Baixe o app para aproveitar ainda mais
Prévia do material em texto
DATA ENVELOPMENT ANALYSIS – DEA ¨ Em 1978, CHARNES, COOPER E RHODES(CCR) construíram um modelo de programação matemática para avaliação empírica da eficiência relativa de unidades tomadoras de decisão(DMUs) com base nas quantidades observadas de insumos e produtos para um grupo similar de DMUs operando, globalmente, sob retornos constantes à escala. ¨ Nominaram esta abordagem como Data Envelopment Analysis (DEA) ¨ Banker (1980) e Banker, Charnes e Cooper (1984) (BCC) proveram um link formal entre DEA e a estimação de fronteiras de produção eficiente extendendo o modelo de retornos constantes a escala para retornos variáveis a escala. Data Envelopment Analysis - DEA 2 ¨ CHARNES, A.; COOPER, W.W. ; RHODES, E. Measuring the efficiency of decision making units. European Journal of Operational Research, 2, 429-444, 1978. ¨ BANKER, R. D., CHARNES, R.F.; COOPER, W.W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis, Management Science vol. 30, pp. 1078–1092, 1984. 3 Data Envelopment Analysis - DEA ¨ Data Envelopment Analysis – DEA é uma metodologia que envolve programação matemática(linear) na avaliação da eficiência relativa de unidades tomadoras de decisão (DMU’s) ¨ Permite a utilização de múltiplos insumos e múltiplos produtos gerando um escore de eficiência único para cada DMU. ¨ A abordagem DEA para medição de eficiência produz importantes insights gerenciais: ¤ Escore de eficiência relativa; ¤ Para cada unidade ineficiente fornece a informação sobre o grau de quanto cada input deverá ser reduzido sem reduzir a produção de qq dos produtos, mantendo o mix de inputs ratios aproximadamente igual(i.e., the basic technological recipe) , para que a mesma alcance a eficiência. 4 Vantagens de DEA ¨ Trabalha com múltiplos produtos e múltiplos insumos para os quais não se tem como alocar preços; ¨ Fornece uma medida da eficiência global de cada unidade analisada; ¨ Identifica a melhor prática (Benchmarking); ¨ Identifica a pior prática; ¨ Fixa metas; ¨ Permite trabalhar com I e O em diferentes unidades de medida; 5 ¨ Diferente das abordagens econometricas existentes DEA não requer muitas informações sobre a tecnologia de produção, ou uma exógena especificação da forma paramétrica da função de produção. ¨ Foca, primeiramente, nos aspectos empíricos observados pelas unidades analisadas não sendo dependente de estimativas de preços de insumo e produtos. ¨ Esta caraterística tem aberto várias possibilidades interessantes para aplicações deste modelo, orientado empiricamente, na avaliação da eficiência de DMUs. 6 Produtividade ¨ Produtividade de um sistema de produção é definida como uma relação entre o que foi produzido e os insumos utilizados para tal, em um certo intervalo de tempo(Moreira, 1991) Insumo Produto Fatores de produção Produtividade ¨ Índices parciais: ¤ Faturamento/m2 ¤ Faturamento/no. de empregados ¤ Faturamento/no. de check-outs ¤ no.de caixas(pallest) embarcadas/total de homens- hora ¤ no.de caixas(pallest) embarcadas com erros/N.de caixas(pallest) embarcadas Representam aspectos isolados do comportamento do sistema de produção Qual a mais produtiva? Loja A B C D E F G H No. de empregados 2 3 3 4 5 5 6 8 Vendas 1 3 2 3 4 2 3 5 Loja A B C D E F G H No. de empregados 2 3 3 4 5 5 6 8 Vendas 1 3 2 3 4 2 3 5 Vendas/ Empregado 0,5 1 0,667 0,75 0,8 0,4 0,5 0,625 Maior razão Menor razão Fronteira Eficiente – 1I e 1P Fronteira e Análise de Regressão Função de Produção ¨ É uma representação matemática da transformação de insumos(fatores de produção) em produtos. ¨ A função de produção permite analisar a produtividade de um conjunto de empresas de um determinado setor e expressa a relação do que foi produzido(y1,y2,...,ym) e os insumos utilizados em um certo intervalo de tempo (x1,x2,...,xn). Função de Produção mão de obra, instalações, equipamentos Insumos Produtos físicos ou serviços Produtos ¨ Dificuldades: ¤ Ajustar uma função matemática que possa representar adequadamente o processo de transformação de um determinado setor da economia; ¤ Permite considerar, em geral, uma única variável como output. Função de produção define a fronteira de máxima produtividade Função de Produção Y X Função de Produção A B P Y* X* Função de Produção ¨ Método paramétrico ¨ Normalmente utilizada a função Cobb-Douglas com expoentes ajustados por meio de regressão múltipla dcb xxxy 321 = Função de Produção de Operadores Logísticos (Novaes, 2001) ¨ Output F: faturamento anual da empresa, em milhões de reais; ¨ Inputs: ¤ T: tempo de atuação no mercado, em anos; ¤ NF: no. de funcionários; ¤ AR: área total de armazenamento(milhares de m2); ¤ NV: no. total de veículos; ¤ NE: no total de equipamentos de movimentação interna; ¤ NS: no. total de serviços oferecidos; ¤ NT: no. total de recursos tecnológicos oferecidos. NTNSNENVARNFT bbbbbbbaF 7654321= Variável Coeficiente Valor Coef. t student Intercepto a 0,586 0,561 T b1 0,284 2,883 NF b2 0,496 6,852 AR b3 0,341 6,226 NV b4 -0,192 -0,338 NE b5 0,234 3,153 NS B6 -0,078 -0,338 NT B7 -0,145 -1,153 Coeficiente de determinação 0,949 - NEARNFTF 205,0343,0483,0255,0263,0= Variável Coeficiente Valor Coef. t student Intercepto a 0,263 3.068 T b1 0,255 2,726 NF b2 0,483 6,812 AR b3 0,343 6,449 NE b5 0,205 3,341 Coeficiente de determinação 0,947 - Exemplo: ¨ Operador logístico ¤ Faturamento (milhões de reais) = 40,0 ¤ Tempo de atividade(anos) = 5 ¤ No. de funcionários = 120 ¤ Área total de armazenagem (1000 m2) = 180 ¤ Número total de equipamentos de movimentação interna: 38 Aplicando a função de produção o faturamento deve ser de $50,1 milhões. Empresa 20% abaixo à ineficiente E se tivermos múltiplos insumos e múltiplos produtos? w1* y1 + w2 * y2 + ... + ws*ys P = v1 * x1 + v2 * y2 + ... + vm* xm onde: wi = peso atribuído ao produto j vi = peso atribuído ao insumo i yj = valor observado do produto j xi = valor observado do insumo i Eficiência ¨ A eficiência é medida comparando-se as produtividades de cada empresa com a máxima produtividade observada. ¨ Seja P1,P2, ..., Pn as produtividades de n empresas ¨ Seja P* a máxima produtividade observada P PE E * =ϕ 1 ... ... 2211 2211 ≤ +++ +++ = xvxvxv yuyuyu mm nn Eϕ Voltando ao exemplo anterior: Loja A B C D E F G H No. de empregados 2 3 3 4 5 5 6 8 Vendas 1 3 2 3 4 2 3 5 Vendas/ Empregado 0,5 1 0,667 0,75 0,8 0,4 0,5 0,625 Eficiência relativa B mpregado/ H_)G,F,E,D,C,A,i(i empregado/ eVendas Vendas Efi = = Eficiência Caso 1 Insumo e 1 Produto Loja A B C D E F G H Eficiência 0,5 1 0,667 0,75 0,8 0,4 0,5 0,625 2 Insumos e 1 Produto Loja A B C D E F G H I Empregados x1 4 7 8 4 2 5 6 5,5 6 Área x2 3 3 1 2 4 2 4 2,5 2,5 Vendas y 1 1 1 1 1 1 1 1 1 Eficiência de A = d(O,P)/d(O,A) = 0,8571 1 Insumo e 2 Produtos Loja A B C D E F G Empregados x 1 1 1 1 1 1 1 Clientes y1 1 2 3 4 4 5 6 Vendas y2 5 7 4 3 6 5 2 Eficiência de D = d(0,P)/d(O,D) = 1,33 Y1/I(D) = 1,33* (4) = 5,33 Y2/I(D)= 1,33*(3) = 4 Eficiência de A = d(0,A)/d(O,A) = 1,5 Y1/I(A) = 1,5* (1) = 1,5 Y2/I(A)= 1,5*(5) = 7 2 Insumos e 2 Produtos Hospital A B C D E F G H I J K L Médicos 20 19 25 27 22 55 33 31 30 50 53 38 Enferm. 