کارایی تحلیل پوششی دادههای بوتاسترپ و رهیافت ناپارامتریک شعاعی و غیرشعاعی: شواهدی از صنعت بانکی
محورهای موضوعی : اقتصاد مالیمحمدرضا پهله 1 , مهدی فتح آبادی 2 * , پروانه سلاطین 3
1 - دانشجوی دکتری اقتصاد، گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران؛ mohamadreza.pahle@gmail.com
2 - استادیار، گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران (نویسنده مسئول)، mehdi_fa88@yahoo.com
3 - استادیار، گروه اقتصاد، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران، par_salatin@yahoo.com
کلید واژه: کارایی, بوتاسترپ, تحلیل پوششی دادهها, بانک,
چکیده مقاله :
ههدف این مقاله ارزیابی کارایی 15 بانک بورسی در دوره 1401-1393 است. بدین منظور، از روش تحلیل کارایی ناپارامتریک شعاعی(کارایی دبرو-فارل) و غیرشعاعی(کارایی راسل) تحت فناوریهای بازدهی ثابت، بازدهی غیرفزاینده و بازدهی متغیر استفاده میشود. افزون بر این، به¬دلیل برخی محدودیتها در روشهای شعاعی، کارایی فنی تصحیحشده تورش با استفاده از تحلیل پوششی دادههای بوتاسترپ نیز برآورد شد. یافتههای تحلیل شعاعی نشان میدهد بجز بانک خاورمیانه، سایر بانکهای بورسی ناکارا بودهاند. متوسط کارایی دبرو-فارل این 15 بانک تحت فناوری بازدهی ثابت 77 درصد و تحت بازدهی متغیر 82 درصد است؛ در حالی که متوسط کارایی راسل تحت بازدهی ثابت 58 درصد و تحت بازدهی متغیر 67 درصد است. این نتایج حکایت از متغیر کمکی در کارایی دبرو-فارل است. نتایج کارایی بوتاسترپ نیز نشان میدهد نتایج کارایی شعاعی و غیرشعاعی از کمبرآوردی رنج میبرند و در واقع کارایی را بیش از آن چیزی که هست نشان میدهند. نمرات کارایی فنی شعاعی تصحیحشده تورش در رویکرد بوتاسترپ بیان میدارد همه بانکها ناکارا هستند. در این میان، بانکهای دی و سرمایه بدترین وضعیت را داشتهاند. از این رهگذر، اتخاذ رویه مناسب برای پرداخت تسهیلات مانند اعتبارسنجی برای مدیریت مطالبات غیرجاری، افزایش درآمدهای غیربهرهای و کاهش هزینههای عملیاتی برای بهبود کارایی ضروری به¬نظر می-رسد.
This article aims to assess the efficiency of 15 stock market banks over the period 2014-2022. Utilizing non-parametric radial efficiency (Debreu-Farrell efficiency) and non-radial efficiency (Russell efficiency) methods, we analyze constant, non-increasing, and variable return-to-scale technologies. Recognizing limitations within radial methods, bias-corrected technical efficiency is also estimated using bootstrap data envelopment analysis. Radial analysis reveals inefficiency among all banks except for the Middle East bank. The average Debreu-Farrell efficiency stands at 77% under constant return to scale and 82% under variable return to scale, while the average Russell efficiency is 58% and 67% respectively. These results suggest slack in Debreu-Farrell efficiency. Bootstrap efficiency findings reveal underestimation in both radial and non-radial efficiency, thereby overstating actual efficiency levels. Bias-corrected radial technical efficiency scores from the bootstrap approach indicate inefficiency across all banks, with Dey and Sarmaye banks exhibiting particularly poor performance. Thus, adopting appropriate strategies such as non-performing loan management, increased non-interest incomes, and reduced operational costs is imperative to enhance efficiency.
امیری، حسین. (1397). ارزیابی کارایی بانکهای منتخب در ایران و ارتباط آن با متغیرهای درون بانکی و کلان اقتصادی. فصلنامه مطالعات اقتصادی کاربردی ایران، 7(26)، 89-114.
