Trong bài viết này, mô hình sẽ được thực nghiệm với hệ thống phân phối của một công ty thực phẩm tại thành phố Hồ Chí Minh. Mời các bạn cùng tham khảo bài viết để nắm chi tiết hơn nội dung nghiên cứu.
Tạp chí Phát triển Khoa học Cơng nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 Bài Nghiên cứu Open Access Full Text Article Mơ hình đánh giá hiệu hệ thống phân phối Lê Bá Sang, Thái Ý Linh, Phan Thị Mai Hà* TÓM TẮT Use your smartphone to scan this QR code and download this article Trong môi trường kinh doanh nay, mà yếu tố cạnh tranh ngày trở nên khốc liệt việc nâng cao hiệu kinh doanh doanh nghiệp ngày trở nên quan trọng Một yếu tố ảnh hưởng lớn đến hoạt động kinh doanh việc kiểm soát hiệu hệ thống phân phối Trong mạng lưới điểm phân phối, hiệu điểm phân phối độc lập quản lý tốt giúp nâng cao hiệu toàn doanh nghiệp Để làm điều này, việc đo lường hiệu điểm phân phối vô cần thiết Tuy nhiên, nay, việc đánh giá thường làm theo kinh nghiệm theo một vài số doanh thu hay lợi nhuận Hiệu điểm phân phối nên xem xét đồng thời kết đạt doanh số song song với nguồn lực sử dụng chi phí hay nhân lực với đặc điểm thị trường kinh doanh lượng cửa hàng tương tự bán kính km… Vì phương pháp DEA (Data Envelopment Analysis) đề nghị sử dụng để đo lường hiệu tương đối điểm phân phối độc lập phân tích yếu tố ảnh hưởng đến hiệu mơ hình hồi quy Tobit Mơ hình thực nghiệm cho hệ thống phân phối thực phẩm thành phố Hồ Chí Minh để chứng minh tính khả thi tính hữu dụng mơ hình Từ khố: Data envelopment analysis (DEA), hệ thống phân phối, hồi quy Tobit (Tobit regression), phân tích hiệu GIỚI THIỆU Bộ môn Kĩ thuật Hệ thống Công nghiệp, Trường Đại học Bách Khoa, ĐHQG-HCM, Việt Nam Liên hệ Phan Thị Mai Hà, Bộ môn Kĩ thuật Hệ thống Công nghiệp, Trường Đại học Bách Khoa, ĐHQG-HCM, Việt Nam Email: ptmaiha@hcmut.edu.vn Lịch sử • Ngày nhận: 28-01-2020 • Ngày chấp nhận: 30-12-2020 • Ngày đăng: 31-1-2021 DOI : 10.32508/stdjet.v3i4.666 Bản quyền © ĐHQG Tp.HCM Đây báo công bố mở phát hành theo điều khoản the Creative Commons Attribution 4.0 International license Tại Việt Nam, hiệu hệ thống phân phối thường doanh nghiệp đánh giá dựa kinh nghiệm số tài Doanh số bán hàng thường chọn làm tiêu chí so sánh đánh giá thực đo lường mức độ hiệu điểm phân phối hệ thống điều kiện kinh doanh yếu tố ảnh hưởng đến việc kinh doanh điểm phân phối hồn tồn khác Do để nâng cao hiệu hoạt động điểm phân phối, việc đánh giá mức độ hiệu mạng lưới điểm phân phối trở nên ngày cấp thiết thị trường cạnh tranh ngày Việc đánh giá độ hiệu nhằm phát điểm phân phối kém, đánh giá mức độ đóng góp điểm phân phối doanh thu doanh nghiệp Ngoài ra, kết đánh giá nguồn tham khảo quan trọng cho nhà quản lý định có nên trì điểm phân phối hay khơng So sánh mức độ hiệu điểm phân phối mạng lưới yếu tố quan trọng định quản lý chiến lược: đánh giá, xúc tiến, phát triển điểm phân phối dựa vào yếu tố tác động đến hiệu tài điểm phân phối, định phân bổ tài nguyên chiến lược dựa thúc đẩy hiệu suất điểm phân phối, giám sát quy trình quản lý điểm phân phối để nâng cao mức độ hiệu Việc sử dụng mơ hình đánh giá hiệu điểm phân phối cho cơng ty cần thiết Mơ hình giúp tập hợp đầy đủ yếu tố liên quan hệ thống từ sản xuất đến kinh doanh môi trường chuỗi cung ứng Mơ hình kết tính tốn giúp trả lời câu hỏi: Điểm phân phối hoạt động hiệu mức độ hiệu điểm phân phối? Cách cải thiện hiệu điểm phân phối? Yếu tố tác động đến mức độ hiệu điểm phân phối? Bài báo sử dụng mơ hình đánh giá hiệu điểm phân phối theo phương pháp DEA Các điểm phân phối đánh giá theo mức độ hiệu hoạt động để từ so sánh mức độ hiệu điểm phân phối với Đồng thời từ kết mơ hình DEA, việc xác định yếu tố tác động đến hiệu điểm phân phối thực thơng qua việc áp dụng mơ hình hồi quy Tobit Theo Ramanathan (2003) , phân tích bao bọc liệu (DEA) cách tiếp cận liệu định hướng liệu tương đối để đánh giá hiệu suất tập hợp thực thể ngang hàng gọi Đơn vị định (DMU) chuyển đổi nhiều đầu vào thành nhiều đầu Định nghĩa DMU khơng cụ thể linh hoạt Những năm gần đây, nhiều ứng dụng DEA sử dụng để đánh giá hiệu suất nhiều Trích dẫn báo này: Sang L B, Linh T Y, Hà P T M Mơ hình đánh giá hiệu hệ thống phân phối Sci Tech Dev J - Eng Tech.; 3(4):596-619 596 Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 loại thực thể khác tham gia vào nhiều hoạt động khác nhiều bối cảnh khác nhiều quốc gia khác Các ứng dụng DEA sử dụng DMU nhiều hình thức khác để đánh giá hiệu suất thực thể, bệnh viện, phi đội Không quân Hoa Kỳ, trường đại học, thành phố, tòa án, công ty kinh doanh loại khác, bao gồm hiệu suất quốc gia, khu vực, v.v Vì địi hỏi giả định, DEA mở khả sử dụng trường hợp chống lại cách tiếp cận khác tính chất phức tạp (thường không biết) mối quan hệ nhiều đầu vào nhiều đầu liên quan đến DMU Như Cooper cộng , DEA sử dụng để cung cấp hiểu biết hoạt động (và thực thể) mà trước đánh giá phương pháp khác Ví dụ, nghiên cứu thực hành đo điểm chuẩn với DEA xác định nhiều nguồn hiệu số cơng ty có lợi nhuận cao - công ty điểm chuẩn cách tham khảo tiêu chí (lợi nhuận) - điều cung cấp phương tiện để xác định điểm chuẩn tốt nhiều người nghiên cứu ứng dụng Do khả này, nghiên cứu DEA hiệu hình thức tổ chức pháp lý khác nhau, chẳng hạn cổ phiếu công ty bảo hiểm hợp pháp khác nhau, cho thấy nghiên cứu trước không đạt mục đích đánh giá tiềm hình thức tổ chức khác Tương tự, việc sử dụng DEA đề nghị xem xét lại nghiên cứu trước hiệu mà hoạt động trước sau sáp nhập thực ngân hàng DEA nghiên cứu Kể từ DEA dạng giới thiệu lần vào năm 1978, nhà nghiên cứu số lĩnh vực nhanh chóng nhận phương pháp tuyệt vời dễ sử dụng để mô hình hóa quy trình hoạt động để đánh giá hiệu suất Điều kèm với phát triển khác Ví dụ, Zhu (2003) cung cấp số mơ hình bảng tính DEA sử dụng đánh giá hiệu suất điểm chuẩn Định hướng theo kinh nghiệm DEA không cần nhiều giả định tiên nghiệm kèm với phương pháp khác (như hình thức phân tích hồi quy thống kê tiêu chuẩn) dẫn đến việc sử dụng số nghiên cứu liên quan đến ước lượng biên giới hiệu lĩnh vực phủ phi lợi nhuận, khu vực quy định, khu vực tư nhân Ví dụ, việc sử dụng DEA để hướng dẫn loại bỏ Nghị viện quan phủ khác từ Tokyo để tìm thủ đô Nhật Bản, mô tả Takamura Tone (2003) 597 Trong nghiên cứu ban đầu họ, Charnes, Cooper Rhodes (1978) mơ tả DEA mơ hình lập trình tốn học áp dụng cho liệu quan sát chức sản xuất Trong báo này, mơ hình thực nghiệm với hệ thống phân phối công ty thực phẩm thành phố Hồ Chí Minh CƠ SỞ LÝ THUYẾT Việc đánh giá hệ thống phân phối thường nhằm mục đích : (1) Xác định khu vực không hoạt động với hiệu suất cao nhất, (2) Xác định vấn đề bỏ qua, (3) Giúp phân biệt điểm phân phối doanh nghiệp với đối thủ cạnh tranh, (4) Cung cấp thông tin hành vi người tiêu dùng (5) Tăng khối lượng bán hàng tỷ suất lợi nhuận bạn Theo tác giả, hiệu điểm phân phối (cửa hàng) phụ thuộc người bán lẫn người mua Và khó có số liệu từ người mua nên họ đề xuất mơ hình so sánh hiệu cửa hàng dựa vào loại chi phí cửa hàng Thang Tan (2003) lại xem xét đánh giá điểm phân phối từ góc nhìn khách hàng thông qua yếu tố hàng hóa, khơng khí cửa hàng, dịch vụ, thuận tiện, danh tiếng, khuyến mãi, tiện ích dịch vụ sau bán hàng Bài báo sử dụng phương pháp khảo sát phân tích hồi qui đa bội để nhận yếu tố thành công điểm phân phối Mendes Themido (2004) đưa mơ hình đánh giá vị trí địa lý cửa hàng thơng qua mơ hình kết hợp yếu tố khác Theo Chiến (2010) 10 , phân phối trình tổ chức hoạt động có liên quan đến việc điều hành vận chuyển sản phẩm, dịch vụ doanh nghiệp đến người tiêu dùng, nhằm tiêu thụ nhanh, nhiều với chi phí thấp Tác giả liệt kê tiêu đánh giá trình độ đầu tư hệ thống phân phối diện tích kinh doanh, số năm làm đại lý, số mặt hàng kinh doanh tổng số vốn đầu tư Các tiêu đánh giá hiệu gồm số tài doanh thu, giá vốn bán hàng, chi phí, tỷ số lợi nhuận/doanh thu… Tuy nhiên việc ứng dụng cụ thể kết hợp tiêu không đề xuất Yu Ramanathan (2008) 11 tổng hợp việc