کاربرد روش‌های ناپارامتریک اصلاح شده در ارزیابی کارایی فنی تولید چغندرقند ایران

اقتصاد و توسعه کشاورزی

مقاله 3، دوره 31، شماره 2 - شماره پیاپی 36، تابستان 1396، صفحه 157-169  

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jead2.v31i2.59422

نویسندگان

قادر دشتی ؛ معصومه رشیدقلم؛ اسماعیل پیش بهار

دانشگاه تبریز

چکیده

علی‌رغم کاربرد فراوان روش‌های ناپارامتریک نظیر تحلیل پوششی داده‌ها (DEA) و تحلیل رویه آزاد (FDH)در محاسبه کارایی، اما این روش‌ها به دلیل ماهیت قطعی بودن این دو روش بوده زیرا نتایج نسبت به مشاهدات پرت و خطای اندازه‌گیری ناکارآمد تلقی می‌شود.در این راستا پیشرفت-های اخیر در ایجاد مرزهای جزئی تولید، نظیر رتبه-m و رتبه- ضعف‌های مربوط به الگوهای ناپارامتریک را رفع کرده است. بدین منظور در مطالعه حاضر جهت مقایسهتجربی چهار الگوی ناپارامتریک مذکور، کارایی فنی تولید چغندرقند در کشور با استفاده از داده‌های پانل مربوط به یازده استان‌ عمده تولیدکننده این محصول طیدوره زمانی91-1379 و بر اساس تحلیل پنجره‌ای مورد مطالعه قرار گرفت.به استناد یافته‌های حاصل و بر اساس الگوهای رتبه-m و رتبه- استان‌ کرمان به عنوان استان‌ فوق‌ کاراطبقه‌بندی شده و استان‌ اصفهان ناکاراترین استان‌ در تولید چغندرقند کشور می‌باشد. مطابق الگوهای تحلیل پوششی داده‌های پنجره‌ای و رویه دسترس آزاد پنجره‌ای نیز، استان‌های آذربایجان‌غربی، خراسان و لرستان جزء کاراترین استان‌ها در تولید چغندرقند کشور می‌باشند و استان فارس ناکاراترین استان در تولید این محصول محسوب می‌شود. با توجه به این‌که الگوهای مرزی کامل نسبت به الگوهای مرزی جزئی دارای فروضی می‌باشند که به واقعیت نزدیک‌تر است بنابراین نتایج حاصل از این الگوها مطلوب‌تر می‌باشند. از این رو پیشنهاد می‌گردد که در مطالعات آتی جهت اندازه‌گیری کارایی فنی و رتبه‌بندی واحدهای تصمیم‌گیرنده از این الگوها بهره گرفته شود.

کلیدواژه‌ها

الگوی DEA پنجره ای؛ الگوی FDH پنجره ای؛ الگوی مرتبه- پنجره ای؛ الگوی مرتبه-m پنجره ای

مراجع

1- Abrishami H., and Niakan L. 2010. Measuring the technical efficiency of Iranian power plants using stochastic frontier analysis (SFA) and comparison with selected developing countries. Quarterly Energy Economics Review, 26: 153-175. (in Persian with English abstract).

2- Afriat S.N., 1972. Efficiency estimation of production functions. International Economics Review, 13, 568-598.

3- Aigner D.J., Lovell C.A.K. and Schmidt P. 1977. Formulation and estimation of stochastic frontier production function models, Journal of Econometrics, 6: 21-37.

4- Amadeh H., EmamiMeibodi A. and Azadinezhad A. 2009. Ranking the Iranian provinces by technical efficiency of industrial sector by applying DEA method. Journal of Science and Development, 29: 162-180. (in Persian with English abstract)

5- Aragon Y., Daouia A. and Thomas-Agnan C. 2005. Nonparametric frontier estimation: a conditional quantile based approach. Econometric Theory, 21: 358-389.

6- Asmild M.,ParadiJ.C.,AggarwallV. and Schaffnit C.2004. Combining DE AwindowanalysiswiththeMalmquistindexapproachinastudyoftheCanadian bankingindustry. Journal ofProductivityAnalysis, 21: 67–89.

7- Babaipur M., Rastegri F. and Sabuhi M. 2012. Analysing efficiency of cucumber greenhouses using distnce envelopment analysis. Journal of Agricultural Economics and Development, 26(2):117-125. (In Persian).

8- Banker R.D., Charnes A. and Cooper W.W. 1984. Some models for estimating technical and scale inefficiency in Data Envelopment Analysis, Management Science, 30:1078-92.

9- Bauer P.W., Berger A.N., Ferrier G.D. and Humphrey D.B. 1997. Consistency conditions for regulatory analysis of financial institutions: A comparison of frontier efficiency methods, US Federal Reserve Financial Services, Working Paper 02(97).

10- Boles J.N. 1996. Efficiency squared- efficient computation of efficiency indexes, Proceedings of the 39th Annual Meeting of the Western Farm Economic Association, 137-142.

