Metodología de aplicación del DEA
| Autor | Francisco de Asís Díez Martín |
| Páginas | 33-59 |
Page 33
Llegados a este punto sabemos de la existencia de dos caminos para realizar mediciones de la eficiencia, la vía paramétrica y la no paramétrica, conocidas también en la literatura como la vía estadística y la vía determinista respectivamente. Cada uno de estos caminos comporta una serie de técnicas, las cuales han ido evolucionando en su búsqueda hacia el mejor cálculo de la eficiencia.
Al comparar las técnicas paramétricas y no paramétricas se han observado una serie de ventajas e inconvenientes en ambas técnicas. También se ha puesto de manifiesto que en términos absolutos ninguna de los dos caminos es muy superior al otro, y que las diferencias se alcanzan, caso a caso, en función de las características del estudio a realizar y la adecuación de la técnica usada. Es decir, las mediciones de la eficiencia obtenidas en un estudio empírico dependerán del modelo utilizado, el cual vendrá definido por las características de la investigación llevada a cabo.
Hemos visto como el DEA es una técnica que ha sido utilizada en múltiples estudios tanto en el sector público como privado. Partiendo de este punto, debemos hacer referencia a Coelli et al. (1998), quienes tras comparar el modelo SFA con el modelo DEA, recomiendan la utilización de este último enfoque para la realización de estudios de la eficiencia en los sectores públicos. Coelli et al., consideran, entre otros aspectos, que en el sector público los efectos aleatorios no suelen tener mucha importancia, que además en este sector se producen múltiples outputs y resulta enormemente complicado definir un sistema de precios, y por último que los comportamientos optimizadores, postulados por la teórica económica (maximización de beneficios o minimización de precios), resultan difíciles de justificar en el sector público, lo que imposibilita el desarrollo de las teorías económicas clásicas. Estos postulados marcados por Coelli et al. no hacen más que corroborar, entre otros, los estudios de Bowlin et al. (1985), Thanassoulis (1993), o Mortimer (2002), mencionados anteriormente.
Centrando la atención en la aplicación del modelo DEA, surgen ciertas discusiones en relación a la excesiva rapidez con que se aplica esta técnica en las investigaciones, así como en la necesidad de un mejor conocimiento del modelo que garantice la fiabilidad de los resultados alcanzados.
En este sentido, Murias (2004), comenta como en numerosas aplicaciones del DEA, los investigadores se centran en la ejecución del correspondiente modelo, obviando otros aspectos de vital importancia que pueden afectar igualmente a los resultados y a la fiabilidad de estos, como son por ejemplo el disponer de un número correcto de unidades y variables. Hoy en día la gran cantidad de programas informáticos especializado en técnicas de eficiencia, especialmente en la técnica del DEA, nos lleva a dedicar poco tiempo a completar un conocimiento adecuado del modelo DEA, centrándonos solamente en su parte práctica, en su ejecución, un hecho que viene aPage 34 originar problemas sobre todo de especificación de los modelos o de concreción de las variables de que forman parte. De igual modo, Charnes et al. (1994), Boussofiane et al. (1991) o Dyson et al. (2001), ponen de manifiesto la necesidad de un mayor rigor para la aplicación de esta técnica, insistiendo en la importancia que tiene el buen conocimiento de la misma, que a la postre va a posibilitar la consecución de de elecciones adecuadas de las variables, así como de la observancia de sus interrelaciones, la propuesta de las hipótesis explícitas e implícitas, y la realización de análisis fiables de los resultados.
Llevar a cabo un análisis de eficiencia mediante el análisis envolvente de datos consiste por lo tanto en algo más que la mera resolución de problemas de programación lineal. El deseo de obtener unos resultados fiables implica estar en posesión de unos conocimientos que aseguren el cumplimiento de ciertos requisitos inherentes al modelo, y que hacen referencia a la especificación de este. Pero ¿cómo se deben aplicar esos conocimientos?, o dicho de otra forma, ¿existe algún procedimiento sistematizado para la aplicación del DEA?, es decir, un procedimiento que sintetice esos conocimientos previos y nos ayude a aplicar el modelo de una manera rauda y fiable.
Golany y Roll en 1989, en su trabajo "An application procedure for DEA", llevan a cabo una sistematización para aplicar el modelo DEA correctamente, estos autores proponen una guía compuesta por tres etapas, a saber; definición y selección de las unidades de decisión, determinación de las variables relevantes para evaluar la eficiencia relativa de las unidades seleccionadas, y aplicación del modelo junto a su correspondiente análisis de los resultados. Destacan las dos primeras etapas, consistentes en los pasos previos a la ejecución de un modelo DEA.
En la primera de estas etapas, definición y selección de las unidades de decisión (DMUs), se hace hincapié en la necesidad de que las unidades consideradas sean homogéneas entre sí, es decir, deben perseguir objetivos similares, realizando tareas similares. Además estas unidades deben realizar sus actividades bajo condiciones similares y por último, su funcionamiento debe caracterizarse por las mismas entradas y salidas (inputs y outputs), esto es, al medir las DMUs a través de una serie de entradas y salidas, es necesario que todas las unidades puedan ser observadas por las mismas variables. Así, las variables utilizadas deben tener sentido en todas y cada una de las unidades seleccionadas. Por otro lado, el número de unidades a analizar debe ser el adecuado, jugando entre el efecto positivo que un mayor número de observaciones tiene sobre la estimación de la frontera, y el efecto negativo que puede resultar sobre la homogeneidad de las DMU comparadas. Además, la elección del período temporal para el análisis debe responder en la medida de lo posible a un ciclo natural de la actividad de las unidades productivas analizadas, evitando largos períodos que puedan oscurecer los cambios producidos durante los mismos.
La segunda etapa, la selección de las variables, parte con la creación de una lista inicial de variables, los autores recomiendan que esta lista sea lo más extensaPage 35 posible, lista en la que además de las variables, deben detallarse todos los factores que puedan influir en el funcionamiento de las unidades de decisión, factores controlables, no controlables, cuantitativos o cualitativos. Si bien un gran número de variables provocaría la aparición de una tasa de unidades eficiente más grande de lo deseado, es recomendable partir de una gran cantidad de variables para reducirlas adecuadamente mediante la utilización de métodos de reducción de variables. Para ello se insta a la utilización de juicios de expertos o el uso de técnicas econométricas como son el análisis de correlaciones o el análisis factorial.
Para Golany y Roll, la tercera etapa consistiría en el análisis de los resultados, algo natural en la finalización de toda investigación, tras el cual proponen que se lleven a cabo comparaciones entre resultados de distintas especificaciones del modelo, es decir, que se realicen varios análisis usando diferentes variables para alcanzar el modelo definitivo que debe ser el más fiable.
Tras esta primera sistematización del proceso de aplicación del análisis envolvente de datos, aparecieron nuevos procedimientos, como los propuestos por Boussofiane et al. (1991), Dyson et al (2001), o Murias (2004), este último será el proceso que se seguirá en el presente trabajo, y en el cual se recoge un proceso de aplicación cuyo objetivo es permitir afrontar de forma sistemática los problemas que se presentan en la construcción de los modelos DEA, aprovechando los avances experimentados en la última década. Lo que Murias pretende finalmente es aumentar en la medida de lo posible la confianza en los resultados alcanzados a través de la definición y aplicación de tal procedimiento, o al menos poner de manifiesto sus posibles lagunas a la hora de la interpretación. Para ello cuenta con la experiencia acumulada en la práctica del DEA durante las dos décadas que han pasado desde su implantación.
Al igual que Golany y Roll, el procedimiento de Murias también consta de tres etapas, especificación del modelo, ejecución del mismo y análisis de los resultados. La primera etapa versa sobre las principales cuestiones que hay que tener en cuenta cuando se pretende formular un modelo DEA, destacando la importancia del número de unidades y variables que se introducen en el modelo, la problemática sobre la selección de variables, ¿qué variables se deben añadir al modelo y por qué?, ó ¿qué variables debemos desechar? y otras cuestiones como los errores de medida en las variables y las hipótesis sobre rendimientos a escala.
La segunda etapa versará sobre la ejecución del Análisis Envolvente de Datos al modelo especificado en la etapa anterior. Se trata de estimar las tasas de eficiencia de las distintas unidades presentes en el análisis, mediante la exposición de algunos de los conceptos básicos de la teoría del DEA, así como la ayuda de programas informáticos que facilitan esta tarea.
Por último, en la etapa de análisis de los resultados, se señalarán las posibilidades que ofrece DEA para discutir la robustez del modelo planteado y de los resultados obtenidos.
Page 36
Para toda...
Para continuar leyendo
Solicita tu prueba