اکرم اویسی عمران

بانک ها نقش مهمی در اقتصاد ملی و رشد و شکوفایی آن ایفا می کنند. در این راستا پژوهش های چندی در مورد ارزیابی عملکرد بانک ها با استفاده از «تحلیل پوششی داده ها (DEA)» انجام شده است. اما در اکثر این پژوهش ها، توجه چندانی به انتخاب متغیرهای ورودی و خروجی نشده و این در حالی است که تغییر در مجموعة متغیرها باعث می شود که کارآییواحدهای تصمیم گیرنده و ارزیابی های حاصل بسیار متفاوت باشند. از این رو در این تحقیق، به منظور انتخاب متغیرهای ورودی و خروجی، از روش رگرسیون لجستیک استفاده شده است. نتایج به کارگیری این روش بیانگر آن است که متغیرهای اصلی در این مدل عبارتند از: «متغیر ورودی منابع اصلی تأمین مالی و متغیرهای خروجی میزان تسهیلات، میزان جذب منابع و تعداد اسناد». این متغیرها دارای بیشترین میزان تأثیر بر روی پیش بینی کارآییو ناکارآیی واحدهامی باشند. سپس با استفاده از این مجموعه متغیرها به تعیین کارآیی فنی، تخصیصی و کل، 15 شعبه از شعب بانک سپه در سطح کل استان تهران در طی سال 1390 پرداخته شد. نتایج حاکی از این بود که 27 درصد واحدها 100 درصد کارا، 20 درصد از واحدها 100 ناکارا هستند. 20 درصد واحدها ناکارای تخصیصی و 34 درصد از واحدها ناکارای فنی هستند.

در این مقاله با هدف بررسی تغییرات بهره وری، دو فن شناخته شده ارزیابی طی زمان یعنی تحلیل پنجره و شاخص مالم کوئیست مورد بررسی قرار گرفته و با انتخاب طول مناسب برای پنجره، تحلیل پنجره و ویرایش جدیدتری از مالم کوئیست در چارچوبی تلفیقیبه کار گرفته شده، به طوری که عملکرد واحد در دوره هایزمانی متوالی نسبت به هم مقایسه شده و اضافه شدن اطلاعات دوره جدید به لزوم تکرار محاسبات دوره های قبلی منجر نمی شود. در این چارچوب ضمن این که تلاش شده است تلفیق دو تکنیک به جبران نقاط ضعف هر یک کمک کند. با به کارگیری آزمون ویل کاکسون، در مورد وضعیت کلی مرزهای کارا نیز اطلاعات فراهم می شود. تقدم و تأخر استفاده از فنون موردنظربه نحوی سازماندهی شده است که به طور پیوسته در هر مرحله، از اطلاعات مرحله قبل استفاده شده با حداقل محاسبات اطلاعات نسبتاً جامعی فراهم می گردد. چارچوب پیشنهادی پژوهش در اداره سرپرستی بانک سپه جنوب شهر تهراندر 9 دوره زمانی به کار گرفته شده و با توجه به تشخیص4مورد انتقال مرز،کارایی چارچوب پیشنهادی به طور موردینشان داده شده است.

انتخاب متغیرهای ورودی و خروجی در تحلیل پوششی داده ها از اهمیّت به سزایی برخوردار است و نمرات کارایی واحدها به شدّت از مجموعه متغیرهای انتخابی تأثیر می پذیرند. در این پژوهش، روشی برای انتخاب متغیرهای ورودی و خروجی، بر اساس آنالیز تشخیصی ارائه شده است. در این روش اهمیّت نسبی متغیرها در تعیین عضویت واحدها در دو گروه متغیر وابسته (کارا و ناکارا) یا همان ضرایب تشخیصی استاندارد به عنوان معیار انتخاب متغیرهای اصلی مدل معرفی می شوند.

