Phân tích bao dữ liệu (DEA)

Phân tích bao dữ liệu (DEA) là gì?

DEA là kỹ thuật đo lường hiệu quả kỹ thuật tương đối của các đơn vị đồng nhất (DMU - Decision Making Units) thông qua việc xây dựng đường bao hiệu quả từ tập dữ liệu thực tế. Mỗi DMU được đánh giá bằng tỷ số giữa tổng đầu ra có trọng số và tổng đầu vào có trọng số, với trọng số được tối ưu hóa riêng cho từng đơn vị.

Các mô hình phổ biến

• CCR (CRS): Giả định hiệu suất không đổi theo quy mô – do Charnes, Cooper, Rhodes (1978).
• BCC (VRS): Hiệu suất thay đổi theo quy mô – do Banker, Charnes, Cooper (1984), phân tách thành hiệu quả kỹ thuật thuần (PTE) và hiệu quả quy mô (SE).
• Mô hình hướng đầu vào (Input-oriented): Tìm mức giảm đầu vào tối đa để giữ nguyên đầu ra.
• Mô hình hướng đầu ra (Output-oriented): Tối đa hóa đầu ra với đầu vào không đổi.

Ứng dụng trong ngân hàng Việt Nam

Theo các nghiên cứu của NHNN và Viện Ngân hàng - Tài chính, DEA được sử dụng để xếp hạng hiệu quả hoạt động của 4 NHTM nhà nước và các NHTM cổ phần. Ví dụ: nghiên cứu điển hình sử dụng biến đầu vào gồm vốn, lao động, tài sản cố định và đầu ra là tiền gửi, cho vay, thu dịch vụ cho thấy hiệu quả trung bình của hệ thống NHTM Việt Nam giai đoạn 2015-2020 đạt khoảng 0,72-0,85.

Ưu – nhược điểm

Ưu điểm: không cần giả định dạng hàm sản xuất, xử lý được nhiều đầu vào/ra. Nhược điểm: nhạy cảm với ngoại lại (outlier), kết quả mang tính tương đối (điểm 1 chỉ so với tập DMU), không phân biệt được sai số ngẫu nhiên và bất hiệu quả.