El Método DEA y Su Aplicación PDF

E
I
R
46
E
S
estudios estadísticos y prospectivos
E l método DEA y su aplicación

al estudio del sector energético y
las emisiones de CO2 en América
Latina y el Caribe
Andrés Ricardo Schuschny
División de Estadística y Proyecciones

Económicas
Santiago de Chile, enero de 2007

Este documento fue preparado por Andrés Ricardo Schuschny, Oficial de
Asuntos Económicos de la División de Estadística y Proyecciones Económicas
de la CEPAL. La realización de este estudio se concibió en el marco de los
Talleres de Competitividad realizados en la Comisión Económica para América
Latina y el Caribe, Santiago de Chile, entre los meses de abril y agosto del 2006.
El autor agradece a Hubert Escaith por motivar la realización de este estudio así
como a André Hofman, Francisco Villarreal, Alejandro Vargas, Martine Dirven,
Hugo Altomonte y Antonio Peyrache por los comentarios realizados.
Las opiniones expresadas en este documento, que no ha sido sometido a
revisión editorial, son de exclusiva responsabilidad de los autores y pueden no
coincidir con las de la Organización.
Publicación de las Naciones Unidas

ISSN impreso 1680-8770
ISSN electrónico 1680-8789
ISBN 978-92-1-323015-2
LC/L.2657-P
N° de venta: S.07.II.G.8
Copyright © Naciones Unidas, enero de 2007. Todos los derechos reservados
Impreso en Naciones Unidas, Santiago de Chile
La autorización para reproducir total o parcialmente esta obra debe solicitarse al

Secretario de la Junta de Publicaciones, Sede de las Naciones Unidas, Nueva York,
N. Y. 10017, Estados Unidos. Los Estados miembros y sus instituciones
gubernamentales pueden reproducir esta obra sin autorización previa. Sólo se les
solicita que mencionen la fuente e informen a las Naciones Unidas de tal reproducción.
CEPAL - SERIE Estudios estadísticos y prospectivos N° 46
Índice
Resumen .............................................................................................5
1. Introducción ...............................................................................7
2. Productividad y eficiencia ......................................................9
2.1 Algunas definiciones de productividad ..................................9
2.2 Algunas nociones de eficiencia ............................................11
2.3 Una propuesta empírica para medir la eficiencia .................15
3. El método DEA.........................................................................17
3.1 Formulación matemática del problema ................................17
3.2 Variables de holgura.............................................................19
3.3 Eficiencias de escala.............................................................20
3.4 Principales ventajas y limitaciones del método
DEA ......................................................................................22
3.5 Representación orientada al producto ..................................23
3.6 Programas computacionales disponibles ..............................24
4. Cambios en el tiempo ............................................................25
4.1 Los índices de Malmquist.....................................................26
4.2 Ejemplo a partir de la función de Cobb-Douglas .................27
4.3 Cálculo de los índices de Malmquist a partir de la
metodología DEA ................................................................28
4.4 Algunos comentarios acerca de la metodología ...................29
5. Estudio de la eficiencia energética y las
emisiones de CO2 en América Latina y el
Caribe .........................................................................................31
5.1 Introducción..........................................................................31
5.2 Información utilizada............................................................32
5.3 Resultados obtenidos ............................................................36
3
El método DEA y su aplicación al estudio del sector energético y las emisiones de CO2 en América Latina y el Caribe
5.3.1 Niveles de eficiencia técnica y de escala ........................................................................ 37

5.3.2 Cambios en la eficiencia e índices de Malmquist........................................................... 39
6. Conclusiones ......................................................................................................................... 43
Bibliografía .................................................................................................................................... 45
Apéndice......................................................................................................................................... 47
1. Métodos de frontera estocástica......................................................................................... 49
Serie estudios estadísticos y prospectivos: números publicados................................. 51
Índice de tablas
Tabla 1 Emisiones de CO2 per cápita por consumo y quema de combustibles
fósiles....................................................................................................................... 33
Tabla 2 Consumo de combustible de origen fósil (petróleo, gas y carbón).......................... 34
Tabla 3 Consumo de energías renovables (geotérmica, solar, eólica, biogas,
madera, etc. ) e hidroeléctrica.................................................................................. 35
Tabla 4 PIB per cápita a precios constantes ......................................................................... 36
Tabla 5 Índices de eficiencia técnica (ET) bajo rendimientos constantes (CRS) y
variables (VRS) a escala y eficiencia de escala (ES)............................................... 38
Tabla 6 Cambios en los índices de eficiencia técnica (ET), tecnología y
productividad total entre períodos ........................................................................... 40
Tabla 7 Cambios en los índices de eficiencia técnica (ET), frontera tecnológica y
productividad total entre períodos ........................................................................... 41
Índice de gráficos
Gráfico 1 Representación diagramática de la eficiencia técnica según Farrell (1957) ............ 12
Gráfico 2 Representación diagramática de la eficiencia por asignación.................................. 13
Gráfico 3 Representación diagramática de la eficiencia técnica y por asignación a
partir de la frontera de posibilidades ....................................................................... 14
Gráfico 4 Comparación entre las medidas de eficiencia orientadas al producto o a
los insumos .............................................................................................................. 15
Gráfico 5 Representación de la construcción de las fronteras a partir de información
empírica ................................................................................................................... 16
Gráfico 6 Presencia de variables de holgura............................................................................ 19
Gráfico 7 Representación diagramática de la frontera bajo rendimientos constantes
o variables a escala .................................................................................................. 22
4
Resumen
El objetivo de este documento es presentar el método análisis

envolvente de datos (Data Envelopment Analysis - DEA). Se trata de
una herramienta de análisis económico cuantitativo válida para
estudiar el desempeño de unidades productivas, sectores y países que
procura constituirse en un instrumento superador del tradicional
enfoque basado en el simple cálculo de indicadores de productividad
parcial ya que posee la ventaja de facilitar un tratamiento
multidimensional, tanto del lado desde el espacio de los insumos o
factores como del de los productos con que se trabaje, sin que ello
implique la necesidad de sistematizar y procesar múltiples indicadores
entrecruzados. El análisis envolvente de datos nos brinda una
perspectiva sistémica e integrada para estudiar, en forma comparada, el
desempeño de las unidades de producción bajo análisis.
Con el fin de complementar la exposición teórica de la
metodología se presenta un ejemplo de aplicación en el que se analiza
el desempeño energético de 37 países de la región de América Latina y
el Caribe. La investigación empírica se basa en el uso de cuatro
indicadores que dan cuenta por un lado de la actividad económica, la
intensidad de las emisiones de dióxido de carbono (CO2) y el consumo
de energía basado en el uso de fuentes fósiles o limpias y alternativas.
La meta del análisis envolvente de datos consiste en la
utilización de toda la información disponible para categorizar el
desempeño de las unidades productivas (en el ejemplo empírico,
países) que participan del estudio, mediante la identificación de
unidades pares (eficientes) a partir de las cuales se construyen otras
unidades (virtuales) que resultan comparables y, gracias a las cuales,
5
se calculan los indicadores de eficiencia y sus cambios a lo largo del tiempo. De esta forma, el
análisis nos permite identificar aquellos países que mejor desempeño han tenido en términos de su
eficiencia y capacidad de sustituir el consumo de energías no renovables por otras, a partir de la
información contenida en toda la muestra.
El estudio realizado nos muestra que son varios los países que han hecho esfuerzos por lograr
incrementos en el nivel de actividad de la economía procurando, a su vez, sustituir el consumo
energético hacia tecnologías limpias.
En la primer parte del documento se realiza una presentación detallada de la metodología partiendo
desde sus orígenes. Se especifican las definiciones elementales de productividad y eficiencia, luego
se presenta con cierto detalle la metodología del análisis envolvente de datos (DEA) y el cálculo de
indicadores que se derivan de ella. Así mismo, se comentan las principales ventajas y limitaciones
de esta herramienta de análisis cuantitativo. Posteriormente se realiza una breve presentación de los
índices de productividad de Malmquist que nos permiten estimar los cambios de la productividad a
lo largo del tiempo y discriminar si dichos cambios se deben a variaciones en la eficiencia técnica o
el cambio tecnológico propiamente dicho. Como se detalla luego, estos índices pueden ser
calculados mediante el empleo del análisis envolvente de datos, presentado en las secciones
anteriores. Luego se comentan algunos paquetes informáticos que facilitan el cálculo de los índices
y la aplicación de la metodología. Finalmente, y a modo de ejemplo, se aplican las herramientas
presentadas en las secciones anteriores para estudiar la eficiencia en el consumo energético y la
sustitución entre energías no renovables como el petróleo, el gas y el carbón por energías de fuentes
renovables.
6
1. Introducción
Lionel Charles Robbins (1932) definió a la economía como “la

ciencia que se encarga del estudio de la satisfacción de las
necesidades humanas mediante bienes que, siendo escasos, tienen usos
alternativos entre los cuales hay que optar.” Más allá de la orientación
subjetivista de esta definición, queda claro que la escasez y los medios
para medirla y combatirla yacen en el centro de todo análisis
económico. Ello ha obligado a los economistas a abordar conceptos
tales como el de función de producción, eficiencia, productividad,
competitividad, escalas de producción, etc. Particularmente, el
problema de la medición de la eficiencia de las unidades productivas,
los sectores económicos o los países ha sido tema de estudio tanto de la
economía teórica como aplicada.
Farrell, M. J. (1957) ha sido uno de los primeros en investigar de
manera sistemática el concepto de eficiencia y de establecer una guía
para su medición. El objetivo de este documento es presentar una
técnica, basada en sus ideas, que nos permite medir la eficiencia
productiva. Se trata de una metodología no paramétrica sistematizada
inicialmente por Charnes, Cooper y Rhodes (1978) que se denomina
como Análisis Envolvente de Datos (DEA, del inglés: Data
Envelopment Analysis). A partir de esta metodología es posible
precisar la frontera tecnológica basada en unidades productivas que,
por sus buenos resultados, son consideradas como aquellas que
realizan las mejores prácticas productivas en relación a las otras
unidades. De esta forma, se establece una suerte de frontera de
referencia a través de la cual es posible definir medidas de eficiencia
productiva, sobre la base del cálculo de las distancias que median entre
cada unidad productiva y dicha frontera.
7
Mediante el empleo de esta técnica de análisis cuantitativo, y con el objeto de cuantificar los
cambios a lo largo del tiempo se recurre al uso de los índices de Malmquist que nos permiten, como
veremos, discriminar entre los cambios en la eficiencia técnica (o sea cambios en la distancia a la
frontera, lo que se denomina como convergencia o “catching-up”) y los cambios tecnológicos (que
se manifiestan como desplazamientos de la propia frontera), así como determinar los cambios en la
productividad total de los factores. Por otro lado, este instrumento de análisis nos permite identificar
los cambios de eficiencia pura respecto de los cambios debido a la modificación de la escala de
producción.
8
2. Productividad y eficiencia
2.1 Algunas definiciones de productividad

La producción es el acto de transformar insumos en productos.
El objetivo de todo proceso productivo es la creación de valor a través
de tal proceso de transformación. En estricto rigor, todas las decisiones
tomadas sobre la base de criterios económicos recaen en determinar las
combinaciones de canastas de insumos que se utilizarán para producir
distintas combinaciones de productos finales. Dicha decisión se
debería tomar a partir de algún criterio (o función objetivo) que defina
el nivel de desempeño de las distintas opciones posibles. Dos objetivos
complementarios para medir la eficiencia en la utilización de los
recursos para la producción a nivel de las unidades productivas, son el
producir tanto como sea posible, dados los niveles de insumos
disponibles o el utilizar la menor cantidad de recursos posible para
transformarlos en un dado nivel de producción.
La medición de la productividad al nivel de las unidades de
producción resulta ser una condición necesaria para la evaluación de
desempeño de las mismas. En términos generales, se entiende por
productividad la relación existente entre el (o los) productos y los
insumos. Su medición parte de la cuantificación de la producción
obtenida y los insumos utilizados en el proceso de transformación
productiva. Es pertinente preguntarse ¿qué utilidad tiene la medición
de la productividad? Se pueden enumerar algunas razones para
preocuparse por la productividad:
9
1. Un valor fundamental del concepto y su medición es la estrecha relación entre ésta y la

rentabilidad y/o desempeño de las unidades productivas.
2. Una vez cuantificada la productividad se cuenta con bases sólidas para la planificación
estratégica. El seguimiento del comportamiento histórico de la productividad puede revelar áreas
problemáticas en las unidades productivas y promover las mejoras y el uso eficiente de los recursos
disponibles.
3. Mediante la medición, se adquiere una dimensión concreta que admite la comparación con
unidades comparables.
La representación tradicional para medir la productividad consiste en calcular la relación

entre la creación de valor agregado (la producción propiamente dicha: ) y el valor de los factores
productivos , involucrados en el proceso de creación de ese valor. Es así que se pueden definir
medidas de productividad parciales ( ):
de productividades totales ( ):
donde es alguna forma de ponderador (por ejemplo: los precios relativos al producto), Si nos
restringimos a los factores primarios de producción que considera la teoría económica tradicional
(capital, y trabajo , por ejemplo), tenemos:
la productividad total de los factores.

