De nye kommuners rammevilkår for beskæftigelsesindsatsen - PISA ...
De nye kommuners rammevilkår for beskæftigelsesindsatsen - PISA ...
De nye kommuners rammevilkår for beskæftigelsesindsatsen - PISA ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
A2.2 Klyngeanalyse<br />
KLs analyse kan betragtes som en <strong>for</strong>m <strong>for</strong> klyngeanalyse. Ved en klyngeanalyse dannes<br />
klynger af kommuner, således at afstanden mellem de enkelte kommuner i den samme<br />
klynge er minimeret, og afstanden til kommuner i andre kommuneklynger er maksimeret<br />
(Everitt m.fl., 2001). Afstanden måles i <strong>for</strong>hold til <strong>for</strong>skellige <strong>rammevilkår</strong>. Afstanden<br />
kan være den faktiske afstand, eller der kan være tale om trans<strong>for</strong>merede afstande (fx<br />
kvadratet på afstanden), og der kan ske en vægtning af de <strong>for</strong>skellige afstande, jf. fx afstandsmålet<br />
benyttet af KL i (5), hvor vægtningen <strong>for</strong>etages ud fra resultaterne af en<br />
estimation af en model <strong>for</strong> succeskriteriet.<br />
A2.3 DEA-metoden<br />
Data Envelopment Analysis (DEA) er en ikke-parametrisk metode baseret på lineær programmering<br />
til estimation af den efficiente 6 sammenhæng mellem input og output (den<br />
efficente rand) <strong>for</strong> en række sammenlignelige beslutningstagende produktionsenheder (i<br />
dette tilfælde kommuner), og til bestemmelse af den relative grad af produktivitet (efficiens)<br />
<strong>for</strong> hver produktionsenhed. 7<br />
<strong>De</strong>r er en række <strong>for</strong>hold vedrørende data og problemstilling, som betyder, at det ikke<br />
umiddelbart er så oplagt at benytte DEA i det aktuelle projekt, som det ville være i andre<br />
projekter vedrørende produktionsenheders relative produktivitet. For det første er de centrale<br />
data, der er til rådighed, som nævnt, på individniveau. Anvendelse af DEA <strong>for</strong>udsætter,<br />
at data først aggregeres til kommuneniveau, hvorved en væsentlig del af in<strong>for</strong>mationsindholdet<br />
i data går tabt. For det andet er anvendelse af DEA mest oplagt, hvor der<br />
er tale om en veldefineret produktionsproces, hvor man har gode data <strong>for</strong> de centrale input,<br />
som produktionsenhederne har kontrol over, hvor eksterne vilkår, som produktionsenhederne<br />
ikke har direkte kontrol over, spiller en mindre rolle, og hvor der på <strong>for</strong>hånd er<br />
6 Efficient skal her tolkes som den mest effektive måde at udnytte input blandt de analyserede produktionsenheder.<br />
<strong>De</strong>t er således ikke generelt set den mest effektive indsats og sammensætning af input.<br />
7 Givet de observerede input- og outputmængder <strong>for</strong> de enkelte produktionsenheder, bestemmes i et særskilt<br />
optimeringsproblem <strong>for</strong> hver produktionsenhed (positive) vægte til input og output, således at sammenvejningen<br />
af output maksimeres under en række restriktioner. Herunder at det <strong>for</strong> vægtene gælder, at<br />
sammenvejningen af observerede output <strong>for</strong> ingen af produktionsenhederne (evt. med en modifikation, der<br />
tager hensyn til, at der ikke nødvendigvis er konstant skalaafkast) overstiger sammenvejningen af observerede<br />
input, se fx Bowlin (1998). <strong>De</strong>n efficiente rand bestemmes ud fra input-output-sammensætningen <strong>for</strong><br />
de efficiente enheder ved lineært at <strong>for</strong>binde disse.<br />
75