Identificación y tratamiento de Outliers en el Análisis Envolvente de Datos

FERNANDA VILLARREAL; TOHMÉ, FERNANDO

CORDOBA

Congreso; XXX Encuentro Nacional de Docentes en Investigación Operativa-XXVIII Escuela de Perfeccionamiento en Investigación Operativa.; 2017

ESCUELA DE PERFECCIONAMIENTO EN INVESTIGACIÓN OPERATIVA

El Análisis Envolvente de Datos, DEA (Data Envelopment Analysis) es una técnica no-paramétrica de programación matemática aplicable en problemas de evaluación de unidades o sistemas de producción de bienes o servicios que emplean el mismo tipo de entradas para producir un mismo tipo de salidas. Los modelos DEA admiten múltiples inputs y outputs y no requieren una hipótesis de relación funcional entre dichos inputs y outputs, sin embargo, estos métodos resultan sensibles a la presencia de valores atípicos (Outliers). La presencia de valores atípicos cuando se mide la eficiencia puede tener una fuerte influencia en la construcción de la frontera de referencia, influyendo en los resultados e interpretación de las puntuaciones de eficiencia. Existen en la literatura una serie de procedimientos disponibles para la identificación y el tratamiento de los valores atípicos en DEA. El objetivo de este trabajo es presentar la metodología Data cloud method y su aplicación utilizando paquetes disponibles en el software libre R. En los resultados se observa que este método se centra en la identificación de valores atípicos que pueden influir en gran medida en la determinación de la frontera y que además puede manejar no sólo los valores atípicos individuales, sino también grupos de valores atípicos.