policy for setting user charges. In

policy for setting user charges. Investors and bankers that are
interested in airport privatization use benchmarking techniques to
identify possible business opportunities. As a result, various studies
have utilized a variety of techniques for airport benchmarking
(Graham, 2005).
Data Envelopment Analysis (DEA) has been employed in various
studies in order to analyze the efficiency of numerous airports
around the world. DEA is a non-parametric technique which uses
linear programming to fit a frontier based on best practices. It is by
far the most popular method in airport benchmarking. Some of the
studies using this approach for estimating the efficiency of airports
include Sarkis (2000), Martin and Roman (2001), Fernandes and
Pacheco (2002), Barros and Dieke (2007), Psaraki-Kalouptsidi and
Kalakou (2011), Adler et al. (2013) and Wanke (2012). For example,
Sarkis (2000) used DEA to evaluate the operational efficiencies of
44 major US airports, observing that airlines tend to favor more
efficient airports. Factors such as the airport being the hub of a
major air carrier, the airport being part of multiple airport system or
single airport system, and the environment (snowbelt or not), were
examined for affecting airport efficiency. The first and third factors
were found to affect airport efficiency significantly.
Martin and Roman (2001) used DEA to measure the efficiency of
37 Spanish airports and to extract some policy considerations prior
to privatization. Fernandes and Pacheco (2002) used DEA to analyze
the capacity of 35 domestic Brazilian airports in order to monitor
which of them were efficient in terms of passenger processing and
use of airport resources. Barros and Dieke (2007) analyzed the
financial and operational performance of Italian airports with panel
data for 2001e2003, examining the relative roles of dimension,
managerial status, and workload unit (WLU) in determining the
proximity of airports to the frontier of best practices. The findings
indicated that totally private airports, and those with higher WLUs,
had higher efficiency scores.
Psaraki-Kalouptsidi and Kalakou (2011) used DEA to assess the
efficiency of Greek airports for the period 2004e2007, first by
evaluating airside and landside infrastructure to serve passengers
and aircraft, and then by analyzing economic efficiency. The total
number of passengers and aircraft movements was selected as
outputs. The inputs included the total area of the passenger building,
ground floor area, departures area, arrivals area, check-in area
and employees. The airside operations were found to be more efficient
on average than landside operations and airports with more
aircraft and passenger movements were found to be more efficient.
Adler et al. (2013) studied the efficiency of 43 European airports
for a period of 10 years using network DEA that described the
production process, demonstrating the sequential effects separating
final and intermediate outputs including those under partial
management control. Their approach connected aeronautical and
commercial activities via intermediate products. The network
model defined a multiproduct airport in which labor, capital, materials
and outsourcing of services produce traffic volume (passengers,
cargo and aircraft movements). Following this revenues
from aeronautical charges and from commercial terminal-side
services to passengers were generated. The role of third parties
providing part of those services and the role of management controlling
all the above were also considered in the network DEA
model. The results provided benchmarks with comparable peer
units and target values that were achievable in the medium term
for each airport. Wanke (2012) presented a benchmark and efficiency
analysis of 63 major Brazilian airports, using cross sectional
data for 2009. Starting with the bootstrapping methodology (see
Simar and Wilson, 1998) several DEA estimates were generated.
In the present study a standard two-stage approach is applied.
