ارزیابی عملکرد واحدهای تصمیم گیری بر اساس دیدگاه های خوشبینانه و بدبینانه

تحلیل پوششی داده ها (‏DEA‏) روشی برای سنجش عملکرد گروهی از واحدهای تصمیم گیری (‏DMUها) است ‏که از ورودی های متعدد برای تولید خروجی های متعدد استفاده می کنند. این روش عملکرد ‏DMUها را با ‏مینیمم سازی نسبت ورودی وزنی به خروجی وزنی هر ‏DMU، به ترتیب، مشروط به این قید که هیچ یک از ‏کارآیی های ‏DMUهای دیگر کوچک تر از یک نباشد، اندازه گیری می کند (در حالت با ماهیت خروجی). ‏کارآیی هایی که به این ترتیب اندازه گیری می شوند، کارآیی خوشبینانه یا بهترین کارآیی نسبی نامیده می شوند. ‏روش اندازه گیری کارآیی خوشبینانه ی ‏DMUها را خودارزیابی می نامند. در صورتی که نمره ی کارآیی ‏خودارزیابی یک ‏DMU‏ یک باشد، به آن کارآی خوشبینانه می گویند؛ در غیر این صورت، به آن غیرکارآی ‏خوشبینانه می گویند. رویکرد مشابهی وجود دارد که از مفهوم مرز ناکارآیی برای تعیین بدترین نمره ی کارآیی ‏نسبی که می توان به هر ‏DMU‏ اختصاص داد، استفاده می کند. ‏DMUهای واقع روی مرز ناکارآیی به عنوان ‏ناکارآی بدبینانه تعیین می شوند، و آنهایی که روی مرز ناکارآ نیستند، به عنوان غیرناکارآی بدبینانه اعلام ‏می شوند. در این مقاله، این بحث مطرح می شود که هر دو کارآیی نسبی را باید با هم در نظر گرفت، و هر ‏رویکردی که فقط یکی از آنها را در نظر گرفته باشد، دچار سوگیری خواهد بود. برای اندازه گیری عملکرد کلی ‏DMUها، پیشنهاد می شود که هر دو کارآیی را در قالب یک بازه ادغام، و مدل های ‏DEAی پیشنهادی برای ‏اندازه گیری کارآیی را مدل های کراندار می نامیم. به این ترتیب، بازه ی کارآیی تمام مقادیر ممکن کارآیی را که ‏منعکس کننده ی دیدگاه های مختلف هستند، در اختیار تصمیم گیرنده قرار می دهد.