Introduccin

La estimacin de la productividad y aquellos factores que inciden sobre ella, viene asociada a dos conceptos importantes. Por un lado, el anlisis de la eficiencia tcnica como un reflejo de las capacidades de una unidad productiva (UP) en hacer el uso ms eficiente de sus insumos por nivel de producto. Por el otro, la estimacin del cambio en la Productividad Total de los Factores (PTF) pone de manifiesto variaciones en la productividad no explicadas a partir de variaciones de los inputs. El cambio experimentado en la productividad que no se explica a partir de los inputs (cuando la eficiencia tcnica es constante) es lo que se denomina progreso tcnico. El anlisis de estas dos variables resulta de gran inters a la hora de entender los determinantes de los precios, en particular en el caso de los commodities agrcolas. Tanto la productividad como la eficiencia tcnica requieren para su anlisis consideraciones alrededor de la funcin de produccin. En consecuencia, el primer paso para comprender en anlisis de la eficiencia tcnica y el cambio tecnolgico es estimar una funcin de produccin. Los primeros trabajos empricos enfocados a la estimacin de funciones de produccin se valan de mtodos tradicionales, como el de Mnimos Cuadrados Ordinarios (MCO) o Mnimos Cuadrados Ordinarios Generalizados (MCOG). La estimacin de funciones de produccin bajo mtodos paramtricos presenta diversos inconvenientes asociados a la distribucin que se asume tienen los residuos de regresin, ahora considerados parte de la ineficiencia tcnica. La mayora de los trabajos tericos referidos a la estimacin de fronteras y funciones de produccin presentan avances tendientes a superar estos problemas, por ejemplo las consideraciones respecto a los shocks aleatorios, y su distribucin muestral, o mtodos bayesianos para estimar densidades conjuntas de eficiencia no revelada a priori. Posteriormente, se avanza en la estimacin de funciones de produccin mediante tcnicas ms sofisticadas, como el Mtodo Generalizado de Momentos (GMM, por sus siglas en ingls), o estimaciones no-paramtricas como el Anlisis Envolvente de Datos (DEA, por sus siglas en ingls). Al considerar la produccin esperada a partir de la funcin de produccin estimada respecto a la produccin relevada (real) podemos obtener una medida de Eficiencia Tcnica.

De esta manera, las funciones estimadas son observaciones medias de una funcin de produccin real la cual no es observable. La brecha entre la produccin real (observada) de una unidad productiva y su estimada a partir de la funcin de produccin relevada representa, en trminos economtricos, un ruido aleatorio y bajo el punto de vista analtico, sta es una medida de eficiencia tcnica. Las primeras consideraciones alrededor de este indicador fueron presentadas por (Farrell 1957), quien presenta una isocuanta compuesta por observaciones puntuales de ratios insumo/producto que conforman una frontera. Este conjunto de pares definen una hipottica funcin de produccin, a la postre utilizada para evaluar las eficiencias productivas de acuerdo a las distancias radiales mencionadas. El concepto de distancia radial se remonta a los trabajos de (Malmquist 1953) y (R. Shephard, Gale, and Kuhn 1970). A partir el trabajo de Farrell, vemos el inicio de dos tendencias de anlisis de eficiencia, por un lado mediante el uso de mtodos paramtricos, iniciada por (D. J. Aigner and Chu 1968), (Afriat 1972), y (Richmond 1974). Gracias a la reduccin del coste computacional, la estimacin de fronteras de produccin pasa a realizarse tambin mediante el uso de mtodos no paramtricos, en particular el Anlisis Envolvente de Datos (DEA, en ingls). La propuesta de anlisis por envolvente se encuentra ya en el trabajo de Farrell. Los fundamentos del DEA se encuentran en (Charnes, Cooper, and Rhodes 1978a) y se ven complementados por las contribuciones de (Banker, Charnes, and Cooper 1984), entre otros. Existe tambin la posibilidad de aplicar mtodos semiparamtricos, donde se busca complementar las falencias de un mtodo con las virtudes de otro. La primer propuesta de un mtodo semiparamtrico se remonta a (Tulkens and Deprins 1984),(Park and Simar 1992), luego en (Simar et al. 1997) se proponen mtodos de correccin del sesgo . En (Simar 2003) se proponen maneras de mejorar la eficiencia de estimadores DEA de tipo Free Disposal Hull (FDH). Respecto al anlisis de la productividad, los primeros trabajos tericos se remontan a (Fisher 1922), y (Trnqvist 1936) quienes proponen ndices de cambio de productividad. Ambos ndices requieren informacin en trminos de precios y cantidades. El ndice de Malmquist, propuesto en (Malmquist 1953) no necesita informacin de precios o supuestos respecto a la tecnologa (al menos no directamente) pero requiere el estimar una representacin de la funcin de produccin. El ndice de Malmquist se encuentra muy difundido en el anlisis de productividad y sus

propiedades matemticas permiten su desagregacin, as como su uso dentro de un sistema dinmico, lo que es promisorio para estudios que analicen la productividad en trminos dinmicos (Zheng 2009)

Trminos y definiciones.
Resulta til aclarar algunos trminos y definiciones que sern usados a lo largo de este trabajo. Productividad: La definimos como el radio de outputs que produce una UP respecto a sus inputs. Cuando se trata de casos donde los inputs y outputs son nicos, la solucin es trivial. Sin embargo, cuando se trata de considerar mltiples inputs/outputs, es necesario acudir a mtodos que indexen la multiplicidad de insumos usados para obtener un radio de medida de la productividad. En ese sentido la definicin de productividad excede lo expresado y lo correcto sera hablar de PTF (Productividad Total de Factores) Eficiencia: El trmino suele ser confundido conceptualmente con el de productividad. Mientras que la productividad determina las posibilidades de produccin, es decir la frontera de produccin, la eficiencia es un trmino conceptual que refiere a las capacidades de una determinada UP en operar lo ms cercanamente posible a la frontera dada en el periodo considerado. La eficiencia puede ser clasificada de diversas maneras, por ejemplo eficiencia tcnica, eficiencia asignativa, estructural, de escala, etc. (estos conceptos sern aclarados ms adelante). La Fig1, representa grficamente la diferencia entre productividad y eficiencia. Mientras que la funcin de produccin F0 est asociada a (por ejemplo) tecnologas ms antiguas, la funcin F1 posee una frontera de posibilidades de produccin superior, asociada a mejores tecnologas. En ese sentido se dice que la productividad de la funcin de produccin F1, asociada a una UP cualquiera es mayor que si tal UP utilizara los mtodos/tecnologas productivas que dan origen a F0. Por otro lado, cuando hablamos de la eficiencia de una UP, nos referimos a la capacidad de la misma en hacer el uso ms eficiente de sus factores con la tecnologa dada para as obtener la mayor cantidad de output. En la Fig. 1 podemos apreciar dos UP, UPi y UPj respectivamente, que operan haciendo uso de la misma tecnologa que determina la funcin de produccin (ideal) F0. Intuitivamente, podemos decir que UPi es ms eficiente en el uso de sus inputs que UPj, ya que dado el mismo nivel de inputs y tecnologa, la primera obtiene una produccin Qi>Qj

Fig. 1

Adicionalmente, la Fig.1 nos permite ilustrar otro concepto a ser considerado en el estudio de la eficiencia y productividad, denominado escala de produccin. Si vemos las curvas asociadas a cada funcin de produccin, encontraremos un punto a partir del cual el aumento de los inputs no se condice con un aumento del output, tal es el punto donde la escala de produccin alcanza su mximo posible. Como vemos, a pesar de que una UP sea considerada eficiente, sta podra ser ms productiva en la medida en que expanda su escala de produccin hacia su nivel mximo. La cuestin alrededor de la escala eficiente de produccin ser determinante a la hora de aplicar polticas econmicas, especialmente en lo referente a la cuestin agraria y la propiedad de la tierra. Productividad Total de Factores (PTF): Es a lo que vulgarmente se denomina productividad, esto es una medida general de la productividad de TODOS los factores involucrados en el proceso productivo, es decir que excede a la mera consideracin de los inputs utilizados en la produccin. Otras medidas tradicionales de productividad, tales como la productividad del trabajo, del suelo, de los combustibles, etc. Sern denominadas medidas de productividad parcial. Ante la presencia de mltiples inputs y outputs la PTF puede ser definida como el radio de los outputs (agregados) respecto a los inputs (agregados) (T. J. Coelli et al. 2005).

La PTF Puede descomponerse en dos elementos. Por un lado la eficiencia tcnica, y por el otro, el cambio tecnolgico, si es que consideramos la evolucin del mismo a lo largo del tiempo, como es la situacin representada en la Fig. I, al pasar de un nivel posible de produccin a otro, mayor. Funcin de Produccin: Cualquier funcin matemtica expresa una relacin entre variables, esta relacin se muestra funcional ya que obedece a determinadas caractersticas matemticas impuestas por el modelo que busca representar cierto fenmeno en nuestro caso, las relaciones insumo/producto. En aplicaciones economtricas existen varias formas funcionales conocidas que dadas sus caractersticas algebraicas resultan tiles para modelar funciones de produccin. A modo de ejemplo, podemos mencionar formas funcionales cuadrticas, lineales, Cobb-Douglas, translog, de Leontief, etc. A la hora de estimar una funcin de produccin, se privilegian determinadas caractersticas en la seleccin de una forma funcional, las mencionamos brevemente: i. Flexibilidad: Una funcin flexible f RNR es una forma funcional que tiene suficientes parmetros en ella de manera tal que puede aproximar una funcin f* continua diferenciable dos veces en un punto arbitrario x* dentro del dominio de f y f*. Por lo tanto f debe tener suficientes parmetros libres para satisfacer las ecuaciones: a. = 1 b. = c. 2 = 2 2

Donde la condicin c, se satisface por definicin al suponer que la funcin es doblemente continua y diferenciable, siendo asegurado por el teorema de Young1.

ii.

