Data envelopment analysis (DEA), oc

Data envelopment analysis (DEA), occasionally called frontier analysis, was originated by
Charnes, Cooper and Rhodes in 1978. It is a performance measurement technique, can be used
for evaluating the relative efficiency of the decision-making units (DMU's) in the organizations.
It is a method for identifying efficient points in the mixed case. That is, when there are both “less
is better” and “more is better” measures. An attractive feature of DEA is it does produce an
efficiency score between 0 and 1. It does this by making slightly stronger assumptions about how
efficiency is measured. Specially, DEA assumes each performance measures can be classified as
either an inputs or an output. For outputs, more is better, whereas for inputs, less is better. The
score of a point or a decision-making unit is then the ratio of an output score divided by an input
score. DEA is concerned with measuring the relative efficiency of a sample of producers,
referred to as decision-making units (DMU). Another commonly use DEA is Banker, Charnes
and Cooper (BCC) model. BCC version is more flexible and allows variable return to scale. That means if an increase in a unit’s inputs does not produce a proportional change in its outputs then
the unit exhibits variable returns to scale. As the unit changes its scale of operations its efficiency
would either increase or decrease. The main advantage of the variable return to scale is that scale
inefficient companies are only compared to efficient companies of a similar size. However, when
imposing variable returns to scale the company may be technically efficient but not operating at
its optimal scale. Under the assumption of variable returns to scale a unit found to be inefficient
has its efficiency measured relative to other units in the data-set of a similar scale size only. As a
result no unit will obtain a lower efficiency score using variable returns to scale and some units
are likely to achieve higher efficiency results. The number of 100% efficient units is also likely
to be higher under the assumption of variable returns to scale as all units with the lowest value
for any of the inputs or highest value for any of the outputs are rated as efficient.

ผลลัพธ์ (ไทย) 1:

กการวิเคราะห์ข้อมูล (DEA), บางครั้งเรียกว่าการวิเคราะห์พรมแดน ได้มาโดยCharnes คูเปอร์ และโรดส์ในปี 1978 มันเป็นเทคนิคการประเมินประสิทธิภาพ ใช้การประเมินประสิทธิภาพของหน่วยตัดสินใจ (ของบรรยายภาพรวม) ในองค์กรสัมพันธ์วิธีการระบุจุดมีประสิทธิภาพในกรณีที่ผสมได้ กล่าวคือ มีทั้ง "น้อยลงดีกว่า"และ"ยิ่งกว่า"มาตรการ น่าสนใจของ DEA คือ มันผลิตคะแนนประสิทธิภาพระหว่าง 0 และ 1 มันทำ โดยสมมติฐานเกี่ยวกับวิธีแข็งเล็กน้อยเป็นวัดประสิทธิภาพ เป็นพิเศษ DEA สมมติประสิทธิภาพแต่ละวัดสามารถจัดประเภทเป็นอินพุตการหรือผลลัพธ์ สำหรับการแสดงผล เพิ่มเติมได้ดีกว่า ในขณะที่สำหรับอินพุต น้อยกว่า ที่คะแนนจุดหรือหน่วยตัดสินใจแล้วคือ อัตราส่วนของคะแนนผลลัพธ์การหารได้คะแนน เกี่ยวข้องกับการวัดประสิทธิภาพสัมพัทธ์ของตัวอย่างของผู้ผลิต DEAเรียกว่าหน่วยตัดสินใจ(บรรยายภาพรวม) อื่นทั่วไปที่ใช้ DEA เป็นนาย Charnesและรุ่นคูเปอร์ (BCC) รุ่น BCC มีความยืดหยุ่นมากขึ้น และให้แปรคืนขนาด หมายความ ว่า ถ้า การเพิ่มขึ้นของหน่วยอินพุตไม่สร้างการเปลี่ยนแปลงสัดส่วนในการแสดงผลแล้วหน่วยจัดแสดงแทนตัวแปรในการปรับ เป็นการเปลี่ยนแปลงหน่วยของมาตราส่วนของการดำเนินงานประสิทธิภาพของจะเพิ่ม หรือลด ประโยชน์หลักของตัวแปรกลับการปรับมาตราส่วนคือ มาตราส่วนinefficient companies are only compared to efficient companies of a similar size. However, whenimposing variable returns to scale the company may be technically efficient but not operating atits optimal scale. Under the assumption of variable returns to scale a unit found to be inefficienthas its efficiency measured relative to other units in the data-set of a similar scale size only. As aresult no unit will obtain a lower efficiency score using variable returns to scale and some unitsare likely to achieve higher efficiency results. The number of 100% efficient units is also likelyto be higher under the assumption of variable returns to scale as all units with the lowest valuefor any of the inputs or highest value for any of the outputs are rated as efficient.

