رتبه بندی جام جهانی 2014 مسابقات فوتبال توسط مدل های تحلیل پوششی داده ها با وزن معمولی
Subject Areas : Data Envelopment Analysis
سید محمد عرب زاد
1
(
گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد نجف آباد
)
نگین برجیس
2
(
گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد نجف آباد
)
هادی شیرویه زاد
3
(
گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد نجف آباد
)
Keywords: DEA, فوتبال, جام جهانی فیفا,
Abstract :
فوتبال یکی از معروف ترین و هیجان انگیزترین ورزش ها در سراسر جهان است. امروزه، علاوه بر نتیجه مسابقه، تعداد گل ها، جذابیت و کیفیت مسابقات نیز برای مدیریت باشگاه، مربیان، بازیکنان و به ویژه طرفداران مهم است. علاوه بر تعداد گل ها، معیارهای متنوعی از قبیل تعداد پاس های موفق، تعداد حملات، تعداد قطع توپ ها، مسابقات و غیره می تواند کیفیت مسابقات را تعیین کند. بنابراین، در این پژوهش، محققان کیفیت بازی های فوتبال جام جهانی 2014 را بررسی می کنند. برای این منظور، پس از بررسی ادبیات موضوع، معیارهای کیفیت مسابقات فوتبال تعیین می شود. پس از آن، اطلاعات مربوط به هر معیار استخراج می شود. سپس، روش تحلیل پوششی داده ها با وزن مشترک برای ارزیابی و رتبه بندی کیفیت مسابقات استفاده می شود. نتایج نشان می دهد که مسابقه بین تیم های ملی آرژانتین و نیجریه به عنوان با کیفیت ترین مسابقه دور اول مسابقات جام جهانی 2014 برزیل است.
Arabzad, S. M., Ghorbani, M., & Shahin, A. (2013). Ranking players by DEA the case of English Premier League. International Journal of Industrial and Systems Engineering, 15(4), 443-461.
Arabzad, S. M., Ghorbani, M., & Shirouyehzad, H. (2014). A new hybrid method for seed determination in sport competitions: the case of European Football Championship 2012. International Journal of Industrial and Systems Engineering, 17(3), 259-274.
Arabzad, S. M., Tayebi Araghi, M. E., Sadi-Nezhad, S., & Ghofrani, N. (2014). Football match results prediction using artificial neural networks; the case of Iran Pro League. Journal of Applied Research on Industrial Engineering, 1(3), 159-179.
Boscá, J. E., Liern, V., Martínez, A., & Sala, R. (2009). Increasing offensive or defensive efficiency? An analysis of Italian and Spanish football. Omega, 37(1), 63-78.
Calôba, G. M., & Lins, M. P. E. (2006). Performance assessment of the soccer teams in Brazil using DEA. Pesquisa Operacional, 26(3), 521-536.
Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European journal of operational research, 2(6), 429-444.
Chitnis, A., & Vaidya, O. (2014). Performance assessment of tennis players: Application of DEA. Procedia-Social and Behavioral Sciences, 133, 74-83.
de Mello, S., Baptista, J. C. C., Meza, L. A., & Silva, B. B. D. (2008). Some rankings for the Athens Olympic Games using DEA models with a constant input. Investigação Operacional, 28(1), 77-89.
Douvis, I., & Barros, C. P. (2008). Comparative Analysis of Football Efficiency Among Two Small European Countries: Portugal and Greece. Choregia, 4(1).
Hosseinzadeh Lotfi, F., Jahanshahloo, G. R., & Memariani, A. (2000). A method for finding common set of weights by multiple objective programming in data envelopment analysis. Southwest Journal of Pure and Applied Mathematics [electronic only], 2000(1), 44-54.
Jahanshahloo, G. R., Memariani, A., Lotfi, F. H., & Rezai, H. Z. (2005). A note on some of DEA models and finding efficiency and complete ranking using common set of weights. Applied mathematics and computation, 166(2), 265-281.
Kao, C. (2010). Malmquist productivity index based on common-weights DEA: The case of Taiwan forests after reorganization. Omega, 38(6), 484-491.
Kern, A., Schwarzmann, M., & Wiedenegger, A. (2012). Measuring the efficiency of English Premier League football: A two-stage data envelopment analysis approach. Sport, Business and Management: an International Journal, 2(3), 177-195.
Kornbluth, J. S. H. (1991). Analysing policy effectiveness using cone restricted data envelopment analysis. Journal of the Operational Research Society, 42(12), 1097-1104.
Liu, F. H. F., & Peng, H. H. (2008). Ranking of units on the DEA frontier with common weights. Computers & Operations Research, 35(5), 1624-1637.
Makuei, A., Alinezhad, A., KIANI, M. R., & Zohrehbandian, M. (2008). A goal programming method for finding common weights in DEA with an improved discriminating power for efficiency.
Roll, Y., Cook, W. D., & Golany, B. (1991). Controlling factor weights in data envelopment analysis. IIE transactions, 23(1), 2-9.
Shannon, C. E. (1948). A mathematical theory of communication (parts I and II). Bell System technical journal, 379-423.
Soleimani-Damaneh, J., Hamidi, M., & Sajadi, H. (2011). Evaluating the performance of Iranian football teams utilizing linear programming. American Journal of Operations Research, 1(02), 65.
Tiedemann, T., Francksen, T., & Latacz-Lohmann, U. (2011). Assessing the performance of German Bundesliga football players: a non-parametric metafrontier approach. Central European Journal of Operations Research, 19(4), 571-587.
Valério, R. P., & Angulo-Meza, L. (2013). A data envelopment analysis evaluation and financial resources reallocation for Brazilian olympic sports. WSEAS Transactions on Systems, 12(12), 627-636.
Wang, Y. M., Luo, Y., & Lan, Y. X. (2011). Common weights for fully ranking decision making units by regression analysis. Expert Systems with Applications, 38(8), 9122-9128.
