رتبه بندی کامل واحد های تصمیم گیری با ترکیب DEA چند هدفه و PCA

این مقاله مدلی تلفیقی از تحلیل پوششی داده ها (DEA) و تحلیل مولفه های اصلی (PCA) در جهت کاهش ابعادی مجموعه داده ها ارائه می دهد. روش تحلیل پوششی داده ها به عنوان ابزاری موثر برای ارزیابی و الگوبرداری بکار گرفته شده است. در این روش برای افزایش قدرت تمایز بین واحدهای کارا و ناکارا بایستی تعداد واحدهای مورد ارزیابی متناسب با تعداد متغیرهای ورودی و خروجی باشد. برای رفع این ضعف ابتدا به جای متغیرهای اصلی از نسبت تک خروجی بک تک ورودی استفاده می کنیم و با استفاده از روش تحلیل مولفه های اصلی کاهش بعد را انجام می دهیم. مولفه های اصلی انتخاب شده به عنوان ورودی های مدل تحلیل پوششی داده ها استفاده و تحلیل می شوند. از این روش برای رتبه بندی عملکرد شعبه های یکی از بانکهای ایران استفاده کرده ایم.

کلیدواژه ها:

تحلیل پوششی داده ها (DEA) ، برنامه ریزی خطی ، تحلیل مولفه های اصلی (PCA) ، کاهش متغیرها ، رتبه بندی کامل