COMPARACIN INTERNACIONAL DE EMPRESAS PETROLERAS

EMPLEANDO FRONTERAS ESTOCSTICAS

Edwin Rodrigo Moreno Briceo1
email: emoreno@ucla.edu.ve
Universidad Experimental Politcnica Antonio Jos de Sucre (UNEXPO)
Barquisimeto, Venezuela

Resumen

El tema central del artculo esta referido a las estimaciones de la eficiencia tcnica
en la produccin petrolera, especficamente para un clster de once (11) empresas
reconocidas internacionalmente; los datos utilizados, son de corte transversal, y
correspondientes al ao 2012. Se emplea el enfoque de fronteras estocsticas con el
objetivo de jerarquizar las firmas, de acuerdo a la medida de la eficiencia tcnica
(utilizacin de insumos para maximizar la cantidad producida). Para la aplicacin actual se
propone una funcin de produccin como la de Cobb-Douglas a la que se le agregan las
perturbaciones de ruido (simtricas), de ineficiencia (seminornal) y usando mxima
verosimilitud se estiman los parmetros de inters para verificar la credibilidad del modelo
de frontera estocstica. Los resultados muestran que Bristish Petroleum (BP, Reino
Unido); Exxon-Mobil (USA) y PDVSA (Venezuela) ocupan los tres primeros lugares
respectivamente, adems se verifica que el modelo de frontera estocstica es aceptable.
Palabras clave: Eficiencia, Frontera estocstica, Funcin de produccin.

Abstract

The focus of the paper is based on the estimates of technical efficiency in oil production,
specifically for a cluster of eleven (11) known companies internationally; the data used are
cross-sectional, for the year 2012. Stochastic frontier approach in order to rank the firms,
according to the measure of technical efficiency (input use to maximize the quantity
produced) is employed. For the current application a production function as Cobb -Douglas
to which are added noise disturbances (symmetric), inefficiency (Half-Normal) and using
maximum likelihood parameters of interest are estimated to verify the credibility of the
proposed stochastic frontier model. The results show that British Petroleum (BP, UK),
Exxon -Mobil (USA) and PDVSA (Venezuela) took the first three places respectively, the
stochastic frontier model is verified acceptable.
Keywords: Efficiency, Stochastic frontier Production function

Cursa estudios en la UNEXPO, Doctorado en Ciencias de la Ingeniera. Docente categora agregado en la

Universidad Centroccidental Lisandro Alvarado (UCLA) en Barquisimeto, Venezuela.

I. Introduccin

La demanda de petrleo a nivel mundial se incrementa cada ao, a pesar del

considerable incremento del precio del barril de petrleo en lo que va del siglo XXI;
respondiendo ha esta demanda, las empresas petroleras que distribuyen su producto en el
mercado internacional, lo hacen cubriendo de alguna manera la cuota del mercado que les
corresponde, bajo criterios muy diversos y respondiendo a los intereses particulares de sus
principales accionistas o propietarios, sean estas pblicas o privadas.
Es de atencin mundial el conocimiento de las mejores empresas a nivel
internacional, bien sea por sus ingresos, la capitalizacin de mercado, el valor de los
activos de las empresas, la capitalizacin burstil de la compaa, entre otros. En el caso de
las empresas petroleras el nivel de produccin petrolera en millones de barriles diarios
(mbpd); sus reservas de crudo estratgicas, capacidad de refinacin, produccin de gas e
ingresos por ventas, son usualmente utilizados. En funcin de lo planteado anteriormente,
se puede decir que existen diferentes mtodos, cientficamente estudiados, que pueden
contribuir a este tipo de clasificacin o jerarquizacin e incluso ir ms all aportar
indicadores para la toma de decisiones en beneficio de las firmas.
En este trabajo se presentar el enfoque de fronteras estocsticas con el objetivo de
jerarquizar once empresas productoras de petrleo, de acuerdo a la medida de la eficiencia
tcnica (utilizacin de insumos para maximizar la cantidad producida). Se propone una
funcin de produccin como la de Cobb-Douglas a la que se le agregan las perturbaciones
de ruido (simtricas), de ineficiencia (seminornal) y usando mxima verosimilitud se
estiman los parmetros de inters para verificar la credibilidad del modelo de frontera
estocstica; esta jerarquizacin puede estar sometida a las limitaciones de las variables
utilizadas.
La estructura del escrito se compone inicialmente del basamento terico de la
metodologa empleada, enfatizando el uso del software FRONTIER versin 4.1 para la
estimacin de la funcin de produccin, y el clculo de la eficiencia tcnica de cada
empresa petrolera, segundo la metodologa empleada, con una breve explicacin de las
variables a utilizar, finalmente los anlisis de los resultados y las conclusiones.

