ارزیابی عملکرد واحد های تصمیم گیرنده با ساختار شبکه ای در حضور خروجی نامطلوب
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
در فرایند ارزیابی عملکرد با استفاده از مدل های کلاسیک تحلیل پوششی داده ها، واحد های تصمیم گیرنده به صورت جعبه سیاه در نظر گرفته می شوند. حال آنکه در بسیاری موارد و کاربرد های مختلف هم چون صندوق های سرمایه گذاری، بانک ها، شرکت های بیمه و غیره، واحد ها دارای ساختار شبکه ای می باشند. علاوه بر این، در بسیاری از ساختار های شبکه ای، برخی از شاخص های مورد استفاده به منظور محاسبه کارایی واحد ها، دارای ماهیت نامطلوب می باشند. از این رو ارائه رویکردی توانمند که ساختار درونی واحد ها و روابط درون سازمانی را در محاسبه کارایی لحاظ نماید و هم چنین قابلیت به کار گیری در حضور داده های نامطلوب را نیز دارا باشد، امری ضروری است. لذا هدف از پژوهش پیش رو، ارائه مدل تحلیل پوششی داده های شبکه ای به منظور ارزیابی عملکرد واحد های تصمیم گیرنده با ساختار دو مرحله ای در حضور خروجی های نامطلوب می باشد. لازم به ذکر است که با توجه به ساختار دو مرحله ای حاکم بر شرکت های سرمایه گذاری و حضور خروجی نامطلوب در فرآیند ارزیابی آنها، ده شرکت سرمایه گذاری فعال در بورس اوراق بهادار تهران به عنوان مطالعه موردی پژوهش انتخاب شده اند و نتایج حاصله از ارزیابی عملکرد آنها با استفاده از رویکرد پیشنهادی تحقیق نیز مورد تجزیه و تحلیل قرار گرفته اند.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
157 تا 166
لینک کوتاه:
magiran.com/p1980251
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!