ارزیابی کارایی مدارس قزوین با استفاده از تکنیک تحلیل پوششی داده‌ها به کمک رویکرد بده بستان با ترکیب ورودی و خروجی‌های حجمی و نسبتی
چکیده
هدف: تحلیل پوششی داده‌ها (DEA) یک تکنیک بر مبنای برنامه‌ریزی ریاضی با چندین ورودی و خروجی است. در DEA فرض می‌شود که ورودی و خروجی‌ها می‌توانند هر مقدار حقیقی نامنفی را داشته باشند؛ اما در کاربردهای تحلیل پوششی داده‌ها، ورودی‌ها و خروجی‌ها که نمایانگر ویژگی‌های محیطی و کیفی فرآیند تولید هستند، اغلب به صورت درصد، نسبت و میانگین بیان می‌شوند که به آن‌ها شاخص‌های نسبتی گفته می‌شود.
روش‌شناسی پژوهش: در مدل‌های سنتی DEA با فرض بازده به مقیاس ثابت و متغیر نمی‌توان به درستی چنین شاخص‌های نسبتی را ترکیب نمود.
یافته‌ا: در این پژوهش، مدل‌های جدید ارزیابی کارایی با شاخص‌های نسبتی و حجمی که توسعه‌ای از مدل‌های سنتی با فرض بازده به مقیاس ثابت و متغیر هستند، به وسیله بده-بستان تولید بین ورودی‌ها و خروجی‌های نسبتی حجمی، معرفی و به منظور نشان دادن اهمیت موضوع به وسیله مدل‌های معرفی شده، به ارزیابی کارایی مدارس مقطع متوسطه( دوره اول) قزوین می‌پردازیم.
اصالت/ارزش افزوده علمی: نتایج نشان می‌دهد که مدل‌های معرفی شده توانایی ارزیابی کارایی مدارس قزوین را دارند، در حالی‌که مدل‌های سنتی به دلیل وجود شاخص‌های نسبتی و بده-بستان بین آن‌ها توانایی ارزیابی دقیق کارا بودن مدارس قزوین را ندارند.
کلمات کلیدی:
تحلیل پوششی داده‌ها، تکنولوژی تولید، ورودی و خروجی‌های نسبتی، بده-بستان تولید، مدارس قزوینمراجع
- [1] Khezrimotlagh, D., Salleh, S., & Mohsenpour, Z. (2014). A new method for evaluating decision making units in DEA. Journal of the operational research society, 65(5), 694–707. https://doi.org/10.1057/jors.2013.40
- [2] Bowlin, W. F. (1998). Measuring performance: An introduction to data envelopment analysis (DEA). The journal of cost analysis, 15(2), 3–27. https://doi.org/10.1080/08823871.1998.10462318
- [3] Hollingsworth, B., & Smith, P. (2003). Use of ratios in data envelopment analysis. Applied economics letters, 10(11), 733–735. https://doi.org/10.1080/1350485032000133381
- [4] Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European journal of operational research, 2(6), 429–444. https://doi.org/10.1016/0377-2217(78)90138-8
- [5] Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science, 30(9), 1078–1092. https://doi.org/10.1287/mnsc.30.9.1078
- [6] Thanassoulis, E., Boussofiane, A., & Dyson, R. G. (1996). A comparison of data envelopment analysis and ratio analysis as tools for performance assessment. Omega, 24(3), 229–244. https://doi.org/10.1016/0305-0483(95)00060-7
- [7] Emrouznejad, A., & Amin, G. R. (2009). DEA models for ratio data: Convexity consideration. Applied mathematical modelling, 33(1), 486–498. https://doi.org/10.1016/j.apm.2007.11.018
- [8] Olesen, O. B., Petersen, N. C., & Podinovski, V. V. (2015). Efficiency analysis with ratio measures. European journal of operational research, 245(2), 446–462. https://doi.org/10.1016/j.ejor.2015.03.013
- [9] Podinovski, V. V. (2004). Production trade-offs and weight restrictions in data envelopment analysis. Journal of the operational research society, 55(12), 1311–1322. https://doi.org/10.1057/palgrave.jors.2601794
- [10] Podinovski, V. V, Wu, J., & Argyris, N. (2024). Production trade-offs in models of data envelopment analysis with ratio inputs and outputs: An application to schools in England. European journal of operational research, 313(1), 359–372. https://doi.org/10.1016/j.ejor.2023.08.019
- [11] Olesen, O. B., Papaioannou, G., & Podinovski, V. V. (2025). Constant returns-to-scale production technologies with fixed ratio inputs and outputs. Journal of productivity analysis, 63(1), 37–48. 10.1007/s11123-024-00734-2
دانلود
چاپ شده
شماره
نوع مقاله
ارجاع به مقاله
شماره 1