دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات63
تعداد شماره‌ها2,257
تعداد مقالات18,555
تعداد مشاهده مقاله57,401,237
تعداد دریافت فایل اصل مقاله29,417,444
نعمتی زاده, ماریه, امیرتیموری, علیرضا, کردرستمی, سهراب, خوش اندام, لیلا. (1402). ارزیابی کارایی و تحلیل توان مدیریتی بخش انتقال برق منطقه ای با حضور متغیرهای زمینه ای. سامانه مدیریت نشریات علمی, 21(70), 89-127. doi: 10.22054/jims.2023.72780.2848
ماریه نعمتی زاده; علیرضا امیرتیموری; سهراب کردرستمی; لیلا خوش اندام. "ارزیابی کارایی و تحلیل توان مدیریتی بخش انتقال برق منطقه ای با حضور متغیرهای زمینه ای". سامانه مدیریت نشریات علمی, 21, 70, 1402, 89-127. doi: 10.22054/jims.2023.72780.2848
نعمتی زاده, ماریه, امیرتیموری, علیرضا, کردرستمی, سهراب, خوش اندام, لیلا. (1402). 'ارزیابی کارایی و تحلیل توان مدیریتی بخش انتقال برق منطقه ای با حضور متغیرهای زمینه ای', سامانه مدیریت نشریات علمی, 21(70), pp. 89-127. doi: 10.22054/jims.2023.72780.2848
نعمتی زاده, ماریه, امیرتیموری, علیرضا, کردرستمی, سهراب, خوش اندام, لیلا. ارزیابی کارایی و تحلیل توان مدیریتی بخش انتقال برق منطقه ای با حضور متغیرهای زمینه ای. سامانه مدیریت نشریات علمی, 1402; 21(70): 89-127. doi: 10.22054/jims.2023.72780.2848

ارزیابی کارایی و تحلیل توان مدیریتی بخش انتقال برق منطقه ای با حضور متغیرهای زمینه ای

مطالعات مدیریت صنعتی
مقاله 3، دوره 21، شماره 70، مهر 1402، صفحه 89-127    اصل مقاله (717.64 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/jims.2023.72780.2848
نویسندگان
ماریه نعمتی زاده1؛ علیرضا امیرتیموری* 2؛ سهراب کردرستمی3؛ لیلا خوش اندام4
1دانشجوی دکتری، ریاضی کاربردی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
2استاد، گروه ریاضی کاربردی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
3استاد، گروه ریاضی کاربردی، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
4استادیار، گروه ریاضی کاربردی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
چکیده
صنعت برق یکی از صنایع مهم و اساسی در جهت رشد و توسعه اقتصادی کشور به شمار می آید. از این رو ارزیابی عملکرد این صنعت و شناخت نقاط قوت و ضعف هر یک از بخش های آن اعم از بخش تولید، انتقال و توزیع می تواند موجب بهبود رشد اقتصادی در زمینه های مختلف شود. با توجه به اهمیت بخش انتقال، در مطالعه حاضر عملکرد 16 شرکت برق منطقه ای ایران طی سال های 1390 تا 1398 با توجه به اثر متغیرهای زمینه ای بر کارایی مورد تحلیل و ارزیابی قرار می گیرد. در این راستا از دو تکنیک تحلیل پوششی داده ها و حداقل مربعات معمولی به ترتیب جهت تعیین امتیاز کارایی و تخمین اثر متغیرهای زمینه ای بر کارایی استفاده می شود. به این منظور در مرحله نخست، کارایی تکنیکی هر یک از شرکت ها با توجه به ورودی ها و خروجی های مختص آن ها بر اساس تکنیک تحلیل پوششی داده ها محاسبه می شود. در مرحله دوم لگاریتم مقدار کارایی به دست آمده بر روی متغیرهای زمینه ای رگرسیون می شود تا میزان اثر آن ها بر کارایی تعیین گردد. باقی مانده حاصل از رگرسیون صورت گرفته تحت عنوان توان مدیریتی معرفی می شود. در پایان با توجه به کارایی اصلاح شده پس از حذف اثر متغیرهای زمینه ای معیاری برای رتبه بندی شرکت‌ها ارائه می شود.
