Documentos
de Trabajo
de la Facultad de Ciencias Económicas y Empresariales |
|
---|---|
Biblioteca de la Facultad de Ciencias Económicas y Empresariales. UCM. |
Servicios | Catálogos | Bases de Datos | Colecciones electrónicas | Econred | English version |
Autor(es): Daniel Santín González
Título: Eficiencia relativa de las Comunidades Autónomas en Enseñanza Secundaria: un enfoque socioeconómico
Resumen:
E-mail: ecap6z9@sis.ucm.es
1.- INTRODUCCIÓN
El objeto de este trabajo es intentar aportar algunos datos que traten de responder a la siguientes preguntas. ¿Influyen las características socioeconómicas de las Comunidades Autónomas a la hora de explicar el rendimiento académico de los alumnos de 14 y 16 años?. ¿Qué Comunidades Autónomas son más eficientes a la hora de producir el servicio educativo?.
Para responder a éstas y otras preguntas utilizaremos el primer informe oficial del Ministerio de Educación sobre la Calidad de la Enseñanza Secundaria Obligatoria (ESO) llevado a cabo en 1997 por el Instituto Nacional de Calidad y Evaluación (INCE). Este estudio se refiere a los resultados escolares, los planes y métodos de enseñanza, el funcionamiento de los centros, la profesión docente y la familia y el sistema educativo.
Los resultados escolares se obtuvieron aplicando pruebas de Matemáticas, Comprensión Lectora, Gramática y Literatura a una muestra de 46.535 alumnos, 20.642 de 14 años y 25.893 de 16 años pertenecientes a más de 600 centros públicos y privados de secundaria y primaria, en 15 comunidades autónomas, más Ceuta y Melilla. Además, se aplicaron pruebas de Ciencias de la Naturaleza y Geografía e Historia a 6.560 alumnos del territorio gestionado por el MEC. Por último, se aplicaron las pruebas de Ortografía y Expresión Escrita a una muestra de 3.460 alumnos, representativa de la población de estudiantes de 14 y 16 años. Las Comunidades Autónomas de Andalucía y Canarias no han sido evaluadas porque sus consejerías decidieron retirarse del plan aunque si participaron en las reuniones técnicas de las comisiones; por otra parte, la Comunidad Autónoma del País Vasco sólo realizó las pruebas para el nivel de 14 años. La escala de rendimiento representa, para cada materia, el resultado que habría obtenido cualquier sujeto que hubiera respondido a una prueba teórica de 500 ítems. Esta prueba sería común para sujetos de 14 y 16 años. Para dar una idea del tipo de capacidades asociadas a los distintos niveles de la escala 0-500, se han establecido unos puntos de corte en niveles de 50 en 50 y se han definido aquellas tareas que los sujetos que alcanzan esos niveles son capaces de realizar.
2.- METODOLOGÍA
En una primera etapa utilizaremos la técnica de Análisis de Envolvente de Datos (DEA) con el fin de identificar las CC.AA más eficientes en términos relativos. El método DEA fue desarrollado por Charnes, Cooper y Rhodes (1978, 1981) con el fin de medir la eficiencia relativa de unidades decisoras funcionando en una situación de no-mercado. El modelo utiliza técnicas de programación lineal para comparar la eficiencia de un conjunto de unidades que producen outputs similares a partir de un conjunto común de inputs (en nuestro caso socioeconómicos). La eficiencia de una unidad se define como la ratio de la suma ponderada de outputs con respecto a la suma ponderada de inputs.
Max h0 =
Sujeto a:
Ur, Vj ³ 0 ; r = 1...s ; i =1...m
Donde:
Yr0 = Cantidad de output r producido por la unidad evaluada.
Xi0 = Cantidad de input i consumido por la unidad evaluada.
Yrj = Cantidad de output r producido por la unidad j.
Ur = Ponderación asignada al output r.
X ij = Cantidad de input i consumido por la unidad j.
Vi = Ponderación asignada al input i.
La principal ventaja de esta técnica de frontera no paramétrica es que nos permite obtener una cuantiosa información acerca de la eficiencia relativa de unidades cuya función de producción real es desconocida, es decir, la eficiencia no es evaluada sobre la base de una frontera de producción ideal sino a partir de las mejores prácticas observadas empíricamente.
Como inputs socioeconómicos utilizaremos las siguientes variables.
Posteriormente vamos a obtener el coeficiente de correlación entre los resultados de las pruebas objetivas y los inputs socioeconómicos considerados individualmente. Para ello, utilizaremos el llamado coeficiente de Pearson o cuadrado del coeficiente de correlación. A continuación eliminaremos de la nube de puntos aquellos que introducen un sesgo significativo en la correlación; para identificarlos el supuesto implícito que estamos considerando es que estas Comunidades Autónomas se están comportando de manera excepcional (tanto por el lado positivo como negativo) en cuanto a eficiencia respecto al comportamiento medio en resultados del resto de Comunidades. Una vez eliminado el sesgo volveremos a expresar el coeficiente de Pearson, representando gráficamente los resultados más ilustrativos, observando en que medida varía la correlación. En cualquier caso nunca serán eliminadas más de 4 unidades y la correlación corregida deberá superar el 70%. En el apartado 4 agruparemos a las CC.AA en grupos según la eficacia y la eficiencia conseguida.
3.- ANÁLISIS DE LA EFICIENCIA RELATIVA DE LAS COMUNIDADES AUTÓNOMAS
Previamente presentamos en las tres tablas siguientes los datos numéricos utilizados para este estudio correspondientes a los resultados por edades en las distintas asignaturas y a las variables socioeconómicas agregadas por Comunidades Autónomas.
Tabla 1: Resultados obtenidos en las pruebas por Comunidades Autónomas para la edad de 14 años.
Clectora | LengyLit | Matemat | Cnatur | Geoghist | |
ARAGON | 232.15 |
236.59 |
244.83 |
237.96 |
236.29 |
ASTURIAS | 225.41 |
230.65 |
228.17 |
226.24 |
236.15 |
BALEARES | 215.89 |
219.44 |
214.95 |
224.91 |
208.83 |
CANTABR | 221.54 |
228.76 |
228.83 |
229.74 |
211.87 |
CMANCHA | 215.80 |
221.98 |
220.02 |
225.64 |
222.40 |
CLEON | 227.20 |
232.09 |
231.86 |
238.16 |
238.63 |
CATALUÑA | 217.96 |
215.59 |
224.01 |
- |
- |
CEU/MEL | 211.63 |
223.42 |
207.59 |
200.62 |
205.35 |
EXTREMAD | 214.93 |
223.02 |
222.06 |
225.78 |
218.67 |
GALICIA | 229.86 |
241.21 |
230.90 |
- |
- |
LARIOJA | 224.07 |
231.73 |
241.48 |
210.89 |
223.39 |
MADRID | 233.37 |
233.22 |
232.12 |
232.30 |
232.21 |
MURCIA | 209.49 |
213.43 |
212.90 |
222.45 |
219.04 |
NAVARRA | 217.51 |
215.24 |
238.62 |
- |
- |
CVALENC | 212.93 |
219.43 |
215.32 |
- |
- |
PVASCO | 224.51 |
225.60 |
241.58 |
- |
- |
Fuente: INCE (1998). Op. Cit.
Tabla 2: Resultados obtenidos en las pruebas por Comunidades Autónomas para la edad de 16 años.
Clectora |
LengyLit |
Matemat |
Cnatur |
Geoghist |
|
ARAGON | 274.80 |
266.03 |
273.88 |
262.08 |
266.10 |
ASTURIAS | 275.79 |
266.57 |
266.14 |
248.54 |
259.04 |
BALEARES | 269.90 |
261.15 |
261.19 |
257.59 |
257.42 |
CANTABR | 267.35 |
259.84 |
261.75 |
253.79 |
261.01 |
CMANCHA | 273.50 |
269.18 |
267.46 |
287.38 |
275.80 |
CLEON | 278.45 |
276.15 |
275.36 |
269.00 |
273.17 |
CATALUÑA | 265.48 |
259.68 |
255.99 |
- |
- |
CEU/MEL | 262.78 |
269.05 |
245.09 |
267.94 |
250.41 |
EXTREMAD | 269.17 |
268.47 |
264.22 |
269.98 |
262.83 |
GALICIA | 273.99 |
277.23 |
264.76 |
- |
- |
LARIOJA | 273.05 |
261.37 |
274.68 |
294.51 |
294.79 |
MADRID | 279.10 |
277.95 |
271.81 |
270.17 |
275.63 |
MURCIA | 266.22 |
261.83 |
253.31 |
256.79 |
253.73 |
NAVARRA | 272.80 |
263.13 |
274.09 |
- |
- |
CVALENC | 262.14 |
254.62 |
251.38 |
- |
- |
Fuente: INCE (1998). Op. Cit.
Tabla 3: Indicadores Socioeconómicos empleados
RFBDPC95 |
PARO95 |
Tapobrem95 |
RA/Un96/97 |
RA/Un95/96 |
|
ARAGON | 108.81 |
15,9 |
20,2 |
20,45 |
21,5 |
ASTURIAS | 96.36 |
20,2 |
34,3 |
20,06 |
21,37 |
BALEARES | 134.67 |
14,3 |
18,5 |
24,6 |
25,4 |
CANTABR | 99.20 |
22,3 |
32,8 |
21,03 |
22,05 |
CMANCHA | 91.57 |
20,2 |
30,1 |
22,17 |
23,14 |
CLEON | 101.37 |
20,5 |
26,9 |
20,06 |
21,09 |
CATALUÑA | 118.53 |
19,9 |
24,8 |
21,24 |
22 |
CEU/MEL | 103.05 |
30,3 |
34,2 |
27,12 |
28,23 |
EXTREMAD | 77.60 |
30,6 |
35 |
22,04 |
22,77 |
GALICIA | 92.29 |
17,6 |
25,2 |
19,94 |
21,04 |
LARIOJA | 117.99 |
16,1 |
18,6 |
21,54 |
22,43 |
MADRID | 110.82 |
20,9 |
25,3 |
23,82 |
24,56 |
MURCIA | 79.95 |
23,7 |
33,1 |
23,37 |
24,22 |
NAVARRA | 116.37 |
12,9 |
23,5 |
19,56 |
20,01 |
CVALENC | 100.78 |
22,4 |
29 |
22,95 |
22,28 |
PVASCO | 114.10 |
23 |
32,7 |
18,82 |
19,54 |
Fuente: BBV (1997) y Ministerio de Educación y Cultura
3.1.- RESULTADOS DE EFICIENCIA OBTENIDOS PARA EL NIVEL DE 14 AÑOS.
Modelo 1:
En este primer modelo tomaremos dos inputs y dos outputs. Como outputs utilizaremos las notas en matemáticas y lengua y literatura; como inputs tendremos RFBDPC95 y la tasa de paro que debido al análisis utilizado expresaremos a través de la variable equivalente 100-PARO95, de esta forma esperamos que a mayor actividad menor paro y mejores resultados. Como desconocemos la función de producción supondremos rendimientos a escala variables. A continuación presentamos la tabla de eficiencias y la tabla de grupos de comparación (Anexo 1) tal y como es presentada por el paquete informático sabiendo que el criterio escogido ha sido de maximización de outputs.