đánh giá 42 công ty bán lẻ Anh phương pháp DEA Các nghiên cứu cung cấp phương pháp khác để đánh giá hiệu điểm phân phối hàng hóa Các tác giả tập trung vào tính tốn chi phí đầu vào cho việc vận hành hệ thống thông qua khảo sát ý kiến khách hàng Những mơ hình dù áp dụng không phát triển mạnh phương pháp DEA (thể qua báo nghiên cứu thời gian gần đây) Rõ ràng phương pháp DEA chứng minh Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 hiệu đến thời điểm nên báo sử dụng mơ hình DEA việc đánh giá Phương pháp phân tích đường bao liệu (Data Envelopment Analysis – DEA) dùng để xây dựng đường giới hạn sản xuất, đề xuất Farrell (1957) 12 Năm 1978, Charnes cộng đề xuất phương pháp DEA với giả thiết tối thiểu hoá đầu vào với điều kiện kết sản xuất không thay đổi theo quy mô DEA dựa sở xây dựng đường giới hạn hiệu quả, tương tự hàm sản xuất trường hợp xuất lượng đại lượng vô hướng, mà véc-tơ Đường giới hạn hiệu có hình dạng màng lồi hình nón lồi không gian biến số nhập lượng xuất lượng Đường giới hạn sử dụng tham chiếu trị số hiệu doanh nghiệp đánh giá Tuy nhiên, phương pháp DEA có đặc trưng như: cho phép đánh giá hiệu tương đối doanh nghiệp đánh giá, tức hiệu chúng so với Mức độ hiệu doanh nghiệp xác định vị trí so với đường giới hạn hiệu không gian đa chiều đầu vào/đầu Phương pháp xây dựng đường giới hạn hiệu - giải nhiều lần tốn quy hoạch tuyến tính Đường giới hạn hình thành giống đoạn thẳng kết nối điểm hiệu nhất, nhờ tạo thành đường giới hạn khả sản xuất lồi DEA sử dụng nhiều lĩnh vực Fenyves cộng (2015) 13 áp dụng DEA để kết hợp yếu tố định tính định lượng bên cạnh số tài để đánh giá hiệu kỹ thuật hiệu hoạt động doanh nghiệp Đầu dùng để so sánh phân tích khả tạo lợi nhuận doanh nghiệp Trong hệ thống phân phối điện thường ý đến vấn đề kỹ thuật khoảng cách trạm cung cấp độ dài toàn mạng lưới Nhưng từ thập niên 90, cơng ty điện bắt đầu sử dụng mơ hình DEA đánh giá mạng lưới phân phối điện 14–17 Thậm chí lĩnh vực sửa chữa bảo trì hệ thống, mơ hình DEA sử dụng để kết hợp ưu tiên người quản lý phân loại vị trí cần bảo trì sửa chữa 18 Trong lĩnh vực hàng không, Lai cộng (2015) 19 sử dụng DEA kết hợp với AHP để đánh giá hiệu 24 sân bay giới Các tác giả nhận thấy mơ hình đánh giá kết hợp cho kết tốt dễ dàng so sánh phân loại sân bay Trong lĩnh vực sức khỏe, Torres-Jiménez cộng (2015) 20 kết hợp Monte Carlo DEA đánh giá phòng khám nhỏ ảnh hưởng đến tồn hệ thống chăm sóc sức khỏe Mơ hình đánh giá hiệu DEA bắt đầu áp dụng cho hệ thống phân phối từ lâu Donthu Yoo (1998) 21 phân tích 24 cửa hàng chuỗi nhà hàng thức ăn nhanh Hoa Kỳ Ganhi Shankar (2014) 22 đánh giá hiệu 11 nhà bán lẻ Ấn Độ Ko cộng (2017) 23 phân tích hiệu 32 cửa hàng bán lẻ Hàn Quốc Bảng trình bày tóm tắt nghiên cứu sử dụng DEA với việc việc xem xét yếu tố đầu vào đầu khác để đo lường phân tích hiệu hoạt động đơn vị định (DMU – decision making unit) Phương pháp DEA cung cấp điểm số cho đơn vị định khơng xác định yếu tố ảnh hưởng đến hiệu Biến môi trường biến kiểm sốt khơng phải đầu vào đầu thơng thường mơ hình DEA giả định khơng thuộc quyền kiểm sốt doanh nghiệp Ví dụ biến môi trường nghiên cứu bao gồm vị trí 34 , cạnh tranh, mật độ dân số, tuổi cửa hàng 23 Thông thường biến đầu vào khơng thể kiểm sốt thường bỏ qua đánh giá hiệu suất bán lẻ 21 Vì để xem xét biến đầu vào, số nhà nghiên cứu sử dụng mơ hình hồi quy Tobit Theo Yu Ramanthan (2009) 33 , mơ hình hồi quy Tobit cho phép xác định yếu tố ảnh hưởng đến hiệu suất bán lẻ phạm vi quy mơ kinh tế (có thể ảnh hưởng biến mơi trường) Kết luận nghiên cứu cho thấy đặc điểm bán lẻ ảnh hưởng đến hiệu suất doanh nghiệp bán lẻ (các cửa hàng bách hóa dường hiệu nhà bán lẻ phân ngành bán lẻ khác Trung Quốc) Chi tiết biến số môi trường ảnh hưởng đến hiệu suất bán lẻ mơ hình hồi quy Tobit nghiên cứu trước trình bày tham khảo Bảng Ở Việt Nam theo tìm hiểu nhóm chưa có nghiên cứu việc đánh giá điểm hiệu cho hệ thống phân phối phương pháp DEA kết hợp với Tobit Trong có nhều nghiên cứu giới áp dụng thành cơng mơ hình nhiều lĩnh vực Do việc làm rõ phương pháp DEA Tobit cách thức áp dụng doanh nghiệp cần thiết nhằm đưa mơ hình khoa học chứng minh hiệu giới áp dụng cho doanh nghiệp Việt Nam cần thiết PHƯƠNG PHÁP Nghiên cứu bao gồm hai giai đoạn: đo lường hiệu tương đối điểm phân phối riêng lẻ xác định yếu tố ảnh hưởng đến hiệu Trong giai đoạn đầu tiên, DEA sử dụng để đo lường hiệu tương đối điểm phân phối riêng lẻ Trong giai đoạn thứ hai, mơ hình hồi quy Tobit sử dụng để phân tích yếu tố ảnh hưởng đến hiệu 598 Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 Bảng 1: Các nghiên cứu tác giả có sử dụng mơ hình DEA Tác giả Phương pháp Data/Market/DMU Input/Output Ko et al (2017) 23 DEA OutputOriented Tobit Model Chuỗi cửa hàng bán lẻ Hàn Quốc 32 cửa hàng bán lẻ 32 DMUS Input: Diện tích cửa hàng, số mặt hàng bán, số nhân viên, chi phí th ngồi Output: Doanh số bán hàng, số khách hàng Ganhi and Shankar (2016) 24 DEA(CCRBCC) InputOriented SRM (Strategic resource management) 11 nhà bán lẻ Ấn Độ Input: Số lượng nhân viên, diện tích sàn, tồn kho Output: Doanh số Xavier at al (2015) 25 DEA(CCRBCC) InputOriented Hồi quy lượng tử (Quantile Regression) 40 cửa hàng bán lẻ công ty thời trang nhanh Bồ Đào Nha 40 DMUS Input: Chi phí th ngồi (mặt bằng), lương nhân viên, tổng đầu tư vào tài sản Ouput: Doanh số, EBIT Ganhi and Shankar (2014) 22 DEA (CCRBCC) InputOriented Tobit Model 18 nhà bán lẻ Ấn Độ (2008 -2010) 18 DMUS phân tích theo năm Input: Chi phí bán hàng, lương phúc lợi, chi phí khác, chi phí thuê mặt Output: Doanh số, lợi nhuận Lau (2013) 26 DEA cửa hàng phân tích số 400 cửa hàng DMUS Input: Tổng chi phí vận chuyển hàng năm Output: Tổng lợi nhuận Malhotra et al (2010) 27 DEA(CCRBCC) InputOriented nhà bán lẻ lớn Mỹ DMUS Input: Thời gian trung bình thu hồi khoảng phải thu, nợ/vốn chủ sở hữu Output: Biên lợi nhuận hoạt động, số toán nhanh, khoản phải thu tài sản, vốn lưu động tài sản (asset turnover), vốn lưu động hàng tồn kho Joo et al (2009) 28 DEA(CCRBCC) InputOriented cửa hàng cà phê Mỹ 16 DMUS (8 cửa hàng năm) Mơ hình 1: Chi phí bán hàng, lương phúc lợi nhân viên, chi phí mặt chi phí khác Mơ hình 2: Chi phí bán hàng, lương chi phí khác Output: Mơ hình 1: Tổng doanh số bán hàng (bao gồm doanh số từ nhà hàng bán lẻ) Mơ hình 2: Doanh số nhà hàng doanh số bán lẻ Seller – Rubio Mas Riz (2006) 29 DEA(CCRBCC) OutputOriented 100 chuỗi siêu thị Đức từ 1995 tới 2001 Input: Số nhân viên, số cửa hàng, vốn đầu tư Output: Doanh thu, lợi nhuận 11 DMUS 100 DMUS Keh & Chu (2003) 30 DEA 13 cửa hàng tạp hóa Mỹ 130 DMUS (10 năm x 13 cửa hàng) Input: Nhân viên (2 loại liệu): lương thưởng nhân viên phục vụ/bán hàng lương phúc lợi quản lý Vốn (4 loại): chi phí phương tiện dịch vụ (điện, nước ), chi phí, chi phí bảo trì, chi phí chung, chi phí thuê mặt Ouput: Doanh số loại liên quan đến chất lượng dịch vụ: đảm bảo cung cấp sản phẩm, sẵn có thơng tin, khả tiếp cận hàng hóa, xếp hàng hóa 599 Dasgupta et al (1999) 31 DEA Mẫu 85 công ty sản xuất 75 công ty dịch vụ Input: Ngân sách dành cho công nghệ thông tin, số nhân viên IT Ouput: Lợi nhuận Donthu, Yoo (1998) 21 DEA 24 cửa hàng chuỗi cửa hàng thức ăn nhanh (USA) 24 DMUS Input: Kích thước cửa hàng, vị trí, kinh nghiệm quản lý người quản lý cửa hàng, chi phí quảng cáo/khuyến Output: Doanh số, hài lòng khách hàng Tạp chí Phát triển Khoa học Cơng nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 Bảng 2: Các nghiên cứu xác định yếu tố ảnh hưởng đến hiệu suất bán lẻ sử dụng tobit Tác giả Đơn vị Biến mơ hình Tobit Định hướng hiệu biến Tobit Li-ping (2019) 32 Yan 52 doanh nghiệp nông nghiệp Trung Quốc Tuổi doanh nghiệp, quy mô doanh nghiệp, lợi nhuận tổng tài sản, loại hình sở hữu, đặc tính kiểm sốt cổ đơng Quy mô doanh nghiệp, lợi nhuận tổng tài sản ảnh hưởng đến hiệu doanh nghiệp Tuổi doanh nghiệp, loại hình sở hữu đặc tính kiểm sốt cổ đơng có ảnh hưởng đến hiệu doanh