کاربست تحلیل پوششی داده فازی در ارزیابی کارایی تولید گندم مطالعه موردی: شهرستان تربت حیدریه
محورهای موضوعی : فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزیفاطمه دادمند 1 , زهرا ناجی عظیمی 2
1 - دانشجوی دکتری مدیریت گرایش تحقیق در عملیات دانشگاه فردوسی مشهد.
2 - دانشیار گروه مدیریت دانشگاه فردوسی مشهد.
کلید واژه: تحلیل پوششی داده فازی, مدل FSBM, مدل FCCR,
چکیده مقاله :
استفاده روز افزون از منابع و کاهش منابع در دسترس، باعث اهمیت یافتن بحث مصرف بهینه شده است. از سوی دیگر، شاخص کارایی تولید بیانگر نحوه استفاده از منابع است. لذا، در این مقاله کارایی کشاورزان درتولید محصول استراتژیک گندم با استفاده از تحلیل پوششی دادههای فازی در حوزه شهرستان تربت حیدریه مورد بررسی قرار گرفته است. دادههای فازی مورد استفاده از نوع مثلثی بوده که به وسیله ابزار پرسشنامه از 31 کشاورز گردآوری شده است. برای تجزیه و تحلیل ابتدا ضرایب همبستگی فازی محاسبه و آزمون ایزوتونیسیتی اجرا شده و سپس کارایی کشاورزان با مدلهای FCCR و FSBM محاسبه و در نهایت، امتیازهای کارایی بدست آمده با استفاده از شاخص Chen-Klein رتبه بندی شده است. نتایج مطالعه بیانگر کارآمد بودن هر دو مدل تحلیل پوششی داده فازی برای بررسی کارایی کشاورزان میباشد. با استفاده از مدل FSBM کارایی 6% از کشاورزان بین 7/0 تا 8/0 و 42 % بین 6/0 تا 7/0 و 39% بین 5/0 تا 6/0 و 13% نیز بین 4/0 تا 5/0 بوده است و با استفاده از مدل FCCR کارایی 9% از کشاورزان بین 8/0 تا 9/0 و 45% از آنها بین 7/0 تا 8/0 ، 25% از آنان بین 6/0 تا 7/0و 9% آنان بین 5/0 تا 6/0و 12% نیز بین 4/0 تا 5/0 بوده است. با توجه به اینکه مدلهای تحلیل پوششی مورد استفاده در این پژوهش از نوع ورودی محور بودند و در این مدلها برای بهبود کارایی باید ورودیها کاهش داده شود تا کارایی واحد مورد بررسی افزایش یابد و از سوی دیگر با توجه به اینکه مقدار معادل انرژی مصرفی ورودی به ترتیب از زیاد به کم شامل بذر (26728)، کود (13078)، سوخت ماشین آلات (10868)، آب (10506)، ماشین آلات (1467)، سم (1173) و نیروی کار (413) میباشد، لذا، کاهش در مقدار بذر مصرفی، کارایی کشاورزان را ارتقا می دهد. همچنین، کاهش در کودهای صنعتی و استفاده از کودهای طبیعی نیز می تواند کارایی را افزایش دهد. افزون بر این، استفاده از ماشین آلات مدرن میتواند منجر به کاهش مقدار سوخت ماشین آلات و افزایش کارایی گردد. همچنین، روشهای مدرن آبیاری میتواند تا حد زیادی از مقدار آب مصرفی کشاورزان کاسته و راهکار مناسبی برای ارتقای کارایی کشاورزان مورد بررسی بشمار رود. طبقه بندی JEL: C67, C61, C60
The increased consumption and the depletion of resources is a key factor for concerning the issue of sustainable consumption. On the other hand, optimal consumption will help to increase production efficiency, profitability and competitiveness. Efficiency index demonstrates how we use our resource. So this article integrates fuzzy set theory in the data envelopment analysis (DEA) to calculate efficiency scores when input and output data are fuzzy. FCCR and FSBM models used for calculate efficiency of farmers. 0.6 to 0.7, 39% between 0.5-0.6, 13% in 0.4-0.5 and the rest were greater than 0.7 efficient and by model FCCRI using the same index 7% of farmers had greater efficiency from 0.8 and 45% of their performance were between 0.7 to 0.8, and 25% in 0.6-0.7, 9% in 0.5-0.6 and 12% in 0.4-0.5. So by using these models no farmers have perfect efficiency.
