DEA Metodu Nədir? – Data Envelopment Analysis – Kənd Təsərrüfatında
DEA Azərbaycan dilində Məlumatların Zərf Analizi deməkdir. Bu metod səmərəliliyin 2 fərqli şəkildə ölçülməsi üçün istifadə olunur. Onlar ya əldə olan resurslar maksimum nəticə, ya da müəyyən nəticə üçün minimum resurs istifadə olunmasıyla təyin edilir. 2 modeli var: CCR və BCC. CCR modeli resurslar müəyyən miqdarda artdıqda, nəticənin də artmasıdır. BCC də isə artan, azalan və ya sabit miqyas gəliri mümkündür. Yəni, resurs artsa da, nəticə artmaya, arta və ya sabit qala bilər. Kənd təsərrüfatında nümunəsinə baxmaq üçün oxumağa davam edin :))
Ətraflı Cavab
Məlumatların Zərf Analizi (DEA – Data Envelopment Analysis) səmərəliliyin ölçülməsi üçün istifadə olunan bir üsuldur. Bu metod qərar qəbuledicinin (DMU – decision-making unit), məsələn, şirkət və ya təşkilatın, öz resurslarından nə dərəcədə effektiv istifadə etdiyini qiymətləndirir. DMU o zaman səmərəli hesab olunur ki,
- ya verilmiş resurslar ilə mümkün olan maksimum nəticəni əldə etsin,
- ya da müəyyən nəticəni istehsal etmək üçün minimum resursdan istifadə etsin.
DEA səmərəliliyin ölçülməsi üçün istifadə olunan əsas yanaşmalardan biridir və Stoxastik Sərhəd Təhlili (SFA – Stochastic Frontier Analysis) ilə birlikdə tətbiq olunur. Lakin SFA-dan fərqli olaraq, DEA konkret riyazi funksiyanın əvvəlcədən müəyyən edilməsini tələb etmir və adətən tək nəticə ilə məhdudlaşmır. DEA qeyri-parametrik üsul olduğu üçün daha çevikdir və bir neçə fərqli nəticəni eyni vaxtda qiymətləndirə bilir.
Parametrik olmayan metod, metodun giriş və çıxış arasındakı əlaqəni təsvir etmək üçün müəyyən bir riyazi funksiya qəbul etməməsi deməkdir.
DEA-nın iki əsas modeli var: CCR və BCC modelləri. CCR modeli sabit miqyas gəliri (CRS – constant returns to scale) fərziyyəsinə əsaslanır. Bu o deməkdir ki, resurslar müəyyən faiz artdıqda, nəticə də eyni faizlə artır. Bu model üzrə hesablanan göstərici ümumi texniki səmərəliliyi (OTE – overall technical efficiency) göstərir və həm idarəetmə, həm də miqyas təsirini əhatə edir.
BCC modeli isə dəyişən miqyas gəliri (VRS – variable returns to scale) fərziyyəsini qəbul edir. Bu halda artan, azalan və ya sabit miqyas gəliri mümkün ola bilər. VRS əsasında hesablanan göstərici xalis texniki səmərəliliyi (PTE) göstərir və miqyas təsirini çıxaraq yalnız idarəetmə səmərəliliyini ölçür.
CCR və BCC modellərinin nəticələrini müqayisə etməklə səmərəsizliyin səbəbinin idarəetmədən, yoxsa uyğun olmayan miqyasdan qaynaqlandığını müəyyən etmək mümkündür. DEA müxtəlif sahələrdə resurs bölgüsü və əməliyyat səmərəliliyini qiymətləndirmək üçün geniş istifadə olunur.
Kənd Təsərrüfatında
Data Envelopment Analysis (DEA) kənd təsərrüfatında səmərəliliyin qiymətləndirilməsi üçün geniş istifadə olunur. Bu sahədə DMU kimi ayrı-ayrı fermer təsərrüfatları, aqrar şirkətlər və ya regionlar götürülə bilər. Məsələn, bir neçə xiyar/pomidor istehsal edən fermeri müqayisə etdiyimizi düşünək. Resurslara torpaq sahəsi, əmək qüvvəsi, gübrə, toxum və suvarma xərcləri daxil edilə bilər. Nəticə isə əldə olunan məhsul miqdarı (məsələn, tonla xiyar/pomidor) olur.
DEA bu fermerlərin nisbi səmərəliliyini ölçərək müəyyən edir ki, hansı fermer eyni miqdarda resursla daha çox məhsul istehsal edir və ya eyni məhsulu daha az resursla əldə edir. Əgər bir fermer səmərəsizdirsə, DEA nəticələri göstərə bilər ki, bu səmərəsizlik idarəetmə problemlərindən qaynaqlanır (məsələn, resurslardan düzgün istifadə olunmaması) yoxsa təsərrüfatın optimal miqyasda fəaliyyət göstərməməsindən irəli gəlir.
Məsələn, əgər CCR modeli ilə ölçülən ümumi texniki səmərəlilik (OTE) aşağı, lakin BCC modeli ilə ölçülən xalis texniki səmərəlilik (PTE) yüksəkdirsə, bu o deməkdir ki, fermer yaxşı idarə edir, amma təsərrüfatın miqyası uyğun deyil. Bu halda fermer ya istehsal miqyasını artırmalı, ya da azaltmalıdır. Beləliklə, DEA kənd təsərrüfatında resurs bölgüsünü yaxşılaşdırmaq və məhsuldarlığı artırmaq üçün praktik qərarvermə aləti rolunu oynayır.
İstinadlar
Bloqlardan tez xəbardar olmaq üçün qoşula bilərsiniz!
