ANÁLISIS DE LA EFICIENCIA TÉCNICA DE LOS EQUIPOS DE LAS LIGAS DE

FÚTBOL PROFESIONAL

Boscá, J. E a., Liern, V.b1, Martínez, A. c, Sala, R.b

a
Departamento de Análisis Económico.
b
Departamento de Matemática Económico-Empresarial
c
Departamento de Economía Aplicada II.
Universitat de València

ABSTRACT

Hemos analizado la eficiencia técnica de los equipos de las ligas de fútbol

profesional utilizando métodos de programación matemática, técnicas de Data
Envelopment Analysis (DEA), que permiten calcular la frontera de producción eficiente
que refleja la producción máxima alcanzable en función de las dotaciones de factores
productivos. Hemos comparado las ligas de fútbol española e italiana a lo largo de las
campañas 2000/01 y 2001/02 distinguiendo entre los aspectos ofensivos y defensivos
del juego y tratando de forma diferente los partidos jugados en casa y fuera. Además,
presentamos modelos DEA en los que los inputs y outputs pueden ser datos inciertos
que permiten tener en cuenta situaciones imprevistas como climatología, valoraciones
subjetivas, etc. Finalmente, proponemos la aplicación de estos métodos para la
selección de los equipos participantes en una posible una liga europea.

Palabras clave: Gestión económica del deporte, Análisis de eficiencia, Optimización

matemática, DEA, Toma de decisiones en la incertidumbre.

1. Introducción

La economía del deporte ha sido un campo de gran desarrollo en los últimos

años. Los importantes recursos económicos puestos a disposición de los gestores de
los clubes y la considerable disponibilidad de información, sobre todo de carácter
técnico, han impulsado análisis sobre las más variadas facetas de dicha actividad. De
hecho, el presente estudio de la eficiencia técnica forma parte de un proyecto mucho
más ambicioso en el que pretendemos abordar multitud de aspectos económicos
relacionadas con el fútbol.

1
Este trabajo ha sido parcialmente subvencionado por el Proyecto de Investigación del Ministerio de
Ciencia y Tecnología TIC2002-04242-C03-03

1
 En la primera parte del trabajo utilizamos modelos matemáticos que se nutren de
2
datos estadísticos de los que se extraen los inputs y los outputs para analizar la
eficiencia de las ligas española e italiana. Mostramos que para obtener una buena
clasificación en la liga es mucho más importante ser eficiente defensivamente que serlo
ofensivamente, y se avala la conocida máxima “para ganar la liga hay que sacar la
media inglesa”, es decir, ganar los partidos jugados en casa (ser eficiente
ofensivamente en campo propio) y no hay que perder los jugados fuera de casa (ser
eficiente defensivamente en campo ajeno). Por último, se comprueba que la liga
española es más homogénea y competitiva que la italiana.

En la segunda parte, conscientes de que uno de los mayores inconvenientes del

análisis de eficiencia técnica es asumir la hipótesis de certeza en los datos,
presentamos modelos de DEA para datos imprecisos. Estos modelos permiten estimar
unos intervalos de variación del índice de eficiencia cuando incorporamos unas
tolerancias tanto para los inputs como para los outputs. Con esto intentamos paliar los
datos que no se conocen de forma precisa, en los que existen errores de medida o
incluso que pueden depender de criterios subjetivos, y que, sin duda, pueden alterar
los resultados de los índices de eficiencia.

Por otro lado, este método se puede realizar un análisis de incidencia de cada
uno de los inputs sobre el valor del índice de eficiencia, es decir un análisis de post-
optimización de los coeficientes técnicos de la matriz de datos, y con ello obtener las
variaciones (tanto positivas como negativas) que se producen en el índice al considerar
variaciones de cada uno de los datos de los inputs. Además, esto permite conocer
cuáles son las modificaciones que alteran en mayor grado la eficiencia de cada equipo.

En la tercera parte proponemos que para la selección de participantes de una

Liga Europea se apliquen criterios de eficiencia de los equipos (tomando como inputs y
outputs los partidos disputados en sus ligas respectivas) en lugar de criterios
territoriales. Con ello se conseguiría, desde nuestro punto de vista, una liga más
homogénea y competitiva, donde el nivel de juego de todos los equipos sería mucho
más parecido y los partidos resultarían más atractivos desde el punto de vista del

2
Agradecemos a la empresa GECA Sport S. A. la cesión, de forma desinteresada, de gran parte de los
datos que se utilizan en este estudio.

2
espectador que acude al campo y del televidente, y no olvidemos que los derechos de
televisión serían una de las principales fuentes de financiación de esta competición.

2. Métodos para evaluar la eficiencia técnica del fútbol

Las características básicas de la competición futbolística hacen que pueda ser

analizada como una actividad productiva más. En consecuencia, se puede utilizar la
noción de “función de producción deportiva”, introducida por S. Rottenberg (1956) para
el béisbol. 3 Formalmente, en una competición entre n equipos, el proceso productivo
del fútbol puede describirse mediante funciones de producción Yi: Rk →R, dadas por

Yi = Yi (X i), i = 1, … , n,
donde Yi es una medida del output del fútbol para el equipo i y Xi es un vector de
inputs. En general, los inputs que se utilizan son evaluados con variables que miden las
habilidades técnicas de los jugadores.

En la literatura se han utilizado muy diferentes métodos de estimación,

dependiendo del problema concreto objeto de estudio. Así, es posible considerar como
unidad de referencia cada partido de fútbol de una liga (véase por ejemplo, Carmichael,
Thomas y Ward, 2000), con lo que el output se mide como el ratio o la diferencia de
goles, y los inputs se suelen aproximar como la diferencia entre los dos equipos
(diferencia de tiros a puerta, diferencia de balones controlados al primer toque, etc.).
Otra posibilidad consiste en considerar el output agregado de un equipo a lo largo de
una o varias campañas ligueras (véase por ejemplo, Dawson, Dobson y Gerrard, 2000),
con lo que el output se mide normalmente por el porcentaje de puntos o de victorias
obtenidas sobre el total, y los inputs por diferentes indicadores de la capacidad
futbolística de cada equipo (minutos de posesión del balón, centros al área, etc.).

En cualquier caso, independientemente de las técnicas utilizadas en cada caso

(OLS, efectos fijos, efectos aleatorios, máxima-verosimilitud, etc.) estos trabajos

3
Posteriormente, G. W. Scully (1974) en un trabajo aparecido en la American Economic Review realizó
una primera explotación empírica estimando funciones de producción para el mismo deporte. Estos
trabajos fueron secundados por los de T. A. Zak y otros (1979) o el F. A. Scott, J. E. Long y K. Somppi
(1985) centrados en el baloncesto, los de J. A. Schofield (1988) enfocados a la liga de cricket, los de P.
J. Sloane (1971 y 1997) en el fútbol, si bien desde otra perspectiva, o los más recientes de F. Carmichael
y D. Thomas (1995) o F. Carmichael, D. Thomas y R.Ward (2000) directamente centrados en la función
de producción y el estudio de la eficiencia aplicados al rugby y a la liga de Fútbol Inglesa (English
Premier League) o P. Dawson, S. Dobson y B Gerrard, (2000).

3
comparten dos aspectos comunes. En primer lugar, tratan de cuantificar la importancia
relativa de cada uno de los inputs en la obtención del output (es decir, las elasticidades
output de los inputs), lo que permite extraer conclusiones acerca de qué aspectos
técnicos del juego son más relevantes. En segundo lugar, tratar de medir, una vez se
ha controlado por las dotaciones de factores, cuál es la razón por la que difiere la
productividad aparente de cada uno de los equipos4.

