Escolar Documentos
Profissional Documentos
Cultura Documentos
na Educao Superior
Resumo:
Esta pesquisa procura realizar uma reviso de literatura, de modo a obter um referencial histrico da
metodologia de avaliao da produtividade, eficincia e sua evoluo para a metodologia de Anlise
Envoltria de Dados- DEA como ferramenta da avaliao da educao superior. No Brasil, os
primeiros trabalhos utilizando a tcnica DEA na construo de medidas de avaliao de IES tm
origem em grupos de pesquisa da Universidade Federal de Santa Catarina (UFSC). A DEA, sendo
assim, uma tcnica no-paramtrica que emprega programao matemtica para construir
fronteiras de produo de unidades produtivas DMUs que empregam processos tecnolgicos
semelhantes para transformar mltiplos insumos em mltiplos produtos. Tais fronteiras so
empregadas para avaliar a eficincia relativa dos planos de operao executados pelas DMUs e
servem, tambm, como referncia para o estabelecimento de metas eficientes para cada unidade
produtiva. A DEA foi desenvolvida para avaliar a eficincia de organizaes cujas atividades no
visam lucros ou para as quais no existem preos pr-fixados para todos os insumos e/ou todos os
produtos. Por estes motivos este tcnica uma alternativa no estudo da eficincia das instituies
superiores.
Abstract:
This research looks for to carry through a literature revision, in order to get a historical
referencial of the methodology of evaluation of the productivity, efficiency and its evolution for the
methodology of Data Envelopment Analysis - DEA, as tool of the evaluation of the superior education.
In Brazil, the first works using technique DEA in the construction of measures of IES evaluation have
origin in groups of research of the Federal University of Santa Catarina (UFSC). The DEA, being thus,
is one not-parametric technique that uses mathematical programming to construct borders of
production of productive units - DMUs that use similar technological processes to transform input
multiples into multiple products. Such borders are used to evaluate the relative efficiency of the plans
of operation executed by the DMUs and serve, also, as reference for the establishment of efficient
goals for each productive unit. The DEA was developed to evaluate the efficiency of organizations
whose activities do not aim at profits or for which the input do not exist prices daily pay-settled for all
and/or all the products. For these reasons this technique is an alternative in the study of the efficiency
of the superior institutions.
Key words: Data Envelopment Analysis; Institutional evaluation; Productivity and efficiency.
1- Introduo
A grande maioria dos trabalhos em economia faz uso de regresso por mnimos quadrados
ordinrios, e suas variantes, para medir eficincia de empreendimentos. Essa abordagem traa o
melhor ajuste aos dados (Coelli, 1995), ou seja, uma funo de mdias. Uma outra possibilidade
para medir eficincia de unidades produtivas usar fronteiras de produo. Estimar fronteiras de
produo, ao invs de funes de mdias, tem as seguintes vantagens, conforme Gomes et al.
(2001):
Debreu (1951, apud Fre, Grosskopf e Lovell, 1994), ao determinar o seu coeficiente de
utilizao de recursos, estabeleceu o primeiro indicador de eficincia produtiva conhecido. Orientado
para a minimizao do consumo de recursos, esse coeficiente consiste na reduo equiproporcional
mxima possvel em todos os recursos, mantida a produo da mesma quantidade de (um nico)
resultado. Essa definio induz um conceito de eficincia diferente daquele de Koopmans. Assim,
Debreu postulou que um produtor eficiente no consumo de recursos quando no possvel gerar a
mesma produo com um consumo equiproporcionalmente menor. De modo anlogo, um produtor
eficiente na produo de resultados quando no possvel, com as mesmas quantidades de
recursos, gerar uma produo equiproporcionalmente maior.
Indicadores de eficincia radiais (equiproporcionais) semelhantes ao de Debreu tm a
vantagem de serem independentes das unidades de medidas das variveis e, portanto, independem
do conhecimento de preos de mercado. Por conseguinte, esses indicadores so apropriados para
avaliar a eficincia produtiva de universidades.
Farrel (1957) estendeu o trabalho iniciado por Debreu e desenvolveu um procedimento para
calcular o indicador de eficincia produtiva de Debreu. Farrel restringiu suas anlises e clculos
eficincia produtiva com um nico resultado, embora tivesse formulado o problema para o caso com
mltiplos resultados.
