مینا ایزدی قهفرخی - دانشکده تحصیلات تکمیلی، دانشگاه آزاد اسلامی واحد خوراسگان

اغلب مدل های تحلیل پوششی داده ها با درنظر گرفتن فرض نامنفی بودن داده های ورودی و خروجی پایه ریزی شده اند. اما گسترش کاربردهای تحلیل پوششی داده ها در حوزه های مختلفی چون صنعت، بانکداری و غیره و نیز مشاهدات برخواسته ازسیستم های واقعی که در آنها برخی داده ها (مانند سود و زیان) ذاتا دارای ماهیت مثبت و منفی هستند، موجب شده است که مساله ارزیابی کارایی در حضور داده های منفی مورد توجه محققین قرار بگیرد. در این مقاله تمرکز ما بر شرایطی معطوف است که در مشاهدات سیستم بطورهمزمان در یک(یا چند) خروجی (یا ورودی) مقادیر مثبت و منفی دیده شوند. با توجه به اینکه هیچ یک از مد لهای موجود در تحلیل پوششی داده ها نتوانسته اند در چنین مواردی نتایج قابل قبولی ارائه دهند. هدف ما ارائه مدلی است که: الف) بتواند با توجه به علامت داده ی مورد نظر، راه حلمناسبی برای بهبود کارایی ارائه نماید. ب) اندازه کارایی مناسبی به هریک از واح دهای تصمی مگیری تخصیص دهد. ما ابتدا به معرفی اجمالی مدل های موجود دربار هی داده های منفی پرداخته و به بیان برخی از محاسن و معایب این مد لها می پردازیم.پس از آن با مثال های عددی نشان خواهیم داد که چگونه این مدل ها در تولید تصاویر مثبت در متغیرهایی که سطوح مثبت آنها قابل قبول است با شکست روبرو می شوند. در ادامه روش دو فازی پیشنهادی خود را برای تولید تصاویر حتی الامکان مثبت ارائه خواهیم کرد. مثال های کاربردی نشان می دهند که روش ما علاوه بر تولید تصاویر تا حدممکن مثبت، قادر است اندازه کارایی مناسبی نیز به هر یک از واحد های تصمیم گیری تخصیص دهد

تحلیل پوششی داد هها، داده های منفی، مدلSBM