- امیری، حسین (1397). ارزیابی کارایی بانکهای منتخب در ایران و ارتباط آن با متغیرهای درون بانکی و کلان اقتصادی. فصلنامه مطالعات اقتصادی کاربردی ایران، 7(26)، 114-89.DOI: 10.22084/AES.2018.14331.2510 - ترخانی، عطیه، نظری، عظیم، و نیلوفر، پریسا (1399). بررسی عوامل مؤثر بر کارایی صنعت بانکداری ایران (روش دو مرحلهای سیمار و ویلسون). اقتصاد مقداری (بررسیهای اقتصادی)، 17(2)، 41-1. DOI:10.22055/JQE.2019.14838 - تقویفرد، محمدتقی، حبیبی, رضا، و مهدزاده، حجت (1400). سنجش عملکرد بانکها با استفاده از مدل DEA دو مرحلهای(مطالعه موردی شعبه بانک سپه استان تهران). بررسیهای بازرگانی، 19(109)، 114-99. DOI:10.22034/BS.2021.247044 - درویشمتولی، محمدحسین، حسینزاده لطفی، فرهاد، شجاع، نقی، و غلامابری، امیر (1398). محاسبه کارایی زنجیره تامین پایدار در صنعت سیمان (کاربرد مدل تحلیل پوششی دادههای شبکهای). مدلسازی اقتصادی، 13(46)، 100-73. - عرفانیاندانشور، مسعود، شعبانیکلیشمی، احمد، و کوهی، حسن (1398). مقایسه کارایی بانکهای اسلامی و متعارف با استفاده از مدل مرز تصادفی (مطالعه موردی: بانکهای منتخب منطقه منا. فصلنامه مطالعاتی در مدیریت بانکی و بانکداری اسلامی، 5، 167-129. DOI:10.22034/JIFB.2021.244248.1209 - غلامابری، امیر(1392). ارزیابی کارایی شعب سازمان تامین اجتماعی استان اصفهان. مدلسازی اقتصادی، 8(25)، 99-83. - نامداری، روحانگیز، اقبالی، علیرضا، و یوسفی، رضا (1389). ارزیابی کارایی در بانک های دولتی ایران با استفاده از روش DEA. دانش مالی تحلیل اوراق بهادار (مطالعات مالی)، 3(7)، 112-97. - یاریفرد، سمیه، سالم، علیاصغر، محمدی، تیمور، و شاکریحسینآباد، عباس (1402). بررسی رابطهی بین دورهای ریسک، سرمایه و کارایی: ارزیابی از بانکهای ایران. اقتصاد باثبات، 4(2)، 33-1. DOI:10.22111/SEDJ.2023.44668.1301 - Amiri, H. (2018). Evaluation the effectiveness of selected banks in Iran and its relationship with banking internal and macroeconomic variables. Journal of Applied Economics Studies in Iran, 7(26), 89-114. (in persian) doi: 10.22084/aes.2018.14331.2510 - Badunenko, O., Henderson, D. J., & Kumbhakar, S. C. (2012). When, where and how to perform efficiency estimation. Journal of the Royal Statistical Society Series A: Statistics in Society, 175(4), 863-892. https://www.jstor.org/stable/23355306 - Belas, J., Cipovová, E., & Demjan, V. (2014). Current trends in area of satisfaction of bank clients in the Czech republic and Slovakia. Transformations in Business & Economics, 13(3), 142-155. - Corbae, D., & Levine, R. (2019). Competition, stability, and efficiency in the banking industry. Manuscript, University of Wisconsin. https://www. cemfi. es/ftp/pdf/paper s/wshop/CL052, 319. - Darvishmotevalli, M.H., Hosseinzadehlotfi, F., Shojae, N., & Gholamabri, A. (2009). Calculating the efficiency of the sustainable supply chain in the cement industry (using the network data envelopment analysis model). Economic Modeling, 13(46), 73-100. - Debreu, G. (1951). The coefficient of resource utilization. Econometrica: Journal of the Econometric Society, 273-292. https://doi.org/10.2307/1906814. - Erfaniandaneshvar, M., Shaabani Kelishomi, A., & Kouhi, H. (2020). A Comparison of efficiency of islamic and conventional banks using SFA model (A case study: selected banks in the MENA region). Quarterly Studies in Banking Management and Islamic Banking, 5(Autumn & Winter), 129-167. (in persian) doi: 10.22034/jifb.2021.244248.1209 - Färe, R. (1988). Fundamentals of production theory (Vol. 22). Berlin: Springer-Verlag. - Färe, R., & Grosskopf, S. (1985). A nonparametric cost approach to scale efficiency. The Scandinavian Journal of Economics, 594-604. https://doi.org/10.2307/3439974. - Färe, R., Grosskopf, S., & Lovell, C. K. (1994). Production frontiers. Cambridge university press. - Färe, R., & Lovell, C. K. (1978). Measuring the technical efficiency of production. Journal of Economic theory, 19(1), 150-162. https://doi.org/10.1016/0022-0531(78)90060-1 - Färe, R., & Primont, D. (1994). Multi-output production and duality: theory and applications. Springer Science & Business Media. - Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society Series A: Statistics in Society, 120(3), 253-281. https://doi.org/10.2307/2343100 - Gholamabri, A. (2013). Evaluating the efficiency of social security organization branches in Isfahan province. Economic Modeling, 8(25), 83-99. - Hayat, S. (2011). Efficiency analysis of commercial banks in Pakistan–A non-parametric approach. Available at SSRN 1960063. https://dx.doi.org/10.2139/ssrn.1960063 - Koopmans, T. C. (1951). An analysis of production as an efficient combination of activities. Activity analysis of production and allocation. - Kneip, A., Simar, L., & Wilson, P. W. (2008). Asymptotics and consistent bootstraps for DEA estimators in nonparametric frontier models. Econometric Theory, 24(6), 1663-1697. http://dx.doi.org/10.1017/S0266466608080651 - Li Z, Feng C, Tang Y. (2022). Bank efficiency and failure prediction: a nonparametric and dynamic model based on data envelopment analysis. Ann Oper Res. 315(1):279–315. https://doi.org/10.1007/s10479-022-04597-4 - Lovell, C. K. (1993). Production frontiers and productive efficiency. The measurement of productive Efficiency: Techniques and applications, 3, 67. - Namdari, R., Eghbali, A., & Yousefi, R. (2010). Evaluation of efficiency in Iran's state banks using DEA method. Financial Knowledge of Securities Analysis (Financial Studies), 3(7), 97-112. - Othman, F. M., Mohd-Zamil, N. A., Rasid, S. Z. A., Vakilbashi, A., & Mokhber, M. (2016). Data envelopment analysis: A tool of measuring efficiency in banking sector. International Journal of Economics and Financial Issues, 6(3), 911-916. - Qayyum A., & Khan S. (2010). X-Efficiency, scale economies, technological progress, and competition: A case of banking sector in Pakistan. Pakistan Institute of Development Economics, Islamabad, Pakistan, working paper No. 23. https://www.jstor.org/stable/41260648 - Rogova, E., & Blinova, A. (2018). The technical efficiency of Russian retail companies: an empirical analysis. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie, (5 (977)), 171-185. http://dx.doi.org/10.15678/ZNUEK.2018.0977.0511 - Sardar, A., Azeem, M. M., Hassan, S. & Bakhsh, K. (2013). Comparison of efficiency between pure Islamic banks and Islamic bank windows and the role of Islamic banking in the agriculture sector, Pak. J. Agri. Sci., 50(1): 155–161.p - Shaari J. A. N., Khalique M. & Isa, A. H. B. M. (2011). Ranking of public and domestic private sector commercial banks in Pakistan based on the intellectual capital performance. KASBIT Business Journal, 4: 61‐68. https://ssrn.com/abstract=2035216 - Simar, L. & Wilson, P.W. (1998). Sensitivity analysis of efficiency scores: how to bootstrap in nonparametric frontier models. Manage. Sci., 44, 49–61. https://www.jstor.org/stable/2634426 - Simar, L. & Wilson, P.W. (2000). A general methodology for bootstrapping in non-parametric frontier models. J. Appl. Stat., 27, 779–802. https://doi.org/10.1080/02664760050081951 - Simar, L. & Wilson, P.W. (2002). Nonparametric tests of returns to scale. Eur. J. Oper. Res., 139, 115–132. https://doi.org/10.1016/S0377-2217(01)00167-9 - Simar, L. & Wilson, P.W. (2007). Estimation and inference in two-stage, semi-parametric models of productive efficiency. J. Economet., 136, 31–64. https://doi.org/10.1016/j.jeconom.2005.07.009 - Taghavifard, M. T., Habibi, R., & mahdizadeh, H. (2021). Performance measurement of bank branches using 2-stage DEA model (case study of bank Sepah in Tehran). Commercial Surveys, 19(109), 99-114. (in persian) doi: 10.22034/bs.2021.247044 - Tarkhani, A., Nazari, A., & Niloofar, P. (2020). Investigating effective factors on the Efficiency of Iranian banking industry (Simar and Wilson’s two-stage method). Quarterly Journal of Quantitative Economics, 17(2), 1-41. doi: 10.22055/jqe.2019.14838 - Wilson, P.W., (2003). Testing independence in models of productive efficiency. Journal of Productivity Analysis 20, 361–390. https://www.jstor.org/stable/41770137 - Yarifard, S., Salem, A. A., Mohammadi, T., & Shakeri, A. (2023). The inter-temporal relationship between risk, capital and efficiency: Evidences from Iranian Banks. Stable Economy Journal, 4(2), 1-33. (in persian) doi: 10.22111/sedj.2023.44668.1301 - Zhu N., Wu Y., Wang B., & Yu Z. (2019). Risk preference and efficiency in Chinese banking. China Economic Review, 53, 324–341. https://doi.org/10.1016/j.chieco.2018.11.001
Economic Modeling
|
Bootstrap-DEA efficiency: Radial and non-radial approaches in the banking industry
Mohamareza Pahle1, Mehdi Fathabadi2, Parvaneh Salatin3
DOI | |
Abstract This article aims to assess the efficiency of 15 stock market banks over the period 2014-2022. Utilizing non-parametric radial efficiency (Debreu-Farrell efficiency) and non-radial efficiency (Russell efficiency) methods, we analyze constant, non-increasing, and variable return-to-scale technologies. Recognizing limitations within radial methods, bias-corrected technical efficiency is also estimated using bootstrap data envelopment analysis. Radial analysis reveals inefficiency among all banks except for the Middle East bank. The average Debreu-Farrell efficiency stands at 77% under constant return to scale and 82% under variable return to scale, while the average Russell efficiency is 58% and 67% respectively. These results suggest slack in Debreu-Farrell efficiency. Bootstrap efficiency findings reveal underestimation in both radial and non-radial efficiency, thereby overstating actual efficiency levels. Bias-corrected radial technical efficiency scores from the bootstrap approach indicate inefficiency across all banks, with Dey and Sarmaye banks exhibiting particularly poor performance. Thus, adopting appropriate strategies such as non-performing loan management, increased non-interest incomes, and reduced operational costs is imperative to enhance efficiency.