La representación estándar que ofrece la teoría económica neoclásica, para medir la
productividad, consiste en formular este tipo de relación a través de la función de producción, la
cual indica el valor agregado o producto máximo que puede obtenerse a partir de un conjunto de
insumos que se utilizan tan eficientemente como sea posible. Un factor objetivo y limitante en la
forma que adquiere la función de producción, es la tecnología imperante en el momento al que
corresponden los datos con los que se realiza la estimación.
De esta forma, la manera de medir la eficiencia de una unidad de producción sería comparar
el valor agregado generado por ella con el valor agregado que define la función de producción a
idénticos niveles de utilización de los insumos o factores. En tal sentido, la función de producción
cumple el rol del ideal teórico con el cual comparar el desempeño de las unidades. Una
aproximación tradicional para realizar este tipo de cálculo, de naturaleza econométrica, es el método
de frontera de producción estocástica. En este caso, es necesario suponer una determinada forma
funcional explícita (y usualmente parametrizada) para la función de producción. En el Apéndice 1
se bosqueja esta metodología.
10
2.2 Algunas nociones de eficiencia

Una alternativa no paramétrica para calcular la productividad total de los factores, y que se
basa en el uso de la programación lineal, es lo que ofrece el método de envolvimiento de datos
(DEA), basado en el trabajo seminal de Farrell (1957) e introducido formalmente por Charnes,
Cooper y Rhodes (1978).
Antes de entrar en detalles sobre la metodología propiamente dicha, conviene repasar las
nociones de eficiencia productiva y el cálculo de los índices de eficiencia técnica, tal como los
plantea Farrell (1957). La propuesta de Farell es visualizar a la eficiencia desde una perspectiva real
no ideal, donde cada unidad de producción sea evaluada en relación con otras tomadas de un grupo
representativo y comparable. Así, las medidas de eficiencia sería relativas y no absolutas, donde el
valor alcanzado por determinada unidad productiva, corresponda a una expresión de la desviación
observada respecto a aquellas consideradas como más eficientes dada la información disponible. En
este sentido, la metodología que propone Farrell es una técnica basada en el concepto de
“benchmark” o referenciación.
Sea un conjunto más o menos extenso de unidades productivas comparables entre sí por la
particularidad de que emplean el mismo tipo de insumos o factores para producir una canasta de
productos similar o equivalente. Para alcanzar un mayor nivel de generalidad, las denominamos
como “unidades de toma de decisiones” (DMU:1 “decisión making units”). Entonces, es posible
definir tres medidas de eficiencia:
(i) Eficiencia Técnica: refleja la habilidad de la DMU de obtener el máximo nivel de
producción dados ciertos niveles en el uso de los insumos o factores.
(ii) Eficiencias de asignación: refleja la habilidad de la DMU de usar los insumos o

factores en proporciones óptimas (dados sus precios).
(iii) Eficiencias de escala: se manifiestan según la naturaleza de los rendimientos a escala

con que opera la DMU.
Supongamos que se conoce la frontera productiva eficiente. Entonces, sería posible calcular
índices que cuantifiquen estos tres tipos de eficiencias. En primer lugar, estudiemos las medidas de
eficiencia a partir de una orientación basada en el uso de los insumos; es decir, basándonos en la
premisa de analizar en cuánto se puede reducir el uso de insumos equiproporcionalmente sin alterar
las cantidades producidas. Para poder hacer una representación diagramática, consideremos el caso
en que se produce un sólo producto con dos insumos o factores. En el gráfico 1 se representa la
isocuanta unitaria.2 La curva cuantifica las combinaciones de insumos y necesarios para
producir una unidad de producto, en condiciones de máxima eficiencia. Por ello, cualquier DMU
que utilice combinaciones de insumos que se encuentren por encima de la curva, por ejemplo el
punto P, tendrían que ser consideradas como menos eficientes. Por otro lado, el punto Q
correspondería a una DMU eficiente, puesto que, comparada con P, se reduce la utilización de
ambos insumos, en forma equi-proporcional y produce la misma cantidad. Entonces, si medimos la
distancia entre P y Q, tendríamos una medida de en cuánto se puede reducir el uso de insumos, sin
alterar la producción y calcular el índice de eficiencia técnica, como se detalla en el cuadro 1.
1
Al trabajar con DMU extendemos el uso de la metodología a organizaciones o sectores que no tienen como fin último la producción
de bienes y servicios, como pueden ser las organizaciones sin fines de lucro, las escuelas, hospitales, instituciones públicas y países,
regiones o municipios.
2
Esta representación es posible bajo el supuesto de rendimientos constantes a escala. Esto significa que la producción crece con el
aumento de la provisión de insumos en forma equi-proporcional.
11
Gráfico 1
REPRESENTACIÓN DIAGRAMÁTICA DE LA
EFICIENCIA TÉCNICA SEGÚN FARRELL (1957)
Fuente: elaboración del autor.
Cuadro 1
Similarmente, si tuviéramos información de los precios relativos entre los insumos y el

producto, sería posible calcular (y graficar) la recta de iso-costos para comparar la situación de la
DMU que estamos analizando con una en la que la adquisición de insumos es económicamente
óptima, es decir aquella en la que la relación de productividades marginales igualan a los precios
relativos, ó gráficamente, cuando la recta de iso-costos es tangente a la curva (gráfico 2). A partir de
allí y, además, calculando distancias se puede definir la eficiencia “alocativa” o de asignación. Ello
queda claramente expresado en el cuadro 2.
Calculados ambos índices de eficiencia, se puede definir el indicador de eficiencia económica
que, como se muestra en el gráfico 2, combina ambos tipos de eficiencia en un solo índice. Dado
que el modelo trabaja con información de numerosas unidades productivas, suele no ser posible
conocer la estructura de precios relativos con la que se está operando, por lo que se complica el
cálculo de estos dos indicadores adicionales. Igualmente, vale la descripción que hemos realizado.
12
Gráfico 2
REPRESENTACIÓN DIAGRAMÁTICA
DE LA EFICIENCIA POR ASIGNACIÓN
Cuadro 2
Es muy importante observar que todas estas medidas suponen conocer la frontera productiva
considerada como eficiente o teórica.
Un cálculo similar se puede realizar a partir de una orientación basada en la producción. En
este caso, lo que importa es estudiar en cuánto puede expandirse la producción, dados los niveles de
uso de los insumos o factores. Para ejemplificar esto, en forma diagramática, consideremos que la
producción de dos bienes se realiza con un solo insumo. Entonces, es posible representar esta
situación graficando una curva de posibilidades de producción unitaria (Curva ZZ’), como se
muestra en el gráfico 3. En este caso, el punto A representa una DMU ineficiente, por lo que, se
encuentra debajo de la frontera de posibilidades de producción que representa la máxima
producción de ambos productos asequible por la tecnología imperante.
Como en el caso anterior, podríamos calcular la eficiencia técnica computando la distancia
entre la DMU A y la B, que representa una DMU eficiente y comparable con la A ya que su
producción es equiproporcional a esta. Además, si conociéramos los precios relativos, es posible
graficar la recta de iso-ingresos y calcular la eficiencia por asignación o “alocativa”. Todo esto se
detalla en el gráfico 3.
13
Gráfico 3
DE LA EFICIENCIA TÉCNICA Y POR ASIGNACIÓN
A PARTIR DE LA FRONTERA DE POSIBILIDADES
Cuadro 3
Nótese que en ninguna situación los indicadores de eficiencia tal como se definieron pueden
ser superiores a la unidad. Esta conclusión es relevante al momento de realizar los cálculos
formalmente, como veremos en la siguiente sección.
Antes de terminar con esta descripción introductoria y para unificar las representaciones,
consideremos una situación en la que se utiliza sólo un insumo para producir un producto. En este
caso la representación gráfica se podría hacer directamente a través de la función de producción
unidimensional, como se muestra en el gráfico 4. Se puede observar la diferencia de medición de la
eficiencia en ambos tipos de representación, con orientación a los insumos o productos. Cabe
destacar que, cuando la tecnología es tal que los rendimientos a escala son constantes, el valor del
indicador de eficiencia técnica es el mismo independientemente del tipo de representación
considerado.
Por otro lado, en los párrafos anteriores se comentó acerca de los indicadores de eficiencia de
escala. Su cálculo se realiza a través de la comparación de los indicadores de eficiencia técnica,
cuando se suponen rendimientos constantes respecto del caso en el que se consideran rendimientos
variables a escala; luego se profundizará más sobre la cuestión.
14
Es importante destacar, que un aspecto interesante de todas las medidas de eficiencia tal
como las trabaja Farrell (1957) es que son invariantes y no dependen de la unidad de medición ya
que se calculan como cocientes de distancias al origen de magnitudes con similares sistemas de
medida.
Gráfico 4
COMPARACIÓN ENTRE LAS MEDIDAS DE EFICIENCIA
ORIENTADAS AL PRODUCTO O A LOS INSUMOS
2.3 Una propuesta empírica para medir la eficiencia

Hasta aquí, hemos presentado las definiciones de eficiencia valiéndonos del supuesto de que
conocemos la función de producción, la frontera de posibilidades de producción o las isocuantas en
condiciones de óptima eficiencia. La propuesta que sugiere Farrell (1957) es recurrir al uso de
“cónicas ó poligonales convexas” para construir las isocuantas o fronteras, en forma no paramétrica,
y sólo partiendo de la información disponible acerca del comportamiento de numerosas DMU
comparables, muchas de las cuales serán más eficientes que otras. El gráfico 5, esquematiza cómo
se podría estimar dicha “curva” (o mejor dicho, poligonal) a partir de datos empíricos y según el
tipo de aproximación que se emplee, ya sea orientada a los insumos o productos.
15
Gráfico 5
REPRESENTACIÓN DE LA CONSTRUCCIÓN DE LAS FRONTERAS
A PARTIR DE DATOS EMPÍRICOS
Nótese, que si buscáramos calcular el indicador de eficiencia técnica de, por ejemplo, la
DMU P, bastaría con identificar a las DMU A y B, para construir una DMU “virtual” o implícita,
que llamamos P’, que yace en algún punto entre el segmento definido por A y B y que cruza al
segmento formado por el origen de las coordenadas y la DMU bajo análisis (en nuestro caso, la P).
Por ello, en este caso la eficiencia se mediría no en relación a un ideal teórico (abstracto y tal vez
desconocido), sino a partir de la estimación de la frontera de las “mejores prácticas” productivas
reflejadas en la información disponible. En el ejemplo se trata del segmento que definen los puntos
A y B. La propuesta de Farrell (1957) se basa en un enfoque empírico basado en el concepto de
referenciación o “benchmark”, que consiste de estimar y ubicar DMU “virtuales”, a partir de buenas
DMU comparables con la que deseamos estudiar.
El método de análisis envolvente de datos (Data Envelopment Analysis – DEA) no es más
que una técnica, basada en la programación matemática que, dada una DMU, nos permite identificar
aquellas otras que nos sirven para construir la DMU “virtual” con la que compararemos la DMU
bajo análisis. Decimos que es una técnica general, puesto que es posible trabajar en contextos de
múltiples insumos y productos.
16
3. El método DEA
Basándose en las medidas definidas por Farrell (1957), Charnes,

Cooper y Rhodes (1978) estiman la frontera de las “mejores prácticas”
productivas para el caso en el que el proceso de transformación se
realice a través del empleo de n insumos o factores y m productos, y
recurriendo a la programación lineal no paramétrica. El objetivo de la
resolución de un caso sería obtener la combinación (lineal) de insumos
y productos de la DMU virtual (la P’ del gráfico 5) con la que se
compara la DMU bajo estudio, la P y se obtiene el índice de eficiencia
técnica de ella, el cual nos indica en cuanto se puede expandir la
producción de los productos en forma equiproporcional, dados los
insumos utilizados o en cuánto se puede reducir,
equiproporcionalmente, la utilización de los insumos, dada la
producción.
Realizada la presentación diagramática, describamos formalmente
la metodología. En primera instancia, supongamos que las unidades de
producción operan bajo rendimientos constantes a escala. Luego veremos
que sucede si se relaja este supuesto.
3.1 Formulación matemática del problema

Sean N DMU que componen nuestra muestra de
información. Analicemos la situación de la f-ésima DMU.
Supongamos que el proceso de producción es tal que se basa en la
utilización de n insumos o factores primarios para producir m
productos. Así, la f-ésima unidad utiliza la canasta de insumos:
, con ,
17
el vector de insumos y , el de productos.

