مدل BCC تحلیل پوششی داده ها نایقین با درجه باور: یک مطالعه موردی در بانکهای ایرانی
تحلیل پوششی داده ها (DEA) به عنوان یک ابزار تحلیلی قوی که در اندازه گیری کارایی نسبی گروهی از واحدهای تصمیم گیرنده (DMUs) با چندین ورودی ها و خروجی ها مورد استفاده قرار می گیرد، شناخته می شود. مدلهای DEA به ورودی ها و خروجی هایی با اطلاعات دقیق نیاز دارند. با این حال، در شرایط دنیای واقعی، ورودی ها و خروجی ها ممکن است ناپایدار و پیچیده باشند، بنابراین نمی توان به طور دقیق آنها را اندازه گیری کرد. این مساله منجر به بررسی مدلهای DEA نایقین می شود. مدل BCC که در این مقاله مورد مطالعه قرار می گیرد، در یک محیط نایقین مورد مطالعه قرار گرفته است که در آن ورودی ها و خروجی های نایقین، مبتنی بر درجه باور هستند که برای مواردی که هیچ اطلاعات تاریخی از یک رویداد نامشخص در دسترس نیست ، مفید می باشند. به عنوان یک روش جواب، مدل BCC نایقین، به طور جداگانه به یک مدل قطعی با استفاده از روش های مقدار مورد انتظار (EV) و روش محدودیت شانس و مقدار مورد انتظار (EVCC) تبدیل می شود. سرانجام ، یک مثال کاربردی در مورد سیستم بانکی ایران برای شرح روش پیشنهادی ارایه شده است.
- 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.