Применение методики анализа охвата пространственных данных для измерения региональной эффективности
DOI:
https://doi.org/10.17059/ekon.reg.2021-4-9Ключевые слова:
региональная наука, экономика, анализ охвата данных, анализ охвата пространственных данных, региональная эффективность, пространственная экономика, пространственные взаимодействия, здравоохранение, эффективность здравоохранения, болезни изобилияАннотация
При исследовании эффективности здравоохранения на региональном уровне возникает проблема взаимодействия соседних территорий. Здоровье населения в конкретном регионе также зависит от системы здравоохранения в других областях, поскольку необходимо учитывать такие факторы, как медицинский туризм, ограниченное количество узкоспециализированных учреждений, конкуренция между учреждениями и т. д. Игнорирование подобных межрегиональных связей может привести к возникновению систематической погрешности в процессе анализа эффективности. Такие проблемы могут помешать проведению региональных исследований. Цель данной статьи — представить новый подход к измерению региональной эффективности с помощью анализа охвата пространственных данных (SDEA). Предложена математическая формулировка новой методологии и описаны различия между классическим анализом охвата данных (DEA) и разработанным подходом. Обзор литературы и теоретических примеров продемонстрировал необходимость поиска нового решения проблемы оценки региональной эффективности с учетом пространственного компонента. Классический метод позволяет проводить многомерный анализ производительности однородных независимых центров принятия решения. Однако в региональных исследованиях, где подход DEA приобрел популярность, предположение об изолированности центров принятия решения кажется необоснованным. В то же время анализ охвата пространственных данных исследует специфичный для региона пространственный контекст с помощью матрицы W. Также в данной модели пространственные взаимодействия выражаются через пространственно взвешенные входные и выходные данные. В статье была проверена гипотеза о важности фактора пространственных взаимодействий в контексте анализа региональной эффективности. Исследование эффективности здравоохранения в европейских регионах продемонстрировало практическую ценность новой методологии. Сравнение результатов двух моделей показало, что классический анализ охвата данных недооценивает региональную эффективность здравоохранения, не принимая во внимание региональный пространственный контекст. Представленная методика может использоваться в любых пространственных исследованиях в случае наличия пространственной автокорреляции. В частности, новый подход может быть использован для углубленного анализа эффективности инноваций, развития, логистики, туризма на региональном уровне.
Библиографические ссылки
Charnes, A., Cooper, W. & Rhodes, A. (1978). Measuring the efficiency of decision-making units. European Journal of Operations Research, 2, 429–444.
Charnes, A., Cooper, W., Golany, W. & Seinford, B. (1997). Data Envelopment Analysis. Theory, Methodology and Applications. Kluwer Academic Publishers.
Banker, R. D., Charnes, A. & Cooper, W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management Science, 30(9), 1078–1092.
Omrani, H., Shafaat, K. & Emrouznejad, A. (2018). An integrated fuzzy clustering cooperative game data envelopment analysis model with application in hospital efficiency. Expert Systems With Applications, 114, 615–628. DOI: https://doi.org/10.1016/j.eswa.2018.07.074.
Giancotti, M., Rotundo, G., Pipitone, V. & Mauro, M. (2018). Efficiency and optimal size of Italian public hospitals: results from data envelopment analysis. Epidemiology Biostatistics and Public Health, 15(4). DOI: 10.2427/12929.
Aristovnik, A., Seljak, J. & Mencinger, J. (2013). Relative efficiency of police directorates in Slovenia: A non-parametric analysis. Expert Systems with Applications, 40, 820–827. DOI: http://dx.doi.org/10.1016/j.eswa.2012.08.027.
Wua, T.-H., Chen, M.-S. & Yeh, J.-Y. (2010). Measuring the performance of police forces in Taiwan using data envelopment analysis. Evaluation and Program Planning, 33(3), 246–254. DOI: 10.1016/j.evalprogplan.2009.09.001.
Żółtaszek, A. (2014). Leaders and followers in the effectiveness of public safety services in European states - a spatial frontier approach. Comparative Economic Research, 17(4), 253–272.
Mardani, A., Streimikiene, D., Balezentis, T., Saman, M. Z. M., Nor, K. M. & Khoshnava, S. M. (2002). Data envelopment analysis in energy and environmental economics: An overview of the state-of-the-art and recent development trends. Energies, 11, 2002. DOI: 10.3390/en11082002.
Kourtit, K., Suzuki, S. & Nijkamp, P. (2017). Tracing high-sustainability performers among world cities—design and application of a multi-temporal data envelopment analysis. Habitat International, 68, 43–54. DOI: 10.1016/j.habitatint.2017.06.011
Suzuki, S. & Nijkamp, P. (2011). A stepwise projection data envelopment analysis for public transport operations in Japan. Tinbergen Institute Discussion Paper, TI 2011–113/3, 13.
Galinienė, B. & Dzemydaitė, G. (2012). Spatial data envelopment analysis method for the evaluation of regional infrastructure disparities. Social Technologies, 2(2), 390–403.
Shao, Y. & Sun, C. (2016). Performance evaluation of China’s air routes based on network data envelopment analysis approach. Journal of Air Transport Management, 55, 67–75.
Żółtaszek A. & Pisarek R. (2016). Effectiveness of national airlines in Europe—the DEA approach. Folia Oeconomica Stetinensia, 16(2), 103–118.
Suzuki S., Nijkamp P. & Rietveld, P. (2011). Regional efficiency improvement by means of data envelopment analysis through Euclidean distance minimization including fixed input factors: An application to tourist regions in Italy. Papers in Regional Science, 90(1), 67–89. DOI: 10.1111/j.1435–5957.2010.00316.
