روش‌های برآورد کارایی

 

به طور کلی دو حیطه سنتی و علمی را می‌توان برای اندازه گیری کارایی واحدهای اقتصادی مطرح کرد که عبارتند از :
الف) روش‌های علمی : این روش‌ها به دو شاخه پارامتریک و ناپارامتریک تقسیم می‌شوند. در حوزه پارامتریک تابع تولید مشخصی با بهره گرفتن از روش‌های مختلف آماری و اقتصاد سنجی تخمین زده می‌شود و با به کار گیری این تابع نسبت به تعیین کارایی اقدام می‌شود. می‌توان به روش تابع مرزی تصادفیSFA و روش تابع مرزی قطعی و تحلیل رگرسیون اشاره کرد .

در حوزه ناپارامتریک دیگر نیازمند تخمین تابع تولید نمی‌باشیم، می‌توان روش گروه‏های شاخص و همچنین تحلیل پوششی داده‌ها را بر شمرد.

ب) روش‌های سنتی : از روش‌های سنتی می‌توان به روش تحلیل نسبت اشاره کرد. در این روش یک نسبت بین اقلام مربوط به هم در اطلاعات عددی مدیریت محاسبه و تحلیل می‌شود. به طور کلی روش‌های تحلیل نسبت عبارتند از :

  1. روش روند
  2. روش درصد
  3. روش مقایسه
  4. روش شاخص

۲-۱-۶-۱- برنامه‏ ریزی ناپارامتریک

روش‌های ناپارامتریک عموماً عملکرد یک بنگاه یا واحد تصمیم گیری را با بهترین عملکرد بالفعل بنگاه های داخل آن صنعت بررسی می‌کند. روش‌های ناپارامتریک را می‌توان ساده‌ترین روش‌های مشاهده و تخمین کارایی تلقی نمود. برای تشخیص کارایی هر مشاهده خاص باید حد استانداردی وجود داشته باشد که این امر مستلزم در نظر گرفتن مشاهدات با ویژگی مشتبه می‌باشد. در سطح الگوهای ناپارامتریک، روش‌های گوناگونی برای مشاهده ناکارایی وجود دارند که عبارتند از(کاظمی،۱۳۸۲) :

  1. روش مشاهدات
  2. روش پله ای
  3. روش میانگین خطی
  4. روش وصل نقاط حدی
  5. روش تحلیل پوششی داده‌ها DEA
  6. فایل متن کامل این پایان نامه در سایت abisho.ir موجود است.

۲-۱-۶-۲-روش تحلیل پوششی داده‌ها

در چند دهه گذشته تحلیل پوششی داده‌ها DEA   به عنوان یک روش مهم برای سنجش کارایی مطرح شده است. استفاده از این روش برای ارزیابی روشی مناسب است که بر اساس سنجش عملکرد واحدهای تصمیم گیری و رتبه بندی به تصمیم گیرنده کمک می‌کند (امیری و جهانی، ۱۳۸۹). روش تحلیل پوششی داده‌ها برای محاسبه کارایی هر بنگاه به یک کسر که شامل مجموع وزنی خروجی‌ها به ورودی‌ها است را در نظر می‌گیرد. فارل۱۹۵۷اولین کسی بود که روش غیرپارامتری را با بهره گرفتن از برنامه ریزی خطی پیشنهاد کرد. (نجفی و آریانژاد، ۱۳۸۷) فارل با بهره گرفتن از روشی مبتکرانه اقدام به اندازه گیری عملکرد یک واحد تولیدی کرد. مدل مورد بررسی وی تنها یک ورودی و یک خروجی را در نظر می‌گرفت و وی نتوانست مدل خود را در حالت چند ورودی و چند خروجی توسعه دهد (امیری و جهانی، ۱۳۸۹). چارنز، کوپر و رودز (Charnes-Cooper-Rohdes) معیار فارل را توسعه دادند و مدلی ارائه دادند که توانایی اندازه گیری کارایی با چندین ورودی و چندین خروجی را داشت و آن ‌را تحلیل پوششی داده‌ها نامیدند و برای اولین بار در سال ۱۹۷۶ آن را مورد استفاده قرار دادند .آن‏ها مدل CCR را ابداع کردند و بعد بنکر Banker با کامل کردن مقاله آن‏ها مدل BCC را ایجاد نمود (احمدپور، ۱۳۸۵). این دو مقاله پایه  بسیاری از مطالعات تحلیلی کارایی شدند و این شاخه از علم پژوهش در عملیات به سرعت پیشرفت کرد و تحت عنوان تحلیل پوششی داده‌ها نامیده شد (علیرضایی و رفیعی ثانی، ۱۳۸۹). نام تحلیل پوششی داده‌ها به این دلیل است که ما مرز کارایی تمام داده ایی که در اختیار داریم پوشش می‌دهیم (احمدپور، ۱۳۸۵) تحلیل پوششی داده‌ها DEA برای اندازه گیری کارایی یک تعداد از واحدهای در حال فعالیت مشابه استفاده می‌شود که این واحدهای در حال فعالیت را واحدهای تصمیم گیری (Decision Making Unit) DMU می‌نامند . در DEA  عموماً برای ارزیابی کارایی هر DMU از مدل‌های جداگانه ای استفاده می‌شود . در نتیجه در تحلیل کارایی، هر یک از DMU ها به طور جداگانه بر روی مرز کارا تصویر می‌شوند( طلوع و جوشقانی، ۱۳۸۹). DEA یک روش ناپارامتری برای یافتن تابع تولید مجموعه ای از واحدهای تصمیم گیرنده است به عبارت دیگر ، DEA یک روش ناپارامتری است که هیچ فرضی را در خصوص شکل تابع تولید نیاز ندارد. (علیرضایی و رفیعی ثانی،۱۳۸۹)( تابع تولید به تابعی گفته می‌شود که برای هر ترکیب از ورودی‌ها ماکزیمم خروجی را بدهد) (هاشمی گرم داره، ۱۳۸۷).

۲-۱-۷- انتخاب نهاده‌ها و ستانده‌ها

انتخاب نهاده‌ها و ستانده‌ها یکی از مهم‌ترین موارد مرتبط با به کارگیری تحلیل پوششی داده‌‏ها است و باید با در نظر گرفتن قواعد خاصی صورت بگیرد . از جمله آ نکه در صورتی که تعداد عوامل نهاده و ستانده در مقایسه با تعداد واحدهای تصمیم گیری زیاد باشند نتایج حاصل اطلاعات مفیدی را در اختیار قرار نمی‌دهد و اغلب واحدها به عنوان واحد کارا معرفی می‌شوند . چارنز و کوپر به عنوان یک قاعده  تجربی تعداد واحدها را حداقل ۳ برابر مجمع نهاده‌ها و ستانده‌ها پیشنهاد می‌کنند . شرایطی که در انتخاب عوامل داده و ستانده باید در نظر گرفته شوند عبارتند از :

  • یک ارتباط مفهومی بین داده‌ها و ستانده‌ها برقرار باشد .
  • یک ارتباط مقداری بین داده‌ها و ستانده‌ها در عمل استنباط شود .
  • ارتباط بین داده‌ها و ستانده‌ها مستقیم باشد .
  • اندازه داده‌ها و ستانده‌ها مخالف صفر باشد (زارعی ۱۳۷۹ ) .