Professional Documents
Culture Documents
TEMAS AVANZADOS DE
TEORIA DE LA PRODUCCIN
1. Eficiencia de la produccin.
1.1. Concepto.
La eficiencia en los procesos productivos es un concepto cada vez ms utilizado no
slo en el lenguaje cientfico y empresarial sino tambin en el lenguaje coloquial: se
trata ante todo de ser eficiente para poder competir en las mejores condiciones
posibles en unos mercados cada da ms abiertos e internacionalizados.
Segn el Diccionario de la Lengua de la Real Academia, eficiencia es la virtud y
facultad para lograr un efecto determinado o bien, la accin con que se logra
ese efecto.
Para la Teora Econmica, el concepto es ms restrictivo y relaciona el producto
obtenido con los factores utilizados para su obtencin. Considera que un proceso
de produccin es eficiente si se obtiene el mximo output para unos inputs
dados
El concepto que aqu se va a utilizar de eficiencia es el estrictamente econmico,
an a sabiendas de que actualmente hay otras caractersticas de los sistemas
147
agrarios, como por ejemplo la sustentabilidad y el equilibrio ambiental que cada vez
tiene mayor importancia en detrimento de aspectos ligados a la productividad fsica y
econmica del sistema.
Atendiendo a esto, una empresa agraria sera ms eficiente que otra para lograr la
sustentabilidad, el equilibrio ambiental, la productividad, la estabilidad, la equidad u
otra cualquiera de las caractersticas analticas de los sistemas agrarios, si el nivel al
que consigue alguna o algunas de ellas con el mismo coste es superior al de la otra.
Por el contrario, la eficiencia productiva, considerando la Teora Econmica supone,
como ya se ha mencionado, un concepto mucho ms restrictivo que se relaciona con
la forma de convertir los factores de produccin en productos.
Pero lo anterior no supone que la eficiencia productiva en su concepto puramente
econmico, no sea un carcter deseable, muy al contrario, puede tener adems de
los resultados econmicos otros efectos positivos, entre ellos:
-
Estos efectos, como se puede observar estn en total concordancia con las
directrices de la nueva PAC y el GATT que exigen un gran esfuerzo para conseguir
una produccin respetuosa con el medio ambiente y mucho ms competitiva. En
este contexto solo las ms eficientes lograrn perdurar.
2. Medida de la eficiencia.
2.1. Introduccin.
Desde hace tiempo se vienen desarrollando tcnicas para medir la eficiencia
productiva. As, en los aos sesenta se desarrollaron tcnicas basadas en
indicadores usuales en el contexto de la gestin de empresas y tendentes a
identificar la eficiencia con uno solo o con la interaccin de varios indicadores
econmicos (productividad de factores, intensidad del uso de factores por unidad de
superficie, etc): de estas tcnicas la denominada Anlisis de grupo fue la ms
utilizada y consista en hacer una clasificacin, dentro de un grupo de empresas,
mediante el clculo de determinados ndices de productividad de factores,
analizando posteriormente, las diferencias entre las empresas de cabeza y de cola.
Estos mtodos, si bien sirvieron para el diseo de estrategias de gestin en grupos
de empresas, no tenan necesariamente su base en el concepto de eficiencia que se
desprende de la Teora Econmica. Por otro lado, fueron frecuentes los trabajos
relativos a relacionar el nivel de eficiencia con el grado de subempleo de la mano de
148
149
150
151
En la figura 3 se observa que el coste del litro de leche disminuye hasta que la
explotacin alcanza una produccin de 300.000 litros. A partir de esta
produccin se entra en deseconoma de escala y se incrementa el valor del
coste del litro. En el sector agropecuario las deseconomas de escala suelen
estar motivadas al incorporar nuevas unidades de mano de obra (UHT) de
carcter asalariada, as como los incrementos de dimensin que suponen las
nuevas inversiones, que implican elevados gastos financieros y amortizaciones.
Cuando una empresa es eficiente en los tres tipos, se dice que es econmicamente
eficiente, ya que est maximizando sus beneficios.
2.2.1. Forma funcional utilizada.
En la primera medida de la eficiencia realizada por Farrell, no se emplea ninguna
forma funcional para el clculo de la isocuanta unitaria. El mtodo consiste en
seleccionar, mediante programacin lineal, un subconjunto convexo de
observaciones que constituyen la isocuanta del nivel ptimo de produccin,
quedando el resto de observaciones por encima de la isocuanta. La isocuanta
ptima est formada por el conjunto de observaciones que desarrollan las mejores
prcticas tecnolgicas. Las desviaciones de las empresas con respecto a esta
isocuanta se asocia a ineficiencias. Hay que tener presente que este concepto de
ineficiencia es relativo pues las empresas se comparan con las mejores empresas
observadas.