II. El Enfoque Economtrico y las Fronteras Estocsticas.

A partir de los trabajos de Aigner, Lovell y Schmidt (1977) y Meeusen y van de

Broeck (1977), citados por Canay, I. y Brufman, J. (2001), surgen las denominadas
fronteras estocsticas, motivadas en la idea de que las desviaciones con respecto a la
frontera pueden no estar enteramente bajo el control de la firma analizada. Este enfoque
utiliza una mezcla de trminos de error de una y dos colas. Esto es, dado el conjunto de
insumos, existe un mximo producto posible, pero este nivel mximo es aleatorio y no
exacto. La idea es que los eventos externos que afectan la funcin de produccin se
distribuyen normalmente (pudiendo la empresa enfrentarse a condiciones externas
favorables o desfavorables, con una determinada probabilidad), en lugar de ser constantes.
Una vez considerada la posibilidad de ruido estadstico, lo que resta es considerado
ineficiencia.
La especificacin terica de la frontera de produccin es la siguiente:
Y = f (L; K; Z)
Donde Y es el producto, Z es un vector l-dimensional de variables ambientales (en
la seccin III se explicar la funcin de estas variables), L representa al insumo mano de
obra y K al insumo capital. La forma de la funcin de produccin ms utilizada es la CobbDouglas (Burns y Weyman-Jones, 1996) donde el trmino de error () entra en el modelo
multiplicativamente. As, podemos definir la frontera como:

(I)

Donde X es una matriz que contiene al logaritmo de los insumos y a las variables
ambientales, i = i + ui es la perturbacin aleatoria compuesta, i es una variable aleatoria
no restringida y ui es el trmino de ineficiencia que, por ser sta una frontera de
produccin, es no positivo.

El nivel de eficiencia tcnica (TE) de una firma va a venir dado por el cociente
entre la produccin observada y la frontera estocstica estimada. La expresin matemtica
es:

(II)

La componente ui es no observable y debe ser inferida a partir del trmino

compuesto. Para poder descomponer este trmino y establecer que parte corresponde a
ruido y que parte corresponde a ineficiencia, e necesario suponer alguna distribucin para
ambas componentes. El caso menos problemtico es el de i, ya que existe un consenso
generalizado de que esta variable se asume independiente e idnticamente distribuida como
una normal N (0, 2). Contrariamente, son varias las distribuciones que han sido
propuestas para el trmino de ineficiencia: Half-Normal (Aigner, Lovell y Schmidt, 1977),
Normal Truncada (Stevenson, 1980), Gamma (Greene, 1990) y Exponencial (Meeusen y
van den Broeck, 1977).
Para el caso de la Half-Normal (H-N), y teniendo en cuenta que i y ui se suponen
independientes, la funcin de densidad de i se encuentra asimtricamente distribuida con
media y varianza:
(III)

Mtodo de mxima verosimilitud para calcular

Las fronteras estocsticas se estiman en dos partes. En la primera parte se obtienen
estimaciones consistentes de los parmetros tecnolgicos y del parmetro de la funcin de
distribucin elegida. Aqu puede optarse por emplear ML (Maximum Likelihood) y
realizar todas las estimaciones de una vez. Este mtodo requiere de la maximizacin
numrica de la funcin de verosimilitud y por eso es ms demandante de herramientas
computacionales. Sin embargo, hace algunos aos aparecieron varios paquetes estadsticos
(FRONTIER41 o LIMDEP) que permiten estimar fronteras con ML de formas bastante
sencilla. Al estimar la frontera por ML, es necesario realizar los supuestos sobre ambas
componentes aleatorias desde un primer momento. Una vez hecho esto, para poder armar
la funcin de verosimilitud necesitamos la funcin de densidad de i = i + ui. Es posible
mostrar que esta funcin de densidad surge de la siguiente integral:

(IV)

Donde

son las funciones de densidad

probabilstica y acumulada de la normal estndar. Utilizando la ecuacin (IV), la funcin:

(V)

La funcin (V) puede maximizarse para obtener estimaciones de todos los

parmetros de la ecuacin (I) as como tambin de y . Estas estimaciones son
consistentes a medida que I +. No obstante, Battese y Corra (1977) sugieren la reparametrizacin de la funcin de verosimilitud en funcin del parmetro =

debido a

que este parmetro toma valores entre cero y uno, mientras que puede tomar cualquier
valor no negativo. La parametrizacin en tiene ventajas en el proceso de iteracin para
maximizar la funcin, debido a que el espacio de valores posibles est acotado. De esta
forma, la funcin log-likelihood es la misma funcin (V) pero reemplazando por

Un valor de = 0, indica que las desviaciones de la frontera se deben a totalmente a la

presencia de ruido estadstico, mientras que un valor de = 1 indica que todas las
desviaciones se deben a ineficiencia (al igual que en el caso determinstico).
La medida de eficiencia
Una vez realizado la primera parte de la estimacin, por ML, el siguiente paso
consiste en obtener la medida de eficiencia para cada empresa. El problema aqu es extraer
la informacin que i posee de ui. Una solucin a este problema surge de la esperanza
condicional de ui dado i. Jondrow et al. (1982) muestran que dado que f(u|) se distribuye
como N+ (*, 2 ), tanto la esperanza como la moda de esta distribucin pueden utilizarse
como un estimador puntual de ui:

(VI)

Una vez obtenida la estimacin puntual de ui, la estimacin de la eficiencia tcnica

(TE) de cada firma se obtiene a partir de la ecuacin (II).
Se puede observar que es posible testear la hiptesis nula de que no hay ineficiencia
en el modelo travs del parmetro , utilizando H0: .= 0. Esta hiptesis puede testearse a
travs de un test de razn de verosimilitud (LR). Si H0 es cierta, el estadstico LR est
asintticamente distribuido como una Ji-Cuadrado con grados de libertad igual al nmero
de restricciones (en este caso una). No obstante, existen dificultades al testear H0:. = 0
debido a que . = 0 se encuentra en el lmite del espacio de valores que puede tomar el
parmetro. Es por esto que en este caso, si H0 es cierta, el estadstico LR posee una
distribucin asinttica que es una mezcla de distribuciones Ji-Cuadrado:
(Coelli, 1995). La forma de calcular el valor crtico para un test de tamao , es igual al
valor de tabla

(2). As, el valor crtico para realizar un test al 5% de significacin es

2,71 en vez de 3,84.

III. Metodologa
En la realidad, la estimacin de una funcin de produccin no es tan simple como la
teora lo determina. La funcin de produccin de una empresa petrolera no slo es una
relacin tcnica entre insumos y productos sino que tambin depende de una gama de
factores. As, en los trabajos prcticos suelen diferenciarse dos partes de la funcin: la
mdula del modelo (determinado tericamente y formado por el conjunto de insumos) y las
variables ambientales. El rol de las variables ambientales es capturar los factores externos
que pueden influenciar a las empresas, logrando que las mismas sean comparables.
Algunos ejemplos de variables ambientales son: rea de concesin, tipo de propiedad,
como pblica o privada, y caractersticas demogrficas (ver Fred, Schmidt y Yaisawarng,
1995).

