Dissertacao Coelho 2016 PDF

UNIVERSIDADE FEDERAL DE ITAJUB
PROGRAMA DE PS-GRADUAO EM ENGENHARIA

DE PRODUO
O Papel das Variveis na Eficincia da nota Enade dos Cursos

de Engenharia de Produo nas Instituies Pblicas de Ensino
Superior
den de Oliveira Pinto Coelho
Itajub, agosto de 2016

UNIVERSIDADE FEDERAL DE ITAJUB
PROGRAMA DE PS-GRADUAO EM ENGENHARIA
DE PRODUO
den de Oliveira Pinto Coelho
O Papel das Variveis na Eficincia da nota Enade dos Cursos

de Engenharia de Produo nas Instituies Pblicas de Ensino
Superior
Dissertao submetidada ao Programa

de Ps-Graduao em Engenharia de
Produo como parte dos requisitos para a
obteno do ttulo de Mestre em Cincias
em Engenharia de Produo
rea de Concentrao: Modelagem,

Otimizao e Controle
Orientador: Prof. Dr. Rafael Coradi

Leme
Agosto de 2016
Itajub
As informaes so fornecidas pela Biblioteca Mau - BIM
PINTO COELHO, den de Oliveira
P6582 O Papel das Variveis na Eficincia da nota Enade dos Cursos de Engenharia
de Produo nas Instituies Pblicas de Ensino Superior / den de Oliveira. - 2016.
98 f.
Orientador: Prof. Dr. Rafael Coradi Leme

Dissertao (Ps-Graduao em Engenharia de Produo) - Universidade
Federal de Itajub, 2016.
Bibliografia: f. 83-95
1. Modelagem, Otimizao e Controle
I. Leme, Rafael Coradi.

II. Universidade Federal de Itajub.
III. Ttulo.
Aos meus pais, pelo amor, incentivo e apoio
incondicional.
AGRADECIMENTOS
Ao orientador Professor Doutor Rafael Coradi Leme, pela ateno, pacincia e
principalmente pela confiana presencial e a distncia depositada em mim durante o tempo
que estivemos juntos, dando-me otimismo e motivao para que eu pudesse concluir este
trabalho. Neste tempo que estivemos juntos, eu tive grandes ensinamentos, os quais me
estimularam a desenvolver pesquisas na rea educacional.
Agradeo tambm a minha banca, composta pelo Professor Doutor Joo Batista
Turrioni e pelo Professor Doutor Jorge Muniz Junior, pelas contribuies acrescentadas
neste trabalho, enriquecendo-o.
A educao um processo social, desen-
volvimento. No a preparao para a vida,
a prpria vida.
John Dewey
RESUMO
Este trabalho pretende analisar a funo desempenhada pelas variveis divulgadas no
exame Enade e no Censo da Educao Superior na nota Enade. O objetivo principal
deste estudo concentra-se em entender o impacto destas variveis no desempenho dos cur-
sos de graduao das universidades pblicas credenciadas pelo Ministrio da Educao em
atingir a nota mxima neste exame. Para atingir este propsito, foi utilizado a tcnica de
Anlise Envoltria de Dados (AED) com variveis flexveis, no-discricionrias e limitan-
tes orientado a output. Como resultado deste estudo, concluiu-se que as variveis que mais
contriburam, isoladamente, para um melhor desempenho no Enade, foram: Proporo de
docentes Mestres, Proporo de docentes Doutores e Regime de dedicao dos docentes
que ministram aulas para os cursos de graduao. Estes resultados podem fornecer in-
formaes para o apoio gesto das Instituies de Ensino Superior, alm de possibilitar
ao Inep priorizar quais dados devem ser coletados para gerar informaes estatsticas que
auxiliam na tomada de deciso.
Palavras-chave: Anlise Envoltria de Dados, Ensino Superior, Variveis Flexveis.

ABSTRACT
This work intends to analyze the function performed by the variables disclosed in Enade
examination and the Census of Higher Education on the Enade note. The goal of this
study focuses on understanding the impact of these variables on the performance of gra-
duation courses in public universities accredited by the Ministry of Education of Brazil
to achieve the highest score on this exam. To achieve this purpose, it was used the Data
Envelopment Analysis (DEA) technique with flexible, non-discretionary and limiting vari-
ables oriented textit output. As a result of this study, it was concluded that the variables
that contributed alone for better performance in Enade were: Proportion of Masters pro-
fessors, proportion of Doctors professors and Professors dedication who teach classes for
undergraduate courses. These results can provide information to support the manage-
ment of Higher Education Institutions, in addition to allowing Inep prioritize which data
should be collected to generate statistical information to assist in decision making.
Keywords: Data Envelopment Analysis, Higher Education, Flexible Variables

LISTA DE FIGURAS
FIGURA 1.1 Rendimentos Relativos de trabalhadores com ensino superior nos

pases membros da OCDE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
FIGURA 3.1 Representao de uma DMU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
FIGURA 3.2 Diagrama de Farrel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
FIGURA 3.3 Eficincia Tcnica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
FIGURA 3.4 Fronteira de Produo estimada pela tcnica OLS . . . . . . . . . . . . . . . . 50
FIGURA 3.5 Fronteiras de Produo estimadas pelas tcnicas OLS e COLS . . . . . . 51

LISTA DE QUADROS
QUADRO 2.1 Resumo da Anlise de Eficincia para o Ensino Superior em alguns
pases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
QUADRO 2.2 Resumo da Anlise de Eficincia para o Ensino Superior no Brasil . . 37
QUADRO 3.1 Tcnicas para o clculo da Eficincia . . . . . . . . . . . . . . . . . . . . . . . . . 48

LISTA DE TABELAS
TABELA 5.1 Resultados para o ano de 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
TABELA 5.4 Agrupamento dos resultados das DMUs que participaram em pelo
menos dois exames . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
LISTA DE ABREVIATURAS E
SIGLAS
BNDES Banco Nacional de Desenvolvimento Econmico e Social
CAPES Coordenao de Aperfeioamento de Pessoal de Nvel Superior
CNPq Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico
COLS Corrected Ordinary Least Squares
CPC Conceito Preliminar de Cursos
CRS Constant Returns to Scale
DEA Data Envelopment Analysis
DMU Decision Making Units
Enade Exame Nacional de Desempenho dos Estudantes do ensino superior
ENC Exame Nacional de Cursos
IES Instituies de Ensino Superior
IFES Instituies Federais de Ensino Superior
IGC ndice Geral de Cursos
INEP Instituto Nacional de Estudos e Pesquisas Educacionais Ansio Teixeira
OCDE Organizao para a Cooperao e Desenvolvimento Econmico
OLS Ordinary Least Squares
SDEA Stochastic Data Envelopment Analysis
SFA Stochastic Frontier Analysis
SINAES Sistema Nacional de Avaliao da Educao Superior
TCU Tribunal de Contas da Unio
VRS Variant Returns to Scale

SUMRIO
1 INTRODUO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.1 Consideraes iniciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2 Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4 Estrutura do trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 ANLISE DE EFICINCIA PARA O ENSINO SUPERIOR . . . . . . . . . 20

2.1 Anlise de eficincia para o ensino superior em alguns pases . . . . 20
2.1.1 Austrlia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.1.2 frica do Sul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.3 Alemanha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.4 China . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.5 Espanha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.6 Estados Unidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.7 Inglaterra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.8 Portugal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2 Anlise de eficincia para o ensino superior no Brasil . . . . . . . . . . 29
2.2.1 O Exame Nacional de Cursos . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3 Modelos utilizados para a anlise de eficincia da educao su-
perior no Brasil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3 ANLISE DE EFICINCIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.1 Produtividade, eficcia e eficincia . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2 Tcnicas para o clculo da Eficincia . . . . . . . . . . . . . . . . . . . . . . . 47
3.2.1 Anlise de Fronteira Estocstica . . . . . . . . . . . . . . . . . . . . . 49
3.2.2 Mnimos Quadrados Ordinrios Corrigidos . . . . . . . . . . . . . 50
3.2.3 Anlise Envoltria de Dados . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2.3.1 Objetivos da DEA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3 DEA com Variveis No-Discricionrias . . . . . . . . . . . . . . . . . . . . . . 57
3.4 DEA com Variveis Limitantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.5 DEA com Variveis Flexveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.1 Descrio da Pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2 Coleta de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3 Tratamento dos Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.4 Escolha da Tcnica de Eficincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.5 Aplicao da Tcnica DEA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5 RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6 CONCLUSES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
REFERNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
ANEXO A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
ANEXO B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
ANEXO C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
14
1 INTRODUO
1.1 Consideraes iniciais

Nos ltimos anos ocorreu um notvel aumento na demanda por educao no Brasil.
Em 2013, 54% dos adultos com idade entre 25 e 64 anos no tinham completado o ensino
mdio. No entanto, o pas apresentou uma das maiores diferenas entre geraes com re-
lao a esse indicador: enquanto apenas 28% dos indivduos entre 55 e 64 anos concluram
o ensino mdio, este percentual aumentou para 61% entre aqueles de 25 a 34 anos. De
fato, se estes padres se mantiverem, mais de 60% dos jovens brasileiros podero esperar
concluir o ensino mdio ao longo da vida (OCDE, 2015). Como consequncia disso, de
se esperar que ocorra tambm um aumento na procura por ensino superior, o que reflete
na necessidade do mercado de trabalho por profissionais cada vez mais qualificados.
Devido a mudanas na organizao do trabalho, os pases avanados comearam a

se mover para uma sociedade baseada no conhecimento e desenvolvimento tcnico. Neste
contexto, as funes de ensino e pesquisa das universidades tm um papel significativo
no desenvolvimento de uma nao, particularmente no aperfeioamento da mo-de-obra,
cada vez mais importante para o aumento da produtividade de bens e servios (KAM-
PELMANN, 2012).
Estas mudanas coincidem com o que tem sido tipicamente visto como uma tran-
sio de uma economia industrializada para uma economia baseada em um conhecimento
verstil, que exige novas demandas e habilidades para o trabalho (HASSARD et. al.,
2008). Como consequncia desta transio econmica, os trabalhadores tm que se adap-
tar a flexibilidade do mercado a fim de manter a empregabilidade. Dessa forma, a educa-
o superior tem sido um fator determinante na gerao de produtos e tcnicas capazes
de elevar o ganho de produtividade, o qual visto como o principal motor para o cres-
cimento econmico, colocando uma nao mais perto da fronteira tecnolgica mundial
(VANDENBUSSCHE et. al., 2006).
O crescimento da produtividade das economias industrializadas devido a uma

realizao intelectual em curso (LUCAS, 2009). Trabalhadores com maiores nveis de
instruo geralmente so mais criativos e independentes, se adaptam mais facilmente a um
ambiente de mudana, aprendem novas habilidades mais rpido, tm mais capacidade de
realizar tarefas complexas e interagem melhor com colegas do que aqueles que tm apenas
15
a prtica necessria para o trabalho. Estes resultados sugerem que os trabalhadores mais
qualificados so mais produtivos em toda a carreira devido a competncias e capacidades
adicionais adquiridas atravs da educao formal, e os trabalhadores menos qualificados,
devido baixa produtividade e falta de formao adicional, acabam em empregos menos
exigentes a medida que envelhecem (HARTOG, 2000; LEUVEN, OOSTERBEEK, 2011;
BATTU, et. al., 1999; DOLTON et. al., 2000; FRENETTE, 2004; MCGUINNESS, 2003;
VAN DER MEER, 2006). Desta forma, as universidades so responsveis por melhorar
as competncias profissionais da populao e pelo desenvolvimento e transferncia de
tecnologia. Com isso, as pessoas com nvel superior de ensino esto em forte demanda.
Perspectivas de empregabilidade confirmam o valor alcanado para os altos nveis de
educao: em mdia, 12,8% dos adultos com baixas qualificaes esto desempregados,
enquanto esse ndice chega a 5,1% entre aqueles com ensino superior (OCDE, 2015).
Polticas para a expanso da educao tm exercido presses para um maior acesso

ao ensino superior nos pases que compe a OCDE1 . As universidades podem fornecer uma
ampla gama de opes para a aquisio de conhecimentos avanados. No entanto, o ensino
contemporneo no est preocupado somente com a transmisso de conhecimentos, mas
tambm com o desenvolvimento de habilidades e estratgias para a aprendizagem futura.
As universidades so de interesse para o Estado porque a educao superior uma

