Məlumat Zərfinin Təhlili (Data Envelopment Analysis, DEA), oxşar qərarvermə vahidlərinin müəyyən girişlərlə əldə etdikləri çıxışları müqayisə etməklə nisbi səmərəlilik sərhədi yaradan qeyri-parametrik üsuldur. Maya Tsoklinova tərəfindən aparılan tədqiqat 2016–2023 dövründə Mərkəzi və Şərqi Avropanın (Central and Eastern Europe, CEE) Avropa İttifaqına üzv 11 ölkəsində sosial müdafiə xərclərinin yoxsulluq və gəlir bölgüsü nəticələri ilə əlaqəli nisbi səmərəliliyini DEA ilə, zaman üzrə ümumi faktor məhsuldarlığındakı dəyişikliyi isə Malmquist Məhsuldarlıq İndeksi (Malmquist Productivity Index, MPI) ilə araşdırır.

Tədqiqatda sosial müdafiə xərclərinin ümumi daxili məhsula nisbəti yeganə giriş kimi istifadə edilir və üç input-oriented BCC DEA modeli qiymətləndirilir. Model 1 gəlir bərabərsizliyi ilə standart yoxsulluq riskini, Model 2 gəlir bərabərsizliyi ilə daha ağır yoxsulluğu, Model 3 isə gəlir bərabərsizliyi ilə əhalinin ən aşağı gəlirli %40 hissəsinin ümumi gəlirdən aldığı payı birlikdə qiymətləndirir. BCC quruluşu miqyas üzrə dəyişən gəlirlər (Variable Returns to Scale, VRS) fərziyyəsinə əsaslanır.

DEA nəticələri ümumilikdə yüksək nisbi texniki səmərəlilik göstərir. Model 1-də illik orta VRS texniki səmərəliliyi 0,91–0,94, Model 2-də 0,92–0,95 və Model 3-də 0,89–0,92 aralığındadır. Çexiya və Slovakiya ilk iki modeldə 2016–2023 dövrünün bütün illərində səmərəlilik sərhədində yer alarkən, Rumıniya və Macarıstan da əksər illərdə 1-ə bərabər və ya ona çox yaxın ballar əldə edir. Xorvatiya, Polşa və Sloveniya isə əksər dövrlərdə nisbətən aşağı səmərəlilik göstərir.

Lakin üçüncü model mühüm bir fərq ortaya qoyur. Çexiya yoxsulluq göstəricilərinə əsaslanan ilk iki modeldə səmərəlilik sərhədində olsa da, əhalinin ən aşağı gəlirli %40 hissəsinin gəlir payı nəzərə alındıqda eyni mövqeyi qoruya bilmir. Bu nəticə aşağı yoxsulluq riskinin sosial müdafiə sisteminin gəlir bölgüsünün aşağı təbəqələrinə dair performansı ilə həmişə eyni məna daşımadığını göstərir.

Malmquist təhlili də dövrlər arasında fərqli bir quruluş göstərir. Yoxsulluq yönümlü Model 1 və Model 2-də COVID-19-dan əvvəl məhsuldarlıq fərqləri daha çox texniki səmərəlilik dəyişikliyindən qaynaqlanarkən, 2019–2020 şokunda bütün ölkələrdə məhsuldarlıq azalır və istehsal/səmərəlilik sərhədindəki texnoloji dəyişiklik əsas müəyyənedici amilə çevrilir. 2020–2023 dövründə isə ölkələrin çoxunda məhsuldarlıq yenidən artır və yaxşılaşmanın mühüm hissəsi TECHCH komponentindən gəlir. Gəlir bölgüsü yönümlü Model 3-də isə dövr boyunca ölkələr arasındakı məhsuldarlıq fərqləri əsasən texniki səmərəlilik dəyişikliyi ilə əlaqəlidir.

Sosial müdafiə xərclərinin səmərəliliyi niyə yalnız xərc səviyyəsi ilə ölçülə bilməz?

Sosial müdafiə sistemləri xəstəlik, əlillik, qocalıq, ölüm sonrası hüquqlar, ailə və uşaq dəstəkləri, işsizlik, mənzil və sosial təcrid kimi çoxsaylı sosial riskləri əhatə edir. Bu siyasətlər mühüm maliyyə resursları tələb edir. Lakin yüksək xərc səviyyəsi təkbaşına aşağı yoxsulluq və ya daha bərabər gəlir bölgüsü demək deyil.

