Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE NE FA Pr oc ee din gs 7.03 ANÁLISIS DE LA EFICIENCIA ECONÓMICA EN LAS ESCUELAS RURALES DEL PAÍS MEDIANTE ÍNDICES DE MALMQUIST. JUAN CARLOS MIRANDA CASTILLO er va d os [email protected] -E AUTORES: es LUIS OJEDA SILVA Au to rR [email protected] GASTÍN VERGARA DÍAZ re ch os de [email protected] Universidad Austral de Chile Instituto de Estadística Casilla Nº 567 – Valdivia - Chile Teléfono: 56-63-221202 EN EF A Pr o ce ed ing s- De Facultad de Ciencias Económicas y Administrativas 2492 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE RESUMEN din gs El objetivo de esta investigación fue analizar la eficiencia económica de un conjunto de escuelas rurales ubicadas en diferentes Regiones de Chile: la técnica utilizada consistió en la ee aplicación de modelos del análisis envolvente de datos (DEA), con aplicación de los Índices de oc Malmquist y su descomposición, considerando la prueba SIMCE como variables relevante sobre Pr los indicadores. FA Palabras Claves: Análisis envolvente de datos (DEA), Índice de Malmquist, eficiencia, Escuela os -E NE Rural, SIMCE er va d ABSTRACT es The objective of this research was to analyze the economic efficiency of a set of rural rR schools located in different regions of Chile: the technique used was the application of models to of data envelopment analysis (DEA), with application of Malmquist Index and their de Au decomposition, considering the relevant variables SIMCE on indicators. EN EF A Pr o ce ed ing s- De re ch os Key Words: Data envelopment analysis (DEA), Malmquist Index, efficiency, Rural School, SIMCE 2493 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE din gs 1. Introducción La política educacional del Estado de Chile se ha constituido en un tema de País, por su ee rol como herramienta insustituible para promover tanto el desarrollo social como el oc económico, así como la competitividad de los países en un mundo cada vez más globalizado, lo Pr que obliga a medir con mayor precisión los recursos que se asignan y las contribuciones que FA por esa vía se alcanzan (Donoso et al, 1999). Se busca de esta forma mejorar la calidad de la NE educación, lograr equidad y proponer la participación de todos los jóvenes en el proceso -E educativo (Araya y Miranda, 2002). os Una distinción urbano-rural tiene una proyección referida a los logros de aprendizajes va d registrados por el sistema nacional de medición del rendimiento escolar. Las escuelas rurales er muestran niveles de logro inferior a las urbanas. Los puntajes más bajos se observan en rR es pequeñas escuelas multigrado, caracterizadas por el aislamiento geográfico y su instalación en to comunidades rurales de difícil acceso y contextos culturales de carácter tradicional. Au Estas escuelas, tradicionalmente excluidas de iniciativas pedagógicas, representan unos de de los sectores más críticos respecto de la calidad de las prácticas pedagógicas y sus resultados, re ch (Miranda, y Araya 2003). os así, como de mayor inequidad en el sistema educacional chileno subvencionado por el Estado De En lo que respecta a la prueba SIMCE (Sistema de Medición de Calidad de la s- Educación), este es un Sistema Nacional de Evaluación de resultados de aprendizaje del ing Ministerio de Educación de Chile. El SIMCE es un estimador parcial de la calidad educacional de ed un establecimiento ya que provee antecedentes acerca del grado de incidencia de algunos ce factores sobre los estimadores de calidad de la educación. Por lo que resulta de interés Pr o conocer cómo estas escuelas mejoran sus posibilidades de obtener buenos resultados en ella. A Su propósito principal es contribuir al mejoramiento de la calidad y equidad de la educación, EN EF informando sobre el desempeño de los estudiantes en diferentes subsectores del currículum 2494 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE nacional, y relacionándolos con el contexto escolar y social en el que ellos aprenden. El Ministerio de Educación es el responsable de su diseño, aplicación y procesamiento de la información, entregando orientaciones de apoyo a los establecimientos educacionales. A partir din gs del año 1988, alternadamente, se aplica el SIMCE a los 4º y 8º años básicos de todo el país que tienen ocho alumnos o más en el curso. (SIMCE, 2010) oc ee Hasta el año 2005, la aplicación de las pruebas se alternó entre 4º Básico, 8° Básico y 2° Pr Medio. A partir del año 2006, se evalúa todos los años a 4° Básico y se alternan 8° Básico y 2° FA Medio. Desde el año 2010 se incorpora la evaluación en 3° Medio del subsector Inglés. (SIMCE, NE 2010) -E Una vez contextualizado el estudio señalamos que en esta investigación se aplicó el os modelo de Análisis Envolvente de Datos (DEA) y el Índice de Malmquist para la medición de la va d productividad del sector educacional, específicamente en lo que respecta al programa er MECE/RURAL y utilizando como variable básica de interés, los resultados de la prueba SIMCE. es De lo anteriormente señalado, se puede señalar que la técnica DEA permitió medir e identificar to rR las unidades escolares más eficientes en la aplicación de una política pública. Au A continuación se explica la metodología aplicada y los fundamentos teóricos de los de modelos que se utilizan. Luego, se presentan los resultados obtenidos y las conclusiones sobre os la aplicabilidad de estas herramientas para la medición de la productividad en el sector re ch educacional, específicamente de las escuelas rurales insertas en el programa MECE/RURAL de De nuestro País. (MINEDUC, 1998) ing s- 2. Material y metodología de análisis ed El proceso de evaluación de la eficiencia a través del modelo DEA se inicia con la ce selección de las unidades de decisión que serán objeto de análisis, que en este estudio Pr o corresponden a una parte de la matriz de datos levantada en el “Estudio de Evaluación de la A Línea de Educación Rural del Programa MECE” que fuera realizado por investigadores de la EN EF Universidad Austral de Chile (1997). 2495 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE Los datos utilizados en el análisis provienen de una muestra probabilística de escuelas rurales que forman parte de toda la población distribuida en las regiones del país. El total de la muestra que fue de 504 escuelas se obtuvo a través de un muestreo estratificado con afijación din gs proporcional, bajo los criterios de 95% de confianza, con un error del 4% y asumiendo una varianza teórica del 0,25. oc ee Del total de escuelas señaladas anteriormente y después de la depuración de las bases Pr de datos consideradas en el análisis en el período 1999-2009 se consideraron para el estudio, FA sólo 19 registros (escuelas) del total País. NE En relación con los indicadores, las variables de entrada y los resultados del programa -E MECE/RURAL, estimados para realizar la aplicación del método, estos son atribuibles a la os puesta en marcha del programa MECE/RURAL (endógena) y otras son propias del proceso va d educativo, como los resultados de la Prueba SIMCE (exógena) tal y como se muestra en el er cuadro 1. EN EF A Pr o ce ed ing s- De re ch os de Au to rR es Cuadro 1: Indicadores de Input y Output educativos 2496 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE Fuente: Elaboración propia a partir de Miranda (2003) El tratamiento metodológico del modelo que se utilizó para la obtención de los resultados que a continuación se muestran, fue el Análisis Envolvente de Datos (DEA) y el din gs Índice de Malmquist en una aplicación al sector educacional, específicamente a las escuelas rurales del programa MECE/RURAL. Con el objetivo de analizar la eficiencia interna de las ee escuelas dentro de la muestra. Pr oc En lo que respecta al tratamiento informático de los datos, éste se realizó por medio FA del programa DEAP (A Data Envelopment Analysis computer program) versión 2.1, desarrollado NE por Tim Coelli, Centre for Efficiency and Productivity Analysis University of Queensland. os -E 3. Marco de referencia del estudio va d En la literatura pueden encontrarse diversas aserciones respecto a terminologías er importantes que se tratarán en este estudio. Según lo que señala Álvarez (2002) y citado por es Chirinos y Urdaneta (2007), la idea de comparar empresas según su comportamiento es de rR indudable interés para el análisis económico. En este sentido surgen conceptos como los de Au to productividad y eficiencia, a los que recientemente se ha unido el de competitividad, por lo que es de fundamental importancia la definición de estos conceptos, destacando sus diferencias. de Por lo cual debemos referirnos al trabajo de Farrell (1957), considerado el precursor de las os medidas modernas de la eficiencia. De acuerdo con Farrell, la eficiencia técnica nos indicará si re ch los recursos y la tecnología disponibles están siendo aprovechados de manera adecuada. ing s- siguientes enfoques: De Por tanto, para cuantificar la eficiencia técnica será necesario considerar alguno de los Orientación al producto: en este enfoque se tendrá como objetivo primordial medir la ce ed eficiencia considerando la máxima producción alcanzable dada cierta cantidad de EN EF A Pr o insumos (eficiencia centrada en el producto). 