منابع پایان نامه ارشد درمورد بازدهی نسبت به مقیاس، بهرهوری کل عوامل، تحلیل پوششی، تحلیل پوششی دادهها

دانلود پایان نامه ارشد

میپردازد. دادههای مورد استفاده در این مطالعه در سطح کشاورز و مربوط به 75 کشاورز در سال زراعی 2003-2004 است. نتایج حاصل از روش تحلیل پوششی دادهها نشان میدهد که متوسط کارایی گندمکاران در دو حالت بازدهی ثابت و متغیر نسبت به مقیاس به ترتیب برابر با 72/0 و 79/0 است. کارایی تکنیکی پیشبینی شده برای کشاورزان توسط روش فرونتیر استوکاستیک دارای دامنه گسترده بین 34/0 و 93/0 و میانگین کارایی تکنیکی 73/0 است. بین نتایج بدست آمده توسط دو روش DEA با فرض بازدهی ثابت نسبت به مقیاس و محصول-محور با مدل فرونتیر استوکاستیک همبستگی قوی وجود دارد. با توجه به نتایج بدست آمده، گندمکاران مورد بررسی میتوانند محصولشان را 21 تا 27 درصد با استفاده بهتر از منابع در دسترسشان افزایش دهند.
نیکات و آلمدار35 (2005) در مطالعهی به برآورد کارایی مزارع تنباکو در جنوب شرقی آنتالیا میپردازند. دادههای مورد استفاده در این مطالعه به صورت میدانی در سال زراعی 2000 – 2001 از 149 کشاورز جمعآوری شده است. در این مطالعه از دو روش DEA و SFA استفاده شده است. در هر دو روش پنج نهاده شامل: کود شیمیایی(نیتروژن و پتاس)، نیرویکار، هزینه سموم و … و ستانده شامل: میزان تولید تنباکو توسط کشاورز است. نتایج مطالعهی مذکور نشان میدهد که میانگین کارایی فنی 54 درصد است.
چن و دیانگ36 (2007) در مطالعهی به بررسی بهرهوری کل عوامل برای بخش کشاورزی چین میپردازند. آنها در مطالعه خود از شاخص بهرهوری مالمکوئیست استفاده میکنند. هدف از مطالعه مذکور، ایجاد یک چهارچوب برای ارزیابی روند پیدایش یا شالوده کشاورزی چین و اندازهگیری اثرات آن بر بهرهوری کل عوامل است. دادههای مورد استفاده مربوط به دوره 1988-2002 است. نتایج نشان میدهد که زیربنا تاثیر مثبت و به لحاظ آماری معنیدار بر ضرایب تخمینزده شده بهرهوری کل عوامل برای برنج، ذرت و لوبیا دارد.

فصل سوم: روش تحقیق

مقدمه
این مطالعه از دو مرحله تشکیل شده است. در مرحله اول، نمرات کارایی با استفاده از روش تجزیه و تحلیل پوششی دادهها (DEA) محاسبه شده و سپس با استفاده از خودراهانداز ضمن تصحیح اریب نمونهگیری، آزمون تصریح مقیاس انجام شده و مقیاس بهینه انتخاب شده است. در مرحلهی دوم از یک مدل رگرسیون چند متغیره برای توضیح نمرات کارایی استفاده شده یا به عبارت دیگر اثر متغیرهای توضیحی بالقوه (نوعاً متغیرهای محیطی و مدیریتی) که امکان ورود آنها در روش DEA نیست، بررسی و مورد آزمون قرار گرفته است. جنبه نوآور بودن این مطالعه در مرحله دوم در استفاده از معکوس خطاهاي استاندارد (نشأت گرفته از تصحيح اريب نمرات کارايي با استفاده از آزمون خودراهانداز) به عنوان وزن در مدل رگرسیون (WLS) است.