151 131 160 168 158 255 235 206 244 268 306 284 PacExt 100 150 160 180 94 230 220 152 190 250 260 250 PacInter 90 50 55 72 66 90 88 80 100 100 147 120 Produtividade Total dos Fatores w1* y1 + w2 * y2 + ... + ws*ys P = v1 * x1 + v2 * y2 + ... + vm* xm onde: wi = peso atribuído ao produto jvi = peso atribuído ao insumo i yj = valor observado do produto j xi = valor observado do insumo i Pesos Fixos ¨ v1 (peso médicos):v2(peso enferm.) = 5:1 ¨ W1(peso pac-ext):w2(peso pac-int) = 1:3 Hospital A B C D E F G H I J K L Pesos Fixos 1 0,9 0,77 0,89 0,74 0,64 0,82 0,74 0,84 0,72 0,83 0,87 CCR 1 1 0,88 1 0,76 0,84 0,90 0,8 0,96 0,87 0,96 0,96 Pressupostos de DEA ¨ Todos os pares de inputs-output observados são combinações viáveis ¨ O conjunto de possibilidades de produção é convexo, ou seja, se dois pares (xA, yA) e (xB,yB) são conjuntos viáveis então a combinação convexa entre eles(xc,yc) é também viável. Entende-se aqui por combinação convexa um média ponderada tal como: ¨ (xc , yc) = λxA+(1-λ)xB e yc=λyA+(1-λ)yB ¨ tal que 0<=λ<=1 39 ¨ free disposability of inputs, ou seja, se (x0,y0) é viável então qualquer par (x,y0) tal que x>=x0 é também viável; ¨ free disposability of outputs,ou seja, se (x0,y0) é viável então qualquer par (x0,y) tal que y<=y0 é também viável; 40 41 CHARNES, A.; COOPER, W.W. ; RHODES, E. Measuring the efficiency of decision making units. European Journal of Operational Research, 2, 429-444, 1978. 42 max ru r=1 s ∑ r0y iv i=1 m ∑ i0x subject to ru r=1 s ∑ rjy iv i=1 m ∑ ijx ≤1, j =1,...,n ru , iv ≥ 0 ¨ Notação: ¨ j à associado à DMU j (j=1,…, n) ¨ xij à quantidade consumida do recurso/insumo i(i=1,…,m) pela DMU j ¨ yrj à quantidade produzida do produto r(r=1,…,s) pela DMU j ¨ DMU0 = DMU sob analise que consome xi0 quantidades do recurso i para produzir yr0 quantidades do produto r. ¨ Peso da DMU j na composição da DMU virtual jλ = 43 44 y x Fronteira CRS/CCR ANM DEA Charnes, Cooper e Rhodes, 1978 Retornos constantes à escala 45 max ru r=1 s ∑ r0y subject to ru r=1 s ∑ rjy − iv i=1 m ∑ ijx ≤ 0, j =1,...,n iv i=1 m ∑ ijx =1 ru , iv ≥ 0 Min θ subject to jλ j=1 n ∑ ijx ≤θ i0x , i =1, 2,...,m jλ j=1 n ∑ rjy ≥ i0y , r =1, 2,..., s jλ ≥ 0, ∀j MODELO DOS MULTIPLICADORES ORIENTADO A INSUMO MODELO DO ENVELOPAMENTO ORIENTADO A INSUMO DEA CCR - Retornos constantes à escala 46 MODELO DOS MULTIPLICADORES ORIENTADO À EXPANSÃO DE PRODUTOS MODELO DO ENVELOPAMENTO ORIENTADO À EXPANSÃO DE PRODUTOS http://www.jstor.org/pss/2631725 min iv i=1 m ∑ i0x subject to iv i=1 m ∑ ijx − ru r=1 s ∑ rjy ≥ 0, j =1,...,n ru r=1 s ∑ r0y =1 ru , iv ≥ 0 Max φ subject to jλ j=1 n ∑ ijx ≤ i0x , i =1, 2,...,m jλ j=1 n ∑ rjy ≥ i0φy , r =1, 2,..., s jλ ≥ 0, ∀j ¨ Modelo orientado insumo: verifica se a DMU pode reduzir sua utilização de recursos(insumos) enquanto mantém a produção no mesmo nível ¤ Se Ɵ*=1, então o nível atual de recursos não pode ser reduzido(proporcionalmente) indicando que a DMU está sob a fronteira; Ɵ*<1 à DMU ineficiente ¨ Modelo orientado produto: verifica se a DMU pode aumentar as quantidades produzidas de produto mantendo a utilização de recursos (insumos) constante. ¤ Se ø*=1, então o nível atual de produtos não pode ser aumentado(proporcionalmente) indicando que a DMU está sob a fronteira; ø >1, DMU ineficiente 47 ¨ DMU0 é eficiente(100%) se e somente se satisfizer as seguintes condições: ¨ DMU0 é fracamente eficiente se e somente se * θ =1(φ =1) e todas as folgas i −*s = r+*s = 0 * θ =1(φ =1) e i −*s ≠ 0 e/ou r+*s ≠ 0 48 Cálculo das metas 49 META ORIENTADO INSUMO xˆi0 =θ *xi0 − si− * = jλ ijx j=1 n ∑ , i =1,2,...,m yˆr0 = yi0 + sr+ * = jλ ijy j=1 n ∑ , r =1,2,…, s # $ % % % & % % % META ORIENTADO PRODUTO xˆi0 = xi0 − si− * = jλ ijx j=1 n ∑ , i =1,2,...,m yˆr0 = φyi0 + sr+ * = jλ ijy j=1 n ∑ , r =1, 2,…, s # $ % % % & % % % Pressupostos de DEA ¨ As unidades (DMU´s) são homogêneas Utilizam os mesmos insumos na produção dos mesmos produtos APRESENTAM A MESMA TECNOLOGIA 50 MB/MA- eficiência técnica MN/MA – eficiência técnica e de escala MN/MB – eficiência de escala A – é ineficiente na escala e tecnicamente B – é eficiente tecnicamente e possui ineficiencia de escala N – é eficiente tecnica e na escala DEA Banker, Charnes e Cooper, 1984 Retornos variáveis à escala 52 Min θ subject to jλ j=1 n ∑ ijx ≤θ i0x , i =1, 2,...,m jλ j=1 n ∑ rjy ≥ i0y , r =1, 2,..., s jλ j=1 n ∑ =1 jλ ≥ 0, ∀j MODELO DOS MULTIPLICADORES ORIENTADO À REDUÇÃO DE INSUMO MODELO DO ENVELOPAMENTO ORIENTADO À REDUÇÃO DE INSUMO http://www.jstor.org/pss/2631725 max ru r=1 s ∑ r0y + 0u subject to ru r=1 s ∑ rjy − iv i=1 m ∑ ijx + 0u ≤ 0, j =1,...,n iv i=1 m ∑ i0x =1 ru , iv ≥ 0 ru livre em sinal Exemplo (Tutorial DEA) Modelo do Envelopamento Orientado Insumo j,0 s;1,2,...,r , m;1,2,...,i ,θ a sujeito yyλ xxλ r0 n 1j rj i0 n 1j ij j j ∀≥ =≥ =≤ ∑ ∑ = = λ θ j Min Modelo do Envelopamento ¨ Busca um conjunto de pesos que faça com que uma combinação convexa(DMU virtual) das DMUs existentes tenha um desempenho melhor que o da DMU sob análise. Importância do Lambda λ = 0, a DMU correspondente não é benchmark para a DMU em análise > 0, a DMU correspondente é benchmark para a DMU em análise Quanto maior for o lambda maior a importância da DMU correspondente como referência para a DMU ineficiente Porque Modelo do Envelopamento? ¨ O esforço computacional é menor pois, em DEA, temos, frequentemente um número menor de restrições ¤ (insumos + produtos < no. de dmus) ¨ Neste modelo as folgas são encontradas ¨ A interpretação do modelo é de mais fácil entendimento. DEA CCR – DUAL 0,,,, 28452 352363 40124 :a sujeito Min >= >=++++ <=++++ <=++++ λλλλλ λλλλλ λλλλλ λλλλλ θ θ θ EDCBA EDCBA EDCBA EDCBA Modelos com Multiplicadores Restritos Profa. Ana Lucia M. Lopes 64 INCORPORATING VALUE JUDGMENTS IN EFFICIENCY ANALYSIS BANKER, R., MOREY, R. Research in Governmental and Nonprofit AccounJng, vol. 5, pages 245-‐267, 1989. ¨ “DEA is useful for evalua/ng rela/ve efficiency of not-‐for-‐profit or governmental organiza/ons because it evaluates technical efficiency of Decision Making nits(DMUs) without requiring a priori knowledge of input or outputs values. Instead, DEA endogenously generates weights represen/ng a feasible rela/ve system which provides the highest possible efficiency ra/ng for the DMU being evaluated. These endogenous weights, however, may not be consistent with a realis/c ordering of the rela/ve input or output values.” ¨ “The DEA approach is appealing in that it focuses on physical measures of inputs and output a while taking into account differences in their mixes, as well as in the