nghiệp không đáng kể Ko et (2017) 23 al Chuỗi cửa hàng bán lẻ Hàn Quốc 32 cửa hàng bán lẻ 32 DMUS Tuổi cửa hàng, số lượng mặt hàng m2, số lượng mặt hàng bán nhân viên, số khu vực thương mại, số lượng cửa hàng cạnh tranh Số lượng mặt hàng bán nhân viên số lượng cửa hàng cạnh tranh ảnh hưởng đến hiệu cửa hàng bán lẻ Các yếu tố khác: Tuổi cửa hàng, số lượng mặt hàng m2 không ảnh hưởng đến hiệu cửa hàng bán lẻ Ganhi Shankar (2014) 22 and 18 doanh nghiệp bán lẻ Ấn Độ Số lượng cửa hàng, sở hữu, tuổi cửa hàng, sát nhập mua lại Số lượng cửa hàng, sát nhập mua lại ảnh hưởng đến hiệu doanh nghiệp bán lẻ Yu, Ramanathan (2009) 33 61 nhà bán lẻ Trung Quốc Vị trí văn phịng chính, doanh nghiệp nhà nước, năm thành lập, loại hình sở hữu, đặc điểm bán lẻ Đặc điểm bán lẻ ảnh hưởng đến hiệu bán lẻ (các cửa hàng bách hóa dường hiệu nhà bán lẻ phân ngành bán lẻ khác Trung Quốc) Các yếu tố khác: Vị trí văn phịng chính, doanh nghiệp nhà nước, năm thành lập loại hình sở hữu khơng ảnh hưởng đến hiệu bán lẻ Yu, Ramanathan (2008) 11 41 công ty bán lẻ Anh Vị trí văn phịng chính, loại hình sở hữu, năm thành lập, hình thức pháp lý, đặc tính bán lẻ Hình thức pháp lý, loại hình sở hữu đặc tính bán lẻ có ảnh hưởng đến hiệu công ty Barros (2006) 34 22 siêu thị Bồ Đào Nha Thị phần, cửa hàng, vị trí siêu thị, quyền sở hữu, quy định nhà nước Thị phần, số cửa hàng, vị trí cửa hàng, quyền sở hữu cơng ty ảnh hưởng tích cực đến hiệu siêu thị, quy định làm bất lợi tới hiệu bán lẻ DEA DEA phát triển Charnes et al (1978), phương pháp chủ yếu sử dụng để xác định hiệu tương đối có nhiều đầu vào nhiều đầu Cách tiếp cận trước tiên thiết lập “đường biên hiệu quả” hình thành tập hợp đơn vị định (DMU) thể DMU hoạt động tốt sau gán mức hiệu cho đơn vị khác không thuộc đường biên theo khoảng cách chúng cho đường biên hiệu Để cho phép ứng dụng vào nhiều hoạt động, thuật ngữ “Decision Making Unit” (DMU) sử dụng để đối tượng đánh giá khả chuyển đổi đầu vào thành đầu Những đánh giá liên quan đến quan phủ tổ chức phi lợi nhuận công ty kinh doanh Một biện pháp hiệu so sánh đầu tỷ lệ đầu so với đầu vào Khái niệm hiệu cho phép đánh giá dễ dàng trường hợp liên quan đến việc phân tích đầu vào đơn đầu đơn, giảm so sánh với tỷ lệ (đầu ra/đầu vào) cho đơn vị phân tích (unit j0 ), với giá trị tối đa tỷ lệ quan sát thấy đơn vị khác (j = 1, , n) Mức độ hiệu = (Đầu ra)/(Đầu vào) (1) Nhiều giai đoạn đặc thù đơn vị định doanh nghiệp sử dụng nhiều đầu vào (nguồn lực) để tạo nhiều kết đầu (kết quả) • Có n DMUs đánh giá Mỗi DMU tiêu tốn lượng khác đầu vào khác để tạo đầu khác Cụ thể, DMU j tiêu tốn số lượng xi j đầu vào i tạo số lượng yi j đầu r • xi j yi j lớn khơng 600 Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 • Đối với DMU, đầu vào đầu gán theo trọng số (vi ) (ur ) Theo giới thiệu Charnes et al (1978) tỷ lệ đầu chia cho đầu vào sử dụng để đo lường hiệu tương đối DMU j , j = 1, 2,…,n Nhiều đầu vào (i = 1, , m) đầu (r = 1, , k) tổng hợp theo tỷ lệ hiệu suất đơn tương ứng với tổng đầu nhân trọng số chia cho tổng đầu vào nhân trọng số Mức hiệu = (Tổng đầu nhân trọng số)/(Tổng đầu vào nhân trọng số) (2) Hoặc viết với kí hiệu sau: Mức hiệu đơn vị u y j +u2 y2 j +···+uk yk j j = v11 x11 i+v (3) x2 i+···+vm xm i Trong đó: u1 - Trọng lượng cho đầu y1 j - Tổng giá trị đầu từ đơn vị j v1 - Trọng số cho đầu vào x1 j - Tổng giá trị đầu vào đến đơn vị j Giả định ban đầu biện pháp hiệu đòi hỏi trọng số chung áp dụng tất đơn vị (units) Điều đặt vấn đề cách để làm tập hợp trọng số chung đạt Charnes et al (1978) nhận khó khăn việc tìm kiếm tập hợp trọng số chung để xác định hiệu tương đối Họ thừa nhận tính hợp lý vấn đề đơn vị đánh giá đầu vào đầu khác áp dụng trọng số khác đề xuất đơn vị phải chấp nhận tập hợp trọng số, thể suất tốt so với đơn vị khác Trong trường hợp này, hiệu đơn vị mục tiêu j0 thu giải pháp cho vấn đề sau (tối đa hóa hiệu đơn vị j0 ): e j0 = max ∑sr=1 ur yr j0 ∑m i=1 vi xi j0 (4) Ràng buộc: ∑sr=1 ur yr j0 ≤1 ∑m i=1 vi xi j0 j = 1, 2, , n (5) (Khơng có DMU hiệu 100%) vi ≥ ε i = 1, m (6) ur ≥ ε r = 1, k (7) (ε giá trị dương nhỏ) Lập trình tuyến tính sử dụng để xác định trọng số Trọng số tối ưu (và nói chung sẽ) thay đổi từ DMU đến DMU khác Do đó, ”các trọng số” DEA có nguồn gốc từ liệu thay 601 cố định trước Mỗi DMU gán trọng số tốt với giá trị thay đổi từ DMU sang DMU khác Mơ hình tìm kiếm trọng số đầu vào đầu tối ưu để tối đa hóa hiệu DMU j0 theo đánh giá, tùy thuộc vào điều kiện, hiệu tất đơn vị mẫu nhỏ 1, đánh giá với trọng số Hai ràng buộc khác bao gồm để đảm bảo trọng số dương cao số nhỏ, để xem xét tất yếu tố đầu vào đầu đánh giá hiệu Như vậy, phép đo hiệu (e∗j0 ) DMU j0 , thu giải pháp tối ưu cho mơ hình DEA, nằm khoảng từ đến Biểu tượng (∗ ) biểu thị giá trị biến giải pháp tối ưu DMUs hiệu có điểm số hiệu suất 1, điểm hiệu có điểm thấp DMUs hiệu coi ví dụ cách hoạt động DMUs hay (hoặc điểm chuẩn) sử dụng để xác định đường biên hiệu Đối với DMU không hiệu quả, mức độ không hiệu chúng bắt nguồn từ khoảng cách tới đường biên xây dựng từ DMU chuẩn So sánh với điểm chuẩn cho phép xác định mục tiêu đầu vào đầu tương ứng với hoạt động hiệu 35 Có số loại mơ hình sử dụng DEA, chúng phân loại chủ yếu thành mơ hình trả tỷ lệ khơng đổi (CRS – Constant Returns to Scale) mơ hình trả tỷ lệ biến đổi (VRS – Variable Returns to Scale), tùy thuộc vào độ biến thiên quy mơ Mơ hình CRS dựa giả định tỷ lệ đầu vào đầu không thay đổi theo quy mô gọi mơ hình CCR (các chữ tác giả Charnes, Cooper Rhodes, 1978) Mơ hình VRS mơ hình áp dụng tỷ lệ đầu vào đầu thay đổi theo quy mơ, cịn gọi mơ hình BCC (chữ tác giả Banker, Charnes Cooper, 1984 – người giới thiệu mô hình này) 36 Một mơ hình DEA phân tích theo hai cách, với định hướng đầu vào định hướng đầu ra, nhằm mục đích cải thiện hiệu Mơ hình định hướng đầu vào nhằm mục đích tối thiểu hóa đầu vào để cải thiện hiệu tương tự cho mơ hình định hướng đầu cố gắng tối đa hóa đầu để cải thiện hiệu Phương trình (8) thể mơ hình CCR định hướng đầu vào Giả sử có tổng số n DMU, m đầu vào xi j (i = 1, m) k đầu yr j (r = 1, k) ( ) − s + (8) minθ0 − ε ∑m i=1 si + ∑r=1 sr Ràng buộc: θ0 xi j0 − ∑nj=1 λ j xi j − s− i =0 (9) Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 yr j0 = ∑nj=1 λ j xi j − s+ r (10) λ j , si , sr ≥ 0, ∀i, j, r (11) Ở đây, θo (o = 1, , n) giá trị hiệu DMU0 + s− i sr tương ứng biến slack đầu vào đầu Mơ hình CCR gọi BCC (Banker et al 1984) 36 ràng buộc (12) thêm vào: Hình 1: Các đường biên CCR BCC ∑nj=1 λ j = (12) Ràng buộc bổ sung giới thiệu biến bổ sung vào vấn đề số nhân (multiplier problems) (dual), làm cho tác động đến đánh giá hiệu suất theo quy mơ (tăng, khơng đổi giảm) Vì vậy, mơ hình BBC gọi mơ hình hiệu suất biến đổi theo qui mô (VRS, variable returns to scale) phân biệt với mơ hình CCR gọi mơ hình hiệu suất khơng đổi theo quy mơ (CRS, constant returns to scale) Trong phương pháp truyền thống, DEA sử dụng hai mơ hình chính: cơng thức ban đầu, biết nghiên cứu Charnes et al (1978) (CCR), giả định hiệu suất không đổi theo quy mô (CRS) (Charnes et al 1978) mơ hình khác, biết nghiên cứu Charnes et al (1978) (BCC) giả định hiệu suất biến đổi theo quy mô (VRS) Mơ hình biết đến nghiên cứu mơ hình BCC phù hợp với tình có mối quan hệ quy mơ hiệu hoạt động Banker cộng (1984) 36 mở rộng mơ hình DEA ban đầu Charnes et al (1978) phép ước lượng hiệu theo VRS Theo hiệu kỹ thuật (TE) theo VRS gọi hiệu kỹ thuật túy (PTE) Sự khác biệt CCR (CRS) BCC (VRS) thể Hình Theo giả định CRS, DMU B ngoại suy cho điểm đường biên CCR, cho thay đổi mức đầu vào tạo thay đổi mức đầu tương đương Nếu giả định ngoại suy theo quy mô cấu trúc CRS không công nhận, đường biên phải dựa hiệu suất quan sát DMU đưa vào quy mô hoạt động Theo giả thiết VRS, đường biên hiệu Hình định nghĩa lại đoạn A, B C Đối với CRS, hiệu DMU E tương đương với: E′′ E′′′ E′′ E Đối với BCC (VRS), hiệu DMU E tương ′′ ′ đương với: EE′′EE Tính tốn diễn