İki ölkə ÜDM-in oxşar hissəsini sosial müdafiəyə ayıra bilər, lakin eyni resurs səviyyəsi ilə fərqli sosial nəticələr əldə edə bilər. Bunun səbəbi yardımın dizaynı, hədəfləmə, institusional potensial, demoqrafik quruluş, əmək bazarı şərtləri və iqtisadi mühit kimi çoxsaylı amillər ola bilər.

Buna görə bu tədqiqatın əsas sualı “hansı ölkə daha çox xərcləyir?” deyil. Tədqiqat müşahidə olunan sosial nəticələri nəzərə alaraq ölkələrin istifadə etdiyi sosial müdafiə resurslarının nisbi səmərəliliyini qiymətləndirir.

DEA səmərəlilik balı nə deməkdir?

DEA səmərəlilik balı eyni nümunədəki qərarvermə vahidlərinin müəyyən girişlərlə istehsal etdiyi çıxışların müqayisəsi ilə qurulan empirik səmərəlilik sərhədinə görə nisbi mövqeni göstərir. BCC modelində balın 1 olması vahidin müşahidə edilən nümunə daxilində səmərəlilik sərhədində olduğunu, 1-dən aşağı bal isə eyni çıxış səviyyələrini daha az girişlə təmin edən istinad vahidlərinin mövcud olduğunu ifadə edir.

Buna görə DEA-da “səmərəli ölkə” ifadəsi sosial müdafiə sisteminin mütləq mənada qüsursuz olduğu anlamına gəlmir. Nəticə yalnız istifadə olunan giriş və çıxışlar, təhlil dövrü və müqayisə edilən ölkələr kontekstində nisbi səmərəlilikdir.

BCC və CCR modelləri arasındakı fərq

DEA ədəbiyyatında CCR modeli miqyas üzrə sabit gəlirlər (Constant Returns to Scale, CRS) fərziyyəsindən istifadə edir, BCC modeli isə miqyas üzrə dəyişən gəlirlərə imkan verir. Tədqiqatda əsas seçim BCC-VRS modelidir.

Bunun səbəbi sosial müdafiə sistemlərinin eyni böyüklükdə və ya eyni institusional miqyasda işləməməsidir. Ölkələr əhali, iqtisadi quruluş, maliyyə imkanları və sosial sistem dizaynı baxımından fərqləndiyinə görə bütün qərarvermə vahidlərinin optimal miqyasda işlədiyini fərz etmək əvəzinə, miqyas fərqlərinə imkan verən VRS yanaşmasından istifadə olunur.

Niyə input-oriented model seçilib?

Input-oriented DEA mövcud çıxış səviyyələri qorunarkən girişin nə qədər azaldıla biləcəyini qiymətləndirir. Tədqiqatın məqsədi müəyyən yoxsulluq və gəlir bölgüsü nəticələrini qoruyarkən sosial müdafiə resurslarından istifadənin nisbi səmərəliliyini qiymətləndirmək olduğuna görə input-oriented quruluş seçilib.

Output-oriented model başqa bir tədqiqat sualına cavab verərdi: müəyyən xərc səviyyəsi sabit saxlanıldıqda sosial nəticələr nə qədər yaxşılaşdırıla bilər? Mənbə tədqiqat bu sualı deyil, resurslardan istifadə səmərəliliyini araşdırır.

BCC modelinin riyazi quruluşu

Mənbədə istifadə olunan input-oriented BCC modelinin əsas xətti proqramlaşdırma quruluşu belədir:

\[ \theta^*=\min \theta \]

aşağıdakı şərtlərlə:

\[ \sum_{j=1}^{n}\lambda_j x_{ij}\leq\theta x_{i0}, \quad i=1,2,\ldots,m \]

\[ \sum_{j=1}^{n}\lambda_j y_{rj}\geq y_{r0}, \quad r=1,2,\ldots,s \]

\[ \sum_{j=1}^{n}\lambda_j=1 \]

\[ \lambda_j\geq0 \]

Burada \(\theta^*\) qiymətləndirilən qərarvermə vahidinin səmərəlilik balıdır. \(\theta^*=1\) səmərəlilik sərhədində olmağı, \(\theta^*<1\) isə nisbi səmərəlilik boşluğunu ifadə edir.