| Received: 25/10/2023
Accepted: 02/03/2024
Keywords: Efficiency, Bootstrap, DEA, Bank.
JEL Classification: G21, C14, C61
|
1. Introduction
Efficiency stands as a cornerstone in the banking sector, where the prudent allocation of limited resources translates into maximum output at minimum cost. With its pivotal role in economic progress, the banking industry continuously seeks methods to gauge and enhance efficiency. Originating from Farrell's seminal work in 1957, the concept of efficiency analysis, as pioneered by Koopmans and Debrow, has evolved significantly. Among the prominent methodologies, Data Envelopment Analysis (DEA) remains a cornerstone. Its non-parametric approach facilitates the assessment of relative efficiency across banks without presupposing specific functional forms. However, to address DEA's limitations, Simar and Wilson proposed a statistical model coupled with bootstrap techniques, offering robustness in assessing technical efficiency measures within non-parametric frontier models.
The application of radial and non-radial efficiency analysis methods, along with bootstrap techniques, in evaluating 15 Iranian banks from 2014 to 2022 underscores the sector's commitment to improving performance. By scrutinizing inputs and outputs, these methods offer insights into the operational dynamics and comparative efficiency levels among banks. The findings derived from such analyses empower policymakers and stakeholders to implement targeted interventions, fostering a more competitive and resilient banking landscape. Ultimately, enhancing efficiency not only bolsters individual bank performance but also catalyzes broader economic growth and stability, underscoring the significance of ongoing efforts to optimize resource allocation and operational practices within the banking sector.
2. Methodology
The methodology section elucidates the nuances involved in addressing uncertainties within the DEA framework for efficiency analysis. Despite its deterministic nature, DEA efficiency scores are contingent upon estimated frontiers rather than absolute benchmarks, leading to inherent variability due to sampling. To mitigate these challenges, Simar and Wilson's bootstrap technique offers a promising avenue for statistical inference, enabling the estimation of biases and confidence intervals around initial efficiency estimates. However, the effectiveness of bootstrap procedures relies on pivotal assumptions, particularly concerning the independence of technical efficiency measures from output combinations in output-oriented models and from input compositions in input-oriented models, which necessitates rigorous testing under the assumption of global technological scale efficiency proposed by Wilson.
Navigating these assumptions is critical for selecting the appropriate bootstrap method—whether smooth homogeneous or heterogeneous—to ensure the validity of statistical inference within the DEA framework. By unpacking the intricacies of the relationship between output combinations and technical efficiency measures, the methodology underscores the importance of robust statistical techniques in gauging and improving efficiency in the banking sector and beyond.
3. Results
The results indicate inefficiencies across most banks, with only the Middle East Bank efficient under variable returns to scale. Radial measures fare better than non-radial ones, suggesting operational improvements. Bias-corrected radial scores show widespread inefficiency, with the Middle East Bank relatively efficient while Dey and Sarmaye banks lag. These findings stress the need for targeted strategies to enhance banking sector efficiency, vital for economic progress.