El problema matemático consiste en encontrar los ponderadores (o “precios sombra”):
que hacen máxima la productividad total media3 de la
DMU f, sujeta a la restricción de que (con esos ponderadores) en ningún caso la productividad
media de cualquier otra de las N DMU pueda superar la unidad. En forma matemática esto consiste
en resolver el siguiente problema de optimización:
Pueden realizarse algunas observaciones. En primer lugar, la función objetivo no es lineal, lo

cual puede complicar el cálculo del óptimo. Además, si observamos el problema con detenimiento,
nos daremos cuenta de que existen infinitas soluciones del mismo, ya que si multiplicamos por un
factor cualquiera, digamos k, tanto el vector de ponderadores de los insumos ( ) como el de
productos ( ), el problema queda invariante. Entonces, para simplificar las cosas, podemos
utilizar un valor de k que sea:
de manera tal de poder eliminar el denominador de la función objetivo. Esto es equivalente a

agregar una restricción adicional al problema de optimización de manera tal que también deba
satisfacerse que:
Entonces, si cambiamos el rótulo de los ponderadores, el problema de optimización puede

expresarse como:
Ahora disponemos de un problema de optimización lineal estándar, de N + 1 restricciones

lineales y n + m restricciones de no negatividad. Recurriendo al problema dual asociado se puede
formular:
3
Es decir, la productividad ponderada por esos valores.
18
Donde es un escalar y un vector de constantes, es la matriz de

insumos con tantas filas como insumos y tantas columnas como DMU e , la matriz de
productos con tantas filas como productos y columnas como DMU haya. En este caso habrá n + m
restricciones lineales y N de no negatividad, es decir un número menor de restricciones que en la
representación primal. Este problema nos permite determinar las DMU a partir de las cuales se
construirá la DMU “virtual” con la que se compara la unidad f. Para conocer las unidades
“eficientes” asociadas a las demás se debe resolver un problema similar; por esta razón el ejercicio
debe repetirse N veces (una vez para cada DMU).
Dado que se resolvió el problema para la DMU f, el vector (óptimo) representa al vector
de coeficientes de la combinación lineal con la que se construye la DMU “virtual” a partir de las
demás mejores DMU reales y que se compara con la verdadera DMU f, para calcular la eficiencia
de esta última. Así mismo, los vectores representan los vectores de insumos y
productos de la DMU “virtual”. Por otro lado, se debe cumplir que el valor en el óptimo , es
el que indica el factor de escala por el cual la producción se puede expandir equiproporcionalmente.
En otras palabras, este indicador representa el nivel de eficiencia técnica (a la Farrell) de la DMU f:
3.2 Variables de holgura

La forma poligonal de la que se basa esta metodología no paramétrica puede dar lugar a
algunas dificultades para medir la eficiencia técnica. El problema surge porque parte de la poligonal
que forma la frontera es paralela a los ejes (Gráfico 6).
Gráfico 6
PRESENCIA DE VARIABLES DE HOLGURA
Fuente: Elaboración del autor.
19
Tomando el ejemplo del cuadro 6, la frontera se construye a partir de las dos DMU más
eficientes, cuya información queda reflejada en los puntos P y Q del cuadro. Así mismo, las DMU
representadas por los puntos A, B y C no son tan eficientes respecto de los anteriores. Para calcular
el indicador de eficiencia técnica recurrimos a construir las DMU “virtuales” A’, B’ y C’,
respectivamente y, siguiendo la metodología de Farrell (1957), tendríamos que calcular:
Sin embargo, para las DMU A y B, esto es cuestionable ya que los puntos A’y B’ tampoco
son puntos eficientes pues, en el primer caso se podría reducir la cantidad de insumos hasta
alcanzar el punto P y en el caso de B’, se podría reducir hasta el mismo valor que posee Q y, en
ambos casos, producir la misma cantidad. Se denomina a esta situación como “exceso de insumos”
o “input slacks”. Algo similar se puede argumentar en la representación orientada al producto.
En el gráfico, el input slack asociado a la DMU A sería el segmento PA’ y el asociado a la B,
el QB’. No obstante, cuando se trata de un problema más complejo, la identificación del punto
eficiente más cercano y el cálculo de los input slacks no es tan simple. En el caso de una situación
multiproductos (presentación orientada al producto) se puede dar también la posibilidad de que
existan output slacks.
Algunos autores como Ali y Seiford (1993) sugieren resolver un segundo problema de
programación lineal para moverse hacia un punto eficiente a través de la maximización de las suma
de las variables de holgura o slacks para acercar los puntos sobre la frontera que aún son
ineficientes hacia los puntos eficientes más cercanos. Sin embargo, esta aproximación no está
exenta de problemas (Coelli et al, 2005). Por ello, la mayoría de los estudios simplemente se valen
de resolver el problema lineal normal para calcular los valores radiales de la eficiencia técnica (el
valor de ) para cada DMU e ignorar esta complicación o, mejor aún, reportar también los casos en
los que hay input o output slacks residuales (situaciones como los puntos A ó B del cuadro 6). Estos
se pueden calcular como los elementos no nulos de los vectores:
donde é .
La presencia de esta deficiencia puede ser vista como un artefacto que posee el método de
construcción de la frontera dado que utiliza poligonales, y no funciones derivables, construidas a
partir de una muestra de finita de información (una limitada cantidad de DMU). Si se dispusiera de
una muestra con infinitas DMU o se utilizaran curvas continuas y derivables las variables de
holgura desaparecerían. Sería razonable aceptar los argumentos de Ferrier y Novell (1990) de que
las variables de holgura serían, en esencia, ineficiencias “alocativas”.
3.3 Eficiencias de escala

Los rendimientos a escala indican los incrementos de la producción que son resultado del
incremento simultáneo y equiproporcional de todos los factores o insumos. Los rendimientos a
escala pueden ser constantes, cuando la producción se incrementa a la misma proporción que los
cambios en los factores, crecientes, cuando el incremento porcentual de la producción es mayor al
de los insumos y decrecientes, cuando es menor. La metodología que hemos expuesto hasta aquí
supone que los rendimientos a escala son constantes a escala y, por lo tanto, se asume que las
unidades productivas operan en escala óptima.
20
Si permitimos la representación de la frontera sea convexa es posible considerar situaciones

en las que los rendimientos a escala sean variables (tanto crecientes, a bajos niveles de producción
como decrecientes, en escalas de producción altas). Así, sí comparamos los niveles de eficiencia
técnica bajo los supuestos de rendimientos constantes y variables a escala, podemos estimar un
indicador de eficiencias de escala. Esto es lo que proponen Banker, Charnes y Cooper (1984).
Para ejemplificar, consideramos el gráfico 7. En el gráfico se muestran las fronteras bajo el
supuesto de rendimientos constantes a escala (CRS), variables (VRS) y en línea punteada, bajo el
supuesto de rendimientos no crecientes a escala. Tomemos como referencia a la DMU B; se observa
que tanto los puntos B1 como B3 (en la frontera de VRS) están más cerca que los respectivos B2 o
B4, de la frontera bajo rendimientos constantes a escala. Esto significa que el cálculo de la eficiencia
técnica bajo rendimientos variables a escala (tanto con orientación al insumo, en el primer caso o
productos, en el segundo) será mayor que en el caso de considerar rendimientos constantes.
La representación del problema en condiciones de rendimientos variables a escala es similar
al caso visto en la sección anterior, con la salvedad de que se agrega la restricción de convexidad:
, donde es el vector de unos transpuesto (es decir: ). A diferencia de la

representación anterior, en que se trabaja con envolventes cónicas, en este caso se supone que los
datos de cada DMU residen dentro de una poligonal convexa. Por eso, las medidas de eficiencia
técnica serán mayores o iguales a las obtenidas bajo rendimientos constantes a escala.
Entonces, si calculamos los niveles de eficiencia técnica bajo ambas condiciones, podemos definir
un indicador de eficiencia de escala como el cociente entre ambos resultados:
donde es la eficiencia técnica bajo el supuesto de rendimientos constantes y , bajo

rendimientos variables a escala. Considerando al grafico 7, la eficiencia de técnica global se
descompone en una parte pura (eficiencia técnica propiamente dicha) y la eficiencia de escala:
es decir, tomando medidas orientadas a insumos:
y medidas orientadas al producto:
de lo que se deduce que cuando:
21
Puede concluirse que el análisis bajo rendimientos constantes a escala es más restrictivo y
dará lugar, por ello, a un menor número de DMU eficientes de entre todas las DMU. Así mismo,
debe observarse que las medidas de eficiencia darán lo que se deduce que cuando:
Gráfico 7
DE LA FRONTERA BAJO RENDIMIENTOS
CONSTANTES O VARIABLES A ESCALA
El cálculo de las eficiencias de escala puede resultar importante en estudios de aquellos

sectores que tengan, por ejemplo un sesgo exportador o que, como consecuencia de políticas
comerciales, se abran al resto de mundo, puesto que las mejoras en competitividad y productividad,
como consecuencia de la apertura deberían ir acompañadas con la generación sustantiva de
economías de escala para el sector.
3.4 Principales ventajas y limitaciones del método DEA

Entre las principales ventajas de esta metodología se puede comentar que:
1. Permite trabajar con múltiples insumos y productos que poseen distintos sistemas de
unidades. Por ejemplo, si consideramos al sector agropecuario, se podrían incluir como
insumos el área de tierras cultivadas, el número de empleados permanentes o temporarios,
los niveles de uso de fertilizantes o pesticidas, el nivel de utilización de maquinaria
agrícola, etc. De igual manera, si las unidades productivas producen múltiples productos, no
habría ningún problema en incluirlos a todos.
2. A diferencia de los métodos de frontera, esta metodología no obliga a suponer el pleno

empleo de los factores productivos.
3. Ni requiere el uso de formas funcionales explícitas.
22
4. Las DMU se comparan con una DMU ideal construida a partir del desempeño de DMU
“pares” reales, productivamente más eficientes, mediante el cálculo de una combinación
lineal de estas últimas.
Entre las principales limitaciones de esta metodología se puede comentar que:
1. El método es sensible a los errores de medición. En tal sentido, es importante comentar que
son los “outliers” altamente productivos los que pueden afectar los resultados ya que la
frontera de referencia se construye a partir de estos. La información de DMU que no son
muy productivas (“outliers” no eficientes) no afectan los resultados generales de las
simulaciones. Existen variantes de la metodología (Bootstrapping DEA, Ferrier, G. D., and
J. G. Hirschberg, (1999))4 que permiten acotar esta limitación.
2. La exclusión de variables no consideradas puede dar lugar a la identificación de

ineficiencias (espúreas).
3. El análisis envolvente de datos es bueno para estimar eficiencias (o ineficiencias)
“relativas”, pero no “absolutas” cuyo objetivo sea obtener resultados potenciales o ideales.
4. Como es una técnica no paramétrica se dificulta la formulación de test de hipótesis
estadísticos.
Con todo no hay que desmerecer el uso de esta técnica en contextos económicos puesto que,
como importante antecedente, ha demostrado suma utilidad en el ámbito de la investigación
operativa.
3.5 Representación orientada al producto

En las secciones anteriores hemos trabajado con el esquema orientado a los insumos donde el
analista se pregunta en cuánto se puede reducir la utilización de insumos equiproporcionalmente sin
alterar las cantidades producidas. Sin embargo, y como ya se había comentado, es posible medir los
niveles de eficiencia técnica como incrementos proporcionales de la producción fijada esa
utilización de insumos. En este caso, la representación del problema de programación lineal sería:
donde y es proporcional al incremento de la producción que puede alcanzar la

DMU f sin necesidad de incrementar los niveles de utilización de los insumos. Por otro lado, cabe
destacar que , mide el indicador de eficiencia técnica.
Es posible demostrar (Coelli, 2005) que en condiciones de rendimientos constantes a escala,
ambas representaciones (orientadas a insumos o productos) dan lugar a idénticas medidas. Sin
embargo, ello no se verifica cuando los rendimientos son variables a escala. No obstante, se puede
afirmar que ambas representaciones estimarán la frontera más eficiente a partir de las mismas DMU
eficientes y que las diferencias se deberán a la magnitud de los indicadores de eficiencia técnica
calculados a partir de cada enfoque.
4
Este método consiste en re-muestrear la información para realizar cálculos parciales y, a partir de numerosas simulaciones, eliminar
la posibilidad de resultados espúreos basados en outliers.
23
3.6 Programas computacionales disponibles

Existen numerosas aplicaciones comerciales y gratuitas para realizar los cálculos que
demanda esta metodología. Durante los últimos años el análisis envolvente de datos ha dejado de
ser un tema circunscrito a los ámbitos académicos para comenzar a ser aplicado en numerosos
círculos profesionales. Claramente la disponibilidad de herramientas computacionales no resulta ser
un impedimento para la utilización de esta técnica en el marco de los estudios sobre productividad y
medidas de eficiencia y desempeño.
Entre los paquetes comerciales existentes se pueden citar el DEA-Solver-Pro (www.saitech-
inc.com/Products/Prod-DSP.asp), el OnFront®2 (www.emq.com), el Frontier Analyst®
(www.banxia.com/famain.html) y el PIM DEASoft-V1 de la Universidad de Warkick
(www.deasoftware.co.uk/).
Así mismo, existen numerosas aplicaciones no comerciales disponibles. Entre ellas, se
destacan el DEA Excel Solver (www.deafrontier.com/software.htm) y DEAP, Ver. 2.1
(www.uq.edu.au/economics/cepa/deap.htm ) desarrollado por el equipo liderado por unos de los
pioneros en el tema, Tim Coelli. En Barr (2003) se realiza un testeo de cada aplicación y se detallan
las funcionalidades de cada una.
24
4. Cambios en el tiempo
Supongamos ahora que deseamos analizar lo que sucede a lo

largo del tiempo, durante distintos períodos, para conocer cómo
evolucionan, en términos de eficiencia, las distintas DMU. Dado que,
en este caso, la tecnología imperante no se puede considerar como
inmutable, surge la posibilidad de que, además de cambiar los niveles
de eficiencia técnica, puede acontecer el cambio tecnológico, es decir
el desplazamiento de la frontera tecnológica propiamente dicha.
Consideremos una situación en la que se estudian los cambios
entre dos períodos de tiempo, digamos los instantes t y el t+1. Así,
sería posible analizar la información considerando cuatro
posibilidades. Por un lado, se podrían comparar los datos de las DMU
que operaron en t con la tecnología que existía en ese mismo momento
t, o con la que surgió en el período siguiente t+1. También sería
posible comparar la información de las DMU en t+1 a partir de las
tecnologías en t ó t+1. Si se pudieran realizar estos cuatro análisis,
sería posible discriminar entre aquellos cambios debidos a incrementos
(o caídas) en la eficiencia técnica (es decir el grado de acercamiento a
la frontera óptima, lo que en la jerga económica se denomina como
convergencia o “catching-up”) y el cambio tecnológico (es decir, el
desplazamiento de la frontera propiamente dicha).
25
4.1 Los índices de Malmquist

Es posible realizar este tipo de análisis mediante el uso de los índices de Malmquist. Estos
números índice fueron inicialmente desarrollados por Malmquist (1953) con el objetivo de
representar relaciones tecnológicas en espacios multi-producto y multi-insumos y permitir analizar
los cambios a lo largo del tiempo. Se basan en el cálculo de distancia. Al igual que en el análisis
envolvente de datos es posible definir funciones distancia orientadas a insumos (“input distance
functions”) que caracterizan una tecnología por la contracción proporcional minimal del vector de
insumos dado el de productos u orientadas a la producción (“output distance functions”) que
consideran la expansión proporcional maximal del vector de producción, dados los insumos
utilizados.
Desarrollemos el formalismo que hay detrás de estos números índices, para luego estudiar
cómo se pueden calcular, a partir de método de análisis envolvente de datos. Sea una tecnología de
producción que cambia a lo largo del tiempo: , representada por el conjunto
tecnológico de dimensiones:
donde representa el vector de insumo e el de productos. El conjunto incluye la información

que se dispone de todas las DMU que operan en el período t. Entonces, considerando la
aproximación orientada al producto, es posible calcular la función distancia para un punto dado
(una DMU) que resida dentro del conjunto tecnológico del período t, esto es:
donde es, la función distancia del punto (ó DMU): , dada la tecnología en t.

