رتبه‌بندی کامل واحدهای تصمیم‌گیری با ترکیب DEA چند هدفه و PCA

نویسندگان

چکیده

این مقاله مدلی تلفیقی از تحلیل پوششی داده‌ها (DEA) و تحلیل مولفه‌های اصلی (PCA) در جهت کاهش ابعادی مجموعه داده‌ها ارائه می‌دهد. روش تحلیل پوششی داده‌ها به عنوان ابزاری موثر برای ارزیابی و الگوبرداری بکار گرفته شده است. در این روش برای افزایش قدرت تمایز بین واحدهای کارا و ناکارا بایستی تعداد واحدهای مورد ارزیابی متناسب با تعداد متغیرهای ورودی و خروجی باشد. ‌برای رفع این ضعف ابتدا به جای متغیرهای اصلی از نسبت تک خروجی به تک ورودی استفاده شده است و با استفاده از روش تحلیل مولفه‌های اصلی کاهش بعد انجام می‌شود. مولفه‌های اصلی انتخاب شده به عنوان ورودی‌های مدل تحلیل پوششی داده‌ها استفاده و تحلیل می‌شوند. تفاوت اصلی روش ارائه شده در مقاله بکارگیری برخی نقاط قوت مدل‌های ارائه شده این حوزه در قالب یک روش و چندهدفه ساختن مدل DEA جهت تسهیل در محاسبات است. این روش برای رتبه‌بندی عملکرد شعبه‌های یکی از بانک‌های ایران استفاده شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Combination of DEA and PCA for Full Ranking of Decision Making Units

نویسندگان [English]

  • Mojtaba Khazaei
  • Hamid Reza Izadbakhsh
چکیده [English]

This paper presents a combination of Data Envelopment Analysis (DEA) and Principal Component Analysis (PCA) to reduce the dimensionality of data set. DEA is known as effective tool for assessment and benchmarking. The weak point of DEA, it is that the number of efficient DMUs relies on the number of variables (inputs and outputs). For solving this, first, we do principal component analysis (PCA) on the ratios of a single output to a single input. In order to reduce the dimensionality of data set, the required principal components have been selected from the generated ones according to the given choice principle. Then a linear monotone increasing data transformation is made to the chosen principal components to avoid being negative. Finally, the transformed principal components are treated as outputs into data envelopment analysis (DEA) models. One of the main differences of this model versus previous models is that this one's multi objective model. We used this approach to rank the bank branches of Tehran.

کلیدواژه‌ها [English]

  • Data Envelopment Analysis
  • Full Ranking
  • Linear programming
  • Principal component analysis
  • Variable Selection