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์วางกรอบข้อมูล ( DEA ) , บางครั้งเรียกว่าการวิเคราะห์ชายแดนที่มาด้วย
charnes คูเปอร์ และ โรดส์ใน 1978 มันเป็นเทคนิคการวัดประสิทธิภาพ สามารถใช้
การประเมินประสิทธิภาพสัมพัทธ์ของหน่วยการตัดสินใจ ( อย่าอยู่ ) ในองค์กร .
เป็นวิธีการสำหรับการระบุจุดที่มีประสิทธิภาพในกรณีผสม นั่นคือ เมื่อมีทั้ง " น้อย
ดีกว่า " และ " เป็นมาตรการที่ดีกว่า " คุณลักษณะที่น่าสนใจของเดียร์มันไม่ผลิต
คะแนนประสิทธิภาพระหว่าง 0 และ 1 มันไม่นี้โดยการตั้งสมมติฐานเล็กน้อยแข็งแกร่งอย่างไร
ประสิทธิภาพวัด . พิเศษ DEA ถือว่าแต่ละตัวชี้วัดที่สามารถจัดเป็น
ทั้งปัจจัยการผลิตหรือผลผลิต สำหรับผลผลิตมากขึ้น ดีขึ้น ขณะที่ปัจจัย น้อยจะดีกว่า
คะแนนของจุดหรือหน่วยการตัดสินใจแล้วอัตราส่วนคะแนนแบ่งออกโดยการป้อนข้อมูล
คะแนน อีเอจะเกี่ยวข้องกับการวัดประสิทธิภาพสัมพัทธ์ของตัวอย่างของผู้ผลิต
เรียกว่าหน่วยการตัดสินใจ ( อย่าอยู่ ) อื่นทั่วไปใช้ดีเป็นเจ้ามือ charnes
และคูเปอร์ ( BCC ) นางแบบ รุ่น BCC มีความยืดหยุ่นมากขึ้น และช่วยให้ตัวแปรคืนขนาดนั่นหมายความว่า หากมีการเพิ่มปัจจัยการผลิตของหน่วยไม่ผลิตการเปลี่ยนแปลงสัดส่วนของหน่วยแสดงผลแล้ว
ตัวแปรผลตอบแทนขนาด เป็นหน่วยการเปลี่ยนแปลงขนาดของการดำเนินงานประสิทธิภาพ
จะให้เพิ่มหรือลด ประโยชน์หลักของตัวแปรผลตอบแทนต่อขนาด คือ ขนาด
ไม่ได้ผลบริษัทเมื่อเทียบกับ บริษัท ที่มีขนาดใกล้เคียงกันอย่างไรก็ตาม เมื่อ
กำหนดตัวแปรผลตอบแทนต่อขนาด บริษัท อาจเป็นเทคนิคที่มีประสิทธิภาพ แต่ไม่ปฏิบัติที่เหมาะสม
ของมาตราส่วน ภายใต้สมมติฐานตัวแปรผลตอบแทนต่อขนาดหน่วย พบว่ามีการขาดประสิทธิภาพของการวัด
เมื่อเทียบกับหน่วยอื่น ๆในข้อมูลชุดของขนาดใหญ่ที่คล้ายคลึงกันเท่านั้น โดย
ผลไม่มีหน่วย จะได้รับคะแนนประสิทธิภาพลดการใช้ตัวแปรผลตอบแทนต่อขนาดและบางหน่วย
มีแนวโน้มที่จะบรรลุผลประสิทธิภาพที่สูงขึ้น จำนวนหน่วยที่มีประสิทธิภาพ 100% ยังมีแนวโน้ม
จะสูงกว่า ภายใต้สมมุติฐานของตัวแปรผลตอบแทนต่อขนาดเป็นหน่วยทั้งหมดที่มีค่าค่า
สำหรับใด ๆของกระผม หรือ สูงสุด สำหรับการใด ๆของผลคะแนนอย่างมีประสิทธิภาพ