ESTADSTICA ESPAOLA

Vol. 46, Nm. 155, 2004, pgs. 95 a 117

Construccin de ndices ponderados
multicriterio con informacin ordinal
por
IGNACIO CONTRERAS RUBIO
MIGUEL NGEL HINOJOSA RAMOS
Departamento de Economa y Empresa
Universidad Pablo de Olavide de Sevilla
AMPARO MARA MRMOL CONDE
Departamento de Economa Aplicada III
Universidad de Sevilla
RESUMEN
El objetivo de este trabajo es establecer una metodologa que
permita construir ndices para la evaluacin de un conjunto de unida-
des, cuando se dispone de las valoraciones de stas con respecto a
varios criterios medidos en una escala ordinal. Con objeto de reflejar
lo ms fielmente posible los aspectos evaluados, en los ndices com-
puestos que proponemos se incorpora la informacin disponible sobre
la importancia relativa de los distintos criterios y sobre la importancia
de las distintas categoras ordinales. Se ilustra el procedimiento con
un anlisis de valoraciones realizadas por los alumnos de las distintas
Titulaciones de la Universidad Pablo de Olavide de Sevilla.
Palabras clave: Anlisis de Datos, Ordenacin, Anlisis Multicriterio,
Informacin Parcial.
Clasificacin AMS: 62-07, 90C90.
96 ESTADSTICA ESPAOLA
1. INTRODUCCIN
En este trabajo se estudia la construccin de ndices compuestos para la valo-
racin global de un conjunto de alternativas cuando se dispone de valoraciones
individuales con respecto a diferentes criterios medidos en una escala ordinal.
La metodologa que proponemos permite una eleccin flexible de las pondera-
ciones asociadas a los valores de cada alternativa, y tiene en cuenta la posible
informacin adicional sobre la importancia relativa de los distintos criterios, y de las
distintas categoras de la escala ordinal. Es decir, elige los pesos ms favorables
para cada una de las alternativas valoradas individualmente, de entre los que se
consideren razonables en el contexto informacional.
Este tipo de valoraciones individuales, en las que se optimizan las ponderacio-
nes para cada alternativa sujetas a un conjunto de restricciones comunes, es
ampliamente utilizado en la metodologa DEA (Charnes et al., 1978). Se ha utilizado
tambin esta idea en modelos de agregacin de votos, (Cook and Kress, 1990;
Hashimoto, 1997). Tambin se han explorado sus posibilidades para el tratamiento
de problemas de decisin multicriterio. En Cook y Kress (1996) se propone un
ndice de este tipo para un modelo multicriterio con datos cualitativos, donde se
incorpora al problema la informacin ordinal sobre la importancia de los criterios. En
Puerto et al. (2000) se hace un anlisis general de los criterios de decisin clsicos
en presencia de informacin adicional, lo que permite la construccin de ndices de
valoracin de alternativas con datos cualitativos y/o cuantitativos, y que incluye
como caso particular el ndice de Cook y Kress.
En este trabajo partimos de las ideas expuestas en Puerto et al. (2000) para
estudiar el caso concreto en que se dispone de las valoraciones medidas en una
escala Likert, que un colectivo hace de un conjunto de unidades con respecto a
distintos criterios y proponemos un modelo general que combina los modelos de
agregacin de votos y los modelos de decisin multicriterio con informacin parcial.
Analizamos distintos conjuntos de informacin, que representan distintas cir-
cunstancias de informacin disponible (o subyacente) sobre la importancia relativa
de los distintos criterios, y sobre la importancia de la clasificacin de las unidades
en las distintas categoras ordinales. Esta metodologa permite el tratamiento de un
amplio rango de problemas de valoracin y seleccin, que incluyen, entre otros,
estudios de mercado sobre distintos productos, valoracin de proyectos, y proble-
mas de seleccin de personal por un comit.
El resto del trabajo est organizado de la siguiente manera. En la Seccin 2 es-
tablecemos el modelo general de ndice ponderado que proponemos, en la Seccin
3 se estudian los conjuntos de informacin que consideramos adecuados para la
CONSTRUCCIN DE NDICES PONDERADOS MULTICRITERIO CON INFORMACIN ORDINAL 97
construccin de ndices en este contexto, y se presenta la forma analtica de los
ndices bajo distintas hiptesis de informacin adicional. Los resultados expuestos
se ilustran en la Seccin 4, con un ejemplo numrico. El trabajo concluye con una
Seccin dedicada a las conclusiones y a las posibles extensiones del modelo.
2. MODELO DE NDICE COMPUESTO
Consideramos N unidades a evaluar, A
i
, i=1,,N, con respecto a K criterios o
caractersticas, {C
k
}, k=1,,K. Se dispone de las valoraciones que de estas unida-
des hacen un conjunto de individuos con respecto a los K criterios, medidas en una
escala ordinal con L posiciones.
Sea N
i
el nmero total de individuos que valora la alternativa i, y sea n
ikl
el por-
centaje de votos que la alternativa A
i
recibe en la categora l, l=1,...,L, en su valora-
cin respecto al criterio C
k
. Esto es, cada individuo que valora la alternativa A
i
, la
sita en una cierta categora de la escala con respecto a cada criterio, de tal forma
que las primeras categoras significan valoraciones ms favorables.
Suponemos que la valoracin de cada alternativa se realiza mediante un ndice
compuesto, que consiste en una determinada ponderacin de los porcentajes de
voto n
ikl
. Si se denota por w
k
, la importancia relativa o ponderacin asignada a la
caracterstica C
k
y por v
kl
la importancia de ser valorado en la categora l respecto al
criterio k la valoracin de la alternativa A
i
es:

