در تحلیل پوششی داده ها که از مقایسه ی عملکرد نسبی یک واحد در قیاس با مجموعه ی مرجع برای تشخیص ناکارایی نسبی و ارائه ی الگوی بهبود استفاده می شود، تشخیص درست واحدهای پرت برای دستیابی به نتایج دقیق بسیار مهم است. در این نوع مدل ها ی مرز قطعی، امروزه به کارگیری آزمون های آماری در تشخیص داده های پرت بسیار مرسوم هستند. این مقاله به معرفی دو آزمون آماری برای تشخیص نقاط پرت در تحلیل پوششی داده ها می پردازد. در هر دو روش ارایه شده ، هر مشاهده یک بار از نمونه حذف شده و نتایج مدل های برآورد کارایی مربوط به حذف این واحد برای تولید به توزیع برآورد کارایی قبل و بعد از حذف استفاده می شود. بر اساس توزیع به دست آمده، دو آزمون آماری طراحی و معرفی می شود تا نقاط پرت بالقوه را شناسایی کند. نتایج اجرای این روش را از طریق مجموعه ای از داده های واقعی نشان داده ایم. در مجموع، روش معرفی شده می تواند در اولین گام قبل از استفاده از هر برآورد مرزی جهت تشخیص و حذف داده های پرت استفاده شود.
بازنشر اطلاعات | |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |