دانلود رایگان ترجمه مقاله اندازه گیری تراکم در آنالیز غیر پارامتری تحت تکنولوژی با حذف پذیری ضعیف – الزویر 2015

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده
1-مقدمه
2- مقدمات
3- رویکرد پیشنهادی
4- مثال های گویا
4-1 مثال عددی
4-2 مثال تجربی
5-نتیجه گیری

بخشی از ترجمه فارسی مقاله:

1-مقدمه
مفهوم تراکم که اولین بار توسط فیر و سونسون(1989) معرفی شد، یک پدیده گسترده می باشد که در آن مقدار مازاد و بیش از حد ورودی منجر به کاهش خروجی می شود. متعاقبا، این مفهوم توسط فیر و همکاران(1985) و کوپر و همکاران(1996، 2000) در زمینه تحلیل پوششی داده ها(DEA) بسط و توسعه یافت. از آن زمان به بعد، مسئله تراکم در چارچوب تحلیل پوششی داده ها توجه ویژه ای را به خود جلب کرده است و چندین رویکرد برای شناسایی تراکم پیشنهاد شده اند( براکت و همکاران 1998، آر و گراسکوپف2000، کوپر و همکاران 2001 الف، چرچی و همکاران 2001، تون و ساهو 2004، سویوشی و سکیتانی 2009، کائو 2010، خوینی و همکاران 2003).
فیر و همکاران(1985) یک رویکرد مدل شعاعی را ارایه کردند که در این رویکرد تراکم به صورت تفاوت بین فناوری ها تحت ورودی های با قابلیت حذف ضعیف و قوی اندازه گیری شد.کوپر و همکاران (1996) یک رویکرد جمعی را پیشنهاد کردند که در آن اثر تراکم به صورت اختلاف بین مقادیر مشاهده شده و مقادیر مورد انتظار اندازه گیری می شود.کوپر و همکاران(2001 الف) اقدام به مقایسه رویکرد های فوق کرده و اظهار کردند که رویکرد ارایه شده توسط فیر و همکاران(1985) قادر به شناسایی تراکم در برخی شرایط نیست. در رابطه با موضوع تراکم به برخی مباحثات مراجعه کنید(فیر و گراسکوپف 2000، کوپر و همکاران 2001 ب، چرچی 2001).
به علاوه، تون و ساهو(2004) یک ارتباط نظری را بین تراکم و بازده نسبت به مقیاس(RTS) ارایه کردند. به علاوه، رویکرد آن ها قادر به تشخیص وضعیت تراکم قوی و ضعیف است. با این حال، تون و ساهو(2004) به طور ضمنی یک راه حل بهینه منحصر به فرد را در بررسی تراکم مبتنی بر تحلیل پوششی داده ها مطرح کردند. در حضور راه حل های مختلف در اندازه گیری تراکم،پیامد های اقتصادی تراکم بدست آمده با تون و ساهو(2004)، همگی از حیث دیدگاه های نظری و عملی، مسئله آفرین می باشند. برای حل این مسئله، سویوشی و سگیتاری(2009) یک رویکرد تحلیلی را برای مدیریت چندین راه حل پیشنهاد کرده و درجه تراکم گسترده را اندازه گیری کردند.
با این حال، همه رویکرد های قبلی مربوط به تراکم، تنها خروجی های مطلوب را در نظر می گیرند. در فرایند تولید، خروجی های نامطلوب معمولا به طور مشترک با خروجی های مطلوب تولید می شوند. بنابر این، یک چارچوب جدید برای اندازه گیری تراکم بایستی در حضور هم زمان خروجی های مطلوب و نامطلوب توسعه یابد. یک مقاله پیشگام توسط فیر و همکاران(1989)، خروجی های نامطلوب را به صورت قابل حذف به طور ضعیف در نظر گرفته است، به این معنی که کاهش خروجی های خوب منجر به کاهش با نسبت یکسان خروجی های نامطلوب می شود( چانگ و همکاران 1997، وبر و دموازلیکی 2001، فیر و گراسکوپف 2003، 2004، 2009، کوزمانن 2005، کوزمانن و کورتلینن 2005، زو و همکاران 2008، کوزمانن و پودینوسکی 2009، کوزمانن و متین 2011، پیکازو تادو و همکاران 2012). در نظر گرفتن خروجی های نامطلوب در شکل اولیه و اصلی آن ها با فرض قابلیت حذف ضعیف، با قوانین فیزیکی و اصول بدیهی استاندارد تئوری تولید متناسب است( فیر و گراسکوپف 2003، 2004، 2009، ساهو و همکاران 2011). بر اساس فناوری با قابلیت حذف ضعیف، بسیاری از مطالعات تجربی از مدل تابع فاصله ای جهت دار استفاده کرده اند(چانگ و همکاران 1997) که خروجی های مطلوب را توسعه داده و خروجی های نامطلوب و ورودی ها را در امتداد مسیر بردار هادی برای ارزیابی کارایی کاهش می دهد.
در این مقاله، بر اساس تابع فاصله جهت دار، ما یک رویکرد را برای شناسایی وقوع تراکم( قوی و ضعیف) در حضور هم زمان خروجی های مطلوب و نامطلوب توسعه می دهیم. جدا از شرایط سنتی و متعارف که تنها از خروجی های مطلوب استفاده می کنند، پی برده شد که حتی اگر یک واحد تصمیم گیری با تابع فاصله ای جهت دار کارامد باشد، احتمال بروز تراکم حتی با در نظر گرفتن هر دو خروجی های مطلوب و نامطلوب وجود خواهد داشت. از طریق رویکرد پیشنهادی ما، ما اقدام به تمایز بین DMU های متراکم و DMU های واقعا کارامد می کنیم که همگی بر طبق امتیازات محاسبه شده توسط تابع فاصله ای جهت دار محاسبه می شوند.
ادامه این تحقیق به صورت زیر سازمان دهی شده است: در بخش 2، مفاهیم تراکم قوی و ضعیف در حضور خروجی های مطلوب و نامطلوب تعریف می شوند.بخش 3 رویکردی را برای شناسایی وقوع تراکم قوی و ضعیف ارایه می کند. بخش 4 رویکرد پیشنهادی را با سه رویکرد معرف موجود مقایسه کرده و رویکرد پیشنهاد شده را برای تحلیل مجموعه داده های تجربی متشکل از 20 نیروگاه استفاده می کند. بخش 5 شامل نتیجه گیری مقاله است.

