La eficiencia de las universidades públicas en Argentina mediante el análisis envolvente de datos con bootstrap
Resumen
La producción en educación pone en juego diferentes factores, cuya combinación contribuye a la realización de uno o varios productos. La universidad, dentro de la teoría de la firma, puede considerarse como una empresa multiproducto. Sus productos derivan de las tres principales funciones: docencia, investigación y extensión. La combinación de varios insumos que dan origen a dichos productos, nos lleva a pensar en el concepto de eficiencia (técnica).
El trabajo aborda la estimación de dicha eficiencia a través del análisis envolvente de datos (DEA, por sus siglas en inglés), que permite contemplar la característica multiproducto de las universidades. Las investigaciones para Argentina, han estimado los scores de eficiencia sin corregir un posible sesgo y tampoco han explicado los factores que contribuyen a la ineficiencia (eficiencia) que han calculado. Este trabajo pretende hacer un aporte en esa dirección, además de incorporar dos productos derivados de las actividades de extensión universitaria.
En este sentido, se sigue la metodología de Simar y Wilson (2007), quienes exponen un método de bootstrap para aproximar la distribución asintótica y corregir el sesgo de las estimaciones de los scores de eficiencia, en el marco de un análisis envolvente de datos en dos etapas. La segunda etapa implica una regresión truncada de los scores de eficiencia contra un conjunto de variables independientes. Los resultados demuestran la existencia de cierto nivel de ineficiencia en los productos que resultan de las universidades. Los docentes con doctorados y el ratio egresadas/estudiantes mujeres sugieren contribuir positivamente a la eficiencia de las universidades.
Descargas
Citas
Agresti, A. (2013). Categorical data analysis. Wiley-Interscience, Hoboken, N.J.
Álvarez-Vaz, R., Freira, D., Vernazza, E., y Alves, H. (2016). Can students’ satisfaction indexes be applied the same way in different countries? Int. Rev. Public Nonprofit Marketing, 13(101).
Alves, H. y Raposo, M. (2004). La medición de la satisfacción en la enseñanza universitaria: El ejemplo de la universidade da beira interior.Int. Rev. Public Nonprofit Marketing, 1(1):73-88.
Bandeen-Roche, K., Miglioretti, D. L., Zeger, S. L., y Rathouz, P. J. (1997). Latent variable regression for multiple discrete outcomes. Journal of the American Statistical Association, 92(440):1375-1386.
Everitt, B. S. (1984). An Introduction to Latent Variable Models. Springer Netherlands, Dordrecht.
Hagenaars, J. (2002). Applied latent class analysis. Cambridge University Press, Cambridge New York.
Lazarsfeld, P. (1950). The logical and mathematical foundations of latent structure analysis. ISA Stouffer (ed.), Measurement and Prediction, pp. 362-412.
Linzer, D. A. y Lewis, J. B. (2011). poLCA: An R package for polytomous variable latent class analysis. Journal of Statistical Software, 42(10):1-29.
Maechler, M., Rousseeuw, P., Struyf, A., Hubert, M., y Hornik, K. (2016). cluster: Cluster Analysis Basics and Extensions. R package version 2.0.4 - For new features, see the ’Changelog’ file (in the package source).
R Core Team (2017). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0.
Vernazza, E. (2013). Evaluación de un instrumento de medición del nivel de satisfacción estudiantil en los cursos de formación superior de la FCCEEyA de la UDELAR a través de la aplicación de Structural Equation Modelling (SEM). Informe de Pasantía, Licenciatura en Estadística - Facultad de Ciencias Económicas y de Administración - Universidad de la República.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) que permite a terceros copiar y redistribuir el material en cualquier medio o formato y adaptar — remezclar, transformar y construir a partir del material bajo la la misma licencia del original. En todos los casos, debe dar crédito de manera adecuada.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.
