Eficiencia

La medicin de la eficiencia en el sector pblico
La Medicin de la Eficiencia en el Sector Pblico.

Tcnicas Cuantitativas
I CURSO DE EVALUACION DE POLTICAS PBLICAS Y PROGRAMAS

PRESUPUESTARIOS
MADRID, OCTUBRE DE 2009
UNIDAD DIDCTICA
Daniel Santn Gonzlez

Departamento de Economa Aplicada VI (Hacienda Pblica y Sistema Fiscal)
Universidad Complutense de Madrid
dsantin@ccee.ucm.es

CONTENIDOS
1. El concepto de eficiencia productiva y su medicin en el sector pblico.
1.1. Orgenes, conceptos y definicin de eficiencia.
1.2. La medicin de la eficiencia en el sector pblico.
2. Metodologas para la medicin de la eficiencia en el sector pblico: una
clasificacin.
3. Tcnicas no paramtricas.
3.1. Modelos DEA bsicos con rendimientos constantes (CCR) y variables a escala
(BCC).
3.2. ndices de Malmquist.
4. Tcnicas paramtricas.
4.1. El modelo de frontera estocstica.
4.2. La introduccin de variables de entorno.
4.3. Una introduccin a los datos de panel.
4.4. Una introduccin a las funciones distancia.

1. El concepto de eficiencia productiva y su medicin en el sector pblico.
1.1.
Orgenes, conceptos y definicin de eficiencia.
En general, los economistas muestran un elevado grado de consenso en considerar que

una asignacin es eficiente, en sentido de Pareto, cuando no es posible reasignar los
recursos existentes de tal forma que alguno (algunos) mejoren sin que otro (otros)
empeoren. La situacin de ptimo se garantiza si se cumplen las condiciones que
caracterizan la eficiencia en la produccin, la eficiencia en el intercambio y la eficiencia
global. Suele identificarse a Koopmans (1951) y fundamentalmente a Debreu (1951)
como los primeros autores en plantearse el problema de la construccin de una funcin
de produccin emprica basada en los datos observados y medir la eficiencia de cada
unidad productiva en relacin con aquella. Debreu sugiri una medida consistente de
eficiencia con su concepto de coeficiente de utilizacin del recurso. Debreu apunt
que una medida natural de la eficiencia productiva es la ratio del coste del nivel de
inputs ptimo y observado.
px
px
Donde p es el precio de los inputs usados en el proceso productivo, x* es la cantidad

ptima de inputs y xo es el nivel de inputs observado. Existen dos ventajas derivadas al
emplear la medida de eficiencia de Debreu. La primera es que es independiente de la
escala de los datos, su valor estar comprendido entre cero, para el caso ms
ineficiente, y uno, para el caso ms eficiente. La segunda ventaja es la introduccin
explcita de los precios de los factores productivos. As, en la ecuacin anterior, px* es
el coste asociado a la combinacin de inputs eficientes mientras que pxo es el coste
observado. Al medir las ratios de costes productivos, el concepto de Debreu mide
indirectamente el coste de la ineficiencia productiva. As, uno menos el ratio de Debreu
es la fraccin de costes observados que podran ser reducidos si la ineficiencia
productiva fuese eliminada. El principal problema de este indicador es el de obtener, a
partir de una observacin emprica, el nivel de input ptimo x*.
Posteriormente, Farrell (1957) retom el trabajo de Debreu y defini una medida
alternativa de eficiencia que ha recibido mucha atencin en la literatura. El propsito
de Farrell era, en sus propias palabras, suministrar una medida satisfactoria de la
eficiencia productiva y mostrar como aquella puede ser calculada en la prctica (...)

para cualquier organizacin productiva, desde un taller a la economa global1. Farrell
observ que poda obtenerse una medida anloga de eficiencia productiva comparando
los outputs ptimos y observados frente a los inputs ptimos y observados
considerados con anterioridad.
wy
wy
Dada una funcin productiva, podemos derivar el nivel de output ptimo predicho por
la funcin y*, que junto al output observado yo, y el precio del output w, definen el
concepto de eficiencia de Farrell. Esta medida tiene las mismas ventajas que el
concepto de Debreu pero la construccin emprica de la medida es una aplicacin
directa de la frontera productiva.
Por otra parte la mayor parte de los economistas entienden que la ineficiencia tiene
bsicamente dos dimensiones:
La ineficiencia tcnica, como su propio nombre indica, es un concepto tecnolgico
que intenta analizar los procesos productivos y la organizacin de tareas, fijando su
atencin en las cantidades de inputs utilizadas y las cantidades de outputs producidas y
no en los costes o precios de los mismos. La medida de la ineficiencia es como las dos
caras de una moneda ya que puede expresarse tanto en trminos de outputs como en
trminos de inputs. Veamos un ejemplo en la figura 1.
Figura 1: Concepto y medicin de la eficiencia tcnica en trminos de input y de output.
Funcin de produccin
y frontera productiva
ETAO = AD/BD
ETAI = EC/EA
Conjunto de posibilidades
de produccin
Farrell (1957), Pg. 253.

En la figura 1 observamos una funcin de produccin que permite transformar
mediante una tecnologa el input x en el output y. Las unidades B y D pertenecen a la
frontera productiva mientras que la unidad A pertenece al conjunto de posibilidades de
produccin. Es por tanto factible que existan unidades por debajo de la combinacin de
puntos definida por la frontera. La ineficiencia tcnica de la unidad A puede ser medida
mediante una orientacin output o mediante una orientacin input. En el primer caso,
ETAO = AD/AB indicara el logro del mximo producto o servicio posible B, dado el
factor productivo D. En el segundo, ETAI = EC/EA indica la cantidad mnima de inputs
requerida C, para un nivel dado de producto o de servicio E.
Suponiendo que se ha logrado la eficiencia tcnica, la eficiencia asignativa implica
alcanzar el coste mnimo de producir un nivel dado de producto cuando se modifican
las proporciones de los factores de produccin utilizados de acuerdo con sus precios y
productividades marginales. Alternativamente, se puede definir como la obtencin de
una cantidad mxima de producto manteniendo el coste a travs del reajuste de los
factores de produccin segn sus costes de uso. En definitiva, en la medicin de la
eficiencia tcnica se parte de una proporcin concreta de factores. Esta proporcin
puede variar si, por ejemplo, se utiliza una tecnologa distinta. Pero no por precios o
productividades como ocurre con la eficiencia asignativa. Una forma alternativa de
definir la eficiencia tcnica y asignativa sera la siguiente: en el caso de la eficiencia
tcnica nos encontraramos ante un proceso de produccin caracterizado por la
utilizacin de dos inputs para la obtencin de un nico output, considerando la
tecnologa fija, estaramos actuando eficientemente desde el punto de vista tcnico
cuando nos encontrramos en un punto sobre la isocuanta unitaria que caracteriza la
tecnologa frontera. Alternativamente, si suponemos ahora que la tecnologa puede
variar, o lo que es lo mismo podemos utilizar diferentes combinaciones de inputs, se
define una situacin como eficiente asignativamente, cuando sindolo desde el punto
de vista tcnico, estamos empleando la menor cantidad de recursos posible, dado los
precios de los factores. Nos encontramos sobre la curva isocoste ms baja. La figura 2
ilustra esta descripcin.

Figura 2: Eficiencia Tcnica y Eficiencia Asignativa
K
F
A
B
C
E
D
C
0
Y0
L
La figura 2 recoge la situacin de una planta productiva que para producir una unidad
de output utiliza la combinacin de dos factores productivos. Suponiendo que la
funcin de produccin es conocida y que existen rendimientos constantes a escala la
curva Y0 es lo que Farrell denomina isocuanta unitaria y que no es ms que las
combinaciones de factores productivos necesarios para producir una unidad de
producto. As, dada la situacin descrita en la figura anterior podemos deducir que la
unidad productiva A no es tcnicamente eficiente en sentido de Farrell ya que la
isocuanta Y0 indica que el output producido por la entidad A, una unidad de producto,
podra ser obtenido utilizando una proporcin OB/OA de los inputs que realmente
utiliza y sin variar la combinacin de los mismos. Farrell define el cociente OB/OA
como el ndice de eficiencia tcnica de la unidad productiva A. Observamos
como la medida de eficiencia tcnica de Farrell tomar el valor 1 si la entidad es
tcnicamente eficiente y valores ms prximos a cero cuanto ms ineficiente sea.
La figura anterior permite tambin establecer la medida de la eficiencia asignativa. Si se
supone que los precios de los factores productivos estn representados por la pendiente
de la recta isocoste CC, el punto D es aquel en el que se logra la produccin deseada al
mnimo coste. Tanto B como D son eficientes tcnicamente por estar situados sobre la
isocuanta Y0, pero los costes de produccin en D son tan slo una fraccin OE/OB de
los costes de produccin en D y por eso Farrell considera al cociente OE/OB como la
eficiencia asignativa de B. Esta medida de eficiencia asignativa, que Farrell refiere al
punto B, mide tambin la eficiencia asignativa de la entidad A que estamos evaluando.
En efecto, la eficiencia asignativa de A mide exclusivamente el exceso de costes en que
se est incurriendo por combinar los inputs de una forma diferente a la ptima. Esto

indica que la valoracin de la eficiencia asignativa pura precisa la eliminacin de la
eficiencia tcnica lo que, en nuestro caso equivale a situar la entidad A en el punto B y
valorar el exceso de costes en esa situacin, representada por el salto de B a D.
Farrell continua definiendo una medida de eficiencia global o eficiencia econmica
(EE) como el producto de la eficiencia tcnica (ET) y eficiencia asignativa (EA).
Efic. Global (OE/OA) = Eficiencia Tcnica (OB/OA) * Eficiencia Asignativa (OE/OB)
El anlisis efectuado a partir de la figura 2 ha partido del conocimiento de la funcin de

produccin, representada por medio de la isocuanta Y0, la cual constituye, como se ha
visto, el punto de referencia para llevar a cabo las estimaciones. Las situaciones reales,
sin embargo, no se suelen caracterizar por el conocimiento de esas relaciones tcnicas,
lo cual complica la medicin operativa de la eficiencia. Este problema es considerado
tambin por Farrell, quien propone un mtodo original de estimacin de la funcin de
produccin a partir de los datos de las entidades implicadas en la valoracin. Es
justamente la estimacin de lo que l denomina una funcin de produccin emprica lo
que ha tenido una mayor repercusin en la literatura posterior sobre la medicin de la
eficiencia en aplicaciones reales. Para explicar la propuesta de Farrell nos serviremos
de nuevo del anlisis grfico. En la figura 3 se representan, mediante puntos, las
combinaciones de factores utilizadas por diferentes unidades productivas para obtener
una unidad de output.
Figura 3: La medicin emprica del concepto de eficiencia.
K/Y
A
Unidad Hipottica
ETAI = OQ/OA
Y0
L/Y

