MétaCan
Menu
Retour à la cohorte
Enregistrement W4319047269 · doi:10.1080/00036846.2023.2166664

α-returns to scale with quasi-fixed inputs: an application to Québec hospitals

2023· article· en· W4319047269 sur OpenAlexaffabout
Thomas Blavet, Pierre Ouellette, Stéphane Vigeant

Notice bibliographique

RevueApplied Economics · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésReturns to scaleEconomies of scaleProduction (economics)RestructuringScale (ratio)Unit (ring theory)EconomicsEconometricsData envelopment analysisFixed costOrder (exchange)ProductivityConvexitySet (abstract data type)Computer scienceMicroeconomicsStatisticsMathematicsFinancial economicsFinanceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

This paper focuses on the determination and estimation of the optimal size of hospitals. To determine the optimal size of a production unit, we use the measurement of returns to scale (RTS) at the decision-making unit level. When the RTS are constant, the unit is deemed of optimal size as the average total cost is at its minimum. As we deal with public service in a non-market environment, we have to take into account the fact that hospitals may not operate efficiently. To estimate the required production frontier we adapt the α-returns to scale method (a DEA type algorithm compatible with non-convexity of the production set) to include quasi-fixed factors. This methodology is applied to Québec hospitals at different points in time in order to capture the effect of the restructuring of the public health system over the last three decades. We conclude that by relying more on larger institution the scale efficiency of the public system has increased. However, in spite of the large reduction in the number of small hospitals and their replacement by very large structures, the movement may have gone too far, as most of the large institutions tend to exhibits decreasing returns to scale.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,481
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,012

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,313
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied EconomicsMême sujetEfficiency Analysis Using DEATravaux en français237 207