Método de selección de variables para mejorar la discriminación en el análisis de eficiencia aplicando modelos dea

Resumen

El Análisis y Encapsulamiento de Datos (DEA) es una técnica basada en programación lineal, que permite determinar la eficiencia relativa de un conjunto de unidades de toma de decisiones, las cuales consumen múltiples entradas para producir múltiples salidas. Por esta razón, una etapa importante cuando se realiza un análisis de eficiencia aplicando modelos de DEA, corresponde a la selección de las variables de entrada y de salida a utilizar en el análisis, pues éstas tienen un impacto directo en la puntuación de eficiencia. Al seleccionar las variables, se busca obtener una buena discriminación entre las unidades eficientes e ineficientes, y una frontera que se ajuste de la mejor forma posible a los datos observados. En este trabajo se propone un método secuencial de selección de variables de entrada y salida que considere estos criterios y que sea adecuado en los casos donde el número de observaciones, o unidades de toma de decisiones, es mucho mayor que el número de variables potenciales para realizar el análisis de eficiencia. Este método es aplicado a un caso de estudio donde se muestra su efectividad en la detección de variables con alto impacto en los resultados de los modelos de DEA.

Data Envelopment Analysis (DEA) is a linear programming technique that allows determining the relative efficiency of a set of decision making units (DMUs), which consume multiple inputs to pro-duce multiple outputs. For this reason, the selection of inputs and outputs used in DEA models is an important stage in the efficiency analysis. The selection of these variables has a direct impact in the DMUs’ efficiency scores. The main criteria considered for selecting inputs and outputs are to obtain a good discrimination among the efficient and inefficient DMUs and to obtain an efficient frontier adjusted the best way as possible to observed data. In this work, we propose a sequential method for selecting inputs and outputs variables that considers the mentioned criteria and it is suitable for cases when the number of observations is much larger than the number of potential inputs and outputs available for carrying out the efficiency analysis. This method is applied to a study case where its effectiveness for detecting variables with high impact in the efficiency scores is demonstrated.

método de selección de variables para mejorar la discriminación en el análisis de eficiencia aplicando modelos dea