Frecuencia de los departamentos referidos

La frecuencia de los departamentos referidos se utiliza para medir la calidad de la eficiencia de los departamentos que se encuentran dentro del grupo de los eficientes; y es la sumatoria del número de veces que un departamento eficiente es tomado como referente por los departamentos ineficientes. De manera más sencilla se podría decir que son los departamentos eficientes que más han servido de comparación.

Figura N° 8: Frecuencia de departamentos referidos

El departamento que se utilizó un mayor número de veces como referente, es el departamento del Guaviare, por lo que se deduce que la gestión de la política judicial referente a Rama Judicial es sólida. Los departamentos de Nariño, Huila y Cauca también fueron referenciados un buen número de veces, entendiendo que se encuentra en las condiciones similares al departamento del Guaviare. Con respecto

a los departamentos de Sucre, Norte de Santander, Atlántico, Archipiélago de San Andrés y Amazonas se utilizaron como referencia 3 veces cada uno. Los departamentos de Risaralda, Quindío, Guainía y Boyacá se utilizaron como referencia 2 veces cada uno. Los departamentos de Vaupés, Casanare, Bolívar y Bogotá D.C. fueron tomados como referente solo 1 vez. Los departamentos de Antioquia, Arauca, Caldas, Córdoba, Magdalena, Putumayo Tolima y Vichada, no se usaron como referencia por ningún departamento ineficiente, esto indica que estos departamentos no poseen la combinación de entradas y salidas identificables con el resto de la muestra.

3.6. Conclusiones

En este proyecto de investigación se realizó una evaluación de la eficiencia relativa del sistema judicial colombiano (Rama Judicial) en los departamentos de Colombia, mediante la aplicación del Análisis Envolvente de Datos (DEA) al ser una técnica que permite involucrar múltiples variables de entrada y salida, además de asignar las ponderaciones de cada una de las variables sin recurrir a ningún tipo de subjetividad o suposiciones estipuladas arbitrariamente.

Para garantizar la confiabilidad de los resultados obtenidos en el estudio, se tuvo en cuenta aspectos que podían influir en los resultados como lo son la definición de variables, la selección de unidades y el modelo a aplicar con su respectiva orientación, mediante una revisión bibliográfica exhaustiva acerca de las generalidades de esta metodología de evaluación de la eficiencia.

La definición de las variables finales a utilizar se realizó mediante una profundización bibliográfica basada en estudios previos relacionados en el sector justicia, penal y judicial, realizando de igual manera la consulta al Director de la tesis, donde se contempló que variables seleccionar en el modelo. Finalmente se realizó un análisis estadístico para tener mayor confiabilidad en las variables seleccionadas.

La selección de las DMU’s objeto de evaluación fue basada teniendo en cuenta la base de datos del SIERJU y otras fuentes manejadas por la Fiscalía General de la Nación. En el estudio se aplicó el modelo CCR-OUTPUT (CCR-0) evaluando los departamentos de Colombia bajo los supuestos de retornos constantes CCR orientados hacia las salidas, determinando de esta forma el aporte de cada variable a la eficiencia de cada departamento en materia Judicial (Rama Judicial). Esta orientación hacia la obtención de mejores resultados a través de los recursos con

los que cuenta cada departamento, se debió a los egresos efectivos despacho del sistema.

Para la aplicación del modelo se hizo uso de un software desarrollado para el Análisis Envolvente de datos llamado EMS, Efficiency Measurement System, que calcula las medidas de eficiencia concernientes al Análisis Envolvente de Datos. Este software permitió evaluar la eficiencia relativa de los departamentos en materia de “Criminalización secundaria”. El software calcula los índices de eficiencia según el modelo y su orientación, el valor en el que debe aumentar cada variable para llevar a los departamentos hacer eficientes, y el conjunto de referencia para cada departamento.

La aplicación del modelo CCR-O muestra que los departamentos de Colombia ineficientes deben incrementar los egresos efectivos despacho (2012 en un 12%, 2013 en un 41%, 2014 en un 50% y en 2015 en un 50%). Así mismo, para ser eficientes, deben incrementar los ingresos a Rama en el 2015 de un 110% y el inventario inicial Rama en un 214%.

Los resultados muestran las mejoras potenciales que pueden realizar los departamentos de Colombia para desarrollar la actividad de Política Judicial de forma eficiente. Hay que tener presente que cada departamento tiene sus particularidades, las cuales pueden facilitar o dificultar el acercamiento a la política judicial nacional “Criminalización secundaria”. Además hay factores ajenos al control del propio departamento en esta materia y que el modelo DEA ignora, que también pueden dificultar alcanzar los óptimos preestablecidos.

3.7. Recomendaciones

La metodología Análisis Envolvente de Datos tiene una limitante respecto a la cantidad del número de variables que se utilicen, debido a que tiene una alta relación con la cantidad de unidades a evaluar, ya que si no se tiene la cantidad de unidades adecuada se tiende a que el modelo lleve las unidades a la frontera eficiente cuando éstas son ineficientes.

