Abonnez-vous à DeepL Pro pour traduire des fichiers plus volumineux. Visitez www.DeepL.com/propour en savoir plus. Le U n i v e r s i t é d e l'enseignement NOUVELLE ANGLETERRE Documents de travail du Centre pour l'analyse de l'efficacité et de la productivité (CEPA) Guide de la version 2.1 de DEAP : Un programme (informatique) d'analyse d'enveloppement de données Coelli T.J. n° 8/96 CEPA Working Papers Department of Econometrics University of New England Armidale, NSW 2351, Australia. http://www.une.edu.au/econometrics/cepawp.htm ISSN 1327-435X ISBN 1 86389 4969 Guide du DEAP version 2.1 : Un programme d'analyse d'enveloppement des données (informatique) par Tim Coelli Centre d'analyse de l'efficacité et de la productivité Département d'économétrie Université de NouvelleAngleterre Armidale, NSW, 2351 Australie. Courriel : [email protected] Web : http://www.une.edu.au/econometrics/cepa.htm Document de travail CEPA 96/08 RÉSUMÉ Cet article décrit un programme informatique qui a été écrit pour effectuer des analyses d'enveloppes de données (DEA) dans le but de calculer les efficacités de production. Les méthodes mises en œuvre dans le programme sont basées sur les travaux de Rolf Fare, Shawna Grosskopf et leurs associés. Trois options principales sont disponibles dans le programme informatique. La première implique les modèles DEA standard CRS et VRS (qui impliquent le calcul des efficacités techniques et d'échelle) qui sont décrits dans Fare, Grosskopf et Lovell (1994). La seconde option considère l'extension de ces modèles pour prendre en compte les efficacités de coût et d'allocation. Ces méthodes sont également décrites dans Fare et al (1994). La troisième option consiste à appliquer les méthodes DEA de Malmquist à des données de panel pour calculer des indices de changement de la productivité totale des facteurs (PTF), de changement technologique, de changement d'efficacité technique et de changement d'efficacité d'échelle. Ces dernières méthodes sont discutées dans Fare, Grosskopf, Norris et Zhang (1994). Toutes les méthodes sont disponibles dans une orientation input ou output (à l'exception de l'option des efficacités de coût). 1. INTRODUCTION Ce guide décrit un programme informatique qui a été écrit pour réaliser des analyses d'enveloppement de données (DEA). La DEA implique l'utilisation de méthodes de programmation linéaire pour construire une surface (ou frontière) non paramétrique par morceaux sur les données, afin de pouvoir calculer les efficacités relatives à cette surface. Le programme informatique peut prendre en compte une variété de modèles. Les trois principales options sont les suivantes : 1. Modèles DEA standard CRS et VRS qui impliquent le calcul des efficacités techniques et d'échelle (le cas échéant). Ces méthodes sont décrites dans Fare, Grosskopf et Lovell (1994). 2. L'extension des modèles ci-dessus pour tenir compte des efficacités de coût et d'allocation. Ces méthodes sont également décrites dans Fare et al (1994). 3. L'application des méthodes DEA de Malmquist à des données de panel pour calculer des indices de changement de la productivité totale des facteurs (PTF), de changement technologique, de changement d'efficacité technique et de changement d'efficacité d'échelle. Ces méthodes sont examinées dans Fare, Grosskopf, Norris et Zhang (1994). Toutes les méthodes sont disponibles dans une orientation d'entrée ou de sortie (à l'exception de l'option des efficacités de coût). Les résultats du programme comprennent, le cas échéant, des estimations de l'efficacité technique, de l'efficacité d'échelle, de l'efficacité d'allocation et de l'efficacité des coûts, des retards résiduels, des pairs, de la PTF et des indices de changement technologique. Le document est divisé en sections. La section 2 présente une brève introduction aux concepts de mesure de l'efficacité développés par Farrell (1957) ; Fare, Grosskopf et Lovell (1985, 1994) et d'autres. La section 3 décrit comment ces idées peuvent être mises en œuvre empiriquement en utilisant des méthodes de programmation linéaire (DEA). La section 4 décrit le programme informatique, DEAP, et la section 5 fournit quelques illustrations de l'utilisation du programme. La section 6 présente les conclusions finales. Une annexe est ajoutée qui résume les aspects techniques importants de l'utilisation du programme. 2. CONCEPTS DE MESURE DE L'EFFICACITÉ 3 L'objectif principal de cette section est de présenter un certain nombre de mesures d'efficacité couramment utilisées et d'examiner comment elles peuvent être calculées par rapport à une technologie efficace, qui est généralement représentée par une forme de fonction frontière. Les frontières ont été 4 estimée à l'aide de nombreuses méthodes différentes au cours des 40 dernières années. Les deux principales méthodes sont : 1. analyse d'enveloppement des données (DEA) et 2. les frontières stochastiques, qui impliquent respectivement la programmation mathématique et les méthodes économétriques. Le présent document et le programme informatique DEAP concernent l'utilisation des méthodes DEA. Le programme informatique FRONTIER peut être utilisé pour estimer les frontières à l'aide de méthodes de frontières stochastiques. Pour plus d'informations sur FRONTIER, voir Coelli (1992, 1994). La discussion dans cette section fournit une très brève introduction à la mesure moderne de l'efficacité. Un traitement plus détaillé est fourni par Fare, Grosskopf et Lovell (1985, 1994) et Lovell (1993). La mesure moderne de l'efficience commence avec Farrell (1957) qui s'est appuyé sur les travaux de Debreu (1951) et Koopmans (1951) pour définir une mesure simple de l'efficience de l'entreprise qui puisse prendre en compte des intrants multiples. Il a proposé que l'efficience d'une entreprise se compose de deux éléments : l'efficience technique, qui reflète la capacité d'une entreprise à obtenir une production maximale à partir d'un ensemble donné d'intrants, et l'efficience allocative, qui reflète la capacité d'une entreprise à utiliser les intrants dans des proportions optimales, compte tenu de leurs prix respectifs. Ces deux mesures sont ensuite combinées pour fournir une mesure de l'efficacité économique totale.1 La discussion qui suit commence par les idées originales de Farrell, qui étaient illustrées dans l'espace entrée/entrée et qui visaient donc à réduire l'entrée. Ces mesures sont généralement appelées mesures axées sur les intrants. 2.1 Mesures axées sur les intrants Farrell a illustré ses idées à l'aide d'un exemple simple impliquant des entreprises qui utilisent deux intrants (x1 et x2 ) pour produire un seul extrant (y), sous l'hypothèse de rendements d'échelle constants.2 La connaissance de l'isoquant unitaire de l'entreprise pleinement efficace,3 , représentée par 1 La terminologie de Farrell différait en partie de celle utilisée ici. Il utilisait le terme d'efficacité des prix au lieu d'efficacité allocative et le terme d'efficacité globale au lieu d'efficacité économique. La terminologie utilisée dans le présent document est conforme à celle qui a été utilisée le plus souvent 5 dans la littérature récente. 2 L'hypothèse de rendements d'échelle constants permet de représenter la technologie à l'aide d'un isoquant unitaire. En outre, Farrell a également discuté de l'extension de sa méthode afin de prendre en compte plus de deux entrées, des sorties multiples et des rendements d'échelle non constants. 6 dans la figure 1, permet de mesurer l'efficacité technique. Si une entreprise donnée utilise des quantités d'intrants, définies par le point P, pour produire une unité d'extrant, l'inefficacité technique de cette entreprise peut être représentée par la distance QP, qui est le montant dont tous les intrants pourraient être réduits proportionnellement sans réduction de l'extrant. Cette distance est généralement exprimée en pourcentage par le rapport QP/0P, qui représente le pourcentage par lequel tous les intrants pourraient être réduits. L'efficacité technique (ET) d'une entreprise est le plus souvent mesurée par le ratio TEI = 0Q/0P, (1) qui est égal à un moins QP/0P.4 Il prend une valeur comprise entre zéro et un, et fournit donc un indicateur du degré d'inefficacité technique de l'entreprise. Une valeur de un indique que l'entreprise est totalement efficace sur le plan technique. Par exemple, le point Q est techniquement efficace car il se situe sur l'isoquant efficace. Figure 1 Efficacités techniques et allocatives S x2 /y P A Q 0 x1 /y Si le ratio du prix des intrants, représenté par la ligne dans la figure 1, est également connu, l'efficacité allocative peut également être calculée. L'efficacité allocative (AE) de l'entreprise opérant à P est définie comme étant le ratio AEI = 0R/0Q, (2) 3 La fonction de production de l'entreprise pleinement efficace n'est pas connue en pratique, et doit donc être estimée à partir d'observations sur un échantillon d'entreprises du secteur concerné. Dans cet article, nous utilisons la DEA pour estimer cette frontière. 4 L'indice "I" est utilisé sur la mesure TE pour montrer qu'il s'agit d'une mesure orientée vers l'entrée. Les mesures orientées vers la sortie seront définies prochainement. 7 puisque la distance RQ représente la réduction des coûts de production qui se produirait si la production avait lieu au point Q efficace sur le plan allocatif (et technique), au lieu du point Q efficace sur le plan technique, mais inefficace sur le plan allocatif.5 L'efficacité économique totale (EE) est définie comme étant le ratio EEI = 0R/0P, (3) où la distance RP peut également être interprétée en termes de réduction des coûts. Notons que le produit de l'efficacité technique et de l'efficacité allocative fournit l'efficacité économique globale TEI AEI = (0Q/0P)(0R/0Q) = (0R/0P) = EEI . (4) Notez que les trois mesures sont limitées par zéro et un. Figure 2 Isoquant linéaire convexe par morceaux x2 /y S 0 x1 /y Ces mesures d'efficacité supposent que la fonction de production de l'entreprise pleinement efficace est connue. Dans la pratique, ce n'est pas le cas, et l'isoquant efficace doit être estimé à partir des données de l'échantillon. Farrell a suggéré d'utiliser soit (a) une isoquante convexe linéaire par morceaux non paramétrique construite de telle sorte qu'aucun point observé ne se trouve à gauche ou en dessous (voir la figure 2), soit (b) une fonction paramétrique, telle que la forme Cobb-Douglas, ajustée aux données, de telle sorte qu'aucun point observé ne se trouve à gauche ou en dessous. Farrell a illustré ses méthodes à l'aide de données agricoles pour l'année 2008. 