تا پایان سال مالی ۱۳۸۱ در بورس اوراق بهادار تهران پذیرفته‌شده باشد.
با توجه به بررسی­های انجام‌شده، تعداد ۱۶۱ شرکت در دوره زمانی ۱۳۸۲ الی ۱۳۹۱ حائز شرایط فوق بوده و موردبررسی قرارگرفته است.
۳-۵- روش گردآوری داده‌ها
در این پژوهش برای جمع‌ آوری داده‌ها و اطلاعات، از روش کتابخانه‌ای و میدانی استفاده می‌شود. برای نگارش و جمع­آوری اطلاعات موردنیاز بخش مبانی نظری از مجلات تخصصی داخلی و خارجی، و برای گردآوری سایر داده‌ها و اطلاعات موردنیاز عمدتاً از طریق بانک­های اطلاعاتی سازمان بورس اوراق بهادار تهران و نرم­افزار تدبیر پرداز گردآوری‌شده است.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۳-۶- روش تجزیه و تحلیل داده‌ها و آزمون فرضیه‌ها
در انجام این پژوهش، از روش­های آمار توصیفی و آمار استنباطی استفاده‌شده است که در ادامه به‌تفصیل تشریح می‌شود. پس از جمع­آوری اطلاعات، نخستین گام محاسبه آماره‌های توصیفی از متغیرهای مورداستفاده می‌باشد. این آماره‌ها شامل میانگین، انحراف استاندارد و سایر اطلاعات مورداستفاده است. پس از بررسی آماره‌های توصیفی، فرضیه ­های پژوهش با بهره گرفتن از روش آمار استنباطی رگرسیون خطی چندمتغیره و تحلیل واریانس تک­عاملی که در ادامه به این روش­ها اشاره می‌شود، مورد آزمون قرار می­گیرند. لازم به­ذکر است که در این پژوهش در خصوص تجزیه و تحلیل داده ­ها، ابتدا با بهره گرفتن از نرم­افزار Excel-2007 متغیرهای پژوهش از روی‌داده‌های خام آماده می­ شود. سپس با توجه به خروجی­های به‌دست‌آمده از نرم­افزار DEA Frontier و تحت الگوی تحلیل پوششی داده ­ها نمره کارایی مدیران محاسبه و پس‌ازآن با بهره گرفتن از نرم­افزارهای آماریSPSSنسخه۲۰ و Eviews-7 تجزیه و تحلیل انجام‌شده است.
۳-۶-۱- روش تحلیل پوششی داده ­ها (DEA)
در حالتی که واحد­های موردبررسی دارای چندین ورودی و خروجی هستند، ­روش­های اقتصادسنجی نمی ­توانند به­گونه ­ای مناسب کارایی مربوط به این واحد­ها را ارزیابی و اندازه ­گیری کنند. تکنیک تحلیل پوششی داده ­ها یک روش برنامه­ ریزی ریاضی است، که به­عنوان یک روش ناپارامتریک، برای اندازه ­گیری کارایی به­گونه ­ای مناسب، در این شرایط می ­تواند مورداستفاده قرار گیرد. این روش در سال ۱۹۷۸ به­وسیله “چارنز، کوپر و رودز” توسعه یافت. آن­ها به دیدگاه غیر پارامتریک “فارل” که در سال ۱۹۵۷ برای ارزیابی کارایی واحد­های تصمیم ­گیری با دو نهاده و یک ستاده مطرح شده بود، استفاده از برنامه­ ریزی ریاضی را اضافه کردند. روشی که “چارنز، کوپر و رودز” برای ارزیابی مدارس استفاده کردند به مدل CCR معروف شد (داینس و همکاران^[۱۱۹]؛ ۲۰۰۳).
در ایران تحلیل پوششی داده ­ها با رساله “دکتر علیرضایی” تحت سرپرستی “دکتر جهانشاهلو” و “پروفسور ون دی پن” شروع گردید. به­دنبال آن در ارزیابی عملکرد شرکت­های توزیع برق، نیروگاه­ها، شرکت­های بیمه، ادارات کل راه و ترابری، بانک­ها و … از این تکنیک استفاده شد ( نقل از: آذر و صفری؛ ۱۳۸۳).
تعریف
تحلیل پوششی داده ­ها عبارت است از یک روش ناپارامتریک که با بهره گرفتن از برنامه­ ریزی ریاضی^[۱۲۰] به اندازه ­گیری کارایی کمک می­ کند، این روش جایگزینی برای روش رگرسیون محسوب می­ شود (رای^[۱۲۱]؛ ۲۰۰۴).
هدف
هدف تحلیل پوششی داده ­ها تعیین کارایی یک سیستم یا واحد تصمیم ­گیری از طریق فرایند چگونگی تبدیل ورودی­ ها به خروجی­ها است، به عبارت دیگر، هدف شناسایی واحد­هایی است که بیش‌ترین میزان خروجی را از کمترین میزان ورودی به دست می­آورند، چنین واحدی که دارای کارایی مساوی یک باشد واحد کارا و دیگر واحد­ها که کارایی بین صفر و یک دارند واحد­های ناکارا شناخته می­شوند (راماناتان^[۱۲۲]، ۲۰۰۴).
