منابع پایان نامه ارشد درمورد رگرسیون، موجودی سرمایه، مدل رگرسیون، مدل DEA

دانلود پایان نامه ارشد

ر روش بالا، روشهای دیگری نیز پیشنهاد شده است (سیمار و ویلسون، 1998) که یکی از این روشها نسبت میانگینها است:
S ̂_2^CRS=∑_(i=1)^n▒E ̂_3^i (x_i,y_i)/∑_(i=1)^n▒E ̂ _1^i (x_i,y_i) (3-10)
این روش از نظر آزمونهای مونت-کارلویی54 بهتر است. البته میانگین نسبتها نیز دارای ارزش است و به لحاظ هندسی به خوبی قابل درک است.
مرحله دوم (رگرسیون چندمتغیره)
معمولا زمانی در مطالعات DEA از دیدگاه دومرحلهی استفاده میشود که محقق بخواهد نمرات کارایی را تخمینزده و سپس توضیح دهد. در مرحلهی اول نمرات کارایی بنگاهها بر اساس دادهها مورد استفاده و محصولات ایجاد شده، محاسبه میشود سپس در مرحلهی دوم به این سوال که آیا به لحاظ تجربی نمرات کارایی به دست آمده در مرحله اول تحت تاثیر متغیرهای توضیحی بالقوه دیگری نیز قرار دارد؟ پاسخ داده میشود. متغیرهای توضیحی مورد استفاده در این مرحله، متغیرهای محیطی یا مدیریتیاند (هر دوی متغیرهای بصیرتی و غیربصیرتی به طور معمول استفاده میشود). معمولا در این مرحله برای بررسی رابطه تجربی بین این متغیرهای توضیحی و نمرات کارایی از یک مدل رگرسیون چند متغیره استفاده میشود البته میتوان از دیدگاههای دیگری نیز استفاده نمود.
همواره این بحث که باید تخمین نمرات کارایی و توضیح آنها در یک فرایند یک مرحلهی مورد بحث و بررسی قرار گیرد؛ در مطالعات DEA مطرح است. اما بحث فرایند دو مرحلهی خیلی سریع در مطالعات اقتصادسنجی استاندارد مطرح شد. اگر بتوان فرض کرد که متغیرهای توضیحی بالقوه در روشی متفاوت نسبت به نهادههای عادی، تولید را تحت تاثیر قرار میدهند (یا به عبارت دیگر متغیرهای توضیحی نرخ جانشینی بین یکدیگر را تحت تاثیر قرار نمیدهند)، آنگاه بحث و بررسی کارایی با استفاده از یک فرایند دو مرحلهی باعث کاهش آن نمیشود.
دلیل دیگر در خصوص استفاده از دیدگاه دو مرحلهی این است که امکان دارد نتوان برخی متغیرهای توضیحی را در مدل DEA به کار برد. علاوه بر اینها فرضیات حامی مدل DEA اجازه نمیدهد که بتوان خطای اندازهگیری را محاسبه نمود، این مسئله حتی در مواقعی که میتوان فرض نمود که خطاهای اندازهگیری به طور متقارن توزیع شدهاند؛ صادق است. در موارد ذکر شده استفاده از یک مدل رگرسیون دو مرحلهی نسبت به روش DEA قویتر است. به علاوه استفاده از روش دو مرحلهی باعث میشودکه ابزارهای بیشتری در خصوص تشخیص و تصحیح مشکلات ممکن وجود داشته باشد. البته یکی از دلایل عمده در این خصوص، افزایش متغیرهای توضیحی غیر بصیرتی در مطالعه است. بستههای نرمافزاری متعددی در دسترس است که اجازه میدهند تا بتوان یکی یا بیشتر از متغیرهای توضیحی غیردیداری را ثابت گرفت. یک بحث اضافی دیگر در خصوص استفاده از این روش، زمانی است که متغیر مورد بحث ناشناخته باشد به عبارت دیگر نهاده یا محصول بودن آن نامشخص باشد. اگر دلایل کافی در خصوص اینکه رابطه بین این متغیرها و نمرات کارایی یکنواخت نیست وجود داشته باشد؛ آنگاه امکان حضور همه متغیرها در محاسبات DEA غیر ممکن خواهد بود.
