Escolar Documentos
Profissional Documentos
Cultura Documentos
Rede DEA
Rolf Fä rea,b, *, Shawna Grosskopfb
aDepartamento de Economia Agrícola e de Recursos, Universidade Estadual do Oregon, Corvallis, OR 93331-
3612, EUA
bDepartamento de Economia, Universidade Estadual do Oregon, Corvallis, OR 93331-3612, EUA
Resumo
A maioria dos modelos DEA tradicionais trata suas tecnologias de referência como caixas pretas.
Nossos modelos de rede, desenvolvidos para o Instituto Sueco de Economia da Saúde (IHE), nos
permitem examinar essas caixas e avaliar o desempenho organizacional e o desempenho de seus
componentes. A estrutura muito geral do modelo de rede nos permite aplicar esse modelo a uma
variedade de situações: produtos intermediários, alocação de orçamentos ou fatores fixos e
determinados sistemas dinâmicos (separáveis no tempo). 2000 Elsevier Science Ltd. Todos os
direitos reservados.
1. Introdução
* Autor correspondente.
0038-0121/00/$ - see front matter Ⓒ 2000 Elsevier Science Ltd. Todos os direitos
reservados. PII: S 0038 - 0121 ( 99 ) 00012 - 9
3б R. Färe, S. Grosskopf / Socio-Economic Planning Sciences 34 (2000) 35-49
provou ser frutífera em aplicações de engenharia e pesquisa operacional, entre outras. Mais
especificamente, com base no trabalho de Shephard e Fä re [2,3] sobre correspondências
dinâmicas de produção, Fä re e Grosskopf [4] desenvolveram uma sequência de modelos de
rede que podem ser usados para abordar vários refinamentos dos modelos DEA1 padrão.
Neste artigo, apresentamos três modelos de rede. O primeiro, usado por Fä re et al. [8]
para estudar a alocação de terras agrícolas para várias culturas, permite a alocação de um
fator ou insumo (fixo) entre usos alternativos. Essa estrutura geral também poderia ser
usada para introduzir a alocação de um orçamento ou a alocação de recursos entre
unidades ou filiais. O segundo modelo, usado por Fä re e Whittaker [9], modela
explicitamente produtos intermediários, ou seja, produtos produzidos e usados dentro da
tecnologia. Esse modelo também é usado por Fä re et al. [10] para estudar estruturas
organizacionais alternativas de uma empresa com várias fábricas. A terceira formulação de
rede é um modelo DEA dinâmico no qual alguns produtos no período t são insumos no
período seguinte, t + 1. Isso constitui uma alternativa aos modelos DEA dinâmicos
propostos por Sengupta [11]. O modelo DEA dinâmico apresentado aqui é usado por Fä re e
Grosskopf [12] para estudar a eficiência dinâmica dos países da APEC (Comunidade
Econômica Ásia-Pacífico).
Nosso objetivo é mostrar a utilidade da DEA em rede, reunindo uma sequência desses
modelos em um único documento. Começamos discutindo a tecnologia de rede de uma
forma "heurística", ilustrando os vários modelos com diagramas simples. Em seguida,
formalizamos essas tecnologias, especificando-as como uma série de restrições de
desigualdade linear, conhecidas da DEA. Em seguida, passamos à especificação desses
modelos como medidas de desempenho baseadas em funções de distância que podem ser
estimadas usando medidas tradicionais de DEA ou Farrell [13] eAciency. Um resumo conclui
e discute as implicações políticas e as direções para pesquisas futuras.
1 A terminologia DEA foi cunhada por Charnes et al. [5]. É interessante notar que o modelo de análise de atividade de
von Neuman [б], veja Harlin [7], pode ser considerado um modelo DEA.
R. Färe, S. Grosskopf / Socio-Economic Planning Sciences 34 (2000) 35-49 37
As heurísticas desse modelo são mostradas na Fig. 1. Embora ele atenda a certas
propriedades, como retornos constantes de escala e livre disposição de insumos e produtos
(novamente, consulte o Apêndice A), nada de especial pode ser dito ex ante sobre sua
estrutura interna. Por exemplo, não podemos determinar como os insumos são alocados
para a produção dos vários produtos ou se são produzidos produtos intermediários.
