46. Veri zarflama analizi (DEA: CCR, BCC, ölçek, süper etkinlik, Malmquist)
Şablon kimliği: veri_zarflama · Kategori: model · Dil: R · Dosya: pro/sablonlar/model/veri_zarflama.R (satır 1–331; üstbilgi 1–138) · Örnek veri: _ornek/veri_zarflama_cin_sanayi.csv · Paketler: Benchmarking 0.33 (lpSolveAPI üzerinden doğrusal programlama)
46.1 Ne işe yarar
Şablon, birden çok girdi kullanıp birden çok çıktı üreten karar birimlerinin (hastane, okul, banka şubesi, belediye, il, çiftlik) birbirlerine göre teknik etkinliğini, üretim fonksiyonu ya da dağılım varsaymadan ölçer. Cevapladığı soru şudur: "Gözlenen en iyi uygulamalara bakıldığında bu birim, aynı çıktıyı girdilerinin yüzde kaçıyla üretebilirdi; örnek alması gereken birimler hangileri?"
Girdi yönlü, sabit ölçek getirili zarflama modeli (Charnes, Cooper ve Rhodes, 1978) her birim için bir doğrusal programdır:
- \mathbf x_j, \mathbf y_j: j. birimin girdi (m tane) ve çıktı (r tane) vektörleri; 0 alt indisi değerlendirilen birimdir.
- \boldsymbol\lambda: birimlerin ağırlıklı birleşimiyle kurulan "sanal birim". Kısıtlar, sanal birimin en az \mathbf y_0 kadar çıktıyı en çok \theta\mathbf x_0 girdiyle ürettiğini söyler.
- \theta_0^*\in(0{,}1]: Farrell girdi etkinliği. 0,90, "girdilerin tümü %10 azaltılsa da aynı çıktı gözlenen uygulamalarla üretilebilir" demektir. \theta^*=1 ise birim sınırdadır.
- \lambda_j^*>0 olan birimler değerlendirilen birimin eşleridir (referans kümesi).
Ne zaman kullanılır? Birimler benzer işi yapıyorsa; girdi ve çıktılar ölçülebiliyorsa ama fiyatları ya da üretim fonksiyonunun biçimi bilinmiyorsa; birden çok çıktı varsa; her birim için somut bir hedef ve örnek alınacak eşler isteniyorsa; panelde üretkenlik değişimi etkinlik değişimi ve teknoloji değişimi olarak ayrıştırılacaksa.
Ne zaman kullanılmaz?
- Veride ölçüm hatası ya da şans payı büyükse: yöntem bütün sapmayı etkinsizlik sayar ve sınırı uç gözlemler belirler. Tek çıktıda
stokastik_sinir(Bölüm 45). - Etkinsizliğin belirleyicileri tek aşamada modellenecekse ya da istatistiksel çıkarım (standart hata, test) gerekiyorsa:
stokastik_sinir. Şablon etkinlik puanları için güven aralığı vermez. - Birim sayısı girdi ve çıktı sayısına göre azsa: birimlerin çoğu etkin görünür. Şablon n<\max(m\cdot r,\ 3(m+r)) iken uyarır.
- Girdi ya da çıktı negatif değer alabiliyorsa (kâr, büyüme oranı): şablon durur; değişken yeniden tanımlanır.
- Birimler farklı teknolojilerle çalışıyorsa (ör. üniversite hastanesi ile ilçe hastanesi): tek sınır anlamlı değildir; birimler türdeş gruplara ayrılır.
Temel programla ilişki. Temel programda veri zarflama analizi yoktur. Bu şablon doğrusal programlamaya dayanır; bir regresyon modeli kurmaz ve artık, katsayı ya da p değeri üretmez.
46.2 Şablonun girdileri
Form, üstbilgideki on yedi [[param]] bloğundan kurulur (veri_zarflama.R:11–144).
| Alan (form etiketi) · ad | Tür · sekme | Varsayılan | Geçerli değerler | Kodda etkisi |
|---|---|---|---|---|
Karar birimi (KB) adı · birim |
sütun · Değişkenler | ilk sütun | dönem içinde tekil | Birim etiketi (164). |
Girdiler · girdiler |
sütunlar (sayısal) · Değişkenler | — | en az 1; negatif olmayan | \mathbf X matrisi (166, 179). |
Çıktılar · ciktilar |
sütunlar (sayısal) · Değişkenler | — | en az 1; negatif olmayan | \mathbf Y matrisi (166, 179). |
Dönem · donem |
sütun · Değişkenler | boş | isteğe bağlı | Panel; Malmquist için (165, 174–175). |
Statik çözümleme dönemi · analiz_donemi |
metin · Seçenekler | boş | veride bulunan bir dönem | Boşsa son dönem (176). |
Ölçek getirisi · rts |
seçim · Model | crs |
crs, vrs, drs, irs, fdh |
Ana modelin teknolojisi (190). |
Yön · yon |
seçim · Model | in |
in, out |
Girdi ya da çıktı yönlü (190). |
Ölçek etkinliği ve türü · olcek |
onay · Seçenekler | açık | açık/kapalı | CRS, VRS, NIRS modelleri ve sınıflama (200–207). |
Süper etkinlik · super_etkinlik |
onay · Seçenekler | açık | açık/kapalı | sdea (208–214). |
Gölge fiyatlar · golge_fiyat |
onay · Seçenekler | açık | açık/kapalı | DUAL = TRUE; çarpan ağırlıkları (190, 242–258). |
Gölge fiyat tablosuna serbest terim (tüm ölçek getirisi modelleri) · golge_serbest |
onay · Seçenekler | kapalı | açık/kapalı | Açıkken girdi yönlü NIRS/NDRS'de u0, çıktı yönlü VRS/NIRS/NDRS'de v0 sütunu tablonun sonuna eklenir (247–252). |
Malmquist endeksi · malmquist |
onay · Seçenekler | açık | dönem sütunu gerekir | Ardışık dönem çiftleri (262–289). |
Malmquist teknolojisi · malmquist_rts |
seçim · Model | crs |
crs, vrs |
malmq(RTS =) (270). |
Malmquist: ortak birimler referans · ayni_referans |
onay · Seçenekler | kapalı | açık/kapalı | SAMEREF (270). |
Aylaklar ve hedefler tablosu · aylak_tablosu |
onay · Çıktı | açık | açık/kapalı | Dördüncü tablo (241). |
Referans kümeleri ve λ tablosu · lambda_tablosu |
onay · Çıktı | açık | açık/kapalı | Üçüncü tablo (232). |
Etkinlik toleransı · etkinlik_toleransi |
ondalık · Gelişmiş | 10⁻⁶ | 10⁻¹²–0,01 | "Etkin" kararı ve ölçek sınıflaması (205, 220). |
Doğrusal program sıfır toleransı · lp_epsel |
ondalık · Gelişmiş | 10⁻¹² | 10⁻¹⁶–10⁻⁶ | lpSolve epsel (158). |
Örnek ayar (ornek_param, satır 9): birim = il, girdiler = sermaye, isgucu, ciktilar = sanayi_uretimi, donem = yil, analiz_donemi boş (son yıl: 2009), CRS, girdi yönlü; ölçek, süper etkinlik, gölge fiyat ve Malmquist açık.
