Magma topp logo Til forsiden Econa

Endre Bjørndal er dr. oecon og førsteamanuensis ved NHH, og forsker/underviser innenfor økonomiskstyring, operasjonsanalyse og produksjonsstyring.

Mette Bjørndal er førsteamanuensis ved Institutt for foretaksøkonomi, NHH. Hun er utdannet siviløkonom og dr. oecon fra NHH.

Trond Bjørnenak er dr. oecon og professor ved NHH og Høgkolen i Agder, samt programdirektør for NHHs Executive MBA i Økonomisk styring og ledelse.

Effektivitetskrav og kostnadsgruppering for regulering av nettselskaper

Et sentralt moment ved inntektsregulering av monopolvirksomheter er fastsettelse av effektivitetsnormer. Valget av slike normer må gjøres i flere dimensjoner. For eksempel kan en effektivitetsnorm fastsettes på grunnlag av kostnadsdata fra alle regulerte aktører eller basert på enkeltobservasjoner, den kan settes til en aggregert størrelse for hele virksomheten eller til ulike krav for ulike deler av virksomheten, til enkelte innsatsfaktorer eller til et samlet mål for alle innsatsfaktorer.

I denne artikkelen vil vi diskutere muligheter for å øke informasjonsinnholdet i kravstillingen ved å splitte de totale kostnadene i ulike kostnadsgrupper. Fokuset vårt er på hvilke fordeler en kostnadsgruppering vil kunne ha i forhold til en mer aggregert modell, hvilke faktorer som bør være bestemmende for grupperingen og ikke minst hvordan en normbasert regulering for de ulike kostnadsgruppene bør implementeres.

Utgangspunktet for denne problemstillingen er beskrevet i Bjørndal et al. (2003), hvor egenskaper ved en aktivitetsbasert normmodell for distribusjonsnett i kraftsektoren diskuteres. Forskjellen mellom dagens DEA-analyse (datainnhylningsanalyse) og en ABC-modell fremstilles her som vist i figur 1.

DEA-modell versus aktivitetsbasert (ABC) modell.

figur

Figuren illustrerer at nettvirksomhetens kostnadsbase kan grupperes på forskjellige måter for reguleringsformål. På den ene side har man DEA-analyser1 (som i dagens reguleringsregime benyttes til å fastsette effektivitetskrav) der det ikke foretas noen gruppering av kostnader i forhold til ansvarssted eller oppgaver/aktiviteter, og effektivitet måles gjennom forhold mellom ulike input- og outputmål (og gitte produksjonsparametere). Merk at manglende kostnadsgruppering ikke har med DEA-analyser i seg selv å gjøre, men med hvordan metoden ofte brukes. DEA-analyser kan selvsagt brukes på ulike kostnadsgrupper. I dagens reguleringsmodell deles kostnadsbasen for eksempel inn i distribusjonsnett og regionalnett, noe som forutsetter at man foretar en fordeling av ulike kostnader for bl.a. støtteaktiviteter på disse objektene.

En fordel ved DEA-metoden er at man slipper å spesifisere en funksjonell form på produktfunksjonen, mens ulempen er at dette samtidig gjør det vanskelig å forklare årsaken til et spesifikt selskaps (in)effektivitet. Virksomheten behandles som en svart boks, noe som for det første gjør det vanskelig for aktørene å målrette forbedringstiltak, og for det andre undergraver legitimiteten til modellene (det blir vanskelig å imøtegå bortforklaringer). En annen sentral problemstilling i DEA-analysen er inndelingen av ulike innsatsfaktorer. Problemstillingen her er hvilke innsatsfaktorer som skal spesifiseres, og hvordan disse skal måles. En tredje viktig problemstilling er hvordan DEA-analysen, som baserer seg på å identifisere et sett av effektive aktører, virker dersom det er knyttet betydelig usikkerhet til de observerte kostnadene.

ABC-modellen måler i utgangspunktet all ressursbruk i en dimensjon, nemlig kroner. Fysiske mål som for eksempel timeforbruk benyttes imidlertid som grunnlag for kalkuleringen av en kostnad pr. aktivitet. I en norm-modell basert på ABC vil så kostnaden for aktiviteten settes i forhold til den faktor (kostnadsdriver) som er dimensjonerende for aktiviteten på lang sikt. I motsetning til DEA-analysen kan en slik norm fastsettes på grunnlag av dybdestudier i en enkelt virksomhet, et sett av virksomheter eller ved at man benytter markedsinformasjon der dette eksisterer (f.eks. er det mulig å kjøpe faktureringstjenester). Fordelen med en slik norm vil være at den øker informasjonsinnholdet til den regulerte virksomhet og at man får økt kontroll med datagrunnlaget som ligger til grunn for normen. Ulempen er at man må velge en funksjonell form for normen, dvs. identifisere en faktor som man antar at kostnadene kan normeres lineært i forhold til.

