<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>Knowledge Management Scientific Association</PublisherName>
      <JournalTitle>مدیریت پویا و تحلیل کسب و کار</JournalTitle>
      <Issn>3041-8933</Issn>
      <Volume>5</Volume>
      <Issue>پاییز 1405</Issue>
      <PubDate PubStatus="epublish">
        <Year>1405</Year>
        <Month>06</Month>
        <Day>01</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Developing and Presenting a Fixed-Cost Allocation Scheme for Commercial Banks Based on Data Envelopment Analysis in the Presence of Undesirable Outputs</ArticleTitle>
    <VernacularTitle>تدوین و ارائه الگوی طرح تخصیص هزینه ثابت در بانک‌های تجاری براساس تحلیل پوششی داده‌ها در حضور خروجی‌های نامطلوب</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>27</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>حسین </FirstName>
        <LastName>حسینی</LastName>
        <Affiliation>گروه مدیریت صنعتی، واحد بین‌المللی کیش، دانشگاه آزاد اسلامی، کیش، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>جواد</FirstName>
        <LastName>گرامی</LastName>
        <Affiliation>گروه ریاضی، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>محمدرضا </FirstName>
        <LastName>مظفری</LastName>
        <Affiliation>گروه ریاضی، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>محمدحسین </FirstName>
        <LastName>درویش متولی</LastName>
        <Affiliation> گروه مدیریت صنعتی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>2026</Year>
        <Month>05</Month>
        <Day>23</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;&lt;strong&gt;Objective: &lt;/strong&gt;This study aimed to develop and present a generalizable fixed-cost allocation scheme for commercial banks based on Data Envelopment Analysis while simultaneously incorporating desirable and undesirable outputs.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Methodology: &lt;/strong&gt;This developmental and applied study employed a descriptive-survey and cross-sectional design. The study population consisted of Iranian commercial banks, and the empirical application included 14 banks observed over two consecutive years, yielding 28 bank-year observations. The model inputs were personnel expenses, net interest expenses, and non-interest expenses, while the desirable outputs comprised net interest income, non-interest income, and total deposits. Overdue claims were incorporated as the undesirable output. A DEA-based fixed-cost allocation model was developed, and three allocation strategies were compared: equal allocation, scale-based allocation, and the proposed allocation scheme. The mathematical models and sensitivity analyses were implemented using GAMS and Python, while complementary analyses were conducted in SPSS.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Findings:&lt;/strong&gt; The baseline mean efficiency score before fixed-cost allocation was 0.956, with 42.86% of observations located on the efficiency frontier. Under equal allocation, mean efficiency increased to 0.962 and the proportion of efficient observations rose to 53.57%. Scale-based allocation increased mean efficiency to 0.981, with 67.86% of observations becoming efficient. The best performance was obtained under the proposed scheme, assigning a weight of 0.95 to operating scale and 0.05 to the undesirable output. Under this specification, mean efficiency increased to 0.983 and 71.43% of the observations reached the efficiency frontier. Sensitivity analysis showed that increasing the undesirable-output weight above 0.05 progressively reduced both average and minimum efficiency.&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;Conclusion:&lt;/strong&gt; The findings indicate that combining operating scale with a limited adjustment for overdue claims provides a more efficient and balanced fixed-cost allocation mechanism than equal or purely scale-based allocation and better reflects efficiency, credit quality, and allocation fairness in commercial banks.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;&lt;strong&gt;هدف:&lt;/strong&gt; هدف این پژوهش تدوین و ارائه یک الگوی قابل تعمیم برای تخصیص هزینه ثابت در بانک‌های تجاری بر پایه تحلیل پوششی داده‌ها با لحاظ هم‌زمان خروجی‌های مطلوب و خروجی نامطلوب بود. &lt;strong&gt;روش‌شناسی: &lt;/strong&gt;پژوهش حاضر از نظر هدف توسعه‌ای و از نظر کاربرد، کاربردی بود و با رویکرد توصیفی–پیمایشی و به‌صورت مقطعی انجام شد. جامعه پژوهش شامل بانک‌های تجاری ایران بود و در بخش تجربی، 14 بانک طی دو سال متوالی و در مجموع 28 مشاهده بانک–سال بررسی شدند. ورودی‌های مدل شامل هزینه‌های پرسنلی، هزینه‌های خالص بهره و هزینه‌های غیر‌بهره و خروجی‌های مطلوب شامل درآمد خالص بهره، درآمدهای غیر‌بهره و کل سپرده‌ها بود. مطالبات معوق نیز به‌عنوان خروجی نامطلوب در مدل وارد شد. مدل تخصیص هزینه ثابت با استفاده از تحلیل پوششی داده‌ها توسعه یافت و راهبردهای تخصیص مساوی، تخصیص مبتنی بر مقیاس و الگوی پیشنهادی مقایسه شدند. حل مدل‌ها و تحلیل حساسیت با استفاده از GAMS و Python انجام شد و نتایج تکمیلی با SPSS بررسی گردید. &lt;strong&gt;یافته‌ها:&lt;/strong&gt; میانگین کارایی پایه پیش از تخصیص هزینه ثابت 0.956 بود و 42.86 درصد مشاهدات روی مرز کارایی قرار داشتند. در تخصیص مساوی، میانگین کارایی به 0.962 و نسبت واحدهای کارا به 53.57 درصد افزایش یافت. تخصیص مبتنی بر مقیاس، میانگین کارایی را به 0.981 و سهم واحدهای کارا را به 67.86 درصد رساند. بهترین عملکرد مربوط به الگوی پیشنهادی با وزن 0.95 برای مقیاس و 0.05 برای خروجی نامطلوب بود؛ به‌طوری‌که میانگین کارایی به 0.983 افزایش یافت و 71.43 درصد مشاهدات کارا شدند. تحلیل حساسیت نشان داد افزایش وزن خروجی نامطلوب بیش از 0.05 موجب کاهش تدریجی میانگین کارایی و افت حداقل کارایی شد. &lt;strong&gt;نتیجه‌گیری:&lt;/strong&gt; نتایج نشان داد ترکیب مقیاس عملیاتی با یک تعدیل محدود برای مطالبات معوق می‌تواند نسبت به تخصیص مساوی و تخصیص صرفاً مقیاسی، الگویی کاراتر و متعادل‌تر برای توزیع هزینه ثابت در بانک‌های تجاری فراهم سازد و هم‌زمان کارایی، کیفیت اعتباری و عدالت تخصیصی را بهتر منعکس کند.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Data Envelopment Analysis</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Fixed</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Cost Allocation</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Commercial Banks</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Undesirable Output</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Overdue Claims</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Efficiency</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تحلیل پوششی داده‌ها</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تخصیص هزینه ثابت</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">بانک‌های تجاری</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">خروجی نامطلوب</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مطالبات معوق</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">کارایی</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://dmbaj.org/index.php/dmba/article/download/514/443</ArchiveCopySource>
  </Article>
</ArticleSet>
