تحليل كارايي شعب بانك سامان با استفاده از روش تحليل پوششي داده هاي بوت استرپ

Efficiency Analysis of Saman Bank branches: Using Bootstrap DEA Approach

ارزيابي عملكرد واحدهايي كه فعاليت هاي مشابهي دارند، همواره مورد توجه محققان بوده است. يكي از روش هايي كه به وفور در اين زمينه استفاده مي گردد، روش تحليل پوششي داده ها (DEA) مي باشد.اين روش ناپارامتريك، جهت محاسبه اندازه كارايي واحدها استفاده مي شود. مساله اصلي اين مقاله عبارتست از ارزيابي عملكرد شعب بانك سامان با استفاده از روش تحليل پوششي داده ها. علاوه بر اين، باتوجه به اينكه در روش تحليل پوششي داده ها، اطلاعات نمونه ها در دسترس مي باشد، مي توان از روش تحليل پوششي داده هاي بوت استرپ استفاده كرد. لذا جهت انجام اين كار، ابتدا داده هاي ورودي و خروجي تاثيرگذار بر كارايي شعب بانك سامان استخراج گرديده و سپس با استفاده از روش تحليل پوششي داده هاي بوت استرپ به تخمين نمرات كارايي هريك از آنها پرداخته شده است در اين مطالعه، براي روش تحليل پوششي داده هاي بوت استرپ از الگوي BCC با ماهيت خروجي محور و با فرم مضربي استفاده شده است. نتايج تحقيق نشان داد كه از بين 14 شعبه درجه 1 بانك سامان تعداد 10 شعبه كه در واقع 72 درصد كل شعبه ها را شامل مي شد، كارا و 4 شعبه ناكارا شناخته شدند. همچنين نتايج روش بوت استرپ نشان داد كه تنها 3 شعبه يعني حدود 22 درصد از كل شعبه ها كارا و بقيه ناكارا شناخته شدند. در نهايت نشان داده شد كه در روش DEA وقتي دو شعبه كارايي يكسان داشتند نمي توان شعبه كاراتر را انتخاب كرد اما با پيدا كردن فواصل اطمينان و توزيع نمرات كارايي شعب در روش بوت استرپ،تحليل دقيق تري براي مقايسه شعبي كه كارايي يكسان داشتند، انجام شده است.

Performance evaluation of DMUs that have similar activity always attracted the attention of researchers. One of the methods that widely used in this field is Data Envelopment Analysis (DEA). This non-parametric method used for efficiency calculation. The main goal of this research is evaluating the performance of Saman Bank branches using DEA. Furthermore, considering that the Data sample is available in DEA, Bootstrap method can be used for this process. Therefore, the first affecting inputs and outputs of the Saman Bank efficiency were extracted. Following that, efficiency scores were estimated by using the bootstrap DEA. It should be noted that in this research, BCC model with output-orientation and multiplier form was used. Obtained results revealed that, 10 branches (72% of total samples), are efficient and four branches (28%) are inefficient. The results of bootstrap DEA determined that only three branches (22% of total samples) were efficient and the rest of them were inefficient. Eventually it should be noted that, when two branches have same efficiency in DEA, the more efficient branch was Indistinguishable, but more detailed analysis was carried out by using Bootstrap DEA to recognize the efficiency of bank branches by finding confidence interval and distribution of efficiency scores of branches.