4. Conclusion
Monetary and financial institutions are pivotal for any country's economic development. In Iran, these institutions encompass commercial, specialized, government, and private banks operating across various sectors like housing, agriculture, industry, and mining. Banks serve as vital cogs in society's economic machinery, capable of spurring growth or inducing stagnation through their decisions and credit policies. Analyzing banks' financial performance entails studying the relationships among financial metrics and their trends over time, offering valuable insights for future planning and adjustment. However, findings reveal inefficiencies plaguing banks, attributed to several factors. A critical issue restraining banks is the prevalence of non-performing loans, stemming from information asymmetry between banks and customers, leading to suboptimal resource allocation and moral hazard. Consequently, this imbalance disrupts the liquidity cycle, compelling banks to seek resources at high costs or resort to forced borrowing from the central bank, thereby reducing net income. Economists highlight the resultant cycle within the banking system, wherein diminished cash income decreases loan disbursements, exacerbating economic recession, which, in turn, amplifies non-performing loans. This interplay underscores the complexities inherent in banking operations and their profound impact on economic stability.
Funding
There is no funding support.
Declaration of Competing Interest
The author declares no conflicts of interest relevant to the content of this article.
Acknowledgments
We appreciate the anonymous reviewers for their valuable comments, which have significantly improved our work.
[1] * PhD student in Economics, Islamic Azad University, Firuzkuh Branch, Firuzkuh, Iran,
mohamadreza.pahle@gmail.com
[2] **Assistant professor at Firuzkuh Branch, Islamc Azad University, Firuzkuh, Iran (Crossponding Authur),
Mehdi_fa88@yahoo.com
[3] + Assistant professor at Firuzkuh Branch, Islamc Azad University, Firuzkuh, Iran, par_salatin@yahoo.com
How to Cite: Pahle, M., Fathabadi, M., Salatin, P. (2024). Bootstrap-DEA efficiency: Radial and non-radial approaches in the banking industry, Economic Modeling, 17 (64), 49-69.
پژوهشی
کارایی تحلیل پوششی دادههای بوتاسترپ و رهیافت ناپارامتریک شعاعی و غیرشعاعی: شواهدی از صنعت بانکی
محمدرضا پهله1، مهدی فتحآبادی2، پروانه سلاطین 3
| |||
تاریخ دریافت: 03/08/1402 تاریخ پذیرش: 12/12/1402
واژگان کلیدی: کارایی، بوتاسترپ، تحلیل پوششی دادهها، بانک. طبقهبندی JEL: C61, C14, G21
| چکیده هدف این مقاله ارزیابی کارایی 15 بانک بورسی در دوره 1401-1393 است. بدین منظور، از روش تحلیل کارایی ناپارامتریک شعاعی(کارایی دبرو-فارل) و غیرشعاعی(کارایی راسل) تحت فناوریهای بازدهی ثابت، بازدهی غیرفزاینده و بازدهی متغیر استفاده میشود. افزون بر این، بهدلیل برخی محدودیتها در روشهای شعاعی، کارایی فنی تصحیحشده تورش با استفاده از تحلیل پوششی دادههای بوتاسترپ نیز برآورد شد. یافتههای تحلیل شعاعی نشان میدهد بجز بانک خاورمیانه، سایر بانکهای بورسی ناکارا بودهاند. متوسط کارایی دبرو-فارل این 15 بانک تحت فناوری بازدهی ثابت 77 درصد و تحت بازدهی متغیر 82 درصد است؛ در حالی که متوسط کارایی راسل تحت بازدهی ثابت 58 درصد و تحت بازدهی متغیر 67 درصد است. این نتایج حکایت از متغیر کمکی در کارایی دبرو-فارل است. نتایج کارایی بوتاسترپ نیز نشان میدهد نتایج کارایی شعاعی و غیرشعاعی از کمبرآوردی رنج میبرند و در واقع کارایی را بیش از آن چیزی که هست نشان میدهند. نمرات کارایی فنی شعاعی تصحیحشده تورش در رویکرد بوتاسترپ بیان میدارد همه بانکها ناکارا هستند. در این میان، بانکهای دی و سرمایه بدترین وضعیت را داشتهاند. از این رهگذر، اتخاذ رویه مناسب برای پرداخت تسهیلات مانند اعتبارسنجی برای مدیریت مطالبات غیرجاری، افزایش درآمدهای غیربهرهای و کاهش هزینههای عملیاتی برای بهبود کارایی ضروری بهنظر میرسد.
