FINANCIACIÓN Y EFICIENCIA DE LAS UNIVERSIDADES PÚBLICAS ESPAÑOLAS. UN ESTUDIO EMPÍRICO

Transcripción

1 29F FINANCIACIÓN Y EFICIENCIA DE LAS UNIVERSIDADES PÚBLICAS ESPAÑOLAS. UN ESTUDIO EMPÍRICO Ángel García Correas Profesor Titular de Escuela Universitaria de Economía Financiera y Contabilidad Manuel Larrán Jorge Catedrático de Universidad de Economía Financiera y Contabilidad Director del Departamento de Economía Financiera y Contabilidad Facultad de Ciencias Económicas y Empresariales Universidad de Cádiz Área temática: F) Sector Público Palabras clave:, Financiación, Universidad, DEA 1

2 FINANCIACIÓN Y EFICIENCIA DE LAS UNIVERSIDADES PÚBLICAS ESPAÑOLAS. UN ESTUDIO EMPÍRICO Resumen El debate y reflexión sobre la financiación de la Educación Superior y, en concreto, de las universidades públicas no es algo nuevo; no obstante, en los tiempos actuales con la aplicación y puesta en marcha en nuestras universidades de las prescripciones derivadas del Espacio Europeo de Educación Superior, esta discusión se ha retomado de forma más intensa, dada la necesidad de garantizar cierto nivel de éxito en la nueva reforma emprendida. En función de lo anterior, el presente trabajo cobra oportunidad y utilidad en este contexto marcado de incertidumbres, donde el objetivo básico del mismo es el de estudiar la eficiencia de las universidades públicas españolas bajo las dimensiones separadas de docencia e investigación, así como relacionar la misma con los niveles de financiación que recibe cada universidad. En definitiva, la hipótesis a contrastar no es otra que si a mayor financiación mayor eficiencia en el sistema público universitario. Para evaluar la eficiencia aplicamos la metodología Data Envelopment Análisis que fue desarrollada por Charnes, Cooper y Rhodes en 1978, a partir del trabajo pionero de Farrel en La muestra está formada por las 48 universidades públicas españolas con información obtenida de diversas fuentes y relativa al curso académico 2006/2007. Para lograr el objetivo anterior, el trabajo se estructura de la siguiente forma: - Análisis de la aplicación del DEA en universidades - Metodología: Definición de modelos de eficiencia, variables inputs y outputs. - Resultados del trabajo empírico. - Análisis y discusión de resultados. - Conclusiones 2

3 1. INTRODUCCIÓN La necesidad de una mayor implicación por parte de las universidades con su entorno y la mejora de su eficiencia se ha puesto de manifiesto en diferentes declaraciones, a nivel internacional y nacional, entre las que destaca la Cumbre de Lisboa (2000), el Consejo de Barcelona (2002), Comisión Europea (2003, 2005, 2006), VII Foro ANECA (2006), la Declaración de Graz (2003), la Declaración de Bergen (2005) y la Declaración de Londres (2007), entre otras. En el ámbito español, las modificaciones la Ley Orgánica de Universidad, el informe Bricall, los informes emanados de la CRUE, el mensaje del Gobierno, enfatizan una serie de conceptos aplicables al nuevo marco universitario, como son: autonomía, profesionalidad, búsqueda de financiación privada, calidad, planificación, implicación con el entorno y, sobre todo, rendición de cuentas y eficiencia. Los ciudadanos de cada país exigen que su Administración Pública preste servicios públicos con el máximo de calidad posible y al mínimo coste posible, y para ello es necesaria la mejora, entre otras, de la gestión de las instituciones de educación superior. Como respuesta a lo anterior, son muchas las comunidades autónomas que han introducido cambios en sus modelos de financiación universitaria, en orden a tratar de garantizar la suficiencia, equidad y eficiencia del sistema, incluyendo fórmulas de financiación basadas en objetivos y contratos-programas para atender a dicha finalidad. Por otra parte, las universidades en los últimos tiempos han llevado a cabo cambios importantes en su gestión para atender igualmente a la mejora de la eficiencia. La apuesta por la calidad y la planificación estratégica son buenos ejemplos de ello; de hecho en España, desde mediados de los años noventa son muchas las universidades que han desarrollado experiencias de planificación estratégica, contando casi todas en la actualidad con planes estratégicos. Todo lo anterior nos lleva a inferir que el debate y reflexión sobre la financiación de la Educación Superior y, en concreto, de las universidades públicas no es algo nuevo; no obstante, en los tiempos actuales con la aplicación y puesta en marcha en nuestras universidades de las prescripciones derivadas del Espacio Europeo de Educación Superior, esta discusión se ha retomado de forma más intensa, dada la necesidad de garantizar cierto nivel de éxito en la nueva reforma emprendida. Las circunstancias actuales del sistema universitario enmarcado en un contexto de alta incertidumbre hacen que el presente trabajo cobre no sólo oportunidad sino también utilidad, dado que el objetivo básico del mismo va a ser el de medir la eficiencia docente e investigadora de las universidades públicas españolas con información obtenida de diversas fuentes y relativa al curso académico 2006/2007, aplicando la metodología Data Envelopment Análisis que fue desarrollada por Charnes, Cooper y Rhodes en 1978, a partir del trabajo pionero de Farrel en 1957, lo cual puede permitir detectar posibles ineficiencias de las universidades, así como sus causas para abordar posibles soluciones futuras. Por otra parte, y a diferencia de la mayor parte de los trabajos que han abordado la eficiencia de las universidades aplicando la metodología DEA, no sólo abordaremos el estudio descriptivo y empírico de su aplicación, sino que trataremos de encontrar factores explicativos de la eficiencia 1, en definitiva: 1 Del total de estudios de eficiencia en universidades analizados en la revisión bibliográfica contemplada en Gómez y Mancebón (2005), sólo el trabajo de Rhodes y Southwick (1993) tiene como objetivo tratar de encontrar algún factor discriminador de la eficiencia, como sería en este caso el hecho de la naturaleza pública o privada de la universidad en el caso de Estados Unidos. Por otra parte, y aunque no forme parte de esta revisión, en García y 3

4 1. Analizar si el tamaño de la universidad está relacionado con la eficiencia docente e investigadora. 2. Analizar si la especialización en determinadas ramas de conocimiento afecta a la eficiencia docente e investigadora. 3. Analizar la asociación entre eficiencia docente e investigadora 4. Analizar la relación entre financiación por alumno y naturaleza de los modelos de financiación autonómicos con la eficiencia. Igualmente, otra aportación del trabajo sobre la bibliografía previa va a ser la introducción de variables no contempladas con anterioridad que traten de salvar una posible limitación de aplicación del DEA como pudiera ser la heterogeneidad de las muestras estudiadas, para lo cual los inputs relativos a alumnos matriculados y graduados se han segmentado por ramas de conocimiento. 2. MUESTRA Y VARIABLES OBJETO DE ESTUDIO La muestra abarca las 48 Universidades públicas españolas, si bien para determinados modelos se ha excluido la única Universidad no presencial, la Universidad Nacional de Educación a Distancia (UNED). Para los datos que aparecen referenciados a un curso académico hemos tomado el más reciente posible que sería el curso , o el año 2006 para aquellos datos que hacen referencia al año natural como serían todos aquellos relacionados con magnitudes económicas de ingresos o gastos. La selección de variables que van a ser utilizadas como inputs u outputs en los diferentes modelos utilizados, obedece a tres causas diferentes: de una parte, variables comúnmente utilizadas en trabajos internacionales previos; indicadores propuestos por el Consejo de Universidades en su borrador de catálogo de indicadores del sistema universitario público español o variantes de éstos; y, por último variables de las cuales se pueden obtener datos fiables, como son todos aquellos recabados de organismos públicos en España como son el Ministerio de Ciencia e Innovación o el Instituto Nacional de Estadística. Como variables inputs en los modelos de eficiencia docente hemos utilizado los gastos de personal y de gastos corrientes en bienes y servicios (Capítulos 1 y 2 de presupuestos liquidados). Los gastos en el profesorado ha sido una variable comúnmente utilizada en diversos trabajos de investigación (Agasisti y Salerno, 2007; Glass et al y 2007, etc.), así como la variable otros costes (Agasisti y Salerno, 2007). En algunos casos se han manejado estas dos variables conjuntamente, como una sola, en forma de Operating costs (Carrington et al, 2005 en universidades australianas) o de total de gasto en el caso de las universidades sudafricanas en el trabajo de Taylor y Harris (2004). La elección en nuestro caso de indicadores monetarios ha venido justificada entre otras razones, por las siguientes: 1. Los indicadores monetarios cuentan con mayor respaldo en la literatura científica que las variables físicas. 2. Aunque inicialmente trabajamos también con variables de tipo físico tales como el número de Centros, la superficie construida, el número de puestos en aula, de lectura, en laboratorios o en salas de informática y plazas en colegios mayores., desechamos finalmente esta vía de investigación por dos motivos: primero, por la falta de datos de muchas universidades, y, segundo, porque teníamos bastantes dudas de la relación causal entre estos recursos físicos y la producción docente. Palomares (2008) se estudia la eficiencia de las universidades públicas españolas, tratando de encontrar asociaciones entre eficiencia y riqueza de la Comunidad Autónoma donde se inserta cada universidad. 4

5 3. La variable gastos de personal creemos que puede ser apropiada para medir el esfuerzo docente al contemplar no sólo profesorado sino también personal de administración y servicios, así como ponderar en función de la retribución distintas categorías laborales y dedicación. 4. Por otra parte, aun siendo conscientes de la importancia que tendría incluir como variable input las inversiones (Capítulo 6 del presupuesto), la hemos desechado por la alta variabilidad interanual que puede presentar la misma. En el caso de la eficiencia investigadora, uno de los inputs utilizado ha sido el del profesorado equivalente a tiempo completo. En algunos trabajos se ha utilizado el staff a tiempo completo, como en Johnes (2006a), Leitner (2007) referido a los Departamentos universitarios, o Fandel (2007) en el caso de Renania del Norte- Westfalia, pero pensamos que puede ser debido a no contar con la variable profesor equivalente a tiempo completo, variable con la que sí cuenta Glass et al. en sus trabajos de 2006 y 2007 referidos a las Universidades británicas. Nosotros, en esta misma línea, entendemos que esta última variable es la más adecuada para valorar el esfuerzo en investigación. De la misma opinión es Gómez y Mancebón (2006) cuando consideran a esta variable como la más adecuada para aproximar el factor trabajo. En cuanto a los outputs, sí va a existir coincidencia en el uso de las variables relacionadas con la producción docente, puesto que se apoyan en las variables clásicas número de estudiantes graduados y número de estudiantes matriculados. El uso de los estudiantes graduados puede verse en Johnes (2006a) e Isa et al (2007); el de matriculados en Agasisti y Dal Bianco (2006) y Agasisti y Salerno (2007). El desglose de los indicadores outputs anteriores por ramas de conocimiento ya se hace, referida a los graduados, en Fandel (2007), y en nuestro trabajo va a cobrar especial importancia, por lo que se han obtenido datos en las ramas de Técnicas, Humanidades, Ciencias Sociales y Jurídicas, Ciencias de la Salud y Ciencias Experimentales al objeto de solventar los problemas de posible heterogeneidad de la muestra, tal como se pone de manifiesto en. Johnes y Johnes (2008) para las Universidades del Reino Unido. Respecto a los outputs relacionados con la producción científica, vamos a manejar algunas variables ya utilizadas en trabajos previos y otras que creemos pueden ser inéditas. De las primeras tenemos el número de tesis doctorales leídas con las que ya trabajaron Alfonso y Santos (2008) en las universidades portuguesas, el número de publicaciones manejado por Leitner et al (2007) al referirse a la producción científica de los departamentos, o por Pursglove y Simpson (2007) al realizar un estudio comparativo del rendimiento de las universidades inglesas. En nuestro caso, al tratarse de documentos científicos recogidos en revistas indexadas se le añade un plus de calidad a esta variable, si bien, como inconveniente, se quedan fuera formatos tales como libros o patentes, que también son productos de la actividad científica. El porcentaje del profesorado numerario de cada universidad con uno o más tramos de investigación (sexenios), así como el número de proyectos de investigación e importe concedido a los mismos por el Ministerio de Ciencia e Innovación, son variables inéditas al tratarse de variables específicas del caso español. Las tres variables están midiendo con un criterio más o menos objetivo (o al menos un criterio oficial) parte del esfuerzo investigador de cada una de las Universidades. Otros indicadores como la inserción laboral de los egresados, se echan de menos en este estudio. No la incluimos porque no contamos con esta información. Tampoco contamos con muchos otros datos que podrían ser interesantes para este tipo de investigaciones como son la mayoría de los indicadores publicados por el Consejo de Coordinación Universitaria de los que aún no se dispone de información. Aunque se ha 5

6 mejorado sustancialmente en los últimos años, aún queda bastante camino por recorrer en la recopilación de información. 3. DESCRIPCIÓN DE LOS MODELOS UTILIZADOS Los modelos utilizados para medir la eficiencia se fundamentan en el concepto de eficiencia de Pareto y amplía el tradicional ratio output/input de medida de eficiencia, donde se utiliza un solo input y un solo output, a un ratio ponderado que puede utilizar varios inputs y outputs y que se trataría de maximizar. Para ello, se utilizan métodos de programación lineal, mediante los cuales se obtiene una frontera de producción sobre la cual se encontrarán las unidades de decisión eficientes en relación a otras unidades de decisión. Aquellas que se alejen de dicha frontera serán unidades ineficientes en mayor o menor medida, es decir, la medida de eficiencia de cada unidad de decisión viene definida por su posición relativa a la frontera eficiente La principal ventaja del DEA es precisamente la posibilidad de combinar múltiples inputs y outputs obteniéndose una medida sintética sin necesidad de establecer a priori las ponderaciones de cada factor. La eficiencia así calculada se denomina eficiencia técnica global, también se le denomina por las siglas del trabajo que le dio lugar, el CCR (Charnes, Cooper y Rhodes, 1978). Este modelo, en sus dos orientaciones input y output, asume que las unidades de decisión están obteniendo rendimientos a escala constantes (en inglés Constant Returns to Scale, CRS) sin considerar, por tanto, las posibles economías/deseconomías de escala. Por otra parte, si se tienen en cuenta estas posibles economías de escala, el modelo desarrollado por Banker, Charnes y Cooper (1984), también conocido por sus siglas BCC, descompone la eficiencia técnica global en dos componentes, la eficiencia técnica pura y la eficiencia de escala. A este modelo, y los que se derivaron de él, se les denomina modelos de rendimiento variables a escala (en inglés Variable Returns to Scale, VRS), y se trata de modelos que comparan las unidades de decisión con otras de tamaño similar Por otra parte, a partir de los modelos anteriores podríamos calcular fácilmente la denominada eficiencia de escala mediante el ratio eficiencia técnica global/ eficiencia técnica pura, que tomará valor siempre que los componentes del ratio sean diferentes, es decir, que exista alguna diferencia como consecuencia del tamaño de la unidad de decisión. Dicho de otra forma, y siguiendo el caso sobre el que vamos a trabajar, cuando evaluemos la eficiencia de las Universidades estaremos comparando una Universidad con la totalidad del resto de la muestra, y cuando evaluemos la eficiencia técnica pura (a partir de ahora eficiencia técnica) estaremos evaluando las Universidades por comparación con otras de características similares. La eficiencia de escala la calcularemos dividiendo la una por la otra, por lo que nos estará dando la eficiencia/ineficiencia provocada por economías/deseconomías de escala. Modelo 1. docente (en función de los gastos incurridos) Este modelo va a intentar medir de alguna forma la eficiencia docente, entendida ésta como un indicador numérico que pone en relación el número de estudiantes con los recursos financieros más relevantes que se ponen a su servicio. Este modelo va a tener 3 variantes que vamos a explicar a continuación. En todos los casos, se ha corrido el modelo orientado al input, es decir, se trataría de minimizar el input para unos niveles de outputs dados (Los resultados derivados de la aplicación de modelos de eficiencia docente aparecen resumidos en la Tabla 1 del Anexo). 6

7 Modelo 1A Output: Número de alumnos matriculados en cada Universidad Inputs: Gastos Capítulo 1 (Gastos de personal) y Gastos Capítulo 2 (Gastos corrientes en bienes y servicios). Qué indica: Recursos financieros más relevantes que se ponen en juego para atender la demanda captada (alumnos matriculados). Modelo 1B Output: Número de alumnos graduados en cada Universidad. Inputs: Gastos Capítulo 1 (Gastos de personal) y Gastos Capítulo 2 (Gastos corrientes en bienes y servicios). Qué indica: Recursos financieros que se ponen en juego y resultados que se obtienen medidos en graduados. Modelo 1C Outputs: Número de alumnos matriculados en cada Universidad y número de alumnos graduados en cada Universidad. Inputs: Gastos Capítulo 1 (Gastos de personal) y Gastos Capítulo 2 (Gastos corrientes en bienes y servicios). Qué indica: Al estar combinando ambos outputs, el modelo está teniendo en cuenta implícitamente las tasas de éxito y abandono de cada Universidad. Los resultados obtenidos medidos en graduados y en captación de estudiantes (matriculados) se compararán con los gastos principales incurridos para obtenerlos y para atender esa demanda. En nuestra opinión, este modelo es más adecuado a los anteriores al combinar dos variables outputs causantes de la generación de gasto, una que considera el éxito obtenido y otra que no considera dicho éxito, aunque también genera gastos (matriculados independientemente de que acaben o no sus estudios). En otro orden de cosas, observamos que quizás universidades muy especializadas en algunas áreas de conocimiento, como las universidades politécnicas, podrían estar penalizadas por el modelo al estar concentrados sus alumnos matriculados y graduados en una sola área de conocimiento, por lo que se desarrolló el modelo anterior desglosando los outputs (matriculados y/o graduados) por áreas de conocimiento, concretamente en Ciencias Sociales y Jurídicas, Técnicas, Humanidades, Ciencias de la Salud y Ciencias Experimentales. Modelo 2. investigadora Este modelo va a intentar medir la producción de investigación en función de los medios humanos disponibles. Vamos a poner en relación varios indicadores de outputs de investigación con un solo input, el número de profesores equivalentes a tiempo completo. Este modelo lo vamos a ensayar con dos variantes, una que utiliza el número de proyectos de investigación sin tener en cuenta su cuantía y otro que va a utilizar el importe concedido en esos proyectos de investigación, por lo que de alguna forma estará ponderando la importancia de los mismos (Los resultados derivados de la aplicación de los modelos de eficiencia en investigación pueden verse en la Tabla 2 del Anexo). En este modelo y al contrario que el modelo de eficiencia docente, hemos considerado que sería más correcto correr los modelos orientados al output, es decir, se 7

8 trataría de conocer el margen de mejora que tienen las Universidades para maximizar su producción investigadora con los recursos humanos de que dispone en la actualidad. Hemos incorporado al estudio como DMU a la UNED, al entender que sus características en el aspecto investigador no deben diferir mucho a las del resto de universidades. Además se comprobó previamente que su inclusión/exclusión en este modelo no distorsionaba los resultados del resto de Universidades como sí ocurría en los modelos referidos a eficiencia docente. Modelo 2A Outputs: - Tesis doctorales aprobadas - Producción científica: documentos científicos recogidos en revistas indexadas - Tramos de investigación: Porcentaje del profesorado numerario de cada Universidad con uno o más tramos de investigación. - Proyectos de investigación: Número de proyectos de investigación aprobados por el Ministerio de Ciencia e Innovación Input: Número de profesores equivalentes a tiempo completo 2 Qué indica: Producción investigadora de las Universidades en función de los recursos humanos de que dispone. En los modelos orientados al output los mejores resultados son los más próximos al 100%, indicando las cantidades superiores al 100% el porcentaje en las que deben mejorar las DMUs en la obtención de los outputs. Modelo 2B Outputs: - Tesis doctorales aprobadas - Producción científica: documentos científicos recogidos en revistas indexadas - Tramos de investigación: Porcentaje del profesorado numerario de cada Universidad con uno o más tramos de investigación. - Importe concedido en los proyectos de investigación: Financiación recibida de los proyectos de investigación aprobados por el Ministerio de Ciencia e Innovación Input: Número de profesores equivalentes a tiempo completo Qué indica: Producción investigadora de las Universidades en función de los recursos humanos de que dispone. Varía respecto al anterior en que está ponderando en función de la importancia del proyecto al utilizar el importe concedido. 4. FACTORES EXPLICATIVOS DE LA EFICIENCIA DOCENTE Dos interrogantes que se podrían plantear serían: dependen los niveles de eficiencia del tamaño de la Universidad?; y, dependen los niveles de eficiencia de la especialización de la Universidad?, por lo que ésto nos lleva al planteamiento de las siguientes hipótesis: H1: Las Universidades de mayor tamaño son más eficientes en cuanto a producción de graduados/captación de alumnos que las de menor tamaño; 2 También se utilizó como input el gasto en capítulo 1 (gastos de personal) en vez del número de profesores y, aplicado el DEA, no se observaron diferencias sustanciales con este modelo 8

9 H2: La docente está relacionada con el perfil o especialización de las universidades. Contraste de la hipótesis 1 En nuestra opinión, un subrogado claro del tamaño de las Universidades es el número de matriculados, por lo que una forma sencilla de contraste de la hipótesis referida a la relación entre tamaño y eficiencia podría ser la utilización de coeficientes de correlación estadísticos. Por ello, hemos calculado los coeficientes de Spearman entre el número de alumnos y las eficiencias global, técnica y de escala de los modelos 1C (matriculados y graduados como outputs) y 1C desglosado por áreas de conocimiento, obteniéndose los resultados que aparecen en la tabla siguiente: Tabla 1. Correlación Tamaño / eficiencia docente Número de alumnos matriculados global 1C (p-value = ) técnica 1C (p-value = ) de escala 1C (p-value = ) global 1C desglosado por áreas (p-value = ) técnica 1C desglosado por áreas (p-value = ) de escala 1C desglosado por áreas (p-value = ) Los resultados anteriores corroboran que no existe correlación entre el tamaño y la eficiencia global o técnica, es decir, ni las universidades grandes son sensiblemente más eficientes como podría pensarse por el aprovechamiento de economías de escala o por la producción de un gran número de graduados al establecerse en grandes núcleos poblacionales, ni tampoco existe mayor o menor eficiencia en Universidades pequeñas. Sí existe, lógicamente, correlación en la eficiencia de escala y el número de matriculados lo que demuestra el funcionamiento del modelo aunque sin alterar las eficiencias técnicas y globales. Por consiguiente, se rechaza la hipótesis H1: Las Universidades de mayor tamaño son más eficientes en cuanto a producción de graduados/captación de alumnos que las de menor tamaño. Obviamente, hay que buscar causas que originen esas diferencias de eficiencia entre las Universidades y una de ellas podría ser la especialización en ramas de conocimiento, lo que nos lleva a contrastar la segunda de las hipótesis. Contraste de la hipótesis 2 Recordemos el planteamiento de la hipótesis H2: La docente está relacionada con el perfil o especialización de las universidades. En definitiva, se podría esperar que las Universidades especializadas en áreas de conocimiento que requieren ratios profesor/alumno más altas y mayores recursos de apoyo a la docencia serán menos eficientes en cuanto a producción de graduados/captación de alumnos que las especializadas en áreas de conocimiento de menor coste. 9

10 Para el contraste de la hipótesis hemos correlacionado la eficiencia técnica del modelo que considera como outputs el número de alumnos y egresados totales y desglosados por ramas con el porcentaje de alumnos por rama de enseñanza con respecto al total de esa Universidad, obteniéndose las siguientes matrices de correlación de Spearman: Tabla 2: Correlaciones % número de alumnos con respecto al total de su Universidad/ eficiencia técnica modelo 1C Ciencias Experimentales (p-value = ) Humanidades (p-value = ) Ciencias de la Salud (p-value = 0.759) Ciencias Sociales y Jurídicas (p-value = ) Tecnológicas (p-value = ) Tabla 3: Correlaciones % número de alumnos con respecto al total de su Universidad/ eficiencia técnica modelo 1C desglosado Ciencias Experimentales (p-value = ) Humanidades (p-value = ) Ciencias de la Salud (p-value = ) Ciencias Sociales y Jurídicas (p-value = ) Tecnológicas (p-value = ) A la vista de las tablas anteriores se pueden obtener varias conclusiones claras: - La única rama de conocimiento que obtiene correlaciones negativas y significativas es la rama de Técnológicas, con lo cual cuanto mayor sea la participación de titulaciones de esta rama en la oferta universitaria menor será la eficiencia docente, tal sería el caso de la Universidades Politécnicas. - En Ciencias Experimentales se observa en los dos casos una correlación positiva y significativa, es decir, las universidades especializadas en carreras de esta área de conocimiento se muestran como más eficientes. - Otra rama donde se observa correlación significativa y positiva, aunque sólo en el modelo no desglosado por áreas, es la de Ciencias Sociales y Jurídicas. - En las universidades especializadas en áreas de conocimiento relacionadas con las Ciencias de la Salud y con las Humanidades no se observa correlación entre niveles de eficiencia y proporción de alumnos en estas áreas. En función de las correlaciones y conclusiones anteriores podríamos establecer un ranking de eficiencia docente por ramas, lo cual nos llevaría a no poder rechazar la hipótesis 2, que sería: 1. Ciencias Experimentales 2. Ciencias Sociales y Jurídicas 3. Humanidades 10

