Üniversitelerin Etkinlik Ölçümünde Bulanık Veri Zarflama Analizi Uygulaması

Year 2009, Issue: 22, 279 - 294, 01.08.2009

Kenan Oğuzhan Oruç İbrahim Güngör Mehmet Fatih Demiral

Abstract

Birden çok girdi-çıktının olduğu ve girdi-çıktıların farklıölçü birimlerine sahip olduğu durumlarda, işletmelerin karar verme birimleri-KVB etkinlik değerleri genellikle Veri Zarflama Analizi VZA ile hesaplanmaktadır. Geleneksel VZA modelleri, yalnızca kullanılan girdi ve üretilen çıktıların kesin olarak bilindiği durumlarda uygulanabilmektedir. Verilerin kesin olarak bilinmediği durumlarda etkinlik ölçümlerinin yapılabilmesi için ise Bulanık Veri Zarflama Analizi BVZA modelleri geliştirilmiştir. VZA ile etkinlik ölçümünde; girdi ve çıktılarıağırlıklandırmada serbestlik tanınmakta, bu da VZA’nın ayrım yapma gücünün azalmasına, çok fazla işletmenin etkin çıkmasına sebep olabilmektedir. Ayrıca, girdi ve çıktılara verilecek ağırlıklarıseçmede tanınan bu serbestlik, aynıveri seti kullanılmasına rağmen, bazen çok farklıağırlık değerlerinin verilmesine de sebep olmaktadır. Saati ve Memariani 2005 tarafından ağırlıklardaki bu esnekliğin kontrol edilebildiği ve tüm KVB’ler için aynıağırlık kümesinin kullanıldığıbir model önerilmiştir. Bu çalışmada Saati ve Memariani tarafından önerilen model kullanılarak Türkiye’deki 24 devlet üniversitesinin 2006 yılıetkinlik ölçümleri yapılmıştır. Etkinlik ölçümü için 6 adet girdi öğretim üyesi sayısı, öğretim görevlisi ve okutman sayısı, araştırma görevlisi sayısı, toplam personel giderleri, mal ve hizmet alım giderleri, kapalıkullanım alanı , 7 adet çıktı önlisans ve lisans öğrenci sayısı, lisansüstü öğrenci sayısı, proje sayısı, proje bütçeleri, uluslararasıyayın sayısı, ulusal yayın sayısı, öz gelirler belirlenmiştir. Uygulama sonunda; Sakarya, Afyon Kocatepe, Yıldız Teknik ve Çanakkale Onsekiz Mart Üniversitelerinin etkinlik değerleri %95-100, Süleyman Demirel ve Mustafa Kemal Üniversitelerinin %85-90, Gaziosmanpaşa, Dumlupınar, Kocaeli, Pamukkale, Muğla, Mersin ve Akdeniz Üniversitelerinin %80-85, Kafkas ve Yüzüncü Yıl Üniversitelerinin %70-75, Eskişehir Osmangazi ve Zonguldak Karaelmas Üniversitelerinin %65-70, Niğde Üniversitesi’nin %60-65, Kırıkkale ve Abant İzzet Baysal Üniversitelerinin %55-60, Balıkesir, Adnan Menderes, Trakya Üniversitelerinin %50-55 aralığında, Gaziantep Üniversitesi’nin %45 çıkmıştır. Elde edilen sonuçlara göre üniversitelere önerilerde bulunulmuştur.

Keywords

Üniversite, Bulanık, Veri Zarflama Analizi, Etkinlik.

Application of Fuzzy Data Envelopment on the Measurement of Universities’ Efficiency

Abstract

Purpose: The purpose of this study is to measure the efficiencies of the universities by using Fuzzy Data Envelopment Analysis FDEA of which purpose is the measurement of relative efficiencies of enterprises in the situations where there are more than one input that produces more than one output; where the inputs and outputs have different measurement units and where the data is fuzzy. Furthermore, calculation and comparison of which proportion the universities use their inputs unproductively and produce their output inefficiently, is aimed. FDEA: It is very important to choose the input and output data carefully and the reliability of these data in order to get accurate results from DEA which is a data based efficiency measuring method. However, in many real world applications input – output datas cannot be added up correctly and exactly. Traditional DEA models can only be used if used inputs and produced outputs are known exactly. When data are not known, a method called FDEA models are developed to be able to perform efficiency measurement. Data of FDEA models can be classified as: 1 İnterval data Fuzzy number data that the lower and upper values or the membership function are known , 2 Ordinal data Data where the verbal sequental relation like large-small-equal or very important-important-unimportant is known between any i. input or r. output of DMUs , 3 Missing data, and 4 Exact data. FDEA models suggested depending on the used data type can be classified as under the following headings: 1 Data models where ordinal and exact datas, 2 Data models where ordinal, interval and exact datas and 3 Data models where interval and exact datas. In DEA there is flexibility of weighting input and output by setting up separate models for each DMU. DEA assumes that each DMU choose its input and output weightings to maximise its efficiency score. However, this flexibility on the selection of input – output weightings may result in the reduction of distinguishing power of DEA and too much efficient DMU when the numbers of input – output increases while the number of DMU remains constant. This provided flexibility sometimes cause different weighting values to be given even though the same data set is used. In this study, a model proposed by Saati and Memariani 2005 which allows the flexibility of weightings to be controlled and in which the same data set is used for every Saati ve Memariani Model: In the first step, the upper bounds of output and input weights are determined. A common set of weights is determined in the second step by compacting the weight intervals. In the last step, the fuzzy efficiency of each decision making unit evaluated. Application: From the last quarter of the twentieth century began the process of transition to information society and knowledge economy, called a global economic structure has been formed. In this new structure, individuals' economic power, knowledge and education levels, the competitiveness of countries with the human and social capital has begun to be measured. This process increased expectations from universities which are primarily responsible of knowledge generation and sharing. In addition to expectations, especially with a high percentage of young population in developing countries the increase in demand for higher education, forces universities to use their resources effectively. In this study, efficiency measurement of 24 state universities in Turkey in 2006 has been carried out. 6 inputs the number of faculty members, instructional assistants and the number of lecturers, research assistants count, total personnel expenses, procurement of goods and services costs, use of indoor space and 7 outputs the number of associate degree and undergraduate students, the number of graduate students, the number of projects, project budgets, the number of international publications, the number of national publications, self incomes were used