Linealidad en los parmetros: Es una caracterstica preferible ya que facilita la estimacin mediante la regresin lineal.

iii.

Regularidad: Implica que la funcin considerada sea homognea y derivable en su entorno.

Para una explicacin detallada de flexibilidad, refirase a (Diewert and Wales 1995)

Con motivo de estandarizar la exposicin, vale aclarar las caractersticas de las variables en consideracin. La variable dependiente ser en nuestro caso el Output (o producto), denominado Y, el que se asume expresado en trminos del producto de una funcin conocida de un vector X de inputs (o insumos)y una variable aleatoria cuya componente est dada por la (in)eficiencia.

Eficiencia Tcnica
La presencia de (in)eficiencia tcnica en la produccin ha sido un elemento de debate difundido dentro del pensamiento econmico. Podramos decir que el tratamiento formal de la eficiencia tcnica inicia con (Farrell 1957), pero su desarrollo es una continuacin de los trabajos de (Debreu 1951) y (Koopmans 1951), que consistan en definir una simple medida de eficiencia para relacionar un conjunto de inputs. En relacin a esto, (Koopmans 1951) define un vector insumoproducto eficiente si y slo si, el incremento o decremento de cualquier insumo o producto no es posible sino a costa del incremento o decremento de otro, esta definicin ser retomada a la hora de hablar de mtodos no-paramtricos. Por otro lado, (Farrell 1957) acude a una definicin de carcter ms emprico, donde la eficiencia se define en relacin de la mejor prctica observada en un grupo de referencia. (Debreu 1951) Ofrece el primer intento de medicin de la eficiencia bajo el concepto de coeficiente de utilizacin de los recursos. El indicador propuesto por el autor, es una razn de vectores. Considerando un determinado nivel de producto fijo, estas medidas radiales determinaban la mayor o menor eficiencia relativa respecto a la mxima produccin posible usando el mnimo posible de insumos. O por el contrario, considerado la combinacin mxima posible de insumos, el indicador determina la mayor eficiencia relativa respecto al producto obtenido. La funcin de distancia, que es el rudimento algebraico del que se valen estos ndices de eficiencia, es utilizada tambin en el caso de ndices de cantidad de insumo (Tornqvist 1936, Malmquist 1953) o ndices de productividad (Caves, Christensen, and Diewert 1982a) tambin se puede encontrar en el trabajo de Shephard (1970) y las funciones de distancia indirecta de Shephard (1974) pueden utilizarse para caracterizar una tecnologa de tipo multi producto. Tambin la vemos en ndices de cantidad de producto e ndices de productividad. La introduccin de nuevas metodologas, como las tcnicas de programacin lineal han sido de importancia, en particular a medida que el Anlisis Envolvente de Datos (DEA, por sus siglas en Ingls) adquiere mayor difusin a partir del trabajo de (Charnes, Cooper, and Rhodes 1978b). El mtodo DEA se basa en la creacin de una regin de produccin posible a partir de considerar el conjunto de vectores inputs y la mxima contraccin posible de sus radios dada la produccin media (eficiente) considerada, de esta manera, se obtiene una forma simple de computar la distancia a la frontera de produccin, lo que lleva a una interpretacin de la eficiencia en trminos de relaciones entre mximos y mnimos, consistentemente con lo propuesto por Farrell.

La introduccin de mtodos de Programacin Lineal (PL) ha sido un desarrollo importante para las consideraciones de eficiencia productiva. Ahondaremos en esta metodologa ms adelante, sin embargo vale mencionar que las bases conceptuales del Anlisis Envolvente de Datos se encuentran ya presentes en el trabajo germinal de Farrell.

En su trabajo presentado a la Royal Statistical Society, (Farrell 1957) Presenta una metodologa de medicin de la eficiencia basada en la estimacin de una isocuanta obtenida a partir de la consideracin de un espacio vectorial de n inputs observados, donde se cumple que estos valores son los mnimos observados para un nivel de produccin determinado. Luego la distancia de un punto cualquiera representando a una UP (Unidad Productiva) respecto a la frontera de produccin posible determinar el mayor o menor grado de eficiencia en el uso de factores. Grficamente:

Fig. 2

Donde OP representa un sendero de uso de factores, y su interseccin con la curva SS en Q representa una combinacin de factores 100% eficiente (eficiencia productiva) al tiempo que Q representa tanto una combinacin eficiente en trminos tcnicos como en trminos de precios relativos (La lnea AA representa el input razn de precio, tambin conocido como eficiencia asignativa - lnea Isocoste), si bien la identidad SS es 100% eficiente en trminos tcnicos. Para este modelo, Farrell asume una relacin marginal de sustitucin tcnica negativa por definicin (es decir que dy/dx<0 para todo el dominio) y que no existen puntos observados por debajo de la

curva ideal de produccin. Bajo estas premisas, se puede elaborar una curva o espacio vectorial como la presentada a modo ilustrativo a continuacin:

Fig. 3

De esta manera, la distancia de un punto cualquiera a la curva ser inversamente proporcional a la eficiencia en la asignacin de factores en ese punto. El concepto de distancia es importante, en particular, dentro de las consideraciones economtricas, ya que su componente estar dada por el residuo de regresin. Los supuestos alrededor de su signo y distribucin definen las diferencias entre cada modelo que toma en cuenta la ineficiencia. As, los supuestos generales aplicados a la funcin de produccin y aquellas consideraciones respecto a la naturaleza de la eficiencia tcnica nos permiten clasificar los diversos trabajos abocados al tema. En ese sentido, presentaremos los trabajos relevados segn el tipo de modelo propuesto. Se har distincin entre modelos determinstico, modelos estocsticos y modelos de datos de panel. Adicionalmente, presentaremos modelos no-paramtricos, donde la metodologa difiere radicalmente.

Modelos determinstico. El modelo de frontera determinstico se define como: I. = ; = 1, 2, 3, ( ),

Donde representa el nivel de produccin posible para la i-esima unidad productiva (UPi) considerada; ; es una funcin de produccin (Cobb-Douglas por ejemplo), el vector de iinputs , se define como el vector de inputs afectados a la produccin y N enumera la cantidad de unidades productivas estudiadas dentro del sector en consideracin. es una variable aleatoria no-negativa asociada a factores especficos a la UPi que hacen que la eficiencia no sea mxima. Como ya hemos adelantado, con la existencia del trmino de error, su distribucin y parmetros admitidos se define la naturaleza de la funcin de produccin y de su eficiencia tcnica. En este caso, el parmetro de eficiencia ( ) que afecta a la funcin pertenece al intervalo (0; 1). De esta forma, la perturbacin aleatoria ha de ser de cola o trunca y as la hiptesis habitual de normalidad de las perturbaciones no tiene cabida en los modelos de produccin con frontera. Esto implica que la produccin posible Yi se encuentra limitada en su mximo por la cantidad noestocstica f(xi, ). Formalmente, siendo xi el vector de inputs que satisfacen la frontera de produccin, en un modelo determinstico se cumple que: = 1 Donde es el conjunto que representa la combinacin de insumo/producto posible. Es debido a esta caracterstica que se dice que el modelo es de frontera determinstica. El planteo conceptual detrs de esto es que no existen puntos que excedan esta frontera, lo que implica pensar en ella en trminos determinstico, es decir que no se admite la posibilidad de existencia de una nube de valores posible con una distribucin centrada en una lnea de frontera. Esto significa considerar los shocks aleatorios como no simtricos, como vemos en los trabajos de(D. J. Aigner and Chu 1968),y (Timmer 1971). Especficamente, la frontera de produccin establece una identidad ideal donde la eficiencia tcnica es la mxima posible. Dado que asumimos la existencia de ineficiencias, la igualdad en (I) es ahora planteada en trminos de desigualdades.(D. J. Aigner and Chu 1968) Especificaron la desigualdad derivada de la ineficiencia: II. ( ; ) = 1, 2, 3, ( ),

En dicho trabajo, se sugiere la estimacin de parmetros a partir de mtodos de programacin lineal. Los autores sugieren aplicar estos mtodos sujetos a fronteras probabilsticas de manera tal que algunas observaciones de producto puedan estar ubicadas por encima de la frontera estimada. (Timmer 1971) Sigue esta sugerencia permitiendo que una pequea proporcin de las observaciones superen la frontera. A pesar de que esta caracterstica es deseable a raz de la probable incidencia de observaciones fuera de frontera, esto carece de fundamentos estadsticos o racionalidad econmica (para el modelo determinstico). El modelo de frontera (I) se presenta inicialmente en el trabajo de (Afriat 1972), tambin en (Richmond 1974) donde se asume que Ui tiene distribucin gamma con parmetros r=n y =1. (Schmidt, Frontier Production Functions 1986) Por otro lado, seala que estimadores de mxima verosimilitud pueden obtenerse mediante tcnicas de programacin lineal y cuadrtica si las variables aleatorias tienen distribucin normal truncada (half normal). La (in)eficiencia tcnica de una determinada UP se define como el factor por el cual el nivel de produccin es menor que su produccin de frontera Es decir, dado el modelo determinstico en (I), el valor frontera de produccin para UPi ser = ; por lo que la eficiencia tcnica para la i-sima firma (ETi) ser: III. = =

; ;