|
1. مقدمه
واژه کارایی بهویژه در بخش بانکی بهمعنای بهترین بهکارگیری منابع محدود با حداقل هزینه و حداکثر خروجی است. ارزیابی کارایی به تعیین میزان کارآمدی یک بانک و راهحلهای ممکن برای پر کردن شکاف در این زمینه کمک میکند. بانکهایی که ستانده بیشتری را از مقدار مشخصی از نهادهها کسب میکنند، به عنوان بانکهای کارا شناخته میشوند. کارایی در مؤسسات مالی مستلزم بهبود سودآوری، سرمایهگذاری بیشتر، قیمت بهتر و کیفیت خدمات برای مصرفکنندگان در یک محیط رقابتی است. بهبود کارایی بانک میتواند نقش حیاتی در شکلگیری اقتصاد واقعی داشته و به پیشرفت اقتصادی کمک کند. کل اقتصاد یک کشور ممکن است به دلیل یک سیستم بانکی ضعیف و ناکارآمد در معرض تهدید قرار گیرد(شاری و همکاران4، 2011). اندازهگیری کارایی، مدیران را قادر میسازد تا عملکرد بانک را محک زده و زمینههای ناکارایی را برای بهبودهای آتی بررسی کنند(عثمان و همکاران5، 2016). سیستم رتبهبندی داخلی بانکهای تجاری با استفاده از عملکرد مالی برای حمایت از رقابتپذیری و سودآوری در بلندمدت مهم است (بلاس و همکاران6، 2012). ناکارآمدی نظام بانکی ایران در سالهای اخیر، مشکلات زیادی را برای اقتصاد کشور به همراه داشته است. این ناکارآمدی ناشی از معضلاتی مانند «تعیین دستوری نرخ بهره»، «مطالبات معوق بانکی» و «عدم استقلال بانک مرکزی» است. در این میان قرار گرفتن تحت ریسکهای اعتباری، نرخ ارز، ریسک بازار و غیره، شرایط بهبود عملکرد سیستم بانکی کشور را سخت کرده است. از این منظر، بهنظر میرسد یکی از محورهای کلیدی در اصلاحات اقتصادی مبتنیبر سیاستهای کلی اقتصاد مقاومتی، اصلاح سیستم بانکی خواهد بود.
مفهوم کارایی هسته اصلی اقتصاد تولید است. از نظر مفهومی، محققان با فرض عدم ناکارایی، به رابطه داده - ستانده نگاه میکردند. با اینحال، فرض اینکه همه واحدها همگن هستند، یعنی در سطح یکسانی از کارایی فعالیت میکنند، قابل قبول نیست. فارل7(1957) نخستین بار تحلیل کارایی را براساس مفهوم کارایی معرفی شده توسط کوپمنز8(1951) و دبرو9(1951) ارائه کرد. در ادامه مطالعاتی همچون فار10(1988)؛ فار و همکاران(1994) و فار و پریمونت11(1994) بینشهای زیادی درخصوص اندازهگیری کارایی ناپارامتریک ارائه نمودند. تحلیل پوششی دادهها12(DEA)، یک تکنیک تحلیلی پیشرو برای اندازهگیری کارایی نسبی، بهطور گسترده توسط محققان دانشگاهی و متخصصان در ارزیابی کارایی واحدهای تصمیمگیری از نظر تبدیل نهادهها به ستانده استفاده شده است. دلیل انتخاب این تکنیک توسط محققان به این دلیل است که فرم تابعی پیشینی را تحمیل نمیکند و امکان فناوریهای ستانده متعدد را فراهم میکند. اگرچه روش DEA معمولا قطعی در نظر گرفته میشود، اما کارایی همچنان نسبت به مرز تخمینی و نه مرز واقعی محاسبه میشود. نمرات کارایی بهدستآمده از یک نمونه محدود، منوط به تغییرپذیری نمونهگیری از مرز برآوردی است. سیمار و ویلسون13(1998، 2000، 2002) یک مدل آماری ارائه کرده و در آن فرآیندهای بوتاسترپ سازگار را برای ارائه استنتاج آماری درخصوص معیارهای کارایی فنی در مدلهای مرزی ناپارامتریک پیشنهاد نمودهاند. هدف اصلی این مقاله، برآورد و ارزیابی کارایی بانکهای بورس اوراق بهادار است. بدین منظور از روش تحلیل کارایی شعاعی و غیرشعاعی برای 15 بانک بورسی ایران در دوره 1401-1393 استفاده میشود. برای برآورد کارایی از فناوریهای بازدهی ثابت، غیرفزاینده و متغیر و همچنین روش بوتاسترپ بهره گرفته میشود. ادامه مقاله بهصورت زیر سازماندهی شده است. بخش دوم به مرور ادبیات میپردازد. بخش سوم به روششناسی و دادهها اختصاص دارد. در بخش چهارم نتایج مقاله بیان میشود و درنهایت در بخش پنجم به جمعبندی و بحث پرداخته میشود.