Farrell impone dos condiciones a la isocuanta que va a estimar: que sea convexa y que
no tenga en ningn punto pendiente positiva. La primera, normalmente planteada en
teora econmica, significa que si dos puntos se pueden alcanzar en la prctica,
entonces tambin se podr obtener cualquier otro que sea una media ponderada de
aquellos; la segunda, por su parte, es necesaria para asegurar que el aumento de los
factores utilizados no implicar nunca una reduccin en la cantidad de producto.
A partir de estas condiciones es fcil deducir que la isocuanta eficiente est
representada por la curva Y0, es decir, por el conjunto de puntos ms prximos al
origen, las unidades ms eficientes en trminos relativos, que puedan ser unidos a
travs de una curva convexa que no tenga en ningn punto la pendiente positiva.
Determinada la isocuanta eficiente, el proceso de medir la eficiencia de cualquier
unidad productiva es el que hemos especificado en el comentario de la figura anterior.
Como all destacbamos, se trata de comparar cada entidad que no pertenece a la
isocuanta con otra entidad eficiente que utilice los factores productivos en la misma
proporcin (esto es, que se encuentre en el mismo radio vector desde el origen). En
general, esa comparacin se realizar con unidades hipotticas que, empleando los
factores en la misma proporcin, se encuentran, sobre la isocuanta eficiente, pero que
no se corresponden con ninguna observacin real. As, en la figura anterior, la
eficiencia del punto A se mide comparando los factores que utiliza con los que usa la
unidad ficticia Q.
1.2 La ineficiencia en el sector pblico.
La ineficiencia tcnica es, tal y como hemos estudiado, un concepto econmico que
intenta analizar los procesos productivos y la organizacin de tareas fijando su atencin
en las cantidades de factores productivos o inputs utilizados y no en los costes o precios
de los mismos. La estimacin de la frontera productiva utilizando como referencia las
mejores prcticas (yardstick competition) de un bien o servicio pblico es un problema
frecuente en el mbito de la economa pblica. La medicin de la eficiencia ha sido
aplicada extensamente en los principales sectores de gasto pblico como educacin en
todas sus etapas, sanidad en sus diferentes unidades de actuacin (centros de salud,
hospitales, etc.), seguridad ciudadana, justicia, servicios sociales o ayuntamientos entre
muchos otros2.
Para una revisin general de trabajos que miden eficiencia en distintos mbitos del sector
pblico espaol puede acudirse a Papeles de Economa Espaola (2003), N 95.
2

Los resultados de este tipo de trabajos tienen varias aplicaciones econmicas. En
primer lugar permite detectar comportamientos eficientes y sobre todo ineficientes de
cara a su correccin, bien mediante reasignacin de recursos, bien mediante un estudio
de los aspectos relacionados con el contexto, la organizacin o la gestin de las
unidades eficientes (benchmarking). La segunda sera estudiar todos los aspectos
relacionados con la productividad un sector, su evolucin, la escala en la que opera y los
objetivos de reduccin de inputs o de aumento de outputs de cara a alcanzar la
eficiencia. La tercera y ltima sera la estimacin de la funcin de produccin con el
objetivo de planificar e implementar polticas pblicas de inversin de nuevos recursos
o de reasignacin de los recursos existentes. Todos estos objetivos pretenden, como fin
ltimo, ofrecer una valiosa informacin al gestor para la posterior toma de decisiones.
Desde el punto de vista de la Teora de la Economa Pblica el estudio de la relacin
entre los inputs que utiliza el sector pblico en distintos sectores, las variables
contextuales que acompaan dicho proceso y los resultados o outputs obtenidos debe
ser analizado considerando la posible existencia de comportamientos ineficientes en la
produccin. La falta de precios de mercado en muchos sectores de la actividad pblica
hace que casi todos los trabajos traten de medir el concepto Farreliano de ineficiencia
tcnica, relacionado con factores como la organizacin o la falta de incentivos tanto
monetarios como no monetarios (ineficiencia-x).
En competencia perfecta, la iniciativa privada orientada por la maximizacin del
beneficio garantiza resultados eficientes. En principio, nada impedira que una unidad
de produccin de bienes y/o servicios pblica alcance idnticos resultados. Sin
embargo, la multiplicidad de objetivos heterogneos, la falta de restricciones
presupuestarias y la estructura de incentivos pueden apartar a la empresa pblica de
alcanzar la mxima eficiencia (Tirole, 1994).
En el sector pblico los objetivos distan de la maximizacin del beneficio econmico, si
bien la ausencia de esta referencia se sustituye por la exigencia constitucional que
obliga a los entes pblicos a actuar con racionalidad econmica en el uso de los
recursos (artculo 31.2)3 (Albi, 1992).
Concretamente el artculo 31.2 de la Constitucin Espaola seala que: El gasto pblico
realizar una asignacin equitativa de los recursos pblicos y su programacin y ejecucin
respondern a los criterios de eficiencia y economa. Este mandato legal de eficiencia se
manifiesta en numerosas leyes. Por ejemplo, la Ley de Financiamiento Educativo N 26.075,
promulgada en 2006, establece en su artculo 1 que El Gobierno nacional, los Gobiernos
provinciales y la Ciudad Autnoma de Buenos Aires () mejorarn la eficiencia en el uso de
los recursos con el objetivo de garantizar la igualdad de oportunidades de aprendizaje.
La evaluacin de la eficiencia con la que actan las unidades pblicas resulta mucho
ms compleja que la de los agentes privados debido a una serie de peculiaridades que
caracterizan a la actividad pblica, entre las que podemos destacar las siguientes:
Los objetivos pblicos son complejos, difusos y mltiples.
Existe una estrecha relacin entre la gestin de la produccin y las decisiones

polticas.
La medicin de los resultados obtenidos es muy dificultosa, lo que convierte en

una prctica habitual el uso de outputs intermedios o de variables proxy para
tratar de aproximarse al verdadero output pblico.
Los bienes y servicios que produce el sector pblico se valoran generalmente

slo por sus costes, ya que la actuacin pblica se caracteriza por la ausencia o
escasa presencia del mercado.
La utilizacin de precios de mercado no resulta apropiada. Aunque

tericamente el precio de un mercado competitivo debe aproximarse al coste
marginal del bien y ste reflejar su valoracin social, en la prctica cabe
encontrar divergencias a este principio4.
La ausencia de competencia o, ms concretamente, de bases de comparacin

adecuadas, otorga un carcter de incertidumbre a las relaciones entre inputs y
outputs (tecnologa de produccin).
Alternativamente
La
australiana
Steering
Committee
for
the
Review
of
Commonwealth/State Service Provision destaca como beneficios de la evaluacin

pblica y de las mediciones de la eficiencia los siguientes:
Hace que el desempeo sea tranparente y permite valorar si se cumplen los

objetivos.
Ayuda a definir y clarificar el cumplimiento de objetivos.
Reporta a los contribuyentes el desempeo del sector pblico.
Anima a la continua mejora en el desempeo.
Anima a promover los valores de la eficiencia en el uso de los recursos.
Promueve la coordinacin de las polticas entre las distintas agencias.
Facilita la comparacin de resultados (yardstick competition) entre unidades lo

que incentiva la mejora del desempeo.
Ejemplos de estas divergencias son los efectos externos, los bienes pblicos o las
imperfecciones del mercado.
4
10
Identifica a las mejores unidades para aprender de sus prcticas y tener as una
referencia (benchmarking) de actuacin.
La tcnica empleada para medir la eficiencia debe adaptarse a estas peculiaridades de

la oferta pblica, fundamentalmente al carcter multidimensional del output y al
habitual desconocimiento de la tecnologa de produccin, lo que aconseja la utilizacin
de aproximaciones flexibles en su formulacin y que no impongan supuestos
demasiado restrictivos sobre la frontera de produccin.
Todos estos puntos deben ser por tanto tomados en consideracin de forma previa a la
medicin de la eficiencia productiva de un sector.
2. Metodologas para la medicin de la eficiencia: una clasificacin.
Los principales mtodos de medicin de la eficiencia tcnica pueden ser divididos en
dos grandes grupos: los mtodos no paramtricos, basados en modelos de optimizacin
matemtica y los mtodos paramtricos o economtricos. La tabla 1 muestra un
resumen de las principales ventajas e inconvenientes de cada mtodo en distintas
dimensiones relacionadas con la medicin de la eficiencia.
Tabla 1: Comparacin de las distintas metodologas de clculo de fronteras para