( ) = e

Donde es el estimador de mxima verosimilitud o bien aquel obtenido mediante Mnimos Cuadrados Ordinarios Corregidos (MCOC). Dado que el modelo especificado en (I) tras la transformacin logartmica es una funcin lineal con intercepto, el estimador MCOC para los coeficientes se definen por los estimadores MCO para los coeficientes (exceptuando el intercepto), y el estimador MCO para el intercepto ms el mayor residuo requerido para hacer que todas las desviaciones de las producciones observadas desde la frontera estimada sean nopositivas. Si las variables aleatorias de la frontera determinstica en (I) tienen distribucin exponencial o normal truncada, las condiciones de normalidad no se cumplen y consecuentemente los estimadores no pueden obtenerse. (W. H. Greene 1980) Demuestra que el estimador MCOC es consistente dado que las variables aleatorias Ui son independientes e idnticamente distribuidas, probando adems que dichas

variables tienen distribucin gamma con parmetros r>2 y >0. En definitiva podemos ver que lo que define (bajo una perspectiva tcnica) a los modelos de frontera estocstica es el hecho de que no se aceptan outliers. Limitaciones del modelo: Un problema para este tipo de esquemas es que asumen una distribucin de residuos poco funcional a las necesidades de regresin. Por ejemplo, el modelo impone a los residuos una distribucin normal no-negativa, lo que dificulta la estimacin mediante mtodos de regresin (Irizo and Santos 2009) Otro problema asociado al modelo es su sensibilidad ante outliers o valores extremos. Como solucin se ha propuesto permitir una cierta cantidad de valores atpicos por encima de la frontera propuesta (Timmer 1971). Este tipo de modelos se desempean mejor cuando se dispone de un set de datos compacto donde no se tengan valores atpicos. Modelos de frontera estocstica: Se define de la forma: IV. = ; ( ) = 1, 2, 3, ( ),

Donde Vi es una variable aleatoria de media cero, asociada a factores aleatorios (errores de medicin, clima, etc.) Este modelo fue independientemente formulado por (D. Aigner, Lovell, and Schmidt 1977),(Schmidt 1976), y (Meeusen and Broeck 1977). El modelo es tal que la produccin posible, Yi, est delimitada encima por la cantidad estocstica ; siendo esta caracterstica la que le da al modelo su denominacin. Nuevamente, aplicamos el mismo razonamiento que para el caso determinstico. Ahora consideramos que la frontera no es una regin determinada por un intervalo cerrado sino que se trata de una fronter estocstica, lo que nos permite situar observaciones tanto por encima como por debajo de la linea de frontera. Conceptualmente, estamos aceptando que no existe una frontera determinada sino una probable , asegurada dentro de un determinado intervalo de confianza. Alrededor de esta zona de probabilidad, los errores aleatorios Vi, i=1,2,,N. se asumen N~(0,2) e independientes de Ui, que se asumen ser truncamientos no negativos de una distribucin N~(0,2) o bien una distribucin exponencial (Richmond 1974).(Meeusen and Broeck 1977) Consideran el

caso donde Ui tiene distribucin exponencial, es decir donde r=1 y >0 y notaron que el modelo no es tan restrictivo como en el caso de distribuciones normales. Al respecto resulta orientador considerar el anlisis de (W. Greene 2005) donde se realizan pruebas Montecarlo sobre los parmetros del modelo.

La concepcin bsica del modelo de frontera estocstico puede mostrarse en la figura 3, donde dos unidades productivas son consideradas. La UPi utiliza el vector de inputs Xi obteniendo un output Yi que excede la funcin determinstica debido a que su actividad viene asociada a condiciones favorables para las cuales el error aleatorio Vi es positivo. Sin embargo, la UPj usa inputs dados por el vector Xj, obeteniendo el valor observado Yj, con su correspondiente valor frontera Yj* debajo de la funcin determinstica debido a que su actividad, por el contrario, est afectada a condiciones desfavorables para las cuales su error aleatorio Vj es negativo. Lo importante a destacar es que en ambos casos los valores observados de produccin son menores que sus correspondientes valores frontera, pero los valores de la frontera de produccin (noobservables) debern estar alrededor de la funcin deterministica de produccin asociada a los agentes productivos involucrados. Podemos ver esta cuestin en trabajos como el de (Boyd 1987), que mencionaremos ms adelante.

Fig. 4

Dados los supuestos del modelo de frontera estocstica (IV), la inferencia respecto a los parametros del mismo pueden basarse en estimadores de mxima verosimilitud ya que las condiciones estndar se dan, es decir que las observaciones puntuales son independientes y cada una de ellas pertenece a la misma Funcion de Densidad de Probabilidades (PDF en ingls) (D. Aigner, Lovell, and Schmidt 1977) sugieren que los estimadores de mxima verosimilitud de los
2 parmetros del modelo sean obtenidos en trminos de parametrizacin, 2 + 2 y

. Por otro lado, en lugar de usar el parmetro no negativo , (es decir el radio de la desviacin estndar de la distribucin N~(0, 2 ) involucrado en especificar la distribucin de las Ui a la desviacin estndar de los errores simtricos, Vi) (Battese and Corra 1977) consideran el parmetro
2 2 ( + 2 )

; (0,1)

La eficiencia tcnica de una UPi se define en trminos de la razn entre el valor de output observado y su estimado de frontera al nivel de inputs dados. De esta manera, la eficiencia tcnica de la UPi en el contexto de funcin de produccin de frontera estocstica (IV) es la misma que la utilizada en un modelo de frontera determinstico (I): = ; ( ) ( ) = = ;

Sin embargo, a pesar de que la eficiencia tcnica de una UP se plantea de igual forma para el modelo determinstico que para el de frontera estocstica, debemos sealar que los valores diferirn entre s. En particular, si consideramos la Fig.3 la eficiencia de la UPj es mayor si consideramos el modelo de frontera estocstica que si tomamos en cuenta la frontera determinstica. Es decir, la UPj es considerada tecnicamente ms eficiente en relacin a las condiciones desfavorables (Vj<0) que si su produccin es evaluada en relacin al valor de la frontera determinstica. Lo contrario sucede con el ejemplo de UPi. En general, para un conjunto de datos dados, las eficiencias tcnicas estimadas obtenidas al colocar una frontera determinstica sern menores que aquellas obtenidas al utilizar una frontera estocstica debido a que la primera ser estimada de forma tal que ningn valor output la exceda.

En relacin a lo anterior, una generalizacin que incluye casos donde existe poca probabilidad de obtener Ui cercanos a cero fue propuesta por (Stevenson 1980), truncando a valores positivos la distribucin de N~(, 2 ) La prediccin de eficiencias tcnicas de UP asociadas con la frontera estocstica de produccin (IV)
( ) definida por la funcin = era considerada imposible hasta la aparicin del trabajo de

(Jondrow, Knox, and Schmidt 1982), donde se toma en cuenta la distribucin condicional de la variable aleatoria no negativa, Ui dado que la aleatoria es observable. Los autores sugieren el relevo de la variable a partir de la expectativa condicional de Ui dada la distribuin conjunta de la variable Ei. Esta aplicacin es vlida para el caso en que las Ui poseen una distribucin normal trunca o exponenciales, los autores predicen la eficiencia tcnica para la isma UP como 1 ( | ). Por otro lado, (Battese and Corra 1977) y (Battese, Coelli, and Colby 1989) sealan que dadas las caractersticas del modelo (IV), asociadas al carcter

multiplicativo de la funcin Cobb-Douglas, la eficiencia tcnica de la UPi es mejor estimada usando la esperanza condicional de ETi=e(-Ui) con dado Limitaciones del modelo: La estructura planteada por los modelos detrministicos no difiere en gran parte con la clasificacin anterior. El relevo de la variable compuesta presenta la problemtica de no mostrar qu proporcin del residuo corresponde a ineficiencia y qu parte corresponde a errores aleatorios. Otro problema que se presenta es la asimetra en la distribucin del trmino de error. Al ser el trmino de error la suma de un trmino aleatorio negativo y otro de distribucin normal, la resultante relevada presenta una asimetra en su distribucin, lo que se traduce en problemas a la hora de realizar estimaciones. En experimentos simulados (Simar 2003) ha puesto en relieve que en los modelos de frontera estocstica esta asimetra puede llegar hasta el 30% y en ciertos casos, se requiere un tamao de muestra mayor a 1000 para caer en intervalos de confianza del 95%. Mediante tcnicas de estimacin bayesiana,(Irizo and Santos 2009) proponen el relevo del trmino de ineficiencia de forma indirecta, haciendo uso del algoritmo de Gibbs. Este algoritmo permite generar una muestra aleatoria a partir de una probabilidad conjunta, siendo la distribucin de esta ltima la que se compone de aquellas correspondientes a Ui y Vi. La tcnica que presentan los

autores se basa en considerar una distribucin de probabilidad a priori no informativa2, la cual normalizada y multiplicada por su funcin de verosimilitud devuelve una distribucin de probabilidad a posteriori3. Por otro lado, se presenta el problema de analizar la eficiencia tcnica en un contexto de entrada y salida de UP. Usualmente se tiene en cuenta la entrada y salida de firmas en la construccin de un panel de datos balanceados a la hora de estimar la PTF. Esto implica omitir aquellas firmas que no se encuentran en todo el periodo. Sin embargo, el crecimiento o la salida de empresas se encuentra fuertemente condicionado a las diferencias de productividad. Podemos encontrar este concepto en (Jovanovic 1982), (Hopenhayn 1992), (Farias and Ruano 2005). Dado que las firmas de baja productividad tienen fuerte tendencia a la salida, la omisin de empresas entrando o saliendo llevara probablemente a resultados sesgados. A medida que las empresas ms eficientes son contabilizadas, el residual de eficiencia tiende a cero pero existe una fuerte correlacin entre productividad y capital (como input). Esto se debe a que las empresas con mayores niveles de insumos en capital puede soportar bajos niveles de productividad sin salir del mercado. En definitiva, esto causa que el coeficiente afectado al capital est subvalorado. Para solucionar este problema (Olley and Pakes 1996) proponen un algoritmo que permite corregir este sesgo. El desarrollo y explicacin de este algoritmo merece un desarrollo extensivo e intensivo que no encuentra lugar en este trabajo. Adicionalmente, el problema de entrada y salida de productores no es tan sensible dentro del sector agrcola, ya que reasignar factores es muy difcil (irreversibilidad de la inversin), lo que impide salidas rpidas del mercado ante percepciones de baja eficiencia.