8 5 On peut illustrer cela en traçant deux lignes d'isocoût passant par Q et Q. Indépendamment de la pente de ces deux lignes parallèles (qui est déterminée par le ratio du prix des intrants), le ratio RQ/0Q représenterait le pourcentage de réduction des coûts associé au passage de Q à Q. 9 les 48 États continentaux des États-Unis. 2.2 Mesures axées sur les résultats La mesure de l'efficacité technique axée sur les intrants ci-dessus répond à la question suivante : "De combien les quantités d'intrants peuvent-elles être réduites proportionnellement sans modifier les quantités produites ?". On pourrait également poser la question suivante : "De combien les quantités produites peuvent-elles être proportionnellement augmentées sans modifier les quantités d'intrants utilisées ?". Il s'agit d'une mesure orientée vers l'output, par opposition à la mesure orientée vers l'input discutée ci-dessus. La différence entre les mesures axées sur les sorties et les entrées peut être illustrée à l'aide d'un exemple simple impliquant une entrée et une sortie. Cet exemple est illustré à la figure 3(a) où nous avons une technologie à rendements d'échelle décroissants représentée par f(x), et une entreprise inefficace opérant au point P. La mesure de Farrell de TE orientée sur les intrants serait égale au ratio AB/AP, tandis que la mesure de TE orientée sur les extrants serait CP/CD. Les mesures axées sur la production et les intrants ne fourniront des mesures équivalentes de l'efficacité technique que si les rendements d'échelle sont constants, mais elles seront inégales si les rendements d'échelle sont croissants ou décroissants (Fare et Lovell, 1978). Le cas des rendements d'échelle constants est illustré à la figure 3(b) où l'on observe que AB/AP=CP/CD, pour tout point inefficace P que l'on souhaite choisir. On peut approfondir les mesures axées sur la production en considérant le cas où la production implique deux extrants (y1 et y2 ) et un seul intrant (x1 ). Là encore, si nous supposons des rendements d'échelle constants, nous pouvons représenter la technologie par une courbe des possibilités de production unitaire en deux dimensions. Cet exemple est illustré à la figure 4 où la ligne ZZ est la courbe des possibilités de production unitaire et le point A correspond à une entreprise inefficace. Notez que le point inefficace, A, se trouve en dessous de la courbe dans ce cas, car ZZ représente la limite supérieure des possibilités de production. 10 Figure 3 Mesures de l'efficacité technique axées sur les intrants et les extrants et rendements d'échelle (a) DRTS y f(x) D A B D P 0 (b) CRTS y B A 0 x C f(x) P C x Figure 4 Efficacités techniques et allocatives dans une optique de production y2 /x D C Z A B 0 y1 /x Les mesures d'efficacité de Farrell orientées vers la production seraient définies comme suit. Dans la figure 4, la distance AB représente l'inefficacité technique. C'està-dire le montant dont les résultats pourraient être augmentés sans nécessiter d'intrants supplémentaires. Par conséquent, une mesure de l'efficacité technique orientée vers la production est le rapport TEO = 0A/0B. (7) Si nous disposons d'informations sur les prix, nous pouvons alors tracer la ligne isorevenu DD et définir l'efficacité allocative comme suit 11 AEO = 0B/0C (8) qui a une interprétation d'augmentation des revenus (similaire à l'interprétation de réduction des coûts de l'inefficacité allocative dans le cas orienté vers les intrants). En outre, on peut définir l'efficacité économique globale comme le produit de ces deux mesures EEO = (0A/0C) = (0A/0B)(0B/0C) = TEO AEO . (9) Encore une fois, ces trois mesures sont toutes limitées par zéro et un. Avant de conclure cette section, il convient de faire deux remarques rapides concernant les six mesures d'efficacité que nous avons définies : 1) Elles sont toutes mesurées le long d'un rayon allant de l'origine au point de production observé. Elles maintiennent donc constantes les proportions relatives des intrants (ou des extrants). Un avantage de ces mesures d'efficacité radiale est qu'elles sont invariantes en termes d'unités. En d'autres termes, le changement des unités de mesure (par exemple, la mesure de la quantité de travail en heurespersonnes au lieu d'années-personnes) ne modifiera pas la valeur de la mesure d'efficacité. Une mesure non radiale, telle que la plus courte distance entre le point de production et la surface de production, peut être défendue, mais cette mesure ne sera pas invariante par rapport aux unités de mesure choisies. Changer les unités de mesure dans ce cas pourrait entraîner l'identification d'un point "le plus proche" différent. Nous reviendrons sur cette question lorsque nous examinerons le traitement des retards dans la DEA. 2) On peut montrer que les mesures d'efficacité technique de Farrell axées sur les intrants et les extrants sont égales aux fonctions de distance des intrants et des extrants examinées dans Shepherd (1970). Pour plus d'informations à ce sujet, voir Lovell (1993, p10). Cette observation devient importante lorsque nous discutons de l'utilisation des méthodes DEA dans le calcul des indices de Malmquist de la variation de la PTF. 3. Analyse d'enveloppement des données (DEA) L'analyse par enveloppement de données (DEA) est une approche de programmation mathématique non paramétrique de l'estimation des frontières. La discussion des modèles DEA présentée ici est brève, avec relativement peu de détails techniques. Des 12 examens plus détaillés de la méthodologie sont présentés par Seiford et Thrall (1990), Lovell (1993), Ali et Seiford (1993), Lovell (1994), Charnes et al (1995) et Seiford (1996). L'approche par coque convexe linéaire par morceaux de l'estimation de la frontière, proposée par Farrell 13 (1957), n'a été étudiée que par une poignée d'auteurs au cours des deux décennies qui ont suivi l'article de Farrell. Des auteurs tels que Boles (1966) et Afriat (1972) ont proposé des méthodes de programmation mathématique permettant de réaliser cette tâche, mais la méthode n'a pas fait l'objet d'une grande attention jusqu'à l'article de Charnes, Cooper et Rhodes (1978) qui a inventé le terme d'analyse d'enveloppement des données (DEA). Depuis, un grand nombre d'articles ont étendu et appliqué la méthodologie DEA. Charnes, Cooper et Rhodes (1978) ont proposé un modèle axé sur les intrants et supposant des rendements d'échelle constants (CRS).6 Des articles ultérieurs ont envisagé d'autres séries d'hypothèses, comme Banker, Charnes et Cooper (1984) qui ont proposé un modèle de rendements d'échelle variables (REV). L'analyse suivante de la DEA commence par une description du modèle CRS orienté vers les intrants dans la section 3.1, car ce modèle a été le premier à être largement appliqué. 3.1 Le modèle des rendements constants à l'échelle (CRS) Nous commencerons par définir quelques notations. Supposons qu'il existe des données sur K entrées et M sorties pour chacune des N entreprises ou UDM, comme on les appelle dans la littérature sur la DEA.7 Pour la i-ème DMU, ces données sont représentées par les vecteurs xi et yi , respectivement. La matrice d'entrée KN, X, et la matrice de sortie , Y, représentent les données de l'ensemble des N DMU. L'objectif de la DEA est de construire une frontière d'enveloppement non paramétrique sur les points de données de telle sorte que tous les points observés se situent sur ou en dessous de la frontière de production. Pour l'exemple simple d'une industrie où une production est réalisée à l'aide de deux intrants, on peut la visualiser comme un certain nombre de plans qui se croisent et qui forment une enveloppe bien ajustée sur une dispersion de points dans un espace tridimensionnel. Compte tenu de l'hypothèse du SRC, cela peut également être représenté par une isoquante unitaire dans l'espace intrant/intrant (voir la figure 2). La meilleure façon d'introduire la DEA est d'utiliser la forme du ratio. Pour chaque UDM, nous souhaitons obtenir une mesure du rapport entre toutes les sorties et toutes les entrées, comme i /vxi , où u est un vecteur M1 de poids des sorties et v un vecteur K1 de poids des entrées. Pour sélectionner les poids optimaux, nous spécifions le problème de programmation mathématique : 14 6 A ce stade, nous commencerons à utiliser CRS pour faire référence aux rendements d'échelle constants plutôt que CRTS. La plupart des textes d'économie utilisent ce dernier terme, tandis que la plupart des articles sur la DEA utilisent le premier. 7 DMU signifie "unité de prise de décision". C'est un terme plus approprié que celui de "firme" lorsque, par exemple, une banque étudie les performances de ses succursales ou qu'un district éducatif étudie les performances de ses écoles. 15 maxu,v (i /vxi ), stuyj /vxj 1, j=1,2,...,N, u, v . (10) Il s'agit de trouver des valeurs pour u et v, de telle sorte que la mesure d'efficacité de la i-ème UMD soit maximisée, sous réserve de la contrainte que toutes les mesures d'efficacité soient inférieures ou égales à un. Un problème avec cette formulation particulière du ratio est qu'il y a un nombre infini de solutions.8 Pour éviter cela, on peut imposer la contrainte i = 1, ce qui donne : max, (yi ), st xi = 1, yj - xj 0, j=1,2,...,N, , 0, (11) où le changement de notation de u et v à et reflète la transformation. Cette forme est connue sous le nom de forme multiplicative du problème de programmation linéaire. En utilisant la dualité de la programmation linéaire, on peut dériver une enveloppe équivalente forme de ce problème : min, , st-yi + 0, xi - 0, 0, (12) où est un scalaire et est un vecteur de constantes. Cette forme d'enveloppe implique moins de contraintes que la forme multiplicateur (K+M < N+1), et est donc généralement la forme préférée à résoudre.9 La valeur obtenue sera le score d'efficacité pour la i-ième DMU. Il satisfera 1, avec une valeur de 1 indiquant un point sur la courbe d'efficacité. C'est-à-dire que si (u*,v*) est une solution, alors (u*v*) est une autre solution, etc. Les formes définies par les équations 10 et 11 sont introduites ici à des fins d'exposition. Elles ne seront plus utilisées dans la suite de ce document. La forme du multiplicateur a cependant été estimée 8 9 16 dans une étude de l'OCDE. 17 et donc une DMU techniquement efficace, selon la définition de Farrell (1957). Notez que