Ölçek getirisi seçenekleri.
| Seçenek | Ek kısıt | Teknoloji |
|---|---|---|
crs (CCR) |
— | Sabit ölçek getirisi: her etkinlik oransal büyütülüp küçültülebilir. |
vrs (BCC) |
\sum\lambda_j=1 | Değişken ölçek getirisi: yalnız gözlenen birimlerin dışbükey birleşimleri. |
drs (NIRS) |
\sum\lambda_j\le1 | Artmayan ölçek getirisi: küçültme serbest, büyütme değil. |
irs (NDRS) |
\sum\lambda_j\ge1 | Azalmayan ölçek getirisi. |
fdh |
\lambda_j\in\{0{,}1\}, \sum\lambda_j=1 | Serbest elden çıkarma gövdesi: her birim yalnız gözlenen tek bir birimle karşılaştırılır; dışbükeylik varsayılmaz. |
Şablonun kendi denetimleri.
| Koşul | İleti (özet) | Satır |
|---|---|---|
| Veri açık değil | "Önce Veri sekmesinde bir veri açın." | 142 |
| Girdi ya da çıktı seçilmemiş | "En az bir girdi ve bir çıktı seçin." | 145 |
| Aynı sütun hem girdi hem çıktı | "Bir sütun hem girdi hem çıktı olamaz." | 146 |
| Birim sütunu boş | "Karar birimi sütununu seçin." | 147 |
| Eksik değerler atılınca veri kalmadı | "… veri kalmadı." | 163 |
| Negatif değer | "Girdi ve çıktılar negatif olamaz" | 164 |
| Sonlu olmayan değer | "sonlu olmayan değer var" | 165 |
| Aynı dönemde aynı birim birden çok | "… birden çok kez geçiyor." | 166 |
| Seçilen dönem veride yok | "Statik çözümleme dönemi '…' veride yok." | 170 |
| Dönemde < 3 birim | "En az üç karar birimi gerekir." | 174 |
| Bir birimin bütün girdileri ya da bütün çıktıları 0 | "en az bir pozitif girdisi ve bir pozitif çıktısı olmalı" | 175 |
| Bir değişken bütün birimlerde 0 | "Şu değişkenler bütün birimlerde sıfır: …" | 177 |
| Doğrusal program çözülemedi | "Doğrusal program çözülemedi: …" | 180 |
Durdurmayan notlar: eksik değerli satırların atılması (168); ayırt etme gücü uyarısı (185); FDH'de gölge fiyat tablosunun atlanması (163); olurlu olmayan süper etkinlik çözümleri (212); bütün birimlerin etkin çıkması (227); etkin birimlerde çarpan çözümünün tek olmayabileceği (254); Malmquist için dönem sütununun gerekmesi ya da ortak birim bulunmaması (263, 277); VRS teknolojili Malmquist uyarısı (280).
Girdi ve çıktı sütunları mq_sayisal ile sayıya çevrilir (satır 166): sayı etiketli kategorik sütunlar değerleriyle okunur; sayıya çevrilemeyen bir değer çalıştırmayı sütun adıyla bildirerek durdurur (46.8).
46.3 Örnek veri
Dosya: _ornek/veri_zarflama_cin_sanayi.csv. Wang ve Lan'ın (2011) kullandığı Çin sanayi verisi (deaR paketindeki EconomyLong): 31 il, 2005–2009 (155 satır, dengeli panel). Eksik değer yoktur.
| Değişken | Rol | Tür (veri sekmesi) | Özet |
|---|---|---|---|
il |
Karar birimi | kategorik | 31 il. |
yil |
Dönem | sayısal | 2005–2009; yılda 31 satır. |
sermaye |
Girdi | sayısal | 112,43–53600,08. |
isgucu |
Girdi | sayısal | 1,69–1493,38. |
sanayi_uretimi |
Çıktı | sayısal | 27,29–73200,03 (brüt sanayi üretimi). |
Dönemler, etiketlerin hepsi sayıya çevrilebiliyorsa sayısal, değilse alfabetik sıralanır (satır 175); "son dönem" ve "ardışık dönem çiftleri" bu sıraya göredir. Birim sırası verideki satır sırasıdır ve sonuçları etkilemez.
2009 yılı için n=31, m=2, r=1; ayırt etme kuralı \max(2,\ 9)=9 sağlanır. Bölümde izlenen birkaç ilin 2009 değerleri:
| İl | Sermaye | İşgücü | Sanayi üretimi |
|---|---|---|---|
| Beijing | 19540,70 | 120,41 | 11039,13 |
| Tianjin | 12617,69 | 136,82 | 13083,63 |
| Hebei | 20662,67 | 319,94 | 24062,76 |
| Neimenggu | 11650,94 | 110,40 | 10699,44 |
| Fujian | 13344,47 | 379,47 | 16762,82 |
| Shandong | 46052,69 | 926,60 | 71209,42 |
| Tibet | 251,08 | 1,69 | 51,60 |
Aynı klasörde iki küçük ders kitabı örneği de vardır (Coelli ve ark., 2005, Bölüm 6): veri_zarflama_coelli_iki.csv (beş firma, iki girdi, bir çıktı) ve veri_zarflama_coelli_tek.csv (beş firma, bir girdi, bir çıktı). Elle hesap bunlarla başlar.
Bu bölümde kullanılan çalıştırmalar: (1) örnek ayar; (2) VRS, girdi yönlü; (3) CRS, çıktı yönlü; (4) VRS, çıktı yönlü; (5) NIRS, NDRS ve FDH; (6) analiz_donemi = 2007; (7) Malmquist teknolojisi VRS; (8) iki girdili ders kitabı örneği (CRS, girdi yönlü); (9) tek girdili örnek (VRS; girdi ve çıktı yönlü).
46.4 Yöntem: formüller ve hesap adımları
Hesap sırası: (1) sütunlar sayıya çevrilir, eksik satırlar atılır, denetimler yapılır, statik dönem seçilir; (2) her birim için seçilen modelin doğrusal programı çözülür (ikinci aşama aylaklarıyla ve istenirse çarpanlarla); (3) ölçek etkinliği için CRS, VRS ve NIRS modelleri ayrıca çözülür; (4) süper etkinlik modeli çözülür; (5) eşler, λ'lar, aylaklar, hedefler ve gölge fiyatlar tablolanır; (6) ardışık dönem çiftleri için Malmquist endeksi hesaplanır; (7) şekiller çizilir.
46.4.1 Zarflama modeli: girdi ve çıktı yönü
Girdi yönlü model 46.1'de verildi. Çıktı yönlü modelde girdiler sabit tutulur, çıktıların oransal artırımı aranır:
- \varphi_0^*\ge1: Farrell çıktı etkinliği; 1,11, "aynı girdilerle çıktılar %11 artırılabilirdi" demektir.
- Şablon tabloya hem \varphi'yi (
phi) hem \mathrm{TE}=1/\varphi'yi yazar; böyleceTEher iki yönde 0–1 arasındadır. - Sabit ölçek getirisinde iki yön aynı puanı verir: \theta^*=1/\varphi^*. Öteki teknolojilerde vermez.
Neden "zarflama"?
Kısıtlar, gözlenen bütün birimlerin içinde ya da üzerinde kaldığı en küçük dışbükey koniyi (CRS) ya da dışbükey gövdeyi (VRS) tanımlar; sınır veriyi "zarflar". Model bir üretim fonksiyonu kestirmez: sınır, verinin kendisinden kurulan parçalı doğrusal bir yüzeydir ve yalnız iki zayıf varsayıma dayanır (dışbükeylik ve serbest elden çıkarma: daha çok girdiyle en az aynı çıktı üretilebilir).
Koddaki tercih
Ana model Benchmarking::dea(X, Y, RTS = rts, ORIENTATION = yon, SLACK = TRUE, DUAL = golge) ile kurulur (satır 190). Paket her birim için doğrusal programı lpSolveAPI ile çözer. Şablon lp_epsel varsayılandan (10^{-12}) farklıysa CONTROL = list(epsel = …) verir (158–161). Etkinlik Benchmarking::eff() ile okunur; çıktı yönünde tersine çevrilir (te_al, 181).
46.4.2 İkinci aşama: aylaklar ve hedefler
Oransal küçültmeden sonra bile bir girdide fazlalık ya da bir çıktıda eksiklik kalabilir (sınırın eksenlere paralel uzanan bölümlerinde). İkinci aşama, \theta^* sabitken aylakların toplamını en büyükler:
- \mathbf s^-: girdi aylakları (oransal azaltımdan sonra ayrıca azaltılabilecek girdi); \mathbf s^+: çıktı aylakları.
- \hat{\mathbf x}_0, \hat{\mathbf y}_0: hedefler; birimin sınır üzerindeki izdüşümü. Çıktı yönünde \hat{\mathbf x}_0=\mathbf x_0-\mathbf s^-, \hat{\mathbf y}_0=\varphi^*\mathbf y_0+\mathbf s^+ (satır 236–237).
- Tablodaki eşler ve λ'lar ikinci aşama çözümünündür.