De esta manera, una eleccin clave previa a la estimacin es la determinacin de las

variables del producto, de los insumos y de las variables ambientales. De acuerdo con un
estudio publicado el 7 de enero de 2013 por Petroleum Intelligence Weekly (PIW) se
realiz la comparacin basada en la combinacin de criterios operacionales que incluyen
produccin diaria, reservas, refinacin y ventas (Informe de Gestin Anual 2012, PDVSA,
p.15). Es importante destacar que la capacidad de refinacin o extraccin puede verse
afectada por las instalaciones, capacidad de las plantas, equipos y tecnologa. De igual
forma el Observatorio Ciudadano de Energa A.C. de Mxico, exhibe en su pgina web
una tabla comparativa de diez (10) empresas petroleras del mundo, en la cual se muestra la
produccin en millones de barriles de petrleo equivalente por da (mbped), los ingresos
totales, los costos de produccin, nmero de trabajadores y utilidad neta entre otros. En
este estudio se utilizar la produccin de barriles de petrleo diaria (bpd) de las empresas
del clster como variable de producto, a la cantidad de empleados y a los montos en miles
de millones de dlares americanos (MMMUS$) de activos no-corriente denominado:
Instalaciones, plantas y equipos como insumo. Se cargarn los datos en el software
front41.exe y se analizarn los resultados del archivo de salida generado por el mismo. El
estudio se limitar a la estimacin de i que se pueda inferir como el conjunto de las
variables ambientales que afectan la produccin petrolera y que escapan del control de las
empresas, dejando abierta la posibilidad que otros estudios puedan seleccionar e incluir
observaciones para las mismas en el modelo.
Los Datos
Los datos ordinarios utilizados en este trabajo se han obtenido de los Informes
Anuales de las diferentes empresas petroleras, de los Estados de Resultados Consolidados
(Consolidated Statement Income) y Balances Generales Consolidados; los mismos fueron
contrastados con datos presentados en pginas web de centros de anlisis financieros para
su confirmacin. Se seleccion una muestra comprendida por once (11) empresas para el
ao 2012; numeradas arbitrariamente: (1) BRITISH PETROLEUM (BP, UK); (2).
CHEVRON (USA), (3). CONOCOPHILLIPS (USA), (4). ENTE NAZIONALE
IDROCARBURI (ENI, Italia); (5) EXXON MOBIL (USA), (6) PETRLEOS DE
VENEZUELA S.A. PDVSA (Venezuela); (7) PETRLEOS MXICANOS (PEMEX,
Mxico); (8). PETRLEO BRASILEIRO S. A. (PETROBRAS, Brasil); (9) ROYAL
DUTCH SHELL (SHELL, Holanda); (10) STATOIL (Noruega); (11) TOTAL (Francia).

Tabla 1 Estadstica Descriptiva

VARIABLE

(P) PRODUCCIN
(x103 bped)

media
mximo
mnimo
Desv. estndar
muestra

(NT) NMERO DE
TRABAJADORES (x 103)

2576,818
4200,000
1578,000
805,892
11

(ANC) ACTIVOS NO
CORRIENTES (PLANTAS,
EQUIPOS) (MMMUS$)

79,104
153,361
16,900
37,983
11

132,096
226,949
67,263
50,456
11

Fuente: Moreno (2013)

IV. Anlisis de los Resultados (Modelo de Corte Transversal)
Una vez establecidas las variables se continuar con la estimacin. Para ello
utilizaremos una funcin de produccin Cobb- Douglas, con lo cual cada variable se
encuentra expresada en logaritmos. Adems el FRONT41, evala los resultados del OLS
(mnimos cuadrados simple) y de resultar procedente calcula el estimador ML.
Introduciendo los datos como indica la Gua del FRONTIER versin 4.1 de Coelli,
No. 07/96; se obtienen los siguientes resultados finales:
Figura 1 Resultados Finales (mle) front41.exe

Fuente: Moreno (2013), obtenidos de front41.exe

Una vez realizadas las estimaciones finales, se pueden apreciar en la figura anterior.
Encontrados estos resultados se ordenan para detectar las Firmas ms eficientes. La
eficiencia, en este contexto, esta referida exclusivamente al ejercicio economtrico que
combina las particulares variables en estudio para un clster de once (11) empresas
petroleras. Los estimadores de las variables de insumo muestran coeficientes significativos.
De igual forma los estimadores de los parmetros del modelo de frontera estocstica
presentaron un ajuste relativamente bueno a juzgar por los estimadores de los coeficientes
de (sigma-squared)

y (gamma) , estos valores indican que en la perturbacin aleatoria

compuesta () la mayor parte de las desviaciones se deben a ineficiencia. Sin embargo, el

coeficiente asociado a la constante del modelo no es significativo. La prueba de mxima
verosimilitud muestra que la estimacin de es significativamente diferente de cero,
incrementando, la credibilidad de la estimacin del modelo de frontera estocstica.
La estimacin de las eficiencias tcnicas de las petroleras se muestra en la figura 3,
tal cual como lo presenta el front41.exe, luego sern ordenadas de mayor a menor,
estableciendo una jerarquizacin (ranking) de las firmas en estudio:

Figura 2 Eficiencia tcnicas obtenidas con front41.exe

Fuente: Moreno (2013), obtenidos de front41.exe

La salida del programa exhibe las firmas segn la numeracin correlativa que fue
asignada inicialmente, por los mismos requerimientos del software, los valores de las
eficiencias tcnicas y la eficiencia media del grupo, pero no los ordena segn el valor de
eficiencia obtenido; la tabla 2 pone en vista la clasificacin:

Tabla 2 Jerarquizacin de las Empresas Petroleras

firma

Empresa

Eficiencia Estimada

1
2
3
4
5
6
7
8
9
10
11

BP (Reino Unido)
Exxon Mobil (USA)
PDVSA (Venezuela)
Conoco (USA)
Statoil (Noruega)
Total (Francia)
Shell (Holanda)
PEMEX (Mxico)
ENI (Italia)
Petrobras (Brasil)
Chevron (USA)
eficiencia media =

0,96037448
0,92349326
0,89225391
0,88415963
0,87489364
0,86015546
0,84874147
0,72476044
0,67969347
0,6298333
0,56009205
0,80349556

Fuente: Moreno (2013)

Se puede observar en los tres primeros puestos de la clasificacin que BP (Reino

Unido) obtuvo la mayor eficiencia (96%), seguida de Exxon Mobil (USA) (92,3%) y
PDVSA (Venezuela) (89,2%); en penltimo lugar Petrobras (Brasil) (62,9) y en ltimo
Chevron (USA) (56%) con el nivel ms bajo de eficiencia, ubicndose ambas muy por
debajo de la eficiencia media del grupo (80,3%).
V. Conclusiones
Se logr la clasificacin de las empresas petroleras utilizando los resultados
obtenidos de la aplicacin del software front41.exe.; obteniendo estimadores que, segn las
pruebas realizadas, corroboran la credibilidad del modelo de frontera estocstica.
El uso de las fronteras estocsticas ofrece una metodologa objetiva para la
clasificacin de las empresas petroleras o en otros mbitos, considerando netamente su
eficiencia tcnica.
Es importante destacar que esta jerarquizacin est sometida a las limitaciones de
las variables utilizadas, otro conjunto de variables puede presentar resultados diferentes.
Finalmente si se considera la minimizacin de los costos, es muy probable que la
ordenacin de los niveles de eficiencia tcnica se vean alterados y la clasificacin final
difiera de la obtenida en este trabajo.

VI. Bibliografa

Acevedo, M. Ramrez, J. (2005) Diferencia Regionales en la eficiencia Tcnica del Sector

