Eficiencia de los centros de educación primaria común en Argentina
##preprint.subject##:
Educación primaria común, Evaluación de eficiencia, Análisis envolvente de datosResumen
Este trabajo tiene por finalidad presentar los principales resultados de la evaluación de eficiencia de los centros de educación primaria común para el período 2017–2018. Las unidades de análisis son establecimientos de gestión estatal y privada, tanto en ámbitos urbanos como rurales. Para tal evaluación se utiliza una muestra intencional y por conveniencia conformada por 13.517 establecimientos de educación primaria, y se aplican distintos modelos del Análisis Envolvente de Datos, sobre la base de un modelo empírico integrado por tres inputs y cuatro outputs. Los resultados ofrecen una visión empírica comparable a nivel institucional, territorial y por sector de gestión. Se evidencia que la proporción de establecimientos que no alcanza la frontera eficiente es muy elevada en todo el país. Asimismo, se observa que, en el ámbito urbano, las escuelas presentan un desempeño relativamente más homogéneo y, en promedio, más eficiente que en el ámbito rural. En ambos ámbitos, los establecimientos de gestión privada presentan niveles de eficiencia superiores a los de gestión estatal. Finalmente, los mayores déficits en los outputs se registran en las variables asociadas a la cantidad de egresados y a la matrícula efectiva.
Referencias
Arregoces Castillo, A., Jola Sánchez, A. F., Quintero Cuello, D. M., y Velásquez Henao, L. D. (2012). Bases para el análisis de la eficiencia y la efectividad de la inversión pública en Colombia (Archivos de Economía, No. 10096). Departamento Nacional de Planeación. https://colaboracion.dnp.gov.co/cdt/estudios%20econmicos/391.pdf.
Banker R. D., Charnes, A. y Cooper W. (1984). Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis, Management Science, 30(9), pp. 1078-1092. https://doi.org/10.1287/mnsc.30.9.1078.
Benítez-Peña, S., Bogetoft, P. y Romero Morales, D. (2020). Feature selection in data envelopment analysis: A mathematical optimization approach. Omega, 96. 102063. https://doi.org/10.1016/j.omega.2019.05.004.
Charnes, A., Cooper, W. W. y Rhodes, E. (1978). Measurement the efficiency of decisión making units. European Journal of Operational Research, 2, 429-444. https://doi.org/10.1016/0377-2217(78)90138-8.
Cooper, W. W., Seiford, L. M. y Tone, K. (2006). Introduction to data envelopment analysis and its uses: with DEA-solver software and references. Boston, MA: Springer US. https://doi.org/10.1007/0-387-29122-9.
Cooper, W. W., Seiford, L. M., y Zhu, J. (2011). Data envelopment analysis: History, models, and interpretations. En W. W. Cooper, L. M. Seiford, y J. Zhu (Eds.), Handbook on data envelopment analysis, 1–39. Springer. https://doi.org/10.1007/978-1-4419-6151-8_1.
Dyson, R. G., Allen, R., Camanho, A. S., Podinovski, V. V., Sarrico, C. S., y Shale, E. A. (2001). Pitfalls and protocols in DEA. European Journal of Operational Research, 132(2), 245–259. https://doi.org/10.1016/S0377-2217(00)00149-1.
Emrouznejad, A., Parker, B. R. y Tavares, G. (2008). Evaluation of research in efficiency and productivity: A survey and analysis of the first 30 years of scholarly literature in DEA. Socio-Economic Planning Sciences, 42(3), 151-157. https://doi.org/10.1016/j.seps.2007.07.002.
Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society. Series A (General), 253-290.
Hanushek, E. A. (2005). Why quality matters in education. Finance & Development, 42(2). 15-19, Revista Trimestral del Fondo Monetario Internacional. https://www.imf.org/external/pubs/ft/fandd/2005/06/hanushek.htm.
Iñiguez, P.; Gallardo, J.; Arburua, M. y Pagano, P. (2022). Estudio no paramétrico de eficiencia comparando diversos modelos empíricos, en Funes, M y Villareal, F (Compiladores) Anales del Congreso Internacional XXXIV ENDIO y XXXII EPIO, 51-56. EPIO. https://epio.org.ar/wp-content/uploads/2023/06/Anales-XXXIV-ENDIO-XXXII-EPIO-2021.pdf.
Maral, M. (2024). Un análisis bibliométrico sobre la eficiencia en educación. Revista De Educación, 406, 77–119. https://doi.org/10.4438/1988-592X-RE-2024-406-639.
Miano, M. A.; Romero Acuña, M. y Zátera, O. (2020): Educación y ruralidad en la Argentina: aproximaciones conceptuales, descripción organizacional y normativas; en Juárez Bolaños, D., Olmos, A. E. y Ríos-Osorio, E. (Editores académicos). Educación en territorios rurales en Iberoamérica, Rionegro. Universidad Católica de Oriente. pp.33-60. http://hdl.handle.net/11336/141069. https://doi.org/10.47286/9789585518551.
Otzen, T. y Manterola, C. (2017). Técnicas de Muestreo sobre una Población a Estudio. International Journal of Morphology, 35(1), 227-232. https://dx.doi.org/10.4067/S0717-95022017000100037.
Thanassoulis, E. (2001). Introduction to the theory and application of data envelopment analysis: A foundation text with integrated software. Springer. https://doi.org/10.1007/978-1-4615-1407-7.
Tibshirani, R., Walther, G. y Hastie, T. (2001). Estimating the number of clusters in a data set via the gap statistic. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 63(2), 411-423. https://doi.org/10.1111/1467-9868.00293.
Tone, K. (2001). A slacks-based measure of efficiency in data envelopment analysis. European Journal of Operational Research, 130(3), pp. 498-509. https://doi.org/10.1016/S0377-2217(99)00407-5.
Tone, K. (2002). A slacks-based measure of super-efficiency in data envelopment analysis. European Journal of Operational Research, 143(1), pp. 32-41. https://doi.org/10.1016/S0377-2217(01)00324-1.
Villano, R. A. y Tran, C. D. T. (2021). Survey on technical efficiency in higher education: A meta‐fractional regression analysis. Pacific Economic Review, 26(1), 110-135. https://doi.org/10.1111/1468-0106.12310.
Descargas
Postado
Licencia
Derechos de autor 2026 Eco WorkDocs
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