\(\lambda_j\) əmsalları qiymətləndirilən ölkə üçün hipotetik istinad nöqtəsinin yaradılmasında digər qərarvermə vahidlərinin töhfəsini göstərir.

Miqyas səmərəliliyi

Tədqiqat xalis texniki səmərəliliklə yanaşı miqyas səmərəliliyini də qiymətləndirir. Miqyas səmərəliliyi CRS altında hesablanan texniki səmərəliliyin VRS texniki səmərəliliyinə nisbətidir:

\[ SE=\frac{CRSTE}{VRSTE} \]

SE dəyərinin 1-ə yaxınlaşması qərarvermə vahidinin optimal miqyasa yaxın işlədiyini göstərir. Tədqiqatda üç modelin hamısında orta miqyas səmərəliliyi ümumilikdə yüksəkdir; illik ortalamalar əsasən təxminən 0,91–0,99 aralığındadır.

Tədqiqatda sosial müdafiə səmərəliliyi hansı göstəricilərlə ölçülür?

Üç modelin hamısında yeganə giriş ESSPROS metodologiyasına görə ölçülən ümumi sosial müdafiə xərclərinin ÜDM-ə nisbətidir. ESSPROS yalnız mərkəzi dövlət xərclərini deyil, harmonizasiya olunmuş uçot quruluşu daxilində müxtəlif institusional sektorlar tərəfindən maliyyələşdirilən sosial müdafiə sistemlərini əhatə etdiyinə görə ölkələrarası müqayisəyə imkan verir.

Gini əmsalı və yoxsulluq dərəcələri “daha aşağı olması daha yaxşıdır” tipli arzuolunmaz çıxışlardır. DEA modelində daha yüksək çıxış dəyərinin müsbət performansı təmsil etməsi tələb olunduğuna görə tədqiqat bu göstəriciləri:

\[ y_i^*=100-y_i \]

çevrilməsi ilə arzuolunan çıxışlara çevirir.

Model 1 və Model 2 şərti olaraq yoxsulluq yönümlü, Model 3 isə gəlir bölgüsü yönümlü model kimi təsnif edilir.

Araşdırılan ölkələr

Təhlil harmonizasiya olunmuş ESSPROS və EU-SILC məlumatlarının 2016–2023 dövrünün tamamı üçün mövcud olduğu Mərkəzi və Şərqi Avropanın 11 Aİ üzvünü əhatə edir:

• Bolqarıstan
• Xorvatiya
• Çexiya
• Estoniya
• Macarıstan
• Latviya
• Litva
• Polşa
• Rumıniya
• Slovakiya
• Sloveniya

Hər DEA modeli yalnız bir giriş və iki çıxışdan istifadə etdiyinə görə 11 qərarvermə vahidi, mənbədə qeyd edilən və DMU sayının ümumi giriş və çıxış sayının ən azı üç qatı olmasını tövsiyə edən ümumi qaydanı qarşılayır.

2016–2023 dövründə sosial göstəricilər necə dəyişdi?

Nümunə ortalamasında sosial müdafiə xərcləri 2016-cı ildə ÜDM-in %18,25-i səviyyəsindən başlayaraq COVID-19 dövründə artmış və 2020-ci ildə %20,49-a çatmışdır. Xərc nisbəti daha sonra azalaraq 2023-cü ildə %19,21 olmuşdur.

Bu dəyişikliklər nümunə səviyyəsində təsviri meyllərdir. DEA təhlili bu göstəricilərdəki yaxşılaşmanın sosial müdafiə xərcləri tərəfindən səbəbiyyət əlaqəsi ilə yaradıldığını sübut etmir.

Malmquist Məhsuldarlıq İndeksi DEA-dan hansı baxımdan fərqlənir?

DEA müəyyən bir ildə ölkələrin nisbi səmərəlilik mövqeyini ölçdüyü halda, Malmquist Məhsuldarlıq İndeksi ümumi faktor məhsuldarlığının iki dövr arasında necə dəyişdiyini ölçür. MPI məhsuldarlıq dəyişikliyini texniki səmərəlilikdəki “yaxalama” dəyişikliyi ilə səmərəlilik sərhədinin özündəki dəyişikliyə ayırır.

