عنوان پایان‌نامه
ارزیابی کارایی نسبی و رتبه بندی صندوق های پژوهش و فناوری با استفاده از تلفیق روشهای تحلیل پوششی داده ها( DEA ) و تحلیل مولفه های اصلی ( PCA )
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 58208
- تاریخ دفاع
- ۲۷ شهریور ۱۳۹۱
- دانشجو
- محمدجواد حسن خانی
- استاد راهنما
- رضا تهرانی
- چکیده
- تحلیل پوششی داده‌ها (DEA)، یک تکنیک برنامه‌ریزی خطی محبوب برای رتبه‌بندی و بررسی کارایی واحدهای تصمیم‌گیرنده(DMU) بر اساس داده‌های واقعی و ناپارامتریک است. زمانی که از داده‌های پارامتریک استفاده نماییم، ما از روش تحلیل مولفه‌های اصلی استفاده می‌نماییم. تجزیه و تحلیل مولفه‌های اصلی(PCA) می‌تواند به عنوان کمک و جایگزین برای همان هدف(رتبه بندی) DMU استفاده شود. از آنجا که استفاده از روشهای پارامتریک و ناپارامتریک در پژوهش‌ها در میان پژوهشگران رشد کرده است به بررسی مزایا در مقابل معایب یک روش بر دیگری پرداخته شده است. با این حال مزیت نسبی هیچ کدام از روش‌ها به تنهایی بر دیگری مشخص نیست. این پژوهش به بررسی ادغام هر دو روش به بهترین روش برای رتبه بندی اختصاص داده شده است.
- Abstract
- Data envelopment analysis (DEA), a popular linear programming technique is useful to rate comparatively operational efficiency of decision making units (DMU) based on their deterministic stochastic when the input–output data are statistical technique called principal component analysis (PCA). PCA could alternatively be used for the same purpose of rating DMU. Because of these choices research interest has been growing among . statisticians and mathematical programmers to explore benefits versus disadvantages of using one technique over the other. Yet, the duality between DEA and PCA has not been fully understood. This article is devoted to investigate their complementarities. Keywords: Performance, principal component analysis, Data envelopment analysis
