Introducción
En términos de desarrollo humano, México creció durante el período 1990-2010, sin embargo, comparativamente, los indicadores de bienestar aún están muy por debajo de los de otras economías latinoamericanas (PNUD, 2016c). Una de las principales causas es que la dimensión ingreso no ha sido tan dinámica como la de educación y salud (PNUD, 2016a). Por otro lado, el comportamiento de variables como el Gasto Público, Grado de Educación y Personal Ocupado, a pesar de presentar tendencias positivas a lo largo del período estudiado, aún denotan la falta de mayores niveles de inversión, empleo y educación; ya que el ingreso per cápita ha sido bajo y la cantidad de población en condiciones de pobreza de capacidades es alta (CONAPO, 2016; INEGI, 2016a-e; CONEVAL, 2016; SEP, 2016a-b).
El objetivo de la presente investigación es determinar qué tan eficientes fueron las 32 entidades que integran la república mexicana, en el uso de sus recursos para generar ingreso y reducir la pobreza, considerando bad outputs y factores no controlables, durante el período 1990-2010.
El desarrollo humano es el proceso por el cual se amplían las oportunidades del ser humano, así como su nivel de bienestar (Harttgen y Klasen, 2012). En la medición del desarrollo humano destaca el Índice de Desarrollo Humano (IDH), que combina tres elementos (ingreso, salud y educación) para evaluar el progreso de los países (Desai, 1991; Noorbakhsh, 1998; Neumayer, 2001; Harttgen y Klasen, 2012; Ravallion, 2012).
La metodología que se instrumentó para medir la eficiencia en la utilización de los recursos, fue el Análisis de la Envolvente de Datos (DEA), el cual se basa en la comparación de unidades de producción mediante el benchmarking (Cooper, Seiford y Tone, 2007). Recientemente, esta técnica se ha utilizado para incorporar la incidencia de bad outputs y variables no controlables en la medida de eficiencia (Liu, Meng, Li y Zhang, 2010; Cordero, 2006; Muñiz, Paradi, Ruggiero y Yang, 2006; Dios, Martínez y Martínez, 2006). Adicionalmente, con la finalidad de conocer los cambios en la eficiencia y productividad a través del tiempo, considerando los resultados no deseados del proceso productivo, se determinó el Índice Malmquist-Luenberger (Reig y Picazo, 2003).
La hipótesis de la investigación es que un reducido número de estados de la república mexicana fueron eficientes en la utilización de sus recursos socioeconómicos para generar ingreso y reducir la pobreza, considerando bad outputs y factores no controlables, durante el período 1990-2010. Con la finalidad de trabajar en esta hipótesis, se desarrolló un modelo DEA con un bad output y en cuatro etapas, para eliminar el impacto de la variable no controlable, y obtener así, una medida de la eficiencia en la gestión de los recursos. Finalmente, se calculó el Índice Malmquist-Luenberger para conocer la evolución de la eficiencia y la productividad durante el período 1990-2010.
La investigación se encuentra estructurada en tres apartados. En el primero, se efectúa el análisis de los aspectos teóricos del desarrollo humano y del Análisis de la Envolvente de Datos, incorporando bad outputs y factores no controlables. En el segundo, se exponen los aspectos metodológicos del modelo DEA. En el tercero, se revisan los resultados obtenidos. Finalmente, se presentan las conclusiones, donde se destacan los principales elementos del trabajo.
1. Marco teórico
1.1. Aspectos teóricos del desarrollo humano
El desarrollo humano es el proceso por el cual se amplían las oportunidades del propio ser humano, así como su nivel de bienestar (Harttgen y Klasen, 2012). El propósito básico del desarrollo humano consiste en ampliar las opciones que los individuos tienen para llevar las vidas que valoran, siendo el crecimiento económico un medio y no un fin (León, 2002). Las oportunidades básicas del desarrollo humano son: disfrutar una vida prolongada y saludable; estar alfabetizado y poseer conocimientos; tener los recursos necesarios para lograr un nivel de vida decente; y, participar en la vida de la comunidad. Si no se poseen estas oportunidades básicas, muchas otras son negadas (PNUD, 2016b).
