Resumen

Los modelos de análisis envolvente de datos (DEA) pueden calcular el Índice de Productividad Malmquist (MPI). El clásico Índice de Productividad Malmquist muestra el retroceso y avance de una UDM en diferentes períodos con variaciones de eficiencia y tecnología sin considerar el valor presente del dinero. Este problema es de gran importancia, ya que mientras que una moneda de un año anterior no es igual a la actual, esto daría lugar a resultados sesgados que pueden afectar la correcta interpretación. El índice desarrollado aquí se define en términos del modelo de Índice de Productividad Malmquist Modificado, que puede calcular el avance y retroceso utilizando el factor del valor presente del dinero. La incorporación del valor presente del dinero también se calcula dentro del marco del análisis envolvente de datos. Este factor es fundamental y debe ser considerado en el Índice de Productividad Malmquist de DEA. Además, aquí se comparan las diferencias entre los modelos presentados con los anteriores, de hecho, se mostrarán resultados sesgados en el estudio de caso

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Análisis envolvente de datos; índice de productividad de Malmquist; Eficiencia; Variaciones tecnológicas; Valor presente del dinero; Resultados sesgados
• Keywords:Data envelopment analysis; Malmquist productivity index; Efficiency; Technology variations; Present value of money; Bias results