تخمین مرز کارایی با استفاده از شکبه‌های عصبی مصنوعی (مطالعه موردی: شعب بانک صادرات استان مازندران)

دیدگاه‌های تحلیل مرکز کارایی در دو حوزه‌ی مرزهای پارامتریک و ناپارامتریک توسعه یافته‌اند و هریک دارای مزایا و محدودیت‌هایی هستند. در این بین؛ تحلیل پوششی داده‌ها مهشورترین و پرکاربردترین روش مرزی در اندازه‌گیری کارایی می‌باشد. رویکرد دیگری که اخیرا در برخی مطالعات به کار گرفته شده؛ تخمین مرز کارایی توسط شبکه‌های عصبی مصنوعی می‌باشد. شبکه‌های عصبی به دلایلی چون دقت بالا در تخمین توابع تولید، توانایی عمل در محیط‌های غیرخطی و در نظر گرفتن مفروضات اندک در مورد شکل تابع تولید، توجه ویژه‌ای را به خود جلب داشته است. بر این اساس در این مقاله به تخمین مرز کارایی 60 شعبه بانک صادرات؛ با استفاده از تحلیل پوششی داده‌ها (مدل‌های CCR و BCC) و شبکه‌های عصبی مصنوعی پرداخته شد. نتایج ارزیابی توسط سه مدل فوق نشان داد که متوسط کارایی در شعب مورد مطالعه حداقل 60 درصد می‌باشد. مقایسه نمرات کارایی و رتبه‌بندی‌های حاصل شده توسط مدل‌های فوق بیانگر وجود یک رابطه قوی و یک روند مشابه بین تحلیل پوششی داده‌ها و شبکه‌های عصبی مصنوعی بود.

کلیدواژه ها:

کارایی ، روش‌های تحلیل مرزی ، شبکه‌های عصبی مصنوعی ، تحلیل پوششی داده‌ها