کلیدواژه‌ها
تحلیل پوششی داده ها؛ حداقل مربعات معمولی؛ متغیر زمینه ای؛ توان مدیریتی؛ رتبه بندی
مراجع
  1. امانی، ناصر و باقرزاده ولمی، هادی. (1397). ارزیابی کارایی شرکت‌های برق منطقه‌ای ایران با تحلیل پوششی داده‌های شبکه‌ای: بر اساس تبدیل ساختارها به یک ساختار یکنواخت. تصمیم‌گیری و تحقیق در عملیات، 3(3)، 249-280.
  2. پورعلیزاده، مژگان، امیرتیموری، علیرضا، و واعظ قاسمی، محسن. (1400). یک مدل DEA برای ارزیابی اجرای زنجیره تأمین پایدار با حضور خروجی‌های نامطلوب و شاخص‌های دو نقش ورودی و خروجی: کاربردی از صنعت برق. مطالعات مدیریت صنعتی، 19(62)، 139-192.
  3. کاظمی متین، رضا و عزیزی، رزا. (1391). مدل بندی عوامل غیرقابل‌کنترل در اندازه‌گیری کارایی شرکت‌های برق منطقه‌ای ایران. کیفیت و بهره‌وری در صنعت برق ایران، 1(1), 57-63.
  4. خسروی، محمدرضا، و شاهرودی، کامبیز. (1393). کاربست مدل تحلیل پوششی داده‌های شبکه‌ای در سنجش کارایی بخش انتقال نیروی صنعت برق ایران. مدیریت صنعتی، 6(2), 263-282.
  5. خسروی، محمدرضا، شاهرودی، کامبیز، امیرتیموری، علیرضا و دل افروز، نرگس. (2021). ارائه مدلی تلفیقی از دوسوتوانی سازمانی و تحلیل پوششی داده‌های شبکه‌ای به‌منظور ارزیابی کارایی شرکت‌های برق منطقه‌ای ایران.نشریه علمی-پژوهشی کیفیت و بهره‌وری صنعت برق ایران، 10(3), 62-74.‎
  6. خسروی، محمدرضا، شاهرودی، کامبیز، امیرتیموری، علیرضا، و دل افروز، نرگس. (1401). طراحی مدل تحلیلی ـ ریاضی به‌منظور سنجش کارایی زنجیره تولید، انتقال و توزیع صنعت برق ایران: رویکرد تحلیل پوششی داده‌های شبکه‌ای با خروجی نامطلوب. مدیریت صنعتی، 14(2), 220-249.
  7. فلاحی، محمدعلی و احمدی، وحیده. (1384). ارزیابی کارایی شرکت‌های توزیع برق در ایران. تحقیقات اقتصادی، (71)، 297-320.
  8. رادسر، مصطفی، کاظمی، عالیه، مهرگان، محمدرضا، رضوی و حاجی‌آقا، سیدحسین. (1400). طراحی یک الگوریتم بر پایه تحلیل پوششی داده‌های شبکه‌ای با شاخص‌های خوب و بد به‌منظور ارزیابی صنعت برق ایران. مدیریت صنعتی، 13(1)، 26-1.
 

  1. Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science, 30(9), 1078-1092.
  2. Banker, R. D., & Natarajan, R. (2008). Evaluating contextual variables affecting productivity using data envelopment analysis. Operations research, 56(1), 48-58.
  3. Banker, R., Natarajan, R., & Zhang, D. (2019). Two-stage estimation of the impact of contextual variables in stochastic frontier production function models using data envelopment analysis: Second stage OLS versus bootstrap approaches. European Journal of Operational Research, 278(2), 368-384.
  4. Banker, R., Park, H. U., & Sahoo, B. (2022). A statistical foundation for the measurement of managerial ability.
  5. Banker, R. D., Amirteimoori, A., & Sinha, R. P. (2022). An integrated Data Envelopment Analysis and generalized additive model for assessing managerial ability with application to the insurance industry. Decision Analytics Journal, 4, 100115.
  6. Battese, G. E., Rao, D. S., & O'donnell, C. J. (2004). A metafrontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies. Journal of productivity analysis, 21(1), 91-103.
  7. Bertrand, M., & Schoar, A. (2003). Managing with style: The effect of managers on firm policies. The Quarterly journal of economics, 118(4), 1169-1208.
  8. Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European journal of operational research, 2(6), 429-444.
  9. Demerjian, P., Lev, B., & McVay, S. (2012). Quantifying managerial ability: A new measure and validity tests. Management science, 58(7), 1229-1248.