Matemáticamente, esto corresponde a la inversa del incremento maximal equi-proporcional de todos
los productos supuestos los insumos. Detrás de esta definición lo que se está haciendo es comparar
dicho punto (DMU) con aquel que yace en la frontera mediante la expansión equiproporcional de la
producción de tal punto.
Análogamente, se puede definir una función distancia a partir de una aproximación orientada
a los insumos como:
En ambos casos, el valor de estas distancias es igual a 1 (uno) si el punto considerado (la
DMU), se aloja en la frontera eficiente ya que, en este caso, no sería necesaria ninguna expansión
de las producciones o contracciones de los insumos.
Como se vio antes, es posible demostrar que bajo rendimientos constantes a escala, ambas
medidas son equivalentes, es decir:
Disponiendo información correspondiente a dos períodos de tiempo es posible calcular las

distancias de cada punto, en cada período, considerando las tecnologías disponibles de cada
período, es decir, estimar:
26
Una vez calculadas las funciones distancia, se pueden definir los índices de Malquist como:
Cada índice mide el cambio de productividad debido a cambios en la eficiencia entre t y t+1
dadas las tecnologías en t (o en t+1), según el caso. Dado que no hay por que priorizar un índice
respecto del otro, Färe et al (1994) calculan la media geométrica entre ambos índices, o sea el índice
de Fisher respectivo:
Aplicando un poco de matemática elemental, es muy fácil comprobar que:
y rotulando cada factor, tenemos:
Dado que en el primer factor: se comparan las distancias a la frontera de

una DMU en t+1 dadas las tecnologías en t+1, respecto de los puntos de la misma DMU en t,
supuestas las tecnologías en t, se está midiendo el grado de convergencia relativo a la frontera
(catch-up) (convergencia a la eficiencia técnica). Es decir que mide el cambio
en la eficiencia técnica entre ambos períodos. Si se cumple que E > 1 se registra un incremento de
eficiencia (y viceversa). Así mismo, el factor: (la raíz cuadrada), mide la
deriva relativa de la frontera tecnológica entre t y t+1 (cambio tecnológico o “innovación”) pues
compara las distancias de la DMU en un mismo tiempo, dadas las dos tecnologías, respectivamente.
4.2 Ejemplo a partir de la función de Cobb-Douglas

Con el fin de mostrar la coherencia del método, vinculemos a continuación, a través de un
ejemplo, este tipo de medidas de productividad con lo que surge de las técnicas tradicionales de
contabilidad del crecimiento. Para ello tomemos como ejemplo a la función de producción de Cobb-
Douglas (Färe et al 1994):
Entonces, la función distancia en el momento t sería:
27
Es fácil comprobar que combinando las otras definiciones de distancia en distintos instantes y
calculando el índice de Malmquist respectivo, se obtiene:
Este resultado es equivalente a la formulación realizada por Robert Solow (1957) que se
constituyó en la base de la aproximación de la contabilidad del crecimiento al cálculo de la
productividad total de los factores; en este caso la estimación se realiza a través del cálculo de la
tasa de variación de la producción considerándola como una función continua y derivable del
tiempo,5 esto es:
En este caso, se supone que la producción se sitúa en la frontera y el cambio en la

productividad total de los factores ( ) captura la deriva de cambio tecnológico. En presencia de
ineficiencias este enfoque estaría sesgando la estimación del cambio tecnológico pues podría haber
ineficiencias de orden técnico.
4.3 Cálculo de los índices de Malmquist a partir de la

metodología DEA
Aplicando la metodología de envolvimiento de datos es posible calcular:
y, a partir de allí, los índices de Malmquist, para cada DMU. Según el caso, el tipo de problema de
optimización lineal a resolverse será (Färe et al,1994):
Nótese que en los últimos dos casos el valor en el óptimo de no necesariamente debe ser
mayor o igual a la unidad, dado que se están comparando tecnologías en períodos distintos. Por
ejemplo, en el tercer problema de optimización lineal, se está comparando información de insumos-
producción del período t+1, con tecnología en t. En este caso, si hubiera progreso técnico, el valor
de debería ser inferior a la unidad. Así mismo, debe tenerse en cuenta que se deben analizar
5
Lo que en el ejemplo de la función de Cobb-Douglas es cierto.
28
problemas de programación lineal si el número de períodos a considerar es T y la

cantidad de DMU es N.6
4.4 Algunos comentarios acerca de la metodología

El método de análisis envolvimiento de datos (DEA) es una herramienta empírica útil para
estudiar las eficiencias técnicas y de escala de unidades productivas comparables entre sí. Para
mejorar la precisión de los estudios que se realicen, es posible combinar este método no-
paramétrico con los paramétricos, como los métodos de frontera estocástica, resumidos en el
Apéndice 1.
La metodología DEA se ha aplicado para analizar la eficiencia productiva a nivel de las
firmas, empleando información tomada en censos y encuestas económicas, a nivel de actividades, y
hasta de países. Existen numerosas referencias en las que se detallan aplicaciones concretas en el
sector agropecuario, bancario, para la evaluación de proyectos de investigación y desarrollo, para
estudiar el grado de convergencia o catch-up de los países, en el sector energético y de
infraestructura, en la actividad pesquera, etc. Dada las numerosas aplicaciones existentes se han
decidido omitir la citación de publicaciones específicas. No obstante puede consultarse la
compilación de citas en Emrouznejad A. (2000), disponible en línea.
6
La cuenta se eleva a si pretendemos calcular además, eficiencias de escala.
29
5. Estudio de la eficiencia
energética y las emisiones de
CO2 en América Latina y el
Caribe
5.1 Introducción
Para ejemplificar la utilidad de esta metodología en un caso
concreto, se procedió a estudiar la eficiencia del consumo energético y
las emisiones de CO2 en 37 países de América Latina y el Caribe. El
estudio se basa en la utilización de 4 indicadores y se tomaron 5
períodos que comprenden los quinquenios que van de 1980 al año
2004.
Tanto el consumo energético como las emisiones de gases de
efecto invernadero han venido incrementándose a tasas alarmantes en
todo el mundo. Ello queda manifestado en una crisis energética latente
a nivel mundial, reflejada en el incremento de los precios energéticos,
y en el fenómeno del calentamiento global y el cambio climático. Se
diría que esta es una de las consecuencias negativas del crecimiento
económico. Las emisiones de dióxido de carbono se producen por
diversos factores entre los que se destaca, por sobre todos ellos, el
consumo creciente de combustibles fósiles que trae aparejado el
incremento de los niveles de actividad económica a nivel global.
31
Los patrones de consumo energético, de las emisiones de CO2 y del nivel de actividad
económica en países en vías de desarrollo han sido estudiados por Mielnik y Goldemberg (1999).
Así mismo, Ortiz Malavasi, Schuschny y Gallopín (2005), estudiaron la evolución de las emisiones
industriales en 14 países de la región de América Latina y el Caribe, basándose en el modelo de
factores de emisión estimados por el Banco Mundial. Entre otras técnicas utilizadas para estudiar el
tema se puede citar el análisis factorial (Schipper et al, 1997), las aproximaciones econométricas
(Galeotti y Lanza, 1999). Ramanathan (2002) ha estudiado las emisiones de dióxido de carbono
combinando numerosos indicadores y en Ramanathan (2005), se aplica el análisis envolvente de
datos a tal efecto. La aplicación que presentamos a continuación se basa en este último trabajo, pero
en nuestro caso, utilizaremos información de 37 países de América Latina y el Caribe.
5.2 Información utilizada

Los indicadores considerados para el análisis son las emisiones de CO2 provenientes del
consumo de combustibles fósiles (en toneladas métricas per cápita por año), el consumo de
combustibles fósiles (petróleo, gas y carbón, en 1012 Btu)7, el consumo de energías renovables
(geotérmica, solar, eólica, biogas, madera) e hidroeléctrica (en 1012 Btu) y el PIB per cápita a
precios constantes en dólares de 1990. La información de las emisiones de dióxido de carbono así
como del consumo de las distintas fuentes energéticas proviene de la Internacional Energy Annual
(2004), publicado por la Energy Information Administration del Gobierno de los Estados Unidos de
Norteamérica. Los datos de PIB per cápita provienen de la CEPAL, Naciones Unidas.
Tanto las emisiones de CO2 per cápita como el consumo de combustibles fósiles son
indicadores que, por razones obvias, deberían minimizarse en el sentido de que son preferibles, en
términos de su desempeño, aquellos países que registran los niveles más bajos de ambos, dadas sus
estructuras productivas y demográficas. Es por esta razón que, para formular el problema se
consideran como insumos del proceso. A su vez, tanto el PIB per cápita (que da cuenta del nivel de
actividad de la economía) como los niveles de uso de energías limpias y renovables se consideran
como productos. De esta forma, y a través de la comparación de los países de la región, es posible
identificar aquellos países que mejor desempeño han tenido en términos de procurar optimizar el
crecimiento y el uso de energías renovables intentando reducir al mínimo tanto las emisiones de
CO2 como el consumo de combustibles fósiles. Es importante destacar que, en la representación del
análisis envolvente de datos, los términos insumos o productos responden a una descripción
genérica; en este ejemplo no se trata de insumos en el sentido tradicional, pues si fuera así se estaría
diciendo que las emisiones de CO2 son una materia prima del crecimiento económico, lo que resulta
absurdo.
Con el objeto de discriminar efectivamente entre los países eficientes y los relativamente
ineficientes, es importante que el número de estos sea suficientemente grande. Como regla
heurística se sigue el procedimiento recomendado por Dyson et al (2001) que consiste en considerar
un número de DMU (en nuestro caso países) superior al doble del producto entre la cantidad de
insumos y productos.
Si bien se disponían de series de tiempo de periodicidad anual que comprenden el período
1980 – 2004 para los 37 países, los datos se agruparon por quinquenios mediante la simple
agregación de los valores. En las tablas 1 a 4 se muestran los resultados de esta agregación para los
cinco períodos considerados.
7
Factores de conversión de unidades energéticas: 1 British thermal unit (Btu) = 1,055.05585262 joules (J); 1 caloria (cal) =4.1868
joules (J); 1 kilowatthora (kWh) de electricidad = 3.6 megajoules(MJ)= 3.412 BTU; 1 barril (42 galones) de crudo = 5,800,000 Btu;
1 galón de gasolina = 124,000 Btu; 1 galón de diesel o fuel = 139,000 Btu; 1 pies cúbico de gas natural = 1,026 Btu; 1 galón de
propano = 91,000 Btu; 1 tonelada de carbón = 20,681,000 Btu.
32
Tabla 1
EMISIONES DE CO2 PER CÁPITA POR CONSUMO Y QUEMA DE COMBUSTIBLES FÓSILES
(toneladas métricas, valores acumulados cada 5 años)
1980-1984 1985-1989 1990-1994 1995-1999 2000-2004