Modelos de Datos de Panel:

Resulta ms sencillo definir una funcin de distribucin de probabilidad a priori no informativa a partir de la definicin de su concepto opuesto. Una funcin de probabilidad informativa a priori es aquella que sobre la que se establece a priori algn supuesto acerca de su distribucin. Por ejemplo, si consideramos la temperatura de una habitacin, podramos suponer que la variable posee distribucin normal y su varianza corresponde a la registrada da a da. Por el contrario, una funcin de distribucin de probabilidad noinformativa no realiza estos supuestos. 3 Para ms detalles sobre esta tcnica, refirase a (Smets 1997).

Los modelos presentados hasta ahora son definidos para anlisis de datos de corte transversal. Si se disponen de series de tiempos, luego la informacin se refiere contenida en datos de panel. Ampliando el modelo (IV), (Pitt and Lee 1981) plantean la estimacin de una funcin frontera estocstica de produccin asociada a N firmas durante T periodos: V. = ; ( ) = 1, 2, 3, , ; = 1,2,3, ,

Donde Yit representa la posible produccin de la i-sima UP en el periodo t. (Pitt and Lee 1981) presentan tres modelos bsicos en funcin a los supuestos hechos alrededor de la variable aleatoria Ui. Para el primer modelo, se asume que Uit es invariante en sus efectos a lo largo de t. Para el segundo modelo, se especifica que entre las Uit no hay correlacin. El tercer modelo permite a los trminos aleatorios estar correlacionados entre s. Para el primer modelo, (Battese and Coelli 1988) consideran los efectos aleatorios como truncamientos no negativos de la distribucin N~(, 2 )(Battese and Coelli 1988) (Battese, Coelli, and Colby 1989) consideran el modelo donde el nmero de observaciones de serie de tiempo no es igual en todas las UP. Otros trabajos presentan modelos donde los efectos a lo largo del tiempo varan de forma especfica. (Cornwell, Schmidt, and Sickles 1990) presentan un modelo donde Uit son una funcin cuadrtica de tiempo. (S. Kumbhakar 1990) propone un modelo donde los efectos no negativos de Uit son el producto de una funcin exponencial de tiempo y una variable aleatoria no negativa. Mediante este modelo Uit puede ser presentada como una funcin montonamente creciente (o decreciente) o convexa o viceversa.

Modelos -Resumen
Autores Modelo Distribucin Restricciones Metodologa de estimacin
(D. J. Aigner and Chu 1968)

Funcin de eficiencia propuesta

No se especifca

. = . +

No se especifca

. .

PL/PL Cuadrtica Simple/PL Cuadrtica Simultnea

(Afriat 1972)

. = .

. .

Mxima Verosimilitud

(0, ) (Richmond 1974) (D. Aigner, Lovell, and Schmidt 1977) = . = . + > 0 1 0

1 =

=1 0

(. ) (, )

. = .

No plantea

MCO - Ajustados

~ (, ) No plantea Mxima verosimilitud

mide la variacin de output atribuble a la ineficiencia, que se relaciona con el trmino error

~ + 0, 2

(Meeusen and Broeck 1977) (Charnes, Cooper, and Rhodes 1978a) (W. H. Greene 1980) (Ritter and Simar 1997) (Tulkens and Deprins 1984) (Park and Simar 1992)

. = .

= + ~ 0, 2 ~exp ()

No plantea

Mxima verosimilitud

(0,1)

DEA (funcin emprica)

N/A

=1 =1

1;

Programacin lineal

DEA

, 0

. = .

~(, )
2

> 0 > 2

Mxima Verosimilitud Mxima verosimilitud

= = DEA

. = . + DEA (funcin emprica) N/A

~ 0,

No especifca

~(, ) 0 0

Programacin Lineal

Semi-paramtrico . = . +

Modelos No-paramtricos Data Envelopment Analysis (DEA) El Anlisis Envolvente de Datos, es un mtodo no-paramtrico el cual se ha popularizado crecientemente hasta nuestros das. Se trata de una aproximacin para evaluar el desempeo de Unidades de Toma de Decisiones (DMU Decision Making Units). Las DMU convierten mltiples inputs en mltiples outputs y en general la propia definicin de DMU es muy flexible. De esta forma, el mtodo de DEA se ha utilizado en el anlisis de eficiencia para entidades tan dismiles como Ejrcitos, Hospitales, Ciudades, Universidades, Empresas, Pases y en aplicaciones agroeconomicas. Dada la laxitud en sus supuestos, el DEA ha permitido aplicarse en casos donde el anlisis con mtodos paramtricos resultaba muy complejo o imposible. Ms an, el anlisis de DEA ha permitido nuevos enfoques respecto a actividades antes evaluadas por otros mtodos, logrando identificar fuentes de ineficiencia en empresas consideradas eficientes o muy eficientes, impulsando posteriormente mejoras bajo tcnicas de benchmarking (Cooper 2007). La DEA es una metodologa dirigida a la bsqueda de fronteras antes que tendencias centrales. Es decir que en vez de buscarse una regresin particular a partir de los datos, el analista envuelve una lnea por tramos por encima de las observaciones. Una forma grfica de comprender esta metodologa es volver a la isocuanta de Farrell, e imaginarnos que unimos con lneas rectas aquellos puntos extremos dentro del conjunto de radio vectores producto-insumo, haciendo tambin una proyeccin radial de aquellos que no tocan la frontera. Este concepto involucra mtodos de programacin lineal, y como tal nos permite establecer definiciones mucho ms variadas del concepto de eficiencia. Debido a que no consideramos funciones de produccin (tecnologas que han de ser homogneas dentro del conjunto de UP consideradas) sino que utilizamos UTD (Unidades de Toma de Decisiones), es posible especificar qu es lo que queremos decir con que una UTD es ms eficiente que otra. Esto se logra de una manera directa y sin que sea requerido formular explcitamente supuestos y variaciones de modelos como en el caso de regresiones lineales y no lineales (Cooper 2007). Para la metodologa DEA, la definicin de eficiencia puede sujetarse a dos concepciones generales, la definicin extendida Pareto-Koopman, donde la eficiencia mxima se obtiene cuando cualquier UTD no puede mejorar la eficiencia de tanto sus inputs como outputs sin empeorar alguno de ellos, o bien bajo la concepcin de eficiencia relativa, donde una UTD se juzga completamente eficiente s

y slo si no existe evidencia de que el desempeo de otras UTD no demuestra que algunos de sus inputs u outputs pueden ser mejorados sin empeorar los restantes(Cooper 2007).. Como la mayora de las contribuciones al tema, la propuesta del DEA halla su origen en el trabajo seminal de (Farrell 1957), quien sugiere una aproximacin a la frontera de produccin por mtodos de programacin lineales. Esta aproximacin fue poco considerada durante las dos dcadas posteriores al trabajo de Farrell. (Boles 1966), (R. W. Shephard 1970) y (Afriat 1972) sugierenon mtodos de programacin funcionales que no reciben demasiada atencin hasta la aparicin del trabajo de (Charnes, Cooper, and Rhodes 1978a) donde el trmino DEA fue utilizado por primera vez. Los autores proponen un modelo orientado a inputs donde se asumen rendimientos constantes a escala. Otros autores han propuesto otros supuestos, (Fre, Grosskopf, and Logan 1983) proponen un modelo donde se consideran retornos variables a escala. El modelo asume la existencia de N inputs y M outputs para las UPi. Para la i-sima UP los inputs estn representados por el vector Xi al tiempo que cada output ha sido asignado a la variable qi. La matriz NxM de insumos la denominaremos X y la matriz de Outputs ser la MxI matriz Q Intuitivamente, se trata de una razn entre valores. Para cada UP, lo que buscamos es la razn de todos los outputs respecto a todos los inputs, bajo la forma donde u es un vector Mx1 de output (ponderado) y v es un vector Nx1 de inputs. Estos vectores se resuelven mediante programacin lineal: max u,v 1 = 1,2,

, 0 Este algoritmo supone encontrar los valores de u y v tales que la medida de eficiencia para la firma i-sima sea la mxima, sujeta a la restriccin de que sta no exceda la unidad. El problema a esta formulacin de Programacin Lineal es que entrega un infinito conjunto de nmeros que satisfacen la condicin impuesta. Para evitar esta cuestin, se impone una nueva restriccin. Donde el cambio de notacin denota un nuevo problema de Programacin Lineal (PL). A esta formulacin se la denomina de forma de multiplicador (multiplier form) Usado dualidad en PL podemos derivar una envolvente equivalente:

min
,

+ 0 0 0

Donde es un escalar y es un vector Ix1 de constantes. El valor de obtenido es el valor de eficiencia, (efficiency score) 4 El problema especificado ms arriba consiste intuitivamente en contraer radialmente el vector de inputs, xi lo mximo posible sin dejar de pertenecer al conjunto de soluciones posibles. La regin interna de este conjunto es una isocuanta lineal por tramos (o un hiperplano de iguales caractersticas). La contraccin radial del vector de inputs, xi produce un punto proyectado (X, Q) en la identidad de la funcin. Este punto proyectado es una combinacin lineal del punto observado. La Fig. 5 describe la situacin mencionada.