das principais fontes de crescimento econmico (DENISON, 1962). Segundo Verry et.
al. (1976), as universidades so as principais usurias dos recursos de uma nao, e se
encontrada alguma ineficincia neste setor de ensino, isso pode representar uma m
alocao de recursos em outros setores da economia. Assim, fazer melhorias na poltica
educacional poder influenciar em um maior crescimento econmico.
O aumento dos nveis de educao, principalmente o ensino universitrio, na ver-

dade, melhora as habilidades individuais, o que relevante para o crescimento econmico,
mas a expanso educacional tambm vista como um importante instrumento de poltica
quando se tenta reduzir a desigualdade econmica (VELASCO, 2014). Assim, um dos
resultados sociais resultante do investimento em educao a renda adicional associada
a um maior nvel de instruo. Esta renda o lucro lquido extra esperado para um nvel
complementar de educao, quando uma pessoa entra no mercado de trabalho. Adultos
com ensino superior so 25% mais bem pagos em comparao com os adultos cujo nvel
mais alto de ensino o secundrio (OCDE, 2015).
1
Organizao para a Cooperao e Desenvolvimento Econmico (OCDE): uma organizao inter-
nacional formada por 34 pases que aceitam os princpios da democracia representativa e da economia
de livre mercado, procurando fornecer uma plataforma para comparar polticas econmicas, solucionar
problemas comuns e coordenar polticas domsticas e internacionais. A partir dos indicadores nacionais,
o Ministrio da Educao fornece informaes para projetos internacionais dos quais o Brasil participa.
Por meio da comparao internacional, pode-se avaliar o sistema educacional de um pas em relao aos
demais e, desta maneira, verificar as deficincias e tambm a eficcia deste sistema, muitas vezes no
percebidas dentro dos prprios pases.
16
O potencial para ganhar mais um incentivo para os indivduos buscarem uma

formao, mesmo quando as recompensas econmicas variam de acordo com a rea em que
a pessoa deseja atuar (OCDE, 2013). A Figura 1.1 mostra que os Rendimentos Relativos2
dos trabalhadores com ensino superior so maiores no Brasil e no Chile, tornando-se ainda
mais acentuado quando se observa as pessoas com nvel de mestrado, doutorado ou grau
equivalente. No Brasil, uma pessoa com estes graus de instruo pode ganhar at quatro
vezes mais do que uma pessoa com apenas o ensino secundrio (equivalente ao ensino
mdio).
Figura 1.1: Rendimentos Relativos de trabalhadores com ensino superior nos pases membros
da OCDE
Fonte: OCDE, 2015
Assumindo que a educao, quando analisada corretamente, acaba por ter um

impacto positivo sobre o desenvolvimento econmico e social, torna-se ento importante
entender como ela produzida. Existem estudos sobre a funo de produo na educao,
que muitas vezes consideram uma instituio de ensino como uma empresa que transforma
entradas em sadas. As entradas geralmente se referem ao ambiente de ensino e aprendi-
zagem, enquanto as sadas so definidas em termos de resultados de testes. Outra questo
difcil que a funo de produo da educao envolve a tomada de decises por parte
da sociedade, do governo, dos professores e tambm dos estudantes (WALDO, 2006).
Um dos problemas da funo de produo educacional : Como pode ser mensu-

rado os resultados educacionais? Kane et. al. (2002) argumentam que os resultados de
testes so indicadores confiveis de desempenho e variam significativamente para peque-
nas amostras. Na ausncia de uma medida perfeita de produo, os resultados de exames
2
Rendimentos Relativos so as porcentagens de ganhos financeiros dos adultos com nveis de educao
que sejam no mnimo o superior.
17
padronizados parecem ser o melhor indicador disponvel para mensurar a eficincia no

ensino superior (HANUSHEK et. al., 2002).
1.2 Justificativa
Eficincia na educao um tema de intenso debate entre os polticos, professores
e outros cientistas interessados no assunto. Semelhante outras instituies pblicas,
as Instituies de Ensino Superior (IES) esto sob crescente presso para aumentar o
desempenho no gasto de recursos pblicos e procurar ativamente fontes de financiamento
alternativas, a fim de competir por uma boa posio no mercado educacional, alm de
melhorar a qualidade das atividades fornecidas pelas mesmas (BONACCORSI et. al.,
2009; NAZARKO et al. 2009).
No entanto, o setor do ensino superior pblico tem caractersticas que tornam di-
fcil mensurar a eficincia: sem fins lucrativos; h uma ausncia de preos dos insumos
consumidos e das sadas produzidas; e produzem vrias sadas a partir de mltiplas en-
tradas (JOHNES, 2005). Alm do mais, este setor formado por universidades pblicas
muito complexas, com milhares de estudantes que usam recursos escassos para entregar
trs produtos bsicos que so importantes para a sociedade brasileira: o ensino, a pesquisa
e a extenso.
Nesse sentido, em 2003 foi criado o Sistema Nacional de Avaliao da Educao

Superior (SINAES), o qual uma ferramenta que visa avaliar o ensino superior de forma
sistmica. Em sua constituio, esto vrios instrumentos. Dentre eles destaca-se o Exame
Nacional de Desempenho dos Estudantes do ensino superior (Enade), cuja finalidade
analisar o desempenho dos cursos de graduao, atravs de informaes institucionais
referentes ao corpo docente e discente.
Considerando a relevncia dos resultados apresentados por este sistema de avalia-

o da educao superior, o presente estudo investigou de que forma as variveis referentes
ao corpo docente (Proporo Mestres, Proporo Doutores, Regime Integral) e ao corpo
discente (Ingressantes, Concluintes, Aluno Equivalente, Aluno Tempo Integral, Bolsas)
mais influenciaram no desempenho acadmico (nota Enade) para os cursos de graduao
em Engenharia de Produo. Este curso de graduao foi escolhido pois o mesmo inter-
vm no processo de produo das organizaes, compreendendo o fenmeno produtivo
nos nveis estratgico, ttico e operacional, alm de proporcionar uma ampla viso do
processo de otimizao dos recursos organizacionais, obtendo como resultado melhorias
no desempenho medido atravs da eficincia, eficcia e efetividade nos negcios. Outro
propsito da Engenharia de Produo o de apoiar a Engenharia nacional e as organiza-
es brasileiras no desenvolvimento de tecnologias de gesto que priorizam os aspectos da
18
sustentabilidade: responsabilidade social, ambiental, econmica e financeira (QUELHAS,

2000). Alm disso, ao detectar os fatores que influenciam no processo de aprendizagem
dos estudantes de nvel superior, as IES podem adotar estratgias que visam ao aperfeio-
amento do processo de ensino-aprendizagem, bem como alcanar melhores desempenhos
no Enade.
1.3 Objetivos
O objetivo principal deste trabalho concentra-se em, atravs da utilizao de uma
tcnica de anlise de eficincia, verificar qual a funo desempenhada pelas variveis aca-
dmicas divulgadas no Enade e no Censo da Educao Superior na nota Enade. A partir
disso, identificar quais destas variveis sero prioritrias para cada curso de graduao
em Engenharia de Produo das universidades pblicas credenciadas pelo Ministrio da
Educao em atingir a nota mxima neste exame.
Para alcanar este objetivo, ser utilizada a tcnica de Anlise Envoltria de Da-
dos (Data Envelopment Analysis - DEA), proposta pela primeira vez por Charnes et al.
(1978). DEA uma tcnica no-paramtrica que usa programao linear para encontrar
as melhores prticas em uma amostra de organizaes pertencentes a um conjunto de uni-
dades comparveis (Decision Making Units - DMU). A eficincia relativa de cada DMU
obtida de acordo com a sua localizao dentro de um conjunto de produo.
A eficincia pode ser medida de vrias maneiras. Farrell (1957) props uma medida
radial. Utilizando esta medida, o ndice de eficincia define a quantidade que uma DMU
ineficiente deve reduzir (ou aumentar) a sua entrada (ou sada) a fim de tornar-se eficiente.
Assim, a distncia radial da DMU ineficiente at a fronteira de produo considerada
uma medida de ineficincia. Em outras palavras, a DEA define as DMUs referncias e
as metas para que as DMUs ineficientes possam atingir a produo tima. Quando as
entradas e as sadas de cada DMU inificiente so alteradas simultaneamente em direo
fronteira de produo, tem-se um ndice de eficincia no radial (COOPER et. al., 2006;
JOHNES et. al., 2008).
Basicamente, a tcnica DEA pode assumir orientaes tanto a entrada (input),

quanto a sada (output). Na primeira orientao, busca-se os recursos mnimos necess-
rios para produzir um dado nvel de sadas. Na segunda orientao a sada maximiza a
produo para um dado nvel de entradas. Dependendo do caso, possvel reduzir as en-
tradas e aumentar as sadas ao mesmo tempo, de modo que podem ser utilizados modelos
DEA no-orientados. Em outros casos, no entanto, o papel de algumas variveis no
pr-estabelecido. Assim, a DEA considera tais variveis como variveis flexveis, as quais
podem assumir o papel de uma entrada ou de uma sada.
19
Alm disso, DEA pode ser especificada atravs de modelos com retornos constantes
escala (Constant Returns to Scale (CRS)) ou de modelos com retornos variveis escala
(Variant Returns to Scale (VRS)). O modelo CRS considera que um aumento nas entradas
leva um aumento proporcional nas sadas. Assim, a eficincia relativa de uma DMU no
afetada pelo tamanho da mesma. J o modelo VRS definido quando a linearidade na
entrada e sada deixa de existir. Neste caso, as DMUs tm maior probabilidade de serem
comparadas pelo tamanho. Quando os retornos de escala so variveis, significa que uma
DMU pode assumir um retorno crescente, constante ou decrescente de produo.
Com isso, os objetivos especficos deste trabalho, por sua vez, so:
Definir quais destas variveis podem ser consideradas em excesso (input) ou em falta
(output) no modelo utilizado para mensurar a influncia das mesmas no desempenho
dos cursos;
Analisar o impacto destas variveis para os cursos de graduao em Engenharia

de Produo, a fim de observar a prioridade das mesmas para cada curso, com a
inteno de auxiliar na elaborao de um planejamento estratgico para o mesmo.
1.4 Estrutura do trabalho

Alm desta introduo, este trabalho apresenta mais 5 (cinco) captulos. No cap-
tulo 2 feita uma pesquisa em trabalhos cientficos que utilizaram a tcnica Data Enve-
lopment Analysis (DEA) para mensurar a eficincia nas universidades em alguns pases
e no Brasil. No captulo 3 feita uma reviso terica sobre produtividade, eficcia e
eficincia, seguindo da conceituao das tcnicas mais utilizadas para o clculo de efici-
ncia. O captulo 4 apresenta a metodologia proposta nesta pesquisa, a qual se baseou
nos conceitos fundamentados no captulo 3. No captulo 5, apresentado os resultados
gerados a partir da aplicao da tcnica DEA aos dados, com uma anlise que consiste
na organizao de tabelas que visam facilitar a compreenso das informaes. O captulo
6 apresenta as concluses deste trabalho, de acordo com os resultados apresentadas no
captulo anterior, e os possveis trabalhos futuros que podem ser gerados a partir deste
estudo. Por fim, os anexos apresentam os dados utilizados nesta pesquisa.
20
2 ANLISE DE EFICINCIA
PARA O ENSINO SUPERIOR
Este captulo faz um resumo dos principais trabalhos encontrados na literatura que
utilizaram a tcnica DEA para mensurar a eficincia de Instituies de Ensino Superior
em alguns pases do mundo e do Brasil. Para este pas, tambm feito um estudo da
evoluo na avaliao de cursos de ensino superior ao longo do tempo.
No final de cada seo apresentado um quadro-resumo contendo as principais

variveis de entrada e de sada utilizadas em cada pas pesquisado, alm do modelo DEA
aplicado e a principal concluso obtida em cada trabalho.
2.1 Anlise de eficincia para o ensino su-

perior em alguns pases
2.1.1 Austrlia
Abbott et. al. (2003) estudaram a eficincia tcnica no sistema universitrio
australiano composto por 36 universidades pblicas. Para isto, os autores coletaram
dados do relatrio anual de 1995, publicado pelo Departamento de Emprego, Educao e
Formao (DEEF).
O ano de 1995 foi escolhido porque neste ano houve a concluso da reestruturao
do ensino superior, ocorrida no incio de 1990. A maioria das universidades australianas
so financiadas pelo setor pblico, e desde o final de 1980, o pas mostrou interesse em
reduzir as finanas pblicas do ensino superior na tentativa de aumentar a eficincia de
custos das universidades. Com isso, houve um processo de fuso das universidades e
faculdades. O nmero de instituies, que em 1987 contavam com 19 universidades e 54
faculdades, transformaram-se em 36 universidades em 1995.
Neste estudo, a tcnica DEA foi usada para comparar a eficincia tcnica das uni-
versidades atravs do modelo DEA BCC orientado a input. Para isso, foram utilizadas
quatro variveis de entrada, a saber: total de docentes em tempo integral, total de fun-
cionrios no-docentes e despesas administrativas. Como sada, foi utilizada a varivel
pesquisa quantum, que o montante que o governo dispe para financiar as pesquisas
21
produzidas pelas universidades.
A fim de testar a sensibilidade dos escores de eficincia para os insumos utilizados,

a anlise foi realizada utilizando vrias combinaes de entradas, incluindo dois, trs e
quatro variveis de entrada.
Como resultado, verificou-se que as universidades eficientes tendem a ser as uni-

versidades tradicionais. Analisadas em grupo, os resultados no so substancialmente
diferentes entre os modelos estudados. Em geral, o nvel de eficincia tcnica das univer-
sidades australianas elevado. No entanto, no se pode concluir que no h margem para
melhorias em eficincia. Os resultados indicaram homogeneidade de desempenho em todo
o sistema universitrio.
2.1.2 frica do Sul

