You are on page 1of 16

APLICAÇÃO DO MÉTODO BOOTSTRAP NA ESTIMAÇÃO DE FRONTEIRAS

NÃO-PARAMÉTRICAS: O CASO DOS FRUTICULTORES DO VALE DO SÃO
FRANCISCO
embarros2002@yahoo.fr
APRESENTACAO ORAL-Evolução e estrutura da agropecuária no Brasil
EMANOEL DE SOUZA BARROS1; ALCIDES JERÔNIMO DE ALMEIDA TENÓRIO
JÚNIOR2; SÉRGIO ANDRÉ DE OLIVEIRA3; LUIZ HONORATO DA SILVA JÚNIOR4.
1,3,4.UFPE, CARUARU - PE - BRASIL; 2.FAFICA, CARUARU - PE - BRASIL.

Aplicação do Método Bootstrap na Estimação de Fronteiras Nãoparamétricas:
O Caso dos Fruticultores do Vale do São Francisco

Grupo de Pesquisa: Evolução e Estrutura da Agropecuária no Brasil
Resumo
A agricultura irrigada é a grande responsável pelo marcante desenvolvimento ocorrido no
Vale do São Francisco. Ela possibilitou a captação de novas tecnologias, criando um pólo
de produção diversificada de frutas destinadas ao mercado europeu e norte-americano.
Tudo isto se deve aos investimentos do Governo Federal nos anos setenta, o qual criou
toda a infra-estrutura da irrigação, possibilitando a conjuntura atual da região. Assim,
supondo a atual tecnologia utilizada na irrigação, combinada com a aplicação de insumos
modernos, pode-se esperar um nível de produção próximo ou sobre a fronteira de
produção. Para isto, este artigo visa analisar a eficiência dos produtores do pólo
Petrolina/Juazeiro através do método DEA-V e submeter tais resultados à abordagem
bootstrap proposta por Silverman [1986], o smoothed bootstrap, a fim de encontrar
intervalos de confiança para testar a confiabilidade dos estimadores DEA-V e, em seguida,
testar a convexidade do conjunto de produção. A análise dos resultados mostra que os
fatores Capital e Mão-de-obra são os grandes responsáveis pela ineficiência dos
produtores. Todavia, a simulação bootstrap mostrou que o método convencional tende a
superestimar os níveis de eficiência. A hipótese de convexidade é violada, abrindo margem
a múltiplos equilíbrios.
Palavras-chaves: Eficiência, Produtividade, Renda, DEA-V, Bootstrap.
Abstract
Irrigated agriculture is largely responsible for the expressive development occurred in the
Valley of the São Francisco. New technologies were introducted, creating a pole of
diversified production of fruit destined to the European and North American market. This
is occurred because of investments of the Federal Government in the seventies, which
created all the infrastructure of the irrigation, allowing the current conjuncture of the
1

Campo Grande, 25 a 28 de julho de 2010,
Sociedade Brasileira de Economia, Administração e Sociologia Rural

bootstrap. O desenvolvimento de técnicas de estimação menos restritivas e a procura da boa especificação de um modelo fizeram com que ela se dedicasse à descoberta de um melhor teste. que é desconhecida. Alguns anos depois. A principal motivação para se utilizar o método DEA está no fato de que. Thus. it can expect a level of production on or near the frontier of production. Seu trabalho era simples e se baseava na medida de uma isoquanta eficaz de modo a estabelecer uma combinação de insumos e tecnologia capaz de gerar uma fronteira máxima de produção. vieram à tona. Entretanto. However. Nenhuma forma funcional foi utilizada. DEA-V. 1. todas essas aproximações geram fronteiras de produção supondo distribuições conhecidas somente assintoticamente. Os modelos não paramétricos foram desenvolvidos diretamente a partir da análise de Farrell [1957]. opening room for multiple balances. hospitais. para avaliar a eficiência das firmas. rentability. a Econometria tomou consciência que o custo de uma má especificação de um modelo está intimamente ligado ao risco crescente de conclusões errôneas. como Monte Carlo e Bootstrap. onde é possível construir fronteiras de produção cujas limitações impostas são de uma tecnologia convexa (perfeita divisibilidade) e livre disponibilidade de insumos e produtos. Sociedade Brasileira de Economia. smoothed bootstrap. this paper aims to analyse the efficiency of farmers from pole Petrolina / Juazeiro with the DEA-V method and submitting such results to the approach bootstrap proposed by Silverman [1986]. dentre outros. não é necessário supor uma forma funcional para a tecnologia. 25 a 28 de julho de 2010. productivity.region. Charnes et al. percebida nas estimativas das décadas precedentes. Foi neste contexto que diversos métodos de simulação. assuming the current technology used in irrigation. e a variável “preço” não pode ser quantificada. The hypothesis of convexity is violated. Results show that Capital and Labor factors are the responsible for inefficiency of farmers. O objetivo desses métodos é encontrar uma resposta à necessidade de testar a confiabilidade das estatísticas largamente utilizadas e estimar testes de hipóteses e intervalos de confiança mais próximos da verdadeira distribuição estatística. [1978] desenvolveram a técnica de Análise Envoltória de Dados (DEA). como nos serviços prestados por universidades. For this. combined with de aplication of modern inputs. Administração e Sociologia Rural . Key Words: : Efficiency. Färe e Lovell [1985] mostraram que a regra de Farrell é equivalente ao cálculo das funções distância-insumo de Sherpard [1970]. voltou-se para a inferência estatística. Introdução A análise de fronteiras de produção tem como marco inicial o trabalho de Farrel [1957] quando utilizou técnicas de programação linear para encontrar a eficiência econômica. A preocupação principal. in order to find intervals of confidence to test the trustworthiness of estimators DEA-V and the convexity of the set of production. este método é bastante útil quando se pretende analisar múltiplos insumos e múltiplos produtos. Além do mais. A partir dos anos noventa. 2 Campo Grande. the bootstrap simulation showed that the conventional method tends to overestimate the efficiency levels.

