فایل ورد کامل تلفیق هر دو خروجی های نامطلوب و متغیر های غیر قابل کنترل در DEA: عملکرد نیروگاه های برق زغال سوز چینی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تلفیق هر دو خروجی های نامطلوب و متغیر های غیر قابل کنترل در DEA: عملکرد نیروگاه های برق زغال سوز چینی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۳ صفحه

مطالعات منتشر شده اندکی در مورد اندازه گیری عملکرد که به طور هم زمان خروجی های نامطلوب و متغیر های غیر قابل کنترل را در نظر بگیرد وجود دارند. در برخی مقالاتی که در آن ها خروجی های نامطلوب در نظر گرفته شده است، اثر متغیر های غیر قابل کنترل بررسی نشده است. یعنی، بسیاری از مطالعات در خصوص اندازه گیری عملکرد به طور ضمنی فرض می کنند که ناکارامدی کل ناشی از سوء مدیریت DMU ها است. از این روی عملکرد DMU ها در محیط عملیاتی نسبتا نامطلوب به احتمال خیلی زیاد نادیده گرفته شده و یا کم تراز مقدار واقعی براورد شده است.
در این مقاله، مدل های مختلف اندازه گیری کارایی تحلیل پوششی داده ها برای بررسی اثر متغیر های غیر قابل کنترل با خروجی های نامطلوب استفاده شد. به علاوه، مدل پایه از منابع موجود مشتق شده و می تواند اثر خروجی های نامطلوب را در نظر بگیرید. مدل یک مرحله ای، متغیر های غیر قابل کنترل انتحابی را به طور مستقیم در مدلDEA قرار می دهد. علی رغم ساده بودن، این مدل نیاز به دانش قبلی در خصوص جهت متغیر های غیر قابل کنترل دارد. هم چنین این مدل قادر به در نظر گرفتن متغیر های غیر قابل کنترل نیست. مدل دو مرحله ای مستلزم ساخت متغیر های ساختگی غیر قابل کنترل است. مدل دو مرحله ای اثر خروجی های نامطلوب را در مرحله اول در نظر می گیرد. امتیازات کارایی محوری با متغیر های غیر قابل کنترل در دومین مرحله رگرسیون گیری می شوند. مزیت آن در این است که مدل فوق نیازی به دانش قبلی در خصوص جهت اثر متغیر های غیر قابل کنترل ندارد. با این حال مدل دو مرحله ای اطلاعات موجود در ورودی ها را نادیده می گیرد. 

عنوان انگلیسی:Incorporating both undesirable outputs and uncontrollable variables into DEA: The performance of Chinese coal-fired power plants~~en~~

. Introduction There are two difficulties in doing an objective evaluation of the performance of decision making units (DMUs). The first difficulty is how to treat undesirable outputs jointly produced with desirable outputs. Traditional literature only values the desirable and simply ignores the undesirable. However, ignorance of the undesirable is equal to saying that they have no value in the final evaluation and may present misleading results. It is therefore necessary to credit DMUs for their provision of desirables and penalize them for their provision of undesirables. The second difficulty is how to treat uncontrollable variables, which often reflect the impact of the operating environment. Generally, the management can decide on some controllable factors internal to production activities, while the impact of the operating environment is out of the control of the management. Traditional studies which have constructed research models using controllable factors only, implicitly assume that all the inefficiencies of DMUs are caused by bad management. Since the impact of uncontrollable variables is not filtered out, the evaluation of those DMUs in an adverse operating environment will be underestimated. However, given difficulties in both model construction and data availability, there are very few published papers which consider both problems simultaneously. This article attempts to solve the above issue by setting up six DEA-based performance evaluation models for a production process which produces both desirable and undesirable outputs. However, unlike parametric methods, the inclusion of undesirable outputs and uncontrollable variables in DEA is still a nascent field of research. Previous works incorporating both of the variables are summarized. The models used include the basic model, the onestage model, the two-stage model, the three-stage model and the four-stage model, following the characterisation offered in Pastor (2002). To the authors’ knowledge, no other empirical studies on performance measurement or efficiency analysis have used all of these models in one paper. The Chinese electricity sector is now the second largest electricity system in the world, both in terms of installed capacity and generation. In 2005 its total installed generation capacity was about 508.4 GW, of which about 384.1 GW was thermal generating capacity with more than 90% of that thermal capacity being coal- fired (Zhang, 2006). The wide usage of coal-fired capacity has posed many serious environmental problems and become a world concern. For example, in 2005 the total amount of SO2 emissions from China ranked as number one in the world, and the total amount of CO2 emissions ranked second only to US in absolute terms. However, despite the growing size of the Chinese coal-fired electricity system and increasing environmental concerns, few empirical quantitative analyses of the efficiency of Chinese coal- fired power plants have been completed. In this paper, a research sample of Chinese coal-fired power plants during 2002 is used. Data in the sample covers both traditional inputs and outputs and undesirable outputs (e.g. SO2 emissions) and some carefully selected uncontrollable variables. This research sample allows the authors to examine the impact of uncontrollable variables on the performance of coal-fired power plants together with undesirable outputs, and also to test the validity of different models constructed in the paper. This paper is organized as follows: Section 2 reviews existing literature on the inclusion of undesirable outputs and uncontrollable variables; Section 3 explains the research methodology (the different models proposed for incorporating undesirable outputs and uncontrollable variables are laid out here); Section 4 describes the research data; Section 5 summarizes the results and Section 6 concludes the paper. 2. Literature review 2.1. Inclusion of undesirable outputs Since Charnes et al. (1978) DEA has been widely used to measure the performance of various kinds of DMUs. In the case of power plants, examples from different eras include Fre et al. (1985), Pollitt (1995), Coelli (1997) and Olatubi and Dismukes (2000). Within these studies traditional inputs are used to produce desirable or marketable outputs. Such ignoring of undesirable outputs might produce misleading results. However, Fare et al. (1989) implemented the nonparametric approach on a 1976 data set of 30 US mills which use pulp and three other inputs in order to produce paper and four pollutants. In their research they assumed weak disposability1 for undesirable outputs. Their results showed that the performance rankings of DMUs turned out to be very sensitive to whether or not undesirable outputs were included. That is to say, traditional DEA models might give us a biased indication of where we stand.

$$en!!