11- Borimnejd V. and Mohtashami T. 2009. Technical efficiency of wheat production in Iran: case study. Journal of Agricultural Economics, 1:75-94. (In Persian).

12- Carbone T.A. 2000. Measuringefficiencyofsemiconductormanufacturingoperationsusingdataenvelopmentanalysis(DEA). In IEEE/SEMI advancedsemiconductormanufacturingconference, 56–62.

13- Cazals C., Florens J.P., and Simar L. 2002. Nonparametric Frontier Estimation: A Robust Approach. Journal of Econometrics, 106: 1-25.

14- Charnes A. and Cooper W.W. 1985. Preface to topics in data envelopment analysis, Annals of Operations Research, 2, 59-94.

15- Charnes A., Cooper W.W., and Rhodes E. 1978. Measuring the efficiency of decision making units. European Journal of Operations Research, 2:429-444.

16- Chiami B.C. 2011. Determinants of technical efficiency in smallholder sorghum farming in Zambia. MSc Thesis, Graduate School of The Ohio State University

17- Coelli T., 2008. Aguide to DEAP version 2.1: A data envelopment analysis (computer) program, CEPA Working Paper 96/08.

18- Daraio C. and Simar L. 2005. Conditional nonparametric frontier models for convex and non-convex technologies: A unifying approach, Discussion Paper #0502, Institute de Statistique, Universit´eCatholique de Louvain, Louvain-la-Neuve, Belgium.

19- Daraio C., and Simar L. 2007. Advanced Robust and Nonparametric Methods in Efficiency Analysis: Methodology and Applications, New York: Springer

20- DeBorger B., Kerstens K., Moesen W., and Vanneste J. 1994. A non-parametric free disposal hull (FDH) approach to technical efficiency: An illustration of radial and graph efficiency measures and some sensitivity results. Swiss Journal of Economics and Statistics, 130(4): 647-667.

21- Deprins D., and Tulkens H., 1984. Measuring labour efficiency in post offices. In Marchand, M. and Tulkens, H. (eds.) the Performance of Public Enterprises: Concepts and Measurement North-Holland, 243-267.

22- De Witte K., and Marques R.C., 2010. Influential observations in frontier models, a robust non-oriented approach to the water sector. Ann Oper Res. http://dx.doi.org/10.1007/s10479-010-0754-6

23- Esari A., Sadegi H., Sokhanvar M., Mehregan M. and Yavari K. 2011. Applying window data envelopment analysis to measure structure and trend of efficiency in Iranian power plants. Journal of Economic Growth and Development Research, 1(4): 145-182. (in Persian).

24- Farrell M.J., 1957. The Measurement of Productive Efficiency. Journal of the Royal Statistical Society, Series A (General), 120(3): 253-290.

25- Gabdo B.H., Abdlatif I.B., Abidin Mohammed Z.A. and Shamsuddin M.N. 2014. Comparative estimation of technical efficiency in livestock-oil palm integration in Johor, Malaysia: Evidence from full and partial frontier estimators. Journal of Agricultural Science, 6(3):140-150.

26- Karami A., Eftekhari S.F. and Abdshahi A. 2012. Anlyzing technical efficiency of firms in Kohgiluye Va Boyerahmad province (milk cow, meat chiken and fish farming). Journal of Agricultural Economics, 4(3):59-76.(in Persian)

27- Ministry of Agriculture Jihad. 2013. Agricultural statistics volume I- crops. Department of economic and planning.Center for Information and Communication Technology.

28- Pjevcevic D., Radonji A., Hrle Z. and Colic V. 2012. DEA Window Analysis for measuring port efficiencies in Serbia. Traffic & Transportation, 24(1):63-72.

29- Řepkova I., 2014. Efficiency of the Czech banking sector employing the DEA window analysis approach. Procedia Economics and Finance, 12:587 – 596.

30- Ross A. and Droge C.2002.AnintegratedbenchmarkingapproachtodistributioncenterperformanceusingDEAmodeling. Journal ofOperationsManagement, 20:19–32.

31- SeyedSharifi R., 2013. Industrial Crops. Amidi, University of MohagheghArdabili, Ardebil, Iran.

32- SueyoshiT., andAokiS.2001.Auseof a nonparametricstatisticforDEAfrontiershift:TheKruskalandWallisranktest. Omega Interntional Journal of Management Science, 29:1–18.

33- Tauchmann H. 2011. Partial frontier efficiency analysis for Stata. Discussion Paper, SF 823.

34- Yaghubi M., Shahrki J., and Karbasi A., 2009. Efficiency survey of cooperative and non-cooperative shrimp razing units in Chabahar using data envelopment analysis (application of CCR and FDH models). Cooperation Journl, 21(4):71-95. (In Persian)

35- Yang H.H., and Chang C.Y. 2009. Using DEA window analysis to measure efficiencies of Taiwan’s integrated telecommunication firms. Telecommunications Policy, 33:98-108.