی ثابت مانده و یا بهبود یابد. مدلهایی که تا کنون برای بررسی تحلیل پوششی داده های ارائه گردیده اند، عموما مدلهای شعاعی هستند. در این مقاله به بررسی تحلیل پوششی داده های معکوس در مدلهای غیر شعاعی می پردازیم. ضمن پیشنهاد مدلهای جدید، خواص و ارتباط جوابهای حاصل از مدلها را با دیگر مدلهای تحلیل پوششی داده های معکوس مقایسه خواهیم نمود.

کلیدواژه ها:

تحلیل پوششی داده ها ، تحلیل پوششی داده ها معکوس ، مدلهای شعاعی ، مدلهای غیر شعاعی