- اوحدی، ن. اکبری، ا. و شهرکی، ج.1394. کاربرد تحلیل پوششی داده ها برای تعیین کارایی پسته کاران شهرستان سیرجان. پژوهشات اقتصاد و توسعه کشاورزی ایران 46(1)، 60-51.
- عبدشاهی، ع. تاکی، م. گلابی م. ر. و حداد، م. 1392. بررسی کارایی انرژی محصول گندم به روش تحلیل پوششی داده ها مطالعه موردی دشت مهیار شهرستان شهرضا . اقتصاد و کشاورزی 7(4)، 74-57.
- عجب شیرچی اسکویی، ی. تاکی، م. عبدی، ر. قبادی فر، ا. و رنجبر، ا. 1390. بررسی کارایی انرژی مصرفی در کشت گندم دیم توسط تکنیک تحلیل پوششی داده ها (DEA) مطالعه موردی: دشت سیلاخور. ماشین های کشاورزی 1 (2)، 132-122.
- کاظمی، م. نیکخواه فرخانی، ز. 1388. کاربست تحلیل پوششی داده ها در اندازه گیری و تحلیل کارایی نسبی شهرستانهای استان خراسان رضوی در کشت گندم دیم. نشریه اقتصاد و توسعه کشاورزی(علوم و صنایع کشاورزی) 23(2)، 94-87.
- کریمی، ف. پیراسته، ح. زاهدی کیوان، م.1387. تعیین کارایی زراعت گندم با توجه به دو عامل زمان و ریسک با استفاده از تحلیل پوششی داده های بازه ای و تحلیل پوششی داده های پنجره ای. اقتصاد کشاورزی و توسعه16(64)، 159-139.
- مردانی، م. سرگزی، ع. و صبوحی صابونی، م. 1392. بررسی کارایی مزارع گندم سیستان با استفاده از تلفیق مدل بهینه سازی با پارامترهای کنترل کننده میزان محافظه کاری و تحلیل پوششی داده ها .(RDEA) اقتصاد و توسعه کشاورزی )علوم و صنایع کشاورزی) 27(3)، 187-180.
Refrences
- Aigner, D., Lovell, K. & Schmidt, P. (1997). Formulation and estimation of stochastic frontier models. Journal of Econometrics 6, no. 1: PP. 21-37.
- Alemdar, T.,& Ören, N. (2014). Determinants of technical of wheat farming in southeastern Anatolia Turkey: a nonparamtric technical efficiency analysis. Journal of applied science 6: PP.827-830.
- Bellman, R., & Zadeh, L. ( 1970). Decision-making in a fuzzy environment. Management Science 17 : PP. 141–164.
- Bray, S., Caggiania,L., & Ottoman, M. (2015). Measuring transport systems efficiency under uncertainty by fuzzy sets theory based Data Envelopment Analysis: theoretical and practical comparison with traditional DEA model. Transportation Research Procedia 5: PP. 186 – 200.
- Charnes, A., Cooper, W.W. & Rhodes, E. (1978). Measuring the Efficiency of Decision Making Units. European Journal of Operational Research 2, no. 6: PP. 429-444.
- Chen, C.B, & Klein, C.M. (1997). A simple approach to ranking a group of aggregated fuzzy utilites. IEEE transations on systems, man and cybernetics cybernetics 27: PP.26-35.
- Coelli, T., Rao, D.S.P.& Battese, G. E. (1998). An Introduction to Efficiency and Productivity Analysis. Kluwer Academic Publishers.
- Gołaszewski, J., Van Der Voort, M. Meyer-aurich, A. Silva, L.L. Balafoutis, A. & Mikkola, H. (2014).Case studies and comparative analysis of energy efficiency in wheat production in different climatic conditions. International conference of agricultural engineering. Zurich, 6-10 July. http://www.geyseco.es/ageng2014/eposter/?seccion=index_posters&tipo=oral
- Guo, P. , & Tanaka, H. (2001). Fuzzy DEA: a perceptual evaluation method. Fuzzy Sets and Systems 119: PP.149-160.
