تحلیل کارایی در شرایط کمبود داده: توسعه مدل راسل اصلاح‌شده مبتنی بر نظریه عدم‌قطعیت برای ارزیابی فرصت‌های سرمایه‌گذاری کشاورزی

نویسندگان

  • علی محمودی راد * گروه ریاضی، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران.
  • مسعود صانعی گروه ریاضی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران. https://orcid.org/0000-0002-2097-9354
  • محمد ادبی تبار فیروزجاه گروه ریاضی، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران. https://orcid.org/0000-0001-9177-3882

https://doi.org/10.22105/mmaa.v3i1.119

چکیده

هدف: ارزیابی کارایی یکی از ابزارهای کلیدی برای تخصیص بهینه منابع و پشتیبانی از تصمیم‌گیری در بخش کشاورزی است. با این حال، بسیاری از مسایل واقعی با کمبود داده‌های تاریخی، عدم دسترسی به اطلاعات دقیق و اتکای گسترده به قضاوت خبرگان مواجه هستند که کاربرد مدل‌های متعارف تحلیل پوششی داده‌ها را محدود می‌سازد. اگرچه مطالعات متعددی به توسعه مدل‌های DEA در محیط‌های غیرقطعی پرداخته‌اند، بهره‌گیری از مدل راسل اصلاح‌شده در چارچوب نظریه عدم‌قطعیت مبتنی بر درجه باور کمتر مورد توجه قرار گرفته است. از این‌رو، پژوهش حاضر با هدف توسعه یک مدل ارزیابی کارایی برای محیط‌های مبتنی بر عدم‌قطعیت و کاربرد آن در ارزیابی ظرفیت کشت درخت پالونیا در استان مازندران انجام شد.

روش‌شناسی پژوهش: در این پژوهش، مدل راسل اصلاح‌شده در DEA با استفاده از نظریه عدم‌قطعیت توسعه یافت. ورودی‌ها و خروجی‌ها به‌صورت متغیرهای عدم‌قطعیت مبتنی بر درجه باور مدلسازی شدند و با بهره‌گیری از معیار مقدار مورد انتظار، مدل عدم‌قطعیت به یک مدل قطعی معادل تبدیل گردید. سپس کارایی واحدهای تصمیم‌گیرنده از طریق حل مدل حاصل محاسبه شد. برای اعتبارسنجی چارچوب پیشنهادی، دوازده منطقه از استان مازندران به‌عنوان DMUs در ارزیابی ظرفیت کشت درخت پالونیا مورد بررسی قرار گرفتند و شاخص‌های نیروی کار، ماشین‌آلات، عملکرد چوب و تولید اکسیژن در تحلیل لحاظ شدند.

یافته‌ها: نتایج نشان داد مدل پیشنهادی توانایی مناسبی در ارزیابی کارایی تحت شرایط نبود داده‌های قطعی دارد. از میان دوازده منطقه مورد بررسی، پنج منطقه شامل رامسر، تنکابن، چالوس، نور و آمل به‌عنوان واحدهای کارا شناسایی شدند. این مناطق با سطح مشخصی از منابع ورودی توانسته‌اند عملکرد بالاتری از نظر تولید چوب و تولید اکسیژن ایجاد کنند. یافته‌ها همچنین نشان داد حدود %42 از مناطق مورد بررسی برای توسعه کشت پالونیا از ظرفیت و کارایی مناسب برخوردار هستند و می‌توانند به‌عنوان مناطق مرجع برای توسعه این فعالیت در نظر گرفته شوند.

اصالت/ارزش‌افزوده علمی: این پژوهش با تلفیق مدل راسل اصلاح‌شده و نظریه عدم‌قطعیت مبتنی بر درجه باور، چارچوبی جدید برای ارزیابی کارایی در محیط‌های فاقد داده‌های دقیق ارائه می‌کند. ارزش اصلی مطالعه در فراهم‌کردن ابزاری تصمیم‌یار برای شرایطی است که اطلاعات تاریخی ناکافی بوده و تصمیم‌گیری ناگزیر بر مبنای قضاوت کارشناسان انجام می‌شود. چارچوب پیشنهادی علاوه بر کاربرد در بخش کشاورزی، قابلیت استفاده در ارزیابی پروژه‌های سرمایه‌گذاری، برنامه‌ریزی منطقه‌ای و سایر حوزه‌های مدیریتی دارای عدم‌قطعیت را نیز داراست.