K
1 k
L
1 l
ikl kl k i
n v w ) A ( v . [1]
Si es posible determinar exactamente los valores w
k
, y v
kl
, k=1,...,K, l=1,...,L, el
ndice est totalmente definido. Pero en la prctica, no siempre es posible, y a
veces no es ni siquiera deseable, establecer exactamente el valor de la importancia
relativa de los criterios y/o asignarle un valor numrico al hecho de tener valorada
una unidad en una determinada posicin de la escala. S es frecuente que se
disponga de cierta informacin parcial sobre estas valoraciones, por ejemplo, la
importancia asignada a la situacin de una unidad en una posicin superior en la
escala no ha de ser menor que la importancia de estar situado en una posicin
inferior, o uno de los criterios de valoracin ha de tener un peso mayor que otro. En
estas condiciones, la informacin parcial disponible ha de incorporarse al procedi-
miento de construccin del ndice para que ste proporcione una medida lo ms
ajustada posible de la valoracin global de la alternativa.
98 ESTADSTICA ESPAOLA
El procedimiento que proponemos permite flexibilidad en la asignacin de las
ponderaciones, de tal forma que considera la valoracin ms favorable para cada
unidad, es decir, los datos se van a agregar con aquellos valores de v
k
=(v
k1
,...,v
kL
) y
de w=(w
1
,...,w
K
), para los que v(A
i
) sea mximo de entre los que sean posibles.
Formalmente la valoracin de A
i
que proponemos, v(A
i
), consiste en:

w
K ,..., 1 k , v . a . s
n v w Max ) A ( v
k k
K
1 k
L
1 l
ikl kl k
w , v
i
k
[2]
donde en el conjunto
k
se recoge la informacin respecto a los pesos asociados
a las L categoras con las que se evala el criterio k y en el conjunto se recogen
las condiciones que han de cumplir las ponderaciones asociadas a los diferentes
criterios. Supondremos que estos conjuntos son polidricos, y tales que

L
1 l
k
kl
L k k
0 v , 1 v : R v y

K
1 k
k
K
0 w , 1 w : R w , es decir,
consideramos pesos no negativos que suman la unidad.
El problema de valoracin de cada alternativa, [2], es un problema no lineal. No
obstante, debido a la separabilidad de las variables en los conjuntos de informa-
cin, la solucin puede obtenerse en dos etapas consistentes en la resolucin de
problemas lineales, como se describe a continuacin.
En primer lugar, la alternativa A
i
se evala con respecto a cada uno de los crite-
rios. Si denotamos por ) A ( P
i
*
k
el valor del ndice que para la alternativa A
i
agrega
las valoraciones obtenidas respecto al criterio C
k
en la mejor situacin posible,
) A ( P
i
*
k
se calcula como:
k k
L
1 l
ikl kl
v
i
*
k
v . a . s
n v Max ) A ( P
k

[3]
Sean
*
kl
v , l=1,...,L, los valores ptimos para las variables que se obtienen como
solucin del problema [3]. Entonces, el problema [2] para la valoracin global de la
alternativa A
i
consiste en:
CONSTRUCCIN DE NDICES PONDERADOS MULTICRITERIO CON INFORMACIN ORDINAL 99

w . a . s
n v w Max ) A ( v
K
1 k
L
1 l
ikl
*
kl k
w
i
[4]
Esto es, la obtencin de la valoracin ms favorable para cada alternativa pasa
por la obtencin previa de la valoracin mxima de dicha alternativa respecto a
cada uno de los criterios considerado individualmente para, posteriormente, agregar
estas valoraciones con los pesos ms favorables para cada criterio.
Los problemas [3] y [4] son problemas lineales. En general pueden resolverse
utilizando procedimientos simpliciales, o el software actualmente disponible para la
resolucin de este tipo de problemas. Sin embargo, en los casos de los conjuntos
de informacin que proponemos en este trabajo, es posible obtener la forma anal-
tica de las soluciones sin necesidad de recurrir a mtodos iterados, lo que permite
construir los ndices de valoracin correspondientes.
La resolucin de estos problemas que proponemos est basada en la obtencin
de los puntos extremos de los conjuntos de informacin. Es sabido que si un pro-
blema lineal tiene solucin ptima, al menos un punto extremo del conjunto factible
es ptimo. Por tanto si x
j
, j=1,...,J, son los puntos extremos del conjunto factible, S,
del problema lineal:
S x a . s
x c Max
t

[5]
la solucin del problema se obtiene en el punto extremo en el que la funcin objeti-
vo alcanza un valor ms alto, es decir:
j t
J ,..., 1 j
t
S x
x c Max x c Max

.
Por tanto, si es posible determinar los puntos extremos del conjunto factible, el
problema se reduce a la evaluacin de la funcin objetivo en cada uno de estos
puntos.
En ciertos casos particulares, interesantes en este contexto, la estructura espe-
cial del conjunto factible, permite la obtencin inmediata de sus puntos extremos. Si
la informacin sobre los pesos puede representarse mediante relaciones lineales, el
conjunto factible puede escribirse como

n
1 k
k
n
Mx , 0 x , 1 x : R x , donde
Lxn
R M es la matriz que relaciona los pesos, y
L
R . En Carrizosa et al. (1995)
se demuestra que si estas relaciones lineales son homogneas, es decir, si la
100 ESTADSTICA ESPAOLA
informacin sobre los pesos es de la forma