Baseada em uma amostra de 10 das 21 universidades pblicas da frica do Sul,
Taylor et. al. (2002) aplicaram a tcnica DEA para calcular a eficincia relativa desta
amostra entre 1994 e 1997. Foram analisadas 10 universidades devido ao banco de dados
desta pesquisa estar incompleto.
A fim de identificar os fatores que so significativos na influncia sobre o desem-

penho de cada universidade, uma abordagem por etapas foi utilizada para a seleo das
variveis. Quando uma relao causal era percebida entre uma varivel e o desempenho
que ela resultaria na eficincia de determinada universidade, essa varivel tornava-se can-
didata para a incluso no modelo DEA. Essa relao foi obtida por meio do clculo de
coeficientes de correlao entre as variveis utilizadas no modelo. Assim, foram utilizadas
neste estudo as seguintes variveis de entrada: despesas administrativas, capital empre-
gado em pesquisa, nmero de estudantes e nmero de funcionrios. Foram utilizadas
como variveis de sada o nmero de estudantes formados e nmero de publicaes em
peridicos relacionados a pesquisa de cada universidade analisada.
Como resultado, utilizando o modelo DEA BCC orientado a output, a eficincia

mdia das universidades estudadas aumentou de 86% em 1994 para mais de 91% em 1995,
recuando no ano seguinte para 89% e, em seguida, caiu ligeiramente para 88% em 1997.
Este declnio pode ser devido a tendncias negativas nas atividades de pesquisa (aumento
dos gastos e diminuio da produo desta atividade).
O aumento inicial da eficincia, em 1995, pode ser atribudo a uma srie de fatores,
que incluem: um ritmo excepcional de crescimento do nmero de alunos, aumento na taxa
de graduao, aumento do nmero de diplomados e uma diminuio em despesas correntes
e de capital empregado na ps-graduao (estes quatro ndices apresentaram um declnio
ao longo dos dois anos seguintes).
22
2.1.3 Alemanha
Warning (2004) calculou a eficincia das universidades alems usando DEA para
capturar as diferentes dimenses de desempenho das mesmas. As universidades tm
misses diferentes e, consequentemente, esto focadas em objetivos diferentes. Escolhas
tecnolgicas e estratgicas determinam a posio de cada universidade no mbito do
sistema de ensino superior. Por esse motivo, as universidades foram agrupadas em grupos
com caractersticas e estratgias semelhantes. Essa estrutura foi usada para explicar como
e por que as universidades diferem no grau em que eles se especializam em cincias naturais
e cincias sociais e no que diz respeito aos recursos que dedicam tanto pesquisa quanto
ao ensino.
O conjunto de dados incluiu 73 universidades com financiamento pblico alemo.

Os dados foram fornecidos pelo Escritrio Federal de Estatstica da Alemanha. Os insumos
utilizados neste estudo foram o nmero de funcionrios e as despesas administrativas,
incluindo gastos com recursos bibliotecrios, servios de computao e infraestrutura. O
produto utilizado foi o nmero total de publicaes entre 1997 e 1999 para as cincias
sociais e para as cincias naturais. A eficincia das universidades foi calculada utilizando
o modelo DEA CCR orientado a output.
Como resultado, a relao de publicao/ps-graduao em cincias sociais e em

cincias naturais no tiveram efeito significativo sobre a eficincia. Enquanto o coefici-
ente da taxa de publicao/ps-graduao foi positivo para cincias sociais, o mesmo foi
negativo para as cincias naturais. Nos grupos de alta e baixa eficincia, essas variveis
estratgicas no tiveram um impacto estatisticamente significativo.
A nica varivel que teve um impacto significativo sobre o desempenho de ambos

os grupos a localizao na antiga Alemanha Ocidental, com um coeficiente estatistica-
mente positivo. Nos 10 anos, desde a reunificao, as universidades localizadas na antiga
Alemanha Ocidental receberam mais subsdios do que as universidades da antiga Alema-
nha Oriental. Assim, este efeito de transio pde resultar em uma menor eficincia das
universidades da Alemanha Oriental.
2.1.4 China
A tcnica DEA foi aplicada na China por Johnes (2006) com o propsito de exa-
minar e medir a eficincia de 115 universidades chinesas com base em dados relativos
aos anos de 2003 e 2004. Embora existam atualmente mais de 1.500 instituies de en-
sino superior na China, os dados completos estavam disponveis apenas para um pequeno
subconjunto de 115 instituies, nas quais foram possveis derivar indicadores relativos
a insumos e a produtos. Estes dados foram coletados da base de dados da Universidade
23
Chinesa Netbig.
Com isso, seis insumos foram includos na anlise: nmero de alunos em tempo in-
tegral, qualificao do corpo docente, nmero de alunos na ps-graduao, financiamento
a pesquisa, acervo bibliogrfico e rea predial. Trs variveis foram includas para refletir
os produtos: ndice de atividade de pesquisa, ndice de publicao cientfica, e ndice de
prestgio da universidade, que mensura o impacto da atividade acadmica na formao
dos discentes.
As universidades chinesas so caracterizadas pela diversidade, pois a maioria

classificada com base em sua rea de especializao, constitudas por cursos de curto prazo
e de formao profissional. Esta diversidade tambm existe devido localizao geogrfica
das IES, que so agrupadas em trs grandes zonas de desenvolvimento econmico: a
regio costeira, com provncias altamente desenvolvidas, a regio central com provncias
em desenvolvimento; e a rea ocidental, que economicamente menos desenvolvida do
que as demais provncias.
Os resultados da aplicao do modelo DEA BCC orientado a output para os dois

anos analisados mostraram que a eficincia no ensino superior chins variou entre 55% e
90%, dependendo se a varivel ndice de prestgio da universidade includa como output,
pois o nvel de eficincia das instituies de ensino superior era claramente sensvel
incluso desta varivel no modelo.
Uma anlise sobre se as diferenas significativas entre as IES estavam associadas a

localizao geogrfica. As IES na regio Oeste da China tiveram menor eficincia mdia
do que aquelas localizadas nas regies costeiras ou central do pas. A eficincia mdia das
IES administradas regionalmente foi significativamente maior do que aquelas que eram
administradas de forma centralizada, mas apenas no caso em que a varivel relacionada ao
financiamento a pesquisa foi excluda da anlise. Isso pode ser um motivo para incentivar
a descentralizao do ensino superior chins.
2.1.5 Espanha
Garcia e Palomares (2008) mediram a eficincia relativa de 43 universidades pbli-
cas espanholas durante o perodo de 1994-2004. Os dados desta pesquisa foram coletados
da base de dados AQUAMETH (Advanced Quantitative Methods for the Evaluation of the
Productivity of Public Sector Research), que uma Rede Europia de Excelncia, apoiada
pela Comisso Europia.
Neste trabalho, a eficincia das universidades foi calculada utilizando o modelo

24
DEA CCR orientado a output, juntamente com a aplicao do ndice Malmquist 3 para
mensurar se houve ganhos de produtividade durante o perodo analisado. As entradas
includas na anlise foram gastos totais com pessoal e com pesquisa, e as sadas foram o
nmero de graduados e de publicaes.
Os resultados indicaram que o crescimento anual da produtividade foi em grande

parte atribuvel ao progresso tecnolgico, e no melhoria da eficincia. O fato da efici-
ncia ter contribudo pouco para o desempenho das universidades, sugere que as mesmas
estavam operando perto da fronteira das melhores prticas.
As anlises em separado considerando apenas o ensino e a pesquisa, sugeriram que

a maior parte do crescimento da produtividade foi associada com melhorias na pesquisa,
ao invs do ensino. No entanto, a interpretao deste resultado deve ser feita com cuidado,
levando em conta que h uma sobreposio entre ensino e insumos de pesquisa.
2.1.6 Estados Unidos

Thomas (2012) utilizou a Anlise Envoltria de Dados para investigar a extenso
em que as universidades norte-americanas de pesquisa e doutoramento sofreram alteraes
de produtividade e eficincia, devido ao desempenho gerencial, no perodo de 2005 a 2009.
Para isso, o autor utilizou os dados de 133 universidades, os quais foram adquiridos da base
de dados do Sistema Integrado de Educao Ps-Secundria. Neste estudo, foi possvel
criar um conjunto estvel de observaes para classificar as universidades controladas
publicamente. Dado que as universidades receberam a mesma designao de classificao,
a amostra satisfez as preferncias de homogeneidade da tcnica DEA.
Foram empregadas cinco variveis como insumo: trs relativas a despesas com
mo-de-obra e duas relativas a despesas administrativas. Como produto, as variveis
empregadas incluam o ensino de graduao, ps-graduao e pesquisa.
Dos recursos destinados para as universidades americanas, a ps-graduao consu-

miu, em mdia, 20% destes recursos. Aproximadamente 17% era atribuda administra-
o. Os salrios dos professores, juntamente com as atividades de pesquisa, consumiram
mais de 25% destes recursos.
Alm da tcnica DEA, foi utilizado neste estudo o ndice de Malmquist, com a
3
ndice Malmquist: Deve-se ao trabalho de Sten Malmquist, publicado em 1953, que construiu um
ndice de quantidade utilizando funes de distncia introduzidas por Shephard (1953) dentro do contexto
da teoria do consumidor. Posteriormente, Caves et. al. (1982) inseriram esse ndice no contexto da teoria
da produo e definiram o ndice de Produtividade de Malmquist orientado a inputs e a outputs, com o
objetivo de avaliar a evoluo da produtividade de cada unidade de produo relativamente evoluo
do conjunto de unidades em que se inserem. Fre et al. (1996) propuseram um ndice com essas mesmas
caractersticas, baseado na composio de escores de eficincia gerados pela Anlise Envoltria de Dados,
chamado ndice de Malmquist-DEA.
25
finalidade de demonstrar melhorias de produtividade. Presses para melhorar a eficincia

operacional das universidades norte-americanas tornaram-se mais intensas devido crise
financeira global de 2008.
Como resultado, utilizando tanto o modelo DEA CCR, quanto o modelo DEA
BCC orientado a input, a mdia de eficincia das universidades norte-americanas foi de
aproximadamente 80%. No entanto, ocorreu um ligeiro declnio ao longo dos anos ana-
lisados. Em parte, este declnio pde ser explicado pelos cortes no oramento do ensino
superior e pelo aumento simultneo do nmero de matrculas, especialmente no nvel de
ps-graduao.
Com base no ndice de Malmquist, com uma mdia de 0,987, concluiu-se que houve
uma ligeira regresso da produtividade mdia das universidades ao longo dos quatro anos
letivos. As mudanas anuais mostraram que a regresso foi confirmada nos perodos de
2006-2007 e 2007-2008 e, em seguida, seguido por um aumento de produtividade no ano
letivo de 2008-2009. 50% das universidades tiveram um aumento de eficincia tcnica,
enquanto 62% perceberam alguma deteriorao na mesma. 38% das universidades foram
capazes de manter de forma consistente o seu nvel de eficincia tcnica ou melhor-lo.
Como concluso, constatou-se que mdia de produtividade no perodo de 2005 a

