Distance Functions and Generalized Means: Duality and Taxonomy

Aquí presento un resumen técnico detallado del artículo "From Utility Functions and Generalized Means to Distance Functions: A Stone–Geary Approach and Related Duality Results" de Walter Briec, estructurado según los puntos solicitados.

1. El Problema y el Contexto

En la economía de la producción, existen dos conceptos principales de eficiencia técnica que a menudo han evolucionado de manera independiente:

1. Medidas Radiales y de Distancia: Basadas en la función de distancia de Shepard y medidas de eficiencia radial (Debreu-Farrell), que miden la reducción proporcional de insumos o expansión de productos.
2. Medidas No Radiales y de Subconjunto Eficiente: Basadas en el concepto de subconjunto eficiente (Koopmans), donde un productor es eficiente si no se puede aumentar ningún producto ni reducir ningún insumo sin empeorar otro. Medidas como la de Färe-Lovell o las basadas en holguras (slacks) intentan abordar las limitaciones de las medidas radiales, pero a menudo carecen de continuidad o no caracterizan completamente el subconjunto eficiente.

El problema central es la falta de un marco unificado que relacione formalmente las funciones de utilidad (típicas de la teoría del consumidor) con las funciones de distancia (típicas de la teoría del productor). Además, muchas dualidades existentes requieren supuestos estrictos de convexidad, limitando su aplicabilidad en tecnologías no paramétricas o no convexas.

2. Metodología

El autor propone un enfoque novedoso basado en la función de utilidad Stone-Geary y el concepto de medias generalizadas (inspiradas en el índice de desigualdad de Atkinson y la media de Aczél).

• Representación Basada en Utilidad: Se define una función de distancia $D(z)$ como el supremo de una función de utilidad $W$ aplicada a la diferencia entre un punto factible $u$ y el punto evaluado $z$ dentro del conjunto de producción dominante ($T_z$).
  $$D(z) = \sup_{u \in T_z} W(u - z)$$
  Donde $W$ satisface propiedades de semicontinuidad superior y monotonía.

• Funciones de Utilidad Generalizadas ($W_p$): Se introduce una clase de funciones de utilidad basadas en medias generalizadas de orden $p$ ($p \in [-\infty, +\infty]$). Estas funciones modelan la "satisfacción" o mejora al moverse desde un punto ineficiente hacia la frontera eficiente.

  • Para $p \neq 0$: $W_p(\delta) = (\frac{1}{d} \sum \delta_k^p)^{1/p}$.
  • Para $p = 0$: Caso multiplicativo (Cobb-Douglas).
  • Para $p = -\infty$: Mínimo (Leontief).
  • Para $p = +\infty$: Máximo.

• Función de Distancia Direccional Generalizada: Se define una nueva función $DW_{p,g}(z)$ que maximiza la media generalizada de las expansiones de los netputs (insumos negativos y productos positivos) en una dirección $g$ hasta alcanzar un punto eficiente.

• Dualidad sin Convexidad: Se utilizan teoremas de maximización de normas y resultados de programación no lineal (dualidad de Lagrange) para establecer relaciones entre la función de distancia y la función de beneficio, demostrando que estos resultados de dualidad se mantienen incluso sin asumir convexidad del conjunto de producción (cuando $p < 1$).

3. Contribuciones Clave

1. Unificación de Medidas de Eficiencia: El artículo demuestra que una amplia gama de medidas de eficiencia conocidas (Debreu-Farrell, Färe-Lovell, distancia direccional, distancia direccional asimétrica) son casos particulares de una única familia de funciones de distancia basadas en medias generalizadas, parametrizadas por $p$.
2. Marco Stone-Geary para Productores: Adapta la función de utilidad Stone-Geary (originalmente para consumo con niveles de subsistencia) al contexto de la producción, interpretando los niveles mínimos como puntos de referencia para la eficiencia.
3. Resultados de Dualidad Generalizados: Establece teoremas de dualidad que vinculan la función de distancia generalizada con la función de beneficio.
   • Para $p \geq 1$: La distancia se maximiza (problema de norma), y la dualidad implica una maximización del beneficio neto sujeto a una normalización de precios.
   • Para $p < 1$: La distancia se relaciona con funciones de utilidad cuasi-cóncavas, y la dualidad implica una minimización del beneficio neto, recuperando resultados clásicos sin necesidad de convexidad estricta.
4. Caracterización del Subconjunto Eficiente: Identifica bajo qué condiciones (valores de $p$ y dirección $g$) la función de distancia caracteriza el subconjunto de eficiencia fuerte ($E(T)$) frente al débil ($F(T)$). Se demuestra que para $p > 0$ y $g > 0$, se caracteriza la eficiencia fuerte.