la medicin de la eficiencia.
Dimensiones Analizadas
Paramtricos
No Paramtricos
Supuestos estadsticos
Altos
Bajos
Flexibilidad
Media
Alta
No
No
Proyeccin, Generalizacin
Media-Alta
Ninguna
Multi-input, Multi-output
Medio
Medio
Estocstica
Estocstica
Significacin
estadstica
de
variables
Clculo de Elasticidades
Coste de anlisis
Tipo de Frontera obtenida
(bootstrap)
Fcil
inclusin
de
variables
No
Muchas
Enorme
categricas
Nmero de aplicaciones en el
sector pblico
Fuente: Santn (2006) y elaboracin propia.
11
As, la principal tcnica no paramtrica, el anlisis envolvente de datos5 (DEA), ha sido

aplicado en un nmero enorme de ocasiones para la medicin de la eficiencia tcnica en
el sector pblico. Junto a esta tcnica los mtodos paramtricos, han sido tambin
aplicados, sin bien los trabajos no paramtricos han sido y actualmente son ms
numerosos que los paramtricos
Las ventajas tradicionales de las metodologas paramtricas y DEA son bien conocidas.
En cuanto a las dos primeras dimensiones de la tabla 1, DEA no asume ninguna forma
funcional acerca de la tecnologa que relaciona factores productivos y resultados y con
supuestos poco restrictivos, como convexidad, isotonicidad, libre disposicin de inputs
y outputs e imposicin de rendimientos a escala es capaz de trazar la frontera
productiva. Por el contrario, los mtodos paramtricos necesitan hacer supuestos clave
acerca de varios aspectos del anlisis como la forma funcional de la tecnologa, la
funcin de distribucin del error o la distribucin de la ineficiencia.
En el otro lado de la balanza las principales debilidades de los mtodos DEA quedan
reflejadas en las dimensiones tres y cuatro de la tabla 1. As, DEA es una tcnica muy
sensible a la presencia de datos extremos, no permite ni el clculo de elasticidades
output-input ni predicciones de resultados, es posible trabajar con variables categricas
si bien su uso puede reducir el tamao de la muestra haciendo el anlisis impracticable
y su alta flexibilidad en las ponderaciones puede llevar a no considerar en la evaluacin
de unidades productivas algunos de sus inputs y outputs6.
En otros aspectos, como la posibilidad de realizar anlisis con mltiples inputs y
outputs, el coste en tiempo y esfuerzo del anlisis o la consideracin del carcter
estocstico de las fronteras ambas tcnicas estaran ms igualadas.
A lo largo de este trabajo se utilizarn las siglas DEA, por las que frecuentemente es
denominado este anlisis. Estas siglas se corresponden con la expresin inglesa Data
Envelopment Analysis.
6 No obstante el impacto de muchas de estas limitaciones tradicionales se ha ido reduciendo con
el desarrollo metodolgico de la tcnica. Vase, por ejemplo, Wilson (1995) para tratar los casos
extremos con el uso de la supereficiencia, Pedraja et al., (1997) para un estudio de las bondades
que introduce la restriccin en las ponderaciones o Simar y Wilson (2000a y 200b) para definir
las propiedades estadsticas de los rankings de eficiencia mediante mtodos bootstrap.
5
12

3. TCNICAS NO PARAMTRICAS.
3.1.
Modelos DEA bsicos con rendimientos constantes (CCR) y variables

a escala (BCC).
El DEA se da a conocer veinte aos ms tarde que el trabajo de Farrell con la
publicacin del trabajo realizado por Charnes, Cooper y Rhodes (1978)7. El objetivo del
DEA es obtener una envolvente que incluya a todas las unidades eficientes, junto con
sus combinaciones lineales, quedando el resto de unidades (ineficientes) por debajo de
la misma. Dicha envolvente se identifica con la figura de la frontera eficiente, de
manera que la distancia de las unidades ineficientes a la envolvente proporciona una
medida de su nivel de ineficiencia. En consecuencia, la medida de eficiencia obtenida
mediante el DEA es relativa, puesto que a cada unidad se le compara con aquellas que
operan con un valor similar de inputs y outputs, con el propsito de determinar su
situacin en la envolvente (si es eficiente) o identificar sus unidades de referencia de
cara a una mejora posterior de sus resultados (en el caso de ser calificada como
ineficiente).
A diferencia de los modelos paramtricos, con el DEA la construccin no se
establece a priori basndose en la una funcin de produccin ideal, sino que son los
propios datos disponibles los que determinan la forma y la localizacin de la frontera
productiva, la cual supone nicamente una aproximacin a la verdadera frontera de
eficiencia, cuya observacin resulta imposible.
Desde el punto de vista de su formulacin, el DEA plantea un problema de
programacin matemtica para cada unidad observada o DMU8, cuya resolucin
permite asignarle un ndice de eficiencia. La formulacin estndar de este programa
puede adoptar varias formas en funcin de que se opte por una orientacin a la
reduccin de inputs o al incremento de outputs, se presente como un programa
fraccional, lineal o dual o se permitan rendimientos constantes o variables a escala. Sin
embargo, todas ellas comparten el mismo enfoque: la eficiencia de cada unidad
depende de la capacidad de cada productor para mejorar sus resultados o reducir el
consumo de recursos, estando sujeto a unas restricciones que reflejan la actividad del
resto de productores.
Este modelo es conocido en la literatura por las iniciales de sus autores como Modelo CCR.
Este trmino es la abreviatura de Decision Making Unit empleada por Charnes, Cooper y
Rhodes (1978) para referirse a los productores evaluados.
7
13

La manera ms intuitiva de aproximarse a la idea que subyace en esta tcnica es a
travs de su programa fraccional, en el que se plantea un problema de maximizacin o
minimizacin (segn la orientacin) de un ratio de productividad total para cada
unidad evaluada:
s
Max
h0 (u , v) =
u
r =1
m
s.a.
u
r =1
m
y rj
v x
i =1
yr 0
v x
i =1
i0
ij
vi , u r 0
j = 1,...,n
r = 1,..., s
i = 1,....,m
donde h0 es la medida de la eficiencia de la unidad evaluada, y r 0 es la cantidad de

output r producido por la unidad evaluada; xi 0 es la cantidad de input i consumido por
la unidad evaluada; y rj , xij son los outputs e inputs de la unidad j y vi , u r 0 son los
pesos variables o ponderaciones virtuales determinados por la solucin del problema.
El objetivo perseguido es pasar de una situacin de mltiples inputs y outputs a
otra con un nico input y un nico output virtuales, mediante la asignacin de las
ponderaciones ms favorables a las diferentes variables, las cuales varan para cada
unidad. La eficiencia de cada productor viene dada por el mximo ratio posible entre
inputs y outputs ponderados, sujeto a unas restricciones que reflejan la actividad del
resto de productores. Dichas restricciones exigen que la relacin entre el output virtual
y el input virtual estimado para cada unidad a de ser menor o igual a uno.
La resolucin del programa permite obtener las correspondientes ponderaciones,
de forma que los pesos resultantes proporcionen el mayor ndice de eficiencia posible
para cada productor evaluado. Un valor unitario implica que la produccin observada y
potencial coinciden, es decir, el productor es eficiente. Si el ndice es menor que uno, la
unidad evaluada ser ineficiente, ya que existen otras unidades en la muestra (las que
forman el grupo de referencia en la comparacin) que muestran un mejor
comportamiento.
14

Este programa fraccional puede transformarse fcilmente en un programa lineal
para facilitar su resolucin9. Para ello, basta con maximizar el numerador de la funcin
objetivo manteniendo constante el denominador:
s
Max
h0 = u r y r 0
r =1
s.a.
v x
i =1
s
r =1
i0
=1
m
u r y rj vi xij 0
i =1
vi , u r 0
j = 1,...,n
r = 1,..., s
i = 1,....,m
No obstante, en la prctica, el clculo de los ndices de eficiencia resulta ms

sencillo si se utiliza la forma dual de este programa, a travs de la cual se construye una
aproximacin lineal por tramos a la verdadera frontera de produccin10. La formulacin
dual es la siguiente:
Max
0
n
s.a.
j =1
y rj y r 0
x
j =1
ij
xi 0
j 0
j = 1,...,n
r = 1,..., s
i = 1,....,m
En este caso, si =1, la unidad evaluada se considerada eficiente, pues no existe

otra que produzca ms o que consiga el mismo nivel de produccin con menores
recursos que ella. El modelo tambin puede ser planteado como la minimizacin de
inputs productivos dado un nivel de resultados.
Obsrvese que si u* y v*son solucin del programa fraccional planteado, cualquier

combinacin u* y v* tambin lo ser.
10 Esta preferencia por el modelo dual se explica por el importante esfuerzo computacional que
requiere la resolucin del modelo de programacin lineal (Cooper, Seiford y Tone, 2000).
9
15