2009, foi da ordem de 1,3%, havendo uma queda nos anos de 2006 e 2007, mas que foi
compensado, em parte, com ganhos de produtividade de 1,5% durante os anos de 2008
e 2009, em meio a cortes oramentrios generalizados acompanhados pelo aumento do
nmero de matrculas.
Um ponto preocupante foi a constatao de que as mudanas de eficincia devido

a decises gerenciais nas universidades tenderam a ter um impacto negativo sobre as
mudanas de produtividade. No entanto, esse efeito foi enfraquecido devido ao ganho de
produtividade que se desenvolveu durante 2009, que foi creditado a mudanas tecnolgicas
ocorridas no ensino e na pesquisa.
2.1.7 Inglaterra
Johnes (2005) utilizou-se a tcnica DEA para mensurar a eficincia tcnica de 109
instituies de ensino superior da Inglaterra. Os dados foram coletados para os anos
letivos de 2000 e 2001. As variveis de sada utilizadas neste estudo foram o nmero de
graduados e ps-graduados e o incentivo financeiro a pesquisa, fornecido pelo Conselho de
Financiamento do Ensino Superior da Inglaterra. Como variveis de entrada, utilizou-se
o nmero de docentes e os gastos administrativos.
Para o clculo da eficincia, utilizou-se o modelo DEA BCC com orientao a out-
put. Como resultado, concluiu-se que a eficincia relativa geral de todas as universidades
26
inglesas era muito alta: o nvel mdio de eficincia variou de 93% a 95% e o nmero de
universidades eficientes variou de 51 a 61. Uma possvel explicao para este resultado,
segundo o autor, que a DEA produz uma medida de eficincia relativa ao conjunto de
universidades sob anlise. Assim, enquanto o setor do ensino superior ingls no tem
motivao ao lucro, o mesmo tem sido cada vez mais exposto s foras do mercado na
ltima dcada. Com isso, as universidades inglesas tendem a competir entre si para atrair
os melhores estudantes e fundos para a pesquisa, fornecendo, com isso, os incentivos para
melhorar a eficincia.
2.1.8 Portugal
O setor do ensino superior portugus tem sido tradicionalmente financiado pelo
governo, apesar de que, na ltima dcada, as universidades privadas comearam a surgir
como alternativa, aumentando a oferta de vagas para estudantes de nvel superior.
Entre os anos de 1993-1994 e 2003-2004, o nmero total de alunos matriculados na

graduao no setor pblico portugus aumentou em 64,7%, e, durante o mesmo perodo,
o nmero total de professores nas instituies de ensino superior pblicas em Portugal
aumentou em cerca de 48,1%.
Baseando-se nestas evidncias, Afonso e Santos (2005) empregaram a DEA para

medir a eficincia relativa de 52 instituies pblicas de ensino superior portuguesas,
usando dados do ano de 2003. As medidas de entrada foram constitudas a partir do
nmero de professores, do gasto total mdio por aluno e da relao de professores por
estudantes destas instituies, enquanto as medidas de sadas foram associadas com o
nmero de graduados e com o nmero de teses de doutorado defendidas.
Para o clculo da eficincia, foi utilizado o modelo BCC, orientado tanto a input,
quanto a output. Como resultado, descobriu-se que a eficincia global dos modelos orienta-
dos a entrada estavam entre 0,553 e 0,678, o que implicou que, em mdia, as instituies
analisadas puderam ser capazes de atingir o nvel de desempenho timo usando entre
32,2% e 44,7% dos recursos disponveis. J com relao aos modelos orientados a sada,
as eficincias mdias globais variaram entre 1,172 e 1,272, o que significou que, com as
mesmas entradas, as instituies de ensino superior analisadas obtiveram um desempenho
entre 17,2% e 27,2% maior do que deveria.
Com estes resultados, Afonso e Santos (2004) concluram que, por uma questo
de bom senso, deve-se estar ciente de que simplesmente colocar mais dinheiro em uma
atividade promissora, ou seja, o ensino superior, no necessariamente melhora propor-
cionalmente a qualidade de sua sada. E, como uma implicao poltica relevante, isso
poderia sugerir em uma alocao melhor dos escassos recursos financeiros disponveis ao
27
ensino superior pblico de Portugal.
Quadro 2.1 Resumo da Anlise de Eficincia para o Ensino Superior em alguns pases
Pas Autores Nmero de Variveis de Variveis Modelo DEA Principal
Instituies Entrada de Sada utilizado Concluso
analisadas
frica Taylor et. 10 Despesas ad- Nmero de VRS orientado O declnio na
do Sul al.,2004 ministrativas; estudandes a output eficincia
Capital formados; mdia das
empregado em Nmero de universidades
pesquisa; publicaes pode ser
Nmero de em devido a
estudantes; peridicos tendncias
Nmero de negativas em
funcionrios suas atividades
de pesquisa.
Alemanha Warning, 2004 73 Nmero de Nmero de CCR orientado As
funcionrios; publicaes a output universidades
Despesas localizadas na
adminstrativas antiga
Alemanha
Ocidental
foram as mais
eficientes.
China Johnes, 2006 115 Nmero de ndice de BCC orientado As diferenas
alunos em atividade a output entre as
tempo integral; de eficincias das
Qualificao do pesquisa; unversidades
corpo docente; ndice de analisadas
Nmero de publicao esto
alunos na cientfica; associadas a
ps-graduao; ndice de localizao
Financiamento prestgio geogrfica e a
a pesquisa; da univer- forma como
Acervo sidade so
bibliogrfico; adminstradas.
rea predial
Continua na prxima pgina

28
Quadro 2.1 Continuao da pgina anterior

analisadas
Espanha Garcia e 43 Gastos totais Nmero de CCR orientado O crescimento
Palomares, com pessoal; graduados; a output anual da
2008 Gastos totais Nmero de produtividade
com pesquisa publicaes foi em grande
parte
atribuvel ao
progresso
tecnolgico.
Estados Thomas, 2012 133 Despesas com Ensino de CCR e BCC Houve um
Unidos mo-de-obra; graduao; orientado a declnio na
Despesas Ensino de input eficincia das
adminstrativas ps- universidades
graduao; ao longo dos
Pesquisa anos, devido
aos cortes no
oramento do
ensino superior
e ao aumento
do nmero de
matrculas.
Inglaterra Johnes, 2005 109 Nmero de Nmero de BCC orientado A eficincia
docentes; graduados a output mdia das
Gastos admi- e ps- universidades
nistrativos graduados; inglesas alta,
Insentivo variando de
financeiro 93% a 95%.
a pesquisa

29

analisadas
Portugal Afonso e 52 Nmero de Nmero de BCC orientado Investir mais
Santos, 2005 professores; graduados; a input e a dinheiro no
Gasto total Nmero de output ensino superior
mdio por teses de no melhora
aluno; Relao doutorado necessaria-
de professores defendidas mente a
por estudantes eficincia do
mesmo.
2.2 Anlise de eficincia para o ensino su-

perior no Brasil
O Brasil vem seguindo a tendncia mundial, procurando alternativas de avaliaes
peridicas do sistema de ensino superior. Aprimorar quantitativamente e qualitativamente
um desafio para o pas, uma vez que as instituies de ensino superior vm progressi-
vamente sofrendo avaliaes. Essas avaliaes tendem a convergir para um sistema de
educao capaz de inserir no mercado de trabalho profissionais diplomados preparados
para enfrentar as adversidades de um mundo cada vez mais globalizado.
Segundo o INEP 4 , a qualidade do corpo docente, a organizao didtico-pedaggica

e as instalaes fsicas, so fatores de desempenho para a Avaliao dos Cursos de Gradu-
ao. O objetivo da avaliao das IES verificar a execuo do Plano de Desenvolvimento
Institucional (PDI), que contempla os objetivos, as metas e as aes das organizaes, as
polticas que valorizam os professores, a infraestrutura, a organizao institucional, bem
como a gesto acadmica e as atividades de ensino, pesquisa e extenso.
2.2.1 O Exame Nacional de Cursos

O Exame Nacional de Cursos (ENC) foi institudo inicialmente com o propsito de
analisar a qualidade da graduao oferecida pelas instituies, por meio da avaliao dos
4
Instituto Nacional de Estudos e Pesquisas Educacionais Ansio Teixeira (INEP): Autarquia su-
bordinada ao Ministrio da Educao responsvel por coletar e organizar informaes sobre as instituies
de ensino superior, tais como: nmero de alunos matriculados, vagas oferecidas, quantidade de profes-
sores, recursos financeiros e informaes sobre a estrutura fsica das instituies. O INEP responsvel
tambm pela elaborao, aplicao e divulgao do resultado do Enade.
30
conhecimentos dos egressos dos cursos superiores. Num primeiro momento, a avaliao
restringia-se a esse propsito, a qual era conhecida como Provo. Num segundo momento,
por meio do Decreto no 2.026/96, foi estabelecida a avaliao dos cursos e das instituies
de ensino, com visitas in loco para avaliao das condies de oferta (instalaes, corpo
docente e organizao didtico-pedaggica) e pelas condies da ps-graduao, quando
existente. Nos dois focos da avaliao atribua-se uma nota consolidada instituio,
posteriormente convertida em conceitos que variavam de A a E, sendo o conceito A
considerado o melhor e o conceito E, o pior 5 . Esse exame, realizado anualmente,
tinha carter obrigatrio para todos os estudantes concluintes dos cursos de graduao,
condicionando sua realizao ao recebimento do diploma pelos mesmos.
Em agosto de 2003, foi criado o SINAES, que foi formalmente institudo atravs
da Lei 10.861, aprovada em abril de 2004 (BRASIL, 2004). Esse novo sistema inclua
uma abordagem diferente para o exame de cursos, denominado Enade 6 . Desde o incio, a
responsabilidade pela avaliao das IES e de cursos de graduao foi concedida ao INEP.
Apesar das mudanas na forma de avaliar o ensino superior, ficaram assegurados

os principais conceitos norteadores: respeito diferena, autonomia, identidade, alm
da nfase na misso pblica e nos compromissos e responsabilidades sociais das IES.
Enquanto o Provo se prestava a ser um mecanismo de regulao, o Enade passaria a
fornecer no s um indicador com esse propsito, mas principalmente seria uma ferramenta
de avaliao, atravs do diagnstico de competncias e habilidades adquiridas ao longo
do ciclo de escolarizao superior, cruzado com a viso do aluno sobre sua instituio e
com seu conhecimento sobre aspectos mais gerais, no relacionados a contedo especficos
(VERHINE, 2006).
Dentre as diferenas entre o Provo e o Enade, pode-se destacar:
O Enade aplicado para estudantes ingressantes e concluintes do curso sob ava-

liao, desta forma, inclui-se nos resultados uma aproximao da noo de valor
agregado;
5
Nestes conceitos, o A correspondia a mdias maiores ou iguais a 80 pontos; o B a mdias maiores ou
iguais a 60 e inferiores a 80; o C a mdias maiores ou iguais a 40 e inferiores a 60; o D a mdias maiores
ou iguais a 20 e menores que 40; o E a mdias maiores ou iguais a 0 e menores que 20 pontos. Para os
cursos com apenas um graduando presente no exame, cursos sem alunos avaliados ou que tivessem tido
problemas operacionais, era atribudo o conceito SC (Sem Conceito).
6
Este exame foi estruturado em dois componentes: o primeiro, comum a todos os cursos, e o segundo,
especfico a cada uma das reas avaliadas. O primeiro, denominado Componente de Formao Geral,
possui 8 questes objetivas de mltipla escolha e 2 questes discursivas, as quais tm pesos, respecti-
vamente, iguais a 60,0% e 40,0%. E o segundo, denominado Componente de Conhecimento Especfico
da rea, possui 27 questes objetivas de mltipla escolha e 3 questes discursivas, as quais tm pesos,
respectivamente, iguais a 85,0% e 15,0%. Para a obteno da nota final do estudante, as notas dos dois
componentes foram ponderadas por pesos proporcionais ao nmero de questes: 25,0% referente ao Com-
ponente de Formao Geral e 75,0%, referente ao Componente de Conhecimento Especfico (ENADE,
2011).
31
O Enade avalia cada curso trienalmente, em lugar da freqncia anual do Provo;
O Enade se prope a englobar vrias dimenses em seu teste, de modo a cobrir a

aprendizagem durante o curso (em lugar de apenas medir o desempenho dos alunos
ao final do curso) e dar um peso maior para as competncias profissionais;
O Enade parte da premissa de que as instituies e cursos utilizaro seus resul-

tados como ingrediente em um processo avaliativo institucional mais abrangente
(VERHINE, 2006).
2.3 Modelos utilizados para a anlise de efi-

cincia da educao superior no Brasil
No Brasil, os primeiros trabalhos utilizando a tcnica DEA na construo de medi-
das de avaliao das IES tiveram origem em grupos de pesquisa da Universidade Federal
de Santa Catarina (UFSC). Destacam-se os trabalhos de Belloni (2000) que em sua tese
de doutorado, construiu uma metodologia DEA para avaliar a eficincia produtiva das
Universidades Federais Brasileiras. Para isso, o autor utilizou a tcnica estatstica An-
lise de Componentes Principais, que permitiu identificar associaes estatsticas entre os
conjuntos de variveis, alm de avaliar a importncia de cada fator na explicao das
diferenas entre as instituies analisadas.
As principais fontes de dados desta pesquisa foram o Boletim de Dados Fsicos

e Oramentrios das Instituies de Ensino Superior supervisionadas pelo Ministrio da
Educao no ano de 1994, e os resultados dos Exames Nacionais de Cursos de Graduao
de 1998, obtidos pelo INEP. A anlise restringiu-se a 33 universidades, e quatro universi-
dades federais que no ofereciam programas de ps-graduao em 1993 foram eliminadas
da amostra.
Para o clculo da medida da eficincia desenvolvida neste trabalho, adotou-se o

modelo DEA BCC com orientao a output. As variveis utilizadas como entrada foram
agrupadas em trs categorias: Corpo Docente (nmero de professores e titulao dos
mesmos), Infraestrutura (instalaes fsicas e arcevo bibliogrfico) e Alunado (nmero de
matrculas na graduao e na ps-graduao).
J as variveis utilizadas como sada foram agrupadas em duas categorias: Ensino