Keywords

University, Fuzzy, Data Envelopment Analysis, Efficiency

References

• Abbott, M. ve Doucouliagos, Chris (2003). The Efficiency of Australian Universities: a Data Envelopment Analysis. Economics of Education Review, 22, 89-97.
• Allen, R. ve Thanassoulis E. (2004). Improving Envelopment in Data Envelopment Analysis. European Journal of Operational Research, 154, 363-379.
• Bayazıtlı, Ercan ve Çelik, Orhan (2004). Muhasebe Eğitiminin Kalitesinin Artırılmasında İlk Adım: Yükseköğretim Kurumlarında Muhasebe Eğitiminin Etkinliğinin Analizi. http://www.isletme.istanbul.edu.tr/surekliyayinlar/tmes 2004/bildiri4.doc, Erişim Tarihi: 15.01.2006.
• Charnes, Abraham, Cooper, William W. ve Rhodes E. (1978). Measuring the Efficiency of Decision Making Units. European Journal of Operational Research, 2, 429-444.
• Chen, Yao ve Ali, Agha I. (2002). Continuous Optimization Output–Input Ratio Analysis and DEA Frontier. European Journal of Operational Research, 142, 476–479.
• Cingi, Selçuk ve Tarım, Armağan (2000). Türk Banka Sisteminde Performans Ölçümü DEA Malmquist TFP Endeksi Uygulaması. http://www.tbb.org.tr/turkce/ arastirmalar/TBB.doc, Erişim Tarihi: 10.02.2006.
• Cook, Wade D., Kress, Moshe ve Seiford, Lawrence M. (1996). Data Envelopment Analysis in the Presence of Both Quantitative and Qualitative Factors. The Journal of the Operational Research Society, 47, 945- 953.
• Cooper, William W., Park, Kyung S. ve Yu Gang (1999). IDEA and AR-IDEA: Models for Dealing with Imprecise Data in DEA. Management Science, 45, 597-607.
• Despotis, Dimitris K. ve Smirlis, Yiannis G. (2002). Continuous Optimization Data Envelopment Analysis with Imprecise Data. European Journal of Operational Research, 140, 24-36.
• Erdem, A. Rıza (2006). Dünyadaki Yükseköğretimin Değişimi. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi,15, 299-314.
• Fandel, Günter (2007). O.R. Applications On The Performance of Universities in North Rhine- Westphalia Germany: Goverment’s Redistiribution of Funds Judged Using DEA Efficiency Measures. European Journal of Operational Research, 176, 521-533.
• Flegg, A.T., Allen, D.O., Field, K. ve Thurlow, T.W. (2004). Measuring The Efficiency of British Universities: A Multi Period Data Envelopment Analysis. Education Economics, 12, 231-239.
• Golany, Boaz ve Yu Gang (1997). Theory and Methodology Estimating Returns to Scale in DEA, European Journal of Operational Research, 103, 28-37.
• Guo, Peijun ve Tanaka, Hideo (2001). Fuzzy DEA: A Perceptual Evaluation Method, Fuzzy Sets and Systems, 119, 149-160.
• Jenkins, Larry ve Anderson, Murray (2003). Stochastics and Statistics a Multivariate Statistical Approach to Reducing the Number of Variables in Data Envelopment Analysis. European Journal of Operational Research. 147, 51-61.
• Kao, Chiang ve Liu, Shiang T. (2000). Fuzzy Efficiency Measures in Data Envelopment Analysis. Fuzzy Sets and Systems, 113, 427-437.
• Kılıçkaplan, Serdar, Atan, Murat ve Hayırsever Feride (27-28 Mayıs 2004). Avrupa Birliği’nin Genişleme Sürecinde Türkiye Sigortacılık Sektöründe Hayat Dışı Alanda Faaliyet Gösteren Şirketlerin Verimliliklerinin Değerlendirilmesi. Finans Sempozyumu, İstanbul, 105-113.
• Leon, T., Liern, V., Ruiz, J.L. ve Sirvent, I. (2003). A Fuzzy Mathematical Programming Approach to the Assessment of Efficiency with DEA Models. Fuzzy Sets and Systems, 139, 407-419.
• Lertworasirikul, Saowanee, Fang, Shu C., Joines, Jeffrey A. ve Nuttle, Henry L.W. (2003). Fuzzy Data Envelopment Analysis (DEA): A Possibility Approach. Fuzzy Sets and Systems, 139, 390-392.
• Matthews, Kent ve İsmail, Mahadzir (2006).Efficiency and Productivity Growth of Domestic and Foreign Commercial Banks in Malaysia. Cardiff Economics Working Papers, U.K., 8.
• Maliye Bakanlığı, Bütçe Yönetim Enformasyon Sistemi, https://ebutce.bumko. gov.tr /ebutce2.htm>, Erişim Tarihi: (08.10.2008).
• Paradi, Joseph C. ve Schaffnit, Claire (2004). Commercial Branch Performance Evaluation and Results Communication in a Canadian Bank - a DEA Application. European Journal of Operational Research, 156, 719- 735.
• Saati, S. ve Memariani, A. (2005). Reducing Weight Flexibility in Fuzzy DEA. Applied Mathematics and Computation, 161, 811-822.
• Saati, S., Memariani, A. ve Jahanshahloo G.R. (2002). Efficiency Analysis and Ranking of DMU’s with Fuzzy Data. Fuzzy Optimization and Decision Making, 1, 255-267.
• ÖSYM(Öğrenci Seçme ve Yerleştirme Merkezi). (2006). 2005-2006 Öğretim Yılı Yükseköğretim İstatistikleri., Ankara: ÖSYM.
• ÖSYM (Öğrenci Seçme ve Yerleştirme Merkezi). (2007).2006-2007 Öğretim Yılı Yükseköğretim İstatistikleri., Ankara: ÖSYM.
• TÜBİTAK. (2007). http://www.tubitak.gov.tr/tubitak_content_files/ ARDEB/UniversiteTablo.pdf, Erişim Tarihi: 10.09.2008.
• Yalçıner, Kürşat, Atan, Murat, Kayacan, Murad ve Boztosun, Derviş (23-24 Eylül 2004). İMKB 30 Endeksinde Etkinlik Analizi (Veri Zarflama Analizi-VZA) ile Hisse Senedi Seçimi. 1. Uluslararası Manas Üniversitesi Ekonomi Konferansı, Bişkek, Kazakistan, s.526-536.
• YÖK (Yükseköğretim Kurulu),. (2007).Türkiye’nin Yükseköğretim Stratejisi, (Yayın No:2007-1). Ankara: YÖK.