Data envelopment analysis (DEA) is a non-parametric approach for measuring the relative efficiencies of peer decision making units (DMUs). Many studies have examined DEA efficiencies of two-stage systems, where all the outputs from the first stage are the only inputs to the second stage. Although single-stage DEA models with undesirable input-outputs have been extensively studied, there still lacks of more systematical investigation on two-stage DEA with undesirable variables. For instance, depending on its operating model, even whether an intermediate variable is desirable or undesirable can be questionable for a particular two-stage system. Furthermore, most of the existing studies on two-stage systems focus on the case where only the final outputs are undesirable. In this work, we try to systematically examine two-stage DEA models with undesirable input-intermediate-outputs. Particularly, we utilize the free-disposal axioms to construct the production possibility sets (PPS) and the corresponding DEA models with undesirable variables. The proposed models are then used to illustrate some theoretical perspectives by using the data of China׳s listed banks

تحلیل پوششی داده (DEA) یک رویکرد غیرپارامتری برای اندازه گیری بازدهی نسبی واحدهای تصمیم گیری قرین (DMUs) است. مطالعات بسیاری به بررسی بازدهی DEA ی سیستم های دو مرحله ای پرداخته اند که در آنها ، همه خروجی های حاصل از مرحله اول، تنها ورودی هایی برای مرحله دوم هستند. گرچه مدلهای DEA تک مرحله ای با ورودی-خروجی های نامطلوب بسیار تحقیق شده اند، هنوز نبود تحقیق سیستماتیک تری درباره DEA دو مرحله ای با متغیرهای نامطلوب حس می شود. مثلا بسته به مدل عملیاتی آن، اینکه آیا یک متغیر واسطه مطلوب یا نامطلوب باشد، می تواند برای یک سیستم دو مرحله یا خاص پرسش انگیز باشد. بعلاوه بیشتر مطالعات موجود درباره سیستم های دو مرحله ای به موردی مربوط می شوند که در آن تنها خروجی های نهایی نامطلوب هستند. در این کار، ما در تلاش برای بررسی سیستماتیک مدلهای DEA دو مرحله ای با ورودی-واسطه-خروجی های نامطلوب هستیم. بخصوص ما از قضایای در دسترس پذیری آزاد استفاده می کنیم تا مجموعه های امکان پذیری تولید (PPS) و مدلهای DEA مربوطه با متغیرهای نامطلوب را بسازیم. سپس مدلهای پیشنهادی برای توضیح برخی چشم اندازهای تئوری با استفاده از داده های مربوط به بانک های فهرست شده چین به کار می روند.

تحلیل پوششی داده (DEA) یک رویکرد غیرپارامتری برای ارزیابی بازدهی نسبی واحدهای تصمیم گیری همگن (DMUs) است. در مدلهای DEA متداول، فرآیند تولید به صورت یک جعبه سیاه در نظر گرفته می شود که در آن ورودی ها و خروجی ها، نقطه عطف تحقیق و جستجو است و آنچه درون این جعبه می گذرد، معمولا نادیده گرفته می شود. برخلاف رویکرد جعبه سیاه، سیستم تولید عملی اغلب دارای یک ساختار شبکه ای است و فراهم نمودن یک ابزار مناسب تحلیل بهره وری برای بازدهی جداگانه و بازدهی کلی سیستم شبکه، حائز اهمیت می باشد...