(nmero de alunos graduados, nmero de alunos ps-graduados, indicador da qualidade
da graduao, indicador da qualidade da ps-graduao) e Pesquisa (nmero de livros
publicados, nmero de artigos publicados em peridicos nacionais e internacionais).
Como resultado desta pesquisa, seis instituies foram consideradas eficientes e

32
duas instituies, UFES (Universidade Federal do Esprito Santo) e UFRS (Universidade

Federal do Rio Grande do Sul), obtiveram indicador da eficincia menor ou igual a 1,01,
que, para efeitos prticos, essas universidades podem ser consideradas tecnicamente efici-
entes. Das 25 instituies ineficientes restantes, 5 podem expandir proporcionalmente sua
produo em at 10%; 8 podem expandir sua produo entre 10% e 20%; 5 podem expan-
dir sua produo entre 20% e 50%; e, 7 podem expandir sua produo entre 50% e 82%.
As diferenas de porte entre as instituies, que constituiu no maior fator de explicao
das diferenas entre elas, foram respeitadas com a adoo da hiptese de retornos variveis
escala. Assim, as universidades federais, quando pequenas, tendem a ser especializadas
ou voltadas para as atividades de ensino, com igual nfase na quantidade e na qualidade;
quando de porte mdio, tendem a no ser especializadas, com nfase ou na produtividade
ou, alternativamente, qualidade; quando de porte grande, tendem tambm a no ser
especializadas, mas com nfase igual na qualidade e na quantidade.
Faanha e Marinho (2001) estudaram as diferenas entre o desempenho das 973

IES localizadas nas grandes regies brasileiras. O perodo analisado foi de 1995 a 1998,
tendo sido utilizada a metodologia DEA CCR com orientao a output para a mensura-
o da eficincia. O estudo coletou informaes extradas do Censo do Ensino Superior,
o qual forneceu dados a respeito das instituies, e suas respectivas agregaes (regies,
dependncia administrativa, e outros), envolvendo, exclusivamente, atividades de ensino
de graduao. As variveis utilizadas como input foram: total de docentes; total de do-
centes em tempo integral e total de servidores. Como output, foram includas as variveis:
nmero de inscries nos processos seletivos, nmero de vagas oferecidas nos cursos de
graduao e nmero total de docentes com doutorado. A incluso do total de docentes
com doutorado como output resultou na tentativa de remediar, em parte, a inexistncia
de dados sobre atividades de ps-graduao e pesquisa nos censos educacionais, pois os
censos se limitam a atividades de graduao.
O procedimento adotado a priori foi classificar, para cada ano, os conjuntos de

IES federais, estaduais, municipais e particulares. Como resultado deste estudo, a eficin-
cia relativa das IES municipais foi a mais elevada, seguida da eficincia relativa das IES
particulares, estaduais e federais no perodo analisado. Em compensao, ao longo do
mesmo perodo, houve um declnio nas mdias das eficincias relativas das IES particula-
res, o que pde ser justificado pelo aumento do nmero de IES particulares e municipais,
observando-se, ao mesmo tempo, aumentos expressivos das mdias de eficincia relativa
das IES estaduais e federais. Faanha e Marinho (2001) sugeriram ainda que, para me-
lhorar o ndice de eficincia, os maiores ajustes estariam localizados nas IES federais
e estaduais, contemplando um aumento no nmero de ingressantes, de matrculas e de
cursos ofertados em todas as reas do conhecimento.
Borges (2005) realizou um estudo com a finalidade de demonstrar a convergncia

33
entre os resultados do ENC e os obtidos atravs da tcnica DEA. Para isso, foi feita uma
comparao dos resultados alcanados por 181 cursos de graduao em Administrao,
cada qual integrando uma IFES ou uma Instituio Privada de Ensino Superior diferente,
cobrindo todas as unidades da federao no ano de 2003. O ENC foi escolhido por reunir
o maior nmero de dados disponveis, tais como: as condies de oferta do curso, as
condies de ensino, a aferio do conhecimento dos formandos, entre outras.
Os objetivos do estudo realizado por Borges (2005) foram verificar o grau de con-
vergncia entre os resultados da DEA frente aos do ENC e analisar a relao dos inputs
versus outputs, identificando quais seriam os cursos tidos como referncia para os demais
cursos de Administrao analisados. Para o clculo da eficincia, utilizou-se o modelo
DEA BCC como orientao a input, adotando como variveis de entrada: organizao
didtico-pedaggica, corpo docente, instalaes fsicas e nmero de vagas oferecidas no
curso. Como variveis de sada, foram adotadas: nmero de formandos e nota geral no
Provo.
Inicialmente procedeu-se equiparao das avaliaes utilizadas pelos dois mo-

delos, atravs de faixas, uma vez que o ENC trabalhava com conceitos (A at E) e a
DEA com valores de eficincia. Assim, a instituio cujo curso de Administrao recebeu
conceito A no ENC, est na primeira faixa da DEA (eficincia variou de 0,95 a 1,00),
conceito B no ENC, est na segunda faixa da DEA (eficincia variou de 0,85 a 0,95), e
os conceitos C, D ou E no ENC, est na terceira faixa da DEA (eficincia menor
que 0,85).
Como resultado deste estudo, verificou-se que 41,7% dos cursos que conseguiram
conceito A no ENC obtiveram ndices de eficincia no intervalo de 0,95 a 1,00 na DEA (1a
faixa), 26,3% dos cursos que conseguiram conceito B no ENC obtiveram ndices de efici-
ncia no intervalo de 0,85 a 0,95 na DEA (2a faixa), e 75,4% dos cursos que conseguiram
conceitos C, D ou E no ENC obtiveram ndices de eficincia no intervalo de 0,00 a 0,85
na DEA (3a faixa). Ao todo, consideradas as premissas adotadas, as duas metodologias
(DEA e ENC) convergiram em 65,7%.
Atravs dos resultados, Borges (2005) concluiu que existe uma significativa evaso
no ensino superior (cerca de 30%), impactando consideravelmente na anlise de eficincia,
e que as instituies privadas contribuem para que isso ocorra, por adotarem, no ato da
autorizao do curso, a estratgia de solicitar um nmero maior de vagas do que a demanda
real. Verificou-se tambm que as IFES esto mais prximas da eficincia alocativa, tanto
na anlise de inputs como na de outputs e que os valores relativamente baixos de formados
e nota no provo levam a um superdimensionamento da organizao didtico-pedaggica.
Oliveira e Turrioni (2006) avaliaram a eficincia relativa de 19 Instituies Federais

de Ensino Superior (IFES) no ano de 2004. A coleta de dados foi feita atravs de pesquisa
34
documental dos relatrios de gesto das IFES obtidos nos sites das prprias instituies.
Foram utilizadas apenas dezenove instituies, pois as demais instituies no possuam,
na poca, seus dados atualizados.
Os inputs e os outputs foram construdos com a utilizao dos indicadores do

Tribunal de Contas da Unio (TCU). Como variveis de entrada, foram selecionados
os indicadores: custo corrente por aluno equivalente, aluno tempo integral por professor
equivalente, aluno tempo integral por funcionrio equivalente, funcionrio equivalente por
professor equivalente, grau de participao estudantil, grau de envolvimento do discente
com ps-graduao e ndice de qualificao do corpo docente. As variveis de sada
escolhidas foram os indicadores: conceito Coordenao de Aperfeioamento de Pessoal
de Nvel Superior (CAPES) referente a ps-graduao e taxa de sucesso na graduao,
que a razo entre o nmero de alunos diplomados e o nmero de alunos ingressantes.
O modelo CCR com retornos constantes escala, tanto orientado para entrada
quanto para sada, foi escolhido neste trabalho para anlise das IFES. Assim, admitiu-se
que a produtividade mxima no variasse em funo da escala de produo.
Como resultado, das 19 IFES avaliadas, cinco foram consideradas ineficientes. Com
isso, foi possvel concluir que a tcnica DEA pde ser aplicada s IFES, permitindo uma
melhor avaliao das instituies e da gesto dos recursos administrados pelas mesmas.
Percebeu-se tambm que era possvel ter resultados melhores nos indicadores de sada
com valores menores nos indicadores de entrada.
Costa, Ramos e Souza (2012), examinaram a eficincia da educao superior p-

blica federal utilizando a tcnica DEA no perodo de 2004 a 2008. As variveis utilizadas
neste estudo foram obtidas pelo MEC e pelo INEP.
O conjunto total das 49 IFES foi analisado em duas etapas. Na primeira, procurou-
se minimizar a caracterstica heterognea do setor, sendo consideradas as realidades de
cada instituio, subdividindo-as em dois grupos: no primeiro grupo foram consideradas
as instituies que tm uma atuao preponderante no ensino da ps-graduao e na
pesquisa; e no segundo, foram consideradas as instituies com pouca ou nenhuma atuao
no ensino da ps-graduao e na pesquisa. Na segunda etapa, foi estimado o conjunto da
populao das IFES selecionadas, ou seja, um modelo com todas as instituies.
Os dois grupos da primeira etapa foram determinados por meio da anlise de

trs indicadores, sendo o primeiro o total de matrculas na graduao. Os outros dois
foram obtidos atravs do Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico
(CNPq), que constituam: a razo docente/pesquisa; e o total de investimento em bolsas
e fomento pesquisa.
Para o clculo da eficincia, foi utilizado o modelo DEA BCC com orientao a
35
output, tendo como insumos: custo corrente por aluno equivalente, aluno tempo integral
por docente equivalente, aluno tempo integral por funcionrio equivalente e ndice de
qualificao do corpo docente, e, como produtos: razo de alunos formados por alunos
matriculados e o conceito CAPES para a ps-graduao.
Como resultado deste estudo, os autores encontraram que 67% das IFES que con-
duziram pesquisas estavam na fronteira eficiente de produo no ano de 2008. Para esse
mesmo ano, o grupo que conduziu menos pesquisas, 71% das universidades estavam na
fronteira. No entanto, o mesmo estudo mostrou que para todos os perodos analisados, as
instituies com uma forte atuao no ensino da ps-graduao e na pesquisa, no obtive-
ram um elevado grau de ineficincia, sendo obtidos os piores scores de eficincia de 0,79;
0,78; 0,79; 0,61 e 0,77 para os anos de 2004, 2005, 2006, 2007 e 2008, respectivamente.
Costa, Ramos e Souza (2012) concluram que seria necessrio examinar o que
aconteceu com cada IFES separadamente, para s ento tecer algum tipo de considerao
sobre as causas de suas ineficincias relativas e de sua perda de produtividade, a fim de
que esses resultados possam realmente comprovar a real situao da educao superior
pblica federal.
Casado (2012) aplicou a tcnica DEA para calcular a eficincia tcnica dos cursos
de graduao presenciais em Engenharia de Produo de instituies de ensino superior,
considerando os aspectos de desempenho organizacional e os de qualidade. Desta forma,
o autor explorou a principal ferramenta nacional de avaliao dos cursos de graduao,
o indicador Conceito Preliminar de Cursos (CPC), o qual foi institudo pelo Ministrio
da Educao com o objetivo fornecer uma medida de qualidade aos cursos de graduao
(MEC/INEP, 2004).
Para a avaliao de eficincia, foram selecionadas 8 variveis que so utilizadas para

