530 likes | 902 Views
หลักสูตรอบรม การวัดประสิทธิภาพและผลิตภาพของการผลิตสินค้าเกษตรด้วยแบบจำลอง DEA. ผศ. ดร. ศุภวัจน์ รุ่งสุริยะวิบูลย์ คณะเศรษฐศาสตร์ มหาวิทยาลัยเชียงใหม่. Lecture 2: ขอบเขตเนื้อหา. แบบจำลองการวิเคราะห์การล้อมกรอบข้อมูล (DEA model) แบบจำลอง input-orientated CRS CCR DEA
E N D
หลักสูตรอบรมการวัดประสิทธิภาพและผลิตภาพของการผลิตสินค้าเกษตรด้วยแบบจำลอง DEA ผศ. ดร. ศุภวัจน์ รุ่งสุริยะวิบูลย์ คณะเศรษฐศาสตร์ มหาวิทยาลัยเชียงใหม่
Lecture 2: ขอบเขตเนื้อหา • แบบจำลองการวิเคราะห์การล้อมกรอบข้อมูล (DEA model) • แบบจำลอง input-orientated CRS CCR DEA • แบบจำลอง output-orientated CRS CCR DEA • แบบจำลอง input-orientated VRS BCC DEA • แบบจำลอง output-orientated VRS BCC DEA
แบบจำลองการวิเคราะห์การล้อมกรอบข้อมูล (DEA model) • การวิเคราะห์การล้อมกรอบข้อมูล (Data Envelopment Analysis, DEA) เป็นวิธีที่ใช้คำนวณหาเส้นพรมแดน (frontier) โดยอาศัยหลักการคำนวณทางคณิตศาสตร์ (non-parametric) • เส้นพรมแดนที่ถูกคำนวณด้วยวิธี DEA เกิดจากการสร้างเขตแดนการผลิตโดยการล้อมกรอบข้อมูลจากกลุ่มตัวอย่างทั้งหมด และอาศัยการแก้ปัญหาโปรแกรมมิ่งเชิงเส้นตรงเพื่อคำนวณหาค่าประสิทธิภาพของแต่ละหน่วยผลิต • วิธี DEA ไม่จำเป็นต้องกำหนดรูปแบบของฟังก์ชัน เช่น Cobb-Douglas หรือ Translog ให้แก่ฟังก์ชันที่กำลังพิจารณาเหมือนในกรณีของแบบจำลองเส้นพรมแดนเชิงเฟ้นสุ่ม (SFA)
แบบจำลองการวิเคราะห์การล้อมกรอบข้อมูล (DEA model) • แบบจำลองการวิเคราะห์การล้อมกรอบข้อมูล สามารถแบ่งออกตามข้อสมมติฐานของเทคโนโลยีการผลิตได้เป็น 1. แบบจำลองระยะผลได้ต่อขนาดคงที่ (CRS DEA model) 2. แบบจำลองระยะผลได้ต่อขนาดไม่คงที่ (VRS DEA model) • แบบจำลอง DEA สามารถแบ่งตามการวัดได้เป็น 1. วัดจากปัจจัยการผลิต (input-orientated DEA model) 2. วัดจากผลผลิต (output-orientated DEA model) • ในที่นี้จะเริ่มต้นด้วยการพิจารณาแบบจำลอง input-orientated CRS DEA
แบบจำลอง input-orientated CRS DEA • Charnes, Cooper และ Rhodes (1978) เสนอแบบจำลอง DEA โดยอาศัยวิธีการวัดปัจจัยการผลิต (input-orientated) และกำหนดคุณสมบัติของเทคโนโลยีการผลิตภายใต้ระยะที่ผลได้ต่อขนาดคงที่ (constant returns to scale, CRS) • แบบจำลองเรียกว่า input-orientated CRS CCR DEA • พิจารณาหน่วยผลิตแต่ละหน่วย (Decision Making Unit, DMU) จากจำนวนทั้งหมด N ราย ใช้ปัจจัยการผลิต K ชนิดเพื่อผลิตสินค้า M ชนิด • i คือ ดัชนีแสดงหน่วยผลิต i = 1,…, I n คือ ดัชนีแสดงปัจจัยการผลิต n = 1,…, N m คือ ดัชนีแสดงผลผลิต m = 1,…, M • วัตถุประสงค์ของแบบจำลอง DEA คือ สร้างเขตแดนการผลิตโดยการล้อมกรอบข้อมูลของกลุ่มตัวอย่างทั้งหมดและอาศัยการแก้ปัญหาโปรแกรมมิ่งเชิงเส้นตรงเพื่อคำนวณหาค่าประสิทธิภาพของหน่วยผลิตแต่ละราย