opera/ng environments faced by each DMU. It does not require esJmates of input or output values.” ¨ ...”Thus, in general, different sets of weights are determined for different DMUs. These weights represent the relaJve value system that provides the highest possible ra/ng for a par/cular DMU being evaluated, consistent with the no/on that the resul/ng value system must be feasible for all the other DMUs. ¨ “... Hence a DMU manager, aLer being rated as innefficient by DEA, has no grounds for arguing that s/he was not informedof top management´s priori/es regarding the rela/ve importance of the various outputs to the organiza/on, or the rela/ve costs of the various inputs. But a disadvantage is that the weights developed may not be consistent with a known ordering of the rela/ve values of outputs or prices of inputs”. ¨ “Intensive care pa/ent day in a hospital is more difficult to serve than a nonintensive care pa/ent day”. 1. Restrições diretas aos pesos (Thanassoulis, 1988 e Roll, 1991) onde: Ili = limite inferior do multiplicador vi (insumos) Sii = limite superior do multiplicador vi (insumos) IOi = limite inferior do multiplicador ui (produtos) SOi = limite superior do multiplicador ui (produtos) Profa. Ana Lucia M. Lopes 68 iii iii SOuIO SIvII ≤≤ ≤≤ Modelos com Multiplicadores Restritos 2. Métodos de Regiões de Segurança – Assurance Region Method (Thompson et al, 1990) – Modelos que impõem restrições na magnitude relativa dos pesos Na equaçao acima uma unidade do produto 1 é ao menos K vezes mas menos do que ~K vezes mais importante do que uma unidade de produto 2. Situação similar se mantém para o lado dos insumos aonde a equaçao acima reflete os limites nos preços relativos dos insumos. Profa. Ana Lucia M. Lopes 69 ~ 21 ~ 21 / / LL KK vv uu ≤≤ ≤≤ INCORPORATING VALUE JUDGMENTS IN EFFICIENCY ANALYSIS BANKER, R., MOREY, R. Research in Governmental and Nonprofit AccounJng, vol. 5, pages 245-‐267, 1989. ¨ US Army Recru/ng Command – 56 recrui/ng baValions for a recent quarter ¨ Inputs: tamanho da população(F), tamanho da população elegível(17-‐21 anos Fixo), numero médio de recrutas a/vos durante o quadrimestre, gastos com propaganda impactando no período, quan/a gasta com bonus de alistamento, numero total de premio concedidos(incen/vos para “quality” recruits) ¨ Outputs: Exemplo Cook, Zhu Profa. Ana Lucia M. Lopes 75 Profa. Ana Lucia M. Lopes 76 Profa. Ana Lucia M. Lopes 77 .52.0,52.0 1 2 1 2 ≤≤≤≤ u u v v Profa. Ana Lucia M. Lopes 78 Profa. Ana Lucia M. Lopes 79 A PROCEDURE FOR RANKING EFFICIENT UNITS IN DATA ENVELOPMENT ANALYSIS Andersen, P., Petersen, N.C. Management Science. 39, pp 1261-‐1264, 1993. ¨ Quando a DMU sob avaliação não é incluída no conjunto de referência do modelo de envelopamento tem-‐se os modelos DEA de super-‐ eficiência. Resultado: Ranking das unidades eficientes Profa. Ana Lucia M. Lopes 80 Profa. Ana Lucia M. Lopes 81 Table 9.1 Super-‐ef0iciency DEA Models Frontier Type Input-‐Oriented Output-‐Oriented CRS VRS NIRS NDRS .00 ;,,2,1 ;,,2,1 min 0 0 1 0 sup 0 1 sup ≠≥ =≥ =≤ ∑ ∑ ≠ = ≠ = j sryy mixx tosubject j r n j j rjj i er n j j ijj er λ λ θλ θ … … .00 ;,,2,1 ;,,2,1 max 0 sup 0 1 0 0 1 sup ≠≥ =≥ =≤ ∑ ∑ ≠ = ≠ = j sryy mixx tosubject j r er n j j rjj i n j j ijj er λ φλ λ φ … … 1 1 1 0 0 0 ≥ ≤ = ∑ ∑ ∑ ≠ ≠ ≠ j j j j j j Add Add Add λ λ λ ¨ Desvantagem do modelo: ¤ Inviabilidade em alguns casos Profa. Ana Lucia M. Lopes 82 Mudança de Produtividade