ارزیابی عملکرد واحدهای تصمیم‌گیری بر اساس دیدگاه‌های خوشبینانه و بدبینانه

Abstract

تحلیل پوششی داده‌ها (‏DEA‏) روشی برای سنجش عملکرد گروهی از واحدهای تصمیم‌گیری (‏DMUها) است ‏که از ورودی‌های متعدد برای تولید خروجی‌های متعدد استفاده می‌کنند. این روش عملکرد ‏DMUها را با ‏مینیمم‌سازی نسبت ورودی وزنی به خروجی وزنی هر ‏DMU، به ترتیب، مشروط به این قید که هیچ یک از ‏کارآیی‌های ‏DMUهای دیگر کوچک‌تر از یک نباشد، اندازه‌گیری می‌کند (در حالت با ماهیت خروجی). ‏کارآیی‌هایی که به این ترتیب اندازه‌گیری می‌شوند، کارآیی خوشبینانه یا بهترین کارآیی نسبی نامیده می‌شوند. ‏روش اندازه‌گیری کارآیی خوشبینانه‌ی ‏DMUها را خودارزیابی می‌نامند. در صورتی که نمره‌ی کارآیی ‏خودارزیابی یک ‏DMU‏ یک باشد، به آن کارآی خوشبینانه می‌گویند؛ در غیر این صورت، به آن غیرکارآی ‏خوشبینانه می‌گویند. رویکرد مشابهی وجود دارد که از مفهوم مرز ناکارآیی برای تعیین بدترین نمره‌ی کارآیی ‏نسبی که می‌توان به هر ‏DMU‏ اختصاص داد، استفاده می‌کند. ‏DMUهای واقع روی مرز ناکارآیی به‌عنوان ‏ناکارآی بدبینانه تعیین می‌شوند، و آنهایی که روی مرز ناکارآ نیستند، به‌عنوان غیرناکارآی بدبینانه اعلام ‏می‌شوند. در این مقاله، این بحث مطرح می‌شود که هر دو کارآیی نسبی را باید با هم در نظر گرفت، و هر ‏رویکردی که فقط یکی از آنها را در نظر گرفته باشد، دچار سوگیری خواهد بود. برای اندازه‌گیری عملکرد کلی ‏DMUها، پیشنهاد می‌شود که هر دو کارآیی را در قالب یک بازه ادغام، و مدل‌های ‏DEAی پیشنهادی برای ‏اندازه‌گیری کارآیی را مدل‌های کراندار می‌نامیم. به این ترتیب، بازه‌ی کارآیی تمام مقادیر ممکن کارآیی را که ‏منعکس کننده‌ی دیدگاه‌های مختلف هستند، در اختیار تصمیم گیرنده قرار می‌دهد.