انتخاب شاخص هاي ارزيابي در تحليل پوششي داده ها با رگرسيون لجستيك

The Selection of Evaluation Indicators in Data Envelopment Analysis using Logistic Regression

بانك ها نقش مهمي در اقتصاد ملي و رشد و شكوفايي آن ايفا مي كنند. در اين راستا پژوهش هاي چندي در مورد ارزيابي عملكرد بانك ها با استفاده از «تحليل پوششي داده ها (DEA)» انجام شده است. اما در اكثر اين پژوهش ها، توجه چنداني به انتخاب متغيرهاي ورودي و خروجي نشده و اين در حالي است كه تغيير در مجموعه متغيرها باعث مي شود كه كارآييواحدهاي تصميم گيرنده و ارزيابي هاي حاصل بسيار متفاوت باشند. از اين رو در اين تحقيق، به منظور انتخاب متغيرهاي ورودي و خروجي، از روش رگرسيون لجستيك استفاده شده است. نتايج به‌كارگيري اين روش بيانگر آن است كه متغيرهاي اصلي در اين مدل عبارتند از: «متغير ورودي منابع اصلي تامين مالي و متغيرهاي خروجي ميزان تسهيلات، ميزان جذب منابع و تعداد اسناد». اين متغيرها داراي بيشترين ميزان تاثير بر روي پيش بيني كارآييو ناكارآيي واحدها مي باشند. سپس با استفاده از اين مجموعه متغيرها به تعيين كارآيي فني، تخصيصي و كل، 15 شعبه از شعب بانك سپه در سطح كل استان تهران در طي سال 1390 پرداخته شد. نتايج حاكي از اين بود كه 27 درصد واحدها 100 درصد كارا، 20 درصد از واحدها 100 ناكارا هستند. 20 درصد واحدها ناكاراي تخصيصي و 34 درصد از واحدها ناكاراي فني هستند.

Banks play substantial role in the national economy and its growth and prosperity. In this regard, recent researches have focused on performance evaluation of banks using “data envelopment analysis” (DEA). However, most of these studies has paid less attention to the selection of input and output variables. Obviously, the change in the variables set makes the efficiency scores and assessments of the decision-making units very different. Hence, in this paper, a logistic regression model is used in order to select the input and output variables. Applying this method indicates that the main variables of model are main source of financing as "input variable" and the bank facilities, resource absorption rate and number of bills as "output variables". These are of the greatest impact on forecasting of units efficiency (inefficiency). Then, we dealt with this set of variables to determine technical, allocative, and overall efficiency of 15 branches of Sepah Bank in Tehran during 2011. The results show that only 27 percent of units are 100% efficient, 20% of the units are 100% inefficient, 20% of units are allocatively inefficient and 34% of them are technically inefficient.