Un modelo no-paramétrico y multidireccional en investigación cuantitativa

Autores

  • Kelly Murillo Centro de Investigacao e Desenvolvimento em Matemática e Aplicacoes (CIDMA), Departamento de Matemática, Universidade de Aveiro, Portugal.
  • Eugénio Alexander Miguel Rocha Centro de Investigacao e Desenvolvimento em Matemática e Aplicacoes (CIDMA), Departamento de Matemática, Universidade de Aveiro, Portugal.

DOI:

https://doi.org/10.17268/sel.mat.2021.02.03

Palavras-chave:

Análisis de eficiencia multidireccional, valor NC, prueba de dimensionalidad, análisis de conglomerados, modelo de ajuste, sector de fabricación

Resumo

En este trabajo, es presentado un enfoque no paramétrico y determinístico basado en análisis de eficiencia multidireccional (MEA). El modelo propuesto envuelve MEA con otras técnicas matemáticas importantes en el análisis de datos, como el cálculo del valor NC para el análisis de grupos con diferentes niveles de eficiencia. Este modelo, permite examinar los factores que influyen en el comportamiento de unidades de decisión de diferentes contextos como eficiencia empresaria, calidad educativa, eficiencia energética, economía circular, entre otros. Particularmente en este trabajo, mostramos los resultados obtenidos en 1787 empresas portuguesas en el sector de fabricación de materiales (fabricación de madera y papel; fabricación de productos de caucho, plásticos y otros productos minerales no metálicos; fabricación de metales comunes y productos metálicos, excepto maquinaria y equipos) en un periodo de ocho años (2006-2013) de estudio. Los resultados permiten, no solo una caracterización de la estructura financiera del sector y un diagnóstico a través de índices que identifican el posicionamiento estratégico de las empresas en términos de puntajes de eficiencia; sino también una caracterización de las unidades más eficientes y un análisis de las variables que deben abordarse de manera diferente, para obtener mejores resultados, en términos de desempeño económico.

Referências

Abdi H, Williams LJ. Principal Component Analysis. Wiley Interdisciplinary Reviews: Computational Statistics; 2010; 2(4):433–59. doi:10.1002/wics.101.

Abood S. Quality of imrovement initiative in nursing homes. Am J Nurs [Internet]. [Consultado 22 Nov 2012]; 2002; 102(6). Disponible en: http://www.nursingworld.org.

Asmild M, Baleˇzentis T, Hougaard JL. Multi-directional Productivity Change: MEA Malmquist, Journal of Productivity Analysis, 2016; 46: 109–119.

Asmild M, Holvad T, Hougaard J, Kronborg D. Railway reforms: do they influence operating efficiency? Transportation, 2009; 36(5): 617-638.

Banker RD, Charnes A, Cooper W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis. Management Science, 2009; 30(9), 1078–92. doi:10.1287/mnsc.30.9.1078.

Bogetoft P, Hougaard JL. Efficiency Evaluations Based on Potential (Non-proportional) Improvements. Journal of Productivity Analysis, 1999; 12(3):233–47. doi:10.1023/A:1007848222681.

Dawes J, González-Parra G, Rowley J. Enhancing the customer experience: contributions from information technology, J Business Res. 2005; 36(5):350-7.

Dray S. On the Number of Principal Components: A Test of Dimensionality Based on Measurements of Similarity Between Matrices. Computational Statistics and DataAnalysis, 2008; 52(4): 2228–37. doi:10.1016/j.csda.2007.07.015

Evangelista A, Ortiz A, Ríos-Soto K, Urdapilleta A. USA the fast food nation: Obesity as an epidemic. Los Alamos National Laboratory; 2004.

Gongbing B, Pingchun W, Feng Y, Liang L, Energy and Environmental Efficiency of China’s Transportation Sector: A Multidirectional Analysis Approach. Mathematical Problems in Engineering, 2014; 1-12. Article ID 539596. doi:10.1155/2014/539596

Hirschberg JG, Lye JN. Conglomeradoing in a Data Envelopment Analysis Us-ing Bootstrapped Efficiency Scores (Department of Economics - Working Papers Series No. 800). The University of Melbourne. 2001.

Hougaard JL, Kronborg D, Overgard, C. Improvement Potential in Danish Elderly Care. Health Care Management Science, 2004; 7(3): 225–235.

Inman HF, Bradley Jr EL. The over- lapping coefficient as a measure de agreement between probability distributions and point estimation de the overlap of two normal densities, Communications in Statistics, Theory and Methods, 1989; 18(10): 3851-3874.

Karun K, Isaac E. Cogitative Analysis on k-means Conglomeradoing Algorithm and its Variants. International Journal of Advanced Research in Computer and Communication Engineering, 2013; 2(4):1875–80.

Pearson K. On Lines and Planes of Closest Fit to Systems of Points in Space. The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 1901; 2(11): 559–72. doi:10.1080/14786440109462720.

Wang K, Yu S, Li MJ, Wei Y. Multi-directional efficiency analysis-based regional industrial environmental performance evaluation of China. Natural Hazards. 2015.

Walesiak M. Multivariate Statistical Analysis in Marketing Research (Research Papers No. 654). Wroclaw University of Economics Supplement, 1993; 75(2): 273-299. http://dx.doi.org/10.1007/s11069-014-1097-4

Romero S, Moreno FJ, Rodriguez IM. Linear Partial Differential Equations for Engineers and Scientists. 2th. ed. Boca Raton: Chapman & Hall/CRC; 2002.

Thomas D, Weedermann M, Fuemmeler B, Martin C, Dhurandhar N, Bredlau C, Bouchard C. Dynamic model predicting overweight, obesity, and extreme obesity prevalence trends. Obesity. 2014; 22(2):590-597.

Publicado

2021-12-27

Como Citar

Murillo, K. ., & Miguel Rocha, E. A. (2021). Un modelo no-paramétrico y multidireccional en investigación cuantitativa. Selecciones Matemáticas, 8(02), 235-247. https://doi.org/10.17268/sel.mat.2021.02.03

Edição

Seção

Articles