No obstante Farrell indica la conveniencia de estimar la isocuanta ptima de
produccin mediante una forma funcional sencilla y propuso la funcin CoobDouglas que ser explicada posteriormente
2.2.2. Metologa.
Para la medida de la eficiencia, Farrell parte del supuesto de que existen
rendimientos constantes a escala, por lo que la tecnologa puede caracterizarse por
una funcin de produccin homognea de grado 1. Es decir, Y = F (K, L), y se
cumple para todo > 0 que:
152
F (,L) = F (K, L) = Y
Si se hace = 1/Y, se tiene que F (K/Y, L/Y) = Y = 1
Si se considera una empresa que produce un nico producto y, a partir de dos
factores x1, x2, se puede escribir, segn lo indicado anteriormente, f (x1/y, x2/y) = 1.
Esta es la frontera tecnolgica que se caracteriza por la isocuanta unitaria,
caracterizada a su vez por la combinacin de factores que es necesaria para obtener
una unidad de producto (curva SS de la Figura 6).
Considrese una explotacin representada por el punto P. Tracemos la lnea OP
desde el origen de la observacin. Esta lnea corta a la isocuanta en el punto Q. El
segmento QP considerado es una medida del exceso de utilizacin de los dos
factores considerados. Por tanto, una medida de la eficiencia tcnica es la razn
entre OQ y OP, es decir:
ET = OQ/OP
Todos los puntos que estn en la isocuanta SS tienen una eficiencia del 100% y los
que estn por encima una eficiencia inferior.
La lnea AA representa la razn de los precios de los factores que es tangente a la
isocuanta unitaria en el punto Q. Est claro que el punto Q que est sobre la
isocuanta unitaria representa mayor coste de utilizacin de factores que el
representado por Q.
Se puede considerar que el segmento RQ es una medida de la ineficiencia en la
asignacin de recursos (asignativa) que selecciona la tcnica eficiente, pero ms
cara comparndola con el mnimo coste Q.
Se mide la eficiencia en asignacin de recursos mediante la razn OR y OQ, es
decir:
EA = OR/OQ
Mediante una combinacin de los ndices, se obtiene la medida de la eficiencia
econmica:
EE = OR/OP
Esta razn es la equivalente al producto de las razones anteriores, es decir:
OQ/OP * OR/OQ = OR/OP
EFICIENCIA * EFICIENCIA = EFICIENCIA
TCNICA ASIGNATIVA ECONMICA
153
154
permanecen constantes para todo nivel de output y para cualquier proporcin de los
inputs.
A pesar del importante papel que han jugado en los estudios economtricos, las
funciones de produccin homogneas estn siendo muy cuestionadas ya que slo
pueden modelizar tecnologas muy simples. Sin embargo, hay otros tipos de
funciones que no imponen tantas restricciones, por ejemplo:
- Funciones homotticas, en las que los rendimientos a escala pueden variar con
el nivel de output.
- Funciones radio homogneas, en las que los rendimientos a escala pueden
variar con la proporcin de factores usada pero no con el nivel de output.
- Funciones radio homotticas, en las que los rendimientos a escala pueden variar
con la proporcin de factores y con el nivel de output.
La mayor flexibilidad de las anteriores formas funcionales slo es parcial y afecta
exclusivamente a los rendimientos a escala. No se trata, pues, de formas
funcionales flexibles, entendiendo como tal una aproximacin de segundo orden a
una funcin de produccin arbitraria, capaz de modelizar diversas tecnologas y dar
mayor grado de flexibilidad a la funcin de produccin.
a) Funciones homogneas
Funcin de Coob-Douglas. Los rendimientos a escala permanecen constantes
para todo nivel de output y para cualquier proporcin de los inputs. Indica una
relacin multiplicativa entre los diversos insumos y su forma es:
Y = f(x) e
donde 0 necesariamente, puesto que no se puede producir ms all de lo
tecnolgicamente posible.
