Data Envelopment Analysis and Bootstrap Approaches for Efficiency Measure of the Autonomous Port of Dakar
Notice bibliographique
Résumé
In this article, we measure the e_ciency of the Autonomous Port of Dakar (APD) and identify the causes of inefficiency for the year 2021. Measuring port e_ciency is an important factor in strengthening its competitiveness and stimulating national development. In the literature, the most widely used methods for measuring e_ciency in the port sector are parametric and non-parametric methods. Our objective is to apply Data Envelopment Analysis (DEA) with two models, namely: the Charnes, Cooper and Rhodes (CCR) and Banker, Charnes and Cooper (BCC) to determine the efficiency scores and the bootstrap approach the Simar and Wilson in 2007 to correct the errors and determine the confidence intervals. Numerical simulations are performed in the two distinct zones separated by a Fishing Port (FP), Naval Repair Workshops (NRW) and the Military Zone (MZ), while the others zones are the Decision-Making Units (DMUs), detailed in table 2. The results show that APD obtains six (6) e_ective DMUs with CCR model (average score of 0.858) and ten (10) effiective DMUs with BCC model (average score of 0.951). The average scale efficiency is 0.897. With the bootstrap approach, we obtain an average bias-corrected of 0.700 for CCR model (with confidence intervals of [0.324; 0.1291]) and 0.870 for BCC model (with confidence intervals of [0.620; 1.197]). These results will allow the decision makers of the Dakar port authority to improve its performance and competitiveness at the national and international levels.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».