تحلیل پوششی داده ها (DEA) ابزار مناسبی برای تخمین زدن انواع کارایی های مختلف می باشد. شناسایی و تشخیص منابع ناکارایی نقش مهمی در تحلیل عملکرد واحدها به منظور برنامه ریزی در جهت ارتقای وضعیت واحدهای تصمیم گیرنده (DMUs) دارد. حال اگر اطلاعات مربوط به ورودی ها و خروجی ها و اطلاعات قیمتی واحدهای تحت ارزیابی در اختیار ما باشد می توانیم فقدان های مربوط به عدم دستیابی سود و درآمد و هزینه بهینه را با توجه به میزان ناکارایی های مربوط به آنها محاسبه کنیم. در این تحقیق قصد داریم مجموعه های امکان تولید قیمتی و هزینه ای جدیدی را معرفی کنیم و برمبنای آنها یک منبع جدید ناکارایی و یک منبع جدید فقدان که ناشی از انتخاب نادرست بردارهای قیمت در فضای غیررقابتی (یعنی در شرایطی که امکان تغییر در قیمت های ورودی ها و خروجی ها از یک DMU به DMU ی دیگر وجود دارد می باشد) را ارائه دهیم. Manuscript profile

ارزیابی واحدهای تصمیم‌گیرنده در دستگاه‌های اقتصادی و مدیریتی بسیار بااهمیت است. یکی از فن‌های علمی و کاربردی برای ارزیابی واحدهای تصمیم‌گیرنده، تحلیل پوششی داده‌ها است. در مدل‌های معمول تحلیل پوششی داده‌ها، واحدها به دو دسته کارا و ناکارا تقسیم می‌شوند که میزان کارایی هر واحد کارا یک است و هیچ تمایزی بین واحدهای کارا وجود ندارد. این مطالعه قصد دارد که یک روش جدید برای رتبه‌بندی واحدهای کارا بر اساس مفاهیم بازی همکارانه ارائه دهد. روش پیشنهادی به این‌گونه است که واحدهای کارا به‌عنوان بازیکنان یک بازی همکارانه در نظر گرفته می‌شوند. یک زیرمجموعه از این بازیکنان به‌عنوان ائتلاف S تعریف می‌شوند. سپس مجموع کارایی واحدهای ناکارا با توجه به مجموعه امکان تولید که توسط واحدهای ناکارا و اعضای ائتلاف S ساخته شده است به‌عنوان تابع مشخصه ائتلاف S تعریف می‌شود، که از آن برای تعیین تأثیرحاشیه‌ای واحدهای کارا در ائتلاف‌های مختلف استفاده می‌شود. در آخر از مقدار شپلی برای تعیین راه‌حل بازی همکارانه و رتبه‌بندی واحدهای کارا استفاده می‌شود. در این روش که قادر به رتبه‌بندی واحدهای کارای غیرراسی نیز هست واحدهای ناکارا نیز در رتبه‌بندیتأثیرگذار هستند و هم‌چنین در هر شرایط بازده به مقیاس شدنی است. Manuscript profile

The Malmquist Index (MI) is a tool for analyzing the productivity. Considering its importance, different suggestions and studies have been offered on the Cost Malmquist Productivity Index (CMPI) according to existing conditions of decision making units (DMUs) and the available data. The present research aimed to provide a CMPI in a non-competitive environment in which the price data changes from one evaluation unit to another. Given the deficiency of Farrel’s cost efficiency (1957) and also the cost efficiency model presented by Tone (2002), and by taking advantage of the idea of changing the productivity of DMUs at different time periods, we presented cost Malmquist Productivity Index in the presence of non-identical prices for various DMUs, Then, we evaluate the data of the Iranian Stock Exchange by aforementioned Cost Malmquist Productivity index Manuscript profile

Bank efficiency is essential in the establishment of healthy financial systems in countries. In this respect, bank managers are expected to respond correctly to questions raised about the financial performance of banks, which is practically impossible without examining the efficiency of the branches under their oversight. In most previous studies, Data Envelopment Analysis was used for evaluating the efficiency of financial branches. The large number of evaluation factors in the analysis leads to an increase in the number of efficient units and thus a decrease in the power of discrimination. Taking a systematic view into consideration, in this study, a step-by-step method was developed for selecting the effective factors in the efficiency of different branches of one of the Iranian Banks based on the effect of each factor or indicator on the whole system’s efficiency including the branches under evaluation. To this end, a new method was proposed for the evaluation of system’s efficiency and some of its properties were stated. Manuscript profile

In traditional DEA, DMUs are divided into Efficient and inefficient, but the score of all efficient units are equal to one and there is no discrimination between them. Thus many ranking methods are proposed to increase discrimination power. This paper proposes an integrated framework of cooperative games and entropy to rank efficient units by considering efficient units as players in a cooperative game, A subset of these players is defined as the coalition of S. The sum of the efficiency of inefficient DMUs with respect to the frontier of production possibility set contain inefficient DMUs and the member of coalition S is defined as the characteristic function of the coalition S, which is used to determine the marginal effect of efficient DMUs. Then, a new Shapley Value resulted from aggregating the marginal effects of efficient DMUs weighted by Shannon entropy is used for ranking efficient DMUs. For the first time, we use the entropy to create a Shapley value for calculating the rank of efficient units.. Two examples are provided to illustrate the applicability of proposed model. Manuscript profile