Evaluación de la eficiencia de la innovación bancaria con Análisis de Envoltura de Datos: desde la perspectiva de descubrir la caja negra entre entrada y salida
Autores: Zhong, Kaiyang; Li, Chenglin; Wang, Qing
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Eficiencia operativa de la corporación
Eficiencia de innovación
Análisis envolvente de datos
Proceso de producción
Modelos de regresión
Función de producción
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
La evaluación de la eficiencia operativa de las corporaciones (especialmente la eficiencia en innovación) siempre ha sido un tema candente. Los métodos de evaluación actualmente populares son el análisis envolvente de datos (DEA) y sus métodos mejorados. Sin embargo, estos métodos presentan los siguientes problemas: el proceso de producción se considera una caja negra y no se analiza la relación real de producción entre la entrada y la salida. Para resolver estos problemas: (1) se introducen la teoría de la caja negra y la teoría de la función de producción para descubrir la caja negra de entrada y salida; (2) se utilizan modelos de regresión para mitigar el problema de multicolinealidad de las entradas y se selecciona el modelo más apropiado de la relación de producción; y (3) se comparan los resultados de la función de producción con los resultados de la evaluación de eficiencia desde múltiples perspectivas. Tomando como ejemplo los bancos rurales comerciales en China para evaluar su eficiencia en innovación, este artículo muestra lo siguiente: (1) con la teoría de la caja negra y la teoría de la función de producción, el personal, el equipo y el costo intermedio de negocio son adecuados como variables de entrada de innovación, y el ingreso intermedio de negocio es adecuado como variable de salida de innovación; (2) los principales desafíos que enfrentan los bancos rurales comerciales son reducir la dependencia de la inversión en capital humano, fortalecer la innovación tecnológica y mejorar la eficiencia en la gestión del costo intermedio de negocio, lo cual es difícil de revelar con el DEA tradicional. El método propuesto en este artículo proporciona una referencia aplicable para mejorar el análisis del método DEA.
Descripción
La evaluación de la eficiencia operativa de las corporaciones (especialmente la eficiencia en innovación) siempre ha sido un tema candente. Los métodos de evaluación actualmente populares son el análisis envolvente de datos (DEA) y sus métodos mejorados. Sin embargo, estos métodos presentan los siguientes problemas: el proceso de producción se considera una caja negra y no se analiza la relación real de producción entre la entrada y la salida. Para resolver estos problemas: (1) se introducen la teoría de la caja negra y la teoría de la función de producción para descubrir la caja negra de entrada y salida; (2) se utilizan modelos de regresión para mitigar el problema de multicolinealidad de las entradas y se selecciona el modelo más apropiado de la relación de producción; y (3) se comparan los resultados de la función de producción con los resultados de la evaluación de eficiencia desde múltiples perspectivas. Tomando como ejemplo los bancos rurales comerciales en China para evaluar su eficiencia en innovación, este artículo muestra lo siguiente: (1) con la teoría de la caja negra y la teoría de la función de producción, el personal, el equipo y el costo intermedio de negocio son adecuados como variables de entrada de innovación, y el ingreso intermedio de negocio es adecuado como variable de salida de innovación; (2) los principales desafíos que enfrentan los bancos rurales comerciales son reducir la dependencia de la inversión en capital humano, fortalecer la innovación tecnológica y mejorar la eficiencia en la gestión del costo intermedio de negocio, lo cual es difícil de revelar con el DEA tradicional. El método propuesto en este artículo proporciona una referencia aplicable para mejorar el análisis del método DEA.