2497 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE Orientación al insumo: la medida de la eficiencia debe estar en relación con la mínima combinación de insumos posible para una cantidad de producción (eficiencia centrada din gs en el insumo). La eficiencia es uno de los determinantes de la productividad: mientras que la eficiencia se oc ee refiere a qué tan bien se desempeña una unidad productiva con la tecnología existente, la Pr productividad se refiere a la cantidad producida por insumo. FA Según Álvarez (2002) y citado por Chirinos y Urdaneta (2007), la maximización del beneficio Debe elegir la producción (Output) que maximice el beneficio, de todos los niveles de os -E NE exige que una empresa tome correctamente las tres decisiones siguientes: va d producción posibles. Debe elegir la combinación de insumos (inputs) que minimiza el costo de producción, es er de entre todas las combinaciones de insumos que permiten obtener el producto La empresa debe producir el bien o servicio elegido con la cantidad mínima de insumos to rR anterior. de Au posible, lo que es lo mismo, optimizar el uso de los recursos. re ch os En este sentido establece el autor tres tipos de eficiencia: Eficiencia de escala: cuando una empresa está produciendo en una escala de tamaño Eficiencia asignativa: cuando la empresa combina los insumos en la proporción que s- De óptima, que es la que le permite maximizar el beneficio. Eficiencia técnica: cuando la empresa obtiene el máximo de producción posible con la ed ing minimiza el costo de producción. ce combinación de insumos empleada. Pr o En lo que concierne a Productividad esta se entiende como el ratio entre productos generados A e insumos utilizados por una unidad productiva (Sanin y Zimet, 2003). Por ende, la misma EN EF puede variar tanto por diferencias en la tecnología existente, recogida en la función de 2498 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE producción, como por diferencias en la eficiencia del proceso productivo o por diferencias en el entorno en que se produce. Álvarez (2002) y citado por Chirinos y Urdaneta (2007), señala que estos términos son din gs usados en el sentido de que es bueno para las empresas una mejora en cualquiera de ellos, lo que induce a que en ocasiones se usen de forma indistinta. Sin embargo, según este autor, eso oc ee es un error, ya que no sólo los conceptos hacen referencia a aspectos diferentes de la Pr producción, sino que no es cierto que siempre sea bueno un aumento de los mismos. No FA siempre una mejora en la eficiencia lleva asociada una mejora en la productividad y viceversa. NE La clave está en entender que fijando una de las variables (input o output) ambos conceptos -E son equivalentes, pero cuando ambos varían, la productividad se ve afectada necesariamente os por un efecto tamaño que incorpora la ley de los rendimientos decrecientes; esto implica que va d mayores producciones, manteniendo la tecnología constante, sólo pueden alcanzarse a costa rR es er de una menor productividad. to Para comprender mejor lo expuesto anteriormente, nos referiremos a lo que señalan Au Guerrero y Rivera (2009) los cuales indican que resulta útil considerar un proceso de de producción en que solo se emplea un insumo para elaborar un producto. os La relación entre la cantidad del producto y la cantidad del insumo puede interpretarse re ch gráficamente, como se muestra en el gráfico 1, donde la curva OB representa la frontera de De producción. La eficiencia quedará definida al comparar la producción observada con respecto a esa frontera, es decir, que a las empresas que operen por sobre la frontera se las considerará ing s- técnicamente eficientes. ed Por ejemplo, si una empresa opera en el punto A del gráfico 1 se puede deducir ce fácilmente que es ineficiente, pues podría incrementar su producción hasta el punto B Pr o empleando la misma cantidad de insumos, o bien producir lo mismo usando menos insumos A (punto C). De acuerdo a la definición de productividad analizada anteriormente, esta quedaría EN EF representada por la pendiente de la recta que parte del origen y pasa por el punto en cuestión. 2499 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE De esta manera, se puede observar que las empresas eficientes son también más productivas, pues, como se aprecia en el gráfico 1, las pendientes de las rectas OB ó OC (puntos eficientes) son mayores que las de la recta OA. va d os -E NE FA Pr oc ee din gs Figura 1: Métodos de Estimación Frontera de Producción er Fuente: Esteban, J. y Coll, V. (2003) rR es Después de haber establecido lo que se entenderá por eficiencia y productividad se to revisará los modelos de frontera que son útiles para el análisis de la eficiencia relativa. En Au estudios empíricos sobre análisis de fronteras se distinguen tres enfoques: el análisis de envolvente de datos, los modelos de fronteras de producción estocástica y aquellos que usan las técnicas estadísticas multivariadas (componentes principales y análisis de factores, re ch os principalmente). En tanto los dos primeros fueron desarrollados explícitamente para el estudio empírico de las fronteras para determinar una jerarquización de las unidades (individuos, De entidades) en términos de las eficacias productivas, el tercero no es sino una utilización de las s- características básicas de esas técnicas. ed ing 4. Modelos de frontera: Fundamentos teóricos y metodológicos Pr o ce La metodología frontera parte de la existencia de una frontera que estará representada por una función que puede ser de producción, de beneficios o de costos y que se puede EN EF A estimar a través de técnicas de carácter paramétrico o no paramétrico. 2500 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE din gs La Figura 1 siguiente muestra una descomposición del método de Esteban y Coll (2006). Au to rR es er va d os -E NE FA Pr oc ee Gráfico 1 Fronteras de producción y eficiencia técnica re ch os de Fuente: Revista Cepal-Cambio en la productividad total, Guerrero y Rivera (2009) de nuestro estudio. De A continuación describiremos los modelos no paramétricos que son base fundamental ed ing s- 5. Modelos no paramétricos ce ERIAS REY (1998) explica que los modelos no paramétricos a diferencia de los modelos Pr o paramétricos, pretenden estimar una frontera de producción eficiente sin una forma funcional explícita previa (Cobb-Douglas, translog, entre otras), con el objeto de identificar la eficiencia EN EF A técnica y la eficiencia asignativa del conjunto de observaciones objeto de estudio. 