XXI Simposio de Estadstica Modelos de Regresin Bogot, D.C.

, Julio 19 al 23 de 2011

Medicin de la eficiencia de plantas hidroelctricas latinoamericanas mediante el mtodo anlisis envolvente de datos y comparacin de los resultados con los de frontera estocstica
Measuring the Efficiency of Hydroelectric Plants in Latin America by the Method of Data Envelopment Analysis and Comparison of the Results with those of Stochastic Frontier Analysis

Carolina Matamoros1* , Medardo Prieto**, Hernando Enrique Mutis1***, Juan Fernando Prez2****
1UNIVERSIDAD 2UNIVERSIDAD

DE LOS ANDES, DEPARTAMENTO DE INGENIERA INDUSTRIAL, BOGOT

DE LOS ANDES, DEPARTAMENTO DE INGENIERA ELCTRICA Y ELECTRNICA, BOGOT

......................................
Resumen Contando con informacin de 61 plantas generadoras de energa elctrica en Latino Amrica en el perodo 2006 a 2008, este artculo se concentra en una comparacin de los resultados del Anlisis Envolvente de Datos (DEA, por sus siglas en ingls) con los correspondientes del Anlisis de Frontera Estocstica (SFA, por sus siglas en ingls). Existen diferentes formas de hacer la medicin de la eficiencia tcnica utilizando DEA. Estas sern usadas para realizar comparaciones de eficiencias con las obtenidas usando SFA. La comparacin pretende ratificar los mtodos de medicin de la eficiencia de las entidades bajo anlisis ya que se esperara que las tcnicas no deberan diferir significativamente en los resultados y las plantas penalizadas por no ser eficientes deberan ser consistentemente las mismas. Este aspecto es de importancia central dado que las entidades reguladoras de los diferentes pases acuden a tcnicas como las sealadas con el propsito de desarrollar una poltica de asignacin de precios a las empresas que se encuentran bajo su regulacin. Las mediciones generadas por DEA son obtenidas luego de una seleccin de variables acorde al modelo SFA desarrollado en el trabajo de Reyes et. al. (2010) junto con las consideraciones sobre los requerimientos de la orientacin del modelo (maximizacin de productos o minimizacin de insumos). De particular importancia se quiere resaltar que de los resultados obtenidos usando DEA, se llega a conclusiones similares a las encontradas por Reyes et. al.: existe coincidencia en los principales resultados a pesar de los inconvenientes que se presentan en la funcin objetivo debido a que pretendera minimizar producto, esto gener la necesidad de no usar exactamente las mismas entradas y salidas en el modelo para poder hacer las comparaciones. Muy especialmente, se comprob que no siempre las empresas pblicas exhiben ineficiencias superiores a las de las privadas (Reyes et. al., 2010), as

Asistente Graduada Titular. Email: c.matamoros160@uniandes.edu.co Email: sinergy5@etb.net.co *** Profesor Asociado. Email: hemutis@uniandes.edu.co **** Profesor Visitante. Email: jf.perez33@uniandes.edu.co
* **

Carolina Matamoros , Juan Fernando Prez, Medardo Prieto, Hernando Enrique Mutis

mismo, que los resultados concuerdan principalmente en los extremos pero se maneja un alto nivel de ambigedad en los resultados intermedios.

Palabras claves: Eficiencia Tcnica, Eficiencia de Escala, Anlisis Envolvente de Datos, Frontera
Estocstica, y economas a escala. Abstract There are different ways of measuring the technical efficiency using Data Envelopment Analysis. These measures will be used for doing a comparison of results between those obtained using DEA and SFA. The comparison aims to endorse the method for measuring the efficiency of the regulatory entities because the methods should not significantly affect the efficiency results so the penalized plants for not being efficient should be consistently the same. Measurements generated by DEA are assessed after a selection of variables which takes into account the SFA model developed in the work of Reyes et. al. (2010) also considers the requirements that arise from the orientation of the model (product maximization or input minimization). Most of the conclusions developed by Reyes et. al. (2010) were verified in spite of the difficulties that came from the objective function because it would seek to minimize product, in consequence the same inputs and outputs in the model that were not exactly the same in order to make comparisons. In particular it was also found that "not always public enterprises exhibit higher inefficiencies than the private" (Reyes Rueda, 2010), also the results mainly agree on the extremes but they handle a high level of ambiguity on the intermediate results.

Keywords: Technical Efficiency, Scale Efficiency, Data Envelopment Analysis, Stochastic

Frontier, and economies of scale.

1. Introduccin
Este artculo tiene como objetivo principal el desarrollo de un anlisis que permita medir la eficiencia de 61 plantas hidroelctricas de Latinoamrica entre los aos 2006 y 2008, por medio de varios modelos basados en la tcnica del Anlisis Envolvente de Datos (DEA). Estos resultados sern comparados con los obtenidos por Reyes, Mutis y Prieto dnde se us el mtodo de Anlisis de Frontera Estocstica (SFA) (Reyes Rueda, 2010), esto con el fin de hacer una comparacin base de los mtodos. Este trabajo forma parte de un estudio a largo plazo que se lleva en la Facultad de Ingeniera de la Universidad de Los Andes en el Seminario de Eficiencia de los Departamentos de Ingeniera Industrial y Elctrica. Es fundamental aclarar que las eficiencias que sern medidas son eficiencias relativas de acuerdo a la frontera de produccin del sector, lo que implica que la frontera es determinada por las mismas empresas (DMUs1) que hacen parte del anlisis. Como fue mencionado, se compararn las eficiencias relativas obtenidas por medio de DEA con las obtenidas mediante SFA, esto quiere decir que se usaron las dos metodologas emblemticas para la medicin de las eficiencias relativas (Asis Dez Martn, 2008) en el sector de generacin de energa elctrica.

Una DMU por su siglas significa Decision Making Units en DEA se trata de una entidad (puede tratarse de un individuo, una institucin, uno organizacin, etc.) que a travs de algn proceso convierte entradas en salidas y es a ellas a las que se les evala la eficiencia relativa.
1

XXI Simposio de Estadstica 2011

Comparacin de Resultados de Eficiencia Relativa

Para poder hacer comparaciones directas con los resultados de SFA se tiene la hiptesis de que la informacin debe pasar por el mismo tipo de transformaciones antes de ser procesadas por el mtodo, pues lo ideal es que las matrices que entren como input2 al mtodo DEA sean las mismas que las usadas por Reyes et. al. en su trabajo. Es decir, se intentar tratar a los mtodos como cajas negras que recibirn las mismas entradas para poder comparar sus salidas. Es importante tener en cuenta que el estudio de ambos mtodos no permite hablar de mtodos mejores o peores para la estimacin de la eficiencia y la funcin de produccin. Ambas especificaciones tienen ventajas e inconvenientes, y generalmente la aplicacin de un mtodo u otro va a depender de las circunstancias del proceso que se pretenda estudiar (Asis Dez Martn, 2008). Lo que valida la comparacin base que se est generando pues podra mostrar qu mtodo es mejor para el proceso especfico de generacin de energa3. Para la construccin de los modelos se acudir a diferentes fuentes que abordaron el tema desde enfoques DEA o SFA y a las necesidades que tiene el modelo para cumplir con cualquiera de las dos orientaciones posibles, es crucial mencionar que el enfoque tratado por Reyes et. al. (2010) en su trabajo era de costos por lo que no se abordar el problema desde un enfoque de produccin. Antes de la construccin de los modelos se har un breve repaso de los dos conceptos ms relevantes sobre los que se basa este documento. Adicionalmente, la importancia que tiene la medicin de las eficiencias relativas es que la entidades que estn siendo medidas, en su mayora no tienen competencia (Reyes et al) lo que implica que se encuentran en un tpica situacin de monopolio. Esto significa que estn en la capacidad de fijar los precios por encima del equilibrio que se encontrara en un mercado en competencia perfecta. Lo anterior hace que los entes reguladores tengan como objetivo fijar un precio regulado que en parte se fija al saber qu tan eficientemente usan sus recursos las plantas generadoras de energa; una buena herramienta para saber si efectivamente las empresas bajo control usan sus recursos de forma eficiente es por medio de los indicadores de eficiencia relativa que surgen de este tipo de anlisis. Esto es lo que le da validez y en lo que radica la importancia del presente artculo ya que se tratar de determinar si las mediciones de eficiencia a las que se ven sometidas las plantas son las adecuadas sin importar el mtodo de medicin. A partir de la comparacin ser posible aclarar para este sector qu requisitos tienen los modelos de forma tal que generen resultados consecuentes. Este artculo est dividido en tres secciones adicionales. La siguiente seccin esboza brevemente los aspectos tericos relevantes, luego se aborda la discusin sobre la metodologa usada y en la ltima seccin se analizan los resultados para efectuar la comparacin con los obtenidos de SFA.

2. Marco Terico
Este marco terico est enfocado en aclarar dos conceptos importantes que se usan a lo largo de este artculo, el primero es Eficiencia y el siguiente es Anlisis Envolvente de Datos.

2 En esta ocasin Input no est siendo tomado de la forma habitual que toma en DEA. Input se est refiriendo a las matrices que son suministradas al mtodo que da como resultado, o Output, las mediciones de eficiencia relativa. 3 Recurdese que no es posible hablar de un mtodo mejor de forma general, pero en cada problema particular s debe ser posible especificar para cada uno cul es ms conveniente dada la estructura de la informacin.

XXI Simposio de Estadstica 2011

Carolina Matamoros , Juan Fernando Prez, Medardo Prieto, Hernando Enrique Mutis

2.1

Eficiencia

Es oportuno y necesario para el desarrollo aclarar el concepto de Eficiencia pues este tiene muchas interpretaciones y es usado en muchos campos de accin. De hecho de acuerdo a la Real Academia Espaola la eficiencia es la Capacidad de disponer de alguien o de algo para conseguir un efecto determinado. (RAE). Definicin que es muy generalizada y por lo tanto no aplicable. Esto muestra precisamente el amplio rango de uso que puede tener ese concepto lo que valida la necesidad de aclarar el concepto para el uso particular que tendr en este trabajo. Un trabajo en el que se habla de forma clara respecto a la eficiencia es el desarrollado por Ramn Fuentes Pascal en su Tesis Doctoral, de hecho todo el primer captulo de su trabajo est dedicado a la definicin y cuantificacin de este concepto. La primera aproximacin que debe hacerse es por supuesto la econmica, sta est ligada al concepto de ptimo de Pareto Un sistema econmico es eficiente cuando no sea posible reasignar los recursos existentes de modo que algn o algunos individuo/s mejore/n sin que otro/s empeore/n (Cantarero Prieto, 2005). Partiendo de ah y refirindose a varios autores como se est haciendo en este texto, el doctor Fuentes llega a una definicin de la eficiencia tcnica en su versin dinmica que se ajusta bastante a los objetivos de este trabajo y es: la cantidad mnima de inputs necesaria para producir un nivel determinado de output (Fuentes Pascual, 2000) bajo el punto de vista de los insumos, o desde el punto de vista de los productos y sera la cantidad mxima de producto obtenible de una cantidad determinada de insumos (Fuentes Pascual, 2000). Lo que es interesante es que ahora son las mismas plantas (DMU) las que generarn la frontera de eficiencia as que el clculo a realizar tendr como resultado eficiencias relativas. As que se hace una alusin clara a las fronteras de produccin de economa de hecho las plantas eficientes son aquellas que se ubiquen sobre la isocuanta en la frontera de produccin del sector. En resumen para un nivel de produccin determinado se entender que una planta es eficiente si usa todas las combinaciones de sus insumos de tal forma que no pueda generar una mayor cantidad de productos. (La interpretacin contraria sera entonces que es eficiente si a un nivel determinado de productos no es posible reducir de alguna forma las combinaciones de sus insumos). 2.2 Anlisis Envolvente de Datos

Esta seccin tiene como objetivo explicar brevemente en qu consiste la metodologa sobre la que se basa la obtencin de resultados de este trabajo. El mtodo es conocido, como ya se ha mencionado en repetidas ocasiones, como el Anlisis Envolvente de Datos4. Esta metodologa parte de una situacin en la que se desconoce la frontera eficiente o funcin de produccin 5 por lo que
Antes de proseguir es importante aclararle al lector que aunque se describir DEA es posible que requiera observar ejemplos ilustrativos si se trata de la primera oportunidad en la que tiene contacto con la metodologa. Si ese es el caso se recomienda que lector acuda al primer captulo del documento EVALUACION DE LA EFICIENCIA MEDIANTE EL ANALISIS ENVOLVENTE DE DATOS de Coll Serrano & Blasco Blasco dnde se hace un desarrollo muy metdico y claro del tema.
4 5 La funcin de produccin a la que se refiere el anlisis puede tener diferentes alcances, puede tratarse de una frontera para la empresa, del sector, de la industria, etc.

XXI Simposio de Estadstica 2011

Comparacin de Resultados de Eficiencia Relativa

una de sus funciones principales es de hecho estimar dicha frontera. Un ejemplo de una frontera estimada se ver a continuacin. Tome en cuenta que cada uno de los puntos hace parte de las firmas o DMUs a las que se les desea medir la eficiencia. Recuerde que la frontera es una isocuanta estimada, y es respecto a esta que se hacen las mediciones de eficiencia con el mtodo radial6, esto ocasiona que las medidas sean tcnicamente eficientes como ve en el siguiente grfico:
9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 7 8 9 10

Figura 1 Ejemplo para eficiencias relativas. Elaboracin Propia

Una vez aclarada la forma de medir la eficiencia relativa es el momento de entrar a explicar la forma matemtica en la que el mtodo efectivamente la calcula. Bsicamente puede comprenderse de la siguiente manera:
( )

Esta frmula comnmente es usada como una medida de eficiencia7 (Cooper, Seinford, & Tone, 2000) o de productividad para casos como cantidad de unidades producidas sobre cantidad de trabajadores contratados. Tenga en cuenta que el trmino producto tambin puede referirse al beneficio obtenido de la realizacin de dicha actividad (Das Torres, 2003), es decir es vlido usar datos como ganancias o ventas totales. Una consecuencia de la frmula 2.1 es hace que las organizaciones que quieran medir su desempeo lo hagan usando una razn que contenga sus insumos y sus productos ponderados. De ah surge un inconveniente y es Cmo los van a pesar? Cmo van a agregar en un mismo ndice, empleados, horas, productos, ganancias8, etc.? Por eso es tan relevante que los pesos usados para

La eficiencia radial es tratada claramente por Farrell, sin embargo consiste en hacer el clculo de la razn de la distancia desde el origen hasta el punto dnde est ubicada la DMU entre la distancia desde el origen hasta el punto donde se corta la frontera usando un vector que est orientado hacia el punto donde est la DMU.
6 7

Esta cita fue traducida de su texto original

8Por ejemplo en el caso de tener dos insumos (empleados y rea del suelo) y un producto (ventas) Cmo sera esa razn? La idea es darle un peso a cada uno de forma que quedara

XXI Simposio de Estadstica 2011

Carolina Matamoros , Juan Fernando Prez, Medardo Prieto, Hernando Enrique Mutis

cada razn sean consecuentes, pero antes de DEA los mtodos eran arbitrarios y los resultados no eran del todo confiables puesto que siempre se vean expuestos a los sesgos del analista. A modo general cuando se tienen mltiples productos e insumos la expresin 2.1 puede usarse al generar un producto y un insumo virtual. Se consideran virtuales porque son una transformacin de los datos originales que busca crear una nica razn.

Donde y representan los pesos, o es la DMU, son la cantidad de insumos ( ) y cantidad de productos ( ) de modo que la razn propuesta en 2.1 pasa a ser

la

Por lo tanto la informacin utilizada deber tener la siguiente estructura:

9

Es en este punto donde entra a escena el modelo propuesto por Charles Cooper y Rhodes en el trabajo Measuring the efficiency of decision making units publicado en 1978. En este trabajo es en donde se innova al mtodo al verlo como un problema de programacin linear (LP) que se caracteriza por lograr que la asignacin de pesos sea determinada de forma objetiva para obtener una medida escalar (a dimensional) de eficiencia en cualquier caso (Charnes, Cooper, & Rhodes, 1978)10 El modelo lineal de retornos constantes a escala (CCR) est definido de la siguiente manera:
( ) ( )11

La notacin I firmas, N insumos y M productos fue tomada de (Coelli, Prasada Rao, O'Donnell, & Battese, 2005) captulos 6 y 7.
9 10

Esta cita fue traducida de su texto original.

11 Esta formulacin es la formulacin dual del problema y puede encontrarla en cualquier fuente que se refiera a DEA, particularmente se recomienda que la revise en (Coelli, Prasada Rao, O'Donnell, & Battese, 2005) y en (Cooper, Seinford, & Tone, 2000)

XXI Simposio de Estadstica 2011

Comparacin de Resultados de Eficiencia Relativa

Aclaraciones: es un escalar positivo debido a que X es la matriz de informacin de los insumos (De acuerdo a los supuestos expuestos por (Charnes, Cooper, & Rhodes, 1978) todos los insumos y productos deben ser positivos) y es un vector que cumple la restriccin . El valor mximo que puede obtener es 1 la forma ms clara de verlo es por medio de la ( ) En cuyo caso el siguiente posible solucin al problema: = 1, ptimo de efectivamente no podra superar la unidad (Cooper, Seinford, & Tone, 2000). El vector de tiene la siguiente estructura:
( )

Como se afirm antes esta formulacin del problema normalmente tiene una menor cantidad de restricciones debido a que en el primal se tenan I + 1 (Total de las DMU + 1) mientras que el dual est conformado por N + M (nmero total de insumos + nmero total de productos). Para usar el modelo de retornos variables a escala (BCC) simplemente se debe agregar la siguiente restriccin al problema: As pues las mediciones de eficiencia dadas por el modelo de DEA estn determinadas por el parmetro que debe ser calculado una vez por cada DMU (Esto implica que el problema debe resolverse una vez por cada DMU en el problema). Para hacer los clculos correspondientes se hizo uso del software Frontier Analyst 4, que es un programa creado exclusivamente para hacer los clculos de eficiencia mediante DEA.

3. Modelos para hacer la comparacin

Para hacer una comparacin de los resultados primero es necesario lograr que estos estn en la misma escala pues recuerde que en DEA la eficiencia est medida por un parmetro que va de 0 a 1 o de 0 a 100% dnde el 100% indica que es eficiente pues conformara la frontera. Sin embargo en SFA los resultados van de 1 a , de forma que entre ms cerca est de 1 ms eficiente es. As que se opt por transformar los resultados obtenidos por Reyes (2010) al dividir 1 entre el resultado obtenido, de esta manera se logra que ambos modelos estn en la misma escala. Ahora lo que se debe hacer es determinar con qu modelo de DEA se obtendrn los resultados que se compararn con los obtenidos por Reyes (2010), el primero de ellos surge de la idea de comparar ambas metodologas como cajas negras es decir que ambas reciben las mismas entradas para obtener salidas comparables. De este modo las variables que se incluirn en el clculo de DEA estarn sujetas a las mismas transformaciones que las vistas en Reyes (2010). La segunda metodologa hace un esfuerzo mayor para elegir las variables a utilizar en DEA pues supone que al menos ambas metodologas deben usar el mismo enfoque para hacer la comparacin (entre el de produccin y el de costos) pero tomando en cuenta las particularidades que tiene cada mtodo con el tratamiento de sus variables, de modo que ahora se har un clculo y seleccin de
XXI Simposio de Estadstica 2011

Carolina Matamoros , Juan Fernando Prez, Medardo Prieto, Hernando Enrique Mutis

variables tradicional para DEA con el fin de obtener unos resultados confiables que puedan ser comparables con los arrojados por SFA. 3.1 Variables a usar en el primer modelo La matriz Y en este enfoque est conformada por una nica variable que es el logaritmo natural de los costos totales por kW. Es el resultado de aplicar logaritmo natural a la divisin del costo total entre la capacidad neta de la planta (Reyes Rueda, 2010). La matriz X est conformada por las variables edad, edad al cuadrado, nmero de unidades de la planta, logaritmo natural de la capacidad neta de la planta por el logaritmo natural de la participacin del ingreso de generacin en el ingreso total y por la variable nplantash. 3.2 Variables a usar en el segundo modelo12 La matriz Y est conformada por la Energa Neta Generada, el Factor de capacidad anual neto (Net capacity factor) (NCF) y por el Factor de servicio (Service factor) (SF). La matriz X est conformada por el Volumen til del embalse, el rea de la cuenca, la Cada hidrulica, el Caudal promedio, la Capacidad neta de la planta, el Nmero de personas de AOMyGA, la Capacitacin en operacin y mantenimiento por persona (CAP), el Porcentaje de mantenimientos preventivos y predictivos (PORCPREV), el costo total entre la capacidad neta de la planta y el Porcentaje de mantenimientos no programados (PORCNOPROG).

4. Resultados
Por cuestiones de espacio no se incluirn los resultados de eficiencia de cada DMU sino que simplemente se hablar de resultados conjuntos ms fciles de interpretar. Resultados en histogramas para frontera estocstica:

12

La seleccin de estas variables se ve debidamente justificada de forma terica y estadstica en Matamoros (2011). XXI Simposio de Estadstica 2011

Comparacin de Resultados de Eficiencia Relativa

Figura 2 Comparacin de Eficiencia usando SFA para propiedad. Elaboracin Propia.

Resultados en histogramas para el primer modelo usando DEA

P b l i c a

50 40 30 20 10 0

P r i v a d a

50 40 30 20 10 0 0. 54 0. 6 0. 66 0. 72 0. 78 Ef BCC 0. 84 0. 9 0. 96 1. 02

Figura 3 Comparacin de Eficiencia usando DEA BCC para propiedad. Elaboracin Propia.

Aqu inmediatamente empiezan a surgir incoherencias pues los comportamientos en cada agrupacin son diferentes y no se ven las mismas tendencias, al observar esto so opt por mirar los resultados en mayor detalle lo que dio como resultado lo siguiente: Por ejemplo para la planta 119 su medida de eficiencia usando DEA fue de 92.66% mientras que usando SFA tan slo fue del 28.6%, o que mientras la planta 139 fue la tercera en SFA sea la 101 en DEA, diferencias drsticas que se presentan en un gran nmero de las observaciones. Lo anterior indica que es posible que exista un error respecto a las mediciones obtenidas o que estas no puedan ser del todo comparables debido a que se esperan que las mediciones sean un poco distintas pero no tan diferentes. Para intentar encontrar de dnde pudo surgir el error se partir de las bases. En DEA en el enfoque que se est usando se busca maximizar la mayor cantidad de producto virtual posible usando una cantidad determinada de insumo virtual. La funcin fijada en el trabajo de Reyes (2010) tiene como nico producto el logaritmo natural del resultado de dividir los Costos
XXI Simposio de Estadstica 2011

Carolina Matamoros , Juan Fernando Prez, Medardo Prieto, Hernando Enrique Mutis

de administracin, operacin, mantenimiento, y gestin ambiental sobre la capacidad de cada planta. Aqu se evidencia una contradiccin ya que una empresa eficiente no es la que maximice los costos13 sino una que los minimice. Lo que sugiere realizar cambios respecto a los resultados obtenidos de forma en que se logre cambiar el producto que se analiza usando DEA a uno que s se desee maximizar, como las utilidades. Cambiar el objetivo de maximizar a minimizar no soluciona el problema ya que lo convierte en un problema no acotado14, adems por la forma de la funcin se debe mantener el enfoque de insumos15 por la cantidad de variables que se encuentran en cada matriz. Esto evita que en el trabajo efectivamente se genere una comparacin base til pues hacen falta los resultados por el mtodo SFA que tengan como variable dependiente a un producto que se desee maximizar o un insumo que se desee minimizar16. Por lo tanto se puede concluir que usar un enfoque de cajas negras para hacer comparaciones no es recomendable porque puede favorecer o afectar negativamente de forma significativa cualquiera de las os metodologas evitando que se obtengan resultados confiables en una de estas pues esta metodologa asegura un tratamiento adecuado de la metodologa de la que se parte (en este caso fue la de SFA pues fue la que determin de forma inadecuada el modelo a usar en DEA). Resultados para el segundo modelo.

P u b l i c a

70 60 50 40 30 20 10 0 70 60 50 40 30 20 10 0 0. 3 0. 4 0. 5 0. 6 BCCDe s 0. 7 0. 8 0. 9 1

P r i v a d a

Figura 5 Comparacin de Eficiencia usando DEA BCC para propiedad con el segundo enfoque. Elaboracin Propia.

Tenga en cuenta que en el trabajo de Reyes (2010) no son los costos propiamente sino una transformacin montona a un ndice que alude a los costos y se comporta de forma proporcional a estos.
13

La solucin ptima para ese tipo de problemas sera no producir, o no usar insumos, por lo que an se si crea la restriccin para usar una cantidad mnima de insumos la cantidad que se usara sera la fijada por la restriccin.
14 15

La variable dependiente es un producto y las independientes son insumos.

16 Este inconveniente tambin se presentara bajo el enfoque de productos si la variable insumos que se desea minimizar sean las inversiones.

XXI Simposio de Estadstica 2011

10

Comparacin de Resultados de Eficiencia Relativa

En esta ocasin al omitir el sesgo de las unidades eficientes puede detectarse comportamientos ms coherentes en los histogramas pues aumenta la cantidad de DMU no eficientes tanto para firmas privadas como pblicas. Sin embargo eso no es suficiente para hablar de si los resultados son o no comparables. Para ello se usar el coeficiente de correlacin que hay entre los resultados y est s dar un resultado ms confiable para poder hablar de si efectivamente los resultados son o no comparables.
Tabla 1 Coeficientes de correlacin de los resultados de las diferentes metodologas Modelo 1 Modelo 1 EfReyes(2010) Modelo 2 100,00% 21,50% -6,06% EfReyes(2010) Modelo 2 21,50% 100,00% -2,83% -6,06% -2,83% 100,00%

Esta tabla es concluyente respecto a los resultados pues muestra que no estn relacionados, esto hizo que se miraran los resultados en detalle y slo existe coherencia respecto a las empresas eficientes de SFA pues estas tambin son catalogadas como eficientes en DEA, los dems resultados no son coherentes. Lo anterior permite hablar de que an si el modelo no es de produccin y tiene un enfoque parecido esto no asegura que los resultados sean comparables y abre todo un espacio para polemizar el mtodo que actualmente usan las empresas reguladoras pues dependiendo del mismo existe la posibilidad de afectar positiva o negativamente los resultados para ciertas DMUs. Por esta razn es que el trabajo que se est llevando a cabo en la universidad de los Andes en el seminario de Eficiencia tiene tanta relevancia pues servir para determinar este tipo de inconvenientes.

Referencias
Asis Dez Martn, F. d. (2008). Anlisis de eficiencia de los departamentos universitarios: el caso de la universidad de Sevilla. Madrid: Dykinson . Barros, C. P., & Peypoch, N. (2007). The determinants of cost efficiency of hydroelectric generating plants: A random frontier approach. Energy Policy, 35, 4463-4470. Cantarero Prieto, D. D. (Septiembre de 2005). ECONOMA DEL BIENESTAR. Economa del Sector Pblico Tema 3. Charnes, A., Cooper, W., & Rhodes, E. (1978). Measuring the efficiency of Decision Making Units. Coelli, T. J., Prasada Rao, D., O'Donnell, C. J., & Battese, G. E. (2005). An Introduction to efficiency and Productivity Analysis. New York: Springer. Coll Serrano, V., & Blasco Blasco, O. M. (2006). Evaluacin de la eficiencia mediante el Anlisis Envolvente de Datos. Valencia: Universidad de Valencia. Farrell, M. (1957). The Measurement of Productive Efficiency. Journal of the Royal Statistic Society, 120, Part III 253-290.
XXI Simposio de Estadstica 2011

11

Carolina Matamoros , Juan Fernando Prez, Medardo Prieto, Hernando Enrique Mutis

Fuentes Pascual, R. (2000). Eficiencia de la gestin de los institutos pblicos de bachiller de la provincia de Alincante. Alincante, Comunidad Valenciana, Espaa: Universidad de Alincante. Jacobs, R. (February de 2000). Alternative Methods to Examine Hospital Efficiency: Data Envelopment Analysis and Stochastic Frontier Analysis.
Matamoros Ferro, C. (2011). Medicin de la Eficiencia de plantas hidroelctricas Latinoamericanas mediante el mtodo anlisis envolvente de datos. Bogot D.C., Colombia.

Mutis, H. (2006). Una aplicacin del anlisis de frontera estocstica: el caso de hospitales de nivel II en Colombia. Lecturas Metemticas, 259-270. RAE. (s.f.). Real Academia Espaola. Recuperado el 10 de 12 de Real Academia Espaola, de www.rae.es/rae.html Reyes, J. D., Mutis, H. y Prieto, M. (2010). Medicin de la Eficiencia de las empresas generadoras de energa elctrica en Latinoamrica mediante un Anlisis de Frontera Estocstica. Bogot D.C., Colombia.

XXI Simposio de Estadstica 2011

12