Clasificación y eficiencia del Sistema Portuario Español

Análisis de la evolución del Sistema Portuario Español
Clasificación y eficiencia del Sistema Portuario Español
Amparo Medal Bartual ([email protected])
Departamento Finanzas Empresariales
Ramon Sala Garrido ([email protected])
Departamento Matemáticas para la Economía y la Empresa
Universidad de Valencia
RESUMEN
El actual proceso de innovación tecnológica, alentado por una creciente liberalización y
globalización de las economías a nivel internacional, ha propiciado importantes cambios en la
organización y gestión de la industria marítima y portuaria que afectan significativamente a la
productividad y eficiencia de las actividades desarrolladas en los puertos. En este contexto, la
competitividad de nuestro país depende, en gran medida, del desarrollo de los sistemas de
transporte, y en particular, de la existencia de unos puertos eficientes que permitan el trasvase
de mercancías de un modo ágil y seguro.
Por todo ello, en este documento analizamos la eficiencia de los principales puertos del
Sistema Portuario Español (SPE) usando la metodología DEA (Análisis Envolvente de Datos).
El estudio de los niveles de eficiencia alcanzados en los años precedentes por los distintos
puertos que componen el SPE, nos permitirá analizar la evolución en los niveles de eficiencia de
los mismos con el objeto de llegar a recomendaciones que permitan mejorarla en el futuro.
Siendo conscientes de la complejidad y gran diversidad de los puertos que conforman el
actual SPE proponemos el estudio previo de la estructura del sistema. El conocimiento de los
distintos subsistemas que conforman el SPE nos permite definir grupos homogéneos de puertos
en los que promover medidas específicas y diferenciadas que contribuyan a mejorar su
eficiencia.
Palabras claves: DEA; Eficiencia puertos; Cluster; Test no paramétrico
Clasificación JEL (Journal Economic Literature): C14,C61, L90
Área temática: Aspectos cuantitativos del fenómeno económico
XV Jornadas de ASEPUMA y III Encuentro Internacional
1
Medal y Sala
1. INTRODUCCIÓN
En esta comunicación se realiza un análisis de la evolución de la eficiencia del Sistema
Portuario Español (SPE) desde 1994 hasta 2005. Dada la complejidad y diversidad del mismo,
analizamos previamente al estudio de la eficiencia portuaria la estructura que presenta
actualmente el SPE. La clasificación de los puertos en grupos homogéneos nos permitirá
concluir de forma más detallada cómo ha evolucionado la eficiencia de los puertos, dentro del
grupo al que pertenece, y qué medidas deben tomar para su mejora frente a puertos similares en
cuanto a tráfico se refiere.
En concreto, en el epígrafe 2 se presenta la clasificación de los puertos que componen el
SPE en función de la actividad y tráficos que soportan. Describimos asimismo la técnica
estadística empleada, el denominado análisis de conglomerados o análisis “cluster” que nos
permite, finalmente determinar 4 subsistemas compuestos por puertos homogéneos entre si.
En el siguiente epígrafe, analizamos la eficiencia del SPE en conjunto y para los grupos
definidos previamente a través del Análisis Envolvente de Datos (DEA).
El estudio se completa, en el tercer epígrafe, con la aplicación del “Window Analysis”
con el fin de determinar la evolución de la eficiencia en el horizonte temporal señalado.
Finalizamos el trabajo destacando las principales conclusiones derivadas del estudio.
2. ANÁLISIS DE LA TIPOLOGIA DEL SISTEMA PORTUARIO
ESPAÑOL
2.1. Clasificación del Sistema Portuario Español (SPE).
El análisis de la estructura del SPE, gestionado actualmente por 28 Autoridades
Portuarias, pretende definir grupos homogéneos de puertos en función de la actividad que
desarrollan. La metodología estadística que nos permitirá alcanzar este objetivo es el
denominado “análisis de conglomerados jerárquicos” o análisis cluster.
Este procedimiento intenta identificar grupos relativamente homogéneos de individuos
u objetos basándose en las características seleccionadas. Como resultado, los individuos
pertenecientes al mismo grupo o “cluster” mostrarán grandes semejanzas entre ellos y
diferencias con los individuos de otros grupos, es decir, una gran homogeneidad interna (intragrupo) y una elevada heterogeneidad externa (entre-grupos).
En concreto, el análisis “cluster” agrupa los individuos en base a su cercanía,
minimizando la distancia intra-grupos y, a la vez, maximizando la distancia entre-grupos.
2
XV Jornadas de ASEPUMA y III Encuentro Internacional
Análisis de la evolución del Sistema Portuario Español
Aunque existen distintas formas de medir la distancia entre los individuos1 únicamente haremos
referencia, en el siguiente epígrafe, a la distancia euclídea al cuadrado, por ser la medida más
habitual y la utilizada en nuestro análisis.
Respecto a los individuos u observaciones que conforman la muestra a estructurar, cabe
decir que es necesario que cumplan únicamente dos requisitos: representatividad de la muestra
de individuos y no existencia de multicolinealidad entre las variables seleccionadas.