2. مروری بر ادبیات
واژه کارایی گاها مترادف بهرهوری تلقی میشود. لاول14(1993) بهرهوری را بهصورت «نسبت بین ستاندهها و نهادهها» توصیف کرده است. حیات15(2011) بهرهوری را اینگونه تعریف میکند؛ «استفاده حداکثری از منابع موجود به روشی پیشرفته و بهرهورتر». با توجه به این تعاریف میتوان گفت که بنگاههای کارا با کمترین نهاده، بالاترین عملکرد را از خود نشان میدهند. عثمان و همکاران(2016) کارایی را به شکل «ستانده بیشتر بهازای هر واحد نهاده، نشاندهنده کارایی بالاتر است» بیان میکنند. اندازهگیری کارایی تعیین میکند که چگونه یک بنگاه میتواند تولید و سود خود را حداکثر نماید درحالی که هزینه را به حداقل میرساند. کارایی هزینه بهمعنای مقایسه هزینه بانک با بهترین عملکردهای بنگاه برای تولید همان میزان ستانده در شرایط یکسان است. یک بانک در صورتی به لحاظ هزینه کاراست که از نهادههای موجود با کمترین هزینه استفاده کند و حداکثر ستانده را در زمانی کوتاهتر در شرایط یکسان تولید کند. سردار و همکاران16(2013) بیان داشتند کارایی هزینه به حداقل هزینه و حداکثر ستانده با منابع محدود اشاره دارد. کارایی هزینه به دو دسته کارایی تخصیصی و کارایی فنی تقسیم میشود.
مفهوم کارایی فنی که نخستین بار توسط کوپمنز(1951) معرفی شد به حداکثر تولید ستانده با زمان و منابع محدود اشاره دارد و معمولا برای ارزیابی سازمانها استفاده میشود. کارایی فنی زمانی مفید است که چندین نهاده و ستانده در نظر گرفته شود. کارایی فنی نیز ارتباط تنگاتنگی با تلاشهای مدیریتی دارد. براساس نظریه تولید، کارایی فنی ارزیابی بردار منابع (نهادهها) بهکار رفته برای دستیابی به بردار ستاندههاست. روگوا و بلینوا17(2018) ادعا کردند کارایی فنی بیانگر میزان خوبی کیفیت تصمیمات مدیریتی است. عثمان و همکاران(2016) بیان کردند کارایی فنی کارایی جهانی نیز شناخته میشود. آنها باور دارند کارایی فنی توانایی بانکها برای تولید ستاندههای واقعی با نهادهها یا منابع کمتر را اندازهگیری میکند که نشاندهنده کارایی بالاتر است.
کارایی تخصیصی بیانگر استفاده از بهترین سطح نهاده است. از این منظر، لی و همکاران18(2022) باور دارند تغییر کارایی تخصیصی بیشتر زمانی مهم میشود که شرایط حکمرانی تغییر کنند. در حالی که. عثمان و همکاران(2016) ادعا کردند که کارایی تخصیصی، ترکیب بهینه نهادهها را برای افزایش کارایی و تولید یا خدمات اندازهگیری میکند، مانند استفاده از دستگاههای خودپرداز(ATM) توسط بانکها و بانکداری اینترنتی برای بدهبستان میان موجودی سرمایه و نیرویکار. قیوم و خان19(2010) خاطر نشان کردند که کارایی تخصیصی به انتخاب نسبت نهاده بهینه در قیمتهای موجود نهادهها اشاره دارد. کارایی مقیاس یکی دیگر از انواع کارایی است. فارل(1957) بیان کرد تولید در سطح حداکثر با بهکارگیری بهترین سطح حداکثر نهاده، همان کارایی مقیاس است. نسبت کارایی فنی کلی به کارایی خالص به کارایی مقیاس اشاره دارد(کوربائه و لوین20، 2019). کارایی قیمتی نیز در میان بانکها وجود دارد. بانکهای کارا میتوانند خدمات بهتری را با قیمتهای مناسب از نگاه مشتریان ارائه دهند. در عین حال، سایر سهامداران فکر میکنند تنها بانکهای کارا میتوانند بازدهی ثابت را تضمین کنند. علاوه بر این، تنها بانکهای کارا میتوانند بقای بیشتری داشته باشند و سهم بازار خود را حفظ کنند، در حالی که از نظر مدیران، بانکهای ناکارا درنهایت در شرایط متغیر و کامل بازار حذف میشوند(ژو و همکاران21، 2019). علاوهبر این، عثمان و همکاران(2016) کارایی مقیاس را بهعنوان «سطح حجم فعالیت بهینه» تعریف کردهاند که به موجب آن، اگر کالاها یا خدمات بالاتر یا پایینتر از سطح بهینه تولید شوند، ناکارایی میتواند ایجاد شود و منجر اضافه شدن هزینه ثابت شود.
