انتخاب متغیر در پیش‌بینی تحلیل داده

انتخاب ورودی‌ها و خروجی‌ها در تحلیل پوششی داده‌ها (‏DEA)‏به عنوان یک گام مهم در نظر گرفته می‌شود که معمولا قبل از اجرای مدل DEA انجام می‌شود. در این مقاله، به منظور انتخاب خودکار ورودی‌ها و خروجی‌های مربوطه، بدون هیچ تحلیل آماری قبلی، تصمیم‌گیری اکتشافی یا قضاوت کارشناسی، محدودیت‌های کاردینالیتی را مستقیما در برنامه DEA معرفی می‌کنیم (‏اگرچه روش ما با این رویکردهای دیگر ناسازگار نیست و در واقع می‌تواند به انتخاب بین آن‌ها کمک کند)‏. انتخاب متغیرها با حل یک برنامه خطی عدد صحیح مختلط (‏MILP)‏به دست می‌آید که حداکثر تعداد متغیرهای مورد استفاده را مشخص می‌کند. زمان محاسباتی برنامه در تمام شرایط عملی سریع است. ما عملکرد این روش را از طریق شبیه‌سازی‌های مونت کارلو بررسی می‌کنیم. برخی از کاربردهای تجربی به منظور نشان دادن سودمندی این روش در نظر گرفته شده‌اند.

Highlights•We propose a method for selecting variables in Data Envelopment Analysis.•The selection is obtained solving a Mixed Integer Linear Program•The computational time of the program is fast in all practical situations.•We test the performance of the method through Monte Carlo simulations.•We provide two empirical applications to illustrate the usefulness of the method.AbstractThe selection of inputs and outputs in Data Envelopment Analysis (DEA) is regarded as an important step that is normally conducted before the DEA model is implemented. In this paper, we introduce cardinality constraints directly into the DEA program in order to select the relevant inputs and outputs automatically, without any previous statistical analysis, heuristic decision making or expert judgement (though our method is not incompatible with these other approaches and indeed may help to choose among them). The selection of variables is obtained solving a mixed integer linear program (MILP) which specifies