11 4. Ciencias de la Salud 5. Tecnológicas 5. FACTORES EXPLICATIVOS DE LA EFICIENCIA EN INVESTIGACIÓN Varios interrogantes se nos abren en este punto, algunos similares a los que se nos planteaban cuando analizábamos el apartado anterior: los niveles de eficiencia investigadora dependen del tamaño de la Universidad?; dependen los niveles de eficiencia investigadora de la especialización de la Universidad?. Esto nos lleva al planteamiento de las siguientes hipótesis: H3: Las universidades de mayor tamaño son más eficientes en cuanto a producción científica que las de menor tamaño. H4: Las universidades especializadas en determinadas ramas del conocimiento son más eficientes en producción de investigación que Universidades especializadas en otras ramas del conocimiento. Contraste de la hipótesis 3 3 Igual que hicimos con la hipótesis 1, utilizaremos el número de matriculados como subrogado del tamaño de la Universidad. Para contrastar la hipótesis, se han usado coeficientes de correlación de Pearson (No obstante, omitimos ésta por dar resultados similares) y de Spearman, que nos han dado el siguiente resultado: Tabla 4. Correlación de Spearman tamaño / eficiencia investigación Número de alumnos matriculados global modelo 2A (p-value = ) global modelo 2B (p-value = ) técnica modelo 2A (p-value = ) técnica modelo 2B (p-value = ) de escala modelo 2A (p-value = ) de escala modelo 2B (p-value = 2.114e-07) Si en vez de tomar los alumnos matriculados como subrogado del tamaño, tomamos el número de profesores, concretamente los profesores equivalentes a tiempo completo, que es un subrogado más relacionado con la variable que se pretende medir, la eficiencia investigadora, obtenemos los siguientes resultados: Tabla 5. Correlación de Spearman tamaño / eficiencia investigación Número profesores equivalentes a tiempo completo global modelo 2A (p-value = ) global modelo 2B (p-value = ) técnica modelo 2A (p-value = ) 3 Volvemos a dejar fuera del estudio a la UNED al tener una capacidad de captación de los alumnos muy diferente a las universidades presenciales, por lo que siempre que intervengan los alumnos matriculados como variable los resultados podrían estar distorsionados 11

12 técnica modelo 2B (p-value = ) de escala modelo 2A (p-value = ) de escala modelo 2B (p-value = 7.468e-08) Independientemente del subrogado que utilicemos del tamaño (número de alumnos o número de profesores equivalentes a tiempo completo) los resultados son muy similares. Se observa que existe correlación entre el tamaño y la eficiencia global, pero no con la técnica, lo que demuestra la existencia de eficiencias de escala, de hecho la correlación de los dos subrogados del tamaño utilizados con las eficiencias de escala salen muy elevadas y muy significativas, lo que demuestra que el factor tamaño está actuando como generador de economías de escala aumentando la eficiencia investigadora. Existe, por tanto, correlación entre el tamaño y la eficiencia por la existencia de eficiencias de escala en los modelos que miden la investigación, es decir, el tamaño es relevante a efectos de producción científica. En consecuencia, debe aceptarse la hipótesis H3: Las Universidades de mayor tamaño son más eficientes en cuanto a producción científica que las de menor tamaño. Contraste de la hipótesis 4 Otra de las causas, que podrían originar diferencias en la eficiencia de la actividad investigadora podría ser la rama del conocimiento en que esté especializada la Universidad. Esta hipótesis plantea que las universidades especializadas en algunas áreas son más eficientes en producción de investigación que universidades especializadas en otras áreas de conocimiento. Para el contraste de la misma, hemos correlacionado la eficiencia técnica de los modelos de investigación (que no está teniendo en cuenta el efecto tamaño) con el porcentaje de alumnos por rama de enseñanza con respecto al total de esa Universidad 4, obteniéndose los siguientes resultados en forma de matrices de correlación de Spearman: Tabla 6: Correlaciones de Spearman. % de alumnos por rama de conocimiento con respecto al total de su Universidad/ eficiencia técnica investigación técnica modelo 2A técnica modelo 2B Ciencias Experimentales (p-value = ) (p-value = ) Humanidades (p-value = ) (p-value = ) Ciencias de la Salud (p-value = ) (p-value = ) Ciencias Sociales y Jurídicas (p-value = ) (p-value = ) Tecnológicas (p-value = ) (p-value = ) De las correlaciones anteriores se desprenden algunas conclusiones de interés: - Existe correlación significativa entre especialización y eficiencia investigadora en tres ramas de conocimiento. 4 En este caso, no contamos con el número de profesores dedicados a cada área de conocimiento 12

