روش تحلیل پوششی داده ها و روش مرز تصادفی

همبستگی بالایی میان مدل مرز تصادفی مبتنی بر تابع تولید کاب داگلاس و مدل تحلیل پوششی داده ها وجود دارد.
کارایی به مشخصات مختلف شرکتهای بیمه بستگی دارد.

فیچر و همکاران

روش تحلیل پوششی داده ها

ادغام در صنعت بیمه عمر با هدف ثبات اقتصادی صورت گرفته و اثر سودمندی بر کارایی این صنعت داشته است.

کامینز و همکاران

روش تحلیل پوششی داده ها

شرکتهای سهامی بیمه در اسپانیا کارایی کمتری نسبت به شرکتهای بیمه تعاونی دارند.

کامینز و میزانس

روش تحلیل پوششی داده ها، روش مرز تصادفی و روش آزاد در توزیع

انتخاب روش تخمین کارایی تاثیر مهمی در نتایج مطالعات کارایی دارد.

کامینز و زی

روش تحلیل پوششی داده ها

درآمدهای بالقوه ناشی از دستیابی به کارایی مقیاس در شرکتهای تعاونی نسبت به ششرکتهای سهامی از اهمیت کمتری برخوردار است.

فوکویاما

توانایی مدلهای تحلیل پوششی داده ها در پاسخگویی به نیازهای کاربردی سبب شده است که تحقیقات وسیعی در حوزه های مختلف انجام گیرد. ویژگیهای کاربردی مدل مذکور به خصوص در دو دهه گذشته، به سرعت توانسته است وضعیتی ویژه برای این تکنیک در سطح جهان فراهم آورد. تحقیقات متعددی که با بهره گرفتن از این تکنیک انجام شده حاکی از توانایی قابل ملاحظه این روش در ارزیابی عملکرد و اندازه گیری بهره وری میباشد. از این رو تحقیق حاضر به منظور ارزیابی کارایی کانالهای توزیع در صنعت بیمه ایران، از تکنیک تحلیل پوششی داده ها استفاده مینماید که در ادامه تکنیک مذکور به اختصار شرح داده میشود.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۳-۳ تحلیل پوششی داده ها
پیشینه DEA به موضوع رساله دکترای رودز با راهنمایی استاد راهنمایش کوپر برمیگردد که عملکرد مدارس دولتی ایالات متحده آمریکا را مورد ارزیابی قرار داد. این مطالعه منجر به چاپ اولین مقاله درباره معرفی عمومی DEA در سال ۱۹۷۸ گردید. در این سال روش تحلیل پوششی داده ها توسط گروه چارنز، کوپر، رودز با جامعیت بخشیدن به روش فارل به گونهای که خصوصیت فرایند تولید با چند عامل تولید و چند محصول را در بر میگرفت به ادبیات اقتصادی اضافه گردید. این روش عمدتاً بهعنوان روش اندازه گیری کارایی در جهان شناخته شد. روش DEA که تکنیک برنامه ریزی خطی را به کار میگیرد از جمله روش های ناپارامتری تخمین توابع تولید یکسان میباشد (امامی میبدی، ۱۳۷۹).
تحلیل پوششی داده ها یک روش غیرپارامتریک بوده که به کمک برنامه ریزی ریاضی به تعیین مرز کارایی واحدهای تصمیمگیری که دارای ستاندهها و نهادههای مشابهاند میپردازد.
در روش پارامتریک از یک فرم ریاضی مطلوب استفاده میشود، در حالیکه در روش DEA یک درک مشخص و واضح درباره DMU های مختلف فراهم میآید و برخلاف روش های پارامتری که فقط بر روی پارامترهای جامعه توجه و تاکید میکند، به مشخصهها و ویژگیهای تمامی مشاهدات توجه میشود.
در روش های پارامتریک باید یک معادله مشخص وجود داشته باشد که در قالب آن متغیرهای مستقل و وابسته با یکدیگر ارتباط داشته باشند، در حالیکه در روش DEA نیاز به هیچگونه فرض یا فرم ریاضی خاص نمیباشد. کارایی بهدست آمده در روش DEA کارایی نسبی است و مرز کارایی توسط ترکیب محدبی از واحدهای کارا ایجاد میشود. لذا هر DMU که بر روی مرز فوق قرار داشته باشد کارا است و در غیر اینصورت ناکارا خواهد بود. جهت کارا نمودن یک واحد ناکارا باید تغیراتی در نهادهها و ستاندههای آن واحد صورت گیرد.
شایان ذکر است که پس از اجرای مدلهای DEA، مجموعهای تحت عنوان مجموعه مرجع ارائه میشود. در این مجموعه مشخص شده است که هر واحد ناکارا برای رسیدن به مرز کارایی باید با کدامیک از واحدهای کارا مقایسه شود (Charnes et al, 1984).
