Super efficiency: Super-efficiency

Super efficiency: Super-efficiency data envelopment analysis (DEA) model was originally proposed by Andersen and Petersen (1993) to provide a ranking system that would help them discriminate between frontier firms. When a DMU under evaluation is not included in the reference set of the original DEA models, the resulting DEA models are called super-efficiency DEA models. The super-efficiency method has subsequently been used in a number of alternative ways such as for sensitivity testing (Zhu, 2001) or outlier identification (Banker and Chang, 2006). This model also can be used as a method of circumventing the bounded-range problem in a second stage regression methods can be used instead of Tobit regression. From (3.2), all the frontier DMUs (efficient DMUs) have θ*o = 1. In order to discriminate the performance of efficient DMUs, we use the VRS super-efficiency DEA model where DMUo is not included in the reference set Min θoVRS-super n s.t Σ λjxij ≤ θoVRS-super xio, i = 1,2, …, m, j=1 j≠ 0 n Σ λjyrj ≥ yro r = 1,2, …, s, j=1 j≠ 0 n Σ λj = 1, (3.3) j=1 j≠ 0 λj ≥ 0, j ≠ 0
Adler et al. (2002) showed the three problems with this methodology. Thrall (1996) noted that the super-efficiency CCR model may be infeasible. Zhu (1996), Dula and Hickman (1997), Seiford and Zhu (1999) prove under which conditions various super-efficiency models are infeasible. Despite these drawbacks, due to the simplicity of this concept, many researchers have used this approach. For example, Hashimoto (1997) developed the DEA super-efficiency model with assurance regions in order to rank DMUs completely. Chen (2004) proposed a modified super-efficiency DEA model to overcome the infeasibility 19
problem and to correctly capture the possible super-efficiency existing in forms of the input saving or output surplus.
3.1.2: STEP 2: Sources of Technical Efficiency
Measures of farm technical and scale efficiency obtained from step 1 are used in regression analysis to estimate the relationship between the efficiency and different farm characteristics, including farm financial variables. The following translog model is estimated: lnTE = α0 + αI lnI + αII lnI 2 + αA lnA + αAA lnA 2 + αED lnED + αEDED lnED 2 + αEX lnEX + αEXEX lnEX 2 + αDA lnDA + αDADA lnDA 2 + αBDA ln BDA + αBDABDA lnBDA 2 + αDE lnDE + αDEDE lnDE 2 + αIA lnI lnA + αIED lnI lnED + αIEX lnI lnEX + αIDA lnI lnDA + αIBDA lnI lnBDA + αIDE lnI lnDE + αAED lnA lnED + αAEX lnA lnEX + αADA lnA lnDA + αABDA lnA lnBDA + αADE lnA lnDE + αEDEX lnED lnEX + αEDDA lnED lnDA + αEDBDA lnED lnBDA + αEDEX lnED lnDE + αEXDA lnEX lnDA + αEXBDA lnEX lnBDA + αEXDE lnEX lnDE + αDABDA lnDA lnBDA + αDADE lnDA lnDE + αBDADE lnBDA lnDE where TE represents the super efficiency scores obtained from the estimation made in the previous step. Variables hypothesized to influence technical efficiency include farm investment (I); age of the household head (A); schoolings of the household head (ED); experience of the household head, which is measured as a number of years in the farm business (EX); debt-to-asset ratio (DA); bank debt-to-asset ratio (BDA); debt-to-equity ratio (DE) Variable I (Investment) is the capital expenditures to the start of period net physical property, land, ponds, machines and equipment serve for Pangasius farming. The expected sign of this variable on technical efficiency scores is positive. A is a variable included in the model to estimate the impact of age of the household head on the level of technical efficiency. Age can be a proxy since the Pangasius farming in the Angiang province is a traditional one. The larger the age, the greater the technical performance is. 20