13 - La correlación es positiva 5 y significativa en un grupo, las universidades más Tecnológicas (las Politécnicas). Esto significa que estas universidades son las peores desde la perspectiva investigadora. - Por el contrario, la correlación es negativa y significativa en dos casos. Las Universidades más especializadas en las Ciencias Experimentales, donde la correlación es más débil, y en las Humanidades, con una correlación más fuerte, son las más eficientes desde el punto de vista investigador. - Aunque se observa cierta correlación negativa, que indicaría mejor investigación, no son lo suficientemente significativas en las Universidades más especializadas en Ciencias Sociales y Jurídicas y Ciencias de la Salud. Por consiguiente queda aceptada, o al menos no rechazada la hipótesis H4: Las Universidades especializadas en unas ramas del conocimiento son más eficientes en producción de investigación que Universidades especializadas en otras ramas del conocimiento; concretamente las universidades especializadas en Humanidades y Ciencias Experimentales son más eficientes en producción científica que el resto, siendo las más ineficientes las universidades más Técnicas. De las Universidades especializadas en Ciencias Sociales y Ciencias de la Salud no se obtienen conclusiones estadísticamente significativas. 6. RELACIÓN ENTRE EFICIENCIA DOCENTE Y EFICIENCIA EN INVESTIGACIÓN Planteamiento de la hipótesis Una de las cuestiones que nos parece interesante investigar en este momento es si las universidades mejores desde el punto de vista de la eficiencia docente son también las mejores desde el punto de vista de la investigación o, si por el contrario, tienen eficiencias de signo contrario. Por todo ello, planteamos la siguiente hipótesis: H5: Las Universidades más eficientes en producción de graduados/captación de matriculados son más o menos eficientes en los resultados de investigación. Contraste de la hipótesis 5 Para contrastar la hipótesis, hemos corrido coeficientes de correlación de Pearson y de Spearman, aunque sólo mostramos estos últimos por aportar resultados similares, entre los modelo 1C (producción docente medida en graduados y matriculados) con los modelos de eficiencia investigadora 2A (que toma, además de otros outputs comunes al 2B, número de proyectos) y 2B (que toma financiación concedida en esos proyectos), y se han obtenido los siguientes resultados. Tabla 7: Correlaciones de Spearman producción docente / producción investigadora técnica modelo 1C técnica modelo 1C técnica modelo 2A (p-value = ) técnica modelo 2B (p-value= 0.896) Los resultados son bastante claros. No existe relación alguna entre los modelos 1 (eficiencia docente) y los modelos 2 (eficiencia investigadora) por lo que queda rechazada la hipótesis H5, es decir, las universidades que son más eficientes desde el 5 Estamos ahora con un modelo orientado al output por lo que la eficiencia es mejor cuanto más se acerque al 100% que es el nivel más bajo. 13

14 punto de vista docente no son ni más ni menos eficientes desde el punto de vista investigador al no existir ninguna relación entre ambas variables. 7. EFICIENCIA Y FINANCIACIÓN A lo largo del trabajo empírico, se ha estudiado la eficiencia desde diferentes puntos de vista, la eficiencia docente, la investigadora, etc. y hemos buscado algún tipo de relación causal entre esos tipos de eficiencia y la naturaleza de las universidades. En este punto, nos queda por resolver algunas incógnitas: tiene alguna incidencia sobre los niveles de eficiencia los modelos de financiación adoptados por cada Comunidad Autónoma para sus universidades?, tiene alguna relación con la eficiencia el nivel de financiación recibida por las universidades de sus Comunidades Autónomas? Para intentar contestar a la primera de las preguntas, hemos dividido, en primer lugar, las universidades según el tipo de modelo de financiación adoptado por su Comunidad Autónoma, lo que nos ha generado dos grupos, el de las Comunidades Autónomas y, por ende, las universidades que pertenecen a éstas, que tienen un modelo de financiación que intenta ligar las cantidades recibidas a una fórmula matemática relacionada con determinados indicadores (número de alumnos, grado de experimentalidad, financiación condicionada a objetivos, etc.), y el de universidades que reciben recursos de los órganos de gestión de sus Comunidades Autónomas en función, normalmente, de sus presupuestos liquidados, por lo que suelen ser cantidades incrementadas en unos porcentajes sobre los presupuestos y determinados por cuestiones de política presupuestaria. A estos últimos se les denominan modelos incrementales o incrementalistas. Una vez tengamos clasificadas las Universidades en los dos grupos anteriormente descritos, intentaremos averiguar si el comportamiento de las universidades, en términos de eficiencia, es diferente según pertenezcan a un grupo u otro, o, si por el contrario, los resultados entre las Universidades obedecen a motivos independientes del grupo de modelo de financiación al que pertenezcan. En función del modelo que siga la Comunidad Autónoma de pertenencia, las Universidades se pueden clasificar en dos grupos: Tabla 8: Clasificación de las Universidades por modelo de financiación Universidades con modelos Fórmula Universidades con modelos incrementales 1 A Coruña 2 Alcalá 3 Alicante 6 Autónoma de Madrid 4 Almería 10 Cantabria 5 Autónoma de Barcelona 11 Carlos III de Madrid 7 Barcelona 12 Castilla-La Mancha 8 Burgos 13 Complutense de Madrid 9 Cádiz 15 Extremadura 14 Córdoba 19 Illes Balears 16 Girona 23 La Rioja 17 Granada 30 Oviedo 18 Huelva 32 País Vasco 20 Jaén 35 Politécnica de Madrid 21 Jaume I de Castellón 39 Rey Juan Carlos 22 La Laguna 14

15 24 Las Palmas de Gran Canaria 25 León 26 Lleida 27 Málaga 28 Miguel Hernández 29 Murcia 31 Pablo de Olavide 33 Politécnica de Cartagena 34 Politécnica de Catalunya 36 Politécnica de Valencia 37 Pompeu Fabra 38 Pública de Navarra 40 Rovira i Virgili 41 Salamanca 42 Santiago de Compostela 43 Sevilla 44 Valencia Estudi General 45 Valladolid 46 Vigo 47 Zaragoza La UNED sigue un modelo incremental aunque se le ha dejado fuera de la clasificación porque no sirvió para algunos modelos estudiados en el trabajo al tener características muy diferentes, motivo por el cual se vuelve a quedar fuera en este epígrafe. Otro criterio de clasificación podría ser considerar de una parte aquellos modelos que han estado fundamentados en los inputs y aquellos modelos de financiación ligados, al menos parcialmente, a variables de rendimiento o outputs. Además, hemos tenido en consideración que los modelos de financiación tienen cierto retardo en dar resultados por lo que nos hemos basado en los modelos que estaban vigentes en cada Comunidad Autónoma unos años atrás concretamente en En base a ello, hemos elaborado la siguiente tabla: Tabla 9: Clasificación de las Universidades por modelo de financiación Universidades con modelos inputs Universidades con modelos outputs 1 A Coruña 2 Alcalá 4 Almería 3 Alicante 8 Burgos 5 Autónoma de Barcelona 9 Cádiz 6 Autónoma de Madrid 10 Cantabria 7 Barcelona 12 Castilla-La Mancha 11 Carlos III de Madrid 14 Córdoba 13 Complutense de Madrid 15 Extremadura 16 Girona 17 Granada 21 Jaume I de Castellón 18 Huelva 26 Lleida 19 Illes Balears 28 Miguel Hernández 20 Jaén 29 Murcia 22 La Laguna 33 Politécnica de Cartagena 6 Hernández Armenteros,