بخشی از مقاله انگلیسی:

1. Introduction

The concept of congestion, first introduced by Färe and Svensson (1980), is a widely phenomenon where excessive amounts of the input cause a reduction of the output. Subsequently, it was extended and developed by Färe et al. (1985) and Cooper et al. (1996, 2000) in the context of DEA (data envelopment analysis). Since then, the treatment of congestion within the DEA framework has received considerable attention and several approaches have been proposed to identify congestion (Brockett et al., 1998; äre and Grosskopf, 2000; Cooper et al. ,2001a; Cherchye et al., 2001;Tone and Sahoo, 2004; Sueyoshi and Sekitani 2009; Kao 2010; Khoveyni et al., 2013). Färe et al. (1985) proposed a radial‐model approach in which congestion is measured as the difference between technologies under weak and strong disposability inputs. Cooper et al. (1996) proposed a slack‐based approach, where the congestion effect is measured as the difference between the observed amounts and the expected amounts. Cooper et al. (2001a) compared the above approaches and claimed that the approach by Färe et al. (1985) can fail to identify congestion in some situations. See some debates on the subject of congestion (Färe and Grosskopf, 2000; Cooper et al. ,2001b; Cherchye et al. ,2001). Further, Tone and Sahoo (2004) provided a theoretical linkage between congestion and returns to scale (RTS). Moreover, their approach can detect the strong and weak congestion status. However, Tone and Sahoo (2004) implicitly assume a unique optimal solution in the investigation on DEA‐based congestion. In the presence of multiple solutions in the congestion measurement, the economic implications of congestion obtained by Tone and Sahoo (2004) are all problematic from both theoretical and practical perspectives. To deal with the issue, Sueyoshi and Sekitani (2009) proposed an analytical approach to handle an occurrence of multiple solutions and measure the degree of wide congestion. However, all the previous approaches on congestion only consider desirable outputs. In the production process, undesirable outputs are usually jointly produced with desirable outputs. Therefore, a new framework for measuring congestion should be developed in the presence of desirable and undesirable outputs simultaneously. A pioneering paper by Färe et al. (1989) considers undesirable outputs to be weakly disposable, which means that a reduction in the good outputs should result in an equiproportionate reduction of the undesirable outputs (Chung et al. 1997; Weber and Domazlicky 2001; Färe and Grosskopf 2003, 2004, 2009; Kuosmanen 2005; Kuosmanen and Kortelainen,2005; Zhou et al. 2008; Kuosmanen and Podinovski 2009; Kuosmanen and Matin 2011; Picazo‐Tadeo et al. 2012). Treating undesirable outputs in their original forms with the assumption of weak‐disposability is consistent with the physical laws and the standard axioms of production theory (Färe and Grosskopf, 2003, 2004, 2009; Sahoo et al. 2011). Based on the weak disposable technology, many empirical studies utilized the directional distance function model (Chung et al. 1997), which expands the desirable outputs and contracts inputs and undesirable outputs along the direction vector path to assess the efficiency. In this paper, based on the directional distance function, we develop an approach to identify the occurrence of congestion (strong and weak) in the presence of desirable and undesirable outputs simultaneously. Different from the traditional circumstance with desirable outputs only, we find that even if a DMU is efficient by the directional distance function, it maybe evidences congestion when considering both desirable outputs and undesirable outputs. Through our proposed approach, we can discriminate between the congested DMUs and the truly efficient DMUs, which are all efficient according to the scores calculated by the directional distance function. The remaining structure of this research is organized as follows: In Section2, the concepts of strong and weak congestions in the presence of desirable and undesirable outputs are defined. Section 3 proposes an approach to identify the occurrence of strong and weak congestions. Section 4 compares the proposed approach with the existing three representative approaches and applies the proposed approach to analyze an empirical dataset consisting of 20 power plants. Section 5 concludes the paper.