2501 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE ÁLVAREZ (2002) señala que la metodología no paramétrica para medir los índices de eficiencia siguen tres pasos: Descripción de los supuestos de las propiedades de la tecnología de producción din gs que permiten establecer aquellos planes de producción que se consideran realizables; Definición del tipo de índice que se desea estimar y; La construcción de un programa matemático que calcule el índice que se desea Pr oc ee FA estimar. NE En cuanto a las propiedades de la tecnología de producción, éstas permiten describir la -E tecnología con la que se realiza la actividad de producción, es decir delimitar el conjunto de os planes de producción que se consideran tecnológicamente realizables. va d ÁLVAREZ (2002) dice: "La caracterización no paramétrica de la tecnología se completa er formulando una serie de supuestos adicionales acerca de las propiedades teóricas que es satisface la tecnología. Por lo tanto, el hecho de aceptar los supuestos implica incluir en el rR Conjunto de Posibilidades de Producción (CPP) algunos procesos productivos que no han sido de Algunos de los supuestos definidos son: Au to realmente observados”. re ch os 1. Es tecnológicamente posible no producir nada. 2. Si dos procesos productivos pertenecen al CPP, todas las combinaciones lineales de estos De dos procesos, también pertenecen al conjunto CPP ing s- 3. Hay dos versiones sobre la eliminación de inputs: ed a. La versión estricta, que establece que es posible desechar el exceso de inputs a coste ce cero. Una unidad productiva es capaz de producir la misma cantidad de Output EN EF A Pr o utilizando una cantidad mayor de cualquier input. 2502 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE b. La versión débil, establece que es posible mantener el nivel de producción siempre que se produzca un incremento equiproporcional en la cantidad empleada de todos los inputs. din gs 4. Rendimiento constante de escala, implica re-escalar la actividad de cualquier proceso ee productivo perteneciente al conjunto de procesos productivos. oc Para ambos casos (paramétrico y no paramétrico) se interpretará como unidades Pr eficientes aquellas que se localicen sobre la frontera de producción, de beneficios o de costes, FA e ineficientes las que se sitúen por debajo de la función de producción y de beneficios o por NE encima de la frontera de costes. La frontera de producción es aquella función que determina el os -E producto máximo que se puede alcanzar dada una cierta combinación de recursos. va d La medición de la eficiencia se basa principalmente en comparar la actuación real de una empresa con respecto a un óptimo, es decir, comparar lo que hace la empresa con lo que es er debería haber hecho para maximizar el beneficio. rR La técnica de frontera genera una superficie o frontera en un espacio que tiene como to ejes a los recursos o factores productivos y a los productos y servicios que genera como ejes de Au adicionales. os La técnica de frontera genera una superficie o frontera en un espacio que tiene como re ch ejes los insumos y los productos, tal y como se muestra en el gráfico 1. En el espacio de entrada y salida cada punto representa una entidad, la línea segmentada ilustra la frontera eficiente, De generada por un modelo probando cada entidad en particular, en relación con su eficiencia. s- Cada vértice de la frontera es una entidad que destaca sobre el resto, el conjunto de ing posibilidades de producción; es decir, los puntos ubicados por debajo de ella representan el ce ed espacio en el cual es factible que se sitúen las entidades afines (Mercado et al., 1998). Pr o Las entidades situadas en la frontera tienen valores de eficiencia o productividad en el modelo de optimización iguales a 1 (100%). Sin embargo sólo se consideran eficientes, si las EN EF A restricciones se satisfacen en el sentido estricto. 2503 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE Con lo estudiado anteriormente, se ha llegado a definir una frontera eficiente compuesta de aquellos procesos que permiten obtener el mayor producto dado un conjunto de inputs, o bien, obtener el mismo producto reduciendo el vector de inputs. Estas dos din gs orientaciones se las denomina input y output y son las que se emplean para llegar a la frontera eficiente. oc ee Dentro de los modelos no paramétricos se encuentra el DEA (acróstico de Data Pr Envelopment Analysis) cuyo marco conceptual-metodológico se desarrollará a continuación. NE FA 6. Análisis envolvente de datos (DEA) -E La metodología empleada en este estudio para medir las eficiencias comparativas y os determinar cambios de productividad, se denomina Análisis Envolvente de datos y va d corresponde a una importante y altamente fructífera herramienta basada en técnicas de er programación lineal con que se producen bienes y se proporcionan servicios. Es una es metodología eminentemente comparativa, ya que entrega medidas de eficiencia para cada rR Unidad de toma de decisión (DMU por sus siglas en Inglés) comparándola con cada una de las Au to restantes DMU que conforman la muestra. Se asume que cada DMU emplea unos recursos (input) para entregar productos (output) y aquellas DMU que se incluyen en los modelos se de asumen como homogéneas, es decir emplean el mismo tipo de entrada para producir los re ch os mismos tipos de salida. De Las medidas de eficiencia corresponden a la relación de las salidas sobre las entradas, las cuales se ponderan para cada DMU, logrando para cada una los mejores índices de ing s- eficiencia, lo cual da la ventaja fundamental sobre cualquier otra técnica de las técnicas ed tradicionales- Igualmente permite trabajar unidades que producen varias salidas haciendo uso EN EF A Pr o ce de diversos insumos. 2504 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE Los pesos ponderados asignados a las entradas y salidas, se obtienen a través de modelos de programación lineal, que a través de restricciones, evitan que las eficiencias superen el 100%. din gs La técnica DEA fue desarrollada inicialmente por Charnes, Cooper y Rodhes en 1978, para calcular el índice de eficiencia técnica, resolviendo un programa matemático de ee optimización el cual puede ser considerado como una aplicación al caso de múltiples outputs Pr oc del análisis tradicional de ratios propuesto por Farrell en 1957. FA El análisis de frontera permite comparar unidades de ejecución en una organización o NE sector, basado exclusivamente en las mediciones de entrada (insumos) a la unidad y en su os -E desempeño medido en sus salidas (productos). va d Cuando se tiene un insumo (entrada) para obtener un producto (salida), la eficiencia de es er la unidad de decisión, está dada por: EF = Y/X, donde: Y= output; X= input rR En caso de que se utilice más de un insumo (entradas) para producir varios productos to (salidas), se deben ponderar tanto las entradas como las salidas, obteniéndose la siguiente de Au definición para la eficiencia del DMU: EF = aiYi / biXi os La frontera de eficiencia está conformada por aquellas DMU eficientes, es decir, está re ch determinada por el número máximo de productos que se pueden fabricar utilizando diversas De combinaciones de recursos, con los mínimos costos de producción. Después que se obtiene la función de producción, se compara cada unidad del conjunto de producción con la frontera, ce ed producción. ing s- bajo el supuesto que las desviaciones existentes son comportamientos ineficientes de Pr o De acuerdo con las características del caso que se desea estudiar, se puede medir la EN EF A eficiencia de un DMU: la orientada a la entrada cuando se minimiza la cantidad de insumos 2505 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE (recursos) utilizados para obtener el mejor nivel de producción; y, orientada a la salida, cuando se maximiza la cantidad de productos elaborados usando un nivel fijo de insumos. din gs Existen tres tipos de estimación disponibles cuando se utiliza un solo insumo y un solo producto, a saber: retornos constantes a escala, retornos no crecientes a escala y retornos ee variables a escala. De ellas debe resaltarse que la forma de estimación más exacta es la de oc retornos variables a escala. Pr A través del DEA se puede construir una frontera o un hiperplano de producción que FA permita medir la eficiencia relativa de un conjunto de unidades de decisión que producen NE similares productos a partir de un conjunto común de insumos. La eficiencia se puede medir en -E términos de insumos, donde la cantidad utilizada de insumos es la variable que se puede os alterar, ya que el nivel del output es considerado como un valor dado; o bien en