Nosso modelo ''Fixed but Allocative Inputs'' nos dá alguns insights sobre como os inputs
podem ser compartilhados por diferentes processos, aqui modelados por dois conjuntos de
outputs P1 e P2 . Para simplificar, presumimos que apenas o primeiro insumo pode ser
alocado entre os dois processos ou nós e que os demais são pré-atribuídos a um processo
específico para cada DMU. Aqui, os sobrescritos referem-se ao processo, P1 ou P2 . Nesse
caso, o modelo heurístico da Fig. 3 pode ser formalizado como:
2
( ΣM ΣK
1 1 1 2 z1 y1
P xˆ1, xˆ2, ... . , xˆN, xˆ2, .. . , = y1 + y2 = y1m + y2m : ym
1 ≤
k km ,
xˆN m=1 k=1
ΣK ΣK
1
m = 1, .. . , k1 ≤x 1,
z xk11 1 zkxkn11 ≤xˆn , n = 2, ... . , N,k z1 "0, k = 1, .. .
M, k=1 k=1 , K,
ΣK
ΣK ΣK (2)
2
m z2k y2km
y2 ≤ k=1 , m = 1, .. . , k=1 zkx k1 ≤x 1, k=1 zkx kn ≤xˆn,
22 2 22 n = 2, ... . ,
M, N,
)
z2k "0, k = 1, ... . , K,1 x 1 +
1 x ≤xˆ 1
2 .
A principal diferença entre os dois modelos (1) e (2) é que em (2) a alocação do primeiro
input x^ 1 entre os dois subprocessos não é dada a priori como os outros inputs x ^ 1 ,... . x ^21 , N
x ^ 2 ,... . x ^ 2 . Em vez disso, exigimos apenas que a alocação entre subprocessos seja viável, o que é
2 N
a interpretação da última desigualdade em (2). O modelo em (1) não fornece essa alocação,
pois pode ser visto como uma agregação de (2) que obscurece os subprocessos.
O modelo de rede completo, ilustrado na Fig. 4, inclui produtos intermediários e insumos
alocáveis. Um produto é intermediário para o sistema de produção se for produzido e
consumido, ou seja, se for tanto um output quanto um input, dentro da rede. É claro que nem
todos os
40 R. Färe, S. Grosskopf / Socio-Economic Planning Sciences 34 (2000) 35-49
ou
1 2 3
xn xn + x n + x n , n = 1, ... . , N.
" 0 0
0
Denotam o vetor de produtos produzidos pelo subprocesso ou subtecnologia i e entregues a
nó j porj y. Voltando à Fig. 4, vemos que a produção total do nó 1 é3 y +4 y, onde
i 1 1
3
1y é sua saída de produtos intermediários e 1y4 é sua saída final. O nó 1 não usa nenhum produto
intermediário como insumo. O nó ou subprocesso 3, entretanto, usa insumos do nó 1
(3 y) e nó 2 (3 y), bem como inputs exógenos3 x. Esse nó produz apenas outputs finais4 y.
1 2 0 3
O nó de 4saída Mj
ou de coleta 4, considerando que cada subtecnologia produz um produto distinto
vetores, y ϵ R , j = 1,2,3, em que M=M1 +M2 +M3 , pode ser escrito como
j +
4 4
y=4y, y, y . (4)
1 2 3
Se não insistirmos que cada nó produza produtos distintos, a produção total pode ser escrita
como
a soma Σ3 4y das saídas dos nós individuais. O número apropriado de zeros deve ser
j=1 j
adicion
ado.
A tecnologia linear por partes ou DEA associada a k = 1,... . ,K observações pode ser escrita
em termos do conjunto de resultados como:
4 4 4
P(x)= { y = y, y, y :
1 2 3
ym ≤Σz K y , m = 1, .. . , M3 ,
(a) 4 3 4 km
3 k=1
k 3
ΣK
33 3
(b) z xkn ≤ x n , n = 1, ... . ,
k=1 k 0 0N,
distribuição dos insumos exógenos entre as subtecnologias, enquanto o modelo padrão não o
faz. Além disso, o modelo de rede nos permite modelar explicitamente os insumos
intermediários, ao passo que o modelo padrão não o faz.