Fig. 5

vale aclarar, que la eficiencia desde el punto de vista DEA es una variable real, es decir que la mxima eficiencia es aquella indicada por la best practice (lo que nos brinda un score) a diferencia de los mtodos paramtricos que estiman una forma funcional especfica para estimar un nivel de produccin ideal cuya distancia al nivel real de output observado es medida de (in)eficiencia.

En definitiva, el conjunto de posibilidades de produccin se obtiene de la regin creada a partir de la resolucin mediante PL del conjunto de valores observados, especificando qu se entiende por eficiencia (best practice)

Resulta til mencionar las contribuciones de algunos autores cuyos trabajos fueron germinales al anlisis de eficiencia tcnica y productividad. (Debreu 1951) Introduce los primeros conceptos alrededor de la estimacin de la eficiencia, define las propiedades matemticas del ndice (por ejemplo, convexidad y cuasi-convexidad) y propone mtodos para su estimacin (minimax, programacin lineal, por ejemplo). La contribucin de Debreu se complementa con los trabajos de (Koopmans 1951) donde se ampla el concepto de eficiencia al definir un vector insumo-producto eficiente si y slo si, el incremento o decremento de cualquier insumo o producto no es sino posible a costa del incremento o decremento de otro, as mismo Koopmans contribuye . Estas cuestiones condensan en el trabajo de (R. Shephard, Gale, and Kuhn 1970) donde se establece un riguroso tratamiento de las tecnologas productivas definidas a partir del mapeo de vectores de outputs dentro de un subconjunto de inputs que representa las posibilidades tcnicas de

produccin. El concepto a destacar es la nocin de que no puede existir produccin por encima de la frontera de eficiencia, este concepto es utilizado para definir el modelo de frontera determinstico, del que ya hemos hablado. En (Farrell 1957) hallamos el trabajo germinal a partir del cual se originan diversos papers orientados al tema, los conceptos expuestos por el autor se enuncian al principio.

Trabajos Especficos: Aigner and Chu (1968) proponen mtodos de estimacin paramtricos en el contexto de una funcin de produccin de tipo cobb-douglas y establecen una frontera de produccin de tipo determinstica. Afriat (1972) contina esta lnea y la traslada hacia el anlisis de eficiencia asignativa (eficiencia de costos). Richmond (1974) propone estimaciones mediante el mtodo de Mnimos Cuadrados Ordinarios Corregidos y asume un trmino de error con distribucin exponencial (Gamma) Meeusen Van Den Broeck (1977) junto con Aigner, Lovell y Schmidt (1977) modelan la productividad como compuesta por un trmino de error aleatorio, que se asume con distribucin normal y un trmino de ineficiencia de distribucin asimtrica (en este caso, exponencial gamma) Stevenson (1980) propone un modelo donde el trmino aleatorio tiene distribucin normal truncada. Greene (1980) demuestra las propiedades asintticas del estimador mediante mxima verosimilitud, demostrando la consistencia del estimador dado que el trmino aleatorio es iid (Independiente e Identicamente Distribudos) (Koop, Steel, and Osiewalski 1994) describen el uso del algoritmo de gibbs para relevar el componente aleatorio de ineficiencia a partir de la distribucin conjunta del trmino de error tal cual lo proponen Aigner, Lovell y Schmidt (1977) (S. C. Kumbhakar 1993) analiza los efectos a corto plazo de los rendimientos a escala, eficiencia tcnica y asignativa sobre la tasa de retorno para el sector lechero de Utah, aportando una metodologa de anlisis respecto al tamao de explotacin y las condiciones necesarias para realizar esta contrastacin. (S. Kumbhakar 2003) Presenta un libro donde condensa las principales cuestiones tericas alrededor del anlisis de frontera estocstico, se trata de una obra muy completa, que abarca no slo el concepto de eficiencia tcnica, sino que se aborda adems la eficiencia asignativa, de escala, de ganancia, entre otros. (Simar and Zelenyuk 2006) Proponen mtodos para comprobar la igualidad de dos distribuciones en el contexto no-paramtrico DEA usando una prueba Li y mediante experimentos de montecarlo.

(Battese and Corra 1977) Presentan un modelo de tipo no-estocstico. Asumiendo una distribucin de tipo Normal truncada para el trmino aleatorio Ut, con media cero y varianza u2 y Vt~N(0,V2). Este modelo es heredado de (D. Aigner, Lovell, and Schmidt 1977). El primer elemento aleatorio es considerado una medida de ineficiencia productiva, al tiempo que el elemento aleatorio simtrico Vt es considerado un error de medida no asociado a circunstancias controlables por la UP. Los autores aplican tal modelo para la estimacin de una frontera de produccin respecto a la zona pastoril del este de Australia. En el mismo trabajo, sugieren la aplicacin de variaciones del modelo en cuestin. Tales variaciones se efectan sobre la funcin auxiliar de residuos = + En el caso de que = 0 la funcin se comporta segn lo expuesto por (Aigner, Lovell y Schmidt, 1977). Esto es, un modelo que puede denominarse de Frontera Completa, es decir que (Battese and Coelli, 1992): Presenta un modelo de datos de panel con frontera estocstica para el cual los efectos aleatorios son una funcin exponencial del tiempo, el modelo es similar al planteado por (D. Aigner, Lovell, and Schmidt 1977). Se propone un predictor de eficiencia basado en la estimacin condicional dada la distribucin conjunta del trmino de ineficiencia y el trmino de ruido blanco, del termino de ineficiencia. 1 1

exp

1 2 2 exp + 2

Adicionalmente se aplica el modelo usando datos de arrozales en la India. Se encuentra en este caso, que la eficiencia tcnica es invariante respecto al tiempo. (Boyd 1987): Examina la eficiencia del modo de produccin socialista respecto al capitalista. Basado en un modelo de frontera estocstica de forma funcional tipo Cobb-Douglas, el autor compara diferencias en la PTF entre ambos sectores. Se concluye que la produccin colectivizada no es inherentemente ineficiente e incluso pueden desempearse ms eficientemente que la produccin privada. Adems, se comprueba que la manera de adoptar la tecnologa es similar tanto para el sector colectivizado como el privado. Respecto a lo anterior, (Hofler and Payne 1993), retoman el trabajo de (Boyd 1987) Aplican un modelo de frontera estocstica sobre la produccin agrcola yugoslava. En contraposicin a Boyd,

sus hallazgos sealan que el sector privado es ms eficiente que el colectivizado. La explicacin que proponen a esta diferencia es que Boyd malinterpreta la adopcin de nuevas tecnologas como eficiencia. Los autores encuentran que la frontera de produccin del sector privado es menor a la del colectivizado, lo que implica que el nivel tecnolgico del primero es menor al ltimo. Ahora bien, la produccin por debajo de la frontera se da a partir de la ineficiencia, entonces si se consideran valores de eficiencia mayores para el sector colectivizado que para el privado, a la luz de las diferencias en las fronteras productivas, esto resulta en que en realidad la eficiencia relativa es mayor para el sector privado que el colectivizado, esto es que el sector privado aprovecha mejor la tecnologa que el colectivizado. Los autores analizan tambin las diferencias en eficiencia por regin, obteniendo resultados similares. Sin embargo, a la luz de lo que hemos expuesto, sera interesante plantear este anlisis prescindiendo de supuestos alrededor de la tecnologa, es decir mediante estimaciones no-paramtricas. (Aldaz and Milln 2002): Proponen un modelo DEA de datos de panel para analizar la evolucin en la PTF para la industria alimenticia mediante el ndice de Malmquist, utilizando la metodologa propuesta por (Fre et al. 1994). Se observa una mejora progresiva en la eficiencia del trabajo, sin embargo estos resultados varan entre regiones (Zuniga 2009) Analiza la eficiencia tcnica en el sector forestal Nicaragense (1998 2005) utilizando el modelo de frontera estocstico (FE) propuesto por (T. Coelli 1995), donde se propone un modelo de datos de panel por FE. El autor comprueba una tendencia decreciente pero aceptable en un 0.9 de eficiencia en las fincas que combinan la actividad forestal como un medio de subsistencia en sus hogares evidenciando un impacto positivo y creciente de la aplicacin de las tasas impositivas y tecnologas forestales que promueven las medidas forestales que contribuyen a mejorar el ecosistema ambiental.(Zuniga 2009)

Clasificacin cronolgica segn metodologa:

No-Paramtricos Charnes, Cooper, and Rhodes (1978b) Banker, Charnes, and Cooper (1984) Park and Simar (1992) Fre et al. (1994) Grosskopf, Norris, Zhang, & Farddde (1994)

Cooper et al. (1996)

Simar et al. (1997) B. U. Park, Simar, and Weiner (2000) Simar (2003) Simar and Zelenyuk (2006) Cooper (2007) Frsund, Kittelsen, and Krivonozhko (2009) Irizo and Santos (2009)

Trabajos Germinales Debreu (1951) Koopmans (1951) R. Shephard (1953) Farrell (1957) R. Shephard, Gale, and Kuhn (1970)

Paramtricos A. D. J. Aigner and Chu (1968) Afriat (1972) Richmond (1974) Meeusen and Broeck (1977) D. Aigner, Lovell, and Schmidt (1977) Stevenson (1980) Greene (1990) Koop, Steel, and Osiewalski (1994) Ritter and Simar (1997)