términos de va d producción, interpretándose como la cantidad máxima de producción que se alcanzaría a partir es er de un conjunto de insumos dado (Seijas, 2004). rR La técnica DEA ofrece información muy completa e individualizada de las unidades de to decisión analizadas y permite conocer aspectos de interés tanto de las empresas eficientes Au como de las ineficientes. Junto a esto, permite incorporar variables no discrecionales, de de naturaleza categórica o, incluso, añadir información procedente de opiniones de expertos, para re ch os delimitar el conjunto de empresas eficientes. De De un modo general, se puede establecer que el DEA es una técnica encaminada a la evaluación de la eficiencia de una serie de elementos objeto de estudio habitualmente ing s- denominados DMU, siendo los elementos de juicio para dicha evaluación múltiples variables de entrada y de salida para cada una de las DMU consideradas. En contraste con los tradicionales ce ed métodos paramétricos, cuyo propósito es optimizar un ajuste de regresión a los referidos Pr o datos, el DEA realiza una optimización para cada observación individual, con el objetivo de calcular una frontera constituida por intervalos graduales y delimitados por un conjunto de EN EF A DMU´s eficientes. 2506 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE En estas condiciones, el DEA produce una superficie de producción extrema de carácter empírico, la cual en términos económicos representa la que se muestra como la frontera de la din gs mejor práctica productiva posible; es decir, la máxima salida empíricamente obtenible para cualquier DMU en la población observada, dado su nivel de entradas. Para cada DMU ee ineficiente (cualquiera que se encuentre bajo la frontera), el DEA identifica las fuentes y el nivel oc de ineficiencia para cada una de las salidas y de las entradas. El nivel de ineficiencia se Pr determina por comparación respecto a una DMU de referencia o respecto a una combinación -E NE nivel de entradas, y que produzcan el mismo o un mayor nivel de salidas. FA convexa de otras DMU de referencia situadas en la frontera eficiente, que utilicen el mismo os El cuerpo conceptual y metodológico del DEA encuentra su implementación práctica en va d una serie de modelizaciones, que en función de sus diferentes concepciones, arrojan er resultados que dan pie a una variedad de posibilidades interpretativas. A la hora de decantarse es por un modelo concreto es preciso fundamentalmente, considerar dos cuestiones. Por un lado rR definir la caracterización geométrica de la frontera empírica que determinará la práctica de to mayor eficiencia. Ésta frontera puede ser convexa o no, lo cual es equivalente a decir que el Au modelo seleccionado permita la consideración de retornos de escala variables (en el caso de de frontera convexa) o constantes (en el caso de frontera no convexa). La otra cuestión objeto de os consideración es si se debe orientar la formulación del modelo hacia la consecución de una re ch maximización de las salidas, una minimización de las entradas o bien otorgar el mismo énfasis De al conjunto de entradas-salidas (Chirinos y Urdaneta (2007). ing s- Utilizando técnicas de programación lineal, se traza una frontera de eficiencia (Gráfico 2) que se construye a partir de las DMU´s más eficientes y que define el nivel máximo de ce ed output que pueden conseguir con los inputs utilizados. Las DMU´s más eficientes son aquellas Pr o que se sitúen en la frontera eficiente, previamente calculada por el modelo (Pedraja y Salinas EN EF A 1994). 2507 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE NE FA Pr oc ee din gs Gráfico 2 Output orientados al DEA er va d os -E Fuente: Pedraja y Salinas 1994, El Análisis Envolvente de Datos (DEA) y su aplicación al Sector Publico: una nota introductoria es La formulación del modelo matemático DEA, en forma de programación lineal, rR considerando la notación de MIRANDA (2003) es la siguiente: t max( vi , wk ) W X V Y t i 1 m k i ic kp 1 os k 1 Wk X kc (1) re ch 0 i ip Au i 1 m de Sujeto a: to V Y De k 1 Vi, Wk >0 i y j ing s- c=1,…,p,…,z y ed Yic y Xkc son respectivamente los valores observados de outputs e inputs de las "j" ce DMUs de la muestra; así las variables de ponderación o soluciones del modelo serían V i y Wk. Pr o La optimización produce un conjunto de valores positivos o nulos que denominaremos V* y A W*, que generarán el óptimo, para la función de máximo igual a 1. Por tanto, la función EN EF objetivo siempre tomará valores entre 0 y 1 para las distintas unidades estudiadas. 2508 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE Para resolver la ecuación anterior (1), es necesario convertir el modelo a una forma lineal equivalente, fijando el denominador a una constante (la unidad) y maximizando el numerador de la siguiente forma: (2) din gs Sujeto a: t m W X i kp 1 -E NE FA i 1 oc y k 1 Pr i 1 ee max( vi , wk m)ViYip t 1 para c=1,…,p,…,z ViYic iW k X ic os Vi, Wk >0 i y j va d La importancia de los resultados de la metodología propuesta se ve reflejada cuando esta permite identificar las unidades escolares en las que se están usando eficientemente los es er recursos. rR Finalmente se señala una clasificación de los modelos DEA, siguiendo a autores como Au to Coll y Blasco (2006), entre otros. os de 7. Caracterización de los modelos DEA re ch Los modelos DEA pueden ser clasificados, básicamente, en función de: De a) El tipo de medida de eficiencia que proporcionan: modelos radiales y no radiales. b) La orientación del modelo: input orientado, output orientado o input-output ing s- orientado. ed c) La tipología de los rendimientos a escala que caracterizan la tecnología de producción, ce entendida ésta como la forma (procedimientos técnicos) en que los factores Pr o productivos (inputs) son combinados para obtener un conjunto de productos (outputs), EN EF A de tal forma que esa combinación de factores puede caracterizarse por la existencia de rendimientos a escala: constantes o variables a escala. 2509 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE Dentro del contexto anterior, se exponen los modelos DEA básicos, DEA-CCR y DEA-BCC: Modelos CCR, que supone rendimientos a escala constantes. Fueron establecidos por Charnes, Cooper y Rhodes (1978) como programas fraccionales lineales que din gs pueden ser formulados y resueltos como programas lineales. Modelos BCC, que estiman la frontera de producción con rendimientos variables, oc ee haciendo posible rendimientos a escala constantes, crecientes y decrecientes en Pr diferentes tramos de aquella. Fueron introducidos por Banker, Charnes y Cooper NE FA (1984). -E En ambos tipos de modelos se pueden distinguir dos orientaciones: output e input. La os primera se ocupa del máximo movimiento hacia la frontera vía proporcional aumento de los va d outputs, mientras que la segunda se centra en el máximo movimiento hacia la frontera a través es er de una reducción proporcional de los inputs. rR Por lo tanto, parece razonable suponer que la obtención de mejores niveles de to producción a partir de los recursos disponibles es el objetivo más adecuado. Por otro lado, BCC Au o rendimientos variables a escala porque la medida de eficiencia obtenida es una medida de de eficiencia técnica pura, es decir, netas de cualquier efecto escala, aunque también se aplicará re ch pura y eficiencia de escala. os el modelo DEA-CCR para poder descomponer la eficiencia técnica global en eficiencia técnica De En el gráfico 3 se ilustra el caso de dos unidades A y B que a partir de un único input obtienen un único output. Se han representado la frontera de rendimientos constantes y la de ing s- rendimientos variables a escala. Considerando una Orientación Output, puede observarse ed como la eficiencia de la unidad B viene dada por el cuociente CB/CB2 bajo los supuestos de ce rendimientos constantes a escala (RCE), mientras que si la unidad B opera con tecnología de Gráfico 3 Rendimientos Constantes y Variables de Escala EN EF A Pr o rendimientos variables, la eficiencia vendría dada por CB/CB1. 