dịch thơng tin DEA Các bước tính tốn áp dụng mơ hình DEA vào giải tốn trình bày Hình Cụ thể, bước tính toán chi tiết sau: Bước Lựa chọn DMU số lượng DMU muốn đánh giá hiệu suất mơ hình Bước Liệt kê biến đầu vào đầu tiềm Trong mơ hình DEA, việc chọn biến đầu vào đầu quan trọng Chúng phải đại diện cho mục tiêu sách tổng thể doanh nghiệp Các yếu tố có chi phí trực tiếp tác động đến DMU có xu hướng thay đổi DMU khác lựa chọn tốt cho biến đầu vào Biến đầu thường phản ánh mục tiêu mục đích của cơng ty DMU Ví dụ mục tiêu lượng hàng bán biến đầu doanh số bán hàng Bước Thu thập xử lý thông tin cho biến đầu vào đầu Ba phương pháp có độ xác liệu sử dụng việc ước lượng giá trị biến đầu vào đầu là: ước lượng, đánh giá hệ thống thu thập giá trị thực tế - Ước lượng: áp dụng trường hợp thu thập số liệu thực tế hay việc thu thập số liệu tốn - Đánh giá hệ thống: phương pháp khoa học để thu liệu (tỉ lệ) việc sử dụng kĩ thuật AHP (Analytic Hierarchy Process) AHP cơng cụ thích hợp nhằm đưa ý kiến cá nhân chủ quan thành thông tin thể khách quan - Thu thập số liệu thực tế: phương pháp xác để thu số liệu Việc thu thập số liệu thực tế phải thời điểm điều tra viên phải có kinh nghiệm Kết thường phân tích cơng cụ thống kê Bước Tính điểm hiệu DEA 602 Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 Hình 2: Bước tính tốn diễn dịch thông tin DEA miền nam Việt Nam với 40 điểm phân phối thuộc sở hữu công ty xem DMU mơ hình Trong mơ hình DEA, DMU chọn nên có tính đồng nhất, đó, để đảm bảo tính chất này, DMU chọn thông qua đặc điểm sau Đầu tiên, để đảm bảo tính đồng khu vực, điểm phân phối chọn nằm khu vực TP HCM công ty quản lý Thứ hai, để đảm bảo đồng chức năng, điểm phân phối chọn có chức phân phối sản phẩm cho kênh Horeca GT, không bao gồm chuyển hàng tỉnh Ngoài ra, điểm phân phối yêu cầu khoảng thời gian định để ổn định hoạt động điểm phân phối có năm hoạt động xem xét Điều dẫn đến quần thể mẫu chọn 12 điểm phân phối – 12 DMUS Phạm vi liệu nghiên cứu giới hạn tài năm 2018 công ty Các biến đầu vào – đầu Cần xác định loại mơ hình DEA phù hợp với tốn cần giải Có thể chọn mơ hình BCC DEA (mơ hình hiệu suất biến đổi theo quy mô - VRS, variable returns to scale) mô hình CCR (mơ hình hiệu suất khơng đổi theo quy mô - CRS, constant returns to scale) Việc lựa chọn hai giả định phụ thuộc vào đặc điểm DMU xem xét Ví dụ nghiên cứu Ko cộng (2017), nhóm nghiên cứu chọn mơ hình BCC cho hiệu cửa hàng bán lẻ không bị tác động yếu tố quy mơ Ngồi ra, việc lựa chọn mơ hình DEA định hướng đầu vào hay định hướng đầu phụ thuộc vào khả kiểm soát yếu tố DMU việc lựa chọn khơng có nhiều khác biệt điểm đánh giá hiệu 37 Có thể áp dụng phần mềm Frontier Analysis để giải mơ hình DEA Đây phần mềm thiết kế chun để giải mơ hình DEA trình bày phần 3.1 Bước Đánh giá kết hiệu suất từ mơ hình DEA Sau giải kết hiệu suất, việc đánh giá kết nghiên cứu quan trọng Cần xem xét DMU hoạt động hiệu quả, DMU hiệu tương ứng với mục tiêu cải thiện hiệu DMU Năm bước mơ hình DEA áp dụng đánh giá hiệu điểm phân phối Mơ hình áp dụng cho công ty thực phẩm thành phố Hồ Chí Minh trình bày phần ỨNG DỤNG MƠ HÌNH VÀO THỰC TẾ Cơng ty nghiên cứu nhà sản xuất phân phối đồ uống đóng chai trùng khu vực 603 Để áp dụng DEA thành công, việc lựa chọn biến đầu vào đầu quan trọng Các biến đầu vào đầu cho DEA nên chọn cho phản ánh xác mục tiêu tình hình cơng ty Trong nghiên cứu này, biến đầu vào đầu chọn xem xét biến sử dụng nghiên cứu trước, liệu có sẵn điểm phân phối đặc điểm điểm phân phối để tìm liệu cần kiểm soát định hướng công ty Điều nhằm đảm bảo biến thường sử dụng phân tích hiệu nhà bán lẻ, biến phản ánh mục tiêu chiến lược, tình hình bán hàng hệ thống quản lý hiệu suất công ty Thơng qua q trình này, hai biến đầu vào cần kiểm sốt chọn bao gồm: chi phí mặt chi phí nhân cơng điểm phân phối Diện tích mặt chi phí nhân cơng sử dụng hầu hết nghiên cứu trước (diện tích mặt bằng: 22,25,28,30 ; chi phí nhân cơng: 22,25,32 ) cơng ty cần kiểm sốt chúng với mức độ ưu tiên cao Diện tích mặt nghiên cứu tổng diện tích mặt điểm phân phối, công ty vào quy mô thị trường khu vực điểm phân phối phục vụ để ước lượng diện tích mặt cần thuê Chi phí nhân cơng tổng chi phí lương năm mà công ty phải trả cho nhân viên làm việc điểm phân phối đó, bao gồm chi phí lương nhân viên giao nhận chi phí lương nhân viên kế toán Doanh thu bán hàng lợi nhuận chọn làm biến đầu cho mô hình DEA nghiên cứu Doanh thu bán hàng sử dụng biến đầu Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 Bảng 3: Dữ liệu thống kê mô tả biến sử dụng Variables Minimum Maximum Mean St.D Input Diện tích mặt 30,00 80,00 57,25 16,12 Chi phí nhân viên giao nhận 156.000 390.000 305.500 77.703,98 Chi phí nhân viên kế tốn 60.000 120.000 100.000 29.541,96 Output Doanh thu 1.176.000 5.040.000 3.044.000 1.340.756 Lợi nhuận 226.500 2.004.900 1.023.035 573.506,6 Tobit Chỉ số khu vực thương mại 1,55 4,05 2,88 0,87 Số đối thủ cạnh tranh 2,00 8,00 4,42 2,15 Số sản phẩm bán nhân viên 36.750 102.500 65.776,8 18.202,3 Số lượng sản phẩm bán đơn vị diện tích 4.125 9.692 6.425 1.637,44 Số dòng sản phẩm phân phối điểm phân phối 2,00 6,00 4,17 1,47 tất nghiên cứu trước 21–25,28–30 KPI quan trọng hầu hết công ty Trong nghiên cứu này, doanh thu bán hàng trung bình năm sử dụng Cuối lợi nhuận chọn biến đầu để bổ sung cho kết đánh giá doanh thu bán hàng cao lợi nhuận lại thấp Biến đầu lợi nhuận sử dụng nhiều nghiên cứu trước 22,25,26,29,31 Số liệu thống kê biến đầu vào đầu chọn thể Bảng với giá trị lớn nhất, nhỏ nhất, trung bình độ lệch chuẩn thị trường cạnh tranh, nên áp dụng mơ hình DEA định hướng đầu vào nhà quản lý có quyền kiểm soát yếu tố đầu so với yếu tố đầu vào Chỉ số VRS (Variable returns to scale) xem xét để đánh giá hiệu điểm phân phối điều kiện hiệu hoạt động bị ảnh hưởng quy mô Chỉ số CRS (Constant returns to scale) VRS (Variable returns to scale) xem xét đồng thời để kết hợp hiệu kỹ thuật quy mô Hai số đại diện cho kết hai mơ hình DEA: CRS đại diện cho kết mơ hình DEA CCR VRS đại diện cho kết mơ hình BCC Mơ hình DEA Việc lựa chọn mơ hình DEA yếu tố quan trọng, nên chọn mơ hình DEA thích hợp với tùy chọn tối thiểu hóa đầu vào tối đa đầu ra, hiệu suất không ảnh hưởng qui mô hiệu suất ảnh hưởng qui mơ Mơ hình DEA sử dụng định hướng đầu vào (tỷ lệ mà tất đầu vào quan sát giảm theo tỷ lệ mà không làm giảm mức đầu nào); mô hình kết hợp với yếu tố qui mơ ảnh hưởng đến hiệu suất (BCC – Banker, Charnes, Cooper) yếu tố qui mô không ảnh hướng đến hiệu suất (mơ hình CCR – Charnes, Cooper, Rhodes) Việc lựa chọn mơ hình hướng đầu vào hướng đầu dựa tiêu chí chung đề xuất Barros Alves (2004) 38 nghiên cứu áp dụng mơ hình hướng đầu vào Bởi lập luận rằng, Mơ hình Tobit Để phân tích yếu tố ảnh hưởng đến số kết quả, thường sử dụng mơ hình hồi quy Tuy nhiên, mơ hình hồi quy chung sử dụng để phân tích yếu tố ảnh hưởng đến hiệu tính tốn DEA giá trị hiệu tính tốn DEA có phạm vi giá trị giới hạn khoảng từ đến 1, phân tích bình phương nhỏ (OLS) ước tính sai lệch suy luận khơng hợp lệ Mơ hình hồi quy Tobit đề xuất Tobin phù hợp với trường hợp biến phụ thuộc mơ hình hồi quy bị giới hạn phạm vi giá trị định Phương trình (13) thể mơ hình hồi quy Tobit sử dụng nghiên cứu yi = y∗i = β xi + εi (13) 604 Tạp chí Phát triển Khoa học Cơng nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 Ràng buộc: yi = i f y∗i ≤ (14) yi = y∗i i f < y∗i < (15) yi = i f y∗i ≥ (16) Trong xi β véctơ biến giải thích (biến độc lập) tham số chưa biết cần tìm, y∗ biến ngầm hay biến kiểm lọc, yi độ đo hiệu điểm phân phối thứ i (bị giới hạn đoạn lớn nhỏ 1) Năm yếu tố giải thích chọn để xem xét tác động đến điểm hiệu DEA nghiên cứu cụ thể số khu vực thương mại – Trade Index Area (x1 ), số lượng đối thủ cạnh tranh (x2 ), số lượng sản phẩm bán nhân viên (x3 ), số lượng sản phẩm bán đơn vị diện tích (x4 ) số dịng sản phẩm phân phối điểm phân phối (x5 ) Việc lựa chọn biến độc lập