Mənbədə əsas ayrışdırma:

\[ MPI^{t,t+1}=EFFCH^{t,t+1}\times TECHCH^{t,t+1} \]

şəklindədir.

• MPI > 1: ümumi faktor məhsuldarlığında artım.
• MPI = 1: məhsuldarlıqda dəyişiklik yoxdur.
• MPI < 1: ümumi faktor məhsuldarlığında azalma.
• EFFCH: qərarvermə vahidinin mövcud səmərəlilik sərhədinə yaxınlaşması və ya sərhəddən uzaqlaşması.
• TECHCH: empirik istehsal/səmərəlilik sərhədinin dövrlər arasında yer dəyişməsi.

Tədqiqat MPI-ni VRS texnologiyası altında hesablayır və dövrü üç hissəyə ayırır: 2016–2019 pandemiyadan əvvəlki dövr, 2019–2020 ilk COVID-19 şoku və 2020–2023 pandemiyadan sonrakı bərpa dövrü. Çoxillik dövrlərdə MPI, EFFCH və TECHCH dəyərlərinin həndəsi ortalarından istifadə olunur.

Mənbə EFFCH və ya TECHCH dəyişikliyinin birbaşa müəyyən idarəetmə islahatını və ya siyasət qərarını sübut etmədiyini xüsusi vurğulayır. Bu komponentlər empirik səmərəlilik sərhədinə görə dəyişikliyi ölçür; onun altında yatan səbəbi özləri müəyyən etmir.

Tədqiqatın Metodu və Nəticələri

Model 1: Gəlir bərabərsizliyi və ümumi yoxsulluq riski

Model 1 sosial müdafiə xərclərinin Gini əmsalı və median ekvivalent sərəncamda olan gəlirin %60-dan aşağısında qalan əhalinin payı ilə əlaqəli nisbi səmərəliliyini araşdırır.

İllik orta BCC texniki səmərəlilik balları 2016–2023 boyunca 0,91 ilə 0,94 arasında dəyişmişdir. Bu nəticə nümunə üzrə xalis texniki səmərəliliyin kifayət qədər yüksək və zaman ərzində nisbətən sabit olduğunu göstərir.

Çexiya və Slovakiya bütün illərdə 1,00 VRSTE balı əldə edir. Rumıniya da əksər illərdə səmərəlilik sərhədində yerləşərkən, Macarıstan 2019-cu ildən etibarən 1,00 dəyərinə çatır.

Polşa, Xorvatiya və Sloveniya isə dövrün böyük hissəsində nümunə daxilində daha aşağı texniki səmərəlilik balları qeydə alır. Bolqarıstan orta qrupdadır.

Model 2: Gəlir bərabərsizliyi və ağır yoxsulluq

Model 2-də %60 yoxsulluq həddi əvəzinə median ekvivalent sərəncamda olan gəlirin %40-dan aşağısında qalan əhali istifadə edilmişdir. Beləliklə, ən aşağı gəlirli qruplara dair daha sərt yoxsulluq meyarı qiymətləndirilmişdir.

İllik orta VRSTE dəyərləri 0,92–0,95 aralığındadır. Model 1 və Model 2 üzrə ölkə sıralamalarının böyük ölçüdə oxşar olması əsas səmərəlilik fərqlərinin seçilmiş iki yoxsulluq həddindən güclü şəkildə təsirlənmədiyini göstərir.

Slovakiya və Çexiya yenə bütün dövr boyunca səmərəlilik sərhədində qalır. Rumıniya, Estoniya və Macarıstan da yüksək dəyərlərə malikdir.

Model 3: Gəlir bərabərsizliyi və ən aşağı gəlirli %40 hissənin payı

Model 3-də yoxsulluq dərəcəsi əvəzinə əhalinin ən aşağı gəlirli %40 hissəsinin ümumi gəlirdən aldığı pay istifadə olunur. Bu model sosial müdafiə xərclərinin yalnız yoxsulluq həddindən aşağıda qalan əhali ilə deyil, gəlir bölgüsünün aşağı hissəsinin ümumi iqtisadi resurslardan aldığı payla əlaqəli nisbi səmərəliliyini qiymətləndirir.

İllik orta VRSTE dəyərləri 0,89–0,92 aralığındadır və ilk iki modelə nisbətən bir qədər aşağıdır.

