Análisis Envolvente de Datos

MsF. Ademir Pérez

Análisis Envolvente de Datos

El Análisis Envolvente de Datos (DEA) es una herramienta poderosa que puede ser aplicada de manera muy efectiva en el ámbito de las políticas públicas. Al permitir evaluar la eficiencia relativa de diferentes programas, proyectos o instituciones gubernamentales, el DEA se convierte en un aliado estratégico para la toma de decisiones informada y la optimización de los recursos públicos.

¿Cómo aplicar el DEA en políticas públicas?

1- Identificación de las Unidades de Decisión (DMUs=Data Managment Units)

Programas: Evaluar la eficiencia de diferentes programas sociales, educativos, de salud, etc.

Instituciones: Comparar la eficiencia de diferentes oficinas gubernamentales o agencias.

Regiones: Analizar la eficiencia de diferentes regiones o municipios.

2- Definición de Inputs y Outputs:

Inputs: Recursos utilizados (presupuesto, personal, infraestructura).

Outputs: Resultados alcanzados (número de beneficiarios, mejora en indicadores sociales, reducción de la pobreza).

3- Selección del Modelo DEA:

CCR: Retornos constantes a escala.

BCC: Retornos variables a escala.

Otros modelos: Con múltiples outputs, inputs no deseables, etc.

4- Análisis de los Resultados:

Identificación de DMUs eficientes e ineficientes: Determinar cuáles son las mejores prácticas y dónde hay margen de mejora.

Cálculo de las proyecciones: Establecer metas de eficiencia para las DMUs ineficientes.

Análisis de sensibilidad: Evaluar cómo cambian los resultados al variar los inputs y outputs.

Referencia: https://sci-hub.se/10.1287/mnsc.27.6.668

Ejemplo de Aplicación

Outputs

Y1: Reading (medida por el Test de Logro Metropolitano).

Y2: Math (puntuación total de matemáticas medida por el Test de Logro Metropol

Y3: Coopersmith (inventario de autoestima de Coopersmith, diseñado como una medida de autoestima).

Inputs

X1: Education Nivel educativo de la madre (medido en términos del porcentaje de graduados de secundaria entre las madres).

X2: Occupation Índice de ocupación (ocupación más alta de un miembro de la familia según una escala de calificación preestablecida).

X3: Parental Índice de visitas parentales (que representa el número de visitas al sitio escolar).

X4: Counseling Índice de consejería (índice de consejería parental calculado a partir de los datos sobre el tiempo dedicado al niño en temas relacionados con la escuela, como leer juntos, etc.).

X5: Teachers Número de maestros (número de maestros en un sitio determinado).

Ejemplo

# Replication of results in Charnes, Cooper and Rhodes (1981).
options(scipen = 99999)
library(deaR)
PFT1981<-deaR::PFT1981
PFT <- PFT1981[1:49,] 
PFT <- make_deadata(PFT, 
                    inputs = 2:6, 
                    outputs = 7:9 )
modelo_dea <- model_basic(PFT, 
                        orientation = "io", 
                        rts = "crs")
eff <- efficiencies(modelo_dea)
resultados<-data.frame(round(eff,2)*100,round(1-eff,2)*100)
names(resultados)<-c("E","1-E")
resultados

         E 1-E
Site1  100   0
Site2   90  10
Site3   99   1
Site4   90  10
Site5  100   0
Site6   91   9
Site7   89  11
Site8   91   9
Site9   87  13
Site10 100   0
Site11  98   2
Site12  97   3
Site13  86  14
Site14  98   2
Site15 100   0
Site16  95   5
Site17 100   0
Site18 100   0
Site19  95   5
Site20 100   0
Site21 100   0
Site22 100   0
Site23  96   4
Site24 100   0
Site25  98   2
Site26  94   6
Site27 100   0
Site28  94   6
Site29  84  16
Site30  90  10
Site31  84  16
Site32  91   9
Site33  94   6
Site34  85  15
Site35 100   0
Site36  80  20
Site37  86  14
Site38  97   3
Site39  94   6
Site40 100   0
Site41  95   5
Site42  95   5
Site43  87  13
Site44 100   0
Site45  89  11
Site46  91   9
Site47 100   0
Site48 100   0
Site49 100   0