دانلود رایگان ترجمه مقاله مطالعه مدل های DEA بدون ورودی های صریح – الزویر 2011

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده
1-مقدمه
2- مدل‌های پایه تحلیل پوششی داده بدون ورودی‌های صریح
3- قضاوت ارزشی در مدل‌های تحلیل پوششی داده‌ها بدون ورودی‌های صریح
4- مطالعات تجربی
4-1 مقایسات مدل‌های DEA-WEI و DEA استاندارد
4-2 مطالعه موردی
5- نتیجه گیری

بخشی از ترجمه فارسی مقاله:

جدول 5 امتیازات ارزیابی اولیه Ces 2002 مربوط به 15 موسسه تحقیقاتی پایه را نشان می‌دهد. دومین ستون، امتیازات نهایی تجمیعی e را نشان می‌دهد که ترکیبی از امتیازات در ارزیابی‌های کمی و کیفی است و تولید رتبه E را می‌کند. چهارمین ستون، امتیازات E1 را نشان می‌دهد که منعکس کننده ارزیابی خروجی کمی مؤسسات تحقیق بدون در نظر گرفتن ورودی‌ها بوده و تولید رتبه 1 می‌کند. ششمین ستون امتیازات E2 را برای ارزیابی پایداری تحقیق نشان می‌دهد که کم و بیش یک ارزیابی کارایی CES بوده و تولید رتبه 2 می‌کند. در جدول 5، 15 موسسه تحقیق اصلی بر طبق رتبه 2 کارایی تحقیق برای مقایسات اسان با جدول 4 رتبه بندی می‌شود. جدول 5 و 2 به طور شفاف نشان می‌دهند که مؤسسات مختلف دارای امتیازات کل بیشتری به دلیل اندازه بزرگ خود هستند. برای مثال، واحد 6 به دلیل امتیاز خروجی‌های تحقیق بالای خود رتبه A را گرفت. واحدهای 4-5، 7-8 همگی به صورت C از نظر کارایی رتبه بندی شدند ولی سه مورد از آن‌ها به دلیل امتیازات خروجی، رتبه B را اختیار کردند. ما سپس، نتایج DEA را با نتایج ارزیابی پایداری تحقیق CES(رتبه 2) مقایسه می‌کنیم که در آن مجموع وزنی شش نمایه در جدول 3 به صورت امتیاز در نظر گرفته شده است. در ابتدا، ما رتبه بندی گروه را بر اساس مدل (14)) رتبه‌های مدل 14) در جدول 4 و رتبه 2 بر اساس پایداری تحقیقات مؤسسات در جدول 5 مقایسه می‌کنیم. برای بدترین DMU ها، واحد 4 و 5 رتبه B را در رتبه‌های مدل 14 داشتند، در حالی که واحدهای 10 و 12 به طور متفاوت رتبه بندی می‌شوند. از این روی، تفاوت‌های معنی داری در طبقه بندی گروه C از طریق دو رویکرد وجود دارد (چهار مورد از هشت مورد، 50 درصد). این نتایج قابل توجیه هسنند زیرا دو رویکرد بر اساس اصول بسیار متفاوت هستند.
ما سپس به مقایسه رتبه‌های مدل (15) در جدول 4(رتبه مدل 1 بسیار مشابه است) با رتبه 2 در جدول 5 می‌پردازیم. مؤسسات تحقیقاتی در گروه A از مدل 15 هنوز مشابه با رتبه 2 است. طبقه بندی‌های گروه C تحت دو رویکرد بسیار نزدیک بوده و تنها تفاوت 25 درصدی را دارد. برای مثال، واحد 12 در گروه C با استفاده از مدل (14) قرار دارد، با این حال دارای عملکرد نسبتاً قوی در دست یابی به بودجه‌های تحقیقات خارجی به ازای هر یک از کارکنان است. این خود به صورت B با استفاده از مدل (15) رتبه بندی می‌شوند. از حیث رتبه بندی گروه، دو رتبه بالا متناسب هستند. از این روی، ما بر این باوریم که این مدل DEA قابل کاربرد به ارزیابی کارایی CAS است. رتبه‌های مؤسسات تحقیقات در یک گروه کاملاً متفاوت هستند. با این وجود، رتبه‌های مشابه انتظار نمی‌رود زیرا دو رویکرد بسیار متفاوت استفاده می‌شوند. به طور خلاصه ما تصور می‌کنیم که استفاده از DEA-WEI در ارزیابی عملکرد CAS آینده عملی است و به این ترتیب استفاده از مدل‌های DEA-WEI با قضاوت‌های ارزشی DM لازم و ضروری است.
5- نتیجه گیری
با استناد به مقالات مختلف مربوط به مدل‌های تحلیل پوششی داده‌ها بدون ورودی‌های صریح، در این مقاله ما از یک رویکرد بدیهی برای بررسی این مدل‌های DEA به طور گسترده استفاده می‌کنیم. این رویکرد منجر به نمایش یکنواخت مدل‌های DEA-WEI می‌شود که برخی از آن‌ها صریحاً در این مقاله استخراج شده‌اند. یک مزیت این است که استفاده از این مدل‌ها، در زمانی که تنها نمایه‌ها موجود هستند آسان‌تر می‌باشد. به علاوه، این مدل‌های تحلیل پوششی داده‌ها قابل کاربرد به ارزیابی‌های کارایی می‌باشند که در آن‌ها ورودی‌ها به طور مستقیم در نظر گرفته نمی‌شوند. مدل‌های فرم مضربی DEA-WEI مشابه با رویکرد نسبت هستند با این حال موجب انعطاف پذیری انتخاب اوزان برای DMU های ارزیابی شده می‌شوند.
به علاوه، ما در مورد شیوه استفاده از قضاوت ارزش DM در این مدل‌های DEA با استفاده از اولویت‌ها و محدودیت‌های وزنی بحث می‌کنیم و سپس کاربرد عملی ارزیابی تحقیق را در CAS تشریح می‌کنیم. نتای[نشان داد که مدل‌های DEA بدون ورودی‌های صریح دارای مزایای منحصر به فرد بوده و قابل کاربرد به شرایط واقعی هستند. این نتایج تجربی نشان دهنده آن است که استفاده از DEA-WEI در ارزیابی CAS در آینده عملی است و استفاده از قضاوت‌های ارزشی DM در مدل‌های DEA-WEI لازم و ضروری می‌باشد. به این ترتیب، این مدل‌های DEA-WEI رویکرد ممکن را برای مقابله با اختلافات موجود در ارزیابی تحقیقات CAS در اختیار می‌گذارند.