En este trabajo suponemos que los equipos de fútbol tienen acceso a una
tecnología común, pero que difieren en sus niveles de eficiencia X, es decir que las
diferencias de productividad se pueden explicar por las diferencias en la calidad de
gestión de los recursos o la eficiencia con la que los organizan. La razón es que, a la
vista de la información y los trabajos disponibles (De la Fuente, 1998) se puede asumir
que la tecnología empleada en el fútbol (tácticas, esquemas, preparación física, etc.) es
muy homogénea y, en lo fundamental, conocida por los profesionales. Por esta razón
se utilizarán técnicas no paramétricas de optimización (concretamente modelos DEA5),
que permiten calcular lo que se denomina la frontera de producción eficiente, que
refleja la producción máxima alcanzable en función de las dotaciones de factores
productivos y permite medir la ineficiencia por la distancia a ella.

Adicionalmente, el análisis de la eficiencia que realizamos tiene en cuenta

explícitamente otras características específicas del proceso productivo del fútbol. Las
medidas del output utilizadas combinan la productividad ofensiva (producir goles) con
la eficiencia defensiva (evitar recibirlos). Como consecuencia, los inputs utilizados en
las estimaciones son una combinación de indicadores de capacidad ofensiva y
defensiva de los equipos, por lo que los signos esperados 6 son para algunos inputs
positivos, para otros negativos y para otros indeterminados. Por esta razón
presentaremos fronteras de producción eficiente separando siempre entre la eficiencia
ofensiva y la defensiva.

4
Es decir, tratar de explicar las razones por las que comparando dos equipos que estuvieran dotados de
jugadores con habilidades idénticas (utilizarán las mismas cantidades de inputs), uno de ellos consigue
más puntos o victorias que el otro.
5
Una introducción a los modelos DEA puede verse en Coelli [7] y Cooper et alt [8].
6
En una estimación de funciones de producción estándar para empresas los inputs siempre deben
presentar un signo positivo, ya que o añaden output a las empresas, con lo que su correlación con éste
debe de ser positiva, o las empresas no los utilizarían.

4
 Otro aspecto relevante, es el hecho de que las técnicas DEA permiten también
considerar en el análisis la presencia de más de un output del proceso productivo.
Además, no se requiere ninguna hipótesis sobre la frontera de producción, y la
eficiencia de una unidad queda definida con respecto a las restantes unidades
“observadas”. Este análisis se detiene en la identificación del “mejor comportamiento”
en lugar de en el “comportamiento medio”, como hace el análisis de regresión. De
hecho, en las técnicas DEA no se exige, como en los modelos de frontera, la
especificación de los pesos comunes 7 para los inputs, sino que los pesos individuales
son precisamente las variables del modelo, y la solución determinará aquéllos que
proporcionan los mejores valores de eficiencia. Por lo tanto, son técnicas
perfectamente aplicables al caso del fútbol, donde las DMU's (equipos) presentan una
serie de características diferentes en la composición de su plantilla, es decir, jugadores,
que tendrán una mejor predisposición hacia un determinado número de acciones que
es conveniente explotar, y es el propio modelo quien determina el peso o ponderación
de cada una de las acciones de manera que la combinación sea la más eficiente.

Si bien la metodología no paramétrica presenta la ventaja de la gran flexibilidad

y ausencia de errores de especificación, al no ser preciso optar por ninguna forma
funcional, presenta el inconveniente de ser una técnica determinista, por lo que la
presencia de observaciones atípicas puede sesgar las medidas de eficiencia obtenidas,
imputando a la ineficiencia cualquier “shock” de carácter aleatorio. Sin embargo, la
medición de la eficiencia mediante técnicas que manejan la incertidumbre permite la
existencia de desviaciones de la frontera distintas de la ineficiencia.

Para medir la eficiencia, utilizaremos un modelo de optimización matemática

cuyas variables son los pesos que se asignan a cada actividad. En el caso de la
producción ofensiva, el análisis de la eficiencia se ha realizado con el siguiente modelo
de DEA8 con orientación output:

7
Charnes, Cooper y Rhodes (1978), en su artículo inicial, ya tuvieron en consideración dicha dificultad
de cálculo de pesos comunes para la obtención de una eficiencia relativa. Reconocieron la legitimidad
del hecho de que ciertas unidades pueden valorar los inputs y outputs de forma diferente y por tanto,
adoptar pesos distintos de manera que se obtengan los niveles de eficiencia más favorables.
8
En los modelos DEA propuestos se asumen rendimientos constantes a escala (CRS) y no rendimientos
variables a escala (VRS). La justificación de utilizar VRS residiría en que la mayor incidencia de los
inputs pueda incrementar (de forma creciente o decreciente) la consecución de más outputs en un
partido determinado, pero en el total de liga (en casa y fuera) ese efecto queda diluido por el total de los
partidos jugados y, por ello, no se considera relevante.

5
 Modelo M-1 Max Φ
n

sujeto a ∑λ x j ij ≤ xi 0 (1)
j=1

∑λ y
n

j kj ≥ Φ y k0
j =1

λ ≥0

donde xij, ykj representan los inputs y outputs, respectivamente, para el j-ésimo equipo,

j = 1, 2, ..., n, xi0 es el nivel de input del equipo que se está analizando, yk0 el output del
mismo y Φ el coeficiente de la combinación óptima para el output ykj. Los dos outputs
que incluiremos en el análisis serán el número de puntos obtenidos y el número de
goles conseguidos, de forma que consideramos conjuntamente el hecho de que a los
equipos se les exige ganar (maximizar los puntos conseguidos), pero valorando que se
consigan muchos goles 9.

En el caso de la eficiencia defensiva, utilizamos el siguiente modelo de DEA con

orientación input:
Modelo M-2
Min θ
n

sujeto a ∑λ x j ij ≤ θ x i0 (2)
j=1

∑λ y
n

j kj ≥ y k0
j =1

λ ≥0

donde θ es el coeficiente de la combinación óptima para los inputs xij y el resto de

notación es como en (1). Por analogía con el modelo M-1, los dos outputs que
incluiremos en el análisis serán el número de puntos dejados de obtener por el equipo
a lo largo de la temporada (es decir, la diferencia entre el máximo posible y los
realmente conseguidos) y el número de goles encajados.

9
Aunque en el mundo del fútbol lo más importante es ganar, los aficionados prefieren hacerlo por la
máxima diferencia de goles posible por, al menos, dos razones. La primera es que un partido con
muchos goles a favor es un espectáculo mejor valorado. La segunda es que en caso de empate a puntos
en la clasificación entre dos equipos (por ejemplo, en España), queda por delante aquel equipo que tiene
la mayor diferencia de goles a favor.

6
 Finalmente, hay otros dos aspectos que es conveniente destacar. El primero de
ellos es una cuestión meramente técnica, que se refiere a la orientación input o output
de los modelos DEA. Aunque es conocido que la orientación del modelo no tiene
influencia sobre la medición de la eficiencia relativa de los equipos, lo cierto es que
conceptualmente parece más razonable medir la eficiencia defensiva empleando un
modelo con orientación input (en el que se minimizan los inputs para unos outputs
dados) y medir la eficiencia ofensiva a partir de modelos con orientación output (en el
que se maximizan los outputs para unos inputs dados). Además, presentamos tres
escenarios alternativos para medir la eficiencia ofensiva o defensiva, con lo que
contaremos con seis mediciones de la frontera de producción eficiente: eficiencia
ofensiva general, en casa y fuera y eficiencia defensiva general, en casa y fuera. Como
veremos, esta desagregación nos va a permitir establecer algunas conclusiones
interesantes acerca de los aspectos que debería mejorar cada equipo para acercarse a
los niveles de eficiencia de los mejores, así como establecer algunas conclusiones
sobre qué facetas del juego, ofensivas o defensivas, permitirían a los equipos mejorar
su clasificación.