4. Resultados Principales

A. Jerarquía y Límites (Proposición 2.5.1 y Tabla 1)

La función de distancia generalizada $DW_{p,g}(z)$ actúa como un paraguas que engloba las medidas existentes según el valor del parámetro $p$:

• $p \to -\infty$: Recupera la Función de Distancia Direccional estándar ($D(z; g)$). Corresponde al enfoque de minimax (solución de Kalai-Smorodinsky).
• $p = 0$: Recupera la Medida Färe-Lovell Direccional Multiplicativa.
• $p = 1$: Recupera la Medida Färe-Lovell Direccional (promedio aritmético de holguras).
• $p \to +\infty$: Recupera la Distancia Direccional Asimétrica ($AD(z; g)$), que toma el máximo de las holguras individuales.

B. Propiedades Axiomáticas (Proposición 2.4.1)

• Si $p > 0$, la función es estrictamente decreciente en la dirección $g$ y cero si y solo si el punto está en el subconjunto de eficiencia fuerte.
• Si $p \leq 0$, la función es débilmente decreciente y cero si y solo si el punto está en el subconjunto de eficiencia débil.
• La medida es independiente de las unidades de medida (homogeneidad).

C. Resultados de Dualidad (Sección 3 y Tabla 2)

Se establece una correspondencia dual entre la función de distancia y la función de beneficio $\Pi_z(w)$:

• Caso $p \geq 1$ (Convexidad no requerida para la definición, pero estructura de norma):
  $$DW_{p,g}(z) = \sup_{w \geq 0} \{ \Pi_{z,g}(w) - w \cdot z : \text{normalización de } w \text{ basada en } q \}$$
  Donde $1/p + 1/q = 1$. Aquí se maximiza la diferencia de beneficios.
• Caso $p < 1$ (Utilidad Cuasi-cóncava):
  $$DW_{p,g}(z) = \inf_{w \geq 0} \{ \Pi_{z}(w) - w \cdot z : \text{normalización basada en } W^*(w) = 1 \}$$
  Aquí se minimiza la diferencia de beneficios.
• Recuperación de Casos Clásicos:
  • Cuando $p \to -\infty$, la normalización dual converge a $w \cdot g = 1$, recuperando el resultado clásico de Chambers, Chung y Färe.
  • Cuando $p = 1$, la normalización es $\max(w_k g_k) = 1$.

5. Significado e Implicaciones

• Teórico: El artículo cierra la brecha entre la teoría del consumidor (utilidad) y la del productor (distancia), mostrando que las medidas de eficiencia pueden interpretarse como la maximización de una utilidad Stone-Geary sobre el conjunto de producción factible.
• Práctico: Proporciona un marco flexible para elegir la medida de eficiencia adecuada según la naturaleza de la tecnología y el tipo de eficiencia deseada (fuerte vs. débil). Permite seleccionar el parámetro $p$ para controlar la sensibilidad a las holguras individuales.
• Computacional: Al mostrar que los resultados de dualidad no requieren convexidad para $p < 1$, el marco es aplicable a tecnologías no paramétricas (como DEA) y tecnologías no convexas, ampliando el rango de aplicaciones en la evaluación de eficiencia.
• Limitaciones: El artículo se centra principalmente en vectores de producción factibles. El tratamiento de vectores no factibles (infeasible) presenta desafíos adicionales que no se resuelven completamente en este marco, especialmente para medidas como Färe-Lovell que no caracterizan totalmente la tecnología subyacente en casos no factibles.

En resumen, este trabajo ofrece una taxonomía unificada y rigurosa de las medidas de eficiencia, demostrando que la elección de la "distancia" es, en esencia, una elección de la función de utilidad subyacente y su parámetro de aversión/aversión al riesgo (representado por $p$), con implicaciones directas en cómo se calculan los precios duales y se evalúa la eficiencia técnica.