Ağ Veri Zarflama Analizi (Ağ VZA)
Network Data Envelopment Analysis · Ayrıca şöyle bilinir: Network Data Envelopment Analysis, Network Efficiency Analysis, Multi-Stage DEA, Ağ Veri Zarflama Analizi
Ağ Veri Zarflama Analizi (Ağ VZA), klasik VZA'yı çok aşamalı veya çok bölümlü üretim süreçlerine genişleten, Färe ve Grosskopf (2000) tarafından tanıtılan parametrik olmayan bir etkinlik ölçüm çerçevesidir. Bir karar verme birimini (KVB) bir kara kutu olarak ele almak yerine, iç yapıyı – bölümleri ve aralarında akan ara ürünleri – açıkça modeller; bu da aşama düzeyinde ve genel etkinlik puanlarının tek bir tutarlı model içinde eş zamanlı olarak tahmin edilmesini sağlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Ağ VZA, bankacılık (mevduat toplama, ardından kredi verme), sağlık hizmetleri (teşhis, ardından tedavi) veya tedarik zincirleri (tedarik, üretim, dağıtım) gibi tanımlanabilir iç aşamalara sahip ve ölçülebilir ara ürünlerle birbirine bağlı üretim süreçleri olduğunda uygundur. Temel varsayımlar şunları içerir: ara akışlar gözlemlenebilir ve ölçülebilir, genel teknoloji dışbükeyliği veya sabit ölçek getirilerini karşılar ve yeterli sayıda KVB, toplam girdi, çıktı ve ara değişken sayısına göre mevcuttur. İç yapının gözlemlenemediği veya ara ürünlerin ölçülemediği durumlarda daha az uygundur. Alternatifler arasında zamansal bağlantılar için dinamik VZA veya sonradan analiz için standart iki aşamalı regresyon tabanlı VZA yer alır.
Güçlü yönler & sınırlılıklar
- Aşamaların ve genel etkinliğin eş zamanlı olarak tahmin edilmesini sağlar, sürecin neresinde verimsizliğin kaynaklandığını ortaya çıkarır.
- Tam parametrik olmayan esnekliği korur – üretim teknolojisi için herhangi bir fonksiyonel biçim gerekmez.
- Aşamaların, ara akış varsayımları uyuşmayan şekilde bağımsız olarak değerlendirilmesinden kaynaklanan tutarsız sonuçları önler.
- Bankacılık, sağlık hizmetleri, enerji ve tedarik zinciri yönetimi dahil olmak üzere çok çeşitli çok bölümlü ortamlara doğrudan uygulanabilir.
- Uygulamada mevcut olmayan veya ölçülmesi zor olabilecek ara ürünler hakkında ayrıntılı veri gerektirir.
- Model karmaşıklığı ve kısıt sayısı, aşama ve ara değişken sayısı ile hızla artar, bu da uygulanabilirliği zorlayabilir.
- Bölümsel puanları bir sistem puanında toplamak için ağırlıkların seçimi biraz keyfidir ve sonuçları etkileyebilir.
- Tüm VZA varyantları gibi, puanlar aykırı değerlere ve girdi, çıktı ve ara değişkenlerin seçimine duyarlıdır.
SSS
Ağ VZA, her aşama için ayrı VZA modelleri çalıştırmaktan nasıl farklıdır?
Her aşama için ayrı VZA modelleri çalıştırmak, ara ürünleri her programda bağımsız olarak ele alır ve tutarsız sonuçlar üretebilir – örneğin, bir aşamanın optimal planı, bir sonraki aşamanın optimal planının izin verdiğinden daha fazla ara çıktı gerektirebilir. Ağ VZA, aşamaları tek bir tutarlı sistemde birbirine bağlayan bağlama kısıtlarını zorlayarak, ara akışların tüm bölümsel programlarda tutarlı olmasını sağlar.
Ağ VZA iki aşamadan fazlasını kaldırabilir mi?
Evet. Çerçeve, D ardışık bölüme doğrudan genelleşir ve ayrıca bazı bölümlerin ardışık yerine eş zamanlı olarak çalıştığı paralel veya karma ağ yapılarını da barındırır. Eklenen her aşama, kendi bölümsel kısıtları ve ara bağlama kısıtları setini getirir, model boyutunu artırır ancak temel yaklaşımı değiştirmez.
Ağ VZA için minimum örneklem büyüklüğü ne önerilir?
Standart VZA'da yaygın olarak alıntılanan bir kural, KVB sayısının toplam girdi artı çıktı sayısının en az üç katı olmasıdır. Ağ VZA için bu gereklilik, ara değişkenleri de sayıma dahil edecek şekilde genişler, böylece etkili minimum örneklem büyüklüğü ağ yapısının karmaşıklığı ile artar. Bu kılavuzun ihlali, ayrımcılık hatası ve şişirilmiş etkinlik puanları riskini taşır.
Kaynaklar
- Färe, R., & Grosskopf, S. (2000). Network DEA. Socio-Economic Planning Sciences, 34(1), 35–49. DOI: 10.1016/S0038-0121(99)00012-9 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Network Data Envelopment Analysis. ScholarGate. https://scholargate.app/tr/efficiency-analysis/network-dea
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Etkinlik Skorları için Bootstrap DEA: Yanlılık Düzeltmesi ve Güven AralıklarıEtkinlik analizi↔ karşılaştır
- Malmquist Verimlilik Endeksi (MVE)Etkinlik analizi↔ karşılaştır