3. Evaluación de la eficiencia técnica de las ligas española e italiana: resultados

empíricos

En los últimos años han proliferado las estadísticas relacionadas con aspectos del
juego del fútbol, similares a las existentes en otros deportes desde hace bastante
tiempo (por ejemplo, en las ligas profesionales de baloncesto). De esta forma, existen
algunas empresas que se dedican a elaborar estas estadísticas con la finalidad de
distribuirlas fundamentalmente a los medios de comunicación. Así, los informativos
especializados en deporte pueden ofrecer puntualmente una información exhaustiva
sobre cada uno de los partidos disputados, incidiendo en los aspectos más diversos del
juego, valorando el rendimiento de los jugadores e, incluso, ofreciendo clasificaciones
paralelas que corrigen los posibles errores arbitrales.

En este trabajo los datos utilizados han sido facilitados de forma desinteresada por
la empresa GECA Sport, que posee una de las bases de datos más extensas
disponibles referidas al fútbol español e italiano. Aunque en esta base de datos se

7
recoge una gran variedad de aspectos del juego, desglosada en diferentes categorías,
nosotros sólo utilizaremos una pequeña parte de esta información.

3.1. Inputs y outputs: Análisis estadístico

Como ocurre en cualquier problema económico en el que se analizan funciones o

fronteras de producción, lo deseable es contar con indicadores lo más fiables posibles
del flujo de servicios que proporcionan los distintos factores productivos. En el caso del
fútbol el único factor productivo son los propios jugadores, que organizados por un
entrenador disputan los partidos. En consecuencia, lo deseable sería contar con
indicadores que midieran las habilidades concretas de los jugadores que forman las
plantillas o, lo que es lo mismo con indicadores del capital humano específico para
jugar al fútbol de cada jugador. Aunque en algunos trabajos se ha utilizado información
referida al coste económico de los jugadores para aproximar sus habilidades, esta
información es difícil de conseguir y su interpretación10 presenta serias dudas. Por ello,
en este trabajo hemos optado por incluir como inputs, indicadores técnicos del fútbol
que entendemos ofrecen una buena aproximación a la calidad de las plantillas, a la
estructura del equipo o al sistema de juego empleado.

En concreto, para estudiar la eficiencia ofensiva hemos empleado los inputs y

outputs siguientes:

Inputs (X i , i = 1,…,5) Outputs (Yij, j = 1, 2)

X1: Remates realizados contra la puerta Y1: Puntos conseguidos
contraria.
X2: Jugadas de ataque. Y2: Goles conseguidos (3)
X4: Centros realizados hacia el área
contraria
X4: Minutos de posesión de balón.
X5: Recuperaciones de balón realizadas

Estos datos, se entiende que proporcionan una buena aproximación a la

estructura del equipo, es decir, calidad de los jugadores, sistema de juego, etc.

10
La razón es que el monto económico de los contratos ha evolucionado de forma espectacular en los
últimos años, coexistiendo jugadores con contratos firmados antes del boom, con jugadores que han
revisado sus contratos y otros que no lo han hecho. Además, en algunos casos hay costes derivados de
los traspasos, mientras que en otros casos se trata de jugadores que han venido con “la carta de

8
 Para analizar la eficiencia defensiva se han considerado los inputs y outputs
contrarios a los anteriores:

Inputs (X i , i = 1,…,5) Outputs (Yij, j = 1, 2)

X1: Remates realizados por el equipo Y1: Puntos no conseguidos sobre
contrario. el total de los posibles
X2: Jugadas de ataque realizadas por el Y2: Goles conseguidos (4)
adversario en el área.
X4: Centros contra la portería propia.
X4: Minutos de posesión de balón por el
equipo adversario.
X5: Número de balones perdidos

Como se verá, para calcular las fronteras de producción ofensivas se

considerará que los equipos intentan maximizar dos outputs , véase expresión (1),
para unos inputs dados, mientras que para las fronteras de producción defensivas lo
que se intentará es minimizar los inputs (véase expresión (2)).

Tabla 1: Outputs ofensivos y defensivos de las ligas española e italiana.

OUTPUTS Liga 2000/01 Calcio 2000/01
Ofensivos Media Desv. Est. % en casa Media Desv. Est. % en casa
Puntos 52,05 12,51 66% 46,44 14,07 62%
(Por partido) (1,37) (0,33) (1,37) (0,41)
Goles Marcados 54,75 11,93 61% 47,17 10,68 57%
(Por partido) (1,44) (0,28) (1,39) (0,31)
Defensivos Media Desv. Est. % en casa Media Desv. Est. % en casa
No Puntos 61,95 12,51 34% 56,53 14,07 40%
(Por partido) (1,63) (0,33) (1,63) (0,41)
Goles Encajados 54,75 9,91 39% 47,17 11,23 43%
(Por partido) (1,44) (0,26) (1,39) (0,33)
Liga 2001/02 Calcio 2001/02
Ofensivos Media Desv. Est. % en casa Media Desv. Est. % en casa
Puntos 51,95 10,63 63% 46,17 14,94 61%
(Por partido) (1,37) (0,28) (1,36) (0,44)
Goles Marcados 48,05 10,63 59% 44,78 10,18 58%
(Por partido) (1,26) (0,28) (1,32) (0,30)
Defensivos Media Desv. Est. % en casa Media Desv. Est. % en casa
No Puntos 62,05 10,63 39% 55,83 14,94 41%
(Por partido) (1,63) (0,28) (1,64) (0,44)
Goles Encajados 48,05 9,37 41% 44,78 11,48 42%
(Por partido) (1,26) (0,25) (1,32) (0,34)
Fuente: GECA Sport y elaboración propia.

libertad” o provienen de la cantera. Todas estas razones hacen que sea difícil utilizar el “coste” de un
jugador como proxy de su habilidad.

9
 En la Tabla 1, se recoge información sobre los outputs para la liga española y el
calcio italiano en las temporadas 2000/01 y 2001/02. Dado que en ambas ligas el
número de equipos que participan es distinto (20 en España y 18 en Italia) la media y la
desviación estándar de los outputs son poco reveladoras para establecer
comparaciones entre ambos campeonatos. Por ello, también se recoge la media y la
desviación estándar de los cuatro outputs estandarizados por el número de partidos.
Como se puede observar para la temporada 2000/01, de cada 3 puntos en litigio,
en España se han obtenido 1.37, prácticamente los mismos que en Italia (1.36) y, en
consecuencia, se han dejado de obtener 1.63 y 1.64 puntos, respectivamente. Sin
embargo, la desviación estándar es mucho mayor en Italia (0.44) que en España
(0.28). Esto significa que entre los equipos de la liga española las diferencias en la
clasificación han sido de mucho menor entidad que en Italia, lo que implica un nivel
competitivo más igualado entre los equipos de la Liga española que entre los que
integran el Calcio. Por otro lado se observa un descenso en el número de goles por
partido de la liga española en las dos temporadas pasando de 1.44 a 1.26 goles por
partido, casi un 13 por ciento de disminución. Si nos centraremos en la temporada
2001/02, por ser la más reciente, en la liga italiana se han marcado/encajado 1,32
goles por partido, frente a los 1,26 de la liga española 11, y, de nuevo, la desviación
estándar de los goles encajados por partido es sensiblemente mayor en la liga italiana
(0.34) que en la española (0.25), mientras que la dispersión de los goles marcados es
prácticamente idéntica en los dos campeonatos (0.30 y 0.28, respectivamente). Si
tenemos en cuenta, además, que en España la dispersión de los goles marcados es
superior a la de los encajados, mientras que en Italia ocurre precisamente lo contrario,
se pueden extraer dos conclusiones adicionales: las diferencias defensivas (dispersión
en los goles encajados) entre los equipos italianos son más notables que entre los
equipos españoles y las diferencias ofensivas (dispersión en los goles marcados) son
más importantes que las defensivas entre los equipos españoles, mientras que en Italia
ocurre justamente lo contrario. Finalmente, tanto en la Liga como en el Calcio alrededor
del 60% de los puntos y los goles a favor se obtienen en campo propio, mientras que

11
Nótese que esto significa que a lo largo del total del campeonato liguero de 2001/02 cada equipo
italiano ha conseguido/recibido, en promedio, aproximadamente dos goles más que los equipos
españoles.

