مجتبی خزایی
حمیدرضا ایزدبخش

این مقاله مدلی تلفیقی از تحلیل پوششی داده ها (DEA) و تحلیل مولفه های اصلی (PCA) در جهت کاهش ابعادی مجموعه داده ها ارائه می دهد. روش تحلیل پوششی داده ها به عنوان ابزاری موثر برای ارزیابی و الگوبرداری بکار گرفته شده است. در این روش برای افزایش قدرت تمایز بین واحدهای کارا و ناکارا بایستی تعداد واحدهای مورد ارزیابی متناسب با تعداد متغیرهای ورودی و خروجی باشد. برای رفع این ضعف ابتدا به جای متغیرهای اصلی از نسبت تک خروجی به تک ورودی استفاده شده است و با استفاده از روش تحلیل مولفه های اصلی کاهش بعد انجام می شود. مولفه های اصلی انتخاب شده به عنوان ورودی های مدل تحلیل پوششی داده ها استفاده و تحلیل می شوند. تفاوت اصلی روش ارائه شده در مقاله بکارگیری برخی نقاط قوت مدل های ارائه شده این حوزه در قالب یک روش و چندهدفه ساختن مدل DEA جهت تسهیل در محاسبات است. این روش برای رتبه بندی عملکرد شعبه های یکی از بانک های ایران استفاده شده است.

برنامه ریزی خطی, تحلیل پوششی داده ها, تحلیل مولفه های اصلی, رتبه بندی کامل, کاهش متغیرها