×
نام و نام خانوادگی
بازخوانی ...
اطلاعات کتابشناختی
عنوان اصلی: مقايسه روش هاي بازيابي داده هاي ناقص در تحليل پوششي داده ها
عنوان: :COMPARING SEVERAL APPROACHES TO DEAL WITH MISSING DATA IN DATA ENVELOPMENT ANALYSIS
پدیدآورندگان : پريسا ‏تبريزي (پديدآور)
دانشگاه علامه طباطبائي (پديدآور)
نوع : متن
جنس : مقاله
catalog
چاپ
صاحب محتوا :

کتابخانه دیجیتالی دانشگاه علامه طباطبایی (ره)

توصیفگر : imputation methodes
داده هاي ناقص
K-nearest neighborhood
interval DEA
مدل تحليل پوششي داده ها
روش هاي جانهي
‭missing data‬
الگوريتم K نزديكترين همسايه
Data envelopment analysis
وضعیت نشر : تهران : : دانشگاه علامه طباطبائي ، ، ۱۳۹۴
مشخصات فیزیکی : ط،۱۴۷ص. : جدول،نمودار،دیجیتالی، پی دی اف
خلاصه : The competitive nature of the business environment requires the productivity-driven organization to be aware of its relative level of effectiveness and efficiency. DEA (data envelopment analysis) is a linear programming methodology to evaluate relative technical efficiency of homogenous Decision-Making Units, using multiple inputs and outputs. Being highly dependent on the quality and quantity of data used, DEA outcomes are susceptible to missing data. Hence a reliable approach to more precisely handle the missing values will improve the robustness of DEA methodology.This study aims to evaluate the preciseness of different imputation methods, including K-nearest neighborhood(KNN), simple mean method and Average Ratio Method as well as IDEA model (interval data envelopment analysis), for Improving the DEA model results.In order to verify the credibility of the proposed approach, an example of 23 Iranian hospitals is applied to case analysis. The complete data set transformed into 8 sets of sparse data based on missing data proportion and randomness, using missing completely at random (MCAR) and missing not at random (MNAR). Then for each data set we separately ran IDEA model.in addition, after implementing different imputation methods we run simple DEA model on each data set.Results demonstrate that Average Ratio Method proves to be the most accurate methodology which is not applicable for all data sets. It is also concluded that in case of low percentage of random missing values (less than 5%), the most suitable imputation method is simple mean, while KNN is suitable for higher percentage of random missingness and missing not at random cases
یادداشت :
/ پریسا تبریزی
عنوان از روی صفحه نمایش عنوان
کتابنامه: ص.۱۳۹-۱۴۷
ملزومات سیستم: ویندوز xp+ ، ادوب اکروبات ریدر 9+ ، موزیلا فایر فاکس 23+ ، اینترنت اکسپلورر 9+ ، گوگل کروم 23+
شناسه : 792769
تاریخ ایجاد رکورد : 1398/11/15
قیمت شيء دیجیتال : رایگان


* محتوای این صفحه توسط کارشناسان این درگاه ویرایش نشده است. لطفا در صورت مشاهده ایراد در محتوا از این طریق اطلاع رسانی کنید.

دیدگاه شما

تست
ورود به درگاه کنسرسیوم
Loding



رمز عبور خود را فراموش کرده ام.
چنانچه تا کنون عضو سایت نشده اید ثبت نام کنید.
درباره کنسرسیوم
ما مجموعه‌ای از كتابخانه‌ها و سازمان‌های دارای منابع اطلاعاتی (کتاب، نشریه، نسخه‌های خطی، عکس، صدا، فیلم و... ) هستیم که با هدف تامین نیازهای پژوهشگران و شهروندان ایرانی برای دسترسی هر چه سریع‌تر به محتوای مورد نظر خود، کنسرسیوم محتوای ملی را تشکیل داده‌ایم. برای رسیدن به این هدف، قصد داریم با بسترسازی مناسب و جلب مشارکت دیگر تولید کنندگان محتوا به گرد آوری، تبدیل، سازماندهی و حفاظت اطلاعات به شکل رقومی و در سطح ملی، بپردازیم.