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