Bir birim ancak \theta^*=1 ve bütün aylakları sıfırsa (Pareto–Koopmans anlamında) etkindir. Şablonun etkin sütunu iki koşulu birlikte arar: \lvert\mathrm{TE}-1\rvert ve aylakların toplamı etkinlik toleransının altında olmalıdır (satır 220).
Aylak toplamı ölçü birimine bağlıdır
İkinci aşamanın amaç fonksiyonu farklı birimlerdeki büyüklükleri (sermaye tutarı, kişi sayısı) ağırlıksız toplar. Etkinlik puanı \theta^* birimden bağımsızdır; aylaklar, eşler ve λ'lar ise ikinci aşamada birden çok çözüm varsa girdilerin ölçeğine göre değişebilir. Aylaklar "en az şu kadar ek tasarruf olanağı var" bilgisi olarak okunur, kesin bir reçete olarak değil.
46.4.3 Ölçek etkinliği ve ölçek getirisinin türü
- \mathrm{TE}^{\mathrm{VRS}}: "saf" teknik etkinlik; birim kendi ölçeğindeki en iyi uygulamayla karşılaştırılır.
- \mathrm{ÖE}: ölçekten gelen kayıp. \mathrm{TE}^{\mathrm{CRS}}=\mathrm{TE}^{\mathrm{VRS}}\times\mathrm{ÖE}: toplam etkinsizlik, yönetimsel ve ölçeksel bileşene ayrılır.
Ölçek etkinliği 1'den küçükse birimin en uygun ölçekten küçük mü büyük mü olduğu, artmayan ölçek getirili (NIRS) modelle anlaşılır (Coelli ve ark., 2005):
| Koşul | Sınıf |
|---|---|
| \lvert\mathrm{ÖE}-1\rvert< tolerans | sabit (en uygun ölçekte) |
| \mathrm{TE}^{\mathrm{NIRS}}=\mathrm{TE}^{\mathrm{VRS}} | azalan (birim çok büyük) |
| \mathrm{TE}^{\mathrm{NIRS}}\ne\mathrm{TE}^{\mathrm{VRS}} | artan (birim çok küçük) |
Neden NIRS karşılaştırması türü ayırt eder?
NIRS sınırı, en uygun ölçeğe kadar CRS sınırıyla, ondan sonra VRS sınırıyla çakışır. Birim azalan getiri bölgesindeyse NIRS ve VRS puanları aynıdır; artan getiri bölgesindeyse NIRS puanı CRS puanına eşittir ve VRS puanından küçüktür. Eşdeğer bir ölçüt, CRS çözümündeki \sum\lambda_j'dir: 1'den küçükse artan, büyükse azalan getiri (tablodaki lambda_toplam sütunu, ana model CRS iken).
Koddaki tercih
olcek açıkken üç model seçilen yönde ayrıca çözülür (satır 201–203) ve sınıflama etkinlik toleransıyla yapılır (205). Sınıf, birimin o yöndeki izdüşüm noktasına göredir; girdi ve çıktı yönlü çözümlemede aynı birim farklı sınıf alabilir (46.9, S5).
46.4.4 Çarpan (dual) model ve gölge fiyatlar
Zarflama programının duali, birimin kendisini en iyi gösteren ağırlıkları seçtiği oran problemidir (girdi yönlü):
- \mathbf v, \mathbf u: girdi ve çıktı ağırlıkları (gölge fiyatlar). Tabloda
v_<girdi>veu_<çıktı>sütunlarıdır. - u_0: değişken ölçek getirisinin serbest terimi; CRS'de yoktur (u_0=0). Şablon u_0'ı girdi yönlü VRS modelinde yazar (satır 246). "Gölge fiyat tablosuna serbest terim" seçeneği açılırsa girdi yönlü NIRS ve NDRS'de aynı u_0 (\mathrm{TE}=\mathbf u^{\top}\mathbf y_0+u_0), çıktı yönlü VRS, NIRS ve NDRS'de ise normalleştirme \mathbf u^{\top}\mathbf y_0=1 ile \varphi=\mathbf v^{\top}\mathbf x_0+v_0 olan v_0 (\varphi\ge1 çıktı genişletme çarpanı) sütunu eklenir; mevcut sütunlar değişmez. u_0'ın işareti NIRS'de girdi yönlüde \le0, çıktı yönlüde v_0\ge0; NDRS'de tersidir. Örnek veride (Çin, 2005, 2 girdi, 1 çıktı) her birim için ağırlıklar bağımsız bir doğrusal programlamanın çarpan modeline uygundur ve amaç değeri onunla aynıdır. Varsayılan kapalıdır.
- En iyi değer \theta^*'a eşittir: \mathbf u^{*\top}\mathbf y_0+u_0^*=\theta_0^*.
- Ağırlıkların oranı, sınırın o bölgesindeki ikame oranıdır: v_1/v_2, bir birim sermayenin kaç birim işgücüne denk sayıldığını verir.
Ağırlığı sıfır çıkan bir girdi ya da çıktı, o birimin puanına hiç katkı yapmamıştır; bu, o değişkende aylak bulunduğunun dual karşılığıdır. Etkin birimlerde sınırın köşesinde birden çok destek düzlemi bulunduğundan çarpan çözümü tek değildir; şablon bunu not olarak yazar (254).
46.4.5 Süper etkinlik
Standart modelde etkin birimlerin hepsi 1 alır ve kendi aralarında sıralanamaz. Andersen ve Petersen (1993) değerlendirilen birimi referans kümesinden çıkarır:
- Etkin olmayan birimde puan değişmez (zaten kendisine dayanmıyordu).
- Etkin birimde \theta^{\mathrm S}\ge1: "girdileri bu oranda artsa da etkin kalırdı". 1,12, %12'lik bir güvenlik payıdır.
- VRS, NIRS ve FDH'de, birim ötekilerin hiçbirinin erişemediği bir çıktı düzeyindeyse program olurlu değildir; şablon NA yazar ve not düşer.
Süper etkinlik aynı zamanda bir aykırı değer tanısıdır: çok yüksek bir puan (ör. 2'nin üstü), sınırı tek başına taşıyan ve veri hatası olabilecek bir birime işaret eder.
46.4.6 Malmquist üretkenlik endeksi
İki dönem (s ve t) arasında bir birimin üretkenlik değişimi, dört etkinlik puanından kurulur. E^{a}(b), birimin b dönemindeki gözleminin a dönemi teknolojisine (o dönemin bütün birimleriyle kurulan sınıra) göre girdi yönlü CRS etkinliği olsun:
- \mathrm{EC} (etkinlik değişimi): birim kendi döneminin sınırına yaklaştı mı (>1) uzaklaştı mı (<1).
- \mathrm{TC} (teknoloji değişimi): sınırın kendisi, birimin bulunduğu bölgede ileri mi gitti (>1). İki dönemin gözlem noktasında ölçülen kaymanın geometrik ortalamasıdır.
- \mathrm{MI}>1: toplam etken üretkenliği arttı.
- E^{s}(t) gibi çapraz dönem puanları 1'i aşabilir: yeni dönemin gözlemi eski sınırın dışında olabilir.
Koddaki tercih
Dönemler sıralanır ve her ardışık çift için Benchmarking::malmq(X0, Y0, ID0, X1, Y1, ID1, RTS, ORIENTATION, SAMEREF) çağrılır (satır 265–270). Varsayılan teknoloji CRS'dir (Färe ve ark.'ın, 1994, ayrıştırması bunu gerektirir; paketin kendi varsayılanı VRS'dir). Çıktı yönü seçiliyse paketin döndürdüğü EC, TC ve MI tersine çevrilir (272–273): böylece yön ne olursa olsun 1'den büyük değer iyileşmedir; CRS'de iki yön aynı tabloyu verir. Ortak birim sayısı 3'ten az olan dönem çifti atlanır (268). Dönem ortalamaları geometrik ortalamadır (282–284). "Ortak birimler referans" kapalıyken her dönemin sınırı o dönemin bütün birimleriyle kurulur; açıkken yalnız iki dönemde de bulunan birimlerle.
