کاهش متغیرهای کلیدی ارزیابی بانک ها در بستر روش تحلیل پوششی داده ها با استفاده از مدلسازی معادلات ساختاری

تحلیل پوششی داده ها یکی از پرکاربرد ترین روش ها برای ارزیابی عملکرد بانک ها است. در حوزه ارزیابی عملکرد بانک ها، مدل های مختلف تحلیل پوششی داده ها از قبیل مدل های پایه CCR، BCC، مدل های چند مرحله ای و شبکه ای با شاخص های متنوع ارائه شده است. در این پژوهش ابتدا انواع شاخص ها در ارزیابی بانک ها شناسایی و دسته بندی شد. از طرفی وجود متغیر های زیاد برای ارزیابی بانک ها در بستر تحلیل پوششی داده ها موجب نقض یک قانون کلی که ارتباط بین تعداد واحد های تصمیم گیر و تعداد ورودی ها و خروجی ها برقرار می کند، می شد. رویکرد استفاده شده بر اساس مدل سازی معادلات ساختاری بوده که با نرم افزار AMOS و SPSS تحلیل های لازم صورت گرفت. تحلیل اولیه نشان داد شاخص های کلی برازش مدل مورد تایید قرار نگرفت و تعدادی از متغیر ها در سطح اطمینان ۹۵ درصد معنادار نبودند. لذا، متغیر هایی که معنادار نبوده و بارهای عاملی کم اثر داشتند از مدل حذف شدند. مدل تعدیل یافته بر اساس شاخص های کلی برازش، مورد تایید قرار گرفت. با این رویکرد، ورودی ها و خروجی های تاثیر گذار و کلیدی که قابلیت ایجاد تمایز برای ارزیابی عملکرد شعب را داشتند، استخراج شد. در نهایت، مدل از ۲۲ متغیر اولیه به ۸ متغیر تعدیل شد. لذا این روش می تواند برای شناسایی متغیر های کلیدی برای ارزیابی بانک ها و سایر سیستم های ارزیابی با متغیر های زیاد مورد استفاده قرار گیرد.

Keywords:

تحلیل پوششی داده ها , مدل سازی معادلات ساختاری , تحلیل عاملی تاییدی , ارزیابی بانک