Utgangspunktet for denne studien er hvordan man på den ene siden kan kombinere de to modellene i én normmodell og på den andre siden hvordan man kan utforme og implementere en slik kombinasjon i reguleringen. Følgende problemstillinger belyses i de påfølgende avsnitt:

  • Bør man i en effektivitetsmodell basere seg på ulike mål for ulike innsatsfaktorer (for eksempel årsverk) eller bør man basere seg på kostnader som et felles mål?
  • Bør kostnadene deles inn etter regionalnett og distribusjonsnett?
  • Er det mulig å skille ut kostnader for kundedrevne aktiviteter?
  • Hvordan påvirker måleusikkerhet valg av tilnærming?
  • Hvilke kriterier bør benyttes for valg av metode?
  • Hvilke kontrollinstrumenter bør innføres dersom man skal stille krav til regnskapsmessig skille for ulike deler av kostnadsbasen?

I beskrivelsen av tar vi utgangspunkt i dagens reguleringsmodell og de DEA-analyser som gjelder for inneværende reguleringsperiode fra 2002-2006.

DATAGRUNNLAG OG METODE

Artikkelen tar utgangspunkt i resultatene fra et prosjekt som er blitt utført for EBL (Energibedriftenes landsforening) i forbindelse med NVEs arbeid med fremtidig regulering av nettselskaper. Analysen av muligheter for en splitting av kostnadsbasen er basert på ulike tilnærminger som alle støtter opp om hverandre. For det første er egenskaper ved DEA-modellen analysert gjennom simulering. Ved å endre datagrunnlaget har vi fått frem effekten av ulike modelltekniske forhold2. Grunnlaget for disse endringene kommer i en viss utstrekning fra diskusjoner i prosjektets referansegruppe og samtaler med enkeltselskaper. Vi har også sett på rapporterte regnskapsdata (NVE-rapportering og NM i Nett), samt innhentet mer dyptgående regnskapsinformasjon fra ett selskap (kontoplan-studie).

KOSTNADER ELLER INNSATSFAKTORER

I en DEA-modell skilles det normalt mellom ulike innsatsfaktorer og tilhørende faktorpriser.Dersom man nøyaktig kan måle antall enheter av ulike innsatsfaktorer og priser vil man kunne gi informasjon om både avvik i teknisk effektivitet og kostnadseffektivitet. Den enkelte aktør vil således kunne få tilbakemelding om hvordan de utnytter og kombinerer innsatsfaktorer.

Antall innsatsfaktorer kan imidlertid bli høyt og gi svært komplekse modeller som er vanskelig å tolke. En mulig forenkling av modellen er å slå sammen innsatsfaktorer. I de tilfellene der de sammenslåtte faktorene har faktorpriser som er felles for alle selskapene, vil en sammenslåing ikke ha noen effekt på effektivitetstallene fra DEA-modellen. I modellen til NVE, som i utgangspunktet har 5 innsatsfaktorer, er det tre innsatsfaktorer som oppfyller dette kravet, nemlig tjenester og varer, krafttap og faktisk KILE (kostnader for ikke levert energi), og man kunne altså i prinsippet redusere antall innsatsfaktorer fra fem til tre uten at resultatene ville bli påvirket. For driftskostnader er innsatsfaktorene årsverk og tjenester og varer. Faktorprisen for årsverk settes lik faktisk lønnskostnad dividert med antall årsverk, mens den for varer og tjenester settes lik 1 (dvs. det er kostnaden som inngår). I realiteten er det derfor kun årsverk som inngår med ikke pengemessige mål.

USIKKERHET I MÅLING AV ÅRSVERK OG KONSEKVENSER AV DETTE

Intervjuer, rapporterte størrelser ogreferansegruppediskusjoner støtter opp under en entydig konklusjon om at årsverkstallene som i dag inngår i DEA modellen er særdeles usikre. Dettefremgår også av figur 2 som viser rapporterte årsverkskostnader for vårt datasett.