در این پژوهش با هدف ارزیابی کارایی نواحی تولید و انتقال نیرو در صنعت برق ایران در طی زمان و با توجه به ماهیت سیستمی مراحل تولید و انتقال برق، دو رویکرد تحلیل پوششی داده های شبکه ای و تحلیل پنجره با هم ترکیب شده است. این سیستم شبکه ای دارای خروجی نامطلوب و مطلوب نهایی و میانی بوده و دارای دو مرحله تولید و انتقال برق در بازه زمانی 1391 تا 1393 است. متغیرهای ورودی و خروجی مرحله اول و دوم به ترتیب مصرف داخلی نیروگاه ها، سوخت مصرفی و بازده حرارتی، راندمان، قدرت نامی نیروگاه و قدرت عملی نیروگاه، حداکثر بار تولیدی، تولید ویژه و تولید ناویژه، ظرفیت پست های انتقال نیرو و طول خطوط انتقال نیرو و درنهایت انرژی تحویلی و تلفات انرژی در نظر گرفته شده است. نتایج نشان می دهد که با توجه به مجموعه امکان ادغام شده طی سه دوره، در سال 1392 از نظر کارایی کل و کارایی مرحله تولید بالاترین تعداد واحدهای کارا وجود دارد؛ درحالی که در مقایسه با مرز کارای سه دوره ای، مرحله تولید برق بیشترین واحدهای ناکارا را دارد و افزایش تعداد واحدهای کارا در مرحله کارایی کل ناشی از کارایی بالای شرکت های برق منطقه ای است.

انتخاب متغیرهای ورودی و خروجی در تعیین نمرات کارایی تحلیل پوششی داده ها از اهمیت فراوانی برخوردار است. در این پژوهش با استفاده از شبکه عصبی مصنوعی به تعیین ورودی ها و خروجی های شرکت های برق منطقه ای پرداخته شده است. کاربرد شبکه عصبی در انتخاب ورودی ها و خروجی های شرکت های برق منطقه ای امری است که در ادبیات موضوع سابقه نداشته و مزیت اصلی روش پیشنهادی محسوب می شود. به منظور آموزش شبکه عصبی دو لایه MLP، از روش آموزش پس از انتشار خطای ارتجاعی استفاده گردید؛ پس از آموزش شبکه عصبی، عملکرد شبکه عصبی با استفاده از الگوهای تست، مورد بررسی قرار گرفت. مقدار RMSE مریوط به 15 الگوی تست برابر 0269/0 به دست آمد که نشان دهنده دقت بالای شبکه آموزش داده شده است. تحلیل حساسیت پارامترهای مورد بررسی که همان ورودی ها و خروجی های تحلیل پوششی داده ها هستند، با افزایش ده درصدی پارامترها نسبت به حالت قبل از افزایش انجام شده و میانگین خطای نسبی خروجی برای پارامترهای شبکه عصبی محاسبه شده است. بر اساس میزان میانگین خطای نسبی خروجی، ورودی ها و خروجی های تحقیق مشخص گردید. مقایسه نمرات کارایی شرکت های برق منطقه ای قبل و بعد از کاهش تعداد متغیرها، تعداد شرکت های کارا در طی شش دوره زمانی فوق از 4/62 درصد به 4/26 درصد کاهش یافته است.

تحلیل پنجره ای، روش شناخته شده ای برای ارزیابی عملکرد در طول دوره های زمانی بر مبنای تحلیل پوششی داده ها است. در کاربرد تحلیل پنجره، فرض می شود که مرزهای کارا در طول دوره های مورد بررسی تغییر نکرده اند. بر خلاف تحلیل پنجره، شاخص مالم کوئیست تلاش می کند تفاوت مرزهای کارا را شناسایی و تفکیک کند. اما منظور از تفاوت مرزها از دیدگاه تحلیل پنجره، تغییرات کلی آنهاست که با روش های آماری قابل مطالعه است؛ در حالی که از دیدگاه مالم کوئیست، منظور میزان افتراق در نقاط محدودی از مرزهاست که با روش های ریاضی قابل تفکیک است. در این پژوهش با توجه به انطباق مجموعه امکان تولید در دو نوع شاخص مالم کوئیست با تحلیل پنجره ای با عرض های برابر با 2 یا بیشتر، چارچوبی پیشنهاد می شود که کاربر را قادر می کند با تعیین طول مناسب پنجره، از نقض فرض اساسی آن اجتناب کند و با به کارگیری نوع مناسب شاخص مالم کوئیست، تفاوت های نقطه ای در مرزها را در محاسبات عملکرد محاسبه کند.