o clculo do CPC, das quais seis foram classificadas como input (nota infraestrutura, nota
organizao didtico-pedaggica, nota professores mestres, nota professores doutores, nota
professores com regime de dedicao integral, nmero de vagas do curso na instituio) e
duas como output (nota Enade e nmero de concluintes). Os dados foram coletados da
base de dados do INEP, referente ao ano de 2008.
Dentre os modelos e orientaes das variveis em DEA, este estudo adotou o modelo
CCR orientado a produto, sendo utilizado tambm os conceitos de fronteiras invertidas
com o objetivo de amenizar o vis da medio de desempenho. O modelo CCR com
orientao a output, conforme abordado por Belloni (2000), o que mais se adqua
realidade de uma instituio de ensino, visto que a mesma busca maximizar os resultados
com os insumos disponveis.
Segundo o MEC/INEP, em 2008 existiam no Brasil cerca de 245 cursos na rea

de Engenharia de Produo, divididos praticamente entre todos os estados brasileiros.
36
No entanto, para efeito de anlise de eficincia, foram subtrados aqueles cursos que no
apresentaram conceito no Enade. Desta forma, foram analisados 129 cursos de graduao
da rea de Engenharia de Produo.
Aplicando o clculo da eficincia atravs da DEA, observou-se que 27 cursos obti-

veram 100% de eficincia. No entanto, para verificar se estes so falsos eficientes atravs
da aplicao do conceito de fronteira invertida, pde-se observar que apenas o curso da
universidade de UNIABC (Universidade do Grande ABC), realmente alcanou 100% da
eficincia. Alm do mais, de acordo com os resultados, 5 cursos apresentaram eficincia
entre 0,00% e 20%; 26 entre 20% e 40%; 39 entre 40% e 60%; 32 entre 60% e 80%; e 27
cursos entre 80% e 100%.
Duenhas (2013) empregou a metodologia DEA para estudar o aumento do nmero

de vagas nas 80 universidades pblicas atravs do ganho de eficincia dessas instituies.
Foram analisadas apenas as universidades pblicas. As instituies privadas foram ex-
cludas da anlise por possurem uma lgica diferente das instituies pblicas, na medida
em que aquelas esto inseridas em um ambiente concorrencial orientado pelo mercado, ou
seja, h um incentivo maior para que sejam eficientes, pois so financiadas, em ltima ins-
tncia, por recursos privados. As instituies pblicas, por outro lado, so financiadas por
recursos pblicos, no tendo o mesmo incentivo de mercado para a eficincia. As demais
instituies pblicas (faculdades, centros universitrios, centros tecnolgicos) tambm no
foram includas no estudo, pois no tm a obrigatoriedade de conduzir pesquisa e ativi-
dades de extenso. Com o intuito de aplicar a metodologia em grupos mais homogneos,
as universidades pblicas foram reunidas em trs grupos: grande porte, mdio porte e
pequeno porte. O critrio utilizado para o agrupamento foi o de receitas anuais, conforme
classificao do Banco Nacional de Desenvolvimento Econmico e Social (BNDES) para
pequenas, mdias e grandes empresas.
O modelo utilizado no estudo foi o DEA SBM (Slacks Based Measure), pois os mo-
delos DEA tradicionais, como o CCR e o BCC, assumem a hiptese de retornos constantes
e variveis de escala, respectivamente. Alm disso, necessrio que seja determinado a
priori qual o tipo de orientao: insumo ou produto. O modelo DEA SBM no exige a de-
terminao dessas orientaes. Os dados utilizados para o estudo da eficincia, em relao
ao ano de 2008, foram extrados de duas bases: Censo da Educao Superior e Geocapes,
com o intuito de coletar dados referentes a gradao e a ps-graduao, respectivamente.
Para o clculo dos ndices de eficincia, foram utilizados como insumos: nmero
de professores em relao ao nmero de alunos e as receitas das instituies por alunos.
Como produtos, foram considerados a nmero de alunos formados em relao ao nmero
de alunos matriculados, nmero de atividades de extenso dividida pelo nmero de alunos,
nmero de pesquisas (teses e dissertaes) pelo nmero de alunos, e a qualidade das
37
instituies, medida pelo ndice Geral de Cursos (IGC).
Como resultado deste estudo, Duenhas (2013) ressaltou que a maioria das univer-
sidades de grande porte estava otimizando sua produo. Foram 6 as instituies tidas
como ineficientes, das quais 3 estavam com um ndice de eficincia acima de 90%. Para as
universidades de mdio porte, 46% foram consideradas eficientes. J para as universidades
de pequeno porte, 86% foram tidas como eficientes.
A partir destes resultados, foi possvel construir um cenrio do aumento potencial

do nmero de matrculas no ano de 2008 para aquelas instituies que ficaram aqum da
fronteira de eficincia. Considerando, de forma hipottica, uma distribuio proporcional
equivalente do aumento de eficincia entre cada produto (nmero de alunos matriculados,
qualidade da educao, nmero de pesquisas, nmero de atividades de extenso), uma
instituio, por exemplo, que obteve um ndice de 0.8 poderia aumentar sua produo
geral em 20%, ou seja, 5% de aumento em cada produto (5% no nmero de matrculas,
5% nos projetos de extenso, 5% no nmero de pesquisas e 5% na qualidade dos cursos).
Desse modo, de acordo com os resultados seria possvel um aumento de aproximadamente
dez mil alunos nas universidades pblicas de grande porte em 2008, para obter um ganho
de eficincia sem um aumento na quantidade de recursos.
Quadro 2.2 Resumo da Anlise de Eficincia para o Ensino Superior no Brasil
Autores Nmero de Variveis de Variveis de Modelo Principal
Instituies ou Entrada Sada DEA Concluso
cursos utilizado
analisados

38

cursos utilizado
analisados
Belloni, 33 universidades Corpo Docente; Variveis relativas BCC, com As universidade
2000 federais Infraestrutura; ao Ensino e a orientao a federais, quando
Alunado Pesquisa output pequenas, tendem a
ser especializadas e
voltadas para as
atividades de
ensino, com nfase
na quantidade e na
qualidade; quando
de porte mdio,
tendem a dar nfase
na produtividade
ou na qualidade;
quando de porte
grande, tendem a
dar a mesma nfase
na qualidade e na
quantidade.
Faanha e 973 instituies de Total de Docentes; Incries nos CCR, com A eficincia das IES
Marinho, ensino superior Total de Docentes Processos Seletivos; orientao a municipais a mais
2001 em Tempo Integral; Vagas Oferecidas output elevada, seguida
Total de Servidores nos cursos de das IES
graduao; Total de particulares,
Docentes com estaduais e federais
Doutorado no perodo
analisado. No
entanto, houve um
declnio da
eficincia nas IES
particulares,
justificado pelo
aumento do nmero
de IES particulares.

39

cursos utilizado
analisados
Borges, 181 cursos de Organizao Numero de BCC, com H uma
2005 graduao em didtico- formandos; Nota orientao a significativa evaso
Administrao pedaggica; Corpo geral no Provo input no ensino superior,
docente; o que impacta na
Instalaes fsicas; eficincia, e as
Nmero de vagas instituies
oferecidas privadas
contribuem para
que isso ocorra.
Oliveira e 19 IFES Custo corrente por Conceito CCR, com A tcnica DEA
Turrioni, aluno equivalente; CAPES/MEC; orientao a pode ser aplicada
2006 Aluno tempo Taxa de sucesso na input e s IFES, e permite
integral por graduao. output uma melhor
professor avaliao das
equivalente; Aluno instituies e da
tempo integral por gesto dos recursos
funcionrio administrados pelas
equivalente; mesmas.
Funcionrio
equivalente por
professor
equivalente; Grau
de participao
estudantil; Grau de
envolvimento do
discente com a
ps-graduao;
ndice de
qualificao do
corpo docente

40

cursos utilizado
analisados
Costa, 49 IFES Custo corrente por Razo de alunos BCC com As instituies com
Ramos e aluno equivalente; formados por orientao a forte atuao no
Souza, Aluno tempo alunos output ensino da
2012 integral por docente matriculados; ps-graduao e na
equivalente; Aluno Conceito CAPES pesquisa, no
tempo integral por para a obtiveram um
funcionrio ps-graduao elevado grau de
equivalente; ndice ineficincia e que
de qualificao do seria necessrio
corpo docente examinar o que
aconteceu com cada
IFES
separadamente,
para s ento tecer
algum tipo de
considerao sobre
as causas de suas
ineficincias.
Casado, 129 cursos de Nota Nota ENADE; CCR com Observou-se que 27
2012 graduao em infraestrutura; Nmero de orientao a cursos obtiveram
Engenharia de Nota Organizao concluintes output eficincia tima.
Produo didtico- No entanto,
pedaggica; Nota pde-se observar
professores mestres; que apenas o curso
Nota professores da Universidade do
doutores; Nota Grande ABC
professores com realmente alcanou
regime de dedicao 100% da eficincia.
integral; Numero de
vagas do curso

41

cursos utilizado
analisados
Duenhas, 80 universidades Nmero de Nmero de alunos DEA SBM Concluiu-se que as
2013 pblicas professores em formados em universidades
relao ao nmero relao ao nmero brasileiras podem
de alunos; Receitas de alunos aumentar em 2,8%
das instituies por matriculados; a quantidade de
alunos Nmero de matrculas a fim de
atividades de melhorar a
extenso pelo eficincia das
nmero de alunos; mesmas, sem
Nmero de aumentar a
pesquisas pelo quantidade de
nmero de alunos; recursos
Qualidade das disponveis.
instituies medida
pelo IGC
Todos os trabalhos pesquisados na literatura nacional e internacional buscavam

definir um modelo e, ento, realizar uma anlise de eficincia, comparando universidades,
departamentos acadmicos ou cursos de graduao e ps-graduao. No foi encontrada
uma forma sistemtica para identificar o papel das variveis acadmicas como de en-
trada ou de sada com a finalidade de otimizar o desempenho de cada Decision Making
Units (DMU) sob anlise. As variveis de entrada geralmente aceitas para mensurar o
desempenho de instituies universitrias so: Nmero de alunos em tempo integral, N-
mero de docentes em tempo integral, Instalaes fsicas, Custos operacionais e salariais.
As variveis de sada normalmente reconhecidas so: Nmero de diplomados e Nmero
de publicaes (THURSBY, 2000; AVKIRAN, 2001).
No entanto, nenhuma destas medidas a ideal. Por exemplo, o nmero de gradu-

ados mensura a quantidade do produto educacional, mas no a qualidade. A qualidade
melhor avaliada atravs de resultados de exames (DE WITTE, et. al., 2015). Uma vez
que as universidades produzem uma srie de sadas, no fcil medir os resultados obtidos
pelas mesmas. Como exemplificado por Salerno (2008): suponha que duas instituies
tenham o mesmo nmero de alunos, mas uma oferece uma excelente educao, enquanto
a outra oferece uma educao razovel. Se o nmero de alunos matriculados fosse usado
como sada para medir a produtividade das mesmas, a instituio com o maior nmero
42
de alunos por professor seria provavelmente considerada a mais eficiente, o que no

necessariamente verdade.
Atravs da tcnica DEA utilizada neste estudo, pode-se tambm identificar quais
so os cursos de graduao em Engenharia de Produo mais eficientes e ranque-los.
Porm, h um debate sobre se a qualidade dos cursos pode ser quantificada ou classifi-
cada, pois Stella e Woodhouse (2006) apontam que a avaliao de cursos sofre diversas
influncias, tais como: do conjunto dos indicadores escolhidos, da arbitrariedade em dar
ponderaes, da inconsistncia entre as diferentes classificaes, das mudanas na forma de
avaliar ao longo do tempo, da dependncia de pesquisas de opinio, da validade estatstica,
da concorrncia desleal que ocorre no ensino superior, e dos resultados pseudo-cientficos.
Rankings mal formulados podem enviar informaes enganosas e concluses simplistas
podem ser feitas. Por exemplo, um aumento da classificao no corresponde necessaria-
mente a uma melhora na qualidade do ensino prestado por uma determinada instituio
(RAUHVARGERS, 2011).
Como as universidades tm misses diferentes, e, portanto, esto focadas em uma

infinidade de escolhas tecnolgicas e estratgicas, as quais podem determinar a posio de
cada uma dentro do sistema de ensino superior, isso seria capaz de explicar as diferenas
de desempenho entre as mesmas. Os sistemas de classificao educacional existentes
criam rankings universitrios multidimensionais globais sem reconhecer a diversidade das
instituies, promovendo a preferncia para certas universidades (MARGINSON et. al.,
2007).
Devido a estes motivos, o presente estudo no focou no ranqueamento dos cursos

de graduao em Engenharia de Produo, tendo por base o valor da eficincia de cada
curso, e sim, atravs da tcnica DEA, identificar em cada curso, qual seria o papel das
variveis acadmicas divulgadas pelo exame Enade e pelo Censo da Educao Superior,
com a inteno de atingir o desempenho mximo neste exame.
43
3 ANLISE DE EFICINCIA
3.1 Produtividade, eficcia e eficincia
O primeiro conceito a ser desenvolvido para a compreenso das tcnicas dispon-
veis para o clculo de eficincia, a respeito da intitulao das unidades organizacionais
analisadas para avaliar a produo das operaes. Se vrias organizaes desenvolvem ati-
vidades semelhantes, pode-se comparar as suas produtividades e investigar porque razo
umas so mais produtivas do que outras.
De forma genrica, uma organizao mais produtiva porque tomou decises que
lhe permitem aproveitar melhor os recursos. Essas decises podem ser o uso de uma tec-
nologia mais avanada, a contratao de mo-de-obra mais qualificada, melhores tcnicas
gerenciais, dentre outras. O importante que uma maior produtividade , via de regra,
decorrente de alguma deciso tomada.
Portanto, do ponto de vista deste tipo de anlise, as unidades produtoras tomam

decises e, por isso so denominadas de Unidades Tomadoras de Decises DMU. De
acordo com Casa Nova (2002), uma DMU pode ser definida como toda organizao que
transforma um conjunto dados de entradas (inputs) em conjunto dados de sadas (outputs),
conforme sintetizado pela Figura 3.1
Figura 3.1: Representao de uma DMU