10
en casa se reciben aproximadamente el 40% de los goles y se dejan de obtener
también entorno al 40% de los puntos.
A la vista de estos datos, resulta evidente la necesidad de distinguir entre
eficiencia ofensiva y defensiva y la consideración de la eficiencia en casa y fuera, y
esto supone algunas limitaciones a la hora de elegir los inputs que se utilizarán en el
cómputo de las fronteras de producción.
Al igual que en el caso de los outputs, en la Tabla 2 se presentan las medias y
desviaciones estándar de los inputs para el global de cada liga, como para los inputs
ponderados por el número de partidos disputados. Sin entrar en el detalle concreto de
cada input, al comparar los dos campeonatos ligueros en las dos temporadas
consecutivas, se aprecian diferencias muy pequeñas en las medias de todos los inputs
ofensivos o defensivos por partido. No obstante, en la mayoría de los inputs
considerados en la liga italiana presenta medias más elevadas que la española (por
ejemplo, el número de remates realizados/recibidos en la temporada 2001/02 por
partido es 13,63 en Italia y 13,07 en España). Es decir, que en la liga italiana el equipo
promedio necesita utilizar más inputs ofensivos en cada partido para conseguir menos
puntos por partido (1,36 en Italia frente a 1,37 en España), si bien consiguiendo un
mejor resultado en el otro output, ya que marca más goles por partido (1,32 en Italia
frente a 1,26 en España). La conclusión es similar en términos de los inputs y outputs
defensivos. Un segundo rasgo importante a considerar es que en España entre las dos
temporadas se ha producido un descenso en los inputs ofensivos, excepto en los
minutos de posesión de balón12 y casi equivalentemente con los inputs defensivos.
Las desviaciones estándar en la temporada 2001/02 de 11 de los 12 inputs
considerados son significativamente superiores en Italia que en España, mientras que
como acabamos las medias por partido son bastante similares. Al igual que con los
outputs la conclusión es evidente, los equipos italianos presentan muchas más
diferencias entre sí, que los equipos españoles entre sí, lo que de nuevo apunta a que
la liga española es mucho más competitiva. Finalmente, también en el caso de los
inputs es obvia la importancia del factor campo, como se puede apreciar en los puntos
por partido (1,36 en Italia frente a 1,37 en España), si bien consiguiendo un mejor

12
Si se considera el avance de los datos de la temporada 2002/03, ocurre exactamente lo mismo.

11
resultado en el otro output, ya que marca más goles por partido (1,32 en Italia frente a
1,26 en España).

Tabla 2: Inputs ofensivos y defensivos en las ligas española e italiana

INPUTS Liga 2000/01 Calcio 2000/01

Ofensivos Media Desv. Est. % en casa Media Desv. Est. % en casa
Remates 518,00 62,56 57% 479,33 82,36 56%
(Por partido) (13,63) (1,65) (14,10) (2,42)
Jugadas ataque 4594,00 179,63 51% 4308,06 173,68 50%
(Por partido) (120,89) (2,34) (126,71) (5,11)
Centros al área 1026,40 88,09 57% 984,61 118,96 56%
(Por partido) (27,01) (2,32) (28,96) (3,50)
Minutos posesión 1002,05 63,81 52% 950,83 73,40 51%
(Por partido) (26,38) (1,68) (27,96) (2,16)
Recuperaciones 2144,30 130,34 50% 1481,39 79,97 48%
(Por partido) (56,43) (3,43) (43,57) (2,35)
Defensivos Media Desv. Est. % en casa Media Desv. Est. % en casa
Remates 518,00 46,77 43% 479,33 65,03 44%
(Por partido) (13,63) (1,23) (14,10) (1,91)
Jugadas en área 144,70 27,24 39% 147,00 29,46 41%
(Por partido) (3,80) (0,72) (4,32) (0,86)
Centros al área 1026,40 105,02 43% 984,61 146,03 44%
(Por partido) (27,01) (2,76) (28,96) (4,29)
Minutos posesión 1002,55 38,91 48% 950,83 56,82 49%
(Por partido) (26,38) (1,02) (27,96) (1,67)
Balones perdidos 2910,70 105,54 49% 2738,56 103,18 50%
(Por partido) (76,60) (2,78) (80,53) (3,03)
Liga 2001/02 Calcio 2001/02
Ofensivos Media Desv. Est. % en casa Media Desv. Est. % en casa
Remates 496,70 49,88 57% 463,28 63,80 56%
(Por partido) (13,07) (1,31) (13,63) (1,88)
Jugadas ataque 4410,85 88,81 51% 3990,78 131,52 50%
(Por partido) (116,07) (2,34) (117,38) (3,87)
Centros al área 1006,40 100,88 58% 1027,72 150,84 55%
(Por partido) (26,48) (2,65) (30,23) (4,44)
Minutos posesión 1042,80 82,97 52% 965,83 68,11 51%
(Por partido) (27,44) (2,18) (28,41) (2,00)
Recuperaciones 1929,50 88,14 51% 1769,28 135,43 51%
(Por partido) (50,78) (2,32) (52,04) (3,98)
Defensivos Media Desv. Est. % en casa Media Desv. Est. % en casa
Remates 496,70 52,72 43% 463,28 94,27 44%
(Por partido) (13,07) (1,39) (13,63) (2,77)
Jugadas en área 149,60 18,42 39% 134,22 24,77 42%
(Por partido) (3,94) (0,48) (3,95) (0,73)
Centros al área 1006,40 108,27 42% 1027,72 165,79 45%
(Por partido) (26,48) (2,85) (30,23) (4,88)
Minutos posesión 1042,80 34,25 48% 965,83 61,31 49%
(Por partido) (27,44) (0,90) (28,41) (1,80)
Balones perdidos 2745,05 77,53 49% 2503,22 105,51 49%
(Por partido) (72,24) (2,04) (73,62) (3,10)

Fuente: GECA Sport y elaboración propia.

12
 La conclusión es similar en términos de los inputs y outputs defensivos. Un
segundo rasgo importante a considerar es que en España entre las dos temporadas se
ha producido un descenso en los inputs ofensivos, excepto en leo minutos de posesión
de balón13 y casi equivalentemente con los inputs defensivos.

Las desviaciones estándar en la temporada 2001/02 de 11 de los 12 inputs

considerados son significativamente superiores en Italia que en España, mientras que
como acabamos las medias por partido son bastante similares. Al igual que con los
outputs la conclusión es evidente, los equipos italianos presentan muchas más
diferencias entre sí, que los equipos españoles entre sí, lo que de nuevo apunta a que
la liga española es mucho más competitiva. Finalmente, también en el caso de los
inputs es obvia la importancia del factor campo, como se puede apreciar en los
porcentajes de las columnas 3 y 6. Al comparar estos porcentajes en las dos ligas es
evidente que la española es claramente más ofensiva en casa.

3.2. Eficiencia defensiva y ofensiva. Resultados

Si aplicamos los modelos M-1 y M-2 para analizar la eficiencia defensiva y

ofensiva a los inputs y outputs de las ligas española e italiana en las temporadas
2000/2001 y 2001/2002, los resultados que se expresan en las tablas 3,4,5 y 6.