Gjennomsnittlig kostnad pr årsverk for et utvalg av selskaper.

figur

Følgende årsaker til disse målefeilene er identifisert:

  • Blanding av årsverk og stillinger (svært få selskaper tok hensyn til stillingsbrøker)
  • Blanding av egne ansatte og innleide (innleide fra datterselskap eller andre ble også talt med)
  • Generelt lite fokus på rapporteringskvalitet

Undersøkelser rundt et enkeltselskap viste også at det var uklarheter rundt internleveranser av støttefunksjoner (internprising), og at det var svært store forskjeller i organisering av en rekke tjenester (egenproduksjon, innleie fra selskap i eget konsern belastet med internpriser og eksterne kjøp av tjenester). Det er grunn til å tro at dette også gjelder generelt for næringen.

Målefeil i årsverkskostnader har stor betydning for effektivitetsmålingen. Selv om produktet av årsverkskostnad og antall årsverk er konstant, dvs. at en for lav rapportering av årsverk vil gi høyere årsverkskostnader og vice versa, så vil ikke endring i årsverkskostnader og årsverk ha lik betydning. Dette fremgår av tabell 1.

I dette eksempelet har vi tatt utgangspunkt i et selskap som har 94,05 årsverk, en årsverkskostnad lik 311 112 og dermed total lønnskostnad lik 29 260 084. Selskapet har effektivitet lik 87,96 %3. Kostnaden reduseres så til 23 512 500, enten ved endring av antall årsverk eller ved kutt i årsverkskostnad. Effekten er størst ved å endre antall årsverk. Tabellen kan også tolkes som et selskap der man rapporterer riktig total lønnskostnad, men med to alternative antall årsverk (årsverkskostnaden blir da kostnad/årsverk). Vi ser her at effektivitetsnivået avhenger av rapporteringen av årsverk4.

Effekten av feilrapportering av årsverk i DEA-modellen er todelt. For det første fører det til at selskap som rapporterer for lavt antall årsverk (men da høyere årsverkskostnad) typisk vil kunne få overvurdert sin effektivitet, og selskap som rapporterer for høyt antall årsverk (f.eks. antall stillinger og ikke årsverk) vil kunne få undervurdert effektiviteten. Videre vil fronten kunne påvirkes av dette ved at DEA-modellen kun baseres på et lite sett av effektive selskap. Dersom disse fremstår som teknisk effektive grunnet feilrapportering av årsverk, vil normen for andre selskap kunne bli for streng. Legg imidlertid merke til at rapporteringen av årsverk ikke bare er et praktisk spørsmål om kvalitet i grunndata. Eksemplet ovenfor illustrerer også at endret organisering av driften, for eksempel gjennom outsourcing av de billigste årsverkene, vil kunne påvirke effektivitetsmålingene.

På grunnlag av analysene ovenfor konkluderer vi med at dagens rapportering av årsverk er sterkt misvisende og en betydelig feilkilde i effektivitetsmålingen. Problemet kan bare delvis løses ved bedre rapportering da ulik organisering uansett vil kunne gi skjevheter i årsverksrapporteringen. Man bør derfor erstatte årsverksrapporteringen med en modell som måler alle innsatsfaktorer i kroner, noe som også er foreslått i NVEs nye reguleringsmodell.

Eksempel med fast lønnskostnad og varierende antall årsverk og årsverkskostnad.

 

figur

KOSTNADSGRUPPERING; NETT ELLER FUNKSJON

Dagens effektivitetsmåling er delt opp for regionalnett og distribusjonsnett, og den totale effektiviteten til selskapet fremkommer da som en vektet sum av disse to effektivitetsmålingene. Alle kostnader (og innsatsfaktorer) fordeles da på de to ulike nettene før målingene foretas, og vi har sett på muligheten for alternative grupperinger. Målsetningen for dette var i utgangspunktet å øke informasjonsverdien av effektivitetsmålingen.