آنچه مسلم است این است که دیدگاه دو مرحلهی زمانی انتخاب میشود که کاراتر باشد. جنبه نوآوری این مطالعه، استفاده از معکوس خطاهای استاندارد در مرحلهی دوم است. در خصوص کسب اطلاعات بیشتر در استفاده از مدل رگرسیون WLS میتوان به مطالعهی کارول و رابرت55 (1988) مراجعه کرد.
انگیزه استفاده از WLS این است که زمانیکه بحث دقت تخمین نمرات کارایی در مرحلهی اول مطرح میشود؛ درجات مختلفی از اطمینان ایجاد میشود. در واقع به همین دلیل است که زمانیکه محقق به دنبال برازش رگرسیون فوقبرنامه بر مشاهدات است؛ وزنهای بزرگتری را برای مشاهدات دقیقتر در نظر میگیرد. مفهوماش این است که اگر فوقبرنامه از مشاهدات با وزنهای بزرگتر نسبت به مشاهدات با وزنهای کوچکتر دورتر باشد آنگاه این جریمه بزرگی برای محقق محسوب میشود.
وقتیکه تصحیح اریب به وسیله خودراهانداز (در بخش (3-3) توضیح داده شد) استفاده میشود، نه تنها تخمین نقاط تصحیح شده از اریب به دست میآید بلکه خطاهای استاندارد نیز محاسبه میشود. این خطاهای استاندارد معیار مناسبی در خصوص نشان دادن درجه اطمینان مربوط به نقاط تخمینزده شده است. از اینرو میانگین خطاهای استاندارد بالاتر بیانگر اطمینان پایینتر است. در این مطالعه از معکوس این خطاهای استاندارد به عنوان وزن در مدل رگرسیون استفاده شده است.
سیمار و ویلسون (2003) دو دیدگاه ممکن را در رابطه با اینکه تخمین به وسیله روش DEA در یک فرایند دو مرحلهی تا چه حد میتواند به لحاظ آماری سازگار باشد؛ توضیح میدهند. آنها استفاده از هر دو روش یک مرحلهی و دو مرحلهی را پیشنهاد میکنند و سپس توضیح میدهند که روش دو مرحلهی مناسبتر است؛ چرا که این روش باعث سرعت بیشتر در کاهش MRSE عرض از مبدا و شیب خط رگرسیون میشود.
یکی از انگیزههای اساسی انجام این مطالعه، تعیین دلایل وجود تفاوت در نمرات کارایی استانهای مختلف کشور در تولید قارچ خوراکی است. همانطور که قبلا در این مطالعه بحث شد، در مرحلهی دوم این مطالعه از مدل رگرسیون وزندار (WLS) استفاده شده است؛ چرا که با تخمین خطای استاندارد در مرحله اول و استفاده از معکوس آن در مرحلهی دوم باعث افزایش قدرت توضیحدهی مدل رگرسیون میشود(ادواردسن، 2004).