La primera de las condiciones, la representatividad de la muestra, es necesaria para que
los resultados que se alcancen sean extensibles a toda la población. En nuestro caso, esta
condición se cumple plenamente ya que el estudio se practica sobre toda la población, los 28
puertos nacionales que conforman el SPE, y no sobre una muestra o subconjunto de éstos.
La segunda condición, la no multicolinealidad entre las variables, exige independencia
lineal entre las variables empleadas, puesto que, de no ser así, las variables dependientes
incidirían con mayor peso en la determinación de los grupos, distorsionando los futuros
resultados.
Tras la exposición de los aspectos genéricos del análisis cluster, a continuación
destacamos los detalles de nuestro análisis.
2.1.1. Diseño del análisis cluster
En España existe en la actualidad un sistema gestionado por 28 Autoridades Portuarias
(AP). Para poder estudiar la estructura del SPE hemos aplicado el análisis cluster sobre los 28
puertos que componen la población (ver TABLA 1).
Tabla 1: Puertos del SPE
AP
Siglas
AP
Siglas
AP
Siglas
A Coruña
Alicante
Almería
Avilés
Bahía Algeciras
Bahía de Cádiz
Baleares
Barcelona
Bilbao
ACO
ALI
ALM
AVL
BAG
BCZ
BAL
BAR
BIL
Cartagena
Castellón
Ceuta
Ferrol-San Cibrao
Gijón
Huelva
Las Palmas
Málaga
Marín y Ría de
Pontevedra
CAR
CST
CEU
FER
GIJ
HUE
LPL
MAL
MAR
Melilla
Motril
Pasajes
S.C. Tenerife
Santander
Sevilla
Tarragona
Valencia
Vigo
Vilagarcía
MEL
MOT
PAS
TEN
SAT
SEV
TAR
VAL
VIL
VLG
Las variables seleccionadas para el estudio y que, desde nuestra óptica, mejor
caracterizan la actividad de los puertos del SPE, son los tráficos que sustentan medidos por
toneladas y descompuestos en: graneles sólidos (GS), graneles líquidos (GL) y Mercancía
1
Por ejemplo, la distancia euclídea o la distancia de Mahalanobis.
XV Jornadas de ASEPUMA y III Encuentro Internacional
3
Medal y Sala
general (MG) expresando estas variables en términos relativos (%) y no absolutos. Los datos
seleccionados para el estudio hacen referencia a 9 años consecutivos, en concreto, los
comprendidos entre 1994 y 2005. El análisis cluster se ha aplicado para cada uno de los
períodos comprendidos en la muestra y para los valores medios de dicho período. Dado que los
resultados no han presentado diferencias significativas entre sí, presentaremos las conclusiones
referidas a los valores medios de la muestra.
Respecto a las variables seleccionadas, cabe decir que cumplen las dos condiciones
necesarias anteriormente expuestas: primero, la muestra es representativa de toda la población,
puesto que coincide con ésta y, segundo, no hay dependencia lineal entre las variables
clasificadoras.
Por último, para completar el diseño del análisis “cluster” o de “conglomerados
jerárquicos” debemos indicar que se ha empleado como algoritmo de clasificación el método de
vinculación inter-grupos, por ser uno de los más usuales en este tipo de investigaciones.
En el siguiente epígrafe detallamos los resultados obtenidos con el análisis expuesto.
2.1.2. Resultados del análisis cluster: definición de grupos de puertos.
Como ya hemos comentado, el análisis cluster parte inicialmente de tantos grupos como
individuos componen la muestra y va agrupándolos en sucesivos niveles jerárquicos hasta que
conforman un solo grupo. Estos resultados quedan reflejados gráficamente en un diagrama de
dos dimensiones denominado dendograma (GRÁFICO 1).
4
XV Jornadas de ASEPUMA y III Encuentro Internacional
Análisis de la evolución del Sistema Portuario Español
Gráfico 1: dendograma
Dendrogram using Average Linkage (Between Groups)
Rescaled Distance Cluster Combine
C A S E
Label
Num
0
5
10
15
20
25
+---------+---------+---------+---------+---------+
ALM
MOT
FER
GIJ
BCZ
MAR
PAS
SEV
ALI
AVL
SAT
VLG
BAR
LPL
BAG
VAL
VIL
MEL
BAL
BIL
TEN
CEU
CAR
CST
ACO
TAR
HUE
13
17
15
16
23
24
25
27
22
14
26
28
1
2
18
4
5
3
19
20
21
9
7
8
6
12
10
òø
òú
òôòòòòòòòòòòòòòòòòòø
ò÷
ó
òûòòòòòòòø
ùòòòòòòòòòòòòòòòòòòòòòòòòòø
ò÷
ó
ó
ó
òø
ùòòòòòòòòò÷
ó
òôòø
ó
ó
ò÷ ùòòòø ó
ó
òûò÷
ùò÷
ùòòòø
ò÷
ó
ó
ó
òòòòòòò÷
ó
ó
òø
ó
ó
òôòòòòòòòø
ó
ó
ò÷
ó
ó
ó
òø
ùòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò÷
ó
òôòø
ó
ó
ò÷ ùòòòòò÷
ó
òòò÷
ó
òûòø
ó
ò÷ ùòòòòòòòø
ó
òòò÷
ó
ó
òûòòòø
ùòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò÷
ò÷
ó
ó
òø
ùòòòòò÷
òú
ó
òôòòò÷
MAL
11
ò÷
Fuente: Elaboración propia
Dadas las características del proceso, el analista debe decidir qué nivel de semejanza
entre los individuos de un mismo grupo es conveniente, esto es, el número de grupos más
adecuado a la muestra. En nuestro caso se ha optado por elegir 4 grupos como representativos
de la estructura del SPE (en el dendograma se aprecia claramente esta partición, correspondiente
a un nivel de semejanza igual o inferior a 5). Los grupos señalados quedan recogidos en la
TABLA 2.