16 23 La Rioja 34 Politécnica de Catalunya 24 Las Palmas de Gran Canaria 35 Politécnica de Madrid 25 León 36 Politécnica de Valencia 27 Málaga 37 Pompeu Fabra 30 Oviedo 39 Rey Juan Carlos 31 Pablo de Olavide 40 Rovira i Virgili 32 País Vasco 44 Valencia Estudi General 38 Pública de Navarra 41 Salamanca 42 Santiago de Compostela 43 Sevilla 45 Valladolid 46 Vigo 47 Zaragoza Planteamiento de las hipótesis Una vez clasificadas las Universidades en dos grupos se trataría de determinar si existen diferencias de eficiencia por su grupo de pertenencia, por lo que vamos a plantear dos nuevas hipótesis, desglosadas en dos aspectos: H6: Las Universidades que utilizan un modelo de fórmula son más eficientes desde el punto de vista docente que aquellas que utilizan un modelo incrementalista H7: Las Universidades que utilizan un modelo de fórmula son más eficientes desde el punto de vista investigador que aquellas que utilizan un modelo incrementalista H8: Las Universidades que utilizan un modelo basado en elementos de input son más eficientes desde el punto de vista docente que aquellas que utilizan un modelo basado en elementos de output H9: Las Universidades que utilizan un modelo basado en elementos de input son más eficientes desde el punto de vista docente que aquellas que utilizan un modelo basado en elementos de output Contraste de las hipótesis 6, 7, 8 y 9 Para verificar si existen diferencias entre ambos grupos se han resumido los resultados de los modelos 1 y 2 con sus desgloses y en su vertiente eficiencia global y eficiencia técnica, y se ha corrido un test no parámetrico para muestras independientes conocido como la prueba de suma de rangos de Wilcoxon. Los resultados de dicha prueba aparecen en la tabla siguiente: Tabla 10: Comparación de los resultados de las Universidades por grupos de pertenencia (modelos de financiación fórmula vs modelos incrementales) Modelos DEA p- valor global modelo 1A global modelo 1B global modelo 1C

17 global modelo 2A global modelo 2B técnica modelo 1A técnica modelo 1B técnica modelo 1C técnica modelo 2A técnica modelo 2B Nota: Las eficiencias de escala dan valores aún más elevados Como los p-value son muy elevados, se descarta la hipótesis de que entre las universidades con modelos de financiación tipo fórmula e incrementales actuales se observen eficiencias diferentes, es decir, las Universidades con modelo fórmula no son mejores que las Universidades con modelos incrementales o viceversa. No obstante, para los modelos con elementos de input y los modelos con elementos de output hemos realizado el mismo procedimiento obteniéndose los siguientes resultados: Tabla 11: Comparación de los resultados de las Universidades por grupos de pertenencia (modelos de financiación input vs modelos de financiación output) Modelos DEA p- valor (medianas grupo input; medianas grupo output) global modelo 1A (84.31%; 72.97%) global modelo 1B global modelo 1C global modelo 2A 0.05 global modelo 2B (163.74%; %) técnica modelo 1A técnica modelo 1B técnica modelo 1C técnica modelo 2A (133.53%; %) técnica modelo 2B (131.13%; %) Como los p-value son muy pequeños, se acepta la hipótesis de que entre las universidades con modelos de financiación con elementos de input y las universidades con modelos de output hay diferencias en eficiencia, es decir, las universidades que tenían modelos input son diferentes a las universidades con modelos que tienen en cuenta los outputs, por lo que podemos concluir que los modelos de financiación sí tienen incidencia significativa sobre la eficiencia docente (pero solamente en el modelo que 17

18 utiliza como input los graduados) y sobre la eficiencia investigadora de las instituciones universitarias en sus dos versiones. Por otro parte, y tal como indicábamos al principio del trabajo, el debate y las posturas encontradas en torno a la financiación de las universidades se ha intensificado en los últimos tiempos con motivo de la implantación del Espacio Europeo de Investigación Superior. Frente a aquéllos que defienden que la nueva reforma educativa difícilmente puede llevarse a cabo sin ciertas garantías de éxito, como serían la eliminación de desequilibrios territoriales y financiación adicional, otros sostienen que la solución no está en una mayor financiación sino en mejoras en la gestión y en la eliminación de disfunciones crónicas del actual sistema universitario. Sobre este particular, un estudio llevado a cabo por el Banco de Santander cifra en el 0.75% del PIB el coste del fracaso escolar, de la misma forma un estudio reciente de la Fundación de Estudios de Economía Aplicada cifra en millones de euros la factura anual del fracaso en la universidad española. Sumado al coste estimado del fracaso en la Educación Secundaria, el gasto de los suspensos alcanza el 0,43% del PIB. Lo anterior nos ha llevado a establecer una última hipótesis H10: A mayor financiación recibida por la universidad mayor será el nivel de eficiencia. Contraste de la hipótesis 10 Para contrastar esta hipótesis hemos calculado las correlaciones de Spearman de todos los modelos de financiación utilizados con la financiación autonómica recibida por alumno por cada universidad. Adicionalmente, dado que el coste y la financiación por alumno depende de los niveles de experimentalidad, se ha ajustado el número de alumnos a los anteriores niveles utilizando por una parte las ponderaciones que se aplican en el caso del modelo de financiación de las universidades andaluzas y, por otro, el propuesto por el Ministerio. Tabla 12: Matriz de correlaciones Spearman eficiencia docente/financiación por alumno global.modelo.1a global. Modelo.1B global. Modelo.1C.técnica.Modelo.1A.técnica.Modelo.1B técnica.modelo.1c Financiación/alumno (p-value = 8.336e-07) (p-value= ) (p-value=6.095e-06) (p-value=8.282e-06) (p-value= ) (p-value= ) Financiación/alumno ponderado por coef. Andalucía (p-value= ) (p-value= ) (p-value= ) (p-value=0.0616) (p-value=0.1221) (p-value=0.2543) Financiación/alumno ponderado por coef. Ministerio (p-value=7.018e-08) (p-value= ) (p-value=2.491e-07) (p-value=3.985e-07) (p-value= ) (p-value=7.449e-06) 18

