ارتباط تحلیل پوششی داده ها با برنامه ریزی مخروطی مرتبه دوم
چکیده
در تحلیل پوششی داده ها، اندازه ی کارایی در حالت ورودی محور و خروجی محور مورد تحلیل قرار می گیرد. برای مدل های شعاعی کارآیی در حالت ورودی محور و خروجی محور بطور جداگانه بررسی می شود. در مقابل مدل های شعاعی، مدل های غیر شعاعی قرار دارند که اندازه ی کارآیی برای این مدل ها در هر دو حالت ورودی محور و خروجی محور بطور همزمان بررسی می شود. در چهارچوب مدل های غیر شعاعی اندازه ی راسل (rm) مطرح شد. در این پایان نامه یک روش جدید برای فرمول سازی اندازه ی راسل بیان می کنیم و آن را با مدل برنامه ریزی مخروطی مرتبه دوم به روش نقطه درونی حل می کنیم. چون مدل راسل یک مدل غیر خطی است،مدل ergm (اندازه ی بهبود یافته ی گرافی راسل)که قابل تبدیل به یک مدل خطی است را تخمین می زنیم. ابتدا خواص مدل rm(مدل راسل)و مدل ergmرا بیان و کارآیی این مدل ها و مدل ccr را با هم مقایسه می کنیم. در پایان نیز نوع بازده به مقیاس را برای این مدل ها و مدل bcc بدست آورده و همه ی موارد را در قالب یک مثال کاربردی بیان می کنیم.