کلمات کلیدی:

تحلیل پوششی داده‌ها، اندازه راسل اصلاح‌شده، تئوری نایقینی، درجه باور، مقدار مورد انتظار

مراجع

  1. [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. [2] Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science, 30(9), 1078–1092. https://doi.org/10.1287/mnsc.30.9.1078
  3. [3] Cooper, W. W., Park, K. S., & Pastor, J. T. (1999). RAM: A range adjusted measure of inefficiency for use with additive models, and relations to other models and measures in DEA. Journal of productivity analysis, 11(1), 5–42. https://doi.org/10.1023/A:1007701304281
  4. [4] Deprins, D., Simar, L., & Tulkens, H. (2006). Measuring labor-efficiency in post offices. In Public goods, environmental externalities and fiscal competition (pp. 285–309). Springer. https://doi.org/10.1007/978-0-387-25534-7_16
  5. [5] Pastor, J. T., Ruiz, J. L., & Sirvent, I. (1999). An enhanced DEA Russell graph efficiency measure. European journal of operational research, 115(3), 596–607. https://doi.org/10.1016/S0377-2217(98)00098-8
  6. [6] Tone, K. (2001). A slacks-based measure of efficiency in data envelopment analysis. European journal of operational research, 130(3), 498–509. https://doi.org/10.1016/S0377-2217(99)00407-5
  7. [7] Mohmmad Nejad, Z., & Ghaffari-Hadigheh, A. (2018). A novel DEA model based on uncertainty theory. Annals of operations research, 264(1), 367–389. https://doi.org/10.1007/s10479-017-2652-7
  8. [8] Liu, B. (2007). Uncertain theory, 2nd edition. Springer, Berlin, Germany. https://hal.science/hal-03434433/document
  9. [9] Wen, M., Guo, L., Kang, R., & Yang, Y. (2014). Data envelopment analysis with uncertain inputs and outputs. Journal of applied mathematics, 2014(1), 307108. https://doi.org/10.1155/2014/307108
  10. [10] Wen, M., Qin, Z., Kang, R., & Yang, Y. (2015). Sensitivity and stability analysis of the additive model in uncertain data envelopment analysis. Soft computing, 19(7), 1987–1996. https://doi.org/10.1007/s00500-014-1385-7
  11. [11] Wen, M. (2015). Uncertain data envelopment analysis. Springer. https://doi.org/10.1007/978-3-662-43802-2
  12. [12] Jiang, B., Lio, W., & Li, X. (2018). An uncertain DEA model for scale efficiency evaluation. IEEE transactions on fuzzy systems, 27(8), 1616–1624. https://doi.org/10.1109/TFUZZ.2018.2883546
  13. [13] Lio, W., & Liu, B. (2018). Uncertain data envelopment analysis with imprecisely observed inputs and outputs. Fuzzy optimization and decision making, 17(3), 357–373. https://doi.org/10.1007/s10700-017-9276-x
  14. [14] Jamshidi, M., Saneie, M., Mahmoodirad, A., Lotfi, F. H., & Tohidi, G. (2019). Uncertain RUSSEL data envelopment analysis model: A case study in Iranian banks. Journal of intelligent & fuzzy systems, 37(2), 2937–2951. https://doi.org/10.3233/JIFS-190067
  15. [15] Jamshidi, M., Sanei, M., & Mahmoodirad, A. (2022). An uncertain allocation model for data envelopment analysis: A case in the Iranian stock market. Scientia iranica. transaction e, industrial engineering, 29(6), 3434–3454. https://doi.org/10.24200/sci.2020.55047.4046
  16. [16] Jamshidi, M., Sanei, M., Mahmoodirad, A., Tohidi, G., & Lotfi, F. H. (2021). Uncertain BCC data envelopment analysis model with belief degree: A case study in Iranian Banks. International Journal of Industrial Mathematics, 13(3), 239–249. https://www.researchgate.net/publication/357097146
  17. [17] Jamshidi, M., Sanei, M., Mahmoodirad, A., Lotfi, F. H., & Tohidi, G. (2021). Uncertain SBM data envelopment analysis model: A case study in Iranian banks. International journal of finance & economics, 26(2), 2674–2689. https://doi.org/10.1002/ijfe.1927
  18. [18] Mahmoodirad, A., Jamalian, A., & Hajiaghaei-Keshteli, M. (2024). An analysis of the sensitivity and stability of an uncertain SBM DEA model based on belief degree. Expert systems with applications, 255, 124778. https://doi.org/10.1016/j.eswa.2024.124778

دانلود

چاپ شده

2026-06-08

شماره

دوره 3 شماره 1 (2026): مدیریت: مدلسازی، تحلیل‌ها و کاربردها

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

محمودی راد . ع., صانعی م., & ادبی تبار فیروزجاه م. (2026). تحلیل کارایی در شرایط کمبود داده: توسعه مدل راسل اصلاح‌شده مبتنی بر نظریه عدم‌قطعیت برای ارزیابی فرصت‌های سرمایه‌گذاری کشاورزی. مدیریت: مدلسازی، تحلیل‌ها و کاربرد, 3(1), 31-41. https://doi.org/10.22105/mmaa.v3i1.119
Crossref
Scopus
Google Scholar
Europe PMC