به‌طورکلی می­توان هدف تکنیک تحلیل پوششی داده ­ها را تعیین مرز کارایی دانست که بدان وسیله می­توان شرکت­های کارا و ناکارا را از هم تفکیک کرد.
مفهوم تحلیل پوششی داده ­ها
در روش­های پارامتری از یک فرم ریاضی مطلوب استفاده می­ شود، درحالی‌که درروش تحلیل پوششی داده ­ها، یک درک مشخص و واضح درباره واحد­های تصمیم­گیرنده­ مختلف فراهم می ­آید و برخلاف روش­های پارامتری که فقط بر روی پارامتر­های جامعه توجه و تأکید می­ کند، به مشخصه­ها و ویژگی­های تمامی مشاهدات توجه می­گردد. در روش­های پارامتری باید یک معادله مشخص (معادله رگرسیون، تابع تولید و ….) وجود داشته باشد که در قالب آن متغیر­های مستقل و وابسته با یکدیگر ارتباط داشته باشند، درحالی‌که درروش تحلیل پوششی داده ­ها، نیاز به هیچ‌گونه فرض یا فرم ریاضی خاصی نمی ­باشد. کارایی به‌دست‌آمده درروش تحلیل پوششی داده ­ها، کارایی نسبی است، و مرز کارایی توسط ترکیب محدبی از واحد­های کارا ایجاد می­ شود. لذا هر واحد تصمیم­گیرنده که بر روی مرز فوق قرار داشته باشد، کارا است و در غیر این صورت (قرار گرفتن در بالای مرز کارا) ناکارا خواهد بود (نمودار ۳-۱). جهت کارا کردن یک واحد ناکارا باید تغییراتی در ورودی­ ها و خروجی­های آن واحد صورت گیرد. شایان‌ذکر است که پس از اجرای مدل­های اساسی تحلیل پوششی داده ­ها، مجموعه ­ای تحت عنوان مجموعه مرجع^[۱۲۳] ارائه می­گردد. در این مجموعه مشخص می­ شود که هر واحد ناکارا برای رسیدن به مرز کارایی، باید با کدام‌یک از واحد­های کارا مقایسه گردد (غفورنیان، ۱۳۸۳). به عبارتی دیگر در مجموعه مرجع برای هر یک از واحد­های ناکارا، از میان واحد­های کارا الگو­های قابل‌مقایسه‌ای (شامل یک یا تعدادی از واحد­های کارا) فراهم می­ شود که از طریق آن واحد ناکارا می ­تواند خود را به مرز کارایی نسبی برساند.
نمودار ۳-۱: مرز کارایی
همان­طوری که قبلاً ذکر شد کارایی یک واحد سازمانی، حاصل نسبت ستاده به نهاده آن واحد می­باشد. اگر یک واحد سازمانی بتواند با نهاده­های کمتر، ستاده­های بیشتری را تولید کند، آن واحد سازمانی از کارایی بالاتری برخوردار خواهد بود (غفورنیان، ۱۳۸۳). اگر واحد­های سازمانی، فقط دارای یک نهاده و یک ستاده باشند، کارایی حاصل ستاده به نهاده خواهد بود، اما اگر یک واحد سازمانی دارای نهاده­ها و ستاده­های مختلف باشد، یافتن وزن مشترک برای ستاده­ها و نهاده­های مختلف مشکل و حتی غیرممکن نیز می­باشد. در اینجاست که باید از تکنیک تحلیل پوششی داده ­ها استفاده کرد (آذر، ۱۳۷۹).
شکل ۳-۲، که نشان­دهنده مجموعه ­ای از واحدهای سازمانی مختلف (DMU های مختلف) است را در نظر بگیرید.
مطابق شکل بالا هر سازمان، دارای n واحد تصمیم ­گیری ₍DMU_j) با m نهاده (I_ij) و s ستاده (O_rj) می­باشد. بنابراین:
شماره واحد تصمیم­گیریj= 1,2,3,…,n
شماره نهاده ۱,۲,۳,…,mi=
شماره ستاده ۱,۲,۳,…,sr=
در این صورت:
در فرمول بالا، W_r، وزن ستاده rام و V_i، وزن نهاده iام می­باشد. جهت استفاده از تکنیک تحلیل پوششی داده ­ها و ارزیابی هر یک از واحد­های تصمیم ­گیری، باید یک مدل برنامه­ ریزی خطی ساخت و بر اساس آن، کارایی نسبی هر یک از واحد­های تصمیم­گیرنده را با یکدیگر مقایسه کرد. بنابراین، به تعداد واحد­های تصمیم ­گیری باید مدل برنامه­ ریزی خطی تدوین شود، که از حل آن­ها کارایی نسبی هر واحد مشخص می­ شود (آذر، ۱۳۷۹).

DMU₁

O₁₁I₁₁
O₂₁I₂₁
O_S1I_m1

DMU₂

O₁₂I₁₂
O₂₂I₂₂
O_S2I_m2
.
.