Min ; 0
N
s. a
0 xi 0 j xij 0 ,
i {1,,M}
j =1
y r 0 + j y rj 0
r {1,,S}
j =1
0 , j 0
Donde i denota input, r denota output y j unidad productiva. El modelo anterior
describe un proceso productivo con rendimientos constantes a escala, esto es, se asume
que el proceso prosi todos los inputs aumentaran en un porcentaje el output tambin
aumentara en ese porcentaje. Esta hiptesis fue relajada por Banker, Charnes y Cooper
(1984) extendiendo el modelo anterior al caso de rendimientos variables a escala. Para
ello aadieron una restriccin al modelo anterior con el fin de establecer la convexidad
de la frontera productiva.
Min ; 0
sujeto a
N
0 xi 0 j xij 0 ,
i {1,,M}
j =1
N
y r 0 + j y rj 0
r {1,,S}
j =1
j =1
=1
0 , j 0
La figura 4 ilustra las diferentes fronteras que pueden ser estimadas bajo rendimientos
constantes y variables a escala.
16

Figura 4. Rendimientos constantes y variables a escala.
Si NIRS = RVE Q, DRS

Si NIRS RVE P, IRS
Output
DEA/RCE
Holgura
Input
Decrecientes
DEA/NIRS
DEA/RVE
Crecientes
ETCRSI = APc/AP
ETVRSI = APv/AP
Pc
Pv
SEI = APc/APv
Holgura
Output
ETCRSI = ETVRSI x SEI
Input
As, la eficiencia en orientacin input de la unidad productiva P bajo rendimientos
constantes a escala sera ETCRSI = APc/AP; mientras que bajo rendimientos variables a
escala sera ETVRSI = APv/AP. A partir de ambas medidas se puede calcular la eficiencia
de escala (SE) tal que SEI = APc/APv. Computacionalmente, para saber si una unidad
ineficiente de escala como P o Q se encuentra en un tramo con rendimientos crecientes
(P) o decrecientes a escala (Q), se debe calcular un programa matemtico adicional
asumiendo rendimientos no crecientes a escala (NIRS). Para ello en el modelo DEA
N
anterior se debe incluir la restriccin
j =1
1 . De esta forma si NIRS = RVE
Rendimientos decrecientes a escala mientras que si NIRS RVE Rendimientos

constantes a escala.
La eleccin entre rendimientos constantes y variables depender del contexto y los
objetivos del anlisis, aunque en la evaluacin de unidades gestoras de recursos
pblicos suele mucho ms habitual el empleo del modelo BCC, pues la heterogeneidad
que caracteriza a estos productores suele conducir al empleo de diferentes escalas de
produccin. Al margen de ofrecer un ndice que refleja el porcentaje de incremento de
17

outputs (o reduccin de inputs) necesario para que una unidad sea eficiente, el DEA
tambin permite detectar posibles reducciones adicionales en los inputs o incrementos
potenciales en los outputs mediante la incorporacin al modelo dual de las
denominadas variables de holgura o slacks.
Concretamente, en la figura 4 se muestra como para los inputs estas holguras
representan la cantidad que se podra ahorrar cada productor en la utilizacin de los
mismos una vez que sea eficiente, mientras que, para los outputs se identifican con
cunto podra incrementar la produccin si alcanzara un comportamiento eficiente.
La Figura 5 nos permite ilustrar esta definicin. En ella se muestran los
resultados obtenidos por cuatro unidades que utilizan un nico input para producir dos
outputs. A y B representan las unidades ineficientes, mientras que C y D son eficientes
y conforman la frontera, de modo que la ineficiencia de las dos primeras puede
calcularse a travs de los cocientes OA/OA y OB/OB respectivamente. Sin embargo,
en este caso la proyeccin de A no encuentra la frontera interpolada entre C y D, sino el
punto A, el cual no puede definirse como autnticamente eficiente, ya que es posible
incrementar la produccin del output y2 en la cantidad AC. La diferencia entre estos
dos puntos (el que se sita sobre la extensin de la frontera y el punto extremo que
pertenece a la misma) es el slack asociado con el output y2 (Tofallis, 2001).
Figura 5. Medida de eficiencia y slacks en los outputs
y2/x
D
B
B
y1/x
Estas variables de holgura se pueden incluir en el DEA a travs de las siguientes
expresiones:
18

n
s r+ = j y rj y r 0
j =1
si = xi 0 j xij
j =1
donde si refleja el exceso de input i y s r+ la carencia del output r. De este modo, el

modelo dual de maximizacin del output adopta la siguiente forma:
s.a.
i =1
r =1
+ si + s r+
Max
x
j =1
j =1
+ si = xi 0
i = 1,2,.....,m
y rj s r+ = y r 0
r = 1,2,..,s
ij
j 0 ; s r+ 0 ; si 0
j = 1,2,.., n
en el que 0 es el ndice de eficiencia, i son las ponderaciones y si y s r+ son las

variables de holgura de los inputs y outputs, respectivamente. En este caso, un
productor es relativamente eficiente si y slo si su ndice de eficiencia es igual a la
unidad y adems todos los slacks son nulos.
Con esta formulacin del programa, adems de asignar un ndice de eficiencia a
cada unidad (tambin denominada eficiencia radial), se obtiene un valor que refleja la
ineficiencia del productor en determinados inputs o outputs y no en todos una vez
eliminada la eficiencia radial (eficiencia no radial), la cual puede deberse a diversos
factores. Esta informacin es mucho ms rica que la que ofrece el ndice de eficiencia y
puede ser de gran utilidad a la hora de identificar el origen de posibles ineficiencias por
parte del productor.
La obtencin de esta nueva medida de eficiencia lleva a plantearse cul es la
relacin que existe entre ella y la ofrecida por el modelo original. Esta cuestin fue
abordada por Grosskopf (1986), quien, basndose en el hecho de que el espacio de
produccin del modelo CCR es ms restrictivo, demuestra que los ndices de eficiencia
obtenidos con el modelo BCC siempre son iguales o mayores que los del modelo
original, de modo que todas las unidades consideradas eficientes en el modelo CCR
tambin lo son en el modelo BCC, pero no al revs. En la prctica este fenmeno se
19

traduce en un incremento de los ndices de eficiencia proporcionados por el modelo
BCC respecto al CCR.
Modelo DEA de produccin pura.
En ocasiones es necesario evaluar la actividad de un conjunto de unidades productivas
que utilizando la misma cantidad de inputs obtienen distintos resultados. Por ejemplo
si queremos comparar el desempeo de un grupo de inspectores de hacienda, mdicos
de la misma especialidad en un mismo hospital o trabajadores sociales podemos
argumentar que recibiendo todos ellos un salario similar y ante la misma carga de
trabajo las diferencias de resultados seran debidas a su eficiencia. Para esta situacin,
medir la eficiencia de unidades a partir de sus distintos outputs obtenidos y usando
todas ellas los mismos inputs, Lovell y Pastor (1999) proponen el modelo DEA de
produccin pura. En esta formulacin usaremos un nico input que tendr valor
unitario para todas las DMUs, que se diferenciarn nicamente en su vector de outputs.
Lovell y Pastor (1999) demuestran que la formulacin de este tipo de problema en un
programa DEA orientado al output en sus versiones CCR y BCC coinciden11. A partir de
este resultado el programa que resolveremos toma la siguiente forma.
H
Max 0 + s r0
r =1
sujeto a
N
j =1
y rj s r0 = 0 y r 0 ,
=1
j =1
r {1,,H}
j , j , sr0 0
Donde 0 es el nivel de eficiencia de la unidad analizada, yrj es el output r de la unidad
productiva j y es el vector de intensidad (1 x N) que pondera la actividad de los
distintos procesos productivos observados. En esta formulacin es un nmero
pequeo y positivo y s r0 representa las holguras en los H outputs considerados. Como
ya fue apuntado slo existe un nico input cuyo valor es igual a 1 para todas las
unidades, o lo que es lo mismo, se considera que todas las unidades productivas se
enfrentan a la tarea de maximizar los objetivos planteados.
11
Como sealan estos autores una consecuencia inmediata de este resultado es que en este tipo de
modelos de produccin pura los rendimientos a escala de todas las unidades de decisin son siempre
constantes.
20
Consideraciones finales sobre los mtodos DEA
Para terminar esta seccin conviene recalcar que la inexistencia de una forma
funcional especfica cuando se usa DEA convierte a la seleccin de las variables
incluidas en el programa en la decisin ms trascendental del proceso. A diferencia de
los modelos economtricos, en el DEA no se dispone de un test previo de significacin
global como el R2 o la F, con lo que el investigador no puede saber con certeza si los
resultados obtenidos son robustos o se deben exclusivamente a la seleccin de las
variables utilizadas12. Para solucionar este problema a menudo se realizan anlisis de
sensibilidad que consisten en probar distintas especificaciones. Si los resultados de
todos los anlisis estn correlacionados podremos confiar de forma robusta en la validez
de los ndices obtenidos mientras que si existen fuertes discrepancias deberemos
replantearnos de nuevo la especificacin realmente vlida del modelo.
Vistas las principales caractersticas del DEA podemos concluir que se trata de
una opcin muy atractiva para su uso en el sector pblico, ya que permite incorporar
fcilmente varios outputs en la evaluacin de la eficiencia y, adems, es una tcnica
muy flexible que emplea un mecanismo de optimizacin individualizada para cada
unidad, a travs del cual se asignan unas ponderaciones que garantizan la obtencin del
mejor ndice global posible teniendo en cuenta la relacin entre el output obtenido y los
inputs empleados.
3.2. El ndice de Malmquist