n
1 k
k
n
0 Mx , 0 x , 1 x : R x , y la
inversa de la matriz
n n
R M

es no negativa, 0 M
1

, entonces los puntos extre-

mos del conjunto factible son las columnas de
1
M

, normalizadas para sumar la

unidad. La obtencin de los puntos extremos cuando las relaciones no son homo-
gneas, se estudia en Mrmol et al. (1998), y Mrmol et al. (2002).
La facilidad de interpretacin de las relaciones lineales entre los pesos, as co-
mo la posibilidad de obtencin de los puntos extremos de los conjuntos de informa-
cin que inducen, hace que estos conjuntos tengan una amplia aplicacin en los
procesos decisionales.
A continuacin hacemos uso de los resultados sobre los puntos extremos de los
conjuntos de informacin para establecer la forma analtica de los ndices de valo-
racin bajo distintos supuestos de informacin sobre la importancia de las catego-
ras ordinales, y sobre la importancia de los distintos criterios.
3. CONSTRUCCIN DE NDICES CON INFORMACIN PARCIAL
En esta Seccin analizamos los conjuntos de informacin que son significativos
en el contexto del modelo que proponemos, tanto para la fase consistente en la
valoracin de la alternativa con respecto a los criterios, como para la fase de agre-
gacin de los criterios, y construimos los ndices de valoracin de alternativas que
inducen.
3.1. ndices ponderados para cada criterio
La primera fase para la construccin del ndice compuesto es la obtencin de
los valores ptimos del problema [3]. Para cada criterio los valores dependern de
la forma concreta que adoptan los conjuntos de informacin
k
. Para ello analiza-
remos las posibilidades de definir ndices para la valoracin de las alternativas con
respecto a cada criterio, partiendo de distintos conjuntos de informacin para este
problema de agregacin de votos de las distintas categoras.
En el caso en que se dispone de los datos clasificados en categoras ordinales,
los conjuntos de informacin deben reflejar el carcter ordinal de stas, es decir, al
menos deben establecer una ordenacin de las ponderaciones de manera que la
ponderacin que se asigna a las categoras ms favorables no sea inferior a la
asignada a las categoras inferiores, adems de las ya mencionadas condiciones
de no negatividad de los pesos y normalizacin para sumar la unidad.
CONSTRUCCIN DE NDICES PONDERADOS MULTICRITERIO CON INFORMACIN ORDINAL 101
A continuacin analizamos las siguientes propuestas que son acordes o refinan
este tipo de informacin.
3.1.1 Ordenacin de las ponderaciones de las categoras
En primer lugar, consideramos como conjunto de informacin aqul que repre-
senta nicamente una ordenacin de los pesos asociados a las diferentes catego-
ras. Es decir, la ponderacin asociada a cada categora ha de ser mayor o igual a
la que se asocia a la categora siguiente. Este es el conjunto apropiado para la
construccin del ndice de valoracin con respecto a un determinado criterio cuando
no se hacen hiptesis adicionales respecto a la importancia relativa de ser clasifi-
cado en las distintas categoras.
El conjunto de informacin para el criterio k es, en este caso:

kL 2 k 1 k
L
1 l
kl
k L k k
1
v ... v v , 1 v , 0 v : R v , [6]
que puede escribirse como

0 Mv , 1 v , 0 v : R v
k
L
1 l
kl
k L k k
1
,
donde la matriz M es:
(
(
(
(
(
(
,
\
,
,
,
,
,
,
(
j

1 0 0 0
1 1 0 0
0 1 1 0
0 0 1 1
M
L
L
M O O M M
L
L
.
Se sigue de la no negatividad de
1
M

, que el conjunto
k
1
tiene L puntos ex-
tremos, dados por:
L , , 1 r , ) 0 , , 0 , 1 , , 1 (
r
1
) r ( v
t
) r
r
1 l
k
L L L

.
A partir de ellos se obtiene el valor ptimo de [3] cuando
k
1
k
v , y el ndice
agregado para el criterio k es:

r
1 l
ikl
L ,..., 1 r
i
*
k
r
n
max ) A ( P . [7]
102 ESTADSTICA ESPAOLA
Obsrvese que

r
1 l
ikl
r
n
representa la suma acumulada de los porcentajes de
votos de las r primeras categoras, partido por el nmero de categoras. Considerar
como ndice de valoracin de la alternativa i-sima el mximo de estos valores
significa poder elegir entre considerar en la valoracin todas las categoras de
votos, o slo algunas, las r primeras.
3.1.2. Tasas de sustitucin marginal entre las categoras
Una segunda propuesta es fijar cotas inferiores a las tasas de sustitucin margi-
nal entre las valoraciones de las diferentes categoras. Supongamos que para el
criterio k, m
l+1
votos en la categora l-sima, se valoran al menos tanto como m
l
votos en la categora l+1. Esta situacin se representa como
1 kl l kl 1 l
v m v m
+ +
y el
conjunto de informacin toma la forma:

L , ... , 2 , 1 l , v v , 1 v , 0 v : R v
1 kl
m
ml
kl
L
1 l
kl
k L k k
2
1 l
.
Las relaciones entre los pesos en este conjunto tambin pueden representarse
mediante una matriz con inversa no negativa (ver Puerto et al. 2000 ), y se sigue
que el valor ptimo de [3] cuando se considera como conjunto de informacin
adicional
k
2
, es igual a:

r
1 l
ikl
m
m
L ,..., 1 r
i
*
k
n max ) A ( P
r
l
, [8]
donde se denota por L ,..., 1 r , m m
r
1 j
j
r

.
Para el caso particular en el que se impone que cada categora sea valorada al
menos con el doble de la categora siguiente, es decir,
1 kl kl
v 2 v
+
, los valores de
m
l
se establecen como m
l
=2
L-l
, l=1,...,L.
3.1.3. Ordenacin de ponderaciones con factores discriminantes
En esta tercera propuesta se establecen cotas inferiores sobre las diferencias
de dos pesos sucesivos. Estas cotas aparecen referidas en la literatura como
factores discriminantes (Cook y Kress, 1996). El conjunto de informacin adicional
se representa como
CONSTRUCCIN DE NDICES PONDERADOS MULTICRITERIO CON INFORMACIN ORDINAL 103

L kL l 1 kl kl
L
1 l
kl
k L k k
3
v ; 1 L ,..., 1 l , v v , 1 v , 0 v : R v [9]
donde se supone que 1 l
L
1 l
l
<

para asegurar que

k
3
.
Denotamos por

L
1 l
l
l 1 y
(
(
,
\
,
,
(
j
+



L L 1 L
L
2 l
l
L
1 l
l
, ,..., , .
De los resultados expuestos en Puerto et al.(2000) se deduce que, en este ca-
so, el valor ptimo de ) A ( P
i
*
k
es igual a:

+
L
1 l
r
1 l
ikl
L 1,..., r
ikl l i
*
k
r
n
max n ) A ( P . [10]
3.1.4. Ordenacin de las diferencias entre categoras
Proponemos ahora un nuevo conjunto de informacin, que ha sido considerado
recientemente por Hashimoto (1997) en el contexto de los modelos DEA. Dicho
conjunto de informacin representa, en nuestro modelo, un supuesto sobre la
valoracin de los votos en las diferentes categoras que resulta natural en muchos
contextos, estableciendo que las diferencias de valoracin de categoras sucesivas
son decrecientes. Es decir, la intensidad con que se discrimina el valor de catego-
ras sucesivas decrece conforme se consideran categoras menos valoradas.
}. v v v ; 2 L ,..., 1 l , v v v v , 1 v , 0 v : R v
kL kL 1 kL 2 kl 1 kl 1 kl kl
L
1 l
kl
k L k k
4