Tabla de eficiencias (radial)
80.98 BALEARE 86.97 CMANCHA 87.59 CATALU
89.43 CVALENC 89.61 NAVARRA 94.73 ASTURIA
95.77 LARIOJA 96.18 CANTABR 97.06 MURCIA
97.55 CLEON 98.95 MADRID 99.98 CEUMEL
100.00 ARAGON 100.00 EXTREMA 100.00 GALICIA
100.00 PVASCO
Presentamos ahora los coeficientes de determinación obtenidos individualmente para observar el grado de correlación entre los inputs y los outputs empleados.
COEF.DETER R^2 |
MATEMATICAS14 |
LENG Y LITER14 |
RFBDPC95 |
0,0865 |
0,0029 |
PARO95 |
0,2718 |
0,0222 |
Este grado de correlación tan reducido (prácticamente nulo para 3 de las 4 correlaciones) es debido en algunos casos al sesgo introducido por algunas CC.AA respecto al comportamiento medio observado que pueden ser tanto por exceso como por defecto. Ilustraremos a continuación las rectas de tendencia original y corregida para el caso del output matemáticas ya que para lengua y literatura si bien las correlaciones apuntan en el mismo sentido, éstas son bastante menos significativas.
Gráfico 1
Fuente: Elaboración propia.
En este gráfico podemos observar como la línea de tendencia se encuentra tumbada hacia abajo y a la derecha por el efecto de 4 CC.AA. Baleares, Cataluña, Ceuta y Melilla y la Comunidad Valenciana. Si eliminamos este sesgo obtendremos el siguiente gráfico.
Gráfico 2
Fuente: Elaboración propia.
En el gráfico 2 observamos como la correlación ha aumentado significativamente al eliminar el sesgo que introducían estas 4 CC.AA. La correlación alcanzada parece poner de manifiesto que la renta por habitante tiene alguna influencia sobre el rendimiento académico. A continuación ilustramos el gráfico 3 que muestra la correlación entre matemáticas y paro, y posteriormente el gráfico 4 una vez eliminado el sesgo que en este caso introducen Baleares, Extremadura y el País Vasco.
Gráfico 3
Fuente: Elaboración propia.
Gráfico 4
Fuente: Elaboración propia.
En el gráfico 2 de las 4 CC.AA eliminadas, 3 de ellas; Cataluña, Baleares y la Comunidad Valenciana se encuentran entre las más ineficientes (también se encuentra Castilla la Mancha posiblemente por el efecto introducido por la nota de lengua y literatura) y Ceuta y Melilla entre las eficientes.
En el gráfico 4 las 3 CC.AA eliminadas se encuentran entre las 100% eficientes (País Vasco y Extremadura) y la más ineficiente de todas que es Baleares.
Hemos visto que en ambos casos existe una correlación elevada entre los indicadores socioeconómicos y el resultado en la nota de matemáticas pero no así respecto a la nota en lengua y literatura que posiblemente dependa más de otros factores.
Modelo 2:
Tomaremos de nuevo dos inputs y dos outputs. Como outputs utilizaremos las notas en matemáticas y comprensión lectora; como inputs tendremos en esta ocasión la ratio profesor-alumno en el curso 96/97 (inversa de la ratio alumno-profesor) y la tasa de población remanente. Respecto al número de alumnos por aula esperamos que el rendimiento aumente al disminuir esta ratio; respecto a la otra variable pueden darse dos efectos: por un lado una cifra baja se correspondería con un mayor desarrollo con efectos beneficiosos pero también con un menor tiempo de dedicación a los hijos debido a que se está trabajando; en principio haremos el primer supuesto, a menor tasa mayor rendimiento por lo que tomaremos para su introducción en la DEA la cifra inversa. Supondremos de nuevo rendimientos a escala variables. A continuación presentamos la tabla de eficiencias y la tabla de grupos de comparación (Anexo 2) tal y como es presentada por el programa DEA sabiendo que el criterio escogido ha sido igualmente de maximización de outputs.
Tabla de eficiencias (radial)
94.29 CATALU 94.39 CVALENC 95.17 BALEARE
96.10 CMANCHA 96.48 MURCIA 97.94 NAVARRA
98.49 CLEON 98.78 GALICIA 99.76 CANTABR
100.00 ARAGON 100.00 ASTURIA 100.00 CEUMEL
100.00 EXTREMA 100.00 LARIOJA 100.00 MADRID
100.00 PVASCO
Los coeficientes de correlación de Pearson obtenidos han sido los siguientes:
COEF.DETER R^2 |
MATEMATICAS |
C.LECTORA |
TAPOBREM95 |
0,1748 |
0,14 |
RA/UN96/97 |
0,5944 |
0,2542 |
En esta ocasión podemos observar como las correlaciones obtenidas son más elevadas que en el caso anterior, especialmente en el caso de la ratio alumnos por clase; de nuevo si corregimos el sesgo introducido por algunas CC.AA la correlación aumenta significativamente para el caso de matemáticas, no así para la comprensión lectora que aunque tiene un grado de correlación más elevado que la asignatura de lengua y literatura no existe un sesgo significativo.
A continuación ilustraremos la nube de puntos obtenida en la regresión matemáticas Vs Ratio alumnado por unidad en el curso 96/97.
Gráfico 5
Fuente: Elaboración propia.
A continuación eliminamos el sesgo que introducen 3 CC.AA completamente eficientes respecto al conjunto que destacan claramente sobre la línea de tendencia: Aragón, La Rioja y Madrid que representamos en el gráfico 6.