Generelt bør følgende forhold vektlegges i forbindelse med kostnadsgruppering:

  • a. Delbarhet. Det må være mulig å skille ressursbruken i en kostnadsgruppe fra ressursbruken for alle andre kostnadsgrupper. Dette kan være problematisk ved gjensidig avhengige aktiviteter.
  • b. Målefeil. Mens delbarhet kan sees som en teoretisk innvending er målefeil en praktisk innvending mot deling av kostnadsgrupper. Jo flere kostnadsgrupper, jo større blir målefeilen.
  • c. Homogenitet. Ressursene som inngår i en kostnadsgruppe bør være likeartet med hensyn til den faktor som ansees å være dimensjonerende for kostnadene (kostnadsdriveren).
  • d. Styringsmessig meningsfull. Et generelt krav for å kunne styre kostnader er at man forstår hva man bruker ressurser på. Målsetningen med grupperingen er derfor å bidra til å øke forståelsen av hva ressursene brukes til, for på den måten å bidra til kartlegging av effektiviseringspotensialet.

Praktiske og teoretiske innvendinger mot deling av kostnader kan betraktes som en problemstilling. Homogenitet er tilsvarende et sentralt moment for å øke informasjonsverdien i kostnadsgrupperingene. I tillegg er det viktig styringsmessig å skille grupper etter i hvilken grad man kan forvente at selskapene kan tilpasse seg på kort sikt. Disse tre momentene utypes under.

Delbarhet og målefeil

I dagens DEA-analyse har man valgt å skille i en regionalnettdel og en distribusjonsdel. Flere forhold viser at dette er et problematisk skille: 

  • Nettinndelingen representerer ikke et naturlig regnskapsmessig skille. Kostnader registreres i forhold til ansvarsområder, ikke nettdeler.
  • Støttefunksjoner og administrative funksjoner er i stor grad ikke delbare i forhold til dette skillet. Fordelingene til nettdelene blir derfor subjektive.
  • Det foreligger ikke klare retningslinjer for kostnadsfordelingen, noe som gjør at praksisen varierer sterkt.
  • Referansegruppen viser også til at det er vanskelig å trekke et klart skille mellom de to nettene.

DEA-analysen kan være svært sårbar i forhold til denne typen målefeil6. Årsaken er at observasjoner som skyldes målefeil kan bestemme effektivitetsfronten. Andre aktører måles dermed ikke mot en effektiv norm, men mot feilrapporterte observasjoner. Dersom man har stor usikkerhet i målingene anbefales generelt å benytte metoder som tar hensyn til et større sett av observasjoner (for eksempel regresjon) eller som kvalitativt fastsetter en norm basert på dybdeobservasjoner.

Usikkerheten og mangel på klare retningslinjer åpner i prinsippet for opportunistisk atferd. Vi har imidlertid ikke observert dette eller på annen måte fått indikasjoner på at det forekommer. Årsaken kan være at det er svært vanskelig å optimere fordelingen i forhold til de komplekse effektivitetsmålingene.

Den inndelingen av kostnader som i dag benyttes synes å være svært usikker. Alternativene vi har diskutert er følgende:

  • Inndeling i ulike aktiviteter
  • Inndeling av grupper av aktiviteter med antatt felles driver
  • Inndeling i nettrelaterte og kunderelaterte driftskostnader

I internregnskapet til enkelte selskap har man delt inn virksomheten i en rekke aktiviteter og ansvarsområder. Disse varierer imidlertid sterkt fra selskap til selskap. Ulik organisering av for eksempel støttefunksjoner vanskeliggjør også en slik detaljert inndeling. NVEs inndeling i aktivitetene MAF (Måling, Avregning og Fakturering), Administrasjon og Tilsyn er en mulig inndeling av de ikke direkte nettrelaterte kostnadene. NVE-rapporteringen, rapportering fra NM i Nett og detaljdata fra enkeltselskap, indikerer imidlertid at det ligger betydelig usikkerhet i disse skillene. MAF-kostnadene varierer f.eks. fra 3 til rundt 30 % av totale driftskostnader. Dette virker svært urimelig. Dersom MAF, administrasjon og tilsyn aggregeres, reduseres usikkerheten betydelig. Regnskapsmessig er det mulig å fastsette et rimelig klart skille. Dette støttes av enkeltobservasjoner og av uttalelser fra referansegruppen.

Homogenitet og styringsmessig relevans

En av fordelene med DEA-analyser er at man tilsynelatende ikke trenger å dele kostnadsbasen etter ulike drivere. Dette er imidlertid ikke riktig. Dersom man aggregerer kostnadsgrupper med ulike drivere vil man ikke vinne noe analysemessig (antar her delbarhetsproblemet løst), samtidig som man ikke utnytter datagrunnlaget optimalt. For det første taper man informasjon om hvor man er effektiv og hvor man ikke er det. Jo mer informasjon selskapene får, jo lettere vil de kunne tilpasse seg. Et annet viktig poeng er at aggregering i seg selv typisk vil senke kravene til effektivitet. Dersom de mest effektive selskapene på et område ikke er de mest effektive på alle andre områder, vil en aggregert gjennomsnittsfront ikke få frem potensialet. En simulering av denne effekten er vist i figur 3.

