Application of a robust data envelopment analysis model for performance evaluation of electricity distribution companies
Notice bibliographique
Résumé
Purpose This study evaluates the efficiency and productivity change of 39 electricity distribution companies in Iran over the period 2005-2014. For purposes of electricity management and utilization of scarce resources, Iran’s 33 provinces have been classified into five regions by the Ministry of the Interior. Analyzing the efficiency of distribution companies across these regions yields significant understanding of these resources and helps policymakers to generate more informed decisions. Design/methodology/approach The proposed method of this study develops nonparametric data envelopment analysis (DEA) with the consideration of geographic classification, size and type of company. At the first stage, a DEA model is used to estimate the relative technical efficiency and productivity change of these companies. At the second stage, distributions of efficiency improvements are examined based on geographic classification, size and type of the company type. A stability test is also conducted to verify the proposed model’s robustness. Findings The results demonstrate that the average technical efficiency of the companies increased during the years 2006-2009, but decreased during 2010-2014. The productivity measurement reveals that low efficiency change was the largest contributor to the small increase in productivity change rather than technology change. In addition, testing the hypothesis that the large and small companies have statistically the same efficiency scores revealed no statistical difference among them. Moreover, another test did not detect a difference among companies at the urban and provincial levels. Practical implications By applying this approach, policymakers and practitioners in the power industry at the country and corporate level can effectively compare the efficiency and productivity changes among electricity distribution companies, and therefore generate more informed decisions. Originality/value The paper’s novel concept applies DEA to Iran’s electricity distribution companies and analyzes them by examining geographic classification, size and the type of the companies. In addition, a stability test is conducted and productivity changes are estimated.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».