افزایش قدرت تمایز واحدهای تصمیم گیرنده بر پایه کاهش پراکندگی وزن ها درتحلیل پوششی داده ها

تحلیل پوششی داده ها (dea)، تکنیکی غیر پارامتری برای اندازه گیری کارایی نسبی واحدهای تصمیم گیرنده با ورودی و خروجی چندگانه، یکی از روشهای بسیار محبوب در بین محققان بوده است. علیرغم محبوبیت این تکنیک غیر پارامتری،شامل چند ایراد از جمله فقدان قدرت تمایز بین  واحدهای کارا و پراکندگی وزن می باشد. در این مطالعه یک روش مبتنی بر dea چند هدفه (mcdea) برای متعادل سازی وزنهای ورودی و خروجی پیشنهاد شده است. مدل پیشنهادی با حفظ خاصیت بهینگی حاصل از مدل ccr، واریانس وزنهای ورودی و خروجی را مینیمم می کند در نتیجه پراکندگی وزنهای ورودی و خروجی متعادل تر می شود لذا قدرت تمایز واحدهای کارا بیشتر می شود یعنی تعداد واحدهای کارا کاهش خواهد یافت .