روش تجزیه و تحلیل پوششی دادهها (DEA)
روش DEA نوعی برنامهریزی خطی ناپارامتری است که با پوشش دادههای واقعی مرز امکانات تولید را برآورد میکند. از جمله مزایایی این روش این است که به هیچگونه فرم تابعی خاصی (معادله رگرسیون یا تابع هزینه و یا تابع تولید) نیاز ندارد و علاوه بر آن غیر آماری است و به هیچگونه آزمون آماری برای تخمین دادهها نیاز ندارد. در واقع به همین دلیل است که روش ناپارامتری نامیده میشود (کوپر و دیگران37، 2000). کارایی یک مشاهده که اغلب در مطالعات DEA، DMU یا واحد تصمیمگیرنده نامیده میشود؛ بر اساس فاصله نسبی آن از مرز تولید محاسبه میشود. نمره کارایی به دست آمده با استفاده از روش مذکور عددی بین صفر و یک است. نمرات کارایی را میتوان در دو حالت نهاده- محور و ستانده- محور محاسبه کرد. در حالت نهاده- محور هدف حداقلسازی نهادههای مورد استفاده برای تولید مقدار معینی محصول است.
3-2-1 مدل DEA با فرض بازدهی ثابت نسبت به مقیاس (CRS)
چارنز و دیگران (1978)، مدل برنامهریزی خطی خود را با فرض بازدهی ثابت نسبت به مقیاس و با نگرش نهاده- محور ارائه کردند که به مدل CCR شهرت یافت. در این مدل فرض میشود که K نهاده، m محصول و n بنگاه وجود دارد. برای بنگاه iام، y! بردار ستونی محصولات و x! بردار نهادههای تولید است. در اینجا هدف، به دست آوردن معیاری است که در برگیرنده نسبت همه محصولات به همه نهادهها باشد همانند: (u^’ y_i)/(v^’ x_i ) که در آن u بردار m×1 از وزنهای محصول و v بردار k×1 از وزن نهادهها است. برای به دست آوردن مقادیر بهینه وزنها لازم است؛ مسئله برنامهریزی خطی زیر به تعداد بنگاهها حل شود:
max_(u,v) (u^’ y_i)/(v^’ x_i )
s.t: (u^’ y_i)/(v^’ x_i )≤1 j=1,…, n (3-1)
u≥0 v≥0
uوv ماتریس ضرایبی هستند که از حل معادله بالا برای هر بنگاه به دست میآیند؛ به گونهی که نسبت کل مجموعه وزنی محصولات به مجموع وزنی عوامل تولید حداکثر گردد(کوئلی و دیگران، 2005). مدل بالا دارای بی شمار راهحل بهینه است؛ برای رفع این مشکل میبایست مخرج کسر مساوی یک قرار گیرد و قید (v^’ x_i )=1 به مدل اضافه شود تا مدل مذکور به مدل برنامهریزی خطی تبدیل گردد. در این صورت مسئله به صورت حداکثر کردن جمع وزنی محصولات در شرایط نرمالیزه شدن مجموع موزون عوامل تولید تبدیل میشود.
همچنین نمادهای uوv به μ و V تبدیل میشوند. این مدل در مسائل برنامهریزی خطی به مدل فزاینده38 معروف است. با استفاده از دوگان برنامهریزی خطی، میتوان معادله فرم پوششی39 را به شکل زیر به دست آورد:
min_(θ,λ) θ
s.t: -y_i+λY≥0
θx_i-Xλ≥0 (3-2)
λ≥0
θ مقدار اسکالر به دست آمده که عددی کوچکتر یا مساوی یک است که مقدار کارایی بنگاه i ام را مشخص میکند و λ، برداری n×1 از مقادیر ثابت است که وزنهای مجموعه مرجع را نشان می‌دهد(کوئلی و دیگران، 2005).
3-2-2 مدل بازدهی نسبت به مقیاس متغیر (VRS)
بنکر و دیگران40 (1984) مدل بازدهی نسبت به مقیاس ثابت را به گونهی بسط دادند که بازدهی متغیر نسبت به مقیاس را شامل شود. مدل آنها ضمن پوشش همه دادهها، به نحوی بود که مجموعه امکانات تولید در بر گیرنده فرضیات زیر باشد:
همه مشاهدات امکانپذیرند: اگر (x_1,y_1) به عنوان مشاهده وجود داشته باشند آنگاه میتوان نتیجه گرفت که محصول y_1 با استفاده از نهادهx_1 تولید میشود.