En la medición del desarrollo humano destaca el Índice de Desarrollo Humano (IDH), propuesto en 1990 por el Programa de Naciones Unidas para el Desarrollo (PNUD), con base en los postulados teóricos de Amartya Sen (1981, 1987). El IDH combina tres elementos para evaluar el progreso de los países en materia de desarrollo humano: el Producto Interno Bruto (PIB) por habitante, la salud y la educación; cada factor se incluye con la misma ponderación (Desai, 1991; Noorbakhsh, 1998; Neumayer, 2001; Harttgen y Klasen, 2012; Ravallion, 2012). Debido a su simplicidad y al fácil acceso a la información estadística que requiere para su cálculo, este índice se ha convertido en el mecanismo más utilizado para medir el desarrollo humano y el bienestar social, así como el éxito o fracaso de las políticas aplicadas en las naciones (PNUD, 2016b; León, 2002; López-Calva, Rodríguez y Vélez, 2003; López-Calva, Rodríguez-Chamussy y Szekely, 2004).
La selección de solo tres dimensiones del desarrollo humano y la ponderación que se les da a las mismas, le ha ganado al Índice de Desarrollo Humano algunas críticas (Ray, 2008). Como resultado de ello, el PNUD (2016b) ha promovido una serie de modificaciones en la determinación del IDH, así como el diseño de otros instrumentos de medición, como los Índices de Desarrollo y de Potenciación de Género (IDG e IPG), el Índice de Libertad Humana (ILH) y el Índice de Pobreza de Capacidad (IPC).
1.2. El análisis de la envolvente de datos (DEA): Un análisis teórico
El DEA mide la eficiencia relativa de un conjunto de unidades productivas a partir del benchmarking y del establecimiento de la frontera de producción (Farrell, 1957). A partir de los inputs y outputs, los modelos DEA proporcionan un ordenamiento de los agentes, otorgándoles una puntuación de eficiencia relativa. Un agente o DMU (Unidad de Toma de Decisión) es eficiente, es decir, pertenece a la frontera de producción, cuando fabrica más de algún output sin generar menos del resto y sin consumir más inputs, o bien, cuando utilizando menos de algún input, y no más del resto, genera los mismos productos. De igual forma, los modelos DEA aprovechan el know-how de las DMUs y, una vez determinado quien es eficiente y quien no, buscan fijar objetivos de mejora para las segundas, a partir de los logros de las primeras, lo cual se representa en el análisis de las slacks (Cooper et al., 2007).
Existen cuatro principales modelos DEA: el de rendimientos constantes a escala, el de rendimientos variables a escala, el aditivo y el multiplicativo. Los modelos DEA pueden tener dos orientaciones, hacia la optimización en la combinación de inputs (modelo input-orientado) para la obtención del output, o hacia la optimización en la producción de outputs (modelo output-orientado) (Charnes, Cooper y Rhodes, 1978; Banker, Charnes y Cooper, 1984). Sin embargo, salidas indeseables (bad outputs) se producen a menudo, conjuntamente con resultados deseables (outputs). En este sentido, Pittman (1983) introdujo el tratamiento de los bad outputs dentro de los análisis DEA. El resultado de este enfoque permite deducir una medida de eficiencia que, con orientación al output, busque maximizar la salida de productos buenos y, a la par, minimizar los resultados adversos del proceso de producción, a partir de un benchmarking (Cooper et al., 2007; Liu et al., 2010).
Con la finalidad de conocer la evolución de la eficiencia y la productividad en el tiempo, y considerando la incidencia de los bad outputs, se determina el Índice Malmquist-Luenberger (IML), el cual tiene sus orígenes en el índice Malmquist (Caves, Christensen y Diewert, 1982). Este índice, basado tradicionalmente en funciones direccionales de distancia (DDF), permite explicar el cambio en la productividad total de los factores como producto del cambio en eficiencia o catching-up y del cambio tecnológico (Chung, Färe y Grosskopf, 1997; Reig y Picazo, 2003).
1.2.1. La incorporación de variables no controlables en los modelos DEA
Cordero (2006) señala que la mayor parte de los trabajos realizados en el campo de la eficiencia (DEA), se centran en el estudio de la gestión de los productores, dejando de lado la incidencia de factores ajenos al proceso productivo, pero que intervienen en la generación de outputs. De igual forma, considera que la incorporación de estos factores no controlables, permite que los resultados de eficiencia reflejen si el productor calificado como ineficiente lo es realmente o si, aun haciendo todo lo que está en su mano, hay factores que no le permiten alcanzar los objetivos que otros sí logran.