Os trabalhos de Koopmans, Debreu e Farrel foram redescobertos na dcada de setenta, no
s pelos economistas, mas, tambm, como tema de interesse da Pesquisa Operacional (Fre,
Grosskopf e Lovell, 1994). Charnes , Cooper e Rhodes (1978) generalizaram os estudos de Farrel
tanto no sentido de trabalhar com mltiplos recursos e mltiplos resultados, quanto na obteno de
um indicador que atendesse ao conceito de eficincia de Koopmans. Essa generalizao deu origem
a uma tcnica de construo de fronteiras de produo e indicadores da eficincia produtiva
conhecida como Anlise Envoltria de Dados (Data Envelopment Analysis - DEA).
Essa tcnica permite decompor a eficincia produtiva em dois componentes: a eficincia de
escala, associada a variaes da produtividade decorrentes de mudanas na escala de produo, e a
eficincia tcnica, associada habilidade gerencial da organizao (Banker, Charnes e Cooper,
1984). A importncia da decomposio da eficincia resulta da capacidade de mensurar, para as
universidades ineficientes, as magnitudes desses dois componentes da eficincia produtiva e,
portanto, as suas importncias relativas, possibilitando estimar o impacto de aes corretivas na
reduo das ineficincias.
Desde o final da dcada de setenta, a tcnica conhecida como Anlise Envoltria de Dados
(Data Envelopment Analysis - DEA) vem sendo utilizada na avaliao da eficincia produtiva de
unidades educacionais. A prpria origem da DEA localiza-se em um trabalho voltado para a avaliao
da eficincia de programas escolares especiais no Estado do Texas USA (Charnes , Cooper e
Rhodes, 1978). A tcnica DEA verifica se cada unidade opera de maneira adequada ou no,
relativamente a um elenco especfico de recursos utilizados e de resultados obtidos, em comparao
com unidades consideradas similares por seus administradores, sem a necessidade de conhecer a
priori qualquer relao de importncia (pesos) entre as variveis consideradas.
Sendo assim, no campo da Anlise Envoltria de Dados a obra seminal Measuring the
efficiency of decision makin units Abraham Charnes, Willian W. Cooper and Edwardo Rhodes (CCR)
de 1978 (Charnes, Cooper e Rhodes, 1978) que deram incio ao estudo da abordagem no-
paramtrica, para a anlise de eficincia relativa de firmas com mltiplos insumos e mltiplos
produtos, cunhando o termo Data Envelopment Analysis (DEA). Vale ressaltar que, na literatura
relacionada aos modelos DEA, uma firma tratada como DMU (decision making unit- unidade
tomadora de deciso), uma vez que estes modelos provm uma medida para avaliar a eficincia
relativa de unidades tomadoras de deciso.
A DEA foi desenvolvida para determinar a eficincia de unidades produtivas, onde no seja
relevante ou no se deseja considerar o aspecto financeiro. Dispensa-se, assim, a converso de
todos os insumos e produtos em unidades monetrias e sua atualizao para valores presentes.
Os principais objetivos da DEA, podem ser resumidos, conforme Gomes, et al. (2001):
O modelo CCR original, apresentado por Charnes, Cooper e Rhodes em 1978, foi concebido
inicialmente como um modelo orientado entrada (input) e trabalha com retorno constante de escala
(CRS), isto , qualquer variao nas entradas (inputs) produz variao proporcional nas sadas
(outputs). Segundo Biondi Neto (2001, p. 51):
A eficincia tcnica de uma DMU observada (DMU O) ser obtida atravs de um PPNL
(Problema de Programao No-Linear), utilizando o seguinte modelo de programao fracionrio:
u Y
j =1
j j0
Mxh0 = r
(1)
v X
i =1
i i0
sujeito a:
u Y
j =1
j jk
r
1, k = 1,2,..., n (2)
v X
i =1
i ik
u i , vi j , i (3)
onde:
ho = eficincia da DMU O (zero)
r = quantidade total de inputs
s = quantidade total de outputs
n = quantidade total de DMU
Yjk = quantidade de output j para a DMUk
Xik = quantidade de input i para a DMUk
uj = peso referente ao input j
vi = peso referente ao input i
Yjo = quantidade de output j para a DMU0 (DMU observada)
Xio = quantidade de input i para a DMU0 (DMU observada)
Uma variao do modelo CCR originou o modelo de Programao Linear conhecido como
modelo dos multiplicadores, que surgiu da necessidade de determinar os valores dos pesos uj e vi de
forma a maximizar a soma ponderada dos outputs (output virtual) dividida pela soma ponderada dos
inputs (input virtual) da DMU em estudo (Lins e ngulo-Meza, 2000, p. 11).