This process has been used by a number of researchers including
Barros (2008), Chi-Lok and Zhang (2009), Curi et al. (2010), Tsekeris

ผลลัพธ์ (ไทย) 1:

นโยบายการตั้งค่าผู้ใช้ นักลงทุนและนายธนาคารที่สนใจการแข่งขันเทคนิคการใช้ privatization สนามบินระบุโอกาสทางธุรกิจได้ เป็นผล การศึกษาต่าง ๆมีใช้เทคนิคสำหรับการแข่งขันสนามต่าง ๆ(เกรแฮม 2005)การวิเคราะห์เส้นห่อหุ้มข้อมูล (DEA) มีการจ้างงานในต่าง ๆศึกษาการวิเคราะห์ประสิทธิภาพของสนามบินแห่งนี้รอบโลก DEA เป็นเทคนิคหนึ่งที่ไม่ใช่พาราเมตริกซึ่งใช้การเขียนโปรแกรมเชิงเส้นให้พอดีกับชายแดนตามแนวทางปฏิบัติ โดยวิธีที่นิยมมากที่สุดในสนามแข่งขัน บางศึกษาโดยใช้วิธีการนี้สำหรับการประเมินประสิทธิภาพของสนามบินSarkis (2000), มาร์ติน และโรมัน (2001), Fernandes และปาเชโก (2002), Barros และ Dieke (2007), Psaraki-Kalouptsidi และKalakou (2011), al. และแอดเลอร์ (2013) และ Wanke (2012) ตัวอย่างSarkis (2000) ใช้ DEA เพื่อประเมินประสิทธิภาพการดำเนินงานของ44 หลักสนามบิน เราสังเกตว่า สายการบินมีแนวโน้มจะ ชอบมากกว่าสนามบินที่มีประสิทธิภาพ ปัจจัยต่าง ๆ เช่นสนามบินเป็นศูนย์กลางของการเจาะบริษัทขนส่ง สนามบินที่เป็นส่วนหนึ่งของสนามบินหลายระบบ หรือระบบสนามบินเดียว และสิ่งแวดล้อม (snowbelt หรือไม่), ถูกตรวจสอบการส่งผลกระทบต่อประสิทธิภาพในสนามบิน ปัจจัยแรก และที่สามพบมีผลต่อประสิทธิภาพในสนามบินอย่างมีนัยสำคัญมาร์ตินและโรมัน (2001) ใช้ DEA เพื่อวัดประสิทธิภาพของสนามบินสเปน 37 และแยกบางนโยบายพิจารณาก่อนการ privatization การ Fernandes และปาเชโก (2002) ใช้ DEA เพื่อวิเคราะห์ความจุของสนามบินบราซิลประเทศ 35 เพื่อตรวจสอบซึ่งพวกเขาได้อย่างมีประสิทธิภาพในแง่ของผู้โดยสารที่ประมวลผล และการใช้ทรัพยากรที่สนามบิน Barros และ Dieke (2007) วิเคราะห์การประสิทธิภาพทางการเงิน และการดำเนินงานของสนามบินที่อิตาลีมีแผงข้อมูลสำหรับ 2001e2003 ตรวจสอบบทบาทสัมพันธ์ของมิติจัดการสถานะ และหน่วยงาน (WLU) ในการกำหนดใกล้สนามบินชายแดนของปฏิบัติการ ผลการศึกษาแสดงที่สนามบินส่วนตัว และผู้ที่ มี WLUs สูงมีคะแนนประสิทธิภาพสูงPsaraki-Kalouptsidi และ Kalakou (2011) ใช้ DEA เพื่อประเมินการประสิทธิภาพของสนามบินภาษากรีกสำหรับ 2004e2007 รอบระยะเวลา ครั้งแรกโดยประเมินโครงสร้างพื้นฐาน airside และสระให้บริการผู้โดยสารและเครื่องบิน และโดยวิเคราะห์ประสิทธิภาพทางเศรษฐกิจ ผลรวมจำนวนผู้โดยสารและความเคลื่อนไหวของเครื่องบินได้รับการคัดเลือกแสดงผล อินพุตการรวมพื้นที่ของอาคาร ผู้โดยสารพื้นที่ชั้นล่าง ออกตั้ง มาถึงบริเวณ พื้นที่และพนักงาน การดำเนินงาน airside พบให้มีประสิทธิภาพมากขึ้นโดยเฉลี่ยกว่าดำเนินการสระและสนามบิน มีมากขึ้นตรวจพบความเคลื่อนไหวของอากาศยานและผู้โดยสารให้มีประสิทธิภาพมากขึ้นAl. ร้อยเอ็ดแอดเลอร์ (2013) ศึกษาประสิทธิภาพของสนามบินยุโรป 43เป็นระยะเวลา 10 ปี โดยใช้เครือข่าย DEA ที่อธิบายไว้ในกระบวนการผลิต การเห็นผลลำดับที่แยกแสดงผลขั้นสุดท้าย และกลางรวมทั้งภายใต้บางส่วนจัดการควบคุม วิธีการเชื่อมต่อสาย และกิจกรรมเชิงพาณิชย์ผ่านผลิตภัณฑ์ระดับกลาง เครือข่ายแบบจำลองกำหนดสนามบิน multiproduct ในที่แรงงาน เงินทุน วัสดุและผู้รับเหมาช่วงของปริมาณ (ผู้โดยสารสินค้าและอากาศยานเคลื่อนไหว) ต่อรายได้นี้จากค่าธรรมเนียมที่บริษัท และเทอร์มินัลด้านพาณิชย์มีสร้างบริการผู้โดยสาร บทบาทของบุคคลที่สามส่วนหนึ่งของบริการเหล่านั้นและบทบาทของการควบคุมการจัดการทั้งหมดข้างต้นได้พิจารณาในเครือข่าย DEAแบบจำลอง ผลลัพธ์ที่มีเกณฑ์มาตรฐานเทียบเคียงเพียร์หน่วยและค่าเป้าหมายที่ทำได้ในระยะปานกลางสำหรับแต่ละสนามบิน Wanke (2012) นำเสนอเกณฑ์มาตรฐานและมีประสิทธิภาพวิเคราะห์ 63 สำคัญบราซิลสนามบิน ใช้ข้ามขนาดข้อมูลสำหรับ 2009 เริ่มต้น ด้วยวิธี bootstrapping (ดูSimar และ Wilson, 1998) หลาย DEA ประเมินสร้างขึ้นในการศึกษาปัจจุบัน มีใช้วิธีการสองมาตรฐานกระบวนการนี้ถูกใช้ โดยนักวิจัยรวมถึงBarros (2008), ชีแหล่ง และเตียว (2009), Curi et al. (2010), Tsekeris

ผลลัพธ์ (ไทย) 2:

นโยบายสำหรับการตั้งค่าค่าใช้จ่ายของผู้ใช้ นักลงทุนและนายธนาคารที่มีความสนใจในการแปรรูปการใช้สนามบินเทคนิคการเปรียบเทียบเพื่อหาโอกาสทางธุรกิจที่เป็นไปได้ เป็นผลให้การศึกษาต่างๆได้ใช้ความหลากหลายของเทคนิคในการเปรียบเทียบสนามบิน(เกรแฮม, 2005). ข้อมูล Envelopment วิเคราะห์ (DEA) ได้รับการว่าจ้างในหลาย ๆ ด้านการศึกษาเพื่อวิเคราะห์ประสิทธิภาพของสนามบินจำนวนมากทั่วโลก ปปสเป็นเทคนิคที่ไม่ใช่ตัวแปรที่ใช้ในการเขียนโปรแกรมเชิงเส้นเพื่อให้พอดีกับชายแดนขึ้นอยู่กับการปฏิบัติที่ดีที่สุด มันคือไกลโดยวิธีที่นิยมมากที่สุดในการเปรียบเทียบที่สนามบิน บางส่วนของการศึกษาโดยใช้วิธีการนี้สำหรับการประเมินประสิทธิภาพของสนามบินรวมถึงSarkis (2000), มาร์ตินและโรมัน (2001), เฟอร์นันเดและเช(2002), Barros และ Dieke (2007), Psaraki-Kalouptsidi และKalakou (2011) แอดเลอร์ et al, (2013) และ Wanke (2012) ยกตัวอย่างเช่นSarkis (2000) ที่ใช้ดีอีเอในการประเมินประสิทธิภาพการดำเนินงานของ44 สนามบินที่สำคัญของสหรัฐสังเกตว่าสายการบินที่มักจะชอบมากขึ้นสนามบินที่มีประสิทธิภาพ ปัจจัยต่างๆเช่นสนามบินเป็นศูนย์กลางของการขนส่งทางอากาศที่สำคัญสนามบินเป็นส่วนหนึ่งของระบบหลายสนามบินหรือระบบสนามบินเดียวและสิ่งแวดล้อม(snowbelt หรือไม่) ได้รับการตรวจสอบมีผลต่อประสิทธิภาพสนามบิน ปัจจัยแรกและที่สามพบว่าส่งผลกระทบต่อประสิทธิภาพการใช้สนามบินอย่างมีนัยสำคัญ. มาร์ตินและโรมัน (2001) ที่ใช้ในการวัด DEA ประสิทธิภาพของ37 