بخشی از مقاله انگلیسی:

Table 5 provides the original evaluation scores of CES 2002 of the 15 basic research institutes. The second column presents the aggregated final scores E, which combine the scores in qualitative and quantitative evaluations, and produce Rank E. The fourth column presents the scores E1, which reflect the research institutes’ quantitative output evaluation without consideration of inputs, and produce Rank 1. The sixth column presents the scores E2 for their research sustainability evaluation, which actually are more or less the CES efficiency evaluation, and produce Rank 2. In Table 5, the 15 basic research institutes are ranked according to the research efficiency Rank 2 for easy comparisons with Table 4. Table 5 and 2 have clearly shown several institutes have higher total scores due to their big sizes. For instance, Unit 6 was ranked A mainly due to its higher research outputs score. Units 4–5, 7–8 were all ranked C in efficiency but three of them were ranked overall B again due to their output scores. Next we compare the DEA results with the CES research sustainability evaluation results (Rank 2), where the weighted sum of the six indexes in Table 3 is used as the score. Firstly we compare the group ranking based on Model (14) (Ranks of Model 14) in Table 4 and Rank 2 based on the research institutes’ research sustainability in Table 5. The top 4 DMUs have the same ranking results. For the worst performed DMUs, Unit 4 and Unit 5 are ranked B in Ranks of Model (14) but C in Rank 2, while Units 10 and 12 are also ranked differently. Thus there are substantial differences (four out of eight—50%) in the classification of Group C via the two approaches. Such results are understandable as the two approaches are based on very different principles, Then we compare the Ranks of Model (15) in Table 4 (Rank of Model (1) is very similar) with Rank 2 in Table 5. Model (15) has taken some value judgements of the DMs into account. The research institutes in Group A of Model (15) are still the same as those of Rank 2. The classifications of Group C under the two approaches are much closer—now only 25% difference. For example, Unit 12 is in Group C by using Model (14), but has relatively strong performance in obtaining external research funding per staff (7th out of 15). Thus it is ranked B by using Model (15). In terms of the group ranking, the two ranks above are more consistent. Therefore, we believe this DEA model is applicable to the efficiency evaluation of CAS. The ranks of the research institutes in the same group are quite different. Nevertheless, similar ranks are not expected since two every different approaches are employed. In summary, we think it is feasible to apply DEA-WEI in future CAS performance evaluation, and it is necessary to apply the DEA-WEI models incorporating value judgements of the DMs.

5. Conclusion

Motivated by the different applications of the DEA models without explicit inputs, in this paper we take an axiom approach to examine these DEA models in order to cover as wide applications as possible. This approach leads to a uniform presentation of the DEA-WEI models, some of which are derived explicitly in this paper. One advantage is that it is much easier to use these models when only index indicators are available. Furthermore these DEA models are applicable to efficacy evaluations where inputs are not directly taken into account. The multiplier form DEA-WEI models look similar to ratio approach, but allow flexibility of weights selection for the assessed DMUs. Furthermore, we discuss how to incorporate the DMs’ value judgment in these DEA models using weight restrictions and preferences, and further present a practical application of research evaluation in CAS. We find that the DEA models without explicit inputs have some unique advantages and should be applied to more real-life applications. The empirical results show that it is feasible to apply DEA-WEI in future CAS evaluation, and it is necessary to incorporate value judgements of the DMs into DEA-WEI models. Thus these DEA-WEI models provide a possible approach to deal with the main controversies of the existing CAS research evaluations.