Con la finalidad de incorporar la incidencia de los factores no controlables en las mediciones de eficiencia, se han diseñado diversas propuestas metodológicas en años recientes. Estas alternativas metodológicas se agruparon en tres categorías (Cordero, 2006): a) Modelos de Separación de Frontera, b) Modelos de Una Etapa y c) Modelos de Varias Etapas. Dentro de los modelos de varias etapas, es posible distinguir dos grandes grupos: a) Modelos de Segunda Etapa y b) Modelos de Valores Ajustados. A su vez, los modelos que se derivan de este último bloque, son: a) Modelos de Tres Etapas y b) Modelos de Cuatro Etapas (Tabla 1).
Modelos | Autores | ||
---|---|---|---|
1. Modelos de Separación de Frontera | Brockett y Golany (1996) y Dios et al. (2006). | ||
2. Modelos de Una Etapa | Banker y Morey (1986a -b), Golany y Roll (1993); Pastor, Ruiz y Sirvent (2002) y Lozano-Vivas, Pastor y Pastor (2002). | ||
3. Modelos de Varias Etapas | a) Modelos de Segunda Etapa | Ray (1988); McCarty y Yaisawarng (1993); Banker y Johnston (1994); Lovell, Walters y Wood (1994); Kirjavainen y Loikkanent (1998); Oliveira y Santos, (2005); Afonso y St. Aubyn (2006) y Simar y Wilson (2000, 2007). | |
b) Modelos de Valores Ajustados | Modelos de Tres Etapas | Muñiz (2002) y Muñiz et al. (2006). | |
Modelos de Cuatro Etapas | Fried, Lovell, Schmidt y Yaisawarng (2002); Fried, Schmidt y Yaisawarng (1999) y Oliveira y Santos (2005). |
Fuente: Elaboración propia con base en Brockett y Golany (1996); Dios et al. (2006); Banker y Morey (1986a -b); Golany y Roll (1993); Pastor et al. (2002); Lozano-Vivas et al. (2002); Ray (1988); McCarty y Yaisawarng (1993); Banker y Johnston (1994); Lovell et. al. (1994); Kirjavainen y Loikkanent (1998); Oliveira y Santos (2005); Afonso y St. Aubyn (2006); Simar y Wilson (2000, 2007); Muñiz (2002); Muñiz et al. (2006); Fried et al. (1999); y Fried et al. (2002)
1.3. El desarrollo humano y los modelos DEA
En los últimos años, se ha utilizado el DEA para medir el bienestar social, el bienestar económico, la calidad de vida y el desarrollo humano. En cuanto a este último elemento, se han desarrollado también investigaciones orientadas a las dimensiones del IDH (educación, salud e ingreso). Destacan las obras de Murias, Martinez y De Miguel (2006), Murias, Martínez y Novello (2010) y Poveda (2011), enfocadas en la dimensión ingreso del desarrollo humano, y que consideran la inequidad (Tabla 2).
Concepto | Autores |
---|---|
1. Bienestar Social. | Hashimoto y Ishikawa (1993) y Hashimoto y Kodama (1997). |
2. Bienestar Económico. | Murias et al. (2010). |
3. Calidad de Vida. | Somarriba y Pena (2009). |
5. Índice de Desarrollo Humano. | Mahlberg y Obersteiner (2001), Despotis (2005a -b), Lee, Lin y Fang (2006), Zhou, Ang y Zhou (2010), Bougnol, Dulá, Estellita y Moreira (2010), Despotis, Stamati y Smirlis (2010), Hatefi y Torabi (2010), Shetty y Pakkala (2010), Ülengin, Kabak, Önsel, Aktas y Parker (2011), Mahani et al. (2012), Tofallis (2013), Blancard y Hoarau (2013) y Wu, Fan y Pan (2014). |
6. Dimensión Ingreso del IDH. | Murias et al. (2006); Murias et al. (2010), y Poveda (2011). |
7. Otras dimensiones del IDH | Gómez (2001); Martín (2008); Miranda y Araya (2003) y Goñi (1998) . |
Fuente: Elaboración propia con base en Hashimoto y Ishikawa (1993); Hashimoto y Kodama (1997); Murias et al. (2010); Somarriba y Pena (2009); Mahlberg y Obersteiner (2001); Despotis (2005a -b); Lee et al. (2006); Zhou et al. (2010); Bougnol et al. (2010); Despotis et al. (2010); Hatefi y Torabi (2010); Shetty y Pakkala (2010); Ülengin et al. (2011); Mahani et al. (2012); Tofallis (2013); Blancard y Hoarau (2013); Wu, Fan y Pan (2014); Murias et al. (2006); Poveda (2011); Gómez (2001); Martín (2008); Miranda y Araya (2003); y Goñi (1998).