Antigua y Barbuda 21,6 28,9 34,3 37,2 38,8
Argentina 16,4 16,5 16,3 18,0 17,2
Bahamas 84,3 52,6 48,2 63,2 62,9
Barbados 20,9 23,7 24,7 25,0 30,4
Belice 6,4 6,0 7,7 8,3 15,4
Bolivia 3,7 3,2 4,5 5,1 5,8
Brasil 6,8 7,3 7,8 9,3 9,5
Islas Caimán 28,2 37,0 50,9 48,7 43,1
Chile 9,3 8,9 11,9 17,2 18,2
Colombia 7,5 7,2 7,2 7,8 7,0
Costa Rica 4,8 4,3 5,4 6,7 7,2
Cuba 16,8 17,1 14,4 14,5 14,9
Dominica 2,1 3,2 4,3 5,6 7,6
Dominicana, República 5,1 5,8 6,4 7,7 10,9
Ecuador 8,3 7,4 7,8 8,3 8,4
El Salvador 2,0 2,3 2,9 4,2 4,6
Granada 3,0 3,9 7,4 10,1 11,5
Guatemala 3,0 2,4 2,6 3,7 4,5
Guyana 9,5 7,5 6,2 8,1 11,3
Haití 0,7 1,0 0,6 0,9 1,1
Honduras 2,3 2,2 2,7 3,4 4,1
Jamaica 13,9 12,0 17,2 20,6 20,9
México 17,5 17,2 17,8 18,0 18,7
Montserrat 8,5 11,4 18,2 37,8 35,5
Antillas Neerlandesas 312,9 258,0 244,9 284,8 260,8
Nicaragua 3,1 3,1 2,8 3,4 3,9
Panamá 13,2 21,6 24,5 24,2 21,4
Paraguay 2,0 2,4 2,8 3,1 3,1
Perú 6,6 5,8 4,6 5,1 4,9
Puerto Rico 36,8 32,2 32,4 33,6 44,7
Saint Kitts y Nevis 6,0 7,0 9,9 12,9 14,1
Santa Lucía 4,1 5,3 6,1 6,6 11,3
San Vicente y las
Granadinas 1,7 2,4 4,0 6,2 7,6
Suriname 21,7 15,8 18,3 17,9 19,9
Trinidad y Tabago 52,8 72,2 80,2 108,6 136,4
Uruguay 8,5 6,8 7,3 8,6 8,3
Venezuela 30,5 28,5 27,7 29,7 28,9
Fuente: International Energy Annual, Energy Information Administration, 2004.
33
Tabla 2
CONSUMO DE COMBUSTIBLE DE ORIGEN FÓSIL (PETRÓLEO, GAS Y CARBÓN)
12
(10 BTU, valores acumulados cada 5 años)
1980-1984 1985-1989 1990-1994 1995-1999 2000-2004
Argentina 7 314,1 8 210,9 8 792,4 10 543,1 11 029,1
Bahamas 254,6 174,1 176,7 239,1 254,3
Barbados 76,7 86,7 92,5 97,4 116,9
Belice 15,1 15,3 22,2 27,8 58,5
Bolivia 318,7 303,4 415,3 565,8 749,8
Brasil 12 535,9 15 228,7 18 555,5 23 502,2 26 494,5
Islas Caimán 7,6 12,5 21,0 24,4 25,2
Chile 1 548,5 1 568,7 2 269,9 3 543,4 4 262,2
Colombia 2 908,1 3 200,6 3 554,9 4 231,4 4 224,1
Costa Rica 161,7 170,4 245,1 336,2 408,7
Cuba 2 303,6 2 421,3 2 120,4 2 172,9 2 279,8
Dominica 2,4 3,4 4,4 5,8 7,7
Dominicana, República 427,2 555,1 676,9 875,0 1 341,9
Ecuador 918,1 938,5 1 139,0 1 343,7 1 445,8
El Salvador 132,9 155,4 217,1 349,5 413,2
Granada 4,0 5,1 9,8 13,2 15,5
Guatemala 267,9 250,4 316,6 514,1 698,1
Guyana 102,0 78,0 63,2 83,1 117,1
Haití 52,9 78,2 49,2 87,3 115,7
Honduras 119,1 132,8 192,4 279,5 377,0
Jamaica 462,9 381,4 552,5 704,2 748,1
México 19 349,5 21 986,7 24 459,7 26 155,7 29 601,0
Montserrat 1,4 1,8 2,7 3,3 4,0
Antillas Neerlandesas 1 058,8 754,3 708,5 782,4 760,0
Nicaragua 136,1 146,8 153,2 216,8 273,4
Panamá 840,2 745,5 810,4 879,1 855,3
Paraguay 98,4 135,3 179,8 232,6 259,9
Perú 1 649,7 1 641,7 1 436,3 1 780,9 1 827,8
Puerto Rico 1 881,8 1 615,2 1 699,4 1 920,2 2 456,2
Santa Lucía 7,3 10,3 12,6 14,5 25,8
San Vicente y las
Granadinas 2,7 3,6 6,3 10,5 13,0
Suriname 114,0 88,1 103,2 103,9 118,4
Trinidad y Tabago 943,8 1 080,0 1 308,4 1 857,8 2 524,3
Uruguay 348,6 295,2 333,3 403,7 402,8
Venezuela 7 588,8 8 028,5 8 906,0 10 428,1 11 240,4
34
Tabla 3
CONSUMO DE ENERGÍAS RENOVABLES (GEOTÉRMICA, SOLAR, EÓLICA, BIOGAS, MADERA, ETC.) E
HIDROELÉCTRICA
12
(10 BTU, valores acumulados cada 5 años)
1980-1984 1985-1989 1990-1994 1995-1999 2000-2004

Argentina 960,0 1 219,8 1 251,6 1 303,2 1 724,2
Bahamas 0,0 0,0 0,0 0,0 0,0
Barbados 0,0 0,0 0,0 0,0 0,0
Belice 0,0 0,0 0,0 3,2 5,1
Bolivia 61,8 63,4 72,1 80,7 116,0
Brasil 7 615,3 10 023,3 11 861,0 14 515,4 15 718,6
Islas Caimán 0,0 0,0 0,0 0,0 0,0
Chile 443,0 581,8 800,4 921,9 1 176,1
Colombia 901,2 1 255,0 1 426,1 1 689,3 1 755,4
Costa Rica 130,7 155,1 196,9 280,5 424,1
Cuba 53,2 61,8 50,3 39,4 42,4
Dominica 0,6 0,8 0,8 1,2 1,5
Dominicana, República 40,4 46,8 33,8 42,2 52,7
Ecuador 77,6 230,4 281,1 322,0 371,3
El Salvador 102,7 109,4 99,0 131,4 160,1
Granada 0,0 0,0 0,0 0,0 0,0
Guatemala 31,5 86,4 124,1 131,5 151,4
Guyana 0,3 0,3 0,3 0,3 0,4
Haití 13,2 17,0 15,9 13,2 13,8
Honduras 43,2 71,1 107,5 100,0 112,0
Jamaica 9,1 9,1 10,4 11,2 10,1
México 1 250,6 1 535,6 1 762,5 2 020,1 1 987,5
Montserrat 0,0 0,0 0,0 0,0 0,0
Antillas Neerlandesas 0,0 0,0 0,0 0,0 0,0
Nicaragua 28,6 49,5 62,4 42,1 41,3
Panamá 65,8 112,7 113,1 139,1 161,9
Paraguay 40,1 817,8 1 563,1 2 447,6 2 533,0
Perú 426,8 539,0 583,6 694,1 914,8
Puerto Rico 7,1 12,6 6,0 6,0 6,6
Santa Lucía 0,0 0,0 0,0 0,0 0,0
San Vicente y las
Granadinas 1,0 1,6 1,0 1,1 1,5
Suriname 45,1 37,7 71,6 66,2 68,6
Trinidad y Tabago 0,9 1,3 1,4 1,0 0,9
Uruguay 224,4 315,2 369,8 334,1 430,5
Venezuela 867,4 1 513,9 2 333,0 2 853,5 3 089,2
35
Tabla 4
PIB PER CÁPITA A PRECIOS CONSTANTES
(dólares de 1990, valores acumulados cada 5 años)
1980-1984 1985-1989 1990-1994 1995-1999 2000-2004

Antigua y Barbuda 15 951,2 22 571,6 26 966,2 28 362,0 30 697,6
Argentina 26 140,4 24 062,6 25 234,5 29 132,1 26 954,6
Bahamas 57 444,8 61 914,4 54 064,7 52 535,6 55 075,1
Barbados 30 212,9 32 663,3 31 145,4 33 661,5 35 954,6
Belice 8 281,9 8 692,8 11 232,3 11 736,6 13 470,9
Bolivia 4 132,3 3 541,1 3 762,9 4 143,0 4 248,7
Brasil 14 253,9 15 328,5 14 766,1 16 044,1 16 428,4
Islas Caimán 92 133,8 113 221,1 124 473,9 102 525,3 92 161,4
Chile 10 508,4 11 044,3 14 577,7 19 103,3 21 046,8
Colombia 5 959,4 6 397,5 7 056,6 7 642,2 7 458,4
Costa Rica 11 118,9 11 215,0 12 533,1 14 159,0 15 617,5
Cuba 8 719,2 9 916,3 7 584,8 6 928,7 8 168,2
Dominica 7 722,5 10 036,9 11 666,3 12 283,3 11 975,0
Dominicana, República 6 389,2 6 544,0 6 865,3 8 635,9 10 638,3
Ecuador 5 354,6 5 195,3 5 381,7 5 579,4 5 677,7
El Salvador 5 202,8 5 118,8 5 610,7 6 459,7 6 657,4
Granada 9 063,9 9 914,7 10 587,6 12 024,9 14 292,2
Guatemala 4 645,9 4 174,1 4 453,8 4 875,1 5 099,5
Guyana 3 304,3 2 924,5 3 144,5 4 175,4 4 372,0
Haití 2 208,8 1 970,1 1 664,2 1 464,1 1 412,5
Honduras 3 208,0 3 144,7 3 200,8 3 259,8 3 298,7
Jamaica 7 883,0 7 860,2 9 556,0 9 706,5 9 704,7
México 16 253,3 15 144,2 16 102,8 16 514,0 18 298,9
Montserrat 18 309,6 23 330,2 26 530,1 24 119,4 34 819,6
Antillas Neerlandesas 55 165,9 49 346,4 55 481,0 63 931,5 64 949,6
Nicaragua 6 686,3 5 406,5 4 349,9 4 660,1 5 101,3
Panamá 12 838,3 12 809,2 14 028,2 15 731,9 16 976,7
Paraguay 6 220,7 6 017,7 6 221,9 6 230,8 5 695,0
Perú 8 997,2 8 420,9 6 905,3 8 262,1 8,568,0
Puerto Rico 34 689,9 41 885,8 49 105,0 57 928,6 66 576,6
Saint Kitts y Nevis 11 678,5 16 194,0 21 167,8 26 865,4 30 458,3
Santa Lucía 9 642,6 13 069,2 15 436,1 16 154,6 15 835,4
San Vicente y las
Granadinas 6 107,5 7 809,6 10 088,3 12 625,3 14 277,9
Suriname 6 301,4 6 309,5 5 995,6 5 634,4 5 996,7
Trinidad y Tabago 28 919,7 22 121,1 20 812,5 24 782,1 34 878,2
Uruguay 12 646,5 12 864,4 14 738,3 17 017,4 15 696,4
Venezuela 13 988,5 12 644,3 13 077,7 12 816,0 11 353,3
Fuente: CEPAL, Naciones Unidas.
5.3 Resultados obtenidos

Los resultados obtenidos de aplicar el análisis envolvente de datos se dividen en dos partes:
por un lado se calculan los niveles de eficiencia técnica y de escala de cada período considerado.
Luego se presentan los resultados basados en el cálculo de los índices de Malmquist, para analizar
36
los cambios en la eficiencia técnica, cambio tecnológico y la productividad total. En ambos casos,
los cálculos se realizaron con el paquete de software de libre acceso, DEAP desarrollado por el
CEPA (Centre for Efficiency and Productivity Analysis) en Australia (Coelli, T. J., 1996).
5.3.1. Niveles de eficiencia técnica y de escala

