Professional Documents
Culture Documents
Benchmarking de la eciencia de
empresas sanitarias chilenas: el papel de
los factores externos
Mara Molinos-Senante* / Guillermo Donoso** / Ramn Sala-Garrido*** / Andrs Villegas****
Introduccin
En septiembre de 2015, Naciones Unidas adopt los Objetivos de Desarrollo
Sostenible entre los que se incluye: el uso eficiente de los recursos hdricos en
todos los sectores y la sostenibilidad de la extraccin y abastecimiento de agua
dulce1. En este sentido, es esencial mejorar la eficiencia de las empresas sanita-
rias, ya que ello contribuye a reducir sus costes, facilitando las inversiones nece-
sarias para mejorar la calidad del servicio2. Adems, en muchos pases, incluido
Chile, las empresas sanitarias proveen servicios en rgimen de monopolio, lo
cual implica que estas no tienen incentivos para mejorar su desempeo, ms
all del proceso de regulacin. Es por ello que los procesos de benchmarking son es-
tratgicos para regular las empresas sanitarias3.
Desde un punto de vista metodolgico, la mayora de los estudios en los que se
ha evaluado la eficiencia de empresas sanitarias han utilizado el mtodo de anlisis
envolvente de datos (ms conocido como DEA por sus siglas en ingls)4, ya que per-
mite integrar varios insumos y productos en el anlisis y determinar endgenamente
los pesos necesarios para agregar dichos insumos y productos5. Sin embargo, los
modelos DEA convencionales presentan una limitacin importante, pues no permiten
establecer inferencias estadsticas, es decir, no permiten examinar directamente los
factores que afectan la eficiencia de las empresas evaluadas6. Esta limitacin es espe-
cialmente relevante en el caso de las empresas sanitarias, dado que estudios previos
han determinado que algunos factores como la propiedad de la empresa, la densidad
de clientes y la fuente de agua cruda, entre otros, pueden afectar el desempeo de
las empresas sanitarias7.
En este contexto, Simar y Wilson desarrollaron un modelo de doble bootstra-
ping que permite establecer inferencias estadsticas a partir de los resultados de efi-
ciencia obtenidos a travs de la metodologa DEA8. De esta forma, es posible evaluar
y comparar el desempeo de las empresas sanitarias e identificar paralelamente los
principales factores que influyen en su desempeo. Este enfoque es de gran utilidad
tanto para las empresas sanitarias como para el regulador, ya que la informacin ob-
tenida puede ser utilizada para introducir incentivos que favorezcan la mejora en la
eficiencia y la innovacin de las empresas sanitarias. En consecuencia, los resultados
pueden ser utilizados para desarrollar polticas que permitan mejorar la sostenibilidad
del ciclo urbano del agua a largo plazo.
As, los objetivos fundamentales de este trabajo son: en primer lugar, evaluar la
eficiencia de una muestra de 23 empresas sanitarias chilenas, aplicando la metodolo-
ga de doble bootstrap DEA; e identificar, posteriormente, los factores que afectan la
eficiencia de las empresas sanitarias previamente evaluadas.
I. Metodologa
DEA es un mtodo no paramtrico basado en programacin lineal que permite cons-
truir la frontera de produccin eficiente a partir de los insumos consumidos por las
unidades (empresas sanitarias en este estudio) y los productos generados9. DEA per-
mite determinar la eficiencia relativa de cada unidad mediante la comparacin de su
desempeo con el del resto de unidades evaluadas.
Los modelos DEA pueden tomar orientacin producto o insumo segn si el
objetivos de las unidades es la maximizacin de los productos producidos o el uso
de insumos, respectivamente. En el mbito de las empresas sanitarias, la mayora de
3
MOLINOS-SENANTE y SALA-GARRIDO 2015.
4
ANANDA 2014.
5
COOPER et al. 2007.
6
BADIN 2014.
7
CARVALHO y MARQUES 2011.
8
SIMAR y WILSON 2007.
9
CHARNES et al. 1978.
los estudios previos10 han adoptado una orientacin input, dado que el objetivo es
proporcionar los servicios de suministro y tratamiento de agua servida, minimizando el
uso de insumos. El resultado de la metodologa DEA es un parmetro, cuyo valor in-
dica la eficiencia de cada empresa sanitaria evaluada, de modo que (0,1). Una em-
presa es eficiente si su score de eficiencia es igual a 1, es decir, si, =1 mientras que
es ineficiente si. <1 El hecho de que una empresa sanitaria sea ineficiente significa
que tiene potencial de mejora (reduccin de uso de insumos) en relacin al resto de
empresas con la que es comparada11.
El proceso de bootstrapping introducido por Simar y Wilson12 proporciona un
intervalo de confianza para cada uno de los scores de eficiencia previamente estima-
dos, lo cual permite establecer inferencias estadsticas para un conjunto de factores
explicativos13. El mtodo de bootstrapping fue desarrollado por Efron14 y se basa en
tcnicas estadsticas de remuestreo aleatorio15. Este proceso genera datos nuevos
que son utilizados para reestimar la eficiencia de las empresas sanitarias a travs del
modelo DEA. Las diferencias entre las fronteras estimadas y la real permiten esta-
blecer inferencias estadsticas, haciendo uso del mtodo DEA.
10
MOLINOS-SENANTE y SALA-GARRIDO 2016; GUERRINI et al. 2015; CARVALHO y MARQUES 2014.
11
CHARNES et al. 1978.