Expresada en forma linealizada:
LnY = + Bi Ln xi +
155
i= 1, ...n
Donde vi = N( 0, 2v), representa las perturbaciones que caen fuera del control
de la empresa y ui, representa la ineficiencia tcnica. La diferencia entre ambos
modelos es que el modelo desarrollado por Meeusen y Van den Broeck, la
156
157
158
ln y = ln A + a1 ln x1 + a2 ln x2 +.......+ am ln xm u
O lo que es lo mismo:
m
ln y = ln A + ai ln xi - u
i =1
min uj
j =1
ln A + ai ln xij ln yj
i =1
j = 1.....n
159
j=1
n ln A + ai ln xij
j=1 i=1
i =1
i =1
i =1
siendo xij, x2j, x3j factores de produccin y ln A, ai, a2, a3, los parmetros a estimar.
Sujeto a las restricciones:
Ln A + a1 ln x11 + a2 ln x21 + a3 ln x31 ln y1
Ln A + a1 ln x12 + a2 ln x22 + a3 ln x32 ln y1
.
.
Ln A + a1 ln x1n + a2 ln x2n + a3 ln x3n ln yn
y
ln A 0, a1 0, a1 0, a1 0,
2 Programacin cuadrtica
Es similar al anterior salvo que la funcin objetivo es:
n
i =1 i =1
i =1
160
El problema que se plantea en este modelo es conocer la distribucin que siguen los
errores, pues al ir a estimar la funcin frontera, stos han de ser positivos.
Afriat (1972) supone que los errores, en este caso e-u , se distribuyen segn una
funcin de tipo beta, Richmond (1974) consider para estos mismos errores una
distribucin gamma
Schmidt (1976), demuestra que si la distribucin de errores u se supone que es
exponencial la estimacin de la frontera por mxima verosimilitud coincide con la de
la programacin lineal; y si la distribucin de u se supone seminormal, coincide con
la de programacin cuadrtica.
Esto viene a demostrar que es importante acertar al especificar una distribucin a lo
errores pues como se ver en los siguientes apartados las estimaciones de las
funciones frontera van a depender de la hiptesis formulada en relacin con la
distribucin de los errores.
1 Mtodo de los mnimos cuadrados corregidos por traslacin
Si una vez estimada la funcin de produccin media mediante M.C.O., se hace una
traslacin de dicha funcin, se determina la funcin de produccin frontera.
Esta estimacin se conoce como Mtodo de Mnimos Cuadrados Corregidos
(M.C.C.)
En realidad, se debe de considerar dos casos, que aunque los autores los
denominan indistintamente como M.C.C., son distintos y que nosotros vamos a
denominar por:
- Mnimos Cuadrados Ordinados Corregidos por traslacin a la media o
M.C.C.(tm).
- Mnimos Cuadrados Ordinarios Corregidos por traslacin al extremo superior o
M.C.C.(te).
A continuacin se describirn ambos procedimientos:
a) Mnimos Cuadrados Ordinarios Corregidos por traslacin a la media
El primero en sealar esta estimacin fue Richmond (1974). Su planteamiento
fue el siguiente:
Considera una funcin de produccin del tipo Cobb-Douglas en forma lineal tal
como la de la expresin siguiente:
n
(*) Ln y = ln (x) - u = 0 + i ln xi u
i =1
161
u0
De este modo, el trmino error satisface todas las condiciones deseables de los
estimadores, excepto la normalidad.
Por este motivo la ecuacin anterior puede estimarse por mnimos cuadrados
ordinarios, para obtener un estimador BLUE (best linear unbiased estimates = no
sesgado, lineal, ptimo) de (0 - ) y de i.
Si se supone otra distribucin cualquiera para los errores y si los parmetros de esta
distribucin se pueden estimar por los momentos centrales de orden superior
(segundo, tercero, etc) entonces, se pueden estimar dichos parmetros
consistentemente por los momentos de los residuos de la estimacin por M.C.O.
Puesto que es uno de los parmetros funcin de los momentos puede estimarse
tambin consistentemente y este estimador puede utilizarse para corregir al trmino
independiente de la estimacin por M.C.O., que es un estimador consistente de ( ). As, el mtodo M.C.C.(tm) consiste en restarle al trmino independiente de la
estimacin por M.C.O. la E(u) = .
Por lo dicho anteriormente, se deduce que M.C.C. (tm) proporciona una estimacin
consistente de todos los parmetros de la frontera.
Sin embargo esta estimacin tiene varias particularidades:
1. Al corregir el trmino independiente, algunas observaciones quedan an encima
de la funcin de produccin frontera, cosa que no parece lgica, por lo que la
estimacin de la frontera por M.C.C.(tm) resulta un mtodo poco adecuado para
determinar la eficiencia tcnica de las empresas individuales.
2. Que la correcin del trmino independiente depende de la distribucin supuesta
para los errores u. Se distinguen dos casos:
-
162
Por tanto, la raz cuadrada positiva del estimador de la varianza del error de la
estimacin M.C.O. proporciona la correccin al trmino independiente.
De aqu se deduce que, segn sea la distribucin, una gamma de un parmetro o
una exponencial, las correcciones del trmino independiente varan y, por
consiguiente, darn diferentes estimaciones de la eficiencia tcnica, excepto para el
caso particular en que var(u) = 1.
b) Mnimos Cuadrados Corregidos por traslacin al extremo
Hay otro procedimiento para resolver el problema, ste consiste en estimar (*) por
M.C.O. y despus corregir el trmino independiente, mediante una traslacin hasta
que todos los residuos sean negativos y al menos uno nulo: M.C.C.(te) Green (1980
a), muestra que esta estimacin proporciona un estimador consistente de 0.
Para la correccin del trmino independiente 0 se suma a ste el valor del mayor
residuo (um), obtendo de la estimacin por M.C.O. y as se tiene que:
0 = 0 + um
La estimacin mediante M.C.C.(te) determina la funcin de produccin frontera y la
estimacin mediante M.C.O., la funcin de produccin media.
La estimacin por M.C.C.(te) presenta las siguientes particularidades:
- En general, hay una sola observacin absolutamente eficiente, la que
corresponde al mayor residuo de la estimacin por M.C.O., por lo que es
extraordinariamente sensible a valores anmalos.
- La estimacin por M.C.C.(te) no tiene en cuenta el hecho de factores
coyunturales que pueden hacer que una o varias empresas sobrepasen la
frontera habitual correspondiente a esta tcnica.
2 Mtodo de mxima verosimilitud
Para aplicar la estimacin de mxima verosimilitud es imprescindible hacer hiptesis
sobre la distribucin de los errores u. Esta hiptesis presenta un inconveniente ya
que a priori no hay argumentos vlidos para determinar el tipo de distribucin de
dichos errores.
Otro inconveniente de la estimacin mximo verosmil en funciones fronteras
determinsticas es que el rango de la variable dependiente depende de los
parmetros que se van a estimar, Schmidt (1976). ( Esto es as porque y f (x)
contiene los parmetros a estimar). Esto viola una de las condiciones de regularidad
necesarias para demostrar el teorema general de que los estimadores mximo
verosmiles son consistentes y asintticamente eficientes. De aqu que las
propiedades estadsticas de los estimadores mximo verosmiles deberan
considerarse de nuevo. Green (1980 a) lo hizo y demostr que las propiedades
asintticas de los estimadores mximos verosmiles se mantienen si la funcin de
densidad de u cumple las siguientes condiciones:
a) La funcin de densidad de u es cero, cuando u = 0.
163
164
si i * > 0
i = 1, 2....n
i * / /
si i * 0
donde los errores i * N (0, 2) para 0 < < 1 y i * tiene una distribucin normal
truncada negativa para = 1 y normal truncada positiva para = 0; resumiendo:
i * N (0, 2)
para 0 < < 1
*
i Normal truncada negativa
para = 1
*
i Normal truncada positiva
para = 0
La justificacin del error es que se supone que las explotaciones obtienen
cantidades de productos distintas para un conjunto de factores dados, debido a
variaciones aleatorias en:
a) La habilidad para utilizar la mejor prctica tecnolgica. Ello da origen a un error
de una sola cola, i 0, al no utilizar los factores adecuadamente para obtener la
mxima cantidad de producto.
b) La cantidad de inputs o la medida del producto y. Esto da origen a un error
simtrico i > 0.
Ambas causas se pueden dar separada o simultneamente.
Un inconveniente que presenta este modelo es que es necesario conocer , que se
interpreta como una fuente de variabilidad del error, cuando es desconocido el
procedimiento de determinacin de la frontera se complica bastante.
2. Modelos de Aigner, Lovell y Schmidt; Meeusen y Van den Broeck
Estos modelos fueron hechos separadamente por sus autores, aunque son
similares, con pequeas diferencias que se indicarn al desarrollarlos.
a) Se comienza describiendo el modelo de Aigner, Lovell y Schmidt. Asumen que
los errores i de la ecuacin (**) se descompone en dos componentes ui y vi .
i = ui + vi
i = 1,......n
La componente vi representa las perturbaciones que caen fuera del control de la
empresa, causas exgenas.
