Estudio e implementación de diferentes métodos de eficiencia cruzada

Abstract

El documento presentado estudia y posteriormente implementa en LINGO diferentes modelos de Análisis de Envoltura de Datos (DEA) desde un nuevo enfoque: la eficiencia cruzada. Inicialmente se describe el estado del arte de DEA centrándonos en el modelo Ratio y concretamente en su variante en forma multiplicadora para derivar a los modelos de eficiencia cruzada. Donde en función del criterio elegido para seleccionar los pesos se distingue entre dos enfoques: benevolente o agresivo. Por otra parte, según el criterio del decisor distinguiremos entre modelos de tipo Blanket y modelos de tipo Targeted. Finalmente se presentan varios modelos de tipo Neutro. Se ofrece la perspectiva y la resolución por computación de diversos experimentos partiendo de diferentes juegos de datos extraídos de la literatura. Se obtiene así la comparativa entre los resultados hallados mediante los modelos DEA tradicionales y los nuevos modelos con sus nuevas metas. Concluye con la comparación y valoración de estos ejemplos numéricos para ilustrar la efectividad en la clasificación de las unidades de decisión (DMUs) de los nuevos modelos propuestos.

This document presents and subsequently implements (using LINGO) different Data Envelopement Analysis (DEA) models involving the concept of cross-efficiency (XE). Initially, the DEA methodology is described focusing on the Ratio model in its variants in multiplier form to finally derive the cross-efficiency models. According to the criteria chosen to select the weights, a distinction is made between two approaches: benevolent and aggressive. On the other hand, according to the modelling approach, we will distinguish between Blanket XE models and Targeted XE models. Finally, models of the Neutral type are also presented. Numerical results involving different data sets from the literature are presented. This allows comparing the different XE models and their effectiveness in assessing and ranking the Decision Making Units (DMUs).