تحدب: اگر مشاهدات شامل(x_1,y_1) و (x_2,y_2) باشد؛ آنگاه α(x_1,y_1 )+(1-α)(x_2,y_2) برای هر α در فاصله [0,1]، امکانپذیر است (با فرض بازدهی نسبت به مقیاس متغیر صحیح است). البته در صورت بازدهی نسبت به مقیاس ثابت،(CRS) برای هر α مثبت نیز صحیح است.
دسترسی آزاد: همیشه استفاده بیشتر از منابع به معنی تولید همان مقدار یا محصول بیشتر است. به علاوه این امکان وجود دارد که بتوان محصول کمتر را با به کارگیری مقدار نهاده قبل تولید کرد.
در نمودار3-1 بیشتر مفاهیم مرتبط با DEA نشان داده شده است. A,B,C,D,F,G واحدهای تصمیمگیرنده هستندکه با استفاده از روش DEA و با فرض بازدهی نسبت به مقیاس متغیر به لحاظ تکنیکی کارا و P_1 غیرکارا تشخیص داده شدهاند. با فرض بازدهی ثابت نسبت به مقیاس فقط DMU های به لحاظ تکنیکی کارا محسوب میشوند که برای آنها نسبت نهاده به محصول بیشترین باشد. چرا که در این مورد بهرهوری همه DMU ها مستقل از اندازه آنها مورد مقایسه قرار میگیرد.
در ادامه تمرکز بر مرز تولید VRS است. برخی از مفاهیم جالب در رابطه با روش DEA فقط در صورتی در حالت CRS نمود پیدا میکند که نمودار بیش از دو بعد داشته باشد. به علاوه با فرض CRS در حالت دو بعدی، همه واحدها نسبت به همان سطح در CRS مورد مقایسه قرار میگیرد. در حالت VRS نوعاً بیش از یک سطح وجود دارد.

نمودار 3-1 : مرز تولید با فرض CRS
محاسبه کارایی با استفاده از برنامهریزی خطی41 (LP) زیر صورت میگیرد (فورسند و هجمارسن42، 1979):
E_1: نمره کارایی نهاده- محور با فرض بازدهی نسبت به مقیاس متغیر (VRS) که با استفاده از برنامه LP زیر محاسبه میشود و برای هر واحد P_1 در نمودار (3-1) با X_A/X_1 برابر است.
E_i1=Minθ_i
S.t:
∑_jϵP▒〖λ_ij y_ij 〗-y_mi≥0 ,m∈M
θ_i x_ni-∑_(j∈P)▒〖λ_ij x_nj 〗≥0 , n∈N
λ_ij≥0 , ∑_(j∈P)▒λ_ij =1 (3-3)
نقطه مرجع برای DMUI (∑_(j∈P)▒〖λ_ij x_nj 〗,∑_jϵP▒〖λ_ij y_mj 〗) است. نقطه مرجع برایDMU P_1 در نمودار 3-1 و در حالت نهاده- محور، DMU A است. نقطه m ، یک نقطه شعاعی بر مرز VRS است که در برگیرنده مزیت امکان افزایش محصول همزمان با کاهش نهاده نیست.
E2: نمره کارایی VRS محصول- محور است که برای هر DMU توسط برنامه LP زیر محاسبه میگردد. این نمره برای هر P_1 در نمودار (3-1) با y_1/y_n برابر است.
1⁄E_2i =max⁡ϕ
S.t:
∅_i y_mi-∑_(j=P)▒〖λ_ij y_mj≤0 ,m∈M〗
∑_(j=P)▒〖λ_ij x_nj 〗-x_ni≤0 ,n∈N
λ_ij≥0 , ∑_(j=P)▒λ_ij =1 (3-4)
E_3: نمره کارایی با فرض بازدهی ثابت نسبت مقیاس (CRS) است که میتواند با استفاده از یکی از برنامههای LP (3-3) و (3-4)، البته در صورت حذف قید ذکر شده در خط آخر به دست آید. این نمره کارایی برای بنگاه P_1 در نمودار (3-1) برابر با X_1/X_h یا y_1/y_k است.