La evolucin de la productividad total de los factores, esto es, la evolucin de la ratio
entre la suma ponderada de outputs y de inputs, ha sido objeto de anlisis de muchos
investigadores. La aproximacin tradicional al anlisis de la productividad mediante
modelos no frontera incorpora el supuesto implcito de que todos los individuos son
eficientes, por lo que el crecimiento de la productividad mediante la evolucin de
nmeros ndices se interpreta como desplazamientos de la funcin frontera, es decir,
como cambio tcnico. Sin embargo, en presencia de ineficiencia, la estimacin del
progreso tcnico estara sesgada.
Este problema se hace an ms grave en los casos en los que la muestra es de tamao reducido
(Nunamaker, 1985).
12
21
Las aproximaciones frontera tienen en cuenta explcitamente el posible

comportamiento ineficiente de las unidades analizadas, midiendo como ineficiencia el
incremento potencial del valor observado de la produccin, siendo ste respecto el
mximo valor tcnicamente alcanzable definido por la frontera de produccin en cada
perodo. Por las consideraciones anteriormente remarcadas relacionadas con la
actividad del sector pblico, sta es la aproximacin utilizada en este mbito.
El clculo del ndice de Malmquist es uno de los mtodos ms utilizados para

analizar la evolucin de la productividad y sus componentes a lo largo del tiempo. Dado
que solamente se necesitan datos relativos a cantidades, no es necesario realizar
supuestos sobre la forma funcional de la funcin de produccin y permite descomponer
la productividad total de los factores de una unidad productiva en el cambio debido a la
mejora de la eficiencia tcnica (y sta a su vez en eficiencia pura y eficiencia de escala) y
el debido al cambio tcnico o progreso tecnolgico. Es por ello que ha sido
extensamente utilizado en el sector pblico.
Este ndice permite medir el crecimiento de la productividad entre dos perodos t

y t+1. La metodologa de ndices de Malmquist propuesta por Caves, Christensen y
Diewert (1982), se basa en el clculo de la distancia que separa a cada DMU de la
tecnologa de referencia en cada perodo utilizando para ello la funcin distancia
(calculada mediante la tcnica DEA).
Una tecnologa de produccin, en un perodo t, se puede definir utilizando el

conjunto de outputs, que representa el conjunto de todos los vectores de output y, que
se pueden producir con el vector de inputs x. Es decir:
P (x) = {y :(x , y )es posible}

t
(1)
22

t
Si suponemos que P satisface ciertos axiomas microeconmicamente deseables,

se puede definir la funcin de distancia del output como:
D t (x t , y t ) = min { :(y t / ) Pt (x)} 1
(2)
Esta funcin se define coma la inversa de la expansin proporcional mxima del vector
t
de outputs y , dados los inputs x , para que el individuo (x , y ) sea eficiente y se

t
encuentre situado en la frontera del perodo t. D (x , y ) toma valores inferiores a la

t
unidad, si y slo si, (x , y ) P , y toma el valor unitario, si y slo si, (x , y ) se sita en

la frontera de produccin. En este ltimo caso, la unidad evaluada ser tcnicamente
eficiente.
Dado que se trata de comparar la evolucin de la productividad, el ndice de Malmquist

precisa funciones de distancia con respecto a diferentes perodos de tiempo. As, en un
perodo posterior t+1, la funcin de distancia se define como:
D t ( x t +1 , y t +1 ) = min{ : ( y t +1 / ) P t ( x)}
(3)
Esta funcin mide el mximo cambio proporcional en los outputs necesario para que
( x t +1 , y t +1 ) sea factible con la tecnologa del momento t. En este caso, el valor de la

funcin distancia puede exceder la unidad, debido a que la observacin evaluada no es
posible con la tecnologa de otro perodo.
A partir de estas funciones de distancia, Caves, Christensen y Diewert (1982)

definen el ndice de productividad de Malmquist referido al perodo t como:
Mt =
D t ( x t +1 , y t +1 )
Dt ( xt , y t )
(4)
23

t
Un ndice M > 1 indica que la productividad en el perodo t+1 es superior a la del

perodo t, puesto que la expansin necesaria en los outputs del perodo t+1 para que la
observacin sea factible en t es inferior a la aplicable a los outputs del perodo t. Por el
t
contrario, un M < 1 indica que la productividad ha descendido entre los perodos t y

t+1.
De la misma manera se puede definir este ndice referido al perodo t+1, para lo cual se
deben utilizar las correspondientes funciones distancia, de forma que:
Ms =
D t +1 ( x t +1 , y t +1 )
D t +1 ( x t , y t )
(5)
Para evitar los problemas derivados de la eleccin de uno u otro perodo, estos autores
proponen elaborar una media geomtrica de ambos. Por lo tanto, el ndice se calcula
definitivamente como:
D t ( x t +1 , y t +1 ) D t +1 ( x t +1 , y t +1 )
M (x , y , x , y ) =
t
t
t
t +1
t
t
D ( x , y ) D ( x , y )
t +1
t +1
12
(6)
Una forma equivalente de expresar este ndice es:
D t +1 ( x t +1 , y t +1 ) D t ( x t +1 , y t +1 ) D t ( x t , y t )
M x ,y ,x ,y =
* t +1 t +1 t +1 t +1 t t
Dt ( xt , y t )
D ( x , y ) D ( x , y )
t +1
t +1
12
= CET * CT (7)
El primer trmino mide el cambio en la eficiencia tcnica13 entre los perodos t y t+1. Si
es mayor que uno, la produccin en el perodo s es ms eficiente que la produccin en el
perodo t. Si es igual a uno, la distancia respecto a la frontera es la misma. Si es menor
que uno, en el perodo t+1 la produccin es menos eficiente que en t.
13
Posteriormente, Fre, Grosskopf y Lovell (1994) propusieron una ampliacin de esta aproximacin de
forma que se puede descomponer el cambio en la eficiencia tcnica en dos componentes: cambio en la
eficiencia tcnica pura y cambio en la eficiencia de escala.
24

La media geomtrica de las dos ratios incluidas en los corchetes nos informa sobre la
existencia del cambio tcnico experimentado entre los dos perodos evaluados en dos
puntos x y x t +1 . Si han existido mejoras tecnolgicas, tendr un valor superior a uno.
t
Por lo tanto, un ndice de Malmquist superior a la unidad indica mejoras de la

productividad, mientras que si toma valores inferiores a la unidad, implica prdidas.
Adems, debe tenerse en cuenta que, aunque el producto del cambio en la eficiencia
tcnica y el cambio tcnico debe ser, por definicin, igual al ndice de Malmquist, estas
dos componentes pueden tener comportamientos en direcciones opuestas.
Para calcular las funciones distancia se utiliza el DEA. El anlisis se va a orientar
a la maximizacin del output, es decir, se trata de evaluar cual sera el mximo output
obtenible por cada unidad productiva dadas las cantidades de inputs disponibles.
El ndice se calcula asumiendo rendimientos constantes a escala, dado que con el
supuesto de rendimientos variables a escala, si se produce un cambio tcnico, las
observaciones de un perodo pueden no ser factibles con la tecnologa de otros
perodos, por lo que no se puede garantizar la existencia de soluciones de los problemas
de programacin utilizados para calcular las distancias de perodos mixtos. No obstante
si se contemplan tambin rendimientos variables a escala (VRS) es posible
descomponer todava ms el cambio en eficiencia en un elemento debido a la eficiencia
tcnica pura y en un elemento debido al cambio en la eficiencia de escala. Ello puede
ser llevado a cabo de la siguiente manera:
t +1
D CRS
(X t +1 , Y t +1 )
t +1
t +1
D t +1 (X t +1 , Y t +1 ) D VRS
(X t +1 , Y t +1 ) D VRS
(X + +1 , Y t +1)
CET= o t t t
=
t
t
D CRS
(X t , Y t )
D o (X , Y )
D VRS
(X t , Y t )
t
D VRS
(X t , Y t )
CET= CETP x CES
(8)
donde el primer trmino, CETP, es el cambio en la eficiencia pura relativo a la frontera

con rendimientos variables a escala y el segundo trmino recoge los cambios
producidos entre las fronteras con rendimientos constantes y variables a escala.
25
Para calcular el ndice de Malmquist es necesario resolver las funciones distancia

correspondientes a travs del DEA. As, el clculo del ndice de Malmquist requiere
buscar la solucin de cuatro programas de optimizacin para las N unidades
productivas. En notacin matricial tenemos que:
[D ( X , Y )]
t
o
su jeto
=max
y 0 t +Yt 0
(9.1)
x 0 t X t 0
0
donde x0t y y0t son los vectores de inputs y outputs asociados a la unidad 0 y es un
vector de pesos que de forma flexible ponderan las matrices Xt y Yt. El parmetro
indica la maxima proporcin en la que los outputs de la unidad 0 pueden ser
expandidos tal que (x0t,y0t/) siga siendo factible tomando en consideracin el
desempeo del resto de unidades (Xt,Yt).
Los otros tres programas seran:
[D
t +1
o
( X t +1 , Yt +1 ) =max
y 0 (t +1) +Yt +1 0
sujeto a
(9.2)
x0 (t +1) X t +1 0
[D ( X
t
o
sujeto a
t +1
, Yt +1 ) =max
y 0 ( t +1) +Yt 0
(9.3)
x 0 ( t + 1) X t 0
26
[D
t +1
o
( X t , Yt ) =max
y 0t +Yt +1 0
sujeto a
(9.4)
x0 t X t +1 0
0
En los ltimos dos programas la eficiencia se calcula con las unidades de un perodo
pero tomando como referencia la frontera productiva de otro perodo. Ello puede
suponer que pueda tomar valores menores que la unidad, lo que no se producira en
datos de seccin cruzada. Para el clculo de la eficiencia de escala los dos primeros
programas deben ser calculados tambin asumiendo rendimientos variables a escala
aadiendo la restriccin de que
= 1 . La figura 6 ilustra de forma intuitiva la idea
del ndice de Malmquist en dos perodos t y t+1 y asumiendo rendimientos constantes