trình quan trọng việc thiết kế mơ hình hồi quy Trong nghiên cứu này, chọn biến độc lập cách xem xét kết nghiên cứu trước ý kiến ban quản lý công ty Kết là, biến độc lập bao gồm khả hoạt động, đặc điểm điểm phân phối yếu tố mơi trường bên ngồi Các biến phổ biến đại diện cho khả hoạt động đặc điểm điểm phân phối là: số lượng sản phẩm bán nhân viên (x3 ), số lượng sản phẩm bán đơn vị diện tích (x4 ), số dòng sản phẩm phân phối điểm phân phối (x5 ) Ba biến phụ thuộc vào môi trường bên tác động lên hiệu điểm phân phối Các biến giải thích chọn dựa vào đặc điểm vận hành điểm phân phối, ý kiến người quản lý công ty nghiên cứu trước Chen cộng (2017) 39 Số lượng sản phẩm bán nhân viên (x3 ), số số lượng sản phẩm bán điểm phân phối năm chia cho số lượng nhân viên (gồm nhân viên kế toán nhân viên giao nhận), đại diện cho số lượng sản phẩm mà nhân viên bán năm Số lượng sản phẩm bán đơn vị diện tích (x4 ) thể khả khai thác hiệu nguồn lực diện tích mặt khơng gian giới hạn Chỉ số tính tổng sản lượng bán năm điểm phân phối chia cho tổng diện tích điểm phân phối Số dịng sản phẩm phân phối điểm phân phối (x5 ), số đặc thù hoạt động điểm phân phối công ty Công ty muốn biết yếu tố số dòng 605 sản phẩm bán điểm phân phối có ảnh hưởng đến hiệu điểm phân phối hay không Hiện cơng ty có dịng sản phẩm gồm: sữa bắp, nha đam mủ trôm, sữa hạt sen, sữa gạo lứt, trà sữa, trà matcha, tùy thuộc vào khu vực thị trường điểm phân phối khác có số dịng sản phẩm khác Các yếu tố mơi trường bên ngồi quan trọng Các biến môi trường chủ yếu sử dụng nghiên cứu trước biến nhân học dân số, mật độ dân số, số hộ gia đình, mức thu nhập, vị trí cửa hàng khoảng cách từ cửa hàng khác Trong đề tài nghiên cứu sử dụng số khu vực thương mại – Trade Index Area (x1 ) số lượng đối thủ cạnh tranh (x2 ) làm biến số đại diện cho yếu tố mơi trường bên ngồi Chỉ số khu vực thương mại biến đại diện bên nhằm xem xét sở tòa nhà ảnh hưởng đến doanh số điểm phân phối tọa lạc xung quanh chúng Nó tính toán cách đánh giá việc phân bổ 12 loại hình sở tịa nhà bán kính km từ điểm phân phối thang đo năm điểm sau tổng hợp kết cách nhân điểm đánh giá với trọng số thể mức độ ảnh hưởng loại hình sở tịa nhà Một số ví dụ 12 sở tòa nhà trường học, văn phòng, bệnh viện, khách sạn, v.v Khi giá trị số khu vực thương mại tăng lên, quy mô khu vực thương mại tăng Chỉ số khu vực thương mại biến giải thích để xác định xem quy mơ khu vực thương mại có ảnh hưởng đến hiệu hay không Cạnh tranh biến mơi trường bên ngồi quan trọng ảnh hưởng đến hiệu cửa hàng Dubelaar cộng (2002) 40 nhận thấy cạnh tranh có tác động đáng kể đến suất yếu tố liên quan đến cạnh tranh nên đưa vào đánh giá hiệu Trong nghiên cứu này, sử dụng số lượng điểm phân phối đối thủ cạnh tranh biến giải thích, số lượng điểm phân phối đối thủ tương tự nằm bán kính km từ điểm phân phối KẾT QUẢ VÀ THẢO LUẬN Điểm hiệu DEA Trong phần này, kết phương pháp DEA thực 12 điểm phân phối, hai mơ hình DEA BCC – IN CCR – IN trình bày thảo luận Các kết trình bày phân tích theo điểm phân phối khác Cuối cùng, báo xác định DMUs (Decision Making Units - Các điểm phân phối) có mức hiệu tốt điểm phân phối hiệu Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Cơng nghệ, 3( 4) :596-619 Hình 3: Dữ liệu đầu vào đầu điểm phân phối Frontier Analysis Phần mềm sử dụng phần Frontier Analysis với liệu đầu vào đầu điểm phân phối nhập vào thể Hình Trong Unit Name tên điểm phân phối, chi phí nhân viên giao nhận – nhân viên kế tốn diện tích điểm phân phối biến đầu vào; doanh số, lợi nhuận biến đầu cho mơ hình DEA Kết đánh giá hiệu 12 điểm phân phối tính qua phần mềm Frontier Analysis hiểu sau: Các điểm phân phối có điểm hiệu đạt 100% đánh giá hiệu Các điểm phân phối có điểm hiệu nhỏ 100% cho không hiệu Khi xét mơ hình DEA (DEA BCC-IN CCR-IN), điểm phân phối có điểm hiệu lớn xem hiệu ngược lại Hình Hình trình bày kết từ phần mềm Frontier Analysis Về màu sắc biểu đồ Hình Hình 5: Màu sắc phần mềm qui định kết trực quan cho người dùng Từ đến 80 biểu diễn màu đỏ điểm phân phối có điểm hiệu thấp biểu đồ màu vàng (kết từ 81 đến 99.99%) màu xanh điểm phân phối xem hiệu (100%) Để hình dung tổng qt kết hai mơ hình, kết đánh giá điểm phân phối thống kê qua phần mềm Eview, thể qua Hình Hình Trong đó: • Mean giá trị trung bình điểm hiệu điểm phân phối theo mơ hình DEA • Maximum giá trị điểm hiệu lớn điểm phân phối • Minimum giá trị điểm hiệu nhỏ điểm phân phối • Std.Dev độ lệch chuẩn giá trị điểm hiệu • Probability giá trị xác suất Các số liệu thống kê mô tả điểm DEA cho tất mơ hình trình bày hình cho thấy, mơ hình BCC-IN có điểm điểm hiệu (VRS) trung bình điểm phân phối cao với giá trị 0.926, mơ hình CCR-IN đạt giá trị hiệu (CRS) trung bình 0.743 Điều thể điểm phân phối đánh giá theo mơ hình BCC-IN có nhiều điểm phân phối hiệu với điểm hiệu DEA cao so với mơ hình CCR-IN Lý có khác biệt mơ hình CCR-IN, yếu tố qui mơ khơng xem xét việc đánh giá hiệu điểm phân phối dựa vào tỉ lệ đầu vào đầu điểm phân phối nên số điểm phân phối hiệu mơ hình hai Trong đó, mơ hình BCC-IN, yếu tố qui mơ xem xét, việc đánh giá điểm hiệu điểm phân phối không dựa vào tỉ lệ đầu vào, đầu mà cịn xét đến qui mơ hoạt động điểm phân phối nên số điểm phân phối đạt hiệu tăng lên Cụ thể kết đánh giá đánh giá hiệu 12 điểm phân phối thể Bảng Dựa vào Bảng 4, ta tổng hợp điểm phân phối hiệu hai mơ hình DEA (Hình Hình 9) với DMUs (Decision Making Units) điểm phân phối 606 Tạp chí Phát triển Khoa học Cơng nghệ – Kĩ thuật Cơng nghệ, 3( 4) :596-619 Hình 4: Biểu đồ điểm hiệu mơ hình CCR Hình 5: Biểu đồ điểm hiệu theo mơ hình BCC 607 Tạp chí Phát triển Khoa học Cơng nghệ – Kĩ thuật Cơng nghệ, 3( 4) :596-619 Hình 6: Thống kê mô tả điểm hiệu 12 điểm phân phối theo mơ hình CCR Hình 7: Thống kê mơ tả điểm hiệu 12 điểm phân phối theo mô hình BCC 608 Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 Bảng 4: Điểm hiệu điểm phân phối hai mơhình BCC CCR Khu vực Điểm phân phối Định hướng đầu vào VRS (BCC) CRS (CRR) Hốc Mơn Tân Chánh Hiệp 100% 53,7% Bình Tân Lê Văn Qưới 100% 50,6% Nhà Bè Lê Văn Lương 100% 58,0% Thủ Đức Phan Văn Trị 100% 85,70% Bình Chánh Tân Long 86,5% 65,0% Tân Bình Phan Đình Giót 85,8% 73,4% Quận Phan Huy Thực 79,8% 69,1% Bình Thạnh D1 100% 100% Quận Rada 90,0% 82,5% Nguyễn Hậu 100% 100% Quận 12 TA04 80,6% 69,9% Quận Lý Chính Thắng 87,9% 83,3% 93% 74% Trung bình Hình 8: Tổng hợp điểm phân phối hiệu hai mơ hình BCC 608 Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 Hình 9: Tổng hợp điểm phân phối hiệu hai mơ hình CCR 610 Điểm phân phối D1 Lý Chính Thắng Lê Văn Lương Lê Văn Qưới Nguyễn Hậu Phan Huy Thực Phan Văn Trị Phan Đình Giót RADA TA04 Tân Chánh Hiệp Tân Long D1 Lý Chính Thắng Lê Văn Lương Lê Văn Qưới Nguyễn Hậu Phan Huy Thực Phan Văn Trị Phan Đình Giót RADA TA04 Tân Chánh Hiệp Tân Long Điểm hiệu DEA CRS 100% 83,3% 58% 50,6% 100% 69,1% 85,7% 73,4% 82,5% 69,9% 53,7% 65% VRS 100% 87,9% 100% 100% 100% 79,8% 100% 85,8% 90% 80,6% 100% 86,5% Chi phí nv kế tốn Chi phí nhân viên kế tốn mục tiêu Chi phí nv giao nhận Chi phí nv giao nhận mục tiêu Diện tích điểm phân phối Diện tích điểm phân phối mục tiêu Doanh số Lợi nhuận Lợi nhuận mục tiêu 120.000 120.000 60.000 60.000 120.000 120.000 60.000 120.000 120.000 120.000 60.000 120.000 120.000 100.000 34.285,71 28.000 120.000 80.549,36 51.428,57 78.041,96 91.428,57 80.000 32.195,12 60.000 312.000 390.000 234.000 234.000 390.000 312.000 234.000 312.000 390.000 390.000 156.000 312.000 312.000 325.000 111.428,57 91.000 390.000 215.587,98 167.142,86 229.090,91 297.142,86 260.000 83.707,32 195.000 80 68 32 30 65 76 60 64 60 62 40 50 80 54 19 15 65 53 28 47 50 43 22 33 4.920.000 4.200.000 1.440.000 1.176.000 5.040.000 3.312.000 2.160.000 3.240.000 3.840.000 3.360.000 1.320.000 2.520.000 1.852.500 1.466.940 388.200 226.500 2.004.900 1.028.880 646.800 1.047.660 1.354.200 1.094.640 374.700 790.500 1.852.500 1.670.750 572.828,6 467.810 2.004.900 