Productividad Total de los Factores

El anlisis de la Productividad Total de los Factores (PTF) est ntimamente ligado a la estimacin de funciones de produccin en frontera, y por intermedio de la ltima, se relaciona con las funciones de distancia. Empezaremos esta seccin introduciendo el concepto de distancia, para luego enunciar la principal funcin de distancia utilizada en la estimacin de PTF, la funcin de distancia de Malmquist. Una vez comprendido el concepto desarrollado en (Malmquist 1953), podremos avanzar en tpicos alrededor del anlisis de PTF. La distancia como funcin matemtica. Analizar diferencias, tanto en productividad, eficiencia o cualquier variable que pueda ser contrastada, involucra generalmente un anlisis de distancias. Como hemos mencionado anteriormente, la distancia entre el producto relevado y el mximo posible con una tecnologa dada, es una expresin de la Eficiencia Tcnica (ET). Tal distancia es inversamente proporcional a la ET, siendo la mxima posible (en teora) aquella donde la distancia entre producto potencial y el relevado es cero5. Para estimar la PTF, nos valemos de la funcin de distancia de Malmquist, que puede comprenderse intuitivamente si recordamos los propuesto por (Farrell 1957). Para Farrell, la eficiencia de una tecnologa productiva es mxima (o ideal) cuando no es posible producir ms con el conjunto de inputs dados. Luego el grado de ineficiencia vendr dado por la brecha entre el producto relevado y el producto mximo que se podra producir dada la tecnologa y los inputs, es decir el producto frontera. Consideremos ahora St como el conjunto de posibilidades de produccin en el momento y con la tecnologa disponible en t: =
; : produce ; = (1 ; 2 ; ; ); = (1 , 2 ; ; )

= 1, 2,3, ,

Hemos ya mencionado que esta nocin se relaja cuando consideramos fronteras estocsticas, sin embargo, el concepto no cambia radicalmente, la distancia ser tambin estocstica.

Por otro lado, la tecnologa en t puede definirse a partir de la funcin de produccin en t, Ft (Fre, Grosskopf, Norris, Zhang, & Farddde, 1994) = : ; ; = 1, 2,3, ,

Ahora bien, admitiendo la posibilidad de que el producto relevado (Yt) sea inferior al esperado dada la funcin de produccin estimada (Ft), encontraremos que la brecha entre ambos valores puede estimarse de manera tal que obtengamos un factor de correccin que nos permita ubicar el producto observado al lmite de la frontera (mxima produccin posible, o ideal en t).(R. W. Shephard 1970) Define este factor dado por la distancia D en t: ; = inf ( ; /) Si ahora relacionamos el conjunto St con la Funcin de produccin en t, intuitivamente vemos que: ; = inf / ( ) = Reordenando, podemos expresar el producto potencial en t: ( ) = ; ( )

Donde nos queda definida la produccin mxima en t como funcin del producto observado y su distancia al valor mximo posible, la cual es funcin de , nuestra medida de (in)eficiencia. Ahora bien, nuestro inters es comprender la evolucin en el tiempo de las distancias relativas en (t) y (t+1), para de esta manera analizar los cambios que pudieran darse sobre la eficiencia y el cambio tcnico. Debemos entonces relacionar las variables insumo/producto en cada periodo. El ndice Malmquist, utiliza las funciones de distancia que acabamos de explicar y las compara con respecto a tecnologas que se esperan diferentes en cada periodo. El ndice que desarrollaremos fue propuesto por primera vez en (Caves, Christensen, and Diewert 1982b). Similar desarrollo encontramos en (Fre et al. 1994).

Definimos entonces la Distancia entre productos e insumos relevados en el periodo (t+1) usando la tecnologa disponible en (t): +1 ; +1 = inf ( +1 ; +1 /) De forma similar, Dt mide la variacin proporcional en los outputs, dados los inputs para que Yt+1 sea factible con la tecnologa utilizada en t. Anlogamente, definimos Dt+1 como la variacin proporcional en los outputs dados los inputs en t para que Yt sea factible con la tecnologa disponible en t+1: +1 ; = inf ( ; /) +1 Suponiendo rendimientos constantes a escala, para analizar el cambio de PTF entre el periodo t y t+1 definimos el ndice Malmquist: = +1 , +1 , , = +1 +1 , +1 +1 ,

Ahora bien, hemos establecido comparaciones basados en considerar tecnologas en t y t+1. Esta cuestin puede volverse problemtica al considerar largos periodos de tiempo. Para solucionar esta cuestin se propone o bien considerar ndices en pares de periodos anuales que consideren como base la tecnologa de los periodos t y t+1 y calcular la media geomtrica, de manera tal que se permita el cambio de la tecnologa de referencia. Otra opcin es considerar dos fronteras de referencia correspondientes al ao inicial y al final y tomar la media geomtrica de los dos ndices. La eleccin depende del periodo en cuestin. Ambas soluciones se definen bajo la frmula:

= +1 , +1 , , =

+1 , +1 +1 +1 , +1 , +1 ,

1/2

Si operamos el ndice anterior, podremos expresarlo en dos componentes, aquel que refleja el efecto catch up (mejora de la eficiencia tcnica), y aquel que indica el cambio en la PTF atribuible a mejoras tecnolgicas: I. = +1 , +1 , , =
+1 +1 , +1 ,

+1 , +1 +1 +1 , +1

+1

, ,

1/2

Donde el primer trmino refleja el efecto del cambio de eficiencia, este valor supera la unidad si ha habido incremento en la eficiencia. El segundo trmino, es la media geomtrica de los dos radios que miden el progreso tcnico. Ahora, utilizando el mismo concepto, se puede demostrar que el crecimiento del ingreso nacional puede descomponerse utilizando el ndice de Malmquist.
+1 +1 /( +1 ) ( +1 ) = +1 ( ) /( )

Recordando la igualdad: +1 ; +1 = +1 / ( +1 ) ; = / ( ) Multiplicando y dividiendo MAM:

+1 +1 ; +1 +1 ; +1 ( +1 ) = +1 +1 +1 ; ; ( )

Donde el primer trmino refleja el efecto del cambio de eficiencia, este valor supera la unidad si ha habido incremento en la eficiencia. El segundo trmino, mide el progreso tcnico. Esta misma expresin se puede plantear alternativamente como:
+1 +1 +1 /( +1 ) ( +1 ) = +1 +1 /( ( ) )

Multiplicando MAM:
+1 +1 +1 +1 ; +1 +1 ; +1 ( +1 ) = +1 +1 +1 +1 ; ; ( )

Donde evaluamos la evolucin de la PTF en relacin a la tecnologa productiva en t+1. De igual manera que en la expresin I, resolvemos el problema del uso de tecnologa nica al considerar la media geomtrica inter-anual.

II.

+1

+1 +1 , +1 ,

+1 , +1 +1 +1 , +1

+1

, ,

1/2

+1 +1 +1 +1

Ahora bien, a modo de ejemplo, consideremos un caso donde se produzca un producto a partir de dos insumos, trabajo (L) y capital (K):
+1

III.

+1 [( +1 , +1 ), +1 ] [ , , ]

[( +1 , +1 ), +1 ] +1 [( +1 , +1 ), +1 ]

[( , ), ] +1 [ , , ]

1/2

+1 , +1 +1 +1 , +1 , +1 ,

A partir de la expresin III, aplicamos el supuesto de rendimientos constantes a escala:

, = , 1 = ( )

Donde f ser la funcin expresada en trminos trabajo-intensivos. Luego, la ecuacin III se redefine:
+1 +1 [( +1 , +1 ), +1 ] [ , , ] [( +1 , +1 ), +1 ] +1 [( +1 , +1 ), +1 ] [( , ), ] +1 [ , , ] 1/2
+1 +1 +1 +1 +1 +1

IV.

+1

Reordenando:
+1 +1 [( +1 , +1 ), +1 ] [ , , ] [( +1 , +1 ), +1 ] +1 [( +1 , +1 ), +1 ] [( , ), ] +1 [ , , ] 1/2
+1 +1 +1 +1 +1 +1

V.

+1

A partir de la ecuacin V, expresamos el crecimiento de la productividad del trabajo en dos componentes, el ndice de Malmquist (los dos primeros trminos de la ecuacin) y el incremento inducido por el aumento del acervo de capital fijo por trabajador. En este ejemplo podemos ver intuitivamente como los factores productivos son considerados para la elaboracin del ndice. A partir del supuesto de rendimientos constantes a escala, podemos introducir un vector de factores productivos asociados

Aplicaciones del ndice Malmquist en el anlisis agroeconmico: (V W Ruttan 1970) (Vernon W Ruttan, Hayami, and Kawagoe 1985) (Capalbo and Antle 1988) Son estudios de corte transversal que usan mtodos de regresin sobre una funcin de produccin Cobb-Douglas. Se enfocan en la estimacin de elasticidades de produccin y la influencia de la

