MULTIPLIER FORM

Multiplier form  Los modelos de análisis envolvente de datos (DEA)

pueden presentarse en dos versiones: primal y dual.
CCR es un modelo de programación lineal y tiene un dual que se dice que
está presentado en forma de multiplicador.
Discusión general
Nos concentramos en la evaluación del desempeño y especialmente en
evaluar la actividad de distintas organizaciones tales como firmas, agencias
gubernamentales, hospitales, instituciones educativas, entre otras.
Estas evaluaciones toman una variedad de formas en los análisis estándar.
Ejemplos incluyen costo por unidad, beneficio por unidad, satisfacción por
unidad y así sucesivamente, todas medidas que toman la forma general del
cociente output/input.
Problema: ¿cómo obtener el cociente output /input cuando hay múltiples
insumos y múltiples productos?
Una posibilidad es construir un índice de outputs y un índice de inputs a
partir de ponderadores obtenidos de alguna manera, de manera que se
pueda obtener el cociente como la división de dos escalares.
Para trabajar con múltiples insumos y múltiples productos, podría
construirse una expresión como la siguiente:
s

∑ ur y r u1 y 1+ u2 y 2 +…+ us y s
r =1
=
m
v 1 x1 + v 2 x 2 +…+ v m x m
∑ v i xi
i=1

donde:
y r =¿ cantidad del producto r

ur =¿ ponderador del producto r (o multiplicador1)

x i=¿ cantidad del insumo i

v i=¿ ponderador del insumo i (o multiplicador)

1
De ahí el nombre de “multiplier form” o forma de multiplicador del modelo DEA al que se intenta
arribar.
Se asume que el índice se obtiene para cada unidad j en forma separada.
Los ponderadores pueden estar (1) fijados en forma predeterminada o (2) ser
variables (obtenidos a partir de datos).
DEA utiliza ponderadores variables. En particular, los ponderadores se
obtienen directamente de los datos y se eligen de manera que asignen un
conjunto óptimo de ponderadores a cada DMU (resultan de un problema de
optimización como en CCR).
El término óptimo o “mejor” se utiliza para referirse a que el ratio
output/input resultante para cada DMU sea maximizado en relación a las
otras DMU una vez asignado ponderadores para los distintos insumos y
productos para cada DMU.
Se resuelve un problema de optimización donde el objetivo será
u1 y 1o +u 2 y 2 o +…+u s y so
max θ=
u ,v v 1 x 1 o + v 2 x 2 o+ …+ v m x mo
u1 y 1 j+ u2 y 2 j+ …+u s y sj
sujeto a ≤1( j=1 , … , n)
v 1 x 1 j + v 2 x 2 j +…+ v m x mj
u1 ,u 2 , … , u s ≥ 0

v1 , v2 , … , vs ≥ 0

Los autores utilizan la notación FPo para referirse a un problema de

programación fraccional donde el subíndice o se refiere a la unidad o que se
encuentra bajo evaluación en el problema.
Se intenta maximizar un ratio al cual se denomina θ y las variables
endógenas en la optimización son u , v (multiplicadores) y θ donde θ resulta
de la elección óptima de los vectores u , v . Se imponen restricciones de no
negatividad de manera que los ponderadores sean no negativos.
Las restricciones implican que el ratio entre el “output virtual” y el “input
virtual”2 no debe exceder 1 para cada DMU. El objetivo es obtener
ponderadores o multiplicadores ur , vi tales que se maximice θ . En virtud de
la restricción θ¿ ≤ 1.
Una característica interesante de este modelo FP es que los ponderadores no
están especificados a priori –son variables–, sino que resultan de la solución
del modelo. De hecho, el modelo da total libertad a cada unidad para elegir
el conjunto óptimo de ponderadores que maximicen su eficiencia. Sin