XV Jornadas de ASEPUMA y III Encuentro Internacional
5
Medal y Sala
Tabla 2: resultados cluster: grupos
GRUPO
1
2
AP
ALM
FER
GIJ
MOT
ALI
AVL
BCZ
MAR
PAS
SAT
SEV
VLG
GRUPO
3
4
AP
BAG
BAL
BAR
LPL
MEL
VAL
VIL
ACO
BIL
CAR
CEU
CST
HUE
MAL
TAR
TEN
Fuente: Elaboración propia
Identificados los distintos grupos, el siguiente paso consiste en analizar las
características propias de cada grupo, conforme a las variables clasificadoras. Los GRÁFICOS
2, 3, 4 y 5 reflejan los niveles de cada una de las variables empleadas para los diferentes grupos
señalados.
Del análisis de las características de cada grupo, podemos destacar lo siguiente:
¾ GRUPO 1: lo forman los 4 puertos con predominio de los graneles sólidos
(Véase Gráfico 2)
¾ GRUPO 2: lo forman los 8 puertos que tienen un tráfico basado tanto en
graneles sólidos como mercancía general. (Véase Gráfico 3)
¾ GRUPO 3: lo forman los 7 puertos con predominio de mercancía general (a
excepción de Algeciras –BAG- que también tiene mucho GL). (Véase Gráfico
4)
¾ GRUPO 4: lo forman los 9 puertos con predominio de graneles líquidos. (Véase
Gráfico 5)
6
XV Jornadas de ASEPUMA y III Encuentro Internacional
Análisis de la evolución del Sistema Portuario Español
Gráfico 2: Grupo 1
GRUPO 1
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
GL
GS
MG
ALM
FER
GIJ
MOT
Puertos
Gráfico 3: Grupo 2
GRUPO 2
70%
60%
50%
GL
GS
MG
40%
30%
20%
10%
0%
ALI
AVL
BCZ
MAR
PAS
SAT
SEV
VLG
Puertos
Gráfico 4: Grupo 3
GRUPO 3
90%
80%
70%
60%
50%
GL
GS
MG
40%
30%
20%
10%
0%
BAG
BAL
BAR
LPL
MEL
VAL
VIL
Puertos
XV Jornadas de ASEPUMA y III Encuentro Internacional
7
Medal y Sala
Gráfico 5: Grupo 4
GRUPO 4
80%
70%
GL
GS
MG
60%
50%
40%
30%
20%
10%
0%
ACO
BIL
CAR
CEU
CST
HUE
MAL
TAR
TEN
Puertos
3. ANÁLISIS DE LA EFICIENCIA DEL SISTEMA PORTUARIO
ESPAÑOL
3.1. Consideración de los inputs y outputs
Para la realización de este análisis DEA es necesario definir una serie de inputs y
outputs los suficientemente representativos de la actividad portuaria. Las variables
utilizadas en la mayoría de los trabajos en este campo son:
◊
⎧Mercancia General
⎪
Inputs⎨Graneles Solidos
⎪Graneles Liquidos
⎩
◊
Output{Inmovilizado Neto
Nuestro interés seria poder utilizar un mayor número de inputs y outputs, ya que la
conocida como regla de Cooper que determina que el número de DMU’s del análisis ha
de ser en 2 y 3 veces superior a la suma de inputs y outputs, nos lo permite, ya que hay
28 unidades y la suma de datos es 4. Pero las dificultades de obtener datos
representativos son grandes, aunque utilizaremos un método indirecto para introducir la
variable de personal, ya que se trata de uno de los elementos básicos de la actividad
portuaria, y esta variable se introducirá en el modelo por la vía de los pesos, que indica
la importancia de cada uno de los outputs en el análisis.
