ارزیابی عملکرد و محاسبه شاخص بهرهوری مالمکوییست شعب بانک رفاه به کمک تحلیل پوششی دادهها DEA
چکیده
هدف: با توجه به اهمیت سنجش و پایش مستمر عملکرد شعب بانکی در ارتقای بهرهوری، کارایی و تخصیص بهینه منابع، این پژوهش با هدف ارزیابی کارایی و بررسی تغییرات بهرهوری شعب بانک رفاه در ششماهه نخست سال ۱۳۸۴ انجام شده است. ضرورت انجام این تحقیق ناشی از نیاز مدیران بانکی به اطلاعات دقیق جهت تصمیمگیری اثربخش و اصلاح عملکرد شعب ناکارا میباشد.
روششناسی پژوهش: در این مطالعه ابتدا شاخصهای موثر بر کارایی شعب بانک با استفاده از نظرات خبرگان و کارشناسان بانکی شناسایی شد. سپس با بهرهگیری از روش تحلیل پوششی دادهها و شاخص بهرهوری مالمکوییست، کارایی نسبی شعب در دو بازه زمانی ارزیابی شد. این تکنیکها امکان بررسی عملکرد چند ورودی و چند خروجی و همچنین تحلیل تغییرات کارایی در طول زمان را فراهم میسازند.
یافتهها: نتایج نشان داد که برخی از شعب از کارایی کامل برخوردار بوده و در وضعیت مطلوبی قرار دارند، در حالی که تعدادی دیگر عملکرد ضعیفتری نسبت به سایرین داشتهاند. همچنین، شاخص بهرهوری مالمکوییست بیانگر آن بود که تعدادی از شعب در مقایسه با دوره قبل دچار پسرفت شدهاند، در حالی که برخی دیگر روندی رو به بهبود داشتهاند. این تفاوتها از نظر آماری نیز معنادار بوده و بر ضرورت اصلاح ساختار در برخی شعب تاکید دارد.
اصالت/ارزش افزوده علمی: ارزش این پژوهش در ارایه یک مدل تلفیقی برای سنجش کارایی و تحلیل بهرهوری در سطح شعب بانکی نهفته است. استفاده همزمان از تحلیل پوششی دادهها و شاخص مالمکوییست در فضای واقعی بانکداری کشور، بهویژه در یک بانک بزرگ مانند بانک رفاه، نوآورانه بوده و میتواند بهعنوان الگوی تصمیمگیری برای بهبود عملکرد سایر بانکها نیز مورد استفاده قرار گیرد.
کلمات کلیدی:
تحلیل پوششی دادهها ، شاخص بهرهوری مالمکوییست، ارزیابی عملکرد، کارایی شعب بانکی، بانک رفاهمراجع
- [1] Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European journal of operational research, 2(6), 429–444. https://doi.org/10.1016/0377-2217(78)90138-8
- [2] Andersen, P., & Petersen, N. C. (1993). A procedure for ranking efficient units in data envelopment analysis. Management science, 39(10), 1261–1264. https://doi.org/10.1287/mnsc.39.10.1261
- [3] Hashimoto, A. (1997). A ranked voting system using a DEA/AR exclusion model: A note. European journal of operational research, 97(3), 600–604. https://doi.org/10.1016/S0377-2217(96)00281-0
- [4] Sueyoshi, T. (1999). DEA non-parametric ranking test and index measurement: Slack-adjusted DEA and an application to Japanese agriculture cooperatives. Omega, 27(3), 315–326. https://doi.org/10.1016/S0305-0483(98)00057-7
- [5] 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. https://eudml.org/doc/222875
- [6] Balf, F. R., Rezai, H. Z., Jahanshahloo, G. R., & Lotfi, F. H. (2012). Ranking efficient DMUs using the Tchebycheff norm. Applied mathematical modelling, 36(1), 46–56. https://doi.org/10.1016/j.apm.2010.11.077
- [7] Roll, Y., Cook, W. D., & Golany, B. (1991). Controlling factor weights in data envelopment analysis. IIE transactions, 23(1), 2–9. https://doi.org/10.1080/07408179108963835
- [8] Charnes, A., Cooper, W., Lewin, A. Y., & Seiford, L. M. (1997). Data envelopment analysis theory, methodology and applications. Journal of the operational research society, 48(3), 332–333. https://doi.org/10.1057/palgrave.jors.2600342
- [9] Thompson, J. K., & Psaltis, K. (1988). Multiple aspects and correlates of body figure ratings: A replication and extension of Fallon and Rozin (1985). International journal of eating disorders, 7(6), 813–817. https://doi.org/10.1002/1098-108X(198811)7:6%3C813::AID-EAT2260070612%3E3.0.CO;2-4
- [10] Färe, R., Grosskopf, S., Norris, M., & Zhang, Z. (1994). Productivity growth, technical progress, and efficiency change in industrialized countries. The american economic review, 84(1) 66–83. https://www.jstor.org/stable/2117971
- [11] Malmquist, S. (1953). Index numbers and indifference surfaces. Trabajos de estadística, 4(2), 209–242. https://doi.org/10.1007/BF03006863
- [12] Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the royal statistical society series a: Statistics in society, 120(3), 253–281. https://doi.org/10.2307/2343100
- [13] Cave, K. R. (1999). The FeatureGate model of visual selection. Psychological research, 62(2), 182–194. https://doi.org/10.1007/s004260050050
- [14] Allen, R., Athanassopoulos, A., Dyson, R. G., & Thanassoulis, E. (1997). Weights restrictions and value judgements in data envelopment analysis: Evolution, development and future directions. Annals of operations research, 73(0), 13–34. https://doi.org/10.1023/A:1018968909638
- [15] Chen, Y. (2003). A non-radial Malmquist productivity index with an illustrative application to Chinese major industries. International journal of production economics, 83(1), 27–35. https://doi.org/10.1016/S0925-5273(02)00267-0