Los datos de las tablas 3 y 4 muestra un crecimiento de los valores medios de la

eficiencia ofensiva general y en casa, al mismo tiempo que disminuye su dispersión,
mientras que la ofensiva fuera se mantiene en los mismos valores a lo largo de las dos
temporadas. Además, se observa que los equipos eficientes (valor 1)están situados en
los primeros puestos de la clasificación (excepto el Español, en casa, en la temporada
2001/02). Pero sólo hay un equipo eficiente en los tres escenarios ofensivos y éste
coincide con el campeón de la liga de cada temporada, el Real Madrid en la 2000/01 y
el Valencia en la 2001/02. Una conclusión poco meditada nos llevaría a concluir,
erróneamente, que para ser el campeón de la liga hay que conseguir ser el más
eficiente en los tres escenarios. Es evidente, que debe existir una relación entre la
eficiencia y la clasificación, pero no es tan directa, y de hecho veremos que no se
verifica en el caso italiano.

13
Si se considera el avance de los datos de la temporada 2002/03, ocurre exactamente lo mismo.

13
Tabla 3: Eficiencia en la Liga española 2000/2001
EQUIPO EFICIENCIA OFENSIVA EFICIENCIA DEFENSIVA
General Casa Fuera General Casa Fuera
Real Madrid 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
Dep. A Coruña 1,0000 1,0000 0,9811 0,9914 1,0000 0,9821
R.C.D. Mallorca 1,0000 0,9763 1,0000 0,9665 0,9172 1,0000
F.C. Barcelona 0,8269 0,8269 0,8404 0,8748 0,7219 0,9510
Valencia C. F. 0,9069 0,8722 0,9446 1,0000 1,0000 1,0000
R.C. Celta Vigo 0,8354 0,8284 0,8426 0,9034 0,7765 0,9322
Villarreal C.F. 0,8431 0,8252 0,8759 0,8002 0,5257 0,9686
Málaga C. F. 0,8754 0,9355 0,8196 0,6276 0,5149 0,6924
R.C.D. Espanyol 0,7203 0,7048 0,7572 0,8425 0,6967 0,9285
Dep. Alavés 0,7442 0,7628 0,7385 0,6878 0,5333 0,7569
Las Palmas 0,7310 0,7217 0,7283 0,6342 0,5576 0,6528
Ath. Bilbao 0,7050 0,6852 0,7144 0,6447 0,5127 0,7348
Rayo Vallecano 0,7464 0,7040 0,7371 0,5307 0,4390 0,5911
Real Sociedad 0,6448 0,6283 0,6435 0,5878 0,4237 0,7072
Osasuna 0,7784 0,7918 0,6961 0,6782 0,4665 0,8450
Real Valladolid 0,6325 0,6769 0,5771 0,8786 0,8933 0,8742
Real Zaragoza 0,5783 0,5962 0,5690 0,6407 0,5261 0,7262
Real Oviedo 0,5952 0,5768 0,6053 0,5693 0,4821 0,6137
C. D. Numancia 0,5775 0,5678 0,5785 0,5596 0,4654 0,6281
Rac. Santander 0,5497 0,5625 0,5449 0,6563 0,6067 0,6477
MEDIA 0,7645 0,7622 0,7597 0,7537 0,6529 0,8116
DESV.EST. 0,1447 0,1439 0,1492 0,1637 0,2058 0,1500

Fuente: GECA Sport y elaboración propia.

Tabla 4: Eficiencia en la Liga española 2001/2002

EQUIPO EFICIENCIA OFENSIVA EFICIENCIA DEFENSIVA

General Casa Fuera General Casa Fuera
Valencia C.F. 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
Dep. A Coruña 1,0000 0,9758 0,9103 0,8512 0,7445 0,9075
Real Madrid 1,0000 1,0000 0,7592 0,8256 1,0000 0,8144
F.C. Barcelona 1,0000 0,9702 0,7951 0,7956 0,6942 1,0000
R.C. Celta Vigo 1,0000 0,8847 0,9050 0,7548 0,5067 0,9185
Real Betis 0,9538 0,9533 0,7507 0,7941 0,5971 1,0000
Dep. Alavés 0,8737 0,7606 0,9302 0,6481 0,4211 0,8991
Sevilla 0,9384 0,6996 1,0000 0,6790 0,4444 0,9531
Ath. Bilbao 0,9084 0,7073 1,0000 0,6617 0,3477 1,0000
Málaga C.F. 0,8602 0,8415 0,8150 0,6496 0,4143 0,8400
Rayo Vallecano 0,8192 0,9430 0,6751 0,5913 0,5055 0,6544
Real Valladolid 0,8818 0,8521 0,8129 0,5556 0,4033 0,6667
R.C.D. Espanyol 0,9095 1,0000 0,5048 0,5797 0,5374 0,6016
Real Sociedad 0,7801 0,7661 0,6040 0,5961 0,3994 0,7259
Villarreal C.F. 0,7646 0,8041 0,5207 0,5520 0,4533 0,6402
R.C.D. Mallorca 0,7877 0,7240 0,7504 0,5493 0,3311 0,7350
Osasuna 0,7614 0,6415 0,8264 0,5599 0,4444 0,7406
Las Palmas 0,7082 0,7646 0,6356 0,5410 0,4531 0,6349
Tenerife 0,6530 0,6216 0,6000 0,5015 0,3014 0,6925
Real Zaragoza 0,5831 0,5872 0,4979 0,5030 0,3573 0,6271
MEDIA 0,8592 0,8249 0,7647 0,6595 0,5178 0,8026
DESV.EST. 0,1242 0,1365 0,1655 0,1356 0,1996 0,1462

Fuente: GECA Sport y elaboración propia.

14
Tabla 5: Eficiencia en la Liga italiana 2000/2001

EQUIPO EFICIENCIA OFENSIVA EFICIENCIA DEFENSIVA

General Casa Fuera General Casa Fuera
AC Roma 1,0000 0,9869 1,0000 1,0000 1,0000 1,0000
Juventus FC 1,0000 1,0000 1,0000 1,0000 1,0000 0,9783
SS Lazio 1,0000 1,0000 0,9768 0,8252 1,0000 0,6685
AC Parma 0,9238 1,0000 0,9365 0,8116 1,0000 0,6891
Inter 0,7724 0,8386 0,7047 0,5631 0,7018 0,4709
Milan AC 0,9795 1,0000 0,7834 0,5782 0,6756 0,5201
Atalanta 0,8700 0,6541 1,0000 0,7774 0,9111 0,6815
Brescia 0,9768 1,0000 0,9524 0,6162 0,8199 0,5141
Fiorentina AC 0,8726 0,9981 0,7762 0,5552 0,5612 0,5531
Bologna 0,9707 0,9213 1,0000 0,5070 0,5962 0,4466
Perugia 0,9629 0,8057 1,0000 0,4946 0,6213 0,4414
Hellas Verona 0,6888 0,9038 0,5181 0,4177 0,5470 0,3740
Reggina 0,7832 0,9540 0,7007 0,4834 0,6734 0,3789
Udinese 1,0000 1,0000 0,8092 0,4466 0,4217 0,4749
Lecce 0,8356 0,8355 0,7308 0,4795 0,4317 0,5418
Napoli 0,7843 0,8869 0,6524 0,5123 0,5672 0,4693
Vicenza 0,6847 0,6193 0,7836 0,5320 0,6469 0,4500
Bari 0,6361 0,8208 0,3760 0,3982 0,4246 0,3753
MEDIA 0,8745 0,9014 0,8167 0,6110 0,7000 0,5571
DESV.EST. 0,1236 0,1196 0,1838 0,1889 0,2066 0,1847

Fuente: GECA Sport y elaboración propia.