Gráfico 6
Fuente: Elaboración propia.
Vemos como la correlación de Pearson obtenida, 0,875, es muy elevada habiendo eliminado de la nube de puntos tan solo 3 CC.AA por lo que podemos intuir que parece existir una relación bastante significativa entre estas dos variables.
3.2.- RESULTADOS DE EFICIENCIA OBTENIDOS PARA EL NIVEL DE 16 AÑOS.
Para la edad de 16 años las correlaciones obtenidas son bastante más reducidas que para el caso de los alumnos de 14 años, además las correlaciones más significativas se siguen dando para el caso de la asignatura de matemáticas siendo mucho más difusas para el caso de las otras asignaturas. A continuación presentamos los resultados para el modelo DEA tomando esta vez un solo output, la nota en matemáticas, y dos inputs, el paro y el ratio profesor alumno en el curso 95/96 recogiendo con esta variable la influencia actual de los cursos pasados (EGB o Primaria) sobre los alumnos de 16 años; ambos inputs son de nuevos introducidos en el paquete informático a través de su inversa. En esta ocasión sólo disponemos de 15 unidades ya que el País Vasco como ya se ha comentado no participó para este nivel de edad.
Tabla de eficiencias (radial)
92.50 CVALENC 93.29 CATALU 94.64 MURCIA
96.15 GALICIA 96.21 CANTABR 96.75 ASTURIA
97.89 CMANCHA 98.47 BALEARE 99.54 NAVARRA
99.54 ARAGON 100.00 CEUMEL 100.00 CLEON
100.00 EXTREMA 100.00 LARIOJA 100.00 MADRID
En el Anexo 3 se presentan en esta ocasión los valores objetivos para cada CC.AA. Veamos ahora la tabla de correlaciones donde además de las variables consideradas estudiamos la correlación entre la nota en matemáticas a los 14 y a los 16 años.
COEF.DETER R^2 |
MATEMATICAS16 |
PARO95 |
0,3482 |
RA/UN95/96 |
0,3626 |
MATEMATICAS14 |
0,7562 |
Sólo para estos casos las correlaciones encontradas una vez que son corregidas superarán los mínimos exigidos como veremos a continuación. En buena medida ello es debido a la alta correlación que existe entre las notas de matemáticas a los 14 y los 16 años. Ilustraremos en una tabla las correlaciones que obtenemos una vez eliminado el sesgo en los resultados de correlación.
CorrelacVs Matem16 |
CC.AA eliminadas |
R^2 PEARSON CORREG. |
PARO95 |
Baleares, C.León, Extremadura y Madrid |
0,8037 |
RA/UN95/96 |
Cataluña, La Rioja, Madrid y C. Valenciana |
0,7474 |
Fuente: Elaboración propia.
Presentamos los gráficos asociados a estas correlaciones en el Anexo 4 del trabajo. Para el caso de la correlación con el ratio alumnos por unidad las CC.AA eliminadas son las dos más ineficientes y las dos más eficientes.
4.- ANÁLISIS DE CLUSTERS EN EFICACIA Y EFICIENCIA.
En este último apartado vamos a agrupar a las CC.AA en 3 grupos con resultados semejantes. En el apartado 4.1 y 4.2 tomaremos en cuenta únicamente los resultados alcanzados en la nota de matemáticas (que como hemos visto a lo largo del trabajo es la más significativa) por lo que sólo estaremos comparando eficacia, para posteriormente en el apartado 4.3 realizar una agrupación atendiendo al grado de eficiencia relativa obtenido en los tres ejercicios DEA (recoge por tanto los 14 y los 16 años) que han sido llevados a cabo y donde hemos considerado que los resultados absolutos deben ser considerados en el contexto socioeconómico de cada CC.AA.
4.1.- ANÁLISIS DE EFICACIA A LOS 14 AÑOS
El siguiente gráfico de barras recoge los resultados en la prueba objetiva de matemáticas a los 14 años ordenados de mayor a menor.
Tabla 4: Resultados en matemáticas obtenidos a los 14 años
A la luz de estos datos podemos distinguir 3 grupos:
Grupo 1: Está formado por las CC.AA de Aragón, País vasco, La Rioja y Navarra y se caracterizan por destacar claramente por encima del resto de regiones del país. Estas 4 CC. AA se localizan en el Norte de España.
Grupo 2: Está formado por Madrid, Castilla León, Galicia, Cantabria y Asturias y se caracterizan porque todas ellas superan la media nacional aunque con resultados inferiores a los alcanzados por el grupo 1. Estas 5 CC.AA también quedan localizadas en un área geográfica concreta, en este caso el tercio noroeste de la península.
Grupo 3: Lo forman las restantes y se caracteriza porque ninguna de ellas supera la media nacional para la prueba objetiva realizada. Se localizan en dos áreas bien definidas que engloban el arco mediterráneo y las regiones más al sur dentro de este estudio.
4.2.- ANÁLISIS DE EFICACIA A LOS 16 AÑOS
Veamos a continuación los cambios que se producen en los resultados alcanzados por los alumnos de 16 años respecto a los de 14.
Tabla 4: Resultados en matemáticas obtenidos a los 16 años
Seguimos distinguiendo 3 grupos bien diferenciados:
Grupo 1: Está formado por las CC.AA de Aragón, Castilla León, La Rioja, Navarra y Madrid y representan el grupo de mayor eficacia a los 16 años. Al grupo anterior se han añadido Castilla León y Madrid.
Grupo 2: Está formado por, Castilla la Mancha, Galicia, Extremadura y Asturias y son el grupo intermedio que superan la media nacional. Han subido de grupo Castilla la Mancha y Extremadura y pasa al tercero Cantabria.