Profa. Ana Lucia M. Lopes 83 Technological Progress and Produci/vyt Growth Profa. Ana Lucia M. Lopes ¨ Índice de Malmquist de Produ/vidade Total dos Fatores ¤ Avalia a mudança de produ/vidade de uma DMU entre 2 períodos de tempo. ¤ Introduzido na literatura por Caves, Christensen e Diewert(1982)1 foi extendido por Fare e Grosskopf em 1992 permi/ndo o uso de múl/plos produtos e múl/plos insumos por meio de DEA. ¨ 1. Caves, Christensen e Diewert(1982). The Economic Theory of Index Numbers and the Measurement of Input, Output and Produc/vity. Econometrica 50:6 (Novembro), 1393-‐1414. ¨ 2. Fare, r., Grosskpf, S. (1992) Malmquist Indexes and Fisher Ideal Indexes. The Economic Journal 102:410 (janeiro) Profa. Ana Lucia M. Lopes 85 Mudança de produ/vidade de uma DMU é dada por: ¨ mudança na eficiência rela/va (catch-‐up) – reflete o grau no qual uma DMU melhora ou piora sua eficiência – e ¨ mudança tecnológica(fron/er-‐shiL) – reflete a mudança na fronteira de eficiência (inovação). Índice de Malmquist colocar grafico pg 329 -‐ Cooper Profa. Ana Lucia M. Lopes 87 Evolução na eficiência rela/va ¨ Catch-‐ up = eficiência de (xo,yo)2 medido contra a fronteira do período 2/ eficiência de (xo,yo)1 medido contra a fronteira do período 1 ¨ Catch-‐up=(BD/BQ)/(AC/AP) ¨ Catch-‐up>1 – melhora na eficiência rela/va ¨ Catch-‐up = 1 –eficiência rela/va não muda ¨ Catch-‐up<1 – piora na eficiência rela/va Efeito da Mudança de fronteira ¨ Mudança de fronteira – evolução tecnológica = Profa. Ana Lucia M. Lopes 89 φ = 1φ 2φ 1φ = AC AE = AC / AP AE / AP = eficiência de 1( 0,x 0y )wrt front per 1 eficiência de 1( 0,x 0y )wrt front per 2 2φ = BF / BQ BD / BQ = eficiência de 2( 0,x 0y ) wrt front per 1 eficiência de 2( 0,x 0y ) wrt front per 2 φ = AC AE BF BD então : φ >1−− > progresso na fronteira tecnológica φ =1−− > não houve avanço na fronteira tecnológica φ <1−− > regresso na fronteira tecnológica Índice de Malmquist(MI) ¨ MI=catch-‐up*mudança de fronteira = Profa. Ana Lucia M. Lopes 90 AP BQ BF AC BD AE ou C = 2 δ ( 2( ox , 0y ) ) 1 δ ( 1( ox , 0y ) ) F = 1/2 [ 1δ ( 1( ox , 0y ) ) 2δ ( 1( ox , 0y ) ) * 1δ ( 2( ox , 0y ) ) 2δ ( 2( ox , 0y ) ) ] MI = 1/2 [ 1δ ( 2( ox , 0y ) ) 1δ ( 1( ox , 0y ) ) * 2δ ( 2( ox , 0y ) ) 2δ ( 1( ox , 0y ) ) ] onde : MI >1 indica progresso na produtividade total dos fatores MI=1, TFP mantem-se constante MI<1, deterioração do TFP Profa. Ana Lucia M. Lopes 91 ( ) nj yy xx tosubject yx j t n j t jj t n j t jj ttt ,,1,0 min, 0 1 00 1 0000 …=≥ ≥ ≤ = ∑ ∑ = = λ λ θλ θθ ( ) nj yy xx tosubject yx j t n j t jj t n j t jj ttt ,,1,0 min, 1 0 1 1 1 00 1 1 0 1 0 1 0 1 0 …=≥ ≥ ≤ = + = + + = + +++ ∑ ∑ λ λ θλ θθ Profa. Ana Lucia M. Lopes 92 ( ) nj yy tosubject yx j t n j t jj ttt ,,1,0 min, 1 0 1 0 1 0 1 00 …=≥ ≥ = + = ++ ∑ λ λ θθ ( ) nj yy xx tosubject yx j t n j t jj t n j t jj ttt o ,,1,0 min, 0 1 1 00 1 1 000 1 …=≥ ≥ ≤ = ∑ ∑ = + = + + λ λ θλ θθ Mudança de eficiência de escala ¨ (Ray e Desli, 1997) Malmquist indice em CRS ambiente = Profa. Ana Lucia M. Lopes 93 CMI = catch−up(V )* frontier − shift(V )* scale eficiency change VCMI =MI * 1/2 [ 1σ 2( 0,x 0y ) 1σ 1( 0,x 0y ) 2σ 2( 0,x 0y ) 2σ 1( 0,x 0y ) ] ¨ Grafico pag. 338 e equaçoes Profa. Ana Lucia M. Lopes 94Profa. Ana Lucia M. Lopes 95 where )),(( )),(()( 1 00 1 2 00 2 yx yxVupCatch V V δ δ =− 2 1 2 00 2 2 00 1 1 00 2 1 00 1 )),(( )),(( )),(( )),(()( ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ×=− yx