X2 A’ B ◘ E ◘ λA C ◘ ◘ A λD C’ ◘ D’ D X1 แบบจำลอง input-orientated CRS CCR DEA เส้นพรมแดน (frontier) ที่สร้างจากแบบจำลอง DEAเกิดจากการล้อมกรอบข้อมูลจากกลุ่มตัวอย่างทั้งหมด โดยไม่มีข้อมูลที่เกิดขึ้นจริง (observed data) ถูกวางอยู่ภายนอกเส้นพรมแดนทีได้สร้างขึ้น เส้นพรมแดนดังกล่าวจะเป็นด้านประกอบเชิงเส้นตรงของข้อมูลต่างๆที่สัมพันธ์ซึ่งกันและกัน เส้นพรมแดนที่กำหนดได้จากหน่วยผลิต A, B, C, D, E คือ เส้น A’ADD’ ฟังก์ชันระยะทางปัจจัยการผลิตของหน่วยผลิต C = OC/OC’ ≥ 1 ณ ตำแหน่ง C’ บนเส้นพรมแดน xC’ =(λA*xA) + (λD*xD) ดังนั้น xC’ ≤xC L(y) กำหนด θC =TEI = OC’/OC ≤ 1 ดังนั้น xc’=θcxc 0
แบบจำลอง input-orientated CRS CCR DEA ในที่นี้ต้องการให้ค่า θมีค่าน้อยที่สุด ภายใต้เส้นพรมแดนที่ถูกกำหนดขึ้นจากการล้อมกรอบข้อมูลทั้งหมด พิจารณาหน่วยผลิตที่ k • Notation: • i = 1,...,k,...,I DMUs (decision-making units) • m = 1,..., M outputs • n = 1,...,N inputs • Model output: • efficiency score θi • λ factors for each DMU
แบบจำลอง input-orientated CRS CCR DEA • สำหรับหน่วยผลิตรายที่ 1 ภายใต้เงื่อนไขบังคับ
ตัวอย่าง The professorial contest Y = จำนวนบทความที่สามารถตีพิมพ์ได้ในแต่ละปี X1 = จำนวนชั่วโมงที่ใช้ในการเขียนบทความในแต่ละสัปดาห์ X2 = จำนวนผู้ช่วยวิจัย
ตัวอย่าง แบบจำลอง input-orientated CRS CCR DEA • พิจารณากระบวนการผลิตที่ประกอบไปด้วย: ปัจจัยการผลิต 2 ชนิด และผลผลิต 1 ชนิด โดยที่จำนวนหน่วยผลิตทั้งหมด 5 ราย • พิจารณาหน่วยผลิตรายที่ 1 ภายใต้เงื่อนไขบังคับ
โปรแกรม Excel • ดูตัวอย่าง professorial contest ในแฟ้ม Excel
การแก้ปัญหาความหย่อนยานในแบบจำลอง DEA • ปัญหาความหย่อนยาน (slack) สามารถแบ่งออกได้เป็น • 1. ความหย่อนยานของปัจจัยการผลิต (input slack)หมายถึง การที่หน่วยผลิตทำการผลิตอยู่บนเส้นพรมแดนการผลิตแต่สามารถลดการใช้ปัจจัยการผลิต โดยสามารถผลิตสินค้าได้ในปริมาณเท่าเดิม • 2. ความหย่อนยานของผลผลิต (output slack) หมายถึง การที่หน่วยผลิตทำการผลิตอยู่บนเส้นพรมแดนการผลิตแต่สามารถเพิ่มผลผลิตได้โดยใช้ปัจจัยการผลิตในปริมาณเท่าเดิม • การขจัดปัญหาความหย่อนยานสามารถทำได้โดยการแก้ไขสมการข้อจำกัดของผลผลิตและปัจจัยการผลิต • สมการข้อจำกัดของผลผลิตสามารถแก้ไขดังนี้ • แก้ไขเป็น • สมการข้อจำกัดของปัจจัยการผลิตสามารถแก้ไขดังนี้ • แก้ไขเป็น
Y B ● yB λB = 0.5 C C* ◘ yC, ∑ypλp ● λA = 0.5 A yA ● s+ D ◘ ● yD สมการข้อจำกัดของผลผลิต สมการข้อจำกัดผลผลิต: สามารถแก้ไขโดยการกำหนดค่า slack ของผลผลิตลงในสมการ ดังนี้: -yC +[(0.5 * yA) + (0.5 * yB)] – 0 = 0 -yD +[(1.0 * yA)] – s+ = 0 0 X
Y s- D B ● ● λB = 0.5 C C* ◘ ● ● Q λA = 0.5 A ● 0 X θCxC, ∑xpλp xC สมการข้อจำกัดของปัจจัยการผลิต สมการข้อจำกัดปัจจัยการผลิต: สามารถแก้ไขโดยการกำหนดค่า slack ของปัจจัยการผลิตลงในสมการ ดังนี้: (1.0 * xD)-[(1.0 * xB)] - S- = 0 (0.5 * xC) - [(0.5 * xA) + (0.5 * xB)] - 0 = 0