2. Metodología
El modelo de eficiencia DEA, con la finalidad de incorporar el efecto de los bad outputs y de los factores no controlables, se basó en los Modelos de Cuatro Etapas. De esta forma, y siguiendo los postulados de Fried et al. (1999, 2002), el procedimiento fue el siguiente (Cordero, 2006; Dios et al., 2006):
a) Se efectuó un DEA estándar con bad outputs, considerando únicamente los inputs controlables, orientado al output y bajo rendimientos variables a escala. Teniendo como idea básica que los slacks totales (radiales y no radiales) contienen el efecto de los factores exógenos, es decir, de los inputs considerados como no controlables. La expresión matemática del modelo DEA, en esta primera etapa, es la siguiente (Färe et al., 1989, 2007; Seiford y Zhu, 2002; Sueyoshi y Goto, 2010; Oh, 2010; Wang et al., 2013):
s.a.
Donde se supone que j=(1…N) son las n DMUs, cada una de las cuales puede utilizar i inputs (
b) En la segunda etapa, se emplearon modelos econométricos, similares a los Modelos de Segunda Etapa con Bootstrap, con la finalidad de separar el efecto del entorno, del ocasionado por la eficiencia de gestión. Para ello, se estimó un modelo econométrico para el output, cuya expresión es la siguiente (Fried et al., 1999):
Donde
c) A partir de los coeficientes obtenidos en la regresión del inciso b), en la tercera etapa, se determinaron los nuevos slacks totales del output para cada DMU; que representan los slacks permitidos, teniendo en cuenta la dotación de inputs no controlables de cada DMU. Con estos nuevos slacks del output, se llevaron a cabo los ajustes a los valores originales del output de cada DMU. Las adecuaciones se realizaron restando al output original, la diferencia entre el mayor valor predicho de la slack del output y el valor predicho de la slack del output de cada unidad. Siendo su representación matemática la siguiente (Fried et al., 1999):
Donde
Con los nuevos valores ajustados del output, en una cuarta etapa, se desarrolló un modelo DEA similar al aplicado en la fase uno del Modelo de Cuatro Etapas, expresado en el inciso (a). De esta manera, el índice final de eficiencia mide la ineficiencia atribuida solamente a la gestión o al proceso de producción.
Con la intención de conocer la evolución en el tiempo de la eficiencia, se calculó, considerando las variables de la última fase del Modelo de Cuatro Etapas, el Índice Malmquist-Luenberger (IML). La expresión matemática del IML para los años t y t+1 es la siguiente (Chung et al., 1997):
Donde x son los inputs; y, los good outputs; b, los bad outputs;
Como se puede observar, la expresión descompone el cambio productivo ocurrido entre los períodos t y t+1 (
2.1. Las variables incorporadas al modelo DEA
El output del modelo DEA fue el PIB per cápita y el bad output, la Pobreza de Capacidades; la razón de haberlos tomado como output y bad output, es por la representatividad teórica que tienen el nivel de ingreso, la pobreza y la inequidad para explicar el bienestar económico de un país o región, así como su nivel de desarrollo humano. La información estadística de estas variables, fue posible obtenerla a través de las bases de datos del Instituto Nacional de Estadística, Geografía e Informática de México (INEGI), el Consejo Nacional de Población (CONAPO), Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL) y los Informes de Desarrollo Humano del Programa de Naciones Unidas para el Desarrollo (PNUD).
La selección de inputs controlables y no controlables se fundamentó, en primera instancia, en las bases teóricas que explican el comportamiento de la dimensiones ingreso del IDH. En tal sentido, se analizaron los postulados de Despotis (2005b), Arcelus, Sharma y Srinivasan (2006), Blancard y Hoarau (2011), Emrouznejad, Osman y Anouze (2010), Blancas y Domínguez-Serrano (2010), Yago, Lafuente y Losa (2010), Jahanshahloo, Hosseinzadeh, Noora y Rahmani (2011) y PNUD (2016b), y se llegó a la conclusión de que los indicadores que explican el comportamiento de esta dimensión del desarrollo humano, son: cambio medio anual del índice de precios al consumidor, índice de desigualdad, exportaciones, importaciones, inversión extranjera directa, total de servicio de la deuda, asistencia para el desarrollo, gasto público, consumo de electricidad per cápita, proporción de población que usa el internet, grado de escolarización, población económicamente activa, personal ocupado, unidades económicas, formación bruta de capital, remuneraciones y salario.
