[논문 리뷰] Directional Congestion in Data Envelopment Analysis

Guo-liang Yang|arXiv (Cornell University)|2015. 10. 25.

Efficiency Analysis Using DEA참고 문헌 31인용 수 3

한 줄 요약

이 논문은 데이터 포괄 분석(DEA)에서 방향성 혼잡을 도입하여, 입력 및 출력 방향에 기반한 두 가지 추정 방법을 제안함으로써 비효율성을 측정한다. 기존의 혼잡 및 강한/약한 혼잡과의 관계를 수립하고, 중국 과학원 연구소의 사례 연구를 통해 적용 가능성을 입증하며, 효율성 평가 정밀도가 향상됨을 보여준다.

ABSTRACT

First, this paper proposes the definition of directional congestion in certain input and output directions in the framework of data envelopment analysis (DEA). Second, two methods from different viewpoints are also proposed to estimate the directional congestion in a DEA framework. Third, we address the relations among directional congestion and classic congestion and strong (weak) congestion. Finally, we present a case study investigating the analysis of the research institutes in the Chinese Academy of Sciences (CAS) to demonstrate the applicability and usefulness of the methods developed in this paper.

연구 동기 및 목표

• 특정 입력 및 출력 방향 내에서 DEA 내 방향성 혼잡을 정의하기 위해.
• 다양한 분석 시각에서 방향성 혼잡을 추정하기 위한 두 가지 상이한 방법을 개발하기 위해.
• 기존의 개념인 고전적 혼잡, 강한/약한 혼잡과의 이론적 관계를 명확히 하기 위해.
• 중국 연구소에서의 실세계 적용을 통해 제안된 방법의 타당성을 검증하기 위해.
• 다중 입력, 다중 출력 생산 체계에서의 효율성 분석의 정밀도와 실용적 관련성을 향상시키기 위해.

제안 방법

• DEA 프레임워크 내에서 입력 및 출력 방향에 기반한 새로운 방향성 혼잡 정의를 제안함.
• 입력 중심 및 출력 중심의 방향성 거리 함수에 기반한 두 가지 추정 방법을 개발함.
• 입력은 줄이고 출력은 늘릴 수 있는 특정 방향에서의 변화를 모델링하기 위해 방향성 거리 함수(DDF)를 사용함.
• 일부 입력을 줄였을 때 출력이 비례하지 않게 크게 증가하는 비효율성의 한 형태로 혼잡을 정의함.
• 효율성 측정에 방향성 벡터를 통합함으로써 표준 DEA 모델에 방향성 혼잡을 통합함.
• 중국 과학원 산하 11개 연구소의 데이터를 활용하여 방법론적 프레임워크를 시험하기 위해 사례 연구를 적용함.

실험 결과

연구 질문

• RQ1 어떻게 DEA 프레임워크 내에서 특정 입력 및 출력 방향을 고려하여 혼잡을 재정의할 수 있는가?
• RQ2 DEA 내에서 방향성 혼잡을 추정하기 위한 두 가지 상이한 방법적 접근은 무엇인가?
• RQ3 방향성 혼잡은 고전적 혼잡 및 강한/약한 혼잡 개념과 어떻게 관련이 있는가?
• RQ4 다중 입력, 다중 출력 환경에서 방향성 혼잡은 효율성 평가 정확도를 어떻게 향상시키는가?
• RQ5 제안된 방향성 혼잡 모델의 실용적 유용성을 뒷받침하는 실증적 증거는 무엇인가?

주요 결과

• 기존 혼잡보다 특정 입력 및 출력 방향을 고려함으로써 비효율성의 더 세밀한 측정이 가능한 방향성 혼잡을 제공함.
• 제안된 두 가지 방법은 상호보완적인 시각—입력 중심 및 출력 중심—을 제공함.
• 방향성 혼잡은 고전적 혼잡의 일반화이며, 다양한 효율성 맥락에서 더 강한 이론적 일관성을 보임.
• 중국 과학원 산하 11개 기관의 사례 연구에서 표준 DEA 모델이 간과한 비효율성을 방향성 혼잡이 식별함.
• 결과적으로 방향성 혼잡은 실제 기관의 효율성 분석에서 DEA의 분류 능력을 향상시킴을 입증함.
• 응용 결과는 방향성 혼잡이 연구 기관의 정책 및 관리 결정에 있어 운영적으로 실현 가능하고 실용적인 가치가 있음을 확인함.