View article

Data Envelopment Analysis (DEA)[5] jest metodą oceny efektywności jednostek decyzyjnych (DMU) zużywających wiele nakładów iw efekcie uzyskują wiele rezultatów. Od zaproponowania przez Chames'a et al.(model CCR)[4] metoda DEA doczekała się wielu zastosowań obejmujących między innymi obszary i dziedziny takie jak bankowość, opieka zdrowotna, rolnictwo, edukacja, kultura itd. Z czasem rozwinęły się jej liczne rozszerzenia i modyfikacje, gdzie do najważniejszych należy zaliczyć model nadefektywności DEA (ang. super efficiency DEA) SE-CCR [2], nie-radialnej DEA (ang. non-radia! DEA) NR-DEA [8], ich połączenie tj. SE-NR-DEA, czy model BCC [1]. W kontekście tej metody badacze zwykle nie podejmują w swoich pracach problemu odporności otrzymywanych rezultatów, która w ostatecznym efekcie może być istotna przy podejmowaniu decyzji tj. wyborze najlepszego (najbardziej efektywnego) rozwiązania. Sytuacja taka tworzy możliwość wpisania się z nowymi pomysłami w tak rozumianą lukę badawczą. W prezentowanej rozprawie, tj. cyklu siedmiu publikacji, autorka stawia sobie za główny cel zaproponowanie rozszerzeń metody DEA, których wspólnym zadaniem jest dostarczenie decydentowi dodatkowych informacji o badanych obiektach DMUs (od ang. decision-making units). Cel ten jest realizowany na wiele sposobów włączając w to: O zaproponowanie nowej metodologii analizy odporności (ang. robustnes) w metodzie DEA [Pl, P2] oraz VDEA [P4]