Tabla 6: Eficiencia en la Liga italiana 2001/2002

EQUIPO EFICIENCIA OFENSIVA EFICIENCIA DEFENSIVA

General Casa Fuera General Casa Fuera
Juventus FC 1,0000 1,0000 0,9383 1,0000 1,0000 1,0000
AC Roma 1,0000 1,0000 0,9418 1,0000 1,0000 1,0000
Inter 1,0000 0,9346 1,0000 0,9058 0,5598 1,0000
Milan AC 0,8084 0,7307 0,8113 0,7194 0,7440 0,9462
Chievo 1,0000 0,9368 1,0000 0,6679 0,4590 0,6773
SS Lazio 0,9226 1,0000 0,6052 0,5878 0,5283 0,5943
Bologna 0,8650 1,0000 0,5404 0,6703 0,6592 0,6420
Perugia 0,7486 0,9239 0,5332 0,5790 0,5861 0,5228
Atalanta 1,0000 0,9172 0,9490 0,5202 0,3503 0,6052
AC Parma 0,7200 0,7226 0,7674 0,5065 0,5459 0,4871
Torino 0,8484 0,9254 0,6667 0,5813 0,4530 0,6105
Piacenza 1,0000 0,9251 0,8677 0,5168 0,4508 0,5642
Brescia 0,7808 0,8492 0,6130 0,5072 0,3390 0,5933
Udinese 0,7690 0,5420 0,8764 0,4868 0,3144 0,6626
Hellas Verona 0,8545 0,9767 0,7909 0,4665 0,4764 0,4861
Lecce 0,8463 0,6591 0,8563 0,4459 0,3767 0,5339
Fiorentina AC 0,5836 0,5177 0,5015 0,3956 0,3714 0,4417
Venezia 0,6292 0,5450 0,6271 0,3664 0,3207 0,4147
MEDIA 0,8542 0,8392 0,7715 0,6069 0,5297 0,6546
DESV.EST. 0,1329 0,1724 0,1698 0,1908 0,2081 0,1963

Fuente: GECA Sport y elaboración propia.

En cuanto a la eficiencia defensiva, uno de los resultados más notables es la

importante disminución de la eficiencia media de los equipos en general (0,753 y 0,659)

15
y en casa (0,652 y 0,517), no ocurriendo lo mismo en la defensiva fuera (0,811 y
0,802). Por el contrario, la desviación típica se mantiene en los mismos valores. La
explicación de la disminución generaliza se debe fundamentalmente al hecho de que el
Valencia ha introducido un sesgo en los valores de los índices. Mientras en la liga
2000/2001 hay cuatro y cinco equipos que ofrecen índices de eficiencia entre 1 y 0,9,
en la liga 2001/2002 solamente aparece uno en el caso general y dos en casa. La
considerable eficiencia defensiva del Valencia durante la última liga ha desplazado
hacia abajo las restantes eficiencias. Si se observan los datos defensivos, el Valencia
es el equipo que menos goles ha encajado y menos puntos ha dejado de conseguir, al
mismo tiempo es el que menos remates, jugadas y centros ha recibido, y el segundo en
menor número de posesiones en contra y pérdidas de balón.

Los datos de la liga italiana (tablas 5 y 6) muestran un aumento de la dispersión,

que confirma, nuevamente, de la mayor heterogeneidad de equipos, manteniéndose
las eficiencias medias en valores similares. En las dos temporadas, hay equipos
eficientes (valor unitario del índice) que no están situados en los primeros puestos de la
clasificación, por ejemplo es eficiente el Udinese (puesto 14 en la clasificación en la
2000/01) y el Piacenza (puesto 11 en la clasificación de la 2001/02). Además, en la
temporada 2000/01, solamente hay un equipo que obtiene un valor unitario en los tres
índices (Juventus) pero que no coincide con el campeón de la liga de la temporada
2000/01 como en el caso español. Pero en la 2001/02 no hay ningún equipo que
alcance el valor unitario en los tres índices.

Aún reconociendo que los datos y el análisis no son estrictamente comparables,

se puede apuntar que las dos ligas en la temporada 2001/2002 presentan valores casi
idénticos en las eficiencias medias, aunque es ligeramente menor la dispersión en la
liga española, que ratificaría la idea de una mayor homogeneidad en los equipos
españoles. Finalmente, comparando los datos de las ligas 2000/2001 y 2001/2002 para
ambas competiciones, se podría señalar que los índices medios y las desviaciones
parecen converger hacia unos valores similares.

Como resumen general se puede confirmar una mayor homogeneidad de la liga

española frente a la italiana, es decir, en Italia las divergencias entre las eficiencias de
los mejores equipos y los peores son más de un 30% superiores a las existentes entre
los equipos españoles.

16
4. Análisis de la eficiencia con datos inciertos

Como en la mayoría de actividades humanas, los resultados de los partidos de

fútbol están afectados por la incertidumbre, y esto contrasta con el determinismo de los
datos que se han utilizado. En consecuencia, se hace necesario modificar y adecuar el
modelo de manera que refleje esta realidad. Existe abundante literatura (por ejemplo,
Kao y Liu (2000), Sengupta (1987, 1992)) en la que se demuestra que los modelos
DEA son muy sensibles al carácter de los datos que se manejan, de hecho en general
se asume que éstos son deterministas y se han conseguido de forma precisa. En el
caso de los resultados de los equipos de fútbol se puede admitir que los datos han sido
recogidos de forma exacta y que las observaciones no aparecen contaminadas por
inexactitudes que pudiesen provocar una medida de la eficiencia distorsionada. Sin
embargo, con independencia de esta exactitud existen otros elementos que aconsejan
incorporar un tratamiento incierto. A grandes rasgos, las razones podrían agruparse en
alguno de los tres grupos siguientes:

a) Según la naturaleza de los datos que se recogen en las estadísticas.

Asumir el carácter determinista de los datos obtenidos implica ignorar aspectos

como la siempre presente imprecisión en su medición, los posibles errores, o el hecho
de que se asuman exclusivamente aspectos cuantitativos entre otros. Esto es, se
pasan por alto hechos que no aparecen reflejados en las bases de datos como pueden
ser la climatología, el número de lesionados en un equipo, aspectos cualitativos
incorporados en el dato, etc. Por otro lado, es conocido que un pequeño porcentaje de
puntos obtenidos depende de decisiones arbitrales que resultan difíciles de
cuantificar 14. Sin embargo, sería de esperar que estas acciones no distorsionasen la
medida de la eficiencia de un equipo.

b) La posibilidad de inferir resultados

Al manejar datos deterministas y exactos, se podría dar, en el caso extremo, que

un equipo fuera eficiente en la situación actual pero si hubiese metido un gol menos
dejase de serlo. Esta sensibilidad de la solución de un modelo DEA puede resultar muy

14
Existe prensa especializada que elabora una clasificación alternativa corrigiendo a posteriori los
posibles errores arbitrales y su potencial influencia en los puntos. finales obtenidos por cada equipo. Si
se comparan las dos clasificaciones (real y corregida) la desviación media global se sitúa en torno al 5%.

17
beneficiosa si lo que se estudia son las eficiencias relacionadas con la clasificación en
la liga, pero el efecto puede ser el contrario si lo que interesa es la eficiencia técnica o
económica. Es difícil admitir que un equipo pase de ser técnica o económicamente
eficiente a ineficiente por un solo gol en, por ejemplo, 38 jornadas.

Si para formular los modelos DEA se manejan datos inciertos, las soluciones de
los propios modelos informan acerca de estas situaciones, puesto que, como se verá
en la tabla 7, aparecen equipos cuya eficiencia es muy robusta y otros en los que no.

c) Según el objetivo de la medida de la eficiencia.

Se podría admitir que la medida de la eficiencia persigue dos objetivos

diferentes: analizar los méritos de un equipo frente a los otros a lo largo de una o varias
temporadas pasadas, y ofrecer un indicador que resulte útil en la planificación de
situaciones futuras. Cuando sólo se pretende obtener una medida de la eficiencia a
posteriori, incorporar la incertidumbre en los datos tiene poco interés, puesto que los
matices que pudiesen pasar inadvertidos en las tablas estadísticas podrían analizarse
completando dichas tablas con información adicional de tipo cualitativo 15. Sin embargo,
cuando se intentan hacer previsiones, el hecho de que se trabaje con datos
deterministas reduce considerablemente el alcance del estudio.

Si la intención es que a partir de la eficiencia de un equipo se puedan tomar

decisiones para las ligas futuras, no hay ningún argumento que permita asumir que los
resultados siguen una distribución de probabilidad determinada. De hecho, hacer un
análisis de la serie histórica en situaciones que no tienen por qué ser las mismas
tampoco resultaría práctico. En estas circunstancias, la posibilidad de trabajar con
inputs y outputs no deterministas permite que los modelos DEA puedan utilizarse como
un instrumento que facilite la toma de decisiones para ligas futuras.
Por los tres tipos de razones expuestas resulta útil poder suponer incertidumbre
en los datos, y una forma natural de hacerlo es asumir que los inputs y outputs de los
equipos vienen afectados por una tolerancia o error. Estas tolerancias puede basarse
en diferentes criterios, por ejemplo en resultados estadísticos, como
ti = 1/2 |xij-moda| , wk = 1/2 |ykj -moda|. (5)

18
pero, por supuesto, podrían considerarse otras medidas de dispersión, constante o
variables para todos o solamente para algunos de los coeficientes (inputs y outputs).
Teniendo en cuenta unas tolerancias t i y wk dadas, se puede considerar algunos
de los casos siguientes, dependiendo de si nos situamos en escenarios optimistas,
pesimistas o intermedios para la DMU seleccionada:

Inputs Outputs

Mejor caso (1 − t i ) x ij j≠ p (1 + wk )y kj j≠ p (6)

x'ij =  y'kj = 
(1 + t i )x ij j= p  (1 − wk )y kj j= p

Peor caso (1 + t i ) x ij j≠ p  (1 − w k )y kj j≠ p (7)

x 'ij =  y 'kj = 
(1 − t i ) x ij j= p (1 + w k ) y kj j= p

Casos (1 − t i ) x ij j≠ p (1+ wk )y kj j≠ p (8)

x'ij =  y'kj = 
 x ij j= p  y kj j= p
intermedios

x'ij = (1 − t i ) x ij ∀i y'kj = y kj ∀ k (9)

Así, se pueden considerar la matrices de inputs y outputs

X ' = [ x ij ] ∈ M (i,j) (R) Y ' = [ y kj ] ∈ M (k,j) (R) (10)
y evaluar cada DMU sustituyendo estos valores en los modelos M-1 o M-2 estudiados
la Sección 2.
En consecuencia, para medir la eficiencia de un equipo ek cuando suponemos
que los inputs y los outputs de todos los equipos están afectados por incertidumbre,
una vez fijadas las tolerancias ti, wi , lo que hacemos es calcular la eficiencia de e k en
el caso más favorable para él, expresión (6), y esto nos proporcionará una eficiencia
EB. Después calculamos la eficiencia de ek en el caso más desfavorable, expresión (7),
lo que nos proporciona un valor de la eficiencia EW. Evidentemente, las eficiencias
obtenidas verifican
EW ≤ EB. (11)

15
Piénsese por ejemplo que el gol marcado por Rivaldo en el partido Barcelona – Valencia en el último
minuto y partido de la Liga 2000/2001 permitió a su equipo clasificarse en cuarto lugar y participar en la
Champions Leage con los ingresos adicionales que ello representa.

19
 Esto permite construir el intervalo de eficiencia [EW, EB] que informa de cuáles
son los valores entre los que está la eficiencia del equipo, pero además, a través de la
amplitud del intervalo, obtenemos una medida de la robustez de la eficiencia del equipo
que estamos analizando.

Veamos a continuación, por ejemplo, cuáles son los resultados que se obtienen
al calcular los intervalos de eficiencia ofensiva general en la Liga española 2001/2002.
Para ello hemos supuesto que todos los inputs tienen una tolerancia de 10% y los
outputs una tolerancia de 5%.

Tabla 7: Intervalos de eficiencia ofensiva general en la Liga española 2001/2002

INTERVALOS DE EFICIENCIA OFENSIVA GENERAL

EQUIPO Mejor Peor Original EQUIPO Mejor Peor Original
Valencia C.F. 1,0000 1,0000 1,0000 R. Vallecano 0,9059 0,7408 0,8192
Dep. Coruña 1,0000 0,9601 1,0000 R. Valladolid 0,9751 0,7974 0,8818
Real Madrid 1,0000 0,9901 1,0000 R.C.D.Espanyol 1,0000 0,8224 0,9095
F.C.Barcelona 1,0000 0,9226 1,0000 R Sociedad 0,8627 0,7055 0,7801
Celta Vigo 1,0000 0,9337 1,0000 VillarrealC.F. 0,8455 0,6914 0,7646
Real Betis 1,0000 0,8625 0,9538 R.C.D.Mallorca 0,8711 0,7123 0,7877
Dep. Alavés 0,9661 0,7901 0,8737 Osasuna 0,8419 0,6885 0,7614
Sevilla 1,0000 0,8486 0,9384 Las Palmas 0,7832 0,6404 0,7082
Ath. Bilbao 1,0000 0,8215 0,9084 Tenerife 0,7221 0,5905 0,6530
Málaga C.F. 0,9512 0,7779 0,8602 R Zaragoza 0,6448 0,5273 0,5831
Fuente: GECA Sport y elaboración propia.

Como se puede observar, hay un equipo para el que el intervalo está formado
por un único punto (el Valencia C. F. con [1, 1]), mientras que para el resto de equipos,
el intervalo de eficiencia aporta información que podría resultar valiosa para el club.

5. Nuevas perspectivas: Medidas de eficiencia para la selección de participantes

en la Liga Europea

La creación de una Liga Europea de Fútbol se ha convertido en una de las

aspiraciones de los grandes equipos del continente. Debería tratarse de una
competición compatible con el desarrollo de las ligas nacionales para lo cual, una de
las opciones a considerar sería la de establecer dos competiciones paralelas, una que
agrupara a los equipos del Norte de Europa y otra a los equipos del Sur, en la que se
encontrasen países como Portugal, España, Italia, Yugoslavia, Grecia, Turquía e Israel.
Estas dos competiciones deberían desembocar en unas eliminatorias finales para
determinar el campeón de la citada liga.

20
 Evidentemente, la organización y puesta en práctica de esta competición
supondría precisar muchos matices, pero resulta innegable que uno de los elementos
básicos a considerar sería la elección de los participantes. Una de las posibilidades
sería aplicar criterios territoriales similares a los de las competiciones actuales, es
decir, hacer una selección de equipos en representación de países o áreas geográficas
diferenciadas. Sin embargo, este hecho supone que en determinadas ligas nacionales,
equipos con un elevado nivel competitivo queden excluidos por tener cubierto el cupo
asignado, mientras que se permite la participación de equipos representantes de otros
países con un nivel muy inferior al de los representantes de zonas con ligas nacionales
de gran nivel. Una forma de solucionar este inconveniente y garantizar la uniformidad
en la competición sería medir la eficiencia de todos los equipos de los países
representados en cada una de las competiciones.

