M. D. Guillén, J. Aparicio Baeza, M. Esteve
Actualmente en la literatura existen diferentes enfoques tanto paramétricos como no paramétricos para medir eficiencia técnica a partir de la estimación de una tecnología de referencia y su correspondiente frontera eficiente. En este trabajo, se muestra cómo calcular diferentes medidas de eficiencia utilizando un estimador de la tecnología definido a partir de métodos basado en la técnica de aprendizaje automático “Gradient Tree Boosting”. La tecnología resultante de la adaptación de este algoritmo de Boosting se asemeja al enfoque estándar no paramétrico de FDH (Free Disposal Hull), pero con la ventaja de que este no sufre de problemas de sobreajuste de los datos. Sin embargo, los modelos de optimización relacionados que hay que resolver presentan miles de variables de decisión, lo que los hace extremadamente complejos desde un punto de vista computacional. Por ello, en este trabajo se propone también una aproximación heurística a estas medidas.
Palabras clave: Análisis Envolvente de Datos, Eficiencia técnica, Machine Learning
Programado
Análisis Envolvente de Datos. Sesión en honor del Prof. Jesús T. Pastor Ciurana
10 de noviembre de 2023 12:00
CC3: Sala 1