Data envelopment analysis (DEA) is a method for measuring the efficiency of peer decision making units (DMUs). An important area of development in recent years has been devoted to applications wherein DMUs represent two-stage or network processes. One particular subset of such processes is those in which all the outputs from the first stage are the only inputs to the second stage. The current paper reviews these models and establishes relations among various approaches. We show that all the existing approaches can be categorized as using either Stackelberg (leader-follower), or cooperative game concepts. Future perspectives and challenges are discussed

چکیده

تحلیل پوششی داده ها (DEA)  روشی برای اندازه گیری بهره وری و اثربخشی واحدهای تصمیم گیرنده (DMUها) می باشد. در سال های اخیر، توجه خاصی به برنامه های کاربردی شده است که در آن DMU ها ارائه دهنده فرآیندهای دو مرحله ای و یا شبکه ای می باشند. یکی زیر مجموعه های خاص از چنین فرایندهایی آن دسته می باشند که در آن تمام خروجی مرحله اول، تنها ورودی مرحله دوم می باشند. این مقاله به بررسی این مدل ها پرداخته و روابطی را میان روش های مختلف ایجاد می کند. ما نشان می دهیم که تمام روش های موجود را می توان یا به عنوان استفاده از استاکلبرگ (پیشرو- پیرو) و یا مفاهیم بازی تعاونی طبقه بندی نمود. همچنین در این مقاله، چشم اندازها و چالش های آتی مورد بحث قرار گرفته شده است.

-1مقدمه

تحلیل پوششی داده ها (DEA) معرفی شده توسط چارنز و همکاران، رویکردی برای شناسایی بهترین شیوه از واحدهای تصمیم گیرنده (DMUها) در حضور چند ورودی و خروجی است. در بسیاری از موارد DMU ها ممکن است از ساختارهای شبکه ای دو مرحله با اقدامات تعدیلی استفاده کند. به عبارت دیگر، DMU های تحت ارزیابی ویژگی های مشترکی را به اشتراک می گذارند که در بسیاری از ساختارهای شبکه ای دو مرحله ای دیده می شود، یعنی خروجی مرحله اول تبدیل به ورودی مرحله دوم می شود. به عنوان مثال، سیفورد و زو از ساختار شبکه ای دو مرحله ای برای اندازه گیری سودآوری و فروش در بازار بانک های تجاری آمریکا استفاده کرده اند. در مطالعه آنها، سود دهی نسبت به کار و دارایی به عنوان ورودی اندازه گیری می شود و خروجی سود و درآمد می باشد. در مرحله دوم، برای سودآوری در بازار، سود و درآمد به عنوان ورودی استفاده می شود، در حالی که ارزش بازار، بازده و سود هر سهم، خروجی را تشکیل می دهند. زو از ساختار شبکه ای دو مرحله ای یکسانی برای شرکت فورچون جهانی 500 استفاده کرده است. سیفورد و زو از روش استاندارد DEA  استفاده کردند که به بررسی تضاد احتمالی بین دو مرحله ناشی از اقدامات تعدیلی نمی پردازد. به عنوان مثال، به منظور دستیابی به وضعیت "کارآمد"، مرحله دوم ممکن است مجبور به کاهش ورودی خود (اقدامات تعدیلی) باشد. چنین اقدامی سبب کاهش خروجی مرحله اول، و در نتیجه کاهش بهره وری آن مرحله می شود. در مطالعه حاضر، ما مدل های مختلف DEA  موجود را برای اندازه گیری بهره وری در ساختارها و یا فرآیندهای شبکه دو مرحله ای مورد بررسی قرار داده ایم. ما این مدل های DEA  را به چهار دسته طبقه بندی نموده ایم: روش استاندارد DEA ؛ روش تجزیه اثربخشی، روش شبکه – DEA و رویکرد نظریه بازی. به جز روش استاندارد DEA، تمام روش های دیگر به دنبال اصلاح موضوع تضاد اشاره شده در بالا هستند. در این مقاله، ما از مجموعه داده های کائو و هوانگ مربوط به شرکت های بیمه غیر زندگی در تایوان استفاده کرده ایم. مابقی مقاله به شرح زیر می باشد: بخش 2، روند کلی دو مرحله ای و ارزیابی مقالات عمومی و طبقه بندی مقالاتی که بهDMU ها با فرایند دو مرحله ای پرداخته اند را مورد بررسی قرار داده است.  در بخش 3 و 4، ما روش تجزیه اثربخشی، و رویکرد نظریه بازی را مورد بحث قرار می دهیم. ما این مقاله را با مطالعات لیانگ و همکاران آغاز می کنیم،  که در آن مدل DEA  برای اندازه گیری عملکرد زنجیره تامین با دو تن از اعضا توسعه یافته است. در مطالعه آنها، از آنجا که برخی از ورودی های مرحله دوم از مرحله اول نمی باشد، یکی از مدل های DEA غیر خطی است. با این حال، اگر رویکرد آنها را به فرآیندهای دو مرحله ای پیشنهادی ما اعمال کنیم، و از تعریف بازده کلی کئو و هوانگ استفاده کنیم، ما می توانیم مدل DEA  خطی را بدست آوریم...