Dada la disponibilidad de información que para los estados de la república mexicana, se encuentra en las bases estadísticas, de: PNUD (2016a), CONAPO (2016), INEGI (2016a-e), CONEVAL (2016) y SEP (2016a-b), la cantidad de indicadores se vio reducida a inversión extranjera directa, total de servicio de la deuda, gasto público, consumo de electricidad per cápita, grado de escolarización, población económicamente activa, personal ocupado, unidades económicas, formación bruta de capital y remuneraciones. Con estos datos, se procedió a realizar un análisis factorial para cada tipo de input (controlable y no controlable), empleando como método de extracción los componentes principales. De esta forma, se determinó en primera instancia una matriz de correlaciones. Posteriormente, y con valores superiores al 0.6 en la prueba de KMO y niveles de significancia menores al 0.05 en la prueba de Bartlett, se corroboró la factibilidad de efectuar el análisis factorial. Finalmente, se llevaron a cabo los ensayos factoriales y, con los resultados de la matriz de componentes, se determinó que los inputs controlables del modelo serían el gasto público y el personal ocupado; y el input no controlable sería el grado promedio de escolarización de la población de 15 y más años (Cuadros 3, 4, 5, 6, 8, 9, 10 y 11).
Una vez efectuado el análisis factorial, y determinadas las variables del modelo DEA, se llevaron a efecto pruebas econométricas con datos panel, mínimos cuadrados ordinarios y efectos fijos (de acuerdo con los resultados del Test de Hausman), con la finalidad de establecer el grado de correlación que tienen los inputs (controlables y no controlables) con el output de la dimensión ingreso del IDH. Los resultados de estas pruebas permitieron concluir que los inputs (controlables y no controlables) inciden directamente en el PIB per cápita (Cuadros 7 y 12).
3. Resultados
3.1. La eficiencia en la generación de ingreso y reducción de la pobreza
Los estados considerados como eficientes, durante el período 1990-2010, en la utilización de sus recursos para generar ingreso y reducir la inequidad, sustrayendo la incidencia de los factores no controlables, fueron Baja California Sur, Campeche y el Distrito Federal. Mientras que durante algunos años, destacaron por ser eficientes Quintana Roo, Colima y Tlaxcala. Por otro lado, las entidades de Chiapas, Oaxaca, Veracruz, el Estado de México y Guerrero fueron las más ineficientes. Ello implica que estos estados del país no utilizaron de manera eficiente sus recursos (personal ocupado y gasto público) para acrecentar su PIB per cápita y reducir la pobreza de capacidades, restando la incidencia de los factores no controlables (grado promedio de educación), en el período 2000-2010 (Cuadro 13).
Al comparar los resultados del Modelo DEA Estándar y el Modelo DEA de Cuatro Etapas se puede advertir que, en la mayoría de los estados mexicanos, el factor no controlable (grado promedio de educación) incide directamente en la generación de PIB per cápita y, a la par, en la reducción de la pobreza de capacidades. Es decir, las entidades federativas que cuentan con Luna mayor dotación de población, con altos niveles de educación, generan más ingreso. De igual manera, el análisis comparativo mostró que existen entidades federativas (Aguascalientes, Coahuila, Colima, Nuevo León, Querétaro, Tamaulipas y Tlaxcala) en las que el contexto las hace ser ineficientes, aunque son eficientes en la gestión interna de sus recursos (Cuadro 13).
3.2. El Índice Malmquist-Luenberger
En el Cuadro 14 del Anexo, se puede apreciar que las entidades calificadas como eficientes en la generación de ingreso y reducción de la inequidad (Baja California Sur, Campeche, y Distrito Federal) ostentaron una evolución positiva del IML de un año a otro. De manera particular, en el caso de los estados de Campeche y el Distrito Federal el IML, tendió a elevarse, mientras que el IML de Baja California Sur empeoró durante el período analizado. La evolución de la Productividad Total de los Factores (PTF) reflejada en el IML, de los estados de Baja California Sur y Campeche, tuvo como causa principal el cambio en la eficiencia relativa; mientras que en el caso del Distrito Federal, se debió a mejoras en la eficiencia relativa, tanto como al cambio tecnológico que vivieron a lo largo del período 1990-2010.
Al contrastar estos resultados con los datos del IML, en el modelo estándar, se puede observar en el Cuadro 14 del Anexo que Baja California Sur, Campeche y el Distrito Federal presentaron el mismo comportamiento en el IML. Sin embargo, también es posible apreciar que el valor del IML en estos casos es superior cuando se resta la incidencia de los factores no controlables; por lo tanto, es posible suponer que la evolución en el IML de estas entidades tiene de fondo una eficiente gestión de los recursos.