VRS teknolojisiyle Malmquist
Değişken ölçek getirisinde çapraz dönem programları olurlu olmayabilir (NA) ve endeks ölçekten gelen üretkenlik değişimini içermez; şablon bunu not olarak yazar (280). Üretkenlik değişimi için CRS teknolojisi kullanılır; VRS sonuçları ancak ek bir ölçek ayrıştırmasıyla yorumlanır.
46.5 Kod adım adım
| Satırlar | Ne yapar | Neden / dikkat |
|---|---|---|
| 1–138 | Üstbilgi: kimlik, açıklama, örnek veri ve ayar, parametreler. | Form buradan kurulur (Bölüm 1.2). |
| 139–156 | Paket, seçim denetimleri, renkler, toleranslar, dea/sdea/malmq sarmalayıcıları, FDH'de gölge fiyatın kapatılması. |
CONTROL yalnız lp_epsel değiştirilmişse verilir. |
| 157–170 | Birim ve dönem etiketleri, girdi ve çıktıların sayıya çevrilmesi, eksik satırlar, negatif ve tekrar denetimleri, dönem sırası, statik dönem. | Dönem verilmemişse bütün satırlar tek dönem ("1") sayılır. |
| 171–182 | Statik dönemin \mathbf X, \mathbf Y matrisleri, boyut ve sıfır denetimleri, ayırt etme uyarısı, yardımcılar. | Kural: n\ge\max(m\cdot r,\ 3(m+r)). |
| 183–200 | Ana model (aylak ve dual ile), özet satırı, etkinlik tablosunun başlangıcı, ölçek modelleri ve sınıflama. | Çıktı yönünde phi sütunu eklenir. |
| 201–221 | Süper etkinlik, eşler, \sum\lambda, etkin kararı, etkinlik tablosu ve özet. |
\lambda<10^{-10} sıfır sayılır (217). |
| 222–244 | λ tablosu (uzun biçim), aylaklar ve hedefler, gölge fiyat tablosu ve notları. | Aylaklarda 10^{-9} altı sıfırlanır (234). |
| 246–275 | Malmquist: dönem çiftleri, yön dönüşümü, birim tablosu, geometrik ortalamalar. | Sonlu olmayan değerler NA yapılır. |
| 277–317 | Şekiller: etkinlik çubukları; tek girdi–tek çıktıda sınır; iki girdi–tek çıktıda birim eş ürün eğrisi; Malmquist ayrıştırması. | İkinci şekil yalnız m\le2, r=1 iken çizilir. |
46.6 Elle hesap: örnek veride bağımsız yeniden hesap
Ara değerler dogrulama/veri_zarflama/elle_hesap.py ile, Benchmarking ve şablon kodu kullanılmadan hesaplanmıştır: zarflama, ikinci aşama, çarpan ve dönemler arası programlar doğrudan kurulmuş ve scipy.optimize.linprog (HiGHS) ile çözülmüştür. R tarafında (r_dogrulama.R) deaR paketi ve doğrudan lpSolve::lp kullanılmıştır.
Adım 1 — İki girdili ders kitabı örneği, grafikle. Beş firmanın birim çıktı başına girdileri (x_1/q,\ x_2/q): F1 (2; 5), F2 (1; 2), F3 (2; 2), F4 (3; 2), F5 (3; 1). Sınır F2 ve F5'ten geçer. F3'ün orijinden çizilen ışını F2–F5 doğru parçasını (1{,}667;\ 1{,}667) noktasında keser: \theta_3=1{,}667/2=0{,}833333. Çözüm \lambda_2=1, \lambda_5=0{,}5'tir; denetim: girdiler 1\times(2;4)+0{,}5\times(6;2)=(5;5)=0{,}8333\times(6;6), çıktı 1\times2+0{,}5\times2=3.
F1'in ışını sınırın F2'den yukarı uzanan dikey bölümünü keser: \theta_1=0{,}5, izdüşüm (1;\ 2{,}5). Bu nokta F2'nin (1; 2) tam üstündedir: x_2'de çıktı başına 0,5 birim, yani toplamda 0{,}5 birim aylak kalır (q_1=1). Şablonun tablosu F1 için aylak_x2 = 0,5, hedef (1;\ 2) verir.
| Firma | TE (CRS) | Eşler ve λ | Aylak | Süper etkinlik |
|---|---|---|---|---|
| F1 | 0,500000 | F2: 0,5 | x_2: 0,5 | 0,500000 |
| F2 | 1,000000 | — | — | 2,000000 |
| F3 | 0,833333 | F2: 1,0; F5: 0,5 | — | 0,833333 |
| F4 | 0,714286 | F2: 0,214286; F5: 0,285714 | — | 0,714286 |
| F5 | 1,000000 | — | — | 2,000000 |
Adım 2 — Tek girdili örnek: ölçek etkinliği. Firmalar (x;\ q): F1 (2; 1), F2 (4; 2), F3 (3; 3), F4 (5; 4), F5 (6; 5). En yüksek ortalama ürün F3'tedir (q/x=1): CRS sınırı q=x. F2 için \mathrm{TE}^{\mathrm{CRS}}=2/4=0{,}5. VRS sınırı F1–F3–F5 kırık çizgisidir; q=2 düzeyinde sınırdaki girdi F1 ile F3'ün ortasıdır (x=2{,}5): \mathrm{TE}^{\mathrm{VRS}}=2{,}5/4=0{,}625. \mathrm{ÖE}=0{,}5/0{,}625=0{,}8; NIRS puanı 0,5 (VRS'den farklı): artan ölçek getirisi.
Adım 3 — Örnek veri (2009), Hebei. \theta^*=0{,}901563; eşler Tianjin (\lambda=0{,}737881) ve Shandong (\lambda=0{,}202341). Denetim:
- Sermaye: 0{,}737881\times12617{,}69+0{,}202341\times46052{,}69=18628{,}71=0{,}901563\times20662{,}67.
- İşgücü: 0{,}737881\times136{,}82+0{,}202341\times926{,}60=288{,}45=0{,}901563\times319{,}94.
- Çıktı: 0{,}737881\times13083{,}63+0{,}202341\times71209{,}42=24062{,}76.
İki girdi kısıtı da eşitlikle sağlanır; aylak yoktur. \sum\lambda=0{,}940222<1: artan ölçek getirisi. \mathrm{TE}^{\mathrm{VRS}}=0{,}901911, \mathrm{ÖE}=0{,}999615. Çarpan modeli: v=(1{,}654494\times10^{-5};\ 2{,}057065\times10^{-3}), u=3{,}746717\times10^{-5}; u\,y_0=3{,}746717\times10^{-5}\times24062{,}76=0{,}901563.
Adım 4 — Aylaklı bir birim: Beijing. \theta^*=0{,}945976; tek eş Neimenggu (\lambda=1{,}031748). İşgücü kısıtı bağlayıcıdır (1{,}031748\times110{,}40=113{,}905=0{,}945976\times120{,}41); sermayede oransal azaltımdan sonra 0{,}945976\times19540{,}70-1{,}031748\times11650{,}94=6464{,}203 aylak kalır. Hedefler: sermaye 12020,839; işgücü 113,905. Sermayenin gölge fiyatı 0'dır.
Adım 5 — Özet (2009). Etkin birim sayısı 3 (Tianjin, Neimenggu, Shandong); ortalama TE 0,763167; ortanca 0,734866; en küçük 0,315044 (Tibet); ortalama ölçek etkinliği 0,954455. Süper etkinlik: Shandong 1,122871; Tianjin 1,037942; Neimenggu 1,013476.
Adım 6 — Malmquist, Beijing 2005–2006. Dört etkinlik: E^{05}(05)=0{,}977814; E^{06}(06)=0{,}954295; E^{05}(06)=1{,}151900; E^{06}(05)=0{,}810074.
Beijing kendi döneminin sınırına göre biraz gerilemiş (EC < 1), sınır ise bulunduğu bölgede %21 ilerlemiştir; üretkenlik %18 artmıştır.