Fä re e Grosskopf [3] demonstraram que, se as subtecnologias Pj , j = 1,2,3,
satisfizerem propriedades como a livre disposição de insumos e produtos e retornos
constantes de escala, a tecnologia de rede (5) também o fará.
Voltando ao modelo de rede dinâmica, ilustrado na Fig. 5, observamos que ele consiste
em duas subtecnologias distintas, Pt e P t+ 1 , uma para cada período. Essas subtecnologias
são interativas de forma semelhante aos nós do modelo de rede acima. O resultado de Pt
consiste no resultado final yft e no resultado intermediário yit . O último é usado como
entrada em t + 1. Portanto, yit é o "investimento" do período t. Os outros insumos são os
insumos exógenos em cada período xt e x t+ 1 . Embora não sejam considerados aqui,
alguns deles podem ser armazenáveis, ou seja, podem ser usados em um período posterior
(consulte Fä re e Grosskopf [4]). A tecnologia ilustrada na Fig. 5 pode ser expressa como
uma análise dinâmica de atividade ou modelo DEA da seguinte forma:
f
iyt-1 = { yt fyt+1 + iyt+1 :
P x ,x ,
t t+1
f t i t Σ
K
f t it
ym + ym ≤ ztk ykm + ym , m = 1, .. . , M,
k=1
K
Σ t i t-1 ≤iyt—1 , m = 1, ... . , M,
zk kmy m
k=1
K
i
fyt+1
+ ≤Σ t+1 f i t+1
m yt+1
m z yt+1
km + y
km , m = 1, .. . , M,
k=1 k
ΣK
k n n
k=1 z xt+1t+1 ≤xt+1 , n = 1, ... . ,
N,
ΣK
t t
k ykm≤iym, m = 1, ... . , M,
zt+1i
k=1
zt+1
k "0, k = 1, ... . , K }. (6)
O modelo DEA dinâmico (б) está relacionado ao modelo de rede (5) no sentido de que
ambos têm várias subtecnologias ou nós, e ambos têm produtos intermediários, o que torna
as subtecnologias interdependentes. Fä re e Grosskopf [5] demonstraram que, se as
subtecnologias Pt e Pt+1 satisfazem propriedades como a livre disposição de insumos e
produtos e retornos constantes de escala, o mesmo ocorre com o modelo dinâmico (б), ou
seja, o modelo dinâmico herda propriedades das subtecnologias.
4. Medidas de desempenho
onde (-gx , gy ) é a direção na qual a distância é medida.2 Menos gerais, mas mais conhecidas,
são as funções de distância de entrada e saída de Shephard [13], que são definidas como
}
Di ( y, x)= max ß:y e P(x/ß) (8)
e
}
D0 (x, y)= min θ:( y/θ)e P(x) , (9)
A tecnologia de referência é dada por T, a área entre o raio da origem e o eixo x. Quando a
observação (x,y ) é avaliada pela função de distância direcional, o valor ideal é atingido em A,
onde β*=D→ (x, y; gx ,gy ). A função de distância de saída leva (x,y ) para B, onde D0 (x,y )=θ* ,
enquanto a função de distância de entrada leva (x,y ) para C, onde Di ( y,x )=λ* .
Para tornar nosso exemplo muito mais concreto, suponha que o valor observado (x,y) seja (2,1)
e nós
escolha o vetor de direção como sendo (-2,1). Se a fronteira da tecnologia for descrita por
y=x, então o ponto B teria coordenadas (2,2) e o ponto C, coordenadas (1,1). O ponto
eAcient associado usando a função de distância direcional (ponto A) teria um valor de
(4/3,4/3). O valor correspondente de beta seria 1/3 para a função de distância direcional. A
saída
Luenberger [1б,17] introduziu a função de distância direcional, que ele chamou de função de escassez. Aqui,
2
Nesse caso, a função de distância de entrada teria um valor de 1/2, enquanto a função de
distância de entrada teria um valor de 2.
