تجزیه وتحلیل مؤلفه های اصلی

تحلیل پوششی داده ها یک تکنیک مدیریتی برای ارزیابی عملکرد واحدهای تصمیم گیرنده است. در راستای اهمیت پیش بینی عملکرد واحدها، این مقاله به ارائه یک رویکرد هیبریدی براساس تحلیل پوششی داده های تصادفی فازی (FSDEA) و تکنیک تجزیه و تحلیل مؤلفه های اصلی (PCA) می پردازد. از آنجا که از تئوری اعتبار در محدودیت های مدل پیشنهادی و از مقدار مورد انتظار در تابع هدف آن در راستای پیش بینی کارایی مورد انتظار واحدها استفاده می شود، فرآیند حل آن پیچیده است؛ لذا تحت این فرض که ورودی ها و خروجی های واحدها به صورت متغیرهای فازی مثلثی مستقل هستند، مدل  FSDEAبه مدل برنامه ریزی قطعی معادل آن تبدیل می شود. پس از محاسبه کارایی های پیش بینی شده اولیه توسط مدل برنامه ریزی قطعی تحت سطوح مختلف اطمینان، تکنیک PCA روی نتایج به دست آمده به منظور حذف نتایج نامطلوب به کار می روند و مؤلفه های اصلی انتخاب می شوند که به عنوان خروجی های واحدهای تصمیم گیرنده در مدلPCA-FSDEA  به منظور پیش بینی کارایی دوره مالی آتی واحدها به کار می روند. درپایان، رویکرد هیبریدی پیشنهادی روی یک مثال کاربردی به کار می رود و نتایج به دست آمده از آن با نتایج مدل Fuzzy-SBM که توسط چن و همکارانش (2013) ارائه شده مقایسه می شود