46.6.1 Doğrulama: MerQuR+, Python ve R
MerQuR+ sütunu şablonun tablolarından tam hassasiyetle alınmıştır (çalıştırmalar 1, 2, 3, 8, 9).
| Büyüklük | MerQuR+ | Python (bağımsız) | R (bağımsız) | En büyük fark | |
|---|---|---|---|---|---|
| Beijing: TE (CRS) | 0,94597643 | 0,94597643 | 0,94597643 | 7,2e−13 | ✓ |
| Beijing: TE (VRS) | 0,94812904 | 0,94812904 | 0,94812904 | 6,1e−13 | ✓ |
| Beijing: ölçek etkinliği | 0,99772963 | 0,99772963 | 0,99772963 | 1,2e−13 | ✓ |
| Hebei: TE (CRS) | 0,90156348 | 0,90156348 | 0,90156348 | 6,6e−13 | ✓ |
| Hebei: TE (VRS) | 0,90191113 | 0,90191113 | 0,90191113 | 6,7e−13 | ✓ |
| Hebei: ölçek etkinliği | 0,99961454 | 0,99961454 | 0,99961454 | 1,0e−15 | ✓ |
| Shanxi_1: TE (CRS) | 0,50266622 | 0,50266622 | 0,50266622 | 2,0e−13 | ✓ |
| Shanxi_1: TE (VRS) | 0,50706277 | 0,50706277 | 0,50706277 | 2,0e−13 | ✓ |
| Shanxi_1: ölçek etkinliği | 0,99132939 | 0,99132939 | 0,99132939 | 4,7e−15 | ✓ |
| Liaoning: TE (CRS) | 0,86854469 | 0,86854469 | 0,86854469 | 5,4e−13 | ✓ |
| Liaoning: TE (VRS) | 0,88236964 | 0,88236964 | 0,88236964 | 4,9e−13 | ✓ |
| Liaoning: ölçek etkinliği | 0,98433202 | 0,98433202 | 0,98433202 | 6,9e−14 | ✓ |
| Jiangsu: TE (CRS) | 0,91490442 | 0,91490442 | 0,91490442 | 9,1e−13 | ✓ |
| Jiangsu: TE (VRS) | 1 | 1 | 1 | 6,0e−13 | ✓ |
| Jiangsu: ölçek etkinliği | 0,91490442 | 0,91490442 | 0,91490442 | 9,1e−13 | ✓ |
| Fujian: TE (CRS) | 0,81238764 | 0,81238764 | 0,81238764 | 1,5e−12 | ✓ |
| Fujian: TE (VRS) | 0,82487077 | 0,82487077 | 0,82487077 | 1,5e−12 | ✓ |
| Fujian: ölçek etkinliği | 0,98486656 | 0,98486656 | 0,98486656 | 2,5e−14 | ✓ |
| Hainan: TE (CRS) | 0,90925693 | 0,90925693 | 0,90925693 | 6,9e−13 | ✓ |
| Hainan: TE (VRS) | 1 | 1 | 1 | 8,7e−13 | ✓ |
| Hainan: ölçek etkinliği | 0,90925693 | 0,90925693 | 0,90925693 | 7,9e−13 | ✓ |
| Tibet: TE (CRS) | 0,31504386 | 0,31504386 | 0,31504386 | 2,4e−13 | ✓ |
| Tibet: TE (VRS) | 1 | 1 | 1 | 3,3e−16 | ✓ |
| Tibet: ölçek etkinliği | 0,31504386 | 0,31504386 | 0,31504386 | 2,4e−13 | ✓ |
| Tianjin: süper etkinlik | 1,03794211 | 1,03794211 | 1,03794211 | 5,5e−13 | ✓ |
| Neimenggu: süper etkinlik | 1,01347562 | 1,01347562 | 1,01347562 | 2,4e−13 | ✓ |
| Shandong: süper etkinlik | 1,12287104 | 1,12287104 | 1,12287104 | 1,4e−14 | ✓ |
| Beijing: \sum\lambda | 1,03174839 | 1,03174839 | — | 2,7e−14 | ✓ |
| Hebei: \sum\lambda | 0,94022206 | 0,94022206 | — | 1,5e−12 | ✓ |
| Shangai: \sum\lambda | 1,67639073 | 1,67639073 | — | 2,6e−12 | ✓ |
| Hebei: \lambda (Tianjin) | 0,73788085 | 0,73788085 | — | 1,6e−12 | ✓ |
| Hebei: \lambda (Shandong) | 0,20234121 | 0,20234121 | — | 7,3e−14 | ✓ |
| Beijing: \lambda (Neimenggu) | 1,03174839 | 1,03174839 | — | 4,0e−14 | ✓ |
| Beijing: sermaye aylağı | 6464,20309415 | 6464,20309417 | 6464,20309417 | 3,4e−12 | ✓ |
| Beijing: sermaye hedefi | 12020,83859363 | 12020,83859363 | 12020,83859362 | 1,3e−12 | ✓ |
| Fujian: işgücü aylağı | 90,15350275 | 90,15350275 | 90,15350275 | 3,7e−12 | ✓ |
| Fujian: işgücü hedefi | 218,12323443 | 218,12323443 | 218,12323443 | 1,1e−12 | ✓ |
| Hebei: gölge fiyat v (sermaye) | 1,654494·10−5 | 1,654494·10−5 | 1,654494·10−5 | 6,4e−17 | ✓ |
| Hebei: gölge fiyat v (işgücü) | 0,00205706 | 0,00205706 | 0,00205706 | 4,0e−15 | ✓ |
| Hebei: gölge fiyat u | 3,746717·10−5 | 3,746717·10−5 | 3,746717·10−5 | 2,8e−17 | ✓ |
| Shanxi_1: gölge fiyat v (sermaye) | 2,399680·10−5 | 2,399680·10−5 | 2,399680·10−5 | 8,5e−17 | ✓ |
| Shanxi_1: gölge fiyat v (işgücü) | 0,00298357 | 0,00298357 | 0,00298357 | 6,8e−15 | ✓ |
| Shanxi_1: gölge fiyat u | 5,434241·10−5 | 5,434241·10−5 | 5,434241·10−5 | 2,2e−17 | ✓ |
| Özet: ortalama TE | 0,76316654 | 0,76316654 | 0,76316654 | 3,8e−13 | ✓ |
| Özet: ortanca TE | 0,734866 | 0,734866 | 0,734866 | 7,7e−13 | ✓ |
| Özet: en küçük TE | 0,31504386 | 0,31504386 | 0,31504386 | 2,4e−13 | ✓ |
| Özet: etkin birim sayısı | 3 | 3 | — | 0 | ✓ |
| Özet: ortalama ölçek etkinliği | 0,95445528 | 0,95445528 | 0,95445528 | 2,1e−14 | ✓ |
| Malmquist 2005–2006, Beijing: EC | 0,97594748 | 0,97594748 | 0,97594748 | 2,1e−13 | ✓ |
| Malmquist 2005–2006, Beijing: TC | 1,20706858 | 1,20706858 | 1,20706858 | 2,1e−13 | ✓ |
| Malmquist 2005–2006, Beijing: MI | 1,17803553 | 1,17803553 | 1,17803553 | 7,5e−16 | ✓ |
| Malmquist 2005–2006, Guangdong: EC | 0,93557763 | 0,93557763 | 0,93557763 | 1,7e−13 | ✓ |
| Malmquist 2005–2006, Guangdong: TC | 1,06205678 | 1,06205678 | 1,06205678 | 5,1e−13 | ✓ |
| Malmquist 2005–2006, Guangdong: MI | 0,99363657 | 0,99363657 | 0,99363657 | 3,3e−13 | ✓ |
| Malmquist geometrik ortalama 2005–2006: EC | 0,99903565 | 0,99903565 | 0,99903565 | 1,9e−13 | ✓ |
| Malmquist geometrik ortalama 2005–2006: TC | 1,13699666 | 1,13699666 | 1,13699666 | 3,3e−13 | ✓ |
| Malmquist geometrik ortalama 2005–2006: MI | 1,13590021 | 1,13590021 | 1,13590021 | 1,4e−13 | ✓ |
| Malmquist geometrik ortalama 2006–2007: EC | 1,03959127 | 1,03959127 | 1,03959127 | 3,9e−13 | ✓ |