Em nossa primeira ilustração de medição de desempenho, optamos por avaliar a empresa
ou DMU k' em relação à tecnologia estática (1) por meio da medida de eAciência de
produção de Farrell [13]. Essa medida é a recíproca da função de distância de produção,3 a
saber:
F0 (xk' ,yk' ) é a solução para o problema de programação linear (15). Um valor igual a um
indica eAciência, enquanto um valor maior que um indica ineAciência. A produção poderia
ser aumentada proporcionalmente por (F0 (x k' yk' )-1) se a DMU k ' for ineficiente.
Uma medida mais sofisticada do que a medida de Farrell é o índice de produtividade de
Malmquist [14]. Como uma medida de mudança de produtividade, ele nos diz o quanto a
proporção de produção agregada para entrada agregada (um índice de produto médio)
mudou entre dois períodos de tempo quaisquer. Esse índice pode ser orientado para a
entrada ou para a saída, dependendo do uso de funções de distância de entrada ou saída.
Aqui, discutiremos o caso orientado para a produção e começaremos com uma ilustração
adotada de Fä re e Grosskopf [4] (veja a Fig. 7).
As duas observações de entrada-saída (xt ,yt ) e (x t+ 1 ,y t+ 1 ) pertencem às tecnologias T t
e
3 Essa é a interpretação de Fä re, et al. [18]. A medida de saída original de Farrell é a função de distância de
saída [13].
4б R. Färe, S. Grosskopf / Socio-Economic Planning Sciences 34 (2000) 35-49
LOGIA
Observe que a Eq. (17) capta, por exemplo, as mudanças na fronteira devido à inovação.
O produto da eAciência e da mudança técnica é a medida de produtividade de Malmquist,
dada pela Eq. (18).
" #1/2
Dt+1 xt+1 yt+1 Dt xt+1 yt+1
M0 (t, t + 1)= EFFCH ● TECH = 0 , 0, . (18)
0( , )
Dt xt yt
Dt+1
0 (x , y )
t t
O índice de Malmquist consiste, portanto, em funções de distância que avaliam (xt ,yt ) e (x t+ 1
,y t+ 1 ) em relação às duas tecnologias de referência, Tt e T t + 1 , respectivamente. Elas são
indicadas por
os sobrescritos nas funções de distância, Dt 0e D t + 1 0, respectivamente.
Em seguida, passamos para o modelo de rede dinâmica (б), que foi usado por Fä re e
Grosskopf
[12] para calcular a eAciência dinâmica. Aqui, precisamos resolver a questão de se um único
escalonamento geral ou um escalonamento anual deve ser usado para o modelo. No primeiro
caso, o
O resultado final de cada ano, aqui yft e yft+ 1 , seria escalonado com o mesmo escalar, θ.
No segundo caso, seriam usados dois escalares, θt e θ t+ 1 , e a função objetiva seria a soma
deles. Fä re e Grosskopf [12] usaram a última formulação, pois estavam interessados em
comparar o modelo dinâmico com uma sequência de modelos estáticos. Em ambos os
casos, a eAciência pode ser estimada usando as técnicas de LP conhecidas da DEA.
5. Resumo
Agradecimentos
Os autores agradecem ao Dr. B. Parker por seus "ajustes com caneta vermelha".
Apêndice A
Suponha que existam k = 1,... . ,K DMU:s. Essas podem ser empresas diferentes ou
uma empresa em momentos diferentes. Cada DMU é caracterizada por seu vetor de
entrada e saída (xk ,yk )=(xk1 ,... ,xkN ,yk1 ,... ,ykM ). Os coeAcientes (xkn ,ykm ), m = 1,... . ,M,
n = 1,... . ,N, k = 1,... . ,K devem satisfazer determinadas condições. Essas condições
são:
48 R. Färe, S. Grosskopf / Socio-Economic Planning Sciences 34 (2000) 35-49
ΣK
(ii) xkn > 0, n = 1, ... . , N.