le problème de programmation linéaire doit être résolu N fois, une fois pour chaque DMU de l'échantillon. Une valeur de est alors obtenue pour chaque DMU. Pantalon La forme linéaire par morceaux de la frontière non-paramétrique dans la DEA peut causer quelques difficultés dans la mesure de l'efficacité. Le problème se pose en raison des sections de la frontière linéaire par morceaux qui sont parallèles aux axes (voir Figure 2), ce qui n'est pas le cas dans la plupart des fonctions paramétriques (voir Figure 1). Pour illustrer le problème, se référer à la Figure 5 où les DMU utilisant les combinaisons d'entrées C et D sont les deux DMU efficaces qui définissent la frontière, et les DMU A et B sont les DMU inefficaces. La mesure de l'efficacité technique de Farrell (1957) donne l'efficacité des UMD A et B comme OA/OA et , respectivement. Toutefois, on peut se demander si le point est un point efficace, car on pourrait réduire la quantité d'intrants x2 utilisée (de la quantité CA) et continuer à produire la même quantité. Ce phénomène est connu dans la littérature sous le nom de "marge de manœuvre".10 Dès que l'on considère un cas impliquant davantage d'entrées et/ou de sorties multiples, les diagrammes ne sont plus aussi simples, et la possibilité du concept connexe de marge de production apparaît également.11 Ainsi, on pourrait soutenir que la mesure de l'efficacité technique de Farrell () et toute marge d'entrée ou de sortie non nulle devraient être rapportées pour fournir une indication précise de l'efficacité technique d'une DMU dans une analyse DEA.12 Il convient de noter que pour la i-ème UMD, les retards de production ne seront égaux à zéro que si −i =0, tandis que les retards d'entrée ne seront égaux à zéro que si xi -X=0 (pour les valeurs optimales données de et ). nombre d'études. Les poids et peuvent être interprétés comme des prix fictifs normalisés. 10 Certains auteurs utilisent le terme d'excès d'intrants. 11 Le jeu de sortie est illustré plus loin dans ces notes (voir la figure 4.8). 12 La définition de l'efficacité technique de Koopman (1951) était plus stricte que celle de Farrell (1957). La première équivaut à dire qu'une entreprise n'est techniquement efficace que si elle opère 18 sur la frontière et, en outre, que tous les slacks associés sont nuls. 19 Figure 5 Mesure de l'efficacité et créneaux d'entrée x2 /y S • A • B D 0 /y x1 Dans la figure 5, le slack d'entrée associé au point est de l'entrée x2 . Dans les cas où il y a plus d'entrées et de sorties que celles considérées dans cet exemple simple, l'identification du point frontière efficace "le plus proche" (tel que C), et donc le calcul ultérieur des slacks, n'est pas une tâche triviale. Certains auteurs (voir Ali et Seiford 1993) ont suggéré la solution d'un problème de programmation linéaire de deuxième étape pour atteindre un point frontière efficace en MAXIMISANT la somme des slacks nécessaires pour passer d'un point frontière inefficace (tel que dans la figure 5) à un point frontière efficace (tel que le point C). Ce problème de programmation linéaire de deuxième étape peut être défini par : min ,OS,IS -( + ), st-yi + - OS = 0, xi - - IS = 0, 0, OS 0, IS 0, (13) où OS est un vecteur M1 de retards de sortie, IS est un vecteur K1 de retards d'entrée, et M1 et K1 sont des vecteurs M1 et K1 de uns, respectivement. Notez que dans ce programme linéaire de deuxième étape, n'est pas une variable, sa valeur est tirée des résultats de la première étape. En outre, notez que ce programme linéaire de deuxième étape doit également être résolu pour chaque vecteur d'entrée. 20 des N UMD concernées.13 Deux problèmes majeurs sont associés à cette deuxième étape de la PL. Le premier et le plus évident est que la somme des slacks est MAXIMISÉE plutôt que MINIMISÉE. Par conséquent, elle identifiera non pas le point efficace le plus proche, mais le point efficace le plus éloigné. Le deuxième problème majeur associé à l'approche de deuxième étape ci-dessus est qu'elle n'est pas invariante par rapport aux unités de mesure. La modification des unités de mesure, par exemple pour un apport d'engrais, de kilogrammes en tonnes (tout en laissant les autres unités de mesure inchangées), pourrait entraîner l'identification de différents points limites efficaces et donc de différentes mesures de slack et de lambda.14 Notez toutefois que ces deux problèmes ne se posent pas dans l'exemple simple présenté à la figure 5, car il n'y a qu'un seul point efficace à choisir sur la facette verticale. Cependant, si le mou se produit dans 2 dimensions ou plus (ce qui est souvent le cas), les problèmes mentionnés ci-dessus peuvent entrer en jeu. En raison de ce problème, de nombreuses études se contentent de résoudre le programme linéaire de première étape (équation 12) pour les valeurs des mesures d'efficacité technique radiales de Farrell () pour chaque UDM et ignorent complètement les slacks, ou bien elles rapportent à la fois le score d'efficacité technique radial de Farrell () et les slacks résiduels, qui peuvent être calculés comme OS = -yi + et IS = xi - X. Cependant, cette approche n'est pas non plus sans problèmes car ces slacks résiduels ne fournissent pas toujours tous les slacks (Koopmans) (par exemple, lorsqu'un certain nombre d'observations apparaissent sur la section verticale de la frontière dans la figure 5.5) et, par conséquent, n'identifient pas toujours le point efficace (Koopmans) le plus proche pour chaque DMU. Dans le logiciel DEAP, nous donnons à l'utilisateur trois choix concernant le traitement des pantalons. Il s'agit de : 1. DEA à une étape, dans laquelle nous réalisons la LP de l'équation 12 et calculons les slacks de manière résiduelle ; 13 Cette méthode est utilisée par tous les logiciels DEA populaires tels que Warwick DEA et IDEAS. Charnes, Cooper, Rousseau et Semple (1987) suggèrent un modèle invariant des unités où la valeur unitaire d'un slack est rendue inversement proportionnelle à la quantité de cet intrant ou extrant utilisé par la i-ième entreprise. Cela résout le problème immédiat, mais en crée un autre, dans la mesure où il n'y a pas de raison évidente pour que les capacités inutilisées soient pondérées de cette manière. 14 21 2. la DEA en deux étapes, où nous réalisons les LP des équations 12 et 13 ; et 3. DEA multi-étapes, où nous réalisons une séquence de LP radiaux pour identifier le point de projection efficace. La méthode DEA multi-étapes est plus exigeante en termes de calcul que les deux autres méthodes (voir Coelli 1997 pour plus de détails). Cependant, les avantages de cette approche sont qu'elle identifie des points projetés efficaces dont les combinaisons d'intrants et d'extrants sont aussi similaires que possible à celles des points inefficaces, et qu'elle est également invariante par rapport aux unités de mesure. Nous recommandons donc l'utilisation de la méthode à plusieurs étapes plutôt que les deux autres alternatives. Après avoir consacré plusieurs pages de ce manuel à la question des slacks, nous voudrions conclure en observant que l'importance des slacks peut être surestimée. Les slacks peuvent être considérés comme un artefact de la méthode de construction de la frontière choisie (DEA) et de l'utilisation d'échantillons de taille finie. Si l'on disposait d'une taille d'échantillon infinie et/ou si l'on utilisait une autre méthode de construction de la frontière, impliquant une surface de fonction lisse, le problème du slack disparaîtrait. En plus de cette observation, il semble également raisonnable d'accepter les arguments de Ferrier et Lovell (1990) selon lesquels les slacks peuvent essentiellement être considérés comme de l'inefficacité allocative. Nous pensons donc qu'une analyse de l'efficacité technique peut raisonnablement se concentrer sur le score d'efficacité radiale fourni dans la première étape de la DEA LP (voir l'équation 12). Cependant, si l'on insiste sur l'identification des points de projection de l'efficience de Koopmans, nous recommandons fortement l'utilisation de la méthode à plusieurs étapes de préférence à la méthode à deux étapes pour les raisons exposées ci-dessus.15 Exemple 1 Nous illustrerons la DEA orientée sur les intrants de CRS à l'aide d'un exemple simple impliquant cinq observations sur des DMU (entreprises) qui utilisent deux intrants pour produire un seul extrant. Les données sont les suivantes : 22 15 Cependant, nous avons également inclus l'option à deux étapes dans notre logiciel car c'est la méthode utilisée dans d'autres logiciels DEA populaires tels que Warwick DEA et IDEAS. 23 Tableau 1 Exemple de données pour CRS DEA DMU y x1 x2 x2 /y 5 x1 /y 2 1 1 2 2 2 2 4 1 2 3 3 6 6 2 2 4 1 3 2 3 2 5 2 6 2 3 1 5 Les ratios entrée/sortie de cet exemple sont représentés sur la figure 6, ainsi que la frontière DEA correspondant à l'équation 12. Vous devez cependant garder à l'esprit que cette frontière DEA est le résultat de l'exécution de cinq problèmes de programmation linéaire - un pour chacune des cinq UMD. Par exemple, pour la DMU 3, nous pouvons réécrire l'équation 12 comme suit min, , st -y3 + (y 11 + y 22 + y 33 + y 44 + y 55 ) 0, x13 - (x 111 + x 122 + x 133 + x 144 + x 155 ) 0, x23 - (x 211 + x 222 + x 233 + x 244 + x 255 ) 0, 0, (14) où = (1 ,2 ,3 ,4 ,5 ). Les valeurs de et qui fournissent une valeur minimale pour sont énumérées à la ligne 3 du tableau 2. Nous constatons que le TEI de la DMU 3 est de 0,833. C'est-à-dire que la DMU 1 devrait être en mesure de réduire la consommation de tous les intrants de 16,7% sans réduire la production. Cela implique une production au point noté dans la figure 6. Ce point projeté, 3, se trouve sur une ligne joignant les points 2 et 5. Les DMU 2 et 5 sont donc généralement appelées les pairs de la DMU 3. Ils définissent où se trouve la partie pertinente de la frontière (c'est-à-dire pertinente pour la DMU 3) et définissent donc une production efficace pour la DMU 3. Le point est une combinaison linéaire des points 2 et 5, où les poids dans cette combinaison linéaire 24 sont les 's 25 à la ligne 3 du tableau 2. Figure 6 Exemple de DEA orientée vers l'entrée de CRS 6 5 1 4 x1/y 3 10 3 2 2 4 FRONTIER 0 0 1 5 0 0 1 2 3 4 5 6 x2/y Tableau 2 Résultats de la DEA axée sur les intrants du CRS DMU 1 2 3 4 5 IS1 IS2 OS 1 0.5 - 0.5 - - - - 0.5 - 2 1.0 - 1.0 - - - - - - 3 0.833 - 1.0 - - 0.5 - - - 4 0.714 - 0.214 - - 0.286 - - - 5 1.0 - - - 1.0 - - - - De nombreuses études DEA parlent également de cibles et de pairs. Les objectifs de l'UMD 3 sont 26 les coordonnées du point de projection efficace 3. Celles-ci sont égales à 0,833(2,2) = (1,666,1,666). Ainsi, l'UDM 3 devrait viser à produire ses 3 unités de sortie avec 3(1,666,1,666) = (5,5) unités des deux entrées. On pourrait procéder à une discussion similaire pour les deux autres DMU inefficaces. La DMU 4 a TEI = 0.714 et a les mêmes pairs que la DMU 3. DMU 1 a TEI = 0.5 et a DMU 2 comme pair. Vous noterez également que le point projeté pour la DMU 1 (1) se trouve sur une partie de la frontière qui est parallèle à l'axe x2 . Il ne représente donc pas un point efficace (selon la définition de Koopman) car nous pourrions diminuer l'utilisation de l'intrant x2 de 0,5 unité (produisant ainsi au point 2) et toujours produire le même résultat. Ainsi, on dit que la DMU 1 est radialement inefficace dans l'utilisation de ses intrants par un facteur de 50% et qu'elle dispose d'une marge de manœuvre (non radiale) de 0,5 unité de x2 . Les objectifs de la DMU 1 seraient donc de réduire l'utilisation des deux intrants de 50% et de réduire également l'utilisation de x2 de 0,5 unité supplémentaire. Il en résulterait des objectifs de (x1 =1,x2 =2). C'est-à-dire les coordonnées du point 2. Un rapide coup d'œil au tableau 2 montre que les DMU 2 et 5 ont des valeurs TEI de 1,0 et que leurs pairs sont eux-mêmes. C'est ce que l'on pourrait attendre des points efficaces qui définissent la frontière. 3.2 Le modèle des rendements d'échelle variables (ERV) et les efficacités d'échelle L'hypothèse de l'ERV n'est appropriée que lorsque toutes les UMD fonctionnent à une échelle optimale (c'est-à-dire correspondant à la partie plate de la courbe LRAC). Une concurrence imparfaite, des contraintes financières, etc. peuvent faire qu'une UMD ne fonctionne pas à l'échelle optimale. Banker, Charnes et Cooper (1984) ont proposé une extension du modèle DEA CRS pour prendre en compte les situations de rendements d'échelle variables (VRS). L'utilisation de la spécification CRS lorsque toutes les UDM ne fonctionnent pas à l'échelle optimale, donnera lieu à des mesures de l'ET qui sont confondues par les efficacités d'échelle (EES). L'utilisation de la spécification VRS permettra le calcul de l'ET sans ces effets d'échelle. Le problème de programmation linéaire du CRS peut être facilement modifié pour tenir compte du VRS en ajoutant la contrainte de convexité : N1=1 à (12) pour fournir : min, , 27 st-yi + 0, 28 xi - 0, N1=1 0, (15) où N1 est un vecteur de uns. Cette approche forme une coque convexe de plans sécants qui enveloppe les points de données plus étroitement que la coque conique de l'ERC et fournit ainsi des scores d'efficacité technique qui sont supérieurs ou égaux à ceux obtenus à l'aide du modèle ERC. La spécification VRS a été la plus couramment utilisée dans les années 1990. Calcul des efficacités d'échelle De nombreuses études ont décomposé les scores TE obtenus à partir d'une DEA CRS en deux composantes, l'une due à l'inefficacité d'échelle et l'autre à l'inefficacité technique "pure". Cela peut être fait en effectuant une DEA CRS et une DEA VRS sur les mêmes données. S'il existe une différence entre les deux scores TE pour une DMU particulière, cela indique que la DMU présente une inefficacité d'échelle, et que l'inefficacité d'échelle peut être calculée à partir de la différence entre le score TE VRS et le score TE CRS. La figure 7 tente de l'illustrer. Dans cette figure, nous avons un exemple à une entrée et une sortie et nous avons dessiné les frontières DEA de CRS et VRS. Dans le cadre de CRS, l'inefficacité technique orientée vers les intrants du point P est la distance PPC , tandis que dans le cadre de VRS, l'inefficacité technique ne serait que PPV . La différence entre les deux, PC PV , est due à l'inefficacité d'échelle. On peut également exprimer tout cela en mesures d'efficacité de ratio comme suit : TEI,CRS /AP = APC TEI,VRS = APV /AP SEI = APC /APV où toutes ces mesures seront bornées par zéro et un. Nous notons également que TEI,CRS = TEI,VRSSEI parce que APC /AP = (APV /AP)(APC /APV ). 29 Autrement dit, la mesure de l'efficacité technique du SIR est décomposée en efficacité technique "pure" et en efficacité d'échelle. Figure 7 Calcul des économies d'échelle dans la DEA CRS NIRS y •Q A PC PV •P VRS 0 x L'un des inconvénients de cette mesure de l'efficacité d'échelle est que la valeur n'indique pas si la DMU opère dans une zone de rendements d'échelle croissants ou décroissants. Ceci peut être déterminé en exécutant un problème DEA supplémentaire avec des rendements d'échelle non croissants (NIRS) imposés. Ceci peut être fait en modifiant le modèle DEA dans l'équation 15 en remplaçant la restriction N1=1 par N1 1, pour donner : min, , st-yi + 0, xi - 0, N1 1 0, (16) La frontière NIRS DEA est également représentée sur la figure 7. La nature des inefficacités d'échelle (c'est-à-dire dues à des rendements d'échelle croissants ou décroissants) pour une DMU particulière peut être déterminée en regardant si le score TE NIRS est égal au score TE VRS. S'ils sont inégaux (comme c'est le cas pour le point P de la figure 7), il existe des rendements d'échelle croissants pour cette DMU. S'ils sont égaux (comme dans le cas de 30 point Q dans la figure 7), les rendements d'échelle décroissants s'appliquent. Un exemple de cette approche appliquée aux compagnies aériennes internationales est fourni dans BIE (1994). Exemple 2 Il s'agit d'un exemple numérique simple impliquant cinq entreprises qui produisent un seul produit en utilisant un seul intrant. Les données sont énumérées au tableau 3 et les résultats de la DEA orientée sur les intrants de VRS et CRS sont énumérés au tableau 4 et représentés à la figure 8. Étant donné que nous utilisons une orientation sur les intrants, les efficacités sont mesurées horizontalement dans la figure 8. Nous observons que l'entreprise 3 est la seule entreprise efficiente (c'est-à-dire sur la frontière de la DEA) lorsque CRS est supposé, mais que les entreprises 1, 3 et 5 sont efficientes lorsque VRS est supposé. Le calcul des différentes mesures d'efficacité peut être illustré à l'aide de l'entreprise 2 qui est inefficace à la fois avec les technologies CRS et VRS. L'efficacité technique (TE) de CRS est égale à 2/4=0,5 ; la TE de VRS est de 2,5/4=0,625 et l'efficacité d'échelle est égale au rapport de la TE de CRS à la TE de VRS qui est de 0,5/0,625=0,8. Nous observons également que l'entreprise 2 se trouve sur la partie des rendements d'échelle croissants (IRS) de la frontière de SRV. Tableau 3 Exemple de données pour VRS DEA DMU y x 1 1 2 2 2 4 3 3 3 4 5 5 5 5 6 31 Tableau 4 Résultats de la DEA axée sur les intrants de VRS DMU CRS TE VRS TE 1 0.500 2 1.000 ÉCHEL LE 0.500 irs 0.500 0.625 0.800 irs 3 1.000 1.000 1.000 - 4 0.800 0.900 0.889 5 0.833 1.000 0.833 Dr s Dr s moye nne 0.727 0.905 0.804 Figure 8 Exemple de DEA orientée sur les entrées de VRS 6 CRS DEA 5 5 4 4 y3 VRS DEA 3 2 2 1 1 0 0 1 2 3 4 x 32 5 6 7 3.3 Orientations des entrées et des sorties Dans les modèles précédents axés sur les intrants, examinés aux sections 3.1 et 3.2, la méthode visait à identifier l'inefficacité technique comme une réduction proportionnelle de l'utilisation des intrants. Cela correspond à la mesure de l'inefficacité technique basée sur les intrants de Farrell. Comme indiqué à la section 2.2, il est également possible de mesurer l'inefficacité technique comme une augmentation proportionnelle de la production. Les deux mesures donnent la même valeur dans le cadre du CRS mais sont inégales lorsque le VRS est supposé (voir figure 3). Étant donné que la programmation linéaire ne peut souffrir de problèmes statistiques tels que le biais d'équation simultanée, le choix d'une orientation appropriée n'est pas aussi crucial que dans le cas de l'estimation économétrique. Dans de nombreuses études, les analystes ont eu tendance à choisir des modèles orientés vers les intrants parce que de nombreuses UDM ont des commandes particulières à remplir (par exemple, la production d'électricité) et que, par conséquent, les quantités d'intrants semblent être les principales variables de décision, bien que cet argument ne soit pas forcément aussi fort dans toutes les industries. Dans certaines industries, les UMD peuvent se voir attribuer une quantité fixe de ressources et être invitées à produire autant d'extrants que possible. Dans ce cas, une orientation vers la production serait plus appropriée. Essentiellement, il faut choisir une orientation en fonction des quantités (intrants ou extrants) sur lesquelles les gestionnaires ont le plus de contrôle. En outre, dans de nombreux cas, vous observerez que le choix de l'orientation n'aura qu'une influence mineure sur les scores obtenus (voir par exemple Coelli et Perelman 1996). Les modèles orientés vers la sortie sont très similaires à leurs homologues orientés vers l'entrée. Prenons l'exemple du modèle VRS orienté vers l'output suivant : max, , st-yi + 0, xi - 0, N1=1 0, (17) où 1< , et -1 est l'augmentation proportionnelle de la production qui pourrait être réalisée par la i-ème UMD, les quantités d'entrée étant maintenues constantes.16 Il est à noter que définit un score TE qui varie entre zéro et un (et qu'il s'agit du score TE 33 orienté vers la production 16 Un modèle SRC orienté vers la sortie est défini de manière similaire, mais n'est pas présenté ici par souci de concision. 34 rapporté par le DEAP). Un exemple à deux sorties d'une DEA orientée vers la production pourrait être représenté par une courbe de possibilité de production linéaire par morceaux, telle que celle illustrée à la figure 8. Notez que les observations se situent en dessous de cette courbe, et que les sections de la courbe qui sont à angle droit par rapport aux axes entraîneront le calcul de la marge de production lorsqu'un point de production est projeté sur ces parties de la courbe par une expansion radiale des sorties. Par exemple, le point P est projeté sur le point qui se trouve sur la frontière mais pas sur la frontière efficiente, car la production de y1 pourrait être augmentée de la quantité sans utiliser davantage d'intrants. C'est-à-dire qu'il y a une marge de production dans ce cas de dans la production y1 . Il convient de souligner que les modèles axés sur les extrants et les intrants estiment exactement la même frontière et identifient donc, par définition, le même ensemble d'UMD comme étant efficaces. Seules les mesures d'efficacité associées aux UMD inefficaces peuvent différer entre les deux méthodes. Les deux types de mesures ont été illustrés dans la section 2 à l'aide de la figure 3, où nous avons observé que les deux mesures ne fournissaient des valeurs équivalentes qu'en cas de rendements d'échelle constants. Figure 8 DEA orientée vers la production y2 A •P Q 0 y1 35 3.4 Information sur les prix et efficacité allocative Si l'on dispose d'informations sur les prix et que l'on est prêt à envisager un objectif comportemental, tel que la minimisation des coûts ou la maximisation des recettes, on peut alors mesurer à la fois les efficacités technique et allocative. Dans le cas de la minimisation des coûts de VRS, il convient d'exécuter le modèle DEA orienté vers les intrants présenté dans l'équation 15 pour obtenir les efficacités techniques (TE). Il faut ensuite exécuter la DEA de minimisation des coûts suivante min,xi* wi xi *, st -yi + 0, xi * 0, N1=1 0, (23) où wi est un vecteur de prix d'entrée pour la i-ème UMD et xi * (qui est calculé par le LP) est le vecteur de minimisation des coûts des quantités d'entrée pour la i-ème UMD, étant donné les prix d'entrée wi et les niveaux de production yi . Le rendement total des coûts (CE) ou le rendement économique de la i-ème UMD serait calculé comme suit CE = wi xi */ wi xi . C'est-à-dire le rapport entre le coût minimum et le coût observé. On peut alors utiliser l'équation 4 pour calculer l'efficacité allocative résiduelle comme suit AE = CE/TE. Il est à noter que cette procédure inclura toute marge de manœuvre dans la mesure de l'efficacité allocative. Ceci est souvent justifié par le fait que les ralentissements reflètent une combinaison d'intrants inappropriée (voir Ferrier et Lovell, 1990, p235). Notons également que l'on peut considérer de la même manière la maximisation des revenus et l'inefficacité allocative dans le choix de la combinaison de produits. Voir Lovell (1993, p33) pour une discussion à ce sujet. Notez que ce modèle d'efficacité des revenus n'est pas implémenté dans DEAP. Exemple 3 Dans cet exemple, nous reprenons les données de l'exemple 1 et ajoutons l'information selon laquelle toutes les entreprises sont confrontées aux mêmes prix, qui sont de 1 et 36 3 pour les intrants 1 et 2, respectivement. Par conséquent, si nous traçons une ligne d'isocoût avec une pente de -1/3 sur la figure 6, qui est tangente à la ligne d'isocoût du 37 isoquant, nous obtenons la figure 9. Ce diagramme nous permet d'observer que l'entreprise 5 est la seule entreprise efficace en termes de coûts et que toutes les autres entreprises ont une efficacité allocative à un certain degré. Les différentes efficacités de coût et efficacités allocatives sont listées dans le tableau 5. Le calcul de ces efficacités peut être illustré à l'aide de l'entreprise 3. Nous avons noté précédemment que l'efficacité technique de l'entreprise 3 est mesurée le long du rayon allant de l'origine (0) au point 3 et qu'elle est égale au rapport de la distance de 0 au point sur la distance de 0 au point 3, soit 0,833. L'efficacité allocative est égale au rapport des distances 0 à sur 0 à , soit 0,833. 0.9. La rentabilité est le rapport des distances 0 à sur 0 à 3 qui est égal à 0.75. On note également que 0,8330,9=0,750. Figure 9 CRS Cost Efficiency Exemple DEA 6 5 1 4 x1/y 3 20 2 2 0 3 FRONTIER 0 0 1 4 5 LIGNE ISOCOST 0 0 1 2 3 4 5 6 x2/y Tableau 5 CRS Coût-efficacité Résultats DEA ferme ment technique allocative 38 coût efficacité efficacité efficacité 1 0.500 0.706 0.353 2 1.000 0.857 0.857 3 0.833 0.900 0.750 4 0.714 0.933 0.667 5 1.000 1.000 1.000 moye nne 0.810 0.879 0.725 3.5 Données de panel, DEA et indice de Malmquist Lorsque l'on dispose de données de panel, on peut utiliser des programmes linéaires de type DEA et un indice PTF de Malmquist (basé sur les intrants ou les extrants) pour mesurer les changements de productivité, et pour décomposer ces changements de productivité en changements techniques et en changements d'efficacité technique. Fare et al (1994) spécifie un indice de changement de productivité Malmquist basé sur la production17 comme : dt x my o , x , y, x t o t ,y dt x , o t t dt+1 x , y o t+1 d x, o t 1/ 2 . (24) t Il s'agit de la productivité du point de production (xt+1 , yt+1 ) par rapport au point de production (xt , yt ). Une valeur supérieure à un indique une croissance positive de la PTF de la période t à la période t+1. Cet indice est, en fait, la moyenne géométrique de deux indices PTF de Malmquist basés sur la production. Un indice utilise la technologie de la période t et l'autre celle de la période t+1. Pour calculer l'équation 24, nous devons calculer les fonctions de distance à quatre composantes, ce qui impliquera quatre problèmes LP (similaires à ceux menés pour calculer les mesures d'efficacité technique (TE) de Farrell). Nous commençons par supposer que la technologie CRS (nous effectuons une autre décomposition plus tard pour examiner les questions d'efficacité d'échelle). La LP orientée vers la production de CRS utilisée pour calculer dt (x , y ) est identique à l'équation 17, à l'exception de la restriction de convexité (VRS). o t t ont été supprimés et les indices de temps ont été inclus. C'est-à-dire, 39 17 L'indice "o" a été introduit pour nous rappeler que ces mesures sont orientées vers la production. Il convient de noter que les indices Malmquist de la PTF orientés vers les entrées peuvent également être définis de manière similaire aux mesures orientées vers les sorties présentées ici (voir Grosskopf, 1993, p183). 40 [dt (x , y )]-1 = max , o t t st-yit + Yt 0, xit - Xt 0, 0, (25) Les trois autres problèmes LP sont des variantes simples de celui-ci : [dt+1 (x , y )]-1 = max o t+1 , t+1 st-yi,t+1 + Yt+1 0, xi,t+1 Xt+1 0, 0, (26) [dt (x , y )]-1 = max o t+1 t+1 , st-yi,t+1 + Yt 0, xi,t+1 - Xt 0, 0, (27) [dt+1 (x , y )]-1 = max , o t t st-yit + Yt+1 0, xit - Xt+1 0, 0, (28) Notez que dans les LP 27 et 28, où les points de production sont comparés à des technologies de différentes périodes, le paramètre ne doit pas nécessairement être égal à 1, comme il doit l'être lors du calcul des efficacités de Farrell. Le point pourrait se situer au-dessus de l'ensemble de production réalisable. Cela se produira très probablement dans le LP 27 où un point de production de la période t+1 est comparé à la technologie de la période t. Si un progrès technique a eu lieu, alors une valeur de <1 est possible. Notez qu'il pourrait aussi éventuellement se produire en LP 28 si une régression technique s'est produite, mais cela est moins probable. Il convient de garder à l'esprit que les valeurs de et sont susceptibles de prendre des valeurs différentes dans les quatre LP ci-dessus. De plus, notez que les quatre LP cidessus doivent être calculés pour chaque entreprise de l'échantillon. Ainsi, si vous avez 20 entreprises et 2 périodes de temps, vous devez 41 calculer 80 LP's. Notez également que si vous ajoutez des périodes supplémentaires, vous devez calculer trois LP supplémentaires pour chaque entreprise (pour construire un indice chaîné). Si vous avez T périodes de temps, vous devez calculer (3T-2) LP pour chaque entreprise de l'échantillon. Par conséquent, si vous avez N entreprises, vous devrez calculer N(3T-2) LP. Par exemple, avec N=20 entreprises et T=10 périodes de temps, vous obtenez 20(310-2) = 560 LP. Les résultats de chaque entreprise pour chaque paire de périodes adjacentes peuvent être présentés sous forme de tableaux, et/ou des mesures récapitulatives dans le temps et/ou l'espace peuvent être présentées. Efficacité de l'échelle L'approche ci-dessus peut être étendue en décomposant le changement d'efficacité technique (CRS) en composantes d'efficacité d'échelle et d'efficacité technique "pure" (VRS). Cela implique le calcul de deux LP supplémentaires (lors de la comparaison de deux points de production). Il s'agira de répéter les LP 25 et 26 en y ajoutant la restriction de convexité (N1=1). Autrement dit, on calculera les fonctions de distance par rapport à une technologie VRS (au lieu d'une technologie CRS). On peut ensuite utiliser les valeurs CRS et VRS pour calculer l'effet d'efficacité d'échelle de manière résiduelle, en utilisant les méthodes décrites dans la section 3.2. Dans le cas de N entreprises et de T périodes de temps, cela ferait passer le nombre de LP de N(3T-2) à N(4T-2). Voir Fare et al (1994, p75) pour plus d'informations sur les efficacités d'échelle. Exemple 4 Dans cet exemple, nous prenons les données de l'exemple 2 et ajoutons une année supplémentaire de données. Ces données sont répertoriées dans le tableau 6 et sont également représentées dans la figure 9. La figure 9 présente également les frontières DEA de CRS et VRS pour les deux périodes. Les différentes distances (ou efficacités techniques) nécessaires pour calculer les indices de Malmquist et les indices de Malmquist eux-mêmes sont énumérés dans le tableau 10c de la section 5.4. 42 Tableau 6 Exemple de données pour la DEA de Malmquist DMU y x 1 ann ée 1 1 2 2 1 2 4 3 1 3 3 4 1 5 5 5 1 5 6 1 2 1 2 2 2 3 4 3 2 4 3 4 2 5 5 5 2 5 5 Figure 8 Exemple de DEA orientée sur les entrées de VRS 6 5 5 CRS DEA ANNÉE 2 4 y3 5 3 4 3 CRS DEA ANNÉE 1 4 2 2 VRS DEA ANNÉE 2 2 1 1 VRS DEA ANNÉE 1 0 0 1 2 3 4 x 43 5 6 année 1année 2 7 4. Le programme informatique DEAP Cette section décrit l'utilisation du programme informatique DEAP. Ce programme est écrit en Fortran (Lahey F77LEM/32) pour les PC compatibles IBM. Il s'agit d'un programme DOS mais il peut être facilement exécuté à partir de WINDOWS en utilisant le FILE MANAGER. Le programme fait appel à un système de fichiers batch simple où l'utilisateur crée un fichier de données et un petit fichier contenant des instructions. L'utilisateur lance ensuite le programme en tapant "DEAP" à l'invite DOS18 et est ensuite invité à indiquer le nom du fichier d'instructions. Le programme exécute ensuite ces instructions et produit un fichier de sortie qui peut être lu à l'aide d'un éditeur de texte, tel que NOTEPAD ou EDIT, ou à l'aide d'un traitement de texte, tel que WORD ou WORD PERFECT. L'exécution de DEAP Version 2.0 sur un PC IBM implique généralement cinq fichiers : 1) Le fichier exécutable DEAP.EXE 2) Le fichier de démarrage DEAP.000 3) Un fichier de données (par exemple, appelé TEST.DTA) 4) Un fichier d'instructions (par exemple, appelé TEST.INS) 5) Un fichier de sortie (par exemple, appelé TEST.OUT). Le fichier exécutable et le fichier de démarrage sont fournis sur le disque. Le fichier de démarrage, DEAP.000, est un fichier qui stocke les valeurs des paramètres clés que l'utilisateur peut avoir besoin de modifier ou non.19 Les fichiers de données et d'instructions doivent être créés par l'utilisateur avant l'exécution. Le fichier de sortie est créé par DEAP pendant l'exécution. Des exemples de fichiers de données, d'instructions et de sortie sont énumérés dans la section suivante. Fichier de données Le programme exige que les données soient listées dans un fichier texte20 et s'attend à ce que les données apparaissent dans un ordre particulier. Les données doivent être listées par observation (c'est-à-dire une ligne pour chaque entreprise). Il doit y avoir une colonne pour chaque sortie et chaque entrée, avec toutes les sorties listées en premier et ensuite toutes les entrées listées (de gauche à droite dans le fichier). Par exemple, si vous avez 40 observations sur deux sorties et deux entrées, il y aura quatre colonnes 44 18 Le programme peut également être lancé en double-cliquant sur le fichier DEAP.EXE dans le GESTIONNAIRE DE FICHIERS de WINDOWS. 19 Actuellement, ce fichier ne contient que la valeur d'une variable utilisée pour tester les inégalités avec zéro. Ce fichier texte peut être édité si l'utilisateur souhaite modifier cette valeur. 45 de données (chacune de longueur 40) énumérées dans l'ordre : y1, y2, x1, x2. Si vous choisissez l'option gains de productivité, vous devrez également fournir des informations sur les prix des intrants. Ces colonnes de prix doivent être listées à droite des colonnes de données d'entrée et apparaître dans le même ordre. Autrement dit, si vous avez trois sorties et deux entrées, l'ordre des colonnes doit être le suivant : y1, y2, y3, x1, x2, w1, w2, où w1 et w2 sont les prix des entrées correspondant aux quantités d'entrée x1 et x2. Si vous choisissez l'option Malmquist, vous aurez affaire à des données de panel. Par exemple, vous pouvez avoir 30 entreprises observées au cours de chacune des 4 années. Dans ce cas, vous devez lister toutes les données de l'année 1 en premier, puis celles de l'année 2 dans le même ordre (d'entreprises) et ainsi de suite. Notez que le panel doit être "équilibré". C'est-à-dire que toutes les entreprises doivent être observées dans toutes les périodes de temps. Un fichier de données peut être produit à l'aide d'un certain nombre de logiciels. Par exemple : • en utilisant un éditeur de texte (tel que DOS EDIT ou NOTEPAD), • en utilisant un traitement de texte (tel que WORD ou WORD PERFECT) et en enregistrant le fichier au format texte, • en utilisant un tableur (tel que LOTUS ou EXCEL) et en l'imprimant dans un fichier, ou • l'utilisation d'un logiciel de statistiques (tel que SHAZAM ou SAS) et l'écriture des données dans un fichier. Notez que le fichier de données ne doit contenir que des chiffres séparés par des espaces ou des tabulations. Il ne doit pas contenir d'en-têtes de colonne. Fichier d'instructions Le fichier d'instructions est un fichier texte qui est généralement construit à l'aide d'un éditeur de texte ou d'un traitement de texte. La façon la plus simple de créer un fichier d'instructions est de faire une copie du fichier DBLANK.INS fourni avec le programme (en utilisant les menus FICHIER/COPIER du gestionnaire de fichiers de WINDOWS ou en utilisant la commande COPY à l'invite DOS). Nous éditons ensuite ce fichier (à l'aide d'un éditeur de texte ou d'un traitement de texte) et y introduisons 46 les informations pertinentes. La meilleure façon de décrire la structure du fichier d'instructions est de fournir quelques exemples. Ceux-ci sont énumérés dans la section suivante. 20 Tous les fichiers de données, d'instructions et de sortie sont des fichiers texte (ASCII). 47 Fichier de sortie Comme indiqué précédemment, le fichier de sortie est un fichier texte qui est produit par DEAP lorsqu'un fichier d'instructions est exécuté. Le fichier de sortie peut être lu en utilisant un éditeur de texte, tel que NOTEPAD ou EDIT, ou en utilisant un traitement de texte, tel que WORD ou WORD PERFECT. Le fichier de sortie peut également être importé dans un tableur, tel qu'EXCEL ou LOTUS, pour permettre une manipulation plus poussée sous forme de tableaux et de graphiques à inclure ensuite dans des documents de rapport. 5. Exemples Dans cette section, nous examinerons quatre exemples : 1) Une DEA de SRC orientée vers les intrants impliquant cinq observations sur un extrant et deux intrants... 2) Une DEA de VRS orientée vers les intrants impliquant cinq observations sur un extrant et un intrant. 3) Une DEA de rentabilité de CRS utilisant les données de l'exemple (1) ainsi que certaines données de prix d'entrée. 4) Une DEA de Malmquist orientée vers l'output impliquant des données sur un output et un input pour 5 entreprises observées sur une période de trois ans. Ces exemples correspondent aux quatre exemples discutés dans la section 3. 5.1 Exemple 1 : Un exemple de DEA de SRC orienté vers les intrants Le fichier texte EG1.DTA (voir le tableau 7a) contient cinq observations sur une sortie et deux entrées. La production est indiquée dans la première colonne et les entrées dans les deux colonnes suivantes. Ces données sont identiques à celles figurant dans le tableau 1. Le fichier EG1.INS est répertorié dans le tableau 7b. L'objet de la majorité des entrées du fichier devrait être explicite, en raison des commentaires figurant sur le côté droit du fichier.21 Les deux premières lignes du fichier contiennent le nom du fichier de données (EG1.DTA) et un nom de fichier de sortie (ici nous avons utilisé EG1.OUT). Ensuite, sur les quatre lignes suivantes, nous 48 21 Il convient de mentionner que les commentaires dans DBLANK.INS et DEAP.000 ne sont pas lus par le programme. Les utilisateurs peuvent donc avoir des fichiers d'instructions créés de toutes pièces avec un éditeur de texte et qui ne contiennent aucun commentaire. Ceci n'est cependant pas recommandé, car il serait trop facile de ne pas savoir quelle valeur d'entrée correspond à quelle ligne. 49 spécifient le nombre d'entreprises (5), le nombre de périodes de temps (1),22 le nombre de sorties (1) et le nombre d'entrées (2). Sur les trois dernières lignes, nous spécifions un "0" pour indiquer un SRC ; un "0" pour indiquer une orientation vers les intrants ; et un "0" pour indiquer que nous souhaitons estimer un modèle DEA standard.23 Enfin, nous tapons "DEAP" à l'invite DOS, puis nous tapons le nom du fichier d'instructions (EG1.INS). Le programme prendra alors entre quelques secondes et quelques minutes (selon la taille du modèle et la vitesse de votre ordinateur) pour exécuter les problèmes LP requis et envoyer les résultats dans le fichier que vous avez nommé (EG1.OUT). Ce fichier est reproduit dans le tableau 7c. Ces résultats sont identiques à ceux présentés dans le tableau 2. Tableau 7a - Liste du fichier de données EG1.DTA 1 2 3 1 2 2 2 6 3 6 5 4 6 2 2 Tableau 7b - Liste du fichier d'instructions EG1.INS eg1.dtaDATA NOM DU FICHIER eg1.outOUTPUT NOM DE FICHIER 5NOMBRE D'ENTREPRISES 1NOMBRE DE PÉRIODES DE TEMPS 1NOMBRE DE SORTIES 2NOMBRE D'ENTRÉES 00=ORIENTÉ VERS L' ENTRÉE ET 1=VERS LA SORTIE 00=CRS ET 1=VRS 00=DEA(MULTI-STAGE), 1=COST-DEA, 2=MALMQUIST-DEA, 3=DEA(1-STAGE), 4=DEA(2-STAGE) Tableau 7c - Liste du fichier de sortie EG1.OUT Résultats de la version 2.1 du DEAP Fichier d'instructions = eg1.ins Fichier de données =eg1.dta 22 Notez que le nombre de périodes sera toujours égal à 1, sauf si l'option DEA de Malmquist est sélectionnée. 23 Notez qu'en spécifiant "0" sur la dernière ligne, nous demandons que les pantalons soient calculés en utilisant la méthode à plusieurs étapes. Si nous avions souhaité que les méthodes à 1 ou 2 étapes soient utilisées, nous aurions utilisé un "3" ou un "4", respectivement. 50 Hypothèse d'échelle DEA orientée vers les intrants : CRS Slacks calculés selon une méthode à plusieurs niveaux RÉSUMÉ DE L'EFFICACITÉ : ferm emen t 1 2 3 4 5 moye nne te 0.500 1.000 0.833 0.714 1.000 0.810 RÉSUMÉ DE LA PRODUCTION DES SACS : ferm emen t 1 2 3 4 5 sortie : 1 0.000 0.000 0.000 0.000 0.000 moye nne 0.000 RÉSUMÉ DE L'ENTRÉE DES SACS : ferm emen t 1 2 3 4 5 l'entrée : moye nne 1 2 0.000 0.000 0.000 0.000 0.000 0.500 0.000 0.000 0.000 0.000 0.000 0.100 RÉSUMÉ DES PAIRS : ferm emen t 1 2 3 4 5 des pairs : 2 2 5 5 5 2 2 51 RÉSUMÉ DES POIDS DES PAIRS : (dans le même ordre que ci-dessus) le poids des pairs de l'entreprise : 1 0.500 2 1.000 30.500 1.000 40.286 0.214 5 1.000 52 RÉSUMÉ DU NOMBRE DE PAIRS : (c'est-à-dire le nombre de fois où chaque entreprise est un pair pour une autre) nombre de pairs de 1 0 2 3 : l'entreprise 3 0 4 0 5 2 RÉSUMÉ DES OBJECTIFS DE PRODUCTION : la production de l'entreprise : 1 2 3 4 5 1 1.000 2.000 3.000 1.000 2.000 RÉSUMÉ DES OBJECTIFS D'ENTRÉE : entrée ferme : 1 2 3 4 5 1 1.000 2.000 5.000 2.143 6.000 2 2.000 4.000 5.000 1.429 2.000 DES RÉSULTATS ENTREPRISE PAR ENTREPRISE : Résultats pour l'entreprise : 1 PROJECTION efficacité = 0,500 technique SOMMAIRE : original variable valeur sortie 1 1.000 entrée 1 entrée 2 LISTE DE PAIRS : poids du peerlambda 2 0.500 mouvem ent radial 0.000 -1.000 -2.500 mouve ment libre 0.000 0.000 -0.500 projeté valeur 1.000 radial mouvement 0.000 0.000 0.000 slack mouvement 0.000 0.000 0.000 projeté valeur 2.000 2.000 4.000 2.000 5.000 Résultats pour l'entreprise : Efficacité technique = 1.000 RÉSUMÉ DE LA PROJECTION : original variable valeur sortie 1 2.000 entrée 1 2.000 entrée 2 4.000 LISTE DE PAIRS : poids du peerlambda 1.000 2.000 2 53 2 1.000 Résultats pour l'entreprise : 3 54 Efficacité technique = 0,833 RÉSUMÉ DE LA PROJECTION : variable original valeur sortie 1 3.000 entrée 1 6.000 entrée 2 6.000 LISTE DE PEURS : pair poids lambda 5 0.500 2 1.000 Résultats pour l'entreprise : Efficacité technique = 0,714 RÉSUMÉ DE LA PROJECTION : variable original valeur sortie 1 1.000 entrée 1 3.000 entrée 2 2.000 LISTE DE PEURS : pair poids lambda 5 0.286 2 0.214 Résultats pour l'entreprise : Efficacité technique = 1.000 RÉSUMÉ DE LA PROJECTION : variable original projetée sortie 1 entrée 1 entrée 2 LISTE DE PAIRS : poids du peerlambda 5 1.000 2.000 6.000 2.000 radial mouvement 0.000 -1.000 -1.000 slack mouvement 0.000 0.000 0.000 projeté valeur 3.000 5.000 5.000 slack mouvement 0.000 0.000 0.000 projeté valeur 1.000 2.143 1.429 4 radial mouvement 0.000 -0.857 -0.571 5 radial mouvement valeur 0.000 0.000 0.000 mou mouvement 0.000 0.000 0.000 valeur 2.000 6.000 2.000 5.2 Exemple 2 : Un exemple de DEA de VRS orienté vers les intrants Le fichier texte EG2.DTA (voir le tableau 8a) contient cinq observations sur une sortie et une entrée. La sortie est indiquée dans la première colonne et l'entrée dans la deuxième colonne. Ces données sont identiques à celles figurant dans le tableau 3. Le fichier EG2.INS est répertorié dans le tableau 8b. Les seuls changements par rapport à EG1.INS sont les suivants : • les noms des fichiers d'entrée et de sortie sont différents ; • le nombre d'entrées est réduit à 1 ; et • un "1" est inscrit sur l'avant-dernière ligne pour indiquer que le RPV est requis. Le fichier de sortie EG1.OUT est reproduit dans le tableau 8c. Ces résultats sont 55 identiques à ceux présentés dans le tableau 4. 56 Tableau 8a - Liste du fichier de données EG2.DTA 1 2 3 4 5 2 4 3 5 6 Tableau 8b - Liste du fichier d'instructions EG2.INS eg2.dtaDATA NOM DU FICHIER eg2.outOUTPUT NOM DE FICHIER 5NOMBRE D'ENTREPRISES 1NOMBRE DE PÉRIODES DE TEMPS 1NOMBRE DE SORTIES 1NOMBRE D'ENTRÉES 00=ORIENTÉ VERS L' ENTRÉE ET 1=VERS LA SORTIE 10=CRS ET 1=VRS 00=DEA(MULTI-STAGE), 1=COST-DEA, 2=MALMQUIST-DEA, 3=DEA(1-STAGE), 4=DEA(2-STAGE) Tableau 8c - Liste du fichier de sortie EG2.OUT Résultats de la version 2.1 du DEAP Fichier d'instructions = eg2.ins Fichier de données =eg2.dta Hypothèse de l'échelle DEA orientée vers les intrants : VRS Slacks calculés selon une méthode à plusieurs niveaux RÉSUMÉ DE L'EFFICACITÉ : ferm emen t crste vrste échelle 1 2 3 4 5 0.500 0.500 1.000 0.800 0.833 1.000 0.625 1.000 0.900 1.000 0,500 0,800 1.000 0,889 0,833 moye nne 0.727 0.905 0.804 irs irs drs drs Note : crste = efficacité technique de CRS DEA vrste = efficacité technique de VRS DEA scale = efficacité d'échelle = crste/vrste 57 Notez également que tous les tableaux suivants font référence aux résultats du RPV. 58 RÉSUMÉ DES RÉSULTATS SLACKS : la production de l'entreprise : 1 2 3 4 5 0.000 0.000 0.000 0.000 0.000 moyenne 0.000 RÉSUMÉ DE LA CONTRIBUTION 1 SLACKS : l'apport de l'entreprise : 1 2 3 4 5 1 0.000 0.000 0.000 0.000 0.000 moyenne 0.000 RÉSUMÉ DES PAIRS : les pairs 1 2 3 4 5 de l'entreprise : 1 1 3 3 3 5 5 RÉSUMÉ DES POIDS DES PAIRS : (dans le même ordre que ci-dessus) le poids des pairs de l'entreprise : 1 1.000 20.500 0.500 3 1.000 40.500 0.500 5 1.000 RÉSUMÉ DU NOMBRE DE PAIRS : (c'est-à-dire le nombre de fois où chaque entreprise est un pair pour une autre) nombre de pairs de 1 1 2 0 : l'entreprise 3 2 4 0 5 1 RÉSUMÉ DES OBJECTIFS DE PRODUCTION : la production de l'entreprise : 1 59 1 2 3 4 1.000 2.000 3.000 4.000 60 5 5.000 RÉSUMÉ DES OBJECTIFS D'ENTRÉE : l'apport de l'entreprise : 1 2 3 4 5 1 2.000 2.500 3.000 4.500 6.000 DES RÉSULTATS ENTREPRISE PAR ENTREPRISE : Résultats pour 1 l'entreprise : Efficacité technique = 1,000 Efficacité d'échelle = 0,500 RÉSUMÉ DE LA PROJECTION : variable original valeur sortie 1 1.000 entrée 1 2.000 LISTE DE PAIRS : poids du peerlambda 1 1.000 (irs) radial mouvement 0.000 0.000 Résultats pour l'entreprise : 2 Efficacité technique = 0,625 Efficac (irs) ité de l'échelle =0,800 RÉSUMÉ DE LA PROJECTION : variable original radial valeur mouvement sortie 1 2.000 0.000 entrée 1 4.000 -1.500 LISTE DE PAIRS : poids du peerlambda 1 0.500 3 0.500 Résultats pour l'entreprise : 3 Efficacité technique = 1.000 Efficac (crs) ité de l'échelle =1.000 RÉSUMÉ DE LA PROJECTION : variable original radial valeur mouvement sortie 1 3.000 0.000 entrée 1 3.000 0.000 LISTE DE PAIRS : poids du peerlambda 3 1.000 Résultats pour l'entreprise : Efficacité technique = 0,900 4 61 slack mouvement 0.000 0.000 projeté valeur 1.000 2.000 slack mouvement 0.000 0.000 projeté valeur 2.000 2.500 slack mouvement 0.000 0.000 projeté valeur 3.000 3.000 Efficacité de = 0.889 l'échelle RÉSUMÉ DE LA PROJECTION : variable original valeur sortie 1 4.000 entrée 1 5.000 LISTE DE PEURS : pair poids lambda 3 0.500 5 0.500 (drs) radial mouvement 0.000 -0.500 Résultats pour l'entreprise : 5 Efficacité technique = 1.000 Efficacité de l'échelle =0,833 (drs) RÉSUMÉ DE LA PROJECTION : variable original radial projetée mouvement valeur sortie 1 5.000 0.000 entrée 1 6.000 0.000 LISTE DE PAIRS : poids du peerlambda 5 1.000 slack mouvement 0.000 0.000 mou mouvement 0.000 0.000 projeté valeur 4.000 4.500 valeur 5.000 6.000 5.3 Exemple 3 : Un exemple de DEA de rentabilité des coûts Le fichier texte EG3.DTA (voir le tableau 9a) contient les mêmes données que EG1.DTA. C'est-à-dire cinq observations sur une sortie et deux entrées. La production est indiquée dans la première colonne et les entrées dans les deux colonnes suivantes. En plus de cela, deux colonnes contenant des données sur les prix des intrants sont énumérées à droite de celles-ci. Dans cet exemple particulier, nous supposons que toutes les entreprises font face aux mêmes prix et que ces prix sont 1 et 3 pour les intrants 1 et 2, respectivement. Le fichier EG3.INS est répertorié dans le tableau 9b. Les seuls changements par rapport à EG1.INS sont les suivants : • les noms des fichiers d'entrée et de sortie sont différents ; • un "1" est inscrit sur la dernière ligne pour indiquer qu'un DEA de rentabilité est requis. Le fichier de sortie EG3.OUT est reproduit dans le tableau 9c. Les résultats du tableau récapitulatif des efficacités sont identiques à ceux énumérés dans EG1.OUT, à l'exception des efficacités d'allocation et de coût qui sont maintenant également 62 énumérées. En outre, un tableau des quantités d'intrants pour la production à coût minimal est également indiqué. Tableau 9a - Liste du fichier de données EG3.DTA 1 2 3 1 2 2 2 6 3 6 5 4 6 2 2 1 1 1 1 1 3 3 3 3 3 63 Tableau 9b - Liste du fichier d'instructions EG3.INS eg3.dtaDATA NOM DU FICHIER eg3.outOUTPUT NOM DE FICHIER 5NOMBRE D'ENTREPRISES 1NOMBRE DE PÉRIODES DE TEMPS 1NOMBRE DE SORTIES 2NOMBRE D'ENTRÉES 00=ORIENTÉ VERS L' ENTRÉE ET 1=VERS LA SORTIE 0 0=CRS ET 1=VRS 1 0=DEA(MULTI-STAGE), 1=COST-DEA, 2=MALMQUIST-DEA, 3=DEA(1-STAGE), 4=DEA(2-STAGE) Tableau 9c - Liste du fichier de sortie EG3.OUT Résultats de la version 2.1 du DEAP Fichier d'instructions = eg3.ins Fichier de données =eg3.dta Coût-efficacité DEA Hypothèse d'échelle : CRS RÉSUMÉ DE L'EFFICACITÉ : ferm emen t 1 2 3 4 5 moye nne te ae ce 0.500 1.000 0.833 0.714 1.000 0.706 0.857 0.900 0.933 1.000 0.353 0.857 0.750 0.667 1.000 0.810 0.879 0.725 Note : te = efficacité technique ae = efficacité allocative = ce/te ce = efficacité des coûts RÉSUMÉ DES QUANTITÉS D'ENTRÉE MINIMISANT LES COÛTS : l'apport de l'entreprise : 1 2 3 4 5 1 2 3.000 6.000 9.000 3.000 6.000 1.000 2.000 3.000 1.000 2.000 64 5.4 Exemple 4 : Un exemple de DEA de Malmquist Le fichier texte EG4.DTA (voir tableau 10a) contient des observations sur cinq entreprises sur une période de trois ans. Ces entreprises produisent une sortie en utilisant un intrant. Les données de l'année 1 figurent dans les cinq premières lignes, celles de l'année 2 dans les cinq secondes lignes et celles de l'année 3 dans les cinq dernières lignes. Notez que les données des années 1 et 2 sont identiques à celles du tableau 6. Le fichier EG4.INS est répertorié dans le tableau 10b. Les seuls changements par rapport à EG1.INS sont les suivants : • les noms des fichiers d'entrée et de sortie sont différents ; • le nombre de périodes de temps est maintenant de 3 ; • le nombre d'entrées est réduit à 1 ; et • un "2" est inscrit sur la dernière ligne pour indiquer que le DEA de Malmquist est requis. Il est à noter que l'option VRS/CRS n'a aucune influence sur la DEA de Malmquist car les deux sont utilisées pour calculer les différentes distances servant à construire les indices de Malmquist. Le fichier de sortie EG4.OUT est reproduit dans le tableau 10c. Le fichier de sortie commence par une liste des distances (ou efficacités techniques) nécessaires pour les calculs de Malmquist. Quatre distances sont calculées pour chaque entreprise et chaque année. Elles sont relatives à : 1. la frontière DEA du CRS de la période précédente ; 2. la frontière DEA du CRS de la période en cours ; 3. la frontière DEA du CRS de la période suivante ; et 4. la frontière du RPV de la période en cours. Ensuite, les indices de Malmquist sont présentés. Tous les indices sont relatifs à l'année précédente. La production commence donc à l'année 2. Cinq indices sont présentés pour chaque entreprise et pour chaque année. Ce sont les suivants : 1. changement d'efficacité technique (par rapport à une technologie SRC) ; 2. le changement technologique ; 65 3. changement d'efficacité technique pure (c'est-à-dire par rapport à une technologie VRS) ; 4. le changement d'efficacité d'échelle 5. l'évolution de la productivité totale des facteurs (PTF). 66 Nous présentons ensuite des tableaux récapitulatifs pour les différentes périodes (sur toutes les entreprises) et pour les différentes entreprises (sur toutes les périodes). Notez que tous les indices sont égaux à un pour la période 3. Ceci est dû au fait que dans l'exemple de données utilisé (voir tableau 8a), les données de l'année 3 sont identiques à celles de l'année 2. Tableau 10a - Listage du fichier de données EG4.DTA 1 2 3 4 5 1 3 4 3 5 1 3 4 3 5 2 4 3 5 6 2 4 3 5 5 2 4 3 5 5 Tableau 10b - Liste du fichier d'instructions EG4.INS eg4.dtaDATA NOM DU FICHIER eg4.outOUTPUT NOM DE FICHIER 5NOMBRE D'ENTREPRISES 3NOMBRE DE PÉRIODES DE TEMPS 1NOMBRE DE SORTIES 1NOMBRE D'ENTRÉES 10=ORIENTÉ VERS LES ENTRÉES ET 1=VERS LES SORTIES 00=CRS ET 1=VRS 20=DEA(MULTI-STAGE), 1=COST-DEA, 2=MALMQUIST-DEA, 3=DEA(1-STAGE), 4=DEA(2-STAGE) Tableau 10c - Liste du fichier de sortie EG4.OUT Résultats de la version 2.1 du DEAP Fichier d'instructions = eg4.ins Fichier de données =eg4.dta Orienté vers la production Malmquist DISTANCES DEA SOMMAIRE année = 1 67 firmcrs te rel to tech in yr vrs 68 non. 1 2 3 4 5 moye nne année = fermeme nt non. 1 2 3 4 5 moye nne année = fermeme nt non. ************************ t-1 t t+1 te 0.000 0.000 0.000 0.000 0.000 0.500 0.500 1.000 0.800 0.833 0.375 0.375 0.750 0.600 0.625 1.000 0.545 1.000 0.923 1.000 0.000 0.727 0.545 0.894 2 crs te rel to tech in yr vrs ************************ t-1 t t+1 te 0.500 0.750 1.333 0.600 1.000 0.375 0.563 1.000 0.450 0.750 0.375 0.563 1.000 0.450 0.750 1.000 0.667 1.000 0.600 1.000 0.837 0.628 0.628 0.853 3 crs te rel to tech in yr vrs ************************ t-1 t t+1 te 1 0.375 0.375 0.000 1.000 2 0.563 0.563 0.000 0.667 3 1.000 1.000 0.000 1.000 4 0.450 0.450 0.000 0.600 5 0.750 0.750 0.000 1.000 [Note : t-1 pour la première année et t+1 pour la dernière année ne sont moyenne 0.628 0.628 0.000 0.853 pas définis] SOMMAIRE DE L'INDICE MALMQUIST année = 2 effch techch pech sech tfpch 0.750 1.125 1.000 0.562 0.900 1.333 1.333 1.333 1.333 1.333 1.000 1.222 1.000 0.650 1.000 0.750 0.920 1.000 0.865 0.900 1.000 1.500 1.333 0.750 1.200 moyenne 0.844 1.333 0.955 0.883 1.125 techch pech sech tfpch 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 fermem ent 1 2 3 4 5 année = 3 fermem effch ent 1 2 3 4 1.000 1.000 1.000 1.000 69 5 mea n 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 INDICE DE MALMQUIST RÉSUMÉ DES MOYENNES ANNUELLES année effch techch pech sech tfpch 2 3 0.844 1.000 1.333 1.000 0.955 1.000 0.883 1.000 1.125 1.000 0.918 1.155 0.977 0.940 1.061 moyenn e INDICE DE MALMQUIST RÉSUMÉ DES MOYENNES DES ENTREPRISES ferme ment effch techch pech sech tfpch 1 2 3 4 5 0.866 1.061 1.000 0.750 0.949 1.155 1.155 1.155 1.155 1.155 1.000 1.106 1.000 0.806 1.000 0.866 0.959 1.000 0.930 0.949 1.000 1.225 1.155 0.866 1.095 0.918 1.155 0.977 0.940 1.061 moyenn e [Notez que toutes les moyennes de l'indice de Malmquist sont des moyennes géométriques]. 