2510 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE y din gs B2 B1 A oc RCE ee RVE -E NE FA Pr B x os C to rR es er va d Fuente : Esteban, J. y Coll, V. (2006) Au La diferencia entre una medida y otra, es decir, la distancia B2B1, es la eficiencia de de escala (EE), que puede ser interpretada como la parte de la ineficiencia presente en la os eficiencia técnica global (ETG) que obedece a la escala de producción de la unidad que se re ch evalúa, es decir, es el resultado de descontar a la ETG la eficiencia técnica pura (ETP). Por lo De tanto, ETG = ETP · EE. Si EE = 1 entonces ETG = ETP, lo que indica que la unidad no presenta ineficiencias de ing s- escala y por lo tanto, opera en una escala óptima. ed El modelo DEA- CCR, Orientación Output en su forma envolvente puede expresarse de Max Zo = + ε (Is+ + Is-) EN EF A Pr o ce la siguiente forma: 2511 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE Sujeto a: yo – Y s+ + = 0 din gs (3) X + s- = xo FA Pr oc ee ,s+, s- ≥ 0 NE Donde s+ y s- representan las variables de holgura, l es un vector fila cuyas -E componentes son todas igual a la unidad y ε es un infinitésimo no-arquímedeo.- La idea de esta Is+ + Is- , entre aquellas os formulación es maximizar la suma de las variables de holgura va d soluciones que maximizan . Al multiplicar esta suma por un ε suficientemente pequeño como para no alterar el valor , se le asigna una prioridad menor a la maximización de las variables es er de holgura frente a la maximización de . rR Entonces, para determinar la eficiencia de una unidad se examinan todas la Au to combinaciones lineales de las otras unidades que consumen como máximo tanto como la unidad que se está analizando en las m dimensiones del input y que a lo largo de las s os de dimensiones del output produzcan una cantidad mayor de outputs. re ch indica la proporción en la que todos los outputs podrían aumentarse mientras se mantienen los inputs constantes si la unidad analizada actuara también como la unidad De hipotética con la que es comparada. Más aún, podría haber una actuación mejor de algún input s- y output si alguna de las variables de holgura fueran positivas. Por lo tanto, una unidad es ing eficiente si * = 1 y todas las variables de holgura son cero. Una unidad es ineficiente si * > 1 ed y/o las variables de holgura son no nulas. La eficiencia técnica output de la unidad evaluada Pr o ce será igual a 1/. El modelo DEA-BCC, en su forma envolvente, permite determinar la puntuación de EN EF A eficiencia técnica pura (ETP) y su formulación matemática orientación output es la siguiente: 2512 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE + Max Zo = + ε (Is + Is ) Sujeto a: – Y s+ + = 0 din gs Yo oc ee (4) NE FA Pr X + s- = Xo va d os -E I =1 es er ,s+, s- ≥ 0 rR A diferencia del modelo (3) este problema añade una restricción adicional, restricción to de convexidad, I = 1 pero a igual que el modelo (3) en este modelo la eficiencia técnica Au output, que en este caso es la eficiencia pura, viene dada por 1/ e indica en qué medida los de niveles outputs de la unidad que se está analizando pueden ser aumentados radialmente dado os sus niveles de inputs. La unidad será evaluada como eficiente si y solo si = 1 y las variables de re ch holgura son todas nulas. A partir de los valores óptimos de la solución para cada unidad del modelo (2) pueden determinarse valores objetivos, conjuntos de referencia para las unidades De ineficientes, porcentajes de mejora input/output, porcentajes de contribución input/output, ing s- etc. ed Por otro lado, para determinar si los rendimientos a escala son constantes (CRS), ce crecientes (IRS) o decrecientes (DRS) se seguirá a Färe et al. (1985) quienes sugieren un Pr o método de dos pasos para estimar los retornos a escala. Si la EE =1 indica que la unidad que se evalúa tiene rendimientos constantes a escala y si EE < 1 indica que puede tener rendimientos EN EF A crecientes o decrecientes. Cuando EE < 1 se resuelve el programa lineal ( 1 ) pero con la 2513 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE restricción I ≤ 1 para determinar si la ineficiencia de escala se asocia con IRS o DRS. Este es el modelo NIRS (Non Incremental Return to Scale), ya que al agregar esta restricción no se permiten rendimientos crecientes a escala. Por lo tanto, se tienen tres modelos el CRS o din gs rendimientos constantes a escala, el VRS o rendimientos variables a escala y el NIRS. ee Entonces si: oc Los modelos CRS, VRS y NIRS producen exactamente la misma medida de Pr eficiencia, entonces la unidad exhibe rendimientos constantes a escala. FA La eficiencia de los modelos CRS y NIRS son iguales y menores que la eficiencia del NE modelo VRS, entonces la unidad tiene rendimientos locales crecientes en la región -E de la frontera. os La eficiencia de los modelos VRS y NIRS son iguales y mayores que la eficiencia del va d modelo CRS entonces la unidad presenta rendimientos locales decrecientes en la rR es er región de la frontera. to Además, cuando se resuelven estos modelos, cada unidad que resulta eficiente obtiene Au una puntuación del 100% o la unidad, las unidades ineficientes tienen una puntuación menor de por lo que su ordenación no presenta problema. El método DEA no jerarquiza las unidades que os resultan eficientes por lo que en este trabajo se recurre a dos métodos planteados en la re ch literatura para poder ordenar las unidades eficientes, ya que no necesariamente todas las eficientes son igualmente eficientes. Uno de los métodos es el Global Leader y el otro es el de Global Leader. Este método introducido por Oral y Yolalan (1990) destaca a la unidad ed i) ing s- De la Puntuación de Supereficiencia. ce que puede ser considerada como la que presenta mejor rendimiento. Consiste en Pr o detectar las unidades que aparezcan con mayor frecuencia en los conjuntos de EN EF A referencia de las unidades ineficientes. Si una unidad eficiente no actúa como 2514 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE referencia de ninguna de las restantes unidades ineficientes puede significar que dicha unidad eficiente solo lo es en un sector o bien que posee una combinación input/output muy poco común. din gs ii) Puntuación de Supereficiencia. Propuesto por Andersen y Petersen (1993) consiste en comparar la unidad que se está analizando, con una combinación lineal de todas las ee otras unidades que se están considerando, donde la unidad que se analiza (unidad o) oc es excluida. Pr Este modelo se propone para rendimientos constantes a escala y es el NE FA siguiente: -E Max Zo = + ε (Is+ + Is-) er va d os Sujeto a: rR es Σ j X j + s - = xo to jo os de Au (5) re ch yo-Σ j Xj + s+ = 0 s- ,s+, j ≥ 0 EN EF A Pr o ce ed ing s- De jo 2515 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE 8. Índice de MALMQUIST El análisis de rendimiento descansa en el concepto de función de distancia, que por su din gs capacidad para caracterizar la tecnología de producción, se está convirtiendo en la actualidad ee en la piedra angular del análisis de eficiencia y productividad en las actividades. (Álvarez, 2002). oc La formulación del modelo se realiza a través del concepto de función de distancias y Pr su aplicación para definir índices de productividad. La instrumentación empírica exige FA caracterizar la tecnología empleando la técnica de optimización del análisis envolvente de -E NE datos (DEA). os Mientras la metodología DEA emplea lo que se denomina, en la literatura, “funciones va d distancia”, que representan la inversa de la medición original de Farrell (1957) de eficiencia er técnica. Esta metodología utiliza solamente información sobre cantidades, tanto de los rR es productos, como de los insumos empleados. to Los Índices Malmquist fueron introducidos originalmente en el ámbito de la teoría del Au consumo. Esta propuesta fue posteriormente aplicada a la medición de la productividad, por de Caves, Christensen y Diewert (1982), en un contexto de funciones de producción, y por Färe et re ch os al 1994), en un contexto (DEA) no paramétrico. Este índice permite medir el crecimiento de la productividad entre dos períodos t y t+1. De La metodología de Índices de Malmquist propuesta por Caves, Christensen y Diewert (1982), se