k=1
ΣN
K
Σ
(iv) ykm > 0, m = 1, ... . , M.
k=1
M
Σ
(v) ykm > 0, k = 1, ... . , K.
m=1
As condições em (i) simplesmente afirmam que os inputs e outputs são números não
negativos, mas não precisam ser todos positivos. O requisito (ii) significa que cada entrada é
usada em pelo menos uma atividade. A terceira condição diz que cada atividade usa pelo
menos um input. A primeira das duas condições de saída (iv) exige que cada saída seja
produzida por alguma atividade, enquanto a (v) afirma que cada atividade produz alguma
saída.
O modelo de (1) satisfaz as propriedades:
Referências
[1] Charnes A, Cooper WW, Lewin AY, Seiford LM. The DEA process, usages and interpretations (O processo
DEA, usos e interpretações). Em: Data envelopment analysis: theory, methodology and applications, cap. 21.
Boston: Hluwer Academic, 1993.
[2] Shephard RW, Fä re R. A dynamic theory of production correspondences (Uma teoria dinâmica das
correspondências de produção). ORC UC Berkeley 75-13, Berkeley, CA 1975.
[3] Shephard RW. Theory of cost and production. Princeton: Princeton University Press, 1970.
[4] Fä re R, Grosskopf S. Intertemporal production frontiers: with dynamic DEA Boston: Hluwer Academic
Publishers, 199б.
[5] Charnes A, Cooper WW, Rhodes E. Measuring the eAciency of decision making units. European journal of
operational research 1978;2(б):429-44.
[б] von Neumann J. A model of general economic equilibrium (Um modelo de equilíbrio econômico geral). Review of
Economic Studies 1945;13(1):1-9.
[7] Harlin S. Mathematical methods and theory in games, programming and economics (Métodos matemáticos e
teoria em jogos, programação e economia). Reading: Addison-Wesley, 1959.
R. Färe, S. Grosskopf / Socio-Economic Planning Sciences 34 (2000) 35-49 49
[8] Fä re R, Grabowski R, Grosskopf S, Hraft S. EAciência de um input fixo, mas alocável: uma abordagem não
paramétrica. In: Economics Letters, vol. 5б, 199б. p. 187-93.
[9] Fä re R, Whittaker G. An intermediate input model of dairy production using complex survey data. Journal of
agricultural economics 1995;4б(2):201-23.
[10] Fä re R, Grosskopf S, Roos P. Network and production models of swedish pharmacies, mimeo 199б.
[11] Sengupta J. Dynamics of DEA (Dinâmica da DEA). Dordrecht: Hluwer Academic Publishers, 1995.
[12] Fä re R, Grosskopf S. EAciência e produtividade em países ricos e pobres. Em: Jensen B, Wong HY,
editores. Dynamics, economic growth and international trade (Dinâmica, crescimento econômico e comércio
internacional). Ann Arbour: University of Michigan Press, 1997.
[13] Farrell MJ. The measurement of productive eAciency (A medição da eficiência produtiva). Journal of the royal
statistical society Series A 1957;120:253-90.
[14] Färe R, Grosskopf S, Lindgren B, Roos P. Productivity developments in Swedish hospitals: A Malmquist out-
put index approach. Em: Charnes A, Cooper WW, Lewin A, Seiford L, editores. Data envelopment analysis:
the- ory, methodology and applications (Análise de envelopamento de dados: teoria, metodologia e
aplicações). Boston: Hluwer Academic, 1994.
[15] Fä re, Grosskopf RS, Lovell CAH. Production frontiers (Fronteiras da produção). Cambridge:
Cambridge University Press, 1994. [1б] Luenberger D. Benefit functions and quality (Funções de
benefício e qualidade). Journal of Mathematical Economics 1992;21:4б1-81.
[17] Luenberger D. Microeconomic theory (Teoria microeconômica). New York: Mcgraw Hill, 1995.
[18] Chambers RG, Chung Y, Färe R. Profit, directional distance functions, and nerlovian eAciency. Journal of op-
timization theory and applications 1998;98(2):351-б4.