تحلیل پوششی داده‌ها (DEA) یک روش ناپارامتری برای محاسبه‌ی (برآورد) کارایی گروهی از واحدهاست که فعالیت‌ یکسانی را انجام می‌دهند. مرز به دست آمده از این روش یک مرز نسبی قابل دسترس در دنیای واقعی می‌باشد. درست برخلاف روش پارامتری که در آن واحد‌ها نسبت به مرزی سنجیده می‌شوند که عموماً در دنیای واقعی، غیر قابل دسترس است. کارایی به دست آمده از این روش یک مقدار نسبی و نه مقدار واقعی آن می‌باشد. به عبارت دیگر کارایی به دست آمده از این روش برآوردی از مقدار واقعی کارایی است. به دلیل نامشخص بودن توزیع جامعه میزان دقت کارایی برآورد شده مورد سوال قرار می‌گیرد. فرآیند شبیه‌سازی بوت استرپ که توسط افرون [1] معرفی شده است، می‌تواند برای بالا بردن میزان دقت کارایی برآورد شده مورد استفاده قرار گیرد. در این مقاله ضمن تشریح کامل فرآیند بوت استرپ و نحوه استفاده از آن، به اشکالات موجود در مقاله‌ی سعید عبادی که بدون توجه به برخی نارسایی‌های این روش، به کارگرفته شده است؛ اشاره می‌کنیم. در این مقاله از روش بوت استرپ ساده استفاده شده که با وجود تذکراتی که افرون در استفاده از این روش و به خصوص برای مدل‌های مرزی داده بود، فریر و هیرچبرگ به گونه‌ای دیگر از این روش استفاده کردند. علاوه بر این، در مقاله سعید عبادی [2] هیچ اشاره‌ایی به پیشینه‌ی بوت استرپ نشده و خواننده گمان می‏کند که کار توسط نویسنده مقاله انجام شده است. اما این کار مربوط به مقاله فریر- هیرچبرگ [3] می‌باشد که بعدها به دلیل برخی نارسایی‌ها این روش منسوخ شد [4].

واژه‌های کلیدی: تحلیل پوششی داده‌ها، DEA، بوت استرپ، مرز کارای ناپارامتری

متن کامل [PDF 365 kb]   (2223 دریافت)