İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Etkinlik analizi›Süper-Etkinlik Veri Zarflama Analizi
Regression modelEfficiency analysis

Süper-Etkinlik Veri Zarflama Analizi

Super-Efficiency Data Envelopment Analysis · Ayrıca şöyle bilinir: Andersen-Petersen Model, Super-Radial DEA, Ranking DEA, Süper Etkinlik VZA

Süper-Etkinlik VZA, Andersen ve Petersen (1993) tarafından tanıtılan klasik Veri Zarflama Analizi'nin (VZA) parametrik olmayan bir doğrusal programlama uzantısıdır. Standart VZA, etkin sınırdaki tüm birimlere maksimum 1.0 verimlilik puanı atarken, Süper-Etkinlik VZA, değerlendirilen birimi referans kümesinden geçici olarak çıkararak etkin birimlerin 1.0'dan büyük puanlar almasına izin verir. Bu modifikasyon, daha önce sınırda ayırt edilemeyenler de dahil olmak üzere tüm karar verme birimlerinin (DVU'lar) tam olarak sıralanmasını sağlar.

ScholarGate
  1. Regression model
  2. v1
  3. 1 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Süper-Etkinlik Veri Zarflama Analizi
Etkinlik Skorları için B…Ağ Veri Zarflama Analizi…

Ne zaman kullanılır

Standart VZA'nın ayırt edemediği etkin sınırdaki DVU'ları özellikle tam olarak sıralamanız gerektiğinde Süper-Etkinlik VZA'yı kullanın. DVU sayısının girdi ve çıktılara göre yeterince büyük olduğu ve dejenerasyonun önlendiği durumlarda uygundur. Üretim imkanları kümesinin dışbükeyliğini ve standart VZA ile aynı girdi-çıktı yapısını varsayar. Değişken getirilerde, puanları yorumlamadan önce DP uygulanabilirliğini kontrol edin. Bir alternatif, uygulanabilirlik riski olmadan akran değerlendirmeli puanlar sağlayan çapraz-etkinlik VZA'dır.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Etkin sınırdakiler de dahil olmak üzere tüm DVU'ların tam sıralanmasını sağlar.
  • Standart VZA çerçeveleriyle doğrudan uyumludur; yalnızca küçük bir DP modifikasyonu gerektirir.
  • Süper-etkinlik puanları, etkin bir birimin akranları tarafından tanımlanan sınırdan ne kadar aştığının sürekli bir ölçüsünü sağlar.
  • CRS ve VRS altında hem girdi odaklı hem de çıktı odaklı formülasyonlarda uygulanabilir.
Sınırlılıklar
  • Değişken getirilerde (VRS), DP aşırı etkin birimler için, akran kombinasyonunun çıktı seviyelerini kopyalayamadığı durumlarda uygulanabilir olmayabilir.
  • Sonuçlar aykırı değerlere duyarlıdır; tek bir tipik olmayan DVU yapay olarak yüksek bir süper-etkinlik puanı alabilir.
  • Verimsizliğe hangi spesifik girdi veya çıktıların neden olduğuna dair tanılayıcı bilgi sağlamaz.
  • DVU sayısının girdi ve çıktı sayısına göre küçük olduğu durumlarda sıralama kararlılığı garanti edilmez.

SSS

Süper-etkinlik VZA'da etkin olmayan DVU'lara ne olur?

Etkin olmayan DVU'lar, standart VZA puanlarıyla aynı olan 1.0'ın altındaki puanları alır. Prosedür yalnızca etkin sınırdaki birimlerin sonuçlarını değiştirir. Etkin olmayan bir birimin referans kümesinden çıkarılması, puanını değiştirecek şekilde uygulanabilir bölgeyi değiştirmez, bu nedenle standart ve süper-etkinlik sonuçları etkin olmayan gözlemler için aynıdır.

VRS süper-etkinlik DP'si neden uygulanamaz hale gelebilir?

Değişken getirilerde, dışbükeylik kısıtlaması, yoğunluk ağırlıklarının toplamının bire eşit olmasını gerektirir. Değerlendirilen birim çıkarıldığında ve çıktı seviyeleri kalan DVU'ların herhangi bir dışbükey kombinasyonunun üretebileceğinin ötesine geçtiğinde, çıktı kısıtlaması uygulanamaz hale gelir. Bu, en küçük veya en büyük DVU gibi aşırı ölçek özelliklerine sahip birimlerde en yaygın olanıdır.

Süper-etkinlik VZA, çapraz-etkinlik VZA'dan nasıl farklıdır?

Çapraz-etkinlik VZA, her DVU'yu diğer her DVU'nun DP'sinden türetilen optimal ağırlıkları kullanarak değerlendirir ve ardından bu akran değerlendirmeli puanları ortalar. Süper-etkinlik VZA, her DVU'nun kendi DP'sini kullanır ancak birimi referans kümesinden çıkarır. Çapraz-etkinlik, uygulanabilirlikten kaçınır ve genellikle daha kararlı sıralamalar sağlar, oysa süper-etkinlik orijinal DP yapısını korur ve bir sınır mesafesi ölçüsü olarak daha doğrudan yorumlanabilir.

Kaynaklar

  1. Andersen, P., & Petersen, N. C. (1993). A procedure for ranking efficient units in data envelopment analysis. Management Science, 39(10), 1261–1264. DOI: 10.1287/mnsc.39.10.1261 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 2). Super-Efficiency Data Envelopment Analysis. ScholarGate. https://scholargate.app/tr/efficiency-analysis/super-efficiency-dea

İlişkili yöntemler

Etkinlik Skorları için Bootstrap DEA: Yanlılık Düzeltmesi ve Güven AralıklarıAğ Veri Zarflama Analizi (Ağ VZA)

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • Etkinlik Skorları için Bootstrap DEA: Yanlılık Düzeltmesi ve Güven AralıklarıEtkinlik analizi↔ karşılaştır
  • Ağ Veri Zarflama Analizi (Ağ VZA)Etkinlik analizi↔ karşılaştır
Yan yana karşılaştır →

Benzer yöntemler

Süper-Etkinlik Veri Zarflama AnaliziDEA Hastane VerimliliğiAğ Veri Zarflama Analizi (Ağ VZA)Pencere Veri Zarflama AnaliziEtkinlik Skorları için Bootstrap DEA: Yanlılık Düzeltmesi ve Güven AralıklarıEpsilon Tabanlı Ölçüm Veri Zarflama Analizi

İlgili referans kavramlar

Dağılımsal Etkinlik • Maliyet-Fayda AnaliziMaliyet-Etkililik AnaliziMaliyet-Etkililik AnaliziSınıflandırma ve Diskriminant AnaliziDoğrusal Diskriminant AnaliziKaresel Diskriminant Analizi

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Super-Efficiency DEA (Super-Efficiency Data Envelopment Analysis). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/efficiency-analysis/super-efficiency-dea · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Andersen & Petersen
Year
1993
Type
Nonparametric linear programming model
Subfamily
Efficiency analysis
Orientation
Input or output oriented
Returns To Scale
CRS or VRS variants
İlişkili yöntemler
Etkinlik Skorları için Bootstrap DEA: Yanlılık Düzeltmesi ve Güven AralıklarıAğ Veri Zarflama Analizi (Ağ VZA)
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil