DEA 교차 효율성 모형에서 벤치마킹정보 제공방법

박만희

추천

검색

자료유형: 학술저널

저자정보: 박만희 (부산가톨릭대학교)

저널정보: 글로벌경영학회 글로벌경영학회지 글로벌경영학회지 제18권 제1호

발행연도: 2021.1

수록면: 140 - 157 (18page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

DEA(Data Envelopment Analysis)는 생산함수에 대한 가정없이 조직의 상대적인 효율성을 평가하는 비모수적 기법으로 다양한 분야에서 활용되어 오고 있다. CCR과 BCC 모형은 효율성이 1인 DMU(Decision Making Units)가 다 수개로 분석되어 변별력이 낮다는 문제점을 가지고 있다. 이러한 변별력 문제를 해결하기 위해 DMU들간의 효율성 순위를 제공할 수 있는 교차 효율성 모형이 활용되고 있다. 하지만 교차 효율성 모형은 비효율적인 DMU가 효율적인 DMU로 되기 위한 벤치마킹 정보를 제공할 수 없다는 단점을 가지고 있다. 따라서 본 연구에서는 교차 효율성 모형에서 벤치마킹 정보를 제공하는 방법을 제시하였다. 본 연구의 결과를 요약하면 다음과 같다. 첫째, Shannon의 엔트로피 개념에 기반한 중요도 지수를 이용하여 변별력이 가장 높은 교차효율성 모형을 제시하였다. 분석결과에 따르면 Aggressive, Arbitrary, Benevolent 모형 중 Aggressive 모형의 변별력이 가장 높은 것으로 나타났다. 둘째, 비효율적인 DMU가 벤치마킹해야 할 참조 DMU를 선정하기 위해 군집분석을 적용하였으며 실루엣 지수를 이용하여 최적 군집수 결정방법을 제시하였다. 셋째, 군집분석 결과를 히트맵과 덴드로그램으로 가시화하여 비효율적인 DMU가 벤치마킹해야 할 DMU를 쉽게 확인할 수 있도록 하였다. 넷째, 벤치마킹의 수준을 제공하기 위해서 주성분분석(Principal component analysis)을 이용하여 핵심 주성분을 도출하고 이를 바탕으로 투입요소와 산출요소별 벤치마킹 비율을 제공하였다. 본 연구에서는 군집분석과 주성분분석을 바탕으로 벤치마킹 참조집합과 변수별 벤치마킹 비율을 제공하였다. 또한 변별력 평가지표를 이용한 최적 모형 선정방법과 실루엣 지수를 이용한 최적 군집수 결정방법을 제시하였다. 본 연구는 교차 효율성 분석결과를 바탕으로 벤치마킹정보를 제공하는 방법을 제시하였다는 점에서 연구의의가 있다.

DEA (Data Envelopment Analysis) has been used in various fields as a nonparametric technique to evaluate the relative efficiency of an organization without assumptions about production functions. The CCR and BCC models have a problem that the discrimination power is low because many DMUs (Decision Making Units) with an efficiency of 1 are analyzed. To solve this problem of discrimination, cross efficiency model that can provide an efficiency ranking among DMUs is used. However, the cross-efficiency model has a drawback that it cannot provide benchmarking information for an inefficient DMU to become an efficient DMU. Therefore, this work presents a method for providing benchmarking information in cross efficiency models. The summary of the results of this study is as follows. First, we present a cross efficiency model with the highest discrimination power using the importance index based on Shannon's entropy concept. According to the analysis results, it was found that the Aggressive model had the highest discrimination power among Aggressive, Arbitrary, and Benevolent models. Second, cluster analysis was applied to select the reference DMU to be benchmarked by the inefficient DMU, and a method for determining the optimal number of clusters was suggested using the silhouette index. Third, the cluster analysis results were visualized as heat maps and dendrograms so that inefficient DMUs could easily identify DMUs to be benchmarked. Fourth, in order to provide the level of benchmarking, the key principal components were derived using principal component analysis, and based on which the benchmarking ratio for each input and output variable was provided. In this study, based on cluster analysis and principal component analysis, a benchmarking reference set and a benchmarking ratio for each variable were provided. In addition, a method for selecting an optimal model using discriminative power evaluation index and a method for determining the optimal number of clusters using silhouette index are presented. This study is meaningful in that it presents a method for providing benchmarking information based on the results of cross efficiency analysis.

#교차 효율성 #군집분석 #주성분분석 #벤치마킹 정보

참고문헌 (14)

참고문헌 신청

김종원 / 2009 / 자료포괄분석에 의한 국내 의류회사의 경영효율성 분석 / 글로벌경영학회지 6(1):25~45

김재희 / 2009 / 교차효율분석을 활용한 원양어업의 업종별 경쟁력 추정 / 해양정책연구 24(11):57~76

박만희 / 2017 / DEA 모형의 변별력 평가에 관한 연구 / 한국콘텐츠학회 논문지 17(1):201~212

박만희 / 2020 / 음수 값을 처리할 수 있는 DEA 모형의 변별력 평가 / 글로벌경영학회지 17(4):125~140

유금록 / 2014 / 자료포락분석을 이용한 공공부문의 효율성 평가에 있어서 변별력 제고방안: 서울시 보건소에 대한 교차효율성모형의 적용 / 정책분석평가학회보 24(3):189~223

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박만희

소속기관 부산가톨릭대학교

주요연구분야 사회과학 > 경영학

논문수 5 이용수 49

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (14)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)