(CRS) y variables (VRS) a escala.
Figura 6: Cambios en la productividad total de los factores entre dos perodos con un
output y un input.
Output y
S t+1CRS
St+1VRS
S tCRS
StVRS
(xt+1,yt+1)
J t+1
z z
(xt,yt)
z z
bcde
f ghp
Jt
Input x
Sea StVRS y StCRS las tecnologas con rendimientos variables y constants a escala en el
period t. La unidad J que se analiza consume xt y produce yt en el perodo t mientras
que en el perodo t+1 consume xt+1 y produce yt+1. El ndice de Malmquist consta de tres
componentes:
27
M = (P x S) x T.
El cambio en la eficiencia pura entre los dos perodos viene dado por la ratio:
P=
(Oe/Oq)
(Od/Op)
Esta ratio indica el cambio en la distancia a la frontera de un ao a otro. El cambio en la

eficiencia de escala S viene dado por:
(Oc/Oq)
S = (Oe/Oq)
(Ob/Op)
(Of/Op)
Mientras que el cambio tecnolgico marcado por la frontera con rendimientos

constantes a escala se estima como:
(Og/Oq) (Ob/Op)
T=
.
(Oc/Oq) (Oa/Op)
(En este sencillo ejemplo con un input y un output los dos componentes de T son
idnticos pero ello no sucede en el caso general). El ndice de Malmquist sera:
(Oc/Oq)
(Og/Oq) (Ob/Op)
(Oe/Oq) (Oe/Oq)
M=
.
.
.
(Ob/Op) (Oc/Oq) (Oa/Op)
(Od/Op)
(Of/Op)
Es decir, el cambio en productividad de una DMU es el producto del cambio en la

eficiencia pura, el cambio en la eficiencia de escala y el progreso tecnolgico.
28

4. Tcnicas paramtricas: modelos con una sola variable dependiente.
4.1.
La
El anlisis de frontera estocstica.

teora
de
las
fronteras
paramtricas
estocsticas
fue
propuesta
independientemente por Aigner et al. (1977) y Meeusen y van der Broeck (1977) y su
estimacin est basada en la siguiente ecuacin.
N
ln y i = 0 + n ln (x n ,i ) + vi u i
(ecuacin 10)
n =1
Donde yi es el output de la unidad productiva i, x es el vector de inputs [x = x1,,xn] y

sera un vector de parmetros desconocidos que deben ser estimados. En este anlisis
el trmino de error del modelo economtrico es descompuesto en una variable vis
( )
N ( , ) , que mide el nivel de ineficiencia en la produccin. Ambos
distribuida iid N 0, v2 que recogera el ruido aleatorio y en una variable no negativa uis
distribuida iid
2
u
trminos estn independientemente distribuidos y por ello uv = 0 . Esta especificacin

de los trminos que forman el ruido es la version de Battese y Coelli (1992) del modelo
de frontera estocstica. Cabe destacar por ultimo que en la prctica los parmetros de la
ecuacin 1 son estimados junto a otros dos parmetros, 2 y , usando un anlisis de
mxima verosimilitud donde siguiendo a Battese y Corra (1977): 2 = v2 + u2 y
= u2 ( v2 + u2 ) .
El modelo de frontera estocstica orientado al output puede ser fcilmente ilustrado en
dos dimensiones a partir de la figura 7.
29

Figura 7: El clculo de la ineficiencia tcnica mediante fronteras estocsticas.
Frontera estocstica
y=exp(x+vi) si vi>0
y
yF
yE
Frontera estocstica
y=exp(x+vj) si vj<0
Nivel de ineficiencia
y=exp(x)-uE si uE>0
xi
Frontera determinista
y=exp(x)
xE
xj
donde y denota el outputs y x el input. La funcin de produccin determinista

y=exp(x) es trazada asumiendo que no existe ruido aleatorio. No obstante la
estimacin final de la frontera productiva es estocstica. Ello significa que es posible
que debido al ruido aleatorio existan observaciones por encima (punto D) o por debajo
de la frontera determinista (punto C) que pertenezcan a la frontera estocstica. Por otro
lado el nivel de ineficiencia E para la unidad productiva E representa grficamente la
relacin entre la produccin actual yE y el la produccin mxima que debera obtener yF
dado su nivel de input xE. En el caso general la ineficiencia tcnica, estimando por
mxima verosimilitud la ecuacin 10, puede ser medida tal y como muestra la ecuacin
11.
i =
E [exp( y i ) / u i , xi ]
= exp(u i )
E [exp( y i ) / u i = 0, xi ]
(ecuacin 11)
El anlisis anterior puede ser fcilmente ampliado utilizando el modelo de Battese y

Coelli (1992) para el caso en que tengamos un panel de datos o utilizando el modelo de
Battese y Coelli (1995) si quisiramos especificar un vector de variables explicativas de
la ineficiencia.
30

4.2.
La introduccin de variables de entorno o explicativas de la ineficiencia.
Pero qu factores explican la ineficiencia? En el proceso de produccin del sector

pblico existen variables que sin ser propiamente inputs, como los apuntados en la
ecuacin 1, afectaran al nivel de produccin de determinadas unidades productivas.
Variables como la existencia de regulacin, dispersin de la poblacin, estado de las
infraestructuras o cualificacin de la mano de obra seran posibles ejemplos de factores
explicativos de la ineficiencia. La estimacin del modelo con variables explicativas de la
ineficiencia es idntica a la ecuacin 2 con la diferencia de que el trmino de
ineficiencia
depende
ahora
explcitamente
de
un
vector
de
variables
que
denominaremos de entorno o ambientales zis. As, uis es ahora un trmino

independiente pero (no idnticamente) distribuido mediante la forma:
M
N m, u2 ~ N 0 + j z j ,is , u2
j =1
donde 0 y j son parmetros que deben ser estimados conjuntamente con aquellos
presentados en la ecuacin 2. La estimacin conjunta evita problemas asociados a la
distribucin de los trminos de error y por tanto esta metodologa es ms robusta que
los denominados anlisis de segunda etapa.
4.3.
Una introduccin a la estimacin de fronteras estocsticas con datos de panel.
Battese and Coelli (1992) propusieron la frontera estocstica para paneles incompletos
donde los efectos de cada DMU se modelan a travs del truncamiento de la normal que
se permite que vare en el tiempo. El modelo sera:
(2)
Yit = xit + (vit - uit)
,i=1,...,N, t=1,...,T,
uit = (uiexp(-(t-T))), donde uit son valores no negativos que recogen la ineficiencia
tcnica en la produccin y se distribuye a partir de truncamientos en cero de la funcin
iid N(,U2), es un parmetro a estimar. En funcin de las especificaciones que
vayamos tomando en FRONTIER 4.1. podemos estimar algunos de los diferentes
modelos ms ampliamente utilizados en la literatura.
31

MODELO 1 (Pitt y Lee, 1981)
==0
La ineficiencia es invariante en el tiempo y el truncamiento se produce en cero.
1
1=ERROR COMPONENTS MODEL, 2=TE EFFECTS MODEL
pittlee.txt
DATA FILE NAME
pittlee.out
OUTPUT FILE NAME
1
1=PRODUCTION FUNCTION, 2=COST FUNCTION
n
LOGGED DEPENDENT VARIABLE (Y/N)
16
NUMBER OF CROSS-SECTIONS
4
NUMBER OF TIME PERIODS
60
NUMBER OF OBSERVATIONS IN TOTAL
5
NUMBER OF REGRESSOR VARIABLES (Xs)
n
MU (Y/N) [OR DELTA0 (Y/N) IF USING TE EFFECTS MODEL]
n
ETA (Y/N) [OR NUMBER OF TE EFFECTS REGRESSORS (Zs)]
n
STARTING VALUES (Y/N)
IF YES THEN BETA0
MODELO 2 (Stevenson, 1980)
Ineficiencia invariante en el tiempo con distribucin truncada.
=0 0
1
steven.txt
DATA FILE NAME
steven.out
OUTPUT FILE NAME
1
n
16
4
60
5
y
n
n
MODELO 3 (Battese y Coelli, 1992)
La ineficiencia es invariante en el tiempo y el truncamiento no se produce en cero.
0
0
1
bc92.txt
DATA FILE NAME
bc92.out
OUTPUT FILE NAME
1
n
16
4
60
5
y
32

y
n

La ineficiencia es variante en el tiempo aunque el cambio es igual para todo el sector.

