ارزیابی کارایی فنی نخلستان های خرما با استفاده از رهیافت تحلیل پوششی داده های بوت استرپ (مطالعه موردی منطقه رودخانه بر ایران)

Subject Areas : Farm Management

غلامرضا زمانیان ¹ , مصطفی خواجه حسنی ²

1 - استادیار دانشکده مدیریت و اقتصاد دانشگاه سیستان و بلوچستان، زاهدان، ایران
2 - دانشجوی دکتری اقتصاد کشاورزی دانشگاه سیستان و بلوچستان، زاهدان، ایران

Received: 2015-08-26 Accepted : 2015-10-08 Published : 2016-12-01

Keywords: تحلیل پوششی داده ها, کارایی فنی, استان هرمزگان, بوتاسترپ, خرمای کریته, رودخانه بر,

Abstract :

منطقه رودخانه­بر با حدود 111 هزار اصله نخل کریته، یکی از مهم­ترین مناطق تولیدکننده محصول خرما در شهرستان رودان محسوب شده و درآمد مردم این منطقه تقریباً بطور مستقیم و یا غیر مستقیم از تولید این محصول تأمین می­گردد. در نتیجه کارایی تولید این محصول برای باغداران این منطقه از اهمیت ویژه­ای برخوردار است. به همین دلیل این مطالعه با استفاده از تحلیل پوششی داده­های نهاده محور بوت‌استرپ و با نمونه گیری از 50 نخلستان تولیدکننده خرمای کریته منطقه رودخانه­بر در سال 1392، به ارزیابی کارایی فنی نخلستان­های این منطقه می­پردازد. نتایج بدست آمده بیانگر آن است که 64 درصد تولیدکنندگان خرمای این منطقه با کارایی کمتر از 50 درصد فعالیت نموده و تنها 14 درصد از نخلستان­ها به صورت کارآمد فعالیت می­نمایند. با توجه به نتایج بدست آمده پیشنهاد می­شود با حمایت جهاد کشاورزی منطقه از فعالیت­های ترویجی، مراکزی جهت تشکیل کلاس­های آموزشی برای باغداران این منطقه دایر شود؛ تا در این مراکز علاوه بر آموزش، فرصتی برای اشتراک گذاری تجربیات باغداران موفق و خبره در جهت تخصیص مناسب­تر نهاده­ها در فعالیت­های سایر باغدارن بوجود آید. 

References:

Bahadori, Alireza, Hosseini Nahad, Saeed, & Habibinia, Ghasem. (2013). Use of Bootstrap simulation process for estimating non parametric efficient frontier “Investigating problems existing in the process provided in Saeed Ebadi’s paper. Research in Operation And Its Applications, 37(2), 113-135.

Balcombe, Kelvin, Fraser, Iain, Latruffe, Laure, Rahman, Mizanur, & Smith, Laurence. (2008). An application of the DEA double bootstrap to examine sources of efficiency in Bangladesh rice farming. Applied Economics, 40(15), 1919-1925.

Barlett, James E, Kotrlik, Joe W., & Higgins, Chadwick C. (2001). Organizational research: Determining appropriate sample size in survey research. Information Technology, Learning, and Performance Journal, 19(1), 43-50.

Brümmer, Bernhard. (2001). Estimating confidence intervals for technical efficiency: the case of private farms in Slovenia. European review of agricultural economics, 28(3), 285-306.

Cooper, William W, Seiford, Lawrence M, & Tone, Kaoru. (2006). Introduction to data envelopment analysis and its uses: with DEA-solver software and references: Springer Science & Business Media.

Dong, Fengxia, & Featherstone, Allen M. (2006). Technical and scale efficiencies for chinese rural credit cooperatives: a bootstrapping approach in data envelopment analysis. Journal of Chinese Economic and Business Studies, 4(1), 57-75.

Ebadi, Saeed. (2011). A method for ranking efficiency scores using Bootstrap. Research in operation and its applications, 29(2), 29-44.

Efron, Bradley, & Tibshirani, Robert J. (1993). An Introduction to the Bootstrap, Monographs on Statistics and Applied Probability, Vol. 57. New York and London: Chapman and Hall/CRC, 321-335.

FAO, STAT. (2012). FAOSTAT-Statistical Database, 2012.

Färe, Rolf, & Grosskopf, Shawna. (2006). New directions: efficiency and productivity (Vol. 3): Springer Science & Business Media.

Farrell, Michael James. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society. Series A (General), 120(3), 253-290.

Gocht, Alexander, & Balcombe, Kelvin. (2006). Ranking efficiency units in DEA using bootstrapping an applied analysis for Slovenian farm data. Agricultural Economics, 35(2), 223-229.

Lothgren, M. (1998). How to bootstrap DEA estimators: a Monte Carlo comparison. WP in Economics and Finance(223).

Lothgren, Mickael, & Tambour, Magnus. (1999). Testing scale efficiency in DEA models: a bootstrapping approach. Applied Economics, 31(10), 1231-1237.

Löthgren, Mickael, & Tambour, Magnus. (1996). Scale Efficiency and Scale Elasticity in DEA-models: A Bootstrapping Approach: Economic Research Inst.

Odeck, James. (2009). Statistical precision of DEA and Malmquist indices: a bootstrap application to Norwegian grain producers. Omega, 37(5), 1007-1017.

Schmidt, Shelton S. (2008). The measurement of productive efficiency and productivity growth:Oxford: Oxford University Press.

Shephard, RW. (1970). The theory of cost and production functions, Princeton. New Jersey: Princeton Univ. Press (1st edition, 1953).

Silverman, Bernard W. (1986). Density estimation for statistics and data analysis (Vol. 26): CRC press.

Simar, Leopold. (1996). Aspects of statistical analysis in DEA-type frontier models. Journal of Productivity Analysis, 7(2-3), 177-185.

Simar, Leopold, & Wilson, Paul W. (1998). Sensitivity analysis of efficiency scores: How to bootstrap in nonparametric frontier models. Management science, 44(1), 49-61.

Simar, Leopold, & Wilson, Paul W. (2000). A general methodology for bootstrapping in non-parametric frontier models. Journal of applied statistics, 27(6), 779-802.