V. J. España Roch, J. Aparicio Baeza, C. Vincent
El análisis de eficiencia evalúa el desempeño de las unidades de toma de decisiones comparando sus transformaciones insumo-producto frente a una frontera de producción. Sin embargo, el método no paramétrico predominante, el Análisis Envolvente de Datos, presenta limitaciones, como la maldición de la dimensionalidad y el riesgo de sobreajuste, especialmente en escenarios con muchas variables o muestras reducidas. Este estudio presenta Quick-Adaptive Constrained Enveloping Splines (ACES), un enfoque basado en la extensión del modelo Multivariate Adaptive Regression Splines (MARS) para estimar funciones de producción. La metodología mejora la estimación de la frontera y soluciona el problema de sobreajuste, otorgando mayor capacidad generalizadora. Además, el algoritmo incorpora métodos de selección y priorización de variables, permitiendo estimar la eficiencia con solo aquellas variables verdaderamente relevantes.
Palabras clave: DEA, fronteras, machine learning
Programado
Análisis Envolvente de Datos
10 de junio de 2025 11:30
Sala 3. Maria Rúbies Garrofé