MODELO 4 (Battese y Coelli, 1995)
El modelo de Battese y Coelli (1995) con datos de panel puede ser expresado como:
(3)
Yit = xit + (vit - uit)
,i=1,...,N, t=1,...,T,
donde Yit, xit, y son los valores de outputs, inputs y parmetros a estimar
respectivamente; uit es el trmino no negativo que recoge la ineficiencia tcnica y que
se supone se distribuye como N(mit,U2) donde:
(4)
mit = zit,
donde zit es un p1 vector de variables (que puede incluir la tendencia temporal) que
pueden influir sobre la ineficiencia de una empresa. es un 1p vector de parmetros a
estimar.
2
bc95.txt
DATA FILE NAME
bc95.out
OUTPUT FILE NAME
1
n
16
4
60
5
y
2
n
La ineficiencia es variante en el tiempo aunque el cambio es igual para todo el sector, si
bien este cambio puede tener curvatura en vez de ser constante.
MODELO 5 (Battese y Coelli, 1992 con cambio tecnolgico no neutral e ineficiencia
variante en el tiempo de forma individualizada para cada DMU)
K
ln ynt = 0 + i ln xint +
i =1
M
1 K K
1
ln
ln
x
x
+
i ln xint t +1t + 11t 2 + vnt unt
int
ij
jnt
2 i=1 j =1
2
m =1
n = 1, 2,,N; t = 1, 2, , T
33

Para estimar este modelo, con ineficiencias individualizadas variando en el tiempo, es
necesario disponer los datos en FRONTIER 4.1 como si fuesen un corte transversal.
1
bc92t.txt
DATA FILE NAME
bc92t.out
OUTPUT FILE NAME
1
y
60
1
60
22
n
n
n
4.5. Una introduccin a la funcin distancia.
El anlisis discutido con anterioridad puede ser fcilmente ampliado, siguiendo la
misma lgica, si quisiramos considerar la produccin simultnea de distintos outputs.
Para ello utilizaramos la teora de la estimacin paramtrica y estocstica de funciones
distancia14. Dado un vector de outputs y = (y1,,yM) la tecnologa productiva puede
definirse utilizando la nocin de conjunto de posibilidades de produccin P(x)
alcanzables a partir del vector x:
P(x) = {y: x puede producir y)
Esta sencilla tecnologa puede tambin ser definida utilizando la teora de la funcin
distancia orientada al output propuesta por Shephard.
DO ( x , y ) = inf { : > 0,( x , y ) P( x )}

Si DO ( x , y ) 1 entonces ( x , y ) pertenece al conjunto de posibilidades de produccin
P(x). Adems si DO ( x , y ) = 1 entonces el vector y pertenece a la frontera de
posibilidades de produccin. La figura 5 ilustra las principales ideas del concepto de
funcin distancia para el caso ms sencillo en el cual tenemos un input y dos outputs.
Supongamos que las unidades productivas A, B, C y D disponen de la misma dotacin
de input x para producir los outputs y1 e y2. Las unidades B y C son eficientes porque
14
Vase por ejemplo Coelli y Perelman (1999) para una discusin pormenorizada de esta metodologa.
34

ambas se encuentran sobre la frontera del conjunto de posibilidades de produccin
mientras que A y D son ineficientes al tratarse de puntos interiores. La medida de la
ineficiencia relativa de A y D puede ser calculada ahora de forma radial a partir del
concepto de funcin distancia de la siguiente manera: A = OA OB y D = OD OC .
Figura 8: El clculo de la ineficiencia tcnica mediante una funcin distancia.
y2
y2A
Frontera
Productiva P(x)
P(x)
y2D
y1A
y1D
y1
La funcin de distancia paramtrica orientada al output de M outputs y K inputs puede

tomar una forma translog que vendra representada por la siguiente expresin:
M
ln DOi = 0 + m ln y mi +
m =1
K
1 M M
1 K K
ln
ln
ln
y
y
+
x
+
mn mi ni
kl ln xki ln xli
k
ki
2 m =1 n =1
2 k =1 l =1
k =1
+ km ln x ki ln y mi
i = 1,2,, N
k =1 m =1
Donde i denota unidades productivas. Las restricciones que se requieren para imponer
homogeneidad de grado uno en los outputs son15:
M
m =1
=1
15
La imposicin de homogeneidad de grado uno implica que la eficiencia tcnica es medida de forma
radial. Sin embargo es tambin posible utilizar distancias no radiales como las hiperblicas que relajan
este supuesto.
35

M
n =1
mn
= 0,
m = 1, 2,, M
km
= 0,
k = 1, 2,, K
m =1
adems de imponer condiciones de simetra
mn = nm ,
m, n = 1, 2,, M
kl = lk ,
k, l = 1, 2,, K
Lovell et al. (1994) sealan que la homogeneidad implica que:
DO ( x, y ) = DO ( x, y ) , para todo > 0

De ello se deriva que la sustitucin de las restricciones anteriores en la funcin
distancia es equivalente a normalizar la funcin distancia por uno de los outputs. Si
elegimos el output M-th, estableceramos = 1/yM y por tanto obtendramos:
DO ( x, y y M ) = DO ( x, y ) y M
la ecuacin anterior quedara:
ln (DOi
M 1
K
1 M 1 M 1
*
*
y Mi ) = 0 + m ln y + mn ln y mi ln y ni + k ln x ki
2 m =1 n =1
m =1
k =1
*
mi
1 K K
1 K M 1
*
kl ln x ki ln xli + km ln x ki ln y mi
, i = 1, 2,, N
2 k =1 l =1
2 k =1 m =1
donde y m* = y m y M
Esta ecuacin puede ser escrita de forma simplificada como:
ln (DOi y Mi ) = TL( xi , y i y Mi , , , ) ,
i = 1, 2,, N
donde TL(.) denota la funcin translog. Esta expresin puede ser tambin expresada
como:
ln (DOi ) ln ( y Mi ) = TL( xi , y i y Mi , , , ) , i = 1, 2,, N

de donde se obtiene
ln ( y Mi ) = TL( xi , y i y Mi , , , ) + u
donde u = ln D es un trmino no negativo que recoge el efecto de la ineficiencia. Si
suponemos que la distancia que separa a una empresa de la frontera es debida a una
componente de ineficiencia y una componente de ruido aleatorio podemos estimar el
36

modelo de frontera de produccin estocstica propuesto simultneamente por Aigner,
Lovell y Schmidt (1977) y Meeusen y van den Broeck (1977).
ln ( y Mi ) = TL( xi , y i y Mi , , , ) + v + u
esta expresin es por tanto anloga a la ya vista en la ecuacin 2. ODonnell y Coelli
(2005) presentan como pueden ser calculadas las elasticidades output-input, distanciaoutput y distancia-input de esta funcin. El clculo de estas elasticidades es una de las
principales ventajas, tal y como fue comentado, de los mtodos paramtricos respecto a
los no paramtricos ya que en ellas nos podemos basar de cara a la toma de decisiones
relativas a la asignacin de recursos en el sector pblico.
Referencias
Aigner, D. J., Lovell, C. A. K. and Schmidt, P. (1977). Formulation and estimation of
stochastic production function models. Journal of Econometrics, 6, 21-37.
Albi, E. (1992): Evaluacin de la eficiencia pblica: el control de eficiencia del Sector
Pblico, Hacienda Pblica Espaola, n 120/121, pp. 299-316.
lvarez Pinilla, A. (coord.) (2001): La medicin de la eficiencia y la productividad,
Editorial Pirmide, Madrid.
Banker, R. D.; Charnes, A. y Cooper, W. W. (1984). Models for estimating technical
and scale efficiencies in data envelopment analysis, Management Science 30 (9),
1078-92.
Banker, R. D. y Morey, R. (1986). Efficiency analysis for exogenously fixed inputs and
outputs, Operations Research, 34, 513-521.
Battese, G. E. and Coelli, T. J. (1988). Prediction of firm-level technical efficiencies
with a generalized frontier production function and panel data. Journal of
Econometrics, 38, 387-399.
Battese, G. E. and Corra, G. S. (1977). Estimation of a production frontier model: With
application to the pastoral zone of Eastern Australia. Australian Journal of
Agricultural Economics, 21, 169-179.
Battese, G.E. (1992): Frontier Production Functions and Technical Efficiency: a Survey
of Empirical Applications in Agricultural Economics, Agricultural Economics,
7, 185-208.
Battese, G. y Coelli, T. (1995): A Model for Technical Inefficiency Effects in a
Stochastic Frontier Production Function for Panel Data, Empirical Economics,
20, 325-332.
37

Caves, D.W. Christensen, L. R. y Diewert, W. E. (1982). The economics theory of index
numbers
and
the
measurement
of
input,
output
and
productivity,
Econometrica, 50, 1393-1414.

Charnes, A.; Cooper, W.W. y Rhodes, E. (1978): Measuring the Efficiency of Decision
Making Units, European Journal of Operational Research, vol. 2, n 6, pp.
429-444.
Charnes, A.; Cooper, W.W.; Lewin, A.Y. y Seiford, L.M. (1994): Data Envelopment
Analysis: Theory, Methodology and Applications,
Kluwer Academic
Publishers, New York.

Charnes, A., Cooper, W. W. y Rhodes, E. (1981). Evaluating program and managerial
efficiency: an application of data envelopment analysis to Program Follow
Through, Management Science, 27, 668-697.
Christensen, L. R., Jorgensen, D. W. y Lau, L. J. (1971): Transcendental logaritmic
production frontiers, Review of Economics and Statistics, 55, 28-55.
Coelli, T. J. (1994). A guide to FRONTIER Version 4.1: A computer program for
stochastic production and cost function estimation. Department of Econometrics,
University of New England, Armidale.
Coelli, T. and Perelman, S. (1999). A comparison of parametric and non-parametric
distance functions: with application to European railways. European Journal of
Operational Research, 117, 326-339.
Coelli, T. and Perelman, S. (2000). Technical efficiency of European railways: a
distance function approach. Applied Economics, 32, 1967-1976.
Coelli, T., Prasada Rao, D. S., ODonnell, C. J. and Battese, G. E. (2005). An
introduction to efficiency and productivity analysis. Kluwer Academic Publishers.
Boston.
Coelli, T. y Perelman, S. (1999): Technical Efficiency of European Railways: A Distance
Function Approach, Applied Economics, 32, pp. 1967-1976.
Coelli, T. y Perelman, S. (2001): Multi-output Parametric Frontier Methods, en
lvarez Pinilla (coord.): La medicin de la eficiencia y la productividad,
Editorial Pirmide, Madrid.
Cooper, W.W., Seiford, L.M. y Tone, K. (2000): Data Envelopment Analysis: A
Comprehensive Text with Models, Applications, References and DEA-Solver
Software, Kluwer Academic Press.
Cooper, W., Seiford, L. y Zhu, J. (2004): Handbook on Data Envelopment Analysis,
Kluwer Academic Publishers
38

Cordero, J. M., Pedraja, F. y Salinas, J. (2005). Eficiencia en educacin secundaria e
inputs no controlables: sensibilidad de los resultados ante modelos alternativos.
Hacienda Pblica Espaola/Revista de Economa Pblica 173(2), 61-84.
Daraio, C. y Simar L. (2005). Introducing environmental variables in nonparametric
frontier models: a probabilistic approach. Journal of Productivity Analysis 24,
93-121.
Debreu, G. (1951). The Coefficient of Resource Utilization, Econometrica 19 (3), July
1951.
Fre, R., Grosskopf, S. y Lovell, C.A.K. (1994): Production Frontiers, Cambridge
University Press.
Fre, R. and Primont, D. (1995). Multi-output production and duality: theory and
applications. Kluwer Academic Publishers. Boston.
Farrell, M.J. (1957): The measurement of efficiency productive. Journal of the Royal
Statistical Society, serie A,120, pp. 253-266.
Fried, H. O., Schmidt, S. S. y Yaisawarng, S. (2002). Accounting for environmental
effects and statistical noise in data envelopment analysis, Journal of Productivity
Analysis, 17, 157-174.
Fried, H. O., Lovell, C. A. K., Schmidt, S. S. y Yaisawarng, S. (1999). Incorporating the
operating environment into a nonparametric measure of technical efficiency,
Journal of Productivity Analysis, 12, 249-267.
Golany, B. y Roll, Y. (1993): Some Extensions of Techniques to Handle NonDiscretionary Factors in Data Envelopment Analysis, The Journal of
Productivity Analysis 4, pp. 419-432.
Grosskopf (1986): The Role of the Reference Technology in Measuring Production
Efficiency", The Economic Journal, 96, pp. 449-513.
Grosskopf, S., K., Hayes, Taylor, L. and Weber, W. (1997). Budget-constrained frontier
measures of fiscal equality and efficiency in schooling. Review of Economics and
Statistics, 79 (1), 116-124.
Grosskopf, S., Margaritis, D. and Valdmanis, V. (1995). Estimating output
substitutability of hospital services: A distance function approach. European
Journal of Operational Research, 80, 575-587.
Kumbhakar, S. y Lovell, C.A.K. (2000): Stochastic Frontier Analysis, Cambridge
University Press, New York.
Leibenstein, H. (1966). Allocative efficiency and x-efficiency. American Economic
Review, 56, 392-495.
Lovell, C. A. K. y Pastor, J. T. (1999). Radial DEA models without inputs or without
outputs. European Journal of Operational Research 118, 46-51.
39

Meeusen, W. and van den Broeck, J. (1977). Efficiency Estimation from Cobb-Douglas
Production Functions with Composed Error. International Economic Review, 18,
435-444.
ODonnell, C. J. and Coelli, T. J. (2005). A Bayesian approach to imposing curvature
on distance functions. Journal of Econometrics, 126, 493-523.
Pedraja, F. y Salinas, J. (1994): El analisis envolvente de datos (DEA) y su aplicacion al
sector publico: una nota introductoria, Hacienda Pblica Espaola, n 128, pp.
117-132.
Pedraja, F., Salinas, J. y Smith, P. (1997). On the role of weights restrictions in data
envelopment analysis. Journal of Productivity Analysis, 8, 215-230.
Pedraja, F., Salinas, J. y Suarez, J. (2001). La medicin de la eficiencia en el sector
pblico. En Alvarez, A. (Coord.): La Medicin de la Eficiencia y la Productividad.
Ed. Pirmide.
Perelman, S. y Santn, D. (2008). Measuring educational efficiency at student level
with parametric stochastic distance functions: an application to Spanish PISA
results. Education Economics, DOI: 10.1080/09645290802470475
Ray, S. (1991). Resource use efficiency in public schools: a study of Connecticut data,
Management Science, 37, 1620-1628.
Ruggiero, J. (1996). Measuring technical efficiency in the public sector: an analysis of
educational production, Review of Economics and Statistics, 78, 499-509.
Ruggiero, J. (2004). Performance evaluation in education: modelling educational
production, En Cooper, W. W., Seiford, L. M. y Zhu, J. (Eds.), Handbook on data
envelopment analysis. Kluwer Academoc Publishers, Boston.
Santn, D. (2006): La medicin de la eficiencia de las escuelas. Una revisin crtica,
Hacienda Pblica Espaola, n 177, pp. 57-82.
Sengupta, J.K. (1987): Production frontier estimation to measure eficiency: a critical
evaluation in light of data envelopment analysis, Managerial and Decision
Economics, 8, pp. 93-99.
Sexton, T., Silkman, R. y Hogan, A. (1986): Data Envelopment Analysis: Critique and
Extensions, New Directions for Program Evaluation, 32, pp. 73-105.
Sexton, T., Sleeper, S. y Taggart, R.E. (1994): Improving Pupil Transportation in North
Carolina, Interfaces, 24, pp. 87-103.
Shephard, R. W. (1970). Theory of Cost and Production Functions. Princeton
University Press, Princeton, NY.
Simar, L. y Wilson, P.W. (2000a): A General Methodology for Bootstrapping in NonParametric Frontier Models, Journal of Applied Statistics, 27 (6), pp. 779-802.
40

Simar, L. y Wilson, P.W. (2000b): Statistical Inference in Nonparametric Frontier
Models: The State of the Art, Journal of Productivity Analysis, 13 (1), pp. 4978.
Simar, L. y Wilson, P.W. (2007): Estimation and Inference in Two-Stage,
Semiparametric Models of Production Processes, Journal of Econometrics, n
136, pp. 31-64.
Smith, P. y Mayston, D. (1987): Measuring Efficiency in the Public Sector, OMEGA
International Journal of Management Science, n 15, pp. 181-189.
Tirole, J. (1994): The Internal organization of government, Oxford Economic Papers
46, pp. 1-29.
Tofallis, C. (2001): Combining Two Approaches to Efficiency Assessment, Journal of
the Operational Research Society, 52, pp. 1225-1231.
Wilson, P. W. (1995). Detecting influential observations in DEA, Journal of
Productivity Analysis, 6, 27-45.
Tulkens, H. (1993): On FDH Efficiency Analysis: Some Methodological Issues and
Applications to Retail Banking, Courts and Urban Transit, Journal of
Productivity Analysis, vol. 4, num. 1/2, pp. 183-210.
Worthington, A.C. (2001): An Empirical Survey of Frontier Efficiency Measurement
techniques in Education, Education Economics, vol. 9, n 3.
41

Eficiencia

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Eficiencia

Cargado por

Copyright:

Formatos disponibles

La medicin de la eficiencia en el sector pblico

La Medicin de la Eficiencia en el Sector Pblico.

I CURSO DE EVALUACION DE POLTICAS PBLICAS Y PROGRAMAS

Daniel Santn Gonzlez

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

Orgenes, conceptos y definicin de eficiencia.

En general, los economistas muestran un elevado grado de consenso en considerar que

Donde p es el precio de los inputs usados en el proceso productivo, x* es la cantidad

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

Farrell (1957), Pg. 253.

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

Efic. Global (OE/OA) = Eficiencia Tcnica (OB/OA) * Eficiencia Asignativa (OE/OB)

El anlisis efectuado a partir de la figura 2 ha partido del conocimiento de la funcin de

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

Los objetivos pblicos son complejos, difusos y mltiples.

Existe una estrecha relacin entre la gestin de la produccin y las decisiones

La medicin de los resultados obtenidos es muy dificultosa, lo que convierte en

Los bienes y servicios que produce el sector pblico se valoran generalmente

La utilizacin de precios de mercado no resulta apropiada. Aunque

La ausencia de competencia o, ms concretamente, de bases de comparacin

Commonwealth/State Service Provision destaca como beneficios de la evaluacin

Hace que el desempeo sea tranparente y permite valorar si se cumplen los

Ayuda a definir y clarificar el cumplimiento de objetivos.

Reporta a los contribuyentes el desempeo del sector pblico.

Anima a la continua mejora en el desempeo.

Anima a promover los valores de la eficiencia en el uso de los recursos.

Promueve la coordinacin de las polticas entre las distintas agencias.

Facilita la comparacin de resultados (yardstick competition) entre unidades lo

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

La tcnica empleada para medir la eficiencia debe adaptarse a estas peculiaridades de

Tabla 1: Comparacin de las distintas metodologas de clculo de fronteras para

Fuente: Santn (2006) y elaboracin propia.

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

As, la principal tcnica no paramtrica, el anlisis envolvente de datos5 (DEA), ha sido

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

Modelos DEA bsicos con rendimientos constantes (CCR) y variables

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

donde h0 es la medida de la eficiencia de la unidad evaluada, y r 0 es la cantidad de

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

No obstante, en la prctica, el clculo de los ndices de eficiencia resulta ms

En este caso, si =1, la unidad evaluada se considerada eficiente, pues no existe

Obsrvese que si u* y v*son solucin del programa fraccional planteado, cualquier

Daniel Santn Gonzlez

La medicin de la eficiencia en el sector pblico

Daniel Santn Gonzlez