بیشترین مقیاس بهره وری شاخص بازده سرمایه در گردش در مقایسه با تحقق تقاضا

محورهای موضوعی : آمار

مهناز احد زاده نمین ¹ (گروه ریاضی، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران)
الهه خمسه ² (Assistant professorگروه ریاضی، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران)

تاریخ دریافت : 1397/09/14 تاریخ پذیرش : 1398/04/23 تاریخ انتشار : 1399/02/01

کلید واژه: بازده سرمایه در گردش, بیشترین مقیاس بهره وری, تحقق تقاضا, اندازه مقیاس اقتصادی,

چکیده مقاله :

شاخص هایی که در علم اقتصاد برای محاسبه مقیاس بهره وری بکار می روند همواره مثبت نیستند، لذا نیاز است مدل های موجود جهت محاسبه مقیاس بهره وری برای شاخص خروجی نیمه منفی و نیمه مثبت توسعه یابند. با این حال، شرکت هایی که کمبود ظرفیت دارند، نیاز به دستیابی به اندازه مقیاس اقتصادی و تقاضای تحقق آن به طور همزمان را در حضور شاخص خروجی منفی دارند، به خصوص زمانی که تقاضای شرکت ها متغیر است اما همیشه میزان تقاضای مشتری برابر با میزان خروجی نیست، میزان تقاضا ممکن است کمتر از ماکزیمم سطح خروجی بیشترین مقیاس بهره وری (MPSS)، بین بیشترین سطح خروجی MPSS و ماکزیمم سطح خروجی ها ویا بزرگتر از ماکزیمم سطح خروجی ها باشد. وقتی شاخص خروجی مورد ارزیابی شاخص بازده سرمایه در گردش است از آنجایی که این شاخص می تواند مقادیر منفی را داشته باشند. یکی از سوال های مطرح این است که با استفاده از چه مدل هایی می توان بیشترین مقیاس بهره وری شاخص بازده سرمایه در گردش را در مقایسه با تحقق تقاضایافت؟ در این مقاله قصد داریم متناسب با هر سه سناریو عنوان شده سطح تقاضا، بیشترین مقیاس بهره وری شاخص بازده سرمایه در گردش را در مقایسه با تقاضای محقق شده برای 24 شرکت فعال بیمه در سال 1396 بیابیم. در واقع، توسعه ای ازمقاله لی (2016) برای شاخص خروجی نیمه مثبت و منفی ارائه خواهیم نمود و در انتها روی 24 شرکت بیمه فعال در سال 1396 پیاده خواهیم نمود.

چکیده انگلیسی:

The indicators used in economics to calculate the productivity scale are not always positive, therefore, existing models need to be developed to calculate the productivity scale for the semi-negative and semi-positive output index. However, companies with a lack of capacity need to achieve economies of scale and demand for realization simultaneously in the presence of a negative outflow index, especially when demand of companies varies, but always the amount of customer demand is equal to the amount Output, the demand level may be less than the maximum output level of the most productivity scale (MPSS), between the highest output level of the MPSS and the maximum output level, or greater than the maximum output level. When the output indicator is evaluated, the return on capital is in circulation, since this index can have negative values. One of the questions is, what models can be used to maximize the efficiency of the ROI in comparison with the realization of the demand? In this paper, we intend to find, in the three scenarios, the demand level, the highest productivity efficiency indicator of the return on capital employed in comparison with the demand for 24 active insurance companies in 1396. In fact, we will provide a development of Lee's (2016) paper for the positive and negative outflow index, and eventually we will launch on 24 active insurance companies in 1396.

منابع و مأخذ:

1] جها نشاهلو ، حسین زاده لطفی و نیکومرام (١٣٨٧). تحلیل پوششی داده ها و کاربردهای آن، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران.

 [2] Abel, A. B., &Eberly, J. C. (1996). Optimal investment with costly reversibility. Review of Economic Studies, 63, 581–593.

 [3] Banker, R. D. (1984) Estimating most productive scale size using data envelopment analysis. European Journal of Operational Research, 17(1), 35–44.

 [4] Banker, R. D., Cooper, W. W., Seiford, L. M., Thrall, R. M., & Zhu, J. (2004). Returns to scale in different DEA models. European Journal of Operational Research, 154,345–362.

 [5] Chambers, R. G., Chung, Y., &Färe, R. (1996). Benefit and distance functions. Journal of Economic Theory, 70 (2), 407–419.

 [6] Coelli, T. J., PrasadaRao, D. S., O’Donnell, C. J., &Battese, G. E. (2005). An Introduction to Efficiency and Productivity Analysis. 2nd ed., New York: Springer.

 [7] Emrouznejad, A., Anouze, A.L. & Thanassoulis.E.(2010). A semi-oriented radial measure for measuring the efficiency of decision-making units with negative data, using DEA. European Journal of Operational Research 206 ,265–268.

 [8] Fukuyama, H. (2003). Scale characterizations in a DEA directional technology distance function framework. European Journal of Operational Research, 144 (1), 108–127.

 [9] Khodabakhshi, M. (2009). Estimating most productive scale size with stochastic data in data envelopment analysis. Economic Modelling, 26 (5), 968–973.

 [10] Lee, C.-Y., & Johnson, A. L. (2013). Operational Efficiency.Edited in: Badiru, A. B., Handbook of Industrial and Systems Engineering, 2nd edition, 17–44, CRC Press.

[11] Lee, C-Y. (2016). Most Productive Scale Size versus Demand FulÞllment: A Solution to the Capacity Dilemma, European Journal of Operational Research, Vol. 248, No. 3, pp. 954-962.

 [12] Nahmias, S. 2009. Production and Operations Analysis.6th edition, McGraw-Hill/Irwin.

 [13] Zhu, J. (2000). Setting scale efficient targets in DEA via returns to scale estimation method. Journal of the Operational Research Society, 51, 376–378.