สนามบินสเปนและเพื่อแยกการพิจารณานโยบายบางอย่างก่อนที่จะแปรรูป เฟอร์นันเดและเช (2002) ที่ใช้ในการวิเคราะห์การปปสความจุของ35 สนามบินในประเทศบราซิลเพื่อตรวจสอบว่าพวกเขามีประสิทธิภาพในแง่ของการประมวลผลการโดยสารและการใช้ทรัพยากรที่สนามบิน Barros และ Dieke (2007) การวิเคราะห์ผลการดำเนินงานทางการเงินและการดำเนินงานของสนามบินอิตาลีที่มีแผงข้อมูล2001e2003 ตรวจสอบบทบาทของญาติของมิติสถานะการบริหารจัดการและหน่วยภาระงาน(WLU) ในการกำหนดความใกล้ชิดของสนามบินไปยังชายแดนของการปฏิบัติที่ดีที่สุด ผลการวิจัยชี้ให้เห็นว่าสนามบินแบบส่วนตัวและผู้ที่มี WLUs ที่สูงขึ้นมีคะแนนที่สูงขึ้นอย่างมีประสิทธิภาพ. Psaraki-Kalouptsidi และ Kalakou (2011) ใช้ดีอีเอในการประเมินประสิทธิภาพของสนามบินกรีกสำหรับรอบระยะเวลา2004e2007 ครั้งแรกโดยการประเมินAirside และโครงสร้างพื้นฐาน Landside ที่จะให้บริการ ผู้โดยสารและเครื่องบินแล้วโดยการวิเคราะห์ประสิทธิภาพทางเศรษฐกิจ รวมจำนวนผู้โดยสารและการเคลื่อนไหวของเครื่องบินได้รับเลือกเป็นเอาท์พุท ปัจจัยการผลิตรวมถึงพื้นที่ทั้งหมดของอาคารผู้โดยสารบริเวณชั้นล่างบริเวณขาออกบริเวณผู้โดยสารขาเข้าเช็คอินในพื้นที่และพนักงาน การดำเนินงาน Airside พบว่ามีประสิทธิภาพมากขึ้นโดยเฉลี่ยกว่าการดำเนินงานLandside และสนามบินที่มีมากขึ้นเครื่องบินและการเคลื่อนไหวของผู้โดยสารพบว่ามีประสิทธิภาพมากขึ้น. แอดเลอร์และอัล (2013) การศึกษาประสิทธิภาพของ 43 สนามบินในยุโรปเป็นระยะเวลา10 ปีที่ผ่านมาโดยใช้เครือข่ายที่ดีอีเออธิบายขั้นตอนการผลิตแสดงให้เห็นถึงผลกระทบที่ตามลำดับแยกผลขั้นสุดท้ายและกลางรวมทั้งผู้ที่อยู่ภายใต้ส่วนการควบคุมการจัดการ วิธีการของพวกเขาเชื่อมต่อการบินและกิจกรรมเชิงพาณิชย์ผ่านทางสินค้าขั้นกลาง เครือข่ายรูปแบบที่กำหนดไว้ที่สนามบิน Multiproduct ที่แรงงานเงินทุนวัสดุและการจ้างของการบริการการผลิตปริมาณการจราจร(ผู้โดยสารสินค้าและการเคลื่อนไหวของอากาศยาน) ต่อไปนี้รายได้จากค่าใช้จ่ายเกี่ยวกับการบินและการค้าจากขั้วด้านการบริการให้กับผู้โดยสารที่ถูกสร้างขึ้น บทบาทของบุคคลที่สามให้เป็นส่วนหนึ่งของบริการเหล่านั้นและบทบาทของการจัดการการควบคุมทั้งหมดข้างต้นนอกจากนี้ยังได้รับการพิจารณาในเครือข่ายของดีอีเอรูปแบบ ผลลัพธ์ที่ได้มาตรฐานให้กับเพียร์เทียบเคียงหน่วยและค่าเป้าหมายที่เป็นไปได้ในระยะกลางสำหรับแต่ละสนามบิน Wanke (2012) นำเสนอมาตรฐานและประสิทธิภาพการวิเคราะห์จาก63 สนามบินที่สำคัญของบราซิลโดยใช้แบบตัดขวางข้อมูลสำหรับปี2009 เริ่มต้นด้วยวิธีการร่วมมือ (ดูSimar และวิลสัน, 1998) ประมาณการหลายปปสถูกสร้างขึ้น. ในการศึกษาปัจจุบันสองมาตรฐาน วิธีการขั้นตอนที่ถูกนำไปใช้. กระบวนการนี้จะถูกนำมาใช้โดยจำนวนของนักวิจัยรวมทั้งBarros (2008), Chi-Lok และจาง (2009), et al, Curi (2010), Tsekeris