En la tabla 5 se muestran para los países considerados los valores de eficiencia técnica bajo
rendimientos constantes y variables a escala, lo que nos permite calcular, a su vez, las eficiencias de
escala. Basándonos en la información utilizada, los países que mejor desempeño han tenido durante
el período considerado son: Brasil, Islas Caimán, Costa Rica, Montserrat, Haití, Paraguay y
Dominica. El buen desempeño, se refiere a que son aquellos que producen la mayor cantidad de
productos (actividad económica y consumo de energías renovables e hidroeléctrica) con el menor
consumo de combustibles fósiles y la menor cantidad de emisiones de dióxido de carbono per
cápita, siempre en comparación con todos los países que forman parte de la muestra.
Así mismo, Antigua y Barbuda, Cuba, Ecuador, Guyana, Jamaica, Antillas Neerlandesas,
Panamá, Suriname, Trinidad y Tabago y la República Bolivariana de Venezuela pueden ser
considerados como los países menos eficientes en términos relativos dados los bajos valores que
poseen sus índices de eficiencia técnica. Nótese que Ecuador, Trinidad y Tabago y la República
Bolivariana de Venezuela son países exportadores de petróleo.
Como era de esperarse, los valores de los índices de eficiencia bajo rendimientos variables a
escala, que miden el nivel comparativo de eficiencia técnica pura ya que excluye los efectos de
escala, son mayores que los correspondientes bajo rendimientos constantes. Ello indicaría que los
países no operan en la escala más eficiente. Un valor del índice de eficiencia de escala menor a la
unidad (ES < 1) significa que el país no ha sido capaz de alcanzar su mayor nivel de eficiencia (en
términos comparados) pues no está operando en la escala más productiva que pudiera. La escala en
la que opera lleva a reducir su nivel de eficiencia técnica (ET VRS) en un (1 – ES)*100 %.
37
38
Tabla 5
ÍNDICES DE EFICIENCIA TÉCNICA (ET) BAJO RENDIMIENTOS CONSTANTES (CRS) Y VARIABLES (VRS)
A ESCALA Y EFICIENCIAS DE ESCALA (ES)
(Número)
1980-1984 1985-1989 1990-1994 1995-1999 2000-2004
ET ET ET ET ET ET ET ET ET ET
ES ES ES ES ES
(CRS) (VRS) (CRS) (VRS) (CRS) (VRS) (CRS) (VRS) (CRS) (VRS)
Antigua y Barbuda 0,20 0,21 0,92 0,25 0,25 0,99 0,30 0,31 0,95 0,35 0,35 1,00 0,37 0,37 1,00
Argentina 0,45 0,50 0,91 0,46 0,49 0,95 0,54 0,62 0,87 0,68 0,73 0,92 0,73 0,74 0,99
Bahamas 0,18 0,21 0,88 0,36 0,38 0,93 0,41 0,45 0,91 0,34 0,39 0,89 0,41 0,41 0,99
Barbados 0,39 0,43 0,89 0,42 0,45 0,94 0,46 0,50 0,92 0,55 0,61 0,91 0,55 0,55 1,00
Belice 0,35 0,35 0,99 0,44 0,44 0,99 0,53 0,53 1,00 0,58 0,63 0,92 0,41 0,46 0,88
Bolivia 0,32 0,35 0,89 0,34 0,42 0,80 0,29 0,30 0,95 0,34 0,39 0,88 0,34 0,40 0,85
Brasil 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
Islas Caimán 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 0,99 1,00 0,99
Chile 0,43 0,44 0,97 0,40 0,41 0,98 0,43 0,48 0,91 0,47 0,48 0,97 0,54 0,54 0,99
Colombia 0,49 0,50 0,99 0,35 0,36 0,99 0,39 0,40 0,97 0,45 0,46 0,98 0,52 0,54 0,97
Costa Rica 1,00 1,00 1,00 0,81 0,83 0,98 0,83 0,87 0,95 0,87 0,87 1,00 1,00 1,00 1,00
Cuba 0,14 0,14 0,98 0,18 0,18 0,98 0,18 0,19 0,93 0,20 0,21 0,94 0,25 0,27 0,94
Dominica 1,00 1,00 1,00 0,98 1,00 0,98 1,00 1,00 1,00 0,99 1,00 0,99 0,73 1,00 0,73
Dominicana, República 0,34 0,35 0,98 0,35 0,36 0,96 0,36 0,39 0,93 0,46 0,48 0,96 0,45 0,46 0,97
Ecuador 0,18 0,18 0,96 0,23 0,25 0,91 0,25 0,26 0,95 0,28 0,31 0,92 0,32 0,35 0,90
El Salvador 1,00 1,00 1,00 0,71 0,79 0,90 0,68 0,72 0,95 0,63 0,68 0,93 0,67 0,73 0,92
Granada 0,81 0,83 0,98 0,78 0,79 1,00 0,53 0,56 0,94 0,53 0,55 0,96 0,58 0,69 0,83
Guatemala 0,42 0,45 0,94 0,55 0,65 0,85 0,60 0,63 0,95 0,55 0,61 0,90 0,53 0,60 0,88
Guyana 0,09 0,15 0,60 0,12 0,27 0,44 0,18 0,40 0,46 0,21 0,46 0,46 0,18 0,44 0,41
Haití 0,80 1,00 0,80 0,62 1,00 0,62 1,00 1,00 1,00 0,67 1,00 0,67 0,60 1,00 0,60
Honduras 0,48 0,61 0,79 0,46 0,60 0,77 0,42 0,43 0,98 0,40 0,47 0,84 0,37 0,46 0,80
Jamaica 0,15 0,15 1,00 0,20 0,20 1,00 0,20 0,20 0,97 0,19 0,20 0,97 0,21 0,23 0,95
México 0,28 0,29 0,94 0,29 0,30 0,97 0,33 0,36 0,90 0,40 0,40 1,00 0,46 0,46 1,00
Montserrat 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
Antillas Neerlandesas 0,05 0,05 0,88 0,06 0,06 0,94 0,08 0,09 0,91 0,09 0,11 0,88 0,12 0,12 0,99
Nicaragua 0,57 0,58 0,99 0,53 0,58 0,91 0,55 0,57 0,97 0,56 0,63 0,89 0,61 0,69 0,88
Panamá 0,26 0,28 0,94 0,18 0,19 0,97 0,20 0,22 0,95 0,27 0,27 1,00 0,37 0,37 1,00
Paraguay 0,83 0,85 0,98 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
Perú 0,42 0,42 1,00 0,47 0,47 1,00 0,54 0,57 0,95 0,68 0,71 0,96 0,82 0,85 0,96
Puerto Rico 0,25 0,28 0,89 0,40 0,42 0,94 0,53 0,61 0,87 0,71 0,80 0,88 0,69 0,70 0,99
Saint Kitts y Nevis 0,56 0,62 0,90 0,75 0,84 0,89 0,85 0,94 0,90 0,99 1,00 0,99 1,00 1,00 1,00
Santa Lucía 0,63 0,65 0,97 0,75 0,78 0,97 0,92 0,95 0,97 1,00 1,00 1,00 0,65 0,72 0,90
San Vicente y las Granadinas 0,95 1,00 0,95 1,00 1,00 1,00 0,93 1,00 0,93 0,87 0,91 0,96 0,87 1,00 0,87
Suriname 0,49 0,50 0,99 0,12 0,15 0,84 0,12 0,19 0,64 0,13 0,26 0,50 0,14 0,31 0,45
Trinidad y Tabago 0,15 0,16 0,90 0,09 0,10 0,95 0,09 0,10 0,93 0,09 0,10 0,94 0,12 0,12 1,00
Uruguay 0,81 0,91 0,89 0,60 0,62 0,97 0,73 0,78 0,93 0,82 0,83 0,98 0,87 0,87 1,00
Venezuela 0,18 0,18 0,97 0,16 0,17 0,96 0,19 0,21 0,92 0,20 0,21 0,96 0,20 0,20 0,99
Fuente: Elaboración del autor sobre la base de los cálculos basados en la metodología DEA.
5.3.2. Cambios en la eficiencia e índices de Malmquist

Aprovechando la información histórica es posible estudiar los cambios en los niveles de
eficiencia mediante el uso de los índices de productividad de Malmquist y su descomposición en
cambios de eficiencia técnica y desplazamiento de la frontera (cambios tecnológicos) como se
detallara en las secciones anteriores.
En la tabla 6, se muestran los resultados de los cambios en eficiencia técnica, tecnología y
productividad total para cada período. Cuando el valor del indicador de cambio de la eficiencia
técnica es mayor a la unidad significa que el país está acercándose a la frontera, la cual se construye
sobre base de la información de todos los países que conforman la muestra. Resultan notables los
casos de Antigua y Barbuda, Argentina, Cuba, Ecuador, México, Antillas Neerlandesas, Perú y
Saint Kitts y Nevis ya que registran durante todos los intervalos de tiempo incrementos positivos en
la eficiencia técnica. Por otro lado, durante el período comprendido por los quinquenios 1980/84 y
1985/89 se registra la mayor cantidad de cambios tecnológicos puesto que, en este intervalo tanto
Brasil, como Chile, Colombia, Costa Rica, Ecuador, El Salvador, Honduras, Paraguay, Perú,
Suriname, Uruguay y Venezuela registran índices superiores a la unidad.
Para simplificar el análisis la tabla 7 muestra el valor de las medias geométricas de los tres
indicadores para cada país durante los cuatro intervalos de tiempo considerados. Si el valor de
productividad total es superior a la unidad, se supone que el país ha realizado progresos tendientes a
lograr un crecimiento de su economía junto a incrementar el consumo de fuentes de energía
renovables o limpias. Tal es el caso de Antigua y Barbuda, Argentina, Bahamas, Brasil, Chile,
Colombia, Cuba, Ecuador, Guyana, México, Antillas Neerlandesas, Paraguay,8 Perú, Puerto Rico,
Saint Kitts y Nevis, Suriname, Uruguay y Venezuela. Así mismo, es posible identificar el origen o
la contribución de estos cambios, ya sea por incrementos en la eficiencia técnica o por efectos del
cambio tecnológico, según se muestra en dicha tabla. Es importante recordar que cuando nos
referimos a “tecnología” estamos considerando que esta se define a partir de un conjunto de
unidades productivas (países) que están siendo comparadas entre sí y sobre las que se estima la
frontera que se desplaza a lo largo del tiempo. Otro resultado interesante es que los países
considerados como exportadores de petróleo y gas, por ejemplo: Bolivia, Ecuador, México y
Trinidad y Tabago (con la excepción de la República Bolivariana de Venezuela) registran
indicadores de cambio de eficiencia técnica que son favorables aunque no así en términos de
cambio tecnológico en que parecen estar rezagados respecto de los demás.
8
Paraguay pareciera ser el país que más crece en productividad total (definida en términos de crecimiento económico y de consumo de
energías limpias). Resulta interesante notar que este país registra un indicador de cambio tecnológico en prácticamente todos los
períodos. Ello puede deberse a la construcción de la represa hidroeléctrica de Itaipú, considerada como la mayor en operación del
mundo. Se trata de un emprendimiento binacional entre Brasil y Paraguay realizado sobre el río Paraná. El 5 de mayo de 1984, entró
en operación su primera turbina, y se prosiguió con la instalación al ritmo de tres por año. La vigésima y última entró en
funcionamiento en mayo del 2004 (www.wikipedia.org).
39
40
Tabla 6
CAMBIOS EN LOS ÍNDICES DE EFICIENCIA TÉCNICA (ET), TECNOLOGÍA Y PRODUCTIVIDAD TOTAL ENTRE PERÍODOS
(Número)
(1985/89 - 1980/84) (1990/94 - 1985/89) (1995/99 - 1990/94) (1995/99 - 2000/04)
E T PT E T PT E T PT E T PT
Antigua y Barbuda 1,25 0,87 1,09 1,20 0,84 1,01 1,18 0,82 0,96 1,05 0,98 1,04
Argentina 1,03 0,90 0,93 1,16 0,92 1,06 1,26 0,83 1,04 1,08 0,91 0,97
Bahamas 1,97 0,88 1,73 1,14 0,83 0,95 0,83 0,89 0,74 1,19 0,89 1,05
Barbados 1,08 0,88 0,95 1,10 0,83 0,91 1,20 0,89 1,07 0,99 0,89 0,88
Belice 1,26 0,88 1,10 1,22 0,83 1,01 1,09 0,89 0,97 0,70 0,89 0,62
Bolivia 1,08 0,94 1,01 0,85 0,91 0,77 1,18 0,83 0,97 0,99 0,90 0,89
Brasil 1,00 1,14 1,14 1,00 1,04 1,04 1,00 0,98 0,98 1,00 1,04 1,04
Islas Caimán 1,00 0,87 0,87 1,00 0,75 0,75 1,00 0,79 0,79 0,99 1,00 0,99
Chile 0,94 1,28 1,20 1,07 0,92 0,99 1,08 0,84 0,90 1,15 0,91 1,04
Colombia 0,71 1,72 1,23 1,12 0,98 1,10 1,15 0,89 1,02 1,17 0,93 1,09
Costa Rica 0,81 1,40 1,13 1,02 0,87 0,90 1,05 0,86 0,90 1,15 0,90 1,04
Cuba 1,27 0,88 1,12 1,00 0,91 0,91 1,11 0,82 0,91 1,28 0,89 1,14
Dominica 0,98 0,87 0,85 1,02 0,86 0,88 0,99 0,81 0,80 0,74 0,98 0,72
Dominicana, República 1,03 0,88 0,91 1,04 0,91 0,94 1,28 0,82 1,05 0,97 0,89 0,86
Ecuador 1,29 1,17 1,52 1,08 0,93 1,00 1,15 0,84 0,97 1,12 0,91 1,02
El Salvador 0,71 1,26 0,90 0,95 0,90 0,85 0,94 0,83 0,78 1,06 0,90 0,95
Granada 0,97 0,87 0,84 0,67 0,84 0,57 1,00 0,83 0,83 1,09 0,95 1,04
Guatemala 1,31 0,93 1,22 1,09 0,91 0,99 0,92 0,83 0,76 0,96 0,90 0,86
Guyana 1,28 0,88 1,13 1,55 0,84 1,30 1,15 0,89 1,02 0,85 0,89 0,75
Haití 0,77 0,88 0,68 1,62 0,91 1,46 0,67 0,82 0,55 0,90 0,89 0,81
Honduras 0,95 1,29 1,23 0,91 0,90 0,82 0,95 0,84 0,80 0,93 0,90 0,84
Jamaica 1,31 0,88 1,15 0,99 0,86 0,85 0,98 0,87 0,85 1,11 0,89 0,99
México 1,06 0,92 0,98 1,12 0,92 1,03 1,22 0,84 1,02 1,16 0,92 1,06
Montserrat 1,00 0,99 0,99 1,00 0,73 0,73 1,00 0,66 0,66 1,00 1,28 1,28
Antillas Neerlandesas 1,24 0,88 1,09 1,42 0,83 1,19 1,11 0,89 0,99 1,25 0,89 1,11
Nicaragua 0,92 0,92 0,84 1,05 0,88 0,92 1,01 0,85 0,86 1,08 0,89 0,96
Panamá 0,70 0,97 0,68 1,12 0,86 0,97 1,31 0,87 1,14 1,37 0,89 1,22
Paraguay 1,21 2,61 3,16 1,00 1,27 1,27 1,00 1,14 1,14 1,00 0,99 0,99
Perú 1,11 1,04 1,16 1,16 0,92 1,07 1,27 0,84 1,07 1,19 0,91 1,09
Puerto Rico 1,57 0,88 1,38 1,33 0,87 1,16 1,34 0,85 1,14 0,97 0,89 0,87
Saint Kitts y Nevis 1,34 0,90 1,20 1,13 0,81 0,92 1,16 0,84 0,98 1,01 1,02 1,04
Santa Lucía 1,19 0,88 1,05 1,23 0,83 1,02 1,08 0,89 0,96 0,65 0,89 0,58
San Vicente y las Granadinas 1,05 0,90 0,95 0,93 0,83 0,77 0,94 0,85 0,80 1,00 0,92 0,93
Suriname 0,25 4,86 1,22 0,98 0,91 0,90 1,08 0,90 0,96 1,08 0,89 0,96
Trinidad y Tabago 0,64 0,88 0,56 1,00 0,84 0,85 1,00 0,88 0,88 1,26 0,89 1,12
Uruguay 0,75 1,96 1,47 1,21 0,89 1,07 1,12 0,86 0,97 1,07 0,90 0,96
Venezuela 0,90 1,48 1,34 1,18 0,97 1,15 1,05 0,90 0,95 0,99 0,93 0,93
Fuente: Elaboración del autor sobre la base de los cálculos basados en la metodología DEA.
Tabla 7
CAMBIOS EN LOS ÍNDICES DE EFICIENCIA
TÉCNICA (ET), FRONTERA TECNOLÓGICA Y
PRODUCTIVIDAD TOTAL ENTRE PERÍODOS
(Número)
E T PT
Antigua y Barbuda 1,17 0,88 1,02
Argentina 1,13 0,89 1,01
Bahamas 1,22 0,87 1,06
Barbados 1,09 0,87 0,95
Belice 1,04 0,87 0,91
Bolivia 1,02 0,89 0,91
Brasil 1,00 1,05 1,05
Islas Caimán 1,00 0,85 0,84
Chile 1,06 0,97 1,03
Colombia 1,02 1,09 1,11
Costa Rica 1,00 0,99 0,99
Cuba 1,16 0,87 1,01
Dominica 0,92 0,88 0,81
Dominicana, República 1,07 0,88 0,94
Ecuador 1,16 0,96 1,11
El Salvador 0,91 0,96 0,87
Granada 0,92 0,87 0,80
Guatemala 1,06 0,89 0,94
Guyana 1,18 0,87 1,03
Haití 0,93 0,87 0,81
Honduras 0,93 0,97 0,91
Jamaica 1,09 0,87 0,95
México 1,14 0,90 1,02
Montserrat 1,00 0,88 0,88
Antillas Neerlandesas 1,25 0,87 1,09
Nicaragua 1,01 0,88 0,90
Panamá 1,09 0,90 0,98
Paraguay 1,05 1,39 1,46
Perú 1,18 0,93 1,10
Puerto Rico 1,29 0,87 1,12
Saint Kitts y Nevis 1,16 0,89 1,03
Santa Lucía 1,01 0,87 0,88
San Vicente y las Granadinas 0,98 0,88 0,86
Suriname 0,73 1,37 1,01
Trinidad y Tabago 0,95 0,87 0,83
Uruguay 1,02 1,08 1,10
Venezuela 1,03 1,05 1,08
Fuente: Elaboración del autor sobre la base de los cálculos basados en
la metodología DEA.
Es fundamental destacar que la aplicación que aquí se presenta del método de envolvimiento
de datos no busca estudiar el desempeño y la productividad de los países considerados, sino
focalizarse en su desempeño en términos del consumo energético, las emisiones de CO2 y la
sustitución fuentes de energía no renovables y renovables.
41
6. Conclusiones
El objetivo de este trabajo ha sido presentar el método del