  10. Halkos, G. E., & Polemis, M. L. (2018). The impact of economic growth on environmental efficiency of the electricity sector: A hybrid window DEA methodology for the USA. Journal of Environmental Management, 211, 334-346.
  11. Khalili-Damghani, K., & Shahmir, Z. (2015). Uncertain network data envelopment analysis with undesirable outputs to evaluate the efficiency of electricity power production and distribution processes. Computers & industrial engineering, 88, 131-150.
  12. Khodadadipour, M., Hadi-Vencheh, A., Behzadi, M. H., & Rostamy-Malkhalifeh, M. (2021). Undesirable factors in stochastic DEA cross-efficiency evaluation: An application to thermal power plant energy efficiency. Economic Analysis and Policy, 69, 613-628.
  13. Liu, C. H., Lin, S. J., & Lewis, C. (2010). Evaluation of thermal power plant operational performance in Taiwan by data envelopment analysis. Energy policy, 38(2), 1049-1058.
  14. Murthi, B. P. S., Srinivasan, K., & Kalyanaram, G. (1996). Controlling for observed and unobserved managerial skills in determining first-mover market share advantages. Journal of Marketing Research, 33(3), 329-336.
  15. Munisamy, S., & Arabi, B. (2015). Eco-efficiency change in power plants: using a slacks-based measure for the meta-frontier Malmquist–Luenberger productivity index. Journal of cleaner production, 105, 218-232.
  16. Mohsin, M., Hanif, I., Taghizadeh-Hesary, F., Abbas, Q., & Iqbal, W. (2021). Nexus between energy efficiency and electricity reforms: a DEA-based way forward for clean power development. Energy Policy, 149, 112052.
  17. Navarro-Chávez, C. L., Delfín-Ortega, O. V., & Díaz-Pulido, A. (2020). Efficiency of the electricity sector in Mexico 2008-2015: An application of the DEA network model. International Journal of Energy Sector Management, 14(4), 683-706.
  18. O’Donnell, C. J., Rao, D. S., & Battese, G. E. (2008). Metafrontier frameworks for the study of firm-level efficiencies and technology ratios. Empirical economics, 34(2), 231-255.
  19. Omrani, H., Beiragh, R. G., & Kaleibari, S. S. (2015). Performance assessment of Iranian electricity distribution companies by an integrated cooperative game data envelopment analysis principal component analysis approach. International Journal of Electrical Power & Energy Systems, 64, 617-625.
  20. Sarıca, K., & Or, I. (2007). Efficiency assessment of Turkish power plants using data envelopment analysis. Energy, 32(8), 1484-1499.
  21. Salimi M, Keramati M A. (2016). Evaluation and Distribution of technical efficiency of regional Electricity companies with a three-stage DEA approach. ieijqp, 4 (2):37-48
  22. Simar, L., & Wilson, P. W. (2007). Estimation and inference in two-stage, semi-parametric models of production processes. Journal of econometrics, 136(1), 31-64.
  23. Sueyoshi, T., Qu, J., Li, A., & Xie, C. (2020). Understanding the efficiency evolution for the Chinese provincial power industry: A new approach for combining data envelopment analysis-discriminant analysis with an efficiency shift across periods. Journal of Cleaner Production, 277, 122371.
  24. Tavassoli, M., Faramarzi, G. R., & Saen, R. F. (2015). Ranking electricity distribution units using slacks-based measure, strong complementary slackness condition, and discriminant analysis. International Journal of Electrical Power & Energy Systems, 64, 1214-1220.
  25. Tavassoli, M., Ketabi, S., & Ghandehari, M. (2020). Developing a network DEA model for sustainability analysis of Iran’s electricity distribution network. International Journal of Electrical Power & Energy Systems, 122, 106187.
  26. Wang, H. J., & Schmidt, P. (2002). One-step and two-step estimation of the effects of exogenous variables on technical efficiency levels. journal of Productivity Analysis, 18(2), 129-144.
  27. Zhu, N., Wang, B., & Wu, Y. (2015). Productivity, efficiency, and non-performing loans in the Chinese banking industry. The Social Science Journal, 52(4), 468-480.
آمار
تعداد مشاهده مقاله: 848
تعداد دریافت فایل اصل مقاله: 940


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب
login