8
XV Jornadas de ASEPUMA y III Encuentro Internacional
Análisis de la evolución del Sistema Portuario Español
3.2. Modelo radial con pesos
El modelo matemático a utilizar en este análisis será el Modelo radial con
restricciones en los pesos, es decir:
m
Min ϖ 0 = ∑ vi xi 0
i =1
sa :
s
∑u
r =1
r
yr 0 = 1
m
s
i =1
r =1
− ∑ vi xij + ∑ u r y rj ≥ 0
α≤
j = 1,..., n
uk
≤β
ul
vi ≥ ε > 0
ur ≥ ε > 0
3.3. Selección de los pesos a aplicar
La importancia de cada uno de los tipos de tráficos de una autoridad portuaria determina
unas infraestructuras y un personal diferente. Las autoridades portuarias (AP) ponen a
disposición de sus clientes las infraestructuras básicas (muelles, abrigos, maquinaria, etc.) y
todo ello puede considerarse como el Inmovilizado Neto. No obstante, las labores de carga y
descarga no se corresponden con el personal de la AP sino que lo realizan los trabajadores de las
Sociedades de Estiba y Desestiba de cada uno de los puertos. La disponibilidad de estos datos es
escasa, y solamente accesible para algunos puertos.
No obstante, consideramos que la inclusión de este segundo input (personal) en el
análisis es determinante para llegar a resultados más exactos y acordes con la realidad, por lo
que hemos optado por introducir el efecto del factor humano en la eficiencia de los puertos de
una forma indirecta, en concreto, asociando unos pesos a los diferentes tipos de tráficos. Con los
datos de personal (estiba y Desestiba) de los puertos de Algeciras, Baleares, Barcelona, Bilbao,
Gijón, Las Palmas, Tarragona, Tenerife y Valencia, se realizó un análisis de regresión lineal (a
través del origen) obteniendo la siguiente ecuación:
XV Jornadas de ASEPUMA y III Encuentro Internacional
9
Medal y Sala
Personal = 0,028 MGM + 0,008 GSM + 0,003 GLM+2
con R2 = 0,957
Con ello se consideró introducir una restricción para los pesos de la forma:
2≤
MG
≤4
GS
y
2≤
GS
≤3
GL
3.4. Resultados globales del análisis
La aplicación en cada uno de los diferentes años del modelo anterior, proporciona el
siguiente resultado:
Tabla 3: resultados DEA con pesos
ACO
ALI
ALM
AVL
BAG
BCZ
BAL
BAR
BIL
CAR
CST
CEU
FER
GIJ
HUE
LPL
MAL
MAR
MEL
MOT
PAS
TEN
SAT
SEV
TAR
VAL
VIL
VLG
MEDIA anual
1994
0,30570
0,27580
0,77070
0,39420
1,00000
0,22880
0,48110
0,33990
0,26160
0,27890
0,55750
0,58740
0,84000
0,27980
0,29200
0,28510
0,39440
0,19110
0,48350
0,77070
0,23300
0,29060
0,19960
0,15430
0,36230
0,37530
0,33990
0,14450
0,39706
1995
0,26690
0,11280
0,63600
0,38280
1,00000
0,12320
0,27030
0,22550
0,19360
0,25630
0,37190
0,31230
0,72070
0,28170
0,17520
0,15390
0,29510
0,19040
0,13360
0,63600
0,18660
0,20430
0,08970
0,07050
0,35380
0,30710
0,22920
0,11120
0,29609
1996
0,23960
0,11110
0,57000
0,35310
1,00000
0,11810
0,30990
0,22970
0,17660
0,22970
0,36430
0,15040
0,73360
0,28650
0,17180
0,15620
0,27540
0,18850
0,11050
0,57000
0,16600
0,21010
0,09210
0,07590
0,36180
0,28420
0,21830
0,12850
0,28150
1997
0,22800
0,10900
0,41130
0,34640
1,00000
0,11300
0,33390
0,25890
0,17150
0,22700
0,35200
0,20610
0,75140
0,29260
0,16770
0,17070
0,27480
0,19700
0,11450
0,41130
0,19370
0,22650
0,09170
0,08200
0,35530
0,31280
0,21480
0,13310
0,27668
1998
0,23050
0,12530
0,55500
0,36240
1,00000
0,13000
0,29030
0,26530
0,18360
0,27170
0,32110
0,21450
0,80990
0,32410
0,16480
0,19400
0,23690
0,19920
0,12040
0,55500
0,19170
0,21870
0,10330
0,08220
0,28950
0,34460
0,21780
0,12550
0,29026
1999
0,24730
0,15520
0,54370
0,28310
1,00000
0,13380
0,33850
0,29320
0,18220
0,29490
0,33220
0,15030
0,78010
0,39960
0,17860
0,23370
0,20610
0,26870
0,09820
0,54370
0,22520
0,22840
0,11100
0,09150
0,28540
0,38500
0,23670
0,14560
0,29900
2000
0,27170
0,18560
0,49390
0,34100
1,00000
0,16130
0,36050
0,30550
0,19290
0,35790
0,37280
0,14160
0,73630
0,41380
0,18770
0,21290
0,10370
0,24260
0,08990
0,49390
0,22780
0,23780
0,11000
0,10150
0,29450
0,40070
0,25090
0,16320
0,30185
2001
0,21460
0,17890
0,38350
0,26470
1,00000
0,14890
0,31200
0,25000
0,16660
0,35360
0,41300
0,11860
0,58760
0,33180
0,17350
0,19840
0,06360
0,23350
0,07490
0,38350
0,20940
0,21070
0,08720
0,10220
0,25120
0,39650
0,21930
0,13980
0,26670
2002
0,23740