Fonte: Casa Nova (2002)
Uma DMU pode ser representada por um grupo empresarial, uma empresa indi-
vidual ou uma unidade administrativa, do setor produtivo, de servio ou at mesmo do
setor pblico, podendo ou no visar lucro (KATHARAKI, 2010).
Uma das formas para avaliar o desempenho de uma DMU correlacionando os

outputs e os inputs do sistema analisado. A razo entre os outputs e os inputs de uma
DMU denominado produtividade (CAMPOS, 2004). Logo, a produtividade de uma
44
DMU com um nico input e um nico output pode ser calculada pela Equao 3.1.
O
P rodutividade = (3.1)
I
Em que:
O: Quantidade de output;
I: Quantidade de input.
Porm, devido complexidade do processo de produo, para DMUs de qualquer

natureza, exige-se um procedimento matemtico que contempla a situao onde uma DMU
pode apresentar mltiplos inputs e mltiplos outputs. O primeiro trabalho na literatura
referente ao clculo da produtividade de uma DMU com mltiplos inputs e mltiplos
outputs foi proposto por Knight (1933) sendo citado por Lovell (2008).
Segundo Lovell (2008), a frmula de Knight (1933) pode ser compreendida como
o clculo da produtividade para um nico input virtual e um nico output virtual. Input
virtual e o output virtual so definidos, respectivamente, como uma combinao linear de
todos os inputs e de todos os outputs referentes a uma DMU. Desse modo, a produtividade
pode ser calculada pela Equao 3.2.
u1 y1 + u2 y2 + + uj yj Ov
P rodutividade = = (3.2)
v1 x1 + v2 x2 + + vi xi Iv
Em que:
uj : Coeficiente de importncia do output j;
yj : Quantidade do output j;
vi : Coeficiente de importncia do input i;
xi : Quantidade do input i;
Ov : Output virtual;
Iv : Input virtual
Outros conceitos que fazem comparao entre DMUs so a eficcia e a eficincia.

A eficcia est ligada apenas ao que produzido, sem levar em conta os recursos utilizados
para a produo. Eficcia a capacidade de uma unidade produtiva atingir a produo
que tinha como meta. Esta meta tanto pode ter sido estabelecida pela prpria DMU em
anlise ou externamente. Alis, um decisor pode julgar que um processo de produo
eficaz, e outro ter uma opinio contrria, dependendo das expectativas de cada um.
J eficincia um conceito relativo. Compara o que foi produzido, dado os recursos
45
disponveis, com o que poderia ter sido produzido com os mesmos recursos. Soares de
Mello et. al. (2005) resumem bem esses conceitos ao relacionar eficcia quantidade
produzida, produtividade razo entre produtos e recursos e enfatizar que a eficincia
tem relao com comparaes entre produtividades. Com base nisso, uma DMU eficiente
aquela com a maior produtividade dentre as DMUs analisadas.
O economista e socilogo italiano Vilfredo Pareto (1848-1923) foi um dos primeiros

a estudar o conceito de eficincia. A eficincia de Pareto consiste na seguinte definio: se
houver uma maneira de melhorar a situao de uma pessoa sem piorar a de outra, haver
uma melhoria de Pareto. Se uma alocao puder realizar uma melhoria de Pareto, ela
dita Pareto-ineficiente. A questo que se levanta : se h um modo de melhorar algum
sem prejudicar ningum, por que no o fazer? Se no puder ser feita nenhuma melhoria
de Pareto, ento a alocao dita Pareto-eficiente (VARIAN, 2006).
A primeira medida de eficincia tcnica surgiu do trabalho de Debreu (1951). A

medida intitulada coeficiente de utilizao de recursos uma medida radial, orientada
para o uso de recursos e calcula a maior reduo equiproporcional de todos os insumos sem
alterar a quantidade do produto (nico). Entretanto, o trabalho que ganhou repercusso
na Teoria da Produo, e influenciou significativamente os trabalhos sobre eficincia e
produtividade foi o de Farrell (1957).
Baseado no trabalho de Debreu, Farrell construiu uma fronteira linear por partes
baseada nas observaes. Essa fronteira calculada usando sistemas de equaes lineares,
possibilitando definir as unidades eficientes e as no eficientes, e decompe a medida de
eficincia em duas componentes: uma tcnica e outra alocativa. O diagrama de Farrell,
que est representado na Figura 3.2, auxilia no entendimento das medidas de eficincia.
Figura 3.2: Diagrama de Farrel

Fonte: Farrel (1957)
46
De acordo com a Figura 3.2, so dados dois insumos, x1 e x2, utilizados para
gerar um produto qualquer. A linha PP representa a razo tima dos preos relativos
dos insumos. Pode-se definir como medidas de eficincia as distncias radiais a partir da
origem O. As unidades B e C so eficientes na utilizao de recursos, pois esto sobre
a curva de mxima produo (Isoquanta unitria), no entanto, somente a unidade C
eficiente tanto na utilizao de recursos, quanto em relao aos preos. Assim pode-se
dizer que C eficiente tcnica e alocativamente.
Assim, eficincia da unidade A pode ser calculada da seguinte forma:
OB
Eficincia tcnica: dada pela razo OA
e est associada utilizao de recursos;
OD
Eficincia alocativa: dada pela razo OA
e est associada aos preos dos insumos;
OB OB OA
Eficincia econmica global: dada pela razo OD
ou x
OA OD
A eficincia tcnica definida como a capacidade de produzir uma certa quantidade

de produto com o mnimo de insumos. J a eficincia alocativa descrita como um
reflexo da capacidade de absorver as entradas em uma proporo tima, considerando os
custos dos insumos. A combinao da eficincia tcnica e alocativa constitui a eficncia
econmica global (COELLI et. al., 2002).
Enquanto os conceitos de Pareto e Koopmans esto ligados economia como um

todo, a medida de Farrell possibilitou analisar o desempenho das unidades em relao
s sadas e entradas utilizadas. O trabalho emprico de Farrell ficou restrito a casos
de somente um produto, embora tivesse tentado estender para os casos com mais de
um produto (COOPER et al., 2004). A medida radial conhecida em grande parte da
literatura como medida de eficincia Debreu-Farrell.
Assim, a medida de Debreu-Farrell traz um novo conceito de eficincia tcnica:

a mxima reduo (nas entradas) ou expanso (nas sadas) possvel dentro da tecnologia
mantendo a mesma produo ou o mesmo consumo, dependendo da orientao. Embora
seja largamente utilizada, a definio de eficincia tcnica de Debreu-Farrell no coincide
com a definio de eficincia tcnica de Pareto-Koopmans. A eficincia tcnica Debreu-
Farrell necessria, mas no suficiente para se obter a eficincia tcnica segundo Pareto-
Koopmans (FRIED, LOVELL e SCHMIDT, 2008).
Para entender as diferenas entre os dois conceitos, tem-se representado na Figura

3.3 os conjuntos de possibilidades de produo para dois insumos.
47
Figura 3.3: Eficincia Tcnica

Fonte: Fried, Lovell e Schmidt, 2008
O subconjunto eficiente E(y) atende ao conceito de Pareto-Koopmans, uma vez

que os seus planos de operao A, B e C no possuem desperdcio de recursos. J a
unidade D poderia produzir a mesma quantia (se mantendo na isoquanta I(y)), porm
utilizando menos do insumo X1. Assim a unidade D pode ser considerada eficiente segundo
Debreu-Farrell, por no comportar mais redues radiais, mas no eficiente segundo
Pareto-Koopmans.
Comumente diz-se que as unidades A, B e C so timos de Pareto e D uma

unidade Pareto dominada. Para se situar no conjunto eficiente, a unidade E precisa reduzir
radialmente seus insumos, de acordo com a definio Debreu-Farrell. J a unidade F,
reduzindo radialmente seus insumos alcana a eficincia Debreu-Farrell, mas no atende ao
conceito de eficincia Pareto-Koopmans, pois mesmo estando na isoquanta, ainda possui
excesso do insumo X1.
Verifica-se, ento, que a medida de eficincia Debreu-Farrell no contempla todas

as ineficincias presentes nos planos de operao. Entretanto a medida de Farrell foi de
extrema importncia para alavancar os estudos de eficincia e de estimao de fronteiras
de produo.
3.2 Tcnicas para o clculo da Eficincia

Segundo Lorenzett (2004), a eficincia de uma DMU pode ser obtida por meio de
dois tipos de abordagens: as paramtricas e as no-paramtricas. A abordagem param-
trica possui duas tcnicas para o clculo da eficincia: a tcnica de Mnimos Quadrados
48
Ordinrios Corrigidos (Corrected Ordinary Least Squares (COLS)) e a tcnica de Anlise

de Fronteira Estocstica (Stochastic Frontier Analysis (SFA)), que tm como objetivo
avaliar a eficincia tomando como base uma funo de produo especfica, relacionando
variveis independentes s variveis dependentes. De acordo com o autor, o grande pro-
blema destas tcnicas que elas apresentam como resultado uma funo produo mdia,
e no uma funo produo mxima, pois no contemplam os princpios tericos sobre
uma fronteira de produo.
Ao contrrio do que ocorre com as abordagens paramtricas, cujo objetivo configura-

se em otimizar um nico plano de regresso atravs dos dados, na abordagem no-
paramtrica cada observao individual otimizada com o objetivo de calcular uma fron-
teira discreta pedao a pedao, determinada pelo conjunto das DMUs Pareto eficientes.
Na verdade, tanto a abordagem paramtrica quanto a no-paramtrica utilizam toda a
informao contida nos dados. No entanto, a abordagem no-paramtrica otimiza a me-
dida de desempenho de cada DMU, em vez da descrio de uma DMU mdia. O foco da
abordagem no-paramtrica est nas observaes individuais, em contraste com o foco nas
mdias e estimaes de parmetros que esto associados com abordagens de uma nica
otimizao estatstica (CHARNES, 1994).
Assim como na abordagem paramtrica, a abordagem no-paramtrica possui duas

tcnicas para o clculo da eficincia: a tcnica de Anlise Envoltria de Dados (Data
Envelopment Analysis (DEA)) e a tcnica de Anlise Envoltria de Dados Estocstica
(Stochastic Data Envelopment Analysis (SDEA)), conforme sintetizado no Quadro 3.1.
Quadro 3.1 Tcnicas para o clculo da Eficincia
Modelo
Determinstico Estocstico
Abordagem
Paramtrica Mnimos Quadrados Ordinrios Anlise de Fronteira Estocstica
Corrigidos (COLS, Corrected (SFA, Stochastic Frontier Analysis)
Ordinary Least Squares)
No-Paramtrica Anlise Envoltria de Dados Anlise Envoltria de Dados
(DEA, Data Envelopment Estocstica (SDEA, Stochastic
Analysis) Data Envelopment Analysis)
O modelo determinstico no faz suposies sobre a distribuio das ineficincias.