1.255.515,7 859.242,8 1.255.927,97 152.7542,9 1.336.600 497.012,2 1.002.450 120.000 120.000 60.000 60.000 120.000 120.000 60.000 120.000 120.000 120.000 60.000 120.000 120.000 105.475,11 60.000 60.000 120.000 93.017,61 60.000 91.215,35 100.000 920.79,97 60.000 78.298,56 312.000 390.000 234.000 234.000 390.000 312.000 234.000 312.000 390.000 390.000 156.000 312.000 312.000 342.794,12 234.000 234.000 390.000 248.958,90 234.000 267.761,19 338.000 314.288,94 156.000 268.932,58 80 68 32 30 65 76 60 64 60 62 40 50 80 60 32 30 65 61 60 55 54 50 40 43 4.920.000 4.200.000 1.440.000 1.176.000 5.040.000 3.312.000 2.160.000 3.240.000 3.840.000 3.360.000 1.320.000 2.520.000 185.2500 146.6940 388.200 226.500 2.004.900 1.028.880 646.800 1.047.660 1.354.200 1.094.640 374.700 790.500 1.852.500 1.628.421,04 388.200 226.500 2.004.900 1.201.821,7 646.800 1.203.324,3 1.466.000 1.252.055,1 374.700 879.239,3 Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 611 Bảng 5: Đề xuất điểm phân phối cần cải tiến hiệu suất theo mơ hình dea CCR BCC Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 Từ số liệu Bảng Hình Hình 9, có vài nhận xét sau: • Hai điểm phân phối Nguyễn Hậu, D1 đạt hiệu 100% đánh giá hai mơ hình BCC-Định hướng đầu vào CCR-IN • Số lượng điểm phân phối hiệu 100% mơ hình CCR-IN vào có hai, điểm phân phối hiệu theo mơ hình BCC-IN sáu Bốn điểm phân phối hiệu 100% theo mơ hình BCC-IN gồm: Tân Chánh Hiệp, Lê Văn Qưới, Lê văn Lương, Phan Văn Trị Nhưng đánh giá theo mơ hình DEA CCR-IN mức độ hiệu bốn điểm phân phối giảm đáng kể đặc biệt ba điểm phân phối Tân Chánh Hiệp, Lê Văn Qưới, Lê Văn Lương đánh giá thấp 12 điểm phân phối đánh giá theo mơ hình Cụ thể là, điểm phân phối Tân Chánh Hiệp đạt hiệu 53.7%, Lê Văn Qưới 50.6%, Lê Văn Lương 58% Phan Văn Trị 85.7% Từ thấy yếu tố qui mô ảnh hưởng lớn đến hiệu suất hoạt động điểm phân phối Cải thiện hiệu suất điểm phân phối Như kết điểm hiệu mơ hình DEA, điểm phân phối có điểm hiệu đề xuất mục tiêu cải tiến để tăng mức độ hiệu Mục tiêu cải tiến điểm phân phối có mức hiệu xác định cách so sánh với điểm phân phối có mức hiệu Những điểm phân phối có mức hiệu xem điểm chuẩn so sánh, điểm chuẩn tạo đường biên đánh giá (Frontier analysis) Các điểm phân phối có hiệu xác định mục tiêu cải tiến cho thực cải tiến, điểm phân phối tiến dần đường biên phân tích Do định hướng sử dụng định hướng đầu vào, mục tiêu tính dựa xem xét giảm thiểu yếu tố đầu vào (chi phí nhân viên, diện tích điểm phân phối) để trở thành điểm phân phối hiệu quả, trì kết đầu không đổi Mục tiêu cải tiến hiệu suất cho tất điểm phân phối theo hai mơ hình CCR BCC trình bày đầy đủ Bảng Mơ hình hồi quy Tobit Trong phần này, điểm hiệu mơ hình DEA 12 điểm phân phối tính phần trước sử dụng hai mơ hình DEA: CCR-IN BCC-IN đánh giá thơng qua mơ hình hồi qui lượng tử TOBIT để xác định nhân tố bên ảnh hưởng đến hiệu Phần trình bày biến chọn, phần kết trình bày thảo luận phần cuối kết luận phương pháp Việc lựa chọn biến độc lập trình quan trọng việc thiết kế mơ hình hồi quy TOBIT Trong nghiên cứu này, chọn biến độc lập cách xem xét kết nghiên cứu trước ý kiến người quản lý công ty Kết là, biến độc lập bao gồm số thương mại, số lượng đối thủ cạnh tranh, số lượng sản phẩm bán nhân viên, số lượng sản phẩm bán đơn vị diện tích số dịng sản phẩm phân phối điểm phân phối Bảng thể số liệu tổng hợp yếu tố đầu vào đầu cho mơ hình TOBIT Với: y-CCR điểm hiệu CRS theo mơ hình DEA CCR-IN điểm phân phối y-BCC điểm hiệu VRS theo mơ hình DEA BCC-IN điểm phân phối x1 x5 biến độc lập Công thức tổng qt mơ hình hồi qui lượng tử TOBIT việc đánh giá yếu tố ảnh hưởng đến điểm hiệu suất 12 điểm phân phối thể công thức đây: yi = β0 + β1 x1 + β2 x2 + β3 x3 + β4 x4 + β5 x5 + εi Với: • yi điểm hiệu DEA điểm phân phối thứ i 12 điểm phân phối (biến phụ thuộc) • β hệ số hồi qui mơ hình • ε i sai số • x1 loại hình khu vực điểm phân phối • x2 số lượng đối thủ cạnh tranh • x3 số lượng sản phẩm bán năm nhân viên • x4 số lượng sản phẩm bán năm đơn vị diện tích điểm phân phối • x5 số dịng sản phẩm phân phối điểm phân phối Mơ hình BCC Kết mơ hình Tobit thể Bảng Trong tất biến đầu vào mơ hình Tobit, biến số lượng đối thủ cạnh tranh (x2 ) có ý nghĩa thống kê mức ý nghĩa 1% Hơn nữa, biến x2 có tác động tích cực lên điểm hiệu (β = 0.028388, mang dấu dương) Việc số lượng điểm phân phối đối thủ cạnh tranh ảnh hưởng đến hiệu theo hướng tích cực, có nghĩa mơi trường cạnh tranh có tác động tích cực 612 Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 Bảng 6: Số liệu tổng hợp yếu tố đầu vào đầu cho mơ hình tobit Khu vực Điểm phân phối y-CCR y-BCC x1 x2 x3 x4 x5 Hốc Môn Tan Chanh Hiep 53,7% 100% 2,05 55.000 4.125 Bình Tân Le Van Quoi 50,6% 100% 2,10 36.750 4.900 Nhà Bè Le Van Luong 58% 100% 1,55 45.000 5.625 Thủ Đức Phan Van Tri 85,7% 100% 2,85 67.500 4.500 Bình Chánh Tan Long 65,0% 86,5% 2,40 52.500 6.300 Tân Bình Phan Dinh Giot 73,4% 85,8% 4,05 67.500 6.328 Quận Phan Huy Thuc 69,1% 79,8% 3,20 69.000 5.447 Bình Thạnh D1 100% 100% 4,05 102.500 7.688 Quận Rada 82,5% 90,0% 3,20 68.571 8.000 Nguyen Hau 100% 100% 3,20 90.000 9.692 Quận 12 TA04 69,9% 80,6% 2,00 60.000 6.774 Quận Ly Chinh Thang 83,3% 87,9% 3,95 75.000 7.721 Bảng 7: Kết tobit theo mơ hình DEA BCC Var Coeffient Std Error z-Statistics Prob X1 -0,048282 0,028893 -1,671049 0,0947 X2 0,028388 0,008514 3,334427 0,0009** X3 1,32E-06 2,10E-06 0,632258 0,5272 X4 -1,12E-05 1,31E-05 -0,859175 0,3902 X5 -0,005033 0,021059 -0,239001 0,8111 C 0,945349 0,069526 13,59707 0,0000 Chú thích: p-value theo sau ** có mức độ ý nghĩa mức 1% theo sau * có mức độ ý nghĩa 5% 613 Tạp chí Phát triển Khoa học Cơng nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 đến hiệu Có thể hiểu mơi trường cạnh tranh cao, suất hoạt động điểm phân phối cao Hình 10 cho ta thấy hiệu số lượng cửa hàng đối thủ điểm hiệu gần với hình dạng ngược U, có nghĩa điểm hiệu tăng số lượng cửa hàng đối thủ tăng lên, số lượng cửa hàng đối thủ cạnh tranh vượt 7, điểm số hiệu giảm từ thời điểm Trong nhiều nghiên cứu trước đây, người ta biết cạnh tranh có tác động tích cực đến tăng trưởng suất cấp độ công ty Tuy nhiên, nghiên cứu này, cạnh tranh dường có hình dạng ngược U khơng phải hiệu ứng tích cực đơn giản hiệu quả, tương tự kết nghiên cứu Aghion cộng (2005) 41 mối quan hệ cạnh tranh đổi Kết ngụ ý cần thiết để xem xét mơi trường cạnh tranh điểm phân phối đánh giá hiệu suất điểm phân phối Nó sử dụng đánh giá vị trí cho điểm phân phối Mơ hình CCR Kết mơ hình Tobit thể Bảng thấy có biến có ý nghĩa thống kê mức ý nghĩa 1% gồm: (1) số lượng sản phẩm bán năm nhân viên (x3 ), (2) số lượng sản phẩm bán năm đơn vị diện tích điểm phân phối (x4 ) (3) số dòng sản phẩm phân phối điểm phân phối (x5 ) Ba biến có tác động tích cực đến điểm hiệu (hệ số ước lượng mang dấu dương) (1) Số lượng sản phẩm bán năm nhân viên (x3 ) Qua Hình 11 thấy số lượng sản phẩm nhân viên số quan trọng công ty cần kiểm soát để tăng hiệu hoạt động điểm phân phối chúng có tác động tích cực đến hiệu hoạt động Trong việc ước lượng số nhân viên phù hợp, cần phải xem xét số lượng sản phẩm bán trung bình điểm phân phối để ước tính số nhân viên cần thiết cho điểm phân phối thay ước lượng theo số dịng sản phẩm phân phối công ty áp dụng (2) Số lượng sản phẩm bán năm đơn vị diện tích điểm phân phối (x4 ) Qua Hình 12, x4 tăng đồng thời điểm hiệu DEA có xu hướng tăng Qua đó, thấy số lượng sản phẩm bán đơn vị diện tích số quan trọng mà công ty cần cân nhắc kiểm soát cần để nâng cao hiệu hoạt động DEA điểm phân phối: Ngoại trừ số điểm phân phối thu thập liệu phân tích, nhìn chung, điểm hiệu doanh số tăng số lượng sản phẩm đơn vị diện tích tăng Do cần phải khai thác hiệu nguồn lực diện tích mặt điểm phân phối, chi phí thuê mặt số dài hạn cho công ty, công ty cần xem xét kĩ tối ưu nguồn lực diện tích cách cân nhắc có nên thuê địa điểm có diện tích nhỏ để giảm chi phí th mặt (3) Số