تصریح مدل
3-6-1 تصریح مدل در مرحله اول
تصریح مدل در مرحله اول این مطالعه در برگیرنده مرحله الف تا د است که جزئیات آن به شرح زیر است:
الف) انتخاب مقیاس بهینه: ابتدا با استفاده از روش خودراهانداز آزمون تصریح مقیاس صورت میگیرد. برای انجام این آزمون با استفاده معادله میانگین نسبتها (3-7) و یا روش نسبت میانگینها (4-7)، مقدار متوسط E4 محاسبه میشود. اگر مقدار به دست آمده برای متوسط E4 درون فاصله اطمینان 95% که با نمونهگیری مجدد (نمونهگیری تصادفی ساده و بدون جایگزینی) از مجموعه دادهها مشاهده شده انتخاب شده است قرار نگیرد؛ فرضیه صفرتکنیک صحیح CRS است ولی به اشتباه از VRS به جای آن استفاده شده است، پذیرفته نمیشود. لازم به ذکر است که با توجه به توزیع نمونهگیری میانگین برای n30 برای جامعه با هر نوع توزیع دارای توزیع نرمال است و در توزیع نرمال 95% مشاهدات در فاصله μ±2σ قرار دارد ، لذا میتوان از این روش برای انجام آزمون فرضیه در خصوص E4 استفاده کرد. در ادامه این مطالعه فرض بر بازدهی نسبت به مقیاسی (ثابت یا متغیر) خواهد بود که توسط این آزمون پذیرفته شود. در این روش طبق نمونهگیری مجدد 100 نمونه 4تایی بر طبق معیارهای همچون موجودی سرمایه DMUها، نیرویکار، ریزش باران سالیانه و … از میان 5985 نمونه ممکن(بدون جایگذاری) انتخاب شده و سپس E4 متوسط را در هر نمونه محاسبه و آنگاه هیستوگرام آن را ترسیم نموده است.
ب) تخمین نمرات کارایی اولیه: در این مرحله محقق با استفاده از معادله (3-3) به تخمین نمرات کارایی نهاده-محور با فرض VRS میپردازد و برای تخمین نمرات کارایی نهاده-محور CRS از معادله (3-10) استفاده میکند:
E_i3=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 (3-11)
سپس برای به دست آوردن E4 یا کارایی مقیاس E3 را بر E1 تقسیم مینماید. متغیرهای مورد استفاده برای تخمین معادلات مذکور به دو گروه داده و ستانده تقسیم میشوند. از آنجا که از یک طرف حداکثر تعداد متغیرهای (نهاده و ستانده) مورد استفاده در این روش باید کوچکتر یا مساوی 1/3 تعداد DMU های مورد بررسی باشد و از طرف دیگر باید متغیرها به گونهای دستهبندی و جمع شوند که برای تحلیل اقتصادی مفید باشد؛ به طور کلی این بدان معنی است که متغیرهای «شبیه» به هم بایستی در کنار هم و متغیرهای متفاوت جدای از هم قرار گیرند. لذا در این مطالعه سعی شده تا مهمترین متغیرهای مورد استفاده (حداکثر 7 متغیر) در تولید قارچ در نظر گرفته شود. حال با توجه به این محدودیت 5 نهاده مورد استفاده عبارتند از:
ارزش نهادهها یا مواد اولیه مورد استفاده برحسب هزار ریال که شامل: کاهوکلش، کودمرغی، خاک پرلیت، خاک پوششی، اسپان (بذر)، کود ازته، گندم، سنگ گچ، سنگ آهک، ملاس، کیسه کشت، سموم جامد، سموم مایع، ضد عفونیکننده و سایر مواد اولیه میشود.
نیرویکار، شامل: شاغلان با مزد و حقوق و شاغلان بدون مزد و حقوق بر حسب تعداد نفر.
موجودی سرمایه (شامل: سالن، وسایط نقلیه، ساختمان، ماشین آلات، لوازم بادوام و نرمافزارهای کامپیوتری و سایر) بر حسب هزار ریال. نکته قابل تامل در مورد این نهاده این است که آن در برگیرنده متغیر سالن است. تقریبا در تمام مطالعات صورت گرفته با استفاده از روشهای مختلف بر کارایی در بخش کشاورزی، زمین یا سطح زیرکشت به عنوان یک نهاده در نظر گرفته شده است. در این مطالعه با توجه به اینکه تولید این محصول به صورت گلخانهی و صنعتی صورت میگیرد؛ ارزش هر مترمربع سالن محاسبه و سپس با ارزش وسایط نقلیه، ساختمان، ماشین آلات، لوازم بادوام و نرمافزارهای کامپیوتری و سایر جمع شده و به عنوان متغیر موجودی سرمایه در مدل DEA منظور شده است.