Confecciones en Colombia: Un Anlisis de Fronteras Estocsticas. Clasificacin:
C23, D20, L67. Innovar 15(26), 90-105. Descargado el 14/11/2013 de:
http://www.revistas.unal.edu.co/index.php/innovar/article/view/41.
Aigner, D., Lovell, C. and Schmidt, P. (1977): Formulation and estimation of stochastic
Frontier production function models, Journal of Econometrics, Vol. 6.
Battese G. y Corra, G. (1977): Estimation of Production Frontier Model: With Application
to the Pastoral Zone of Eastern Australia, Australian Journal of agricultural
Economics, 21, pp. 1167-179.
BRITISH PETROLEUM, (2013) Financial Statements. Descargado el 10/12/2013, de:
http://www.bp.com/content/dam/bp/pdf/investors/BP_Annual_Report_and_Form_2
0F_Financial_Statements.pdf.
Burns, P. and Weyman-Jones, T. (1996): Cost functions and cost efficiency in electricity
distribution: a stochastic frontier approach, Bulletin of Economic Research, 48:1
Canay, I. y Brufman, J. (2001) Fronteras de Eficiencia Estocsticas: Comparacin
Internacional de Distribuidoras Elctricas. Seminario de Integracin y Aplicacin:
Licenciatura en Economa. Facultad de Ciencias Econmicas, Universidad de
Buenos
Aires
Descargado
el
12/11/2013
de:
http://www.econ.uba.ar/www/departamentos/matematica/plan97/econometria/urbis
aia2/archive/fronteras_de_eficiencia_estocasticas.pdf.
CHEVRON, (2013) 2012 Annual Report, Descargado el 8/12/2013, de:
http://www.chevron.com/annualreport/2012/documents/pdf/Chevron2012AnnualRe
port.pdf.
Coelli, T. (1995): Estimators and hypothesis test for a stochastic frontier function: a Monte
Carlo analysis, Journal of productivity analysis 6:4, 247.
Coelli, T.(1996) A Guide to FRONTIER Version 4.1: A Computer Program for Stochastic
Frontier Production and Cost Function Estimation. Centre for Efficiency and
Productivity Analysis (CEPA) Working Papers. Descargado el 16/11/2013 de:
https://files.itslearning.com/data/ku/103018/publications/coelli96.pdf?.
CONOCOPHILLIPS, (2013) Annual Report 2012. Descargado el 10/12/2013 de:
http://www.conocophillips.com/investorrelations/Company%20Reports/2012_Annual_Report_CR.pdf. (p. 4, p. 17, p. 77).
CONOCOPHILLIPS, (2013), Employees. Descargado el 10/12/2013, de:
http://www.conocophillips.com/sustainable-development/reporting/performancedata/Pages/default.aspx#EMPLOYEES.

ENI, (2013) 2012 Consolidated Financial Statements and Draft Financial Statements of
the
Parent
Company.
Descargado
el
10/12/2013
de:
http://www.eni.com/en_IT/media/press-releases/2013/03/2013-03-14-bilancioconsolidato-eng.shtml.
http://www.eni.com/en_IT/attachments/media/pressrelease/2013/03/2013-03-01-bilancio-consolidato-eng.pdf.
EXXONMOBIL, (2012) Financial & Operating Review, descargado el 05/12/2013, de
http://thomson.mobular.net/thomson/7/1465/4737/document_0/F&O_as%20publish
ed_032013_print.pdf. (p. 90).
Fried, H., Schmidt, S. and Yaisawarng, S. (1995): Incorporating the Operating
Environment into a Measure of Technical Efficiency. Mimeo, Union College,
Schenectady.
Grenne, W. (1990): A gamma-distributed stochastic frontier model, Journal of
Econometrics, Vol. 46.
Meeusen, W. Van den Broeck, J. (1977): Efficiency estimation from Cobb-Douglas
production functions with composed error, International Economic Review,
Volume 18, N 2, June.
Muro, J. (1984) Estimacin de Fronteras de Produccin: Sinopsis y Comentarios.
Estadstica Espaola, nmero 102, pginas. 69 - 88. Descargado el 14/11/2013 de:
http://www.google.co.ve/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0C
CYQFjAA&url=http%3A%2F%2Fwww.ine.es%2Fss%2FSatellite%3Fblobcol%3
Durldata%26blobheader%3Dapplication%252Fpdf%26blobheadername1%3DCont
entDisposition%26blobheadervalue1%3Dattachment%253B%2Bfilename%253D621
%252F453%252F102_5.pdf%26blobkey%3Durldata%26blobtable%3DMungoBlo
bs%26blobwhere%3D621%252F453%252F102_5.pdf%26ssbinary%3Dtrue&ei=Y
gerUtjuIcyIkQe8n4HgBg&usg=AFQjCNFe_ML9CZNuMrmwFj6mmqv7_bPhBw
&bvm=bv.57967247,d.eW0.
Mutis, H. (2006) Una Aplicacin del Anlisis de Frontera Estocsticas: El Caso de
Hospitales de Nivel II en Colombia. Sociedad Colombiana de Matemticas, XV
Congreso Nacional de Matemticas 2005, Apuntes, Volumen especial (2006),
pginas
259-270.
Obtenido
de
15/11/2013
de:
http://www.scm.org.co/aplicaciones/revista/Articulos/862.pdf.
Observatorio Ciudadano de la Energa A. C (2013) PEMEX no esta en Quiebra.
Descargado el 06/12/2013 de: http://www.energia.org.mx/pemex-no-esta-enquiebra/.
Observatorio Ciudadano de la Energa A. C (2013) Tabla Comparativa Principales
Empresas Petroleras del Mundo. Descargado el 06/12/2013 de:
http://www.energia.org.mx/wp-content/uploads/2013/08/Tabla-comparativa-31-deagosto.jpg.
PDVSA, (2013) Informe de Gestin Anual 2012(Parte 1), descargado el 04/12/2013, de:
http://www.pdvsa.com/interface.sp/database/fichero/free/8010/1625.PDF.

