Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Facilitador:
Msc. Victor Hernández
Autores:
Fajardo, Anlly. C.I. 20.740.756
Guzmán, Desiree. C.I. 16.573.090
Hernández, Joselyn. C.I. 20.774.322
Rivas, Alexis. C.I. 14.120.947
Julio, 2018.
ÍNDICE
INTRODUCCIÓN .................................................................................................. 1
MÉTODOS NO PARAMÉTRICOS ................................................................... 2
1. Método DEA ................................................................................................... 2
1.1. Cálculo de la eficiencia de la escala ......................................................... 3
1.2. Super-eficiencia........................................................................................ 6
1.2.1 Modelo DEA-BCC ............................................................................. 8
1.2.2 Método de Zhu ................................................................................. 10
1.2.3 Método de Premachandra ................................................................. 11
1.3. Números índices y medidas de productividad ........................................ 12
1.3.1 Medidas de productividad ................................................................ 12
1.3.2 Indices de Malmquist ....................................................................... 13
CONCLUSIONES .................................................Error! Bookmark not defined.
REFERENCIAS BIBLIOGRÁFICAS .................................................................. 22
INTRODUCCIÓN
Los métodos para estimar la eficiencia pueden ser divididos en dos Coelli
(1995) establece los métodos paramétricos, que estiman una frontera estocástica por
técnicas econométricas; y métodos no paramétricos, como el Análisis Envolvente de
Datos, conocido como DEA, que se basa en la resolución del modelo por
programación lineal. En este informe nos concentraremos en los métodos no
paramétricos, específicamente en el DEA, cuya mayor ventaja es su flexibilidad, en el
sentido de que impone condiciones menos restrictivas sobre la tecnología de
referencia (forma de la función de producción) y también en cuanto a que se adapta a
contextos multiproducto e, incluso, de ausencia de precios, con relativa sencillez.
Otra ventaja del DEA es que permite relacionar simultáneamente todos los inputs con
los outputs, pudiendo identificarse cuales inputs están siendo infrautilizados.
1
MÉTODOS NO PARAMÉTRICOS
1. Método DEA
Los orígenes de DEA se remontan a los años 70, cuando Charnes, Cooper y
Rhodes (1978) desarrollaron la técnica. Desde su introducción, la investigación en
DEA ha sido muy productiva, tanto en el ámbito teórico como en el aplicado,
medición de procesos logísticos, selección de equipos industriales, regulación de
servicios públicos, sector bancario, etc. En el ámbito económico, la eficiencia se
concibe como una medida que pone en relación los medios empleados con los fines
obtenidos, considerándose una determinada técnica, procedimiento o sistema de
producción eficiente cuando para un determinado nivel de inputs es capaz de producir
la máxima cantidad de output, o si para alcanzar un determinado output emplea la
menor cantidad de inputs (Lovell, 1993).
2
DMU con todas las posibles combinaciones lineales de todas las unidades de la
muestra. El conjunto de DMUs eficientes forma lo que se denomina frontera
eficiente, midiéndose la eficiencia de cada unidad como distancia a la misma. De esta
manera se pueden clasificar las distintas DMUs en función de su eficiencia.
3
en las dos puntuaciones TE para un DMU particular, esto indicará que el DMU tiene
ineficiencia de escala, y que la ineficiencia de la escala se puede calcular como la
diferencia entre la puntuación TE del VRS y la puntuación TE del CRS.
El Gráfico nº1 muestra un ejemplo con un input y un output, con las fronteras
del DEA CRS y VRS. La ineficiencia técnica del CRS orientado a inputs del punto
P es la distancia PPc, mientras que la ineficiencia técnica VRS sería solamente PPv.
La diferencia entre estos dos, PcPv, se interpreta como ineficiencia de escala. En
términos de ratios, esto se puede expresar como sigue:
TEI,CRS = APc/AP
TEI,VRS = APv/AP
SEI = APc/APv
ya que:
APc/AP = (APv/AP)x(APc/APv)
4
Gráfica nº1. Cálculo de Economías de Escala con el DEA
5
de las ineficiencias de escala (rendimientos crecientes o decrecientes de escala) para
un DMU particular puede ser determinada considerando si la puntuación del TE
NIRS es igual a la puntuación TE VRS. Si son desiguales (punto P en el Gráfico 1)
entonces existen rendimientos crecientes a escala para ésa DMU. Si son iguales
(punto Q en el Gráfico 1) entonces existirán rendimientos decrecientes a escala.
1.2. Super-eficiencia
6
Wilson (1995) se centró en la determinación de las DMUs eficientes atípicas,
caracterizadas por un índice de supereficiencia muy bajo o muy malo según la
orientación, o no factible. El límite de este valor de supereficiencia es una cuestión
abierta; Wilson (1995) propone como límite 0,6 y Mancebón (1996) lo eleva a 0,8,
considerando que para que una DMU sea calificada de atípica su puntuación de
supereficiencia debe estar muy alejada de 1 en las dos orientaciones del modelo.
7
1.2.1 Modelo DEA-BCC
Supongamos una muestra de n DMUs tales que cada DMUj (j=1, 2…, n)
produce s outputs, yrj (r=1, 2…, s), utilizando m inputs, xij (i=1, 2…, m). En DEA,
la eficiencia técnica de cada una de las unidades, se define como el cociente entre la
suma ponderada de los outputs y la suma ponderada de los inputs.