dòng sản phẩm phân phối điểm phân phối (x5 ) Số dòng sản phẩm làm tăng hiệu hoạt động điểm phân phối (Hình 13), cơng ty cần phải tính đến việc tăng dòng sản phẩm bán điểm phân phối khác việc tăng cường hoạt động khách hàng thị trường nhằm tăng nhu cầu tiêu thụ sản phẩm thị trường KẾT LUẬN Bằng việc áp dụng phương pháp DEA, điểm phân phối đánh giá theo mức độ hiệu hoạt động để từ so sánh mức độ hiệu điểm phân phối với Đồng thời từ kết mơ hình DEA, việc xác định yếu tố tác động đến hiệu điểm phân phối thực thông qua việc áp dụng mơ hình hồi quy Tobit Trong nghiên cứu đề xuất sử dụng mơ hình DEA để đo lường hiệu tương đối 12 điểm phân phối nhà sản xuất phân phối đồ uống đóng chai Từ nghiên cứu thấy khoảng 83% điểm phân phối khơng hiệu theo mơ hình CCR 50% điểm phân phối khơng hiệu theo mơ hình BCC, điều có nghĩa cải thiện hiệu suất mà khơng cần thêm tài ngun Ngồi ra, có nhiều khác biệt hiệu điểm phân phối Do đó, cần phải phân tích gây khác biệt 12 điểm phân phối hoạt động theo quy trình vận hành tiêu chuẩn Để xác định nguyên nhân khác biệt hiệu quả, nghiên cứu sử dụng mơ hình hồi quy Tobit Từ thấy rằng, theo mơ hình BCC, số lượng đối thủ cạnh tranh có ảnh hưởng đến hiệu điểm phân phối Kết cung cấp ý nghĩa sau đây: hiểu tác động môi trường cạnh tranh đến hiệu quan trọng cạnh tranh ảnh hưởng đến hiệu với hình dạng chữ U ngược Nói cách khác, cạnh tranh giúp cải thiện hiệu mức độ đó, cạnh tranh nhiều làm giảm hiệu Do đó, cần xem xét ảnh hưởng môi trường cạnh tranh việc đưa định đánh giá hiệu suất điểm phân phối xác định vị trí điểm phân phối Cịn với mơ hình CCR, số lượng sản phẩm bán năm nhân viên, số lượng sản phẩm bán năm đơn vị diện tích điểm 614 Tạp chí Phát triển Khoa học Cơng nghệ – Kĩ thuật Cơng nghệ, 3( 4) :596-619 Hình 10: Mối tương quan điểm hiệu DEA số lượng đối thủ cạnh tranh Bảng 8: Kết tobit theo mơ hình DEA CCR Var Coeffient Std.Error z-Statistics Prob X1 -0,001024 0,008727 -0,117369 0,9066 X2 0,003711 0,002571 1,443258 0,1489 X3 2,74E-06 6,33E-07 4,321537 0,0000** X4 1,55E-05 3,95E-06 3,917363 0,0001** X5 0,066431 0,006361 10,44377 0,0000** C 0,173100 0,021000 8,242930 0,0000 phân phối số dòng sản phẩm phân phối điểm phân phối có ảnh hưởng tích cực đến hiệu điểm phân phối Từ đó, cơng ty cần xem xét kiểm soát số để nâng cao hiệu điểm phân phối Đóng góp nghiên cứu phương pháp áp dụng mơ hình DEA hồi qui Tobit vào đánh giá mức độ hiệu điểm phân phối Từ kết nhà quản lý đề mục tiêu cải tiến tìm yếu tố ảnh hưởng đến hiệu cấp độ điểm phân phối riêng lẻ Từ nghiên cứu hy vọng việc hiểu đặc điểm yếu tố giúp cải thiện hiệu Tuy nhiên, nghiên cứu áp dụng cho nhà sản xuất phân phối ngành thực phẩm, kết đặc điểm cạnh tranh diện tích mặt hay số loại 615 sản phẩm khơng áp dụng cho ngành cơng nghiệp khác Nó thực nghiên cứu dựa liệu thời điểm cụ thể, có ý nghĩa doanh nghiệp triển khai cải tiến, tiếp tục thực việc đánh giá thời điểm áp dụng thay đổi tương lai DANH MỤC TỪ VIẾT TẮT BCC: Mơ hình DEA qui mơ ảnh hưởng đến hiệu suất từ tác giả Banker, Charnes Cooper CCR: Mơ hình DEA qui mơ khơng ảnh hưởng đến hiệu suất từ tác giả Charnes, Cooper Rhodes CRS: Chỉ số hiệu mơ hình CCR - Constant returns to scale DEA: Mơ hình phân tích bao liệu - Data Envelopment Analysis Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Cơng nghệ, 3( 4) :596-619 Hình 11: Mối tương quan điểm hiệu DEA số lượng sản phẩm bán nhân viên Hình 12: Mối tương quan điểm hiệu DEA số lượng sản phẩm bán đơn vị diện tích 616 Tạp chí Phát triển Khoa học Cơng nghệ – Kĩ thuật Cơng nghệ, 3( 4) :596-619 Hình 13: Số dòng sản phẩm phân phối điể phân phối DMU: Đơn vị định - Decision Making Unit VRS: Chỉ số hiệu mơ hình BCC - Variable returns to scale XUNG ĐỘT LỢI ÍCH Nhóm tác giả xin cam đoan khơng có xung đột lợi ích cơng bố báo ĐĨNG GÓP CỦA TÁC GIẢ Lê Bá Sang thu thập liệu, thực viết sơ lược từ đề tài luận văn tốt nghiệp Thái Ý Linh tham gia chỉnh sửa thảo Phan Thị Mai Hà hướng dẫn thực nghiên cứu, viết hoàn chỉnh báo 10 11 TÀI LIỆU THAM KHẢO Martino G, Fera M, Iannone R, Miranda S Supply chain risk assessment in the fashion retail industry: An analytic network process approach Int J Appl Eng Res 2017;12:140-54.; Ramanathan R An introduction to data envelopment analysis: a tool for performance measurement Sage 2003; Cooper WW, Seiford LM, Tone K Data envelopment analysis Handbook on data envelopment analysis 2000;p 1–40 Available from: https://doi.org/10.1007/978-3-663-08343-6_1 Zhu J Imprecise data envelopment analysis (IDEA): A review and improvement with an application European Journal of Operational Research 2003;144(3):513–529 Available from: https://doi.org/10.1016/S0377-2217(01)00392-7 Takamura Y, Tone K A comparative site evaluation study for relocating Japanese government agencies out of Tokyo Socio-Economic Planning Sciences 2003;37(2):85–102 Available from: https://doi.org/10.1016/S0038-0121(02)00049-6 Charnes A, Cooper WW, Rhodes E Measuring the efficiency of decision making units European journal of operational re- 617 12 13 14 15 search 1978;2(6):429–444 Available from: https://doi.org/10 1016/0377-2217(78)90138-8 Kamakura WA, Lenartowicz T, Ratchfrord BT Productivity assessment of multiple retail outlets Journal of retailing 1996;72(4):333–356 Available from: https://doi.org/10.1016/ S0022-4359(96)90018-4 Thang DC, Tan BL Linking consumer perception to preference of retail stores: an empirical assessment of the multiattributes of store image Journal of retailing and consumer services 2003;10(4):193–200 Available from: https://doi.org/ 10.1016/S0969-6989(02)00006-1 Mendes AB, Themido IH Multi-outlet retail site location assessment International transactions in operational research 2004;11(1):1–8 Available from: https://doi.org/10.1111/j 1475-3995.2004.00436.x Trương ĐC Quản trị kênh phân phối ĐH Kinh tế Quốc dân 2010; Yu W, Ramanathan R An assessment of operational efficiencies in the UK retail sector International Journal of Retail & Distribution Management 2008;Available from: https://doi.org/ 10.1108/09590550810911656 Farrell MJ The measurement of productive efficiency Journal of the Royal Statistical Society: Series A (General) 1957;120(3):253–281 Available from: https://doi.org/10.2307/ 2343100 Fenyves V, Tarnóczi T, Zsidó K Financial Performance Evaluation of agricultural enterprises with DEA Method Procedia Economics and Finance 2015;32(15):423–431 Available from: https://doi.org/10.1016/S2212-5671(15)01413-6 Yunos JM, Hawdon D The efficiency of the national electricity board in Malaysia: An intercountry comparison using DEA Energy economics 1997;19(2):255–269 Available from: https: //doi.org/10.1016/S0140-9883(96)01018-3 Zhang Y, Bartels R The effect of sample size on the mean efficiency in DEA with an application to electricity distribution in Australia, Sweden and New Zealand Journal of productivity analysis 1998;9(3):187–204 Available from: https: //doi.org/10.1023/A:1018395303580 Tạp chí Phát triển Khoa học Công nghệ – Kĩ thuật Công nghệ, 3( 4) :596-619 16 Agrell PJ, Bogetoft P, Tind J DEA and dynamic yardstick competition in Scandinavian electricity distribution Journal of Productivity Analysis 2005;23(2):173–201 Available from: https://doi.org/10.1007/s11123-005-1327-6 17 Moreno P, Andrade GN, Meza LA, de Mello JC Evaluation of Brazilian electricity distributors using a network DEA model with shared inputs IEEE Latin America Transactions 2015;13(7):2209–2216 Available from: https://doi.org/10 1109/TLA.2015.7273779 18 Gouveia MC, Dias LC, Antunes CH, Boucinha J, Inácio CF Benchmarking of maintenance and outage repair in an electricity distribution company using the value-based DEA method Omega 2015;53:104–114 Available from: https:// doi.org/10.1016/j.omega.2014.12.003 19 Lai PL, Potter A, Beynon M, Beresford A Evaluating the efficiency performance of airports using an integrated AHP/DEAAR technique