مدل های IDEA (تحلیل پوششی داده های معکوس) درباره مسایلی از قبیل تخمین میزان ورودی ها (خروجی ها) در برابر افزایش خروجی ها (ورودی ها) ضمن ثابت ماندن کارایی بحث می کنند. نکته مشترک در این نوع مسایل آن است که تغییرات ورودی ها و خروجی ها در ضمن ثابت ماندن کارایی بررسی می شوند، ولی در بعضی از مسایل واقعی تخمین تغییرات ورودی ها (خروجی ها) در قبال تغییرات خروجی ها (ورودی ها) به همراه افزایش کارایی مد نظر است. مساله رشد بهره وری کل عوامل از این نوع مسایل است که در آن، ورودی ها و خروجی های یک واحد در دوره آتی باید به گونه ای افزایش یابند که کارایی نیز به میزان معینی افزایش یابد. در این مقاله به بررسی این گونه از مسایل می پردازیم و مدل IDEA را به گونه ای تعمیم می دهیم که جوابگوی نیاز مطرح شده باشند.

پژوهش های انجام شده در مورد سودمندی استراتژی سرمایه گذاری معکوس در بازار سرمایه ایران را از جهت نوع متغیرهای آزمون می توان در دو گروه دسته بندی کرد: 1) پژوهش های متکی بر بازده تاریخی 2) پژوهش های متکی بر متغیرهای بنیادی. این مقاله با به کارگیری تحلیل پوششی داده ها امکانی را فراهم می آورد که بتوان بازده تاریخی و متغیرهای بنیادی را به طور همزمان مورد استفاده قرار داد و بر مبنای روش-شناسی مطالعات پرتفوی، در سه دوره 2 ساله غیرهمپوشان، طی سال های 1385 تا 1388 در بورس اوراق بهادار تهران اجرا شده است. یافته ها نشان می دهد استراتژی سرمایه گذاری معکوس طی تمامی دوره های تحقیق رویکردی مفید برای کسب بازده اضافی بوده است.

هدف: بررسی تاریخ و روند رشد کشورهای توسعه یافته و مقایسه آن با کشورهای در حال توسعه نشان می دهد که وجه تمایز و نقطه قوت این کشورها استفاده بهینه از فرصت ها و امکاناتی است که در اختیار داشته اند. روش شناسی پژوهش: در این مقاله مدل های DEA را برای تخمین سطوح ورودی/خروجی و اعمال ترجیحات مدیر یا تصمیم گیرندگان و نیز بهبودبخشی واحدهای ناکارا در حالت بازه ای موردبررسی قرار می دهیم. درنهایت مدل های به دست آمده را در 24 شعبه سرپرستی با چهار شاخص ورودی و چهار شاخص، دریکی از بانک ها پیاده سازی شده است و نتایج در قالب جداولی متعدد آورده شده و تفسیر گردیده است. یافته ها: نتایج نشان می دهد که مدیریت می تواند متناسب با توانمندی مجموعه در شاخص های ورودی، نسبت به میزان افزایش شاخص جذب مشتریان جدید اقدام نماید. اصالت/ارزش افزوده علمی: مسئله بر روی واحد تحت ارزیابی دوم پیاده سازی شده است و نتایج را در حالت های مختلف نمایش داده است البته این مهم برای همه واحدهای تحت ارزیابی قابل پیاده سازی می باشد.

داده های گمشده در کاربردهای تحلیل پوششی داده ها یک بیماری مزمن محسوب می شوند. خیلی از اوقات، متغیرهای مهم ورودی یا خروجی پوشش ناکامل دارند و یا اینکه واحدهای تصمیم گیری همه ی آمارهای لازم را گزارش نمی کنند. بنابراین، مقادیر گمشده در ورودی ها و خروجی ها را نمی توان با مدل های اصلی تحلیل پوششی داده ها مورد بررسی قرار داد. در این مقاله، روش هایی را برای پیدا کردن داده های گمشده در حالتی که داده ها قطعی هستند، ارایه می کنیم. در این مقاله پس از تشریح مفاهیم ضروری داده های گمشده، برخی از روش های جانهی داده های گمشده که موجب کاهش پیچیدگی تحلیل داده ها می شود تشریح می شود. روش های مختلفی برای جانهی داده های بی پاسخ موجود است از جمله روش های گوناگون جانهی ساده و جانهی چندگانه. این مقاله نخستین کوشش سیستماتیک برای بهره مندی از داده های حاوی مقادیر گمشده با بهره مندی از رویکردهای آماری در DEA است. به طور خاص، بررسی می کنیم که اگر درایه های خالی را در مجموعه ی داده ها نگه داریم و یک مقدار عددی خاص به آن ها اختصاص دهیم، چه اتفاقی می افتد. برای نشان دادن طرز کار روش های پیشنهادی، از این روش ها برای ارزیابی مجموعه ای از مدارس متوسطه ی دولتی یونان که برخی دارای مقادیر گمشده در ورودی یا خروجی هستند، بهره مندی خواهد شد.

متن کامل مقاله های این شماره به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقالات به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

در این تحقیق تلاش شده است تا آزمون های آماری در تحلیل پوششی داده ها برای تحلیل دقیق تر مدل های تحلیل پوششی داده ها مورد استفاده قرار گیرد. همچنین با به کار گیری تحلیل خوشه ای در تحلیل پوششی داده ها و به کار گیری آن در مورد سی و پنج سرپرستی شعبه های یک بانک تجاری عملکرد آنها را در ماه های مختلف سال بررسی کرده ایم.

در مدل های استاندارد تحلیل پوششی داده ها، فرض بر این است که مقادیر ورودی ها و خروجی ها معلوم و دقیق باشد؛ اما گاهی شرایطی اتفاق می افتد که ناچار به استفاده از مقادیری هستیم که به صورت دقیق مشخص نیستند و به صورت داده های ترتیبی ضعیف، ترتیبی قوی، فازی، کراندار وکراندار کسری و. . . می باشد. مدل های استاندارد تحلیل پوششی داده ها با حضور این گونه داده ها تبدیل به مدل های غیرخطی و نامحدب خواهند شد و تحت عنوان تحلیل پوششی داده های نادقیق معرفی می شوند. در این تحقیق به مطالعه ی حالت خاصی از داده های نادقیق می پردازیم. به این صورت که در بسیاری از کاربردهای واقعی حالت هایی رخ می دهند که برخی از ورودی ها و خروجی ها متعلق به بازه ای از اعداد و برخی دیگر از آن ها درون مجموعه ای گسسته از اعداد می باشند. مدلی با حضور هم زمان این دو نوع داده ی نادقیق معرفی می شود که مدلی غیرخطی می باشد. سپس با استفاده از روشی این مدل غیرخطی به مساله ی برنامه ریزی خطی معادل تبدیل می شود. همچنین کران های بالا و پایینی برای واحدهای عملیاتی تعریف و محاسبه می شود و در انتها نیز کاربردی از روش پیشنهاد شده بر روی یک مورد واقعی از بانک های تجاری ایران اجرا می شود و عملکرد و نحوه ی کارکرد روش پیشنهاد شده مورد سنجش و بررسی قرار می گیرد.