Gillen, D. & Lall, A. (1997). Developing measures of airport productivity and performance: an application of data envelopment analysis. Transportation Research Part E: Logistics and Transportation Review, 33(4), 261–273.
Shao, Y. & Sun, C. (2016). Performance evaluation of China’s air routes based on network data envelopment analysis approach. Journal of Air Transport Management, 55, 67–75.
Dzemydaitė, G. & Galinienė, B. (2013). Evaluation of regional efficiency disparities by efficient frontier analysis. Ekonomika, 92(4), 21–36.
Athanassopoulos, A. D. (1996). Assessing the comparative spatial disadvantage (CSD) of regions in the European Union using non-radial data envelopment analysis methods. European Journal of Operational Research, 94, 439–452.
Wang, Z. & Feng, C. (2015). Sources of production inefficiency and productivity growth in China: A global data envelopment analysis. Energy Economics, 49, 380–389.
Kapfer, M., Kantelhardt, J., Eckstein, K. & Hübner, R. (2013). Environmental and economic impact of agricultural land use—a spatially explicit DEA approach. Working Paper 2nd AIEAA Conference “Between Crisis and Development: Which Role for the Bio-Economy”, Associazione Italiana di Economia Agraria e Applicata, 18.
Lao, Y. & Liu, L. (2009). Performance evaluation of bus lines with data envelopment analysis and geographic information systems. Computers, Environment and Urban Systems, 33, 247–255.
Almeida, G. E. S., Lee Ho, L., Giannotti, M. A. & Quintanilha, J. A. (2013). Evaluation of the changes in the spatial distribution of companies in Osasco, (Sao Paulo, Brazil) by a data envelopment analysis (DEA). Revista Brasileira de Cartografia, 65(6), 1189–1198.
Kourtit, K. & Nijkamp, P., (2013). In search of creative champions in high-tech spaces: A spatial application of strategic performance management. Journal of Regional Science, 53(5), 749–777.
Angeriz, A., McCombie, J. & Roberts, M. (2006). Productivity, efficiency, and technological change in European union regional manufacturing: A data envelopment analysis approach. The Manchester School, 74(4 Special Issue), 500–525.
Wang, Q., Jin, X. & Zhou, Y. (2010). Efficiency socio-economic input factor of grain production based on DEA–ESDA. In: 2010 18th International Conference on Geoinformatics (pp. 1–5). Beijing. DOI: 10.1109/GEOINFORMATICS.2010.5567959.
Mokaddem, L. (2015). Regions‘ efficiency and spatial disparities in Tunisia. In: Second International Conference on Advances In Management, Economics, and Social Science (MES) (pp. 207–216). Rome, Italy. DOI: 10.15224/978–1-63248–046–0-131.
Schaffer, A., Simar, L. & Rauland, J. (2011). Decomposing regional efficiency. Journal of Regional Science, 51(5), 931–947.
Maté-Sánchez-Val, M. L. & Madrid-Guijarro, A. (2011). A spatial efficiency index proposal: An empirical application to SMEs productivity. The Annals of Regional Science, 47, 353–371. DOI: 10.1007/s00168–010–0382–8.
Anselin, L. (1988). Spatial Econometrics: Methods and Models. Kluwer Academic Publications, Dordrecht.
Żółtaszek A. & Olejnik A. (2017). Regional effectiveness of innovation—leaders and followers of the EU NUTS 0 and NUTS 2 regions. Lodz Economics Working Papers 8/2017, University of Lodz, Faculty of Economics and Sociology, 28.
Olejnik, A. & Żółtaszek, A. (2016). Spatial approach to diseases of affluence epidemiology and regional economic development. Folia Oeconomica Stetinensia, 16(2), 203–218.
Olejnik A. & Żółtaszek, A. (2017). Spatial econometric approach to modelling of selected Western diseases. Folia Oeconomica, 6(332), 39–50. DOI: 10.18778/0208–6018.332.03.
Żółtaszek, A. & Olejnik A. (2017). Economic development and the spread of diseases of affluence in EU Regions. Folia Oeconomica, 5(331), 23–37. DOI: 10.18778/0208–6018.331.02.
Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society, Series A(III), 253–290.
Ravindran, A. R. (2016). Operations Research and Management Science Handbook. CRC Press: Boca Raton, Florida.
Anselin, L. (1995). Local Indicators of Spatial Association — LISA. Geographical Analysis, 27, 93–115.
Anselin, L., Syabri I. & Smirnov O. (2002). Visualizing Multivariate Spatial Correlation with Dynamically Linked Windows. In: L. Anselin, S. Rey (Eds.), New Tools for Spatial Data Analysis: Proceedings of the Specialist Meeting. University of California, Santa Barbara: Center for Spatially Integrated Social Science (CSISS).
Danaei, G., Singh, G. M., Paciorek, K. J., Lin, J. K., Cowan M. J., Finucane, M. M., … Ezzati, M. (2013). The global cardiovascular risk transition: Associations of four metabolic risk factors with macroeconomic variables in 1980 and 2008. Circulation, 127(14), 1493–1502. DOI: 10.1161/CIRCULATIONAHA.113.001470.
Farrell, C. (2010). Mental Disorders. ABDO Publishing Company: North Mankato, Minnesota.
Labarthe, D. (2011). Epidemiology and Prevention of Cardiovascular Diseases: A Global Challenge. Jones & Bartlett Publishers: Sundbury, Massachusetts.
Link, K. (2007). Understanding New, Resurgent, and Resistant Diseases: How Man and Globalization Create and Spread Illness. Greenwood Publishing Group: Westport, London, 179.
Offer, A. (2006). The Challenge of Affluence: Self-Control and Well-Being in the United States and Britain Since 1950. Oxford University Press: Oxford.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2022 Экономика региона
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