+ + +

Obsrvese que esta informacin implica la ordenacin de las importancias relativas

de las categoras.
A continuacin se establece la forma analtica del ndice ponderado, ) A ( P
i
*
k
para
este conjunto de informacin.
Proposicin 3.1. La valoracin de las alternativas con respecto al criterio k-
simo con el conjunto de informacin
k
4
se obtiene como:

+

r
1 l 2
) 1 r ( r
ikl
L l r
i
*
k
n ) 1 l r (
max ) A ( P
1 1
. [11]
104 ESTADSTICA ESPAOLA
Demostracin. De la no negatividad de la inversa de la matriz que representa
las relaciones homogneas entre los pesos en este conjunto de informacin, se
sigue que los puntos extremos de
k
4
son las columnas de la siguiente matriz
(
(
(
(
(
(
(
(
(
(
(
,
\
,
,
,
,
,
,
,
,
,
,
,
(
j

+
+
+
+
2
) 1 L ( L
2
) 1 L ( L
2
) 1 L ( L
2
) 1 L ( L
2
) 1 L ( L
2
) 1 L ( L
2
) 1 L ( L
1
0 0 0
2 1
0 0
1 L 2 L
3 / 1 0
L 1 L
3 / 2 1
K
K
M M O M M
K
K
. [12]
P
*
k
(A
i
) es la solucin del problema [3] con
k
4
v , que se obtiene en aquel punto
extremo donde se alcanza el mximo de la expresin
ikl
L
1 l
kl
n v

, de donde se sigue
el resultado.
Obsrvese que este ndice consiste en considerar los votos en cada categora
con ponderaciones como el mtodo de las marcas de Borda (Borda, 1784), y que
coincide tambin con el modelo estudiado en Kendall (1962). En este modelo se
valora cada categora con pesos
2
) 1 L ( L
) 1 l L (
kl
v
+
+
. La diferencia con el ndice que se
construye en la proposicin anterior es que en este ltimo se admite la posibilidad
de considerar en la valoracin solo los votos hasta una determinada categora, esto
es, elige la situacin ms favorable entre considerar todas las categoras de votos
solo las r primeras.
3.2. Obtencin del ndice compuesto
Para la obtencin del ndice global ha de resolverse el problema [4] para cada
alternativa. Los valores o utilidades asociados a los diferentes criterios para la
alternativa A
i
son, en este caso, los valores calculados en la anterior Seccin,
) A ( P
i
*
k
, k=1,...,K.
Consideramos en este caso conjuntos de informacin de la forma

K
1 k
k
K
1 w , Aw , 0 w : R w , [12]
CONSTRUCCIN DE NDICES PONDERADOS MULTICRITERIO CON INFORMACIN ORDINAL 105
donde en la matriz
pxk
R A se recogen las relaciones lineales entre los pesos de
los distintos criterios.
Con las restricciones Aw se incorpora la informacin adicional respecto a la
importancia relativa de los diferentes criterios en la construccin del ndice global.
La forma concreta del conjunto depender de la informacin que se tenga sobre
la importancia relativa de los criterios, y de la forma de formalizar dichas preferen-
cias. El rango de posibilidades va desde el caso en que no se dispone de informa-
cin alguna, hasta los casos en que se dispone de informacin muy especializada,
y por tanto el conjunto de ponderaciones donde se hace la eleccin es ms restrin-
gido. En cualquier caso, la construccin del ndice global depende tanto de los
conjuntos de informacin , como del conjunto , como se estableci en [2].
En la seccin siguiente se utilizarn los ndices compuestos que inducen los
conjuntos de informacin sobre la importancia de las categoras y de los criterios,
que nos parecen apropiados en la aplicacin que presentamos.
4. APLICACIN
A continuacin se ilustra el procedimiento desarrollado en las Secciones prece-
dentes con una aplicacin sobre las valoraciones que los alumnos de las diferentes
Titulaciones de la Universidad Pablo de Olavide de Sevilla (UPO) realizan de los
aspectos ms relevantes de la institucin(1).
Se realiz la evaluacin de 7 Titulaciones. El nmero de alumnos encuestados
en cada una de ellas se resume en la Tabla 1.
(1) Los datos utilizados estn incluidos en el proyecto de investigacin "Causas de
Abandono acadmico en la Universidad Pablo de Olavide", realizado por el rea de Mtodos
Cuantitativos del Departamento de Economa y Empresa, por encargo de la propia Universi-
dad.
106 ESTADSTICA ESPAOLA
Tabla 1
TITULACIONES Y NMERO DE
ALUMNOS ENCUESTADOS
Titulaciones Alumnos
encuestados
A 47
B 59
C 42
D 17
E 28
F 35
G 55
TOTAL 283
Las Titulaciones estudiadas son consideradas alternativas que se desean valo-
rar con una puntuacin nica. Se seleccionaron los siguientes cuatro criterios que
representan las opiniones de los alumnos sobre la calidad de enseanza, servicios
e infraestructuras. Las valoraciones se realizaron a travs de votaciones en una
escala ordinal con cinco categoras, de tal forma que las primeras categoras
significan valoraciones ms favorables. Los criterios considerados son los siguien-
tes:
Satisfaccin con la actividad docente del profesorado (C
1
).
Satisfaccin con los contenidos de los programas de las asignaturas (C
2
).
Valoracin de la Biblioteca (C
3
).
Valoracin de las condiciones de las aulas (C
4
).
El objetivo del estudio es proporcionar una valoracin global de las titulaciones a
partir de la informacin proporcionada por la encuesta, teniendo en cuenta las
caractersticas diferenciadas de los distintos criterios que valoran los estudiantes, y
la importancia que se le asigna a las diferentes categoras ordinales.
4.1 CONJUNTOS DE INFORMACIN SOBRE LA IMPORTANCIA DE LAS
CATEGORAS ORDINALES
Para la primera agregacin, hemos considerado los conjuntos de informacin
analizados en la Seccin 3. Todos ellos representan distintas maneras de refinar la
CONSTRUCCIN DE NDICES PONDERADOS MULTICRITERIO CON INFORMACIN ORDINAL 107
informacin ordinal que se establece en
1
. En concreto se han analizado los
siguientes casos:
Caso 1. Ordenacin de la importancia de las categoras:
. 0 v v v v v , 1 v , 0 v : R v
5 k 4 k 3 k 2 k 1 k
5
1 l
kl
k 5 k k
1

