Análisis de eficiencia con R: paquetes deaR, SdeaR y deaCI

• Autores: Rafael Benítez, Vicente José Bolós Lacave , Vicente Coll Serrano
• Localización: IV Congreso & XV JORNADAS de Usuarios de R / Patricia Carracedo Garnateo (dir. congr.) , David Hervás Marín (dir. congr.), Ana María Debón Aucejo (dir. congr.) , 2026, ISBN 978-84-1396-394-5, págs. 20-38
• Idioma: español
• Títulos paralelos:
  • Efficiency analysis with R: packages deaR, SdeaR, and deaCI
• Enlaces
  • Texto Completo Libro
• Resumen
  • español

    El Análisis Envolvente de Datos (DEA) es una metodología no paramétrica ampliamenteutilizada para medir la eficiencia relativa de unidades de decisión en ámbitos como laeconomía, la empresa o la gestión pública. Su aplicación práctica requiere herramientasflexibles que permitan especificar distintos modelos y obtener resultados interpretables. En esta comunicación presentamos los paquetes de R, deaR, SdeaR y deaCI. El primeroproporciona funciones para definir datos, estimar eficiencias bajo diferentes orientaciones y rendimientos a escala, así como realizar análisis posteriores. El segundo amplíaestas funcionalidades al ámbito del DEA estocástico, incorporando procedimientos quepermiten considerar el ruido y la incertidumbre en la medición de la eficiencia. El últimopermite analizar la eficiencia utilizando indicadores compuestos agregados.Estos paquetes, integrados en el ecosistema de R y con documentación y ejemplos reproducibles, ofrecen un entorno accesible y riguroso que facilita el uso del DEA tanto ainvestigadores como a profesionales.

  • English

    Data Envelopment Analysis (DEA) is a widely used non-parametric methodology formeasuring the relative efficiency of decision-making units in fields such as economics,business, and public management. Its practical application requires flexible tools thatallow different models to be specified and interpretable results to be obtained.In this paper, we present the R packages deaR, SdeaR, and deaCI. The first providesfunctions for defining data, estimating efficiencies under different orientations and returns to scale, and performing subsequent analyses. The second extends these functionalities to the field of stochastic DEA, incorporating procedures that allow noise and uncertainty to be considered in efficiency measurement. The latter allows efficiency to beanalysed using aggregate composite indicators.These packages, integrated into the R ecosystem, with documentation and reproducibleexamples, offer an accessible and rigorous environment that facilitates the use of DEAby both researchers and professionals.