Model 3-ün ən mühüm nəticəsi Çexiyadakı dəyişiklikdir. Çexiya ilk iki modeldə bütün dövr boyunca səmərəlilik sərhədində olduğu halda, Model 3-də dövr ortalaması təxminən 0,93-ə enir.

Mənbə bu nəticəni belə şərh edir: ümumi yoxsulluq riskində müsbət performans göstərmək gəlir bölgüsünün ən aşağı %40 hissəsinin payı baxımından eyni dərəcədə müsbət nəticə demək olmaya bilər.

Slovakiya isə üç modelin hamısında yüksək performansını qoruyur və Model 3-də də bütün dövr boyunca səmərəlilik sərhədində qalır.

COVID-19 sosial müdafiə məhsuldarlığına necə təsir etdi?

Malmquist nəticələri COVID-19-un təsirinin istifadə olunan çıxış tərifinə görə fərqli göründüyünü göstərir. Yoxsulluq yönümlü Model 1 və Model 2-də 2019–2020 dövründə 11 ölkənin hamısında MPI 1-dən aşağı düşmüş və məhsuldarlıq azalmasının əsas mənbəyi TECHCH olmuşdur. Buna qarşı gəlir bölgüsü yönümlü Model 3-də eyni dövrdə bəzi ölkələrdə MPI güclü şəkildə artmış və dəyişikliklər daha çox EFFCH komponentindən qaynaqlanmışdır.

Model 1 MPI nəticələri

2016–2019 pandemiyadan əvvəlki dövrdə Model 1-in MPI dəyərləri əksər ölkələr üçün 1-ə yaxındır. Ən güclü artım Macarıstanda müşahidə olunur:

Macarıstan MPI = 1,0449.

Latviya 0,9810, Litva 0,9857 və Rumıniya 0,9965 ilə məhdud azalma göstərir. Ölkələr arasındakı fərqlərin mühüm hissəsi EFFCH dəyişikliyindən qaynaqlanarkən TECHCH daha homogen xarakter daşıyır.

2019–2020 dövründə 11 ölkənin hamısında MPI 1-dən aşağıdır. Nümunə dəyərlər:

TECHCH dəyərlərinin bütün ölkələrdə 1-dən aşağı olması empirik səmərəlilik sərhədinin pandemiya şoku zamanı mənfi istiqamətdə hərəkət etdiyini göstərir. Mənbə bunu daha çətin sosial və iqtisadi mühitlə əlaqələndirməyin məntiqli olduğunu bildirsə də, MPI-nin bunun səbəbini öz-özünə müəyyən etmədiyini vurğulayır.

2020–2023 dövründə ölkələrin çoxunda bərpa müşahidə olunur. Ən güclü orta MPI artımları Xorvatiya, Litva, Sloveniya və Rumıniyada görülür. Slovakiya 0,9887 ilə bu dövrdə Model 1-də MPI-si 1-dən aşağı qalan yeganə ölkədir.

Model 2 MPI nəticələri

Ağır yoxsulluq göstəricisinə əsaslanan Model 2-nin zaman profili Model 1-ə olduqca yaxındır.

Pandemiyadan əvvəl ölkələrin çoxunda MPI 1-ə yaxın olmuş, Macarıstan isə 1,0437 ilə ən güclü artımlardan birini göstərmişdir. 2019–2020 dövründə bütün ölkələrin MPI dəyərləri yenidən 1-dən aşağı düşür.

2020–2023-cü illərdə isə doqquz ölkənin MPI dəyəri 1-dən yuxarıdır. Yalnız Bolqarıstan 0,9958 və Slovakiya 0,9896 ilə 1-dən aşağı qalır.

Model 2-də pandemiyadan sonra TECHCH bütün ölkələrdə 1-dən yuxarıdır. Buna baxmayaraq Bolqarıstan və Slovakiyada EFFCH azalması texnoloji/sərhəd dəyişikliyinin müsbət töhfəsini tam kompensasiya edə bilmir.

Model 3 MPI nəticələri niyə fərqlidir?

Model 3-də məhsuldarlıq dinamikası daha heterogendir və dəyişikliklər əsasən EFFCH ilə əlaqəlidir. TECHCH əksər hallarda 1-ə yaxın qalır və ya daha məhdud dəyişir.

