UN ANÁLISIS DE LA EFICIENCIA DEL GASTO MUNICIPAL Y DE SUS

DETERMINANTES*
Pedro Herrera Catalán**
Pedro Francke Ballve***
Pontificia Universidad Católica del Perú
LIMA - PERÚ
Febrero, 2007
RESUMEN
En este estudio se analizó la eficiencia del gasto local en 1686 municipalidades del país
para el año 2003 mediante la interpretación de las actividades públicas locales como
un proceso de producción que transforma inputs en outputs (Bradford et. al., 1969 y
Fisher, 1996). Se establecieron para ello diversas fronteras de producción construidas a
partir de los mejores resultados dentro de grupos de municipalidades y luego se estimó
la eficiencia relativa como la distancia a dichas fronteras. Se utilizaron 5 metodologías
para la estimación de la frontera de producción (i) no paramétricas: Free Disposal Hull
(FDH) y Data Envelopment Analysis (DEA-CRS y DEA-VRS) y (ii) paramétricas:
una determinística y otra estocástica, las cuales se estimaron a través de las 10
categorías de municipalidades definidas mediante de una metodología de
conglomerados. Finalmente, a partir del empleo de modelos de tipo Tobit, se
analizaron los determinantes fiscales, socioeconómicos y demográficos de los
resultados eficiencia encontrados. Los resultados obtenidos son diversos y varían
según la categoría del municipio analizado, y a pesar que fue posible identificar
algunas buenas prácticas municipales, los resultados a nivel nacional son preocupantes
dado que indican que se podría alcanzar la misma provisión de bienes y servicios
municipales con 57.6% menos recursos. Entre los principales determinantes de este
gasto ineficiente se encontraron las transferencias de los recursos del FONCOMUN y
del canon, sobretodo a nivel distrital, mientras que uno de los factores que
permitieron una provisión más eficiente de los servicios públicos locales fue la
participación ciudadana, aproximada por la presencia de los Consejos de Coordinación
Local. En el marco de la promulgación del Decreto Supremo No. 068-2006-PCM, en
octubre del 2006, por el cual se establece la culminación de las transferencias de
competencias y funciones inicialmente programadas para el período 2006-2010, hacia
fines del año 2007, los resultados obtenidos resaltan la necesidad de concentrar
mayores esfuerzos en mejorar la eficiencia del gasto a nivel local.
CLASIFICACIÓN JEL: C14, D24, D60, H71, H72
PALABRAS CLAVE: Gasto municipal, desempeño de gobiernos locales, eficiencia,
fronteras de posibilidades de producción paramétricas y no paramétricas.
*

Agradecemos al Consorcio de Investigación Económica y Social (CIES) por el financiamiento
brindado para la elaboración del presente estudio. Asimismo, a la Dirección Nacional de Contabilidad
del MEF por la provisión de la información estadística municipal. Finalmente, agradecemos a Ramiro
Málaga, profesor del Departamento de Economía de la Pontificia Universidad Católica del Perú
(PUCP), por los comentarios a la versión preliminar del presente estudio.
**
Profesor del Departamento de Economía de la Pontificia Universidad Católica del Perú (PUCP),
ppherrer@pucp.edu.pe, y consultor de la Dirección General de Economía Internacional, Competencia
e Inversión Privada del Ministerio de Economía y Finanzas del Perú, pherrera@mef.gob.pe.
***
Profesor del Departamento de Economía de la Pontificia Universidad Católica del Perú (PUCP),
pfranck@pucp.edu.pe.

1. Introducción.
El análisis de la eficiencia es un campo de creciente relevancia en el ámbito de la
actividad económica en general, y del sector público en particular, principalmente en la
función de provisión de bienes y servicios públicos (Fox, 2002). Los argumentos que
justifican un análisis de eficiencia en el sector público son diversos. Entre ellos se
encuentran, la magnitud de su actividad económica en el agregado de la economía, la
ausencia de competencia en gran parte de los servicios públicos provistos, la necesidad
de justificar resultados en un contexto presupuestario restrictivo, el impacto de los
servicios públicos en el crecimiento económico y el bienestar de la población; entre
otros.
En el Perú este tipo de análisis adquiere relevancia, en el marco del actual proceso de
asignación de competencias y funciones sectoriales a los Gobiernos Regionales y
Locales, el cual se inició en octubre del 2003 con la promulgación del Decreto
Supremo No. 088-2003-PCM por el cual se transfirieron los proyectos de
infraestructura social a cargo de FONCODES a 241 Gobiernos Locales distritales, y
de los programas de comedores, alimentos por trabajo, hogares y albergues a cargo del
PRONAA a 67 Gobiernos Locales provinciales1. Posteriormente, mediante el Plan
Anual de Transferencias de Competencias Sectoriales de los Gobiernos Regionales y
Locales para el año 2004, se completó la transferencia de los programas del PRONAA
y FONCODES iniciada en el 2003, a 58 municipalidades provinciales y a 165
municipalidades distritales, respectivamente2. En el Plan Anual de Transferencias para
el año 2005 no se estableció transferencia alguna a los Gobiernos Locales; mientras
que en el plan de transferencias correspondiente al año 20063, se programó la
transferencia a los municipios provinciales de los programas del PRONAA y del
PROVÍAS RURAL, y a los Gobiernos Regionales las funciones de los sectores de
Educación, Energía y Minas, Salud, Trabajo y Promoción del Empleo y de la PCM.
Como puede observarse el Perú se encuentra inmerso en un proceso de asignación de
competencias y funciones a los menores niveles de gobierno, que según la política que
viene implementando el gobierno de García, se irá profundizando en los próximos
años. Una muestra de lo anterior se evidencia en la promulgación en octubre del 2006
del Decreto Supremo No. 068-2006-PCM por el cual se estableció la culminación de
las transferencias de competencias y funciones inicialmente programadas para el
período 2006-2010 hacia fines del año 2007, así como en la promulgación del Decreto
Supremo No. 076-2006-PCM (también en octubre del 2006) por el cual se amplió el
plan anual de transferencias del año 2006 asignándose mayores competencias y
funciones a los Gobiernos Regionales y Locales.
Actualmente, es la implementación de este conjunto de políticas las que han relanzado
el debate sobre la eficiencia y las capacidades de gestión de los municipios peruanos.
La discusión gira en torno al argumento que sostiene que estos niveles de gobierno no
1

Asimismo, se estableció la transferencia del programa de mantenimiento rutinario de caminos
vecinales y departamentales de PROVIAS RURAL del Ministerio de Transportes y Comunicaciones,
a 12 Gobiernos Locales provinciales y a 4 Gobiernos Regionales, respectivamente; y la transferencia
del programa de reconstrucción de ORDESUR a 29 Gobiernos Locales provinciales. Estas
transferencias se realizaron en función al cronograma de transferencias para el año 2003 aprobado
mediante el Decreto Supremo No. 036-2003-PCM del 2 de abril del 2003.
2
Además se estableció transferencia del Proyecto de Infraestructura de Transporte Rural del
Ministerio de Transportes y Comunicaciones a 97 Institutos Viales Provinciales y la transferencia de
proyectos de inversión en infraestructura productiva de alcance regional del Ministerio de
Agricultura, del Ministerio de Transportes y Comunicaciones, del Ministerio de Comercio Exterior y
Turismo y del Ministerio de Vivienda, Construcción y Saneamiento; a los Gobiernos Regionales.
3
Aprobado en abril del 2006 mediante Decreto Supremo No. 021-2006-PCM.

2

poseen las capacidades necesarias para asumir las competencias que determinarán su
propio desarrollo. En contraposición a este argumento se encuentran aquellos que
consideran al municipio como el espacio fundamental para la real democratización de
las decisiones y la escala necesaria para mejorar la gestión pública y acceder a un
Estado eficiente (Kliksberg, 2004). La racionalidad teórica que subyace a las políticas
que asignan responsabilidades y funciones a los niveles menores de gobierno, supone
que la participación de estos en escoger el uso de los recursos públicos, les permite
una mejor adecuación entre la provisión de los servicios locales y las preferencias o
necesidades sentidas de la población (Oates, 1972). Adicionalmente, este tipo de
resultados favorece el esfuerzo de constituir gobiernos más eficientes y democráticos,
al reducir las oportunidades de corrupción mediante la simplificación de los canales
burocráticos (Marlow, 1988 y Sampaio de Sousa y Stosic, 2003).
Si bien actualmente no se cuenta con información sistemática respecto a las
capacidades de gestión a nivel local, se han desencadenado diversos hechos que
podrían indicarnos la existencia algún grado de ineficiencia en estos niveles de
gobierno. En primer lugar, cabe considerar el hecho ocurrido en el año 2004 por el cual
el MIMDES tuvo que realizar una ejecución conjunta de los programas del PRONAA
y FONCODES con 58 municipalidades provinciales y 165 municipalidades distritales,
debido a las reducidas capacidades de gestión de estos niveles de gobierno. Este
proceso exigía como requisito la suscripción de convenios de cooperación para el
fortalecimiento institucional, el cual culminaría con la transferencia completa de las
responsabilidades de dichos programas, previa suscripción de convenios de gestión.
En segundo lugar, el incremento de los saldos de balance de los Gobiernos Locales
debido a la no ejecución en gasto de inversión de los recursos del canon minero,
hidroenergético y pesquero, principalmente (tal como establece la normatividad
vigente) lo cual podría estar indicando que estos niveles de gobierno no cuentan con
las capacidades de gestión suficientes para la ejecución de obras de inversión pública,
aún cuando el SNIP no establece límite de monto para que los Gobiernos Locales
declaren la viabilidad de sus proyectos inversión4. En tercer lugar, existe evidencia
anecdótica de algunas obras municipales que serían indicativas de la improductividad
que viene generando los mayores recursos del canon asignados a los Gobiernos
Locales, los cuales priorizan obras carentes de rentabilidad social, insostenibles e
incompatibles con sus Planes de Desarrollo Local y Regional Concertados, como por
ejemplo el “Monumento al Lagarto” y el “Parque al Arbitro” en Tumbes, la “Plaza de
Toros México” y el “Estadio Municipal Azteca” en Cajamarca o el “Mirador de
Tambopata” en Madre de Dios, cuya construcción de éste último además de
obstaculizar el tránsito, opera de manera limitada (por los altos costos de electricidad
de la zona), implicando un costo de mantenimiento mensual de 200 mil soles.
Finalmente, cabe mencionar el elevado porcentaje de municipalidades que incumplen
las reglas fiscales establecidas en la Ley No. 27958, Ley de Responsabilidad y
Transparencia Fiscal5, que podría estar indicando algún grado de ineficiencia
administrativa6.
En este contexto, dado que únicamente la descentralización del gasto público no
garantiza una adecuada provisión de bienes y servicios públicos por parte de los
Gobiernos Locales, resulta necesario establecer criterios de eficiencia que pueden
constituirse en una herramienta de análisis para la evaluación de cómo los recursos
4

El incremento de los saldos de balance a nivel local viene siendo sistemático. En el año 2004 y
2005, este saldo de balance ascendió a S/. 241 y S/. 590 millones, respectivamente.
5
48.9% a nivel nacional. Al respecto véase al respecto MEF (2004).
6
Una de las reglas en mención establece que el saldo de la deuda respecto a los ingresos corrientes no
debe exceder el 100%. Por tanto, el hecho que el saldo de deuda del municipio “x” exceda el monto
de sus ingresos corrientes, no necesariamente responde a una gestión municipal eficiente.

3

para lo cual se utilizó como variable input el gasto municipal per cápita por entidad y como variables output diversos indicadores construidos a partir del Registro Nacional de Municipalidades 2004 (RENAMU 2004). En la séptima sección. se presentan las metodologías no paramétricas y paramétricas que se utilizarán para realizar el análisis de eficiencia municipal. En ese sentido. En la primera.públicos vienen siendo gastados por estos niveles de gobierno. El análisis se realizó mediante la aplicación de diversas metodologías de estimación. se presenta la metodología de conglomerados y se realiza una tipología municipal sobre la base de esta metodología. El presente estudio se divide en ocho secciones. et. Esta segmentación (tipología municipal) se realizó mediante un análisis de conglomerados. para lo cual consideramos indispensable la implementación de un sistema de medición de las capacidades de gestión municipal que funcione de manera simultánea con un mecanismo de capacitación y asistencia técnica y de obtención de indicadores objetivos que procedan de los programas de transferencia de competencias y recursos hacia las municipalidades. se presenta la introducción del tema a investigar. el objetivo de este trabajo consistió en analizar la eficiencia del gasto de los municipios peruanos mediante la interpretación de las actividades públicas locales como un proceso de producción que transforma inputs en outputs/outcomes (Bradford. En la sexta sección. el grado de la urbanidad y el nivel de pobreza. en una segunda parte del estudio. En la cuarta sección. 068-2006-PCM. socioeconómicos y demográficos de la eficiencia municipal. 1996). en la octava sección. 1969 y Fisher. Los resultados obtenidos son diversos y varían según el grupo de municipio analizado. En la quinta sección. no paramétricas. es posible afirmar que en promedio hay un espacio importante para mejorar la eficiencia del gasto en los municipios peruanos. En el marco de la promulgación del Decreto Supremo No. Finalmente. El análisis de eficiencia descrito fue segmentado con la finalidad de analizar grupos de municipalidades conformados por unidades de gestión homogéneas. 4 . se presentan las conclusiones y las recomendaciones de política. determinísticas y estocásticas. por el cual se establece la culminación de las transferencias de competencias y funciones inicialmente programadas para el período 2006-2010 hacia fines del año 2007. socioeconómicos y demográficos de los niveles de eficiencia obtenidos. En la segunda sección. los resultados obtenidos resaltan la necesidad de concentrar mayores esfuerzos en mejorar la eficiencia del gasto a nivel local. al. se presentan los indicadores input y output que se emplearán en el análisis de eficiencia y se procede a estimar las diversas fronteras de producción. mediante la aplicación de diversos modelos de regresión de tipo Tobit se evaluaron los determinantes fiscales. en la cual se emplearon como variables características el tamaño de la población. se analizan. Sin embargo. Posteriormente. técnica multivariante que aglomera elementos o variables en grupos con la mínima varianza interna y la máxima varianza entre grupos. La tercera sección presenta el marco normativo del proceso de descentralización. considerándose la distinción entre municipalidades provinciales y distritales. los determinantes fiscales. a partir de modelos de tipo Tobit. se establece el marco teórico y conceptual que guiará la investigación.

8 Por ejemplo. y = ( y1 . al. La eficiencia técnica refleja la capacidad de una unidad económica para producir el máximo posible dado un conjunto de inputs.. el desempeño de las unidades de gestión se ha analizado mediante el concepto de eficiencia económica de Farell (1957). la eficiencia asignativa. 2000). la tercera fase de producción comprende la manera como estos bienes y servicios provistos (DOutputs) se transforman en mejoras en el bienestar local (denominados C-Outputs o Consumer Outputs. al.. Siguiendo a Lovell (2000).1969)8. pudiendo ser medida en términos de relaciones físicas entre el output observable y el máximo output obtenible (posible) para un conjunto de observables inputs. 2001).. la reducción de la tasa de criminalidad o la fluidez del tráfico. en el cual los recursos son transformados en actividades intermedias..2.. la cual interpreta las actividades públicas locales como un proceso de producción que transforma inputs (tales como capital y fuerza laboral) en outputs/outcomes (Bradford.. En esta fase de producción. es decir la habilidad para producir sobre la frontera de posibilidades de producción. cada uno emplea un vector de N inputs (recursos). y D ) mediante el desarrollo de un conjunto de diversas actividades. K municipalidades. muestra la capacidad de una unidad económica para escoger un conjunto óptimo de inputs. al.. La segunda fase de producción concierne la forma como esas actividades intermedias son transformadas en bienes y servicios locales provistos a la población (denominados DOutputs o Direct Outputs. et. El criterio de eficiencia de Farell (1957). 1 Modelación del proceso de producción local 7 Por ejemplo. x = ( x1 . dado un conjunto de k = 1. el número de efectivos policiales municipales o el número de unidades de servicio para el transporte público. para producir un conjunto de D outputs (productos). dada la tecnología.. Finalmente. dados los correspondientes precios y la referencia tecnológica.1969)7.. et. 2000 y Agrell y West. 5 . x N ) . el análisis de eficiencia permite capturar el grado de desempeño operacional municipal mediante el uso de indicadores de proceso (De Borger y Kerstens. Tradicionalmente. denominada también precio-eficiencia. El análisis de eficiencia municipal. al. et. Figura No. correspondiendo el primero a un proceso primario.. Por otro lado.1. según Bradford. Marco teórico y conceptual. Bradford. 2001). proceso que puede evaluase mediante el empleo indicadores de desempeño (Agrell y West... que se compone de la eficiencia técnica y la eficiencia asignativa. En línea con el concepto de eficiencia técnica de Farell (1957) es factible analizar el proceso de producción municipal mediante el empleo de diversos indicadores de gestión. se deriva de la teoría microeconómica de la producción. (1969) distinguen tres fases en el proceso de producción local. fase que puede evaluarse mediante el uso de indicadores de efecto (De Borger y Kerstens. 1996). 2. 1969 y Fisher. Bradford. et.

usualmente desconocida. que admite dos posibles interpretaciones: (i) el máximo output obtenible dado un vector de inputs (Coelli et. Charnes y Cooper (1984). La segunda fue introducida por Charnes. Simar y Tulkens (1984). a través de la estimación de una frontera de producción obtenida mediante la combinación de un conjunto de inputs y outputs.Medida Inputs primarios (recursos) Actividades (Outputs intermedios D-Outputs (resultados) C-Outputs (mejora del bienestar) Indicadores Proceso Desempeño Efecto Dimensiones Eficiencia Eficiencia Técnica Eficacia O b j e t i v o s Adaptado de Afonso y Fernandes (2003). posteriormente se han desarrollado versiones estocásticas (Land. por lo que una forma de medirla será mediante la comparación entre municipalidades. Free Disposal Hull (FDH) y Data Envelopment Analysis (DEA). 2003. y teniendo en cuenta la definición de eficiencia de Farell (1957) y la reciente literatura (véase. y asume rendimientos constantes o variables a escala. 1993. 2000 y Clements. 1957). 6 . Las aproximaciones no paramétricas o de programación matemática (véase. introducida por Deprins. Tanzi y Schuknecht. Novell y Thore. fuerte disponibilidad de inputs y outputs y convexidad del conjunto de combinaciones de posibles inputs y outputs. Destacan por su flexibilidad y la posibilidad de adaptarse a un contexto de múltiples inputs y outputs. 1995).. Worthington y Dollery. 2. 2002) es posible definir “desempeño municipal” al resultado del desarrollo de las políticas públicas locales y como “eficiencia del gasto municipal” al resultado relativo vinculado al análisis del gasto de recursos. al.2. Fronteras de producción y el análisis de eficiencia: la primera fase de los modelos de eficiencia en dos etapas.. 2002) o de manera alternativa como (ii) las posibles combinaciones de inputs para producir un nivel de output dado (Farell. Eeckhaut et. así como libre disponibilidad de los mismos. 2000a. A la forma como los inputs son combinados para producir outputs se le denomina tecnología de producción y se representa mediante una función de producción. Si bien la propuesta inicial fue desarrollada en un contexto determinístico. Afonso y Fernandes. Diversas metodologías se han utilizado para analizar la eficiencia municipal en las tres fases de producción local descritas anteriormente. 1993 y Olesen y Petersen. de que tan bien los recursos (inputs) son transformados en servicios locales (outputs). Bajo estas consideraciones. La primera de ellas. Destacan dos metodologías en este grupo. asume no convexidad del conjunto de combinaciones de inputs y outputs. Este conjunto de metodologías pueden compilarse en dos grandes categorías: no paramétricas y paramétricas. Cooper y Rhodes (1978) y extendida por Banker. al. a partir de los datos disponibles. entre otros) analizan la eficiencia de las unidades productivas a partir de un conjunto de supuestos adoptados sobre la referencia tecnológica.

con excepción de las unidades de gestión más pequeñas. Esta metodología considera que las desviaciones de la frontera se descomponen en dos componentes independientes. 1993. MOLS). (1990) utilizando una aproximación no paramétrica (DEA) y una metodología determinística encontraron similitudes en los resultados de eficiencia obtenidos.. pudiendo ser determinísticas y estocásticas. 1992) a diferencia de las no paramétricas. hallaron una débil correlación en los resultados de eficiencia obtenidos. Gong y Sickles (1992) señalan que los indicadores de eficiencia que proceden de la aplicación de una metodología estocástica superan a los obtenidos mediante una aproximación DEA. en una primera se obtiene el error compuesto mediante mínimos cuadrados ordinarios y luego se realiza la estimación mediante máxima verosimilitud. Aplicaciones empíricas vinculadas a la primera fase de los modelos de eficiencia.3. 2. sólo cuando la elección de la función de producción se aproxima a la subyacente referencia tecnológica y cuando existe una pequeña correlación entre los regresores del modelo y el término de ineficiencia técnica. especifican una determinada forma funcional para recoger las relaciones entre las variables analizadas. las metodologías paramétricas (véase. et. Por el contrario. Así por ejemplo. Ferrier y Lovell (1990) en un análisis de eficiencia para bancos comerciales en el cual emplearon una metodología DEA y una frontera de producción estocástica. Adicionalmente. véase Vanden Eeckaut. La estimación se realiza en dos etapas. así como diferencias insignificantes en los resultados de eficiencia que proceden de la aplicación de metodologías determinísticas y estocásticas (Corbo y De Melo. una FDH y tres DEA. COLS) o mediante mínimos cuadrados ordinarios modificados (modified ordinary least squares. Los desarrollos empíricos para el análisis de eficiencia en unidades de gestión han aplicado indistintamente aproximaciones no paramétricas como paramétricas9. Su estimación puede realizarse mediante mínimos cuadrados corregidos (corrected ordinary least squares. al. (1993) quienes estimaron una frontera de costos para analizar la relación entre el costo agregado y la cantidad de los servicios provistos por las autoridades locales en los municipios belgas. Por otro lado. Davis y Hayes. 9 Una síntesis sobre las aplicaciones empíricas para el análisis de eficiencia en los gobiernos locales a partir de diversas metodologías puede encontrarse en De Borges y Kerstens (2000) y en Worthington y Dollery (2000). Novell y Schmidt (1977). Este análisis se realizó mediante cuatro metodologías no paramétricas. Deller y Rudnicki. Deller. 1993). las aproximaciones estocásticas para la estimación de las fronteras de producción fueron introducidas por Aiger. se han encontrado diferencias significativas en los resultados de eficiencia que proceden de la aplicación de metodologías no paramétricas (al respecto. consecuencia de lo cual se ha desarrollo una amplia literatura que indica que los resultados de eficiencia son sensibles según el tipo de metodología empleada. Vinculado a las aplicaciones de eficiencia no paramétricas. 7 . crecientes y decrecientes a escala. et. 1986 y Lovell y Schmidt. al. Otra investigación para municipios belgas que emplea técnicas no paramétricas fue realizada por De Borger y Kerstens (1996a) quienes analizaron el costo de eficiencia en la provisión de diversos servicios municipales mediante cinco referencias tecnológicas: dos no paramétricas (FDH y DEA) y tres paramétricas (determinísticas y estocásticas). un componente aleatorio y otro de ineficiencia. 1988). Bjurek et. para rendimientos constantes. Las paramétricas determinísticas consideran como ineficiencia cualquier desviación de la frontera de producción. se encuentra el trabajo de Vanden Eeckhaut. al. 1992.Por otro lado.

1996a). Adicionalmente. 8 . Por otro lado. Sin embargo. Worthington y Dollery (2000a). cuando la variable dependiente es censurada. sin embargo. Determinantes de la eficiencia municipal: la segunda fase de los modelos de eficiencia en dos etapas. (2003) construyeron un indicador de desempeño municipal para analizar la eficiencia del gasto en los municipios portugueses de la región de Lisboa y Vale do Tejo. las más eficientes en la totalidad de las funciones de gestión municipal evaluadas.4. el paso siguiente implica indagar sobre los factores que determinan los niveles de eficiencia o ineficiencia encontrados. El análisis se realiza mediante la estimación de modelos de regresión considerando como variables explicativas aquellas sobre las cuales las unidades de gestión evaluadas no tienen injerencia. al. así como herramientas de econometría espacial para capturar efectos de escala y locación espaciales como determinantes del nivel de eficiencia municipal (Sampaio de Sousa y Stosic. al. inconsistencia que se incrementa con el número de observaciones censuradas (Greene. y Fernandes. El primero analiza la eficiencia de las municipalidades del oeste de Estados Unidos en el mantenimiento de caminos rurales mediante la estimación de una frontera de producción estocástica. Los resultados obtenidos son variados debido al desarrollo de un análisis de eficiencia segmentado. 2005). Si bien la eficiencia o ineficiencia municipal puede ser explicada por factores de diversa índole.. Los resultados indican que estas municipalidades podrían lograr los mismos resultados con aproximadamente 39% menos recursos. Deller y Rudnicki (1992) analizan la eficiencia de las autoridades públicas locales en la provisión de servicios educativos. los parámetros estimados mediante este modelo son inconsistentes. Balaguer-Coll et. se han empleado regresiones y estimaciones de densidad no paramétricas cuando las estimaciones de eficiencia en una primera etapa proceden de un análisis no paramétrico (Balaguer-Coll et. 2. dependerá de la distribución de la variable dependiente. las cuales resultaron ser. 2003). aplicaciones paramétricas para el análisis de la eficiencia municipal han sido desarrollados por Deller (1992) y Deller y Rudnicki (1992). en promedio. La elección del modelo de regresión para realizar dicho análisis. Además encuentra evidencia que relaciona la escala de operaciones con el nivel de eficiencia encontrado. Los resultados hallados indican que las escuelas más pequeñas exhiben mayores niveles de desempeño ineficiente. 1981). la literatura se ha concentrado mayormente en los aspectos fiscales. denominadas también variables no discrecionales. 2005. S. a partir de la estimación de una función de costos mediante mínimos cuadrados ordinarios. El autor demuestra que los costos de producción pueden reducirse en aproximadamente 15%.Afonso A. Este tipo de análisis constituye la segunda fase de los modelos de eficiencia en dos etapas (véase por ejemplo. Para el caso peruano recientemente. 2003. Herrera y Málaga (2007) han analizado la eficiencia en 1499 municipalidades mediante el empleo de la metodología no paramétrica FDH. Una vez realizado el análisis de eficiencia. 2003). Por su parte. Loikkanen y Susiluoto. Una primera aproximación implica estimar una regresión lineal mediante mínimos cuadrados ordinarios. dicho trabajo muestra un patrón común de eficiencia en las municipalidades distritales de Lima Metropolitana. por el que las jurisdicciones más grandes resultan ser más eficientes en relación a las más pequeñas.. Una solución a este problema consiste en estimar un modelo Tobit mediante máxima verosimilitud bajo los supuestos de normalidad y homoscedasticidad (De Borger y Kerstens. Afonso y Fernandes.

1983). La literatura ha revelado la existencia de una relación difusa entre los recursos obtenidos por operaciones de endeudamiento y los niveles de eficiencia conseguidos. (1993) quienes sostuvieron que elevados ingresos per cápita y niveles de riqueza de la población local tiene un impacto negativo sobre la eficiencia. al. al. Vanden Eeckaut et. Otra variable que puede tener un impacto negativo sobre la eficiencia es el déficit fiscal. Este tipo de resultados se caracterizan por un comportamiento local de menor recaudación y de reducido control en la ejecución del gasto. se ha argumentado que un mayor ingreso per cápita desincentiva el monitoreo eficiente de la ejecución del gasto debido a los elevados costos de oportunidad que aquello implica (De Borger y Kerstens. control que podría ser mayor si fuera posible una comparación de los costos entre municipalidades.4.. Más adelante Silkman y Young (1982) sostuvieron que un mayor nivel de ingresos incrementa la capacidad fiscal de las municipalidades.socioeconómicos y demográficos como factores explicativos de los niveles de eficiencia municipal. (1993) y De Borger y Kerstens (1996a) determinaron que la variable de participación ciudadana (aproximada por el nivel educativo de la población adulta) tiene un impacto positivo sobre el grado de eficiencia municipal. Los factores fiscales se encuentran en la literatura entre los principales determinantes de la eficiencia municipal. 2. Por ejemplo. Existe también una amplia literatura que ha mostrado la importancia de los factores socioeconómicos y demográficos como determinantes de los niveles de la eficiencia municipal. dado que los gastos se ajustan a los recursos adicionales y no se traducen en una mayor y mejor provisión de servicios públicos (Sampaio de Sousa y Stosic. es posible afirmar que la participación ciudadana a nivel local podría contribuir a un mejor desempeño municipal. lo cual podría incrementar la probabilidad de los políticos y burócratas de desempeñarse de manera ineficiente. 9 . En esta línea de investigación se encuentran los resultados hallados por Vanden Eeckaut et. 2003). al. Factores fiscales.. 1996a). Factores socioeconómicos y demográficos. En esta línea de investigación también se encuentra el trabajo de Deller (1992) quien mostró que entre otros factores que pueden influir en la eficiencia municipal se encuentran las características propias de los residentes locales.2.1. al considerar que el exceso de los gastos sobre los ingresos podría exponer a un municipio a una situación de vulnerabilidad financiera (Balaguer-Coll et. De otro lado. resultado que en la literatura se le ha denominado el “efecto flypaper” (Hamilton. 2003). Por otro lado. La relación podría ser negativa si se considera que el municipio accede a estas fuentes de financiamiento debido a que no posee capacidades para generar ingresos mediante el cobro de impuestos. 2003). al. 2. Uno de los primeros autores en tratar el tema fue Spann (1977) quien sostuvo que una mayor tasa impositiva podría incrementar el control del gasto local.4. el mayor monto asignado por concepto de transferencias intergubernamentales a las municipalidades podría tener un efecto negativo sobre la eficiencia. Entonces bajo el supuesto de que no existe control por parte de la ciudadanía (el cual está presente cuando se cobran impuestos) podrían generarse resultados ineficientes (Balaguer-Coll et.

1989). así como las tasas de desempleo Loikkanen y Susiluoto (2005).3. Además. Vinculado también al análisis de eficiencia en los municipios belgas y su relación con aspectos políticos. Otras líneas de investigación. 2. De Borger y Kerstens (1996a) y Sampaio de Sousa y Stosic (2003) han mostrado que una menor cantidad de habitantes por kilómetro cuadrado puede incrementar el costo medio de la provisión de bienes y servicios. Al respecto. La literatura sobre la eficiencia municipal para el caso peruano es prácticamente nula. En segundo lugar.Adicionalmente. la cual con algunos cambios ha sido replicada en los años 2004. Es recién a partir del año 2001 que el INEI viene realizando anualmente (con interrupciones en los años 2002 y 2003) encuestas sobre las gestiones municipales en los diversos campos de su competencia.4. Esto debido a la carencia de información sistemática a nivel municipal. se encuentra el trabajo de De Borger y Kerstens (1996a) quienes hallaron una relación positiva entre los niveles de eficiencia obtenidos y la presencia del partido socialista belga. Aunque menos estudiados como determinantes de la eficiencia municipal se encuentran los niveles salariales. debido a la relativamente reciente importancia brindada al proceso de descentralización. 2. (2003) y Loikkanen y Susiluoto (2005) refuerzan estos resultados.5. de manera efectiva desde el año 10 . en los cuales los políticos y funcionarios públicos pueden carecer de incentivos apropiados para controlar y auditar de manera efectiva la ejecución del gasto público (Mueller. Athanassopoulos y Triantis (1998) encontraron evidencia de que los partidos locales pertenecientes al gobierno central conducen a resultados ineficientes. por lo que una municipalidad podría ser más eficiente si su densidad poblacional local fuera mayor. se encuentran el grado de uso de equipos informáticos y de actualización de la base de datos municipal. Por otro lado. (Sampaio de Sousa y Stosic. la información de la ejecución presupuestal y financiera municipal se encuentra disponible por entidad a partir del año 1998. las mayorías compuestas por coaliciones múltiples inducen a un comportamiento más ineficiente que las mayorías compuestas por un partido único. Otros determinantes de la eficiencia municipal. 2003). Por su parte. (1993) en un estudio para los municipios belgas encontraron que las municipalidades dirigidas por municipios multipartidarios conducen a resultados menos ineficientes que los municipios dirigidos por mayorías. Los primeros encuentran evidencia que una mayor cantidad de población tiene un impacto positivo sobre la eficiencia mientras que los segundos encontraron que una densa estructura urbana conduce también a resultados eficientes. al. Resulta que para el desarrollo de un análisis de eficiencia a cualquier nivel de gobierno se requieren básicamente dos tipos de fuente de datos: (i) información sobre la ejecución presupuestal e (ii) información sobre desempeño o gestión. Entre otros factores que pueden influir en el nivel de eficiencia municipal. 2005 y 2006. han argumentado que la ineficiencia se origina como resultado de la existencia de intereses privados de grupos de interés como los que establecen los modelos de ineficiencia burocrática o del problema principal-agente. Así. al. Los hallazgos obtenidos por Balaguer-Coll et. La literatura peruana sobre la eficiencia municipal. encontrándose una mayor desagregación de las cuentas de ingresos y gastos recién desde el año 2003. es posible argumentar que la ineficiencia municipal puede explicarse por el tamaño y la composición política de las autoridades locales. Vanden Eeckaut et.

así como la ejecución de acciones de organismos públicos y privados encaminados a asistir las gestiones de estas unidades de gobierno. En tal sentido con la finalidad de comprender mejor el funcionamiento del proceso de asignación de competencias. (2004) quienes luego de analizar el comportamiento de las municipalidades en respuesta a las transferencias del Gobierno Central. Si bien a excepción del trabajo de Herrera y Málaga (2007)10 no se encuentran estudios que evalúen de manera exclusiva la eficiencia municipal por entidad para el caso peruano. restándole funcionalidad y operatividad a los resultados encontrados en dichos estudios. lo cual ha motivado el estudio e investigación. de las unidades menores de gobierno tanto locales como regionales. por lo que podrían interpretarse estos resultados como evidencia empírica a favor de un buen desempeño municipal. se han desarrollado algunos trabajos que se vinculan de alguna manera con este tema. encontraron que las transferencias intergubernamentales promueven en promedio un mayor esfuerzo fiscal en las municipalidades del país. se encuentra el trabajo realizado por Alvarado et. De la evidencia empírica recogida se concluye que los estudios de eficiencia municipal habitualmente han estado desvinculados del marco normativo correspondiente. Por ejemplo. estableciéndose 4 categorías de municipalidades. 10 Véase la sección 2.y la educación. Es el caso de Aguilar y Morales (2004) quienes utilizando una base de datos de panel para el período 19982002. en la siguiente sección se plasmará de manera concisa el marco normativo legal vinculado al proceso de descentralización de competencias y funciones a los Gobiernos Regionales y Locales establecido en el país desde el año 2002. se encontró un exceso del gasto de alrededor del 33% al mostrarse que la mitad de los colegios de la muestra bajo estudio contaban con menos personal trabajando del que figuraba en planilla. lo cual impide asociar la estructura de incentivos o desincentivos que dicho marco plantea sobre la eficiencia municipal.3. al. Además de los trabajos mencionados anteriormente pueden encontrarse algunos que analizan tema específicos en las municipalidades. así como un efecto desplazamiento de los gastos de inversión locales con recursos propios. ya sea a nivel agregado o mediante estudios de caso. además de impactar de manera positiva en el nivel de actividad local.2003. El estudio mostró como conclusión principal que existe espacio relevante para mejorar la eficiencia de los programas sociales en el Perú. al menos en el aspecto tributario y fiscal. encontraron un efecto sustitución o pereza fiscal vinculado al mayor monto de transferencias. financieras y socioeconómicas. así como para una mejor elaboración de las recomendaciones y propuestas de las políticas públicas correctivas vinculadas. pero que sin embargo no necesariamente se encuentran relacionados con la eficiencia. Alcázar (2003) analiza la eficiencia de determinados programas sociales como la del Vaso de Leche -que es gestionado por las municipalidades distritales. 11 . funciones y recursos. Por otro lado. En el primer caso la investigación determinó que el 70% de los recursos del Vaso de Leche no llega a sus directos beneficiarios (niños menores de 7 años de edad y madres embarazadas o lactantes) mientras que en el caso de los programas del sector educación. Torero y Valdivia (2002) realizaron una tipología de municipalidades sobre la base de una metodología de conglomerados en la cual utilizó como variables de tipificación aquellas fiscales. En su estudio las municipalidades son clasificadas según su nivel de necesidades y de capacidad de gestión.

Éste se inició en octubre del 2003. establecieron la asignación de funciones. En tercer lugar. la evidencia muestra que el marco legal vinculado ha sido (y viene siendo) complejo y desordenado. 28273. 12 . En el marco del proceso de descentralización. PROVÍAS RURAL y electrificación rural) en función al Cronograma de Transferencias a los Gobiernos Regionales y Locales para el año 200312 13. En primer lugar. en la Ley No. aprobada en agosto del 2003. 27972. Ley de Bases de la Descentralización (junio del 2002). las cuales establecieron los lineamientos normativos de diversos procesos vinculados requeridos como indispensables para el desarrollo de la descentralización en el país11. El actual proceso de descentralización peruano se inició en el año 2002 con la promulgación de dos normas: Ley No. respectivamente. competencias y recursos a los Gobiernos Regionales y Locales. aprobada en julio del 2004. Marco normativo vinculado al proceso de descentralización. Ley Orgánica de Gobiernos Regionales (noviembre 2002) y la Ley No. PROVÍAS RURAL y ORDESUR). Cabe mencionar que posterior a esta norma y previo a la promulgación del Decreto Supremo No. Finalmente. y de los proyectos de infraestructura productiva de alcance regional a los Gobiernos Regionales (proyectos de INADE. los cuales fueron desarrollados con posterioridad. establecieron el inicio del proceso de regionalización mediante la elección de Gobiernos Regionales en los actuales departamentos. por las cuales se aprobaron directivas sobre el procedimiento. establecieron la descentralización del Presupuesto de la República con la finalidad de asegurar la participación efectiva de la sociedad civil en el proceso de formulación presupuestal. 28274. PRONAMACHS. 955. Ley de Incentivos para la Integración y Conformación de Regiones promulgada en julio del 2004. como una fase previa para la conformación de regiones mediante referéndum. así como los bienes y rentas de los Gobiernos Regionales y Locales. 036-2003-PCM. las cuales conocen con mayor exactitud las demandas de la ciudadanía. Su importancia radica en el hecho de acercar las decisiones de políticas públicas a las autoridades locales. estableciéndose los incentivos económicos de dicha conformación en el Decreto Legislativo No.3. 27783. las competencias. Ley del Sistema de Acreditación de los Gobiernos Regionales y Locales. 071CND-P-2003. 27680. Más 11 Véase en el anexo las principales normas vinculadas al proceso de descentralización para el período 2002-2006. 036-2003-PCM. Ley de Descentralización Fiscal promulgada en febrero del 2004 y en la Ley No. con la promulgación del Decreto Supremo No. a pesar de la importancia brindada a este proceso. 088-2003PCM por el cual se estableció la transferencia de los fondos. establecieron la estructura orgánica. PRONAA. 28056. 12 Promulgada en marzo del 2003 mediante el Decreto Supremo No. respectivamente. por lo que podrían elevar el bienestar general mediante una provisión más focalizada de los bienes y servicios públicos locales. 27867. Sin embargo. En segundo lugar. programas y proyectos de lucha contra la pobreza (proyectos y programas del FONCODES. proceso que sería desarrollado posteriormente en la Ley No. cuyos mecanismos e instrumentos se desarrollaron en la Ley No. Ley Marco del Presupuesto Participativo. proyectos y programas a que se refiere el Decreto Supremo No. aquellas que se encuentran más próximas a las poblaciones. el proceso vinculado al cual mayor importancia se le brindó durante el gobierno de Alejandro Toledo (2001-2006) y que actualmente viene teniendo en el gobierno de Alan García es el de asignación de competencias y funciones a los Gobiernos Regionales y Locales. Ley de Reforma Constitucional del Capítulo XIV del Título IV de la Constitución Política del Perú sobre descentralización (marzo del 2002) y Ley No. 088-2003-PCM. Ley Orgánica de Municipalidades (mayo 2003). se aprobaron la Resolución Presidencial No. 070-CND-P-2003 y la Resolución Presidencial No. y los mecanismos de verificación para la ejecución de transferencia a los Gobiernos Regionales y Locales de los fondos.

Asimismo. Ministerio de Transportes y Comunicaciones y del Ministerio de Vivienda. respectivamente. Sectores del Gobierno Central Proponen al CND los planes sectoriales de transferencia de competencias y funciones Sistema de Acreditación 3. a través de los sectores. a 58 y 165 municipalidades provinciales y distritales. hogares y albergues. (ii) la transferencia del proyecto para el mantenimiento rutinario de caminos vecinales-PROVÍAS RURAL a 97 Institutos Viales Provinciales y. se promulgó el Decreto Supremo No. así como la secuencia el funcionamiento del mismo se estableció en el Decreto Supremo No. Va a ser recién en julio del 2004. que en la práctica significó: (i) la complementación de la transferencia de fondos. a 67 Gobiernos Locales provinciales. se estableció la transferencia del programa de mantenimiento rutinario de caminos vecinales y departamentales del PROVÍAS RURAL del Ministerio de Transportes y Comunicaciones a 12 Gobiernos Locales y a 4 Gobiernos Regionales (Ancash. y la transferencia de proyectos de reconstrucción de ORDESUR a 29 Gobiernos Locales provinciales. Construcción y Saneamiento. El proceso de asignación de competencias y 13 Se estableció la transferencia de los proyectos de infraestructura social del FONCODES. CND Elabora la metodología e indicadores sobre la base del cual certifican la acreditación de las transferencias de competencias y funciones 2. por el cual se aprobó el Plan Anual de Transferencias de Competencias Sectoriales a los Gobiernos Regionales y Locales para el año 2004. 13 . Gobiernos Regionales y Locales Solicitan y reciben las competencias en función a los planes anuales de transferencia y a sus capacidades de gestión Elaboración: propia La interacción de los actores que participan del Sistema de Acreditación. funciones y recursos del Gobierno Nacional hacia los Gobiernos Regionales y Locales. alimentos por trabajo. 14 Se incluyeron proyectos de infraestructura del Ministerio de Agricultura. Ministerio de Transporte Exterior y Turismo. el CND y los Gobiernos Regionales y Locales. Los integrantes del Sistema de Acreditación son 3: el Gobierno Nacional. con la aprobación de la Ley No. Ica y San Martín). a cargo del PRONAA. y no así la transferencia de “competencias sectoriales” como establecía la norma. 0802004-PCM por el cual se aprobó el reglamento de la Ley del Sistema de Acreditación de los Gobiernos Regionales y Locales. (iii) la transferencia de los proyectos de inversión en infraestructura productiva sectoriales a los Gobiernos Regionales14. a través de un Sistema de Información para la Gestión Pública Descentralizada. la capacidad y desempeño de los tres niveles de gobierno. y su funcionamiento es como sigue: Figura No. en mayo del 2004. que incluye el PESP RURAL. 038-2004-PCM. Ley del Sistema de Acreditación de los Gobiernos Regionales y Locales que se estableció un proceso operativo relativamente sistemático para el proceso de asignación de transferencias de competencias y funciones: el Sistema de Acreditación Nacional encargado de medir. cuya finalidad es la de garantizar una transferencia ordenada y progresiva de competencias. proyectos y programas del PRONAA y FONCODES iniciada en el 2003. a 241 Gobiernos Locales distritales. 2 Funcionamiento del Sistema de Acreditación 1. Cajamarca.adelante. y los programas de comedores. 28273.

denominado también “proceso de acreditación de competencias y funciones”. 3. Certificación (Agosto – hasta último día hábil de septiembre) El CND o las entidades certificadoras realizan la certificación de las competencias sectoriales solicitadas. 15 Se estableció que los Planes Anuales de Transferencia de competencias deberán: (i) ser publicados mediante Decreto Supremo antes del 6 de abril de cada año. Elaboración: propia Los requisitos que deben cumplir los Gobiernos Regionales y Locales para acceder a las competencias y funciones materia de transferencia también fueron establecidos en el reglamento de la Ley de Acreditación. Acreditación (Hasta el último día hábil de octubre) El CND acredita a los Gobiernos Regionales y Locales que cumplan con la certificación. Se establecieron una serie de requisitos genéricos. Por último. el cual deberá ser trabajado por los Sectores en coordinación con los Gobiernos Regionales y Locales hasta fines del mes de octubre de cada año. 2. (ii) contener los requisitos específicos e indicadores de gestión que deberán cumplir los Gobiernos Regionales y Locales que soliciten la transferencia de competencias sectoriales. presupuesto analítico de personal. elaborar programas de desarrollo institucional local o presentar cuadros de asignación de personal. el reglamento de la Ley de Acreditación también estableció la elaboración de un Plan de Transferencia Sectorial de Mediano Plazo para un período de 5 años. Efectivización (Desde el año siguiente al proceso de acreditación) El CND transfiere las funciones sectoriales a los Gobiernos Regionales y Locales acreditados. 3 Proceso de transferencia de competencias. la elaboración y aprobación del presupuesto participativo y las actas de instalación y sesiones de los Concejos de Coordinación Local. empieza una vez que el Plan Anual de Transferencias es aprobado y se desarrolla siguiendo las siguientes 4 etapas. funciones y recursos a los Gobiernos Regionales y Locales 1. como por ejemplo el contar con programas de inversiones con un presupuesto no menor al 50% del FONCOMUN.funciones. estableciéndose para estos la elaboración de los Planes de Desarrollo Local Concertado. previa suscripción de Actas de Entrega y Suscripción y la promulgación de los respectivos Decretos Supremos. tal como se muestra en la siguiente figura15: Figura No. algunos de ellos innecesarios para la acreditación de capacidades de gestión locales. 14 . Para quienes sí se establecieron requisitos mínimos simplificados fue para aquellas municipalidades que perciben menos de 8 UIT por concepto de FONCOMUN. lo cual desestima lo que debe de constituir un sistema de requerimientos simples y concretos para la acreditación de capacidades para la transferencia de funciones. así como para aquellas que cuentan con capacidad instalada insuficiente. y reglamentos y manuales de organización y funciones desarrollados acorde a las competencias solicitadas. Proceso de acreditación 4. y (iii) ser elaborados a partir de los planes sectoriales (propuestos por los Sectores hasta el último día hábil del mes de febrero de cada año). y deberán ser consolidados por el CND para su aprobación mediante Resolución. Solicitud y suscripción de convenios (Hasta el último día hábil de abril) Los Gobiernos Regionales y Locales solicitan al CND la transferencia de competencias y recursos y suscriben con éste y los sectores convenios de cooperación para la asistencia técnica respecto a las competencias solicitadas.

complejo y diverso. Ayacucho. Cusco. por lo que 16 Se estableció la suscripción de Convenios de Gestión entre el MINDES y los 406 Gobiernos Locales distritales (verificados por el CND) para la ejecución de los programas de FONCODES en el año 2005. Apurimac. acrecentaron la precepción de un proceso débil para lo cual no existía voluntad política”. En el caso de la transferencia del PRONAA. al mismo tiempo establecen nuevos desafíos desde que el esquema de funcionamiento y las bases del sistema de acreditación de competencias y funciones no evidencian cambio alguno. lo engorroso y confuso de los procedimientos de acreditación y el hecho de que las funciones transferidas correspondían a tareas que ya se estaban ejecutando en los niveles descentralizados. Trabajo y Promoción del Empleo y de la Presidencia del Consejo de Ministros. En el primero de ellos se estableció la transferencia a los Gobiernos Regionales de 28 funciones sectoriales vinculadas a los sectores de Agricultura. primero el Decreto Supremo No. con las 125 municipalidades provinciales verificadas con las cuales el MINDES había firmado Convenios de Gestión. 021-2006-PCM (abril 2006). acervo documentario y activos físicos para poder acceder a las competencias y funciones transferidas de manera adecuada (tal como lo establece la normativa). alguno de ellos innecesarios. y luego el Decreto Supremo No. En cuanto a los municipios provinciales se programó la transferencia de los programas del PRONAA y del PROVÍAS RURAL. lo cual podría retrazar el avance del proceso de descentralización. Además de que lo establecido en la normativa no ha traducido al plano práctico. personal. por el cual se establece la culminación de las transferencias de competencias y funciones programadas para el período 2006-2010 hacia fines del año 2007.la lentitud de las transferencias de responsabilidades. Junín y Puno. Como puede apreciarse el marco legal vinculado al proceso de descentralización de competencias y funciones hacia los Gobierno Regionales y Locales ha sido desordenado. mientras que en el caso de los municipios distritales no programó transferencia alguna.El marco normativo del proceso de asignación de competencias y funciones se completa con la promulgación del Decreto Supremo No. y en el caso de los Gobiernos Locales la transferencia de aquellas funciones que les habían sido asignadas a las municipalidades con anterioridad (programas del PRONAA y FONCODES16). lo cual evidencia un proceso que ha mostrado cierta renuencia por parte de los sectores del Gobierno Central a descentralizarse18. 15 .. plantea el desafío y la interrogante de si los Gobiernos Locales se encuentran en condiciones de asumir las competencias y funciones que se les transfieran. Energía y Minas. (iii) no se han contemplado la transferencia de los correspondientes recursos financieros. Salud y Transportes y Comunicaciones. Cajamarca. en el Plan de Transferencias para el año 2006. Este conjunto de factores adversos para el desarrollo de la descentralización de competencias y funciones son los que motivaron al Poder Ejecutivo a emitir en octubre del 2006 dos Decretos Supremos. 17 Ubicados en los departamentos de Ancash. respectivamente. se estableció la transferencia a los Gobiernos Regionales de funciones de los sectores de Educación. Si bien estas dos últimas normas otorgarán mayor dinamismo al proceso de descentralización peruano. por lo cuales se aprobaron los Planes Anuales de Transferencias a los Gobiernos Regionales y Locales para los años 2005 y 2006. Salud. Energía y Minas. lo cual se evidencia en un sistema para la acreditación de competencias y funciones cargado de requisitos. 0682006-PCM. desde que: (i) algunas competencias y funciones se han asignado y otras no. se estableció el fortalecimiento del proceso de transferencia iniciado en el 2003. enmarcados en un sistema poco claro. 18 Tal como lo señala PRODES (2007): “. así como los programas del PROVÍAS RURAL a 12 nuevos Institutos Viales Provinciales (IVP)17. (ii) algunas en los plazos y condiciones establecidas y otras fuera de ellos. 076-2006-PCM por el cual se amplía el Plan Anual de Transferencias del año 2006 asignándose mayores competencias y funciones a los Gobiernos Regionales y Locales. Adicionalmente. 052-2005-PCM (julio 2005) y del Decreto Supremo No.. Por otro lado.

En ese sentido. 16 . para la medición del desempeño y las capacidades de gestión de los Gobiernos Locales. funciones y recursos del Gobierno Nacional hacia estos niveles de gobierno. se torna indispensable brindar mayor atención a la formulación y puesta en marcha del Sistema de Información para la Gestión Pública Descentralizada que establece la Ley del Sistema de Acreditación.se considera de suma importancia contar con herramientas para medir dichas capacidades de gestión a nivel local. se requiere que dicho sistema sea simple e intuitivo pero al mismo riguroso. que se fundamente en metodologías robustas. que permitan capturar a cabalidad el desempeño de las unidades de gestión local. Una propuesta metodológica de este tipo se presenta a continuación. en la medida que éste se constituye como la herramienta técnica más importante para garantizar una transferencia ordenada y progresiva de competencias. En esencia.

y luego evaluar el desempeño de cada una de estas municipalidades como la distancia a dicha frontera. DEA-CRS y DEA-VRS. Las metodologías no paramétricas analizan la eficiencia de las unidades productivas a partir de un conjunto de supuestos adoptados sobre la referencia tecnológica. vinculado al uso de los inputs/outputs. Tal como se mencionó anteriormente las metodologías planteadas en esta sección constituyen una propuesta metodológica para el diseño del Sistema de Información para la Gestión Pública Descentralizada que establece la Ley del Sistema de Acreditación. A continuación se describirán cada una de las 5 metodologías que se emplearán en la sexta sección para realizar el análisis de eficiencia municipal. Free Disposal Hull (FDH). Análisis no paramétrico: FDH. 2002). las fronteras de producción pueden construirse mediante técnicas no paramétricas y paramétricas. Formalmente. municipalidades). la metodología FDH fue propuesta por Deprins. Para la medición de la eficiencia municipal es necesario estimar previamente una Frontera de Posibilidades de Producción (FPP). la cual captura la tecnología de operatividad para cada muestra de municipios. Free Disposal Hull (FDH) y Data Envelopment Analysis (DEA). En la presente sección se establecen 5 metodologías para la medición de las capacidades de gestión municipales.1. Metodologías para el análisis del desempeño y la eficiencia municipal. con la finalidad de realizar posteriormente un análisis de eficiencia municipal. tres no paramétricas y dos paramétricas (determinística y estocástica). éste último tanto para rendimientos constantes como para rendimientos variables a escala.1. es decir evaluando que tan bien gastan las municipalidades del país. Destacan por su flexibilidad y la posibilidad de adaptarse a un contexto de múltiples inputs y outputs. al.4. La metodología impone sólo una restricción a la tecnología de producción. usualmente desconocida. Acorde a la revisión de la literatura.1. Simar y Tulkens (1984) para analizar la eficiencia relativa de las operaciones realizadas por las oficinas postales de EEUU. La metodología FDH fue originalmente esbozada por Farell (1957) quien desarrolló un índice de eficiencia técnica para medir la máxima reducción equiproporcional en la totalidad de inputs consistente con la producción de outputs observados (Coelli et. De esta manera. Destacan dos metodologías en este grupo. 4. los cuales pueden utilizarse 17 . a partir de los datos disponibles. Ésta establece una frontera de producción no convexa representada por la combinación de los mejores resultados dentro de una muestra de productores y luego estima la ineficiencia relativa de los productores como la distancia a dicha frontera. 4. En la sección 2 se mencionó que una posible forma de estimar la eficiencia municipal es mediante la comparación de qué tan bien las municipalidades convierten los inputs (recursos) en outputs (productos). una unidad productiva es considerada técnicamente eficiente si es posible producir el mismo nivel de output con el empleo de menos inputs. las cuales reproducen la mejor combinación de resultados dentro de una muestra de productores (en nuestro caso.

.. Para obtener el puntaje de eficiencia en términos de outputs. N inputs y D outputs. es decir aquellos que producen más de cada output con menos de cada input... la metodología procede de la siguiente manera: (i) (ii) Para el municipio k se seleccionan todos los municipios que son más eficientes que éste.... en comparación a otros municipios.q x p (K ) x p (k ) Donde: k1 . Posteriormente. se procede de manera similar que para el caso anterior: MIN MAX k =k1 . De esta manera se construye la frontera de posibilidades de producción. kl : son los l municipios más eficientes que el municipio p . Dados K municipios.. Asumamos que existe una muestra de 5 municipalidades las cuales tienen los siguientes niveles de input y output: 19 La metodología FDH destaca por su flexibilidad dado que no impone ninguna restricción sobre la forma de la frontera de posibilidades de producción en comparación a la convexidad impuesta por la metodología Data Envelopment Analysis (DEA-VRS). la cual se conforma por las mejores prácticas municipales dentro de una muestra de municipios.libremente. De la misma manera. De esta manera... una municipalidad es denominada “eficiente en términos de outputs” cuando incrementa proporcionalmente una mayor cantidad de output manteniendo invariables las cantidades de inputs empleados. y se le asigna un puntaje de eficiencia.. una municipalidad es denominada “eficiente en términos de inputs” cuando reduce proporcionalmente la mayor cantidad de inputs sin alterar el nivel de output. 18 .kl p =1. permiten realizar un eficiencia relativa bajo dos orientaciones: en términos de inputs y de outputs.. el municipio k es considerado eficiente y se le asigna un puntaje de eficiencia. si el municipio k es ineficiente..kl p =1.. q y p (k ) y p (K ) Para recrear el funcionamiento de la metodología FDH se supondrá un ejercicio simple de simulación numérica para el caso de un input y un output... Si no es posible encontrar un municipio más eficiente..... Cabe mencionar que la metodología FDH.. como se verá más adelante. los productores ineficientes (ubicados al interior de la frontera de posibilidades de producción) son ordenados según su distancia relativa a la frontera de producción estimada. así como todas las metodologías no paramétricas.. el puntaje de eficiencia en términos de los inputs utilizados es igual a: MIN MAX k =k1 . lo cual garantiza la existencia de una frontera de posibilidades producción continua dentro de una muestra de observaciones19. Así.. en comparación a otras municipalidades.

dado que ambas gastan mayores recursos que la municipalidad C (1500 y 1800. así como el no requerimiento de una especificación para la función de producción. Esta limitación constituye. en el análisis de la eficiencia relativa estas ventajas constituyen al mismo tiempo desventajas. 1 Frontera de posibilidades de Producción: Free Disposal Hull (FDH) y C 85 E 82 80 D B 76 75 A x 1000 1150 1200 1500 1650 Si bien existen ventajas asociadas al empleo de la metodología FDH como su flexibilidad y parsimoniosidad. dado que en una metodología no paramétrica. al. como se verá más adelante una deficiencia de esta metodología. y obtienen al mismo tiempo un producto menor (80 y 82. B y C son relativamente eficientes. 19 . utilizando la información de la tabla 1. respectivamente contra 1200).. la frontera de producción está influenciada por outliers o puntos extremos anómalos (Vanden Eeckhaut et.Tabla No. 1993). En segundo lugar. Por otro lado.. por lo que les corresponde situarse sobre la frontera de posibilidades de producción FDH20. por el 20 Es posible que las municipalidades A. las municipalidades A. Así. B y C sean ineficientes sin embargo no existe evidencia empírica que soporte dicha afirmación. En primer lugar. respectivamente contra 85). Gráfico No. la frontera de posibilidades de producción FDH viene representada en el gráfico 1 por la línea segmentada ABC. la cual asume que determinadas unidades de gestión son eficientes por default. la cual corresponde a las observaciones eficientes. utilizando el mismo criterio. etc. 1 Valores de simulación para la construcción de la frontera FDH Input 1000 1150 1200 1500 1650 Municipalidad A Municipalidad B Municipalidad C Municipalidad D Municipalidad E Output 75 76 85 80 82 De la lectura de la tabla anterior puede deducirse que las municipalidades D y E son ineficientes en términos relativos.

como se verá más adelante. X : Matriz ( k × n ) de inputs para todos los n municipios. 1993).. por lo que es considerado “eficiente por default”. asume que dados n municipios.a. Así por ejemplo. permite estimar en cuanto puede incrementarse proporcionalmente el nivel de output sin modificar la cantidad de los input empleados21. los resultados cambian cuando se asume retornos variables a escala. al. Formalmente. ambas medidas nos proporcionan los mismos valores. xi : Vector de inputs utilizados por el ith municipio. cuando ésta tiene el nivel de gasto más bajo dentro de una muestra de municipalidades y no domina o no es dominado por otros municipios.1. Y : Matriz ( m × n ) de outputs para todos los n municipios. 20 . dado que para estas observaciones no existen unidades productivas que produzcan el mismo o un mayor nivel de output con igual o una menor cantidad de recursos o inputs. Por otro lado.2. Esta metodología fue introducida por Farrell (1957) y popularizada por Charnes. Como se vió anteriormente. el análisis en términos de outputs. es decir en términos de inputs y outputs. La descripción analítica del modelo bajo la hipótesis de rendimientos a escala constante. − y i + Yλ ≥ 0 θx i − Xλ ≥ 0 λ ≥0 Donde: yi : Vector de outputs producidos por el ith municipio. es posible calificar a estas observaciones como no “dominadas” por otras de la muestra.λθ s. Sin embargo. cuanta cantidad de input puede ser proporcionalmente reducida manteniendo las cantidades de output. observamos que no es comparado con otros productores. 4. Cooper y Rhodes (1978). Sin embargo. De manera similar que para el caso de la metodología FDH. la frontera FDH viene representada por la línea segmentada ABC.hecho que una municipalidad puede ser considerada “eficiente por default”. dado que el primero obtiene un mayor nivel de output con menos recursos. la solución del modelo DEA-CRS implica resolver el siguiente problema de programación matemática: MIN θ . Un análisis de eficiencia en términos de inputs permite evaluar. Data Envelopment Analysis (DEA-CRS). 21 Bajo retornos constantes a escala. la aproximación DEA-CRS permite el cálculo de la eficiencia municipal a partir de dos dimensiones. Ahora bien. Este último punto puede representarse en el gráfico 1. Asume una frontera de producción constante la cual se construye mediante métodos de programación lineal. cada uno produce m diferentes outputs utilizando k diferentes inputs. el productor C domina a los productores D y E. por lo que no domina ni es dominado por otras unidades productivas. si consideramos al productor A. o cuando no existe otras municipalidades con mejor desempeño para al menos un output (Vanden Eeckhaut et. la cual corresponde a las observaciones eficientes de la muestra.

Esta metodología fue introducida por Banker. − y i + Yλ ≥ 0 θxi − Xλ ≥ 0 n1' λ = 1 λ≥0 Dado que la medida de eficiencia obtenida no indica si el municipio opera en el ámbito de rendimientos a escala crecientes o decrecientes. De esta manera. al. θ = 1 : la municipalidad evaluada se encuentra sobre la frontera de producción. 21 . Al igual que en la metodología FDH.a. Dado que el escalar θ toma los valores menores o iguales a uno. El vector λ mide los pesos empleados para estimar la ubicación de una unidad de gestión ineficiente si éste fuera a convertirse en eficiente. A continuación se grafican las fronteras de producción para el caso de un input y un output empleando la metodología DEA. considerando la información numérica proporcionada por la tabla 1 (sección 4. entonces aquel municipio opera en el campo de rendimientos a escala crecientes. si las medidas de eficiencia fueran diferentes.1. propuesta por Färe et. la cual se define como la combinación lineal de las mejores observaciones dentro de una muestra de municipalidades. las unidades de gestión ineficientes podrán ser proyectadas sobre la frontera de posibilidades de producción como una combinación lineal mediante el empleo de estos pesos.3. el puntaje de eficiencia ( θ ) se calcula como la distancia entre un municipio y la frontera de posibilidades de producción. i : Toma los valores desde 1 a n . el cual satisface la restricción θ ≤ 1 . (1994). 4. entonces puede señalarse que un determinado municipio opera en el campo de rendimientos a escala decrecientes. la solución del modelo implica resolver el siguiente problema de programación: MIN θ . por lo que es considerada eficiente. si la medida de eficiencia bajo este supuesto es equivalente a los obtenidos bajo rendimientos a escala variable. 22 Donde n1 es un vector n-dimensional de 1. Por el contrario. por la de rendimientos a escala no crecientes n1' λ ≤ 1 . incorporando esta restricción. asume una frontera de producción convexa. es posible reemplazar la restricción n1' λ = 1 . θ : Escalar que representa el puntaje de eficiencia para un determinado municipio. se producen los siguientes dos casos: (i) θ < 1 : la municipalidad evaluada es ineficiente dado que se encuentra al (ii) interior de la frontera de producción. Charnes y Cooper (1984) y a diferencia de la metodología FDH o la DEA-CRS. Data Envelopment Analysis (DEA-VRS).1.λ : Vector ( nx1 ) de constantes.1). Así.λθ s. bajo el supuesto de retornos constantes y variables a escala. la cual se construye incorporando la restricción n1' λ = 1 22 al modelo DEA-CRS (modelo anterior) de esta manera es posible analizar el modelo para rendimientos a escala variables. Así.

una determinada forma funcional para la referencia tecnológica con la finalidad de recoger las relaciones entre las variables analizadas. Las aproximaciones paramétricas se clasifican en dos: determinísticas y estocásticas. CES y la Leontief generalizada. la cual es una línea recta que une un punto del eje de las abscisas con el punto A. 4. sin embargo. una unidad de gestión considerada eficiente bajo la metodología DEA(vrs) siempre será eficiente bajo la metodología FDH. 2 Fronteras de Posibilidades de Producción: DEA(crs) y DEA(vrs) y DEA(RCE) C 85 82 80 D B 76 75 DEA(RVE) E A x 1000 1150 1200 1500 1650 La frontera de producción para retornos variables a escala. Análisis paramétrico: determinístico y estocástico. la frontera para retornos constantes a escala viene representada por la línea punteada. dado que es en este punto en el cual se obtiene el ratio output-input más elevado (0. En términos cuantitativos. Cabe mencionar que debido a la convexidad impuesta por la metodología DEA(vrs). De esta manera. la observación B. es ahora ineficiente. sin embargo. Por otro lado. especifican previamente al análisis de eficiencia.2. Así.75). este hecho implica que los puntajes de eficiencia serán menores en la metodología DEA(vrs). Una de las funciones de producción más utilizadas debido a su sencillez ha sido la función Cobb-Douglas. la cual era considerada eficiente bajo la metodología FDH.Gráfico No.2. es posible afirmar que la metodología DEA(vrs) es mucho más rigurosa que la metodología FDH: una unidad de gestión que es eficiente bajo la metodología FDH no siempre lo será bajo la metodología DEA(vrs).1. Las metodologías paramétricas a diferencia de las no paramétricas. 22 . Modelo determinístico. 4. viene representada por la línea que une un punto del eje de las abscisas con el punto A y luego éste con el punto C. DEA(vrs). en la literatura se han utilizado funciones más complejas como la translogarítmica. bajo esta metodología sólo una observación es considerada como eficiente.

Su estimación puede realizarse mediante mínimos cuadrados ordinarios modificados (modified ordinary least squares. ui : Término de error. Los modelos para la estimación de fronteras estocásticas fueron propuestos de manera independiente por Aigner.Las metodologías determinísticas para el análisis de eficiencia consideran como ineficiencia técnica cualquier desviación de la frontera de producción.. la totalidad de observaciones se ubicarán por debajo de la frontera. Así. 1993) luego de la correspondiente transformación logarítmica (véase Greene. Lovell y Schmidt (1977) y Meeusen y Van den Broeck (1977). 1993). las desviaciones respecto de la frontera es posible explicarlos en función a estos dos componentes.. xi : es el vector k × 1 de las cantidades de input del ith municipio. i = 1. Este modelo puede expresarse de la siguiente manera: y i = xi β + (vi − u i ) . β : es un vector de parámetros desconocidos. En su propuesta original involucraban la especificación de una función de producción cuyo término de error se conformaba por dos componentes independientes. MOLS) o mediante mínimos cuadrados corregidos (corrected ordinary least squares. COLS).2. 23 . El primero de ellos asume una función de distribución para la perturbación. a excepción de la más eficiente que se corresponderá con la unidad utilizada en el proceso de corrección.. β : Parámetro a ser estimado. xi : variable imput. el método de estimación COLS corrige el término independiente por el máximo residuo positivo de la estimación por mínimos cuadrados ordinarios inicial. de forma tal que luego de la estimación mediante mínimos cuadrados ordinarios. uno que consideraba efectos aleatorios y otro de ineficiencia técnica. 4. De esta manera. Modelo estocástico. N Donde: yi : es la producción (expresada en logaritmos) de la producción del ith municipio. en la literatura debido a su sencillez e intuitividad se ha privilegiado la estimación de dichas fronteras mediante corrected ordinary least squares-COLS (Lovell. Por otro lado. el término constante se modifica por la media de la función de distribución asumida. Este tipo de modelos asumen una relación del siguiente tipo: yi = xi β − ui Donde: yi : variable output.2. Si bien ambas aproximaciones para la estimación de fronteras de producción determínisticas brindan resultados robustos.. con ui ≥ 0 .

al. El método de estimación para las fronteras estocásticas depende de la función de distribución que se asuma para el componente de ineficiencia ( ui ). σ v2 ) . con N (0. σ u2 ) .vi : son variables aleatorias las cuales son asumidas independientes e idénticamente distribuidas (iid). con N (0. 24 . exponenciales o del tipo gamma). (1980) para una lectura sobre los diversos procedimientos de máxima verosimilitud para los casos en los cuales las distribuciones del componente de ineficiencia son normal. Sin embargo. 24 Véase Olson et. si se asume que la distribución de dicho componente es seminormal ui ≈ N (0. previa estimación del error compuesto mediante mínimos cuadrados ordinarios. la mayoría de estas extensiones se han centrado en: (i) los supuestos que subyacen la especificación más general para la distribución de ui (por ejemplo. véase. Por otro lado. La especificación original planteada anteriormente ha sido extendida en diversas líneas. 23 Para mayor detalles sobre las direcciones de los avances realizados a las metodologías para la estimación de fronteras estocásticas. es decir N (0. Gráfico No. ui : son variables aleatorias no negativas las cuales corresponden al componente de ineficiencia técnica en la producción. Por ejemplo. gamma o truncadas. las cuales son asumidas habitualmente independientes e idénticamente distribuidas (iid). (ii) las consideraciones de análisis de eficiencia técnica para datos de panel y de corte transversal. σ v2 ) . este es habitualmente asumido independiente e idénticamente distribuido. σ u ) (véase Greene. y (iii) la extensiones metodológicas para la estimación de funciones de costos23. 1993) la estimación se realizará por máxima verosimilitud24. Greene (1993). se han propuesto distribuciones truncadas. dado que las metodologías de estimación no imponen restricciones sobre la distribución del componente aleatorio ( vi ). 3 Fronteras de Posibilidades de Producción determinística y estocástica y MLE COLS MOLS OLS x Adaptado de Lovell (1993).

Sin embargo. particulares. agregado. tamaño de población. Metodológicamente es incorrecto comparar los desempeños de municipalidades con características tan diversas. necesidades básicas insatisfechas. y que impide el desarrollo de un análisis de eficiencia integral.En lo anterior se han expuesto las metodologías disponibles en la literatura para el cálculo y el análisis del desempeño y de las capacidades de gestión municipales. Además. Esto es necesario en un contexto de heterogeneidad municipal que muestra desiguales niveles de urbanidad. a partir de un análisis de conglomerados. así como los procedimientos y las diversas aproximaciones para su estimación. inconsistentes y difícilmente interpretables. Se ha explicado el funcionamiento de cada una de ellas. para una evaluación de la eficiencia en municipalidades con características similares. es indispensable que éste sea complementado para su implementación con una tipología municipal. es desarrollada a continuación. Una propuesta de tipología municipal. etc. dado que nos brindaría resultados de eficiencia insesgados. dado que el marco metodológico desarrollado establece un análisis de eficiencia relativa. dado que municipalidades de este tipo deberían corresponder a aquellas que mantienen características comunes. se han expuesto sus ventajas y desventajas asociadas. 25 . es decir que sea implementado a través de grupos de municipios.. una de las ventajas adicionales de realizar evaluaciones de eficiencia segmentadas radica en la posibilidad de controlar la presencia de outliers (puntos extremos anómalos).

Una ventaja asociada a la tipificación de municipalidades radica en el hecho de facilitar al hacedor de política la formulación y aplicación de las medidas de políticas correctivas correspondientes. en un contexto de heterogeneidad municipal que evidencia la presencia de 1830 municipalidades agrupadas en 194 provinciales y 1634 distritales. resulta indispensable previamente tipificar las unidades de gestión municipales bajo análisis con la finalidad de obtener resultados coherentes e interpretables. al. etc. el análisis desarrollado sería inexacto. es decir considerando la totalidad de municipalidades del país. Sin embargo. Así. Así por ejemplo. (2003) y Afonso y Fernandes (2003) quienes analizan la eficiencia municipal en 258 municipalidades de la región de Valencia en España. tamaño de población. no tendría sentido analizar la eficiencia relativa de municipalidades pertenecientes a Lima Metropolitana. se realizará una tipología municipal mediante un análisis de conglomerados (clusters). El análisis de eficiencia municipal. y en 51 municipalidades ubicadas en la región de Lisboa y Vale do Tejo en Portugal. a partir de las metodologías descritas en la sección anterior. En la literatura vinculada al análisis de eficiencia municipal relativa pocos han sido los intentos para homogenizar o tipificar las unidades de gestión evaluadas. En segundo lugar. En tercer lugar. El hecho que no se hayan desarrollado avances en esta dirección se debe básicamente a tres razones: (i) (ii) (iii) En primer lugar. en donde en promedio el número de municipalidades es reducido. Segmentación para el análisis de eficiencia: tipología municipal mediante el análisis de conglomerados. respectivamente. dado que el enfoque de eficiencia adoptado involucra una evaluación relativa. que cuentan con un alto grado de urbanidad.5. 26 . Por ejemplo. dado que en el presente estudio se evaluará la totalidad de municipalidades del país (o al menos para los cuales la información es disponible) y considerando que actualmente en el país no se cuenta con una clasificación municipal oficial. con el objetivo primario de evaluar la eficiencia en grupos conformados por unidades de gestión homogéneas. Loikkanen y Susiluoto (2005) realizaron un análisis de eficiencia en 353 municipalidades finlandesas y Athanassopoulos y Triantis (1998) hicieron lo propio en 172 municipalidades griegas. que en promedio cuentan con menor urbanidad y mayores niveles de pobreza. en esta sección. dado que responden a realidades disímiles. debido a que la mayor parte de la literatura sobre la eficiencia municipal se ha desarrollado en Europa. aun cuando prescindir de ello condiciona los resultados de eficiencia obtenidos.. En caso contrario. dado que algunos estudios han analizado la eficiencia únicamente de municipalidades pertenecientes a una región como los trabajos de Balaguer-Coll et. y la interpretación de los resultados obtenidos sería errónea. con aquellas ubicadas en la sierra o selva. es posible realizarse de manera agregada. además de poner en discusión la necesidad de contar con una clasificación oficial de municipalidades para la implementación normativa y de decisiones de política. por lo que no se requeriría una tipificación previa al análisis de eficiencia municipal. pobreza. dado que algunos estudios de eficiencia han adoptado clasificaciones oficiales municipales previamente establecidas como los trabajos de Afonso y Fernandes (2005) y Worthington y Dollery (2000a). cada una con disímiles niveles de urbanidad.

+ ( xn − yn ) 2 Donde: n : Es el número de variables de agrupamiento.5. juntándose los grupos más cercanos hasta que sólo queda un grupo que contiene a todas las observaciones.1. la más empleada es la distancia común o euclidiana L2 que se define como la norma euclidiana en un espacio n dimensional. Por otro lado. Las variables de agrupamiento. para obtener resultados insesgados. sobre la base de lo cual en la segunda fase se investigarán los determinantes de dichos resultados de eficiencia. las variables de agrupamiento utilizadas no podrán corresponder a ninguna de las variables utilizadas en alguna de estas dos etapas de análisis. por tanto la elección de éstas constituye la parte medular del análisis de conglomerados. Consiste en una técnica multivariante que busca agrupar elementos o variables en grupos con la mínima varianza interna y la máxima varianza entre grupos. la cual define la distancia entre dos grupos como la distancia entre sus unidades más cercanas. El análisis de conglomerados o clusters. hasta llegar a un grupo que contiene a la totalidad de las observaciones. 26 Cabe mencionar que todas estas medidas de asociación emplean como medida de distancia la euclidiana. el cual a su vez pertenece a un grupo mayor y éste a uno más grande. Una de las más intuitivas es el agrupamiento jerárquico aglomerativo. Dicho método es jerárquico porque los grupos se relacionan jerárquicamente. que entre el punto x y el punto y es igual a25: d ( x. Los métodos de agrupamiento precisan dos medidas de distancia: (i) (ii) Entre las unidades.2. denominado medida de asociación Respecto a la medida de distancia entre unidades u observaciones. 27 . Es aglomerativo porque se comienza formando tantos grupos como unidades haya en total y luego se va reduciendo el número de grupos de uno en uno. cada unidad pertenece a un subgrupo. la medida de asociación promedio se define como aquella en la cual la distancia entre dos grupos es igual al promedio de las distancias entre los puntos de un grupo respecto de los puntos de otro26. En cuanto a las medidas de asociación. consistentes e interpretables. 25 Otra medida de distancia entre observaciones es la norma L2 cuadrada. Otra es la denominada medida de asociación completa en la cual la distancia entre dos grupos corresponde a la distancia entre sus unidades más lejanas. característica que tiende a asignar más distancia a las observaciones más alejadas en comparación con la distancia euclidiana. Existen diversos métodos de agrupamiento para la conformación de los clusters. Considerando que se requiere agrupar las municipalidades con la finalidad de realizar un análisis de eficiencia en dos etapas27.. la más empleada es la medida de asociación simple. la cual consiste en organizar un conjunto de unidades formando grupos con las unidades más cercanas entre sí. y Entre los grupos que se van formando. 5.. Las variables de tipificación o agrupamiento van a determinar los grupos de municipalidades que se conformen. 27 Reacuérdese que en la primera se analizará la eficiencia como tal. y ) = ( x1 − y1 )2 + . la cual consiste en el cuadrado de la norma euclidiana.

La ventaja de contar con una tipología municipal de esta naturaleza radica en el hecho de contar con el discernimiento y definición previa de los tipos de variables que lo componen (variables de estado). Sin embargo. que les impide beneficiarse de las sinergias que la presencia de estos elementos podría generar. Aunque no necesariamente las únicas. se proponen para ser empleadas como variables para una tipología municipal29. municipios mayormente rurales cuentan con mayores limitaciones para la gestión municipal como por ejemplo. restricciones para el acceso a personal calificado. intuitivas y realistas para comprender y capturar el entorno y las condiciones municipales. una base tributaria más reducida que los hace más dependientes de las transferencias del Gobierno Central.2. 28 29 Variables no empleadas en la tipificación. el nivel de urbanidad determina también el grado de complejidad de la gestión municipal. dependerán de aquellas variables sobre las cuales las autoridades locales poseen injerencia: denominadas variables de política o de control28. es decir aquellas variables sobre las cuales las municipalidades no poseen injerencia para modificarlas. La variable de tipificación que se empleará será el logaritmo neperiano de la población. así como infraestructura productiva limitada. al considerar la existencia de economías de escala en la gestión municipal. debido a la existencia de economías de escala en la provisión de bienes y servicios municipales. por lo que modelamos esta variable de manera logística. el nivel de urbanidad y el nivel de pobreza. El tamaño de la población determina el grado de complejidad en la administración de un municipio. De esta manera. a resultados interpretables. por lo que el manejo administrativo de una unidad de gestión local se complica conforme mayor población posea. El grado de urbanidad. unidades de gestión local agrupadas según variables de estado debieran tener similares características estructurales y por tanto conducirnos. ni de índole socioeconómico ni demográfico.Así. 28 .1. se proponen como variables de agrupamiento para la tipificación municipal: el tamaño de la población. 5. al menos no en el corto plazo: son las denominadas variables de estado. 5. las variables de tipificación que se empleen no deberán corresponder a aquellas relacionadas con la gestión municipal. Al igual que el tamaño de la población. lo cual permitiría al hacedor de política esbozar de manera más adecuada las medidas de políticas correctivas correspondientes. sería posible afirmar que las diferencias en los resultados de eficiencia existentes entre las municipalidades pertenecientes a un mismo grupo. una población más urbana cuenta con mayores posibilidades para financiar sus gastos locales mediante la generación de recursos propios como el cobro de impuestos o tasas.2. Dadas las consideraciones anteriores. a partir de un análisis de eficiencia relativo. Siendo estas variables sencillas. ni con variables fiscales. Esto debido a varias razones.2. Además. sino a aquellas que permitan capturar similares “condiciones iniciales” para la provisión de servicios municipales. o de tener acceso a profesionales calificados y a tecnología para el mejor desempeño de las competencias y funciones. Por ejemplo. El tamaño poblacional. Cuanto más grande sea la población de una municipalidad lo óptimo es que se ofrezca una mayor cantidad de bienes y servicios públicos. Sin embargo. la complejidad administrativa menos que se duplica si la población se duplica.

29 .3. dado que estamos justificando la utilización de las variables de estado en la tipificación municipal. si se trata de variables intervalares. ni de la riqueza per capita a nivel municipal. dado que es posible cuantificar la medida de distancia inequívocamente. la riqueza per cápita. y por tanto podrán enfocar sus esfuerzos en satisfacer necesidades menos imperiosas. precisan medidas de distancia diferentes acorde a la naturaleza de la variable empleada. así como desarrollar políticas focalizadas para atender a las poblaciones más vulnerables. ni de la norma L2 cuadrada pues ambas asignan la misma distancia a (1. cabe considerar las consideraciones metodológicas siguientes: (i) (ii) La aproximación para la medida de distancia entre unidades de gestión local.Bajo estas consideraciones. así como similitudes en el acceso a la tecnología y a profesionales calificados y demandas similares por parte de la población. Cabe mencionar que la distribución del bienestar condiciona también la gestión administrativa municipal. Aspectos metodológicos. son intervalares se empleará en la tipificación municipal la distancia euclidiana L2. Así.1) o a (0.1. la variable de agrupamiento que se empleará es el porcentaje de la población que es urbana.3. por lo que se empleará como proxy una medida de pobreza.2. Previo a la implementación de la tipología municipal sobre la base de la metodología de conglomerados. En el caso de variables categóricas no es conveniente el empleo de la distancia euclidiana. El ingreso. dado que los mayores ingresos de los pobladores (mayor flujo de bienestar) generarán mayores posibilidades de una municipalidad para recaudar impuestos30. 5.0). El nivel de pobreza. normalizaciones o el cambio en sus unidades son importantes para controlar 30 Estamos abstrayendo del análisis. 5. dado que si la riqueza no se distribuye de manera homogénea entonces será más dificultoso identificar a los principales contribuyentes tributarios. otros factores que podrían determinar el nivel de recaudación de una municipalidad. la variable de agrupamiento que se empleará es la proporción de la población que no satisface una necesidad básica. a medida que la población de una municipalidad tenga una mayor riqueza (acumulación de bienestar) ya sea de manera individual o en forma de bienes públicos. Las transformaciones de las variables empleadas como estandarizaciones. En el mismo sentido. 5. es adecuado el empleo de la distancia euclidiana. Dado que las tres variables descritas en la sección anterior. menores serán las necesidades básicas que tendrán que atender las autoridades municipales. Tipología municipal para el análisis de eficiencia. con las estas tres variables de agrupamiento deberíamos contar con grupos de municipalidades conformados por unidades que posean una similar complejidad administrativa y posibilidades de recaudación afines. así como la distribución del bienestar poblacional son también determinantes de la administración municipal. Por otro lado.3. De esta manera. Actualmente no se dispone de una medida del ingreso.

Por otro lado. empleando como medida de distancia entre unidades. de la siguiente manera: d k (ij ) = ( ni + nk ni + n j + nk )d +( ki n j + nk ni + n j + nk )d +( − nk ni + n j + nk kj )d ij Donde: d ij : Es la distancia entre el grupo i y el grupo j . La fuente de las tres variables empleadas en la tipificación de municipalidades es el Instituto Nacional de Estadística e Informática (INEI). Tipología de municipalidades provinciales.(iii) una variable con un alto grado de variabilidad que pueda dominar la conformación de los grupos de municipalidades. indica la existencia de una estructura de grupos muy diferenciada.2. debido a la alta variabilidad de la población municipal. d k (ij ) . 5. la cual agrupa las unidades de la muestra bajo análisis de modo tal que minimiza la varianza interna de los grupos y maximiza la varianza entre los grupos. Propuesta de tipología municipal. Landau y Leese (2001). traza( B) /( g − 1) traza(W ) /( N − g ) Donde: B : Es la matriz de suma de cuadrados y de productos cruzados entre los grupos.3. las cuales fueron clasificadas en 4 categorías. El análisis de clusters se realizó en 194 municipalidades provinciales. Valores grandes del pseudo − F . En ese sentido.3. una estructura poco diferenciada se obtiene para valores pequeños del estadístico. (iv) ni : Es el número de elementos del grupo i .2. W : Es la matriz de suma de cuadrados y matriz de productos cruzados interior a los grupos. la norma L2 cuadrada. El estadístico pseudo − F de Calinski-Harabasz para N observaciones y g grupos se define como: pseudo − F = (v) (vi) 5.1. la tipología municipal se realizará considerando la distinción entre ambos tipos de municipalidades. Considerando las diferentes competencias asignadas a las municipalidades provinciales y distritales en la Ley Orgánica de Municipalidades. Para estimar la medida de asociación de Ward. s 30 . Se empleará el estadístico pseudo − F de Calinski-Harabasz para hallar el número óptimo de grupos con el cual debe de contar la tipificación municipal. se le cambiará de escala aproximándola por el logaritmo neperiano de la población. Se empleará la medida de asociación de Ward. la clasificación de los municipios peruanos en 10 categorías o grupos: 4 categorías provinciales y 6 categorías distritales. se utilizará la notación propuesta por Everitt. la cual define la distancia entre el grupo k y el nuevo grupo formado por la fusión de los grupos i y j . Se propone sobre la base de la aplicación de la metodología de clusters y del empleo de las variables de tipificación descritas anteriormente.

Chiclayo. Ica.7 Categoría 1: Ciudades intermedias. Callao. o por actividades portuarias como Chimbote. Cabe mencionar que el 42% de las municipalidades pertenecientes a este grupo corresponden a aquellas ubicadas en los departamentos de Amazonas. A nivel de municipalidades provinciales. correspondiendo el 53% de estos a los ubicados en los departamentos de Huánuco. Categoría 2: Metrópolis.6 46876. así como municipalidades litorales que han basado su dinamismo en actividades portuarias como las de Mollendo. Cajamarca. factores que han impedido que puedan articularse a los cluster productivos regionales existentes. Huancayo.0 16.2 60. Se encuentran también municipalidades que cuentan con valles interandinos fértiles como Caraveli. En este grupo se ubican las municipalidades provinciales capitales de departamento con mayor dinamismo económico del país. entre las cuales destacan los municipios de Lima. Pertenecen a este grupo el 76% de las municipalidades provinciales capitales de departamento. Categoría 3: Rural. así como de acceso al mar. Huancavelica.9 26. Ilo. más rurales y menos pobladas.Tabla No. Casma y Huarmey. presencia de entidades bancarias que permiten un mayor acceso al sistema financiero y en las cuales se encuentran las principales entidades públicas del Gobierno Central. Camaná. Satipo. Cusco. En esta categoría se ubican las municipalidades provinciales más pobres país. Tarma. menores necesidades básicas insatisfechas y mayor población. Piura. como es el caso de Tarapoto y Juliaca. liderado sobretodo por actividades comerciales o de servicios. En general son municipios que carecen de infraestructura vial y energética adecuada. Trujillo. Puno y Ancash.7 31. Además. Mayormente son municipios ubicados en la región sierra.5 16283. servicios públicos básicos. Tambopata y Moyobamba. pertenecen a este grupo aquellas municipalidades que han mostrado un dinamismo económico similar e incluso superior al de los propios municipios capitales de departamento. en este grupo se encuentran aquellas que poseen una mayor urbanidad. Huaraz.2 NBI1 25. Iquitos y Tacna.7 127714. Además.1 Promedio Urbanidad 77. Paita y Sullana.3 32.6 42.3 94. Huancavelica. La Oroya. encontrándose el 24% de las municipalidades provinciales capitales de departamento del país.7 52. que cuentan con mejor infraestructura productiva. ninguno es municipio capital de departamento. correspondiendo el 31 . Concepción.7 13410. Arequipa. 2 Categorías de municipalidades provinciales que proceden del análisis de conglomerado Categorías Categoría 1 Categoría 2 Categoría 3 Categoría 4 Total Número de observaciones 57 33 36 68 194 Población 30095. Jauja. Chivay. En este grupo se encuentran las municipalidades provinciales capitales de departamento de menor dinamismo económico y limitada infraestructura productiva como las de Chachapoyas. etc. municipios en los cuales se ubican valles productivos de ceja de selva como los de Chanchamayo. Junín y San Martín.

7 64.5 Categoría 1: Semi-urbano. todas estas se encuentran ubicadas en la región sierra. se ubican en esta categoría el distrito de Santa María del Mar perteneciente a Lima Metropolitana.3 27390.8 40. así como los distritos balnearios de Asia y Cerro Azul ubicados en la provincia de Cañete en el departamento de Lima.9 98. Esta categoría agrupa a la mayor parte de municipalidades provinciales del país (35%) las cuales se encuentran ubicadas mayormente en la región sierra (85%).1 133421.5% de estos poseen una urbanidad superior al 60% y el 86.1 NBI1 34. Ayacucho. Se encuentran en esta categoría municipalidades pertenecientes a todos los departamentos del país (con excepción de los de la Provincia Constitucional del Callao).5 14.2. A pesar de que hay varias municipalidades provinciales que pertenecen a departamentos litorales como Cajatambo. Tipología de municipalidades distritales. Otuzco y Cascas en La Libertad. 3 Categorías de municipalidades distritales que proceden del análisis de conglomerados Categorías Categoría 1 Categoría 2 Categoría 3 Categoría 4 Categoría 5 Categoría 6 Total Número de observaciones 324 200 188 73 672 177 1634 Promedio Población Urbanidad 7289. En los municipios distritales la metodología de conglomerados se aplicó a 1634 municipalidades. y Locumba y Candavare en Tacna. Yauyos.2 66. Huancabamba en Piura. el 21% de los cuales se concentran en la región selva.4 24.1 22. con una urbanidad cercana al 50% y necesidades básicas insatisfechas del orden del 35%.5% tienen necesidades básicas 32 . Además. Omate en Moquegua.0 41. cabe mencionar que ninguna municipalidad de este grupo es capital de departamento. la mayoría de las cuales forman frontera con Bolivia.9 56. Finalmente. San Martín y Amazonas.4 12803.2. 5. En esta categoría se ubican municipios urbanos y de elevada pobreza.3 68. Categoría 4: Semi-rural. Categoría 2: Urbano pobre.4 48. siendo únicamente el municipio de Virú en La Libertad el que cuenta con acceso al mar. En este grupo de municipalidades se encuentran aquellos municipios que más se aproximan al promedio nacional de municipalidades distritales. y si bien son municipios más rurales que urbanos. el nivel de sus necesidades básicas insatisfechas es solo ligeramente superior al promedio nacional para municipios provinciales.1 1461.4 2935. Matucana y Oyón en Lima. El 63. Tabla No. precisamente en los departamentos de Loreto.3.1 12.5 6434. concentrándose el 46% de los municipios que pertenecen a este grupo en los departamentos de Ancash.1 85.20% de sus integrantes a municipalidades fronterizas. las cuales se clasificaron en 6 grupos o categorías. Cajamarca y Puno.

o aquellas caracterizadas por sus actividades portuarias como Salaverry en La Libertad. Dadas las características de elevada urbanidad y reducida pobreza.247 habitantes. el 75% posee una ruralidad por encima del 80%). Pucalá y Casa Grande en Lambayeque. Tambo de Mora y Paracas en Ica. Finalmente. Puno y Cajamarca. pero si mayormente ubicadas en la región sierra. Moche. En este grupo se encuentran mayormente municipalidades pertenecientes a los departamentos de Arequipa y La Libertad. más deprimidos y pobres del país. La Libertad y Piura).5% del total de municipios del grupo. Loreto. Agrupa a las municipalidades distritales más pobladas. Huanchaco en La Libertad. se encuentran los distritos limítrofes de Cieneguilla y Pachacamac. Categoría 6: Rural pobre extremo. Pimentel y Eten en Lambayeque. Máncora en Piura. pertenecientes a Lima Metropolitana. Pasco. perteneciendo el 71% de estos a los 33 . Ica. Cabe mencionar que ningún municipio de esta categoría pertenece a los departamentos de Amazonas. Así por ejemplo. Corresponden además a municipalidades poco pobladas. Esta categoría agrupa a los municipios. Jequetepeque y Chicama en La Libertad.insatisfechas mayores al 50%. algunas de estas municipalidades pueden ser consideradas como ciudades intermedias que cuentan con un elevado potencial de desarrollo económico debido a las ventajas comparativas que les proporciona su cercanía al mar (el 46. concentrándose la mayor parte de los mismos (47%) en los departamentos de Cuzco. los cuales carecen de servicios públicos básicos como agua. Categoría 3: Urbano. en este grupo se encuentran municipios caracterizados por sus turísticas playas como Pucusana. Tumbes y Ucayali. las cuales representan el 20. Yauca e Islay en Arequipa. Punta Hermosa. Puno. y Supe en Lima. Cajamarca. Colán.8% de los municipios de esta categoría ubicados en los departamentos litorales de Arequipa. Cabe mencionar que en este grupo se encuentran municipalidades pertenecientes a todos los departamentos del país (con excepción de los de la Provincia Constitucional del Callao). Huánuco. en promedio. Moquegua. Atico. Apurimac. y que mayormente habitan en viviendas hacinadas e improvisadas. Categoría 4: Ciudades metropolitanas. Chala. San Bartolo y Santa Rosa en Lima Metropolitana. Huancavelica. cuyo rango de población fluctúa entre los 110 y los 12. y Cayalti. Contiene a 34 de los 42 distritos de Lima Metropolitana y a 4 de los 5 distritos de la Provincia Constitucional del Callao. así como un nivel de pobreza no extrema que muestra necesidades básicas insatisfechas promedio del orden del 41%. mayormente urbanas y menos pobres del país. cabe mencionar que ningún municipio de este grupo pertenece a Lima Metropolitana ni al Callao. Lambayeque. Categoría 5: Rural pobre. Madre de Dios. desagüe y alumbrado eléctrico. Adicionalmente. que son justamente en los cuales se ubican los municipios más deprimidos y mas rurales del país. Punta Negra. Ancash. así como aquellos en los cuales se ubican los valles agroindustriales de la costa norte como Laredo. A pesar de ser el grupo de municipalidades más pobres. Patapo. Pomalca. no resultan ser las más rurales. Pertenecen a esta categoría municipalidades con una urbanidad superior al 60% y con reducidas necesidades básicas insatisfechas. todas estas menores al 43%. En esta categoría se encuentran la mayoría de las municipalidades distritales del país (41%) quienes comparten la característica de ser las menos urbanas del país (de las 672 municipalidades del grupo. Los Organos.

ambas metodologías. Ayacucho. Apurimac. la de conglomerados y aquellas para la estimación de fronteras de producción son complementarias. Cuzco y Huancavelica. en la siguiente sección se aplicarán las metodologías descritas en la cuarta sección para la construcción de las fronteras de posibilidades de producción considerando las 10 categorías de municipalidades descritas anteriormente.departamentos de Ancash. secuencia metodológica que debe ser tomada en cuenta en el diseño del Sistema de Información para la Gestión Pública Descentralizada. Cabe mencionar que ninguna municipalidad de este grupo pertenece a Lima Metropolitana y el Callao. por lo que deben de ser implementadas conjuntamente. según el esquema definido. Como puede apreciarse. Así. una vez realizada la tipología municipal ya contamos con todos los insumos necesarios para realizar el análisis de eficiencia en las municipalidades del país. 34 . Por tanto.

lo cual brindará medidas correctivas expresadas en posibles reducciones de gastos. si los outputs responden mayormente a la demanda de los ciudadanos locales (lo cual implica que estos son exógenos) y además. en el presente estudio se adoptará una orientación input-eficiente. cuanto es el nivel de producción que puede incrementarse con los recursos disponibles. el cual admite la siguiente interpretación de los resultados de eficiencia: “cuanto es la cantidad de input (recursos. En esta sección se analizará la eficiencia municipal a partir de las 5 metodologías establecidas en la cuarta sección y considerando las 10 categorías de municipalidades propuestas anteriormente. Sin embargo. las autoridades municipales tienen un control importante sobre los input (es decir sobre el gasto). (ii) sus objetivos responden principalmente a las funciones de demanda de sus vecinos32 y (iii) dado que en la actual coyuntura.1.1. la cobertura de los servicios de baja policía. correspondiendo por tanto a cada una de las funciones de ejecución presupuestal municipal definidas oficialmente. Variables output y el Indicador de Desempeño Municipal (IDEM). Tal como se vio en la cuarta sección. Las variables output cumplen las siguientes características: (i) (ii) Están expresadas en términos anuales. es posible realizar un análisis de eficiencia según dos orientaciones: inputs y de outputs31. que proceden de la ejecución presupuestal del gasto anual de las municipalidades. el empleo de ambas orientaciones no siempre es del todo relevante.1. 6. 32 Por ejemplo. que considera información estadística para el año 2003. Las variables output son variables objetivo o resultado. parece ser más relevante analizar cuanto de los recursos disponibles es posible ahorrar con la finalidad de alcanzar los objetivos establecidos. 6. La adopción de esta orientación permitirá detectar las limitaciones de las autoridades locales para reducir los costos de la provisión de sus servicios. gastos) que es posible reducir con la finalidad de mantener el mismo nivel de output (indicadores objetivos)”. por lo que será oportuno optar por una de ellas acorde al tipo de unidad de gestión que se esté evaluando. Así. 1996b). son claramente una función de la demanda de los pobladores locales. Son construidas a partir del Registro Nacional de Municipalidades 2004 (RENAMU 2004). el contexto empírico particular. En otras palabras se definen como las variables de desempeño empleadas para aproximar cuantitativamente la provisión de servicios públicos municipales. dado que en el Perú: (i) las municipalidades son totalmente autónomas en la ejecución de su gasto.6. Análisis de la eficiencia del gasto municipal. En tal sentido. control y prevención de la salud implementados. así como del entorno característico de las unidades de gestión bajo análisis (Worthington y Dollery. así como de los programas de asistencia social alimentaria. 2000b). 31 La primera analiza cuantos recursos pueden reducirse para obtener el mismo nivel de producción y la segunda. Variables output. ya sea como consecuencia de la discrecionalidad en la ejecución de los recursos o por las fallas del monitoreo de los gastos. parece ser más apropiado un análisis de eficiencia en términos de inputs (De Borger y Kerstens. 35 .

comercio y servicios. Las variables output que se emplearán en el análisis de eficiencia son las siguientes: 33 Definidas por la Dirección Nacional de Presupuesto Público (DNPP) del MEF. Son construidos considerando algunos de los criterios para la elaboración de indicadores de gestión de la Ley del Sistema de Acreditación de los Gobiernos Regionales y Locales35. (3) Educación y cultura. de acceso a la información y transparencia en la gestión. así como de desempeño interno. y (6) Transporte 34. respectivamente. (3) Pesca y (4) Vivienda y desarrollo urbano. Ley Orgánica de Municipalidades establece en el Artículo 72° el carácter exclusivo. de participación ciudadana. 36 La Ley No. Son elaborados acorde a las competencias municipales exclusivas36. vinculados a la cobertura y la calidad de los servicios. (5) Salud y saneamiento. (2) Asistencia y previsión social. y son de mayor relevancia a nivel local dado que representan. 36 . (4) Industria. compartido o delegable de una competencia municipal. el 94% y 88% de la ejecución del gasto. para las municipalidades provinciales y distritales. de competitividad y desarrollo económico. entre otros. 35 Esta norma establece en su Artículo 9° que los indicadores de gestión deben incluir criterios de desempeño en la provisión de los servicios locales. En el presente estudio únicamente se considerarán las competencias exclusivas de estos niveles de gobierno. 27972. 34 Las otras 4 funciones de ejecución presupuestal municipal no consideradas son (1) Agraria.(iii) (iv) (v) (vi) Son compatibles con 6 de las 10 funciones de ejecución presupuestal municipal oficial33. (2) Energía y recursos minerales. relacionados con los procesos administrativos internos. También criterios fiscales. Las 6 funciones de ejecución municipal (mencionadas anteriormente) son: (1) Administración y planeamiento. en promedio.

(ii) entre 25% y 49%. Se consideraron beneficiarios sólo de los locales de administración municipal para la protección del niño. (viii) educación. y (iv) entre 75% y 100% Cantidad de basura basura recolectada Y 15 Reparación y construcción de pistas y veredas Y 16 Z1 Z2 Número de raciones distribuidas del Programa del Vaso de Leche considerando la población objetivo de las dos prioridades definidas en la normativa vigente (niños de 0-13 años. SALUD Y SANEAMIENTO Número de efectivos de serenazgo del municipio dividido por el número de habitantes Número de acciones realizadas. (xiii) presupuesto participativo. (ii) uniformes. (x) plan de desarrollo asentamientos humanos. (viii) otros Operativos de control Y 13 Número de operativos realizados. Se consideraron las siguientes: (i) Promoción y publicidad. Se consideraron las siguientes: (i) Promoción y publicidad. (vii) institucional. (v) normas de promoción al turismo. (ix) salud. madres gestantes y lactantes. gases tóxicos y ruidos. Se consideraron licencias para funcionamiento según: (i) comercial. (iv) alfabetización. (vi) boticas. Se consideraron las siguientes: (i) Promoción y publicidad. (xi) vigencia de licencia de funcionamiento. se resalta así la importancia de que se trabaje en la obtención de indicadores resultado (output) más precisos para la mejora futuras investigaciones del análisis de la eficiencia municipal. EDUCACIÓN Y CULTURA 4. según: (i) Locales con servicios de rayos x/ecografía. (ii) servicios. (xiv) plan operativo. (vii) convenios institucionales. (xi) plan de desarrollo institucional. (iii) centro de cuidado diurno. (ix) plan de gestión ambiental. adolescente y adulto mayor según los siguientes establecimientos: (i) Casa Hogar. Se consideraron locales propios del municipio. (vi) DEMUNA. así como la diversidad de demandas de la población y de orientaciones políticas de los alcaldes. INDUSTRIA. (x) otras Licencias de funcionamiento en términos per cápita otorgadas Y3 Número de licencias de funcionamiento dividido entre el número de habitantes. ASISTENCIA Y PREVISION SOCIAL 3.Tabla No. (iv) consultorios médico. han llevado a que existan municipalidades que pueden haber realizado otras actividades no consideradas en estos indicadores. (vi) oficinas. (ix) transporte urbano. Se consideraron los siguientes programas: (i) Desayuno escolar. personas con TBC y ancianos) Z3 6. (iv) centro de cuidado comunal. (v) plan de desarrollo urbano o plan director. (iii) servicio odontológico. Se consideraron locales de administración municipal en funcionamiento según: (i) hospitales y clínicas. (iii) plan de desarrollo social. (iii) apoyo a la comercialización de productos. (ii) laboratorio. (iv) construcción. (vii) alimentos. (iii) servicios higiénicos públicos. 37 . (vii) plan de desarrollo rural. (ii) carné de sanidad. (ii) mejoramiento de la infraestructura de acceso. Se consideraron: (i) plan de desarrollo municipal concertado. (v) industria. (v) anuncios. (vi) pesas y medidas. 4 Variables output utilizadas en el análisis de eficiencia municipal Output Función de gestión municipal 1. (v) otros Número de acciones realizadas. Cabe anotar que a pesar de que se utilizó un amplio rango de indicadores output. (vi) otros Cobertura de locales municipales para asistencia social Y4 Número de población beneficiada dividido entre el número de habitantes. (iv) plan de acondicionamiento territorial. (iv) comercio. (iv) promover el consumo de productos de la localidad. higiene y salubridad. Del mismo modo. buzos y calzado. (v) casas de reposo/asilos. (iii) capacitación laboral juvenil. COMERCIO Y SERVICIOS Observaciones Indicador Número de instrumentos de gestión y desarrollo urbano y/o rural. (ii) asilos y albergues. (viii) otros Locales para el apoyo al diagnóstico de la salud per cápita Y 11 Número de locales dividido entre el número de habitantes. tratándose de una posta de salud con un ambiente o un hospital con cien camas. (vii) botiquines. (iii) artesanía y manufactura industriales. (x) vigencia de licencias de construcción. (viii) comercio ambulatorio. el indicador Y12 registrará ambos como iguales: 1 “local de atención de salud”. Se consideraron las licencias para obras de construcción según: (i) viviendas multifamiliar. (iv) capacitación para mejorar la producción y venta. ADMINISTRACION Y PLANEAMIENTO 2. (iii) entre 50% y 74%. (iii) convenios con ONG y/o empresas privadas. (iv) fumigación. (xiii) otros Cobertura del servicio de recojo de basura Y 14 Se consideraron 4 rangos de cobertura del servicio de recojo de basura realizada por la municipalidad: (i) menor al 25%. (xii) emisión de humos. (v) otros Promedio anual de basura recolectada expresada en kilogramos Metros cuadrados de pistas y veredas reparadas o construidas Z6 Reparación y construcción de caminos rurales Y 17 Metros cuadrados de caminos rurales reparados o construidos Fuente: RENAMU 2004. (ii) viviendas bifamiliar. (ii) realización de ferias y concursos. la característica de los indicadores no captura siempre la magnitud del indicador output. (ii) realización de ferias. Se consideraron los siguientes: (i) Aseo. (iii) puestos de salud. la amplitud y diversidad de las funciones otorgadas a las municipalidades en la Ley de Bases de la Descentralización y la Ley Orgánica de Municipalidades. (v) casa de estancia. (xv) otros Instrumentos de gestión y desarrollo urbano y/o rural Y1 Licencias de construción en términos per cápita otorgadas Y2 Número de licencias de construcción dividido entre el número de habitantes. (viii) plan vial. Aún así. (v) actividades profesionales. por ejemplo. (iv) mantenimiento de los atractivos turísticos. (ii) centros de salud. (vi) realización de eventos y ferias. (vi) esquema de zonificación de áreas urbanas. y (vii) otros Efectivos de serenazgo per cápita Y5 Raciones distribuidas por el Programa del Vaso de Leche Y6 Beneficiarios en programas de apoyo a la educación Y7 Acciones para incentivar a la MYPE Y8 Acciones para el fomento a la artesanía Y9 Acciones para incentivar el turismo Y 10 Número de acciones realizadas. (iii) construcción de nuevos atractivos turísticos. (ii) plan estratégico y de desarrollo económico local. (iii) viviendas unifamiliar. TRANSPORTE Número de beneficiarios. (v) otras acciones Z4 Z5 5. (iv) otros Locales de atención de salud per cápita Y 12 Número de locales dividido entre el número de habitantes. Sin embargo esto podría contrastarse en el análisis de eficiencia cuando se evalúe cual es el gasto en cada local de salud correspondiente. (xii) programas de inversiones.

según corresponda. que en número ascienden a 17. cada una de las 6 funciones de ejecución municipal están representadas por indicadores output. 38 . los cuales se conforman a su vez por otros subindicadores. denominados Ykoutput. según función de gestión municipal y categorías de municipalidades provinciales y distritales. A continuación se presentan los valores promedio de los indicadores Yk-output.Como puede apreciarse en la tabla anterior. precisamente indicadores Zjoutput. los cuales han sido normalizados previa transformación en términos per cápita o en porcentajes.

672 0.043 0.017 0.283 0.239 0.034 0.079 0. 5 Valores promedio de los indicadores Yk-output.028 0.104 0.139 0. COMERCIO Y CULTURA Y SERVICIOS SOCIAL (Z 3) (Z 4) (Z 2) Raciones Cobertura de Locales para Acciones Acciones Efectivos distribuidas Beneficiarios en Licencias de Acciones locales el apoyo al para el para de funcionamiento municipales por el programas de para incentivar fomento diagnóstico incentivar serenazgo Programa del en términos per apoyo a la para a la de la salud a la el turismo cápita otorgadas Vaso de educación asistencia per cápita MYPE artesanía per cápita (Y 10) (Y 5) (Y 3) Leche (Y 7) social (Y 8 ) (Y 11) (Y 9) (Y 6) (Y 4) ADMINISTRACION Y PLANEAMIENTO (Z 1) Categorías / Instrumentos de Licencias de número de gestión y construción en municipalidades desarrollo urbano términos per y/o rural cápita otorgadas (Y 1) (Y 2) Provinciales Categoría 1 (55) Categoría 2 (33) Categoría 3 (32) Categoría 4 (65) Distritales Categoría 1 (295) Categoría 2 (178) Categoría 3 (181) Categoría 4 (73) Categoría 5 (608) Categoría 6 (166) Mean Std.041 0.239 0.049 0.263 0.289 0.033 0.299 0.006 0.038 0.741 0.110 0.079 0.018 0.247 0.022 0.478 0.069 0.086 0.034 0.315 0.034 0.028 0.342 0.444 0.354 0.240 0.034 0.325 0.028 0.354 0.278 0.262 0.002 0.041 0.223 0.016 0.035 0.016 0.096 0.031 0.094 0.059 0.004 0.014 0.879 0.027 0.117 0.034 0.036 0.183 0.214 0.023 0.000 0.012 0.006 0.107 0.173 0.096 0.020 0.026 0.079 0.074 0.031 0.482 0.028 0. Aún así la diferencia no es significativa.231 0.332 0.070 0.154 0.141 0.170 0.002 0.467 0.071 0.006 0.028 0.087 0.062 0.079 0.043 0.055 0.099 0.020 0.031 0.012 0.151 0.278 0.019 0.449 0.366 0.Tabla No.372 0.524 0.016 0.061 0.500 0.251 0.165 0.016 0.442 0.076 0.259 0. .125 0.084 El número de municipalidades pertenecientes a cada una de las 10 categorías municipales.067 0.738 0.449 0.022 0.132 0.119 0.067 0.002 0.264 0.028 0.214 0.020 0.070 0.027 0.062 0.212 0.014 0.078 0.069 0.015 0.039 0.062 0.351 0.002 0.022 0.247 0.056 0.353 0.053 0. Min Max 37 TRANSPORTE (Z 6) SALUD Y SANEAMIENTO (Z 5) Locales Reparación Reparación y Cobertura Cantidad de de y Operativos del servicio construcción basura atención construcció de control de recojo de de caminos basura de salud n de pistas y (Y 13) rurales basura recolectada per cápita veredas (Y 17) (Y 14) (Y 15) (Y 12) (Y 16) 0.006 0.025 0.342 0.182 0. La razón de ello radica en el hecho que la tipología municipal se realizó considerando la totalidad de municipalidades del país.032 0.273 0.332 0. respectivamente.524 0.269 0.031 0.028 0.012 0.006 0. mientras que los indicadores output se construyeron considerando sólo las municipalidades que remitieron información para el RENAMU 2004.173 0.018 0.079 0.113 0.315 0.050 0.080 0.182 0.079 0.093 0.361 0.087 0.120 0.321 0.000 0.021 0.302 0.347 0.066 0.060 0.029 0.110 0.467 0.084 0.214 0.212 0.082 0. según categorías de municipalidades37 ASISTENCIA Y PREVISION EDUCACIÓN INDUSTRIA.006 0. Dev.006 0.267 0.072 0.306 0.856 0.093 0.023 0.188 0.088 0.060 0.140 0.032 0.069 0.111 0.212 0.102 0.168 0.170 0.220 0.075 0.151 0. a excepción de las categorías 2 y 4 de municipalidades provinciales y distritales.608 0.030 0.066 0.879 0.185 0.500 0.251 0.367 0.165 0.313 0.021 0.071 0.050 0.076 0.130 0.266 0.205 0.241 0.012 0.017 0.039 0.173 0.130 0.004 0.088 0.680 0.004 0.126 0.313 0.188 0.070 0.048 0.299 0.046 0. difiere de aquel establecido en el análisis de cluster.

y efectivos de serenazgo per cápita. También son los municipios ubicados en la categoría 3 de municipalidades provinciales. ambos pertenecientes a la función –transporte. catalogadas como “semi-rural”. destacando las municipalidades de Pomabamba (Ancash) y Purus (Ucayali) en el primer indicador. pertenecientes a la categoría 4 de municipalidades distritales. cabe mencionar que las municipalidades de Lima Metropolitana. Como era de esperarse. mostraron una provisión de servicios reducida en comparación al resto de categorías de municipios distritales.tienen sus máximos valores en las municipalidades provinciales pertenecientes a la categoría 4. como de las categorías municipales definidas. destacando nuevamente la municipalidad de Grau-Chuquibambilla (Apurimac). diferencias que se evidencian tanto a través de las funciones de gestión municipal. los que obtuvieron los mayores valores para el indicador beneficiarios en programas de apoyo a la educación. Destacan las municipalidades de Tarapoto (San Martín) y Mariscal Nieto (Moquegua).Como se desprende de la tabla 5. En la función -administración y planeamiento-. Huacho (Lima) y Lima (Lima). Destacan las municipalidades de Aymaraes-Chalhuanca (Apurimac). Destaca el caso de la función -salud y saneamiento.en la cual fueron las municipalidades provinciales pertenecientes a la categoría 2 (en la que se ubican casi la totalidad de municipalidades provinciales capitales de departamento del país). perteneciente a la función. Finalmente. (Comas. y las de Tayacaja-Pampas (Huancavelica) y Chincheros (Apurimac) en el desarrollo de acciones para incentivar el turismo. -educación y cultura-. y cobertura del servicio de recojo de basura. quienes obtuvieron los valores máximos en los indicadores que lo conforman.sus valores máximos recayeron en las categorías de municipalidades provinciales 2 y 3. Al respecto cabe mencionar a las municipalidades de Santa-Chimbote (Ancash). quienes obtuvieron los mayores valores en los indicadores mencionados. . En promedio este grupo de municipalidades obtuvo los mayores valores para los indicadores instrumentos de gestión y desarrollo urbano y/o rural. y las de Huacaybamba (Huanuco) y Grau-Chuquibambilla (Apurimac) en el segundo. así como la de Manu (Madre de Dios) y Daniel Carrión-Yanahuanca (Pasco). correspondientes a la función -asistencia y previsión social. Lima (Lima) e Ilo (Moquegua) quienes obtuvieron los mayores valores en los indicadores locales de atención de salud per cápita. Chota (Cajamarca) y Atalaya-Raymondi (Ucayali) en el desarrollo de acciones para el fomento a la artesanía. los indicadores Yk-output sugieren la existencia de grandes diferencias en la provisión de servicios municipales. así como a las de Cusco (Cusco). Es interesante notar que 2 de los 3 indicadores correspondientes a la funciónindustria. San Juan de Lurigancho y Ate Vitarte). San Juan de Lurigancho y San Martín de Porres) y en el desarrollo de acciones para incentivar a la MYPE (Comas. y licencias de funcionamiento en términos per cápita otorgadas. así como las de Pasco (Pasco). precisamente (y nuevamente) en la categoría 2 de municipalidades provinciales. los mayores valores de los indicadores cobertura de locales municipales para asistencia social. destaca la provisión de servicios de las municipalidades provinciales pertenecientes a la categoría 3. respectivamente. Estas municipalidades sólo destacaron en las raciones distribuidas por el Programa del Vaso de Leche. y reparación y construcción de caminos rurales. respectivamente. Respecto a los indicadores reparación y construcción de pistas y veredas. respectivamente. comercio y servicios.recayeron en las municipalidades más urbanas y menos pobres del país. catalogadas como “rurales y pobres”. El Callao (Callao) y Maynas-Iquitos (Loreto).

2005). 41 El hecho de otorgar pesos iguales a los diversos indicadores Yk-output puede ser cuestionable. Al parecer. Otra de las razones podría estar en que algunos de estos estudios han analizado sólo un ámbito particular de la gestión local. quienes utilizan 6 indicadores output. mientras los segundos analizan la eficiencia en la provisión de infraestructura y equipamiento público. y Tanzi (2003). en el Indicador de Desempeño Municipal (IDEM). Hasta donde tenemos conocimiento los dos únicos estudios que han construido un indicador genérico de desempeño municipal a partir de diversos output son los de Afonso y fernándes (2003. Schuknecht. Siguiendo a De Borger y Kerstens (1996b) y a Afonso. 39 La necesidad de contar con un único indicador de desempeño integral municipal es prioritario desde que se emplean en el análisis de eficiencia 5 metodologías. Zjoutput. con la finalidad facilitar el análisis de los resultados de eficiencia obtenidos. se calculó el indicador output de cada función municipal. al. establecidos en la tabla 4. se encuentran los estudios de De Borger y Kerstens (1996a).2. empleando en sus análisis pocos indicadores output38. la síntesis de las conclusiones y recomendaciones de políticas correctivas correspondientes. fueron normalizados40. Sin embargo. Dado que los 6 indicadores Zj-output propuestos se conforman por 17 subindicadores Yk-output. lo que complica aún más el análisis y la interpretación de los resultados. para el caso de unidades de gestión local. respectivamente. Vanden Eeckaut.1.6. construido a partir de todos los Zj-output e Yk-output. Habitualmente en los diversos campos del análisis de eficiencia de unidades de gestión se han construido indicadores de desempeño integrales a partir de un conjunto de subindicadores. 38 Los primeros analizan la eficiencia en la administración de los servicios de sanidad empleando para ello 3 outputs. Así. se desarrollaron los siguientes pasos: (i) (ii) Todos los indicadores Yk-output pertenecientes a cada función de gestión municipal. en los cuales se agruparon 14 y 8 indicadores output. quienes emplean 5 indicadores output. la razón de que no se hayan elaborado indicadores de desempeño integrales radicaría en el hecho que la mayor parte de los estudios de eficiencia municipal han utilizado pocos indicadores output. Una forma más adecuada de proceder sería por ejemplo asignar a los indicadores output. Indicador de Desempeño Municipal (IDEM). ambos para el caso de municipalidades portuguesas. según corresponda. 40 Este paso fue desarrollado anteriormente al presentar los indicadores Yk-output en la tabla 5. Sin embargo. Luego. utilizando en su análisis 6 outputs. Cabe mencionar que previo a la normalización deben de construirse las variables en porcentajes o en términos per cápita. lo cual ha permitido prescindir de un indicador global que los sintetice. por ejemplo. estos serán sintetizados en uno sólo. la información estadística disponible no permite realizar la compatibilidad entre los subindicadores output 41 . para construir el Indicador de Desempeño Municipal (IDEM). dándole un mismo peso a cada indicador Yk-output 41. pesos que correspondan a la ejecución presupuestal de dicha función municipal. o los estudios de Worthington y Dollery (2000a) y de Prieto y Zofio (2001) los cuales analizan una sola competencia de gestión local. la literatura para la construcción de indicadores de desempeño municipal a partir de un conjunto de indicadores output es escasa. et. y Athanassopoulos y Triantis (1998) quienes emplean 5 indicadores output. así como para tener una noción global de la provisión de los servicios públicos locales por parte de las municipalidades del país39. lo cual generalmente está asociado al empleo de unos pocos indicadores output. (1993).

(iii)

Finalmente, se construyó el IDEM otorgándole ponderadores
diferenciados a cada uno de los indicadores Zj-output, según la
participación promedio de la ejecución del gasto local para el año 2003
correspondiente a cada categoría municipal42.

En la siguiente tabla se presentan los componentes, así como los ponderadores de los
indicadores Zj-output e Yk-output empleados en la construcción del IDEM.
Tabla No. 6
Componentes y ponderadores del Indicador de Desempeño Municipal
(IDEM)
Ponderadores Indicador Zj-output (Pcj)**
Función de gestión municipal

Ponderadores
Yk-Output Indicador Yk- Zj-Output
output (Pkj)*

Municipalidades distritales

Municipalidades provinciales

Categoría 1 Categoría 2 Categoría 3 Categoría 4 Categoría 1 Categoría 2 Categoría 3 Categoría 4 Categoría 5 Categoría 6

1. ADMINISTRACION Y
PLANEAMIENTO

2. ASISTENCIA Y PREVISION
SOCIAL

3. EDUCACIÓN Y CULTURA

4. INDUSTRIA, COMERCIO Y
SERVICIOS

5. SALUD Y SANEAMIENTO

Y1

1/3

Y2

1/3

Y3

1/3

Y4

1/3

Y5

1/3

Y6

1/3

Y7

1

Y8

1/3

Y9

1/3

Y 10

1/3

Y 11

1/5

Y 12

1/5

Y 13

1/5

Y 14

1/5

Y 15

1/5

Y 16

1/2

Y 17

1/2

6. TRANSPORTE

Z1

0.470

0.526

0.492

0.503

0.511

0.464

0.493

0.433

0.446

0.485

Z2

0.158

0.104

0.199

0.162

0.188

0.150

0.154

0.222

0.226

0.187

Z3

0.042

0.018

0.095

0.071

0.083

0.113

0.053

0.023

0.120

0.114

Z4

0.033

0.045

0.015

0.023

0.010

0.014

0.021

0.010

0.011

0.006

Z5

0.115

0.164

0.066

0.087

0.084

0.105

0.146

0.225

0.055

0.065

Z6

0.182

0.143

0.134

0.154

0.124

0.155

0.133

0.088

0.143

0.144

*-/ Pkj es el ponderador de los indicadores Yk-output, donde k=17 y j=6
**-/ Pcj es el ponderadores de los indicadores Zj-output, donde c=10 y j=6

Así por ejemplo, el ponderador del output Z1 correspondiente a la función
administración y planeamiento, asciende en promedio a 0.49 y 0.47 para las
municipalidades provinciales y distritales, respectivamente. Esta cifra es por demás
interesante dado que nos brinda información sobre el gasto funcional43: de cada sol
que se gasta en las municipalidades provinciales y distritales, S/. 0.49 y S/. 0.47,
respectivamente, se destinan a la administración y el planeamiento del municipio, es
decir aproximadamente el 50% del presupuesto municipal se destina a gastos de
administración. La lectura de los ponderadores correspondientes a los restantes Zjoutput es la misma. Al respecto, sorprende que las municipalidades provinciales y
distritales únicamente destinen respectivamente, a la función industria, comercio y
servicios, S/. 0.02 y S/. 0.01 por cada sol que gastan, cuando debiera ser una de las
principales fuentes de gasto local, que dinamice la economía local. Este porcentaje
incluso se mantiene en la categoría 2 y 4 correspondientes a las municipalidades
provinciales y distritales, respectivamente, en las cuales se encuentran los municipios
más urbanos y menos pobres del país.
establecidos y sus correspondientes contrapartidas de gasto. Esta es una de las limitaciones de la
información estadística actual que impide el desarrollo de un análisis de eficiencia más preciso.
42
Este tercer paso no está establecido en la literatura referida. Por lo que constituye una propuesta
para la construcción de indicadores de eficiencia globales a partir de una serie de indicadores output,
al asignar ponderadores no discrecionales que aproximen el gasto de las diversas funciones de gestión
municipal.
43
Dado que, como se mencionó, procede de la participación de la ejecución de dicha función en el
total del gasto municipal.

42

Por otro lado, tal y como se indicó, a los indicadores Yk-output se les asignó el mismo
peso, según sea el caso.
Así, formalmente el IDEM puede expresarse como la suma de ponderada de los
indicadores Zj-output, donde los ponderadores proceden de cada categoría municipal,
por lo que se entiende que estos serán diferentes según las categorías de
municipalidades propuestas.
Sean, i el número de municipalidades y j el número de funciones de gestión
municipal, para el municipio i se define el IDEM i de la siguiente manera:

IDEM i = ∑ (Pcj Z ij ), con Z ij = ∑ PkjYkj
n

j =1

Donde:
i : es el número de municipalidades.
j : es el número de funciones de gestión municipal.

Pcj : son los ponderadores de los indicadores Zj-output (correspondientes a las 6
funciones de gestión municipal) según las 10 categorías de municipalidades definidas
en la quinta sección.
Z ij : son los output correspondientes a cada municipalidad según las 6 funciones de
gestión municipal.
Ykj : son los indicadores Yk-output correspondientes a cada municipalidad según las 6
funciones de gestión municipal.
Pkj : son los ponderadores de los indicadores Yk-output, correspondientes a las 6
funciones de gestión municipal.
A continuación se presentan los valores promedio de los indicadores Zj-output y del
IDEM para cada una de las 10 categorías de municipalidades definidas44:
Tabla No. 7
Valores promedio de los indicadores Zj-output e Indicador de Desempeño
Municipal (IDEM), según categorías de municipalidades

44

Véase en el anexo, el IDEM para cada una de las municipalidades, según categorías municipales.

43

SALUD Y
SANEAMIENTO
(Z 5)

TRANSPORTE
(Z 6)

INDICADOR DE
DESEMPEÑO
MUNICIPAL
(IDEM)

0.257

0.296

0.033

0.165

0.078

0.313

0.400

0.059

0.254

0.066

0.079

0.288

0.253

0.073

0.202

0.202

0.077

0.030

0.353

0.344

0.022

0.158

295

0.118

0.019

0.027

0.169

0.175

0.005

0.083

Categoría 2: Urbano pobre

178

0.131

0.028

0.020

0.166

0.127

0.017

0.085

Categoría 3: Urbano

181

0.162

0.026

0.022

0.198

0.264

0.018

0.130

Categoría 4: Ciudades
metropolitanas

73

0.218

0.080

0.031

0.309

0.319

0.031

0.191

Categoría 5: Rural pobre

608

0.100

0.018

0.034

0.154

0.126

0.002

0.062

Categoría 6: Rural pobre
extremo

166

0.101

0.027

0.060

0.164

0.123

0.023

0.074

0.185
0.075
0.100
0.306

0.053
0.036
0.018
0.128

0.041
0.023
0.020
0.079

0.237
0.075
0.154
0.353

0.243
0.100
0.123
0.400

0.028
0.022
0.002
0.073

0.140
0.064
0.062
0.254

INDUSTRIA,
EDUCACIÓN
COMERCIO Y
Y CULTURA
SERVICIOS
(Z 3)
(Z 4)

Número de
municipios

ADMINISTRACION Y
PLANEAMIENTO
(Z 1)

ASISTENCIA Y
PREVISION
SOCIAL
(Z 2)

Categoría 1: Ciudades
intermedias

55

0.225

0.061

0.031

Categoría 2: Metrópolis

33

0.287

0.128

Categoría 3: Rural

32

0.306

Categoría 4: Semi-rural

65

Categoría 1: Semi-urbano

Categorías de
municipalidades

Provinciales

Distritales

Mean
Std. Dev.
Min
Max

Dado que los indicadores Yk-output conforman los indicadores Zj-output, los valores
más elevados de estos últimos corresponden justamente en aquellas categorías de
municipalidades que obtuvieron los mayores valores de los indicadores Yk-output.
De la lectura de la lectura de la tabla 7 se desprende que en 2 de las 6 funciones de
gestión municipal, la categoría 2 de municipalidades provinciales (metrópolis) obtuvo
los indicadores Zj-output más elevados. Precisamente en la función asistencia y
previsión social, en la cual destacaron las municipalidades de El Callao (Callao), PascoChapimarca (Pasco) y Tarapoto (San Martín); y en la función de salud y saneamiento,
en la cual destacó nuevamente El Callao (Callao); así como Maynas-Iquitos (Loreto) y
Chepen (La Libertad).
La categoría 3 de municipalidades provinciales (rural-pobre) obtuvo los valores más
elevados en las 3 de las 6 funciones de gestión local Destacan las municipalidades de
Grau-Chuquibambilla (Apurimac) y Mariscal Luzuriaga- Piscobamba (Ancash) en la
función de administración y planeamiento; nuevamente la municipalidad de GrauChuquibambilla (Apurimac) y Manu (Madre de Dios) en la función de educación y
cultura; y las municipalidades de Oxapampa (Pasco) y Ayabaca (Piura) en la función
transporte.
En cuanto al IDEM, a nivel nacional el valor promedio más elevado recae en la
categoría de municipios que agrupa a las principales municipalidades provinciales
capitales de departamento del país (categoría 2). Destacan las municipalidades de
Huancayo- Junín (0.48), Tarapoto-San Martín (0.48), Tacna (0.47), Ilo-Moquegua
(0.45) y Lima (0.35). Finalmente, a nivel de municipalidades distritales, el IDEM
resultó ser más elevado en la categoría 4 (ciudades metropolitanas) en la cual se ubican
las municipalidades distritales de Lima Metropolitana. Destacan los municipios de
Yanahuara- Arequipa (0.35), Morales-San Martín (0.33); y San Isidro (0.33), Jesús
Maria (0.31) y Comas (0.30), ubicados en Lima. Cabe mencionar que 6 de los 10
municipios con mayores valores del IDEM correspondientes a la categoría 4 de
municipalidades distritales, se encuentran en la jurisdicción de Lima Metropolitana.

44

025 38.Como era de esperarse.351 34. Min Max Los valores más elevados para los indicadores input en las 6 categorías de función de gasto municipal e inclusive para el -input total.725 33.445 7.085 22. (5) Salud y saneamiento.994 Categoría 2: Metrópolis 33 39.363 54. 8 Valores promedio de los indicadores input según categorías de municipalidades Categorías de municipalidades Número de ADMINISTRACION municipios Y PLANEAMIENTO ASISTENCIA Y PREVISION SOCIAL INDUSTRIA.616 4.056 19. Para mantener la compatibilidad con los indicadores Zj-output propuestos. provendrán de las 6 funciones de gasto más relevantes para los municipios peruanos45: (1) Administración y planeamiento. Variables input. 6.085 5.985 4.669 42.851 35.066 52. catalogada como “urbano pobre”. (3) Educación y cultura.949 66.359 28.352 9.159 416.718 13.845 6.017 77. y (6) Transporte46.738 2.612 23.127 202.638 31. cuya información fue obtenida de la Dirección Nacional de Contabilidad del MEF.000 19. corresponden a los niveles de gasto municipal per cápita por entidad para el año 2003.306 1.2.227 4.915 7. 45 .468 27.804 1.718 35.032 64.234 8.652 21. Dev.628 1.190 160.994 11.159 176. pero sorprendentemente los municipios provinciales rurales pobres (categoría 3) tienen indicadores de desempeño mayores que las ciudades intermedias.548 10.127 9.803 109.649 Categoría 4: Semi-rural 65 36. los indicadores input.743 Categoría 1: Semi-urbano 295 136.181 2.066 28.928 5. hecho que no se repite a nivel de municipios distritales.497 88.648 Categoría 2: Urbano pobre 178 202.304 Categoría 6: Rural pobre extremo 166 106. Las variables input para el análisis de eficiencia.523 1.724 1.306 9.994 416.060 7.085 9. al respecto.700 35.034 184.928 14.669 19.902 4.856 64.775 24.306 Categoría 5: Rural pobre 608 86. 45 46 Véase la sección 6.479 210.514 21. (4) Industria.929 226.124 0.584 9.132 35.309 Categoría 3: Urbano 181 121. las variables input para cada una de las municipalidades incluidas en el análisis.1.711 78.085 2.591 2.corresponde a la categoría 2 de municipalidades distritales.438 1.211 2.847 10.085 42. EDUCACIÓN SALUD Y COMERCIO Y TRANSPORTE Y CULTURA SANEAMIENTO SERVICIOS INPUT TOTAL Provinciales Categoría 1: Ciudades intermedias 55 34.559 14.426 32. Tabla No.620 33.181 52.193 255.560 Categoría 3: Rural 32 46.952 32. Véase en el anexo.188 14.309 Distritales Mean Std. las metrópolis tanto a nivel provincial como distrital tienen indicadores de desempeño municipal mayores. 5 corresponden al departamento de Lima. (2) Asistencia y previsión social.612 78.939 1.1.553 0. es decir es en este grupo de municipios en el cual se ejecuta el mayor gasto por habitante del país.700 4.138 33. comercio y servicios.711 105.979 14.908 12.102 22.021 Categoría 4: Ciudades metropolitanas 73 74.644 9. Cabe mencionar que entre las 10 municipalidades con mayor gasto por habitante perteneciente a éste grupo.

1. respectivamente. y la estimación de la eficiencia municipal considerando rendimientos a escala constantes cuando no todas las municipalidades están operando a una escala óptima. Análisis de eficiencia municipal. las variables input y output fueron expresados en logaritmos previo a la estimación48. Las fronteras 47 Tal como se vio en la cuarta sección. y un output. el gasto municipal per cápita (input total). es decir en ausencia de competencia imperfecta.3. A continuación se presentan los resultados del análisis de eficiencia realizado. y vi y ui fueron asumidas a ser distribuidas normal y semi normal. la metodología primeramente estima el error compuesto mediante mínimos cuadrados ordinarios y luego corrige la estimación por máxima verosimilitud. Los resultados que se obtengan permitirán identificar aquellas municipalidades eficientes e ineficientes. lo cual implica que las municipalidades operan a una escala óptima. respectivamente. La metodología DEA-CRS para la construcción de fronteras de producción. 6. y ui fue asumida a ser distribuida normal. Previo a la estimación las variables input y output fueron expresadas en logaritmos. una por cada una de las municipalidades pertenecientes a la muestra. respectivamente. Por esta razón se estimaron fronteras de producción mediante la metodología DEA-VRS. las municipalidades puede que no operen a una escala óptima. empleándose en la estimación de dichas fronteras el paquete LIMDEP 6. donde yi y xi son el output (IDEM) y el input (gasto per cápita). 46 . (i) (ii) (iii) (iv) (v) (vi) Consideraciones metodológicas previas.147.3. según las 4 y 6 categorías de municipalidades provinciales y distritales. del siguiente tipo: ln( yi ) = β 0 + β 1 ( xi ) + (vi − u i ) .6. Las estimaciones de las fronteras de producción no paramétricas FDH se realizaron mediante el programa MATLAB 7. para el caso de un input. la cual considera rendimientos a escala variables. la construcción de las fronteras de producción mediante estas dos últimas metodologías implica resolver un problema de programación lineal N veces. respectivamente. asume que los rendimientos de escala son constantes. Para el caso de las fronteras determinísticas se estimó una función de producción Cobb Douglas de la siguiente forma: ln( yi ) = β 0 + β1 ( xi ) − ui .0.0. el IDEM. 48 Como la distribución de ui fue asumida semi normal. Para el caso de las fronteras estocásticas se estimó una función de producción Cobb Douglas. empleando para ello las 5 metodologías de estimación propuestas en la cuarta sección. a las cuales se les otorgará puntajes de eficiencia. Dado que en mundo real existen fallas de mercado. donde yi y xi son el output (IDEM) y el input (gasto per cápita). obteniéndose a partir de ello un valor de θ (puntaje de eficiencia) para cada municipio. Las estimaciones de las fronteras de producción mediante las aproximaciones DEA-CRS y DEA-VRS se realizaron mediante el programa DEAP 2. Al igual que para el caso de las fronteras determinísticas. resultará en medidas de eficiencia que son confundidas con escala de eficiencia.

De mayor a menor ordenación le siguen. 47 . para el caso de las municipalidades pertenecientes a la categoría 1 (ciudades intermedias) el puntaje de eficiencia promedio fue de 0. dado que corresponden a análisis que responden a condiciones distintas (establecidas en el análisis de clusters). Destacan las gestiones de las municipalidades de Huancayo (Junín).2. con el puntaje de eficiencia del municipio “y” perteneciente a la categoría 4. Del análisis de la distribución geográfica se obtuvo que el 25% de las municipalidades más eficientes (3 de las 12 establecidas en la tabla 9) se ubicaron en el departamento San Martín. respectivamente. Así por ejemplo. Análisis de eficiencia en las municipalidades provinciales49. Es decir por ejemplo. de producción estocásticas fueron estimadas mediante el paquete FRONTIER 4.491 y 0. Por ejemplo. 49 Véase en el anexo. El análisis de eficiencia se realizó en 1686 municipalidades (185 provinciales y 1501 distritales) lo cual es compatible con aquellas municipalidades que remitieron información sobre ejecución presupuestal a la Dirección Nacional de Contabilidad del MEF. y a su vez remitieron el cuestionario del RENAMU (2004) al INEI. Es importante mencionar que los resultados de eficiencia no son comparables entre categorías de municipalidades. Estas municipalidades en 4 de las 5 metodologías empleadas.914) y (0. obtuvieron los mayores puntajes de eficiencia.1. siendo el puntaje total promedio de la categoría de 0.978). seguida por las municipalidades de la categoría 4 (semi-rural) y la categoría 1 (ciudades intermedias) cuyos puntajes de eficiencia ascendieron a 0.5%). y que establecerán estándares de eficiencia distintos.3. Sin embargo.568.465. un puntaje de eficiencia que es en promedio más bajo en una categoría que en otra estará indicando que en el primero es posible reducir más recursos para obtener el mismo resultado. los resultados de eficiencia para cada una de las municipalidades provinciales incluidas en el análisis. no es posible comparar el puntaje de eficiencia del municipio “x” perteneciente a la categoría 1. si es posible comparar. Como se mencionó anteriormente la lectura de todos los puntajes de eficiencia tienen la misma interpretación: “que porcentaje de los recursos utilizados pueden reducirse sin alterar la producción de los servicios brindados”. Del análisis de la tabla 9 se desprende que son las municipalidades de la categoría 2 (en la cual se encuentran la mayor parte de las municipalidades provinciales capitales de departamento del país) las más eficientes. con un puntaje de eficiencia promedio de 0. se obtuvieron los puntajes promedio presentados en la tabla 9 para el caso de las municipalidades provinciales. (0. los puntajes de eficiencia promedio de las 10 categorías de municipalidades.(vii) (viii) 6. lo cual indica que una reducción del 53. el 50% de las municipalidades menos eficientes resultaron pertenecer a los departamentos de Ancash y Puno. Huacho (Lima) y Tarapoto (San Martín) con puntajes de eficiente de (0. las municipalidades pertenecientes a la categoría 3 (rural). o dicho de otra manera. Por el contrario.5% es posible hacerse manteniendo inalterable la producción de servicios municipales. aunque solo de manera referencial. respectivamente. Como resultado de la estimación de las fronteras de posibilidades de producción mediante las 5 metodologías propuestas. que en promedio las municipalidades pertenecientes a esa categoría muestran un desempeño menos eficiente.505.891).465 (46.

el más reducido lo obtuvo la municipalidad de Recuay (Ancash) con un puntaje de 0. pero sobre todo la de Morales en San Martín quien obtuvo el mayor puntaje de eficiencia de dicha categoría. por lo que convendría estudiarlos a mayor profundidad. mientras el puntaje de eficiencia máximo lo obtuvo la municipalidad de Cutervo (Cajamarca) con 0. cabe mencionar que en promedio los municipios provinciales del país podrían brindar la misma provisión de bienes y servicios locales con 49. Ancash y Lima. en la cual se encuentran los municipios de Lima Metropolitana. las cuales obtuvieron los puntajes de eficiencia más elevados en todas las metodologías aplicadas. Finalmente.Cabe resaltar la gran disparidad que existe entre los municipios catalogados como los más eficientes y los menos eficientes. En promedio estos municipios pueden obtener los mismos resultados con aproximadamente 63. Merecen mención las gestiones de las municipalidades pertenecientes a la categoría 4. es decir con aproximadamente solo la mitad de su presupuesto actual. Adicionalmente. 50 Véase en el anexo. Destacan las gestiones de San Isidro y Miraflores ambas en Lima. 6 corresponden a municipalidades de Lima Metropolitana. a través de las 4 categorías de municipalidades provinciales. 7 corresponden a municipalidades de Lima Metropolitana. si se consideran los municipios de la provincia constitucional del Callao se concluye que de los 10 municipios más ineficientes. Lince y Barranco.985. Así. 48 . cabe mencionar que dentro de las 10 primeras posiciones. Además. Análisis de eficiencia en las municipalidades distritales50. entre las cuales se encuentran San Borja. cabe mencionar que de los 18 municipios menos eficientes (3 por cada una de las 6 categorías). irónicamente dentro de las 10 municipalidades menos eficientes pertenecientes también a la cuarta categoría. Sin embargo. los resultados de eficiencia para cada una de las municipalidades distritales incluidas en el análisis. liderando la tabla justamente aquellos municipios pertenecientes a esta jurisdicción: Ancón.144. el 72% de estos pertenecen a los departamentos de Amazonas. 6. Finalmente.6% menos recursos.3% menos recursos. Lima Metropolitana se constituye en un claro ejemplo de buenas y malas prácticas municipales. lo cual indica que este municipio puede obtener los mismos resultados de gestión de servicios locales con 85. Lo anterior nos permite afirmar que en promedio a nivel nacional. 8 se ubican en Lima Metropolitana y El Callao.3.2% menos recursos. La Victoria y Surquillo. De esta manera. Para el caso de las municipalidades distritales la situación es más dramática. los municipios provinciales se desempeñan mejor en la provisión de bienes y servicios locales que los municipios distritales.3.

753) Mariscal Luzuriaga-Piscobamba-Ancash (0.274) Purus-Ucayali (0.548 0.178) Canchis-Sicuani-Cusco (0.505 0.483 0.238) Huallaga-Saposoa-San Martín (0915) Lamas-San Martín (0.913) Oxapampa-Pasço (0.487 0.238) Santa-Chimbote-Ancash (0.494 0.049 0.456 0.219) Talara-Pariñas-Piura (0.904) Chincheros-Apurimac (0.753 0.245) Moho-Puno (0.302 .465 0.608 0.583 0. Dev.150) Corongo-Ancash (0.310 0.161) Yunguyo-Puno (0.144) Recuay-Ancash 0.456 0.580 0.914) Huacho-Lima (0.985) Cutervo-Cajamarca (0.215 0.608 0.939) Grau-Chuquibambilla-Apurimac (0.494 0.532 0.553 0.324 0.302) Acomayo-Cusco (0. Min Max 32 65 FDH DEA-CRS DEA-VRS 0.038 0.070 0.985 0.865) Sanchez Cerro-Omate-Moquegua (0.044 0.530 0.553 0.045 0.054 0.568 0.568 Puntajes de eficiencia máximos (según promedio) Puntajes de eficiencia mínimos (según promedio) (0.583 Determinística Estocástica Promedio (según metodologías) 0.902 0.315 0.629 0.219) Puno-Puno (0.809) La Convención-Santa Ana-Cusco (0.310 0.548 0.958) Rioja-San Martín (0.481 0.595 0.491 0.483 0.592 0.596 0.891) Tarapoto-San Martín (0.465 0.054 0.629 0.351 0.507 0.595 0.978) Huancayo-Junín (0.Tabla No.495 0.515 0. 9 Resultados de eficiencia promedio según tipo de metodología y categorías de municipalidades provinciales Puntajes de eficiencia promedio Categorías de municipalidades provinciales Número de municipios Categoría 1: Ciudades intermedias 55 Categoría 2: Metrópolis 33 Categoría 3: Rural Categoría 4: Semi-rural Mean Std.557 0.513 0.067 0.144 0.211) Tarata-Tacna (0.481 0.

391 0.100 0.347 0.985) Morales-San Martín (0.337 0.985 0.377 0.907) Conduriri-Puno (0.302 0.262 0.322 0.309 0.105 0.015 0.059) Eleazar Guzman Barrón-Ancash (0.302) Surquillo-Lima (0.359 0.316 0.081 0.979) Pomacanchi-Cusco (0.824) Pillco Marca-Huánuco (0.139 0.798 0.329 0.083) Justo Apusahuaraura-Apurimac (0.338 0.738 0.104 0.982) San Cristóbal-Ayacucho (0.163 0.872) Quilcas-Junín (0.031) San Joaquin-Lima (0.025) Recta-Amazonas (0.417 0. Dev.354 0.898) San Isidro-Lima (0.591 0.904) Perene-Junín (0.392 0.491 0.397 0.139 0.072 0.848) La Merced-Ancash (0.903) Alto Inambari-Puno (0.046) Manzanares-Junín (0.346 0.517 0.270 0.015) Quechualla-Arequipa (0.798 0.555 0.309 0.221 0.441 0.872) Villa Rica-Pasco (0.858) Orcopampa-Arequipa (0.596 0.171 0.300) La Victoria-Lima (0.092 0.578 0.054) Huayllo-Apurimac 0.339 0.041) San Carlos-Amazonas (0.888) Iparia-Ucayali (0.036) Tapacocha-Ancash (0.894) Miraflores-Lima (0.779) Casa Grande-La Libertad (0.049) Muqui-Junín (0.596 0.390 0.745) Cochas-Lima (0.517 0.578 Puntajes de eficiencia máximos (según promedio) Puntajes de eficiencia mínimos (según promedio) (0.284) Ancon-Lima (0.738) Pampamarca-Cusco (0.838) Santa Ana de Tusi-Pasco (0.424 0.109 0.555 0.377 0. Min Max 178 181 73 608 166 FDH DEA-CRS DEA-VRS Determinística Estocástica Promedio (según metodologías) 0.143 0.373 0.430 0.373 0.192 0.302 .019) Santa Rosa-Amazonas (0.016) Cajacay-Ancash (0.323 0. 10 Resultados de eficiencia promedio según tipo de metodología y categorías de municipalidades distritales Puntajes de eficiencia promedio Categorías de municipalidades distritales Número de municipios Categoría 1: Semi-urbano 295 Categoría 2: Urbano pobre Categoría 3: Urbano Categoría 4: Ciudades metropolitanas Categoría 5: Rural pobre Categoría 6: Rural pobre extremo Mean Std.476 0.022) San Francisco de Daguas-Amazonas (0.205 0.302 0.Tabla No.368 0.092 0.221 0.872 0.037) Asunción-Amazonas (0.171 0.424 0.041) Cajamarquilla-Ancash (0.347 0.

19). 0. cabe mencionar que por definición todas las entidades que son eficientes bajo la metodología DEA-VRS son eficientes también bajo la FDH. DEA-VRS . La metodología DEA-CRS y la determinística sólo contienen a un municipio eficiente. ambos con 0. paramétricas y no parmétricas es reducida. DEA-VRS y DEA-CRS) y paramétricas (determinística y estocástica). Sin embargo. la correlación entre los resultados arrojados por las metodologías no paramétricas es alto.7% de la muestra. En esta sección se discutirán los resultados de eficiencia obtenidos. sobre la dispersión de los puntajes de eficiencia promedio. Como se observa en la tabla 11. la correlación entre ambos tipos de metodologías. el 3. son los niveles de los puntajes de eficiencia promedio y sus correspondientes correlaciones. Un segundo punto en cuestión. cuyo coeficiente de Pearson fue de 0. fueron los resultados obtenidos bajo la metodología estocástica los más elevados.20) y estocástica (0. es seguida por la metodología DEA-VRS con 3 unidades. las cuales representan el 5. ambas con 0. es posible afirmar que según las metodologías FDH y DEA-VRS.50). Respecto a los puntajes de eficiencia promedio.46.2% de municipalidades analizadas. Sin embargo. cuyo coeficiente de Pearson promedio a través de las 10 categorías de municipalidades fue de 0. en comparación con las no paramétricas (0. en promedio. lo cual evidencia que la convexidad impuesta por la primera metodología restringe los resultados de eficiencia obtenidos. Es decir. diferenciando entre las 5 metodologías aplicadas. Por otro lado. la metodología FDH es la que cuenta con el mayor número de municipios eficientes. las municipalidades que resultaron ser eficientes en las metodologías DEA-CRS y determinística (las cuales contienen a un solo municipio eficiente) también resultaron serlo bajo las metodologías FDH y DEA-VRS. sólo asciende a 0. luego por la metodología DEA-VRS con un puntaje de 0. a 0. así como entre las metodologías DEA-VRS con la DEA-CRS.38).26. considerando las 10 categorías de municipalidades. determinística (0.20).44.96. los cuales considerando las 10 categorías de municipalidades.41 y por último se encuentra la DEACRS. En la tabla 12. en promedio ascienden a 5 unidades.4. el coeficiente de Pearson muestra la existencia de una alta concordancia entre las medidas de eficiencia de las metodologías FDH y DEA-VRS. En tercer lugar. se concluye que son éstas últimas las que en promedio presentan los puntajes más elevados (0. cabe mencionar que ésta fue similar a través de las 5 metodologías.6. que representan en promedio. Si se segrega el análisis según metodologías no paramétricas (FDH.83.53. Siendo las metodologías no paramétricas (FDH. Así como los obtenidos por las dos metodologías econométricas (determinística y estocástica).92. la distribución de las municipalidades eficientes a lo largo de las otras 8 categorías de municipalidades restantes resultó ser uniforme. Respecto a las correlaciones entre los puntajes de eficiencia. las que concentran a la mayor cantidad de municipios eficientes. Un primer punto pasa por conocer el número de municipalidades eficientes. Analizando con mayor detalle la tabla 11. cuyo puntaje de eficiencia resultó ser (aproximadamente) sólo el 50% del puntaje obtenido mediante la metodología estocástica. son las categorías 1 (semi-urbano) y 5 (rural pobre) de municipios distritales. mientras la metodología estocástica no contiene a ningún municipio eficiente. Es seguida por las metodologías FDH y determinística. y FDH con la DEA-CRS. ascendiendo. Análisis de sensibilidad y correlación de resultados. encontrándose los resultados menos dispersos en las metodologías DEA-CRS (0.

21) que las paramétricas (determinística y estocástica). las metodologías determinística y estocástica señalan lo propio para la categoría 4 de municipalidades distritales (ciudades metropolitanas) y la metodología DEA-VRS señala que son las municipalidades provinciales de la categoría 3 (rural) las que presentan los resultados de eficiencia más elevados. se analizaron los puntajes de eficiencia máximos según categorías de municipalidades. Al respecto cabe mencionar que acorde a los resultados arrojados por las metodologías FDH y DEA-CRS. (0. Sin embargo.20). Finalmente. independiente del valor de la medida de eficiencia. En conclusión.y DEA-CRS) ligeramente menos volátiles (0. 52 . los resultados de eficiencia que proceden de las 5 metodologías empleadas difieren en términos cuantitativos. y la estocástica es más permisiva que la deterministica. todas coinciden en señalar como eficientes a las mismas categorías de municipalidades. lo cual es un indicativo de la robustez de los resultados obtenidos. son las municipalidades provinciales de la categoría 2 (metrópolis) las que tienen los mayores puntajes de eficiencia promedio. la DEA es más restrictiva que el FDH.

efic.257 0.000 0 0.0% 0.464 0.147 1.163 0.058 0.198 0.199 0.096 0.513 0.608 0. Min Max Provinciales Categoría 1: Ciudades intermedias 55 3 5.006 1.6% 0.118 0.000 1 0 1 1 1.000 .1% 0.926 Categoría 1: Semi-urbano 295 7 2.481 0.158 0.000 3 9.000 0 0.324 0.189 0.252 0.224 0.596 0.264 0.5% 0.000 1.075 1. obs.3% 0.215 0.201 0.000 1.1% 0. Dev.086 0.0% 0.196 0.123 0.354 0.329 0.238 0.1% 0.373 0.0% 0.1% 0.000 0.456 0.629 0.000 1 0. % obs.026 0.192 0.000 1 1.000 1 0.202 0.5% 0.000 1.002 1. efic.596 0.7% 0.592 0.527 0. Determinística Min No.302 0.000 1 0.096 0.264 1.8% 9.1% 0.392 0.2% 0.554 0.022 0. Dev.122 1.8% 0.000 0 0.037 0.128 1.235 0.4% 0.7% 2.6% 0.219 0.000 1.608 0.407 0.000 1 0.7% 0.912 Categoría 3: Urbano 181 6 3.155 0.231 0.000 1 0.000 1 0.000 1.347 0.897 Categoría 4: Semi-rural 65 4 6.417 0.004 1.000 1 1.000 0.000 3 4.517 0.Tabla No. DEA-VRS Min No.583 0.027 0.4% 0.2% 0.002 1.1% 0.0% 1.390 0.269 0.094 0. Dev.000 1 0.2% 0.136 0.004 0.148 1 0 1 1 1.097 0.219 0.165 1.182 0. efic.191 0.000 1. efic. Prom Std.0% 0.338 0.032 1.024 1.000 3 5.1% 0.302 0.165 1.049 0.8% 0.000 1.3% 0.315 0. obs.018 1.237 0.081 1.000 0. Max Prom Std. % obs.0% 0.087 0.123 1. Dev.377 0.000 5 0.262 0.088 1.000 1. efic.000 2 1.6% 0.2% 3.189 0.000 0 0.179 0.032 1.000 1.237 0.0% 0.000 1 1. obs.8% 0.195 0. efic.000 1.000 1.000 0. efic.495 0.205 0.0% 0.359 0.123 0.892 Categoría 3: Rural 32 2 6.228 0.196 0.095 1.000 0. Dev.139 0.022 1.892 1. efic.252 0.208 0.1% 0.397 0. Estocástica Min No.456 0. obs.172 0.487 0.187 0.4% 0.011 1. Max Prom Std.1% 0.019 1.000 1 0.000 0 0.139 0.000 0.231 0.082 0.926 Categoría 5: Rural pobre 608 9 1.373 0.3% 1.003 1. Max Prom Std.000 2 6.2% 0.591 0.000 0.000 1 3.221 0.000 0 0.000 0 0. obs.441 0.000 1 0.069 0.483 0.9% 0.011 1.011 1.262 0.215 0. Min No.5% 0.031 0.257 0.209 0.377 0.6% 0.000 0.7% 0.000 1.000 3 1.3% 0.000 0 0.926 Categoría 4: Ciudades metropolitanas 73 5 6.5% 0.895 5 2 2 9 5.000 0 0.0% 0.214 0.143 0.055 0.530 0.221 0.899 Categoría 2: Urbano pobre 178 7 3.172 0.257 0. 11 Resumen de los resultados de eficiencia según tipo de metodología y categorías de municipalidades Puntajes de eficiencia Categorías de municipalidades Número de municipios FDH DEA-CRS No.213 0.553 0.6% 0.000 1 3.122 1.2% 0.494 0.044 0.269 0.8% 0.596 0.207 0.060 0.000 1 1. Max Prom Std.424 0.201 0.5% 12. Min Max 1.3% 0.6% 0.171 0.2% 3.095 3 1 2 5 3.000 1.000 0 0.062 0.238 0.220 0.000 0.0% 0.000 3 1.000 1.018 1.0% 0.000 1 3.153 0.507 0.0% 0. efic.0% 0.507 Distritales Mean Std.0% 0.553 0.000 0.000 0. Dev.583 0.798 0. efic.218 0.000 1 1.000 1 1.000 Categoría 2: Metrópolis 33 4 12.227 0.1% 0.3% 0.186 0.018 1.096 0.270 0.0% 0.310 0.082 0.201 0.207 0.000 1 0.214 0.221 0.595 0.089 1.228 0.6% 0.3% 1. % obs.2% 3.798 0.919 0.204 0.458 0.7% 0.251 0.000 1.065 0.027 1. % obs.148 1.000 5 1.0% 0.139 0.915 Categoría 6: Rural pobre extremo 166 7 4.476 0.221 0.000 0.037 0.337 0.115 1.027 1.347 0.010 1.010 1.264 0 0 0 0 0.000 1 3.001 1.256 0.5% 0.0% 0.008 1.137 0.1% 0.147 0.548 0.114 0. % obs.000 3 4.010 0.

0000 0.0000 0.8939 1.0000 0.4953 1.6872 0.0000 0.3626 0.0000 0.6814 1.7851 0.0000 0.3702 0.0000 0.4879 0.4681 0.9742 1.0000 0.0000 0.4049 Distritales Categoría 1: Semi-urbano Categoría 2: Urbano pobre Categoría 3: Urbano Categoría 4: Ciudades metropolitanas Categoría 5: Rural pobre Categoría 6: Rural pobre extremo .9175 0.9669 0.0000 0.6604 1.7167 0.0000 0.7493 0.0000 0.3686 0.1806 1.0000 0.0000 0.0000 0.0000 0.4553 1.8217 0.0000 0.6304 0.5401 0.0000 1.0000 0.7499 0.2608 1.8780 0.2124 FDH DEA-CRS DEA-VRS Determinística Estocástica FDH DEA-CRS DEA-VRS Determinística Estocástica FDH DEA-CRS DEA-VRS Determinística Estocástica FDH DEA-CRS DEA-VRS Determinística Estocástica FDH DEA-CRS DEA-VRS Determinística Estocástica FDH DEA-CRS DEA-VRS Determinística Estocástica 1.9229 0.9230 0.8895 1.0000 0.0000 1.9247 1.1575 0.6979 1.2640 0.4678 1.9546 0.0000 0.1506 0.7486 1.2165 0.0000 0.0000 0.6571 0.4457 1.1236 0.0000 1.0000 Provinciales Categoría 1: Ciudades intermedias Categoría 2: Metrópolis Categoría 3: Rural Categoría 4: Semi-rural FDH DEA-CRS DEA-VRS Determinística Estocástica FDH DEA-CRS DEA-VRS Determinística Estocástica FDH DEA-CRS DEA-VRS Determinística Estocástica FDH DEA-CRS DEA-VRS Determinística Estocástica 1.0000 0.4059 1. 12 Coeficiente de correlación de Pearson según categorías de municipalidades Categorías de municipalidades Metodologías FDH DEA-CRS DEA-VRS Determinística Estocástica 1.0000 0.3665 1.4536 0.0000 0.8605 0.4630 0.0000 1.9309 1.7229 1.0000 0.7205 1.5459 0.9336 0.2606 0.0000 0.6223 0.0000 1.7660 0.0000 0.4520 0.1045 1.9702 0.0000 1.6241 1.9429 0.0000 0.1535 1.9049 0.7161 0.5612 0.5247 1.9831 1.0000 1.5696 1.0000 0.9822 1.0000 0.0000 0.5673 0.9396 0.4923 1.8544 0.9872 1.0840 1.9599 0.0000 0.8422 0.3607 1.0000 0.2936 1.9910 0.4695 1.9143 1.0000 1.9935 0.0000 0.0000 0.3948 1.9504 0.4233 0.0000 0.7167 0.8217 0.3485 0.6304 1.0000 0.8286 0.7422 1.9820 0.2088 0.7922 0.0000 0.8346 0.4702 0.Tabla No.8343 0.5821 0.6761 0.0437 1.0000 1.5886 1.0000 0.

Sin embargo. son las llamadas variables no discrecionales51. los parámetros estimados mediante mínimos cuadrados ordinarios resultan inconsistentes. El segundo punto tiene que ver con la elección del modelo de regresión que se empleará para evaluar los determinantes de eficiencia. se entiende que tampoco se podrán emplear como variables explicativas. la cual corresponde a los diversos tipos de canon. en el caso de que la variable dependiente sea censurada. En esta sección se analizará el segundo tramo de los modelos de eficiencia en dos etapas. para analizar los determinantes de la eficiencia en los municipios peruanos. 53 Cuando la variable dependiente es censurada. y (2) aquellas cuyo monto dependen de la explotación de los recursos naturales. variables input y output (ambas empleadas en la primera etapa) y variables explicativas (vinculadas a la segunda etapa) no correlacionadas. En primer lugar. Las variables explicativas. socioeconómicos y demográficos de la eficiencia municipal. La solución a esta deficiencia consiste en tener previo al análisis. las cuales conforman su entorno municipal y de una u otra manera determinan su accionar. variables que las municipalidades pueden modificar se obtendrían resultados insesgados e inconsistentes. el cual dependerá de las características de la distribución de la variable dependiente (medida de eficiencia estimada). y la segunda a través de la variable Canon . agrupándolas en dos tipos de transferencias: (1) aquellas que se transfirieron sobre la base de determinados indicadores socioeconómicos. Esta acotación es importante hacer debido a que si se emplearán en esta fase del análisis. a través de la estimación de diversos modelos de regresión. y la renta de aduanas.1. las variables definidas como variables estado (población. dado que se confundirían con las variables output empleadas en la primera etapa del análisis52. el cual consiste en evaluar los determinantes de eficiencia de los resultados obtenidos en la sección anterior. La introducción. Determinantes fiscales. urbanidad y necesidades básicas insatisfechas empleadas en la tipificación municipal. a través de las 10 categorías de municipalidades definidas. La primera se introducirá a través de la variable FCM . En el caso de que esta variable sea no censurada se estimará una regresión lineal mediante mínimos cuadrados ordinarios previa transformación logarítmica. Se emplearán las variables de tipo fiscal. de las transferencias recibidas por las municipalidades 51 Por tanto. se estimarán modelos Tobit mediante máxima verosimilitud bajo los supuestos de normalidad y homoscedasticidad (De Borger y Kerstens. 55 . se utilizará el monto de las transferencias que recibieron las municipalidades de parte del Gobierno Central en el año 2003.7. Al respecto cabe hacer dos consideraciones: (i) (ii) 7. 52 Esta observación es especialmente importante para el caso de las metodologías paramétricas dado que el término de error del modelo influye en las variables explicativas de la eficiencia. socioeconómicas y demográficas. en el análisis de los determinantes de la eficiencia. En esta segunda etapa del análisis se utilizarán como variables explicativas aquellas variables que las municipalidades no pueden alterar o modificar de manera directa. por lo que podrían generarse resultados sesgados y por ende no interpretables. la cual contiene las transferencias del Fondo de Compensación Municipal (FONCOMUN). 1981). que han sido utilizadas en la literatura. 1996a)53. inconsistencia que se incrementa con el número de observaciones censuradas (Greene.

55 Una variable es censurada cuando la distribución de dicha variable es una mezcla entre una distribución continua y otra discreta. La densidad poblacional (habitantes por kilómetro cuadrado) se construyó a partir de la información del Instituto Nacional de Estadística e Informática (INEI). Finalmente. Todas las variables explicativas corresponden al año 2003. Todas las variables dependientes (puntajes de eficiencia promedio) a través de las 10 categorías de municipalidades. Finalmente. un mayor grado de instrucción. Se espera que una población más educada pueda ejercer mayor presión a las autoridades locales para una provisión más eficiente de los bienes y servicios municipales54.2. apoyo en el mejoramiento de la calidad de los servicios y propuestas de prioridades de gasto en el municipio contribuye a una mejor gestión en el manejo de los recursos municipales. 56 Véase en el anexo la especificación detallada del modelo Tobit estimado. integrando para ello tanto información de observaciones censuradas como no censuradas. el número de miembros que pertenecen a los Consejos de Coordinación Local se obtuvo del RENAMU (2004). lo cual nos permitirá evaluar si una población menos dispersa facilita una provisión más eficiente de los bienes y servicios locales.nos permitirá evaluar si un mayor monto de estas tiene un impacto genera un gasto más ineficiente. 56 . que contienen el porcentaje de la población con educación secundaria. se incorporarán en el análisis las variables Educ1 y Educ 2 . Por otro lado. Especificación del modelo Tobit. 54 El monto de las transferencias por municipio se obtuvo del Ministerio de Economía y Finanzas (MEF). Debido a que dicha variable dependiente es censurada55. Esta variable se introducirá con la finalidad de aproximar si la participación de la sociedad civil en procesos vinculados a la rendición de cuentas. La segunda variable explicativa que se empleará será la densidad poblacional Denpob . se introducirá la variable CCL que representa el número de miembros que pertenecen a los Consejos de Coordinación Local. como habitualmente se ha encontrado en la literatura empírica vinculada al análisis de la gestión de las municipalidades (efecto “flypaper”). a excepción de las variables de educación ( Educ1i y Educ2i ) las cuales correspondieron al año 2005. debido al menor costo de provisión que ello implica. Se considerará como variable dependiente el puntaje de eficiencia promedio ( θ ) según las 10 categorías de municipalidades definidas. lo cual genera una acumulación de probabilidad en el punto de censura. La especificación del modelo es la siguiente56: θ i = β 0 + β1 FCM i + β 2Canoni + β 3 Denpobi + β 4CCLi + β 5 Educ1i + β 6 Educ2 i + ε i Donde: FCM i : Monto transferido por concepto de FONCOMUN en el año 2003 en términos per cápita. los cuales permiten estimar los coeficientes de las variables explicativas por máxima verosimilitud. presentaron funciones de densidad de este tipo. En tercer lugar. considerando que existe una relación positiva entre la participación política de la población y el nivel de educación. Adicionalmente. es posible que incremente la eficiencia local. respectivamente. Véase en el anexo al respecto. y universitaria y técnica. 7. la información sobre el nivel educativo aproximado por el grado de instrucción de la población a nivel local se obtuvo del Censo 2005 a cargo del Instituto Nacional de Estadística e Informática (INEI). se estimaron modelos de regresión para variables censuradas de tipo Tobit.

57 . lo cual implica que en el año 2003 los montos transferidos por canon a estas municipalidades tuvieron un impacto negativo en la eficiencia municipal. forestal y gasífero. ε i : Término de error. Esto se estaría produciendo dado las municipalidades “se acostumbran” a recibir las transferencias del Gobierno Central. Educ1i : Porcentaje de la población con secundaria completa. La variable Consejo de Coordinación Local ( CCL ) resultó ser positiva y significativa en las categorías 2 y 4 categorías de municipalidades provinciales. todos los coeficientes correspondientes a las transferencias por canon ( canon ) tuvieron signo negativo. en la cual las cifras entre paréntesis corresponden a los errores estándar de las diversas regresiones realizadas. Como puede observarse a través de las 4 categorías de municipalidades provinciales. hidroenergético. El FONCOMUN ( FCM ) afectó de manera positiva a la eficiencia municipal. Determinantes de la eficiencia en las municipalidades provinciales. cuando las primeras varían en una unidad. específicamente en la 2 y 4. los cuales al no tener límite de monto para declarar la viabilidad de los mismos. y la renta de adunas para el año 2003 en términos per cápita. Educ2i : Porcentaje de la población con estudios universitarios y técnicos concluidos. y relajan sus capacidades de generar ingresos propios. respectivamente.3. Sin embargo.Canoni : Monto transferido por concepto de los canon: minero. existe mayor probabilidad de que las transferencias del canon generen un gasto ineficiente. pesquero. lo cual aunado con un exiguo control ex-post en la ejecución del gasto. CCLi : Número de miembros del Consejo de Coordinación Local. lo cual estaría implicando que en estas municipalidades. hecho que no ocurre con los recursos del canon los cuales al ser condicionados deben destinarse únicamente a gastos de inversión. 7. Denpobi : Número de habitantes por kilómetro cuadrado. Los resultados obtenidos permitirían afirmar que en estas categorías de municipios se estaría produciendo una especie de pereza o relajo fiscal. que corresponden a las metrópolis y a los municipios semi-rurales. estos espacios de concertación y participación ciudadana estarían promoviendo una prestación más adecuada de bienes 57 El cual representa el efecto marginal de cada una de las variables explicativas sobre el valor medio de la variable subyacente y * . Véase el anexo al respecto. ) β : Parámetro a ser estimado57. lo cual implica que estos recursos en las municipalidades provinciales capitales de departamento estarían constituyendo un instrumento importante para mejorar la provisión de servicios municipales. aunque marginalmente y sólo en los municipios metropolitanos (categoría 2). situación en la cual los gastos se ajustan a los recursos adicionales y no se traducen en una mayor y mejor provisión de servicios públicos (efecto flypaper). dichos coeficientes solamente son significativos en dos categorías de municipalidades provinciales. frecuentemente vienen siendo mal ejecutados dado que no consideran criterios de rentabilidad social ni sosteniblilidad. Los resultados de las regresiones se muestran en la tabla 13. petrolero. La razón de ello podría radica en que este tipo de transferencias al ser no condicionadas (es decir son de libre disponibilidad) estarían siendo utilizadas por estas municipalidades en los diversos campos de gestión que estas consideran como relevantes para mejorar la provisión de servicios públicos locales.

desatendiendo el seguimiento de las otras transferencias de recursos. 2 y 5 las cuales agrupan a los municipios distritales 58 . El número de personas que participan en los Consejos de Coordinación Local ( CCL ) resultó relevante para explicar la eficiencia municipal a nivel distrital. lo cual implica que en estos municipios a diferencia de lo que ocurre en las municipalidades provinciales. a excepción de la categoría 4 en la cual se encuentran de municipalidades distritales de Lima Metropolitana. Adicionalmente. desde que la labor de la Contraloría General de la República es insuficiente. 7. Este efecto es por demás relevante en las categorías de municipalidades 1. que justamente son las que más han crecido en los últimos años. si se asume que la participación política de la población tiene una relación positiva con el grado de instrucción.y servicios públicos locales. correspondientes a municipios rurales y semi-rurales. los recursos del FONCOMUN producen incentivos a un desempeño ineficiente. respectivamente) los recursos transferidos por concepto de canon ( canon ) afectaron negativamente la eficiencia municipal.4. La variable educación universitaria y técnica ( Educ 2 ) afectó positivamente a la eficiencia aunque únicamente en las categorías 3 y 4 de municipalidades. El efecto relajo o pereza fiscal parece evidenciarse nuevamente. En todas las categorías de distritos. respectivamente. lo cual indica que la participación ciudadana es relevante para incrementar la eficiencia municipal. la variable densidad poblacional ( Denpob ) resultó no ser significativa para ninguna categoría de municipalidades provinciales. lo que nos permite afirmar que en las municipalidades provinciales más rurales y con mayores necesidades básicas insatisfechas del país. se encuentra evidencia a favor de que un mayor nivel de educación incrementa la eficiencia en la provisión de servicios locales. Finalmente. limitándose solamente a hacer el seguimiento de la ejecución de los recursos transferidos para el Programa del Vaso de Leche. que los resultados obtenidos para el caso del FONCOMUN en todas las categorías de municipalidades distritales (a excepción de las categorías 3 y 4 las cuales corresponden a las municipalidades urbano y metropolitanas. Los signos de la variable educación secundaria ( Educ1 ) no fueron robustos dado que en las municipalidades en los cuales resultaron ser significativos. como las del canon. En la misma línea. Este incentivo es avivado por el limitado control ex-post en la ejecución del gasto. categorías 2 y 3 municipalidades metropolitanas y rurales. lo cual se estaría traduciendo en un incremento de la eficiencia municipal. por lo que se concluye que una población más dispersa o menos dispersa no tiene ninguna implicancia en la eficiencia del gasto municipal. Si se analizan los resultados de la variable educación considerando las categorías de municipalidades provinciales (en las cuales los coeficientes fueron significativos). los coeficientes de esta variable fueron positivos. respectivamente. Los recursos transferidos por concepto de FONCOMUN ( FCM ) afectaron negativamente la eficiencia municipal en todas las categorías de municipalidades distritales. ésta afectó a la eficiencia de manera positiva y negativa. el nivel de educación superior y técnica de la población es importante para incrementar el nivel de eficiencia del gasto municipal. un mayor nivel educativo afecta la eficiencia de manera positiva. Determinantes de la eficiencia en las municipalidades distritales. respectivamente. esta vez para el caso de las municipalidades distritales.

dado que la presencia de los Consejos de Coordinación Local. Tabla No. implicaron un gasto ineficiente. las transferencias del canon en todas las categorías de municipalidades (tanto provinciales como distritales) en las cuales los coeficientes fueron significativos. la densidad poblacional y la consecuente reducción de los costos en la provisión de servicios locales que según la teoría de ella deberían derivarse. Por el contrario. promueven la eficiencia del gasto a nivel provincial. 13 Resultados de los modelos Tobit según categorías de municipalidades provinciales y distritales 59 . por lo que puede concluirse que en municipios distritales más pobres del país la presencia de este espacio de concertación ciudadana es importante para aumentar la eficiencia municipal.con mayores necesidades básicas del país (cuyos coeficientes de las regresiones fueron muy significativos). en la cual se encuentran los municipios rurales pobres. Finalmente. en los municipios provinciales (en la única categoría que esta variable resultó ser significativa) estas transferencias promovieron un manejo eficiente de los recursos. Por otro lado. Los hallazgos obtenidos en esta sección permiten comprender como el entorno municipal condiciona de manera diferente las gestiones de las municipalidades. igual que para el caso de las municipalidades provinciales. condicionamiento que aunque diferenciado nos permite delinear algunas conclusiones similares. Por último. Lo opuesto ocurrió con la participación de la sociedad civil. en el caso de las variables de educación los resultados son diversos. en todos los municipios distritales las transferencias del FONCOMUN produjeron un impacto negativo en la eficiencia del gasto. las personas con educación secundaria brindaron resultados poco robustos y no significativos para explicar la eficiencia municipal. y contrariamente la presencia de personas con educación universitaria y técnica a nivel distrital generan resultados ineficientes. A nivel distrital se evidencia que la variable educación secundaria ( Educ 1 ) tiene un impacto positivo en la eficiencia aunque solo de manera marginal y únicamente para las municipalidades de la categoría 5. Así. Mientras que el número de personas con educación universitaria y técnica. muestra no ser importante para explicar la eficiencia a nivel local. Por otro lado. En el mismo sentido. implicó un gasto eficiente. a nivel distrital generaron lo contrario. en el Perú no fueron relevantes para explicar la eficiencia a nivel municipal. la variable densidad poblacional ( Denpob ). Por otro lado. Se concluye al respecto que un análisis más profundo sobre la variable educación se torna necesario.

0018)** (0.0030 0.39E-06 0.0024 -1.0043 (0.0031 (0.4675 (0.0033 (0.4130 (0.0001 0.0001 0.0003 0.0089)* (0.52E-06 (0.0006 (0.0490)*** 69.0028 (0.0044)* (0.0001)* 0.0096)*** (0.0027) 0.0006) (0.5948 Categoría 5: Rural pobre 608 -0.0006)** (9.0001 0.0000)*** (0.1601 (0.0001 0.5793 22.0005 (0.0001) (0.0075) (0.6466 (0.0017)** (0.0001 -0.0002) (0.0068)* (0.11E-06 0.1047)*** -0.3679 (0.0534 Categoría 4: Ciudades metropolitanas 73 31.4108 -0.0021) -8.0001) (0.0009 -0.0000) (0.0002 (0.0000)** Categoría 6: Rural pobre extremo 166 0.0112 (0.0017)*** 0.0032) (0.0066) (0.0052 0.0020)** (0.3022 (0.0017 (0.0008) (0.1931)*** -0.4343 27.0000) 0.0000)*** -0.2252) -0.0731)*** 0.0065 -0.0064)** (0.0011 (0.0131 (0.0041 (0.3161 -0.9979 Provinciales Categoría 1: Ciudades intermedias 55 Categoría 2: Metrópolis 33 0.0000)** 0.0008 0.0001 (0.9242 Categoría 2: Urbano pobre 178 -0.0021) 0.0001)*** (0.0004 -0.0005 -0.0006) (3.0000)** -0.56e-06) (0.0066 ) (0.0027) (0.9918 .0001 (0.0029) 0.0028 (0.0084 0.33E-06 0.0004)** (0.0124 0.0021)** (0.79e-06) 0.0352)*** 76.0082 (0.0003) (0.0001 (0.0048) 0.0000 -0.0008)*** (0.0007 -3.2627 (0.8468 (0.47E-07 -0.0051 -0.0000) (0.0020 -0.8652 (0.0002)** -0.0146 0.0002 (0.0060 0.0078 0.0048 -0.0031 -0.0010)* Categoría 3: Rural Categoría 4: Semi-rural 32 65 (0.2124 (0.0021 (0.0135)*** 82.Categorías de municipalidades Número de municipios Variables explicativas FCM Canon Denpob CCL Edu1 Edu2 Constante Log likelihood 19.0542)*** Distritales Categoría 1: Semi-urbano 295 -0.0004 -0.0015)* 0.0029) -0.0053) 11.0028)*** 0.0000)** -0.0003) 0.0002) (0.0000) 7.0052) (0.0561 0.0001) (0.0025 0.0077) (0.0012 0.0024) (0.0000 0.0006 (0.0049 0.8003 Categoría 3: Urbano 181 -0.0001) (0.0019)** 0.0338)*** * Indica 90% de significancia ** Indica 95% de significancia *** Indica 99% de significancia 60 350.0004 0.0219)*** 135.0009 4.0001 (0.0021) (0.0165 -0.0056)** (0.

en las cuales se encuentran las municipalidades de Lima Metropolitana. Sin embargo. con la finalidad de analizar la eficiencia local en grupos de municipalidades con características similares. mostraron que en todas las categorías de municipalidades distritales las transferencias del FONCOMUN produjeron un impacto negativo en la eficiencia del gasto. se emplearon diversos indicadores resultados construidos a partir del Registro Nacional de Municipalidades 2004 (RENAMU 2004) los cuales se consolidaron en un único indicador output.3% menos recursos.6% menos recursos. Por el lado de las variables output. 4 provinciales y 6 distritales. y posteriormente evaluó la eficiencia relativa como la distancia a dicha frontera. A nivel nacional. y de las municipalidades distritales de la categoría 4. Se emplearon diversos indicadores input (recursos). Dichas metodologías aproximaron la eficiencia del gasto mediante la construcción de una frontera de posibilidades de producción formada por la combinación de los mejores resultados dentro de cada categoría de municipalidades. aunque puedan haberse encontrado resultados eficientes. respectivamente. Los resultados de eficiencia obtenidos fueron diversos y variaron según la categoría de municipalidades analizada.8. Conclusiones y recomendaciones de política. los cuales obtuvieron. El análisis de los determinantes de eficiencia nos permite comprender como el entorno local y los factores exógenos próximos a la administración municipal condicionan desigualmente las gestiones en las diversas categorías de municipalidades. Se utilizaron 5 metodologías para analizar la eficiencia del gasto local. las transferencias del canon en todas las categorías de municipalidades en las cuales los coeficientes fueron significativos. resulta indispensable la implementación de un sistema de evaluación ex-post del gasto cuyos recursos provengan de las transferencias . y 2 paramétricas: una determinística y otra estocástica. técnica multivariante que agrupó a las municipalidades en categorías con la mínima varianza interna y la máxima varianza entre grupos. En este contexto. se encontró que en promedio los primeros podrían brindar la actual provisión de bienes y servicios locales con 49. denominado el Indicador de Desempeño Municipal (IDEM). En este trabajo se realizó un análisis de la eficiencia del gasto para el año 2003 en 1686 municipalidades del país. es decir con menos de la mitad de su presupuesto actual.2% menos recursos. 3 no paramétricas: Free Disposal Hull (FDH) y Data Envelopment Analysis (DEA) para rendimientos constantes y variables a escala. los resultados indican que las municipalidades del país podrían ofrecer los mismos bienes y servicios locales con 57. urbanidad y necesidades básicas insatisfechas. Así mismo. los mayores puntajes de eficiencia promedio de la totalidad de las categorías de municipalidades provinciales y distritales definidas. para lo cual se definieron previamente 10 categorías de municipalidades. (como corresponde en un análisis de eficiencia relativo) los resultados obtenidos son preocupantes. así como variables output (resultados. Algunos resultados afines. la cual contiene a la mayor parte de las municipalidades provinciales capitales de departamento del país. agrupando las municipalidades del país en dos categorías: provinciales y distritales. Las variables input se aproximaron mediante el gasto municipal per cápita (input total) perteneciente a las categorías de gasto más representativas para las municipalidades (representaron en el año 2003 aproximadamente el 91% de la ejecución del gasto total). Dicha homogenización se realizó a partir de un análisis de conglomerados. empleando para ello las variables población. objetivos) en el desarrollo del análisis de eficiencia. implicaron un gasto ineficiente. Así. Cabe destacar los desempeños de las municipalidades provinciales de la categoría 2. mientras las segundas podrían hacer lo mismo con 63.

068-2006-PCM. y es más no tienen límite de monto para hacerlo. Esto en gran parte debido a que son los municipios quienes declaran la viabilidad de los mismos. y que vienen generando en muchos de los casos un gasto ineficiente e improductivo. para el caso del canon. respectivamente. es necesario que estos tres ejes funcionen de manera simultánea. las recomendaciones de política para los casos del FONCOMUN y del canon son de particular importancia. sólo el 53% de las municipalidades del país reportaron contar con estos espacios de concertación y participación ciudadana. gran parte de los cuales se encuentran sin utilizar en cuentas bancarias. En el año 2003. por el cual se establece la culminación de las transferencias de competencias y funciones inicialmente programadas para el período 2006-2010. en octubre del 2006. y (iii) un sistema para la obtención de indicadores que provengan del proceso de asignación de competencias y funciones a las municipalidades. ONG’s e instituciones vinculadas. la conformación de este tipo de espacios para el estímulo de las buenas prácticas municipales. por lo que debieran promoverse a partir del Gobierno Central. así como de la rendición de cuentas. es decir que permita evaluar la gestión municipal y que paralelamente corrija las deficiencias encontradas mediante la asistencia y capacitación. Estos hechos además nos plantean la siguiente interrogante: ¿qué pasará con la recaudación municipal luego que pase la bonanza económica aquella que ha permitido el incremento de las transferencias dado que como se ha demostrado éstas generan pereza fiscal? En este sentido. que recaiga en la Contraloría General de la República. para ello la implementación de un sistema de medición de las capacidades de gestión municipal que se componga por lo menos de 3 ejes: (i) un sistema para la medición de las capacidades de gestión que se nutra de metodologías como las propuestas en el presente estudio. Por otro lado. mediante la decisión concertada de las prioridades de proyectos de inversión. Consideramos indispensable. (ii) un mecanismo de capacitación y asistencia técnica cuyo principal insumo sean los resultados obtenidos por dicho sistema de medición. el cual debiera componerse de un sistema para la evaluación de la gestión y la capacitación para la mejora del manejo de los recursos. Para un cabal funcionamiento de dicho sistema y con la finalidad de identificar no solamente las malas prácticas de gasto local sino también aquellas de buen gobierno para su posterior institucionalización. dado que estos recursos se han incrementado en los últimos 6 años en 61% y 532%. Actualmente muchos municipios tienen ingentes cantidades de recursos.. por lo que es deseable la institucionalización de estos espacios de concertación local. es recomendable que sea el Sistema Nacional de Inversión Pública (SNIP) a partir de un esquema desconcentrado.del Gobierno Central. quien declare la viabilidad de los proyectos de inversión pública. En la actual coyuntura. La participación de la sociedad civil a nivel local. hacia fines del año 2007. implicó un gasto eficiente de los recursos municipales. En el marco de la promulgación del Decreto Supremo No. nutriéndose 62 . dado que actualmente los recursos del canon vienen siendo gastados (frecuentemente) en proyectos insostenibles y carentes de rentabilidad social. aproximada por la presencia de los Consejos de Coordinación Local. Este esquema del SNIP desconcentrado debería constituirse en un esquema similar al de la capacitación brindada por los residentes del SIAF-GL (Sistema Integrado de Administración Pública para los Gobiernos Locales) con la finalidad de que las municipalidades se beneficien de una asesoría técnica personalizada en su mismo lugar de sus operaciones. los resultados obtenidos resaltan la necesidad de concentrar mayores esfuerzos en mejorar la eficiencia del gasto a nivel local. se hace necesario trabajar en la promoción de la generación de capacidades de recaudación de ingresos propios.

ahondar en el estudio de las funciones de producción municipales según tipos de categorías de municipalidades. dado que de esta manera es posible aproximar de mejor manera la gestión muncipal. por lo que es más adecuado para su empleo en el sector público. por ejemplo en la elaboración de propuestas normativas. convendría mejorar y complementar dicho registro. y como componentes básicos para la asignación de las transferencias de recursos evitando así la concentración de los mismos en municipios que no requieren de ellos. Un tercer paso para el diseño del sistema de medición de capacidades sería la definición y la construcción de indicadores adecuados tanto de insumos como de productos. dado que si bien todas parten de diversos supuestos. evaluar la eficiencia municipal en el 63 . la eficiencia municipal. condicionan los resultados obtenidos. Consideramos que este paso es fundamental para el éxito del sistema. Por último. es el SIAFGL. dado que habitualmente las funciones de producción son desconocidas.para ello de los indicadores que se obtengan del sistema de transferencias de competencias y funciones. sin el cual cualquier intento de evaluación de la gestión a cualquier nivel de gobierno fracasaría. intuitivos y facilmente interpretales por el hacedor de política. La importancia de su permanencia. Un primer paso para el diseño de este sistema de medición de la gestión local sería la elección de la(s) metodología(s) para realizar dicha medición. en caso se analicen grupos de municipalidades muy heterogéneos o en todo caso la totalidad de municipios. es cierto que el empleo de una u otra metodología es siempre relevante dependiendo del contexto y las unidades de gestión bajo análisis. es por demás indispensable. Sin embargo. y mientras dichos indicadores esten disponibles es indispensable obtener dichos indicadores de fuentes alternas. Sin embargo. la cual debiera desarrollarse acorde a criterios sencillos. que permitan aproximar con precisión las capacidades de gestión municipal. Esto debido a que las metodologías de evaluación de la gestión local. Al respecto cabe mencionar cabe mencionar que las metodologías propuestas en este estudio para analizar la eficiencia municipal no debieran ser vistas como sustitutorias sino más bien como complementarias. Otra fuente importante de recolección de variables a nivel local tanto de resultados como de insumos. dado que establecen un análisis relativo. En el caso del análisis de las municipalidades. dado que son las municipalidades quienes registran la información en los correspondientes formularios. como por ejemplo las variables educación o incorporar algunas otras como las de tipo político. estas permiten estimar una misma cuestión. y más bien reasignándolos de manera eficiente. el cual permite actualmente obtener información en tiempo real sobre la ejecución presupuestal para aproximadamente 700 municipalidades. recomendamos el empleo de las metodologías no paramétricas dado que no requieren el establecimiento previo de una forma funcional de la función de producción. estudiar a mayor profundidad los determinantes de la eficiencia municipal. En general la propuesta de contar con una tipología oficial de municipalidades no sólo debiera establecerse para el desarrollo del análisis de la gestión de municipalidades sino a todo nivel. en la actual coyuntura en la cual se ha propuesto su eliminación. Mejorarlo en el sentido de implementar un mejor mecanismo de verificación de datos. el Registro Nacional de Municipalidades (RENAMU) a cargo del INEI se constituye actualmente en una herramienta de evaluación esencial para aproximar indicadores resultado a nivel local. Un segundo paso sería la tipificación de las municipalidades para la obtención de grupos de municipios con características similares. y complementarlo con variables flujos antes que stocks. Al respecto y sobre los indicadores de gestión/resultados/objetivos. Sin embargo.

asi como analizar si son las municipalidades que más canon reciben las más ineficientes. realizar análisis de eficiencia acorde a metodologías paramétricas según funciones de producción diferentes a las cobb douglas (que son las utilizadas en este estudio). podrían constituir líneas para futuras investigaciones. 64 .tiempo lo cual nos permitiría evaluar la productividad municipal.

Boston. 22 (2). A. En: Dogramaci... “A caveat on the measurement of productive efficiency”. Vaso de Leche y Sector Educación. H. An Introduction to Efficiency and Productivity Analysis. (2003). Management Science.. 213-227. C. “Las transferencias intergubernamentales. A. Lópex-Calix. ECB Working Paper No. “Assessing Aggregate Cost Efficiency and the Related Policy Implications for Greek Local Municipalities”. (1978): “Measuring the Efficiency of Decision Making Units”. 66-83. D. y Battese. Malt. (1990). 1-14. y Tortosa-Ausina. Afonso.. Lovell. Rivera. “Transferencias intergubernamentales en las finanzas públicas municipales”. B. 242. Sixth edition. R. . Centre for Applied Economic Research. Balaguer-Coll. W.R. S.. L. Athanassopoulos.. Clements. 1078-1092. A comparison”. Rao. Afonso. M. (2003). Porras. 30 (9). Measuring technical efficiency: a comparison of alternative methodologies with census data. European Journal of Operational Research. Technical University of Lisbon. (2002). F. 2. Department of Economics. D. Journal of Econometrics 46. y Fernandes. A.Bibliografía Afonso A. Bjurek.. y Tanzi.). y De Melo. P. Las pérdidas en el Camino. Agrell. J. W. How efficient is education spending in Europe? European Review of Economics and Finance 1(1). y Wachtenhein. y Vigil. of efficiency in service production. Corbo. R. Cooper. K. y Triantis. 6. On the determinants of local government performance: A two-stage nonparametric approach. Institute for Economics and Business Administration (ISEG). Working Papers 2005/19. y Rhodes. Coelli. A. Lima: Universidad del Pacífico. J. S. Alcazar L. 185-202. CIES. y Cooper. Alvarado. P. Bradford. 429-444. “The Rising Cost of Local Public Services: Some Evidence and Reflections”. (2005). T. A. (1969). Kluwer Nijhoff. Measurement Issues and Behavior of Productivity Variables. Banker. E.. Aigner. A. (2002). (2003). Kluwer Academic Publishers. 3-26. (Ed. L. V. “Deterministic parametric and non parametric estimation.. (2001). B. Journal of Econometrics. (1977): “Formulation and Estimation of Stochastic Frontier Production Function Models”. Public Sector Efficiency: An International Comparison. B. R. Prior. (1984): “Some Models for the Estimation of Technical and Scale Efficiencies in Data Envelopment Analysis”. 36(3). E.. Instituto de Estudios Peruanos. 65 . (2003). G. 21-37. Charnes. Fugas en el Gasto Público: Transferencias Municipales. J. Massachusetts. (2005). D. V. Schuknecht. Working Paper 03.. y West. G. Mimeo. B. (1986). Hjalmarsson. “Efficiency of Local Government Spending: Evidence for the Lisbon Region”. National Tax Journal. y Morales. D. "Assessing and Explaining the Relative Efficiency of Local Government: Evidence for Portuguese Municipalities". 69. USAID. y Oates. 60. Aguilar. Charnes. INFOR. A. E. y Schmidt. y Forsund. W. Documento de Trabajo No. (1998). (2003). y Fernandes. Instituto APOYO. el esfuerzo fiscal y el nivel de actividad”. International Journal of Production Economics.

H. W. S. y Kerstens. “Measuring labor-efficiency in post offices”. R. Public Provision and Performance: contributions from efficiency and productivity measurement. 088-2003-PCM (2003). y Hayes.. 32-44. EN: Marchand. G. Kluwer. 47 (1). 26. 7.Davis. Deller. (2002) (ed. Presidencia del Consejo de Ministros. (Eds. State and local Public Finance. R. (1993). P. B. (ed). 75. Deller. K. K. H. 148-152. K. Cambridge: Cambridge University Press. Ferrier. Oxford University Press. (1994). “Cost efficiency of Belgian local governments: A comparative analysis of FDH. y Rudnicki. Fox. (1990). The performance of public enterprises: concepts and measurement. B. “Finite Sample Evidence on the Performance of Stochastic Frontiers and Data Envelopment Analysis Using Panel Data”. Public Choice. C. Amsterdam: North-Holland. Londres: Edward Arnold. Gong. B. Irwin. Econometrica 49:505-513. y Kerstens. “The econometric approach to efficiency analysis”. 68-119. “Measuring Cost Efficiency in Banking: Econometric and Linear Programming Evidence”. Everitt. Efficiency in the Public Sector. M. B. (1996b). (1957). S. H. The Measurement of Productive Efficiency: Techniques and Applications. Cluster Analysis. y Leese. “What Is Known about Municipal Efficiency?” En: Blank. T.. “Managerial efficiency in local government: Implications on jurisdictional consolidation”. Congreso de la República del Perú. B. S. “The Demand For Good Government”. 4th ed. Production Frontiers. (1992). De Borger. (2001). (1996). (1992). Descentralización Fiscal (2004). C. USA. W. Journal of the Royal Statistical Society Series A (General). Decreto Supremo No. Simar. K. y Schmidt. "‘Radial and Nonradial Measures of Technical Efficiency: An Empirical Illustration for Belgian Local Governments using an FDH Reference Technology”. “The Measurement of Productive Efficiency”. Farrell. Journal of Econometrics 51. “Production Efficiency in Local Government: A Parametric Approach”. y Lovell. 299-330. S. Presidencia del Consejo de Ministros. DEA. y Sickles. D. Decreto Legislativo No. 145-170. En: Fried. y Kerstens. Lovell. 221-231. Greene. y Tulkens. 74. 955. (1993). y Lovell.. Journal of Productivity Analysis. 253-281. (1992). and econometric approaches”.D. New York. L. North-Holland. M.. Deprins. C. Grosskopf. De Borger. pp. Pestieau.. K. S. Fisher. E. Decreto Supremo No. Jos L.). Presidencia del Consejo de Ministros. “On the Asymptotic Bias of the Ordinary least Squares estimator of the Tobit Model”. The Review of Economics and Statistics.. (1981). y Tulkens.). 038-2004-PCM (2004). (eds). M. R. 036-2003-PCM (2003). Decreto Supremo No. 66 . De Borger.259284. M. Journal of Econometrics 46: 229-245. 120 (3). (1984). (1996a). 5–18. Amsterdam. Public Finance. Färe. Regional Science and Urban Economics. Landau S. Greene. (2000)..

S.Hamilton. Congreso de la República del Perú. Ley No. Congreso de la República del Perú. “Producti Meeusen on Frontiers and Productive Efficiency”. T. CIES. Ley No. European Regional Science Association. Cuarta Edición. y Schmidt. H. Boletín de Transparencia Fiscal No.. (2007). S. Dogramaci and R Fare (eds. Congreso de la República del Perú. 347-361. Ley No. C. Herrera. H. (eds). 259-270. Public Provision and Performance. C." En: A. J. Consejo Nacional de la Descentralización. Lovell. “Fiscal Decentralization and Government Size”. Managerial and Decision Economics. 14. "A Comparison of Alternative Approaches to the Measurement of Productive Efficiency. En: Investigación de Mercados: Un Enfoque Aplicado. (2000). Public Choice. (1983). Lovell. New York. S. P. C. Malhotra. Ley de Responsabilidad y Transparencia Fiscal (2003). “Análisis por conglomerados”. (1990). 18(2). (2004). “Chance-constrained Data Envelopment Analysis”.. Marlow. K. Kliksberg.). 3-67. 584-607. 35. W.. México. Registro Nacional de Municipalidades 2004. "Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error". Ley No. I. 28411. (1993). Congreso de la República del Perú. P. 541-554. 57. vol. (2005). R. y Chang. K. y Málaga. Ley Orgánica de Municipalidades (2002). Ley de Bases de la Descentralización (2002). B. Congreso de la República del Perú. Lovell. Amsterdam. Pearson Educación. INEI (2004). 56. 67 . University of Pennsylvania and Osaka University Institute of Social and Economic Research Association. (1977). MEF (2004). (ed). Boston: Kluwer Academic Publishers. (1993). Meeusen. International Economic Review. Applications of Modern Production Theory: Efficiency and Productivity. “Measuring Efficiency in the Public Sector”. N. Indicadores de desempeño y análisis de eficiencia de los municipios peruanos: Una aproximación no paramétrica en un contexto de descentralización. 167–77. (2004). (1988). Ley No. 28273. Department of Economics. L. (1988). 27783. The Measurement of Productive Efficiency-Techniques and Applications. Capital Social: Una idea de alta relevancia para la gestión municipal. C. North-Holland. Land. En: Blank. Jos L. "Cost efficiency of finnish municipalities in basic service provision 1994-2002".. B. Oxford University Press. y Schmidt. Lovell. y Thore. “The flypaper effect and other anomalies”. 27972. Ley General del Sistema Nacional de Presupuesto (2004). y Susiluoto. Loikkanen. Journal of Public Economics 22. pp. C. 27958. Ley del Sistema de Acreditación de los Gobiernos Regionales y Locales (2004). Southern Economic Journal. Hayes. Lovell. En: Fried. y Van den Broeck. “The Relative Efficiency of City Manager and Mayor-Council Forms of Government”. ERSA conference papers ersa05. Aplicación de las reglas fiscales para los Gobiernos Locales 2003: Un análisis preliminar.

E. M. O. Tulkens. GRADE. y Valdivia M. Sampaio de Sousa..Mueller. Public Spending in the 20th Century: A Global Perspective. M. 41. R. Oxford University Press. Working Paper 294. W. y Petersen. Working Paper Series in Economics ISSN 1442 2980. P. Olesen. "Efficiency Measurement in the Local Public Sector: Econometric and Mathematical Programming Frontier Techniques". School of Economics and Finance. W.. La agenda a cuatro años de iniciado el proceso. Cambridge University Press. M. Tanzi. Journal of Productivity Analysis. Proceso de Descentralización. y Young. 217-237. La heterogeneidad de las municipalidades y el proceso de descentralización en el Perú. Department of Economics University of Brasilia. y Schuknecht. National Tax Journal 35. R. University of New England. H. (eds). “A Monte Carlo study of estimators of stochastic frontier production functions”. (1982). (2003). Queensland University of Technology. Borcherding (ed. A. 383-397. H. Public Choice II. C. Lovell. “X-Efficiency and state formula grants”. (1989). 71-89. Schmidt. W. (2000). Prieto. Oates. R. Fiscal Federalism. y Schmidt. The Measurement of Productive Efficiency – Techniques and Applications. y Oates. Durham. y Zofio. Finance and International Competitiveness. (1972). New York: Harcourt Brace Jovanovich. (1977). A. Torero. J. Journal of Public Economics. NC. B. “Technical Efficiency of the Brazilian Municipalities: Correcting Non-Parametric Frontier Measurements for Outliers”.. y Stosic. A. Public versus private provision of governmental services. Discussion Papers in Economics. 300-334. Duke University Press. B. 44. (1993). Efficiency Aspects of NSW Local Governments’ Domestic Waste Management Service. PRODES (2007). D.-A. Silkman. P. Worthington. V. Schwab. Cambridge. Worthington. Journal of Econometrics 13. y Dollery. “Cost Efficiency in Belgian Municipalities”. (2000a). J. 442-457. Management Science. New York. 15 (1). y Dollery B. School of Economic Studies. EN: T. y Jamar. Cambridge: Cambridge University Press. (1991). 67-82. Spann. D. Vanden Eeckaut. y Waldman. Olson. S. EN: Fried. “Chance Constrained Efficiency Evaluation”. N. (2000b).) Budgets and bureaucrats: The sources of government growth. D. A. L. “Evaluating Effectiveness in Public Provision of Infrastructure and Equipment: The Case of Spanish Municipalities”. (2002). No. “Community composition and the provision of local public goods”. (2001). (1980). 68 . 78. (1995). 4158.

076-2006-PCM 30 de marzo 6 de mayo 8 de julio Ley del Sistema de Acreditación de los Gobiernos Regionales y Locales 8 de julio Ley de Incentivos para la Integración y Conformación de Regiones 15 de noviembre Reglamento de la Ley del Sistema de Acreditación de los Gobiernos Regionales y Locales 2005 29 de marzo Plan de Transferencia Sectorial del Quinquenio 2005-2009 27 de julio Plan Anual de Transferencias a los Gobiernos Regionales y Locales 2005 Aprueban Directiva No. 28056 Ley No. 28273 Ley No. 27867 Ley de Elecciones Regionales Ley de Bases de la Descentralización Ley Orgánica de Gobiernos Regionales 14 de marzo 17 de julio 16 de noviembre Decreto Supremo No. en 27 de mayo función a las capacidades Ley Marco del Presupuesto Participativo 7 de agosto Ley Marco de Promoción de la Inversión Descentralizada 12 de agosto Transferencia de los fondos. proyectos y programas a que se refiere el DS No. proyectos y programas sociales a que se refiere el DS No. programas y funciones sectoriales a que se refiere el DS No. 080-2004-PCM Resolución Presidencial 026-CND-P-2005 Decreto Supremo No. 036-2003-PCM. plazos y mecanismos de verificacón para la ejecución de la transferencia a los Gobiernos Regionales y Locales de los fondos. 003-CND-P-2003 sobre los mecanismos de verificación para la ejecución de la transferencia a los Gobiernos Regionales y Locales de los fondos. 021-2006-PCM Decreto Supremo No. 6 de julio 038-2004-PCM 2003 Resolución Presidencial 070-CND-P-2003 Resolución Presidencial 071-CND-P-2003 Ley No. 27680 2002 Ley de Reforma Constitucional del Capítulo XIV del Título IV sobre descentralización 6 de marzo Ley No. 27958 7 de mayo Ley de Responsabilidad y Transparencia Fiscal Aprueban Directiva No. 28059 Decreto Supremo No.Anexos Anexo 1. proyectos y programas a que se refiere el DS No. 036-2003-PCM Aprueban Directiva No. 036-2003-PCM 29 de octubre Plan Nacional de Descentralización 2004-2006 22 de diciembre 2004 Ley de Descentralización Fiscal 4 de febrero Plan Nacional de Capacitación y asistencia Técnica en Gestión Pública para el fortalecimiento de los Gobiernos 18 de marzo Regionales y Locales Plan Anual de Transferencia de competencias sectoriales a los Gobiernos Regionales y Locales 2004 11 de mayo Aprueban Directiva No. 27783 Ley No. Marco normativo del proceso de descentralización 2002-2006 Tipo y número de norma Norma Legal Fecha de promulgación Ley No. 052-2005-PCM Reglamento de la Ley de Descentralización Fiscal 8 de septiembre 2006 Plan Anual de Transferencias de Competencias Sectoriales a los Gobiernos Regionales y Locales del año 2006 26 de abril Disposiciones relativas a la culminación de las transferencias programadas a los Gobiernos Regionales y Locales 12 de octubre Modifican el Plan Anual de Transferencias de Competencias Sectoriales a los Gobiernos Regionales y Locales del año 30 de octubre 2006 . 002-CND-P-2003 sobre el procedimiento para la ejecución de la transferencia a los Gobiernos 23 de mayo Regionales y Locales de los fondos. 021-2004-PCM Decreto Supremo No. 068-2006-PCM Decreto Supremo No. proyectos. 27972 sociales Ley Orgánica de Municipalidades Ley No. 002-CND-P-2004 sobre procedimientos. proyectos y programas a que se refiere el DS No. 052-2005-PCM Resolución Presidencial N° 050-CND-P-2005 Decreto Supremo No. 088-2003-PCM Resolución Presidencial 162-CND-P-2003 Decreto Legislativo No. 114-2005-EF Decreto Supremo No. 038-2004-PCM Resolución Presidencial 057-CND-P-2004 Ley No. 28274 Decreto Supremo No. 036-2003-PCM Ley No. 003-CND-P-2005 sobre normas para la ejecución de la transferencia a los Gobiernos Regionales 11 de agosto y Locales de los fondos. 27683 Ley No. 955 Decreto Supremo No.

0 93.0 85.2 Categoría 3: Rural pobre (36 municipalidades) 13410.0 100. Dev.1 6.2 5611. Min Max Mean Std.9 10.7 94.3 43900.2 8.2 Anexo 2-B. Dev.3 76.3 25.9 98.0 42.3 66.5 9. Min Max Población Urbanidad NBI1 Categoría 1: Urbano pobre representativo (324 municipalidades) 7289. Estadísticos descriptivos del análisis de conglomerados: tipología de municipalidades provinciales Estadísticos Mean Std.0 30.4 68.4 48. Dev.5 7. Dev.8 11.9 404588.5 8.2 12.0 9.2 Categoría 5: Rural pobre no extremo (672 municipalidades) 6434.5 26.6 52.1 Categoría 4: Semi-rural no pobre (68 municipalidades) 16283.1 Categoría 4: Ciudades metropolitanas y de desarrollo intermedio (73 municipalidades) 133421.3 52233.4 1439.5 12247.7 92946.5 12.0 32.0 78. Estadísticos descriptivos del análisis de conglomerados: tipología de municipalidades distritales Estadísticos Mean Std.2 32.0 59.5 50.3 10342.0 77.0 1.7 97451.2 112.3 Categoría 2: Urbano pobre (200 municipalidades) 1461.5 39.6 317.5 162862.1 95776.1 22. Min Max Mean Std.2 3.0 46.0 43.7 14741.5 Categoría 3: Urbano no pobre con elevado potencial económico (188 municipalidades) 12803. Min Max Mean Std. Min Max Mean Std.9 16. Dev. Dev. Dev.0 83.7 17.0 27624. Dev.3 11.9 2596.1 17.0 843961.1 12.8 2139.3 68. Min Max Mean Std. Dev.4 3.6 Categoría 6: Rural pobre extremo (177 municipalidades) 2935.0 8.3 91.7 77.0 18.4 64.0 100.9 8.3 10327.1 24.0 142511.0 5.0 98.0 35.1 34.7 9778.8 20792. Min Max Mean Std.3 30222.7 56.5 7.6 7.2 110.8 15.0 Categoría 2: Metrópolis y ciudades intermedias de desarrollo medio (33 municipalidades) 127714.0 9.8 .5 40.5 14. Min Max Mean Std.1 14882.0 1. Min Max Mean Std.2 85.4 88.0 14.0 46. Dev.5 7.1 9.4 12.4 1.5 77384.8 55.6 42.3 1561.4 41.0 100.0 100. Min Max Población Urbanidad NBI1 Categoría 1: Ciudades intermedias de bajo desarrollo (57 municipalidades) 30095.0 42.2 0.7 10.Anexo 2-A.2 361.0 57.7 821.

Distribución de las categorías municipalidades provinciales acorde a las variables de tipificación NORMLNPOB 1 .4 .4 .2 0 0 .6 .4 .8 C5 C6 1 NORMPOBURB .6 .8 1 NORMNBI1 C4 NORMPOBURB 1 .8 .6 .2 .8 1 NORMPOBURB C1 C2 C3 C2 C3 C2 C3 C4 NORMLNPOB 1 .4 .4 .8 .4 C1 C2 .8 1 NORMNBI1 C4 Anexo 3-B.2 .6 . Distribución de las categorías municipalidades distritales acorde a las variables de tipificación NORMLNPOB 1 .2 .8 .8 .Anexo 3-A.2 0 0 .6 .6 .6 .2 .6 C3 71 C4 .2 0 0 .4 C1 .4 C1 .2 0 0 .

2 0 0 .6 C3 C4 C3 C4 .4 .8 .4 .6 72 .8 C5 C6 C5 C6 1 NORMNBI1 NORMPOBURB 1 .2 .2 .6 .4 C1 C2 C1 C2 .NORMLNPOB 1 .4 .6 .8 1 NORMNBI1 .2 0 0 .8 .

716 1.440 0.436 0.162 48.274 64.000 Promedio 0.583 0.226 0.051 0.269 0.489 0.994 0.390 0.214 0.724 0.HUANCAPI CHACHAPOYAS ZARUMILLA MELGAR .437 0.851 0.476 0.117 0.205 0.701 0.640 0.810 0.AYAVIRI MARISCAL CACERES .471 0.712 0.060 0.MOLLENDO HUALLAGA .075 0.257 0.228 0.493 0.861 0.319 0.182 56.Anexo 4-A.000 1.089 0.545 0.607 0.108 0.814 0.425 0.457 0.408 0.356 0.167 67.504 0.384 0.572 0.452 0.788 0.597 0.146 44. Dev.452 0.730 0.269 0.334 0.415 0.319 0.287 0.298 0.000 0.525 0.374 0.938 0.414 0.710 0.515 0.932 0.918 0.221 0.164 55.569 0.895 0.CHIQUIAN DOS DE MAYO .258 0.579 0.376 0.275 0.336 0.144 0.381 0.243 0.887 0.300 0.107 54.LA UNION HUANCAVELICA CELENDIN MORROPON .165 0.388 0.355 0.317 0.582 0.424 0.278 0.647 0.238 0.171 0.655 0.412 0.059 0.368 0.152 0.349 0.331 0.138 0.225 0.476 0.317 28.178 0.000 0.171 72.780 0.380 0.155 59.221 50.553 0.430 0.526 0.720 0.720 0.203 0.881 0.506 0.000 73 Estocástica 0.709 0.759 0.393 0.854 0.628 0.414 0.303 0.246 0.676 0.136 72.586 0.572 0.765 0.709 0.309 0.801 0.284 0.423 0.928 0.538 0.959 1.088 0.506 0.371 0.000 1.456 0.356 0.624 0.001 1.152 40.215 0.175 0.383 0.CHULUCANAS ALTO AMAZONAS .730 0.000 0.100 60.253 0.077 0.153 0.712 0.517 0.023 0.337 0.553 0.390 0.481 0.089 0.072 22.176 0.SAN NICOLAS CANTA MOYOBAMBA PALPA VICTOR FAJARDO .312 0.287 30.726 0.413 0.529 0.529 0.175 0.861 0.552 0.466 0.782 0.PUQUIO PACASMAYO .228 0.146 44.836 0.341 0.336 0.307 0.178 0.317 0.337 0.730 0.319 0.376 0.164 68.373 0.504 0.060 0.LA PECA SECHURA ISLAY .132 0.513 0.701 0.973 0.248 25.146 0.731 0.000 0.294 0.456 0.382 0.611 0.487 0.332 0.087 0.389 0.710 0.190 45.372 0.552 0.436 0.454 0.877 0.100 79.598 0.099 31.093 0.812 0.147 98.451 0.000 1.095 101.513 0.602 0.441 0.535 0.000 0.412 0.310 0.SAPOSOA TARATA CANCHIS .277 0.294 0.322 0.182 50.673 0.895 0.434 0.646 0.201 0.321 0.258 0.084 0.449 0.809 0.831 0.249 0.407 0.246 40.YURIMAGUAS FERREÑAFE JUNIN BELLAVISTA CONTRALMIRANTE VILLAR TOCACHE CASMA NAZCA JAEN RODRIGUEZ DE MENDOZA .426 0.599 0.395 0.494 0.290 40.348 0.313 0.212 0.115 0.SAN PEDRO DE LLOC HUARAL SATIPO HUARAZ CAMANA CONCEPCION SANCHEZ CARRION .SANTA ANA JAUJA CARAVELI LUCANAS .630 0.050 64.206 0.538 0.514 0.447 0.486 0.462 0.674 0.270 0.489 0.426 0.615 0.215 73.514 0.146 0.453 0.206 0.569 0.173 47.106 0.073 101.000 1.603 0.542 0.116 0.237 0.563 0.124 88.436 0.249 0.138 52.206 0.129 67.436 0.845 0.958 0.861 0.226 0.141 164.166 28.211 0.100 0.743 0.414 0.402 0.238 0.SICUANI Indicadores Input IDEM 29.360 0.380 0.409 0.JUMBILLA TAMBOPATA ANDAHUAYLAS CHANCHAMAYO CAÑETE .706 0.228 0.230 42. Min Max Municipalidad RIOJA LAMAS LA CONVENCION .081 1.628 0.337 0.110 111.506 0.423 0.577 0.325 0.330 0.347 0.305 0.189 67.202 0.331 0.529 0.LAMUD CAJAMARCA BONGARA .225 0.732 0.298 0.237 0.698 0.139 0.081 0.259 0.360 0.259 0.001 0.878 0.283 0.422 0.395 0.291 0.911 0.503 0.139 0.399 0.270 0.270 26.504 0.163 57.666 0.878 0.563 0.JUANJUI HUARMEY TARMA YAULI .915 0.362 0.541 0.568 0.647 0.816 1.819 0.459 0.000 0.151 0.167 0.515 0.905 0.258 0.569 0.287 0.406 0.140 32.399 0.000 76.886 1.499 0.602 0.532 0.332 0.026 43.281 22.317 Puntajes de eficiencia FDH DEA-CRS DEA-VRS Determinística 1.425 0.923 0.487 0.506 0.075 1.437 0.231 0.573 0.162 39.562 0.395 0.108 63.359 0.865 0.436 0.604 0.141 0.HUAMACHUCO ESPINAR LUYA .952 0.000 1.868 0.SAN VICENTE DE CAÑETE REQUENA HUANTA BOLOGNESI .248 32.211 0.173 0.675 0.465 0.331 0.283 0.015 0.290 0.288 0.812 0.529 0.494 0.095 79.181 0.324 0.332 0.002 0.329 0.878 0.373 0.383 0.402 0.958 Ranking (Promedio) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 .905 0.094 84.378 0.456 0.178 0.288 0.622 0.165 45.430 0.080 0.617 0.002 0.000 0.312 40.187 0.701 0.720 0.905 0.267 47.922 0. Resultados y ranking de eficiencia según metodologías y categorías de municipalidades provinciales Categoría 1: Ciudades intermedias Departamento San Martín San Martín Cusco Junín Arequipa Ayacucho La Libertad Lima Junín Ancash Arequipa Junín La Libertad Cusco Amazonas Cajamarca Amazonas Madre de Dios Apurimac Junín Lima Loreto Ayacucho Ancash Huánuco Huancavelica Cajamarca Piura Loreto Lambayeque Junín San Martín Tumbes San Martín Ancash Ica Cajamarca Amazonas Lima San Martín Ica Ayacucho Amazonas Tumbes Puno San Martín Ancash Junín Junín Amazonas Piura Arequipa San Martín Tacna Cusco Mean Std.787 0.895 0.201 53.112 88.779 1.437 0.000 322.LA OROYA BAGUA .346 0.457 0.154 322.751 0.439 0.593 0.382 0.577 0.064 156.821 0.238 0.256 0.298 0.075 0.226 0.324 0.

230 71.057 0.616 73.456 0.311 0.587 0.596 0.693 0.487 0.446 0.328 58.027 0.545 35.342 0.537 0.583 0.087 145.711 0.547 0.221 53.409 0.652 62.727 0.838 0.483 287.405 0.654 0.375 0.913 0.811 0.948 0.954 0.526 0.018 0.173 0.297 0.175 246.215 0.CHIMBOTE TALARA .094 0.534 0.548 0.459 58.293 54.465 0.213 0.190 0.629 0.764 0.368 1.192 0.698 0.PARIÑAS PUNO Indicadores Input IDEM 54.487 FDH 1.664 0.250 0.481 0.596 0.279 0.000 1.978 0.458 0.630 0.419 0.080 0.498 54.918 0.559 0.547 0.799 0.829 0.638 0.000 1.978 Ranking (Promedio) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 Categoría 3: Rural Departamento Apurimac Pasco Ancash Piura Huancavelica Huánuco La Libertad Ancash Pasco Huancavelica Huánuco Puno Ayacucho Madre de Dios Cusco Huánuco Apurimac Puno Cusco Huánuco Ancash Puno Huancavelica Cusco Huánuco Amazonas La Libertad Huánuco Ancash Cusco Ucayali Puno Mean Std.124 0.356 0.201 0.700 38.574 0.246 0.544 0.CHAPIMARCA CHEPEN AREQUIPA EL CALLAO SAN ROMAN .660 0.728 0.LLAMELLIN SAN ANTONIO DE PUTINA CASTROVIRREYNA CANAS .027 0.621 0.TARAPOTO LIMA LAMBAYEQUE CHICLAYO BARRANCA CHINCHA .271 42.560 0.704 0.669 0.978 0.745 0.682 0.445 0.180 0.162 82.998 0.475 0.650 0.807 0.131 0.361 0.384 0.122 0.875 0.740 0.684 0.498 0.636 0.964 0.507 0.487 0.553 0.704 0.165 0.343 0.194 0.718 0.000 0.576 0.898 0.000 1.097 0.214 29.202 0.671 0.000 1.728 0.123 1.000 1.476 0.220 0.652 0.544 0.473 0.573 0.NIEVA BOLIVAR LAURICOCHA .652 0.356 43.000 1.196 36.213 0.945 0.226 0.514 0.437 0.725 0.000 0.458 0.524 0.642 0.260 0.103 0.177 0.320 0.696 0.543 0.000 1.505 0.PISCOBAMBA AYABACA ACOBAMBA PACHITEA .415 0.829 0.554 0.364 0.134 0.891 0.545 0.735 0.775 0.722 0.849 0.773 0.636 0.316 0.917 0.610 0.480 54.544 0.742 0.748 0.299 228.461 0.257 0.835 0. Min Max Municipalidad HUANCAYO HUACHO SAN MARTIN .239 63.473 0.217 77.578 37.015 0.568 0.566 0.797 1.454 95.096 0.314 0.663 0.994 0.363 0.237 0.377 0.000 1.618 98.543 55.065 77.649 0.939 0.148 0.491 0.456 0.344 0.898 0.170 0.686 0.380 0.277 0.584 0.466 0.710 0.484 0.227 0.668 0.965 0.174 0.798 0.324 0.018 0.669 0.467 0.472 50.000 1.000 1.337 0.273 59.563 0.390 0.CHUQUIBAMBILLA OXAPAMPA MARISCAL LUZURIAGA .074 0.212 0.449 0.088 0.995 1.473 0.734 37.712 0.018 0.644 0.475 0.216 54.233 0.696 0.219 0.468 0.892 0. Min Max Municipalidad GRAU .384 0.219 0.719 0.897 0.359 0.284 0.725 0.098 0.534 0.245 0.560 0.550 0.475 0.468 0.193 106.095 89.318 0.443 63.221 0.396 0.209 0.472 0.791 0.686 0.298 95.MOQUEGUA TUMBES PISCO SANTA .226 0.343 71.154 59.109 0.239 0.252 0.489 0.359 0.224 0.463 0.649 0.556 0.094 0.262 0.CHAVINILLO COTABAMBAS .115 1680.703 0.528 0.IQUITOS HUANUCO ICA SULLANA HUAMANGA PIURA TACNA LEONCIO PRADO .692 0.583 0.578 0.000 Estocástica 0.606 0.215 0.801 0.211 0.507 0.150 0.771 0.317 0.441 0.414 0.703 54.749 0.159 55.516 0.YANAHUANCA CHURCAMPA HUACAYBAMBA HUANCANE VILCAS HUAMAN MANU ANTA YAROWILCA .545 0.216 45.611 0.317 0.115 53.100 0.722 0.433 0.777 0.628 0.497 0.595 0.278 0.709 0.272 0.703 0.337 0.408 0.310 0.829 0.088 0.254 49.239 0.384 0.405 0. Dev.238 0.550 0.735 0.389 0.525 0.333 0. Dev.536 0.142 0.555 45.800 0.148 0.000 Puntajes de eficiencia DEA-CRS DEA-VRS Determinística 1.728 0.747 35.784 0.756 0.265 117.317 0.297 73.218 0.040 0.114 0.585 0.311 0.612 0.011 0.638 0.383 0.728 0.402 0.889 0.338 0.YANAOCA PUERTO INCA CONDORCANQUI .826 0.532 1.214 0.470 0.274 0.340 0.374 0.767 0.297 0.300 0.000 29.764 0.571 0.971 1.775 0.671 0.792 0.000 1.414 0.417 0.581 0.543 0.148 0.657 0.686 56.480 0.525 0.599 0.357 0.727 0.661 0.604 0.405 0.786 0.484 0.223 0.892 Promedio 0.419 0.000 0.015 0.627 0.662 0.748 0.946 0.064 0.501 0.786 0.565 0.123 0.453 0.124 82.364 0.590 0.195 0.219 0.284 0.342 0.526 0.348 0.475 0.585 0.764 0.HUACRACHUCO ANTONIO RAYMONDI .356 28.741 0.252 56.800 0.323 54.706 0.405 0.481 0.498 0.065 246.930 0.112 28.752 0.359 0.431 0.352 58.099 0.810 0.RUPA RUPA PASCO .610 0.201 0.343 0.226 105.441 0.484 0.608 0.136 0.554 54.627 0.854 0.939 Ranking (Promedio) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 .829 0.551 0.175 0.775 1.663 0.018 0.914 0.JULIACA CORONEL PORTILLO ABANCAY CUZCO ILO TRUJILLO PAITA MARISCAL NIETO .162 120.791 0.302 52.621 0.243 0.571 0.272 0.356 0.604 0.302 0.528 0.652 0.000 0.657 0.342 56.000 1.532 1.186 0.426 0.572 0.245 0.000 0.123 0.PANAO SANTIAGO DE CHUCO POMABAMBA DANIEL CARRION .489 0.442 0.526 0.678 0.491 0.674 0.647 0.228 58.JESUS CARLOS FERMIN FITZCARRALD ACOMAYO PURUS MOHO Indicadores Puntajes de eficiencia Input IDEM FDH DEA-CRS DEA-VRS Determinística 54.825 0.306 0.917 0.930 0.716 0.796 0.228 0.525 0.881 0.420 0.150 79.165 1.302 0.077 0.441 0.705 0.372 0.706 0.704 0.315 0.110 0.000 0.202 39.554 0.685 0.639 0.608 0.414 0.841 0.781 0.603 0.096 0.770 0.284 40.494 0.150 1680.270 0.203 0.197 0.500 0.829 0.918 0.683 0.761 0.TAMBOBAMBA ILAVE PARURO MARAÑON .641 0.843 0.229 47.808 0.337 0.671 0.237 0.132 0.CHINCHA ALTA MAYNAS .572 60.906 0.867 0.571 0.637 46.186 0.202 0.169 0.685 0.563 0.487 40.302 0.011 0.219 0.296 0.611 0.304 0.195 0.302 0.238 0.386 0.741 0.468 0.000 0.702 0.000 74 Estocástica 0.614 0.614 0.897 Promedio 0.177 0.753 0.653 40.191 0.758 0.977 0.Categoría 2: Metrópolis Departamento Junín Lima San Martín Lima Lambayeque Lambayeque Lima Ica Loreto Huánuco Ica Piura Ayacucho Piura Tacna Huánuco Pasco La Libertad Arequipa El Callao Puno Ucayali Apurimac Cusco Moquegua La Libertad Piura Moquegua Tumbes Ica Ancash Piura Puno Mean Std.724 0.452 0.766 0.

653 0.332 0.000 1.QUEROBAMBA TAYACAJA .602 0.214 0.769 0.070 61.637 0.814 0.212 0.480 0.592 0.182 0.373 0.539 0.197 0.442 0.796 0.621 0.150 0.595 0.274 0.PAMPAS PICOTA CONDESUYOS .405 0.171 0.605 0.199 0.487 0.212 0.605 0.143 0.396 0.091 0.229 56.318 0.605 0.623 0.378 0.540 0.735 0.167 0.694 0.641 0.722 0.275 0.205 0.692 0.011 0.198 57.012 0.073 26.SANTO TOMAS PARINACOCHAS .782 0.303 0.458 0.702 0.158 40.096 0.675 0.540 0.342 0.762 0.348 0.601 0.566 0.850 0.469 0.503 0.261 41.329 0.445 0.BAGUA GRANDE OYON LAMPA PADRE ABAD .098 0.292 0.029 0.341 0.565 0.503 0.733 0.123 0.298 0.518 0.470 0.618 0.237 0.LOCUMBA OCROS SAN PABLO CANDARAVE MARISCAL RAMON CASTILLA HUARI CHUMBIVILCAS .152 40.515 0.663 0.869 0.926 0.539 0.210 37.113 0.144 1.026 0.036 0.468 0.704 0.525 0.926 0.687 0.528 0.556 0.150 46.904 0.792 0.484 0.777 0.194 43.111 0.830 0.597 0.000 0.024 158.710 0.556 0.016 0.341 0.454 0.000 1.381 0.705 0.137 0.036 0.122 0.173 31.346 0.254 0.168 31.723 1.137 0.PEDRO GALVEZ SANDIA AYMARAES .511 0.317 26.038 122.129 50.637 0.522 0.148 0.768 0.384 0.835 0.745 0.203 0.109 130.605 0.491 0.401 0.892 0.095 105.406 0.302 0.012 0.939 0.000 1.553 0.008 0.618 0.254 0.SANCOS YUNGAY CHOTA UCAYALI .693 0.518 0.167 0.161 60.660 0.000 0.622 0.536 0.AGUAITIA CASTILLA .178 47.576 0.152 45.696 0.182 42.593 0.332 0.765 0.199 0.372 0.139 83.364 0.520 0.580 0.SAN MIGUEL CAJABAMBA SAN MIGUEL LORETO .641 0.430 0.167 0.985 Ranking (Promedio) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 .956 0.649 0.613 0.550 0.740 0.752 0.157 0.608 0.BAMBAMARCA HUANCABAMBA PALLASCA .015 0.575 0.202 0.331 0.422 0.CABANA HUAYLAS .809 0.533 0.620 0.541 0.071 66.154 33.191 0.700 0.209 42.426 0.129 50.451 0.859 0.MATUCANA CANGALLO CALCA PAUCARTAMBO CHUPACA LA UNION .985 0.175 0.606 0.229 0.724 0.907 0.530 0.461 0.782 0.670 0.021 220.525 0.085 0.536 0.495 0.134 0.694 0.779 0.028 0.450 0.000 0.422 0.293 0.220 0.438 0.527 0.233 0.Categoría 4: Semi-rural Departamento Cajamarca Apurimac Moquegua Huancavelica Huánuco Cajamarca Lima Puno Lima Ayacucho Cusco Cusco Junín Arequipa Puno Cusco Ayacucho Huancavelica San Martín Arequipa Cajamarca Ancash Cajamarca Piura Ancash Ancash Ancash Ayacucho La Libertad Cajamarca Puno Apurimac La Libertad Apurimac Ayacucho Ancash Cajamarca Loreto Ayacucho Cajamarca Cajamarca Loreto Cusco Ancash Huánuco Madre de Dios Amazonas Lima Puno Ucayali Arequipa Ucayali Cajamarca San Martín Tacna Ancash Cajamarca Tacna Loreto Ancash Cusco Ayacucho Puno Ancash Ancash Mean Std.556 0.635 0.694 0.021 213.656 0.474 0.194 48.050 89.085 0.293 0.666 0.CARAZ CARHUAZ PAUCAR DEL SARA SARA .680 0.309 0.CORACORA YUNGUYO CORONGO RECUAY Indicadores Input IDEM 45.161 0.191 0.191 0.392 0.426 0.702 0.508 0.403 0.618 0.472 0.612 0.604 0.363 0.CONTAMANA LA MAR .317 0.507 0.073 0.199 37.492 0.380 0.322 0.000 75 Puntajes de eficiencia Promedio DEA-CRS DEA-VRS Determinística Estocástica 1.823 0.467 0.207 87.133 82.840 0.537 0.830 0.376 0.406 0.338 0.181 39.553 0.370 0.095 0.613 0.CHUQUIBAMBA CONTUMAZA SIHUAS HUALGAYOC .019 0.288 0.118 46.841 0.659 0.454 0.550 0.260 48.798 0.353 0.568 0.512 0.149 0.719 0.244 51.669 0.032 0.547 0.667 0.087 148.176 43.237 0.140 33.203 0.496 0.859 0.456 0.542 0.769 0.623 0.725 0.290 0.IÑAPARI UTCUBAMBA .338 0.828 0.287 0.299 0.313 0.403 0.575 0.069 0.233 0.848 0. Min Max Municipalidad CUTERVO CHINCHEROS SANCHEZ CERRO .559 0.609 0.608 0.625 0.951 0.APLAO ATALAYA .318 0.368 0.225 0.181 0.179 0.796 0.574 0.252 0.017 0.743 0.872 0.700 0.000 1.812 0.885 0.955 0.102 58.416 0.461 0.230 41.433 0.290 0.079 0.068 0.096 0.598 0.591 0.289 0.458 0.422 FDH 1.274 43.313 0.990 0.458 0.476 0.709 0.609 0.763 0.461 0.421 0.029 0.614 0.695 0.156 49.019 0.279 0.643 0.577 0.363 0.398 0.595 0.520 0.682 0.142 0.COTAHUASI AZANGARO URUBAMBA SUCRE .127 43.317 0.284 0.530 0.658 0.161 43.284 0.508 0.534 0.650 0.445 0.477 0.011 0.152 37.149 0.307 0.182 63.172 0.214 0.597 0.814 0.802 0.561 0.103 136.526 0.148 113.227 54.865 0.145 58.355 0.526 0.PAUSA VIRU SAN MARCOS .324 0.285 0.158 68.136 0.702 0.CHALHUANCA OTUZCO ANTABAMBA HUANCA SANCOS .449 0.240 0.100 76.188 0.207 0.477 0.313 0.950 1.407 0.296 0.545 0.108 103.391 0.237 29.568 0.201 0.824 0.170 0.601 0.URCOS AIJA HUAMALIES .598 0.750 0.051 56.805 0.961 0.615 0.755 0.000 0.122 0.085 78.926 0.367 0.879 0.956 0.513 0.324 0.257 0.443 0.188 0.270 0.JULI HUAROCHIRI .427 0.458 0.461 0.218 0.144 0.566 0.625 0.609 0.649 0.150 41.363 0.308 0.790 0.615 0.431 0.504 0.325 0.606 0.320 0.038 78.443 0.046 0.122 0.542 0.604 0.000 0.594 0.605 0.389 0.061 0.623 0.453 0.846 0.622 0.277 0.422 0.224 54.304 0.278 0.885 0.737 0.772 0. Dev.496 0.454 0.617 0.422 29.655 0.481 0.087 0.182 0.000 1.584 0.532 0.518 0.000 1.OMATE HUAYTARA AMBO SAN IGNACIO YAUYOS CHUCUITO .505 0.687 0.127 0.589 0.462 0.RAYMONDI SANTA CRUZ SAN JOSE DE SISA JORGE BASADRE .215 0.441 0.617 0.485 0.122 1.112 125.424 0.830 0.000 1.199 70.601 0.531 0.175 52.052 220.391 0.LLATA TAHUAMANU .715 0.532 0.602 0.269 0.793 0.477 0.212 0.685 0.633 0.481 0.417 0.NAUTA QUISPICANCHIS .228 43.216 0.533 0.854 0.645 0.229 0.500 0.

359 0.284 0.474 0.626 0.378 0.376 0.601 0.596 0.226 0.116 0.613 0.469 0.217 0.470 0.258 0.580 129.384 0.696 0.141 0.082 0.351 0.472 0.414 0.086 0.422 0.942 0.756 0.945 0.462 0.909 0.605 0.113 0.527 94.208 0.556 0.500 0.378 0.647 0.082 0.049 0.130 0.789 0.530 0.539 0.646 60.453 70.504 0.275 0.263 0.809 0.446 0.904 0.481 136.633 0.520 59.578 94.779 0.596 62.688 0.080 0.553 0.748 98.615 0.399 106.459 100.516 0.272 0.739 0.108 0.321 0.503 0.441 0.844 0.450 0.078 0.609 0.379 0.414 0.649 0.435 0.610 57.201 0.418 0.292 0.405 0.388 0.399 0.202 1.229 0.510 0.074 0.197 0.184 0.067 0.391 0.469 0.328 0.274 0.692 0.243 1.479 0.898 0.107 0.461 0.414 0.259 0.171 0.385 0.110 0.819 0.415 0.213 0.186 0.327 0.502 0.927 0.377 0.177 0.079 0.717 0.416 171.063 0.099 0.008 0.807 0.765 1.322 0.198 0.286 0.622 0.883 0.464 0.410 0.669 51.833 0.337 0.297 0.440 0.395 0.379 0.388 0.539 0.676 0.409 0.671 49.704 0.342 0.297 0.233 0.137 0.524 0.600 0.317 0.403 0.883 0.571 0.305 0.880 0.423 0.072 0.362 0.284 0.744 0.772 0.470 0.583 0.488 0.460 0.701 27.317 0.554 619.375 0.520 0.211 0.516 90.460 0.292 0.382 0.357 0.000 0.232 0.046 0.178 0.140 0.212 1.514 0.341 0.148 0.647 56.112 0.111 0.401 0.Anexo 4-B.786 0.872 0.899 0.554 0.491 0.593 107.535 0.300 0.510 81.118 0.162 0.634 95.068 0.353 0.627 0.220 0.496 0.374 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 .101 0.922 0.140 0.163 0.136 0.807 0.537 0.263 68.687 73.390 0.944 0.551 0.644 0.492 0.747 52.862 0.647 0.850 0.000 0.334 0.519 0.355 0.432 0.616 0.415 0.628 0.621 0.049 0.626 80.736 0.368 0.473 0.271 0.575 0.876 0.304 0.562 0.574 92.393 0.515 59.102 0.254 0.466 0.000 0.224 0.157 0.527 93.366 0.714 0.473 135.472 0.449 0.525 0.247 0.258 0.619 0.511 0.706 0.799 0.819 0.376 0.572 0.441 0.449 0.288 0.564 0.617 0.782 0.116 0.238 0.443 0.340 0.384 0.689 0.171 0.290 0.892 0.000 0.629 0.514 76 Estocástica 0.215 0.202 0.313 0.227 0.006 0.545 81.428 0.431 0.490 0.399 0.691 104.949 0.139 0.491 50.490 0.000 0.548 0.185 0.121 0.143 0.186 1.571 0.540 0.805 0.774 0.331 0.474 1.536 0.695 54.551 0.398 0.684 95.729 0.432 117.571 0.526 98.462 0.148 0.165 0.279 0.379 0.788 0.380 0.334 0.000 1.157 0.095 0.271 0.469 0.000 0.548 0.544 0.505 0.384 0.100 0.087 0.069 0.529 0.748 0.226 0.316 0.553 0.469 0.286 0.538 0.000 102.000 0.476 0.521 0.076 0.379 0.379 0.302 0.460 0.130 0.763 0.555 0.107 0.734 0.318 0.123 0.617 0.358 0.383 0.237 0.605 123.290 0.414 0.760 0.476 0.040 0.417 0.427 0.195 0.000 1.700 0.177 0.619 0.395 0.122 0.590 0.891 0.208 0.649 0.057 0.573 77.350 0.834 0.346 0.825 0.235 0.391 0.614 0.557 0.464 0.102 0.177 0.673 0.490 0.079 0.534 155.206 0.459 0.326 0.429 71.330 0.319 0.204 0.287 0.090 0.778 0.174 0.572 0.514 0.476 178.759 0.079 0.828 0.342 0.388 0.520 0.532 Promedio Ranking (Promedio) 0.789 0.636 247.124 0.417 89.412 0.474 0.967 0.345 0.096 0.198 0.576 0.294 372.466 0.964 0.561 0.165 0.287 0.923 0.080 0.626 0.425 0.537 0.447 0.860 0.656 0.220 0.408 0.377 0.477 0.378 0.118 0.126 0.591 0.288 1.511 0.321 1.556 0.677 0.523 0.102 0.485 0.357 0.544 0.222 0.583 0.730 176.189 0.690 0.453 0.104 0.713 0.375 0.470 0.589 123.372 0.475 0.784 0.668 0.707 0.615 119.560 0.413 0.358 0.206 0.015 0.099 0.745 86.258 0.741 0.400 0.483 0.629 0.469 0.236 0.234 1.409 0.203 0.304 0.645 0.402 0.348 116.664 0.099 0. Resultados y ranking de eficiencia según metodologías y categorías de municipalidades distritales Categoría 1: Semi-urbano Departamento Junín Pasco Pasco Junín Loreto Moquegua San Martín Lambayeque Puno Junín San Martín Ica San Martín Junín Puno Puno Junín Junín Lambayeque Arequipa Lambayeque Lambayeque Lima San Martín Lima San Martín La Libertad Piura Junín Ancash San Martín San Martín Huánuco Amazonas San Martín Ancash Huánuco La Libertad Arequipa San Martín San Martín Madre de Dios Puno Arequipa Cusco Piura Pasco Junín Pasco Lambayeque San Martín Pasco Puno Lima Cusco Junín Cajamarca Piura Piura Ancash Arequipa Lambayeque Ancash Junín Lambayeque Puno Apurimac Cusco Ayacucho San Martín Piura Cusco Lima Piura Arequipa San Martín Junín Cusco Arequipa San Martín Cajamarca Arequipa Ayacucho Piura Cusco Amazonas Puno Huánuco Huánuco Ayacucho Ancash Junín Huánuco San Martín La Libertad Ayacucho Ica Ancash Municipalidad PERENE VILLA RICA SANTA ANA DE TUSI MASMA CHICCHE BELEN PUQUINA PARDO MIGUEL JAYANCA COASA PANGOA POLVORA LOS AQUIJES NUEVA CAJAMARCA HUAYUCACHI CABANILLAS USICAYOS SAN JUAN DE ISCOS SINCOS OLMOS LA JOYA MOCHUMI MOTUPE ASIA SHAMBOYACU AUCALLAMA ELIAS SOPLIN VARGAS GUADALUPITO MIGUEL CHECA PICHANAQUI COLCABAMBA AGUA BLANCA CAYNARACHI SINGA JAZAN SORITOR HUALLANCA CRESPO Y CASTILLO PUEBLO NUEVO YANQUE PISCOYACU JEPELACIO INAMBARI SAN JUAN DEL ORO VIRACO CHECACUPE MORROPON SIMON BOLIVAR CHONGOS BAJO PAUCARTAMBO ZAÑA SAN MARTIN HUARIACA DESAGUADERO SAYAN POROY SAÑO LOS BA¾OS DEL INCA TAMBO GRANDE ARENAL RAHUAPAMPA CHARACATO TUCUME UCO MATAHUASI ILLIMO SANTA LUCIA SAN JERONIMO COMBAPATA AYNA YORONGOS SANTA CATALINA DE MOSSA ACOPIA CERRO AZUL LAS LOMAS PAMPACOLCA PACHIZA AHUAC ANDAHUAYLILLAS UCHUMAYO CALZADA PUCARA CAYLLOMA CANARIA BUENOS AIRES CAMANTI FLORIDA MAÑAZO MIRAFLORES TOMAY KICHWA TAMBO TAUCA HUANCAN CAYNA YANTALO CACHICADAN CHUSCHI SAN JOSE DE LOS MOLINOS PARIACOTO Indicadores Puntajes de eficiencia Input IDEM FDH DEA-CRS DEA-VRS Determinística 44.375 0.341 0.410 0.533 0.607 77.388 0.577 0.223 0.150 0.791 0.284 0.180 0.499 0.519 0.515 104.131 0.477 0.392 0.232 0.107 0.390 0.470 0.441 0.276 0.509 0.374 0.479 0.455 0.424 109.790 0.171 0.115 0.660 74.381 0.442 0.324 0.714 0.336 0.187 0.624 80.560 0.378 0.833 85.351 0.877 0.559 90.549 0.223 0.247 0.359 0.092 0.833 0.404 115.091 0.000 0.963 0.625 0.409 116.670 0.379 0.373 0.066 0.420 0.343 120.128 0.423 0.563 0.360 0.726 78.298 0.545 200.413 107.556 0.520 0.184 0.569 0.678 93.214 0.361 0.442 0.275 0.631 64.384 0.429 0.463 0.547 114.551 0.420 0.385 1.334 0.552 0.128 0.838 0.082 0.641 0.369 0.499 140.447 0.206 0.403 0.252 0.679 0.000 0.351 122.113 0.483 0.612 52.423 0.091 0.771 0.644 0.829 0.646 0.123 0.591 86.354 0.386 0.067 0.671 71.141 0.833 0.290 0.000 0.446 0.394 0.604 0.694 72.315 86.060 0.431 0.094 0.531 0.602 76.261 0.649 0.495 70.356 0.610 84.852 0.522 0.293 0.056 1.132 0.341 85.478 0.237 0.000 0.300 0.713 377.218 0.448 0.056 0.379 0.082 0.506 33.231 0.464 0.559 0.604 0.691 0.470 0.449 0.490 79.282 0.443 0.429 148.409 0.474 0.385 79.703 92.670 0.408 0.457 0.977 0.744 0.406 0.100 0.094 0.514 0.087 0.690 0.441 0.654 0.356 0.295 0.542 0.212 0.379 0.632 68.321 0.192 0.432 172.845 0.258 0.000 1.504 0.077 0.237 0.726 67.587 0.302 0.569 81.872 0.095 0.679 0.607 0.241 0.441 0.642 0.606 116.461 0.432 0.313 0.157 0.671 0.422 0.208 0.165 0.129 0.098 0.114 0.405 0.263 0.097 0.269 0.221 0.097 0.594 71.632 65.258 0.100 0.594 0.315 0.415 0.264 0.207 0.820 0.384 0.775 0.482 0.386 0.930 0.225 0.531 0.670 362.565 151.534 0.785 0.737 0.659 68.870 0.857 0.209 0.558 0.129 0.506 55.488 0.519 0.902 0.567 72.070 0.599 0.459 0.161 0.486 0.993 0.000 0.460 103.871 0.

409 200.187 0.435 0.138 0.262 0.250 0.350 0.131 0.085 0.321 0.349 0.507 0.079 0.274 0.310 0.433 162.125 0.069 0.404 0.107 0.279 125.102 0.393 0.464 0.407 0.118 0.134 0.353 0.198 0.342 0.397 245.350 0.284 261.338 0.148 0.392 110.247 0.075 0.419 0.839 0.252 0.077 0.247 169.409 0.102 0.440 0.047 0.753 0.094 0.520 92.516 112.426 0.542 0.245 0.170 0.267 0.147 0.282 0.308 0.404 0.175 0.210 0.594 210.278 0.822 0.324 0.228 230.379 0.063 0.151 0.711 0.185 0.307 0.264 0.078 0.249 0.095 0.333 0.815 0.296 0.581 0.088 0.340 0.080 0.141 0.247 0.236 0.715 0.363 0.100 0.080 0.294 0.174 0.446 0.334 85.551 194.321 0.903 0.366 0.338 0.596 0.330 0.081 0.323 121.106 0.075 0.429 0.513 0.181 0.063 0.730 0.259 0.519 149.111 0.118 0.126 0.392 170.416 0.676 102.056 0.057 0.372 185.347 0.058 0.084 0.271 0.289 0.937 0.415 0.440 0.532 0.527 0.334 220.412 0.080 0.405 82.230 0.344 0.400 0.368 0.619 19425.597 0.071 0.349 0.118 0.173 0.396 190.595 103.119 0.980 0.232 0.321 0.277 0.705 0.294 0.211 0.101 0.108 0.307 0.360 0.390 0.336 0.391 0.110 0.111 0.486 0.265 0.164 0.307 0.278 0.004 0.606 0.781 0.674 0.300 0.134 0.151 0.138 0.423 257.096 0.059 0.347 150.076 0.538 0.257 0.058 0.537 83.075 0.506 222.068 0.151 0.714 143.091 0.262 0.931 0.094 0.517 0.453 0.101 0.111 0.359 0.506 0.283 0.538 0.105 0.155 0.103 0.166 0.058 0.065 0.531 0.269 79.282 106.184 0.112 0.108 0.085 0.081 0.253 0.277 0.076 0.192 0.274 0.337 0.238 0.200 0.154 0.357 0.247 0.587 178.416 0.428 130.596 154.082 0.343 155.242 0.138 0.552 0.137 0.233 0.269 0.128 0.106 0.274 0.468 0.335 0.515 123.465 251.326 0.429 124.510 80.058 0.173 0.207 208.081 0.078 0.140 0.091 0.284 0.137 0.057 0.077 0.386 0.065 0.356 0.723 94.644 0.323 0.157 0.238 0.837 0.268 0.533 0.353 0.247 0.748 0.596 0.044 0.352 0.322 0.065 0.235 0.248 0.215 0.164 0.084 0.115 0.990 0.223 0.356 0.547 0.120 0.547 109.136 0.400 0.347 167.241 0.372 0.494 0.178 0.393 129.410 0.066 0.356 367.300 84.044 0.416 160.270 153.198 0.380 0.177 0.154 0.633 0.230 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 .274 0.929 0.278 802.289 0.255 0.194 0.279 77 Estocástica 0.310 0.387 0.680 0.733 0.093 0.143 0.078 0.260 0.205 0.529 106.195 0.189 0.564 90.890 0.295 0.180 0.314 0.457 0.120 0.124 0.318 0.346 0.090 0.329 0.268 0.067 0.089 0.333 0.378 0.283 0.527 87.088 0.301 0.398 90.422 567.359 0.365 75.267 0.267 0.085 0.045 0.Continuación Departamento Junín Puno Cusco Arequipa Puno Apurimac Amazonas Amazonas Ica San Martín Lambayeque La Libertad Lima Ica Junín Moquegua Arequipa Loreto Arequipa Pasco Piura Cajamarca Puno Apurimac Piura Junín Huánuco Piura Lima Ancash Loreto San Martín Piura Cusco Puno Puno Madre de Dios Huánuco Huánuco Arequipa Lima Lima Arequipa Lambayeque Piura Puno San Martín Arequipa Junín Loreto Arequipa Amazonas Junín Arequipa Tacna Ayacucho Arequipa Junín Arequipa San Martín San Martín Ancash Ica Arequipa Ayacucho Ancash Ica Huancavelica Arequipa Ayacucho Ayacucho Ica Cajamarca Tacna Junín Ucayali Puno Cusco Lima Junín Pasco Apurimac San Martín Arequipa Moquegua Arequipa Ucayali Junín San Martín Ica Junín San Martín Junín Puno Ancash Lima Junín Junín Tumbes Ayacucho Municipalidad SAN RAMON CRUCERO TINTA HUANCARQUI PICHACANI COTARUSE CAMPORREDONDO LEIMEBAMBA ALTO LARAN SAN FERNANDO PACORA SAN JOSE CALLAHUANCA OCUCAJE MITO CHOJATA OCOÑA LAGUNAS COPORAQUE NINACACA SICCHEZ BELLAVISTA SANTA ROSA TALAVERA SAN JUAN DE BIGOTE SAPALLANGA QUIVILLA LA HUACA SAN MATEO CONCHUCOS VARGAS GUERRA ALTO BIAVO SALITRAL LAMAY ANAPIA HUATASANI TAHUAMANU CHAVIN DE PARIARCA CHACABAMBA LOMAS SANTA MARIA DEL MAR QUILMANA ANDARAY MORROPE LA MATANZA SAN JOSE SACANCHE PAMPAMARCA SANTA BARBARA DE CARHUACAYAN PUTUMAYO SIBAYO LEVANTO PALCAMAYO SABANDIA PACHIA HUANCARAYLLA MEJIA ACOBAMBA TOMEPAMPA SHATOJA CAMPANILLA COTAPARACO CHINCHA BAJA LLUTA SAN PEDRO CULEBRAS SANTIAGO CCOCHACCASA HUAMBO TOTOS LAMPA EL CARMEN BOLIVAR QUILAHUANI SANTA ROSA DE OCOPA SEPAHUA NUÑOA SAYLLA PACARAN VITOC SAN FRANCISCO DE ASIS DE YARUSYACAN TAMBURCO HUIMBAYOC MARISCAL CACERES CARUMAS URACA CAMPOVERDE CHACAPAMPA YURACYACU TATE HUAMALI HABANA PACCHA MUÑANI TICAPAMPA SURCO PANCAN NUEVE DE JULIO SAN JUAN DE LA VIRGEN SANTA ROSA Indicadores Puntajes de eficiencia Input IDEM FDH DEA-CRS DEA-VRS Determinística 128.176 0.617 105.133 0.948 0.910 0.265 0.182 0.336 78.362 0.262 0.353 0.121 0.244 0.133 0.163 0.174 0.083 0.307 0.192 0.622 0.124 0.082 0.371 160.157 0.261 0.335 0.312 0.110 0.078 0.095 0.777 0.067 0.066 0.213 0.298 0.190 0.172 0.322 0.465 143.120 0.109 0.067 0.157 0.113 0.175 0.211 0.350 0.242 0.076 0.174 0.334 0.148 0.243 0.206 0.224 0.427 0.537 0.255 0.299 0.247 0.115 0.307 0.300 0.297 0.340 0.336 0.177 222.066 0.165 0.118 0.245 0.232 0.402 0.340 0.074 0.343 122.336 0.543 374.269 0.356 0.272 0.289 0.191 0.203 0.285 0.048 0.097 0.071 0.358 0.308 0.057 0.346 0.414 0.561 392.180 0.183 0.505 0.240 0.340 0.253 0.345 0.285 0.378 0.128 0.445 118.237 0.184 0.447 143.427 0.220 0.342 0.188 0.294 0.521 0.357 0.178 0.285 0.348 0.107 0.221 0.444 0.075 0.398 0.300 0.120 0.147 0.051 0.330 249.308 0.328 0.963 0.068 0.312 0.068 0.326 0.106 0.187 0.117 0.110 0.152 0.369 0.067 0.285 0.343 0.132 0.414 0.232 0.445 0.399 0.294 233.324 86.135 0.419 0.210 0.188 0.603 0.354 0.187 154.467 0.109 0.325 0.403 199.262 0.120 0.350 0.122 0.057 0.078 0.341 0.147 0.312 Promedio Ranking (Promedio) 0.397 0.576 0.099 0.072 0.372 0.169 0.358 0.475 0.515 0.096 0.226 0.647 0.227 0.463 0.307 0.269 166.085 0.543 0.261 0.068 0.366 0.417 0.308 0.246 0.408 0.686 0.375 0.133 0.521 107.185 0.090 0.915 0.045 0.398 0.579 130.061 0.198 0.282 0.283 0.525 0.126 0.393 0.220 0.160 0.504 89.352 0.148 0.323 0.545 0.202 0.391 127.325 0.913 0.619 0.503 0.259 0.100 0.097 0.140 0.429 0.405 0.150 0.341 0.460 0.408 143.322 0.058 0.700 0.358 0.074 0.087 0.257 0.354 0.355 0.271 247.241 0.366 73.324 0.201 0.347 103.234 0.098 0.345 0.505 0.212 0.048 0.366 0.061 0.624 0.081 0.567 0.331 0.097 0.281 0.126 0.358 0.403 0.695 0.394 0.144 0.216 0.162 0.141 0.203 0.255 0.061 0.347 0.305 0.669 0.317 0.425 442.178 0.174 0.347 455.183 0.471 0.441 0.314 0.309 0.287 0.355 0.103 0.138 0.206 0.296 0.076 0.250 0.274 0.254 0.187 0.332 0.328 173.074 0.368 0.147 0.085 0.655 0.067 0.780 0.182 0.176 0.134 0.317 0.082 0.098 0.101 0.383 414.478 0.171 0.319 0.569 0.862 0.690 139.097 0.123 0.324 0.255 0.418 248.258 0.141 0.054 0.605 0.310 0.183 0.315 0.225 0.098 0.277 0.227 0.527 0.179 0.198 0.502 247.357 0.072 0.340 0.159 0.159 0.316 0.139 0.697 0.197 0.519 218.287 0.331 149.335 0.432 0.524 0.310 0.157 0.558 87.338 223.127 0.262 0.331 0.169 0.570 0.243 0.191 0.168 0.392 445.100 0.322 0.627 242.092 0.080 0.197 0.359 0.407 0.448 124.060 0.078 0.150 0.385 190.062 0.101 0.524 0.101 0.446 290.731 0.096 0.365 0.374 0.629 0.528 562.262 0.472 0.395 0.078 0.068 0.105 0.550 0.230 0.059 0.066 0.356 0.112 0.255 0.434 0.285 0.298 0.416 110.123 0.041 0.075 0.457 0.100 0.054 0.300 155.124 0.003 0.494 168.090 0.310 131.294 0.101 0.580 0.342 0.510 0.241 0.264 0.085 0.295 0.139 0.079 0.295 0.772 0.

159 0.122 0.224 0.000 0.Continuación Departamento Ancash San Martín Cusco Puno La Libertad Arequipa Loreto Puno Puno Lima Ayacucho La Libertad San Martín Pasco Cusco Loreto Tumbes Ayacucho Piura Ancash Amazonas Arequipa Ayacucho Ica Amazonas Apurimac Cusco Huancavelica Lambayeque Amazonas Puno Cusco Huánuco Moquegua Arequipa La Libertad Amazonas Puno Junín San Martín Junín Ayacucho Amazonas La Libertad Ancash Arequipa Junín Amazonas Puno Huánuco San Martín San Martín Lima Ancash Cusco Tacna Huancavelica Junín Amazonas Huancavelica Amazonas Cusco Loreto Ancash Ancash Junín Junín Amazonas San Martín San Martín Amazonas Lima Ancash Arequipa Amazonas Amazonas Loreto Cajamarca Huancavelica Ancash Junín Loreto Amazonas Loreto Amazonas Amazonas Amazonas Huancavelica Ancash Amazonas Ancash Arequipa Arequipa Amazonas Amazonas Amazonas Ancash Mean Std.049 0.257 0.119 0.154 0.259 0.106 0.047 0.066 0.275 0.202 0.254 0.420 124.294 0.060 0.210 0.056 0.007 0.085 0.151 0.173 160.050 421.289 0.097 609.243 0.402 103.447 0.271 0.021 0.280 0.261 0.129 0.125 0.054 0.208 0.009 0.191 0.064 0.011 954.168 0.132 0.143 0.214 0.229 0.303 0.140 0.407 0.065 0.129 0.062 787.014 0.030 0.108 0.220 0.032 0.182 0.012 0.188 0.098 0.050 0.237 0.183 0.098 192.099 0.097 0.046 0.211 449.211 0.365 0.658 0.050 0.096 0.552 0.053 0.036 0.154 0.077 0.338 0.002 0.095 188.207 0.235 0.140 261.009 165.055 239.081 0.590 0.211 0.098 0.173 0.136 0.104 424.827 0.038 0.217 0.178 0.068 0.313 106.299 0.023 509.385 92.086 0.258 0.148 0.390 1132.056 0.175 0.041 0.120 0.657 0.063 0.278 0.058 0.173 0.301 0.064 0.000 0.026 0.037 0.801 0.000 1.648 0.000 0.046 0.055 351.252 107.389 0.742 0.077 0.497 0.214 0.047 0.041 0.403 0.302 0.276 0.317 116.048 0.024 0.244 0.907 0.034 0.179 0.269 0.417 0.056 0.077 0.874 0.261 0.192 147.771 0.305 0.038 0.269 0.124 0.050 264.066 0.119 0.018 0.127 0.299 0.016 0.028 0.883 0.044 0.002 0.225 158.507 0.146 0.231 0.410 0.049 0.224 0.970 0.107 0.220 0.210 0.187 0.904 Ranking (Promedio) 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 .105 0. Dev.337 0.203 0.350 0.819 0.140 0.252 0.165 0.112 281.231 0.037 0.201 0.600 0.028 0.085 0.051 0.189 0.024 0.242 0.027 0.081 0.174 0.156 0.253 0.027 0.000 0.103 0.174 0.000 0.135 0.222 0.208 0.258 211.212 0.123 0.204 120.353 107.003 0.165 686.367 0.009 0.139 0.188 0.242 436.189 342.037 0.602 0.096 0.035 0.019 0.174 0.039 1180.252 0.000 78 Estocástica 0.101 286.155 239.098 309.337 0.021 0.163 0.212 0.033 0.065 0.201 0.131 0.000 0.389 0.043 0.163 0.772 0.531 0.069 0.065 0.088 0.000 0.197 0.026 0.090 0.249 0.079 0.061 437.076 0.224 76.206 0.146 0.020 0.090 0.096 0.313 0.027 0.086 452.046 0.038 0.133 0.064 0.000 0.132 0.148 0.072 0.112 0.105 0.009 0.229 0.062 0.209 118.278 0.062 0.012 0.108 0.000 0.035 0.222 0.280 0.013 0.153 225.350 199.082 0.000 0.049 82.110 0.206 0.044 0.115 0.096 0.695 0.143 0.061 0.064 0.076 0.024 0.046 0.048 0.270 0.715 0.025 0.116 0.032 0.679 0.064 0.249 0.038 0.119 0.154 0.099 234.021 0.050 0.257 0.134 288.086 0.257 0.069 0.594 0.144 0.144 0.074 0.261 0.210 0.018 0.059 0.048 0.119 0.008 0.031 0.131 147.105 0.235 0.234 0.045 0.008 0.111 0.121 0.064 436.056 0.120 0.086 0.058 0.026 0.169 0.033 0.267 0.227 0.089 0.067 0.025 0.004 0.068 0.099 0.105 0.033 0.146 115.000 0.259 0.131 0.104 0.004 0.259 0.084 0.079 0.437 0.046 0.177 0.053 0.292 107.238 0.841 0.042 0.121 0.163 1080.118 0.304 0.333 261.167 0.189 0.083 0.028 456.061 0.000 0.209 0.046 0.033 0.214 0.627 0.005 0.028 0.000 0.099 0.202 0.252 132.110 0.026 0.000 0.101 0.019 0.191 0.258 0.140 0.069 0.028 0.258 0.204 0.268 198.227 0.042 321.384 0.165 0.110 0.226 0.042 0.028 0.006 0.298 0.127 0.433 131.206 0.278 111.256 0.252 0.093 0.048 0.066 0.239 0.027 0.007 0.002 0.133 0.910 0.010 0.001 0.178 0.157 298.111 0.027 0.243 0.877 0.101 0.739 0.258 82.101 0.000 0.035 1033.360 0.557 0.063 0.187 252.123 0.969 0.735 0.197 0.121 247.007 0.000 1.030 0.052 0.092 0.061 0.083 0.000 0.260 175.061 0.101 0.027 0.233 0.027 0.038 0.196 27.209 0.770 0.238 0.691 0.023 0.014 0.035 0.189 0.163 0.219 0.178 0.275 0.155 0.215 138.214 0.258 0.161 0.135 118.099 0.000 0.086 0.037 0.047 0.108 0.057 0.313 0.005 0.128 0.234 0.899 Promedio 0.050 0.041 100.196 92.001 0.120 0.950 0.070 0.550 0.001 0.084 0.042 0.199 342.331 0.097 0.112 0.097 0.167 0.316 0.157 0.214 0.174 0.048 257.291 0.060 313.321 0.036 0.253 0.307 212.053 0.004 0.023 0.176 0.009 0.064 0.365 0.064 451.360 0.055 0.049 0.064 0.815 0.215 0.239 0.061 0.129 0.123 0.049 0.151 0.165 129.108 0.184 0.321 1.152 0.214 0.073 0.056 0.029 0.120 0.957 0.188 0.097 0.717 0.802 0.838 0.731 0.064 0.117 0.053 0.218 230.028 0.213 0.090 0.064 0.147 0.206 0.991 0.691 0.035 0.026 0.200 0.025 0.055 0.269 0.051 0.189 0.187 0.498 0.004 0.213 0.252 0.224 0.234 107.033 0.064 0.249 0.251 0.023 0.070 0.000 0.054 0.049 0.041 0.008 19425.071 129.308 0.050 0.146 0.288 0.141 0.093 0.353 0.147 0.278 216.190 110.089 0.023 0.918 0.338 0.949 0.224 0.041 0.205 503.024 0.110 0.259 107.280 210.868 0.089 0.110 0.019 0.083 0.152 0.234 0.027 255.020 0.219 0.235 0.055 0.093 0.191 0.067 0.306 0.031 0.784 0.008 274.001 0.338 0.042 0.054 0.042 0.029 0.198 0.179 0.001 0.207 0.083 0.082 0.044 0.450 78.358 0.107 0.059 0.064 0.069 0.081 0.485 0.168 0.040 0.230 0.044 0.259 0.244 371.259 0.187 0.002 0.027 0.037 0.111 0.097 0.171 0.030 0.051 0.039 0.173 0.307 458.015 0.277 0.240 0.431 0.168 0.212 0.260 116.321 0.277 0.170 0.024 0.023 0.337 155.173 0.119 0.061 0.947 0.240 0.083 0.229 0.211 0.132 0.646 0.000 0.203 0.079 0.039 0.046 0.105 0.296 0.017 0.062 0.077 0.432 0.123 0.168 0.289 0.034 0.027 0.214 181.238 0.081 0.123 118.258 0.353 0.175 0.275 0.122 263.050 0.199 0.059 0.236 134.142 0.195 0.137 0.016 0.256 134.651 0.151 0.105 0.063 0.077 0. Min Max Municipalidad PARIAHUANCA SANTA ROSA OROPESA AJOYANI MAGDALENA DE CAO CALLALLI JEBEROS LIMBANI PALCA SAN LUIS HUAMANGUILLA TAURIJA CUÑUMBUQUI VICCO HUARO INAHUAYA SAN JACINTO APONGO EL TALLAN OLLEROS LUYA MAJES SACSAMARCA RIO GRANDE JALCA GRANDE ANCO HUALLO PITUMARCA TANTARA OYOTUN LONGAR YANAHUAYA RONDOCAN PUNCHAO LLOQUE SAN JUAN DE SIGUAS QUIRUVILCA CAJARURO POTONI QUICHUAY NUEVO PROGRESO HUASAHUASI HUAMANQUIQUIA CONILA RAZURI SAMANCO HUAYNACOTAS RICRAN COPALLIN PUCARA SAN MIGUEL DE CAURI HUALLAGA UCHIZA HUACHUPAMPA CATAC SAN PEDRO CURIBAYA SANTA ANA HUACHAC CUISPES MARCAS SAN ISIDRO DE MAYNO ACOS BARRANCA COLQUIOC HUALLANCA SAN PEDRO DE CHUNAN MARCAPOMACOCHA SHIPASBAMBA CASPISAPA ALTO SAPOSOA COLCAMAR HUANGASCAR HUANDOVAL HUANCA SAN FRANCISCO DE YESO LUYA VIEJO EMILIO SAN MARTIN JORGE CHAVEZ LA MERCED LA PAMPA ONDORES CAPELO TINGO SAPUENA GRANADA SONCHE MARISCAL BENAVIDES LARAMARCA ACOPAMPA INGUILPATA HUAYLAS CHOCO IRAY EL PARCO ASUNCION RECTA CAJACAY Indicadores Puntajes de eficiencia Input IDEM FDH DEA-CRS DEA-VRS Determinística 359.234 0.016 0.625 0.261 0.317 609.141 0.051 0.298 0.900 0.000 1.296 126.302 0.334 0.368 0.124 148.178 88.735 0.099 0.348 0.145 0.132 0.249 0.123 0.018 0.908 0.211 0.288 0.211 0.238 99.115 0.023 0.116 0.046 0.069 0.863 0.045 0.227 644.168 0.183 0.808 0.027 0.035 0.067 0.043 0.

224 0.880 0.515 0.047 1.520 0.297 0.077 0.124 219.694 0.528 0.905 0.580 0.492 0.170 0.161 100.334 0.714 1.416 0.473 0.534 0.051 0.130 125.587 0.356 0.584 0.310 0.422 0.179 0.157 0.495 0.256 0.135 0.412 0.057 0.314 0.496 0.061 165.462 0.378 0.282 0.174 0.193 0.458 0.645 0.335 0.276 0.834 0.669 0.444 0.551 0.539 0.339 0.416 0.071 444.530 0.718 0.284 0.099 205.305 0.427 0.388 0.685 0.881 0.045 229.598 0.223 0.067 0.337 0.407 0.160 0.404 0.078 219.853 0.414 0.451 0.496 0.223 0.332 0.702 0.275 0.283 0.375 0.416 0.758 0.660 0.187 180.740 0.413 0.325 0.818 0.093 257.386 0.856 0.200 0.421 0.269 0.109 274.264 0.521 0.782 1.768 0.484 0.524 0.390 0.487 0.281 0.205 0.959 0.534 0.297 0.302 0.373 0.099 0.283 0.387 0.054 227.563 0.157 185.122 0.084 0.612 0.185 0.646 0.508 0.324 0.291 0.290 0.803 0.445 0.647 0.492 0.356 0.128 0.172 0.998 0.465 0.797 0.186 0.123 0.Categoría 2: Urbano pobre Departamento Ayacucho Junín Lima Pasco Ayacucho Junín Ayacucho Pasco Cusco Junín Junín Ayacucho Lima Pasco Lima Tacna Huancavelica Lima Ayacucho Cusco Ayacucho Ayacucho Huancavelica Ayacucho Lima Lima San Martín Junín Ancash Piura Junín Pasco Ancash Lima Lima Junín Moquegua Lima Lima Lima Apurimac Piura Ancash Pasco Cusco Apurimac Lima Lima Junín San Martín Lima Lima Tacna Cusco Cusco Ayacucho Lima Arequipa Huancavelica Tacna Lima Ayacucho Lima Junín Junín Junín Ayacucho Apurimac Lima Lima Junín Apurimac Cusco Ancash Junín Lima Lima Lima Ancash Apurimac Lima Lima Loreto Lima Lima Lima Arequipa Apurimac Ayacucho Piura Lima Ancash Ayacucho Lima Huancavelica Lima Lima Junín Municipalidad SAN CRISTOBAL QUILCAS COCHAS TAPUC CHAVIÑA INGENIO CHUMPI SAN PEDRO DE PILLAO PUCYURA MARCO ACOLLA CABANA ANDAJES VILCABAMBA SAN DAMIAN CAMILACA JULCAMARCA PACCHO SORAS SANGARARA SAN PEDRO DE LARCAY MARCABAMBA HUACHOCOLPA HUAYA CHECRAS HUAÑEC EL PORVENIR PARCO CONGAS CRISTO NOS VALGA LLOCLLAPAMPA HUACHON HUAYLLAPAMPA LAHUAYTAMBO ARAHUAY ACO YUNGA QUINCHES SAN MIGUEL DE ACOS HUAROS POMACOCHA VICE TICLLOS CHACAYAN LUCRE YANACA NAVAN LARAOS TUNAN MARCA PILLUANA ATAVILLOS ALTO CARANIA TICACO CACHIMAYO MOSOC LLACTA COLTA OMAS MACA CALLANMARCA SUSAPAYA SAN PEDRO DE HUANCAYRE ACCOMARCA COLONIA CHONGOS ALTO LEONOR ORDO¾EZ PACA PARARCA SABAINO HUANZA SANTIAGO DE TUNA HUAY .345 0.141 128.075 148.250 0.082 121.427 0.176 0.768 0.138 924.360 0.380 0.709 0.257 0.270 0.131 372.335 0.315 0.513 0.311 0.246 0.788 1.391 0.374 0.268 0.062 225.381 0.755 0.412 0.472 0.212 0.044 0.485 0.673 0.301 106.496 0.046 0.872 0.109 0.055 340.204 88.161 0.314 0.164 385.449 0.671 0.796 0.810 0.372 0.201 0.277 0.541 0.332 0.296 0.679 0.806 0.459 0.389 0.549 0.604 0.187 0.355 0.531 0.381 0.304 0.474 0.217 180.912 0.245 0.458 0.938 0.691 0.143 0.052 68.434 0.639 0.764 0.272 0.446 0.377 0.000 0.380 0.665 0.097 0.383 0.348 0.211 0.943 0.686 0.096 316.728 0.458 0.267 0.081 0.301 0.785 0.141 0.111 0.078 158.153 0.134 196.576 0.070 237.275 0.808 0.126 275.110 520.231 0.470 0.163 303.185 0.493 0.632 0.307 0.515 0.654 0.132 0.262 0.276 0.256 0.758 0.508 0.112 89.078 0.626 0.610 0.234 0.593 0.321 0.257 0.467 0.591 0.559 0.998 0.138 0.582 0.735 0.614 0.431 0.610 1.141 614.176 141.348 0.211 0.792 0.050 51.315 0.122 442.623 0.725 0.757 0.388 0.505 0.244 0.173 0.085 0.436 0.564 0.496 0.278 0.272 0.274 0.403 0.046 0.529 0.423 0.069 217.554 0.236 2572.502 0.544 0.000 0.604 0.444 0.186 0.379 0.703 0.423 0.245 0.631 0.000 1.211 278.766 0.585 0.354 0.367 0.381 0.118 1176.270 0.324 0.000 0.651 0.288 0.578 0.022 0.108 0.269 0.724 0.370 0.527 0.258 0.512 0.330 0.216 139.724 0.457 0.108 219.652 0.745 0.741 0.380 0.266 0.087 0.246 134.251 0.069 1016.245 Ranking (Promedio) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 .374 0.219 0.057 0.239 0.066 309.715 0.699 0.145 0.429 0.116 55.515 0.350 0.185 0.393 0.087 0.512 0.322 0.159 242.224 0.163 178.539 0.610 0.071 236.319 0.171 0.544 0.359 0.363 0.111 229.908 0.459 0.074 532.179 0.382 0.314 0.123 437.293 0.982 0.625 0.175 339.171 0.061 490.113 0.057 127.423 0.111 0.166 204.631 0.125 0.421 0.194 147.596 0.216 0.123 286.178 0.494 0.826 0.374 0.522 0.191 0.111 0.299 0.719 0.711 0.655 0.785 0.695 0.245 0.000 0.397 0.114 0.525 0.631 0.441 0.000 0.389 0.408 0.265 1.465 0.456 0.307 0.992 0.411 0.425 0.068 0.437 0.409 0.631 0.183 0.554 0.184 0.000 1.363 0.076 984.388 0.557 0.361 0.450 0.679 0.777 0.244 0.400 0.123 97.781 0.437 0.708 0.746 0.355 0.708 0.181 0.076 170.390 0.196 336.293 0.562 0.155 0.544 0.589 0.688 0.255 0.067 0.363 0.081 0.439 0.106 137.472 0.528 0.560 0.872 0.538 0.777 0.225 0.119 0.299 0.234 0.320 0.230 0.263 0.234 0.581 0.364 0.581 0.105 305.126 0.508 0.458 0.572 0.307 0.539 0.569 0.454 0.539 0.991 0.155 0.218 0.368 0.406 0.474 0.699 0.038 Puntajes de eficiencia FDH DEA-CRS DEA-VRS Determinística 1.383 0.048 391.225 0.135 139.091 411.231 0.411 0.093 250.881 0.092 135.058 746.588 0.157 0.341 0.600 0.144 246.445 0.356 0.424 0.374 0.614 0.289 0.057 0.547 0.247 0.374 0.540 0.521 0.824 0.160 426.120 649.282 0.261 0.585 0.260 0.728 0.119 0.262 0.360 0.683 0.728 0.297 0.388 0.245 201.300 0.647 0.102 117.757 0.156 0.145 0.164 0.272 0.099 0.171 131.092 0.085 195.208 0.505 0.561 0.401 0.144 0.399 0.713 0.315 0.090 136.717 0.114 136.217 0.351 0.535 0.214 0.352 1.098 0.722 0.855 0.652 0.693 0.246 0.558 0.628 0.633 0.234 0.115 0.280 0.375 0.584 0.417 0.528 0.536 0.164 0.454 0.195 0.458 0.462 0.740 0.833 0.324 0.990 0.268 0.483 0.461 0.000 0.079 131.153 170.207 0.615 0.655 0.590 0.215 0.189 0.713 0.347 0.193 Promedio 0.297 0.385 0.955 0.105 0.730 0.568 0.089 0.264 0.560 0.134 0.720 0.374 0.079 578.416 0.459 0.041 0.438 0.405 0.454 0.434 0.364 0.473 0.117 232.577 0.245 0.162 0.483 0.720 0.566 0.682 0.074 0.364 0.603 0.006 0.049 0.505 0.502 0.079 183.559 0.745 0.115 0.379 0.278 0.216 0.888 0.755 0.403 0.085 173.HUAY CARAYBAMBA COLCHA HUACCHIS VIQUES CAUJUL ALIS MIRAFLORES PAUCAS CHACOCHE TOMAS HUAMANTANGA TAPICHE SAN ANDRES DE TUPICOCHA SAN PEDRO DE PILAS SAN BARTOLOME QUEQUE¾A EL ORO HUACAÑA RINCONADA LLICUAR VITIS CARHUAPAMPA SAISA SAN LORENZO DE QUINTI HUAYLLAHUARA HUANCAYA CASTA CANCHAYLLO Indicadores Input IDEM 116.260 0.718 0.414 0.714 0.362 0.125 210.380 0.240 0.297 0.250 0.306 0.483 0.154 412.192 0.736 0.512 0.294 0.820 0.082 536.000 0.301 0.082 0.535 0.235 0.097 107.098 1081.139 0.296 0.416 0.696 0.556 0.000 0.808 0.742 0.471 0.179 0.378 0.618 0.160 79 Estocástica 0.515 0.000 1.271 0.333 0.262 0.536 0.839 0.272 0.615 0.596 0.842 0.116 175.088 0.571 0.950 0.518 0.390 0.414 0.746 0.733 0.098 0.361 0.588 0.434 0.354 0.331 0.239 0.344 0.060 319.426 0.244 0.807 0.168 0.692 0.407 0.085 251.287 116.168 0.088 221.341 0.570 0.088 0.094 0.000 0.472 0.612 0.215 0.253 0.301 0.484 0.339 0.088 0.600 0.338 0.467 0.755 1.895 0.307 0.458 0.362 0.450 0.151 0.468 0.883 0.836 0.639 0.402 0.123 496.429 0.

249 0.242 0.155 0.691 0.282 0.131 0.063 0.075 0.040 496.000 0.298 0.251 0.900 0.030 800.175 0.027 0.294 0.103 0.135 0.002 0.049 0.048 0.047 622.090 0.045 0.324 0.100 0.222 0.166 0.332 0.124 0.126 0.Continuación Departamento Ayacucho Apurimac Ayacucho San Martín Lima Ayacucho Apurimac Cajamarca Lima Tacna Lima Cusco Tacna Arequipa Apurimac Junín Amazonas Tacna San Martín Junín Huancavelica Lima Lima Ancash San Martín Junín Lima Moquegua Lima Huancavelica Apurimac Ancash Junín Ancash Lima Pasco Ayacucho Junín Ancash Ayacucho Huancavelica Lima Arequipa Ancash Ancash Amazonas Huancavelica Apurimac Huancavelica Apurimac Amazonas Ayacucho Arequipa Moquegua Lima Lima Ayacucho Huancavelica Amazonas Lima Apurimac Apurimac Ancash Lima Ancash Amazonas Tacna Arequipa Apurimac Apurimac Ayacucho Ancash Huancavelica Arequipa Ancash Ayacucho Ancash Ancash Ancash Lima Mean Std.038 169.080 0.040 0.003 1.627 0.220 0.988 0.019 0.046 658.000 2572.292 0.196 0.239 0.122 0.350 0.189 0.146 0.148 0.253 0.101 0.094 0.087 155.066 0.240 0.042 511.346 0.093 0.890 0.141 0.062 447.314 0.172 0.045 0.098 0.106 0.137 0.029 0.137 0.912 Promedio 0.143 0.124 0.000 1196.329 0.220 0.005 0.103 345.121 0.060 0.869 0.605 0.105 0.025 0.211 0.169 0.391 0.043 0.909 0.166 0.233 0.121 0.588 0.189 0.082 0.080 0.139 0.088 0.141 0.083 0.128 0.205 0.228 0.067 0.016 1893.127 0.065 0.024 309.030 0.111 0.222 0.230 0.355 0.187 0.461 0.564 0.080 0.155 0.047 559.074 336.009 0.013 0.212 0.863 0.179 0.143 0.214 0.331 0.259 0.168 0.031 0.106 0.267 0.153 0.028 394.265 0.197 0.215 0.077 254.266 0.037 0.249 0.161 0.150 0.397 0.057 51.212 0.010 0.059 0.129 0.089 0.000 0.122 0.168 0.285 0.155 0.441 0.174 0.036 0.256 0.096 0.532 0.090 0.196 0.209 0.281 0.049 0.053 232.192 0.329 0.022 622.828 0.057 0.185 0.087 0.227 0.679 0.092 0.218 0.090 0.602 0.094 0.142 0.067 0.066 435.111 0.414 0.039 0.144 0.307 0.071 282.915 0.233 0.538 0.184 0.530 0.070 389.063 0.227 0.019 377.101 0.000 0.085 0.086 0.026 0.000 0.336 0.037 0.231 0.082 0.363 0.121 0.257 0.001 0.237 0.057 0.290 0.038 425.030 0.225 0.068 270.309 0.138 0.280 0.044 0.031 0.000 1281.049 0.305 0.167 0.260 0.309 0.910 0.067 0.794 0.000 0.124 0.254 0.058 0.041 309.113 0.170 0.205 0.020 0.311 0.043 0.616 0.039 0.332 0.153 0.034 0.124 0.169 0.046 1548.169 0.142 0.228 0.019 0.061 698.343 0.306 0.183 0.795 0.807 0.328 0.052 788.136 0.241 0.159 0.000 1.298 0.174 0.001 0.205 0.140 0.200 0.146 0.296 0.030 366.323 0.344 0.141 0.065 0.419 0.131 0.124 0.210 0.235 0.024 876.512 0.027 0.269 0.171 0.205 0.277 0.120 0.172 0.213 0.155 0.143 0.143 0.263 0.037 0.212 0.240 0.045 0.029 300.598 0.301 0.241 0.108 0.139 0.012 1779.162 0.057 0.274 0.022 0.076 0.127 0.169 0.138 0.111 0.967 0.060 333.302 0.143 0.114 203.354 0.048 364.112 0.329 0.185 0.286 0.228 0.052 621.191 0.053 252.047 0.231 0.053 0.282 0.222 0.036 197.124 0.037 333. Dev.036 0.012 0.195 0.105 0.066 0.228 0.013 157.256 0.877 0.061 0.492 0.076 150.061 0.289 0.365 0.233 0.215 0.085 382.076 251.381 0.051 399.083 0.162 0.132 0.077 0.102 0.037 0.344 0.205 0.089 0.159 0.094 0.210 0.039 276.067 0.149 0.073 0.192 0.200 0.080 0.040 0.113 0.093 0.070 0.187 0.051 0.243 0.106 0.354 0.138 0.154 0.228 0.066 0.595 0.035 0.071 0.067 0.198 0.790 0.026 0.070 0.137 0.204 0.285 0.041 0.134 0.715 0.264 0.565 0.184 0.446 0.129 0.035 0.150 0.057 730.049 398.246 0.755 0.034 632.143 0.327 0.214 0.686 0.069 0.001 0.167 0.562 0.083 0.187 0.175 0.031 0.134 0.000 0.043 0.302 0.173 0.013 364.262 0.063 471.273 0.129 0.103 0.000 642.175 0.024 784.205 0.197 0.131 0.066 0.273 0.200 0.222 0.113 0.046 329.000 0.038 0.235 0.341 0.059 0.717 0.602 0.503 0.198 0.244 0.260 0.170 0.038 197.015 488.043 0.003 0.064 181.332 0.069 343.027 0.749 0.075 172.229 0.203 0.127 0.177 0.214 0.037 0.166 0.678 0.106 0.190 0.348 0.040 0.065 0.061 240.068 0.077 0.305 0.166 0.001 0.263 0.204 0.059 0.483 0.000 1.151 0.193 0.098 0.095 0.262 0.137 0.783 0.982 Ranking (Promedio) 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 .500 0.000 311.106 0.188 0.066 0.221 0.269 0.027 257.086 0.374 0.175 0.077 0.047 1463.101 0.176 0.233 0.056 295.223 0.650 0.301 Puntajes de eficiencia FDH DEA-CRS DEA-VRS Determinística 0.343 0.051 830.205 0.029 0.049 716.131 0.258 0.015 0.036 0.167 0.077 0.311 0.262 0.264 0.483 0.027 0.141 0.049 0.172 0.284 0.971 0.355 0.662 0.260 0.166 0.051 0.000 0.082 0.161 0.044 0.180 0.120 0.182 0.107 0.089 0.235 0.740 0.078 0.193 0.225 0.245 0.172 0.000 1404.016 0.069 0.041 417.621 0.182 0.043 0.715 0.225 0.122 0.079 0.219 0.000 1.142 0.183 0.369 0.082 0.104 0.032 0.058 0.264 0.041 0.046 200.142 0.223 0.289 0.139 0.256 0.175 0.205 0.032 0.142 0.024 0.291 0.305 0.679 0.074 0.271 0.113 0. Min Max Municipalidad PAICO SAN JUAN DE CHACÑA SARA SARA POSIC AYAVIRI ALCAMENCA VIRUNDO SEXI SUMBILCA SITAJARA HONGOS PILLPINTO TARUCACHI CHARCANA TORAYA HUACRAPUQUIO SAN CRISTOBAL DE OLTO ESTIQUE ALBERTO LEVEAU COLCA HUAYACUNDO ARMA LACHAQUI HUANTAN MARCA SAN CRISTOBAL JULCAN LARAOS SAN CRISTOBAL TUPE PILCHACA PACHACONAS HUACLLAN TRES DE DICIEMBRE LACABAMBA HUAROCHIRI GOYLLARISQUIZGA CARMEN SALCEDO HUASICANCHA LA PRIMAVERA BELEN IZCUCHACA SANTIAGO DE ANCHUCAYA SALAMANCA SAN CRISTOBAL DE RAJAN PACLLON VISTA ALEGRE HUAYLLAY GRANDE HUAQUIRCA HUANCA HUANCA VILCABAMBA CHISQUILLA CORCULLA TAURIA CUCHUMBAYA COPA ATAVILLOS BAJO OYOLO MARISCAL CµCERES CHURUJA HUAMPARA MAMARA COLCABAMBA LLACLLIN PUTINZA MANGAS SAN JERONIMO DE PACLAS CHUCATAMANI AYO SAN ANTONIO TURPAY SAN JOSE DE USHUA YUPAN QUISHUAR UÑON PARARIN SANTA ANA DE HUAYCAHUACHO SANTIAGO DE CHILCAS CAJAMARQUILLA TAPACOCHA SAN JOAQUIN Indicadores Input IDEM 317.077 0.334 0.021 0.060 209.010 0.055 436.040 565.020 252.006 416.390 0.123 0.049 796.194 0.000 634.073 592.237 0.000 80 Estocástica 0.888 0.434 0.273 0.216 0.039 0.042 0.101 0.157 0.209 0.062 688.686 0.490 0.140 0.178 0.392 0.001 0.205 0.155 0.027 0.216 0.085 0.093 2205.215 0.078 0.224 0.087 0.093 0.012 0.216 0.348 0.081 0.036 773.350 0.279 0.042 0.014 0.129 0.139 0.397 0.012 361.000 0.

216 0.516 0.146 0.273 0.549 0.449 0.290 0.000 0.175 0.235 0.481 0.673 0.060 0.447 0.241 0.623 0.247 0.063 0.139 115.639 0.665 0.114 0.368 0.204 0.143 0.167 89.190 0.667 0.901 0.572 0.102 0.362 0.172 73.695 0.176 0.598 0.606 0.613 0.000 1.000 0.583 0.290 29.223 0.706 0.185 70.462 0.215 0.260 110.407 0.610 0.294 0.769 0.762 0.951 0.675 0.338 0.424 0.188 0.339 0.917 0.990 0.356 0.683 0.590 0.515 0.210 84.495 0.102 0.109 243.567 0.926 0.524 0.745 0.473 0.451 0.359 0.138 200.578 0.464 0.372 0.656 0.295 0.836 0.386 0.679 0.520 0.876 0.433 0.536 0.472 0.761 0.269 0.001 0.679 0.677 0.554 0.132 133.393 0.456 81 Estocástica 0.231 81.455 0.331 0.615 0.454 0.347 0.491 0.269 0.603 0.117 64.222 0.663 0.370 0.122 0.472 0.893 0.589 0.080 0.719 0.094 50.193 59.176 422.663 1.367 0.637 0.187 0.365 0.151 85.739 0.296 0.675 0.640 0.673 0.171 1187.509 0.162 63.052 0.745 1.362 0.770 0.222 0.503 0.573 0.139 0.699 0.221 0.210 0.183 0.452 0.646 0.620 0.501 0.228 0.145 62.276 0.104 0.863 0.236 0.555 0.394 0.067 0.246 0.623 0.125 77.838 0.179 0.788 0.191 0.037 0.702 0.861 0.332 0.190 0.494 0.114 0.992 0.064 0.315 0.000 1.112 0.428 0.655 0.528 0.000 0.398 0.381 0.926 0.168 76.696 0.209 74.125 0.860 0.388 0.679 0.212 0.367 0.455 0.630 0.550 0.295 0.669 0.151 0.273 0.825 0.221 0.752 0.919 0.703 0.173 0.123 0.246 0.122 0.299 0.508 0.232 121.778 0.182 90.000 0.743 0.389 0.262 0.136 150.348 0.000 0.487 0.049 0.209 10.686 0.188 0.480 0.604 0.252 76.079 0.384 0.396 0.675 0.123 0.269 0.705 1.337 0.142 0.151 0.187 0.132 224.684 0.408 0.615 0.377 0.772 0.337 0.276 0.352 0.226 0.615 0.562 0.372 0.136 0.871 0.168 0.676 0.540 0.546 0.254 0.568 0.091 138.217 0.180 96.899 0.455 0.423 0.226 0.229 0.628 0.541 0.783 0.Categoría 3: Urbano Departamento Arequipa Huánuco La Libertad San Martín Ayacucho Ancash Junín Lambayeque Loreto Arequipa Cusco Lima Arequipa Lambayeque Ucayali Lima Lima Piura La Libertad Junín Junín Pasco Junín La Libertad Lima La Libertad Lima Lambayeque San Martín Lima Lambayeque Ica Ica Lima Lambayeque Ica Ayacucho Ica Loreto Junín San Martín Junín Piura Ica Lambayeque Lima Piura Ancash Piura La Libertad Piura Junín San Martín Lambayeque Lima Moquegua Lima Lima San Martín Arequipa Ica Ica Puno Lambayeque Lambayeque Lima Piura Moquegua Lambayeque Arequipa La Libertad La Libertad Arequipa Piura Ica Junín Moquegua Lima Lambayeque Arequipa La Libertad San Martín Piura Arequipa El Callao Piura Piura Ancash Cajamarca Piura Arequipa Lima Piura Lima Arequipa Ica San Martín Junín Municipalidad ORCOPAMPA PILLCO MARCA CASA GRANDE JUAN GUERRA JESUS DE NAZARENO NEPEÑA PILCOMAYO POMALCA SAN JUAN BAUTISTA CABANACONDE SAN JERONIMO MALA NICOLAS DE PIEROLA PUEBLO NUEVO YARINACOCHA RICARDO PALMA PACHACAMAC TAMARINDO GUADALUPE YAUYOS SICAYA YANACANCHA SANTA ROSA DE SACCO SALAVERRY HUAURA CHOCOPE SAN ANTONIO NUEVA ARICA HUICUNGO NUEVO IMPERIAL SAN JOSE SAN JUAN BAUTISTA VISTA ALEGRE SAN BARTOLO PATAPO SUNAMPE CARMEN ALTO GROCIO PRADO PUNCHANA SAN AGUSTIN TABALOSOS SAN JERONIMO DE TUNAN LA ARENA MARCONA PIMENTEL SANTA EULALIA LA UNION INDEPENDENCIA CATACAOS PACANGA SALITRAL HUARIPAMPA LA BANDA DE SHILCAYO ETEN PUCUSANA SAMEGUA PARAMONGA CHANCAY TRES UNIDOS PUNTA DE BOMBON PACHACUTEC TUPAC AMARU INCA LLALLI PUCALA REQUE SANTA CRUZ DE FLORES BELLAVISTA TORATA PICSI ISLAY MOCHE CHICAMA DEAN VALDIVIA VICHAYAL SALAS CARHUAMAYO PACOCHA SUPE PUERTO SANTA ROSA SANTA RITA DE SIGUAS JEQUETEPEQUE TINGO DE SAPOSOA QUERECOTILLO ICHUPAMPA LA PUNTA IGNACIO ESCUDERO COLAN COISHCO YONAN LOS ORGANOS TUTI CIENEGUILLA MARCAVELICA CALETA DE CARQUIN ACHOMA TAMBO DE MORA CACATACHI MUQUIYAUYO Indicadores Input IDEM 93.580 0.935 0.217 0.135 0.423 0.287 114.520 0.240 0.127 63.767 0.898 0.641 0.253 0.079 0.375 0.150 0.137 68.344 0.928 0.121 137.475 0.582 0.395 0.247 0.195 0.578 0.659 1.271 0.123 47.136 261.385 0.660 0.281 0.766 0.794 0.164 75.886 0.314 0.630 0.173 80.128 0.135 64.392 0.189 0.579 0.368 0.632 0.245 0.441 0.167 57.791 0.639 0.492 0.666 0.782 0.000 1.213 120.116 240.818 0.479 0.165 107.023 0.293 0.162 372.142 0.017 0.077 0.450 0.191 0.474 0.379 0.000 0.554 0.081 0.613 0.148 0.253 0.670 0.095 0.821 0.473 0.738 0.140 63.538 0.173 103.096 0.539 0.727 0.632 0.615 0.532 0.760 0.370 0.585 0.352 0.225 0.263 0.059 0.180 71.559 0.216 0.361 0.396 0.578 0.168 0.382 0.741 0.138 0.637 0.459 0.146 263.179 0.537 0.207 0.288 0.509 0.722 0.267 0.245 0.782 0.497 0.136 80.363 0.193 0.134 0.802 0.366 1.537 0.117 57.535 0.322 0.140 88.641 0.736 0.633 0.621 0.159 0.310 0.729 0.333 0.377 0.234 0.593 0.936 0.111 0.807 0.069 0.081 0.000 1.217 0.471 0.164 49.048 0.397 0.216 0.503 0.292 0.421 0.365 0.470 0.377 0.323 0.439 0.336 0.145 0.340 0.842 0.803 0.799 0.378 0.261 0.395 0.152 97.390 0.209 0.111 Puntajes de eficiencia FDH DEA-CRS DEA-VRS Determinística 1.311 0.421 0.353 0.187 72.651 0.566 0.767 0.352 0.653 0.307 0.824 0.578 0.433 0.251 0.218 0.195 96.406 0.230 0.492 0.587 0.825 0.501 0.670 0.641 0.606 0.382 0.227 64.590 0.682 0.694 0.393 0.657 0.336 0.726 0.204 98.200 0.150 111.720 0.770 0.493 0.733 0.000 0.351 0.203 0.132 137.717 0.761 0.723 0.792 0.323 0.587 0.301 0.793 0.788 0.182 79.477 0.409 0.461 0.378 0.135 0.672 0.486 0.570 0.167 431.228 0.691 0.073 0.361 0.330 0.761 0.307 0.324 0.427 0.337 0.258 0.882 0.233 0.084 0.219 0.124 0.154 101.215 0.433 0.731 0.409 0.127 0.721 0.118 234.858 0.869 0.624 0.700 0.128 130.131 315.593 0.822 0.261 0.495 0.090 64.779 0.491 0.859 0.473 0.390 0.175 66.334 0.350 0.167 140.545 0.854 0.160 95.102 109.815 0.181 76.376 0.158 0.440 0.555 0.701 0.341 0.901 0.107 128.494 0.171 178.461 0.371 0.185 265.636 0.845 0.310 0.754 0.161 99.198 0.710 0.207 110.595 0.902 0.143 0.807 0.648 0.306 0.280 0.427 0.259 0.554 0.122 0.417 0.538 0.498 0.686 0.657 0.827 0.859 0.553 0.179 0.270 70.131 0.992 0.648 0.134 0.861 0.077 0.885 0.290 82.144 0.821 0.283 0.819 0.385 0.115 0.442 0.181 131.085 0.179 0.247 0.294 0.772 0.331 0.123 169.175 70.467 0.903 0.054 0.340 0.649 0.978 0.211 0.663 0.764 0.889 0.330 0.653 0.049 0.082 0.547 0.440 0.686 0.391 1.164 0.653 0.926 0.167 0.221 0.421 0.485 0.389 0.538 0.218 0.803 0.184 0.162 0.718 0.712 0.662 0.554 0.579 0.641 0.122 0.538 0.452 0.794 0.158 67.421 0.415 0.005 0.347 0.199 52.419 0.605 0.654 0.697 0.820 0.300 0.473 0.637 0.636 0.304 0.237 51.669 0.635 0.119 0.301 0.216 104.561 0.915 0.155 0.111 102.634 0.428 0.164 0.359 0.293 0.288 0.562 0.568 0.147 107.891 0.894 0.485 0.293 0.572 0.094 65.716 0.342 0.560 0.550 Promedio 0.133 0.330 0.480 0.349 0.406 0.702 0.277 0.171 244.189 0.132 101.175 0.424 0.295 0.336 0.406 0.130 526.625 0.322 0.312 0.623 0.632 0.111 314.143 136.677 0.359 0.650 0.781 0.343 0.538 0.691 0.196 33.176 0.237 0.825 0.200 0.279 0.769 0.917 0.505 0.829 0.065 0.224 0.253 0.144 343.322 0.693 0.778 0.182 115.322 Ranking (Promedio) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 .992 0.762 0.596 0.436 0.053 0.370 0.639 0.458 0.814 0.777 0.332 0.186 62.235 0.185 0.864 0.552 0.136 0.750 0.211 0.

016 0.176 0.096 148.173 0.054 0.432 0.068 0.019 0.662 0.017 0.072 0.209 0.022 0.356 0.124 89.090 244.057 10.648 0.090 0.049 0.247 0.012 0.412 0.146 0.352 0.073 0.638 0.184 0.033 226.121 308.632 0.013 0.308 0.019 0.151 0.310 0.197 0.257 0.526 0.085 0.024 0.276 0.232 0.384 0.215 0.239 0.012 134.312 0.428 0.269 0.086 209.118 0.134 0.466 0.270 0.435 0.205 151.602 0.282 0.053 115.311 0.049 0.085 0.048 0.060 0.267 0.898 0.074 0.234 88.476 0. Min Max Municipalidad CHALA PARACAS SAN PEDRO DE CAJAS ATICO MANCORA ESTIQUE PAMPA SAUSA PUNTA NEGRA YAULI SAN ANDRES YURA COCACHACRA SAN LORENZO SANTA MADRIGAL YAUCA POCOLLAY YUCAY BERNAL HUANCHACO SAN ANTONIO IBERIA AGUAS VERDES LABERINTO LOBITOS ANDAGUA MOLINOS CAYALTI PATIVILCA BELLAVISTA DE LA UNION CHILCA AMOTAPE CHONGOYAPE QUINOCAY CAYARA SANTA ROSA SANTIAGO DE CAO CARHUACALLANGA TINGUIÑA TINYAHUARCO ILABAYA LAREDO CURA MORI LLIPA EL ALTO SACHACA EL MANTARO LARI SUBTANJALLA MONSEFU JOSE MARIA QUIMPER TIABAYA TANTA HUAMANCACA CHICO LA UNION MONTEVIDEO LAGUNAS PUNTA HERMOSA MANUEL ANTONIO MESONES MURO CHILETE HUANAHUARA PAPAYAL CARAMPOMA LA CRUZ ASCENCION LLAPO CORRALES SAN JUAN DE IRIS ORCOTUNA ATAURA EL ESLABON HUALHUAS RIO GRANDE MAGDALENA SHANAO JOSE DOMINGO CHOQUEHUANCA ACARI CHICLA TRITA TAURIPAMPA MUQUI MANZANARES SAN CARLOS Indicadores Input IDEM 120.240 0.297 0.066 0.079 0.077 0.054 625.158 0.391 0.022 0.384 0.071 0.028 0.144 0.087 73.079 0.270 0.175 0.102 0.254 0.723 0.225 0.080 0.034 638.320 0.049 0.631 0.153 0.113 164.087 0.243 0.000 1.156 0.783 0.478 0.019 0.393 0.077 0.685 0.097 193.760 0.320 0.335 0.028 0.111 0.085 63.148 0.016 0.022 0.036 0.483 0.049 0.418 0.058 205.017 605.126 0.444 0.456 0.054 0.260 0.283 0.325 0.028 0.232 0.112 0.384 0.566 0.130 0.002 1.347 0.098 0.248 0.196 0.428 0.033 0.086 0.057 652.060 0.100 0.083 491.272 0.680 0.126 0.212 0.106 172.139 0.503 0.054 0.460 0.267 0.095 0.802 0.086 325.159 0.136 362.083 0.097 0.006 0.008 0.084 75.052 0.184 0.009 0.138 0.045 119.062 69.021 0.120 143.013 0.049 0.422 0.858 Ranking (Promedio) 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 .044 0.299 0.536 0.595 0.303 0.099 0.337 0.138 0.358 0.065 0.089 0.108 0.088 0.098 0.201 0.142 0.000 1.020 159.050 0.276 0.476 0.402 0.174 0.173 0.586 0.860 0.269 0.041 0.208 0.993 0.460 0.049 0.010 0.185 0.123 0.071 0.395 0.574 0.070 0.070 0.012 0.010 0.009 0.017 240.022 0.209 0.072 0.057 301.143 0.089 0.192 0.253 0.848 0.044 0.073 0.046 0.006 0.535 0.099 0.144 0.751 0.093 1752.591 0.109 0.668 0.082 0.435 0.422 0.086 0.268 0.192 0.049 0.103 0.188 0.482 0.118 205.224 0. Dev.259 0.056 0.591 0.388 0.454 0.031 0.131 115.111 0.210 0.169 0.484 0.154 0.010 0.295 0.281 0.346 0.010 0.308 0.149 0.509 0.091 0.048 315.286 0.570 0.299 0.074 0.053 1096.630 0.277 0.092 0.134 0.493 0.431 0.146 0.079 0.085 0.254 0.998 0.228 0.157 0.643 0.401 0.921 0.022 0.106 271.079 0.288 0.054 0.620 0.155 0.691 0.143 0.414 0.090 150.244 0.628 0.095 0.092 0.597 0.022 0.041 0.258 0.226 0.162 0.569 0.498 0.009 0.100 138.132 162.113 0.085 0.036 0.050 0.074 477.166 0.240 0.155 0.482 0.108 0.157 0.086 148.515 0.083 125.645 0.135 291.329 0.144 0.081 0.294 0.094 72.129 0.060 126.055 0.064 0.089 0.124 0.241 0.089 0.429 0.094 0.238 0.361 0.160 0.025 0.142 0.387 0.080 0.017 0.322 0.383 0.177 0.279 0.015 0.546 0.145 0.034 0.302 0.120 55.256 0.069 0.041 0.044 0.302 0.042 0.284 0.017 0.093 82.694 0.289 0.115 0.087 198.002 0.058 0.155 0.068 79.022 0.504 0.363 0.154 0.028 0.009 0.095 0.116 0.176 0.078 1434.000 1.176 0.165 0.112 0.084 0.074 0.076 169.026 0.078 0.012 3315.283 0.196 0.075 90.049 0.040 0.132 0.032 0.082 818.091 0.122 0.129 2665.035 0.161 0.063 112.333 0.076 0.632 0.122 0.089 0.108 0.628 0.104 0.316 0.863 0.018 0.093 66.526 0.069 0.004 0.518 0.198 0.102 0.239 0.000 82 Estocástica 0.422 0.126 0.224 0.050 0.174 0.155 0.155 428.010 0.081 116.283 0.093 84.180 0.072 0.290 Puntajes de eficiencia FDH DEA-CRS DEA-VRS Determinística 0.335 0.278 0.169 0.152 0.110 0.012 0.121 3315.106 0.015 0.165 0.084 0.112 64.298 0.141 0.148 221.102 0.057 0.184 0.020 0.881 0.213 0.221 0.021 0.041 0.070 0.573 0.270 0.926 Promedio 0.226 0.104 134.119 0.609 0.078 0.127 0.028 154.018 0.211 0.282 0.525 0.072 0.069 0.301 0.181 0.642 0.127 110.310 0.216 0.299 0.382 0.020 119.022 0.251 0.319 0.050 0.443 0.282 0.125 160.317 0.062 0.927 0.383 0.319 0.037 0.770 0.342 0.135 0.257 0.358 0.059 0.232 0.140 0.079 0.069 0.018 0.143 0.764 0.034 0.036 0.071 68.162 0.815 0.130 0.148 0.142 0.079 68.142 0.428 0.078 219.041 0.511 0.138 0.008 0.219 0.363 0.484 0.089 0.297 0.148 0.527 0.991 0.051 0.054 482.298 0.265 0.662 0.021 0.164 0.694 0.535 0.118 0.130 0.126 259.054 0.095 0.351 0.067 0.281 0.130 372.018 0.070 297.051 0.092 0.175 0.723 0.018 0.069 215.146 0.039 215.578 0.067 0.356 0.051 0.184 0.081 0.216 0.089 0.285 0.272 0.135 169.543 0.537 0.126 0.303 0.085 623.104 0.069 0.084 0.570 0.108 0.088 0.138 273.021 0.098 0.048 0.229 0.035 0.145 0.224 0.086 0.473 0.155 0.462 0.092 0.034 0.665 0.079 0.355 0.022 0.071 0.240 0.320 0.117 501.732 0.089 0.165 0.159 0.153 37.731 0.289 0.022 0.165 0.755 0.137 0.204 0.075 0.Continuación Departamento Arequipa Ica Junín Arequipa Piura Tacna Junín Lima Junín Ica Arequipa Arequipa Junín Ancash Arequipa Arequipa Tacna Cusco Piura La Libertad San Martín Madre de Dios Tumbes Madre de Dios Piura Arequipa Junín Lambayeque Lima Piura Lima Piura Lambayeque Lima Ayacucho Lima La Libertad Junín Ica Pasco Tacna La Libertad Piura Ancash Piura Arequipa Junín Arequipa Ica Lambayeque Arequipa Arequipa Lima Junín Junín Amazonas Lambayeque Lima Lambayeque Cajamarca Tacna Tumbes Lima Tumbes Huancavelica Ancash Tumbes Lima Junín Junín San Martín Junín Arequipa Amazonas San Martín Puno Arequipa Lima Amazonas Lima Junín Junín Amazonas Mean Std.052 0.072 0.672 0.007 0.105 0.298 0.048 0.442 0.167 0.601 0.091 0.641 0.035 209.589 0.572 0.067 0.086 469.095 0.231 0.535 0.105 0.226 0.071 0.116 0.375 0.349 0.657 0.091 0.047 0.268 0.875 0.949 0.052 0.123 0.021 0.168 0.073 0.020 0.026 0.136 0.942 0.145 0.187 0.441 0.182 0.294 0.168 0.118 61.010 0.325 0.

170 71.231 120.140 73.798 0.744 0.727 0.235 0.548 0.302 0.578 0.844 0.170 0.793 0.353 71.082 0.452 0.636 0.000 0.247 0.456 0.726 1.575 0.194 0.269 0.627 0.725 0.111 0.594 0.302 0.378 0.877 0.833 0.340 0.391 0.263 0.578 0.381 0.497 0.166 243.458 0.353 83 Puntajes de eficiencia FDH DEA-CRS DEA-VRS Determinística 1.491 0.655 0.668 0.896 0.845 0.745 0.667 0.976 0.365 0.490 0.980 0.618 0.863 0.214 83.868 0.401 0.549 0.289 0.502 0.706 0.474 0.675 0.636 0.886 0.676 0.644 0.575 0.857 0.261 0.539 0.467 0.991 0.073 1507.210 160.561 0.909 0.172 0.273 251.397 0.696 0.591 0.660 0.620 0.916 0.216 62.095 0.652 0.083 0.342 0.210 61.636 0.061 32.132 159.Categoría 4: Ciudades metropolitanas Departamento San Martín Lima Lima Lima Lima Lima Lima Lima Cusco La Libertad Ica Lima Lima Lima Arequipa Arequipa Arequipa Lima Ancash Lambayeque Lima Lambayeque Lima Lima Cusco El Callao Ayacucho Cusco Arequipa Lima Lima Lambayeque Arequipa La Libertad Lima Lima Tacna La Libertad Lima Piura Ica Lima Lima Junín Lima Lima Lima Lima Lima Arequipa La Libertad Arequipa Arequipa La Libertad Lima Junín Lima Arequipa Arequipa El Callao Lima Huánuco Lima Lima Lima Lima El Callao El Callao Tacna Tacna Lima Lima Lima Mean Std.658 0.552 0.291 0.531 0.201 0.602 0.464 0.775 0.596 0.647 0.190 0.284 0.173 0.537 0.275 0.117 113.245 0.681 0.503 0.524 0.849 0.624 0.278 0.184 69.651 0.253 0.827 0.191 58.980 0.933 0.631 0.254 0.614 0.323 0.378 0.550 0.326 0.126 86.653 0.734 0.588 0.582 0.351 0.544 0.832 0.691 1.891 0.135 65.689 0.241 0.300 0.858 0.473 0.547 0.801 0.280 76.326 0.398 0.VITARTE CORONEL GREGORIO ALBARRACIN LANCHIPA LA ESPERANZA RIMAC CASTILLA PARCONA CHORRILLOS VILLA EL SALVADOR EL TAMBO SANTA ANITA EL AGUSTINO PUEBLO LIBRE JESUS MARIA MAGDALENA DEL MAR SOCABAYA FLORENCIA DE MORA JACOBO HUNTER PAUCARPATA VICTOR LARCO HERRERA SAN LUIS CHILCA BREÑA JOSE LUIS BUSTAMANTE Y RIVERO MARIANO MELGAR LA PERLA LURIN AMARILIS SAN MIGUEL SANTIAGO DE SURCO LURIGANCHO (CHOSICA) CHACLACAYO CARMEN DE LA LEGUA REYNOSO BELLAVISTA ALTO DE LA ALIANZA CIUDAD NUEVA SURQUILLO LA VICTORIA ANCON Indicadores Input IDEM 62.402 0.595 0.783 0.483 0.219 0.628 0.573 0.985 0.259 0.246 297.422 0.554 0.892 0.166 0.105 0.543 0.301 52.217 0.615 0.658 0.407 0.500 0.664 0.517 0.082 0.605 0.161 0.869 0.193 0.631 0.333 0.486 0.483 0.813 0.200 71.158 74.670 0.121 128.421 0.727 0.874 0.552 0.677 0.424 0.824 0.151 0.913 0.660 0.463 0.383 0.134 0.202 0.138 160.618 0.867 0.791 0.565 0.300 0.215 0.405 0.652 0.408 0.000 0.997 0.174 48.269 0.625 0.219 38.648 0.553 0.493 0.185 0.000 1.460 0.791 0.241 0.875 0.530 0.530 0.331 0.621 0.909 0.490 0.103 185.486 0.138 0.270 299.073 160.233 261.153 0.277 0.837 0.592 0.347 0.429 0.812 0.303 0.438 0.000 Estocástica 0.166 157.629 0.001 0.868 0.228 0.748 0.595 0.093 89.445 0.100 0.904 0.163 90.556 0.602 0.597 0.805 0.280 0.189 0.394 0.507 0.299 0.689 0.147 0.641 0.815 0.191 199.466 0.144 0.960 0.551 0.306 0.420 0.000 0.310 268.198 298.910 0.199 0.441 0.774 0.671 0.491 0.274 0.451 0.634 0.547 0.102 0.364 0.223 0.141 206.616 0.544 0.537 0.443 0.572 0.965 0.140 310.900 0.750 0.807 0.543 0.284 0.275 0.575 0.210 72.397 0.239 0.787 0.341 0.598 0.147 0.165 60.926 Promedio 0.323 0.632 0.489 0.464 0.417 0.499 0.150 0.530 0.360 0.202 93.307 0.138 0.335 774.208 0.559 1.941 0.166 32.731 0.294 0.740 0.990 0.686 0.287 0.631 0.822 0.868 0.000 1.233 0.279 67.596 0.793 0.690 0.600 0.755 0.257 0.149 123.843 0.809 0.302 0.000 0.263 0.147 0.261 0.474 0.852 0.622 0.146 129.798 0.805 0.000 0.488 0.438 0.210 0.488 0.960 0.878 0.660 0.774 0.810 0.405 0.247 64.714 0.639 0.769 0.379 0.470 0.745 0.882 0.355 0.339 1507.842 0. Dev.822 0.264 1.541 0.547 0.623 0.384 0.196 300.812 0.242 69.546 0.507 0.256 1.768 0.534 0.126 256.689 0.344 0.214 0.987 0.150 0.903 0.626 1.184 219.572 0.873 0.872 0.457 0.691 0.142 97.990 0.990 0.607 0.191 108.840 0.926 0.607 0.837 0.000 1.527 0.397 0.709 0.162 0.376 0.175 306.941 0.900 0.565 0.602 0.962 0.541 0.445 0.725 0.680 0.113 0.000 1.000 1.856 0.203 0.985 Ranking (Promedio) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 .188 59.673 1.922 0.468 0.264 0.758 0.776 0.649 0.204 0.696 0.481 0.537 0.855 0.458 0.237 0.078 149.096 0.610 0.625 0.990 0.403 0.386 0.289 0.297 0.588 0.359 0.643 0.985 0.559 0.947 0.000 1.574 0.365 0.495 0.777 0.460 0.000 0.963 0.393 0.242 0.509 0.868 0.576 0.901 0.195 487.251 0.189 46.208 362.995 0.387 0.484 0.315 0.799 0.812 0.737 0.568 0.217 0.725 0.774 0.365 0.249 58.474 0.928 0.897 0.112 104.854 0.472 0.852 0.807 0.270 0.793 0.835 0.946 0.217 0.131 0.744 0.128 0.500 0.669 0.522 0.736 0.664 0.199 99.558 0.555 0.225 0.128 50.472 0.898 0.542 0.252 0.756 0.142 82.845 0.174 65.532 0.470 0.697 0.447 0.900 0.199 105.070 0.364 0.739 0.577 0.264 0.382 0.227 113.346 0.554 0.097 0.631 0.367 0.813 0.161 0.128 0.655 0.770 0.838 0.913 0.978 0.771 0.000 1.804 0.203 59.925 0. Min Max Municipalidad MORALES SAN ISIDRO MIRAFLORES SAN BORJA LINCE BARRANCO LA MOLINA SAN JUAN DE LURIGANCHO SAN SEBASTIAN EL PORVENIR PUEBLO NUEVO COMAS SAN MARTIN DE PORRES SAN JUAN DE MIRAFLORES YANAHUARA CAYMA CERRO COLORADO VILLA MARIA DEL TRIUNFO NUEVO CHIMBOTE LA VICTORIA LOS OLIVOS (LAS PALMERAS) TUMAN PUENTE PIEDRA INDEPENDENCIA SANTIAGO VENTANILLA SAN JUAN BAUTISTA WANCHAQ MIRAFLORES IMPERIAL HUALMAY JOSE LEONARDO ORTIZ ALTO SELVA ALEGRE PACASMAYO CARABAYLLO ATE .166 88.561 0.418 0.285 0.146 109.575 0.726 0.801 0.420 0.632 0.095 0.695 0.759 0.145 97.464 0.245 0.249 140.334 0.595 0.475 0.774 0.414 0.145 135.804 0.442 0.762 0.547 0.859 0.738 0.304 0.000 0.190 0.575 0.463 0.278 67.522 0.861 0.

682 0.288 0.879 0.087 168.588 0.513 0.093 175.575 0.088 226.596 0.347 0.409 0.167 92.398 0.519 0.065 72.691 0.576 0.465 0.637 0.615 0.481 0.101 97.797 0.345 0.128 104.131 114.437 0.529 0.529 0.597 0.723 0.494 0.444 0.386 0.388 0.554 0.704 0.480 0.836 0.072 207.599 0.764 0.512 0.285 0.374 0.505 0.625 0.509 0.725 0.290 0.076 74.414 0.667 0.476 0.861 0.526 0.543 0.962 0.160 78.092 112.443 0.284 0.552 0.612 0.095 121.543 0.394 0.454 0.743 0.609 0.926 0.486 0.478 0.408 0.403 0.724 0.522 0.557 0.645 0.649 0.113 71.337 0.726 0.463 0.369 0.614 0.494 0.257 99.751 0.885 0.163 0.659 0.751 0.785 0.558 0.635 0.000 1.317 0.641 0.564 0.058 123.840 0.388 0.731 0.098 78.723 1.625 0.752 0.796 0.784 0.142 96.298 0.442 0.701 0.084 91.701 0.556 0.194 55.553 0.052 0.598 0.000 1.068 87.938 0.677 0.110 97.571 0.402 0.520 0.433 0.375 0.875 0.420 0.721 0.563 0.490 0.370 0.433 0.226 0.107 147.566 0.699 0.619 0.052 0.605 0.089 112.000 1.536 0.543 0.888 0.595 0.569 0.354 0.117 85.823 0.501 0.096 53.843 0.725 0.395 0.452 0.112 77.096 60.709 0.570 0.114 67.541 0.739 0.478 0.580 0.163 0.696 1.359 Puntajes de eficiencia DEA-VRS Determinística 1.475 0.543 0.372 0.241 74.103 74.453 0.564 0.479 0.712 0.359 0.363 0.909 0.490 0.416 0.426 0.975 0.473 0.392 0.343 0.462 0.371 0.482 0.501 0.127 89.582 0.163 101.575 0.391 0.098 89.096 58.971 0.654 0.028 0.699 0.696 0.608 0.658 0.823 0.732 0.567 0.484 0.580 0.713 0.485 0.505 0.059 0.341 0.085 213.540 0.502 0.601 0.595 0.848 0.702 0.229 64.499 0.064 90.450 0.515 0.620 0.628 0.567 0.738 0.667 0.928 0.872 0.000 0.400 0.063 80.595 0.536 0.433 0.611 0.545 0.635 0.577 0.106 126.397 0.213 126.645 0.537 0.367 0.538 0.881 0.734 1.096 122.744 0.624 0.839 0.474 0.362 0.382 0.643 0.113 103.481 0.531 0.163 66.523 0.514 0.719 0.523 0.537 0.587 0.401 0.369 0.623 0.533 0.422 0.071 100.892 0.499 0.614 0.341 0.128 122.671 0.570 0.615 0.581 0.696 0.581 0.413 0.158 98.799 0.787 0.695 0.109 120.543 0.108 94.497 0.852 0.590 0.605 0.886 0.703 0.553 0.704 0.203 0.383 0.350 0.547 0.916 0.422 0.430 0.855 0.127 0.685 0.462 0.945 0.943 0.707 0.103 86.651 0.584 0.459 0.568 0.518 0.452 0.525 0.593 0.697 0.445 0.562 0.516 0.463 0.378 0.713 0.620 0.514 0.817 0.699 0.781 0.482 0.051 136.459 0.487 0.163 105.553 0.932 0.420 0.442 0.854 0.838 0.095 150.364 0.446 0.162 71.453 0.525 0.842 0.282 0.677 0.865 1.173 68.496 0.903 0.980 0.654 0.521 0.635 0.417 0.838 0.415 0.099 0.387 0.557 0.568 0.388 0.518 0.005 0.000 1.423 0.583 0.552 0.349 0.698 0.967 0.577 0.536 0.766 0.740 0.631 0.313 0.644 0.120 98.146 85.534 0.374 0.348 0.505 0.535 0.000 1.622 0.837 0.818 0.061 104.000 0.346 0.363 0.532 0.741 1.810 0.467 0.488 0.661 0.469 0.633 0.077 FDH 1.529 84 DEA-CRS 0.166 90.532 0.826 0.670 0.486 0.565 0.255 0.590 0.688 0.505 0.399 0.830 0.360 0.603 0.492 0.034 0.361 0.523 0.597 0.386 0.041 149.400 0.654 0.825 0.301 0.577 0.380 0.078 75.899 0.434 0.602 0.744 0.579 0.422 0.666 0.573 0.134 0.000 0.561 0.444 0.388 0.125 72.717 0.744 0.438 0.533 0.000 0.111 139.151 100.650 0.710 1.586 0.083 117.602 0.469 0.248 0.716 0.117 109.598 0.642 0.915 0.690 0.590 0.536 0.489 0.507 0.568 0.617 0.493 0.474 0.535 0.423 0.379 0.127 148.406 0.469 Ranking (Promedio) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 .830 0.081 97.188 0.579 0.589 0.462 0.650 0.516 0.692 0.429 0.623 0.635 0.682 0.516 0.429 0.378 0.369 0.416 0.085 149.292 0.352 0.175 81.119 0.558 0.105 138.344 0.074 110.414 0.386 0.391 0.732 0.446 0.182 0.511 0.681 0.469 0.518 0.348 0.471 0.488 0.449 0.473 0.693 0.158 156.129 0.211 0.505 0.379 0.492 0.624 0.741 0.284 0.374 0.687 0.377 0.558 0.072 225.685 0.671 0.716 0.747 0.647 0.083 75.634 0.507 0.441 0.631 0.904 0.561 0.801 0.824 0.667 0.087 67.615 0.122 54.515 0.876 0.490 0.636 0.898 0.553 0.000 0.480 Estocástica 0.371 0.510 0.440 0.539 0.676 0.483 0.503 0.621 0.667 0.000 0.565 0.674 0.685 0.237 70.468 0.934 0.614 0.648 0.676 0.747 0.114 77.652 0.384 0.695 0.561 0.563 0.735 0.124 113.312 0.136 145.398 0.678 0.522 0.632 0.000 0.181 0.091 118.669 0.635 0.420 0.654 0.477 0.586 0.000 0.907 0.260 0.521 0.565 0.916 0.Categoría 5: Rural pobre Departamento Puno Puno Ucayali Apurimac Piura Huánuco La Libertad Junín Puno Cajamarca Junín Cajamarca Puno Huánuco Huancavelica Puno San Martín Lima Arequipa Piura Apurimac Piura Huánuco San Martín Arequipa Cajamarca Amazonas Ayacucho Puno Apurimac Cajamarca Loreto Huánuco Huánuco Cusco Ancash Lima Cajamarca Puno Huancavelica Piura Apurimac Piura Piura Puno Huánuco Cusco Ayacucho Huánuco Puno Cajamarca Huancavelica Cajamarca Ancash Apurimac Huánuco Cusco La Libertad Apurimac Cajamarca Moquegua La Libertad Loreto Cusco Apurimac Loreto Cajamarca Ayacucho Huánuco Huánuco Cusco Ayacucho Loreto Puno Cajamarca Huánuco La Libertad Ayacucho Pasco Ayacucho Apurimac Ayacucho Loreto Puno Puno Ancash Ancash Cajamarca La Libertad Piura Apurimac Piura Cajamarca Cajamarca Arequipa Amazonas Cajamarca Huánuco Municipalidad CONDURIRI ALTO INAMBARI IPARIA HUANCARAY PACAIPAMPA CHUQUIS USQUIL RIO NEGRO ANANEA SITACOCHA RIO TAMBO SANTO DOMINGO DE LA CAPILLA SAN ANTON LUYANDO YAULI HUACULLANI ALONSO DE ALVARADO LUNAHUANA SAMUEL PASTOR LAGUNAS CHALLHUAHUACHO HUARMACA SAN PEDRO DE CHAULAN ZAPATERO CHAPARRA QUEROCOTO JAMALCA VINCHOS COATA URANMARCA POMAHUACA PASTAZA CHURUBAMBA MARIAS PICHARI SAN PEDRO DE CHANA SAN ANTONIO CATACHE ACORA ACORIA SUYO CIRCA PAIMAS LANCONES PARATIA SAN FRANCISCO DE ASIS QUELLOUNO LLOCHEGUA HUACAR ACHAYA JOSE SABOGAL DANIEL HERNANDES MAGDALENA CHAVIN DE HUANTAR CURAHUASI MONZON CAPACMARCA SALPO RANRACANCHA HUASMIN UBINAS CALAMARCA CAHUAPANAS YANATILE GAMARRA NAPO LA COIPA SANTILLANA PINRA CHUPAN OCONGATE ACOCRO SAN PABLO PAUCARCOLLA HUAMBOS HERMILIO VALDIZAN COCHORCO CHIARA PUERTO BERMUDEZ IGUAIN KAQUIABAMBA LOS MOROCHUCOS SARAYACU ROSASPATA TARACO YANAMA LA LIBERTAD ENCAÑADA CHUGAY SONDOR TURPO EL CARMEN DE LA FRONTERA CUJILLO LAJAS QUICACHA CUMBA CHADIN MOLINOS Indicadores Input IDEM 102.486 0.356 0.967 0.111 45.428 0.305 0.473 Promedio 0.113 0.519 0.515 0.730 0.748 0.145 112.588 0.311 0.543 0.060 0.554 0.887 0.512 0.647 0.669 0.550 0.027 0.421 0.351 0.581 0.579 0.497 0.718 0.311 0.515 0.297 0.708 0.725 0.486 0.618 0.547 0.512 0.895 1.925 0.292 0.602 0.095 76.085 55.345 0.617 0.765 0.686 0.512 0.566 0.700 0.632 0.572 0.844 0.530 0.449 0.529 0.530 0.963 0.976 0.721 0.562 0.480 0.310 0.470 0.381 0.766 0.338 0.910 0.461 0.907 0.589 0.762 0.083 372.590 0.813 0.065 63.412 0.079 174.000 0.000 1.397 0.814 0.146 153.443 0.685 0.092 110.826 0.718 0.500 0.695 0.588 0.264 0.618 0.489 0.000 0.357 0.479 0.488 0.161 197.531 0.073 73.603 0.487 0.711 0.456 0.294 0.643 0.564 0.782 0.207 0.497 0.485 0.499 0.369 0.473 0.709 0.455 0.537 0.576 0.532 0.541 0.881 1.444 0.884 0.739 0.515 0.193 40.763 0.871 0.664 0.456 0.646 0.510 0.660 0.569 0.562 0.573 0.703 0.906 0.530 0.627 0.415 0.508 0.542 0.137 45.476 0.578 0.658 0.079 97.628 0.106 105.881 0.

356 0.218 0.576 0.437 0.404 0.569 0.215 0.470 0.055 85.435 0.121 222.558 0.495 0.470 0.389 0.408 0.201 0.416 0.336 0.293 0.332 0.543 0.258 0.517 0.906 0.360 0.316 0.450 0.389 0.084 76.593 0.132 195.444 0.290 0.467 0.538 0.052 146.412 0.753 0.436 0.444 0.082 68.078 77.077 85.389 0.495 0.362 0.371 0.228 0.436 0.392 0.479 0.109 108.431 0.382 0.123 132.327 0.446 0.262 0.309 0.255 0.259 0.210 0.095 152.202 0.356 0.373 0.382 0.465 Estocástica 0.415 0.280 0.300 0.416 0.231 0.469 0.319 0.802 0.556 0.278 0.419 0.207 0.395 0.318 0.369 0.454 0.246 0.639 0.401 0.082 0.890 0.523 0.261 0.425 0.607 0.671 0.314 0.382 0.332 0.507 0.453 0.236 0.374 0.587 0.368 0.301 0.617 0.401 0.225 0.467 0.076 97.478 0.510 0.075 235.233 Puntajes de eficiencia DEA-VRS Determinística 0.355 0.329 0.094 110.551 0.317 0.447 0.476 0.075 0.069 156.388 0.372 0.364 0.418 0.051 102.066 77.401 0.545 0.441 0.Continuación Departamento Ayacucho Puno Puno Piura Piura Cajamarca Cajamarca Junín Cusco Piura Ancash Huancavelica Loreto Ancash Cajamarca Junín Junín Cajamarca Cajamarca Apurimac Loreto Piura Huánuco Lambayeque Puno Apurimac Loreto Cusco Pasco Cusco Apurimac Huánuco Cusco Cajamarca Cusco Cajamarca Ancash Ica Cajamarca Lambayeque Lambayeque Cajamarca Cajamarca Cajamarca Puno Piura Junín Amazonas Cajamarca Cajamarca Cajamarca Ancash Ayacucho Huánuco La Libertad Arequipa Huancavelica Loreto San Martín Ayacucho Huánuco La Libertad Lambayeque Junín Puno Cajamarca La Libertad Cajamarca Puno Arequipa Cusco Puno San Martín Cajamarca Junín Cajamarca Ucayali Huancavelica La Libertad Cajamarca Ayacucho Piura Huánuco Junín Puno Junín Ayacucho Junín Cusco Cusco Apurimac Puno Ayacucho Pasco Ayacucho Cusco Cajamarca Cusco Puno Puno Municipalidad PULLO ASILLO PISACOMA SAN MIGUEL DE EL FAIQUE LALAQUIZ CORTEGANA LLAMA ANDAMARCA LAYO MONTERO PIRA COLCABAMBA MAZAN HUANCHAY TABACONAS HEROINAS TOLEDO COMAS COCHABAMBA HUALGAYOC OCOBAMBA MORONA FRIAS JIRCAN PITIPO QUILCAPUNCU SAN ANTONIO DE CACHI FERNANDO LORES OLLANTAYTAMBO HUANCABAMBA SAN PABLO HUACCANA SAN RAFAEL HUAYLLABAMBA SAN ANDRES DE CUTERVO ECHARATE SAN JUAN COCHAS INDEPENDENCIA COSPAN SALAS INCAHUASI CHIRINOS ASUNCION CHIMBAN SAN ANTONIO SONDORILLO COVIRIALI LONYA GRANDE QUEROCOTILLO GREGORIO PITA LA LIBERTAD DE PALLAN QUICHES QUINUA COCHABAMBA SIMBAL SAN JUAN DE TARUCANI PAUCARA LAS AMAZONAS AWAJUN LLAUTA TOURNAVISTA CURGOS CAÑARIS SAN LUIS DE SHUARO UMACHIRI CHONTALI CHARAT ICHOCAN SANTA ROSA MOLLEBAYA COLQUEPATA SAMAN RUMISAPA SAN LUIS DE LUCMA YANACANCHA CHETILLA MASISEA PILPICHACA HUARANCHAL UTCO SANTIAGO DE LUCANAMARCA SANTO DOMINGO JACAS GRANDE CHAMBARA PHARA MASMA SAURAMA CHUPURO LLUSCO COPORAQUE OROPESA CABANILLA OTOCA CHONTABAMBA OCROS SAN SALVADOR ANGUIA VELILLE VILQUE ITUATA Indicadores Input IDEM 88.099 117.546 0.298 0.476 0.482 0.481 0.318 0.088 87.561 0.620 0.212 0.513 0.271 0.419 0.264 0.640 0.730 0.122 0.223 0.646 0.467 0.981 0.614 0.170 0.341 0.387 0.524 0.643 0.267 0.584 0.528 0.097 133.576 0.427 0.387 0.580 0.457 0.265 0.271 0.306 0.087 89.542 0.391 0.709 0.440 0.518 0.063 93.443 0.496 0.975 0.327 0.213 0.446 0.216 0.216 0.461 0.076 0.074 108.275 0.422 0.375 0.424 0.067 157.437 0.398 0.273 0.283 0.468 0.518 0.431 0.940 0.440 0.287 0.280 0.883 0.959 0.385 0.367 0.407 0.763 0.463 0.378 0.065 153.367 0.452 0.447 0.251 0.973 0.076 97.452 0.328 0.716 0.413 0.505 0.419 0.497 0.721 0.662 0.328 0.373 0.086 0.592 0.123 80.308 0.392 0.464 0.456 0.511 0.400 0.076 111.389 0.468 0.304 0.762 0.391 0.383 0.550 0.075 0.664 0.340 0.453 0.372 0.453 0.272 0.854 0.246 0.613 0.271 0.390 0.651 0.576 0.316 0.514 0.062 94.400 0.329 0.064 143.428 0.438 0.063 158.278 0.520 0.439 0.437 0.445 0.167 0.478 0.273 0.278 0.082 176.271 0.403 0.435 0.073 141.417 0.470 0.147 0.233 0.092 232.590 0.253 0.109 171.092 80.268 0.463 0.081 176.392 0.471 0.380 0.493 0.005 0.483 0.374 0.327 0.113 192.403 0.666 0.370 0.473 0.091 65.265 0.245 0.088 128.348 0.860 0.324 0.395 0.270 0.474 0.295 0.557 0.574 0.480 0.388 0.205 0.373 0.593 0.300 0.092 392.091 73.264 0.461 0.553 0.186 0.681 0.719 0.126 174.493 0.251 0.437 0.436 0.470 0.552 0.663 0.544 0.487 0.058 88.432 0.422 0.544 0.251 0.260 0.276 0.241 0.271 0.480 0.307 0.460 0.059 80.350 0.380 0.120 110.539 0.475 0.511 0.238 0.164 0.299 0.569 0.436 0.267 0.394 0.393 0.321 0.507 0.448 0.428 0.698 0.104 230.494 0.303 0.387 0.505 0.340 0.586 0.429 0.072 81.882 0.614 0.469 0.623 0.425 0.437 0.257 0.765 0.271 0.739 0.264 0.246 0.320 0.575 0.207 0.415 0.239 0.562 0.327 0.354 0.472 0.309 0.536 0.336 0.387 0.554 0.347 0.087 85.264 0.539 0.084 104.408 0.437 0.468 0.687 0.389 0.304 0.471 0.109 113.092 81.065 175.396 0.355 0.497 0.565 0.259 0.413 0.274 0.480 0.370 Ranking (Promedio) 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 .497 0.381 0.445 0.496 0.211 0.453 0.335 0.611 0.400 0.671 0.048 157.345 0.283 0.109 257.460 0.399 0.514 0.490 0.299 0.727 0.221 0.564 0.157 0.250 0.434 0.417 0.292 0.079 127.410 0.070 129.379 0.288 0.528 0.412 0.507 0.420 0.376 0.472 0.230 0.523 0.444 0.434 0.383 0.100 108.076 134.114 0.357 0.060 89.420 0.305 0.753 0.133 86.323 0.332 0.642 0.067 97.073 97.003 0.056 91.403 0.517 0.434 0.071 96.285 0.088 180.183 0.386 0.411 0.205 0.706 0.757 0.396 0.291 0.069 89.645 0.254 0.569 0.059 0.394 0.623 0.484 0.992 0.304 0.424 0.297 0.211 0.684 0.438 0.511 0.291 0.256 0.142 0.305 0.460 Promedio 0.342 0.393 0.221 0.514 0.076 146.599 0.049 0.478 0.465 0.599 0.370 0.113 0.358 0.429 0.646 0.521 0.289 0.834 0.094 173.330 0.407 0.390 0.998 0.687 0.609 0.336 0.462 0.373 0.325 0.430 0.332 0.428 0.125 0.389 0.298 0.805 0.825 0.386 0.412 0.413 0.288 0.352 0.366 0.405 0.442 0.398 0.425 0.443 0.065 91.351 0.945 0.419 0.064 156.398 0.442 0.503 0.403 0.069 84.418 0.260 0.397 0.144 90.356 0.493 0.242 0.473 0.564 0.304 0.391 0.468 0.252 0.097 196.657 0.266 0.438 0.377 0.715 0.327 0.277 0.568 0.437 0.554 0.082 88.316 0.439 0.402 0.244 0.371 0.481 0.460 0.548 0.076 111.283 0.477 0.394 0.477 0.374 0.295 0.603 0.373 0.094 106.393 0.403 0.168 0.381 0.129 166.761 0.360 0.219 0.339 0.420 0.331 0.470 0.153 0.328 0.064 77.069 0.289 0.286 0.307 0.510 0.370 0.136 0.284 0.063 131.630 0.406 0.406 0.381 0.060 114.665 0.480 0.443 0.060 124.365 0.421 0.460 0.377 0.489 0.074 FDH 0.575 0.419 0.267 0.055 152.600 0.060 104.317 0.419 0.157 0.493 0.758 0.256 0.301 0.379 0.336 0.810 0.552 0.198 0.172 0.367 0.467 0.044 165.386 0.349 0.425 0.280 0.535 0.450 0.077 91.673 0.420 0.090 170.361 0.296 0.333 0.546 0.393 0.285 0.587 0.396 0.418 0.344 0.348 0.512 0.613 0.916 0.076 83.388 0.057 253.460 0.520 0.068 100.454 0.501 0.295 0.334 0.237 0.277 0.379 0.643 0.054 107.424 0.261 0.487 0.072 143.296 0.254 0.089 198.417 0.254 0.612 0.274 0.444 0.490 0.357 85 DEA-CRS 0.272 0.353 0.444 0.498 0.240 0.527 0.681 0.089 185.586 0.354 0.548 0.415 0.579 0.377 0.419 0.249 0.357 0.576 0.480 0.275 0.815 0.417 0.476 0.233 0.412 0.282 0.454 0.432 0.497 0.301 0.400 0.738 0.152 0.274 0.065 0.399 0.150 144.290 0.412 0.079 109.712 0.371 0.326 0.431 0.111 133.241 0.071 221.316 0.103 116.471 0.292 0.280 0.

334 0.573 0.702 0.076 121.345 0.216 0.078 236.424 0.488 0.236 0.432 0.049 144.211 0.260 0.401 0.068 67.279 0.221 0.089 110.357 0.416 0.058 97.233 0.049 111.352 0.459 Estocástica 0.065 162.052 70.063 113.335 0.079 151.230 0.185 0.357 0.341 0.545 0.417 0.241 0.310 0.058 0.422 0.842 0.228 0.201 0.333 0.108 0.362 0.078 142.267 0.221 0.345 0.326 0.057 132.372 0.259 0.249 0.872 0.387 0.483 0.056 123.163 0.366 0.038 122.215 0.057 338.113 0.235 0.219 0.360 0.187 0.228 0.063 169.503 0.291 0.195 0.246 0.177 0.093 103.134 112.360 0.582 0.307 0.457 Promedio 0.214 0.063 159.565 0.402 0.342 0.334 0.091 92.369 0.600 0.055 96.366 0.409 0.350 0.348 0.319 0.365 0.339 0.089 0.357 0.362 0.234 0.162 0.220 0.217 0.277 0.374 0.262 0.248 0.409 0.898 0.205 0.290 0.379 0.041 99.248 0.065 121.714 0.418 0.444 0.274 0.265 0.257 0.179 0.183 0.067 100.315 0.391 0.325 0.314 0.340 0.224 0.005 0.218 0.491 0.353 0.592 0.464 0.311 0.406 0.343 0.353 0.522 0.399 0.067 143.252 0.291 0.027 0.378 0.193 0.390 0.054 174.233 0.429 0.188 0.196 0.396 0.340 0.132 0.045 93.349 0.754 0.333 0.340 0.352 0.074 0.137 0.380 0.317 0.188 0.481 0.063 105.968 0.433 0.683 0.684 0.196 0.177 0.449 0.449 0.232 0.227 0.438 0.851 0.357 0.065 96.084 69.703 0.370 0.226 0.186 0.300 0.012 0.417 0.127 0.552 0.285 0.457 0.616 0.410 0.068 461.357 0.319 0.066 77.193 0.350 0.376 0.348 0.021 0.341 0.399 0.486 0.521 0.683 0.312 0.620 0.197 0.339 0.189 0.176 0.345 0.357 0.364 0.090 0.706 0.349 0.494 0.345 0.225 0.309 0.373 0.160 0.030 125.317 0.867 0.497 0.310 0.362 0.236 0.392 0.332 0.060 100.710 0.095 92.165 0.987 0.157 Puntajes de eficiencia DEA-VRS Determinística 0.396 0.336 0.354 0.079 89.304 0.322 0.377 0.062 0.283 0.332 0.050 68.045 143.356 0.502 0.622 0.245 86 DEA-CRS 0.345 0.422 0.311 0.157 0.314 0.279 0.156 0.061 114.172 0.121 0.412 0.055 93.318 0.212 0.314 0.342 0.346 0.076 181.483 0.285 0.385 0.302 0.641 0.197 0.258 0.314 0.084 0.055 76.068 144.388 0.056 122.400 0.337 0.392 0.493 0.492 0.336 0.352 0.492 0.482 0.245 0.411 0.580 0.416 0.519 0.067 118.445 0.072 FDH 0.332 0.190 0.307 0.292 0.359 0.326 0.341 0.445 0.331 0.057 130.312 0.234 0.276 0.846 0.374 0.054 109.156 0.338 0.361 0.311 0.102 768.482 0.134 0.351 0.457 0.104 109.110 0.191 0.900 0.199 0.483 0.377 0.078 102.071 0.362 0.088 0.060 135.323 0.117 0.613 0.342 0.593 0.352 0.361 0.247 0.063 81.319 0.690 0.138 0.231 0.333 0.167 0.386 0.901 0.605 0.373 0.313 0.253 0.099 0.591 0.325 0.055 81.412 0.568 0.369 0.353 0.908 0.457 0.566 0.055 115.317 0.335 0.361 0.307 0.340 0.483 0.330 0.552 0.345 0.080 133.414 0.478 0.226 0.522 0.346 0.617 0.339 0.175 0.270 0.340 0.245 0.324 0.224 0.317 0.354 0.032 103.202 0.449 0.392 0.067 118.385 0.051 86.418 0.352 0.078 96.570 0.774 0.215 0.353 0.422 0.911 0.441 0.158 0.202 0.109 72.249 0.349 0.387 0.046 95.103 0.216 0.423 0.358 0.396 0.346 0.130 0.028 498.404 0.170 0.066 159.219 0.348 0.582 0.366 0.516 0.369 0.309 0.487 0.047 103.022 0.070 82.326 0.343 0.363 0.357 0.140 0.558 0.416 0.393 0.353 0.082 118.321 0.374 0.341 0.185 0.503 0.135 0.202 0.506 0.463 0.340 0.449 0.595 0.335 0.351 0.230 0.321 0.054 123.326 0.568 0.061 90.187 0.347 0.461 0.315 0.330 0.076 253.354 0.007 117.477 0.419 0.568 0.Continuación Departamento Huánuco Ayacucho Apurimac Huánuco Puno La Libertad Amazonas Ancash Puno Cusco Junín Ancash Arequipa Puno Puno Arequipa Junín San Martín Ayacucho Puno Huánuco Ayacucho Cusco Puno Cajamarca Cajamarca Huánuco Huánuco Apurimac Ayacucho Puno Huánuco Ayacucho Puno Huancavelica Huánuco Loreto Cajamarca Huancavelica Cusco Junín Amazonas Cusco Puno Puno Cajamarca Cajamarca Huánuco Apurimac Huánuco Junín Huánuco Huánuco Cajamarca Huánuco Ayacucho Puno Apurimac Huánuco Cajamarca Cajamarca Loreto Cusco Cusco Moquegua Huánuco Puno Huánuco Arequipa Cusco Huánuco Amazonas Apurimac Junín Amazonas Cusco Huánuco Ancash Amazonas Cajamarca Cajamarca Cusco La Libertad Junín Cusco Cusco Loreto Apurimac Loreto Madre de Dios Ayacucho Huánuco Ica Cusco Amazonas Madre de Dios Ica Cajamarca Huancavelica Ayacucho Municipalidad RIPAN PARAS TINTAY CHINCHAO CABANA SITABAMBA OCALLI SANTA CRUZ CUYOCUYO COLQUEMARCA PALCA JANGAS CHIGUATA SANTIAGO DE PUPUJA KELLUYO PUYCA PARIAHUANCA PAJARILLO CHUNGUI SAN GABAN MARGOS ASQUIPATA CHALLABAMBA INCHUPALLA NAMORA SOCOTA SANTA MARIA DEL VALLE OBAS LUCRE TAMBILLO PATAMBUCO MARIANO DAMASO BERAUN LURICOCHA ATUNCOLLA VILCA CHAGLLA BALSAPUERTO CATILLUC SAN PEDRO DE CORIS LIVITACA COCHAS EL MILAGRO QUEHUE PLATERIA CUTURAPI HUARANGO SANTO TOMAS QUISQUI ANDARAPA YARUMAYO SAN JUAN DE JARPA TANTAMAYO YUYAPICHIS CHANCAYBAÑOS UMARI LUCANAS VILQUE CHICO CURPAHUASI PACHAS EDUARDO VILLANUEVA YAUYUCAN ALTO NANAY QUIQUIJANA SUYCKUTAMBO LA CAPILLA CANCHABAMBA PILCUYO PAMPAMARCA BELLA UNION PICHIGUA YANAS YAMON PACUCHA SAN JOSE DE QUERO COROSHA CAICAY CHOLON SAN MARCOS RIO SANTIAGO SAN LUIS LLAPA CCATCA AGALLPAMPA PAMPA HERMOZA MOLLEPATA LARES TIGRE PACOBAMBA PUINAHUA MADRE DE DIOS ANCO SILLAPATA PUEBLO NUEVO HUANCARANI ARAMANGO LAS PIEDRAS TIBILLO CONCHAN ANCO LEONCIO PRADO Indicadores Input IDEM 89.043 171.408 0.850 0.491 0.333 0.229 0.296 0.359 0.346 0.342 0.144 0.329 0.379 0.410 0.210 0.519 0.563 0.217 0.230 0.524 0.191 0.342 0.073 0.047 0.356 0.212 0.301 0.206 0.465 0.321 0.444 0.591 0.326 0.306 0.481 0.229 0.070 0.721 0.851 0.416 0.754 0.051 0.661 0.204 0.127 106.438 0.287 0.392 0.302 0.192 0.306 0.352 0.378 0.212 0.492 0.403 0.516 0.045 199.339 0.357 0.420 0.313 0.384 0.266 0.298 0.074 79.728 0.219 0.174 0.354 0.044 340.426 0.064 99.236 0.479 0.329 0.070 323.325 0.227 0.378 0.218 0.082 0.073 114.296 0.670 0.127 0.417 0.223 0.404 0.288 0.816 0.284 0.389 0.164 0.266 0.197 0.130 0.725 0.076 102.203 0.361 0.343 0.315 0.433 0.218 0.064 86.153 0.338 0.372 0.336 0.583 0.226 0.245 0.155 0.370 0.040 263.552 0.326 0.293 0.344 0.255 0.339 0.365 0.346 0.220 0.721 0.443 0.461 0.258 0.219 0.334 0.464 0.355 0.429 0.413 0.300 0.197 0.249 0.393 0.359 0.597 0.324 0.376 0.348 0.305 0.393 0.311 0.211 0.246 0.010 146.357 0.590 0.613 0.699 0.130 0.449 0.229 0.342 0.057 133.111 0.362 0.206 0.212 0.400 0.358 0.060 246.403 0.314 0.350 0.153 0.323 0.214 0.184 0.325 0.225 0.069 185.273 0.319 0.278 0.196 0.408 0.495 0.311 0.244 0.221 0.338 0.746 0.343 0.400 0.450 0.772 0.277 0.174 0.489 0.402 0.309 Ranking (Promedio) 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 .030 55.503 0.330 0.051 131.388 0.527 0.478 0.206 0.335 0.440 0.399 0.231 0.331 0.366 0.324 0.139 0.402 0.094 97.365 0.465 0.393 0.702 0.392 0.272 0.655 0.429 0.213 0.501 0.456 0.223 0.300 0.573 0.424 0.073 321.316 0.266 0.345 0.339 0.279 0.351 0.411 0.785 0.432 0.326 0.017 0.050 196.369 0.498 0.065 87.409 0.346 0.664 0.428 0.040 0.050 89.057 57.071 119.076 128.412 0.475 0.416 0.210 0.385 0.405 0.075 0.584 0.427 0.054 132.345 0.350 0.238 0.405 0.489 0.229 0.338 0.335 0.231 0.336 0.057 116.468 0.337 0.350 0.428 0.310 0.458 0.243 0.350 0.212 0.973 0.340 0.221 0.409 0.324 0.180 0.140 0.449 0.488 0.357 0.347 0.480 0.342 0.349 0.076 197.372 0.650 0.395 0.329 0.189 0.369 0.

039 117.676 0.874 0.076 177.304 0.169 0.362 0.252 0.157 0.115 0.357 0.017 99.215 0.205 0.241 0.142 0.321 0.042 117.158 0.298 0.223 0.416 0.115 114.382 0.341 0.514 0.291 0.380 0.306 0.281 0.099 0.383 0.425 0.176 0.428 0.467 0.265 0.622 0.349 0.474 0.332 0.276 0.216 0.183 0.068 135.429 0.442 0.521 0.305 0.216 0.211 0.165 0.300 0.426 0.153 0.278 0.071 FDH 0.434 0.273 0.350 0.041 0.073 0.299 0.370 0.221 0.057 327.468 0.077 78.302 0.796 0.514 0.297 0.186 0.399 0.190 0.308 0.502 0.483 0.965 0.057 298.170 0.467 0.047 85.073 77.299 0.194 0.389 0.426 0.276 0.383 0.785 0.042 292.495 0.905 0.259 0.455 0.284 0.957 0.227 0.270 0.546 0.055 128.358 0.256 0.058 238.126 0.154 0.482 0.217 0.506 0.064 525.994 0.179 0.036 219.697 0.129 0.257 0.185 0.275 0.030 95.429 0.464 0.644 0.136 0.122 0.463 0.202 0.302 0.718 0.265 0.755 0.345 0.259 0.146 0.362 0.701 0.090 0.068 200.038 140.342 0.358 0.035 108.510 0.124 0.478 0.064 174.217 0.372 0.146 0.159 0.301 0.295 0.293 0.268 0.327 0.186 0.459 Promedio 0.138 0.447 0.227 0.358 0.278 0.390 0.106 0.464 0.269 0.278 0.530 0.146 0.359 0.115 0.187 0.478 0.285 0.288 0.319 0.299 0.216 0.219 0.261 0.360 0.176 0.272 0.133 0.272 0.038 0.162 0.224 0.695 0.969 0.048 164.380 0.294 0.366 0.058 111.148 0.327 0.147 0.418 0.054 85.255 0.148 0.293 0.936 0.279 0.051 85.287 0.775 0.760 0.443 0.292 0.213 0.005 286.147 0.139 87 DEA-CRS 0.134 0.255 0.416 0.024 59.331 0.400 0.285 0.267 0.254 0.073 785.149 0.275 0.046 295.329 0.044 117.277 0.268 0.295 0.513 0.118 0.412 0.370 0.287 0.441 0.447 0.332 0.521 0.185 0.225 0.061 272.286 0.400 0.221 0.084 0.262 0.333 0.193 0.308 0.287 0.053 140.107 0.031 107.305 0.196 0.291 0.474 0.507 0.123 0.042 229.184 0.049 161.235 0.309 0.110 0.923 0.204 0.283 0.334 0.260 0.038 120.242 0.271 0.263 0.623 0.078 129.467 0.007 0.188 0.372 0.259 0.162 0.333 0.Continuación Departamento Apurimac Ancash Huánuco Cajamarca Puno Pasco San Martín Cajamarca Puno Cajamarca San Martín Lima Junín San Martín Puno Cusco San Martín Cajamarca Cusco Huancavelica Arequipa Cusco Apurimac Huánuco Ancash Lima Cajamarca Junín Ancash Ayacucho Puno Cajamarca Ancash Arequipa Ancash Cajamarca Cusco Apurimac Cajamarca Amazonas Huancavelica Huánuco Ayacucho Moquegua Cusco Ayacucho Ayacucho Pasco Huancavelica Apurimac Huancavelica Amazonas La Libertad Loreto Cusco Cusco Puno Huancavelica La Libertad Cajamarca Amazonas Cusco Ucayali La Libertad Ancash Ancash La Libertad Cajamarca Cajamarca Amazonas Puno Tumbes Arequipa Huánuco Amazonas Cajamarca Amazonas Junín Ayacucho Ucayali Loreto Cajamarca Puno Ancash Apurimac Puno Tumbes La Libertad Lima Ancash Ancash Cajamarca Cajamarca Ica Puno Junín Lima Ayacucho Piura Loreto Municipalidad SANTA MARIA DE CHICMO MORO SHUNQUI GUZMANGO CAPACHICA POZUZO TINGO DE PONASA CALLAYUC QUIACA LA FLORIDA PINTO RECODO SANTA CRUZ DE COCACHACRA CURICACA CHIPURANA OCUVIRI SANTA TERESA BARRANQUITA PULAN PISAC HUARIBAMBA ALCA QUIÑOTA KISHUARA SAN FRANCISCO DE CAYRAN QUILLO SAN MATEO DE OTAO SAN GREGORIO SUITUCANCHA MANCOS UPAHUACHO CAPASO SAN BENITO RANRAHIRCA POLOBAYA AQUIA TACABAMBA VILCABAMBA HUANCARAMA JESUS OLLEROS CHINCHO CONCHAMARCA PACAYCASA EL ALGARROBAL CHAMACA VISCHONGO CONCEPCION PALCAZU ANTA PROGRESO SALCABAMBA PIZUQUIA MARCABAL PARINARI MARANURA HUAYOPATA ORURILLO PAZOS HUAYLILLAS CHUGUR HUAMBO TARAY IRAZOLA PARCOY MARCARA BUENA VISTA ALTA HUANCASPATA JOSE GALVEZ SAN JOSE DE LOURDES OMIA CHUCUITO CASITAS TORO COLPAS MOLINOPAMPA CALQUIS YAMBRASBAMBA MONOBAMBA LARAMATE CURIMANA PAMPA HERMOZA SAN BERNARDINO ARAPA ACOBAMBA HAQUIRA HUAYRAPATA MATAPALO SARTIMBAMBA MARIATANA PAMPAS SANTO TORIBIO CHOROS SANTA ROSA YAUCA DEL ROSARIO CONIMA APATA CALANGO HUAC .257 0.321 0.046 112.276 0.250 0.359 0.192 0.282 0.234 0.041 112.321 0.184 0.303 0.356 0.223 0.002 0.060 122.221 0.594 0.075 100.699 0.139 0.300 0.078 0.292 0.327 0.255 0.349 0.146 0.107 0.137 0.313 0.389 0.200 0.038 105.702 0.254 Ranking (Promedio) 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 .073 0.277 0.207 0.727 0.184 0.028 64.006 0.295 0.210 0.262 0.256 0.056 0.302 0.243 0.265 0.900 0.021 178.255 0.269 0.053 149.737 0.092 0.416 0.455 0.147 0.065 204.044 418.258 0.124 0.401 0.242 0.439 0.513 0.294 0.418 0.345 0.259 0.358 0.285 0.065 255.268 0.317 0.355 0.160 0.299 0.138 0.412 0.614 0.059 207.211 0.224 0.297 0.051 185.152 0.282 0.457 0.085 0.176 0.289 0.052 124.222 0.341 0.961 0.175 0.292 0.266 0.264 0.171 0.174 0.143 0.299 0.236 0.303 0.022 0.166 0.223 0.187 0.415 0.335 0.348 0.863 0.924 0.273 0.082 220.106 0.741 0.122 0.256 0.340 0.076 168.403 0.526 0.106 0.451 0.080 181.329 0.387 0.050 189.640 0.060 160.148 0.062 126.293 0.398 0.185 0.302 0.240 0.031 87.430 0.207 0.247 0.304 0.053 0.467 0.950 0.398 0.135 0.676 0.052 154.276 0.274 0.420 0.379 0.342 0.184 0.378 0.344 0.289 0.130 0.247 0.277 0.064 196.736 0.610 0.691 0.101 0.122 0.302 0.438 0.308 0.071 185.298 0.056 362.176 0.337 0.279 0.292 0.305 0.536 0.118 0.175 0.485 0.464 0.113 0.178 0.042 117.319 0.136 0.282 0.403 0.312 0.073 116.196 0.065 142.333 0.167 0.001 116.435 0.231 0.279 0.465 0.148 0.404 0.265 0.054 116.168 0.173 0.619 0.281 0.250 0.358 0.088 Puntajes de eficiencia DEA-VRS Determinística 0.308 0.081 236.265 0.353 0.190 0.676 0.334 0.206 0.148 0.278 0.179 0.272 0.048 64.116 0.196 0.145 0.147 0.340 0.165 0.941 0.255 0.262 0.161 0.196 0.282 0.317 0.005 0.176 0.720 0.344 0.066 131.379 0.281 0.059 0.069 114.174 0.028 0.059 180.073 156.061 76.149 0.109 0.300 0.345 0.276 0.259 0.068 136.067 76.268 0.430 0.369 0.042 161.179 0.309 0.100 0.283 0.509 0.048 93.154 0.367 0.260 0.073 74.295 0.970 0.156 0.091 0.048 113.340 0.018 0.177 0.363 0.352 0.270 0.294 0.246 0.382 0.575 0.062 200.109 0.182 0.399 0.191 0.162 0.299 0.467 0.536 0.169 0.049 184.158 0.252 0.285 0.226 0.250 0.364 0.313 0.300 0.038 99.180 0.049 2919.070 120.244 0.418 0.123 0.236 0.301 0.418 0.028 0.393 0.277 0.142 0.405 0.260 0.236 0.303 0.133 0.145 0.044 75.065 0.271 0.258 0.528 0.169 0.158 0.309 0.HUAS CHALACO TORRES CAUSANA Indicadores Input IDEM 91.016 0.483 0.429 0.351 0.341 0.466 0.308 0.073 145.740 0.184 0.102 0.340 0.158 0.380 0.275 0.162 0.518 0.128 0.420 0.157 0.250 0.470 0.418 0.299 0.404 0.345 0.161 0.219 0.297 0.268 0.520 0.243 0.285 0.123 0.698 0.066 227.090 0.067 144.424 0.283 0.437 0.444 0.356 0.046 238.467 0.041 146.464 0.623 0.182 0.006 0.495 0.259 0.468 0.463 0.457 Estocástica 0.287 0.226 0.287 0.167 0.308 0.352 0.097 0.353 0.301 0.244 0.150 0.401 0.129 0.516 0.198 0.617 0.177 0.341 0.196 0.156 0.257 0.375 0.373 0.172 0.276 0.294 0.016 100.431 0.789 0.413 0.412 0.430 0.184 0.420 0.285 0.036 83.125 0.513 0.274 0.082 0.418 0.095 231.125 0.272 0.428 0.317 0.132 0.500 0.362 0.438 0.249 0.285 0.153 0.619 0.206 0.323 0.225 0.222 0.470 0.570 0.455 0.133 0.452 0.245 0.416 0.300 0.119 0.350 0.305 0.264 0.117 0.477 0.165 0.308 0.162 0.465 0.255 0.473 0.526 0.169 0.323 0.315 0.488 0.226 0.278 0.061 95.733 0.316 0.140 0.052 0.170 0.005 0.413 0.085 0.297 0.340 0.576 0.109 148.281 0.294 0.622 0.327 0.270 0.066 111.306 0.141 0.152 0.369 0.564 0.156 0.403 0.530 0.041 310.016 119.465 0.

Continuación
Departamento
Huancavelica
Junín
Cajamarca
Ancash
Cusco
Cusco
Lima
Apurimac
Cusco
Cusco
Loreto
Amazonas
Ancash
Ayacucho
Lambayeque
Ayacucho
Tacna
Huánuco
Ayacucho
Amazonas
Ancash
Amazonas
Ucayali
Huancavelica
Apurimac
Piura
Amazonas
Ayacucho
Madre de Dios
Huánuco
Loreto
Cajamarca
Cajamarca
Cajamarca
Ayacucho
La Libertad
Puno
Moquegua
Junín
La Libertad
Cusco
Puno
Ayacucho
Tacna
Cusco
Cajamarca
Ancash
Ancash
Puno
Ancash
Apurimac
Apurimac
Lima
Puno
Arequipa
Huancavelica
Apurimac
Cajamarca
Ayacucho
Ayacucho
Cajamarca
Cajamarca
Amazonas
Cajamarca
Junín
Cusco
Puno
Ancash
Junín
Arequipa
Puno
Ancash
Huancavelica
Ancash
La Libertad
Loreto
Moquegua
Huánuco
Ayacucho
Loreto
Cusco
La Libertad
Puno
Loreto
Ucayali
Arequipa
Puno
Arequipa
Cajamarca
Amazonas
Amazonas
Arequipa
Ancash
Cajamarca
Ancash
Ancash
Ayacucho
Ayacucho
La Libertad
Puno

Municipalidad
ACOBAMBILLA
CHICCHE
MATARA
SAN MIGUEL DE ACO
QUIMBIRI
LIMATAMBO
ZUÑIGA
PICHIRHUA
MARCAPATA
MARANGANI
TENIENTE CESAR LOPEZ ROJAS
CHUQUIBAMBA
TARICA
CARAPO
CHOCHOPE
AYAHUANCO
ITE
CODO DE POZUZO
MORCOLLA
EL CENEPA
CHINGAS
SOLOCO
YURUA
ROSARIO
SAN PEDRO DE CACHORA
JILILI
COCABAMBA
SIVIA
FITZCARRALD
BAÑOS
INDIANA
LA ESPERANZA
CHALAMARCA
NIEPOS
CHILCAS
LA CUESTA
POMATA
COALAQUE
CHACAPALCA
BAMBAMARCA
CONDOROMA
COPANI
SOCOS
CALANA
OCOBAMBA
PIMPINGOS
ANTA
HUATA
PUSI
YAUTAN
MARA
COYLLURQUI
CATAHUASI
SAN JUAN DE SALINAS
MACHAGUAY
LARIA
TAPAIRIHUA
CHOROPAMPA
SANCOS
CORONEL CASTAÑEDA
NANCHOC
SANTA CRUZ
OCUMAL
UNION AGUA BLANCA
SANTO DOMINGO DE ACOBAMBA
ANCAHUASI
OLLARAYA
CACERES DEL PERU
HUERTAS
TAPAY
OLLACHEA
YAUYA
TINTAY PUNCU
YURACMARCA
PATAZ
SANTA CRUZ
MATALAQUE
RONDOS
SANTA LUCIA
PADRE MARQUEZ
CCARHUAYO
URPAY
MACARI
PEBAS
TAHUANIA
TIPAN
NICASIO
SAN ANTONIO DE CHUCA
TANTARICA
MARISCAL CASTILLA
MARIA
HUANUHUANU
CASCAPARA
SAN FELIPE
MATO
MATACOTA
PACAPAUSA
ACOS VINCHOS
BULDIBUYO
SINA

Indicadores
Input
IDEM
122.629
0.041
206.139
0.060
354.209
0.072
113.276
0.037
106.119
0.034
112.975
0.037
308.261
0.068
87.777
0.016
105.447
0.033
122.707
0.039
202.645
0.057
138.141
0.044
178.606
0.053
103.785
0.031
298.097
0.066
122.414
0.038
544.041
0.076
104.074
0.031
114.440
0.035
76.884
0.007
248.144
0.061
178.400
0.051
565.756
0.075
159.204
0.046
118.816
0.035
157.524
0.046
71.438
0.002
192.486
0.052
486.911
0.072
232.745
0.057
184.867
0.051
203.556
0.053
83.709
0.017
93.876
0.023
142.523
0.041
702.849
0.075
98.838
0.025
252.443
0.057
317.775
0.062
83.204
0.008
202.913
0.050
206.633
0.051
87.338
0.010
573.381
0.069
100.543
0.015
98.517
0.014
232.682
0.052
144.506
0.037
159.469
0.041
99.703
0.014
145.543
0.037
109.517
0.026
885.169
0.071
110.526
0.026
384.771
0.062
346.382
0.059
153.952
0.038
170.600
0.042
87.873
0.007
216.986
0.048
236.382
0.051
190.083
0.045
79.882
0.002
168.358
0.040
128.760
0.030
104.716
0.014
295.587
0.054
107.197
0.023
215.994
0.047
262.625
0.051
109.602
0.015
173.428
0.040
255.585
0.050
224.386
0.047
101.727
0.012
267.494
0.051
219.229
0.046
99.665
0.011
256.630
0.050
305.229
0.054
129.720
0.029
119.950
0.026
199.627
0.043
230.615
0.047
328.762
0.054
459.217
0.059
196.381
0.042
244.644
0.047
138.722
0.030
175.899
0.038
170.714
0.037
227.127
0.045
177.464
0.038
101.649
0.009
189.791
0.039
241.263
0.045
183.907
0.037
109.006
0.019
109.537
0.011
181.080
0.037

FDH
0.327
0.194
0.128
0.354
0.377
0.355
0.147
0.456
0.380
0.326
0.198
0.290
0.224
0.386
0.152
0.327
0.084
0.385
0.350
0.521
0.161
0.225
0.080
0.252
0.337
0.254
0.561
0.208
0.093
0.172
0.217
0.197
0.478
0.427
0.281
0.065
0.405
0.159
0.126
0.481
0.197
0.194
0.459
0.079
0.398
0.407
0.172
0.277
0.251
0.402
0.275
0.366
0.051
0.362
0.104
0.116
0.260
0.235
0.456
0.185
0.169
0.211
0.501
0.238
0.311
0.382
0.136
0.374
0.185
0.153
0.365
0.231
0.157
0.179
0.394
0.150
0.183
0.402
0.156
0.131
0.309
0.334
0.201
0.174
0.122
0.087
0.204
0.164
0.289
0.228
0.235
0.176
0.226
0.394
0.211
0.166
0.218
0.367
0.366
0.221

88

DEA-CRS
0.136
0.117
0.082
0.132
0.129
0.130
0.089
0.075
0.125
0.129
0.113
0.127
0.119
0.121
0.088
0.126
0.056
0.118
0.122
0.037
0.098
0.114
0.053
0.117
0.118
0.117
0.013
0.109
0.059
0.099
0.110
0.104
0.083
0.099
0.115
0.043
0.102
0.091
0.078
0.037
0.099
0.098
0.044
0.048
0.061
0.057
0.090
0.104
0.103
0.056
0.103
0.095
0.032
0.095
0.064
0.069
0.100
0.098
0.032
0.090
0.086
0.094
0.011
0.095
0.095
0.053
0.074
0.085
0.087
0.078
0.056
0.093
0.079
0.085
0.046
0.077
0.085
0.042
0.078
0.071
0.091
0.087
0.087
0.082
0.066
0.052
0.086
0.077
0.088
0.087
0.087
0.080
0.086
0.036
0.083
0.076
0.082
0.069
0.040
0.082

Puntajes de eficiencia
DEA-VRS Determinística
0.327
0.217
0.194
0.376
0.118
0.461
0.354
0.180
0.377
0.152
0.355
0.175
0.133
0.435
0.456
0.146
0.380
0.142
0.326
0.201
0.198
0.351
0.290
0.239
0.224
0.319
0.386
0.128
0.135
0.418
0.327
0.191
0.079
0.488
0.385
0.122
0.350
0.160
0.521
0.064
0.161
0.380
0.225
0.298
0.075
0.480
0.252
0.262
0.337
0.161
0.254
0.257
0.561
0.020
0.208
0.312
0.086
0.461
0.172
0.355
0.217
0.299
0.197
0.318
0.478
0.004
0.427
0.055
0.281
0.213
0.061
0.483
0.405
0.074
0.159
0.353
0.126
0.390
0.481
0.068
0.197
0.295
0.194
0.299
0.459
0.085
0.072
0.445
0.398
0.136
0.407
0.124
0.172
0.312
0.277
0.182
0.251
0.213
0.402
0.123
0.275
0.181
0.366
0.080
0.047
0.462
0.362
0.081
0.104
0.391
0.116
0.373
0.260
0.192
0.235
0.220
0.456
0.062
0.185
0.281
0.169
0.301
0.211
0.249
0.501
0.020
0.238
0.206
0.311
0.121
0.382
0.124
0.135
0.334
0.374
0.052
0.185
0.268
0.153
0.307
0.365
0.135
0.231
0.208
0.157
0.300
0.178
0.271
0.394
0.105
0.150
0.306
0.183
0.262
0.402
0.094
0.156
0.296
0.131
0.327
0.309
0.111
0.334
0.082
0.201
0.236
0.174
0.269
0.122
0.333
0.087
0.373
0.204
0.224
0.164
0.271
0.289
0.120
0.228
0.191
0.235
0.182
0.176
0.253
0.226
0.191
0.394
0.081
0.211
0.202
0.166
0.256
0.218
0.185
0.367
0.018
0.366
0.097
0.221
0.179

Estocástica
0.259
0.382
0.464
0.233
0.212
0.229
0.438
0.103
0.206
0.248
0.362
0.276
0.336
0.196
0.421
0.241
0.498
0.191
0.218
0.045
0.387
0.320
0.489
0.293
0.219
0.289
0.014
0.331
0.467
0.366
0.321
0.336
0.108
0.144
0.257
0.494
0.158
0.365
0.398
0.048
0.319
0.322
0.060
0.452
0.096
0.087
0.332
0.235
0.257
0.087
0.234
0.162
0.474
0.163
0.399
0.383
0.242
0.263
0.044
0.309
0.324
0.284
0.014
0.253
0.191
0.088
0.351
0.142
0.299
0.329
0.096
0.254
0.323
0.301
0.074
0.329
0.295
0.066
0.320
0.345
0.185
0.164
0.276
0.300
0.351
0.385
0.266
0.302
0.191
0.242
0.236
0.288
0.242
0.057
0.251
0.290
0.238
0.118
0.069
0.234

Promedio
0.253
0.253
0.251
0.251
0.249
0.249
0.249
0.247
0.247
0.246
0.244
0.244
0.244
0.243
0.243
0.242
0.241
0.240
0.240
0.238
0.237
0.236
0.235
0.235
0.234
0.234
0.234
0.234
0.233
0.233
0.233
0.230
0.230
0.230
0.229
0.229
0.229
0.225
0.224
0.223
0.222
0.221
0.221
0.219
0.218
0.216
0.216
0.215
0.215
0.214
0.214
0.214
0.213
0.213
0.212
0.211
0.211
0.210
0.210
0.210
0.210
0.210
0.209
0.206
0.206
0.206
0.206
0.205
0.205
0.204
0.204
0.203
0.203
0.203
0.203
0.202
0.201
0.201
0.201
0.201
0.201
0.200
0.200
0.200
0.199
0.197
0.197
0.196
0.195
0.195
0.195
0.195
0.194
0.192
0.192
0.191
0.188
0.188
0.188
0.187

Ranking
(Promedio)
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498

Continuación
Departamento
San Martín
Cajamarca
Ayacucho
Ayacucho
Ancash
Lima
Huancavelica
Ica
Arequipa
Cusco
La Libertad
Arequipa
Huancavelica
Huánuco
Amazonas
Amazonas
Apurimac
Ancash
Ancash
Amazonas
Ancash
Lima
La Libertad
Cajamarca
Ancash
Arequipa
Ancash
Ica
Ancash
Puno
Ancash
Arequipa
Ancash
Ayacucho
La Libertad
Lima
Piura
Cajamarca
Arequipa
Huánuco
Amazonas
Ayacucho
Cajamarca
Lima
Huancavelica
Arequipa
Ica
Apurimac
Puno
Huánuco
Apurimac
Loreto
Huánuco
Cajamarca
Amazonas
Huancavelica
Amazonas
Amazonas
Cajamarca
Ancash
Cusco
Puno
Cajamarca
Cajamarca
La Libertad
Cajamarca
Ancash
Puno
Arequipa
Huancavelica
Piura
Cajamarca
Ancash
Apurimac
Huancavelica
Arequipa
Arequipa
Puno
Amazonas
Lima
Cajamarca
Ancash
Arequipa
Puno
Huancavelica
Cajamarca
Cajamarca
Tacna
Loreto
Ancash
Huancavelica
Cajamarca
Ica
Loreto
Arequipa
Ancash
Puno
Amazonas
Amazonas
Loreto

Municipalidad
SHUNTE
NINABAMBA
CHALCOS
MARIA PARADO DE BELLIDO
ACZO
COAYLLO
CHUPAMARCA
CHANGUILLO
SANTA ISABEL DE SIGUAS
KOSÑIPATA
ANGASMARCA
POCSI
SURCUBAMBA
DANIEL ALOMIA ROBLES
BALSAS
LIMABAMBA
PAMPACHIRI
CUSCA
YUNGAR
SANTA CATALINA
CASHAPAMPA
SANTO DOMINGO DE LOS OLLEROS
POROTO
SAUCEPAMPA
SAN NICOLAS
QUILCA
CHINGALPO
SANTA CRUZ
MACATE
ZEPITA
SANTA ROSA
VITOR
HUAYAN
VILCANCHOS
SARIN
CHOCOS
CANCHAQUE
MIGUEL IGLESIAS
CHICHAS
QUEROPALCA
QUINJALCA
LUIS CARRANZA
CHUMUCH
SAN BUENAVENTURA
MOYA
CAYARANI
SAN PEDRO DE HUACARPANA
TUMAY HUARACA
CUPI
SAN FRANCISCO
HUAYLLATI
MANSERICHE
CAHUAC
HUABAL
CHETO
ANCHONGA
CHIRIMOTO
SAN JUAN DE LOPECANCHA
SAN SILVESTRE DE COCHAN
SAN JUAN
KUNTURKANKI
TINICACHI
SAN JUAN DE CUTERVO
LAS PIRIAS
PIAS
LA RAMADA
CASCA
TILALI
ATIQUIPA
NUEVO OCCORO
YAMANGO
ANDABAMBA
SHUPLUY
COCHARCAS
HUANDO
CHILCAYMARCA
SAYLA
CAMINACA
CHILIQUIN
VIÑAC
CHANCAY
COCHABAMBA
TISCO
AMANTANI
AURAHUA
TORIBIO CASANOVA
EL PRADO
PALCA
MAQUIA
CAJAY
CUENCA
UTICYACU
SAN JUAN DE YANAC
SOPLIN
CHACHAS
ATAQUERO
VILAVILA
LONGUITA
VALERA
TROMPETEROS

Indicadores
Input
IDEM
394.893
0.054
244.404
0.044
532.736
0.058
127.513
0.024
217.838
0.041
329.093
0.050
154.124
0.031
279.579
0.046
273.516
0.045
125.551
0.014
91.000
0.001
519.050
0.054
207.187
0.038
90.571
0.000
187.534
0.035
106.986
0.007
98.655
0.003
156.061
0.028
244.479
0.040
160.437
0.028
153.054
0.027
216.016
0.036
141.482
0.015
354.939
0.045
153.433
0.026
350.179
0.045
303.288
0.042
335.055
0.044
112.177
0.005
123.830
0.009
178.206
0.028
162.414
0.025
398.640
0.044
183.870
0.028
102.322
0.000
361.836
0.042
157.790
0.023
140.094
0.011
467.663
0.046
305.853
0.039
319.738
0.040
142.029
0.010
144.952
0.011
419.828
0.043
424.786
0.043
319.546
0.038
304.207
0.037
178.870
0.025
248.333
0.033
110.367
0.000
207.544
0.027
184.305
0.016
126.526
0.003
228.743
0.029
484.456
0.041
184.961
0.015
122.976
0.001
561.279
0.041
165.595
0.010
127.525
0.001
143.985
0.005
1190.539 0.044
250.106
0.027
228.963
0.024
245.008
0.026
140.141
0.002
249.651
0.025
235.186
0.014
664.495
0.037
168.995
0.005
200.533
0.009
931.762
0.037
151.401
0.000
178.904
0.004
157.593
0.000
388.840
0.027
423.575
0.027
169.080
0.001
398.695
0.025
290.955
0.019
199.531
0.002
183.837
0.000
206.249
0.002
196.771
0.001
192.563
0.000
279.735
0.007
314.670
0.018
677.923
0.027
206.749
0.000
248.514
0.003
217.131
0.000
360.557
0.017
312.620
0.006
1445.418 0.026
239.797
0.000
324.407
0.004
543.275
0.018
285.477
0.000
396.451
0.004
359.439
0.002

FDH
0.101
0.164
0.075
0.314
0.184
0.122
0.260
0.143
0.146
0.319
0.440
0.077
0.193
0.442
0.214
0.374
0.406
0.257
0.164
0.250
0.262
0.185
0.283
0.113
0.261
0.114
0.132
0.120
0.357
0.323
0.225
0.247
0.100
0.218
0.391
0.111
0.254
0.286
0.086
0.131
0.125
0.282
0.276
0.095
0.094
0.125
0.132
0.224
0.161
0.363
0.193
0.217
0.317
0.175
0.083
0.217
0.326
0.071
0.242
0.314
0.278
0.034
0.160
0.175
0.163
0.286
0.160
0.170
0.060
0.237
0.200
0.043
0.265
0.224
0.254
0.103
0.095
0.237
0.100
0.138
0.201
0.218
0.194
0.204
0.208
0.143
0.127
0.059
0.194
0.161
0.184
0.111
0.128
0.028
0.167
0.123
0.074
0.140
0.101
0.111

89

DEA-CRS
0.055
0.073
0.043
0.077
0.076
0.061
0.081
0.066
0.067
0.045
0.003
0.042
0.073
0.000
0.074
0.025
0.012
0.072
0.066
0.071
0.070
0.067
0.042
0.051
0.067
0.051
0.056
0.052
0.018
0.028
0.063
0.061
0.045
0.062
0.000
0.047
0.059
0.032
0.039
0.051
0.050
0.030
0.030
0.041
0.040
0.048
0.049
0.056
0.053
0.000
0.053
0.034
0.011
0.051
0.034
0.031
0.005
0.030
0.025
0.005
0.014
0.015
0.044
0.043
0.042
0.006
0.040
0.024
0.022
0.013
0.019
0.016
0.000
0.009
0.000
0.028
0.026
0.002
0.025
0.026
0.005
0.000
0.005
0.003
0.000
0.010
0.023
0.016
0.000
0.005
0.000
0.019
0.008
0.007
0.000
0.005
0.013
0.001
0.004
0.002

Puntajes de eficiencia
DEA-VRS Determinística
0.101
0.329
0.164
0.248
0.075
0.363
0.314
0.068
0.184
0.219
0.122
0.296
0.260
0.126
0.143
0.263
0.146
0.257
0.319
0.125
0.440
0.007
0.077
0.338
0.193
0.188
0.442
0.000
0.214
0.161
0.374
0.060
0.406
0.027
0.257
0.101
0.164
0.210
0.250
0.103
0.262
0.088
0.185
0.175
0.283
0.132
0.113
0.259
0.261
0.078
0.114
0.251
0.132
0.227
0.120
0.242
0.357
0.046
0.323
0.076
0.225
0.101
0.247
0.072
0.100
0.250
0.218
0.104
0.391
0.000
0.111
0.231
0.254
0.059
0.286
0.099
0.086
0.263
0.131
0.201
0.125
0.206
0.282
0.094
0.276
0.098
0.095
0.238
0.094
0.236
0.125
0.196
0.132
0.185
0.224
0.073
0.161
0.146
0.363
0.000
0.193
0.096
0.217
0.141
0.317
0.031
0.175
0.110
0.083
0.222
0.217
0.130
0.326
0.013
0.071
0.225
0.242
0.094
0.314
0.013
0.278
0.044
0.034
0.257
0.160
0.097
0.175
0.070
0.163
0.083
0.286
0.020
0.160
0.073
0.170
0.125
0.060
0.187
0.237
0.049
0.200
0.084
0.043
0.189
0.265
0.000
0.224
0.037
0.254
0.000
0.103
0.095
0.095
0.094
0.237
0.006
0.100
0.075
0.138
0.022
0.201
0.021
0.218
0.000
0.194
0.023
0.204
0.012
0.208
0.000
0.143
0.065
0.127
0.012
0.059
0.094
0.194
0.000
0.161
0.028
0.184
0.000
0.111
0.007
0.128
0.055
0.028
0.095
0.167
0.000
0.123
0.035
0.074
0.015
0.140
0.004
0.101
0.034
0.111
0.018

Estocástica
0.349
0.285
0.378
0.154
0.263
0.322
0.196
0.296
0.292
0.089
0.005
0.357
0.241
0.000
0.221
0.043
0.019
0.178
0.258
0.179
0.169
0.232
0.094
0.295
0.162
0.289
0.271
0.282
0.032
0.054
0.178
0.158
0.289
0.181
0.000
0.275
0.148
0.070
0.299
0.252
0.256
0.067
0.069
0.280
0.279
0.249
0.240
0.159
0.211
0.000
0.175
0.100
0.022
0.185
0.269
0.093
0.010
0.273
0.067
0.010
0.031
0.300
0.177
0.157
0.167
0.014
0.160
0.090
0.246
0.035
0.060
0.248
0.000
0.026
0.000
0.177
0.177
0.004
0.162
0.124
0.015
0.000
0.016
0.009
0.000
0.047
0.116
0.178
0.000
0.020
0.000
0.113
0.040
0.181
0.000
0.025
0.120
0.003
0.025
0.013

Promedio
0.187
0.187
0.187
0.185
0.185
0.184
0.184
0.182
0.182
0.179
0.179
0.178
0.178
0.177
0.177
0.175
0.174
0.173
0.172
0.170
0.170
0.169
0.167
0.166
0.166
0.164
0.164
0.163
0.162
0.161
0.158
0.157
0.157
0.157
0.156
0.155
0.155
0.155
0.155
0.153
0.153
0.151
0.150
0.150
0.149
0.149
0.148
0.147
0.146
0.145
0.142
0.142
0.139
0.139
0.138
0.138
0.136
0.134
0.134
0.131
0.129
0.128
0.128
0.124
0.124
0.122
0.119
0.116
0.115
0.114
0.112
0.108
0.106
0.104
0.102
0.101
0.097
0.097
0.092
0.090
0.088
0.087
0.086
0.086
0.083
0.082
0.081
0.081
0.078
0.075
0.074
0.072
0.072
0.068
0.067
0.062
0.059
0.058
0.053
0.051

Ranking
(Promedio)
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598

Continuación

Departamento
Ancash
Amazonas
La Libertad
Ancash
Amazonas
Arequipa
Amazonas
Amazonas
Amazonas
Arequipa
Mean
Std. Dev.
Min
Max

Municipalidad
SAN JUAN DE RONTOY
COCHAMAL
PARANDAY
BAMBAS
MILPUC
CAHUACHO
TOTORA
SAN FRANCISCO DE DAGUAS
SANTA ROSA
QUECHUALLA

Indicadores
Input
IDEM
330.540
0.000
405.828
0.002
374.781
0.000
417.787
0.001
416.274
0.000
586.888
0.002
646.560
0.000
860.056
0.001
867.481
0.000
1379.779 0.001
184.304
0.062
186.177
0.039
40.052
0.000
2919.444 0.257

FDH
0.121
0.099
0.107
0.096
0.096
0.068
0.062
0.047
0.046
0.029
0.359
0.189
0.022
1.000

90

DEA-CRS
0.000
0.002
0.000
0.000
0.000
0.001
0.000
0.000
0.000
0.000
0.192
0.155
0.000
1.000

Puntajes de eficiencia
DEA-VRS Determinística
0.121
0.000
0.099
0.019
0.107
0.000
0.096
0.005
0.096
0.004
0.068
0.019
0.062
0.000
0.047
0.009
0.046
0.003
0.029
0.009
0.337
0.347
0.172
0.199
0.018
0.000
1.000
1.000

Estocástica
0.000
0.014
0.000
0.003
0.003
0.014
0.000
0.007
0.002
0.007
0.373
0.209
0.000
0.915

Promedio
0.048
0.046
0.043
0.040
0.040
0.034
0.025
0.022
0.019
0.015
0.322
0.154
0.015
0.907

Ranking
(Promedio)
599
600
601
602
603
604
605
606
607
608

556 0.328 0.279 0.386 0.658 0.270 0.050 173.376 0.176 0.458 0.542 0.498 0.407 0.338 0.485 0.150 0.626 0.269 Ranking (Promedio) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 .072 50.247 0.482 0.508 0.127 0.536 0.721 0.293 0.516 0.324 0.414 0.345 0.300 0.294 0.120 71.594 0.563 0.164 0.513 0.066 93.364 0.534 0.124 168.352 0.098 168.505 0.498 0.197 0.122 117.104 236.438 0.188 80.556 0.059 161.550 0.646 0.422 0.304 0.200 0.499 0.841 0.554 0.537 0.247 0.813 0.128 255.372 0.575 0.629 0.749 0.456 0.600 0.115 104.142 0.059 0.526 0.781 0.834 0.190 86.220 0.386 0.607 0.727 0.862 0.115 0.271 0.000 1.676 0.164 0.154 0.546 0.625 0.792 0.370 0.330 0.253 0.421 0.474 0.305 0.137 0.506 0.194 0.302 0.062 178.230 0.145 0.325 0.295 0.071 0.658 0.363 0.247 0.867 0.171 0.278 0.100 95.299 0.758 0.215 0.464 0.385 0.251 0.245 0.574 0.240 0.089 218.323 0.578 0.454 0.071 161.154 0.519 0.450 0.549 0.605 0.661 0.607 0.405 0.126 0.107 348.543 0.660 0.314 0.265 0.400 0.548 0.099 0.093 0.740 0.738 0.003 0.545 0.122 0.271 0.947 0.445 0.310 0.416 0.366 0.360 0.102 292.093 77.175 108.751 0.386 0.250 0.141 0.582 0.349 0.543 0.136 0.864 0.758 0.792 0.439 0.582 0.449 0.136 0.506 0.511 0.399 1.569 0.283 0.933 0.404 0.334 0.455 0.421 0.120 123.425 0.597 0.079 135.334 0.048 149.982 0.695 0.271 0.380 0.235 0.853 0.361 0.148 0.466 0.383 0.535 0.222 0.308 0.329 0.657 0.201 158.228 0.572 0.368 0.424 0.444 0.382 0.326 0.140 100.505 0.502 0.178 0.116 135.110 0.399 0.345 0.456 0.090 156.189 0.095 111.313 0.890 0.055 215.502 0.873 0.546 0.282 0.154 0.115 169.465 0.286 0.506 0.107 146.053 913.339 0.695 0.083 128.691 0.375 0.354 0.597 0.440 0.157 0.222 0.366 0.784 0.901 0.341 0.124 0.082 109.509 0.377 0.834 0.456 0.499 0.369 0.161 0.382 0.679 0.089 98.614 0.646 0.104 0.459 0.188 0.813 0.467 0.424 0.182 146.671 0.945 0.059 0.514 0.379 0.241 0.895 0.079 245.529 0.226 0.789 0.848 0.241 121.785 0.576 0.419 0.089 405.331 0.054 170.333 0.174 0.341 0.402 0.326 0.594 0.731 0.581 0.395 0.332 0.484 0.093 108.461 0.454 0.285 0.221 0.260 0.077 94.448 0.092 165.097 134.460 0.053 462.639 0.043 0.615 0.462 0.515 0.487 0.476 0.667 0.415 0.732 0.725 1.742 0.488 0.766 0.614 0.612 0.570 0.129 0.101 156.568 0.544 0.215 0.508 0.514 0.063 176.421 0.174 0.484 0.309 0.000 0.249 0.749 0.086 0.062 156.347 0.376 0.482 0.038 129.285 0.409 0.628 0.650 0.336 0.083 163.009 0.175 0.337 0.076 189.162 0.087 138.639 0.505 0.267 0.035 0.122 0.571 0.314 0.563 0.460 0.415 0.630 1.549 0.541 0.204 0.374 0.112 0.356 0.925 0.322 0.600 0.227 0.079 0.670 0.707 0.815 0.450 0.260 0.726 0.239 0.407 0.225 101.308 0.770 0.149 0.483 0.356 0.828 0.000 0.245 0.510 0.269 0.486 0.000 0.655 0.225 0.164 0.402 0.471 0.522 0.414 0.788 0.366 0.000 1.639 0.280 0.910 0.031 124.454 0.235 0.298 0.242 0.134 325.491 0.066 204.332 0.336 0.341 0.097 170.417 0.077 77.072 0.678 0.610 0.422 0.820 0.654 0.553 0.000 1.273 0.463 0.410 0.553 0.363 0.079 243.450 0.757 0.257 0.349 0.376 0.335 0.591 0.641 0.546 0.451 0.116 162.136 42.193 0.615 0.567 0.377 0.007 0.437 0.825 0.243 0.535 0.755 0.255 0.975 0.645 0.325 0.430 0.676 0.639 0.216 0.594 0.649 1.164 0.289 0.739 0.333 0.464 0.120 127.182 0.197 0.465 0.682 0.341 0.073 0.741 0.298 0.436 0.245 0.275 0.653 0.231 0.409 0.442 0.719 0.810 0.575 0.248 0.155 166.375 0.623 0.062 176.047 126.225 0.354 0.373 0.157 114.429 0.319 0.837 0.481 0.554 0.383 0.074 128.402 0.638 0.743 0.570 0.695 0.108 192.213 0.451 0.078 0.502 0.065 Puntajes de eficiencia FDH DEA-CRS DEA-VRS Determinística 1.044 0.594 0.101 0.490 0.191 141.718 0.003 0.772 0.100 109.143 0.118 0.151 0.000 0.608 0.442 0.626 0.536 0.389 0.337 0.263 0.052 270.602 0.576 0.979 0.645 0.982 0.036 0.864 0.275 0.017 0.000 1.569 0.315 0.082 158.001 150.256 0.061 248.338 0.099 337.478 0.320 0.501 0.803 0.344 0.475 0.820 0.548 0.342 0.006 0.328 0.163 0.118 161.454 0.259 0.846 0.413 0.330 0.326 0.465 0.626 0.777 0.577 0.369 0.394 0.976 0.794 0.067 491.017 0.434 0.197 0.304 0.590 0.070 358.432 0.232 0.710 0.089 155.391 0.143 138.052 187.221 0.115 0.606 0.000 0.345 0.264 0.232 0.269 0.480 0.394 0.511 0.311 0.511 0.848 0.445 0.584 0.410 0.091 219.346 0.001 357.170 0.344 0.802 0.517 0.092 130.583 0.730 0.088 0.266 0.515 0.552 0.364 0.556 0.468 0.214 0.430 0.410 0.976 0.576 0.395 0.362 0.394 0.427 0.264 0.713 0.294 0.105 146.284 0.528 0.324 0.946 0.107 146.460 0.373 0.476 0.713 0.160 0.608 0.362 0.493 0.239 141.179 0.429 0.145 0.719 0.400 0.214 0.160 0.721 1.551 0.587 0.409 0.663 0.678 0.254 0.335 0.652 0.106 112.119 0.509 0.732 0.577 0.220 0.602 0.491 0.337 0.603 0.313 109.607 0.479 0.603 0.126 0.119 96.795 0.546 0.389 0.091 175.441 0.119 108.062 117.659 0.128 138.405 0.344 0.458 0.546 0.620 0.591 0.427 0.554 0.247 0.619 0.377 0.401 0.096 256.456 0.426 0.789 0.624 1.574 0.265 0.466 0.589 0.396 0.408 0.261 0.000 0.725 0.477 0.402 0.173 0.581 0.303 0.Categoría 6: Rural pobre extremo Departamento Cusco Ancash Cusco Pasco Ayacucho Huancavelica Apurimac Lima Ancash Ancash Ayacucho Ayacucho Junín Apurimac Ancash Lima Ancash Cusco Junín La Libertad Huánuco San Martín Ayacucho Cusco Cusco Ancash Junín Ayacucho Ancash Huánuco Pasco Cusco Cusco Junín Cusco San Martín Cusco Cajamarca Ancash Cusco Cusco San Martín Lima Lima Cusco Cusco Huancavelica Huancavelica Huancavelica La Libertad Huancavelica San Martín Cusco Ancash Lima Cusco Ayacucho Ayacucho Cajamarca Huánuco Ancash Junín Ancash Puno Ancash Huancavelica Huancavelica Huancavelica Huánuco Huancavelica Huancavelica Lima Huancavelica Apurimac Junín Ancash Huancavelica Ancash Cusco Huánuco Lima Cusco Huancavelica Apurimac Huancavelica La Libertad Cusco Lima Ayacucho Cusco Huancavelica Ayacucho Huancavelica Huancavelica Junín Arequipa Cusco La Libertad Municipalidad POMACANCHI LA MERCED PAMPAMARCA TICLACAYAN SARHUA SECCLLA LAMBRAMA LEONCIO PRADO CORIS PAROBAMBA SANTIAGO DE PAUCARAY AUCARA PUCARA COTABAMBAS HUANTAR AMBAR SHILLA OMACHA MARISCAL CASTILLA SINSICAP ARANCAY SAN PABLO PUYUSCA CUSIPATA PACCARITAMBO PONTO POMACANCHA SAN JUAN SICSIBAMBA JACAS CHICO HUAYLLAY OCORURO PALLPATA PACCHA ZURITE PAPAPLAYA TUPAC AMARU MIRACOSTA HUACACHI CHECCA HUANOQUITE BUENOS AIRES AYAUCA GORGOR MARAS HUAROCONDO CONGALLA AHUAYCHA EL CARMEN ONGON HUACHOCOLPA BAJO BIAVO CHINCHAYPUJIO PAMPAS CHICO MANAS ACCHA COLCA CARHUANCA SAN JUAN DE LICUPIS JIVIA CHACCHO HUARICOLCA HUASTA TIQUILLACA ALFONSO UGARTE SAN ANTONIO DE CUSICANCHA CORDOVA LOCROJA SAN BUENAVENTURA CAJA TICRAPO MADEAN SAN ISIDRO CAPAYA ULCUMAYO COCHAPETI QUITO ARMA MIRGAS CCAPI PUÑOS SANGALLAYA LANGUI CHINCHIHUASI PATAYPAMPA SAN ANTONIO DE ANTAPARCO LUCMA CHINCHERO CACRA INDEPENDENCIA YAURISQUE MOLLEPAMPA SAN SALVADOR DE QUIJE SANTO TOMAS DE PATA ACOSTAMBAO TAPO YARABAMBA COYA MOLLEBAMBA Indicadores Input IDEM 112.142 0.614 0.239 0.327 0.323 0.405 0.059 113.434 0.612 0.395 91 Estocástica 0.485 0.546 0.492 0.448 0.551 0.146 0.237 0.389 0.394 Promedio 0.278 0.898 0.152 0.203 0.465 0.212 0.341 0.176 0.551 0.000 0.240 0.306 0.553 0.551 0.966 0.515 0.

098 0.250 0.125 0.100 0.036 134.089 0.182 0.430 0.062 219.015 0.966 0.013 296.062 336.073 0.079 0.118 0.167 0.058 125.666 0.495 0.000 0.167 0.265 0.363 0.047 1330.213 0.041 131.268 0.151 0.042 200.052 42.648 0.289 0. Dev.128 0.159 0.143 0.215 0.275 0.212 0.139 0.235 0.163 0.219 0.109 0.353 0.101 0.097 0.179 0.067 346.483 0.213 0.051 259.077 0.019 0.312 0.624 0.166 0.044 0.195 0.103 0.339 0.087 0.165 0.000 210.457 0.680 0.281 0.142 0.134 0.000 1.000 471.709 0.042 0.031 249.022 0.233 0.134 0.104 0.317 0.100 0.111 0.146 0.289 0.048 0.293 0.046 455.233 0.111 0.211 0.062 0.207 0.000 0.104 0.138 0.048 85.286 0.460 0.006 189.000 97.090 0.054 0.533 0.039 0.166 0.128 0.145 0.148 0.279 0.422 0.000 0.084 0.160 0.203 0.429 0.195 0.193 0.232 0.128 0.609 0.208 0.099 0.100 0.078 0.033 172.329 0.052 133.022 129.022 115.979 Ranking (Promedio) 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 .884 0.175 0.000 429.077 0.120 0.073 0.041 0.367 0.285 0.241 0.070 0.084 0.437 0.085 0.021 558.052 100.218 0.022 0.275 0.299 0.168 0.100 0.102 0.299 0.088 0.013 0.091 0.180 0.246 0.293 0.024 0.074 153.141 0.356 0.169 0.375 0.073 0.000 0.446 0.237 0.035 264.228 0.339 0.120 0.028 0.057 0.183 0.048 149.339 0.283 0.166 0.235 0.242 0.000 1.242 0.148 0.087 0.224 0.167 0.067 0.317 0.197 0.305 0.139 0.067 179.011 0.237 0.240 0.195 0.043 0.181 0.246 0.252 0.806 0.013 218.324 0.160 0.043 195.165 0.221 0.126 0.160 0.819 0.328 0.441 0.219 0.299 0.180 0.166 0.035 328.502 0.162 0.228 0.242 0.047 107.019 433.016 0.430 0.102 0.034 0.144 0.234 0.458 0.095 0.309 0.041 0.064 0.405 0.394 0.377 0.105 0.093 0.263 0.175 0.048 87.198 0.009 0.058 0.220 0.153 0.460 0.049 0.914 0. Min Max Municipalidad ALTO PICHIGUA CHAVIN CUENCA CALAPUJA COJATA LLUMPA CURASCO LUCMA SAN JOSE DE TICLLAS QUINUABAMBA MALVAS SAN FRANCISCO DE RAVACAYCO HUAYLLABAMBA CHILCAYOC OCOYO SANTIAGO DE CHALLAS AYAVI PEDRO VILCA APAZA SAN JUAN HUAYLLACAYAN SALCAHUASI HUAMBALPA POCOHUANCA SAN PEDRO DE PALCO HUMAY HUAYLLAN HUEPETUHE HUACHIS POMACOCHA MANTA ANRA SANTIAGO DE PISCHA SANTIAGO DE CHOCORVOS SAÑAYCA QUERCO PALCA SANTA ROSA FIDEL OLIVAS ESCUDERO CAPILLAS PACHAMARCA AMASHCA SANTIAGO DE QUIRAHUARA PAUCARBAMBA ANTONIO RAYMONDI UNICACHI LINCHA SORAYA SAN PEDRO ANTIOQUIA TAMBO RAPAYAN CULLHUAS JANJAILLO LLAMA MASIN AZANGARO SANTO DOMINGO DE CAPILLAS MICAELA BASTIDAS ARMA HUACHOS SAN FRANCISCO DE SANGAYAICO SAN JAVIER DE ALPABAMBA COCAS MUSGA HUAMATAMBO JUSTO APU SAHUARAURA ELEAZAR GUZMAN BARRON HUAYLLO Indicadores Input IDEM 90.128 0.050 92.146 0.216 0.374 0.285 0.011 142.000 1.081 0.023 144.037 421.220 0.847 0.469 0.120 0.363 0.895 Promedio 0.200 0.130 0.045 360.318 0.205 0.143 0.165 0.138 0.225 0.142 0.186 0.437 0.118 0.339 0.495 0.169 0.217 0.163 0.216 0.024 0.035 334.326 0.185 0.097 0.422 0.278 0.205 0.423 0.700 0.248 0.051 197.039 635.000 1330.170 0.350 0.220 0.081 0.437 0.056 0.050 0.000 0.232 0.133 0.083 0.038 0.029 152.265 0.091 0.265 0.094 0.035 162.029 0.977 0.025 0.284 0.035 194.042 193.188 0.792 0.189 0.779 0.228 0.241 0.031 105.014 0.083 0.037 149.403 0.300 0.040 0.126 0.112 0.083 0.031 625.097 0.037 176.Continuación Departamento Cusco Ica Lima Puno Puno Ancash Apurimac Ancash Ayacucho Ancash Ancash Ayacucho Ancash Ayacucho Huancavelica La Libertad Huancavelica Puno Huancavelica Ancash Huancavelica Ayacucho Apurimac Ayacucho Ica Ancash Madre de Dios Ancash Huancavelica Huancavelica Ancash Ayacucho Huancavelica Apurimac Huancavelica Huancavelica Apurimac Ancash Huancavelica Huancavelica Ancash Huancavelica Huancavelica Ancash Puno Lima Apurimac Ancash Lima Huancavelica Ancash Junín Junín Ancash Ancash Lima Huancavelica Apurimac Huancavelica Huancavelica Huancavelica Ayacucho Huancavelica Ancash Huancavelica Apurimac Ancash Apurimac Mean Std.919 0.231 0.245 0.085 0.083 0.073 0.202 0.187 0.103 0.115 0.014 475.389 0.313 Puntajes de eficiencia FDH DEA-CRS DEA-VRS Determinística 0.237 0.049 146.241 0.007 317.398 0.045 0.082 0.069 0.367 0.126 0.034 0.019 217.234 0.099 0.448 0.127 0.144 0.127 0.469 0.221 0.225 0.069 0.768 0.198 0.913 0.000 0.301 0.041 367.026 0.089 0.171 0.898 0.316 0.034 0.289 0.138 0.201 0.061 0.439 0.070 0.469 0.765 0.215 0.037 327.047 94.225 0.230 0.013 208.503 0.195 0.196 0.930 0.213 0.246 0.185 0.192 0.148 0.876 0.324 0.328 0.248 0.111 0.437 0.728 0.246 0.103 0.027 0.167 0.284 0.031 494.024 117.202 0.100 0.020 0.160 0.053 125.125 0.000 0.120 0.019 0.214 0.013 332.497 0.596 0.339 0.261 0.188 0.448 0.138 0.132 0.127 0.136 0.412 0.377 0.159 0.141 0.032 258.038 0.018 0.032 0.464 0.317 0.199 0.375 0.040 0.078 0.032 0.614 0.156 0.090 0.167 0.278 0.261 0.217 0.135 0.328 0.026 230.204 0.551 0.211 0.809 0.114 0.238 0.138 0.195 0.363 0.912 0.069 0.062 233.160 0.233 0.403 0.000 0.227 0.012 0.219 0.067 0.250 0.219 0.232 0.285 0.270 0.316 0.208 0.170 0.203 0.185 0.025 255.134 0.367 0.054 0.115 0.272 0.325 0.100 0.111 0.151 0.048 160.030 0.404 0.186 0.437 0.232 0.059 0.079 0.000 92 Estocástica 0.581 0.086 0.246 0.367 0.541 0.056 0.339 0.021 307.086 0.722 0.252 0.108 0.100 0.011 1.032 0.394 0.219 0.087 0.243 0.231 0.323 0.090 0.459 0.137 0.106 0.251 0.031 0.220 0.403 0.483 0.023 411.145 0.099 0.177 0.261 0.339 0.255 0.032 0.334 0.089 0.495 0.878 0.001 0.195 0.258 0.000 0.184 0.326 0.903 0.578 0.127 0.098 0.

5 0 0 0 .6 .6 Categoría 3: Urbano .5 0 0 .5 Density Density 1 1 .8 Categoría 3: Rural .8 1 1 Categoría 4: Semi-rural Anexo 5-B.5 Density 1 1 .5 2 2 1.2 . Distribuciones de los puntajes de eficiencia promedio según categorías de municipalidades provinciales 2 3 1.2 .2 .5 3 2 2 1.5 0 0 .Anexo 5-A.6 Categoría 2: Metrópolis 1 .5 2 Density Density 1 1 .8 1 Categoría 2: Urbano pobre 2. Distribuciones de los puntajes de eficiencia promedio según categorías de municipalidades distritales 2.2 .5 2.4 .6 Categoría 1: Semi-urbano 0 .2 .2 .4 .4 .4 .8 1 3 3 2 2 Density Density 1 1 0 0 .2 93 .2 .6 .4 .6 .5 .8 Categoría 4: Ciudades metropolitanas 1 .8 0 1 .8 Categoría 1: Ciudades intermedias .4 .4 .6 .5 Density 1.8 1 .4 .6 .

6 Categoría 6: Rural pobre extremo .5 2 3 Density 1. Bajo es supuesto que la distribución de la variable subyacente ( y * ) es N ( µ . Modelo de regresión censurado de tipo Tobit Sea y la distribución de la variable censurada.4 .2 .8 0 1 . la probabilidad de que una variable sea censurada o no será: prob( censura ) = prob( y * ≤ c ) [ = prob N ( µ . σ 2 ) . Por tanto. la función de densidad de la variable censurada será: 94 .) : es la función de distribución del punto de censura c que se distribuye N (0.5 0 0 0 . σ 2 ) ≤ c ] ⎡ ⎛ c − µ ⎞⎤ = prob ⎢ N (0.1) ≤ ⎜ ⎟⎥ ⎝ σ ⎠⎦ ⎣ ⎛c−µ⎞ = Φ⎜ ⎟ ⎝ σ ⎠ prob( no censura ) = prob( y * > c ) = 1 − prob( y * ≤ c ) ⎛c−µ⎞ = 1 − Φ⎜ ⎟ ⎝ σ ⎠ ⎛µ −c⎞ = Φ⎜ ⎟ ⎝ σ ⎠ Donde: Φ(.5 Density 2 1 1 . y c un único punto de censura inferior.2 .6 Categoría 5: Rural pobre .8 1 Anexo 6. si y * > c De esta manera. si y * ≤ c • y = y * .1) . y c y es el valor que se le asigna a la variable y si y * está censurada.4 2.4 . el punto de censura c determina si y * está censurada. como una variable aleatoria subyacente que permitirá definir la variable censurada y según los siguientes valores: • y = c y . se define la variable y * .

si y ≤ c 58 ⎝ σ ⎠ La cual es una mezcla entre la distribución de una variable continua y una discreta. σ 2 ) = ( y i − x i' β ) 2 ⎤ 1⎡ 2 π σ ln( 2 ) ln( ) − + + ⎥+ ∑ 2⎢ σ2 yi > c ⎣ ⎦ ⎡ ⎛ c − x i' β ln ∑ ⎢Φ⎜⎜ σ yi ≤ c ⎣⎢ ⎝ En la cual se identifican las estimaciones de las variables explicativas sobre la variable subyacente y * ( β ) . σ 2 ) = ln L( β . Consideraciones para el diseño del Sistema de Información para la Gestión Pública Descentralizada 1. Aplicación de las metodologías para la medición de la gestión municipal. 4. de la siguiente manera: [ ] [ ] [ ] [ E yi xi = E yi* xi . peridiocidad. 3. 2. Anexo 7. en función de E yi* xi . prob yi* > c xi + c ( prob yi* ≤ c xi ]) Estimando la expresión anterior por máxima verosimilitud. definir las variables de tipificación de las mismas.⎛c−µ⎞ * prob( y = c ) = prob( y * ≤ c ) = Φ ⎜ ⎟ . considerando las categorías o grupos de unidades de gestión acorde lo establecido en el punto 2. Establecer puntos de referencia (parámetros benchmark) según categorías de municipalidades las cuales se emplearán posteriormente en la evaluación de los resultados. Definir y construir los indicadores resultados (indicadores output). Definir la metodología que se empleará para medir las capacidades de gestión y eficiencia. 95 ⎞⎤ ⎟⎥ ⎟ ⎠⎦⎥ . Sin embargo. considerando la calidad. como la información de la variable y * es desconocida. en la cual se le asigna la probabilidad contenida en el área censurada al punto de censura c. 58 Nótese que si y * > c . empleando la variable censurada y . se modelará la [ ] [ ] expresión E yi xi . pertinencia y universalidad de las mismas. 5. La formulación del modelo establece que el valor medio de la variable subyacente y * . es una función lineal de las variables explicativas del modelo. es decir: [ ] E yi* xi = X i' β . Clasificación de municipalidades como eficientes o ineficientes acorde a los benchmark establecidos en el punto 5. yi* > c . la función de densidad de la variable censurada será la misma función de densidad de y* . se obtiene: I ( β . 6. así como los indicadores de gasto (indicadores input) que se emplearán en la evaluación. Categorizar y/o tipificar las unidades de gestión bajo evaluación.

8. 10. Establecer sistemas de premios y castigos a partir de herramientas ágiles y verosímiles. con la finalidad que genere un incentivo al desarrollo de buenas prácticas municipales. aplicar las medidas correctivas correspondientes. reportar los casos exitosos. 96 . Evaluación de las causas de la eficiencia o ineficiencia. Publicación oficial de resultados de eficiencia. Capacitación a las municipalidades en las áreas o funciones que se identifiquen como los causantes de la ineficiencia.7. 9.