انرژی و آب مورد استفاده بر حسب هزار ریال که شامل: نفت سفید، گازوئیل، بنزین، گاز مایع، گاز طبیعی، سایر موارد سوختنی، برق و آب است.
سایر پرداختیها بر حسب هزار ریال که شامل مواردی همچون: اجاره ساختمان، ارتباطات، بیمههای تجاری، لوازم بستهبندی، کاغذ و نوشتافزار، خدمات کشاورزی، خدمات حقوقی و سایر است.
اما ستاندههای مورد استفاده در این مطالعه شامل دو گروه میشود که عبارتند از:
ارزش تولیدات (شامل: تولید انواع قارچ (دکمهای و صدفی)، اسپان و کمپوست برگشته) بر حسب هزار ریال.
سایر دریافتیها (اجاره ماشینآلات و تجهیزات، مابهالتفاوت خرید و فروش بدون تغییر شکل و …) بر حسب هزار ریال.
در اینجا برای محاسبه موجودی سرمایه از روش زیر استفاده میشود:
در اين روش ، تابع سرمايهگذاري خالص به اين صورت در نظر گرفته ميشود:
I_t=IE^λt (3-12)
كه در آن It نشانگر سرمايهگذاري خالص در سال t، I سرمايهگذاري در سال پايه و λ نرخ رشد سرمايهگذاري است. به اين ترتيب موجودي سرمايه در سال پايه عبارت است از:
k_0=∫_(-∞)^t▒〖I_t dt〗=∫_(-∞)^t▒〖IE^λt dt〗=I/λ → k_0=I/λ (3-13)
λ از تخمين معادله زير به دست ميآيد .
I_t=Ie^λt → I_t= ln⁡I+λt (3-14)
اينك با استفاده از تعريفK به صورت زير و محاسبهي موجودي سرمايه در سال پايه از طريق رابطه زير ميتوان موجودي سرمايه را براي سالهاي مختلف به دست آورد.
K_t=K_(t-1) (1-δ)+I_t (3-15)
K_t موجودی سرمایه در سال جاری، K_(t-1) موجودی سرمایه در سال قبل، δ نرخ استهلاک موجودی سرمایه ، I_t رشد سرمایه در سال جاری (زراءنژاد و قنادی، 1384).
ج) برآورد اریب نمونهگیری با استفاده از الگوریتم خودراهانداز همگن: تصحیح اریب با استفاده از معادله (3-5) صورت میپذیرد. در این معادله E3* همان نمرات کارایی نهاده-محور اولیه یا تصحیح نشده از اریب با فرض CRS است. اما برای محاسبه E3** از الگوریتم خودراهانداز (شرح آن در قسمت (3-4-1) ارائه شد) استفاده میشود. اما در این الگوریتم برای تخمین تابع چگالی کرنل از تابع Epanechnikov استفاده شده؛ معادله ریاضی این تابع به صورت زیر است:
3/4 (1-u^2 )I(|u|≤1) (3-16)
U متغیر تابع کرنل و Iاندیکاتور تابع که اگر متغیر آن صحیح یا به عبارت دیگر صفر باشد؛ آنگاه مقداری از یک میپذیرد.
در اینجا از روش سیلورمن برای تعیین پهنای باند استفاده شده

پایان نامه
Previous Entries منابع پایان نامه ارشد درمورد تابع کرنل، آزمون فرضیه، اعتبارسنجی، ناسازگاری Next Entries منابع پایان نامه ارشد درمورد موجودی سرمایه، بخش کشاورزی، آذربایجان شرقی، محصولات کشاورزی