Analýza efektívnosti pomocou metód DEA a SFA v simulovanom prostredí

Práce se zabývá zkoumáním vybraných metod odhadu technické efektivnosti – stochastické analýzy hranic (SFA) a analýzy obalu dat (DEA) v různých simulačních scénářích. Pomocí Monte Carlo simulací je zkoumána jejich přesnost, robustnost vůči nesprávné specifikaci modelu, citlivost na velikost vzorku, typ šumu a strukturu dat. V každém scénáři byly známé skutečné hodnoty efektivnosti, což umožnilo objektivní porovnání výstupů modelů s realitou. Hodnocení bylo založeno na metrikách, jako je průměrná absolutní odchylka (MAD), směrová odchylka (MD), pořadí efektivnosti (Spearmanova a Kendallova korelace) a dalších. Výsledky ukazují, že správně specifikovaný model SFA je robustnější vůči chybě ve funkční formě než vůči chybné distribuci. DEA modely podávají stabilní výkony v jednodušších podmínkách, ale jsou citlivější na šum a vyšší dimenzionalitu. Zjištění této práce přispívají k lepšímu pochopení volby vhodné metody analýzy efektivnosti v závislosti na charakteru dostupných dat.

This thesis investigates selected methods for estimating technical efficiency—Stochastic Frontier Analysis and Data Envelopment Analysis across various simulation scenarios. Using Monte Carlo simulations, the study examines the accuracy of these methods, their robustness to model misspecification, and their sensitivity to sample size, noise structure, and data characteristics. In each scenario, true efficiency values were known, allowing for an objective comparison of model outputs with reality. Evaluation was based on metrics such as Mean Absolute Deviation (MAD), Mean Deviation (MD), efficiency ranking correlations (Spearman, Kendall) and more. The results show that a correctly specified SFA model is more robust to functional form misspecification than to distributional misspecification. DEA models demonstrate stable performance under simpler conditions but are more susceptible to noise and higher dimensionality. The findings of this study contribute to a better understanding of how to select an appropriate efficiency estimation method depending on the nature of the available data.