2016–2019 dövründə Rumıniya 1,0979, Slovakiya 1,0823 və Polşa 1,0718 ilə nisbətən güclü məhsuldarlıq artımı göstərir. Estoniya 0,9257 və Xorvatiya 0,9490 ilə daha nəzərəçarpan azalma qeydə alır.

2019–2020 dövründə Model 1 və Model 2-dən fərqli olaraq bəzi ölkələrdə güclü MPI artımı var:

Mənbə Xorvatiya, Macarıstan, Estoniya və Latviyadakı artımların əsasən texniki səmərəlilik dəyişikliyindən qaynaqlandığını bildirir. Əksinə, Slovakiya, Sloveniya, Rumıniya və Çexiyadakı azalmalar da böyük ölçüdə EFFCH geriləməsi ilə əlaqəlidir.

2020–2023 dövründə Slovakiya 1,0666, Sloveniya 1,0655 və Çexiya 1,0642 ilə Model 3-də ən güclü məhsuldarlıq artımlarını göstərdiyi halda, Latviya 0,9253 və Litva 0,9284 ən böyük geriləmələr arasındadır.

Üç model birlikdə nə deyir?

Bu fərq yoxsulluq meyarları ilə gəlir bölgüsünün aşağı hissəsinə dair göstəricinin sosial müdafiə sistemlərinin performansının fərqli ölçülərini əks etdirdiyini göstərir.

Miqyas səmərəliliyi və 2023-cü il gəlirləri

Üç modelin hamısında miqyas səmərəliliyi yüksəkdir və ölkələrin çoxu optimal fəaliyyət miqyasına yaxın görünür. 2023-cü ildə üç model üzrə returns-to-scale təsnifatları tamamilə eyni olur.

• Miqyas üzrə artan gəlirlər (IRS): Bolqarıstan, Xorvatiya, Estoniya, Latviya, Litva və Rumıniya.
• Miqyas üzrə azalan gəlirlər (DRS): Çexiya, Polşa, Slovakiya və Sloveniya.
• Miqyas üzrə sabit gəlirlər (CRS): Macarıstan.

Yüksək miqyas səmərəliliyinə görə mənbə ölkələr arasındakı performans fərqlərini yalnız sosial müdafiə sistemlərinin miqyasını dəyişməklə izah etməyin çətin olduğunu bildirir.

Tədqiqatın elmi şərh həddi

Bu tədqiqatdakı yüksək DEA balı bir ölkənin sosial müdafiə sisteminin ictimai baxımdan ideal olduğu və ya daha aşağı xərcin mütləq mümkün olduğu anlamına gəlmir. DEA yalnız nümunə daxilində mövcud giriş və çıxış kombinasiyalarını müqayisə edir.

Eyni şəkildə, tədqiqat “sosial müdafiə xərclərinin artması yoxsulluğu bu qədər azaldır” formasında səbəbiyyət əmsalı qiymətləndirmir. Giriş və çıxışlar eyni müşahidə dövrünə aiddir və DEA statik benchmarking alətidir.

MPI ayrışdırması da EFFCH dəyişikliyinin birbaşa daha yaxşı idarəetmədən, TECHCH dəyişikliyinin isə birbaşa müəyyən islahatdan qaynaqlandığını sübut etmir. Bunlar empirik səmərəlilik sərhədinə görə ölçülən dəyişikliklərdir. Makroiqtisadi şərtlər, demoqrafiya, məlumat səhvləri, xarici böhranlar, institusional quruluş və siyasət dizaynı kimi başqa amillər də nəticələrə təsir edə bilər.

Tədqiqatın ümumi nəticəsi

Tədqiqat göstərir ki, ortaq sosialist keçmişə, Aİ üzvlüyünə və oxşar yaxınlaşma proseslərinə baxmayaraq Mərkəzi və Şərqi Avropa ölkələrinin sosial müdafiə sistemlərində vahid tipli performans yoxdur.

İlk iki yoxsulluq yönümlü modeldə Çexiya və Slovakiya xüsusilə güclü göründüyü halda, gəlir bölgüsünün ən aşağı %40 hissəsi nəzərə alındıqda Çexiyanın nisbi mövqeyi zəifləyir. Bu nəticə yoxsulluğun azaldılması ilə gəlir bölgüsü performansının eyni sosial siyasət ölçüsü olmadığını göstərir.