Forskjeller i effektivitetskrav for selskaper med en eller tokostnadsgrupper.

figur

Figuren viser7 at for de fleste selskapene fører sammenslåingen til at effektiviteten overvurderes, selv om det er 11 selskaper der effektiviteten undervurderes. Gjennomsnittlig gav aggregeringen en overvurdering av effektiviteten med ca. 6 %. For mange av selskapene i eksemplet var effekten av sammenslåing betydelig, det er for eksempel 20 selskaper der effektiviteten overvurderes med 12 % eller mer.

Påvirkbarhet

Et annet viktig moment i tilknytning til styringen av kostnadsbasen er skillet mellom hvilke kostnader som er påvirkbare på kort og på lang sikt. Ideelt kunne man tenke seg at man delte inn ulike kostnader etter grad av påvirkbarhet. Hva som kan påvirkes, og i hvilket tidsperspektiv er imidlertid ikke trivielt. Av de aktuelle kostnadsgrupperingene synes det imidlertid rimelig å anta at administrative og kunderelaterte kostnader kan dimensjoneres raskere enn nettrelaterte kostnader. Denne antagelsen fikk imidlertid bare delvis støtte i referansegruppen.

Oppsummering; Valg av kostnadsgrupper

Tre alternative kostnadsgrupperinger er vurdert i dette avsnittet. Vi har videre identifisert fire kriterier som bør legges til grunn for inndelingen. Dagens inndeling etter ulike nett kan være svært problematisk da den er basert på subjektive og til dels tilfeldige kostnadsfordelinger, har store måleproblemer, tar ikke hensyn til ulik grad av påvirkbarhet og har lav informasjonsverdi for den regulerte aktøren. På den annen side vil en full aktivitetsbasert løsning være for krevende. Det er lite trolig at det er mulig å lage en oversikt over sammenlignbare aktiviteter som kan måles på tvers av selskapene. En praktisk mulig mellomløsning er å dele kostnadsbasen i nettrelaterte og andre kostnader. Andre kostnader dekker da måling, avregning, fakturering, tilsyn og administrasjon (MAFTA). I første rekke vil dette kunne redusere målfeilproblematikken i dagens løsning. En oppsummering av egenskaper ved de tre valgene er vist i tabell 2.

Oppsummering av alternative valgmuligheter og kriterier forkostnadsgruppering

figur

NORMERING OG KVALITETSKONTROLL

Analysen av kostnadsbasen trekker i retning av en todeling der MAFTA-kostnadene skilles fra de direkte nettrelaterte kostnadene. Vi har her ikke tatt stilling til om de direkte nettrelaterte kostnadene fremdeles skal skilles mellom regionalnett og distribusjonsnett, men at et slikt skille synes å ha begrenset nytteverdi. Normering av de direkte nettrelaterte kostnadene behandles i Bjørndal og Johnsen (2004), men en mulighet er å beholde en DEA-analyse for den nettrelaterte delen av kostnadsbasen.

For MAFTA-kostnadene bør man vurdere en normregulering i forhold til antall kunder. Antall kunder synes klart å være den mest plausible driveren av de som i dag inngår i DEA-analysen. Det har i løpet av dette arbeidet heller ikke kommet opp bedre forslag. Et motargument mot dette har vært at mindre selskap må forventes å ha høyere MAFTA-kostnader. Vårt tallmateriale, som dog er preget av betydelige målefeil, støtter ikke dette. På den annen side burde man uansett ikke kompensert for slike forhold. Dersom man ønsker en normregulering bør denne nettopp stimulere til en effektiv selskapsstruktur.

To forhold vil være sentrale når man skal sette en normkostnad for MAFTA pr kunde. For det første må man identifisere et relevant utvalg. Vi vil her sterkt anbefale dybdestudier av et mindre sett av selskaper (3-4) fremfor paneldata fra sektoren. Argumentet for dette er at det her er snakk om å sette en norm for kostnadene, ikke å identifisere et gjennomsnitt. Videre viser erfaringen at en norm basert på paneldata lett kan preges av usikre observasjoner. Dybdestudiene bør kombineres med at man utarbeider retningslinjer for dokumentasjon av regnskapsmessig skille. For det andre må man fastsette et regelverk for hvordan man regner antall kunder. Ulike kunder vil kunne være ulikt krevende, og man må vurdere om det er behov for en vekting av kunder. Det foretas ikke en slik vekting i dag.