Se asume que vi se distribuye como una distribucin normal de media cero y
varianza v2, vi N (0, v2).
La componente ui es independiente de vi y representa las perturbaciones que estn
bajo el control de la empresa, causas endgenas, como la tecnologa, siendo ui 0.
Se presta atencin fundamentalmente, al caso en que ui presenta una distribucin
normal de media cero y varianza v2, truncada por encima de cero, ui N (0, u2).
Se pueden emplear otras distribuciones de una sola cola y en general se puede
considerar una distribucin exponencial.
165
yi / [f(xi ; )]
Y=X.+
166
una distribucin
u0
167
que el anterior modelo y la ui que se distribuye como una exponencial, cuya funcin
de densidad viene dada por la siguiente expresin:
f(u) = . e-u,
f(u) = 0,
u0
( > 0)
u<0
168
ui > 0
vi
169
Para el caso de = 0.
E(i) = /2 / / . u
V(i) = u2 ( - 2) / + v2
Hay que tener en cuenta que:
= u2 + v2
= u / v
=0
para todos los dems.
Dado g(vi) = g(i ui), la funcin de densidad conjunta de i = ui + vi viene dada por la
siguiente expresin:
h(i ) = 0 1/ (m + 1) /2 v m-1 um exp[-2v2 (2u / 2 + ( - u) 2 )] du
que simplificada queda:
h(i ) = v m / (m + 1) /2 exp( - + 2v2/2) m-1w (t w)m exp[ -t2/ 2] dt
donde w = (-i /v + v). La esperanza y la varianza de i vienen dadas por las
siguientes expresiones:
E(i) = E(ui) = m+1 /
V(i) = V(ui) + V(vi) = m+1 / + v2
Este autor considera que m solo toma valores enteros y determina la funcin de
densidad para i en los casos en que m = 1, m = 2, y m = 3.
La funcin de verosimilitud, en este caso, depende de , v2 y .
170
i = 1, 2
j = 1,... n
Siendo:
Yij : el producto
xij : los factores que intervienen en la produccin
Aij : los parmetros que indican la eficiencia tcnica
Una empresa m, dentro del grupo, es ms eficiente tcnicamente que otra p, si con
la misma cantidad de factores de produccin produce mayor cantidad de producto,
es decir, si se considera el grupo 1, A1m > A1p
El beneficio queda definido como la diferencia entre ingresos y costes, luego ser:
B = p* Ai* f(xij) cijxij - cf
Siendo:
B: beneficio
P: precio unitario del producto
cij: precio unitario del factor variable i
cf: costes fijos
Las condiciones para la maximizacin del beneficio se obtiene al derivar la expresin
anterior:
p* Ai* f(xij) / xij = ij cij
i = 1, 2
j = 1,... n
ij = 1/ p Ai
El trmino ij 0 indica eficiencia en precio, la habilidad de un conjunto de empresas
del mismo sector, de igualar el producto marginal al precio de los factores. Dos
empresas cualesquiera p y q, de un mismo grupo , por ejemplo el 1, son eficientes
en precios o asignacin de recursos, si y solo si, ip = iq
Por ltimo, se dice que dos empresas cualesquiera, de un mismo grupo, son
econmicamente eficientes si y solo si sus respectivas funciones de beneficio
coinciden.
171
c (y,w) / y = ij wi wj1/2
i=1 j =1
ij = ji
Siendo:
c = coste
y = producto
w = precio de los factores
ij = parmetros
Las demandas condicionadas de los factores adoptan la forma:
j=n
i = 1,...n
j=1
Esto permite observar que las relaciones entre el producto y los factores de
produccin se diferencian de la ecuacin de coste mnimo de la demanda de
factores producto en :
j=n
i = 1,...n
j=1
Donde ji > 0 mide la ineficiencia asignativa. Usando esta ltima ecuacin, el coste
medio observado es:
j=n
j=n j=n
j=1
j=1 j=1
para todo i j
172
para ver ineficiencias asignativas, ya que las ecuaciones simtricas son eficientes y
las asimtricas son ineficientes.
Este modelo permite estimar los parmetros de la funcin de costes ii
parmetros de ineficiencia asignativa ij.
y los
173
174