La valoracin de las alternativas con respecto al criterio k-simo en este con-

junto de informacin, se calcula como:

r
1 l
ikl
5 ,..., 1 r
i
*
k
r
n
max ) A ( P . [13]
Caso 2. Tasas de sustitucin marginal. Analizamos el caso en que un voto en
una categora es al menos tan importante como dos votos en la siguiente:
. v 2 v , v 2 v , v 2 v , v 2 v , 1 v , 0 v : R v
5 k 4 k 4 k 3 k 3 k 2 k 2 k 1 k
5
1 l
kl
k 5 k k
2

En este caso, la forma analtica del ndice es:

r
1 l
r 5 5
ikl
l 5
5 ,..., 1 r
i
*
k
2 2
n 2
max ) A ( P . [14]
Caso 3. Ordenacin con factores discriminantes. Se establecen los
siguientes factores discriminantes en las diferencias de las categoras
=(01,01,005,005,001).
El conjunto de informacin es:

. 01 ' 0 v , 05 ' 0 v v
, 05 ' 0 v v , 1 ' 0 v v , 1 ' 0 v v , 1 v , 0 v : R v
5 k 5 k 4 k
4 k 3 k 3 k 2 k 2 k 1 k
5
1 l
kl
k 5 k k
3

En este caso =(031,021,011,006,001), y =03, por lo que el ndice de va-

loracin consiste en:
108 ESTADSTICA ESPAOLA

+
5
1 l
r
1 l
ikl
1,...,5 r
ikl l i
*
k
r
n
max 3 ' 0 n ) A ( P . [15]
Caso 4. Ordenacin de las diferencias entre ponderaciones de categoras sucesivas,
. v v v ; 3 ,..., 1 l , v v v v , 1 v , 0 v : R v
5 k 5 k 4 k 2 kl 1 kl 1 kl kl
5
1 l
kl
k 5 k k
4

+ + +

El
ndice en este caso, se obtuvo anteriormente como:

r
1 l 2
) 1 r ( r
ikl
5 ,..., 1 r
i
*
k
n ) 1 l r (
max ) A ( P . [16]
4.2. Conjuntos de informacin sobre la importancia de los distintos
criterios
El conjunto de informacin para la segunda agregacin, , responde a las hi-
ptesis previas sobre la importancia relativa de los criterios. Dependiendo de cmo
sea esta informacin, es decir, de cmo se ponderen los diferentes criterios consi-
derados, se obtendrn diferentes valores finales para el ndice. Para nuestro estu-
dio proponemos las siguientes posibilidades.
Caso 1. Considerar que no existen preferencias sobre la importancia de los cri-
terios. Todos son considerados igualmente importantes. En este primer caso,

1 w , 0 w : R w
4
1 k
k
4
1
.
El ndice final es el mximo de los ndices por criterios antes calculados.
) A ( P max ) A ( v
i
*
k
4 ,..., 1 k
i

.
Caso 2. Se establecen cotas inferiores para los pesos, w
K
, de manera que to-
dos los criterios estn representados en el valor del ndice final. El conjunto de
informacin toma la forma:

4 ,..., 1 k , w , 1 w , 0 w : R w
k k
4
1 k
k
4
2
, [17]
CONSTRUCCIN DE NDICES PONDERADOS MULTICRITERIO CON INFORMACIN ORDINAL 109
con

<
4
1 k
k
1para asegurar que
2
.
A partir de los resultados en (Mrmol et al.,2002), puede obtenerse el valor de
[4] como:
) A ( P max 1 ) A ( P ) A ( v
i
*
k
4 ,..., 1 k
4
1 k
k
4
1 k
i
*
k k i

(
(
,
\
,
,
(
j
+

. [18]
Estudiaremos el caso en el que a todos los pesos se le impone la misma cota
inferior,
k
=0'.1, k=1,...,4, la expresin [18] se transforma en:
) A ( P max 6 ' 0 ) A ( P 1 ' 0 ) A ( v
i
*
k
4 ,..., 1 k
4
1 k
i
*
k i

. [19]
Caso 3. Se supone que los criterios estn ordenados por orden de importancia
decreciente:

0 w w , w w , 1 w : R w
4 3 2 1
4
1 k
k
4
3
.
De forma anloga a lo establecido en la Seccin 3.1.1., el ndice global consiste
en:

r
1 l
i
*
l
4 ,..., 1 r
i
r
) A ( P
max ) A ( v . [20]
Caso 4. Consideramos en este caso que los criterios pueden clasificarse en dos
grupos: un primer grupo relativo a los aspectos docentes, en el que se incluyen los
dos primeros criterios, y un segundo grupo relativo a los servicios e infraestructuras,
en el que se incluyen los dos ltimos. Dentro de cada par, se considera ms im-
portante el primero de los criterios. El conjunto de informacin puede escribirse en
este caso como:

0 w w , 0 w w , 1 w , 0 w : R w
4 3 2 1
4
1 k
k
4
4
.
110 ESTADSTICA ESPAOLA
La matriz de puntos extremos de
4
es:
(
(
(
(
(
,
\
,
,
,
,
,
(
j

2
1
2
1
2
1
2
1
4
0 0 0
1 0 0
0 0 0
0 0 1
L [21]
A partir de ella, se obtiene el ndice correspondiente como:

+ +

2
) A ( P ) A ( P
), A ( P ,
2
) A ( P ) A ( P
), A ( P max ) A ( v
i
*
4 i
*
3
i
*
3
i
*
2 i
*
1
i
*
1 i
.
Caso 5. En este caso, consideramos que los dos criterios referidos a docencia
son, conjuntamente, ms importante que los referidos a los servicios, tambin
considerados conjuntamente. El conjunto de informacin es ahora:

+ +

0 w w w w , 1 w , 0 w : R w
4 3 2 1
4
1 k
k
4
5
.
Por el procedimiento presentado en Mrmol et al. (2002), se obtiene la matriz de
puntos extremos de
5
es:
(
(
(
(
(
,
\
,
,
,
,
,
(
j

2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
5
0 0 0 0
0 0 0 0
0 0 1 0
0 0 0 1
L , [22]
y la valoracin que induce es:
.
2
) A ( P ) A ( P
,
2
) A ( P ) A ( P
,
2
) A ( P ) A ( P
,
2
) A ( P ) A ( P
), A ( P ), A ( P max ) A ( v
i
*
4 i
*
2
i
*
3 i
*
2 i
*
4 i
*
1 i
*
3 i
*
1
i
*
2 i
*
1 i

+
+ +

Caso 6. Consideramos que se otorga una mayor importancia a los criterios rela-
cionados con los servicios que a los criterios que evalan la docencia:
CONSTRUCCIN DE NDICES PONDERADOS MULTICRITERIO CON INFORMACIN ORDINAL 111

+ +

0 w w w w , 1 w , 0 w : R w
2 1 4 3
4
1 k
k
4
6
.
Anlogamente al caso anterior, se puede probar que el ndice correspondiente
es:
.
2
) A ( P ) A ( P
,
2
) A ( P ) A ( P
,
2
) A ( P ) A ( P
,
2
) A ( P ) A ( P
), A ( P ), A ( P max ) A ( v
i
*
4 i
*
2
i
*
3 i
*
2 i
*
4 i
*
1 i
*
3 i
*
1
i
*
4 i
*
3 i

+
+ +

4.3. Resultados
Combinando los conjuntos de informacin correspondientes a las dos agrega-
ciones pueden construirse ndices compuestos diferentes. Los resultados para la
valoraciones de las Titulaciones de la UPO se resumen en la Tabla 2, incluyendo
tanto el valor numrico del ndice, como la posicin relativa que ocupa la Titulacin
dentro del grupo (valor entre parntesis).
Se muestran tambin los resultados obtenidos al aplicar el conocido procedi-
miento de las Marcas de Borda, a la valoracin de las alternativas con respecto a
los criterios, que denotamos como
5
. El mtodo de Borda puede verse como un
caso particular de construccin de ndices para valorar el criterio k-simo, cuando

k k
v , con L ,..., 1 l ,
) 1 L ( L
) 1 l L ( 2
v
kl

+
+
.
Obsrvense las relaciones de inclusin que hay entre los conjuntos de informa-
cin. Con respecto a los conjuntos , se tienen las siguientes relaciones:
1 4
,
4 2
,
4 3
tambin
4 5
. Por tanto, los conjuntos
2 3
, ,
as como
5
, que corresponde al mtodo de Borda, representan la informacin
ms especializada sobre la importancia relativa de las categoras ordinales. Los
distintos casos de informacin sobre importancia relativa de los criterios estn
relacionados as:
5 3 4 3 1 2
, , , sin embargo, el conjunto
6
no
contiene al conjunto de las ponderaciones que establecen la ordenacin de los
criterios que se representa en
3
.
El ndice correspondiente a ( )
1 1
, es el que menos informacin requiere,
pues slo tiene en cuenta la ordenacin de las categoras y no supone informacin
sobre la importancia de los criterios.
112 ESTADSTICA ESPAOLA
A medida que la informacin se hace ms especializada, menos variabilidad hay
en la eleccin de las ponderaciones. Los ndices correspondientes a ( )
3 4
, , y
( )
3 3
, , y ( )
4 4
, son los que ms informacin requieren, de los analizados
aqu.
Tabla 2 (Contina)
NDICES FINALES Y ORDENACIONES COMBINANDO LOS CONJUNTOS DE
INFORMACIN
1

A 0,447 (2) 0,412 (2) 0,372 (1) 0,388 (3) 0,410 (1) 0,447 (2)
B 0,424 (3) 0,381 (3) 0,316 (6) 0,424 (2) 0,342 (3) 0,424 (3)
C 0,464 (1) 0,421 (1) 0,356 (2) 0,429 (1) 0,381 (2) 0,464 (1)
D 0,382 (5) 0,356 (5) 0,316 (5) 0,368 (5) 0,338 (4) 0,382 (5)
E 0,393 (4) 0,365 (4) 0,323 (4) 0,384 (4) 0,333 (6) 0,393 (4)
F 0,329 (7) 0,311 (7) 0,329 (3) 0,329 (7) 0,329 (7) 0,307 (7)
G 0,364 (6) 0,337 (6) 0,315 (7) 0,364 (6) 0,336 (5) 0,364 (6)
2

A 0,383 (2) 0,345 (2) 0,291 (2) 0,326 (3) 0,337 (1) 0,383 (2)
B 0,373 (3) 0,320 (3) 0,240 (5) 0,373 (2) 0,281 (4) 0,373 (3)
C 0,421 (1) 0,370 (1) 0,295 (1) 0,377 (1) 0,321 (2) 0,421 (1)
D 0,353 (4) 0,315 (4) 0,258 (3) 0,315 (5) 0,304 (3) 0,353 (4)
E 0,321 (5) 0,295 (5) 0,256 (4) 0,321 (4) 0,265 (5) 0,321 (5)
F 0,276 (7) 0,250 (7) 0,219 (7) 0,239 (7) 0,248 (7) 0,276 (7)
G 0,297 (6) 0,266 (6) 0,232 (6) 0,297 (6) 0,258 (6) 0,297 (6)
3

A 0,358 (2) 0,334 (2) 0,305 (1) 0,319 (3) 0,331 (1) 0,358 (2)
B 0,344 (3) 0,309 (3) 0,256 (7) 0,344 (2) 0,285 (4) 0,344 (3)
C 0,374 (1) 0,344 (1) 0,298 (2) 0,349 (1) 0,315 (2) 0,374 (1)
D 0,328 (4) 0,304 (4) 0,267 (4) 0,313 (5) 0,294 (3) 0,328 (4)
E 0,317 (5) 0,299 (5) 0,272 (3) 0,316 (4) 0,278 (6) 0,317 (5)
F 0,267 (7) 0,257 (7) 0,264 (5) 0,264 (7) 0,266 (7) 0,267 (7)
G 0,296 (6) 0,277 (6) 0,261 (6) 0,296 (6) 0,278 (5) 0,296 (6)
CONSTRUCCIN DE NDICES PONDERADOS MULTICRITERIO CON INFORMACIN ORDINAL 113
Tabla 2 (Conclusin)
NDICES FINALES Y ORDENACIONES COMBINANDO LOS CONJUNTOS
DE INFORMACIN
4

