بخشی از مقاله
چکیده
استفاده از رویکرد شاخص ترکیبی یکی از روشهای مهم در مطالعه درجه توسعه یافتگی مناطق است. در این مقاله به بررسی مدلی مناسب جهت ارزیابی سطح توسعه یافتگی یک منطقه در حالتی که دادهها قطعی نبوده و به عبارتی عدم قطعیت بر دادهها حاکم باشد پرداخته شده است. ابتدا از مدل بازه ای تحلیل مولفه های اصلی برای کاهش تعداد شاخصها استفاده می شود. سپس از رویکرد ساخت شاخص ترکیبی بر مبنای مدل بازه ای تحلیل پوششی دادهها استفاده میشود.
در نهایت به منظور رتبه بندی گزینهها رویکرد کارایی متقاطع تحلیل پوششی دادهها بکار برده میشود. به همین منظور تعداد 62 شاخص توسعه یافتگی از جنبههای گوناگون انتخاب شده و سپس رویکرد معرفی شده را بر روی 9 شهرستان استان کردستان با استفاده از دادههای برگرفته از سالنامه آماری سال 1393 اعمال کرده، سپس درجه توسعه یافتگی برای شهرستانهای استان کردستان محاسبه شده است. که نتایج حاکی از آن است که شهرستان بیجار در هر دو کران بالا و پایین در رتبهی اول توسعه یافتگی و شهرستان سقز نیز در هر دو کران در رتبهی نهم قرار دارند.
-1 مقدمه
امروزه مفهوم توسعه پایدار3 در بسیاری از رشته ها و حوزهها به کار برده میشود و مورد توجه قرار گرفته است. مفهوم توسعه پایدار - SD - با توجه به عملیاتی بودن آن جزو بحث برانگیزترین نظریه میباشد. روش های مختلف اندازه گیری در خصوص نظارت و ارزیابی پیشرفت یک منطقه به سوی توسعه پایدار - SD - ، بر اساس اهمیت مکانی، زمانی و یا نظری متفاوت ارائه شده است . - 1997 ,Hodge - دراندازه گیری و ارزیابی توسعه پایدار - SD - ، برای برجسته کردن مسائل و ارزیابی عملکرد و میزان تغییرات، ابزارهای پیچیدهای مورد نیاز است.
بخش عمده ای از کار روی واحد تصمیم گیریSD تمرکز روی شاخص های توسعهیافتگی میباشد که میزان پیشرفت در دستیابی به SD را ارائه میدهد . - 2009 ,Kondyli - شاخصهای استفاده شده برای سالهای مکرر میتوان به عنوان ابزاری برای اطلاع سیاست گذاران و کمک به تدوین و فرموله نمودن سیاستهای توسعه در نظر گرفت. واحدهای تصمیم گیری در زمینه پایداری، روی شاخص های ترکیبی - CI - برای حمایت از تدوین سیاست متمرکز بوده به این دلیل که شاخص های جمع آوری شده به عنوان ابزار ارتباطی و سیاسی اهمیت دارد - 2003, - Freudenberg.
حصول توسعه یکپارچه در منطقه از طریق توزیع خدمات مختلف به صورت متعادل و متوازن میسر است. بدین منظور، باید ابتدا سطح توسعه فعلی مشخص شود. میتوان نتیجه گرفت توسعه فرایند یپیچیده و چند بعدی است که مستلزم تغییراتی در ساختار اجتماعی، طرز تلقی مردم ونهادهای مالی ونیز تسریع رشد اقتصادی، کاهش نابرابری و ریشه کن کردن فقر و برقراری عدالت اجتماعی و پایداری محیط است . - 1989 ,Todaro - وجود نابرابری وابعاد مختلف آن، ازنشانههای مهم توسعه نیافتگی است چراکه نابرابریهای منطقهای درتمام اشکال و سطوح آنها میتواند پیامدهای ناگواری را به همراه داشته باشد . - 2003 ,Pacione -
یکی از معروفترین و پرکاربردترین رهیافتها برای بررسی درجه توسعه یافتگی مناطق، استفاده از روش طراحی شاخص ترکیبی4 است. شاخصهای ترکیبی مبتنی بر مجموع ارزش شاخصهای مختلفی است که برای سنجش سطح توسعه یک منطقه مورد استفاده قرار میگیرند Nardo - و همکاران، . - 2005 اغلب به نظر می رسد که ساخت یک شاخص ترکیبی نسبت به استفاده از تمامی شاخصهای توسعه به طور جداگانه می تواند برای شرح به کاربران - عموم مردم، سیاستگذران و ... - بسیار سادهتر باشد، همچنین برای ارزیابی و محک زنی کلی عملکرد مناطق میتواند بسیار با اهمیت باشد .
