Συντάχθηκε 02-05-2023 08:44
Τόπος: Λ - Κτίριο Επιστημών/ΗΜΜΥ, ΑΙΘΟΥΣΑ ΣΥΝΕΔΡΙΑΣΕΩΝ
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 04/05/2023 12:00
Λήξη: 04/05/2023 13:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Κωνσταντίνου - Παναγιώτη Γάκη
με θέμα
Σύγκριση Αποδοτικότητας του Τομέα Υγείας και Αποδοτικότητας της Οικονομίας των Χωρών της Ευρωπαϊκής Ένωσης
Health Efficiency and Macroeconomic Performance: A Cross Country Comparison of EU Member States
Εξεταστική Επιτροπή
Καθηγητής Γεώργιος Σταυρακάκης (επιβλέπων)
Καθηγητής Γεώργιος Χαλκιαδάκης (μέλος)
Καθηγητής ΜΠΔ Κωνσταντίνος Ζοπουνίδης (μέλος)
Περίληψη
Στην παρούσα εργασία πραγματοποιήθηκε η σύγκριση της αποδοτικότητας του τομέα υγείας και της αποδοτικότητας της οικονομίας των χωρών της Ευρωπαϊκής Ένωσης για το έτος 2019. Για τη συγκριτική μελέτη αυτών των δύο διαφορετικών συστημάτων καθοριστικής σημασίας αποτέλεσε η ανάλυση της έννοιας της αποδοτικότητας καθώς και ο καθορισμός των δεδομένων τα οποία είναι ικανά να προσφέρουν μια όσο το δυνατόν καλύτερη περιγραφή των προβλημάτων που αντιμετωπίζουν. Η σύγκριση και ανάλυση της αποδοτικότητας πραγματοποιήθηκε με τη μέθοδο της Περιβάλλουσας Ανάλυσης Δεδομένων ή όπως αναφέρεται συχνότερα στην ξενόγλωσση βιβλιογραφία Data Envelopment Analysis(DEA) την οποία πρώτη φορά εισήγαγαν για τη συγκριτική μελέτη της αποδοτικότητας οι Charnes Cooper και Rhodes το 1978 στην εργασία τους με τίτλο”Measurement of decision making units” και έκτοτε έχει χρησιμοποιηθεί για τη μελέτη διαφόρων οργανισμών και συστημάτων. Η μέθοδος της DEA για την εύρεση της συγκριτικής αποδοτικότητας μεταξύ των μονάδων που αξιολογούνται αξιοποιεί μοντέλα γραμμικού προγραμματισμού χρησιμοποιώντας ως δεδομένα τους διαθέσιμους πόρους που λαμβάνουν μέρος στην παραγωγική διαδικασία(inputs) αλλά και τα αγαθά τα οποία παράγονται(outputs) τα οποία αποτελούν τα ποσοτικά χαρακτηριστικά των υπό μελέτη μονάδων οι οποίες αναφέρονται ως μονάδες λήψης αποφάσεων –decision making units (DMUs). Με τη χρήση της μεθόδου DEA είμαστε σε θέση να γνωρίζουμε κάθε φορά την επίδοση της κάθε χώρας συγκριτικά με τις υπόλοιπες χώρες που αποτελούν το συνολικό μας δείγμα και κατά συνέπεια να μπορούμε να κατατάξουμε τις χώρες αυτές με βάση την αποδοτικότητας τους. Επιπλέον μπορούμε να γνωρίζουμε για κάθε χώρα τα σημεία στα οποία υστερεί και να προτείνουμε τρόπους με τους οποίους μπορούμε να αυξήσουμε την αποδοτικότητα τους στην περίπτωση που κρίθηκαν ως μη αποδοτικές. Η εφαρμογή της DEA έγινε χρησιμοποιώντας τη γλώσσα προγραμματισμού R και το ενσωματωμένο περιβάλλον εργασίας/ανάπτυξης αυτής (Integrated development environment – IDE) R Studio το οποίο μας επέτρεψε να χρησιμοποιήσουμε τα δύο βασικά μοντέλα της DEA τα οποία διαφέρουν μεταξύ ως προς τις υποθέσεις για τις αποδόσεις κλίμακας. Τα συμπεράσματα τα οποία εξήχθησαν κατά τη μελέτη του τομέα υγείας και του τομέα της οικονομίας μας προσέφεραν μια αναλυτική εικόνα τόσο για την επίδοση των χωρών ανά τομέα αλλά επιπρόσθετα και τα σημεία τα οποία θα ήταν καλό να εστιάσουν οι υπεύθυνοι χάραξης πολιτικής , δηλαδή ενός πλαισίου δράσεων για την αύξηση της αποδοτικότητας των μη-αποδοτικών μονάδων στο μέλλον.
Abstract
In this current thesis we present a comparison based on the efficiency of the healthcare sector and the economies of the European Union’s member states for the year 2019. For the purposes of this cross-country comparison of both the healthcare sector and the economies of EU member states a crucial factor was the study of the meaning of efficiency and the choice of data which can best describe the current status and the problems that they are dealing with. The comparison and evaluation of the efficiency for both sectors was done using the Data Envelopment Analysis also known as DEA which Charnes , Cooper and Rhodes first introduced in their work in 1978 titled “Measuring the efficiency of decision making units” in order to compare and estimate the relative efficiency of different systems and organizations and its widely used to describe such problems ever since. The DEA method estimates the relative efficiency between units by using linear programming techniques and using as data the available resources which are being used during the production process (inputs) in order to achieve a goal or produce goods and services (outputs). These inputs and outputs are the quantitative characteristics of the systems and organizations under evaluation which are called decision making units(DMUs). With the use of DEA method we are in a position to determine each time the performance of each country that takes place in our study relative to the rest of them , which compose our sample and therefore we are able to rank our countries based on their efficiency. Furthermore DEA provides us with knowledge for each country under evaluation regarding the points which make it lags behind and also ways which we could increase their efficiency , if the country is judged to be inefficient. The way of which we chose to implement the DEA method was by using the R programming language and its integrated development environment R Studio which allowed us to run the script which we created in order to make use of the two basic models on DEA and whose difference is in the assumptions they use regarding their returns to scale. The conclusions which were exported during the analysis of both healthcare sector and the economies offered us a deep analysis as far as the performance of the countries which took place but also provided us with a set of points or factors for which policy makers should focus on and create a framework of actions for increasing the efficiency of inefficient units/countries in the future.