Los resultados del estudio permiten concluir que los estados clasificados con mayor nivel de índice de ingreso en el IDH (Nuevo León, Distrito Federal, Chihuahua, Campeche y Sonora), no necesariamente fueron los más eficientes en la utilización de sus recursos socioeconómicos para generar ingreso y reducir la pobreza. De igual manera, se identificó que el uso eficiente de los recursos incide directamente en el bienestar económico de la población. Relación que ya había sido expuesta por autores como Mahlberg y Obersteiner (2001), Despotis (2005a -b), Despotis et al. (2010), Murias et al. (2006), Zhou et al. (2010), Poveda (2011) y Blancard y Hoarau (2013). De esta forma, los resultados de la investigación concuerdan con las conclusiones expresadas en otras investigaciones, así como con los postulados teóricos que ven en la consolidación del ingreso y la reducción de la pobreza un elemento fundamental que contribuye al desarrollo humano (Desai, 1991; Noorbakhsh, 1998; Neumayer, 2001; León, 2002; Murias et al., 2006; Murias et al., 2010; Poveda, 2011; Harttgen y Klasen, 2012; Ravallion, 2012).
Conclusiones
El desarrollo humano en México como meta de los modelos económicos de desarrollo ha sido parcial, ya que por un lado se aprecian evoluciones positivas en términos de salud y educación, y por otro, tasas de crecimiento insuficientes en personal ocupado, el gasto público y el PIB per cápita. En términos regionales, dicha parcialidad en el desarrollo se manifiesta en el crecimiento desigual de los estados que conforman la República Mexicana. Entidades como Campeche, el Distrito Federal, Jalisco, Nuevo León, Querétaro, Quintana Roo, Tabasco y Puebla se han visto favorecidas con mejores condiciones económicas, y por lo tanto, con un mayor bienestar; en tanto que otras, como Oaxaca, Guerrero, Michoacán, Chipas, etc., en un rezago económico.
Tomando en consideración los postulados del Índice de Desarrollo Humano se estableció un modelo, haciendo uso del DEA, para determinar qué tan eficientes fueron las entidades de México en el uso de los recursos para generar ingreso y reducir la inequidad, incorporando factores no controlables, durante el período 1990-2010. El análisis DEA se fundamentó en los Modelos de Cuatro Etapas, para la inclusión de los factores no controlables, se orientó al output y se elaboró con rendimientos variables a escala. Además, se estudió la evolución de la eficiencia y la PTF en el tiempo, mediante el Índice Malmquist-Luenberger. Los output, bad outputs e inputs (controlables y no controlables ) del modelo DEA quedaron establecidos, de la siguiente manera: el output fue el PIB per cápita; el bad output, la pobreza de capacidades; los inputs controlables, el gasto público y el personal ocupado y el input no controlable, el grado promedio de escolarización de la población de 15 y más años.
De los resultados obtenidos del modelo, se observa que los estados de Baja California Sur, Campeche y el Distrito Federal tuvieron los mayores niveles de eficiencias; esto implica que, con los recursos que disponen, fueron eficientes en la generación de ingreso y reducción de la pobreza de capacidades, una vez eliminada la incidencia de los factores exógenos. Mientras que el Índice Malmquist-Luenberger, en este caso, reflejó en las tres entidades, durante el período estudiado, una evolución positiva en su eficiencia y PTF, debido al cambio tecnológico.
Los resultados del modelo de eficiencia dejan ver que las entidades que percibieron más recursos económicos: Campeche, Distrito Federal, Jalisco, Nuevo León, Querétaro, Quintana Roo y Tabasco, no siempre fueron las más eficientes en la generación de ingreso y reducción de la inequidad. Además, los factores no controlables inciden directamente en los niveles de eficiencia alcanzados por los estados mexicanos.
Por último, dentro de las líneas de investigación a explorar en el futuro, orientadas a atender las limitaciones de esta investigación, se encuentran: a) identificar la incidencia de las otras dimensiones del desarrollo humano en el uso eficiente de los recursos en el factor ingreso del IDH, b) explorar la influencia de los factores espaciales en el uso eficiente de los recursos para generar bienestar económico y c) investigar el papel de las políticas públicas dirigidas a la utilización eficiente de los recursos en la generación de ingreso y reducción de la pobreza.