پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,228 |
| تعداد مقالات | 67,750 |
| تعداد مشاهده مقاله | 115,079,744 |
| تعداد دریافت فایل اصل مقاله | 89,817,556 |
ارزیابی چندسطحی کارایی در صنعت بانکداری (رویکرد SBM شبکه‌ای) | ||
| مدیریت صنعتی | ||
| مقاله 3، دوره 8، شماره 3، آبان 1395، صفحه 359-380 اصل مقاله (269.43 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/imj.2016.61711 | ||
| نویسنده | ||
| محمد زارعی محمودآبادی* | ||
| استادیار گروه مدیریت و علوم اقتصادی، دانشگاه آیت ا... حائری میبد، یزد، ایران | ||
| چکیده | ||
| مدل‌های معمول تحلیل پوششی داده‌ها (DEA) در ارزیابی عملکرد، بر اساس تفکر جعبۀ سیاه عمل میکنند؛ بهگونهای که در این جعبه‌ها (واحدهای تصمیم‌گیری) ورودی‌ها به خروجی‌ها تبدیل می‌شوند. از ضعفهای این مدل‌ها میتوان به نادیدهگرفتن ساختار داخلی، محصولات میانجی یا فعالیت‌های ارتباطی اشاره کرد؛ همچنین فرایند تبدیل واقعی، عموماً بهصورت واضح مدل‌سازی نمی‌شود. با توجه به ساختار چندمرحلهای صنعت بانکداری، در این پژوهش پس از اشاره به رویکردهای جعبۀ سیاه (ادغام) و تفکیک، ضرورت در نظر گرفتن فرایندهای داخلی یک واحد تصمیم‌گیری (DMU) مطرح میشود و در ادامه، ضمن معرفی نوعی مدل تحلیل پوششی داده‌های شبکه‌ای مبتنی بر متغیرهای کمکی، این مدل در ارزیابی عملکرد صنعت بانکداری استفاده میشود. مزیت عمدۀ سنجه‌های مبتنی بر متغیرهای کمکی، توانایی آنها در ارائۀ معیارهای مناسب‌تر کارایی، بهویژه برای واحدهای کارای ضعیف است. بر اساس یافته‌های این پژوهش، در ساختارهایی که آثار شبکه‌ای و ارتباطی بین بخش‌ها وجود دارد، استفاده از رویکردهای جعبۀ سیاه و تفکیک، ارزیابی واقعی و دقیقی از عملکرد ارائه نمی‌دهند و باید از مدل‌های شبکه‌ای مناسب استفاده شود. | ||
| کلیدواژه‌ها | ||
| تحلیل پوششی داده‌های شبکه‌ای (NDEA)؛ جعبۀ سیاه؛ رویکرد تفکیک؛ سنجۀ مبتنی بر متغیرهای کمکی (SBM)؛ صنعت بانکداری | ||
| عنوان مقاله [English] | ||
| Multilevel Measuring of Efficiency in Banking Industry (Network Slacks-Based Measure (NSBM) Approach) | ||
| نویسندگان [English] | ||
| Mohammad Zarei Mahmoudabadi | ||
| Assistant Prof., Dep. of Management and Economical Science, Ayatollah Haeri University of Meybod, Yazd, Iran | ||
| چکیده [English] | ||
| Traditional data envelopment analysis (DEA) models in the performance evaluation are based on black box thought, so that inputs in the boxes (decision making units) are converted into outputs. One of the drawbacks of these models is the neglect of internal structure, intermediate products or linking activities; also the actual transforming process generally isn’t modeled explicitly. According to the multi-stage structure of the banking industry; in this research, after pointing out black box (aggregation) and separation approaches, needs for inclusion of internal process of the decision making unit (DMU) expressed and a slacks-based network data envelopment analysis model is introduced and used in performance evaluation of the banking industry. The major merit of slacks-based measure is its ability to provide suitable efficiency measures, especially for weakly efficient units. Among the findings of this research is that in the structures with linking and networking effects, using the black box and separation approaches, don’t produce actual assessment of performance and should be used network models. | ||
| کلیدواژه‌ها [English] | ||
| Black Box, Separation Approach, Network Data Envelopment Analysis (NDEA), Slacks-Based Measure (SBM), Banking Industry | ||
| مراجع | ||
|
Athanassopoulos, A. D. (1997). Service quality and operating efficiency synergies for management control in the provision of financial services: evidence from Greek bank branches. European Journal of Operational Research, 98(2), 300–313.
Berger, A. N. & Humphrey, D. B. (1997). Efficiency of financial institutions: International survey and directions for future research. European Journal of Operational Research, 98(2), 175-212.
Camanho, A. S. & Dyson, R. G. (2005). Cost efficiency, production and value-added models in the analysis of bank branch performance. Journal of the Operational Research Society, 56(5), 483-494.
Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429-444.
Cook, W. D. & Seiford, L. M. (2009). Data envelopment analysis (DEA) – Thirty years on. European Journal of Operational Research, 192(1), 1–17.
Drake, L., Hall, M. & Simper, R. (2009). Bank modelling methodologies: A comparative non-parametric analysis of efficiency in the Japanese banking sector. Journal of International Financial Institutions and Money, 19(1), 1-15.