y2 A λA A’ ◘ λD C’ ◘ B ◘ D C ◘ ◘ E P(x) 0 y1 D‘ แบบจำลอง output-orientated CRS CCR DEA เส้นพรมแดนที่ถูกกำหนดจากหน่วยผลิต A, B, C, D, E คือ เส้น A’ADD’ ฟังก์ชันระยะทางผลผลิตของหน่วยผลิต C = OC/OC’ ≤ 1 ณ ตำแหน่ง C’ บนเส้นพรมแดน yC’ =(λA* yA) + (λD*yD) ดังนั้น yC ≤ yC’ กำหนด ФC =1/TEo = OC’/OC ≥ 1 ดังนั้น yc’ = Φcyc
แบบจำลอง output-orientated CRS CCR DEA ในที่นี้ต้องการให้ค่า Φมีค่ามากที่สุด ภายใต้เส้นพรมแดนที่ถูกกำหนดขึ้นจากการล้อมกรอบข้อมูลทั้งหมด • Notation: • i = 1,...,k,...,I DMUs (decision-making units) • m = 1,..., M outputs • n = 1,...,N inputs • Model output: • efficiency score Φ • λ factors for each DMU
แบบจำลอง output-orientated CRS CCR DEA • พิจารณากระบวนการผลิตที่ประกอบไปด้วยปัจจัยการผลิต 2 ชนิด และผลผลิต 1 ชนิด และหน่วยผลิตทั้งหมดจำนวน 5 ราย • สำหรับหน่วยผลิตรายที่ 1 ภายใต้เงื่อนไขบังคับ
การประยุกต์ใช้ด้วยโปรแกรมคอมพิวเตอร์การประยุกต์ใช้ด้วยโปรแกรมคอมพิวเตอร์
โปรแกรมการคำนวณ DEA • Excel, Lindo, Shazam • ผู้ใช้ต้องเขียนคำสั่งในการคำนวณ DEA เอง • DEAP • Dos-based DEA program • EMS, Onfront, Warwick DEA • Windows-based DEA program
ตัวอย่าง The professorial contest Y = จำนวนบทความที่สามารถตีพิมพ์ได้ในแต่ละปี X1 = จำนวนชั่วโมงที่ใช้ในการเขียนบทความในแต่ละสัปดาห์ X2 = จำนวนผู้ช่วยวิจัย
โปรแกรม DEAP • DEAP – (Data Envelopment Analysis Program) • Tim Coelli, University of Queensland, Australia • Free of charge • Downloadable at http://www.uq.edu.au/economics/cepa/software.htm
การใช้โปรแกรม DEAP • Create a data file from any spreadsheet software • Copy data into a data file for DEAP program • Create instruction file for DEAP program • Execute DEAP program to produce an output file
แบบฝึกหัด 1 • Data • 5 DMUs • 1 output and 2 inputs • Original Data file • eg1to4.xls • Data file • prof.txt • Instruction file • Prof-ins.txt • Output file • profo.txt
แบบฝึกหัด 1 • Data file • prof.txt
แบบฝึกหัด 1 • Instruction file • Prof-ins.txt prof.txt DATA FILE NAME profo.txt OUTPUT FILE NAME 5 NUMBER OF FIRMS 1 NUMBER OF TIME PERIODS 1 NUMBER OF OUTPUTS 2 NUMBER OF INPUTS 0 0=INPUT AND 1=OUTPUT ORIENTATED 0 0=CRS AND 1=VRS 0 0=DEA(MULTI-STAGE), 1=COST-DEA, 2=MALMQUIST- DEA, 3=DEA(1-STAGE), 4=DEA(2-STAGE)
x2/y x1/y
CRS PC Pv A VRS แบบจำลอง variable returns to scale (VRS) Banker, Charnes, และ Cooper (1984) ได้พัฒนาแบบจำลองของ Charnes, Cooper และ Rhodes (1978) เพื่อวิเคราะห์กรณีที่เทคโนโลยีการผลิตมีคุณสมบัติระยะที่ผลได้ต่อขนาดแปรผัน (variable returns to scale, VRS)แบบจำลองดังกล่าวเรียกว่า แบบจำลอง VRS BCC DEA y พิจารณาหน่วยผลิต P TECRS = APC/AP TEVRS = APV/AP SE = APC/APv T S R TECRS = TEVRSxSE P S x
Convexity condition แบบจำลอง input-orientated VRS BCC DEA ภายใต้เทคโนโลยีการผลิต VRSสามารถทำได้โดยการกำหนดเงื่อนไขบังคับของการเว้าเข้า (convexity constraint)เพิ่มเติมในการแก้ปัญหาโปรแกรมมิ่งเชิงเส้นตรง • Model output: • efficiency score θi • λ factors for each DMU