| Malmquist geometrik ortalama 2006–2007: TC | 1,09779117 | 1,09779117 | 1,09779117 | 4,0e−13 | ✓ |
| Malmquist geometrik ortalama 2006–2007: MI | 1,14125412 | 1,14125412 | 1,14125412 | 1,6e−14 | ✓ |
| Malmquist geometrik ortalama 2007–2008: EC | 1,01720661 | 1,01720661 | 1,01720661 | 3,3e−13 | ✓ |
| Malmquist geometrik ortalama 2007–2008: TC | 1,07736844 | 1,07736844 | 1,07736844 | 4,0e−13 | ✓ |
| Malmquist geometrik ortalama 2007–2008: MI | 1,0959063 | 1,0959063 | 1,0959063 | 7,2e−14 | ✓ |
| Malmquist geometrik ortalama 2008–2009: EC | 1,00868752 | 1,00868752 | 1,00868752 | 5,3e−13 | ✓ |
| Malmquist geometrik ortalama 2008–2009: TC | 0,99723239 | 0,99723239 | 0,99723239 | 5,0e−13 | ✓ |
| Malmquist geometrik ortalama 2008–2009: MI | 1,00589587 | 1,00589587 | 1,00589587 | 2,1e−14 | ✓ |
| VRS, Beijing: u_0 | −0,06780203 | −0,06780203 | — | 5,4e−12 | ✓ |
| VRS, Beijing: u\cdot y+u_0 (= TE) | 0,94812904 | 0,94812904 | 0,94812904 | 6,1e−13 | ✓ |
| VRS, Hebei: u_0 | 0,00581566 | 0,00581566 | — | 8,1e−15 | ✓ |
| VRS, Hebei: u\cdot y+u_0 (= TE) | 0,90191113 | 0,90191113 | 0,90191113 | 6,7e−13 | ✓ |
| VRS, Tianjin: süper etkinlik | 1,04075902 | 1,04075902 | — | 5,5e−13 | ✓ |
| Çıktı yönlü CRS, Hebei: \varphi | 1,10918424 | 1,10918424 | 1,10918424 | 5,2e−13 | ✓ |
| Çıktı yönlü CRS, Shanxi_1: \varphi | 1,98939168 | 1,98939168 | 1,98939168 | 1,4e−13 | ✓ |
| Çıktı yönlü CRS, Hebei: TE (VRS) | 0,90566054 | 0,90566054 | — | 3,9e−13 | ✓ |
| İki girdili örnek, F1: TE (CRS) | 0,5 | 0,5 | 0,5 | 2,2e−16 | ✓ |
| İki girdili örnek, F2: TE (CRS) | 1 | 1 | 1 | 0 | ✓ |
| İki girdili örnek, F3: TE (CRS) | 0,83333333 | 0,83333333 | 0,83333333 | 3,3e−16 | ✓ |
| İki girdili örnek, F4: TE (CRS) | 0,71428571 | 0,71428571 | 0,71428571 | 4,4e−16 | ✓ |
| İki girdili örnek, F5: TE (CRS) | 1 | 1 | 1 | 2,2e−16 | ✓ |
| İki girdili örnek, F1: x_2 aylağı | 0,5 | 0,5 | 0,5 | 1,9e−15 | ✓ |
| İki girdili örnek, F4: \lambda (F2) | 0,21428571 | 0,21428571 | — | 4,2e−16 | ✓ |
| İki girdili örnek, F4: \lambda (F5) | 0,28571429 | 0,28571429 | — | 3,9e−16 | ✓ |
| İki girdili örnek, F2: süper etkinlik | 2 | 2 | 2 | 0 | ✓ |
| Tek girdili örnek, F1: TE (VRS) | 1 | 1 | 1 | 2,2e−16 | ✓ |
| Tek girdili örnek, F1: ölçek etkinliği | 0,5 | 0,5 | 0,5 | 0 | ✓ |
| Tek girdili örnek, F2: TE (VRS) | 0,625 | 0,625 | 0,625 | 1,1e−16 | ✓ |
| Tek girdili örnek, F2: ölçek etkinliği | 0,8 | 0,8 | 0,8 | 1,1e−16 | ✓ |
| Tek girdili örnek, F3: TE (VRS) | 1 | 1 | 1 | 0 | ✓ |
| Tek girdili örnek, F3: ölçek etkinliği | 1 | 1 | 1 | 0 | ✓ |
| Tek girdili örnek, F4: TE (VRS) | 0,9 | 0,9 | 0,9 | 0 | ✓ |
| Tek girdili örnek, F4: ölçek etkinliği | 0,88888889 | 0,88888889 | 0,88888889 | 1,1e−16 | ✓ |
| Tek girdili örnek, F5: TE (VRS) | 1 | 1 | 1 | 0 | ✓ |
| Tek girdili örnek, F5: ölçek etkinliği | 0,83333333 | 0,83333333 | 0,83333333 | 7,8e−16 | ✓ |
| Tek girdili örnek, F2: u_0 | 0,375 | 0,375 | — | 0 | ✓ |
| Tek girdili örnek, F4: u_0 | −0,3 | −0,3 | — | 5,6e−17 | ✓ |
| Tek girdili örnek, çıktı yönlü, F2: \varphi | 1,83333333 | 1,83333333 | 1,83333333 | 1,8e−15 | ✓ |
Ölçütü karşılayan: 96/96. Python: zarflama, ikinci aşama, çarpan ve dönemler arası doğrusal programlar scipy.optimize.linprog (HiGHS) ile (Benchmarking kullanılmadan). R: deaR (model_basic, model_supereff, malmquist_index) ve doğrudan lpSolve::lp ile kurulan programlar.
Bütün satırlar ölçütü karşılar. Doğrusal programlamada en iyi değer tektir; üç ayrı çözücü (lpSolveAPI, HiGHS, lpSolve) aynı etkinlikleri 10^{-9} içinde verir. Gölge fiyatlar yalnız çözümü tek olan (etkin olmayan, yozlaşmamış) birimler için karşılaştırılmıştır; etkin birimlerde çözücüler farklı ama eşit derecede geçerli ağırlıklar döndürür (ör. Neimenggu: şablon v=(9\times10^{-6};\ 0{,}0081), bağımsız hesap v=(0;\ 0{,}0091)).
46.7 Çıktıyı okuma
Örnek ayarın konsol metni ve tabloları (şablonun tablolarından, dört ondalığa yuvarlanmış; satırlar kısaltılmış, etkinlik tablosu sayfaya sığması için iki parçada verilmiş, aylak tablosundan çıktı sütunları çıkarılmıştır: çıktı aylakları 0'dır):
DEA CRS, girdi yönlü; dönem: 2009; 31 birim, 2 girdi, 1 çıktı
Not: etkin birimlerde çarpan modelinin çözümü tek olmayabilir; gölge fiyatlar bu birimlerde bir olası çözümdür.
Teknik etkinlik (CRS, girdi yönlü)
birim TE TE_CRS TE_VRS olcek_etkinligi olcek_getirisi
Beijing 0.9460 0.9460 0.9481 0.9977 azalan
Tianjin 1.0000 1.0000 1.0000 1.0000 sabit
Hebei 0.9016 0.9016 0.9019 0.9996 artan
Shanxi_1 0.5027 0.5027 0.5071 0.9913 artan
Neimenggu 1.0000 1.0000 1.0000 1.0000 sabit
Tibet 0.3150 0.3150 1.0000 0.3150 artan
...
birim super_etkinlik esler lambda_toplam etkin
Beijing 0.9460 Neimenggu 1.0317 hayır
Tianjin 1.0379 Tianjin 1.0000 evet
Hebei 0.9016 Tianjin, Shandong 0.9402 hayır
Shanxi_1 0.5027 Tianjin, Shandong 0.4778 hayır
Neimenggu 1.0135 Neimenggu 1.0000 evet
Tibet 0.3150 Neimenggu 0.0048 hayır
...