Variable education (ED) measured as the number of years of schooling achieved by the household head. This variable is used as a proxy for input management. The higher level of educational achievement may lead to the better assessment of farming decision such as the efficient use of inputs. The expected sign for education variable is positive. Farmer experience (EX), measured here in terms of years that the producer has been. The farmers that have been farming for a longer period of time may have learned from past experiences and thus would have improved management abilities and be more receptive to innovations, result in a better efficiency The debt-to-asset ratios (DA) in this research is current debt-to-asset ratios, since only current debt is used in all samples, measure the impact of financial leverage on technical efficiency. The debt-to-asset ratios measure the impact of financial leverage on efficiency. As can be seen in the chapter of literature review, there have been different hypotheses of the relationship between financial leverage and technical efficiency. This research expect sign of the estimated coefficient is positive because of the fact that most of Pangasius farms need to base on current debt which mostly go to the huge cost for fish feeding everyday. Pangasius farmers have the constraint on operating loans more than capital loans. Most farms in the sample use their debt to operating their farms more than investing or improving their fixed assets. The availability of debt or credit will lose the constraints of farm operating to get the inputs on time and hence is supposed to increase the efficiency of the farmers. In Vietnam, the interest rates charged by the formal financing system (including state-owned and joint-stock commercial banks, local credit funds) are substantially lower than those charged by moneylenders (including professional moneylenders, relatives and friends, which are among the popular sources of credit in Vietnam). The bank debt-to-asset ratios (BDA) was included in the model to explore whether there is a relationship between financing of banks and farm efficiency. Variable debt-to-equity ratios (DE) included in the model to estimate more reliably the impact of Debt on the level of technical efficiency since total assets including the fixed properties (i.e land, houses, equipment) that are not easy to transform to cash in a short time to serve the farm operating. Therefore, debt-to-equity ratios is used as an proxy in this empirical model. 21

Kết quả (Việt) 1:

Siêu hiệu quả: mô hình phân tích (DEA) envelopment siêu hiệu quả dữ liệu ban đầu được đề xuất bởi Andersen và Petersen (1993) để cung cấp một hệ thống xếp hạng có thể giúp họ phân biệt đối xử giữa các biên giới doanh nghiệp. Khi một DMU theo đánh giá không được bao gồm trong tập tài liệu tham khảo các mô hình ban đầu của DEA, DEA kết quả các mô hình được gọi là các mô hình DEA siêu hiệu quả. Phương pháp siêu hiệu quả này sau đó đã được sử dụng trong một số cách khác chẳng hạn như cho thử nghiệm độ nhạy (Zhu, 2001) hoặc xác định outlier (ngân hàng và Chang, 2006). Mô hình này cũng có thể được sử dụng như một phương pháp của circumventing các vấn đề phạm vi bao bọc trong một phương pháp hồi quy giai đoạn thứ hai có thể được sử dụng thay vì Tobit hồi quy. Từ (3.2), tất cả các biên giới của DMUs (hiệu quả DMUs) có θ * o = 1. Để thực hiện hiệu quả DMUs phân biệt đối xử, chúng tôi sử dụng mô hình DEA VRS siêu hiệu quả mà DMUo không được bao gồm trong tài liệu tham khảo thiết lập Min θoVRS-super n kỹ Σ λjxij ≤ θoVRS-super xio, i = 1,2,..., m, j = 1 j≠ 0 n Σ λjyrj ≥ yro r = 1,2,..., s, j = 1 j≠ 0 n Σ λj = 1, (3.3) j = 1 j≠ 0 λj ≥ 0 , j ≠ 0 Adler et al. (2002) đã cho thấy ba vấn đề với phương pháp này. Thrall (1996) lưu ý rằng các mô hình CCR siêu hiệu quả có thể được infeasible. Zhu (1996), Dula và Hickman (1997), Seiford và Zhu (1999) chứng minh dưới những điều kiện khác nhau siêu hiệu quả mô hình được infeasible. Mặc dù có những hạn chế, do sự đơn giản của khái niệm này, nhiều nhà nghiên cứu đã sử dụng cách tiếp cận này. Ví dụ: Hashimoto (1997) phát triển mô hình siêu hiệu quả DEA với đảm bảo các khu vực để xếp hạng DMUs hoàn toàn. Chen (2004) đã đề xuất một mô hình DEA lần siêu hiệu quả để vượt qua infeasibility 19 vấn đề và để nắm bắt một cách chính xác hiệu quả siêu thể hiện trong các hình thức đầu vào thặng dư tiết kiệm hoặc đầu ra. 3.1.2: BƯỚC 2: trong số các nguồn kỹ thuật hiệu quả Các biện pháp kỹ thuật trang trại quy mô hiệu quả thu được từ bước 1 được sử dụng trong phân tích hồi qui để ước lượng mối quan hệ giữa hiệu quả