E4: نمره کارایی نهاده- محور با فرض بازدهی کاهنده نسبت به مقیاس است(E_3/E_1 ).
E5: نمره کارایی محصول- محور با فرض بازدهی فزاینده نسبت به مقیاس است(E_3/E_2 ).
3-3 نهاده- محور یا ستانده- محور؟
تمرکز محقق در مدلهای نهاده- محور که در فضاي نهاده / نهاده توضيح داده ميشود؛ بر كاهش نهادهها است و سؤالي كه در آن مطرح ميشود اين است كه تا چه حد میتوان نهادهها را به طور متناسب كاهش داد بدون اينكه تغييري در مقدار ستاندههاي توليدي حاصل شود؟ البته لازم به ذکر است که میتوان عدم کارایی تکنیکی را از طریق افزایش متناسب در تولید محصول با ثابت نگه داشتن سطح نهاده محاسبه کرد. این دو معیار در صورت وجود بازدهی ثابت نسبت به مقیاس دارای مقادیر یکسانی از کارایی خواهند بود؛ ولی در صورت وجود بازدهی متغیر نسبت به مقیاس نتایج کارایی دو روش متفاوت خواهد بود. به خوبی روشن است که روشهای برنامهریزی خطی از مشکلات آماری چون اریب معادلات همزمان رنج نمیبرند و انتخاب محوریت یا جهت مناسب در این مدلها مانند تخمینهای اقتصادسنجی مشکل نیست. در برخی از مطالعات محققین به دلیل اینکه بنگاههای مورد مطالعه تمایل دارند سقف تولید را داشته باشند؛ لذا آنها مدلهای نهاده- محور را انتخاب میکنند. در برخی از صنایع تمایل بر این است که با به کارگیری مقدار معینی نهاده، حداکثر محصول ممکن را تولید کنند؛ در چنین شرایطی محصول- محور مناسب است. در کل میتوان گفت که جهت باید بر اساس مقادیر (نهاده یا محصول) که تحت کنترل مدیریت قرار دارد؛ انتخاب شود. اما مواردی هم وجود دارد که انتخاب جهت در آنها تاثیر اندکی بر نمرات کارایی به دست آمده دارد (کوئلی و پرلمن43، 1999).
مدلهای محصول- محور نقطه مقابل مدلهای نهاده- محور است. در اینجا برای مثال مدل محصول- محور تحت فرض VRS توضیح داده شده است:
max_(∅,λ)∅,
S.t: -ϕq_i+Qλ≥0,
x_i-Xλ≥0, (3-5)
I1^’ λ=1
λ≥0,
1≤∅∞و ∅-1 افزایش متناسب در محصول را برای بنگاه i ام نشان میدهد که میتوانست با ثابت نگه داشتن مقادیر نهاده ایجاد شود. 1/∅ نمره کارایی (TE) است که عددی بین صفر و یک است(کوئلی و دیگران، 2005).
در اینجا یک مثال راجع به مدل DEA محصول- محور ارائه شده که میتوان آن را به وسیله یک منحنی امکانات تولید خطی همانند نمودار 3-2 نشان داد. لازم به ذکر است که مشاهداتی که در زیر این خط قرار گرفتهاند و قسمتهایی از منحنی که با محورها تشکیل زاویه قائم میدهند؛ منجر به ایجاد متغیر مازاد برای

پایان نامه
Previous Entries منابع پایان نامه ارشد درمورد کارایی فنی، بخش کشاورزی، اتحادیه اروپا، برنامه سوم توسعه Next Entries منابع پایان نامه ارشد درمورد رگرسیون، موجودی سرمایه، مدل رگرسیون، مدل DEA