yx yx yxVshiftFrontier V V V V δ δ δ δ and 2 1 1 00 2 2 00 2 1 00 1 2 00 1 ),( ),( ),( ),( ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ×= yx yx yx yxChangeEfficiencyScale σ σ σ σ Productivity Change, Technical Progress, and Relative Efficiency Change in Public Accounting Industry BANKER, R., CHANG, H., NATAJARAN, R. Management Science. Vol. 51, No. 2, frebruary 2005, pp. 291-304 ¨ Exemplo: Public Accoun/ng Industry ¨ “our major research objec/ve is to analyse the extend to which produc/vity change can be explained by a shiL in the public accoun/ng industry’s produc/on technology(i.e. technical change) and a change in the efficiency of CPA firms rela/ve to their peers(i.e., rela/ve efficiency change)”. Profa. Ana Lucia M. Lopes 96 ¨ “This decomposi/on helps us assess whether produc/vity change in the public accoun/ng industry was due to a drama/c improvement in the performance of a selected firms or to an industrywide improvement in produc/ve efficiency”. ¨ “using revenue and human resource data available for the 1995-‐1999 period, for a sample of 64 of the top 100 public accoun/ng firms in the US, we analyse both the shiL in the produc/on func/on and the cross-‐sec/onal distribu/on of firm produc/vity”. Our results indicate that the average produc/vity of CPA firms improved by 9,5% from 1995 to 1999. The best prac/ce produc/on fron/er for the public accoun/ng industry shiLed upward on average by 12% during this period, but many firms in the industry did not benefit as much from the technical progress, as indicated by a decline of 2,5% in the average rela/ve efficiency”. Profa. Ana Lucia M. Lopes 97 Technological progress and producJvity growth in the U.S. mobile telecomunicaJons industry BANKER, R., CAO, Z., MENON, N. Ann Oper Res (2010) 173:77-‐87 ¨ “… the fast growing U.S. mobile wireless industry has been experiencing drama/c technological change and substan/al compe//on. As a result of these catalysts we argue that wireless firms have experienced significant produc/vity improvement and provide new evidence that technological progress almost exclusively contributed to produc/vity improvements in wireless industry by significantly expanding the produc/on possibili/es set”…”our findings show that the industry experienced a significant growth of 13% in produc/vity, which was primarily due to an average technological progress of 9,9% in the industry.” Profa. Ana Lucia M. Lopes 98 Modelos DEA para Casos Especiais Variáveis não-controladas (non-discretionary) ¨ Nos modelos DEA anteriores assumimos que todas as variáveis podem ser controladas pelo decisor e, portanto, mudadas na mesma proporção. ¨ Mas e: clima; quantidade de tráfico em uma rodovia; renda média da cidade; beta de um ativo? ¨ Variáveis não controladas são aquelas em que os decisor não tem controle sobre (non-discretionary). ¨ Existem situações em que: ¤ somente um subconjunto de insumos deve ser contraído na mesma proporção, mantendo os demais insumos e produtos constantes; ¤ somente um sub-conjunto de produtos é expandido na mesma proporção mantendo os demais produtos e insumos constantes. Representação Gráfica Modelo Matemático – Orientação insumo C NC Modelo Matemático 2 estágios C NC C NC Projeção na fronteira eficiente C NC Representação gráfica Modelo Matemático – Orientação Produto C NC CCR Orientação Produto NC C C NC NC NC C C Exemplo pg. 220 - Cooper, Seiford, Tone, 2007 ¨ Até