A 0,383 (2) 0,349 (2) 0,298 (2) 0,326 (4) 0,340 (1) 0,383 (2)
B 0,373 (3) 0,334 (3) 0,274 (4) 0,373 (2) 0,299 (4) 0,373 (3)
C 0,421 (1) 0,376 (1) 0,309 (1) 0,377 (1) 0,334 (2) 0,421 (1)
D 0,353 (4) 0,323 (4) 0,278 (3) 0,328 (3) 0,304 (3) 0,353 (4)
E 0,321 (5) 0,301 (5) 0,271 (5) 0,321 (5) 0,279 (5) 0,321 (5)
F 0,276 (7) 0,262 (7) 0,248 (7) 0,257 (7) 0,262 (7) 0,276 (7)
G 0,297 (6) 0,276 (6) 0,254 (6) 0,297 (6) 0,273 (6) 0,297 (6)
5

A 0,275 (2) 0,265 (2) 0,252 (1) 0,258 (5) 0,264 (1) 0,275 (2)
B 0,268 (3) 0,251 (5) 0,225 (7) 0,268 (2) 0,242 (4) 0,268 (3)
C 0,283 (1) 0,270 (1) 0,250 (2) 0,272 (1) 0,257 (2) 0,283 (1)
D 0,267 (4) 0,254 (3) 0,234 (4) 0,261 (3) 0,249 (3) 0,267 (4)
E 0,260 (5) 0,251 (4) 0,238 (3) 0,260 (4) 0,242 (5) 0,260 (5)
F 0,240 (7) 0,233 (7) 0,230 (6) 0,232 (7) 0,235 (7) 0,240 (7)
G 0,244 (6) 0,236 (6) 0,233 (5) 0,244 (6) 0,238 (6) 0,244 (6)
Algunos puntos destacables de los resultados obtenidos son los siguientes:
Los conjuntos
1
y
6
dan lugar a la misma ordenacin de las Titulaciones,
(C, A, B, D, E, G, F), independientemente del conjunto de informacin adicional
utilizado en la primera agregacin, salvo en el caso
1
, que vara ligeramente,
intercambiando las posiciones de las Titulaciones D y E.
Esta ordenacin tambin se mantiene cuando el conjunto de informacin adi-
cional consiste solo en imponer cotas inferiores a los pesos asociados a los crite-
rios,
1
, salvo si para la primera agregacin se utiliza el mtodo de Borda (
5
).
Los resultados cambian cuando se incluye informacin sobre los criterios ms
especfica. Se obtienen entonces ordenaciones diferentes de las Titulaciones, y se
hace ms manifiesta la dependencia de la ordenacin de los conjuntos .
Si comparamos la influencia de los conjuntos de informacin utilizados para la
primera agregacin, puede verse como existen escasas diferencias en la ordena-
cin de las cuatro ltimas alternativas y s aparecen divergencias en la ordenacin
de las tres primeras, en particular con los conjuntos
3
y
5
.
114 ESTADSTICA ESPAOLA
En cuanto a los conjuntos de informacin , comparando los resultados para
un mismo conjunto , las mayores diferencias se obtienen cuando se utilizan los
conjuntos que contienen la informacin ms especializada como
2
y
3
.
Por ltimo, comparando los resultados del ndice final y tomando como refe-
rencia el obtenido con la menor cantidad de informacin adicional (caso ( )
1 1
, ),
puede verse como los ndices que dan lugar a ordenaciones ms dispares son los
obtenidos con ( )
2 5
, y ( )
3 5
, y con los conjuntos ( )
2 3
, y ( )
4 3
, .
Para nuestro caso concreto, nos parece apropiado resaltar el ndice que inducen
los conjuntos de informacin ( )
3 4
, . La valoracin de las Titulaciones a partir de
esta medida supone aceptar la ordenacin de la importancia de las categoras con
diferencias decrecientes entre categoras sucesivas y que supondra aplicar sucesi-
vamente el mtodo de las marcas de Borda tomando el valor ms alto entre aplicar
el mtodo a todas las categoras de la escala o a las r primeras. Con respecto a los
criterios supone ms importante la Satisfaccin con la actividad docente del profe-
sorado, seguido por Satisfaccin con los contenidos de los programas, Valoracin
de la biblioteca y Valoracin de las condiciones de las aulas, en este orden. En
cuanto a la ordenacin final de alternativas, obsrvese que, en este caso, con las
mismas hiptesis previas sobre la importancia de los criterios, la ordenacin obteni-
da difiere bastante de la obtenida cuando se aplica el procedimiento de Borda, que
es el que normalmente se utiliza en las aplicaciones para obtener valoraciones de
las alternativas con informacin ordinal.
5. CONCLUSIONES(2)
En este trabajo se aporta una metodologa para la construccin de ndices pon-
derados para la valoracin global de un conjunto de unidades, cuando se dispone
de valoraciones individuales sobre varios criterios medidos en una escala ordinal.
En la construccin del ndice se permite incorporar informacin adicional sobre
la importancia de los criterios, y sobre la importancia asignada a las diferentes
categoras de la escala ordinal. Se analizan distintos conjuntos de informacin que
(2) El mbito de nuestras conclusiones se restringe al terreno puramente metodolgico,
en cuanto a la aplicacin que desarrollamos no hacemos valoracin que pueda desvelar
datos de la Universidad Pablo de Olavide que no sean los estrictamente relacionados con el
trabajo que desarrollamos, la construccin de ndices ponderados multicriterio. La razn de
esta limitacin es que, como ya hemos mencionado anteriormente, los datos utilizados estn
incluidos en el proyecto de investigacin Causas de abandono acadmico en la Universidad
Pablo de Olaide, realizado por el rea de Mtodos Cuantitativos del Departamento de Eco-
noma y Empresa, por encargo de la propia Universidad.
CONSTRUCCIN DE NDICES PONDERADOS MULTICRITERIO CON INFORMACIN ORDINAL 115
permitirn el tratamiento de un amplio rango de problemas decisionales de valora-
cin y ordenacin de alternativas.
Una vez especificados los conjuntos de informacin que son adecuados en cada
situacin, los clculos asociados al tratamiento de la informacin se realizan fcil-
mente, pues consisten en tomar sucesivamente el mximo de las sumas pondera-
