LMDI Ayrıştırması
Log-Mean Divisia Index (LMDI) Decomposition · Ayrıca şöyle bilinir: Logarithmic Mean Divisia Index, LMDI-I Additive Decomposition, LMDI-II Multiplicative Decomposition, Logaritmik Ortalama Divisia İndeksi
Log-Ortalama Divisia İndeksi (LMDI) Ayrıştırması, en yaygın olarak enerji tüketimi veya CO₂ emisyonları gibi bir toplu göstergedeki değişiklikleri, faaliyet seviyesi, yapısal karmaşıklık ve yoğunluk gibi temel sürüş faktörlerine atfetmek için kullanılan nicel bir tekniktir. 2005 yılında B. W. Ang tarafından kesin pratik biçimde tanıtılan LMDI, Divisia indeks teorisi üzerine inşa edilmiş ve matematiksel olarak kusursuz, kalansız bir ayrıştırma elde etmek için ağırlık fonksiyonu olarak logaritmik ortalamayı kullanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
LMDI, homojen alt gruplar boyunca ölçülebilir bir toplu değişikliği - tipik olarak enerji kullanımı, karbon emisyonları veya malzeme akışı - bir dizi çarpımsal sürücüye atfetmek gerektiğinde uygundur. Yöntem, toplunun bir çarpım özdeşliği olarak ifade edilebileceğini ve tüm alt grup değerlerinin kesinlikle pozitif olduğunu varsayar (sıfır değerler enterpolasyon veya küçük sabit ayarlamalar gerektirir). Nedensel mekanizmaları modellemez; tanımlayıcı bir muhasebe aracıdır. Nedensel çıkarım gerektiğinde, yapısal denklem veya regresyon modelleri daha uygundur. Refah veya verimlilik toplularını ayrıştırmak için, ilgili Shapley-Owen yaklaşımı tercih edilebilir.
Güçlü yönler & sınırlılıklar
- Hem toplamsal hem de çarpımsal biçimlerde kusursuz, sıfır-kalıntılı bir ayrıştırma üretir.
- Yol-bağımlılığı sorunları olmadan çok dönemli ve çok bölgeli analizleri tutarlı bir şekilde ele alır.
- Sonuçların yorumlanması ve politika kitlelerine iletilmesi kolaydır.
- Enerji ve çevre muhasebesinde yaygın olarak benimsenen standart, doğrudan çalışma karşılaştırmalarına olanak tanır.
- Çalışma dışı bırakma gibi bir çözüm yolu olmadan sıfır değerli alt grup gözlemlerini işleyemez.
- Doğası gereği tanımlayıcıdır - katkıları ölçer ancak nedensel mekanizmaları veya karşıt olguları tanımlamaz.
- Ayrıştırma özdeşliği önceden belirtilmelidir; ilgili bir sürücüyü dışlamak, etkisini dahil edilen faktörlerle karıştırır.
- Bireysel etkilerin büyüklüğünü etkileyebileceğinden, toplama seviyesi ve sektör sınıflandırmasının seçimine duyarlıdır.
SSS
LMDI-I ve LMDI-II arasındaki fark nedir?
LMDI-I, her faktörün katkısının, toplu göstergenin mutlak değişimi olarak ifade edildiği toplamsal bir çerçeve kullanır (örneğin, Mtoe veya MtCO₂). LMDI-II, katkıların boyutsuz indeks oranları olarak göründüğü çarpımsal bir çerçeve kullanır. Her ikisi de sıfır kalıntı verir; seçim, mutlak veya göreceli atıfın uygulama için daha anlamlı olup olmadığına bağlıdır.
Sıfır değerli gözlemler nasıl ele alınmalıdır?
Logaritmik ortalama, argümanlardan biri sıfır olduğunda tanımsızdır. Yaygın olarak kabul gören uygulama, hesaplama öncesinde sıfır değerleri çok küçük pozitif bir sabit (örneğin, 0.001) ile değiştirmek veya hiçbir alt grubun sıfır değeri olmayacak şekilde sektörleri toplamak olacaktır. Ang (2005), bu sınırlamayı tartışır ve sıfır hücreler kaçınılmaz olduğunda küçük sabit yaklaşımını önerir.
LMDI, emisyon sürücülerinin nedensel analizi için uygun mudur?
Hayır. LMDI, bir muhasebe özdeşliği ayrıştırmasıdır, nedensel bir model değildir. Her faktörün gözlemlenen bir değişikliğe aritmetik olarak ne kadar katkıda bulunduğunu ölçer, ancak herhangi bir faktörün değişikliğe neden olduğunu belirleyemez. Nedensel sorular için - örneğin bir karbon vergisinin emisyonları azaltıp azaltmadığı gibi - LMDI'ye ek olarak veya yerine regresyon tabanlı veya karşıt olgu yöntemleri gereklidir.
Kaynaklar
- Ang, B. W. (2005). The LMDI approach to decomposition analysis: a practical guide. Energy Policy, 33(7), 867–871. DOI: 10.1016/j.enpol.2003.10.010 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Log-Mean Divisia Index (LMDI) Decomposition. ScholarGate. https://scholargate.app/tr/sustainability/lmdi-decomposition
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Yaşam Döngüsü Değerlendirmesi (YDD)Sürdürülebilirlik↔ karşılaştır
- Malzeme Akış Analizi (MAA)Sürdürülebilirlik↔ karşılaştır