pdf (440 kB) - Møreforsking Molde
pdf (440 kB) - Møreforsking Molde
pdf (440 kB) - Møreforsking Molde
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Kap. 4 Effektivitet i ferjesektoren 47<br />
Dersom man hverken opererer med restriksjon (4), (4’) eller (4’’), beregner man en<br />
front med konstant skalautbytte. Med mindre man ikke har a priori informasjon om<br />
skalautbytte, foretrekkes (4). Vi sier da at vi tillater variabelt ska lautbytte. Figuren i<br />
forrige avsnitt illustrerer en front med variabelt skalautbytte. Ettersom denne metoden<br />
består i å omhylle observasjonene, har metoden fått benevnelsen dataomhyllings -<br />
metoden eller ”Data Envelopment Analysis”, forkortet DEA.<br />
4.2.1.4 Støy i datagrunnlaget<br />
Frontene som vi har illustrert tidligere er basert på en antagelse om at avvikene mellom<br />
fronten og de enkelte observasjonene skyldes utelukkende ineffektivitet. Implisitt er det<br />
antatt at det ikke finnes støy i datagrunnlaget, dvs. a t det ikke finnes feilregistreringer av<br />
forbruk av produksjonsfaktorer og/eller produksjon. Slike fronter benevnes gjerne som<br />
deterministiske.<br />
Dersom man baserer seg på en deterministisk front samtidig som det er støy i datasettet,<br />
vil det få konsekvenser for effektivitetsmålene. I beste fall vil slik støy føre til at<br />
effektivitetsmålene for de aktuelle produksjonsenhetene blir feil. Dersom for eksempel<br />
observasjon A i figuren nedenfor feilaktig blir registrert som A’, vil denne produksjons -<br />
enheten framstå som mindre effektiv enn den reelt sett er. Men i verste fall vil slik støy<br />
påvirke frontens lokalisering og dermed effektivitetsmålene til en rekke av produksjons -<br />
enhetene. Dersom for eksempel observasjon A i figuren nedenfor feilaktig blir registrert<br />
som A’’, vil det medføre at fronten forskyves slik som pilen angir. I dette tilfellet vil<br />
feilregistreringen påvirke effektivitets målet for samtlige produksjonsenheter. Fordi støy<br />
i datasettet vil kunne ha så vidt store konsekvenser for effektivitetsmåle ne, er det viktig<br />
å detektere eventuelle slengere (”outliers”) i datasettet.<br />
Produksjon<br />
Figur 4.3 Støy i datagrunnlaget<br />
A’’<br />
A<br />
Faktorforbruk<br />
Dersom man tillater at fronten kan representeres ved en parametrisk funksjon slik vi har<br />
illustrert her, er det mulig å ta i bruk metoder som estimerer såkalte stokastiske frontfunksjoner.<br />
Slike metoder tar som utgangspunkt at det eksisterer støy i datasettet. Avvik<br />
A’<br />
Front 1<br />
Front 2