escala, educacin y desarrollo (I+D) en la productividad de los factores.(V W Ruttan 1970) Realizan un anlisis de tipo transversal de 38 pases, distinguiendo grupos de pases desarrollados y en vas de desarrollo en funcin al ingreso per cpita, se estima una funcin de produccin Cobb-Douglas, y contabilizan las diferencias en la produccin agrcola mediante diferencias en el uso de inputs convencionales y no convencionales (input / trabajador). Las variables independientes usadas en la regresin incluyen mano de obra, tierra, ganado, fertilizante, maquinarias, educacin y recursos humanos calificados. Los resultados obtenidos sugieren que la principal diferencia entre grupos de pases desarrollados y en vas de desarrollo gravita alrededor de la diferencia explicada por la tierra. Esta diferencia representa slo el dos por ciento de la diferencia en la productividad laboral entre pases menos desarrollados y aquellos desarrollados desde hace tiempo, mientras que representa el 19% de la diferencia entre pases menos desarrollados y aquellos que alcanzaron el desarrollo recientemente. Esto implica que debera ser posible para los menos desarrollados, incluso con los niveles actuales de tierra/trabajador alcanzar los niveles de productividad laboral de los pases desarrollados. Los autores concluyen que los elementos crticos para lograr estos objetivos es la provisin de insumos industriales modernos en los cuales la nueva tecnologa se encuentra presente y una mayor inversin en educacin e investigacin. Se hacen tambin comparaciones entre pases tomando a EEUU como pas base, los resultados son consistentes con las comparaciones grupales. (Fre et al. 1994) Realizan un anlisis de 17 pases OECD en el periodo 1978-1988, utilizan mtodos no paramtricos para descomponer el progreso tcnico y el efecto catch-up mediante el ndice de Malmquist, la metodologa es similar a la presentada en (Chavas and Cox 1992). Se comprueba que el crecimiento de la productividad en EEUU se encuentra por encima de la media mientras que el mayor aumento de productividad registrado en el periodo fue para Japn, donde la mitad de este crecimiento se da a partir de mejoras en eficiencia tcnica. (Rao and Coelli 2003): Examinan niveles y tendencias en la produccin agrcola en 93 paises desarrollados y en vas de desarrollo. Se hace uso de informacin de la FAO y cubre el periodo 1980-2000. Debido a la falta de disponibilidad de informacin de precios confiable, se hace uso de la metodologa DEA para producir ndices de Malmquist. Se analiza, dentro de un marco global, la convergencia y en algunos casos divergencia, as como el efecto de catch up. (Maudos 2000): Analiza el crecimiento de la productividad del trabajo usando el ndice de Malmquist para el periodo 1964-1993 mediante una aproximacin de frontera, donde se estima

una funcin de produccin mediante DEA y la descomposicin de la PTF entre cambio tcnico y eficiencia. Se diferencian cinco sectores (agricultura, industria no energtica, energa, construccin y servicios). El trabajo concluye notando diversas diferencias a nivel sectorial As, mientras que en el sector industrial, la construccin y los servicios se han reducido las desigualdades entre regiones, en la agricultura y la energa las diferencias se han acentuado en el periodo analizado, si bien estos procesos no son constantes en el tiempo.(Maudos 2000) Ms all de las diferencias, se comprueba una tendencia a la convergencia en trminos regionales, de los sectores donde el sector ms rezagado es el agrcola. Se destaca en este caso las ganancias por eficiencia como fuente de crecimiento de la productividad. Se identifica al sector energtico y agrcola como los menos ineficientes. Finalmente se remarca tanto la necesidad de expandir las posibilidades de produccin mediante la difusin de tecnologa (ganancias de eficiencia) como a travs de la implementacin de nuevas tecnologas (progreso tcnico). (Zheng 2009): Presenta un interesante trabajo analizando el ndice de Malmquist en un sentido dinmico. Demuestra que si las estimaciones DEA de ndices de productividad, son utilizadas en anlisis de regresin, el conjunto de ecuaciones lineales involucradas pueden considerarse un sistema y en cuanto a la estructura de la funcin generadora de conocimiento (parmetro A), esta puede luego ser especificada como un sistema dinmico. El autor introduce una funcin dinmica (diferencial) que relaciona al ndice de Malmquist con una funcin de (produccin de) tecnologa. Dicha funcin sigue lo propuesto por (Phelps 1966)6. El primer elemento novedoso que plantea (Zheng 2009) es que el ndice de Malmquist puede no slo descomponerse en componentes de eficiencia tcnica y progreso tcnico, sino que adems puede utilizarse para medir el flujo de conocimiento creado (y realizar una separacin entre su creacin agregado al stock de conocimiento y su uso ms eficiente), consistente con los modelos de crecimiento endgeno. Adems, se demuestra a partir de la descomposicin multiplicativa del ndice en su forma clsica que esta misma descomposicin es posible en trminos aditivos si se aplica un simple esquema de linealizacin7.

Las condiciones que propone Phelps son: La funcin de producin de conocimiento es montona. El conjunto de insumos dedicados a la produccin del conociento es un conjunto convexo. El investigador es el insumo esencial. El conjunto de insumos es no-vaco y cerrado. La funcin de produccin de conocimiento es finita, no negativa, de imagen en los nmeros reales positivos e inyectiva 7 Se descompone el ndice a partir de una serie de Taylor.

Por otro lado, la incorporacin del ndice de Malmquist en un sistema dinmico de produccin del conocimiento representa nuevas oportunidades para anlisis detallados de los determinantes del desempeo de la productividad (Zheng 2009).

Consideraciones Finales: El anlisis de la eficiencia y la PTF es un tema de gran inters para la economa. Los mtodos de estimacin que hemos mencionado son variados y su seleccin depende de las necesidades del investigador. Por otro lado, los avances en la informtica han permitido hacer posibles mtodos de gran carga computacional como los no paramtricos. En ese sentido en la actualidad el tema se encuentra en pleno desarrollo, en particular sobre mtodos que permiten evaluar la eficiencia de estimadores no-paramtricos y semi paramtricos. Por otro lado, si consideramos los supuestos alrededor de los mtodos paramtricos (en especial aquellos supuestos que limitan la forma funcional de la tecnologa productiva), resulta interesante preguntarnos si la construccin de un IM a partir de DEA se presenta ms ventajosa, especialmente cuando se consideran largos periodos de tiempo, donde la tecnologa cambia muy probablemente. Un rea interesante de investigacin que surge a la luz de esta revisin es el construir dos IM a partir de mtodos paramtricos y no paramtricos para luego contrastar las conclusiones que se obtienen a partir de los datos observados. En la misma direccin, el anlisis de la evolucin del ndice aplicado a pases en desarrollo de fuerte dependencia en sus exportaciones agrcolas, nos permitir comprender la situacin del sector agrcola en dos dimensiones de posterior inters para propuestas de polticas econmicas. Entender el nivel de eficiencia tcnica (primer dimensin) nos permite entender por ejemplo, diferencias en las capacidades de transferencia y apropiacin de conocimientos para determinada tecnologa productiva. Por otro lado, comprender en qu nivel de frontera se encuentra el sector nos permite comprender en qu medida podemos mejorar la productividad mediante la introduccin de nuevas tecnologas. De lo anterior, resulta interesante la propuesta de aplicar estos indicadores de ET y PTF sobre la estructura de la funcin de produccin de conocimiento. Aplicar estos estimadores e ndices directamente sobre una hipottica funcin de produccin de innovaciones que funcione en un sistema dinmico (diferencial o por niveles) nos resulta de utilidad a la hora de comprender las potencialidades del gasto en I+D sobre el sector agrcola.

Bibliografa: Afriat, S. N. 1972. Efficiency Estimation of Production Functions. International Economic Review 13 (3): 568598. Aigner, D J, and S F Chu. 1968. On Estimating the Industry Production Function. American Economic Association 58 (4): 826839. Aigner, Dennis, CAL Lovell, and Peter Schmidt. 1977. Formulation and Estimation of Stochastic Frontier Production Function Models. Journal of Econometrics 6 (1): 2137. http://rqpi.org/pubs/papers/2008/P5649.pdf. Aldaz, Natalia, and JA Milln. 2002. Eficiencia y Cambio Tcnico En DEA Con Datos de Panel. Revista de Economa Aplicada X (1996). ftp://195.55.205.226/revecap/revista/numeros/29/pdf/aldaz_millan.pdf. Banker, R.D., A. Charnes, and W.W. Cooper. 1984. Some Models for Estimating Technical and Scale Inefficiencies. Management Science 30 (9): 10781092. Battese, GE, and TJ Coelli. 1988. Prediction of Firm-level Technical Efficiencies with a Generalized Frontier Production Function and Panel Data. Journal of Econometrics 38 (October 1986): 387399. http://www.sciencedirect.com/science/article/pii/030440768890053X. Battese, GE, TJ Coelli, and TC Colby. 1989. Estimation of Frontier Production Functions and the Efficiencies of Indian Farms Using Panel Data from ICRISATs Village Level Studies. Australian Agricultural and Resource Economics Society (33). http://www.une.edu.au/businessschool/working-papers/econometrics/emetwp33.pdf. Battese, GE, and GS Corra. 1977. Estimation of a Production Frontier Model: With Application to the Pastoral Zone of Eastern Australia. Australian Journal of Agricultural and 21 (3): 169 179. http://onlinelibrary.wiley.com/doi/10.1111/j.1467-8489.1977.tb00204.x/abstract. Boles, J.N. 1966. Efficiency Squared - Efficiency Computation of Efficiency Indexes. In 39th Annual Meeting of the Western Farm Economic Association, 137142. Boyd, Michael L. 1987. Socialist Organization: Postwar Yugoslav Agriculture. The Review of Economics and Statistics 69 (2): 205214. Capalbo, Susan M., and J.M. Antle. 1988. Agricultural Productivity: Measurement and Explanation. Washington D.C: Resources for the Future. Caves, DW, LR Christensen, and WE Diewert. 1982a. The Economic Theory of Index Numbers and the Measurement of Input, Output, and Productivity. Econometrica: Journal of the 50 (6): 13931414. http://www.jstor.org/stable/10.2307/1913388.