- Hadi-Vencheha, A., & Kazemi, M. (2011). An application of IDEA to wheat farming efficiency. Agricultural Economics 42:PP. 487–493.
- Han, Y. , Geng, Z. Zhu, Q. & Qu, Y. (2015). Energy efficiency analysis method based on fuzzy DEA cross-model for ethylene production systems in chemical industry. Energy 83:PP. 685-695.
- Hosseinzadeh-Bandbafha, H., Safarzadeh, D. & Ahmadi, E. (2016). Optimization of energy consumption of dairy farms using data envelopment analysis – A case study: Qazvin city of Iran. Journal of the Saudi Society of Agricultural Sciences. http://dx.doi.org/10.1016/j.jssas. 2016.04.006, 2016.
- Kao, C., & Liu, ST. (2000). Data Envelopment Analysis with Missing Data: An Application to University Libraries in Taiwan. JORS 51, no. 8: PP. 897-905.
- Khoshnevisan, B., Rafiee, SH. & Omi, M. (2013). Applying data envelopment analysis approach to improve energy efficiency and reduce GHG (greenhouse gas) emission of wheat production. Energy 58: PP.588-593.
- Khoshnevisan, B. , Rafiee, SH. , Omid, M., Mousazadeh, H., Shamshirband, SH., & Hafizah Ab Hamid, S. (2015). Developing a fuzzy clustering model fo rbetter energy use in farm management systems. Renewable and Sustainable Energy Reviews 48: PP.27–34.
- Lertworasirikul, S., Fang, S.C., Joines, J., & Nuttle, H. (2003).Fuzzy data envelopment analysis (DEA): a possibility approach." Fuzzy Sets and Systems 139: PP.379-394.
- Mardani , M. , & Salarpour, M. (2015).Measuring technical efficiency of potato production in Iran using robust data envelopment analysis. INFORMATION PROCESSING IN AGRICULTURE 2: PP.6–14.
- Masuda, K. (2016). Measuring eco-efficiency of wheat production in Japan: a combined application of life cycle assessment and data envelopment analysis. Journal of Cleaner Production 126: PP.373-381.
- Mobtaker, HG., Keyhani, A., Mohammadi , A., Rafiee , S., & Akram, A. (2010). Sensitivity analysis of energy inputs for barley production. Agric Ecosyst Environ 137: PP. 367-372.
- Mugera, A. W. (2012). Measuring technical efficiency of dairy farms with imprecise data: a fuzzy data envelopment analysis approach. Australian Journal of Agricultural and Resource Economics 57: PP. 501–519.
- Nabavi-Pelesaraei , A., Hosseinzadeh, H., Qasemi-Kordkheili , P., Kouchaki-Penchah, H., & Riahi-Dorcheh, F. (2016). Applying optimization techniques to improve of energy efficiency and GHG (greenhouse gas) emissions of wheat production. Energy 103: PP. 672-678.
- Nabavi-Pelesaraei, A., Abdi, R., Rafiee, SH., & Bagheri, I. (2014). Determination of efficient and inefficient units for watermelon production-a case study: Guilan province of Iran. Journal of the Saudi Society of Agricultural Sciences http://dx.doi.org/10.1016/j.jssas. 2014.11.001, 2014.
- Puri , J., and Prasad Yadav, SH. (2013). A concept of fuzzy input mix-efficiency in fuzzy DEA and its application in banking sector. Expert Systems with Applications 40: PP. 1437–1450.
- Saati, H., Mohtadi, S., Memariani, S., and Jahanshahloo, G. (2002). Efficiency Analysis and Ranking of DMUs with Fuzzy Data. Fuzzy Optimization and Decision Making 1: PP. 255-267.
- Tone, K. (2001). A slacks-based measure of efficiency in data envelopment analysis. European Journal of Operational Research 130: PP. 498–509.
- Zadeh, L.A. (1965). Fuzzy sets. Information and Control 8: PP. 338–353.
_||_