1 Bebedouro. Tourão e Nilo Coelho. uma “fronteira de melhor prática”. com retornos variáveis de escala. Eles são tiragens aleatórias da amostra original. combinada com o uso de insumos modernos. Para efetuar tais testes. tendo-se então uma base de dados adequada para aplicação dos métodos de simulação. 25 a 28 de julho de 2010. As firmas eficientes situam-se sobre fronteira enquanto que as não eficientes em baixo dela. esta firma (real) é considerada ineficiente. Metodologia Do ponto de vista metodológico. etc. O Bootstrap tem diversos tipos de aplicação. em hipótese. Curaçá. O objetivo é encontrar o melhor produto virtual com relação a cada produto real. Elas recebem este nome porque. o enfoque se concentra na forma como o Bootstrap pode ser utilizado para testar a confiabilidade dos estimadores do modelo DEA. de forma geral.). Se o produto virtual é melhor que o produto real. o método DEA não leva em conta os preços dos insumos e produtos. Neste caso. Sociedade Brasileira de Economia. Mínimos Quadrados Ponderados. e não existe um modelo (a priori) que suponha um formato para a distribuição. Espera-se uma aproximação da verdadeira lei estatística de modo a verificar se a distribuição assintótica é uma boa imagem de sua verdadeira distribuição. testes de hipóteses e intervalos de confiança mais confiáveis do que os dos modelos tradicionais (Mínimos Quadrados Ordinários. Maniçoba.Beran [1986] e Hall & Titterington [1989] foram os primeiros a propor uma simulação baseada no Bootstrap. Isso possibilita. 1. 1. Derivado do método de Monte Carlo. O Método DEA A suposição fundamental do modelo DEA está no fato que é possível construir uma fronteira com segmentos lineares. é interessante expor o método DEA e em seguida traçar as hipóteses dos testes Bootstrap. utilizando a mesma quantidade de insumos que a firma real. será utilizada a base de dados referente aos produtores inseridos no Vale do São Francisco. sob certas condições. o objetivo deste trabalho é testar a confiabilidade dos estimadores do método DEA. especialmente nas situações onde os modelos tradicionais têm certas dificuldades em obter resultados satisfatórios. Máxima de Verossimilhança. As firmas reais e virtuais são chamadas Decision Making Units (DMU). através do método de simulação Bootstrap proposto por Silverman [1986].1. criadas a partir de combinações convexas das firmas reais. poder-se-ia melhorar a qualidade dos resultados estatísticos caso a distribuição assintótica não funcione perfeitamente. ele se diferencia deste primeiro pelo fato do termo de erro ser “desenhado” de amostras construídas por simulação a partir de uma amostra original. Diante desse contexto. por ser uma referência nacional em termos de agricultura irrigada com alta tecnologia. um nível de produção próximo ou sobre a fronteira (de produção). Administração e Sociologia Rural . Para tanto. mais precisamente aqueles inseridos nos cinco principais projetos de irrigação do pólo Petrolina(PE)/Juazeiro(BA)1. utilizando as firmas reais nos seus pontos extremos e firmas “virtuais” ou “compostas”. 3 Campo Grande. Ele pode estabelecer.

será dada pela inversa da solução do problema de maximização. 2000b] estimaram fronteiras de produção baseadas nesses pressupostos. Isto nos permite estabelecer uma fronteira de produção compatível com a teoria da produção. Supondo que exista n DMUs representadas por j ∈ J = { j | j = 1. Administração e Sociologia Rural . Hall et al. Simar & Wilson [1998] propuseram uma estratégia bootstrap para analisar a sensibilidade das medidas de eficiência ao longo das variações nas amostras bootstrap. n} . 2.O modelo DEA com rendimento variável de escala (DEA-V) foi introduzido por Barnker et al. dado um vetor de insumos T X j = ( x1 j . Para isto. x 2 j . Sociedade Brasileira de Economia. representada pela notação matricial n ∑e j =1 T j λ j = 1 . é igual à unidade. 1 θ j . a.λ s. as fronteiras bootstrap são construídas a partir de um DGP (Processo Gerador de Dados). existem diferenças no tocante ao tipo de distância a ser usada para estimar os níveis de eficiência: distância produto ou distância insumo. y 2 j . Jensen [2000]. [1984] como uma extensão do modelo DEA-C.2. 25 a 28 de julho de 2010.K . Assim. A principal novidade foi a incorporação da hipótese de rendimento variável de escala à análise. λ j . de Charnes et al. hipóteses e propriedades dos conjuntos de produção. 1. adotaremos a distância produto. O Método Bootstrap Para aplicação no método DEA-V. Simar [1992]. ysj ) > 0 . mesmo na ausência de uma forma funcional. Xλ ≤ X 0 θY0 − Yλ ≤ 0 θ é livre n ∑e j =1 T j λj =1 A eficiência de cada observação. onde eTj representa o vetor transposto dos níveis de eficiência do j-ésimo produtor. K . xmj ) > 0 e um vetor de produtos T Yj = ( y 1 j . Horrace e Richards [2004]. eles introduziram a idéia de que a soma dos pesos de cada produtor no processo de produção. [1995].K . [1978]. No caso deste artigo. o problema de maximização é dado por: Max θ (1) θ. 4 Campo Grande. e j . Simar & Wilson [2000a. considerado pivô assintótico de um DGP desconhecido compatível com todas as definições. Sob a hipótese de rendimento variável de escala.