s- basa en el cálculo de la distancia que separa a cada DMU de la tecnología de referencia en cada ing período utilizando para ello la función distancia (calculada mediante la técnica DEA). ed El cálculo del Índice de Malmquist es uno de los métodos más utilizados para analizar la ce evolución de la productividad y sus componentes a lo largo del tiempo. Dado que solamente se Pr o necesitan datos relativos a cantidades, no es necesario realizar supuestos sobre la forma EN EF A funcional de la función de producción y permite descomponer la productividad total de los 2516 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE factores de una unidad productiva en el cambio debido a la mejora de la eficiencia técnica (y ésta a su vez en eficiencia pura y eficiencia de escala) y el debido al cambio técnico o progreso tecnológico. Es por ello que ha sido extensamente utilizado en el sector público. din gs La representación gráfica del Índice de Malmquist es posible si consideramos nuevamente el proceso de producción de un producto mediante el empleo de un insumo. En el oc ee gráfico 4 se muestran las “distancias” que deberán obtenerse para medir el cambio que existió Pr entre la productividad desde el punto E (t+1) al D (t), considerando como fronteras las FA tecnologías de ambos períodos. re ch os de Au to rR es er va d os -E NE Gráfico 4 Representación gráfica del Índice de Malmquist De Fuente: Coelli, D.S. Prasada Rao y G.E. Battese, An Introduction to Efficiency and Productivity Analysis, Boston, ing s- Kluwer Academic Publisher, 1998. ed Una de las ventajas de esta metodología es que no requiere información sobre precios Pr o ce y solamente utiliza datos sobre unidades físicas de insumos y de productos. Tampoco requiere hacer supuestos sobre maximización de beneficios o, EN EF A alternativamente, sobre minimización de costos, y está libre de los errores de una mala 2517 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE especificación en la forma funcional. Sin embargo, una de sus debilidades es que no distingue entre “noise” e ineficiencia técnica, como ocurre en las estimaciones realizadas a través de fronteras estocásticas. Cualquier desviación de la frontera sería considerada, en este caso, din gs como ineficiencia. Debido a ello, los shocks externos desfavorables, que afecten la performance de una economía, serían captados como ineficiencias (al no computar los efectos oc ee aleatorios, la metodología DEA podría sobreestimar la medición de aquéllas). Pr En lo que sigue se emplea la propuesta de Färe et. al. (1994), que hace uso de las FA funciones distancia. Estos autores miden el crecimiento de la productividad como una media NE geométrica de dos índices de productividad Malmquist. (Caves et. al., 1982) -E NAVARRO (1999) explica que el Índice de Malmquist puede establecerse desde dos va d os enfoques: er 1) El Índice de Malmquist de productividad basado en el output y; rR es 2) El Índice de Malmquist de productividad basado en el input to El primer caso; analiza las diferencias de productividad como las diferencias en el máximo Au output alcanzable dados unos niveles de inputs. El segundo caso; analiza las diferencias de os niveles de outputs determinados. de productividad como las diferencias en el mínimo nivel de inputs que permite producir unos re ch CAVES et. al. (1982), quien demuestra que ambos índices proporcionan idénticos De resultados tan sólo en el caso de que los rendimientos a escala sean constantes. t DCit ( xit , yit ) min : ( xit , yit ) TCCR EN EF A Pr o (6) ce ed ing s- La función de distancia en insumos se define con respecto a dicha tecnología como: 2518 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE t Donde TCCR representa la tecnología CCR que satisface los supuestos formulados en el trabajo de Charnes, Cooper y Rhodes (1978), el conjunto de procesos productivos que se consideran factibles bajo dichos supuestos (rendimientos constantes a escala, eliminación din gs gratuita de insumos y producción). La función de distancia indica la proporción a la que pueden reducirse todos los inputs para obtener la misma productividad que la empresa más oc ee productiva, siendo por tanto una medida de productividad relativa. Pr Esta función se define coma la inversa de la expansión proporcional máxima del vector FA de outputs yt, dados los inputs xt, para que el individuo (xt,yt) sea eficiente y se encuentre NE situado en la frontera del período t. DCt(xt, yt ) toma valores inferiores a la unidad, si y sólo si, -E (xt, yt), y toma el valor unitario, si y sólo si, (xt,yt) se sitúa en la frontera de producción. En este os último caso, la unidad evaluada será técnicamente eficiente. va d Dado que se trata de comparar la evolución de la productividad, el Índice de Malmquist rR es posterior t+1, la función de distancia se define como: er precisa funciones de distancia con respecto a diferentes períodos de tiempo. Así, en un período Au to t DCit 1 ( xit 1 , yit 1 ) min : ( xit 1 , yit 1 ) TCCR os de (7) re ch Esta función mide el máximo cambio proporcional en los outputs necesario para que De (xt+1,yt+1) sea factible con la tecnología del momento t. En este caso, el valor de la función distancia puede exceder la unidad, debido a que la observación evaluada no es posible con la ing s- tecnología de otro período. ed A partir de estas funciones de distancia, Caves, Christensen y Diewert (1982) definen el ce índice de productividad de Malmquist el cual mide la variación acontecida en la productividad Pr o relativa de una empresa entre dos períodos, manteniendo fija la tecnología; es decir, la escuela EN EF A que se utiliza como referencia óptima: 2519 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE t M CCD DCit ( xit 1 , yit 1 ) DCit ( xit , yit ) din gs (8) t Un índice M CCD > 1 indica que la productividad en el período t+1 es superior a la del ee período t, puesto que la expansión necesaria en los outputs del período t+1 para que la oc observación sea factible en t es inferior a la aplicable a los outputs del período t. Por el FA Pr t contrario, un M CCD < 1 indica que la productividad ha descendido entre los períodos t y t+1. NE De la misma manera se puede definir este índice referido al período t+1, para lo cual se os DCit 1 ( xit 1 , yit 1 ) DCit 1 ( xit , yit ) va d t 1 M CCD -E deben utilizar las correspondientes funciones distancia, de forma que: to rR es er (9) Au Con el fin de evitar caer en la arbitrariedad de optar por mantener el periodo de os anteriormente expresados. de referencia en t o en t+1, es habitual tomar la media geométrica de los dos índices 1 2 De re ch DCit ( xit 1 , yit 1 ) DCit 1 ( xit 1 , yit 1 ) M CCD ( xit 1 , yit 1 , xit , yit ) t t t t 1 t t DCi ( xi , yi ) DCi ( xi , yi ) ed ing s- (10) ce En el caso de que M CCD ( xit 1 , yit 1 , xit , yit ) , ese incremento en la productividad relativa Pr o de la empresa puede deberse a varias causas. En primer lugar es posible que la empresa haya EN EF A mejorado de hecho su eficiencia relativa, la empresa ha mejorado más que la empresa óptima. 2520 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE En segundo lugar, es posible que la tecnología disponible haya mejorado, pero se debe recordar que se ha mantenido fijo el referente tecnológico. Färe et. al. (1994) propusieron una descomposición del índice que permite separar ambas fuentes de variación en la DCit 1 ( xit 1 , yit 1 DCit ( xit 1 , yit 1 ) DCit 1 ( xit 1 , yit 1 ) M CCD ( x , y , x , y ) DCit 1 ( xit , yit ) DCit ( xit , yit ) DCit 1 ( xit , yit ) t i 1 2 t i NE FA Pr M CCD ( xit 1 , yit 1 , xit , yit ) cambio en la eficiencia * cambio técnico ,t 1 EFi t ,t 1 * tCCR ,i ee t 1 i oc t 1 i din gs productividad: va d os -E (11) er El primer cociente de la expresión refleja el cambio que se ha producido en la eficiencia es relativa de la empresa, variación en la distancia que la separa de su frontera contemporánea; rR mientras que el segundo término (entre corchetes) refleja el cambio en la productividad que to puede atribuirse al movimiento de la frontera CCR de la empresa de comparación entre los Au periodos t y t+1. Nótese que, aunque este último componente se refiere al cambio técnico, de aparece con el indicador de la empresa i, puesto que para su cálculo se parte de los vectores de os actividad de dicha empresa. Por tanto, el índice de cambio técnico mide el desplazamiento de re ch la frontera al nivel de output producido por la empresa evaluada definiéndose como una media geométrica con el fin de evitar decidir el nivel de actividad de referencia. Si han existido s- De mejoras tecnológicas, tendrá un valor superior a uno. ing Por lo tanto, un Índice de Malmquist superior a la unidad indica mejoras de la ed productividad, mientras que si toma valores inferiores a la unidad, implica pérdidas. ce Además, debe tenerse en cuenta que, aunque el producto del cambio en la eficiencia Pr o técnica y el cambio técnico debe ser, por definición, igual al Índice de Malmquist, estas dos EN EF A componentes pueden tener comportamientos en direcciones opuestas. 