das de las valoraciones de las alternativas proporcionadas por los individuos. Por
tanto esta tcnica combina la ventaja que conlleva el ajustar el procedimiento a
cada contexto informacional, con la aplicabilidad derivada del poco esfuerzo com-
putacional que requiere.
Se ilustra la metodologa propuesta con el tratamiento de una encuesta realiza-
da a los alumnos de la Universidad Pablo de Olavide de Sevilla en la que se eva-
lan los aspectos ms relevantes en cada Titulacin.
De los diferentes aspectos evaluados se han incluido en nuestra aplicacin cua-
tro criterios que valoran aspectos docentes segn una escala ordinal de cinco
posiciones: satisfaccin con la actividad docente del profesorado, satisfaccin con
los contenidos de los programas de las asignaturas, valoracin de la Biblioteca y
valoracin de las condiciones de las aulas.
Queremos hacer notar que la utilizacin de la tcnica que proponemos ha de
partir de un conocimiento previo de la situacin objeto de estudio, dado que requie-
re la especificacin de la informacin sobre la importancia de los aspectos a eva-
luar, y como se desprende de los resultados que hemos obtenido, de la combina-
cin de los diferentes conjuntos de informacin, se obtienen distintos ndices que
inducen, a su vez, diferentes ordenaciones de las Titulaciones estudiadas.
Aunque se presentan en este trabajo los resultados obtenidos bajo distintos su-
puestos informacionales, en el caso de aplicacin estudiado nos parece apropiado
partir de un supuesto sobre la importancia de las categoras ordinales, que resulta
natural en una encuesta con estas caractersticas: las diferencias entre los pesos
correspondientes a dos categoras sucesivas son decrecientes (se corresponde con
el conjunto
4
). Este supuesto puede interpretarse como que la intensidad con la
que se discriminan dos categoras sucesivas decrece conforme se consideran
categoras menos valoradas. Con respecto a los criterios, nos centramos en el caso
en que se supone ms importante la Satisfaccin con la actividad docente del
profesorado, seguido por Satisfaccin con los contenidos de los programas, Valora-
cin de la biblioteca y Valoracin de las condiciones de las aulas, en este orden (se
corresponde con
3
).
A partir de estas hiptesis de informacin, la metodologa que presentamos
permite construir el ndice que refleja una valoracin global de las Titulaciones que
es consistente con estos supuestos.
116 ESTADSTICA ESPAOLA
Tomando en consideracin otros conjuntos de informacin, se obtienen otros
ndices diferentes. Entre las posibles extensiones del modelo se encuentra el
anlisis de sensibilidad de los conjuntos de informacin, en el sentido de establecer
lmites, en cuanto a la informacin disponible, dentro de los cuales la ordenacin de
las alternativas se mantenga.
REFERENCIAS
BORDA, J.C., (1784). Mmoire sur les lections au Scrutin. Histoire de l'Acadmie
Royale des Sciences.
CARRIZOSA, E., CONDE, E., FERNNDEZ, F.R., PUERTO, J. (1995). Multicriteria Analy-
sis with Partial Information. European Journal of Operational Research 81(2),
pp. 391-401.
CHARNES, A., COOPER, W.W., RHODES, E. (1978). Measuring Efficiency of Decision
Making Units. European Journal of Operational Research 2, pp. 429-444.
COOK, W.D., KRESS M. (1990). A Data Envelopment Model for Aggregating Prefer-
ence Ranking. Management Science vol. 36(11), pp. 1302-1310.
COOK, W.D., KRESS M. (1996). An Extreme-Point Approach for Obtaining Weighted
Ratings in Qualitative Multicriteria Decision Making. Naval Research Logistics
vol. 43, pp. 519-531.
HASHIMOTO, A. (1997). A Ranked Voting System Using DEA/AR Exclusion Model:
A note. European Journal of Operational Research 97, pp. 600-604.
KENDALL, M. (1962). Rank correlation Methods 3rd. Ed. Hafner, Nueva York. (2), pp.
291-301.
MRMOL, A.M., PUERTO, J., FERNNDEZ, F.R., (1998). The Use of Partial Informa-
tion on Weights in Multicriteria Decision Problems. Journal of Multicriteria De-
cision Analysis 7, pp. 322-329.
MRMOL, A.M., PUERTO, J., FERNNDEZ, F.R., (2002). Sequential Incorporation of
Imprecise Information in Multiple Criteria Decision Processes. European Jour-
nal of Operational Research 137(1), pp. 123-133.
PUERTO, J., MRMOL A.M., MONROY, L., FERNNDEZ, F.R. (2000). Decision Criteria
with Partial Information. International Transactions in Operational Research,
n.7, pp.51-65.
CONSTRUCCIN DE NDICES PONDERADOS MULTICRITERIO CON INFORMACIN ORDINAL 117
MULTICRITERIA WEIGHTED INDICES WITH ORDINAL
INFORMATION
SUMMARY
The goal of this paper is to present a general method to construct
weighted indices for the evaluation of a set of units with respect to
multiple criteria, when they are measured by values in different rank
positions of an ordinal scale.
The composite indices that we propose take into account the in-
formation available about the relative importance of the criteria and
about the importance of being ranked in a certain position. We illus-
trate the methodology with an analysis of the data provided by a sur-
vey carried out at the University Pablo de Olavide in Sevilla, that re-
flects the students opinion about the different degrees studied in this
University.
Key words: Data Analysis, Ranking, Multicriteria Analysis, Partial In-
formation.
AMS classification: 62-07, 90C90.