a partir de uma função de densidade fˆ ( x. respectivamente.η . δ i* ) . como o free disposal hull (FDH). Através de alguns cálculos. π 2] × [1. em um trabalho publicado em 2000 (Simar & Wilson [2000b]). δˆi ). a partir da qual serão estimados os intervalos de confiança bootstrap. o método bootstrap utilizado por Simar e Wilson [1998] tem como objetivo construir amostras bootstrap ( xi* .η . A função fˆ ( x. respectivamente. por simulação. dado por: Silverman { [1986] utiliza ~ f h ( z) = } os 1 2nh ( p + q ) n   z − zi   z − z Ri  + K2  h   h ∑  K  i =1  1    (2) Onde z = ( y. o método utilizado é condicionado à regra de homogeneidade restrita das distribuições de eficiência entre os produtores. Sociedade Brasileira de Economia. através de coordenadas polares propostas por Kneip et al. δ i ) ∈ A = R+q × [0. De modo geral. Estas hipóteses servem de complementos àquelas propostas por Sherpard’s [1970] e dão consistência ao formato do conjunto de produção sob simulação. δ ) . contido em A e descrito pela equação ( y i .η i* . eles encontraram o estimador da densidade gaussiana de Kernel. y i* ) de insumos e produtos. pode-se calcular o estimador consistente f h de f . [1998]. Administração e Sociologia Rural . estas hipóteses dão consistência à formulação de uma densidade gaussiana de Kernel. ~ A partir deste estimador. 25 a 28 de julho de 2010. Todavia. ∞) 2 Ver Deprins et al. [1998] para maiores detalhes. y ) do conjunto de produção dos pontos disponíveis desta tecnologia.η . δˆ) a partir de um conjunto ( y i . n o número de observações e h o parâmetro de amortização. Isto equivale a estimar a densidade f ( y. y ) sujeita a um certo nível de tecnologia. Outros métodos. 5 Campo Grande. são discutidos por estes mesmos autores. Paralelamente. i = 1. δ ) e construir as amostras bootstrap ( y i* . K l é uma função densidade de média zero para l = 1.η i . Eles definiram cinco hipóteses para caracterizar o DGP do modelo DEA. para cada unidade de produção. como alternativas menos restritivas para esse impasse. y ) representa o estimador consistente da densidade sub-jacente f ( x.K. n no qual δˆi é um estimador DEA consistente de δ i .Eles também estimaram intervalos de confiança de modo a corrigir o viés inerente ao procedimento DEA.2 . O método FDH é derivado do método DEA e se baseia na ausência de regras que imponham a convexidade da fronteira de produção2.η i . estimadores de f ( y. [1984] e Kneip et al. onde η i* representa o número de observações de cada amostra bootstrap e δ i* o nível de eficiência estimado. Os termos p e q representam a quantidade de insumos e produtos.

y ) nos dá o estimador da variância de δˆ( x. Assim. pode-se estimar o viés bootstrap em relação ao estimador original δˆ( x. B em ordem crescente por valores algébricos. K . Então.K. y ) não é conhecida. tem-se um intervalo de confiança com alta probabilidade de que seja verdadeiro: ( ) Pr ob − ba* ≤ δˆ * ( x. isto equivale a organizar os valores δˆ * ( x. y ). Administração e Sociologia Rural . y ) . y ) − B −1 ∑ δˆb* ( x. y ) ˆ ou ( σˆ 2 ). y ) ≤ − a a* ℑ = 1 − α ( (7) ) Mecanicamente. y ) = δˆ( x. Os valores − ba* e − a a* serão iguais aos últimos pontos do conjunto preservado após a exclusão dos elementos citados acima. y ) = B −1 ∑ δˆb* ( x. y ) através de: [ ] B Viés est δˆ( x. a distribuição de δˆ( x. y )]) 2 para δˆ( x. y ) − δ ( x. tem-se necessidade de um h que tenha a propriedade seguinte : h = f (n −1 ( p + q + 4) ) . y ) − Viés B [δˆ ( x. os intervalos de confiança são calculados a ( ) partir das amostras bootstrap. 6 Campo Grande. Todavia. y ) . y ) será 4σˆ 2 se B → ∞ . a média estimada dos erros quadráticos de δˆ( x. y )]) 2 (6) Os valores bootstrap δˆb* ( x. y ) podem ser utilizados para construir os intervalos de confiança com relação aos verdadeiros valores de δ ( x. mas não tão rápido. y ) − δˆ( x. 25 a 28 de julho de 2010. y ) (4) b =1 O estimador corrigido deste viés será então: B ˆ δˆ ( x. y ) . b = 1. e σˆ 2 + (Viés [δˆ( x. Uma vez obtido os valores δˆb* ( x. Neste caso. a variância σˆ 2 será: [ ] est 1 3 σˆ 2 < (Viés B [δˆ( x. y ) − δˆ( x. b = 1. B . y ) − δˆ( x. y ) (5) b =1 A variância dos valores bootstrap δˆb* ( x. y )] = 2δˆ ( x.~ 2 f h ( z ) si z ∈ A ~  f h ( z) =   0 outros casos (3) ~ A consistência de f h ( z ) requer que h → 0 a medida que n → ∞ . Portanto. excluindo (α 2 ×100) − percent dos últimos elementos desta série. Neste caso. Sociedade Brasileira de Economia.

Os dados mais recentes relativos à conjuntura dos produtores no Vale do São Francisco foram obtidos através do questionário Investimento Publico e Privado em Agricultura Irrigada e seus Determinantes sobre o Emprego e a Renda. acerola. contemplando um total de 149 produtores especializados na produção de uva. para o ano agrícola de 1997 para o quadro de pequenos produtores. As variáveis explicativas são: • “Área irrigada” (AI). 3. comercialização e transporte das culturas irrigadas. sob demanda da Companhia de Desenvolvimento dos Vales do São Francisco e do Parnaíba (CODEVASF) e da Universidade Federal de Pernambuco (UFPE). em dólar (US$). diante da complexidade desta base de dados e para extrair somente os dados que serão analisados neste artigo. em dólar (US$). Resultados 4. K. Ele descreve dados. 25 a 28 de julho de 2010. • “A mão-de-obra” (MO). adubos. situado no Vale do São Francisco por ser considerado um diferencial na produção de fruticultura irrigada no semi-árido nordestino. Estudo de Caso Como teste para o método proposto. que descreve o espaço em que foi cultivada a produção. herbicidas. Todavia. em horas/ano. • “Despesas com Insumos” (IN). considerada uma proxy da quantidade produzida. A estimação das fronteiras de produção é efetuada com a agregação de todos os produtos. combustíveis. realizado entre março e setembro de 1998. São eles quem possuem maior valor agregado em termos de produção e que foram submetidos diretamente à tecnologia da irrigação. é analisado o caso do pólo Petrolina/Juazeiro. manga. mudas. em cortes transversais. água e energia. que corresponde à mão-de-obra familiar ou contratada por cada produtor nos processos de produção. A variável dependente será o “Valor da Produção” [VP = ƒ(AI. banana e coco.1.2. Administração e Sociologia Rural . que descreve o total das despesas com sementes. MO)]. Análise Descritiva dos Dados 7 Campo Grande. empresas agrícolas e empresas agro-industriais de todo o Vale do São Francisco. em hectare. IN. goiaba. Sociedade Brasileira de Economia. selecionou-se apenas os dados referentes aos produtores de fruticultura irrigada. • “O Capital” (K). que descreve o inventário dos prédios e equipamentos presentes na propriedade rural.

Isto se deve basicamente ao tipo de cultura produzida.812. É necessário salientar aqui que alguns produtores são especialistas na produção de dois ou três tipos de culturas. Isto pode gerar diferenças entre produtores no tocante ao nível de despesas com insumos.00 12.030.50 16. uma cultura de alto valor agregado. seus desvios-padrão.00 Insumos Dólar (US$) 2. A variável mão-de-obra apresenta grande disparidade entre seus valores mínimo e máximo. capital e mãode-obra.600. em média. 3 Não há como analisar cada cultura separadamente porque a quantidade de observações por cultura.A estatística descritiva dos dados (Tabela 1) mostra que.00 76. IN. Todavia. e US$ 8. alguns produtores produzem mais de uma dessas culturas e esse estudo de caso pretende analisar o quadro do produtor em particular e não da cultura em si. por cultura. 25 a 28 de julho de 2010. que são proporcionais às quantidades de culturas que eles produzem. enquanto que outros se concentram na produção de uma única cultura.28 400.000.00 ha por proprietário. Além do mais. teoricamente. Tabela 1: Estatística descritiva dos dados Variáveis Unidade medida Valor da produção Dólar (US$) Área irrigada de Média Desviopadrão Mínimo Máximo 10. K e MO possuem índices médios de US$ 10.00 Hectare 4.61 2.579. As variáveis VP. Isso pode ser explicado pela agregação dos seis tipos de culturas citadas acima3.00 Fonte : CODEVASF. cada produtor dispõe de um espaço razoável para produzir cada uma de suas culturas utilizando a tecnologia disponível. Culturas como acerola e banana são caracterizadas por produções em grande escala e com várias colheitas ao longo do ano.69 238.66 12.00 Mão-de-obra Horas/ano 295.43. a maior parte dos produtores utiliza.43 ha por produtor. e assim. 4.955.00 Capital Dólar (US$) 8. a mão-de-obra se concentra basicamente na colheita. chega a ser inferior ao mínimo necessário para se obter resultados significantes. lotes de 5.55. No caso da uva. e conseqüentemente variâncias. embora haja disparidade entre os valores mínimos e máximos.210. AI tem uma média de 4. Administração e Sociologia Rural .43 2.61.55 10.030. em alguns casos.43 16. US$ 2.579. AI. 8 Campo Grande.506. como por exemplo a uva.812. exige-se a contratação de mão-de-obra especializada.596. Sociedade Brasileira de Economia.00 209.32 0. fatores de produção dentro da margem esperada pela CODEVASF e EMBRAPA. por exemplo. respectivamente.48 150. em média. são relativamente grandes.00 120.274. Este índice mostra a eficiência do plano da CODEVASF ao distribuir. Assim. Os controles fitossanitários são menos freqüentes do que os exigidos para outras culturas como uva e manga.43 ha.00 1.

Resultados das Estimações DEA-V A análise dos cinco primeiros níveis de eficiência (Tabela 2) mostra que os fatores que causam a ineficiência técnica são o capital e a mão-de-obra.00 7. 25 a 28 de julho de 2010. Vale lembrar que não existe um método satisfatório para amortizar o efeito da heterocedasticidade quando se utiliza uma abordagem não paramétrica. ela foi mantida no modelo.66) (4. Administração e Sociologia Rural . Vale lembrar que estão ainda em processo de expansão de suas capacidades produtivas. Em alguns casos. ligado à utilização de mão-de-obra em quantidade de horas excessivas. O número de horas de trabalho por ano é o segundo fator responsável pela redução da eficiência.10) (7. Tabela 2: Os cinco primeiros níveis de eficiência do modelo DEA-V e seus valores/quantidades utilizadas e ideais (entre parêntese) VP AI IN K MO Rendimento Rank Nível (US$) (ha) (US$) (US$) (horas/ano) de escala 75. se quiserem aumentar seus níveis de eficiência.593.9791 (76. bem como o número de horas por trabalhador. incluindo a contratação de novos empregados.00 936 Decrescente 1º 0. despesas extras para os produtores.48) (611) 9 Campo Grande. Há duas explicações possíveis para esse empasse: ou os produtores trabalharam mais que deveriam.274. como esta variável é indispensável à estimação dos índices de eficiência DEA. são os responsáveis por sua quarta colocação.000. Detectou-se também a presença de heterocedasticidade causada pela variável “despesas com insumos”. 4. este fator. na maior parte dos casos. No caso particular do quarto produtor. Desse modo. este nível está correlacionado ao processo de transporte e comercialização do produto.2. utilizou-se o método gráfico e os testes de Park.000. Esses resultados também mostram que os produtores devem gerenciar bem a aquisição de novas máquinas e equipamentos. O primeiro produtor da Tabela 2 é o mais eficiente num sentido relativo. enquanto os demais são caracterizados por rendimentos crescentes de escala.00) (7.956. Para detectá-la. Os níveis de eficiência próximos de zero estão diretamente ligados à grandes diferenças entre os valores/quantidades utilizados e os ideais estimados pelo modelo. O primeiro e o quinto colocados da Tabela 2 apresentam rendimento decrescente de escala.274.00 7. a diferença entre o valor do capital utilizado e o valor ideal (entre parêntese) chega ao patamar de US$12. Todavia.00 6. que representa. Glejser e White.00. estas reduções não são de grandes magnitudes.e sua permanência no espaço cultivado pode chegar ao triplo do número de horas exigidas para os produtores de banana e acerola. Sociedade Brasileira de Economia.235. ou utilizaram um excedente de mão-de-obra que os levaram a despesas excedentes. Embora ele deva reduzir um pouco de cada fator de produção. Os produtores possuem capital superior ao necessário para produzir as culturas irrigadas.

as variâncias dos cinco produtores são 0.160 (27.19% estão na região de rendimento decrescente.7058 (72.00 1148 Crescente 0.285. Administração e Sociologia Rural .26) (3.42) (948) 7.2 a 0.00 (6.00 624 0.00 16.00 (1. Os desvios-padrão são relativamente pequenos.02) Fonte : CODEVASF.57) (4.160. Os quatro primeiros produtores apresentados na Tabela 3 possuem níveis de eficiência fora do intervalo de confiança. 0. a quarta coluna descreve o desvio-padrão estimado pela raiz da equação (6).000013. violam a 10 Campo Grande. Isto mostra que. Estes resultados se encontram na Tabela 3. e. (6. Após as 2. a maior parte deles está em fase de expansão de suas capacidades produtivas. 52. a quinta e a sexta apresentam os valores mínimo e máximo do intervalo de confiança dado por (7) ao nível de significância de 5%.0051.865.00) 1.707.29) (6. enquanto que 28. uma superestimação dos níveis de eficiência pelo método DEA-V tradicional.000 replicações bootstrap.624. sinônimo de variâncias centradas na média.94) (3.198. gerou-se 2. Em seguida.707.00) (13. com exceção das que obtiveram nível de eficiência igual à unidade.709.45.108. Isso pode estar indicando. Sociedade Brasileira de Economia.05) (5.0012.90) 22. respectivamente.000.8238 Crescente (20.35% dos produtores estão situados na parte da fronteira onde se observa rendimento crescente de escala. 25 a 28 de julho de 2010. Resultados do Método de Simulação Bootstrap Para estimar os intervalos de confiança bootstrap.00 9. A primeira coluna mostra a distância produto δˆ( x.00) (319) Segundo a estimação do modelo DEA-V.7716 Crescente Decrescente 0. Todavia.272.00 4º 5º 16.170.00 (914) 1.000.388.865.00) (6.46% apresentam rendimento constante.270.00) 19.000 replicações bootstrap a partir da amostra original (149 produtores).670.339.9291 (56.000. ou seja.00 3º 6.00 (610) 1.6.170. utilizou-se todas as observações de produtores.000072. A surpresa vem do fato de que os níveis de eficiência simulados são inferiores aos índices estimados pelo método convencional.00 5. a [ ] terceira o viés estimado Viésest δˆ ( x. a segunda. y ) pela simulação bootstrap.00015. nesse caso. a fim de evitar problemas com outliers. 0.00) (4. e somente 19. visto que somente o segundo produtor teve seu índice de eficiência aumentado. o nível de eficiência estimado δˆ * ( x. 0. y ) pela equação (4).00 6.00) 50. os níveis de eficiência são aproximados aos estimados pelo método DEA-V clássico.730. 0.00 (5. no conjunto das estimações DEA-V.00 2º 3.44) 13.3.00 3. Os viéses são positivos com exceção do segundo produtor.900.00 14. pois seu nível de eficiência simulado foi superior ao estimado pelo modelo clássico. y ) estimada (ou nível de eficiência).184 0. 4.752. Tais produtores possuem níveis de eficiência situados no intervalo 0.264.

assim. Simar e Weiner [2000] mostraram que.9351 -0. Esta velocidade é geralmente inferior à do estimador DEA. não é possível calcular a elasticidade de produção sobre esta fronteira.9666 2º 0. sua função de produção correspondente não será mais côncava.9248 0. Trata-se do estimador proposto por Deprins et al.8238 0. o estimador FDH converge em direção à verdadeira fronteira.6914 0. Todavia. corretamente normalizado pelo tamanho da amostra. y ) padrão mínimo Máximo 1º 0. o FDH (Free Disposal Hull).000 replicações) Rank DesvioValor Valor δˆ( x.9194 0. y ) Viésest δˆ ( x. Isto permite construir intervalos de confiança assintóticos para os produtores 11 Campo Grande. o viés estimado. y ) δˆ * ( x. De fato.0207 0.7058 0. tende a uma distribuição Weibull e depende de parâmetros aleatórios inobservados. [ ] Os níveis de eficiência bootstrap e seus respectivos intervalos de confiança são úteis quando se está interessado em investigar as distâncias produto corretas que permitam estabelecer uma fronteira de produção mais próxima do que seria sua verdadeira representação.7142 Fonte : CODEVASF. O estimador.9791 0.0120 0. Trata-se da hipótese de convexidade do conjunto de produção. sob algumas condições.0081 0. existe uma condição que pode inverter toda a balança de um lado ou de outro. ter-se-ia múltiplos equilíbrios e a balança tenderia a um valor de produção não-linear. poder-se-ia propor uma outra abordagem. Desta forma. pode-se testar uma especificação convexa contra uma especificação não convexa do conjunto de produção.8216 4º 0.9026 0.7833 0.7716 0. ter-se-ia um meio de verificar a validade da hipótese de convexidade e.hipótese nula de que o nível de eficiência convencional se igualaria ao nível de eficiência simulado pelo bootstrap. Para isto.0060 0. Como a simulação bootstrap é feita a partir do modelo DEA. Se esta hipótese não pode ser verificada.9471 3º 0.0688 0.6521 0. Tabela 3: Os cinco primeiros níveis de eficiência do modelo DEA-V e seus resultados com relação aos níveis de eficiência bootstrap. pois se impõe um número menor de estruturas ao modelo (ausência da hipótese de convexidade). Administração e Sociologia Rural . como esta simulação é efetuada no contexto de uma abordagem não paramétrica.0314 0. Eles derivaram também uma distribuição assintótica da distância FDH em relação à fronteira. um conjunto de produção convexo implica diretamente numa função de produção côncava. 25 a 28 de julho de 2010. a existência de múltiplos equilíbrios ou não. os níveis de eficiência e os intervalos de confiança bootstrap (que são mais largos neste caso). Contudo. baseada sobre a validade da hipótese de convexidade do conjunto de produção.8031 0. Park. Sociedade Brasileira de Economia. [1984]. Diante de uma função de produção não-côncava.1191 0.6918 0. o desvio-padrão e o intervalo de confiança (para um nível de significância de 5% e 2. por conseqüência.0140 0.0035 0.6917 5º 0.6501 0. Vale também ressaltar que os dados são heterocédasticos e este “pequeno detalhe” pode influenciar a construção da fronteira de produção e.0543 0.9291 0. utilizar-se-á um estimador de fronteira tecnológica não repousando sobre a hipótese de convexidade do conjunto de produção. Todavia.

páginas 51-52]). y )) ⋅ N −1 5 . neste artigo. Portanto. respectivamente. Administração e Sociologia Rural . iremos utilizar o estimador FDH somente para estabelecer um teste de hipótese sobre a convexidade do conjunto de produção.e testar se um determinado produtor é realmente eficiente. deve-se testar se a taxa média é significativamente diferente da unidade. Para isto. Para verificar a natureza da convexidade ou não do conjunto de produção. supõe-se um parâmetro de amortização ótimo dado por h = 1. a taxa δ iDEA−V δ iFDH será necessariamente inferior ou igual a 1 para todo i = 1. utiliza-se o procedimento proposto por Simar et Wilson [1998] e Silverman [1986.1511 .6534. e a aproximação assintótica pode se revelar insuficiente. o conjunto de produção FDH está contido no conjunto de produção DEA-NIRS (rendimento de escala não crescente). será considerada a estatística seguinte para testar a convexidade : δ iDEA−V FDH i =1 δ i N R = N −1 ∑ (8) É necessário somente simular a distribuição desta estatística sob a hipótese nula de convexidade ( R = 1 ) contra a de não convexidade ( R < 1 ) e situar a estatística estimada Rˆ = 0. os parâmetros não observados não são tão fáceis de estimar. Trata-se de estimar a densidade da eficiência com ajuda do estimador proposto por Silverman [1986] e formar amostras bootstrap sob a hipótese nula estimando a eficiência a partir desta distribuição. assim. pode-se estabelecer um teste para a convexidade do conjunto de produção. Para isto. 12 Campo Grande. Neste intuito. possui o valor médio de é 0. Segundo Adjemian [2002]. diminuindo à medida que o nível de eficiência aumenta. Os níveis de eficiência média dos modelos DEA-V e FDH são 0. as distâncias em relação à fronteira FDH são mais importantes que as estimadas pela fronteira DEA-V. observa-se a que a densidade se torna monótona decrescente. páginas 142-147]. K N .1384 e hˆFDH = 0. Por construção. Sociedade Brasileira de Economia. K N . que por sua vez pertence ao conjunto de produção DEA-V. Por construção.3335. observam-se 25 produtores eficientes no modelo DEA-V contra 56 do modelo FDH. Assim.06 ⋅ std (δ ( x. 25 a 28 de julho de 2010. Para estimar estas densidades. y )) representa o desvio-padrão da variância (6) e N o número de observações de produtores com exceção dos que obtiveram nível de eficiência igual a 1. A Figura 1 mostra a densidade de kernel para a taxa δ iDEA−V δ iFDH . Os valores estimados deste parâmetro são hˆDEA−V = 0. será utilizada a taxa δ iDEA−V δ iFDH para todo i = 1.3335 com relação a esta distribuição.4350 e 0. onde std (δ ( x. que no caso da estimação deste estudo. Agora. Este procedimento é o de cross-validation (ver Silverman [1986. Ou seja. a massa de probabilidade se concentra à esquerda. Após a exclusão das observações com nível de eficiência igual a 1.

a taxa δ i δi convergirá em direção à fronteira à uma taxa dada por − q + p −1 ( q + p )( q + p +1) N . O estimador FDH converge à N . a variância da distribuição desta taxa sob hipótese nula tenderá à zero à medida que a dimensão da amostra tende ao infinito. [1998]. Isto se deve ao fato que o estimador FDH não explora informações sobre a convexidade do conjunto de produção. tem-se a velocidade R ~ N 15 . O estimador DEA converge mais rápido em direção á fronteira que o estimador FDH. Desta forma. para todo (q. Segundo Kneip et al. 25 a 28 de julho de 2010. Sociedade Brasileira de Economia. o estimador DEA converge em direção à verdadeira fronteira à uma velocidade − 2 q + p +1 − 1 q+ p dada por N para q produtos e p insumos. o estimador FDH é mais viesado que o estimador DEA sob a hipótese nula de uma fronteira DEA-V com distância finita. A Figura 2 dá a estimação da distribuição da estatística de teste sob hipótese nula de convexidade. DEA−V FDH Assim. Administração e Sociologia Rural .Figura 1 : Densidade estimada da taxa de eficiência DEA-V/FDH Fonte: CODEVASF Este procedimento foi aplicado com 2.000 replicações bootstrap. 13 Campo Grande. Normalmente. No 2 − ~ caso em particular deste artigo.1)) . p ) ≥ (1. para q = 1 e p = 4 .

se concentram no intervalo de eficiência [0-0. eles são reduzidos sob simulação. Administração e Sociologia Rural . não a hipótese de rendimento de escala. os dados são heterocédasticos e utiliza-se múltiplos produtos. a distribuição é relativamente concentrada devido aos fatores de convergência citados acima. após as 2.3]. O estimador deste artigo ( Rˆ = 0. 25 a 28 de julho de 2010. Normalmente. o que pode ocasionar alguns problemas quando os dados são submetidos a uma técnica de simulação como o bootstrap. Sociedade Brasileira de Economia. Vale lembrar. Além do mais. é possível que existam múltiplos equilíbrios.000 replicações. Se fosse efetuado o mesmo teste supondo um modelo DEA-C.3335 ) não pertence a esta distribuição e se situa à sua direita. os resultados tenderiam a ser idênticos aos encontrados pelo método DEA-V para as combinações convexas dos fatores de produção observados. espera-se melhorar tais resultados com a ajuda do bootstrap. Ou seja.Figura 2 : Teste da convexidade do conjunto de produção Fonte: CODEVASF Como se pode observar na Figura 2. Todavia. 14 Campo Grande. como o conjunto de produção não é convexo. que é a convexidade que está sendo rejeitada. A hipótese de uma fronteira côncava é rejeitada não importa quais índices de eficiência sejam utilizados na simulação. o que pode explicar esse resultado contraditório. Pode-se observar também que os níveis de eficiência. no entanto.

Wu. Barros. W. Conclusões Diante dos resultados encontrados pelo método DEA-V e pelas simulações com o bootstrap. embora tenham apresentado certa dificuldade em gerenciar suas despesas com capital e mão-de-obra. Sampaio (2004a) « Analise de eficiência através da estimação de fronteiras paramétricas Cobb-Douglas et Translog : o caso das empresas agricolas do polo Petrolina/Juazeiro. neste caso específico. Simar. os resultados encontrados pelos métodos DEAV estariam viesados e superestimados quando comparados àquela que seria gerado pela verdadeira fronteira de produção. 14. 42. Tais problemas foram acentuados e vistos no seu verdadeiro ângulo quando os dados foram submetidos à simulação. Referências Bibliográficas Adjemian. et E. (2002) « Divergence des nations et progrès technique ». 2.4. » Revista de Economia e Sociologia Rural. 04. o método bootstrap vem dar o suporte necessário à identificação de tais problemas e. E. Barros. mesmo que ele esteja bem posicionado em termos de competição internacional. S. Rhodes. D. Sampaio (2004b) « Analise da eficiência das empresas agricolas do polo Petrolina/Juazeiro utilizando a fronteira paramétrica Translog. S. 1. Administração e Sociologia Rural . Charnes. “normalizar” as estimações dos modelos de fronteiras de produção não-paramétrico DEA. S. de modo a antecipar a evolução da demanda e adaptar as técnicas utilizadas à regulamentação. & Tulkens. 1295-1298. 25 a 28 de julho de 2010. Rio de Janeiro. L. Beran. Cooper. (1986) Discussion of “Jackkinife bootstrap and others resampling methods in regression analysis” by C. melhorando a formação de capital humano. Annals of Statistics.. A. Sociedade Brasileira de Economia. 7-19. J.. a ser uma referência em termo de desenvolvimento para a região do semi-árido nordestino. 35.. F. Thèse de doctorat à l’Université d’Evry-Val-d’Essonne. W. No tocante aos pequenos produtores do pólo Petrolina/Juazeiro. (1978) “Measuring Efficiency of Decision Making Units”. 597-614. In: M. » Revista Econômica do Nordeste. Costa et Y. A disponibilidade de avançados sistemas de irrigação ligados à utilização de insumos modernos pode conduzir o conjunto destes produtores a produções eficientes. Costa et Y. E. em alguns casos. pode-se observar que os mesmos conseguiram assimilar a tecnologia da irrigação. Ganhos são possíveis através da implementação de toda a infra-estrutura necessária à fruticultura irrigada. Portanto. Deprins. 15 Campo Grande. H. Todavia. R. (1984) Measuring labor inefficiency in post offices. os resultados sugerem que ainda é possível melhorar a capacidade de geração de renda e ampliar sua capacidade de concorrência ao nível internacional. O pólo Petrolina/Juazeiro continua. E. European Journal of Operational Research. E. sem dúvidas. Este trabalho sugere que. Isto mostra a contribuição dos métodos de simulação ao se comparar os métodos de estimação de fronteiras de produção DEA convencionais com os resultados encontrados pelo bootstrap. 429-444. pode-se afirmar que o bootstrap apontou problemas ligados a heterocedasticidade e que geraram a não convexidade do conjunto de produção.

et D.” J. Chapman and Hall). R. and Lovell. L. P. (1999) Estimating and bootstrapping Malmquist indices. Wilson. R. 63-76. Simar. Econometric Theory.. 14. P.Färe.. W. European Journal of Operational Research. W. (1998) A note on the convergence of nonparametric DEA efficiency measures. 27. Administração e Sociologia Rural . Sherpard. (2000a) “A general Methodology for Bootstrapping in Nonparametric Frontier Models”. Simar. 189-208. pp. Simar et C. J. K. U. P. 16. W. L. Simar. L. & Wilson. 51. Park. M. 6. J.. L. 49–78.” J. O. (1970) “Theory of Cost and Production Functions”. 779–802. (1992) “Estimating efficiencies from frontier models with panel data: a comparison of parametric. Richards (2004) « Bootstrapping efficiency probabilities in parametric stochastic frontier models. R. Management Science. (2000b) “Statistical Inference in Nonparametric Frontier Models: The State of the Art. Grosskpof. 115. Hardle et L. 49± 61. 25.. 855-877. NY. 13. L. (1985) The Measurement of Efficiency of Production. non-parametric and semi-parametric methods with bootstrapping. C. Series A Pt. 44. Statist. Appl. 120. Weiner (2000) « The FDH estimator for productivity efficiency scores : asymptotic properties. Sociedade Brasileira de Economia. (1989) “The effect of simulation order on level of accuracy and power of Monte Carlo tests. A. » Econometric Theory. Wilson. Productivity Anal. (1957) “The Measurement of Economic Efficiency”.W. Princeton: Princeton University Press. (1998) Sensitivity analysis of efficiency scores: How to bootstrap in nonparametric frontier models.W. L. B. P. P. Hall. 6.. Farrell. Jensen. & Simar. III. Silverman. Titterington. Simar. & Wilson. M. et S. Simar (1995) “Iterated bootstrap with applications to frontier models. 459-467. Journal of the Royal Statistical Society. C. 63-76. Hall. Statistic Society B.” Journal of productivity analysis. (2000) “Is it efficiency to analysis efficiency ranking?” Empirical Economics. (in press). Simar. Horrace.” Journal of productivity analysis. 16 Campo Grande. Kneip. 459± 471. 783± 793. L. » Syracuse University. pp. B. P. 252-281. Boston: Kluwer-Nijhoff Publishing. S. Park. 25 a 28 de julho de 2010. (1986) Density Estimation for Statistics and Data Analysis (London. pp. B.