Fukuyama, H. & Weber, W. L. (2009a). Estimating indirect allocative inefficiency and productivity change. Journal of the Operational Research Society, 60(11), 1594–1608.
Fukuyama, H. & Weber, W. L. (2009b). A directional slacks-based measure of technical inefficiency. Socio-Economic Planning Sciences, 43(4), 274–287.
Fukuyama, H. & Weber, W. L. (2010). A slacks-based inefficiency measure for a twostage system with bad outputs. Omega, 38(5), 239–410.
Giokas, D. I. (2008). Assessing the efficiency in operations of a large Greek bank branch network adopting different economic behaviors. Economic Modeling, 25(3), 559–574.
Hejazi, R., Anvari Rostami, A. A. & Moghadasi, M. (2008). Total Productivity Analysis of Export Development Bank of Iran and Productivity Growth in Branches- A Data Envelopment Analysis Application. Journal of Industrial Management, 1(1), 39-50. (in Persian)
Holod, D. & Lewis, H. F. (2011). Resolving the deposit dilemma: A new DEA bank efficiency model. Journal of Banking & Finance, 38(11), 2801–2810.
Hsieh, L. F. & Lin, L. H. (2010). A performance evaluation model for international tourist hotels in Taiwan-An application of the relational network DEA. International Journal of Hospitality Management, 29(1), 14-24.
Jafarian Moghaddam, A. R. & Ghoseiri, K. (2010) Fuzzy Dynamic Multi-Objective Data Envelopment Analysis Model (FDM-DEA). Journal of Industrial Management, 2(4), 19-36. (in Persian)
Kao, C. & Hwang, S. N. (2008). Efficiency decomposition in two-stage data envelopment analysis: An application to non-life insurance companies in taiwan. European Journal of Operational Research, 185(1), 418-429.
Kao, C. & Hwang, S. N. (2010). Efficiency measurement for network systems: IT impact on firm performance. Decision Support Systems, 48(3), 437-446.
Kao, C. (2014a). Efficiency decomposition in network data envelopment analysis with slacks-based measures. Omega, 45(1), 1-6.
Kao, C. (2014b). Network data envelopment analysis: A review. European Journal of Operational Research, 239(1), 1-16.
Khosravi, M. R. & Shahroodi, K. (2014). Applying Network Data Envelopment Analysis Model in Evaluating Efficiency of Power Transmission Sector in Iran Electricity Industry. Journal of Industrial Management, 6(2), 263-282. (in Persian)
Lewis, H. F. & Sexton, T. R. (2004). Network DEA: efficiency analysis of organizations with complex internal structure. Computers and Operations Research, 31(9), 1365-1410.
Liu, S.T. (2009). Slacks-based efficiency measures for predicting bank performance. Expert Systems with Applications, 36(2), 2813–2818.
Manandhar, R. & Tang, J. C. (2002). The evaluation of bank branch performance using data envelopment analysis framework. Journal of High Technology Management Research, 13(1), 1–17.
Mester, L.J. (1997). Measuring Efficiency at U.S. Banks: Accounting for Heterogemity is Important. European Journal of Operational Research, 98(2), 230-242.
Portela, M. C. & Thanassoulis, E. (2007). Comparative efficiency analysis of Portuguese bank Branches. European Journal of Operational Research, 177(2), 1275–1288.
Salehi Sadaghiani, J., Amiri, M., Razavi, S. H., Hashemi, S. S. & Habibzadeh, A. (2009). A Linear Goal Programming Model for Calculating Common Weights in Data Envelopment Analysis Problems. Journal of Industrial Management, 1(2), 89-104. (in Persian)
Siriopoulos, C. & Tziogkidis, P. (2010). How do Greek banking in stitutions react after significant events? A DEA approach. Omega, 38(5), 294–308.
Tone, K. & Tsutsui, M. (2009). Network DEA: A slacks-based measure approach. European Journal of Operational Research, 197(1), 243–252.
Tone, K. & Tsutsui, M. (2014). Dynamic DEA with network structure: A slacks-based measureapproach. Omega, 42(1), 124-131.
Wang, K., Huang, W., Wu, J., & Liu, Y. N. (2014). Efficiency measures of the Chinese commercial banking system using an additive two-stage DEA. Omega, 44(1), 5-20.
Wanke, P. & Barros, C., (2014). Two-stage DEA: An application to major Brazilian banks. Expert Systems with Applications, 41(5), 2337-2344.
Zarei Mahmoudabadi, M., Tahari Mehrjardi, M. H. & Mahdavian, A. (2014). Evaluation of R&D Activities in Iran: Data Envelopment Analysis Approach. Journal of Industrial Management, 6(1), 55-74. (in Persian)
Zerafat Angiz, M., Emrouznejad, A., & Mustafa, A. (2012). Fuzzy data envelopment analysis: A discrete approach. Expert Systems with Applications, 39(3), 2263–2269. | ||
|
آمار تعداد مشاهده مقاله: 1,214 تعداد دریافت فایل اصل مقاله: 1,268 |
||