Szarota, Robert2018-07-132018-07-132018-07-13978-83-88421-95-2http://hdl.handle.net/11199/10465Publikacja z materiałów konferencyjnych: Scientific Research Priorities – 2017: theoretical and practical value. Edited by Dariusz Woźniak, Oleksandr Kendiukhov. Proceedings of the International Scientific and Practical Conference 22th-23th of June 2017. Wyższa Szkoła Biznesu – National-Louis University. Nowy Sacz, Poland. 2017, vol. 1.Uogólniony pomiar efektywności był podstawą do stworzenia metody DEA (data envelopment analysis), zapoczątkowanej w roku 1978 przez A. Charnes, W.W. Cooper i E. Rhodes. W metodzie tej nie występuje żaden składnik losowy oraz nie ma potrzeby określenia postaci funkcyjnej pomiędzy czynnikami, co było dużą wadą w przypadku jednowymiarowym. Powstały model CCR (inicjały od nazwisk autorów metody) przy użyciu programowania ilorazowego z rachunku optymalizacyjnego jest w stanie wyznaczyć stosowne wagi maksymalizujące efektywność jednostek DMU (decison making units). Obecnie metoda DEA jako metoda nieparametryczna, co jest jej dużym atutem, jest podstawową metodą w analizach badania i poszukiwania jednostek najbardziej efektywnych. W praktyce dysponujemy wieloma pochodnymi modelami klasy DEA, których różni podejście dotyczące orientacji modelu oraz rodzaju efektów działalności. Takie naukowe podejście po mimo drobnych wad, które można ograniczyć, sprawiło że lawinowo w postępie wykładniczym pojawiały się liczne opracowania i artykuły pokazujące różnorodność zastosowań tej metody. Jednostkami decyzyjnymi (DMU’s) mogą być jednostki prowadzące usługi, handel, produkcję oraz sektor publiczny, w praktyce wystarczą tylko aby dana jednostka była wstanie przekształcić nakład w efekt końcowy. Do wielu jednostek, w jakich wykorzystano metodę DEA, zaliczamy szpitale, szkoły, uczelnie, jednostki samorządowe, sądy, spółki komunalne, branże lotniczą, regiony administracyjne, państwa, banki, sektor energetyczny i wiele innych.plopen accessAttribution-NonCommercial-NoDerivs 3.0 Polandmetoda DEAproduktywnośćefektywnośćpomiarconferenceObject