. 1982b. Multilateral Comparisons of Output, Input, and Productivity Using Superlative Index Numbers. The Economic Journal 92 (365): 7386. http://www.jstor.org/stable/10.2307/2232257. Charnes, A., W W Cooper, and E. Rhodes. 1978a. Measuring the Efficiency of Decision Making Units. European Journal of Operational Research 2 (6): 429444. Charnes, A., W.W. Cooper, and E. Rhodes. 1978b. Measuring the Efficiency of Decision Making Units. European Journal of Operational 2 (6) (November): 429444. doi:10.1016/03772217(78)90138-8. http://linkinghub.elsevier.com/retrieve/pii/0377221778901388. Chavas, Jean-paul, and Thomas L Cox. 1992. A Nonparametric Analysis Agricultural Productivity. American Journal of Agricultural Economics 74 (3): 583591. Coelli, T. 1995. Estimators and Hypothesis Tests for a Stochastic Frontier Function: A Monte Carlo Analysis. Journal of Productivity Analysis 268: 247268. http://link.springer.com/article/10.1007/BF01076978. Coelli, Timothy J., D.S. Prasada Rao, Christopher J. ODonnell, and E. George Battese. 2005. An Introduction to Efficiency and Productivity Analysis. Springer. Cooper, William W. 2007. Data Envelopment Analysis - A Comprehensive Text with Models , Applications , References and DEA-Solver Software. Springer. Cornwell, Christopher, Peter Schmidt, and Robin C Sickles. 1990. PRODUCTION FRONTIERS WITH CROSS-SECTIONAL AND TIME-SERIES VARIATION IN EFFICIENCY LEVELS* Christopher 46 (July 1987): 185200. Debreu, Gerard. 1951. The Coefficient of Resource Utilization Author ( s ): Gerard Debreu Published by: The Econometric Society Stable URL: Http://www.jstor.org/stable/1906814 . Econometrica 19 (3): 273292. Diewert, W E, and T J Wales. 1995. Econometrics. Vol. 67. Fre, Rolf, Shawna Grosskopf, and James Logan. 1983. The Relative Efficiency of Illinois Electric Utilities. Resources and Energy 5 (4): 349367. Fre, Rolf, Shawna Grosskopf, Mary Norris, and Zhongyang Zhang. 1994. Productivity Growth , Technical Progress , and Efficiency Change in Industrialized Countries. The American Economic Review 84 (1): 6683. Farias, Jose C., and Sonia Ruano. 2005. Firm Productivity, Heterogeneity, Sunk Costs and Market Selection. International Journal of Industrial Organization 23 (7-8) (September): 505534. doi:10.1016/j.ijindorg.2005.02.002. http://linkinghub.elsevier.com/retrieve/pii/S0167718705000706.

Farrell, M.J. 1957. The Measurement of Productive Efficiency. Journal of the Royal Statistical Society 120 (3): 253290. Fisher, R. a. 1922. On the Mathematical Foundations of Theoretical Statistics. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences 222 (594-604) (January 1): 309368. doi:10.1098/rsta.1922.0009. http://rsta.royalsocietypublishing.org/cgi/doi/10.1098/rsta.1922.0009. Greene, William. 2005. Reconsidering Heterogeneity in Panel Data Estimators of the Stochastic Frontier Model. Journal of Econometrics 126 (2) (June): 269303. doi:10.1016/j.jeconom.2004.05.003. http://linkinghub.elsevier.com/retrieve/pii/S0304407604001137. Greene, William H. 1980. Maximun Liklihood Estimation of Econometric Frontier Functions. Journal of Econometrics 13 (162): 2756. Hofler, Richard A, and James E Payne. 1993. Efficiency in Social Versus Private Agricultural Production: The Case of Yugoslavia. The Review of Economics and Statistics 75 (1): 153157. Hopenhayn, HA. 1992. Entry, Exit, and Firm Dynamics in Long Run Equilibrium. Econometrica: Journal of the Econometric Society 60 (5): 11271150. http://www.jstor.org/stable/10.2307/2951541. Irizo, F. J. Ortega, and J. Basualdo Santos. 2009. Estimacin Bayesiana En Modelos de Produccin Con Frontera Determinista *. Estudios de Economa Aplicada 27 (2): 122. Jondrow, James, C A Knox, and Peter Schmidt. 1982. On the Estimation of Technical Inefficiency in the Stochastic Frontier. Journal of Econometrics 19: 233238. Jovanovic, B. 1982. Selection and the Evolution of Industry. Econometrica: Journal of the Econometric Society 50 (3): 649670. http://www.jstor.org/stable/10.2307/1912606. Koop, Gary, Mark F. Steel, and Jaeck Osiewalski. 1994. Posterior Analysis of Stochastic Frontier Models Using Gibbs Sampling. Koopmans, T.C. 1951. Analysis of Production as an Efficient Combination of Activities. In Activity Analysis of Production and Allocaton, edited by Tjalling C. Koopmans. Kumbhakar, SC. 1990. Production Frontiers, Panel Data, and Time-varying Technical Inefficiency. Journal of Econometrics 46: 201211. http://www.sciencedirect.com/science/article/pii/030440769090055X. . 2003. Stochastic Frontier Analysis. Cambridge: Cambridge University Press. doi:10.1017/CBO9781139174411. http://ebooks.cambridge.org/ref/id/CBO9781139174411. Kumbhakar, Subal C. 1993. Short-Run Returns to Scale , Farm-Size , and Economic Efficiency Author ( s ): Subal C . Kumbhakar. The Review of Economics and Statistics 75 (2): 336341.

Malmquist, S. 1953. Index Numbers and Indifference Surfaces. Trabajos de Estadstica 4 (2): 209242. Maudos, Joaqun. 2000. Descomposcin En Progreso Tcnico y Cambio De Eficiencia: Una Aplicacin Sectorial y Regional En Espaa ( 1964-1993 ). Universitat de Valncia e Instituto Valenciano de Investigaciones XXIV (1): 177205. Meeusen, W, and J Van den Broeck. 1977. Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error. International Economic Review 18 (2): 435444. https://www.victoria.ac.nz/staff/martin_berka/teaching/Econ413/Mendoza1995.pdf. Olley, G Steven, and Ariel Pakes. 1996. The Dynamics of Productivity in the Telecommunications Equipment Industry. Econometrica 64 (6): 12631297. http://www.jstor.org/stable/2171831. Park, BU, and L Simar. 1992. Efficient Semiparametric Estimation in a Stochastic Frontier Model. Journal of the American Statistical . http://amstat.tandfonline.com/doi/full/10.1080/01621459.1994.10476826. Phelps, Edmund S.|. 1966. The Golden Rule of Research.pdf. The Review of Economic Studies 2 (33): 133146. Pitt, MM, and LF Lee. 1981. The Measurement and Sources of Technical Inefficiency in the Indonesian Weaving Industry. Journal of Development Economics 9: 4364. http://www.sciencedirect.com/science/article/pii/0304387881900043. Rao, D S Prasada, and Timothy J. Coelli. 2003. Total Factor Productivity Growth in Agriculture: A Malmquist Index Analysis of 93 Countries , 1980-2000 *. Sidney, Australia. Richmond, J. 1974. Estimating the Efficiency of Production. International Economic Review 15 (2): 515521. http://www.jstor.org/stable/10.2307/2525875. Ritter, Christian, and Leopold Simar. 1997. Pitfalls of Normal-gamma Stochastic Frontier Models. Journal of Productivity Analysis. http://link.springer.com/article/10.1023/A:1007751524050. Ruttan, V W. 1970. Agricultural Productivity Among Countries Differences. The American Economic Review 60 (5): 895911. Ruttan, Vernon W, Yujiro Hayami, and Toshihiko Kawagoe. 1985. THE INTERCOUNTRY AGRICULTURAL PRODUCTION. Journal of Development Economics 19: 113132. Schmidt, P. 1976. On the Statistical Estimation of Parametric Frontier Production Functions. The Review of Economics and Statistics 58 (2): 238239. http://ideas.repec.org/a/tpr/restat/v58y1976i2p238-39.html. Shephard, R.W. 1970. Theory of Cost and Production Functions. Princeton University Press.

Shephard, RW, D Gale, and HW Kuhn. 1970. Theory of Cost and Production Functions 82 (327): 10591061. http://library.wur.nl/WebQuery/clc/366640. Simar, Lopold. 2003. How to Improve the Performances of DEA/FDH Estim ators in the Presence of Noise? Journal of Productivity Analysis. http://link.springer.com/article/10.1007/s11123007-0057-3. Simar, Lopold, I Gijbels, E Mammen, and Byeong U. Park. 1997. On Estimation of Monotone and Concave Frontier Functions. CORE Discussion Papers. http://amstat.tandfonline.com/doi/abs/10.1080/01621459.1999.10473837. Simar, Lopold, and Valentin Zelenyuk. 2006. On Testing Equality of Distributions of Technical Efficiency Scores. Econometric Reviews 25 (4) (December): 497522. doi:10.1080/07474930600972582. http://www.tandfonline.com/doi/abs/10.1080/07474930600972582. Smets, Philippe. 1997. Jeffrey s Rule of Conditioning Generalized to Belief Functions. IRIDIA, Universit Libre de Bruxelles 1: 16. Stevenson, RE. 1980. Likelihood Functions for Generalized Stochastic Frontier Estimation. Journal of Econometrics 13: 5766. http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Likelihood+functions+for+ generalized+stochastic+frontier+estimation#0. Timmer, C P. 1971. Production Frontier Using a Probabilistic Technical Function to Measure Efficiency. Journal of Political Economy 79 (4): 776794. Trnqvist, Leo. 1936. The Bank of Finlands Consumption Price Index. Bank of Finland Monthly Bulletin 10 (1): 18. Tulkens, Henry, and Dominique Deprins. 1984. Measuring Labor-Efficiency in Post Offices Chapter 13. In The Performance of Public Enterprises: Concepts and Measurement, 243268. Zheng, Jinghai. 2009. The Malmquist Index Regression Equations as a Dynamic System. Norwegian Institute of International Affairs: 131. Zuniga, Carlos. 2009. Analysis of The Technical Effciency of The Stochastic Frontier Production Funtions in Forest Farming Nicaragua 1998-2005.