0,16210
0,31360
0,28670
1,00000
0,14580
0,28530
0,24890
0,16180
0,34130
0,30900
0,11210
0,53730
0,34130
0,16510
0,19860
0,07280
0,22140
0,07980
0,31360
0,23820
0,21110
0,08950
0,10040
0,28220
0,43220
0,20870
0,15680
0,25904
2003
0,23870
0,15750
0,30550
0,28360
1,00000
0,14830
0,27500
0,23700
0,16890
0,28430
0,24510
0,09330
0,37110
0,28540
0,15350
0,22690
0,07300
0,19560
0,07550
0,30550
0,26890
0,21500
0,09150
0,10290
0,26600
0,43250
0,20030
0,15160
0,24473
2004
0,26300
0,14380
0,29920
0,28340
1,00000
0,15390
0,27850
0,24010
0,18510
0,27860
0,23390
0,09380
0,27790
0,28730
0,14340
0,23720
0,09670
0,18240
0,07340
0,29920
0,27550
0,22180
0,09530
0,09730
0,26410
0,43540
0,18430
0,13560
0,24143
2005
0,30053
0,14521
0,37361
0,25756
1,00000
0,18263
0,32378
0,24882
0,20025
0,34354
0,27781
0,10163
0,28536
0,31043
0,18413
0,26498
0,20960
0,21393
0,07657
0,18981
0,29091
0,24141
0,11932
0,10810
0,28401
0,45496
0,19671
0,13624
0,26149
MEDIA
0,25366
0,15519
0,47133
0,31991
1,00000
0,14898
0,32159
0,26190
0,18705
0,29315
0,34588
0,19017
0,61927
0,31953
0,17979
0,21105
0,19184
0,21036
0,12756
0,45602
0,22558
0,22637
0,10668
0,09740
0,30418
0,38010
0,22641
0,13930
Fuente: Elaboración propia
De la tabla anterior se deduce de forma inmediata que el puerto que forma el grupo de
referencia en cada uno de los años es la Bahía de Algeciras que obtiene la máxima eficiencia en
todos los análisis anuales.
La comparación directa de todos los puertos puede llevarnos a resultados no adecuados
ya que la especialización de los diferentes puertos puede hacernos comparar diferentes
tipologías no homogéneas. Por ello, vamos a centrar el análisis de la eficiencia del SPE
desglosado para los diferentes grupos definidos en el primer epígrafe. Aunque el análisis cluster
2
Los coeficientes de MGM y GSM son significativos al 5% mientras que el de GLM lo es al
10%. Los valores de MGM, GSM y GLM están expresados en miles de toneladas
10
XV Jornadas de ASEPUMA y III Encuentro Internacional
Análisis de la evolución del Sistema Portuario Español
concluye que existen cuatro grupos de puertos bien diferenciados, es necesario comprobar si los
grupos son realmente independientes entre si y, a su vez, los puertos que componen cada grupo
pertenecen a una “misma muestra”, es decir, que son homogéneos. La prueba empleada con este
fin consiste en un test no paramétrico, el denominado “test de Kruskal-Wallis”, que a
continuación exponemos.
3.5. Test de Kruskal-Wallis y grupos de puertos
La aplicación del test de Kruskal-Wallis a cada unos de los resultados de los scores
anuales nos corrobora la existencia de 4 grupos “independientes” entre si, tal y como habíamos
obtenido con el análisis cluster. A continuación (TABLA 4) se presentan los resultados para el
valor medio de los scores:
Tabla 4: resultados Test no paramétrico
Rangos
V2
cluster_01
1
N
4
Rango
promedio
22,00
2
8
6,00
3
7
18,71
4
9
15,44
Total
28
Estadísticos de contraste(a,b)
Chi-cuadrado
Gl
Sig. asintót.
V2
13,830
3
,003
a Prueba de Kruskal-Wallis
b Variable de agrupación: cluster_01
Como comentario global del test, podemos señalar que la aplicación de este análisis
presenta resultados cada vez menos significativos (significatividad del 10 por ciento) en los
últimos años. Esto corrobora el hecho de que cada vez más los puertos tienden hacia una
actuación globalizada.
3.6. Resultados por grupos
La elección de un grupo reducido de inputs y outputs nos permite realizar una análisis
para cada uno de los diferentes grupos, sin que el total de inputs y outputs seleccionados sea
superior al número de unidades a analizar3.
3
Se cumple, por tanto, la regla de Cooper anteriormente descrita.
XV Jornadas de ASEPUMA y III Encuentro Internacional
11
Medal y Sala
La TABLA 5 presenta los resultados del análisis de eficiencia aplicado a los 4 grupos de
puertos definidos en el epígrafe anterior. La primera conclusión que cabe destacar es la
existencia de unidades eficientes (delimitan la frontera) en cada uno de los 4 grupos analizados,
y en particular la mejora de los scores de eficiencia que presentan los diferentes puertos en
todos los grupos.