Özet
olcut deger
birim sayısı 31.0000
etkin birim sayısı 3.0000
ortalama TE 0.7632
ortanca TE 0.7349
en küçük TE 0.3150
ortalama ölçek etkinliği 0.9545
Aylaklar ve hedefler (ikinci aşama)
birim aylak_sermaye hedef_sermaye aylak_isgucu hedef_isgucu
Beijing 6464.2031 12020.8386 0.0000 113.9050
Hebei 0.0000 18628.7087 0.0000 288.4462
Fujian 0.0000 10840.8825 90.1535 218.1232
Malmquist geometrik ortalamaları
donem EC TC MI
2005-2006 0.9990 1.1370 1.1359
2006-2007 1.0396 1.0978 1.1413
2007-2008 1.0172 1.0774 1.0959
2008-2009 1.0087 0.9972 1.0059
| Öğe | Ne yazar | Nasıl yorumlanır |
|---|---|---|
| Özet satırı | Model, yön, statik dönem, birim, girdi ve çıktı sayısı | Dönem verilmemişse "dönem: 1". |
TE |
Seçilen modelin teknik etkinliği (0–1) | Hebei 0,90: girdilerin %10'u oransal olarak azaltılabilir. |
phi (çıktı yönü) |
Çıktıların oransal artırım katsayısı (≥ 1) | TE = 1/phi. |
TE_CRS, TE_VRS, olcek_etkinligi |
Toplam, saf teknik ve ölçek etkinliği | Tibet: saf etkinlik 1, ölçek etkinliği 0,32; sorun yönetim değil ölçek. |
olcek_getirisi |
sabit / artan / azalan | Artan: birim en uygun ölçekten küçük. Seçilen yöne göredir. |
super_etkinlik |
Kendisi dışlanarak etkinlik | Yalnız etkin birimlerde 1'den farklı; onları sıralar. |
esler, lambda_toplam |
Referans kümesi ve λ'ların toplamı | Eşler, hedefin hangi birimlerin karışımı olduğunu gösterir. |
etkin |
TE = 1 ve aylak yok | "hayır" ama TE = 1 ise birim zayıf etkindir (aylak var). |
| Referans kümeleri tablosu | Birim, eş ve λ (uzun biçim) | Bir etkin birimin kaç birime eş olduğu, sınırdaki önemini gösterir (Shandong 21, Tianjin 17 başka birimin eşidir). |
| Aylak ve hedef sütunları | İkinci aşama aylakları, izdüşüm noktası | Hedef = \theta\times gözlenen − aylak. |
| Gölge fiyatlar | \mathbf v, \mathbf u (ve VRS'de u_0) | Normalleştirme \mathbf v^{\top}\mathbf x_0=1; \mathbf u^{\top}\mathbf y_0(+u_0)= TE. |
| Malmquist tabloları | Birim ve dönem çifti başına EC, TC, MI; dönem geometrik ortalamaları | 1'in üstü iyileşme. |
Örnekteki bulgu. 2009'da üç il sınırı belirler. İllerin çoğu (24) artan ölçek getirisi bölgesindedir; ölçek etkinliği genel olarak yüksektir (ortalama 0,95), dolayısıyla etkinsizliğin büyük bölümü saf tekniktir. 2005–2008 arasında üretkenlik yılda %10–14 artmış ve artış neredeyse tümüyle sınırın ilerlemesinden (TC) gelmiştir; 2008–2009'da sınır yerinde saymış (TC 0,997), üretkenlik artışı %0,6'ya inmiştir.
Şekil 46.1. Şablonun birinci şekli (örnek ayar): illerin 2009 teknik etkinliği, etkinliğe göre sıralı; mavi çubuk CRS, turuncu çubuk VRS. İki çubuğun farkı ölçek etkinsizliğidir (en belirgin: Tibet).

Şekil 46.2. Şablonun ikinci şekli (iki girdi, bir çıktı): birim çıktı başına girdiler ve CRS birim eş ürün eğrisi. Eğri üzerindeki üç nokta etkin illerdir; bir ilin etkinliği, orijinden çizilen ışın üzerinde eğriye olan uzaklığının kendi uzaklığına oranıdır.

Şekil 46.3. Şablonun üçüncü şekli: dönem çiftlerine göre Malmquist ayrıştırmasının geometrik ortalamaları.

Rapor cümlesi (örnek ayar):
Otuz bir ilin sanayi etkinliği, sermaye ve işgücü girdileri ile brüt sanayi üretimi çıktısı kullanılarak girdi yönlü veri zarflama analiziyle ölçüldü (Benchmarking paketi). 2009'da sabit ölçek getirisi altında ortalama teknik etkinlik 0,763 (ortanca 0,735; en düşük 0,315) idi; üç il etkin bulundu (Shandong, Tianjin, Neimenggu; süper etkinlik 1,123; 1,038; 1,013). Ortalama ölçek etkinliği 0,954 idi ve 24 il artan ölçek getirisi bölgesindeydi. Malmquist endeksine göre toplam etken üretkenliği 2005–2006'da %13,6, 2006–2007'de %14,1, 2007–2008'de %9,6 ve 2008–2009'da %0,6 arttı; artışın kaynağı ağırlıklı olarak teknoloji değişimiydi (TC = 1,137; 1,098; 1,077; 0,997).
46.8 Sık hatalar ve tuzaklar
- Girdi ya da çıktı sütununu "kategorik" türde bırakmak. Şablon sütunları
mq_sayisalile okur: etiketleri sayı olan kategorik sütun değerleriyle (düzey sıra numarasıyla değil) kullanılır, sonuç sayısal türdekiyle aynıdır; etiketi sayı olmayan sütunda çalıştırma sütun adıyla durur. Yine de özet tablosundaki değerler ham veriyle (ör. hedef = \theta\times gözlenen) karşılaştırılır. - Az birimle çok değişken kullanmak. Her ek girdi ya da çıktı, bir birimin "kendine özgü" görünüp etkin sayılma olasılığını artırır. Kural n\ge\max(m\cdot r,\ 3(m+r)) alt sınırdır; birimlerin üçte birinden fazlası etkin çıkıyorsa değişken sayısı azaltılır.
- Etkinlik puanını mutlak saymak. Puan, örneklemdeki en iyilere göredir. Örneklem değişince (bir birim eklenip çıkarılınca) sınır ve bütün puanlar değişebilir; farklı örneklemlerin puanları karşılaştırılamaz.
- Tek bir uç birimin sınırı belirlemesine izin vermek. Veri hatası olan ya da başka koşullarda çalışan bir birim birçok birimin eşi olabilir. Süper etkinliği çok yüksek ya da çok sayıda birime eş olan birimler ayrıca incelenir; çıkarıldığında sonuçların ne kadar değiştiğine bakılır.
- Zayıf etkin birimi etkin saymak. TE = 1 ama aylağı olan birim sınırın eksenlere paralel bölümündedir;
etkinsütunu "hayır" yazar. - CRS ve VRS'yi rastgele seçmek. Birimler ölçeklerini kendileri belirleyebiliyorsa (uzun dönem, rekabetçi ortam) CRS; ölçek dışarıdan verilmişse (bir ilin nüfusu, bir hastanenin hizmet bölgesi) VRS puanı yönetimsel başarının daha adil ölçüsüdür. İkisi birlikte raporlanır.
- Yönü rastgele seçmek. Yönetim girdileri denetliyorsa (bütçe, personel) girdi yönü; çıktıları artırmak hedefse çıktı yönü. VRS'de iki yön farklı puan, farklı eşler ve farklı ölçek sınıfı verebilir.
- Oran ve düzey değişkenlerini karıştırmak. Girdi ve çıktılar hacim ölçüleri olmalıdır. Oranlar (yüzde, kişi başına) dışbükeylik varsayımıyla bağdaşmaz; özellikle CRS'de anlamsız sonuç verir.
- Sıfır gölge fiyatı "değersiz girdi" diye okumak. Ağırlığın 0 olması, o birim için o girdide aylak bulunduğunu söyler; girdinin genel olarak önemsiz olduğunu değil.
- Malmquist'te dönem sırasını denetlememek. Dönem etiketleri sayı değilse alfabetik sıralanır; "Q10" "Q2"den önce gelir. Dönemler sayısal ya da sıralanabilir biçimde (2009-01) kodlanır.
- Gürültülü veride yıllık Malmquist dalgalanmalarını yorumlamak. Sınır uç gözlemlere dayandığından tek bir ilin tek bir yıldaki sıçraması TC'yi oynatır. Eğilim birkaç dönemin geometrik ortalamasından okunur.