và đặc điểm trang trại khác nhau, bao gồm cả các biến tài chính trang trại. Mô hình translog sau đây được ước tính: lnTE = α0 + αI lnI + αII lnI 2 + αA lnA + αAA lnA 2 + αED lnED + αEDED lnED 2 + αEX lnEX + αEXEX lnEX 2 + αDA lnDA + αDADA lnDA 2 + αBDA ln BDA + αBDABDA lnBDA 2 + αDE lnDE + αDEDE lnDE 2 + αIA lnI lnA + αIED lnI lnED + αIEX lnI lnEX + αIDA lnI lnDA + αIBDA lnI lnBDA + αIDE lnI lnDE + αAED lnA lnED + αAEX lnA lnEX + αADA lnA lnDA + αABDA lnA lnBDA + αADE lnA lnDE + αEDEX lnED lnEX + ΑEDDA lnED lnDA αEDBDA lnED lnBDA + αEDEX lnED lnDE + αEXDA lnEX lnDA + αEXBDA lnEX lnBDA + αEXDE lnEX lnDE + αDABDA lnDA lnBDA + αDADE lnDA lnDE + αBDADE lnBDA lnDE nơi TE đại diện cho các điểm số siêu hiệu quả thu được từ dự toán được thực hiện trong bước trước. Biến đưa ra giả thuyết để ảnh hưởng đến hiệu quả kỹ thuật bao gồm các trang trại đầu tư (I); tuổi của người đứng đầu gia đình (A); schoolings của người đứng đầu gia đình (ED); kinh nghiệm của người đứng đầu gia đình, được đo bằng một số năm trong kinh doanh trang trại (CŨ); tỷ lệ nợ trên tài sản (DA); tỷ lệ nợ trên tài sản ngân hàng (BDA); tỷ lệ vốn chủ sở hữu nợ (DE) biến I (đầu tư) là chi phí đầu tư để bắt đầu thời gian mạng vật lý tài sản, đất đai, ao, Máy móc và thiết bị phục vụ cho cá tra nuôi. Các dấu hiệu dự kiến của biến này vào điểm số của kỹ thuật hiệu quả là tích cực. A là một biến được bao gồm trong các mô hình để ước tính tác động của tuổi của người đứng đầu gia đình ở cấp độ của kỹ thuật hiệu quả. Tuổi có thể là một proxy từ nuôi cá Basa ở tỉnh VP là một trong những truyền thống. Lớn hơn tuổi, lớn hơn các hoạt động kỹ thuật là. 20 Variable education (ED) measured as the number of years of schooling achieved by the household head. This variable is used as a proxy for input management. The higher level of educational achievement may lead to the better assessment of farming decision such as the efficient use of inputs. The expected sign for education variable is positive. Farmer experience (EX), measured here in terms of years that the producer has been. The farmers that have been farming for a longer period of time may have learned from past experiences and thus would have improved management abilities and be more receptive to innovations, result in a better efficiency The debt-to-asset ratios (DA) in this research is current debt-to-asset ratios, since only current debt is used in all samples, measure the impact of financial leverage on technical efficiency. The debt-to-asset ratios measure the impact of financial leverage on efficiency. As can be seen in the chapter of literature review, there have been different hypotheses of the relationship between financial leverage and technical efficiency. This research expect sign of the estimated coefficient is positive because of the fact that most of Pangasius farms need to base on current debt which mostly go to the huge cost for fish feeding everyday. Pangasius farmers have the constraint on operating loans more than capital loans. Most farms in the sample use their debt to operating their farms more than investing or improving their fixed assets. The availability of debt or credit will lose the constraints of farm operating to get the inputs on time and hence is supposed to increase the efficiency of the farmers. In Vietnam, the interest rates charged by the formal financing system (including state-owned and joint-stock commercial banks, local credit funds) are substantially lower than those charged by moneylenders (including professional moneylenders, relatives and friends, which are among the popular sources of credit in Vietnam). The bank debt-to-asset ratios (BDA) was included in the model to explore whether there is a relationship between financing of banks and farm efficiency. Variable debt-to-equity ratios (DE) included in the model to estimate more reliably the impact of Debt on the level of technical efficiency since total assets including the fixed properties (i.e land, houses, equipment) that are not easy to transform to cash in a short time to serve the farm operating. Therefore, debt-to-equity ratios is used as an proxy in this empirical model. 21