2521 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE El índice de cambio en la eficiencia puede ser a su vez descompuesto en un índice de cambio en la eficiencia pura calculado con respecto a la tecnología con rendimientos variables y un índice residual de cambio en eficiencia de escala. Siendo, din gs t DVi t ( xit , yit ) min : ( xit , yit ) TCCR ee (12) oc La función de distancia definida con respecto a la tecnología TtBCC, que corresponde con Pr los supuestos formulados en Banker, Charnes y Cooper (1984). Al abandonar el supuesto de FA rendimientos constantes, es posible construir un índice de eficiencia de escala comparando las -E os DCit ( xit , yit ) DVi t ( xit , yit ) va d EEit ( xit , yit ) NE dos funciones de distancia definidas anteriormente, er (13) de DCit 1 ( xit 1 , yit 1 ) DVi t 1 ( xit 1 , yit 1 ) EEit 1 ( xit 1 , yit 1 ) EPi t ,t 1 * EEit ,t 1 t t t t t t t t t DCi ( xi , yi ) DVi ( xi , yi ) EEi ( xi , yi ) os EFi t 1 Au to rR es Y por lo tanto, re ch (14) De Con lo que el Índice de Malmquist queda descompuesto en tres índices que miden la variación en la eficiencia pura (relativa a la frontera con rendimientos variables), en la ing s- eficiencia de escala (posición relativa del referente en la frontera con rendimientos variables con respecto al óptimo en la frontera con rendimientos constantes) y un índice de cambio ce ed técnico (que refleja el desplazamiento de la frontera de rendimientos constantes). Pr o Es posible mejorar la descomposición de Färe et al.(1994) separando dos componentes A del índice de cambio técnico. Ray y Desli (1997) propusieron calcular el índice de cambio EN EF técnico utilizando como referencia la tecnología de rendimientos variables. La diferencia entre 2522 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE los índices de cambio técnico de Färe et al. (1994) y de Ray y Desli (1997) puede recogerse en un índice residual de cambio de escala (en qué medida la posición del referente sobre la nueva frontera con rendimientos variables se acerca más al tamaño óptimo reflejado en la frontera din gs con rendimientos constantes), como sugieren Simar y Wilson (1996) y Zofío y Lovell (1998), DCit 1 ( xit 1 , yit 1 ) DCit ( xit 1 , yit 1 ) DCit ( xit , yit ) M CCD ( x , y , x , y ) DCit ( xit , yit ) DCit 1 ( xit 1 , yit 1 ) DCit 1 ( xit , yit ) t i 1 2 t i oc t 1 i Pr t 1 i ee quedando de la siguiente forma. 1 NE FA DVi t 1 ( xit 1 , yit 1 ) EEit 1 ( xit 1 , yit 1 ) DVi t ( xit 1 , yit 1 ) DVi t ( xit , yit ) 2 * DVi t ( xit , yit ) EEit ( xit , yit ) DVi t 1 ( xit 1 , yit 1 ) DVi t 1 ( xit , yit ) 1 va d os -E EE t ( x t 1 , y t 1 ) EEit ( xit , yit ) 2 t i1 it 1 it 1 t 1 t t EEi ( xi , yi ) EEi ( xi , yi ) t, t 1 t, t 1 EPit, t 1 * EE it, t 1 * TBCC, i * E i to rR es er (15) Au Para calcular el Índice de Malmquist es necesario resolver las funciones de distancia de correspondientes a través del DEA. Así, el cálculo del Índice de Malmquist requiere buscar la solución de cuatro programas de optimización para las n unidades productivas. En notación De re ch os matricial tenemos que: ing s- Programas Programación Lineal (PL) ce ed DC ( X ,Y t 0 1 t t max EN EF A Pr o PL 1: 2523 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE Sujeto a: y0t Yt 0 x0t X t 0 (16) din gs 0 ee Donde x0t y y0t son los vectores de inputs y outputs asociados a la unidad 0 y λ es un oc vector de pesos que de forma flexible ponderan las matrices Xt y Yt. El parámetro indica la Pr máxima proporción en la que los outputs de la unidad 0 pueden ser expandidos tal que FA (x0t,y0t/) siga siendo factible tomando en consideración el desempeño del resto de unidades -E NE (Xt,Yt). t 1 0 ( X t 1 , Yt 1 1 max va d DC er PL 2: os Los otros tres programas son: es Sujeto a: (17) t 1 , Yt 1 1 max s- De t 0 re ch DC ( X os de 0 PL 3: to Au x0(t 1) X t 1 0 rR y0(t 1) Yt 1 0 Pr o ce ed ing Sujeto a: y0(t 1) Yt 0 x0(t 1) X t 0 0 EN EF A (18) 2524 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE DC t 1 0 PL 4: ( X t , Yt 1 max Sujeto a: din gs y0t Yt 1 0 x0t X t 1 0 (19) oc ee 0 Pr En los últimos dos programas la eficiencia se calcula con las unidades de un período FA pero tomando como referencia la frontera productiva de otro período. Ello puede suponer que NE pueda tomar valores menores que la unidad, lo que no se produciría en datos de sección -E cruzada. Para el cálculo de la eficiencia de escala los dos primeros programas deben ser os calculados también asumiendo rendimientos variables a escala añadiendo la restricción de que va d Σ λn = 1. rR es er 9. Resultados to Con la finalidad de calcular el Índice de productividad de Malmquist, se determinaron Au en primer lugar los índices de eficiencia de cada una de las escuelas rurales analizadas para los de períodos estudiados (T0=1999y T1=2009), mediante el análisis envolvente de datos (DEA). Se os utilizó una orientación a la salida (maximización de outputs) y se analizaron los modelos de re ch rendimientos constantes a escala (CRS, por sus siglas en inglés) propuesto por Charnes, Cooper y Rhodes (1978) y de rendimientos variables a escala (VRS, por sus siglas en inglés) propuesto De por Banker, Charnes y Cooper (1984). ing s- Tomando como base las distancias de cada uno de los períodos con respecto a la frontera de rendimientos constantes y rendimientos variables a escala, calculadas mediante el ed DEAP, se determinó el Índice de Malmquist según fórmula original y posteriormente se realizó Pr o ce la descomposición de este índice en los índices de eficiencia técnica y eficiencia relativa y este EN EF A a su vez en eficiencia pura y eficiencia de escala, según lo propuesto por Färe et al (1994). 2525 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE 10. Medición de la eficiencia en las escuelas rurales En el Cuadro 4 se puede notar que en los dos períodos estudiados las escuelas que din gs alcanzaron la eficiencia de escala fueron las DMU´s 3,6 8, 12, 15 y 17. Estas escuelas fueron las únicas que resultaron eficientes al considerar tanto la frontera de rendimientos constantes ee como la de rendimientos variables a escala. (Ver apéndice 1 para visualizar los DMU asociados Pr oc a cada una de las escuelas) FA En el caso de las escuelas señaladas, se puede notar que su eficiencia de escala es igual NE a su eficiencia global, ya que su eficiencia técnica es del 100%. Esto significa que su ineficiencia os A Pr o ce ed ing s- De re ch os de Au to rR es er va d Cuadro 2 Eficiencias de escala -E se debe al nivel de escala en el cual operan. EN EF Fuente: Elaboración propia 2526 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE Después de haber determinado y analizado las distancias con respecto a las fronteras oc ee mejora o desmejora de la eficiencia de cada una de las escuelas de un período a otro. din gs eficientes en los dos períodos estudiados, se calculó el Índice de Malmquist para evaluar la Pr El cuadro siguiente, muestra el Índice de Malqmist y los Índices de eficiencia relativa y técnica, FA respectivamente. Pr o ce ed ing s- De re ch os de Au to rR es er va d os -E NE Cuadro 3 Índices de Malmquist e Índices de eficiencia relativa y técnica EN EF A Fuente: Elaboración propia 2527 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE La causa