agora foi assumido que todos os dados são não-negativos Dados Negativos LUCROS NEGATIVOS? RETORNOS NEGATIVOS? PROPRIEDADE DE INVARIÂNCIA à TRANSLAÇÃO - VRS Dados Negativos Fronteira VRS permanece se xij e yij são mudados pelos novos valores VRS orientado produto – translação nos insumos VRS orientado insumo – translação nos produtos Ambos os dados negativos? Aditivo Observações ¨ Como a fronteira é formada por DMUs com teta = 1, a mesma não muda; ¨ Escores de eficiência podem mudar quando temos translação nos insumos e produtos. ¨ IMPORTANTE: ¤ VRS orientado à insumo é invariante à translação nos produtos; ¤ VRS orientado à produto é invariante à translação nos insumos; Fatores Indesejáveis ¨ Insumo e produtos indesejáveis podem estar presentes. ¤ No. de peças defeituosas ¤ Emissão de poluentes ¨ Em modelos DEA produtos devem ser aumentados e insumos reduzidos para alcançar a fronteira eficiente Como tratar fatores indesejáveis? 1) Tratando os produtos indesejáveis como insumo – objetivo é reduzir os mesmos; 2) Transformação monotônica decrescente à produto indesejável = 1/produto indesejável ¨ Como tratar fatores indesejáveis? ¨ Transformação monotônica linear decrescente à (Seiford, L.M.; Zhu, J. 2002) ¨ 1º. Multiplicar cada produto indesejável por -1 ¨ 2º. Encontrar um valor apropriado para realizar a translação transformando os valores negativos em positivos Fatores Indesejáveis – Modelo Matemático (VRS orientado produto) 3,19)1*7,1(21 0 folga e 1,7h 12120 20 : ^ 0 =−= == =+−= = − y y y b r b rj b rj se Exemplo ¨ O mesmo se aplica aos insumos indesejáveis ¨ Ver pg. 150 - Zhu Modelos Baseados em Folgas e Modelos não Radiais Modelo Aditivo - (Charnes, Cooper, Seiford, Stutz, 1982 Modelo Aditivo Modelo Aditivo Modelo Aditivo ¨ Utiliza a mesma fronteira do modelo BCC ¨ Considera o excesso de insumo e folga de produto simultaneamente no alcance da fronteira de eficiência. ¨ Dada s solução ótima – (λ*, s-* ,s+*) ¤ Definição: DMU0 é eficiente no modelo ADD se e somente se s-* e s+*=0 ¨ Modelo não tem orientação Alcance da Fronteira syy sxx * 0 ^ * 0 ^ 0 0 + − += −= Modelo Aditivo Onde os ws se referem aos pesos p produtos e insumos Modelo Radial MODELO RADIAL Ɵ são diferentes Modelo Não Radial PS (Preference Structure) ¨ Os pesos que refletem o grau de importância dos ajustes desejados podem ser: ¤ Ai(i=1,2,...,m) ¤ Br (r=1,2,...,s) Modelos com Multiplicadores Restritos 1. Restrições diretas aos pesos (Thanassoulis, 1988 e Roll, 1991) onde: Ili = limite inferior do multiplicador vi (insumos) Sii = limite superior do multiplicador vi (insumos) IOi = limite inferior do multiplicador ui (produtos) SOi = limite superior do multiplicador ui (produtos) Modelos com Multiplicadores Restritos 2. Métodos de Regiões de Segurança – Assurance Region Method (Thompson et al, 1990) – Modelos que impõem restrições na magnitude relativa dos pesos Cone Ratio sr mi r r r r i i i i u u v v ,...,1, ,...,1, 1 1 =≤≤ =≤≤ + + γδ βα sr sr mi mi sr mi uu uu vv vv uuu vvv rrrrrr iii iii rrrrr iiiii ,...,1, ,...,1, ,...,1, ,...,1, ,...,1, ,...,1, 1 1 1 1 11 11 =≤ =≤ =≤ =≤ =≤≤ =≤≤ + + + + ++ ++ γ δ β α γδ βα Exemplo Modelo DEA de Super-eficiência ¨ Quando a DMU sob avaliação não é incluída no conjunto de referência do modelo de envelopamento tem-se os modelos DEA de super- eficiência. Resultado: Ranking das unidades eficientes ¨ Desvantagem do modelo: ¤ Inviabilidade em alguns casos
Compartilhar