مقایسه کارایی واحدهای تصمیم گیری با دو روش مختلف در حضور داده های منفی

مدل های اساسی تحلیل پوششی داده ها (dea) برای داده های نامنفی طراحی شده است. در حالیکه در دنیای حقیقی، در بعضی حالت های خاص ورودی ها و خروجی ها می توانند منفی باشند. بنابراین نیاز به مطابقت دادن مدل های تحلیل پوششی داده ها به مواردی که ورودی ها و خروجی ها بتوانند، هر دو مقدار منفی و نامنفی را اختیار کنند. بسیاری از محققین مدل هایی برای ارزیابی واحدهای تصمیم گیری با ورودی و خروجی منفی ارائه داده اند. همچنین به علت محدودیت منابع و نامحدود بودن نیازهای جامعه، مساله تخصیص بهینه منابع مطرح می شود. برای به کارگیری مقادیر منفی در مدل های تحلیل پوششی داده ها مقالات زیادی ارائه شده است که رویکرد بیشتر آنها تبدیل مقادیر منفی به مقادیر مثبت و یا استفاده از مدل های غیرشعاعی می باشد.در این مقاله، مدل های مهم ارائه شده در این حوزه مانند sorm و جدیدترین مدل،مدل vrm مورد بررسی قرار می گیرند و نقاط ضعف و قوت هر مدل ارائه می گردد. و در آخر با یک مثال، به کاربرد این روش ها در حضور داده های منفی پرداخته می شود.