La propuesta sería considerar una liga ficticia en donde se midiera la eficiencia

de cada unos de los equipos que opten a participar en la liga europea. Para ello se
considerarían una serie de inputs y outputs (tomando como referencia los partidos
disputados) de forma que se obtuvieran los scores de eficiencia de cada uno de los
equipos. Está claro que el estudio de la eficiencia mediante la aplicación directa de
técnicas DEA no sería aconsejable porque, al tratarse de técnicas que miden la
eficiencia relativa, no tiene sentido comparar equipos de países diferentes que no se
han enfrentado entre sí. Por tanto, estos scores deberían ser normalizados teniendo
en cuenta la liga nacional en la que participan, de forma que se obtendría un índice
global capaz de proporcionar una ordenación de los equipos y con ello el
establecimiento de los representantes de cada una de las zonas a participar en la liga.

Esta propuesta, desde nuestro punto de vista, supera los inconvenientes de la

elección territorial, aunque puede suponer que todos los representantes de una zona
pertenezcan a dos o tres países, quedando los restantes excluidos de la misma. Sin
embargo, esto redundaría en beneficio de una liga más homogénea y competitiva,
donde el nivel de juego de todos los equipos sería más parecido y los partidos
resultarían más atractivos desde el punto de vista del espectador que acude al campo y
del televidente, y este último hecho resulta de gran interés si se tiene en cuenta que
los derechos de televisión serían una de las principales fuentes de financiación de esta
competición.

21
6. Conclusiones

Del estudio realizado podemos concluir que en las temporadas 200/01 y 2001/02
la liga de fútbol profesional española ha sido más homogénea que la italiana. Este
hecho se ratifica tanto por el análisis estadístico de los datos (outputs e inputs) como
por los resultados de los índices de eficiencia. Además, el número medio de acciones
ofensivas va disminuyendo a lo largo de las diferentes temporadas, y solamente
aumentan los minutos de posesión de balón, como uno de los rasgos característicos
del denominado "fútbol control" en el que sólo se realizan acciones importantes cuando
hay garantías de que la acción culmina adecuadamente.

En la temporada 2001/02, puede observarse una cierta convergencia entre los

valores de los índices globales de eficiencia defensiva de las dos ligas, en particular, la
liga española podría perder unos valores medios altos y aumentar las diferencias entre
los diferentes equipos. Esto se debe fundamentalmente a la disminución de los valores
de los índices en esta temporada por el efecto del Valencia, puesto que es una unidad
que delimita la frontera eficiente. Si se elimina de la muestra, los valores son más
parecidos a los de la temporada anterior, con lo que hablar de "convergencia" hacia la
liga italiana no tiene tanto sentido.
En cuanto al uso modelos capaces de tratar con datos imprecisos, la ventaja es
que permiten considerar acciones con un resultado incierto y analizar el efecto de
pequeñas variaciones sobre la eficiencia asignada. Esto significaría sustituir el valor
único del índice por un intervalo de eficiencia, lo cual dota al análisis de una mayor
robustez o solidez. Además, se puede establecer la incidencia de cada uno de los
inputs para explicar el comportamiento de los outputs, y así obtener una información
más detallada de cuáles son los inputs más sensibles para mejorar (o empeorar) los
valores de los índices de eficiencia del equipo, de modo que se pueda actuar sobre
ellos de una forma conveniente.

Por último, el uso de modelos de optimización para la selección de los equipos

de una Liga europea, podría generar una liga más homogénea, desde el punto de vista
competitivo, y con ello los partidos resultarían más atractivos a los espectadores que
acuden al estadio y a los televidentes, garantizando así, de alguna manera, los
derechos de televisión.

22
6. Referencias bibliográficas

Bonilla, M; Casasús, T., Medal, A. y Sala, R. (2022), The traffic in spanish ports: an
efficiency analysis , International Journal of Transport Economics, XXIX-2, 215-230.

Briec, W. (1997), A Graph-Type Extension of Farrell Technical Efficiency Measure,

Journal of Productivity Analysis, 8, 95-110.

Carmichael, F. y Thomas, D. (1995), Production and efficiency in team sports: an

investigation of rugby league football, Applied Economics, 27, 859-869.

Carmichael, F., Thomas, D. y Ward, R. (2000), Team Performance: The Case of

English Premiership Football, Managerial and Decision Economics, 21, 31-45.

Charnes, A., Cooper, W.W. y Rhodes, E. (1978), Measuring the Efficiency of Decision
Making Units, European Journal of Operational Research, 2, 429-444.

Charnes, A., Cooper, W.W. , Lewin, A.Y., Morey, R.C. y Rousseau, J. (1985):
Sensitivity and stability in DEA . Annals of Operations Research. 2, 139-156.

Coelli, T. (1999): An introduction to efficiency and productivity analysis. Kluwer. Boston.

Cooper, W.W., Seiford L.M. y Tone, K. (2000): Data Envelopment Analysis. Kluwer.
Boston.

Dawson, P., Dobson, S. y Gerrard, B. (2000), Stochastic Frontiers and the Temporal
Structure of Managerial Efficiency in English Soccer, Journal of Sports Economics,
vol. 1, nº 4, 341-362.

De la Fuente, Ángel (1998), Fronteras de producción eficiente y convergencia regional:

un comentario al trabajo de Maudos, Pastor y Serrano, Revista Española de
Economía, 15, 265-271.

Färe, R. y Lovell, C.A.K. (1978). Measuring the Technical Efficiency of Production,

Journal of Economic Theory, 19, 150-162.

Guo, P. y Tanaka, H. (2001). Fuzzy DEA: A Perceptual Evaluation Method, Fuzzy Sets
and Systems, 119, 149-160.

Kao, C. y Liu S. T. (2000). Fuzzy Efficiency Measures in Data Envelopment Analysis,

Fuzzy Sets and Systems, 119, 149-160.

23
Maudos, J., Pastor, J.M. y Serrano, L (1998), Convergencia en las regiones
españolas: cambio técnico, eficiencia y productividad, Revista Española de
Economía, 15, 235-264.

Olesen, O.B. y Petersen, N.C. (1996): A presentation of GAMS for DEA. Computers
and Operations Research, 23-4, 323-339.

León, T, Liern, V. Ruiz, J. L., y Sirvent, I. (2002), A Possibilistic Programming

Approach to the Assessment of Efficiency with DEA Models, Fuzzy Sets and
Systems, (in press).

Pastor, J.T., Ruiz, J.L. y Sirvent, I (1999): A statistical test for detecting influential
observations in DEA. European Journal of Operational Research, 115, 542-554.

Rottenberg, S. (1956), The baseball player’s labor-market, Journal of Political

Economy, 64, 242-258.

Schofield, J.A. (1988), Production functions in the sports industry: An empirical

analysis of professional cricket, Applied Economics, 20, 177-193.

Scott, F.A., Long, J.E. y Somppi, K. (1985), Salary vs marginal revenue product under
monopsony an competition: The case of professional basketball, Atlantic Economic
Journal, 13, 50-59.

Scully, G W. (1974), Pay and Performance in Major League Baseball, American

Economic Review, 64, 915-930.

Sengupta, J. K. (1992), A Fuzzy Systems Approach in Data Envelopment Analysis,

Computers and Mathematiccs with Applications, 24, 259-266.

Sloane, P.J. (1971), The economics of professional football, the football club as a utility
maximiser, Scottish Journal of Political Economy, 8, 121-146.

Sloane, P.J. ed. (1997), The economic of sport, número especial Economic Affairs, 17.

Zak, T. A., Huang, C.J. y Siegfried, J.J. (1979), Production efficiency: the case of
professional basketball, Journal of Business, nº 52, 379-392.

24