2
Se hace referencia a los índices de output y de input como “virtual” porque son casos hipotéticos
obtenidos a partir de ponderadores que, si bien multiplican a cantidades real, no resultan de una
evaluación económica o consideración física.
embargo, hemos visto que un ratio como este representa productividad
(output/input).
Esto significa que DEA es una herramienta poderosa para identificar
ineficiencia en el sentido que si una DMU puede elegir los ponderadores que
la muestran de la mejor forma posible frente a las demás (es decir, se eligen
ponderadores de manera que el ratio output/input sea el mayor posible),
entonces cuando una DMU muestra una θ baja frente a las demás unidades
hay un fuerte indicio de ineficiencia como tal aun eligiendo los
ponderadores que maximizan la eficiencia. Esto es, si eligiendo los
ponderadores que maximizan eficiencia o que pueden “manipular” el valor
de θ de modo tal que sea la máxima posible y aun así es baja en
comparación, es un fuerte indicio de que la empresa es ineficiente.
De un programa fraccional a uno lineal
Se puede reemplazar el programa fraccional (FPo ) arriba descrito por un
modelo de programación lineal (LPo ) como sigue
max θ=μ1 y1 o + μ 2 y 2 o +…+ μ s y so
μ ,υ

sujeto a υ 1 x 1 o +υ 2 x 2 o+ …+υ m x mo =1

μ1 y 1 j + μ2 y 2 j+ …+ μs y sj ≤υ 1 x 1 j +υ 2 x 2 j+ …+υ m x mj ( j=1 , … ,n)

μ 1 , μ 2 , … , μs ≥ 0

ν1 , ν2 , … , νm ≥ 0

Se trata de una transformación del modelo FPo resultante de imponer que el

denominador del índice de inputs sea igual a 1 (primera restricción).
Mientras que la segunda restricción surge de combinar la restricción de
desigualdad de F Po con la nueva restricción de igualdad.
En términos matriciales se obtiene:
max μ y o
μ, ν

sujeto a νx o=1

−ν X + μY ≤ 0
μ≥0,ν≥0
Este modelo de programación lineal tiene un problema dual ( DLP o ¿ :
min θ
θ,λ

sujeto a θ x o−Xλ ≥ 0

Yλ ≥ y o
 λ≥0
En resumen, FPo puede transformarse en un modelo de programación lineal
LPo que recibe el nombre de “forma de multiplicador” (o “multiplier
form”), cuyo dual es DLP o (“envelopment form”).
Y este modelo escrito en forma matricial puede escribirse de la siguiente
forma
¿
θ =min θ sujeto a
n

∑ x ij λ j ≤ θxio i=1 ,… , m
j=1

∑ y rj λ j ≥ y ro r =1 ,… , s
j=1

λ j ≥0 j=1 , … n

es la expresión vista con anterioridad.

Recordar que, en un problema de programación lineal, si uno de los
problemas (primal o dual) tiene solución finita entonces también lo tendrá el
otro problema y las soluciones son iguales. Es decir, podríamos obtener la
eficiencia de cada DMU utilizando “multiplier form” o su dual
“envelopment form” indistintamente.
Ejemplo

 n=12 hospitales
 m=2 (doctores y enfermeros)
 s=2 (pacientes ambulatorios y pacientes internados)
 Ponderadores fijos y variables  tratamiento de casos – comparación.
 Los valores de θ obtenidos por el modelo CCR son siempre mayores que
los obtenidos con fixed weight. Entonces, para cada DMU, si se tiene que
elegir ponderadores para obtener el valor de eficiencia más alto posible
en comparación con las demás unidades convendría utilizar
ponderadores variables (como en CCR).
 La especificación de los ponderadores al obtener los índices de outputs y
de inputs es fundamental para el valor finalmente obtenido de la
eficiencia. Si utilizando DEA el nivel de eficiencia es bajo es una señal
negativa puesto que este método permite obtener el resultado más
favorable siendo que los ponderadores se eligieron de forma tal que se
maximice el cociente output/input.

Ponderadores fijos:
u1 ( ponderador para doctor ) :u2 ( ponderador para enfermero )=5 :1
v 1 ( ponderador para ambulatorio ) :v 2 ( ponderador para internado )=1 :3

Para los insumos: el ponderador para doctores es 5 veces el ponderador para

enfermeros.
Para los productos: el ponderador para pacientes ambulatorios es una
tercera parte del ponderador para pacientes internados.
A partir de estos ponderadores, θ obtenida como cociente de índices de
outputs e índices de input se encuentran en la fila “Fixed” (ponderadores
fijos).