análisis envolvente de datos (DEA) como una herramienta válida para
estudiar el desempeño unidades productivas. El método procura
constituirse en un instrumento superador de los enfoques tradicionales
basados en el cálculo de indicadores de productividad parcial, además,
posee la ventaja de permitir un tratamiento multidimensional, tanto del
lado de la provisión de insumos como de los productos, sin que ello
implique tratar con múltiples indicadores cruzados. Por esta razón, nos
brinda una perspectiva sistémica e integrada para estudiar el
desempeño comparado de las unidades bajo análisis.
Como ejemplo de su aplicación se analizó el desempeño
energético de 37 países de la región de América Latina y el Caribe.
Para ello se trabajaron con cuatro indicadores: el consumo de energías
no renovables y la cantidad las emisiones de CO2 per cápita en el
espacio de los insumos y el producto bruto interno per cápita a precios
constantes y el consumo de energías de fuentes renovables como
productos de proceso de transformación. Como se describe a lo largo
del texto, la aplicación de la metodología se basa en la utilización de
toda la información disponible para categorizar el desempeño de los
países mediante la identificación de pares a partir de los cuales de
construyen unidades (virtuales) que resultan comparables y, gracias a
las cuales, se calculan los indicadores de eficiencia y sus cambios a lo
largo del tiempo. De esta forma, el análisis realizado nos permite
identificar aquellos países que mejor desempeño han tenido en
términos de su eficiencia y capacidad de sustituir el consumo de
energías no renovables por otras sin sacrificar el objetivo del
crecimiento económico.
43
El método DEA y su aplicación al estudio del sector energético y las emisiones de CO2
El análisis realizado nos muestra que son varios los países que han hecho esfuerzos por lograr
incrementos en el nivel de actividad de la economía procurando sustituir las formas de consumo
energético. El estudio podría complementarse con otros trabajos, basados en el empleo de otras
técnicas y, tal vez, incorporar a otros países del resto del mundo para mejorar la comparabilidad y la
construcción de pares para el cálculo de los indicadores de eficiencia. Es de esperarse que ello sea
objeto de futuras investigaciones.
44
Bibliografía
Ali, A. I. y Seiford, L. M. (1993), The mathematical programming approach

to efficiency analysis en Fried, H. O., Lovell, C. A. K. y Schmidt, S. S.
(Eds.) The measurement of productive efficiency, Oxford University
Press.
Banker, r. D., Charnes, A. y Cooper, W. W. (1984), Some models for
estimating technical and scale inefficiencies in Data Envelopment
Analysis, Management Science 30 (9).
Barr, Richard S. (2003) DEA Software Tools and Technology: A State of Art
Survey, publicado en Cooper, Sieford, and Zhu, eds., Handbook of Data
Envelopment Analysis, Kluwer Academic Publishers (Boston), capítulo
16. (faculty.smu.edu/barr/deahandbook/ch16d.pdf )
Charnes, A., Cooper, W. y Rhodes, E. (1978) Measuring the efficiency of
decision-making units, European Journal of Operational Research.
Coelli, T.J. (1996), A Guide to DEAP Version 2.1: A Data Envelopment
Analysis (Computer) Program, CEPA Working Paper 96/8, Department
of Econometrics, University of New England, Armidale NSW Australia.
(www.uq.edu.au/economics/cepa/deap.htm).
Coelli, Tim J., Prasada Rao, D.S., O’Donnell, C.J. y Battese, G.E. (2005), An
Introduction to Efficiency and Productivity Analysis, 2nd Edition,
Springer, New York.
Dyson, R. G., Allen, R., Camanho, A. S., Podinovski, V. V., Sarrico, C. S. y
Shale, E. A. (2001), Pitfalls and protocols in DEA, European Journal of
Operation Research, 132.
Emrouznejad A. (2000), An Extensive Bibliography of Data Envelopment
Analysis (DEA), Business School, University of Warwick, Coventry, UK,
(www.deazone.com/cgi-bin/papers/Bib-vol1_5.zip)
45
El método DEA y su aplicación al estudio del sector energético y las emisiones de CO2
Fare, Rolf, Grosskopf, Shawna, Norris, Mary and Zhang, Zhongyang (1994), Productivity growth,
technical progress, and efficiency change in industrialized countries, The American Economic
Review, Vol. 84, No. 1, marzo.
Farrell, M. J. (1957), The measurement of productive efficiency, Journal of the Royal Statistical
Society, Series A (General), Vol. 120, No. 3.
Ferrier, G. D., and J. G. Hirschberg, (1999), Can We Bootstrap DEA Scores?, Journal of
Productivity Analysis, Vol. 11.
Galeotti, M. y Lanza, A. (1999), A richer and cleaner? A study on carbon dioxide in developing
countries, energy Policy (27).
International Energy Annual 2004, Energy Information Administration, www.eia.doe.gov
Ortiz Malavasi, L, Schuschny, A. y Gallopín (2005), Evolución de las emisiones industriales
potenciales en América Latina, 1970 – 2000, Serie Medio Ambiente y desarrollo, CEPAL.
(www.eclac.org/publicaciones/xml/2/21542/lcl2271e.pdf )
Malmquist, S. (1953), Index Numbers and Indifference Curves, Trabajos de Estadística, No. 4 (1),
209–42.
Mielnik, O y Goldemberg, J. (1999) The evolution of the carbonization index in developing
countries, Energy Policy (1999), 27 (5).
Ramanathan, R. (2002), Combining indicators of energy consumption and CO2 emissions: a cross-
country comparison, International Journal of Global Energy Issues, 17(3).
Ramanathan, R. (2005), An analysis of energy consumption and carbon dioxide emissions in
countries of the Middle East and North Africa, Energy, 30.
Robbins, Lionel Charles (1932), An Essay on the Nature and Significance of Economic Science.
Macmillan, Lóndres.
Schipper, L, Ting, M, Khushsh, M, Golove, W. (1997), The evolution of carbon dioxide emissions
from energy use in industrialized countries: an end-use analysis, energy Policy 25 (7), 651-672.
Solow, Robert (1957), Technical change and the aggregate production function, Review of
Economics and Statistics, Vol. 39 No. 3, agosto.
46
Apéndice
47
1. Métodos de frontera estocástica

Una manera de medir la eficiencia de una empresa consiste el comparar el valor agregado
generado por ella con el valor agregado determinado por la función de producción. La
aproximación tradicional para realizar esto, de naturaleza econométrica, es el método de frontera de
producción estocástica (Coelli, Prasada Rao, O’Donnell, y Battese, 2005). En este caso, es
necesario suponer una determinada forma funcional explícita (y usualmente parametrizada) para
dicha función de producción. Se suele recurrir, por ejemplo, a las funciones tipo Cobb-Douglas, de
Elasticidad de Sustitución Constantes (CES), funciones que incorporan términos cruzados como las
Translog y las Diewert, etc.
Suponiendo que se trabaja con la función de Cobb-Douglas, la representación genérica de los

métodos paramétricos de frontera estocástica es:
Donde es la producción de la unidad productiva , en el instante , , es el vector de

insumos, , es el vector de parámetros (elasticidades), es una
variable aleatoria que representa el residuo de la regresión y , otra variables aleatoria no negativa
que da cuenta de la eficiencia técnica, es decir que cuantifica la distancia entre la frontera de
producción (teórica o eficiente) y la unidad productiva, en particular, . Esta metodología posee
ciertas limitaciones:
1. Hay una limitada información para separar ambos residuos.

2. Se pueden cometer errores de especificación de la función de producción (que suele basarse
en supuestos neoclásicos de rendimientos constantes a escala).
3. Utiliza una sola ecuación de regresión para todos los datos (modelo univariado).
Este tipo de análisis se puede complementar con métodos no-paramétricos, como el