همانطور که قبلاً ذکر شد کارایی یک حاصل نسبت ستانده به نهاده آن واحد میباشد. اگر یک واحد سازمانی بتواند با نهادههای ثابت، ستاندههای بیشتر یا با نهادههای کمتر، ستاندههای ثابت و یا نهادههای کمتر، ستاندههای بیشتری را تولید کند آن واحد سازمانی از کارایی بالاتری برخوردار خواهد بود. اگر واحدهای سازمانی، فقط دارای یک نهاده و یک ستانده باشند، کارایی حاصل ستانده به نهاده خواهد بود. اما اگر یک واحد سازمانی دارای نهادهها و ستاندههای مختلف باشد، یافتن وزن مشترک برای ستاندهها و نهاده‎های مختلف، مشکل و حتی غیرممکن نیز میباشد که در این حالت باید از تکنیک تحلیل پوششی داده ها استفاده نمود (آذر، ۱۳۷۹).
۳-۴ مفهوم واحد مجازی در تکنیک تحلیل پوششی داده ها
منظور از اندازه گیری کارایی نسبی، مقایسه کارایی یک واحد با واحدهای دیگری که نهادهها و ستاندههای نسبتاً مشابهی دارند، میباشد. روش های مختلفی برای اندازه گیری کارایی نسبی وجود دارد که برخی از آنها روش های متداول مطرح شده در علم اقتصاد میباشد. روش جدید دیگری که مبانی آن در قسمتهای قبل مطرح شده، تکنیک تحلیل پوششی داده ها میباشد. در روش تحلیل پوششی داده ها، دو مفهوم اساسی زیر در تعیین کارایی واحدها وجود دارد:
الف: مبنای روش تحلیل پوششی داده ها بر این فرض اساسی قرار دارد که اگر واحد A بتواند خروجی بیشتری نسبت به واحد B ولی با همان میزان ورودی (ورودی مشابه و یکسان) ارائه کند واحد A از واحد B کاراتر است.
ب: در صورتیکه واحد A بتواند با میززان مشخصی ورودی مقدار مشخصی خروجی را ارائه کند این توقع وجود دارد که سایر واحدهای مشابه نیز بتواندد با همان میزان ورودی، خروجی مشابهی را عرضه کنند و متشابهاً، اگر واحد B با مقدار مشخصی ورودی توانایی تولید میزان معینی خروجی را داشته باشد باز هم انتظار میرود که سایر واحدها نیز به این امر توانا باشند. حال میتوان واحدهای A و B و سایر واحدها را مخلوط و از آن یک ترکیب با ترکیبی از ورودیها و خروجی های واحدها ساخت. اما از آنجاکه واحدی با ویژگی وجود ندارد، یک واحد مجازی ساخته میشود.
پیدا کردن بهترین واحد مجازی از مخلوط کردن تمامی واحدهای واقعی قلب تحلیل پوششی داده ها است. حال اگر این واحد مجازی از واحد مورد بررسی بهتر باشد، یعنی با ورودیهای مشابه و مساوی واحد مورد بررسی، واحد مجازی خروجی های بیشتر را عرضه یا به ازاء خروجی های مشابه و مساوی به ورودیهای کمتری نیاز داشته باشد، واحد تحت بررسی غیرکارا میباشد (مهرگان، ۱۳۸۷، ص ۵۹).
۳-۵ کاستیها و توانایی های تکنیک تحلیل پوششی داده ها
تحلیل پوششی داده ها (DEA) روش نو در تحقیق در عملیات است که برای سنجش و کارایی نسبی به کار میرود. این روش روز به روز گسترش بیشتری یافته و با مدلهای متنوع و قابلیت‌های متعددی در صحنه علمی و پژوهشی مطرح گردیده است.
از جمله مهمترین توانایی های مدل میتوان به موارد زیر اشاره نمود:
با کمک تحلیل پوششی داده ها میتوان هنگام سنجش کارایی نسبی واحدهای تصمیمگیری از عهدهی داده ها و ستادههای چندگانه برآمد.
هنگام بکارگیری این روش لازم نیست تابع تولیدی، که داده ها را به ستادهها تبدیل کند، تعیین شود.
با کمک این روش واحدهای تصمیمگیری بهطور مستقیم با گروه مرجع مقایسه میشوند.
میتوان در تحلیل پوششی داده ها، داده های و ستادههایی را که واحدهای سنجش گوناگونی دارند در مدل وارد کرد.
تحلیل پوششی داده ها، به علت توانایی در مقایسه با وادها یا شرکتهای گوناگون، امروزه بهعنوان یک ابزار قوی در الگوبرداری مورد استفاده قرار میگیرد (مومنی، ۱۳۸۷، ص ۱۷۲-۱۷۳).
از دیگر ویژگیها و قابلیت‌های ویژه مدل که در صحنه اجرایی و کاربردی دارای اهمیت فراوانی هستند می‎توان به موارد ذیل اشاره نمود (موتمنی، ۱۳۸۱، ص ۶۵).

ارزیابی توام مجموعه عوامل

ارزیابی واقع بینانه