PDVSA, (2013) Informe de Gestin Anual 2012(parte 2), descargado el 04/12/2013, de:
http://www.pdvsa.com/interface.sp/database/fichero/free/8011/1626.PDF.
PEMEX, (2013) PEMEX en cifras: Sntesis Operativa; descargado el 05/12/2013, de:
http://www.ri.pemex.com/files/content/PEMEX_Fact_Sheet_e_2012D.pdf.
PEMEX, (2013) Petrleos Mexicanos Informe anual 2012; descargado el 05/12/2013,
de:http://gaceta.diputados.gob.mx/Gaceta/62/2013/abr/InfAnualPemex20130402.pdf.
PEMEX, (2013) Presentacin a Inversionistas, descargado el 05/12/2013, de:
http://www.ri.pemex.com/files/content/Pemex_Outlook_e_130808.pdf.
PEMEX, (2013) Reporte de resultados de Petrleos Mexicanos, Organismos subsidiarios
y compaas Subsidiarias al 31 de diciembre de 2012; descargado el 04/12/2013,
de: http://www.ri.pemex.com/files/content/Reporte_4T12_e.pdf.
PETROBRAS, (2013) Annual Report Petrleo Brasiliero S.A. Descargado el 10/12/2013
de:http://www.google.co.ve/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved
=0CCYQFjAA&url=http%3A%2F%2Fwww.investidorpetrobras.com.br%2Flumis
%2Fportal%2Ffile%2FfileDownload.jsp%3FfileId%3D8A78D6843E42B083013E
55DA7904521F&ei=OUupUrSzAoHfkQfXrIDwCg&usg=AFQjCNEIxZPYTjXF
Wfb9-TMrMkhdGdm-cQ&bvm=bv.57967247,d.eW0. (p. 12, p.110).
ROYAL DUTCH SHELL, (2013) Annual Report 2012. Descargado el 10/12/2013 de:
http://www.shell.com/global/aboutshell/media/reports-publications.html.
http://reports.shell.com/annualreport/2012/servicepages/downloads/files/entire_shell_ar12.pdf. (p. 10, P. 102);
http://reports.shell.com/annualreview/2012/servicepages/downloads/files/entire_shell_review_12.pdf. (p. 3).
Sancho, A. Serrano, G. Bernard, C. Econometra: Captulo I: Introduccin. Universidad
de Valencia, Facultad de Economa. Descargado el 15/11/2013 de:
http://www.uv.es/~sancho/cap1.pdf.
STATOIL, (2013) Reporte Anual 2012, Datos rpidos. Descargado el 4/12/2013 de:
http://www.statoil.com/annualreport2012/en/quickfacts/Pages/01ThisIsWhoWeAre.
aspx.
STATOIL, (2013) Reporte Anual 2012, Estados Financieros. Descargado el 4/12/2013 de:
http://www.statoil.com/annualreport2012/en/financialstatements/pages/financialstat
ements.aspx.
Stevenson, R. (1980): Likelihood functions for generalized stochastic frontier estimations,
Journal of Econometrics, Vol. 13.
TOTAL,
(2013)
Factbook
2012.
Descargado
10/12/2013,
http://total.com/fr/medias/publications/dernieres-publications-parues;
http://total.com/fr/total-factbook-2012.

de: