Spatial statistical methods applied to the 2015 brazilian energy distribution benchmarking model: accounting for unobserved determinants of inefficiencies

Guilherme Doco Roberti Gil

Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/RAOA-BB9KHB

Full metadata record

DC Field	Value	Language
dc.contributor.advisor1	Marcelo Azevedo Costa	pt_BR
dc.creator	Guilherme Doco Roberti Gil	pt_BR
dc.date.accessioned	2019-08-10T22:57:35Z	-
dc.date.available	2019-08-10T22:57:35Z	-
dc.date.issued	2016-04-23	pt_BR
dc.identifier.uri	http://hdl.handle.net/1843/RAOA-BB9KHB	-
dc.description.resumo	Em 2015 o regulador brasileiro de energia elétrica, ANEEL, apresentou um modelo de benchmarking, baseado no DEA (Data Envelopment Analysis), para definir as metas de custos operacionais para as 61 concessionárias de distribuição de energia elétrica, a serem alcançadas em 4 anos. O modelo DEA utiliza os custos operacionais ajustados como variável de insumo, sete variáveis de produtos e restrições nos pesos. Embora variáveis não-discricionárias ou variáveis ambientais estivessem disponíveis no banco de dados, o regulador argumentou que não foram encontradas relações estatísticas significativas entre os escores de eficiência do modelo DEA e as variáveis não-discricionárias. Este estudo avalia a relação entre os escores de eficiência da DEA e as variáveis ambientais disponíveis. Além disso, métodos de estatística espacial são utilizados para mostrar que os escores de eficiência calculados pelo regulador são geograficamente correlacionados. Devido à diversidade ambiental e o grande território geográfico é improvável que apenas um componente ambiental é suficiente para corrigir as eficiências em todos os territórios brasileiros. Dessa forma, uma nova variável ambiental combinada é proposta. Por fim é apresentado um modelo de segundo estágio utilizando a variável ambiental proposta e uma estrutura espacial latente. Os resultados apresentaram grandes diferenças entre os escores de eficiência originais e os corrigidos, principalmente para as concessionárias de distribuição de energia elétrica localizadas em ambientes mais hostis e que originalmente apresentaram escores de eficiência baixo. Existem muitas alternativas apresentadas na literatura para contabilizar o impacto das variáveis ambientais nos modelos de Benchmarking. Por exemplo, em modelos SFA e StoNED as variáveis ambientais podem ser incluídas diretamente com as variáveis de insumo e de produtos. Então, o modelo pode ser estimado em um estágio. O segundo estágio do DEA requer fortes suposições entre as variáveis no primeiro e segundo estágios. Uma suposição importante é que as variáveis ambientais e as variáveis do primeiro estágio sejam independentes, a fim de produzir estimadores não viesados. Isto evidentemente não é o caso do modelo Benchmarking das distribuidoras brasileiras de energia elétrica, uma vez que o melhor modelo de segundo estágio inclui a e.variable que está correlacionada com a variável consumidor-hora de energia interrompida (CHI), incluída no primeiro estágio do modelo. No entanto, Yu et al. (2009) utilizam as variáveis ambientais que foram correlacionados com as variáveis do primeiro estágio	pt_BR
dc.language	Português	pt_BR
dc.publisher	Universidade Federal de Minas Gerais	pt_BR
dc.publisher.initials	UFMG	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Engenharia de produção	pt_BR
dc.subject.other	Teoria bayesiana de decisão estatistica	pt_BR
dc.subject.other	Engenharia de produção	pt_BR
dc.title	Spatial statistical methods applied to the 2015 brazilian energy distribution benchmarking model: accounting for unobserved determinants of inefficiencies	pt_BR
dc.type	Dissertação de Mestrado	pt_BR
Appears in Collections:	Dissertações de Mestrado

Files in This Item:

File	Description	Size	Format
disserta__o_gil__guilherme.pdf		2.99 MB	Adobe PDF	View/Open

Show simple item record