46.9 Uzman soruları
S1. Zarflama modeli ile çarpan modeli aynı sonucu neden verir?
Biri ötekinin doğrusal programlama dualidir; güçlü dualite kuramına göre en iyi değerleri eşittir. Çarpan modeli sezgisel tanımı taşır: "ağırlıklı çıktı / ağırlıklı girdi oranını, hiçbir birim için 1'i aşmayacak biçimde, bu birimin lehine en büyükle." Zarflama modeli hesaplama ve yorum açısından elverişlidir: kısıt sayısı m+r'dir (n değil) ve çözüm doğrudan eşleri ve hedefleri verir. Hebei için iki modelin değeri 0,901563'tür.
S2. Birim kendi ağırlıklarını seçiyorsa herkes etkin çıkmaz mı?
Çıkmaz, çünkü seçilen ağırlıklarla bütün birimlerin oranı 1'i aşmamalıdır. Bir birim en lehine ağırlıklarla bile bir başkasının gerisinde kalıyorsa etkin değildir. Ancak değişken sayısı arttıkça her birimin "iyi olduğu bir boyut" bulma olasılığı artar; ayırt etme gücünün birim sayısına bağlı olmasının nedeni budur. Ağırlıklara alt ya da üst sınır koyan (güvence bölgesi) modeller bu serbestliği kısıtlar; şablonda bulunmaz.
S3. Aylaklar neden iki aşamada hesaplanıyor?
Tek aşamalı program yalnız \theta'yı en küçükler; aynı \theta^*'ı veren birden çok \boldsymbol\lambda varsa hangisinin döneceği çözücüye bağlıdır ve aylaklar belirsiz kalır. İkinci aşama, \theta^*'ı sabitleyip aylakların toplamını en büyükleyerek en uzaktaki Pareto etkin noktayı seçer. Bedeli, toplamın ölçü birimine bağlı olmasıdır. Çok aşamalı ya da aylak tabanlı (birimden bağımsız) ölçüler bu sorunu giderir; şablon standart iki aşamalı yöntemi uygular.
S4. Süper etkinlik VRS'de neden olurlu olmayabiliyor?
Birim dışlandığında geriye kalanların dışbükey gövdesi, o birimin çıktı düzeyine ulaşamayabilir: \sum\lambda=1 kısıtı ötekilerin büyütülmesine izin vermez. Tek girdili örnekte en büyük çıktıyı üreten F5 dışlandığında q=5 düzeyine hiçbir birleşim erişemez; girdi yönlü program olurlu değildir ve şablon NA yazar. CRS'de her birim ölçeklenebildiğinden sorun (pozitif veride) ortaya çıkmaz. NA, "en uçta, karşılaştırılacak birimi yok" diye okunur.
S5. Aynı birim girdi yönünde artan, çıktı yönünde azalan getiri sınıfına nasıl girebilir?
Sınıflama birimin kendisine değil sınırdaki izdüşümüne göredir ve iki yön farklı noktalara izdüşürür. Tek girdili örnekte F2 (4;\ 2): girdi yönünde q=2 düzeyinde sola, (2{,}5;\ 2)'ye iner; bu nokta en uygun ölçeğin (x=3) solundadır: artan getiri. Çıktı yönünde x=4'te yukarı, (4;\ 3{,}67)'ye çıkar; bu nokta en uygun ölçeğin sağındadır: azalan getiri. Ölçek etkinliği de değişir (0,800 ve 0,917). Raporda ölçek sınıfı yön ile birlikte verilir.
S6. Malmquist endeksinde neden geometrik ortalama alınıyor ve EC × TC ayrıştırması tek mi?
Üretkenlik değişimi s döneminin ya da t döneminin teknolojisine göre ölçülebilir; iki ölçü genelde farklıdır. Geometrik ortalama keyfî bir temel dönem seçimini önler. Ayrıştırma tek değildir: Färe ve ark.'ın (1994) EC × TC ayrıştırması CRS sınırına dayanır; EC ayrıca saf etkinlik değişimi ve ölçek etkinliği değişimine bölünebilir (VRS puanlarıyla). Şablon iki bileşenli ayrıştırmayı verir. Dönem ortalamalarında da geometrik ortalama kullanılır, çünkü endeksler çarpımsaldır.
S7. Etkinlik puanlarının belirsizliği nasıl değerlendirilir?
Zarflama sınırı gerçek sınırın içeriden bir kestirimidir: sonlu örneklemde puanlar yukarı yanlıdır (birimler olduğundan etkin görünür) ve yanlılık değişken sayısı arttıkça büyür. Çıkarım için Simar ve Wilson'ın (1998) yumuşatılmış bootstrap yöntemi kullanılır; şablonda yoktur. Uygulamada sağlamlık şu yollarla gösterilir: süper etkinliği yüksek birimler çıkarılarak yeniden çözümleme, farklı değişken kümeleri, CRS ve VRS'nin birlikte raporlanması, tek çıktıda stokastik sınır sonuçlarıyla karşılaştırma.
S8. FDH ne zaman yeğlenir?
Dışbükeylik varsayımı kuşkuluysa: girdiler bölünemezse ya da iki birimin "ortalaması" uygulanabilir bir üretim planı değilse. FDH'de her birim yalnız gözlenen, kendisinden her boyutta en az o kadar iyi olan gerçek bir birimle karşılaştırılır; eş her zaman tektir ve somuttur. Bedeli ayırt etme gücüdür: örnek veride FDH altında 31 ilin 27'si etkin çıkar. Çarpan modeli tanımlı olmadığından gölge fiyat tablosu üretilmez.
46.10 Kaynaklar
- Andersen, P., & Petersen, N. C. (1993). A procedure for ranking efficient units in data envelopment analysis. Management Science, 39(10), 1261–1264. https://doi.org/10.1287/mnsc.39.10.1261
- Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management Science, 30(9), 1078–1092. https://doi.org/10.1287/mnsc.30.9.1078
- Bogetoft, P., & Otto, L. (2011). Benchmarking with DEA, SFA, and R. Springer. https://doi.org/10.1007/978-1-4419-7961-2
- Bogetoft, P., & Otto, L. (2025). Benchmarking: Benchmark and frontier analysis using DEA and SFA (R package version 0.33). https://doi.org/10.32614/CRAN.package.Benchmarking
- Bolós, V. J., Benítez, R., & Coll-Serrano, V. (2025). deaR: Conventional and fuzzy DEA models with R. SoftwareX, 31, 102266. https://doi.org/10.1016/j.softx.2025.102266
- Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429–444. https://doi.org/10.1016/0377-2217(78)90138-8
- Coelli, T. J., Rao, D. S. P., O'Donnell, C. J., & Battese, G. E. (2005). An introduction to efficiency and productivity analysis (2nd ed.). Springer. https://doi.org/10.1007/b136381
- Cooper, W. W., Seiford, L. M., & Tone, K. (2007). Data envelopment analysis: A comprehensive text with models, applications, references and DEA-Solver software (2nd ed.). Springer. https://doi.org/10.1007/978-0-387-45283-8
- Färe, R., Grosskopf, S., Norris, M., & Zhang, Z. (1994). Productivity growth, technical progress, and efficiency change in industrialized countries. The American Economic Review, 84(1), 66–83.
- Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society: Series A (General), 120(3), 253–281. https://doi.org/10.2307/2343100
- Seiford, L. M., & Zhu, J. (1999). Infeasibility of super-efficiency data envelopment analysis models. INFOR: Information Systems and Operational Research, 37(2), 174–187. https://doi.org/10.1080/03155986.1999.11732379
- Simar, L., & Wilson, P. W. (1998). Sensitivity analysis of efficiency scores: How to bootstrap in nonparametric frontier models. Management Science, 44(1), 49–61. https://doi.org/10.1287/mnsc.44.1.49
- Wang, Y.-M., & Lan, Y.-X. (2011). Measuring Malmquist productivity index: A new approach based on double frontiers data envelopment analysis. Mathematical and Computer Modelling, 54(11–12), 2760–2771. https://doi.org/10.1016/j.mcm.2011.06.064