Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Eficiencia
Eficiencia
UNIDAD DIDCTICA
px
px
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
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
K/Y
A
Unidad Hipottica
ETAI = OQ/OA
Y0
L/Y
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
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:
Alternativamente
La
australiana
Steering
Committee
for
the
Review
of
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.
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
11
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
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
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
14
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
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
15
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
Output
DEA/RCE
Holgura
Input
Decrecientes
DEA/NIRS
DEA/RVE
Crecientes
ETCRSI = APc/AP
ETVRSI = APv/AP
Pc
Pv
SEI = APc/APv
Holgura
Output
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
j =1
17
y2/x
D
B
B
y1/x
Estas variables de holgura se pueden incluir en el DEA a travs de las siguientes
expresiones:
18
s r+ = j y rj y r 0
j =1
si = xi 0 j xij
j =1
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
19
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
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.
12
21
(1)
22
(2)
Esta funcin se define coma la inversa de la expansin proporcional mxima del vector
t
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
Mt =
D t ( x t +1 , y t +1 )
Dt ( xt , y t )
(4)
23
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)
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
(8)
25
[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
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)
(Oc/Oq)
S = (Oe/Oq)
(Ob/Op)
(Of/Op)
(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)
28
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
( )
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
= 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
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
i =
E [exp( y i ) / u i , xi ]
= exp(u i )
E [exp( y i ) / u i = 0, xi ]
(ecuacin 11)
30
depende
ahora
explcitamente
de
un
vector
de
variables
que
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.
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)
,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
32
,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
1=ERROR COMPONENTS MODEL, 2=TE EFFECTS MODEL
bc95.txt
DATA FILE NAME
bc95.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)
y
MU (Y/N) [OR DELTA0 (Y/N) IF USING TE EFFECTS MODEL]
2
ETA (Y/N) [OR NUMBER OF TE EFFECTS REGRESSORS (Zs)]
n
STARTING VALUES (Y/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
Esta sencilla tecnologa puede tambin ser definida utilizando la teora de la funcin
distancia orientada al output propuesta por Shephard.
14
Vase por ejemplo Coelli y Perelman (1999) para una discusin pormenorizada de esta metodologa.
34
y2
y2A
Frontera
Productiva P(x)
P(x)
y2D
y1A
y1D
y1
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
n =1
mn
= 0,
m = 1, 2,, M
km
= 0,
k = 1, 2,, K
m =1
mn = nm ,
m, n = 1, 2,, M
kl = lk ,
k, l = 1, 2,, K
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 ( 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
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
and
the
measurement
of
input,
output
and
productivity,
Kluwer Academic
38
39
40
41