Grupo 3: Lo forman las restantes y se caracteriza porque de nuevo ninguna de ellas supera la media nacional para la prueba objetiva de matemáticas.
Vemos que salvo para algunos casos concretos la tónica anterior parece mantenerse en tres zonas: el centro y norte de España en el caso del grupo1. El grupo2 es el que más cambia y ahora esta formado por las regiones al noroeste y el sur; mientras que el grupo 3 sigue formado por la cuenca mediterránea a la que se suma Cantabria.
4.3.- ANÁLISIS DE EFICIENCIA EDUCATIVA A LOS 14 Y 16 AÑOS POR CC.AA ATENDIENDO A FACTORES SOCIOECONÓMICOS.
En los grupos anteriores recogíamos eficacia, esto es, únicamente considerábamos los resultados conseguidos sin tener en cuenta la influencia de otros factores en el rendimiento del alumno. A continuación volveremos a separar las distintas CC.AA en 3 nuevos grupos pero esta vez atendiendo a los resultados de eficiencia logrados teniendo en cuenta otros factores que como hemos visto se encuentran correlacionados significativamente con el rendimiento académico.
Para hacer los grupos se ha procedido de la siguiente forma:
A los resultados de eficiencia máxima se les ha dado valor 1; el grupo restante se divide en dos subgrupos asignando un 2 al grupo más cercano a la eficiencia y un 3 al grupo más alejado. El proceso se repite en cada uno de los ejercicios DEA y al final cada CC.AA es asignada al grupo 1,2 o 3 en función del resultado que más veces haya repetido (el más cercano a la media). La tabla descriptiva de este proceso es la que se muestra a continuación.
Tabla 5: Procedimiento empleado para formar los clusters según la eficiencia relativa alcanzada en los tres modelos DEA utilizados.
CC.AA | DEA1 |
DEA2 |
DEA3 |
Res.Final |
ARAGON | 1 |
1 |
2 |
1 |
ASTURIAS | 3 |
1 |
2 |
2 |
BALEARE | 3 |
3 |
2 |
3 |
CANTABR | 2 |
2 |
3 |
2 |
CMANCHA | 3 |
3 |
2 |
3 |
CLEON | 2 |
2 |
1 |
2 |
CATALUÑ | 3 |
3 |
3 |
3 |
CEU/MEL | 2 |
1 |
1 |
1 |
EXTREMA | 1 |
1 |
1 |
1 |
GALICIA | 1 |
2 |
3 |
2 |
LARIOJA | 2 |
1 |
1 |
1 |
MADRID | 2 |
1 |
1 |
1 |
MURCIA | 2 |
3 |
3 |
3 |
NAVARRA | 3 |
2 |
2 |
2 |
CVALENC | 3 |
3 |
3 |
3 |
PVASCO | 1 |
1 |
- |
1 |
Fuente. Elaboración propia.
Grupo 1: Está formado por las CC.AA de Aragón, Ceuta y Melilla, Extremadura, La Rioja, Madrid y el País Vasco. En este grupo llama la atención respecto a los grupos de eficacia anteriormente considerados, la presencia de Ceuta y Melilla y Extremadura; a pesar de unos resultados en las pruebas mediocres su mayor eficiencia reside en sus peores dotaciones en inputs socioeconómicos.
Grupo 2: Está formado por Asturias, Cantabria, Castilla León, Galicia, y Navarra. Estas CC.AA actúan con una eficiencia media respecto al resto y en general una ligera mejora en resultados las haría entrar en el grupo de las más eficientes.
Grupo 3: Lo forman Baleares, Castilla la Mancha, Cataluña, Murcia y la Comunidad Valenciana y se caracterizan por sus malos resultados en función de sus dotaciones económicas. Llama sin duda la atención su localización geográfica en torno al Mediterráneo junto al caso de Castilla la Mancha.
5.- CONCLUSIONES
A la luz de los datos númericos obtenidos podemos realizar una serie de conclusiones y observaciones:
BIBLIOGRAFÍA
- Banco Bilbao Vizcaya (1997). Renta Nacional de España año 1993: Avance de 1994 y 1995 y distribución provincial. Bilbao.
- Charnes, A.; Cooper, W.W. y Rhodes, E. (1978): Measuring the efficiency of decision making units. European Journal of Operational Research, 2. Pp 429-444.
- Charnes, A.; Cooper, W.W. y Rhodes, E. (1981): DEA as an approach for evaluating program and managerial efficiency. Management Science 27 (6) june. pp 668-697.
- Färe, R.; Grosskopf, S. y Weber, W. L. (1989): Measuring School District Performance. Public Finance Quaterly. Vol. 17, nº 4,
- Hanushek, E. (1986): The economics of Schooling. Journal of Economic Literature. Vol nº 24, nº3, pp. 1141-1171.
- Instituto Nacional de Calidad y Evaluación. INCE. (1998). Diagnóstico general del sistema educativo: avance de resultados. Madrid. Ministerio de Educación y Cultura. Secretaría General de Educación y Formación Profesional.
- Ministerio de Educación y Cultura. (1997): Estadística de la Enseñanza en España. Datos Avance y evolución del alumnado. Ratio alum/unidad en E.Infantil/Preescolar y en E. Primaria/E.G.B., por titularidad.
- Pedraja, F. y Salinas, J. (1996): Eficiencia del Gasto Público en Educación Secundaria: Una aplicación de la Técnica Envolvente de datos. Hacienda Pública Española 138 (1996).
- Ray, S.C. (1991): Resource Use Efficiency in Public Schools: A study of Conniticut Data. Management Science. Vol 37, nº 12, pp. 1620-1628.
- San Segundo, M.J. (1991): Evaluación del Sistema Educativo a Partir de Datos Individuales. Economía Industrial. Marzo - Abril 1991, pp. 23-37.
- Tejedor, F. J. y Caride, J. A. (1988): Influencia de las variables contextuales en el rendimiento académico. Revista de Educación. Septiembre-Diciembre 1988. pp 112-145.
- Thanassoulis, E. y Dunstan, P. (1994): Guiding Schools to Improved Performance Using Data Envelopment Analysis: An illustration with Data from a Local Education Autority. Journal of the Operational Research Society. Vol 45, nº11, pp 1247-1262.
APÉNDICE:
En este apéndice se recogen algunos resultados derivados del análisis de los datos en los distintos modelos empleados.
ANEXO 1:
Table of peer units
Peers for Unit BALEARE efficiency 80.98% radial
BALEARE EXTREMA
ACTUAL LAMBDA 1.000
SCALE 1.235
85.7 -OCUEPA95 85.7
134.67 -RFBDPC95 95.83
219.44 +LYLIT 275.40
214.95 +MATE 274.22
Peers for Unit CMANCHA efficiency 86.97% radial
CMANCHA EXTREMA
ACTUAL LAMBDA 1.000
SCALE 1.150
79.8 -OCUEPA95 79.8
91.57 -RFBDPC95 89.23
221.98 +LYLIT 256.44
220.02 +MATE 255.34
Peers for Unit CATALU efficiency 87.59% radial
CATALU EXTREMA PVASCO
ACTUAL LAMBDA 0.900 0.100
SCALE 1.154 1.039
80.1 -OCUEPA95 80.1 80.0
118.53 -RFBDPC95 89.56 118.53
215.59 +LYLIT 257.40 234.36
224.01 +MATE 256.30 250.96
Peers for Unit CVALENC efficiency 89.43% radial
CVALENC EXTREMA
ACTUAL LAMBDA 1.000
SCALE 1.118
77.6 -OCUEPA95 77.6
100.78 -RFBDPC95 86.77
219.43 +LYLIT 249.37
215.32 +MATE 248.30
Peers for Unit NAVARRA efficiency 89.61% radial
NAVARRA ARAGON EXTREMA PVASCO
ACTUAL LAMBDA 0.377 0.214 0.408
SCALE 1.036 1.255 1.020
87.1 -OCUEPA95 87.1 87.1 78.5
116.37 -RFBDPC95 112.69 97.39 116.37
215.24 +LYLIT 245.03 279.90 230.09
238.62 +MATE 253.56 278.69 246.39
Peers for Unit ASTURIA efficiency 94.73% radial
ASTURIA ARAGON EXTREMA GALICIA
ACTUAL LAMBDA 0.148 0.543 0.309
SCALE 0.886 1.150 0.968
79.8 -OCUEPA95 74.5 79.8 79.8
96.36 -RFBDPC95 96.36 89.23 89.38
230.65 +LYLIT 209.52 256.44 233.60
228.17 +MATE 216.82 255.34 223.61
Peers for Unit LARIOJA efficiency 95.77% radial
LARIOJA ARAGON EXTREMA PVASCO
ACTUAL LAMBDA 0.582 0.102 0.316
SCALE 0.998 1.209 1.034
83.9 -OCUEPA95 83.9 83.9 79.6
117.99 -RFBDPC95 108.55 93.81 117.99
231.73 +LYLIT 236.03 269.62 233.29
241.48 +MATE 244.25 268.46 249.82
Peers for Unit CANTABR efficiency 96.18% radial
CANTABR ARAGON EXTREMA GALICIA
ACTUAL LAMBDA 0.246 0.622 0.132
SCALE 0.912 1.120 0.943
77.7 -OCUEPA95 76.7 77.7 77.7
99.20 -RFBDPC95 99.20 86.88 87.03
228.76 +LYLIT 215.69 249.69 227.45
228.83 +MATE 223.21 248.62 217.73
Peers for Unit MURCIA efficiency 97.06% radial
MURCIA EXTREMA
ACTUAL LAMBDA 1.000
SCALE 1.030
76.3 -OCUEPA95 71.5
79.95 -RFBDPC95 79.95
213.43 +LYLIT 229.77
212.90 +MATE 228.78
Peers for Unit CLEON efficiency 97.55% radial
CLEON ARAGON EXTREMA GALICIA
ACTUAL LAMBDA 0.333 0.417 0.250
SCALE 0.932 1.146 0.965
79.5 -OCUEPA95 78.3 79.5 79.5
101.37 -RFBDPC95 101.37 88.89 89.04
232.09 +LYLIT 220.41 255.48 232.72
231.86 +MATE 228.09 254.38 222.77
Peers for Unit MADRID efficiency 98.95% radial
MADRID ARAGON EXTREMA GALICIA
ACTUAL LAMBDA 0.315 0.359 0.325
SCALE 0.941 1.140 0.960
79.1 -OCUEPA95 79.1 79.1 79.1
110.82 -RFBDPC95 102.34 88.45 88.59
233.22 +LYLIT 222.52 254.19 231.55
232.12 +MATE 230.27 253.10 221.65
Peers for Unit CEUMEL efficiency 99.98% radial
CEUMEL EXTREMA GALICIA
ACTUAL LAMBDA 0.978 0.022
SCALE 1.004 0.846
69.7 -OCUEPA95 69.7 69.7
103.05 -RFBDPC95 77.94 78.07
223.42 +LYLIT 223.98 204.03
207.59 +MATE 223.02 195.31
Peers for Unit ARAGON efficiency 100.00% radial
ARAGON ARAGON
ACTUAL LAMBDA 1.000
SCALE 1.000
84.1 -OCUEPA95 84.1
108.81 -RFBDPC95 108.81
236.59 +LYLIT 236.59
244.83 +MATE 244.83
Peers for Unit EXTREMA efficiency 100.00% radial
EXTREMA EXTREMA
ACTUAL LAMBDA 1.000
SCALE 1.000
69.4 -OCUEPA95 69.4
77.60 -RFBDPC95 77.60
223.02 +LYLIT 223.02
222.06 +MATE 222.06
Peers for Unit GALICIA efficiency 100.00% radial
GALICIA GALICIA
ACTUAL LAMBDA 1.000
SCALE 1.000
82.4 -OCUEPA95 82.4
92.29 -RFBDPC95 92.29
241.21 +LYLIT 241.21
230.90 +MATE 230.90
Peers for Unit PVASCO efficiency 100.00% radial
PVASCO PVASCO
ACTUAL LAMBDA 1.000
SCALE 1.000
77.0 -OCUEPA95 77.0
114.10 -RFBDPC95 114.10
225.60 +LYLIT 225.60
241.58 +MATE 241.58
ANEXO 2:
Table of peer units
Peers for Unit CATALU efficiency 94.29% radial
CATALU ARAGON MADRID PVASCO
ACTUAL LAMBDA 0.270 0.517 0.213
SCALE 0.814 1.020 0.887
4.71 -IRAT 3.98 4.29 4.71
4.03 -ITPR 4.03 4.03 2.71
217.96 +CLECT 189.00 238.10 199.14
224.01 +MATEM 199.33 236.82 214.28
Peers for Unit CVALENC efficiency 94.39% radial
CVALENC ASTURIA CEUMEL MADRID PVASCO
ACTUAL LAMBDA 0.030 0.250 0.482 0.238
SCALE 0.874 1.182 0.873 0.821
4.36 -IRAT 4.36 4.36 3.67 4.36
3.45 -ITPR 2.55 3.45 3.45 2.51
212.93 +CLECT 196.95 250.04 203.83 184.34
215.32 +MATEM 199.36 245.27 202.74 198.36
Peers for Unit BALEARE efficiency 95.17% radial
BALEARE CEUMEL MADRID
ACTUAL LAMBDA 0.255 0.745
SCALE 1.103 0.969
4.07 -IRAT 4.07 4.07
5.41 -ITPR 3.22 3.83
215.89 +CLECT 233.42 226.15
214.95 +MATEM 228.97 224.94
Peers for Unit CMANCHA efficiency 96.10% radial
CMANCHA ASTURIA CEUMEL MADRID PVASCO
ACTUAL LAMBDA 0.091 0.240 0.344 0.324
SCALE 0.904 1.137 0.841 0.849
4.51 -IRAT 4.51 4.20 3.53 4.51
3.32 -ITPR 2.64 3.32 3.32 2.60
215.80 +CLECT 203.73 240.62 196.15 190.69
220.02 +MATEM 206.22 236.03 195.10 205.18
Peers for Unit MURCIA efficiency 96.48% radial
MURCIA CEUMEL MADRID PVASCO
ACTUAL LAMBDA 0.602 0.050 0.349
SCALE 1.034 0.765 0.806
4.28 -IRAT 3.82 3.21 4.28
3.02 -ITPR 3.02 3.02 2.47
209.49 +CLECT 218.88 178.42 180.96
212.90 +MATEM 214.70 177.47 194.72
Peers for Unit NAVARRA efficiency 97.94% radial
NAVARRA ARAGON PVASCO
ACTUAL LAMBDA 0.635 0.365
SCALE 0.861 0.962
5.11 -IRAT 4.21 5.11
4.26 -ITPR 4.26 2.94
217.51 +CLECT 199.79 216.05
238.62 +MATEM 210.70 232.48
Peers for Unit CLEON efficiency 98.49% radial
CLEON ARAGON MADRID PVASCO
ACTUAL LAMBDA 0.036 0.665 0.299
SCALE 0.752 0.942 0.940
4.99 -IRAT 3.67 3.96 4.99
3.72 -ITPR 3.72 3.72 2.88
227.20 +CLECT 174.46 219.78 210.98
231.86 +MATEM 183.99 218.60 227.02
Peers for Unit GALICIA efficiency 98.78% radial
GALICIA ARAGON MADRID PVASCO
ACTUAL LAMBDA 0.079 0.855 0.066
SCALE 0.802 1.005 0.945
5.02 -IRAT 3.92 4.22 5.02
3.97 -ITPR 3.97 3.97 2.89
229.86 +CLECT 186.19 234.55 212.25
230.90 +MATEM 196.36 233.30 228.39
Peers for Unit CANTABR efficiency 99.76% radial
CANTABR ASTURIA CEUMEL MADRID PVASCO
ACTUAL LAMBDA 0.231 0.250 0.064 0.454
SCALE 0.954 1.045 0.772 0.896
4.76 -IRAT 4.76 3.85 3.24 4.76
3.05 -ITPR 2.79 3.05 3.05 2.74
221.54 +CLECT 215.02 221.05 180.20 201.26
228.83 +MATEM 217.65 216.83 179.23 216.56
Peers for Unit ARAGON efficiency 100.00% radial
ARAGON ARAGON
ACTUAL LAMBDA 1.000
SCALE 1.000
4.89 -IRAT 4.89
4.95 -ITPR 4.95
232.15 +CLECT 232.15
244.83 +MATEM 244.83
Peers for Unit ASTURIA efficiency 100.00% radial
ASTURIA ASTURIA
ACTUAL LAMBDA 1.000
SCALE 1.000
4.99 -IRAT 4.99
2.92 -ITPR 2.92
225.41 +CLECT 225.41
228.17 +MATEM 228.17
Peers for Unit CEUMEL efficiency 100.00% radial
CEUMEL CEUMEL
ACTUAL LAMBDA 1.000
SCALE 1.000
3.69 -IRAT 3.69
2.92 -ITPR 2.92
211.63 +CLECT 211.63
207.59 +MATEM 207.59
Peers for Unit EXTREMA efficiency 100.00% radial
EXTREMA EXTREMA
ACTUAL LAMBDA 1.000
SCALE 1.000
4.54 -IRAT 4.54
2.86 -ITPR 2.86
214.93 +CLECT 214.93
222.06 +MATEM 222.06