que origina que se mantenga la mejora del índice de productividad de las escuelas 12, 15, 17 y 19 es su eficiencia técnica. Esta afirmación se fundamenta en el hecho que din gs estas escuelas se ubican en la frontera eficiente en los dos períodos, por lo que su índice de oc la Productividad, causada mayormente por el incremento de su eficiencia relativa. ee eficiencia relativa es igual o superior a 1. En el resto de las escuelas se observa una mejoría de Pr El índice de eficiencia relativa, a su vez, se descompuso en dos índices más - FA considerando la frontera con rendimientos variables a escala-, a saber: el de eficiencia pura y el -E NE de eficiencia de escala. Los resultados se muestran en el Cuadro 4 ed ing s- De re ch os de Au to rR es er va d os Cuadro 4 Descomposición del índice de Eficiencia Relativa EN EF A Pr o ce Fuente: Elaboración propia 2528 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE Como puede observarse en el cuadro anterior, aunque algunas de las escuelas mejoraron su eficiencia relativa, sólo las DMU 2, 5 y 14 mejoraron su eficiencia pura (en relación con la frontera variable). La mejoría que se observa en el resto de las granjas din gs corresponde a que incrementaron su eficiencia de escala, lo cual evidencia que el tamaño de escala al cual operan se ha acercado al óptimo de escala. oc ee Por su parte, la DMU 10 fue la única que desmejoró tanto su eficiencia pura como su Pr eficiencia de escala, teniendo esta última (el alejamiento del nivel de escala más productivo), FA un mayor impacto en la disminución de su eficiencia relativa. -E NE 11. Conclusiones os El análisis de los modelos DEA y los índices de eficiencia resultan útiles para la medición va d de la productividad del sector educacional, especialmente de las escuelas rurales. Al er determinar cuáles son las escuelas más eficientes de la integración, se puede realizar un rR es análisis sobre cuáles son los mecanismos utilizadas en ellas, con el fin de aplicarlos al resto de to las escuelas que muestran algún nivel de ineficiencia. Au En el análisis realizado de 19 escuelas rurales asociadas a un programa MECE/RURAL, de mediante la aplicación de los Modelos DEA se determinó que las escuelas que utilizan más os eficientemente sus recursos son las DMU´s 3, 6, 8, 12, 15 y 17, por cuanto en los dos períodos re ch analizados resultaron tener el mayor porcentaje de eficiencia y sirvió de parámetro de De comparación para el resto de las escuelas. s- Mediante la descomposición realizada del índice de Malmquist, además de conocer la ing evolución de la productividad de un período a otro, se pudo determinar cuáles fueron las ed principales causas que originaron el incremento o la disminución de la productividad en cada ce una de las escuelas analizadas. Pr o Se observó que la mayoría de las escuelas, mejoraron su eficiencia de un período a EN EF A otro, debido mayormente al acercamiento a la escala óptima de producción. Esta circunstancia 2529 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE se tradujo en la mejora de su eficiencia relativa, así como en el progreso de la tecnología utilizada, que se observa en el índice de eficiencia técnica. La disminución de la eficiencia de la DMU 10 se debió principalmente a la desmejora de din gs su eficiencia pura, lo cual evidencia que los recursos no están siendo utilizados adecuadamente EN EF A Pr o ce ed ing s- De re ch os de Au to rR es er va d os -E NE FA Pr oc ee por esta escuela. 2530 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE 12. Referencias Bibliográficas din gs ALVAREZ P. (2002). Concepto y Medición de la eficiencia Productiva. Ed. Pirámide. Madrid, ee España. oc ANDERSEN, P. y PETERSEN, N.C. (1993). A Procedure for Ranking Efficient Units in Data FA Pr Envelopment Analysis. Management Science, 39(10); 1261-1264. NE ARAYA L. y MIRANDA J.C. (2002). Eficiencia económica de las escuelas rurales en la Décima -E Región, desde la perspectiva del análisis envolvente de datos. Tesina de Grado. Universidad os Austral de Chile, Valdivia. va d BANKER, R., CHARNES, A. y COOPER, W. (1984). Some Models for Estimating Technical and es er Scale Inefficiences in Data Envelopment Analisis, Management Science N°30 pp.1078-1092. rR CAVES, D.W. CHRISTENSEN, L.R. Y DIEWERT, W.E. (1982). The Economic Theory of to IndexNumbers and the Measurement of Input, Output, and Productivity. Econometrica Au 50(6):1393-1414. de CHARNES, A., COOPER, W. y RHODES, E. (1978). Measuring Efficiency of Decision Making Units. re ch os European Journal of Operations Research. Vol 2. pp 429-444. CHIRINOS, A. y URDANETA, M. (2007). Medición de la eficiencia en el sector avícola mediante De Índices de Malmquist. Maracaibo: Universidad del Zulia, Facultad de Ciencias Económicas y ing s- Sociales. ed COLL, V. y BLASCO, O. (2006). Evaluación de la Eficiencia Mediante el Análisis de Envolvente de EN EF A Pr o ce Datos. Universidad de Valencia. 2531 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE DONOSO, S. (1999). Análisis de la eficiencia de la educación básica mediante el método de fronteras estocásticas de producción: el caso de la comuna de Talca. Rev. Estud. Pedagógicos Nº25, Valdivia. din gs ERIAS REY, A. (1998). La eficiencia hospitalaria en Galicia, Instituto de Estudios económicos de Pr oc ee Galicia Pedro Barrié de la Maza, Año 1998, Galicia, España, 184 páginas. FA ESTEBAN, J. y COLL, V. (2006). Competitivad y Eficiencia. Estudios de Economía Aplicada. Vol. NE 21 (3) pp. 423-450. -E FÄRE, R. GROSSKOPF, S. y LOVELL C.A.K (1994). Production Frontiers. Cambridge. University va d os Press. FARRELL M. J. (1957). The Measurement of Productive Efficiency. Journal of the Royal es er Statistical Society. Series A, vol. 120, pp 253-290. to rR GUERRERO Y RIVERA (2009). Revista Cepal-Cambio en la productividad total, México. Au MERCADO, ERNESTO; DÍAZ, ESTHER Y FLORES, DIANA (1998). Productividad, Base de la de Competitividad. México D.F.: Editorial Limusa. os MINEDUC (1998). Estudio de la evaluaciòn de la línea de Educación Rural del Programa MECE: re ch Primer informe. Consorcio Universidad Austral de Chile y Universidad de Playa Ancha de De Ciencias de la Educación. Valdivia. s- MIRANDA J. y ARAYA L. (2003). Eficiencia económica de las escuelas rurales en la Décima ing Región, desde la perspectiva del análisis envolvente de datos. Revista Estudios Pedagógicos. ed Universidad Austral de Chile. Pr o ce NAVARRO, E. (1999). Análisis de la eficiencia en las organizaciones hospitalarias públicas. Quito, EN EF A Ecuador. 2532 Proceedings del XXVII Encuentro Nacional de Facultades de Administración y Economía ENEFA Proceedings – Vol. 4, año 2011 ASFAE ORAL, M. y YOLALAN, R. (1990). An empirical study on measuring operating efficiency and profitability of bank branc. European Journal of Operational Research, vol. 46(3):282-294. PEDRAJA, F. y J. SALINAS (1994). El Análisis Envolvente de Datos (DEA) y su aplicación al Sector din gs Público: una nota introductoria. Ministerio de Economía y Hacienda Pública Española. ee 12(Enero): 117-31. oc RAY. S., y DESLI, E. (1997): Productivity Growth, Technical Progress, and Efficiency Change in NE SANÍN, María; ZIMET, Fernando (2001). Estimación de una frontera de FA Pr Industrialized Countries: Comment, American Economic Review, 87(5):1033-1039. -E eficiencia técnica en el mercado de seguros Uruguayo. Asunción: Facultad de Ciencias va d os Económicas y de Administración, Universidad de la República de Uruguay. SIMAR, L. y WILSON(1996). Aspects os Statistical Analysis in DEA-Type Frontiers Models. es er Journal of Productivity Analysis 7: 177-185. rR SIMCE (2010). Sistema de Medición de Calidad de la Educación. Ministerio de Educación. Chile Au to www.simce.cl de Universidad Austral de Chile (1997). Estudio de la Evaluación de la línea de Educación Rural del os Programa MECE: primer informe. Publicación restringida. Instituto de Estadística. Universidad re ch Austral de Chile, Valdivia. De ZOFÍO J.L., y LOVELL, C.A.K (1998). Yet Another Malmquist Productivity Index Decomposition, EN EF A Pr o ce ed ing s- Mimeo. Departamento de Economía. Universidad Autónoma de Madrid. España. 2533