แบบจำลอง input-orientated VRS BCC DEA • พิจารณากระบวนการผลิตที่ประกอบไปด้วยปัจจัยการผลิต 2 ชนิด และผลผลิต 1 ชนิด และหน่วยผลิตทั้งหมดจำนวน I ราย • สำหรับหน่วยผลิตรายที่ 1 ภายใต้เงื่อนไขบังคับ
Convexity condition แบบจำลอง output-orientated VRS BCC DEA • Model output: • efficiency score 1/Φ • λ factors for each DMU
แบบจำลอง output-orientated VRS BCC DEA • พิจารณากระบวนการผลิตที่ประกอบไปด้วยปัจจัยการผลิต 2 ชนิด และผลผลิต 1 ชนิด และหน่วยผลิตทั้งหมดจำนวน I ราย • สำหรับหน่วยผลิตรายที่ 1 ภายใต้เงื่อนไขบังคับ
Non-increasing returns to scale (NIRS) Non-increasing returns to scale (NIRS) สามารถกำหนดได้โดยการแก้ไขเงื่อนไขบังคับของการเว้าเข้า (convexity constraint) เป็น เงื่อนไขดังกล่าวแสดงว่าให้เห็นว่า หน่วยผลิต i จะไม่ถูกนำมาใช้เป็น benchmark ของหน่วยผลิตที่มีขนาดใหญ่กว่า แต่จะถูกนำมาใช้เป็น benchmark ของหน่วยผลิตที่มีขนาดเล็กกว่าเท่านั้นเท่านั้น
y CRS T NIRS S R PC Pv A P S VRS x Non-increasing returns to scale (NIRS) ถ้า TENIRS ≠ TEVRSแสดงถึงการผลิตอยู่ในช่วง IRTS ถ้า TENIRS = TEVRSแสดงถึงการผลิตอยู่ในช่วง DRTS
ตัวอย่าง แบบจำลอง VRS และ CRS
แบบฝึกหัด 1 แบบจำลอง VRS และ CRS • Instruction file • bcc.txt bcc.txt DATA FILE NAME bcco.txt OUTPUT FILE NAME 5 NUMBER OF FIRMS 1 NUMBER OF TIME PERIODS 1 NUMBER OF OUTPUTS 1 NUMBER OF INPUTS 0 0=INPUT AND 1=OUTPUT ORIENTATED 1 0=CRS AND 1=VRS 0 0=DEA(MULTI-STAGE), 1=COST-DEA, 2=MALMQUIST- DEA, 3=DEA(1-STAGE), 4=DEA(2-STAGE)
Convexity condition แบบจำลอง ต้นทุนต่ำสุด กรณีที่ราคาของปัจจัยการผลิตสามารถจัดหาได้ x*คือ ปริมาณปัจจัยการผลิตที่ทำให้ต้นทุนต่ำสุดและคำนวณหาได้จาก LPs
ตัวอย่าง แบบจำลอง ผู้ผลิตต้องการต้นทุนต่ำสุด y = ผลผลิต x1 = ปัจจัยการผลิตชนิดที่ 1 w1 = ราคาปัจจัยการผลิตชนิดที่ 1 x2 = ปัจจัยการผลิตชนิดที่ 2 w2 = ราคาปัจจัยการผลิตชนิดที่ 2
แบบฝึกหัด 2ผู้ผลิตต้องการต้นทุนต่ำสุด • Instruction file • cost.txt cost.txt DATA FILE NAME costo.txt OUTPUT FILE NAME 5 NUMBER OF FIRMS 1 NUMBER OF TIME PERIODS 1 NUMBER OF OUTPUTS 2 NUMBER OF INPUTS 0 0=INPUT AND 1=OUTPUT ORIENTATED 0 0=CRS AND 1=VRS 1 0=DEA(MULTI-STAGE), 1=COST-DEA, 2=MALMQUIST- DEA, 3=DEA(1-STAGE), 4=DEA(2-STAGE)
Convexity condition แบบจำลอง ผู้ผลิตต้องการรายรับมากสุด กรณีที่ราคาของผลผลิตสามารถจัดหาได้ y*คือ ปริมาณผลผลิตที่ทำให้ได้รายรับมากสุดและคำนวณหาได้จาก LPs
แบบฝึกหัด 3 • พิจารณากระบวนการผลิตที่ประกอบไปด้วยผลผลิต 1 ชนิดและปัจจัยการผลิต 3 ชนิด ดังความสัมพันธ์ดังนี้ • y = f(x1,x2,x3) • ข้อมูลการผลิตของหน่วยผลิตจำนวน 20 ราย ระยะเวลา 5 ปี ถูกกำหนดในตัวอย่าง file ชื่อ Ex lecture 2 agricultural data