Lo anterior nos pone sobre la pista de la posible existencia de unidades influyentes, y en
particular que esta unidad sea la Bahía de Algeciras. En el trabajo de Bonilla et al (2002) ya se
demuestra que Algeciras es una unidad influyente y por ello, simplemente nos limitaremos en
este caso a analizar los resultados sin esta Autoridad Portuaria.
Tabla 5: resultados DEA por grupos
G1
ALM
FER
GIJ
MOT
G2
ALI
AVL
BCZ
MAR
PAS
SAT
SEV
VLG
G3
BAG
BAL
BAR
LPL
MEL
VAL
VIL
G4
ACO
BIL
CAR
CST
CEU
HUE
MAL
TEN
TAR
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
94,18% 91,94% 82,38% 58,88% 71,97% 71,58% 67,26% 65,73% 61,46% 89,78% 100,00% 100,00%
100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 92,86% 77,44%
33,53% 39,38% 39,87% 39,45% 40,03% 51,22% 56,20% 56,47% 63,52% 76,91% 96,03% 84,00%
94,18% 91,94% 82,38% 58,88% 71,97% 71,58% 67,26% 65,73% 61,46% 89,78% 100,00% 53,97%
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
69,96% 29,46% 31,47% 32,77% 35,15% 56,05% 60,47% 75,68% 69,27% 63,23% 56,50% 53,34%
100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 90,49%
62,60% 34,95% 37,92% 37,02% 40,57% 52,04% 55,95% 66,06% 63,04% 62,21% 62,33% 68,58%
48,48% 51,17% 58,33% 58,11% 57,20% 100,00% 83,17% 100,00% 88,66% 79,25% 71,34% 76,47%
59,12% 48,73% 48,22% 57,76% 52,89% 81,15% 69,96% 83,45% 90,88% 100,00% 100,00% 100,00%
50,65% 23,44% 26,10% 26,47% 28,49% 39,21% 32,27% 32,94% 31,21% 32,24% 33,65% 41,26%
39,14% 18,41% 21,48% 23,67% 22,68% 33,01% 30,97% 40,24% 38,71% 37,82% 36,02% 37,51%
37,30% 29,42% 36,44% 38,48% 35,01% 52,36% 50,65% 55,51% 57,78% 56,08% 48,80% 48,72%
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00%
48,11% 27,03% 30,99% 33,39% 29,03% 33,85% 36,05% 31,20% 28,53% 27,50% 27,85% 32,38%
33,99% 22,55% 22,97% 25,89% 26,53% 29,32% 30,55% 25,00% 24,89% 23,70% 24,01% 24,88%
28,51% 15,39% 15,62% 17,07% 19,40% 23,37% 21,29% 19,84% 19,86% 22,69% 23,72% 26,50%
48,35% 13,36% 11,05% 11,45% 12,04%
9,82%
8,99%
7,49%
7,98%
7,55%
7,34%
7,66%
37,53% 30,71% 28,42% 31,28% 34,46% 38,50% 40,07% 39,65% 43,22% 43,25% 43,54% 45,50%
33,99% 22,92% 21,83% 21,48% 21,78% 23,67% 25,09% 21,93% 20,87% 20,03% 18,43% 19,67%
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
52,04% 74,33% 66,10% 64,17% 73,41% 78,13% 76,19% 53,37% 76,03% 91,10% 100,00% 98,46%
48,81% 68,11% 70,02% 71,11% 78,97% 75,25% 76,70% 56,92% 72,17% 75,41% 79,89% 78,04%
47,49% 69,64% 63,39% 64,14% 86,93% 92,05% 96,02% 85,61% 100,00% 100,00% 100,00% 100,00%
94,91% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 95,44% 89,83% 90,79%
100,00% 100,00% 52,17% 69,44% 81,08% 61,53% 57,64% 46,33% 56,44% 46,72% 46,49% 46,32%
50,91% 49,15% 50,48% 50,24% 56,16% 58,57% 53,00% 43,42% 53,08% 57,59% 53,79% 57,47%
67,15% 81,06% 75,80% 77,78% 73,78% 62,03% 32,15% 19,18% 26,88% 31,58% 42,73% 89,14%
59,02% 78,20% 90,28% 100,00% 100,00% 100,00% 100,00% 77,27% 100,00% 100,00% 100,00% 100,00%
62,32% 98,34% 100,00% 100,00% 95,23% 92,51% 83,65% 63,07% 90,60% 100,00% 99,48% 90,30%
MEDIA
0,7960
0,9753
0,5638
0,7576
0,7732
MEDIA
0,5278
0,9921
0,5361
0,7268
0,7435
0,3316
0,3164
0,4555
0,5787
MEDIA
1,0000
0,3216
0,2619
0,2111
0,1276
0,3801
0,2264
0,3612
MEDIA
0,7528
0,7095
0,8377
0,9758
0,6368
0,5282
0,5661
0,9206
0,8963
0,7582
DESV
0,1518
0,0665
0,2016
0,1537
DESV
0,1650
0,0275
0,1260
0,1815
0,2068
0,0754
0,0796
0,0965
DESV
0,0000
0,0577
0,0343
0,0408
0,1139
0,0566
0,0400
DESV
0,1549
0,0936
0,1810
0,0387
0,1997
0,0434
0,2451
0,1352
0,1356
Fuente: Elaboración propia
3.7. Resultados sin las unidades influyentes
Solamente presentaremos los resultados por grupos (TABLA 6), y en particular las
mejoras que experimentan los puertos del Grupo 3 al que pertenecía el puerto de Algeciras
(GRÁFICO 6). Es destacable como, al eliminar esta Autoridad Portuaria, puertos que antes
presentaban unos índices de eficiencia inferiores al 50%, ahora se muestran muy cercanos al
nivel máximo de eficiencia (por ejemplo, BAL o VAL).