COVID-19 dövrü də modelə görə fərqli davranır. Ümumi və ağır yoxsulluq yönümlü modellərdə 2019–2020 şoku bütün ölkələrdə məhsuldarlıq azalması yaratdığı halda, gəlir bölgüsü yönümlü model daha mürəkkəb və ölkəyə xas mənzərə göstərir.

Mənbə gələcəkdə təhlilin daha geniş Avropa ölkələri qrupuna yayılmasını və ölkələr arasındakı səmərəlilik/məhsuldarlıq fərqlərinin səbəblərini izah edə biləcək sosial müdafiə dizaynı, demoqrafiya, əmək bazarı, makroiqtisadi mühit, institusional keyfiyyət və siyasətin icrası kimi amillərin ayrıca araşdırılmasını tövsiyə edir.

Mənbə və Metod Qeydi

Orijinal tədqiqatın adı: Assessing the Efficiency and Total Factor Productivity of Social Protection Expenditure: A Study of CEE Countries

Müəllif: Maya Tsoklinova

Qurum: Department of Economics, University of National and World Economy, Sofia, Bulgaria.

Jurnal: Economies

Nəşriyyat: MDPI, Basel, Switzerland

Biblioqrafik qeyd: Economies 2026, 14, 326

DOI: 10.3390/economies14080326

Təqdim tarixi: 28 iyun 2026

Reviziya tarixi: 31 iyul 2026

Qəbul tarixi: 3 avqust 2026

Nəşr tarixi: 6 avqust 2026

Mənbə növü: Harmonizasiya olunmuş ikinci dərəcəli Avropa məlumatları ilə aparılmış müqayisəli, qeyri-parametrik səmərəlilik və ümumi faktor məhsuldarlığı təhlili.

Məlumat mənbələri: Eurostat; European System of Integrated Social Protection Statistics (ESSPROS); EU Statistics on Income and Living Conditions (EU-SILC).

Araşdırılan dövr: 2016–2023.

Qərarvermə vahidləri: Mərkəzi və Şərqi Avropanın Aİ-yə üzv 11 ölkəsi.

Əsas metod: Input-oriented BCC Data Envelopment Analysis, Variable Returns to Scale.

Məhsuldarlıq metodu: VRS altında Malmquist Productivity Index; ümumi faktor məhsuldarlığındakı dəyişiklik EFFCH və TECHCH komponentlərinə ayrılmışdır.

Maliyyələşdirmə: Tədqiqat UNWE Research Programme, Research Grant No. 13/2025 tərəfindən maliyyələşdirilmişdir. Məqalənin emal haqqı da eyni tədqiqat proqramı tərəfindən ödənilmişdir.

Etik komitə: Tətbiq edilmir.

Məlumatlandırılmış razılıq: Tətbiq edilmir.

Məlumatların əlçatanlığı: Tədqiqat Eurostat-da açıq şəkildə əlçatan olan ESSPROS və EU-SILC məlumatlarından istifadə edir.

Təşəkkür: Müəllif UNWE Research Programme tərəfindən təmin edilən Research Grant No. 13/2025 maliyyə dəstəyini qeyd edir.

Maraqların toqquşması: Müəllif maraqların toqquşmasının olmadığını bildirir.

Lisenziya: Creative Commons Attribution (CC BY).

Əsas metodoloji məhdudiyyətlər: DEA nəticələri nisbidir və nümunədən asılıdır. Girişlər və çıxışlar eyni dövrlərdən götürülmüşdür; tədqiqat dinamik səbəbiyyət modeli deyil. EFFCH və TECHCH dəyişiklikləri müəyyən idarəetmə, institusional və ya siyasət mexanizmlərinin səbəbiyyət təsirini müəyyən etmir. Təhlil Mərkəzi və Şərqi Avropanın Aİ-yə üzv 11 ölkəsi və mövcud ESSPROS/EU-SILC dəyişənləri ilə məhdudlaşır. Sosial müdafiə sisteminin dizaynı, demoqrafik quruluş, əmək bazarı, makroiqtisadi mühit və institusional keyfiyyət kimi ölkələrarası fərqlərin səbəbləri bu tədqiqatda birbaşa modelləşdirilməmişdir.