19 Tabla 13: Matriz de correlaciones Spearman eficiencia docente desglosado por áreas /financiación por alumno global Modelo.1A desglosado global. Modelo.1B desglosado global. Modelo.1C desglosado.técnica. Modelo 1A desglosado.técnica. Modelo 1B desglosado.técnica. Modelo.1C desglosado Financiación/alumno (p-value= ) (p-value= ) (p-value= ) (p-value= ) (p-value= ) (p-value= ) Financiación/alumno ponderado por coef. Andalucía (p-value= ) (p-value= ) (p-value= ) (p-value= ) (p-value = ) (p-value= ) Financiación/alumno ponderado por coef. Ministerio (p-value= ) (p-value= ) (p-value= ) (p-value= ) (p-value= (p-value= ) Tabla 14. Matriz de correlaciones Spearman eficiencia investigadora/financiación por alumno global. Modelo.2A.global.Modelo.2B.técnica.Modelo.2A.técnica.Modelo.2B Financiación/alumno (p-value=0.4774) (p-value=0.5912) (p-value=0.3379) (p-value=0.3366) Financiación/alumno ponderado por coef. Andalucía (p-value=0.1823) (p-value=0.2755) (p-value= ) (p-value=0.0763) Financiación/alumno ponderado por coef. Ministerio (p-value=0.8078) (p-value=0.7331) (p-value=0.7819) (p-value=0.4885) Los resultados anteriores ponen de manifiesto y con independencia del modelo de eficiencia docente utilizado una asociación negativa entre nivel de financiación relativa recibida y eficiencia docente. Por otra parte, la eficiencia en investigación se muestra independiente del nivel de financiación recibido (Capítulo 4) para destinarlo a la financiación operativa o para cubrir los gastos de funcionamiento de cada universidad. 8. CONCLUSIONES El presente trabajo no se ha planteado con el objetivo de establecer un nuevo ranking de universidades sobre los ya existentes, sino por el contrario aportar evidencias que puedan ayudar tanto a los organismos financiadotes como a las universidades a encontrar elementos y factores que le permitan mejorar su eficiencia. Sobre la base anterior resumimos a continuación las principales resultados obtenidos del trabajo empírico presentado El tamaño de las Universidades no influye en la eficiencia docente pero sí en la eficiencia investigadora. Dado que el tamaño puede estar ligado a antigüedad y 7 No obstante, y aunque no forme parte del contenido de este trabajo por requerir una mayor profundización y detalle, la ordenación de eficiencia en investigación de las universidades a resultas del presente estudio estaría asociada de manera significativa a las obtenidas en los trabajos de Buela-Casal (2008), Grupo Scimago (2008) y Buesa y otros (2009). Por otra parte, encontramos una relación negativa entre eficiencia docente y los índices de calidad docente propuestos en Buesa y otros (2009). 19

20 cercanía a centros de poder y de decisiones empresariales y públicas, así como a la tradición y a la consolidación de la cultura investigadora, se pueda explicar que las universidades de mayor tamaño presenten mejores resultados en la actividad investigadora. 2. En cuanto al perfil o especialización de las universidades, encontramos evidencias que soportan que aquéllas con más peso en carreras tecnológicas (las cuatro Politécnicas) son más ineficientes tanto en producción de graduados/matriculados como en producción científica, ocurriendo precisamente lo contrario en aquellas universidades con un perfil más cercano a las ramas experimentales. 3. No existe relación alguna entre los resultados docentes y los resultados de investigación, ni positiva, ni negativa. Quizás podría pensarse en universidades investigadoras y universidades docentes, pero, aunque puntualmente puedan catalogarse algunas de ellas, existen todas las variantes posibles, buenas en los dos aspectos, malas también en los dos, y buenas en alguno de los dos, pero no hemos encontrado correlación de ningún tipo entre ellas. Esta evidencia desaconsejaría la elaboración de índices de calidad o de eficiencia globales para las universidades, donde se concentren indicadores de docencia e investigación conjuntamente. 4. El tipo de modelo de financiación (fórmula o incremental) no tiene incidencia significativa sobre la eficiencia docente o investigadora de las Universidades, es decir, las universidades no son más o menos eficientes en función de este tipo de modelos de financiación. 5. Los modelos de financiación implantados hace ya algunos años pueden haber tenido incidencia significativa sobre la eficiencia de las universidades, fundamentalmente en el apartado de investigación más que de docencia. Las universidades que forman parte de Comunidades Autónomas con modelos con elementos de output dan mejores niveles de eficiencia que aquéllas que tenían un modelo con elementos de input, aunque estas conclusiones hay que hacerlas con reservas porque también coinciden con Comunidades Autónomas que tienen universidades de gran tamaño y especializadas en algunas áreas de conocimiento de mayor eficiencia como son las Comunidades de Madrid o Cataluña. 6. Una mayor financiación no está relacionada con una mejor eficiencia, de hecho la financiación se asocia negativamente con la eficiencia en docencia y se muestra independiente de la eficiencia en investigación. 7. Se han detectado Universidades que dan niveles de eficiencia elevados desde todos los puntos de vista, por lo que se podrían convertir en referentes para el resto si una vez estudiadas con mayor profundidad las causas de esa máxima eficiencia se debieran a una eficaz gestión de sus recursos financieros y humanos. En cuanto a las limitaciones, que somos conscientes tiene este trabajo, encontramos las siguientes: - Los outputs elegidos en los modelos de eficiencia docente (graduados y matriculados), aunque son outputs comúnmente utilizados en la literatura científica, no miden la calidad de esa docencia, es decir, la preparación de los egresados, el nivel de inserción laboral, etc. - Los datos sobre los que se ha trabajado han sido de un solo año. Quizás los resultados serían más consistentes si la muestra abarcara más de un período. Queda, por tanto, pendiente la elaboración de una base de datos más amplia para trabajos futuros. - También queda aplazado trabajar con variables inputs del tipo recursos físicos como los metros cuadrados construidos, número de puestos en aulas, en 20