presentado en este documento (y viceversa).
49
Serie
estudios estadísticos y prospectivos
Números publicados
1. Hacia un sistema integrado de encuestas de hogares en los países de América Latina, Juan Carlos Feres
y Fernando Medina (LC/L.1476-P), N° venta: S.01.II.G.7, (US$ 10.00), enero, 2001. www
2. Ingresos y gastos de consumo de los hogares en el marco del SCN y en encuestas a hogares, Heber
Camelo (LC/L.1477-P), N° venta: S.01.II.G.8, (US$ 10.00), enero, 2001. www
3. Propuesta de un cuestionario para captar los ingresos corrientes de los hogares en el marco del SCN
1993, Jorge Carvajal (LC/L.1478-P), N° venta: S.01.II.G.9, (US$ 10.00), enero, 2001. www
4. Enfoques para la medición de la pobreza. Breve revisión de la literatura, Juan Carlos Feres y Xavier
Mancero (LC/L.1479-P), N° venta: S.01.II.G.10, (US$ 10.00), enero, 2001. www
5. Proyecciones latinoamericanas 2000-2001, Alfredo Calcagno, Sandra Manuelito y Gunilla Ryd
(LC/L.1480-P), N° venta: S.01.II.G.11, (US$ 10.00), enero, 2001. www
6. La vulnerabilidad social y sus desafíos: una mirada desde América Latina, Roberto Pizarro
(LC/L. 1490-P), N° venta: S.01.II.G.30, (US$ 10.00), febrero, 2001. www
7. El método de las necesidades básicas insatisfechas (NBI) y sus aplicaciones en América Latina,
Juan Carlos Feres y Xavier Mancero (LC/L. 1491-P), N° venta: S.01.II.G.31 (US$ 10.00), febrero,
2001. www
8. Escalas de equivalencia: reseña de conceptos y métodos, Xavier Mancero (LC/L.1492-P), N° venta:
S.01.II.G.32, (US$ 10.00), marzo, 2001. www
9. Consideraciones sobre el índice de Gini para medir la concentración del ingreso, Fernando Medina
(LC/L.1493-P), N° venta: S.01.II.G.33, (US$ 10.00), marzo, 2001. www
10. Los desafíos del Mercosur ante la devaluación de la moneda brasileña, Arturo O’Connell (LC/L.1498-P),
N° venta: S.01.II.G.40, (US$ 10.00), febrero, 2001. www
11. La medición del desarrollo humano: elementos de un debate, Xavier Mancero (LC/L.1518-P), N°
venta: S.01.II.G.61, (US$ 10.00), marzo, 2001. www
12. Países industrializados: resumen de las proyecciones 2000-2001, Gunilla Ryd (LC/L.1519-P), N° venta
S.01.II.G.62, (US$ 10.00), marzo, 2001. www
13. Perspectivas de América Latina en el nuevo contexto internacional de 2001, Centro de Proyecciones
Económicas, (LC/L.1554-P), N° venta S.01.II.G.99, (US$ 10.00), junio, 2001. www
14. La pobreza en Chile en el año 2000, Juan Carlos Feres (LC/L.1551-P), N° venta S.01.II.G.92,
(US$ 10.00), julio, 2001. www
15. La convertibilidad argentina: ¿un antecedente relevante para la dolarización de Ecuador?,
Alfredo Calcagno y Sandra Manuelito (LC/L.1559-P), N° venta S.01.II.G.104, (US$ 10.00), junio,
2001. www
15. Argentine convertibility: is it a relevant precedent for the dollarization process in Ecuador, Alfredo
Calcagno, Sandra Manuelito (LC/L.1559-P) N° vente E.01.II.G.104, (US$ 10.00) july, 2001. www
16. Proyecciones latinoamericanas 2001-2002, Alfredo Calcagno, Sandra Manuelito y Gunilla Ryd
(LC/L.1688-P), N° venta: S.02.II.G.3, (US$ 10.00), enero, 2002. www
17. Países industrializados: resumen de las proyecciones 2001-2002, Gunilla Ryd (LC/L.1702-P), N°
venta S.02.II.G.13, (US$ 10.00), febrero, 2002. www
18. Países industrializados: un análisis comparativo de las proyecciones 2002-2003, Gunilla Ryd
(LC/L.1868-P), N° venta S.03.II.G.39, (US$ 10.00), marzo, 2003. www
19. Proyecciones de América Latina y el Caribe, 2003, Centro de Proyecciones Económicas (CPE),
(LC/L.1886-P), N° venta S.03.II.G.52, (US$ 10.00), abril, 2003. www
51
América Latina y el Caribe: proyecciones 2005
20. Reseña de programas sociales para la superación de la pobreza en América Latina, Marcia Pardo
(LC/L.1906-P), N° venta S.03.II.G.64, (US$ 10.00), octubre, 2003. www
21. Registros Administrativos, calidad de los datos y credibilidad pública: presentación y debate
de los temas sustantivos de la segunda reunión de la Conferencia Estadística de las Américas de la
CEPAL, Graciela Echegoyen (comp), (LC/L.2007-P), N° venta S.03.II.G.168, (US$ 10.00), diciembre,
2003. www
22. Apertura y cambio estructural de la economía brasileña, Alejandro Vargas, (LC/L.2024-P), N° venta
S.03.II.G.188, (US$ 10.00), diciembre, 2003. www
23. Tendencias y extrapolación del crecimiento en América Latina y el Caribe, Hubert Escaith,
(LC/L.2031-P), N° venta S.03.II.G.193, (US$ 10.00), diciembre, 2003. www
24. El desarrollo económico de América Latina en épocas de globalización-una agenda de investigación, Albert
Carreras, André A. Hofman, Xavier Tafunell y César Yánez, (LC/L.2033-P), N° venta S.03.II.G.197, (US$
10.00), diciembre, 2003. www
25. Potential output in Latin America: a standard approach for the 1950-2002 period, André A. Hofman,
Heriberto Tapia, (LC/L.-2042P), Sales Number E.03.II.G.205, (US$ 10.00), December, 2003. www
26. Estados Unidos: ¿Una nueva economía, o más de lo mismo?, Gunilla Ryd (LC/L.2043-P), N° venta
S.03.II.G.202, (US$ 10.00), diciembre, 2003. www
27. Proyecciones de América Latina y el Caribe, 2004, Centro de Proyecciones Económicas, (LC/L.2144-P),
N° venta S.04.II.G.72, (US$ 10.00), mayo, 2004. www
28. Un enfoque contable y estructural al crecimiento y la acumulación en Brasil y México, (1983-2000),
(LC/L.2188-P), N° venta S.04.II.G.116, (US$ 10.00), diciembre, 2004. www
29. Crecimiento económico, creación y erosión de empleo: un análisis intersectorial, Gabriel Gutiérrez
(LC/L.2199-P), N° venta S.04.II.G.125, (US$ 10.00), octubre, 2004. www
30. Cuentas ambientales: conceptos, metodologías y avances en los países de América Latina y el Caribe,
Farid Isa, Marcelo Ortúzar y Rayén Quiroga, (LC/L.2229-P), N° de venta: S.04.II.G.151, (US$ 10.00),
enero, 2005. www
31. Metodología de proyecciones económicas para América Latina: formulación de proyecciones de corto
plazo a partir de la base de datos de coyuntura, Centro de Proyecciones Económicas, (LC/L.2296-P),
N° venta S.05.II.G.44, (US$ 10.00), abril, 2005. www
32. América Latina y el Caribe: proyecciones 2005, Centro de Proyecciones Económicas (CPE),
(LC/L.2297-P), N° venta S.05.II.G.45, (US$ 10.00), abril, 2005. www
33. El acuerdo de libre comercio Mercosur-Comunidad Andina de Naciones: una evaluación cuantitativa,
Daniel Berrettoni y Martín Cicowiez (LC/L.2310-P), N de venta S.05.II.G.59, (US$ 10.00), abril,
2005. www
34. Indicadores sociales en América Latina y el Caribe, Simone Cecchini, (LC/L.2383-P), N° de venta
S.05.II.G.127, (US$ 10.00), septiembre, 2005. www
35. Propuesta metodológica para el desarrollo y la elaboración de estadísticas ambientales en países de
América Latina y el Caribe, Dharmo Rojas, (LC/L.2398-P), N° de venta S.05.II.G.143, (US$ 10.00),
octubre, 2005. www
36. Demanda de exportaciones e importaciones de bienes y servicios para Argentina y Chile, Claudio
Aravena, (LC/L.2434-P), N° de venta S.05.II.G.180, (US$ 10.00), diciembre de 2005. www
37. Tópicos sobre el Modelo de Insumo-Producto: teoría y aplicaciones, Andrés Ricardo Schuschny,
(LC/L.2444-P, N° de venta S.05.II.G.191, (US$ 10.00), diciembre 2005. www
38. Elementos teóricos del ajuste estacional de series económicas utilizando X-12-ARIMA y TRAMO-
SEATS, Francisco G. Villarreal (LC/L.2457-P), N° de venta S.05.II.G.203, (US$ 10.00), diciembre 2005.
www
39. El seguimiento de los objetivos de desarrollo del milenio: oportunidades y retos para los Sistemas
Nacionales de Estadística, José L. Cervera Ferri, (LC/L.2458-P), N° de venta S.05.II.G.204, (US$
10.00), diciembre, 2005 www
40. Oportunidades digitales, equidad y pobreza en América Latina: ¿Qué podemos aprender de la
evidencia empírica?, Simone Cecchini, (LC/L.2459-P), N° de venta S.05.II.G.206, (US$ 10.00),
diciembre 2005. www
41. Propuesta para un compendio Latinoamericano de indicadores sociales, Unidad de Estadísticas
Sociales, (LC/L.2471-P), N° de venta S.06.II.G.15, (US$ 10.00), diciembre 2005. www
52
42. América Latina y el Caribe: proyecciones 2006-2007. Centro de Proyecciones Económicas, (LC/L.2528-P),
N° venta S.06.II.G.55, (US$ 10.00), abril, 2006. www
42. Latin America and the Caribbean. Projections 2006-2007. Economic Projections Centre, (LC/L.2528-P),
Sales Number E.06.II.G.55, (US$ 10.00), June, 2006. www
43. La medición de los Objetivos de Desarrollo del Milenio en las áreas urbanas de América Latina, Simone
Cecchini, Jorge Rodríguez y Daniela Simioni (LC/L.2537-P), N° de venta S.06.II.G.64, (US$ 10.00),
junio, 2006. www
44. Importaciones y modernización económica en América Latina durante la primera mitad del siglo XX.
Las claves de un programa de investigación, Albert Carreras, Mauricio Folchi, André Hofman, Mar
Rubio, Xavier Tafunell y César Yañez (LC/L.2583-P), N° venta S.06.II.G.113, (US$ 10.00),
septiembre, 2006. www
45. Can Latin America Fly? Revising its engines of growth, Hubert Escaith (LC/L.2605-P), N° de venta
E.06.II.G.125, (US$ 10.00), September, 2006. www
46. El método DEA y su aplicación al estudio del sector energético y las emisiones de CO2 en América
Latina y el Caribe, Andrés Schuschny (LC/L.2657-P), N° de venta S.07.II.G.8, (US$ 10.00), enero,
2007.
• El lector interesado en adquirir números anteriores de esta serie puede solicitarlos dirigiendo su correspondencia a la Unidad de
Distribución, CEPAL, Casilla 179-D, Santiago, Chile, Fax (56-2) 210 2069, correo electrónico: publications@eclac.cl.
www Disponible también en Internet: http://www.cepal.org/ o http://www.eclac.org
Nombre:...................................................................................................................................
Actividad: ................................................................................................................................
Dirección: ................................................................................................................................
Código postal, ciudad, país:.....................................................................................................
Tel.: ............................Fax: ..................................... E.mail:....................................................
53

El Método DEA y Su Aplicación PDF

Cargado por

Copyright:

Formatos disponibles

El Método DEA y Su Aplicación PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

El Método DEA y Su Aplicación PDF

Cargado por

Copyright:

Formatos disponibles

E

estudios estadísticos y prospectivos

E l método DEA y su aplicación

Andrés Ricardo Schuschny

División de Estadística y Proyecciones

Santiago de Chile, enero de 2007

Publicación de las Naciones Unidas

La autorización para reproducir total o parcialmente esta obra debe solicitarse al

5.3.1 Niveles de eficiencia técnica y de escala ........................................................................ 37

El objetivo de este documento es presentar el método análisis

Lionel Charles Robbins (1932) definió a la economía como “la

2.1 Algunas definiciones de productividad

1. Un valor fundamental del concepto y su medición es la estrecha relación entre ésta y la

La representación tradicional para medir la productividad consiste en calcular la relación

la productividad total de los factores.

2.2 Algunas nociones de eficiencia

(ii) Eficiencias de asignación: refleja la habilidad de la DMU de usar los insumos o

(iii) Eficiencias de escala: se manifiestan según la naturaleza de los rendimientos a escala

Fuente: elaboración del autor.

Fuente: elaboración del autor.

Similarmente, si tuviéramos información de los precios relativos entre los insumos y el

Fuente: elaboración del autor.

Fuente: elaboración del autor.

Fuente: elaboración del autor.

Fuente: elaboración del autor.

Fuente: elaboración del autor.

2.3 Una propuesta empírica para medir la eficiencia

Fuente: elaboración del autor.

Basándose en las medidas definidas por Farrell (1957), Charnes,

3.1 Formulación matemática del problema

el vector de insumos y , el de productos.

Pueden realizarse algunas observaciones. En primer lugar, la función objetivo no es lineal, lo

de manera tal de poder eliminar el denominador de la función objetivo. Esto es equivalente a

Entonces, si cambiamos el rótulo de los ponderadores, el problema de optimización puede

Ahora disponemos de un problema de optimización lineal estándar, de N + 1 restricciones

Donde es un escalar y un vector de constantes, es la matriz de

3.2 Variables de holgura

Fuente: Elaboración del autor.

3.3 Eficiencias de escala

Si permitimos la representación de la frontera sea convexa es posible considerar situaciones

, donde es el vector de unos transpuesto (es decir: ). A diferencia de la

donde es la eficiencia técnica bajo el supuesto de rendimientos constantes y , bajo

es decir, tomando medidas orientadas a insumos:

y medidas orientadas al producto:

de lo que se deduce que cuando:

Fuente: elaboración del autor.

El cálculo de las eficiencias de escala puede resultar importante en estudios de aquellos

3.4 Principales ventajas y limitaciones del método DEA

2. A diferencia de los métodos de frontera, esta metodología no obliga a suponer el pleno

3. Ni requiere el uso de formas funcionales explícitas.

Entre las principales limitaciones de esta metodología se puede comentar que:

2. La exclusión de variables no consideradas puede dar lugar a la identificación de

3.5 Representación orientada al producto

donde y es proporcional al incremento de la producción que puede alcanzar la

3.6 Programas computacionales disponibles

Supongamos ahora que deseamos analizar lo que sucede a lo

4.1 Los índices de Malmquist

donde representa el vector de insumo e el de productos. El conjunto incluye la información

donde es, la función distancia del punto (ó DMU): , dada la tecnología en t.