12
SIMAR y WILSON 2007.
13
STEWART et al. 2016.
14
EFRON, 1981.
15
WANG et al. 2013.
16
SISS, 2014.
Variables Opera- - -
explicativas dor mu- 1 4,3
binarias nicipal
Superfi- - -
3 13,1
cial
Fuente de
Subterr- - -
agua 9 39,1
nea
Mixta 11 47,8 - -
17
Fuente: Elaboracin propia a partir del Informe de Gestin de SISS 2014.
18
BERG y MARQUES, 2011; SEE, 2015.
vas. Las variables propiedad y fuente de agua no son cuantitativas, por lo que
fueron introducidas en el anlisis de regresin como variables artificiales (dummies).
Los costes de operacin totales de las empresas sanitarias son muy variables,
debido a su distinto tamao. Sin embargo, los costes de operacin por cliente pre-
sentan menor variabilidad entre las empresas analizadas. Las figuras 1 y 2 muestran
que tanto el coste de operacin por cliente como el nmero de trabajadores por
cliente disminuye a medida que el nmero total de clientes incrementa.
Figura 1: Costes medios de operacin por cliente vs. nmero de clientes19
19
Fuente: Elaboracin propia a partir del Informe de Gestin de SISS 2014.
20
Fuente: Elaboracin propia a partir del Informe de Gestin de SISS 2014.
21
Fuente: Elaboracin propia a partir del Informe de Gestin de SISS 2014.
Conclusiones
La evaluacin comparativa o benchmarking de la eficiencia de las empresas sanitarias
ha adquirido un papel muy importante en la regulacin de la industria del agua en nu-
merosos pases tanto en el proceso de determinacin de tarifas como en el desarrollo
de incentivos que permitan mejorar la competitividad de las empresas y mejorar su
calidad del servicio. En este contexto, los estudios previos han aplicado modelos DEA
22
ANANDA 2014.
Bibliografa citada
ANANDA, J. (2014): Evaluating the performance of urban water utilities: Robust nonpa-
rametric approach, en: Journal of Water Resources Planning and Manage-
ment, N140 (9), pp. 04014021.
BADIN, L.; DARAIO, C.; Y SIMAR, L. (2014): Explaining inefficiency in nonparametric pro-
duction models: The state of the art, en: Annals of Operations Research,
N214 (1), pp. 5-30.
BERG, S., y MARQUES, R. (2011): Quantitative studies of water and sanitation utilities: A
benchmarking literature survey, en: Water Policy, N13 (5), pp. 591-606.
CARVALHO, P., y MARQUES, R.C. (2011). The influence of the operational environment on
the efficiency of water utilities, en: Journal of Environmental Management,
N92 (10), pp. 2698-2707.
CARVALHO, P., y MARQUES, R.C. (2014): Computing economies of vertical integration, eco-
nomies of scope and economies of scale using partial frontier nonparametric me-
thods, en: European Journal of Operational Research, N234 (1), pp. 292-307.
CHARNES, A.; COOPER, W.W.; y RHODES, E. (1978): Measuring the efficiency of decision ma-
king units, en: European Journal of Operational Research, N2 (6), pp. 429-444.
COOPER, W.W.; SEIFORD, L.M.; y ZHU, J. (2007): Handbook on Data Envelopment Analy-
sis, (US, Springer) 498 pp.
EFRON, B. (1981). Censored data and the bootstrap, en: Journal of the American Sta-
tistical Association, N76 (374), pp. 312-319.
GUERRINI, A.; ROMANO, G.; LEARDINI, C.; y MARTINI, M. (2015): The effects of operational
and environmental variables on efficiency of Danish water and wastewater uti-
lities, en: Water (Switzerland), N7 (7), pp. 3263-3282.
MOLINOS-SENANTE, M. y SALA-GARRIDO, R. (2015): The impact of privatization approaches
on the productivity growth of the water industry: A case study of Chile en:
Environmental Science and Policy, N50, pp. 166-179.
MOLINOS-SENANTE, M. y SALA-GARRIDO, R. (2016): Performance of fully private and con-
cessionary water and sewerage companies: a metafrontier approach, en:
Environmental Science and Pollution Research, N23(12), pp. 11620-11629.
SEE, K.F. (2015): Exploring and analyzing sources of technical efficiency in water su-
pply services: Some evidence from Southeast Asian public water utilities, en:
Water Resources and Economics, N9, pp. 23-44.
SIMAR, L. y WILSON, P.W. (2007): Estimation and inference in two-stage, semi-parametric mo-
dels of production processes en: Journal of Econometrics, N136(1), pp. 31-64.
SISS (2014): Report about water and sewerage services in Chile 2014 en Informe
de gestin del sector sanitario, 250 pp. Disponible en: http://www.siss.gob.
cl/577/w3-article-11831.html [fecha de consulta: 26 de mayo de 2017].
STEWART, C.; MATOUSEK, R. y NGUYEN, T.N. (2016): Efficiency in the Vietnamese banking
system: A DEA double bootstrap approach, en: Research in International Bu-
siness and Finance, N36, pp. 96-111.
WANG, Y.; ZHENG, T.; ZHAO, Y.; JIANG, J.; WANG, Y.; GUO, L. y WANG, P. (2013): Monthly
water quality forecasting and uncertainty assessment via bootstrapped wave-
let neural networks under missing data for Harbin, China, en: Environmental
Science and Pollution Research, N20 (12), pp. 8909-8923.