12
XV Jornadas de ASEPUMA y III Encuentro Internacional
Análisis de la evolución del Sistema Portuario Español
Tabla 6: resultados DEA por grupos sin Algeciras
G1
1994
ALM
FER
GIJ
MOT
G2
1994
ALI
AVL
BCZ
MAR
PAS
SAT
SEV
VLG
G3B
BAL
BAR
LPL
MEL
VAL
VIL
G4
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
MEDIA
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
0,7960
0,9753
0,5638
0,7576
0,7732
MEDIA
69,96% 29,46% 31,47% 32,77% 35,15% 56,05% 60,47% 75,68% 69,27% 63,23% 56,50% 53,34%
100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 90,49%
62,60% 34,95% 37,92% 37,02% 40,57% 52,04% 55,95% 66,06% 63,04% 62,21% 62,33% 68,58%
48,48% 51,17% 58,33% 58,11% 57,20% 100,00% 83,17% 100,00% 88,66% 79,25% 71,34% 76,47%
59,12% 48,73% 48,22% 57,76% 52,89% 81,15% 69,96% 83,45% 90,88% 100,00% 100,00% 100,00%
50,65% 23,44% 26,10% 26,47% 28,49% 39,21% 32,27% 32,94% 31,21% 32,24% 33,65% 41,26%
39,14% 18,41% 21,48% 23,67% 22,68% 33,01% 30,97% 40,24% 38,71% 37,82% 36,02% 37,51%
37,30% 29,42% 36,44% 38,48% 35,01% 52,36% 50,65% 55,51% 57,78% 56,08% 48,80% 48,72%
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
0,5278
0,9921
0,5361
0,7268
0,7435
0,3316
0,3164
0,4555
0,5787
MEDIA
100,00% 96,12% 100,00% 100,00% 86,59% 89,73% 92,41% 80,44% 67,78% 65,62% 65,85% 72,78%
76,91% 78,37% 77,78% 81,26% 80,57% 79,32% 79,71% 65,65% 60,31% 57,58% 57,64% 56,84%
60,40% 52,12% 55,50% 55,44% 58,48% 61,89% 55,07% 51,97% 47,56% 54,04% 55,72% 59,38%
100,00% 43,56% 38,92% 36,68% 35,00% 25,53% 22,47% 18,94% 18,52% 17,51% 16,90% 16,88%
79,71% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00%
70,82% 75,27% 76,81% 68,66% 63,20% 61,47% 62,63% 55,30% 48,27% 46,67% 42,41% 43,24%
1994
ACO
BIL
CAR
CST
CEU
HUE
MAL
TEN
TAR
1995
94,18% 91,94% 82,38% 58,88% 71,97% 71,58% 67,26% 65,73% 61,46% 89,78% 100,00% 100,00%
100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 92,86% 77,44%
33,53% 39,38% 39,87% 39,45% 40,03% 51,22% 56,20% 56,47% 63,52% 76,91% 96,03% 84,00%
94,18% 91,94% 82,38% 58,88% 71,97% 71,58% 67,26% 65,73% 61,46% 89,78% 100,00% 53,97%
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
0,8478
0,7100
0,5563
0,3258
0,9831
0,5956
0,6698
MEDIA
52,04% 74,33% 66,10% 64,17% 73,41% 78,13% 76,19% 53,37% 76,03% 91,10% 100,00% 98,46%
48,81% 68,11% 70,02% 71,11% 78,97% 75,25% 76,70% 56,92% 72,17% 75,41% 79,89% 78,04%
47,49% 69,64% 63,39% 64,14% 86,93% 92,05% 96,02% 85,61% 100,00% 100,00% 100,00% 100,00%
94,91% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 100,00% 95,44% 89,83% 90,79%
100,00% 100,00% 52,17% 69,44% 81,08% 61,53% 57,64% 46,33% 56,44% 46,72% 46,49% 46,32%
50,91% 49,15% 50,48% 50,24% 56,16% 58,57% 53,00% 43,42% 53,08% 57,59% 53,79% 57,47%
67,15% 81,06% 75,80% 77,78% 73,78% 62,03% 32,15% 19,18% 26,88% 31,58% 42,73% 89,14%
59,02% 78,20% 90,28% 100,00% 100,00% 100,00% 100,00% 77,27% 100,00% 100,00% 100,00% 100,00%
62,32% 98,34% 100,00% 100,00% 95,23% 92,51% 83,65% 63,07% 90,60% 100,00% 99,48% 90,30%
0,7528
0,7095
0,8377
0,9758
0,6368
0,5282
0,5661
0,9206
0,8963
0,7582
DESV
0,1518
0,0665
0,2016
0,1537
DESV
0,1650
0,0275
0,1260
0,1815
0,2068
0,0754
0,0796
0,0965
DESV
0,1377
0,1035
0,0402
0,2332
0,0586
0,1226
DESV
0,1549
0,0936
0,1810
0,0387
0,1997
0,0434
0,2451
0,1352
0,1356
Fuente: Elaboración propia
Gráfico 6: Scores del Grupo 3 sin Algeciras
Grupo 3: General. Sin Algeciras
100,00%
90,00%
80,00%
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
Score Eficiencia
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
BAL
BAR
LPL
MEL
VAL
VIL
Puertos
XV Jornadas de ASEPUMA y III Encuentro Internacional
13
Medal y Sala
4. CONCLUSIONES