6. Observations finales Nous prévoyons de réviser le programme informatique DEAP en 1997. Cette révision impliquera l'inclusion d'options de modèles supplémentaires et la construction d'une interface Windows. Veuillez me contacter par courriel à [email protected] si vous avez trouvé des bogues ou si vous avez des suggestions sur la façon d'améliorer le programme. Tous les utilisateurs de la version DOS seront informés lorsque la version Windows sera disponible. 70 RÉFÉRENCES Afriat, S.N. (1972), "Efficiency Estimation of Production Functions", International Economic Review, 13, 568-598. Ali, A.I. et L.M. Seiford (1993), "The Mathematical Programming Approach to Efficiency Analysis", in Fried, H.O., C.A.K. Lovell et S.S. Schmidt (Eds), The Measurement of Productive Efficiency, Oxford University Press, New York, 120-159. Banker, R.D., Charnes, A. et Cooper, W.W. (1984), "Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis", Management Science, 30, 1078-1092. BIE (1994), International Performance Indicators : Aviation, rapport de recherche #59, BIE, Canberra. Boles, J.N. (1966), "Efficiency Squared - Efficient Computation of Efficiency Indexes", Proceedings of the 39th Annual Meeting of the Western Farm Economic Association, pp 137-142. Charnes, A., W.W. Cooper, A.Y. Lewin et L.M. Seiford (1995), "Data Envelopment Analysis : Theory, Methodology and Applications", Kluwer. Charnes, A., W.W. Cooper et E. Rhodes (1978), "Measuring the Efficiency of Decision Making Units", European Journal of Operations Research, 2, 429444. Charnes, A., W.W. Cooper, J. Rousseau et J. Semple (1987), "Data Envelopment Analysis and Axiomatic Notions of Efficiency and Reference Sets", Research Report CCS 558, Centre for Cybernetic Studies, The University of Texas at Austin. Coelli, T.J. (1992), "A Computer Program for Frontier Production Function Estimation : FRONTIER, Version 2.0", Economics Letters, 39, 29-32. Coelli, T.J. (1994), A Guide to FRONTIER Version 4.1 : A Computer Program for Stochastic Frontier Production and Cost Function Estimation, mimeo, Department of Econometrics, University of New England, Armidale. Coelli, T.J. (1997), A Multi-Stage Methodology for the Solution of Orientated DEA Models, mimeo, Centre for Efficiency and Productivity Analysis, University of New England, Armidale. Coelli, T.J. et S. Perelman (1996), "A Comparison of Parametric and Non-parametric Distance Functions : With Application to European Railways", CREPP Discussion Paper, Université de Liège, Liège. Debreu, G. (1951), "The Coefficient of Resource Utilisation", Econometrica, 19, 273292. Fare, R., S. Grosskopf, et C.A.K. Lovell (1985), The Measurement of Efficiency of Production, Boston, Kluwer. Fare, R., S. Grosskopf, et C.A.K. Lovell (1994), Production Frontiers, Cambridge University Press. Fare, R. et C.A.K. Lovell (1978), " Measuring the Technical Efficiency of 71 Production", Journal of Economic Theory, 19, 150-162. Fare, R., S. Grosskopf, M. Norris et Z. Zhang (1994), "Productivity Growth, Technical Progress, and Efficiency Changes in Industrialised Countries", American Economic Review, 84, 66-83. Farrell, M.J. (1957), "The Measurement of Productive Efficiency", Journal of the Royal Statistical Society, A CXX, Part 3, 253-290. Ferrier, G.D. et C.A.K. Lovell (1990), "Measuring Cost Efficiency in Banking : Econometric and Linear Programming Evidence", Journal of Econometrics, 46, 229-245. Ganley, J.A et J.S. Cubbin (1992), Public Sector Efficiency Measurement : Applications of Data Envelopment Analysis, North Holland, Amsterdam. Grosskopf, S. (1993), "Efficiency and Productivity", in Fried, H.O., C.A.K. Lovell and S.S. Schmidt (Eds), The Measurement of Productive Efficiency, Oxford University Press, New York, 160-194. Koopmans, T.C. (1951), "An Analysis of Production as an Efficient Combination of Activities", in T.C. Koopmans, Ed., Activity Analysis of Production and Allocation, Cowles Commission for Research in Economics, Monograph No. 13, Wiley, New York. Lovell, C.A.K. (1993), "Production Frontiers and Productive Efficiency", in Fried, H.O., C.A.K. Lovell et S.S. Schmidt (Eds), The Measurement of Productive Efficiency, Oxford University Press, New York, 3-67. Lovell, C.A.K. (1994), "Linear Programming Approaches to the Measurement and Analysis of Productive Efficiency", Top, 2, 175-248. Norman, M. et B. Stoker (1991), Data Envelopment Analysis : An Assessment of Performance, Wiley. Shepherd, R.W. (1970), Theory of Cost and Production Functions, Princeton, Princeton University Press. Seiford, L.M. (1996), "Data Envelopment Analysis : The Evolution of the State of the Art (1978-1995)", Journal of Productivity Analysis, 7, 99-138. Seiford, L.M. et R.M. Thrall (1990), "Recent Developments in DEA : The Mathematical Approach to Frontier Analysis", Journal of Econometrics, 46, 738. 72 APPENDICE Cette annexe fournit simplement une collection de points techniques et semitechniques concernant le programme informatique DEAP. • Configuration requise pour l'ordinateur : Le programme est écrit pour un ordinateur compatible IBM. Une configuration minimale serait un 386 avec un processeur mathématique et 4 Mo de RAM exécutant DOS 5.0 et/ou Windows 3.1 (ou supérieur). • Limites de taille : Le programme a été écrit en utilisant des allocations de tableaux dynamiques, de sorte que la taille du problème DEA qui peut être traité n'est essentiellement limitée que par la mémoire dont vous disposez sur votre ordinateur. Les seules limites qui peuvent entrer en jeu concernent l'énumération des informations sur les "slacks" et les pairs, pour lesquels les tableaux de sortie sont limités à 99 colonnes (je n'ai pas encore vu d'analyse DEA avec des dimensions qui atteignent ne serait-ce que la moitié de ces limites). Il faut également noter que les slacks sont rapportés dans des champs de largeur fixe. Par conséquent, si une valeur de slack est supérieure à 108 , elle ne sera pas signalée et une chaîne d'étoiles (************) apparaîtra à la place. Vous pouvez éviter ce problème en mettant vos données à l'échelle avant d'estimer le problème DEA. Par exemple, si l'apport en charbon dans une analyse de l'efficacité d'une centrale électrique est exprimé en tonnes, vous pouvez choisir de changer les unités de mesure en milliers ou millions de tonnes. • Mise à l'échelle : Le programme met à l'échelle toutes les données quantitatives en les divisant par les moyennes de l'échantillon avant d'exécuter la DEA. Les informations sur le relâchement sont ensuite remises à l'échelle en unités originales avant d'être rapportées. • Les estimations de l'efficacité technique rapportées dans les modèles orientés vers la production sont inversées de sorte qu'elles varient entre 0 et 1. • Tous les fichiers du programme et les fichiers de données, d'instructions et de sortie doivent être stockés dans le même répertoire. Le programme n'est pas en mesure d'accéder aux fichiers situés dans des répertoires autres que le répertoire dans lequel le programme réside. • Le programme peut parfois signaler qu'"aucune solution ne satisfait aux contraintes données". Ceci peut souvent être corrigé en éditant le fichier DEAP.000 et en augmentant la taille du paramètre EPS. • Le programme peut aussi, à l'occasion, fonctionner indéfiniment (c'est-à-dire pendant plus de 5 minutes). Pour arrêter l'exécution du programme, appuyez sur ctrl/c. Ensuite, pour éviter ce problème, on peut aussi essayer d'augmenter la taille du paramètre EPS. Notez également que le cycle se produira souvent si vous avez des zéros dans vos données et si vous utilisez la méthode DEA multi-étapes. • Pour plus d'informations sur les autres logiciels et publications de la CESP, consultez le site web de la CESP : http://www.une.edu.au/econometrics/cepa.htm. 73 Conseils sur l'utilisation de DEAP dans le gestionnaire de fichiers de Windows 3.1 : 1. Utilisez les options de menu FILE/CREATE DIRECTORY pour créer un répertoire DEAP sur votre disque dur. 2. Utilisez le glisser-déposer pour copier les fichiers du programme DEAP de votre disquette vers le répertoire DEAP. 3. Utilisez les éléments du menu FICHIER/ASSOCIER pour associer votre éditeur de texte Windows préféré (par exemple, NOTEPAD) aux extensions de fichier ".INS", ".DTA" et ".OUT". Cela vous permettra d'éditer ces fichiers (ou de les visualiser) en double-cliquant simplement sur les noms de fichiers. Vous n'avez besoin de définir les associations qu'une seule fois et Windows stockera ensuite ces informations d'association. 4. Pour vérifier que les associations ont fonctionné, vous pouvez double-cliquer sur EG1.INS et EG1.DTA pour consulter leur contenu. 5. Pour vous entraîner à exécuter DEAP, double-cliquez sur le nom du fichier DEAP.EXE. Le programme vous demandera alors un nom de fichier d'instruction. Tapez EG1.INS (et appuyez sur la touche RETURN). DEAP ne prendra que quelques secondes pour réaliser ce petit exemple de DEA. Pour consulter le fichier de sortie (EG1.OUT), il suffit de double-cliquer sur le nom du fichier EG1.OUT.24 24 Si vous utilisez Windows 3.1, vous devrez d'abord cliquer sur l'icône du disque dur (probablement votre lecteur C :) en haut de la fenêtre du gestionnaire de fichiers. Cela rafraîchira votre fenêtre et affichera donc le nom du fichier nouvellement créé (EG1.OUT). 74