Transport Policy 2015;42:75–85 Available from: https://doi.org/10.1016/j.tranpol.2015.04.008 20 Torres-Jiménez M, García-Alonso CR, Salvador-Carulla L, Fernández-Rodríguez V Evaluation of system efficiency using the Monte Carlo DEA: The case of small health areas European Journal of Operational Research;242(2):525–535 Available from: https://doi.org/10.1016/j.ejor.2014.10.019 21 Donthu N, Yoo B Retail productivity assessment using data envelopment analysis Journal of retailing 1998;74(1):89–105 Available from: https://doi.org/10.1016/S0022-4359(99)80089X 22 Gandhi A, Shankar R Efficiency measurement of Indian retailers using data envelopment analysis International Journal of Retail & Distribution Management 2014;Available from: https://doi.org/10.1108/IJRDM-10-2012-0094 23 Ko K, Chang M, Bae ES, Kim D Efficiency analysis of retail chain stores in Korea Sustainability 2017;9(9):1629 Available from: https://doi.org/10.3390/su9091629 24 Gandhi A, Shankar R Strategic resource management model and data envelopment analysis for benchmarking of Indian retailers Benchmarking: An International Journal 2016;Available from: https://doi.org/10.1108/BIJ-02-2014-0013 25 Xavier JM, Moutinho VM, Moreira AC Efficiency and convergence analysis in a women’s clothing retail store chain International Journal of Retail & Distribution Management 2015;Available from: https: //doi.org/10.1108/IJRDM-06-2014-0077 26 Lau KH Measuring distribution efficiency of a retail network through data envelopment analysis International Journal of Production Economics 2013;146(2):598–611 Available from: https://doi.org/10.1016/j.ijpe.2013.08.008 27 Malhotra R, Malhotra DK, Lafond CA Benchmarking large US retailers using a data envelopment analysis model Applications of Management Sciences 2010;14:217–235 Available from: https://doi.org/10.1108/S0276-8976(2010)0000014014 28 Joo SJ, Stoeberl PA, Fitzer K Measuring and benchmarking the performance of coffee stores for retail operations Benchmarking: An International Journal 2009;Available from: https: //doi.org/10.1108/14635770911000088 29 Sellers-Rubio R, Mas-Ruiz F Economic efficiency in supermar- 30 31 32 33 34 35 36 37 38 39 40 41 kets: evidences in Spain International Journal of Retail & Distribution Management 2006;Available from: https://doi.org/ 10.1108/09590550610649803 Keh HT, Chu S Retail productivity and scale economies at the firm level: a DEA approach Omega 2003;31(2):75–82 Available from: https://doi.org/10.1016/S0305-0483(02)00097-X Dasgupta S, Sarkis J, Talluri S Influence of information technology investment on firm productivity: a cross-sectional study Logistics Information Management 1999;Available from: https://doi.org/10.1108/09576059910256493 Yan LP Evaluation of Operating Efficiency of Agricultural Listed Enterprises Based on DEA-Tobit Two Stage Model In2019 International Conference on Modeling, Analysis, Simulation Technologies and Applications (MASTA 2019) Atlantis Press 2019;Available from: https://doi.org/10.2991/masta-19 2019.8 Yu W, Ramanathan R An assessment of operational efficiency of retail firms in China Journal of Retailing and Consumer Services 2009;16(2):109–122 Available from: https://doi.org/10 1016/j.jretconser.2008.11.009 Barros CP Efficiency measurement among hypermarkets and supermarkets and the identification of the efficiency drivers International Journal of Retail & Distribution Management 2006; Horta IM, Camanho AS, Da Costa JM Performance assessment of construction companies integrating key performance indicators and data envelopment analysis Journal of Construction engineering and Management 2010;136(5):581– 594 Available from: https://doi.org/10.1061/(ASCE)CO.19437862.0000145 Banker RD, Charnes A, Cooper WW Some models for estimating technical and scale inefficiencies in data envelopment analysis Management science 1984;30(9):1078–1092 Available from: https://doi.org/10.1287/mnsc.30.9.1078 Coelli T, Perelman S Efficiency measurement, multiple-output technologie and distance functions: With application to European Railways Crepp 1996; Barros CP, Alves C An empirical analysis of productivity growth in a Portuguese retail chain using Malmquist productivity index Journal of Retailing and Consumer Services 2004;11(5):269–278 Available from: https://doi.org/10.1016/ S0969-6989(03)00053-5 Chen N, Xu L, Chen Z Environmental efficiency analysis of the Yangtze River Economic Zone using super efficiency data envelopment analysis (SEDEA) and tobit models Energy 2017;134:659–671 Available from: https://doi.org/10.1016/j energy.2017.06.076 Dubelaar C, Bhargava M, Ferrarin D Measuring retail productivity: what really matters? Journal of Business Research 2002;55(5):417–426 Available from: https://doi.org/10.1016/ S0148-2963(00)00160-0 Aghion P, Bloom N, Blundell R, Griffith R, Howitt P Competition and innovation: An inverted-U relationship The quarterly journal of economics 2005;120(2):701–728 Available from: https://doi.org/10.1093/qje/120.2.701 618 Science & Technology Development Journal – Engineering and Technology, 3(4):596-619 Research Article Open Access Full Text Article A model for distribution systems performance evaluation Le Ba Sang, Thai Y Linh, Phan Thi Mai Ha* ABSTRACT Use your smartphone to scan this QR code and download this article In today's business environment, as the competitiveness becomes increasingly fierce, improving the business performance becomes more important A major factor affecting business operations is distribution systems performance control In a distribution network, if an independent point well manages its performance, the efficiency of the entire enterprise will improve In order to this, it is essential to evaluate the effectiveness of each distribution point However, at present, this evaluation is usually based on experience or only a few indicators such as revenue or profit The effectiveness of a distribution point should be simultaneously considered for sales with resources used such as costs, manpower or business market characteristics such as the number of similar stores within kilometers radius Therefore, DEA (Data Envelopment Analysis) method is proposed and used to evaluate the performance of independent distribution points and analyze the factors that affect efficiency by the Tobit regression model This model was tested for a food distribution system in Ho Chi Minh City to prove its feasibility and usefulness Key words: Data envelopment analysis (DEA), distribution systems, performance evaluation, Tobit regression model Department of Industrial Systems Engineering, Ho Chi Minh City University of Technology, VNU-HCM, Vietnam Correspondence Phan Thi Mai Ha, Department of Industrial Systems Engineering, Ho Chi Minh City University of Technology, VNU-HCM, Vietnam Email: ptmaiha@hcmut.edu.vn History • Received: 28-01-2020 • Accepted: 30-12-2020 • Published: 31-1-2021 DOI : 10.32508/stdjet.v3i4.666 Copyright © VNU-HCM Press This is an openaccess article distributed under the terms of the Creative Commons Attribution 4.0 International license Cite this article : Sang L B, Linh T Y, Ha P T M Amodel for distribution systems performance evaluation Sci Tech Dev J – Engineering and Technology; 3(4):596-619 619 ... xét, việc đánh giá điểm hiệu điểm phân phối không dựa vào tỉ lệ đầu vào, đầu mà xét đến qui mô hoạt động điểm phân phối nên số điểm phân phối đạt hiệu tăng lên Cụ thể kết đánh giá đánh giá hiệu 12... thể qua Hình Hình Trong đó: • Mean giá trị trung bình điểm hiệu điểm phân phối theo mơ hình DEA • Maximum giá trị điểm hiệu lớn điểm phân phối • Minimum giá trị điểm hiệu nhỏ điểm phân phối •... Kết đánh giá hiệu 12 điểm phân phối tính qua phần mềm Frontier Analysis hiểu sau: Các điểm phân phối có điểm hiệu đạt 100% đánh giá hiệu Các điểm phân phối có điểm hiệu nhỏ 100% cho không hiệu