Del análisis de la estructura y eficiencia de las 28 Autoridades Portuarias que
confluyen en el territorio nacional, podemos concluir lo siguiente:
9
El SPE no es un conjunto de individuos homogéneos, sino que presenta
una clara estructura atendiendo a la actividad que se desarrolla en los
mismos. En concreto, la aplicación del análisis cluster a la totalidad de
puertos que componen actualmente el SPE concluye la existencia de 4
grupos o subsistemas de puertos: los especializados en el tráfico de graneles
sólidos, los que destacan en graneles líquidos, aquellos dedicados
principalmente al tráfico de mercancía general y los mixtos.
9
Considerando el tráfico que gestiona cada puerto del SPE con los medios
físicos (inmovilizado) y humanos de que dispone hemos analizado la
eficiencia relativa de cada Autoridad Portuaria respecto al resto de puertos
del grupo en el que ha sido previamente clasificado. De los resultados, cabe
destacar que puertos como Ferrol, Avilés, Bahía de Algeciras o Castellón
son líderes en su grupo, situándose en los niveles más altos de eficiencia a lo
largo de todo el horizonte temporal contemplado (1994-2005)
9
La
consideración
del
puerto
de
Algeciras
como
una
unidad
extremadamente influyente para todo el SPE, ha inducido a rehacer el
análisis de la eficiencia del SPE sin tener en cuenta este puerto. Los
resultados obtenidos demuestran que los puertos pertenecientes al mismo
grupo que BAG modifican notablemente su nivel de eficiencia si no son
comparados con éste. Así, puertos como Valencia, Baleares o Barcelona
pasan a tener un score de eficiencia mucho mayor que en el estudio inicial.
14
XV Jornadas de ASEPUMA y III Encuentro Internacional
Análisis de la evolución del Sistema Portuario Español
5. REFERENCIAS BIBLIOGRÁFICAS
•
BONILLA, M; CASASUS, T., MEDAL, A. AND SALA, R (2002), “Traffic in Spanish
ports: an efficiency analysis”, International Journal of Transport Economics, 29, 215-230.
•
BONILLA, M., CASASUS, T., MEDAL, A. y SALA, R. (2004): An efficiency analysis
with tolerances of the Spanish ports system. International Journal of Transport Economics.
Vol. XXXII. N 3, 380-400
•
CHARNES, A., COOPER, W.W. AND RHODES, E. (1978), “Measuring the Efficiency of
Decision Making Units”, European Journal of Operational Research, 2, 429-444.
•
COOPER, W.W., SEIFORD L.M. AND TONE, K. (1999): Data Envelopment Analysis.
Kluwer. Boston.
•
COTO-MILLÁN, P., BAÑOS-PINO, J. and RODRIGUEZ-ÁLVAREZ A. (2000):
Economic Efficiency in Spanish Ports: Some Empirical Evidence. Maritime Policy and
Management. 27(2), 169-174.
•
CULLINANE, K.; SONG, D-W.; JI, P. AND WANG, T-F. (2004):An application of DEA
windows analysis to container port production efficiency. Review of Network Economics.
Vol. 3-2. 184-206.
•
MARTÍNEZ-BUDRIA, E., DÍAZ-ARMAS, R., NAVARRO-IBAÑEZ, M. and RAVELOMESA, T. (1999): A Study of the Efficiency of Spanish port Authorities using Data
Envelopment analysis. International Journal of Transport Economics. XXVI, Nº 2, june.
•
OLESEN, O.B. AND PETERSEN, N.C. (1996): A presentation of GAMS for DEA.
Computers and Operations Research, 23-4, 323-339.
•
PASTOR, J.T., RUIZ, J.L. AND SIRVENT, I (1999): A statistical test for detecting
influential observations in DEA. European Journal of Operational Research, 115, 542-554.
•
SALA et al. (1997): Un análisis de la eficiencia de los puertos españoles. Actas de las VI
Jornadas de ASEPUMA. 407-415.
•
TONGZON, J. (2001): Efficiency measurement of selected Australian y other international
ports using data envelopment analysis Transportation Research Part A 35, 113-128.
XV Jornadas de ASEPUMA y III Encuentro Internacional
15