- 2007 ,Saltehi - پس از آن میتواند به عنوان یک ابزار قدرتمند برای ارزیابی عملکرد، تعیین معیار وتصمیم گیری استفاده میشود Shen - و همکاران، . - 2013 با این وجود اگر از یک ساختار ضعیف یا نادرست تفسیر شده برای ساخت شاخص ترکیبی استفاده شود نتایج حاصل ممکن است گمراه کننده باشد، شاخص ترکیبی باید مفاهیم چند بعدی را که نمیتوان به وسیلهی یک شاخص در نظر گرفت به طور کامل اندازه گیری کند Li - و همکاران، . - 2012 تاکنون روشهای مختلفی برای ساخت شاخصهای ترکیبی به منظور یافتن درجه توسعهیافتگی مناطق مورد استفاده قرار گرفته است که میتوان به روشهای تحلیل مولفههای اصلی Li - 5 - PCA - و همکاران 2012، Ozaslan و همکاران، - 2006، تحلیل پوششی دادهها Zhou - 6 - DEA - و همکاران، 2010 و Shenو همکاران، 2013 و Vanhoof و همکاران 2013، Hatefi و همکاران، - 2010، تاکسونومی عددی7 ، تحلیل عاملی8 ، تاپسیس - 9بهرامی، 1394 و سرور و خلیجی، - 1392 ، روش موریس... 10 اشاره کرد.
پوراصغر سنگاچین و همکاران - 1392 - با استفاده از 13 شاخص مختلف، استانهای ایران را از منظر توسعه پایدار مورد مطالعه قرار دادند. روشهای مورد استفادهی آنها عبارت بودند از PCA، تحلیل عاملی، روش موریس، روش مک گراناهان و روش Z استاندارد. در اکثر روشهای استفاده شدهی استانهای تهران، کهگیلوله و بویر احمد و سمنان در رتبههای اول تا سوم و استانهای کردستان و سیستان و بلوچستان در رتبههای آخر قرار گرفتتند.
طحاری مهرجردی و همکاران - 1391 - با استفاده از روشهای تاکسونومی و TOPSIS استانهای ایران را از نظر دسترسی به شاخصهای بخش بهداشت و درمان با هم مقایسه کردند. نتایج تحقیق نشان داد که استانهای سمنان و یزد در رتبههای اول و دوم و استانهای اذربایجان غربی و سیستان و بلوچستان در رتبههای آخر دسترسی به شاخصهای بهداشت و درمان قرار دارند. ملکی و حسین زاده دلیر - 1388 - با استفاده از تحلیل عاملی و تاکسونومی به رتبه بندی نواحی شهرستان ایلام از نظر شاخصهای توسعهی پایدار پرداختند. غیاثوند و معزیفر - 1390 - به بررسی توسعه یافتگی شهرستانهای استان خراسان جنوبی پرداختند. آنها در مطالعه خویش، چندین روش مانند تاکسونومی، تاپسیس، PCA و موریس را با هم مقایسه کردند و به این نتیجه رسیدند که جواب حاصل از روشهای مختلف اختلاف معنیداری با هم دارند.
دراین رابطه، تحلیل پوششی دادهها - DEA - ، به عنوان یک تکنیک ارزیابی، اخراًی درساخت شاخصهای ترکیبی به منظور تجزیه و تحلیل خط مشی موردتوجه بوده است Shen - و همکاران، . - 2013 از معایب تکنیک تحلیل پوششی داده ها وابسته بودن توانایی آن در محاسبه کارایی نسبی واحدهای تصمیم گیری DMU - ها - با استفاده از ورودیها و خروجیهای چندگانه میباشد. متأسفانه هر چه تعداد متغیرهای ورودی و خروجی - ابعاد فضای جواب - LP بیشتر باشد قدرت تحلیل آن کاهش مییابد.
معمولاً در عمل متغیرهای ورودی و خروجی همبستگی زیادی با یکدیگر دارند که اغلب کمتر از اندازهی نسبی هر DMU را منعکس می کنند Anderson - و Jenkins ، . - 2003 در این مواقع، مرز نقاط پارتویی به وسیلهی تعداد زیادی از واحدهای تصمیم گیری تعریف میشود، یعنی بخش بزرگی از واحدها را کارا در نظر میگیرد Adler - و Golany، 2001 و. - 2002 یک راهکار که اغلب برای تعیین تعداد متغیرهای ورودی و خروجی در DEA بکار می رود در سال 1998 توسط Friedman و همکارش ارائه شده است به این صورت میباشد که تعداد کل متغیرهای ورودی و خروجی باید کمتر از یک سوم تعداد واحدهای تصمیم گیری DMU - ها - در تحلیل باشد، یعنی - m + s - < 3n که m تعداد متغیرهای ورودی و s تعداد متغیرهای خروجی و همچنین n تعداد واحدهای تصمیم گیری میباشد.
Adler و 2001 - Golany و - 2002 پیشنهاد کردند با استفاده از تحلیل مؤلفههای اصلی - PCA - ترکیبهای خطی ناهمبسته از ورودیها و خروجیهای اصلی را میتوان تولید کرد که قدرت تشخیص تحلیل پوششی دادهها را با حداقل کردن اطلاعات از دست رفته بهبود میبخشد. این رویکرد پیشنهاد میکند که متغیرهایی که شبیه به هم هستند را تفکیک کرده و مؤلفههای اصلی را درون آنها اجرا کرده که دسته بندی DMU های کارا و ناکارا بهبود یابد.