Se deben realizar estudios periódicamente de este tipo, buscando realizar seguimiento a los departamentos de Colombia en materia “Criminalización secundaría”, para contribuir en el mejoramiento continuo de sus procesos, generando alternativas de gestión y dirección de estos.

Seria idóneo incluir variables de entrada como carga de trabajo, número de jueces, número de fiscales y personal administrativo, al igual que considerar variables de salida relacionadas a no solo egresos efectivos sino también segregar por (delitos menores, graves), que no se tuvo en cuenta en el estudio debido a la falta de información de estas. La inclusión de estas nuevas variables haría necesaria la creación de una base de datos con información completa y concisa que permita llevar a cabo estudios posteriores mucho más complejos y ofrezcan resultados más confiables permitiendo una mejor toma de decisiones.

BIBLIOGRAFÍA

Banker, Rajiv D. Cooper, William w. Seiford, Lawrence m. Thrall, Robert m. Zhu, Joe (2004). Returns to scale in different DEA models. European Journal of Operational Research 154 Pág.345–362.

Banker, Rajiv D. Chang, Hsihui. Cooper, William W. (1996). Equivalence and implementation of alternative methods for determining returns to scale in data envelopment analysis. European Journal of Operational Research 89 Pág.473-481

Beltrán, V. (2004). Conjunto de productividad para problemas de análisis envolvente de datos. Tesis Magistral en Matemática Aplicada. Maestría en Ciencias. Universidad de Puerto Rico. Pág.123

Comisión, Asesora de política judicial (2012). Informe final. Diagnóstico y propuesta de lineamientos de política judicial para el Estado colombiano. Ministerio de Justicia y Derecho.

Coll Serrano, Vicente, Blasco Blasco, Olga.(2006). Evaluación de la eficiencia mediante el análisis envolvente de datos. Introducción a los modelos básicos. Universidad de Valencia, España, Facultad de Economía.

Coll Serrano, Vicente, Blasco Blasco, Olga. (2006) Frontier Analyst, Una herramienta para medir la eficiencia. Universidad de Málaga, 100 páginas.

Cooper, William W. Seiford, Lawrence M. Tone, Kaoru. (2000). Data Envelopment Analysis, A Comprehensive Text with Models, Applications, References and DEA- Solver Software. Quinta edición, Boston: Kluwer Academic Publishers, 307 páginas.

Charnes A., Cooper W., y Rhodes E. (1978). Measuring the Efficiency of Decision Making Units. European Journal of Operational Research, 2(6), pág.429-444.

El-Mahgary, S. y Ladhelma. R. (1995). Data Envelopment Analysis: Visualizing the results. European Journal of operational research, 85.

Fernández, P.(2004). Metodología de aplicación del análisis envolvente de datos: evaluación de la eficiencia técnica en la Universidad de Santiago de Compostela, tesis doctoral, Universidad de Santiago de Compostela.

Fix Fierro. (2003), Courts, Justice and Efficiency. A Socio-Legal Study of Economic Rationality in Adjudication. Oxford and Portland, Oregon.

Ganley, J.A. y Cubbin, J.S. (1992). Public Sector Eficiency Measurement - Applications of Data Envelopment Analysis, North Holland, Amsterdam.

Garavano G., Calcagno, N., Ricci, M.(2000). Indicadores de desempeño judicial. FORES (Foro de estudios sobre la administración de justicia).

Hillier, Frederick S., Lieberman, Gerald J.(2002). Investigación de operaciones. México: Mc Graw–Hill. 7ª ed. 2002. Pág. 945-960.

LeClercq J., Rodriguez, G. (2015). Indice global de impunidad IGI 2015. CESIJ (Centro de estudios sobre la impunidad y justicia). Universidad de las Américas Puebla.

Ministerio de Justicia y del derecho. (2016, 05

14).http://www.minjusticia.gov.co/portals/0/Ministerio/Sistema- indicadores/contexto-dpcp.html

Pastor S., Maspóns, L. (2004). Cifrar y descrifrar Indicadores Judiciales para las Américas. CEJA (Centro de estudios para las américas) Volumen II.

Pastor (1993), Ah de la Justicia, Política Judicial y Economía. Civitas, Madrid.

Restrepo, M, Villegas, J. (2007). Clasificación de grupos de investigación colombianos aplicando análisis envolvente de datos. Revista Facultad de Ingeniería, Universidad de Antioquia.

Salamanca F. (2004). Análisis comparativo de sistemas de indicadores pertinentes a la relación entre policía y comunidad. Universidad de Chile, instituto de asuntos públicos.

Soto. J. (2007). Fundamentos teóricos y prácticos del análisis envolvente de datos. Primera Edición. Pereira: Universidad Tecnológica de Pereira, pág.227.

Thanassoulis. E. (2001). Introduction to the theory and application of Data Envelopment Analysis: A foundation text with integrated software. Kluwer Academic Publishers. Pág 10-20.

Wang, E., Huang, W. (2007). Relative efficiency of R&D activities: a cross-country study for environmental factors in the DEA approach”. Researchpolicy, v. 36, n. 2, pág.260-273.