Fastsettelse av en norm er imidlertid ikke tilstrekkelig. Det må også utarbeides kvalitetskrav knyttet til kundebehandlingen. Slike krav er i dag ikke med i effektivitetsmodellen, noe om etter vår mening er en klar svakhet. En mulig tilnærming er å justere inntektsrammen pr kunde i forhold til standardiserte kundetilfredshetsmålinger. Slike justeringer eksisterer i dag i bl.a. England.

KONKLUSJONER

Reguleringen av nettselskaper vil også i fremtiden kreve en form for effektivitetsnorm. Etter vår vurdering har dagens DEA-baserte effektivitetsmodell så store svakheter at den bør avskaffes i dagens form. For det første er det så store målefeil i årsverksrapporteringen at sammenligningen blir tilfeldig. I fremtiden bør man fokusere på kostnader for alle innsatsfaktorer. For det andre er det slik at DEA-analyser er dårlig egnet dersom det er stor usikkerhet i enkeltmålinger. Manglende klare retningslinjer for kostnadsfordeling og en kostnadsgruppering som er problematisk i forhold til regnskapsmessig separabilitet, gjør at det hersker stor usikkerhet knyttet til den estimerte effektivitetsfronten. Kombinert med at man aggregerer kostnadsgrupper med ulike underliggende drivere, medfører dette at nytteverdien for de regulerte selskapene er lav.

Basert på referansegruppens uttalelser og regnskapsanalyser mener vi det bør være mulig å skille MAFTA-kostnader fra direkte nettrelaterte kostnader, og at disse bør normreguleres i forhold til antall kunder. En ytterligere inndeling av disse kostnadene synes imidlertid å være problematisk. Det er viktig at det utarbeides klare retningslinjer for regnskapsmessig skille mellom de to kostnadsgruppene, og for definisjonen av antall kunder. Det er også viktig at det fastsettes en kvalitetssikrende ordning for kundebetjening, f.eks. basert på kundetilfredshetsmålinger.

Noter

  • 1: for eksempel Cooper et al. (2000) for en generell introduksjon til . En beskrivelse av DEA-modellen som benyttes av NVE finnes ivedlegget til Bjørndal et al. (2004).
  • 2: vedlegget til Bjørndal et al. (2004).
  • 3: . at selskapets kostnader kunne vært redusert med 12,04 % i forholdtil et effektivt selskap.
  • 4: vedlegget til Bjørndal et al. (2004) for en utdyping av detteeksemplet.
  • 5: Datar og Gupta (1994).
  • 6: for eksempel Coelli et al. (1998).
  • 7: bak simuleringen er vist i vedlegget til Bjørndal et al.(2004).

Litteratur

  • Bjørndal, E., M. Bjørndal og T. Bjørnenak (2004); ”Effektivitetskravog kostnadsgruppering”, SNF-rapport 23/2004.
  • Bjørndal, M., T. Bjørnenak og T. Johnsen (2003): ”Aktivitetsbasertkalkulasjon for regulerte tjenester”, SNF-rapport 33/2003.
  • Bjørndal, M. og T. Johnsen (2004); ”Nyverdibaserte nettrelatertekostnader”, SNF-rapport 24/2004.
  • Coelli, T., D.S. Prasada Rao og G.E. Battese (1998):An to Efficiency and Productivity Analysis,Kluwer Academic Publishers.
  • Cooper, W.W., L.M. Seiford og K. Tone (2000): Data EnvelopmentAnalysis: A Comprehensive Text with Models, Applications, Referencesand DEA-Solver Software, Kluwer Academic Publishers.
  • Datar, S. og M. Gupta (1994): “Aggregation, Specification andMeasurement Errors in Product Costing”, The Accounting , nr. 4, 567-591.

© Econas Informasjonsservice AS, Rosenkrantz' gate 22 Postboks 1869 Vika N-0124 OSLO
E-post: post@econa.no.  Telefon: 22 82 80 00.  Org. nr 937 747 187. ISSN 1500-0788.

RSS