Peers for Unit LARIOJA efficiency 100.00% radial
LARIOJA LARIOJA
ACTUAL LAMBDA 1.000
SCALE 1.000
4.64 -IRAT 4.64
5.38 -ITPR 5.38
224.07 +CLECT 224.07
241.48 +MATEM 241.48
Peers for Unit MADRID efficiency 100.00% radial
MADRID MADRID
ACTUAL LAMBDA 1.000
SCALE 1.000
4.20 -IRAT 4.20
3.95 -ITPR 3.95
233.37 +CLECT 233.37
232.12 +MATEM 232.12
Peers for Unit PVASCO efficiency 100.00% radial
PVASCO PVASCO
ACTUAL LAMBDA 1.000
SCALE 1.000
5.31 -IRAT 5.31
3.06 -ITPR 3.06
224.51 +CLECT 224.51
241.58 +MATEM 241.58
ANEXO 3:
Table of target values
Targets for Unit CVALENC efficiency 92.50% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 4.46 4.46 0.0% 100.0%
-RU9596 4.49 4.49 0.0% 100.0%
+MATEM 251.38 271.75 8.1% 92.5%
Targets for Unit CATALU efficiency 93.29% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 5.02 5.02 0.0% 100.0%
-RU9596 4.54 4.54 0.0% 100.0%
+MATEM 255.99 274.40 7.2% 93.3%
Targets for Unit MURCIA efficiency 94.64% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 4.22 4.22 0.0% 100.0%
-RU9596 4.13 4.13 0.0% 100.0%
+MATEM 253.31 267.65 5.7% 94.6%
Targets for Unit GALICIA efficiency 96.15% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 5.68 4.88 14.1% 85.9%
-RU9596 4.75 4.74 0.2% 99.8%
+MATEM 264.76 275.36 4.0% 96.1%
Targets for Unit CANTABR efficiency 96.21% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 4.48 4.48 0.0% 100.0%
-RU9596 4.53 4.53 0.0% 100.0%
+MATEM 261.75 272.05 3.9% 96.2%
Targets for Unit ASTURIA efficiency 96.75% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 4.95 4.95 0.0% 100.0%
-RU9596 4.68 4.68 0.0% 100.0%
+MATEM 266.14 275.09 3.4% 96.7%
Targets for Unit CMANCHA efficiency 97.89% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 4.95 4.95 0.0% 100.0%
-RU9596 4.32 4.32 0.0% 100.0%
+MATEM 267.46 273.21 2.2% 97.9%
Targets for Unit BALEARE efficiency 98.47% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 6.99 4.42 36.8% 63.2%
-RU9596 3.94 3.94 0.0% 100.0%
+MATEM 261.19 265.26 1.6% 98.5%
Targets for Unit NAVARRA efficiency 99.54% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 7.75 4.88 37.0% 63.0%
-RU9596 5.00 4.74 5.2% 94.8%
+MATEM 274.09 275.36 0.5% 99.5%
Targets for Unit ARAGON efficiency 99.54% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 6.29 5.31 15.6% 84.4%
-RU9596 4.65 4.65 0.0% 100.0%
+MATEM 273.88 275.14 0.5% 99.5%
Targets for Unit CEUMEL efficiency 100.00% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 3.30 3.30 0.0% 100.0%
-RU9596 3.54 3.54 0.0% 100.0%
+MATEM 245.09 245.09 0.0% 100.0%
Targets for Unit CLEON efficiency 100.00% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 4.88 4.88 0.0% 100.0%
-RU9596 4.74 4.74 0.0% 100.0%
+MATEM 275.36 275.36 0.0% 100.0%
Targets for Unit EXTREMA efficiency 100.00% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 3.27 3.27 0.0% 100.0%
-RU9596 4.39 4.39 0.0% 100.0%
+MATEM 264.22 264.22 0.0% 100.0%
Targets for Unit LARIOJA efficiency 100.00% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 6.21 6.21 0.0% 100.0%
-RU9596 4.46 4.46 0.0% 100.0%
+MATEM 274.68 274.68 0.0% 100.0%
Targets for Unit MADRID efficiency 100.00% radial
VARIABLE ACTUAL TARGET TO GAIN ACHIEVED
-PARO95 4.78 4.78 0.0% 100.0%
-RU9596 4.07 4.07 0.0% 100.0%
+MATEM 271.81 271.81 0.0% 100.0%
ANEXO 4
Gráfico 7
Fuente: Elaboración propia.
Gráfico 8
Fuente: Elaboración propia.
Gráfico 9
Fuente: Elaboración propia.
Gráfico 10
Fuente: Elaboración propia.
Menú principal de la Biblioteca de la Universidad Complutense | ||||
---|---|---|---|---|
Catálogo BUC | Servicios | Bibliotecas de Centros | Internet por materias | Búsquedas |
Fecha de actualización: 06/10/98