Esse procedimento dever ser repetido para cada DMU analisada e atravs dos valores
encontrados para os pesos (multiplicadores), determina-se o valor das eficincias relativas de cada
DMU. O modelo dos multiplicadores ser apresentado a seguir:
s
Mxh0 = u j Y j 0 (4)
j =1
sujeito a:
s
Mxh0 = u j Y j 0 (5)
j =1
s r
u j Y jk vi X ik 0, k = 1,2,..., n
j =1 i =1
(6)
u j evi 0j , i (7)
Min (8)
Sujeito a:
n
Y j 0 + Y jk k 0, j = 1,..., s (9)
k =1
n
X j 0 X ik k 0, i = 1,..., r (10)
k =1
k 0, k (11)
4.2.2 Modelo BCC
O modelo BCC, elaborado por Banker, Charnes e Cooper em 1984, utiliza o retorno varivel
de escala (VRS), procurando, assim, evitar problemas existentes em situaes de competio
imperfeita. O BCC (VRS) usado quando ocorrem Retornos Variveis de Escala, sejam eles
crescentes ou decrescentes ou mesmo constantes. No modelo BCC (VRS), os escores de eficincia
dependem da orientao escolhida. Caso se pretenda maximizar h1, a formulao do modelo BCC
a seguinte:
s
Maximixe h0 = u r Yr 0 + w (12)
r =1
Sujeito a:
m
v X
i =1
i i0 1 (13)
s m
u r e, r = 1,2,..., s (15)
vi e, i = 1,2,..., m (16)
A forma dual do BCC, visando a minimizar h0 ser dada pela formulao a seguir:
s m
Minimize h0 = s r ei (17)
r =1 i =1
Sujeito a:
n
X i 0 ei Xijj = 0, para todo i = 1, 2, ..., m (18)
j =1
n
sr + Yrj j = Yr0, para todo r = 1, 2, ..., s (19)
j =1
j =1
j =1 (20)
Por meio da utilizao desses modelos, possvel detectar a eficincia das DMUs,
construindo, assim, a fronteira de produo com as unidades que atingirem o mximo de
produtividade (benchmarks).
4.2.3 Ilustrao da Fronteira Eficiente em DEA
A Figura 1 ilustra uma situao que envolve um insumo e um produto. Pode-se traar as
fronteiras eficientes calculadas pela DEA, isto , a fronteira obtida com retornos constantes (CCR), e
a obtida com retornos variveis (BCC).
Considerando-se o ponto P, na Figura 1, na pressuposio de retornos constantes, a
ineficincia tcnica do ponto P dada pela distncia PPc, enquanto a ineficincia tcnica, para
retornos variveis, dada pela distncia PPv. E a diferena entre essas duas, PcPv, fornece a
ineficincia de escala.
Y
CCR
BCC
RNC
Pc P
Pv
RND
X
Figura 1 Eficincia Tcnica e Eficincia de Escala
Assim, alm de identificar as DMUs eficientes, os modelos DEA permitem medir e localizar a
ineficincia e estimar uma funo de produo linear por partes, que fornece o benchmark para as
DMUs ineficientes. Esse benchmark determinado pela projeo das DMUs ineficientes na fronteira
de eficincia. A forma como feita esta projeo determina orientao do modelo: orientao a inputs
(quando se deseja minimizar os inputs, mantendo os valores dos outputs constantes) e orientao a
outputs (quando se deseja maximizar os resultados sem diminuir os recursos).
Contudo, se a medida de eficincia de escala for igual a um, a firma estar operando com
retornos constantes escala; no entanto, se for menor que um, podero ocorrer retornos crescentes
ou decrescentes. Para contornar essa situao, necessrio formular outro problema de
programao, impondo a pressuposio de retornos no crescentes ou no decrescentes.
Considerando-se o caso de retornos no crescentes, a formulao consiste em alterar a
pressuposio de retornos variveis no modelo DEA. Para isso, basta substituir a restrio N 1 ' = 1 ,
em (20), pela restrio N 1 ' 1 . Sendo assim, a fronteira obtida para o modelo com retornos no
crescentes (RNC) est indicada na Figura 1. Para o caso de retornos no decrescentes (RND), segue
o mesmo raciocnio.
5- Concluso
6 Bibliografia:
AHN, T.S. Efficiency and related issues in higuer education: a Data Envelopment Analysis
approach. Austin, 1987. Ph.D. Dissertation, The University of Texas at Austin.
AHN, T.S.; SEIFORD, L.M. Sensitivity of DEA to models and variable sets in a hyphothesis test
setting: the eficiency of university operations. In: YUJI IJIRI (ed.), Creative and innovative
approaches to the science of management. New York, Quorum Books, 1993.