در ایران تعدادی از مطالعات به ارزیابی کارایی بانکها پرداختهاند. یاریفرد و همکاران(1402) نشان دادند متوسط کارایی بانکهای ایران 80 درصد است. تقویفرد و همکاران(1400) به این نتیجه رسیدند که کلیه محیطها دارای 45 درصد کارایی درآمدی هستند و مجموعا در کلیه محیطها 9 شعبه کارا هستند که از این تعداد چهار شعبه در محیط تجاری، دو شعبه در محیط مسکونی، دو شعبه پادگانی و یک شعبه در محیط جادهای قرار دارند. ترخانی و همکاران(1399) نشان دادند متوسط کارایی بخش بانکی ایران 69 درصد بوده و در دوره مورد بررسی صعودی بوده است. درویشمتولی و همکاران(1398) بیان کردند تنها 7 شرکت دارای کارایی بودهاند و سایر شرکتها نوسان عملکرد داشتهاند. عرفانیاندانشور و همکاران(1398) دریافتند کارایی بانکهای اسلامی بیشتر از کارایی بانکهای متعارف در حوزه منا بوده است. امیری(1397) نشان داد میانگین کارایی بانکهای دولتی 87 درصد، کارایی بانکهای خصوصی 94 درصد و کارایی بانکهای دولتی خصوصیشده 98 درصد است. غلامابری(1393) دریافت از 37 شعبه، 8 شعبه دارای کارایی بودهاند. میانگین کارایی این 37 شعبه 78 درصد با انحراف معیار 2/0 است. نامداری و همکاران(1389) به این نتیجه رسیدند که بانکهای دولتی ایران در محدوده بازدهی فزاینده قرار دارند.
3. روش پژوهش و دادهها
در این بخش، دو نوع معیار کارایی ناپارامتریک شعاعی و غیرشعاعی بیان میشود.
1-3. تحلیل کارایی شعاعی
معیارهای کارایی فنی برای نقاط دادههای تولید، برمبنای معیارهای شعاعی قرادادی دبرو-فارل هستند(دبرو، 1951؛ فارل، 1957). برای هر نقطه داده ، بردار نشاندهنده نهاده و بردار بیانگر ستانده است. فرض میشود تحت فناوری ، دادهها بهگونهای هستند که ستاندهها توسط نهادهها تولید میشوند.
(1) |
|
(2) |
|
(3) |
|
(4) |
یک ماتریس از دادههای موجود در ستاندهها و یک ماتریس از دادههای موجود در نهادههاست. تخمین کوچکترین مدل FDH22است که دادههای مشاهدهشده را شامل میشود و حد بالایی آن، تخمین خطی تکهای از مرز بهترین عملکرد واقعی است. معادله (4) با فرض بازدهی مقیاس ثابت(CRS) است. سایر بازدههای مقیاس با تعدیل سطوح عملیاتی فرآیند مدلسازی میشوند؛ بهطوری که برای بازدهی مقیاس متغیر(VRS)، یک قید تحدبپذیری اضافه میشود 23، در حالی که برای بازدهی مقیاس غیرفزاینده(NIRS) نابرابری 24 به مجموعه قیود مسئله برنامهریزی خطی (4) اضافه میشود. برای روشن شدن بحث، شکلهای 1 فرآیندهای تولید با یک نهاده و یک ستانده را با سه فناوری CRS، VRS و NIRS نشان میدهند. در سمت چپ شکل 1 (سمت راست) فاصله عمودی (افقی) از یک نقطه داده یا تا مرز بهترین عملکرد CRS، VRS و NIRS بیانگر کارایی فنی ستاندهمحور (نهادهمحور) تحت فرض فناوری CRS، VRS و NIRS است. در حالت چند بعدی، فاصله لازم مسیر شعاعی از یک نقطه داده است که موازی با محورهایی است که در امتداد آن همه ستاندهها (نهادهها) اندازهگیری شدهاند.
شکل 1. کارایی فنی و مقیاس ستاندهمحور و نهادهمحور
2-3. تحلیل کارایی غیرشعاعی برای نقطه داده ، اندازه شعاعی تمامی ستانده() و نهاده() را بهطور متناسب افزایش میدهد تا زمانی که به مرز برسد. در نقطه مرزی، برخی از ستاندهها (نهادهها) اما نه همه آنها را میتوان افزایش داد، درحالی که همچنان شدنی باشد. اگر چنین امکانی برای یک نقطه داده معین مانند برای ستانده (نهاده ) وجود داشته باشد، آنگاه گفته میشود که نقطه مرجع در ستانده (نهاده ) متغیر کمکی دارد. اندازه غیرشعاعی کارایی فنی، معیار راسل25(RM)، این متغیرهای کمکی را در خود جای میدهد(فار و لاول، 1978؛ فار و همکاران، a1994). اندازهگیری غیرشعاعی ستاندهمحور برای نقطه داده بهصورت زیر تعریف میشود؛
|