رویکرد دو مرحله ای تحلیل پوششی داده ها برای اندازه گیری عملکرد شعب بانک با فعالیت چندگانه
محورهای موضوعی : آمارعلی هادی 1 , علیرضا امیرتیموری 2 , سهراب کرد رستمی 3 , سعید محرابیان 4
1 - دانشجوی دکتری، گروه ریاضی، دانشکده علوم پایه، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
2 - استاد، گروه ریاضی، دانشکده علوم پایه، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
3 - استاد، گروه ریاضی، دانشکده علوم پایه، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
4 - استادیار، گروه آموزشی ریاضی، دانشکده علوم ریاضی و کامپیوتر، دانشگاه خوارزمی، تهران، ایران
کلید واژه: Data Envelopment Analysis, Efficiency. Banking, Input/Output,
چکیده مقاله :
در این مقاله از روش تحلیل پوششی داده‌ها برای اندازه گیری کارایی، در مواردی که با ورودی های مشترک تفکیک ناپذیر مواجه هستیم، استفاده شده است. هدف این تحقیق، ایجاد یک رویکرد جدید براساس مدل های تحلیل پوششی داده‌ها بر اساس استفاده بهینه از ورودی های مشترک تفکیک ناپذیر در چندین فعالیت متفاوت می‌باشد. در این مطالعه، در مرحله اول امتیاز کارایی از چندین فعالیت محاسبه می شود و سپس حداکثر امتیاز کارایی مربوط به هر واحد تصمیم گیری در نظر گرفته می‌شود. در مرحله دوم امتیاز کارایی که با رویکرد جدید در ورودی های مشترک تفکیک ناپذیر بدست آمده است، به عنوان محدودیت جدید به مدل اضافه می گردد. این روش بر روی داده های واقعی 25 شعبه یک بانک خصوصی در ایران پیاده سازی شده است. لذا در مرحله اول کارایی هر شعبه محاسبه می شود و سپس با توجه به سه نوع فعالیت تولید، بانکداری الکترونیکی و واسطه گری، دستورالعمل های بهبود ارائه می شود. استفاده از این روش باعث ارائه یک امتیاز واقعی کارایی برای هر واحد تصمیم گیری، به جای امتیاز کارایی سنتی شده و همچنین منجر به اخذ تصمیمات ساختار یافته تر بر اساس ارزیابی عملکرد شفاف تر در شعب بانک می گردد.
Data envelopment analysis (DEA) is a nonparametric method for measuring the efficiency of decision-making units (DMUs) with multiple inputs and outputs. This research used the original DEA model and extended it to solve the DEA efficiency measurement problem, specifically for unseparated shared inputs. The consideration of this context aims to establish a new DEA approach to explore bank branch performance in different activities based on the optimal usage of unseparated shared inputs. In this study, in the first stage, the efficiency score is calculated from several activities using graph efficiency, and then, a maximum efficiency score pertaining to each DMU is applied to propose a new model. In the second stage, the efficiency score, which is calculated by the new approach on unseparated shared inputs, is defined as a new constraint based on shared inputs on the CCR model. This approach is implemented on the real data of 25 branches of a private bank in Iran. In fact, the efficiency of each branch is calculated, and enhancement guidelines are presented considering the three activities of production, electronic banking, and intermediation. Presenting one real efficiency score for each DMU, instead of the traditional efficiency score, leads to more robust decisions based on a more transparent performance evaluation in bank branches.
|
Paradi JC, Rouatt S, Zhu H. Two-stage evaluation of bank branch efficiency using data envelopment analysis. Omega. 2011 Jan 1;39(1):99-109. |
|
Škare M, Rabar D. Measuring economic growth using data envelopment analysis. Amfiteatru Economic Journal. 2016;18(42):386-406. |
|
Sherman HD, Gold F. Bank branch operating efficiency: Evaluation with data envelopment analysis. Journal of banking & finance. 1985 Jun 1;9(2):297-315. |
|
Charnes A, Cooper WW, Rhodes E. Measuring the efficiency of decision making units. European journal of operational research. 1978 Nov 1;2(6):429-44. |
|
Banker RD, Charnes A, Cooper WW. Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science. 1984 Sep;30(9):1078-92. |
|
Tran KD, Bhaskar A, Bunker J, Lee B. Data Envelopment Analysis (DEA) based transit routes performance evaluation. InProceedings of the Transportation Research Board (TRB) 96th Annual Meeting 2017 (pp. 1-23). Transportation Research Board (TRB). |
|
Stawowy A, Duda J. A Study of the Efficiency of Polish Foundries Using Data Envelopment Analysis. Archives of Foundry Engineering. 2017;17(1). |
|
Molinero CM. On the joint determination of efficiencies in a data envelopment analysis context. Journal of the Operational Research Society. 1996 Oct;47(10):1273-9. |
|
Molinero C, Tsai PF. Some mathematical properties of a DEA model for the joint determination of efficiencies. Journal of the Operational Research Society. 1997 Jan;48(1):51-6. |
|
Liu JS, Lu LY, Lu WM, Lin BJ. A survey of DEA applications. Omega. 2013 Oct 1;41(5):893-902. |
|
Nguyen TL. Diversification and bank efficiency in six ASEAN countries. Global Finance Journal. 2018 Aug 1;37:57-78. |
|
Beasley JE. Allocating fixed costs and resources via data envelopment analysis. European Journal of Operational Research. 2003 May 16;147(1):198-216. |
|
Cook WD, Kress M. Characterizing an equitable allocation of shared costs: A DEA approach. European Journal of Operational Research. 1999 Dec 16;119(3):652-61. |
|
Cook WD, Hababou M, Tuenter HJ. Multicomponent efficiency measurement and shared inputs in data envelopment analysis: an application to sales and service performance in bank branches. Journal of productivity Analysis. 2000 Nov;14(3):209-24. |
|
Beasley JE. Determining teaching and research efficiencies. Journal of the operational research society. 1995 Apr;46(4):441-52. |
|
Wijesiri M, Martínez-Campillo A, Wanke P. Is there a trade-off between social and financial performance of public commercial banks in India? A multi-activity DEA model with shared inputs and undesirable outputs. Review of Managerial Science. 2019 Apr;13(2):417-42. |
|
Phung MT, Cheng CP, Guo C, Kao CY. Mixed network DEA with shared resources: a case of measuring performance for banking industry. Operations Research Perspectives. 2020 Jan 1;7:100173. |
|
Zhang B, Luo Y, Chiu YH. Efficiency evaluation of China's high-tech industry with a multi-activity network data envelopment analysis approach. Socio-Economic Planning Sciences. 2019 Jun 1;66:2-9. |
|
Ma J, Qi L, Deng L. Additive centralized and Stackelberg DEA models for two‐stage system with shared resources. International Transactions in Operational Research. 2020 Jul;27(4):2211-29. |
|
Bogetoft P, Otto L. Benchmarking with dea, sfa, and r. Springer Science & Business Media; 2010 Nov 19. |
|
Chao CM, Yu MM, Chen MC. Measuring the performance of financial holding companies. The Service Industries Journal. 2010 Jun 1;30(6):811-29. |
|
W.KENTON, 2 2018. Available: https://www.investopedia.com/terms/b/. |
|
Charnes A, Cooper WW, Rhodes E. Measuring the efficiency of decision making units. European journal of operational research. 1978 Nov 1;2(6):429-44. |