BANKER, R.D.; CHARNES A.; COOPER, W.W. Some models for estimation technical and scale
inefficiencies in Data Envelopment Analysis. Management Science, 30(9):1078-1092, 1984.
BIONDI NETO, Luiz. Neuro DEA: Nova Metodologia para Determinao da Eficincia Relativa
de Unidades Tomadoras de Deciso. Rio de Janeiro, 2001. Tese (Doutorado em Engenharia de
Produo) Engenharia de Produo, Universidade Federal do Rio de Janeiro.
CHARNES, A.; COOPER, W. W.; RHODES, E. Measuring the efficiency of decision making units.
European Journal of Operational Research, 2(6),429-444, 1978.
CHARNES, A.; et al. Data Envolopment Analysis: theory, methodology and applications. USA,
Kluwer Academic Publishers, 1994.
_______. Data envelopment analysis: theory, metodology and application. Second print.
Massachusetts: Kluwer Academic Publishers, 1996.
COELLI, T.J. Recent developments in frontier modelling and efficiency measurement. Australian
Journal of Agricultural Economics, v.39, n.3, p.219-245, 1995.
FAANHA, L.O.; REZENDE, M.; MARINHO, A. Brazilian Federal Universities: relative evaluation
and Envelopment Analysis. UFRJ, Rio de Janeiro, 1997.
FRE, R.; GROSSKOPF, S.; LOVELL, C.A.K. Production frontiers. New York, Cambridge
University, 1994.
FARREL, M.J. The measurement of produtive efficiency. J. Royal Statistical Society, v. 120, Part III,
253-290, 1957.
FRIED, H.; LOVELL, C.A.K.; SCHMIDT, S.S. (eds). The measurement of productive efficiency.
New York: Oxford University, 1993.
GLASS, J.C.; MACKILLOP, D.G.; HYNDMANN, N. Efficiency in the provision of university teaching on
research: an empirial analysis of UK Universities. Journal of Applied Econometrics, v.10, 61-72,
1995.
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. So Paulo: Atlas, 1991.
GOMES, E.G.; et al. Avaliao de eficincia de companhias areas brasileiras: uma abordagem por
Anlise de Envoltria de Dados. IN: SETTI, J.R.A.; LIMA
JOHNES, J.; TAYLOR, J.; FRANCIS, B. The research performance of UK Universities: a statistical
analysis of the results of the 1989 Research Selectivity Exercise. J.R. Statistical Society, 156. Part2,
271-286,1993.
JNIOR, O.F. (eds). Panorama Nacional da Pesquisa em Transportes 2001, v.2, 2001, p.125-
133.
LAPA, J.S.; BELLONI, J.A.; NEIVA, C.C. Medidas de desempenho de universidades acadmicas
de uma Instituio de Ensino Superior. Relatrio Tcnico- Departamento de Engenharia de
Produo e Sistemas UFSC (mimeo), 1997.
LAPA, J.S, LOPES, A.L.M e LANZER,E. Anlise Envoltria de Dados aplicada avaliao de IES:
determinao dos pesos relativos e valorao dos insumos e produtos. XXVII SBPO, Vitria,
1995.
LAPA, J.S.; NEIVA, C.C. Avaliao em educao: comentrios sobre desempenho e qualidade.
Ensaio, v. 4, n 12 (jul./set. 1996), 213-236, 1996.
LINDSAY, A.W. Institutional performance in higuer education: the efficiency dimension. Review of
Educational Research, 52(2), 1982, 175-199.
_____. Anlise Envoltria de dados: uma nova ferramenta para a avaliao multidimensional
do setor de servios. XX ENAMPAD, Angra dos Reis, 1996.
LOVELL, C.A.K.; SCHMIDT, S.S. (eds.), The measurement of productive efficiency. New York,
Oxford University, 1993.
NEIVA, C.C., LAPA, J;S. e BELLONI, J.A. Exame Nacional de Cursos: Um Processo Necessrio
que precisa ser aprimorado. Sociedade Brasileira de Desenvolvimento de Educao, 1998.
NUNES, N. Avaliao da eficincia produtiva de departamentos universitrios: uma aplicao
de Anlise Envoltria de Dados. Florianpolis, 1998. Dissertao de Mestrado, UFSC.
RHODES, E.L. Data Envelopment Analysis and approaches for measuring the efficiency of
decision making units with an application to program followthrough in U.S. education. Ph.D.
Dissertation, Carnegie Mellon Unversity, 1978.