Etkinlik Skorları için Bootstrap DEA: Yanlılık Düzeltmesi ve Güven Aralıkları
Bootstrap Data Envelopment Analysis · Ayrıca şöyle bilinir: Bootstrapped DEA, DEA Bootstrap Inference, Simar-Wilson Bootstrap, Bootstrap Sınır Analizi
Bootstrap Veri Zarflama Analizi (Bootstrap DEA), etkinlik skorları için istatistiksel olarak geçerli çıkarım sağlayan standart DEA'nın yeniden örneklemeye dayalı bir uzantısıdır. Simar ve Wilson tarafından 1998'de tanıtılan bu yöntem, klasik DEA'nın temel zayıflığı olan — tahmini skorlardaki belirsizliği ölçememe — sorununu, tekrarlanan şekilde yeniden örneklenmiş sözde sınırlardan bootstrap güven aralıkları ve yanlılık düzeltilmiş etkinlik tahminleri oluşturarak ele alır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Standart DEA'dan elde edilen etkinlik skorlarının, güven aralıkları veya resmi hipotez testleri gibi istatistiksel belirsizlik ölçümleriyle birlikte verilmesi gerektiğinde Bootstrap DEA'yı kullanın. Gerçek sınırın gözlemlenemediği ve örnekleme değişkenliğinin önemli olduğu kesitsel verilerle herhangi bir üretim veya hizmet bağlamı için uygundur. Sınırlamalar arasında hesaplama maliyeti (B yeniden örnekleme × n Doğrusal Programlama problemi), çekirdek düzgünleştiricide bant genişliği seçimine duyarlılık ve gözlemlenen KVB'lerin temel bir popülasyondan bağımsız ve aynı şekilde dağılmış (i.i.d.) olarak çekildiği varsayımı yer alır. Panel verileri mevcut olduğunda, Malmquist verimlilik endeksi bootstrap'i tercih edilebilir.
Güçlü yönler & sınırlılıklar
- Klasik DEA'da doğasında bulunan sistematik aşırı tahminlemeyi azaltarak yanlılık düzeltilmiş etkinlik skorları sağlar.
- İstatistiksel KVB karşılaştırmasına olanak tanıyan geçerli bootstrap güven aralıkları üretir.
- Dağılım varsayımı yapmaz: hata veya verimsizlik terimi üzerinde dağılım varsayımı yapmaz.
- Hem girdi yönelimli hem de çıktı yönelimli DEA ile CRS ve VRS varsayımları altında uyumludur.
- Hesaplama açısından yoğundur: B × n doğrusal program çözmeyi gerektirir, bu da büyük örneklemler için imkansız olabilir.
- Bir çekirdek bant genişliği belirtilmesini gerektirir; sonuçlar bu seçime duyarlı olabilir.
- KVB'lerin sabit bir popülasyondan i.i.d. örneklemesini varsayar, bu durum kolay örneklemlerde veya nüfus sayımı verilerinde geçerli olmayabilir.
- Yanlılık düzeltmesi, VRS altında skorların 1'i aşmasına neden olabilir, bu da kesme ve dikkatli yorumlama gerektirir.
SSS
Kaç bootstrap tekrarı (B) yeterlidir?
Simar ve Wilson, kararlı güven aralıkları için en az B = 2000 tekrar önerir. Keşifsel analiz için B = 1000 yeterli olabilir, ancak yayın kalitesinde çıkarım için B = 2000 ila 5000 standarttır. B'yi 5000'in üzerine çıkarmak, ek hesaplama süresine kıyasla azalan getiriler sağlar.
Bootstrap DEA değişken ölçek getirilerini (VRS) işleyebilir mi?
Evet. Bootstrap prosedürü hem sabit ölçek getirileri (CRS) hem de değişken ölçek getirileri (VRS) altında uygulanabilir. VRS altında yanlılık düzeltmesi bazı skorları birden fazla itebilir ve uygulayıcılar tipik olarak bunları bire keser veya sınırın çok yakınındaki ve yüksek örnekleme değişkenliğine sahip KVB'leri gösterdiği şeklinde yorumlar.
Bootstrap DEA ile standart bir DEA'yı takiben ikinci aşama regresyon arasındaki fark nedir?
Standart iki aşamalı DEA, birinci aşama skorlarındaki istatistiksel gürültüyü göz ardı eder ve yanlı ve tutarsız ikinci aşama tahminleri üretir. Simar ve Wilson (2007), çevresel değişkenlerle etkinliği açıklarken geçerli çıkarım için bir çift bootstrap prosedürünün — önce DEA skorlarını bootstrap yapmak, ardından ikinci aşamada kesik regresyon kullanmak — gerekli olduğunu göstermiştir.
Kaynaklar
- Simar, L., & Wilson, P. W. (1998). Sensitivity analysis of efficiency scores: How to bootstrap in nonparametric frontier models. Management Science, 44(1), 49–61. DOI: 10.1287/mnsc.44.1.49 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Bootstrap Data Envelopment Analysis. ScholarGate. https://scholargate.app/tr/efficiency-analysis/bootstrap-dea
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bootstrap Çıkarımıİstatistik↔ karşılaştır
- Ağ Veri Zarflama Analizi (Ağ VZA)Etkinlik analizi↔ karşılaştır