El modelo BCC output orientado en su formulación multiplicativa está dado
por las siguientes ecuaciones:
8
En este caso, si φ =1, la unidad evaluada se considera eficiente, pues no existe
otra que produzca más o que consiga el mismo nivel de producción con menores
recursos que ella.
El modelo anterior asigna a todas las unidades eficientes el mismo valor, por
tanto, no es útil a la hora de establecer un ranking. Por ello, Andersen y Petersen,
con propósitos de establecer ordenaciones, formulan el modelo de supereficiencia.
Tal modelo, que aplicamos en este trabajo, se expresa mediante las ecuaciones
siguientes:
9
1.2.2 Método de Zhu
El valor djir proporciona el cociente entre todos los outputs e inputs para cada
DMU y cuanto mayor sea djir mejor será el rendimiento de la DMUj en términos del
output r y el input i. Se define djk = djir de forma que k=1 se corresponde a i=1, r=1;
k=2 se corresponderá con i=1, r=2 y así sucesivamente, con k=1, 2..., p; p=mxs. Se
construye una matriz D= (d1, d2 ..., dp) nxp, donde cada fila representará p ratios
individuales de djk para cada DMU y cada columna representará un ratio output/input
específico, siendo
10
1. Se calcula la matriz de correlación, R
11
de variables djir, además de conocer cómo está cada DMU concreta cuando se
compara con el resto de DMUs. Por ello propone las siguientes modificaciones:
2. Define una nueva matriz D’= d’’ij dividiendo todos los elementos de cada
columna de la matriz D’ por el mínimo de su columna. De esta forma, cada
elemento de la columna k de la matriz D’’ indica cómo de bien está la DMU con
respecto al input i y el output r cuando se compara con la peor DMU con
respecto a las mismas variables.
12
En principio, la productividad es un indicador más bien sencillo, que
describe la relación entre la producción y los factores necesarios para obtenerla. A
pesar de la aparente simplicidad de este concepto, el cálculo de la productividad
plantea una serie de problemas, que se vuelven cruciales en caso de pretender
establecer una comparativa entre el nivel de productividad de las empresas de
diversos sectores económicos o de una determinada área geográfica. Una parte de
estos problemas están estrechamente vinculados al progreso técnico.
13
medida tradicional del crecimiento productivo sigue la formulación de Solow (1957)
de la tasa de variación de la productividad global, y su adaptación a periodos de
tiempo discreto conocido como índice de Törnqvist-Theil. La sencillez de su cálculo
radica en algunos supuestos ciertamente restrictivos, al tiempo que requiere de cierta
información, en algún caso difícil de conseguir.
En segundo lugar, se está suponiendo que los niveles de todos los inputs se
ajustan instantáneamente, según el valor de su productividad marginal, en respuesta
a los cambios en los precios, sin existir costes de ajuste. Por último, se precisan
datos sobre precios de los inputs y de los outputs.
14
minimización de costes.
15
inalterado, entonces el índice debe incrementarse en igual proporción, que el
aumento de outputs. Asimismo, si el consumo de factores productivos se reduce en
una determinada proporción a lo largo de un periodo de tiempo, manteniéndose la
producción inalterada, entonces el índice debe incrementarse en igual proporción.
Desde la perspectiva de los índices de Malmquist y las funciones de distancia que
lo integran, esto implica que las funciones de distancia deben ser homogéneas de
grado uno en outputs y –1 en factores, lo cual equivale a que la tecnología de
producción considerada para evaluar el rendimiento o eficiencia productiva se
corresponda con rendimientos constantes a escala.
16
y se encuentre situado en la frontera del período t. Dt (xt, yt) toma valores inferiores
a la unidad, si y sólo si, (xt,yt) € Pt , y toma el valor unitario, si y sólo si, (xt,yt) se
sitúa en la frontera de producción. En este último caso, la unidad evaluada será
técnicamente eficiente.
17
De la misma manera se puede definir este índice referido al período s, para lo
cual se deben utilizar las correspondientes funciones distancia, de forma que:
Para evitar los problemas derivados de la elección de uno u otro período, estos
autores proponen elaborar una media geométrica de ambos. Por lo tanto, el índice se
calcula definitivamente como:
Siguiendo a Färe el al. (1990), una forma equivalente de expresar este índice
es:
La media geométrica de las dos ratios incluidas en los corchetes nos informa
sobre la existencia del cambio técnico experimentado entre los dos períodos
evaluados en dos puntos xt y xs . Si han existido mejoras tecnológicas, tendrá un valor
superior a uno.
18
Por lo tanto, un índice de Malmquist superior a la unidad indica mejoras de la
productividad, mientras que, si toma valores inferiores a la unidad, implica pérdidas.
Además, debe tenerse en cuenta que, aunque el producto del cambio en la eficiencia
técnica y el cambio técnico debe ser, por definición, igual al índice de Malmquist,
estas dos componentes pueden tener comportamientos en direcciones opuestas.
19
CONCLUSIÓN
Las pruebas no paramétricas habitualmente son menos fiables que las pruebas
paramétricas, aunque es adecuada cuando se cumple el supuesto de normalidad. Por
ende, las pruebas no paramétricas requieren a veces modificaciones en las hipótesis
planteadas.
20
Estos métodos varían según las necesidades de quienes los aplican, en el caso
de la eficiencia en escala va a depender de la industria implicada, por ende, identifica
el equilibrio ideal entre la demanda, la producción y los costos asociados con la
producción y entrega de los productos siendo una tarea constante para que así el
mismo sea efectivo.
21
REFERENCIAS BIBLIOGRÁFICAS
22