ارزیابی کارایی نخلستان‌های شهرستان اهواز تحت شرایط عدم حتمیت: کاربرد رهیافت تحلیل پوششی داده‌های استوار و شبیه‌سازی مونت کارلو

اقتصاد و توسعه کشاورزی

مقاله 6، دوره 33، شماره 2 - شماره پیاپی 44، مرداد 1398، صفحه 191-204   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jead2.v0i0.79050

نویسندگان

مصطفی مردانی نجف ‎آبادی^{* 1}؛ عباس عبدشاهی²

¹دانشگاه کشاورزی و منابع طبیعی رامین خوزستان

²دانشگاه علوم کشاورزی و منابع طبیعی خوزستان

چکیده

خرما به دلیل نقش به‌سزایی که در تولید ناخالص ملی، اشتغال‌زایی و صادرات دارد، یکی از درختان باغی استراتژیک و اقتصادی ایران است. لذا بررسی کارایی تولیدکنندگان خرما و تلاش جهت بهبود کارایی و استفاده‌ی بهینه از منابع، از اهمیت ویژه‌ای برخوردار است. در مطالعه‌ی حاضر، جهت در نظر گرفتن شرایط عدم حتمیت در برآورد کارایی نخلستان‌های شهرستان اهواز، از مدل تحلیل پوششی داده‌های استوار (RDEA) استفاده شده است. برای این منظور 85 نفر از نخل‌کاران این شهرستان با استفاده از روش نمونه‌گیری تصادفی ساده انتخاب و داده‌ها مورد نیاز از طریق تکمیل پرسشنامه در سال 1397 گردآوری شدند. میانگین کارایی فنی برای این دسته از کشاورزان 90 درصد برآورد شده و این نتیجه نشان دهنده سطح نسبتاً بالای دانش فنی کشاورزان در استفاده از فناوری‌های نه چندان پیشرفته کنونی با توجه به منابع موجود می‌باشد. مهمترین نهاده‌ای که باعث عدم کارایی در نخلستان‌های ناکارا شده شامل ماشین‌آلات، کود، آفت‌کش و آب آبیاری بوده که با استفاده بهینه از این عوامل تولید به ترتیب 56، 34، 33 و 23 درصد کاهش در مصرف این نهاده‌ها ایجاد خواهد شد. نتایج حاصل از ارزیابی توانایی مدل RDEA در مقابل داده‌های نامطمئن که با استفاده از مدل شبیه‌سازی مونت‌کارلو انجام پذیرفت نشان داد که  این مدل انعطاف‌پذیری قابل توجهی در محافظت از مدل برای این نوع از داده‌ها دارد. بنابراین، استفاده از نتایج قابل اعتماد این مدل برای مدیران تصمیم‌گیر در سازمان‌های متبوع توصیه می‌گردد.

کلیدواژه‌ها

تحلیل پوششی داده‌های استوار؛ شبیه سازی مونت کارلو؛ عدم قطعیت؛ محصول خرما

مراجع

1- Abdpour A., Asadabadi E., and Fami H.S. 2017. Analysis Factors Affecting Date Production Efficiency in Bam County: With DEA Approach. Iranian Journal of Agricultural Economics and Development Research 48: 507-518.

2- Ahmad Z., and Jun M. 2015. Agricultural Production Structure Adjustment Scheme Evaluation and Selection Based on DEA Model for Punjab (Pakistan). Journal of Northeast Agricultural University (English Edition), 22: 87-91.

3- Banker R.D., Charnes A., and Cooper WW. 1984. Some models for estimation technical and scale efficiencies in data envelopment analysis. Management Science 30: 1078-1092.

4- Bartlett J.E., Kotrlik J.W., and Higgins C.C. 2001. Organizational Research: Determining Appropriate Sample Size in Survey Research. Information Technology, Learning, and Performance Journal 19: 43-50.

5- Bertsimas D., and Sim M. 2004. The price of robustness. Operations Research 52: 35–53.

6- Boubacar O., Hui-qiu Z., Rana M.A., and Ghazanfar S. 2016. Analysis on Technical Efficiency of Rice Farms and Its Influencing Factors in South-western of Niger. Journal of Northeast Agricultural University (English Edition) 23: 67-77.

7- Charnes A., Cooper W.W., Golany B., and Seiford L. 1985. Foundation data envelopment analysis of Pareto–Koopmans efficient empirical production functions. Journal of Econometrics 30: 91–107.

8- Despotis D.K., Maragos E.K., and Smirlis Y.G. 2006. Data envelopment analysis with missing values: An interval DEA approach. European Journal of Operational Research 140:24–36.

9- Dupacova J., Growe-Kuska N., and Romish W. 2003. Scenario reduction in stochastic programming: an approach using probability metrics. Mathematical Programming Series A 95:493–511.

10- Han Y., Geng Z., Zhu Q., and Qu Y. 2015. Energy efficiency analysis method based on fuzzy DEA cross-model for ethylene production systems in chemical industry. Energy 83:685-95.

11- Hoseini Y, Mohebbi A, Pouzeshnezhad M, Basirat M, Rejali F. 2017. Integrated management of soil fertility and nutrition of palm plants, Ministry of Agricultural Jihad, Agricultural Research, Education and Promotion Organization, Soil and Water Research Institute 1: 45-55.

12- Hory M., and Haghayeghi A. 2010. Effects of irrigation interval and depth on fruit quantitative and qualitative characteristics of Barhee date palm Phoenix dactylifera Uarterly Journal of Water and Soil Conservation (Journal of Agricultural Sciences and Natural Resources) 18: 101-117.

13- Karimifard S., Abdeshahi A., and Moghdasi R. 2010. Investigating the issues of marketing and export of dates in Khuzestan province. Journal of Agricultural Economics Researches 4: 153-169.

14- Khuzestan Agricultural Jihad Organization.2014. Statistical Yearbook. 2014. Management of Horticultural Affairs.

15- Lertworasirikul S., Shu-Cherng F., Joines J.A, and Nuttle H.L.W. 2003. Fuzzy data envelopment analysis (DEA): A possibility approach. Fuzzy Sets and Systems 139: 379–394.

16- Mardani M., Sargazi A., and Sabouhi M. 2013. Determination of the Efficiency of Sistan Wheat Farms Using Incorporation Optimization Model with Degree of Conservatism Control Parameters and Data Envelopment Analysis (RDEA) Agricultural Economics & Development 27: 180-187.

17- Mardani M., and Ziaee S. 2016. Determining the Efficiency of Irrigated Wheat Farmsin Neyshabur County under Uncertainty Agricultural Economics & Development 30: 136-147.

18- Moheban P., Mousavi S.N., Najafi B. 2015. Efficiency of Agricultural Processing Industry in Iran. Journal of Agricultural Economics Research 8: 79-100.

19- Ohadi N., Akbari A., and Shahraki J. 2015. Data envelopment analysis method usage for efficiency determination of pistachio growers in Sirjan. Iranian Journal of Agricultural Economics and Development Research 46: 51-60.

20- Pask F., Lake P., Yang A., Tokos H., and Sadhukhan J. 2017. Sustainability indicators for industrial ovens and assessment using Fuzzy set theory and Monte Carlo simulation. Journal of Cleaner Production140: 1217-1225.

21- Sabouhi M., and Mardani M. 2017. Linear robust data envelopment analysis: CCR model with uncertain data. International Journal of Productivity and Quality Management 22: 262-280.

22- Shokouhi A.H., Hatami-Marbini A., Tavana M., and Saati S. 2010. A robust optimization approach for imprecise data envelopment analysis. Computers and Industrial Engineering 59:387-397.

23- Toma E., Dobre C., Dona I., and Cofas E. 2015. DEA Applicability in Assessment of Agriculture Efficiency on Areas with Similar Geographically Patterns. Agriculture and Agricultural Science Procedia 6: 704-711.

24- Tsionas E.G. 2003. Combining DEA and stochastic frontier models: An empirical Bayes approach. European Journal of Operational Research 147: 499-510.

25- Yu J.R., Tzeng Y.C., Tzeng G.H., Yu T.Y., and Sheu H.J. 2004. A fuzzy multiple objective programming to DEA with imprecise data, International Journal of Uncertainty. Fuzziness & Knowledge-Based Systems 12: 591-600.