Uma desvantagem deste modelo que ele no fornece estimativas de significncia dos pa-
rmetros analisados (GEVA-MAY, 2001). J o modelo estocstico baseado na premissa
de que os desvios da funo de produo so uma consequncia no apenas da ineficin-
cia, mas tambm dos resduos decorrentes de erros de mensurao e rudos estatsticos.
O objetivo do modelo estocstico, , por conseguinte, separar estes resduos em dois com-
ponentes: o resultado de uma ineficincia e um erro aleatrio. Na prtica isto envolve
49
assumir uma distribuio especfica para cada componente. Os mtodos estocsticos, por-
tanto, tm a vantagem da eficincia measurada incorporar os erros de medio. Mtodos
determinsticos, ao contrrio, assumem que qualquer desvio no produto observado, a par-
tir da fronteira de produo apenas uma consequncia da ineficincia (ONDRICH et.al.,
2001).
3.2.1 Anlise de Fronteira Estocstica

A tcnica de Anlise de Fronteira Estocstica (SFA), desenvolvida por Aigner et al.
(1977), impe uma forma funcional entre o conjunto das variveis explicativas (inputs)
e as variveis dependentes (outputs). Por ser um tcnica paramtrica, o que implica
na ocorrncia de erros estocsticos nos dados, o conjunto de resduos que atribuem s
observaes usadas na estimativa dos parmetros dependentes so decompostos em dois
componentes: o primeiro um componente no normal que reflete na eficincia, e o
segundo um componente normal anlogo aos resduos que so gerados por uma anlise
de regresso estatstica, conforme representado na Equao 3.3.
0
yi = + xi + i ti (3.3)
Nesta equao, yi denota a varivel dependente da unidade i avaliada, o termo

0
independente da funo de regresso, refere ao vetor de parmetros a ser estimado, xi
o vetor de insumos utilizados pela i-sima unidade produtora, i denota o rudo atribudo
a erros de medio pela i-sima unidade avaliada e normalmente distribudo, e ti um
segundo termo residual que destina a captar as diferenas das eficincias nas observaes
da i-sima unidade. Este ltimo termo adicionado ou subtrado aos outros termos se
uma funo de custo ou de produo est sendo estimada, respectivamente. A presena
de resduos permite que uma ferramenta de inferncia estatstica possa ser empregada, e
isto considerado como uma vantagem desta tcnica.
Com isso, a tcnica de SFA permite estimar a eficincia para cada unidade de
observao, que, combinados com a estimativa de parmetros, permite calcular o potencial
de economia de escala. Devido a esta caracterstica, esta tcnica tornou-se popular entre
os economistas da rea de educao. Assim, numerosas aplicaes da SFA na educao
podem ser encontradas na literatura (ABBOTT et. al., 2009; JOHNES, 2014; JOHNES,
et. al., 2008; JOHNES et. al., 2011; MCMILLAN et. al., 2006; STEVENS, 2005;
ZOGHBI, et. al., 2013).
50
3.2.2 Mnimos Quadrados Ordinrios Corrigidos

A tcnica de Mnimos Quadrados Ordinrios Corrigidos (COLS) foi inicialmente
proposta por Richmond (1974). Esta tcnica se processa em duas etapas.
Na primeira etapa, estima-se os parmetros para a funo de produo utilizando

a tcnica de otimizao matemtica denominada de Mnimos Quadrados Ordinrios (Or-
dinary Least Squares (OLS)). Esta tcnica procura encontrar o melhor ajustamento para
um conjunto de dados de forma a minimizar a soma dos quadrados das diferenas entre
a funo de regresso ajustada e os dados (chamados de resduos), conforme ilustra a
Figura 3.4.
Figura 3.4: Fronteira de Produo estimada pela tcnica OLS

Fonte: Ribeiro, 2009
Nesta figura, tem-se os valores observados das variveis representados pelos pontos
azuis e a reta de regresso em verde. Para cada valor real observado da varivel indepen-
dente (varivel X), h dois valores: o Y da varivel dependente previsto pela funo de
regresso e o Y, valor real observado das variveis. A diferena entre estas duas variveis
o valor residual, representado pelas retas vermelhas (distncias verticais de cada um
dos pontos em relao curva de regresso). Assim sendo, a tcnica OLS tem como pre-
missa, para a estimao da reta de regresso, a minimizao dos quadrados desses valores
residuais.
Na segunda etapa, a funo de regresso estimada pela tcnica OLS ajustada at

que todos os resduos (diferenas entre Y e Y) sejam positivos, exceto para as unidades
consideradas eficientes, as quais o resduo igual a zero. Assim, a funo de regresso
deslocada at o plano de produo da unidade que apresentar a maior produtividade
mdia dentro do grupo analisado, de tal forma que as observaes estejam abaixo ou sobre
a funo, com pelo menos uma observao pertencendo a ela. Esse ajuste da equao esti-
mada torna a fronteira (equao ajustada) determinstica, uma vez que toda projeo de
uma unidade qualquer fronteira encontrar apenas um nico ponto sobre ela, conforme
ilustra a Figura 3.5.
51
Figura 3.5: Fronteiras de Produo estimadas pelas tcnicas OLS e COLS

Fonte: Pessanha e Souza, 2003
Segundo Deutsch et. al. (2013), a tcnica COLS raramente tem sido usada para
analisar a eficincia na educao, no entanto, eles citam alguns autores que trabalharam
com esta tcnica para mensurar o desempenho em instituies de ensino, tais como:
BARBETTA et. al., 2003; DE WITTE, et. al, 2013; DOLTON, et. al., 2001; IZADI, et.
al., 2002.
3.2.3 Anlise Envoltria de Dados

Desde o final da dcada de setenta, a tcnica conhecida como Anlise Envoltria de
Dados (DEA) utilizada na avaliao da eficincia produtiva de unidades educacionais.
A prpria origem da DEA est em um trabalho voltado para a avaliao da eficincia
de programas escolares no Estado do Texas EUA (Charnes, Cooper e Rhodes, 1978).
Esta tcnica verifica se cada DMU opera de maneira eficiente ou no, relativamente a um
elenco especfico de recursos utilizados e de resultados obtidos, em comparao com as
DMUs consideradas similares por seus administradores, sem a necessidade de conhecer a
priori qualquer relao de importncia (pesos) entre as variveis consideradas.
A tcnica de Anlise Envoltria de Dados, uma abordagem no-paramtrica, sub-

dividida em duas tcnicas para o clculo da eficincia: uma determinstica, denominada de
Anlise Envoltria de Dados (DEA) e uma estocstica, denominada de Anlise Envoltria
de Dados Estocstica (SDEA). Esta ltima tem por objetivo acomodar as influncias de
52
variveis estocsticas na eficincia. O que a torna vantajosa em relao a DEA o fato

de a SDEA pressupor que nem todos os desvios da fronteira de produo so devidos a
ineficincia. Em essncia, a SDEA maximiza eficincia de cada DMU, atribuindo uma
funo de probabilidade para cada restrio a ser satisfeita (SARAFIDES, 2002).
Como resultado, tem-se diferentes ndices de eficincia para cada DMU, de acordo
com a probabilidade que atribuida nas restries. Assim, quanto maior a probabilidade
de uma restrio ser satisfeita para uma DMU, menor ser a distncia entre esta DMU
e a fronteira SDEA. Devido a rudo nos dados, algumas DMUs iro situar-se acima da
fronteira de produo, e portanto, elas podero ser caracterizadas como "super-eficientes".
A tcnica SDEA tem sido pouco utilizada no meio acadmico, pois o principal
problema desta tcnica a introduo do modelo probabilstico, o que pode tornar os
resultados muito sensveis devido a uma variao dos dados amostrais (SARAFIDES,
2002).
Assim como a tcnica SDEA, a DEA capaz de avaliar organizaes complexas

a partir da sua eficincia comparativa, na qual no seja e no se deseja converter todas
as variveis a uma unidade de medida, tendo em vista um nico aspecto, geralmente o
financeiro.
Organizaes complexas so aquelas que:
Utilizam insumos mltiplos e/ou produzem produtos/servios mltiplos;
Realizam a transformao de insumos em produtos com tecnologia desconhecida;
Cujos preos dos insumos ou produtos sejam de difcil mensurao (FAANHA et.
al., 2001).
Isto possibilita o uso desta tcnica no setor pblico, onde muitas vezes no possvel
realizar esta mensurao. A eficincia comparativa vem da utilizao de dados observados
das prprias DMUs avaliadas, e no de metas estabelecidas (FAANHA et. al., 2001).
A literatura apresenta dois modelos para o clculo da eficincia por meio da tcnica
DEA: o modelo CCR e o modelo BCC. A diferena entre esses dois modelos que o CCR
calcula a eficincia tcnica e o BCC calcula a eficincia econmica global.
Charnes, Cooper e Rhodes (1978) desenvolveram o primeiro modelo matemtico

para a tcnica DEA. O modelo CCR recebeu esse nome em homenagem aos seus autores,
porm ele tambm conhecido como modelo de retornos constantes a escala (CRS), isto
, qualquer variao nas entradas (inputs) produz uma variao proporcional nas sadas
(outputs).
53
Segundo Biondi Neto (2001), a caracterstica essencial do modelo CCR a reduo

de mltiplos produtos e mltiplos insumos, de cada DMU, para um nico produto virtual
e um nico insumo virtual. Para uma DMU, a razo entre esse produto virtual e o insumo
virtual fornece uma medida de eficincia, que denominada de funo dos multiplicadores.
Essa funo, que ser maximizada, forma a funo-objetivo para que a DMU Observada
(DMU O) seja avaliada.
A eficincia tcnica da DMU O ser obtida atravs de um PPNL (Problema de

Programao No-Linear), utilizando a frmula das Equaes 3.4 a 3.7.
Ps
uj yjo
M ax ho = Pj=1
r
(3.4)
i=1 vi xio
Sujeito a
Ps
j=1 uj yjk
Pr 1, k = 1, . . . , n (3.5)
i=1 vi xik
uj 0, j = 1, . . . , s (3.6)
vi 0, i = 1, . . . , r (3.7)
Onde:
ho : eficincia da DMU O (DMU Observada);
s: quantidade total de outputs;
r: quantidade total de inputs;
uj : peso referente ao output j;
yjo : quantidade de output j para a DMU O;
vi : peso referente ao input i;
xio : quantidade de input i para a DMU O;
yjk : quantidade de output j para a DMU k;
xik : quantidade de input i para a DMU k;
n: quantidade total de DMU.
Na soluo deste problema de otimizao, a eficincia da DMU O maximizada

sob a condio de que a eficincia de cada uma das unidades no exceda o valor 1. Assim,
uma DMU n ser considerada eficiente, sob o ponto de vista da DMU O, quando sua
medida de eficincia relativa (calculada com as taxas de substituio da DMU O) for igual
a 1, e considerada ineficiente quando esta medida for menor do que 1.
54
O modelo definido nas Equaes 3.4 a 3.7 caracteriza-se por um problema de pro-
gramao fracional, que pode ser transformado alterando a funo objetivo da Equao
3.4, na qual resulta em dois problemas de programao linear: um que minimiza o con-
sumo agregado, mantendo constante a produo agregada (orientao a input), e outro
que mantm constante o consumo agregado e busca maximizar a produo agregada (ori-
entao a output). Este ltimo formulado pelas Equaes 3.8 a 3.11.
r
X
M in ho = vi xio (3.8)
i=1
Sujeito a
s
X
uj yjo = 1 (3.9)
j=1
s
X r
X
uj yjk vi xik 0, k = 1, . . . , n (3.10)
j=1 i=1
uj 0, j = 1, . . . , s (3.11)
As formulaes das Equaes 3.8 a 3.11 so chamados problemas dos multiplica-

dores, pois os vetores uj e vi expressam as taxas de substituio entre recursos e entre
resultados que definem a fronteira de eficincia na qual a DMU O projetada. O conceito
de desempenho que est sendo mensurado em cada um destes vetores torna-se mais claro
quando se analisa seu respectivo problema dual, representado nas Equaes 3.12 a 3.15.
M ax ho (3.12)
Sujeito a
n
X
xio + xik k 0, i = 1, . . . , r (3.13)
k=1
n
X
ho yjo yjk k 0, j = 1, . . . , s (3.14)
k=1
<, k 0, k = 1, . . . , n (3.15)
A regio de viabilidade das Equaes 3.12 a 3.15 caracteriza o conjunto de pos-

sibilidades de produo associado ao vetor de consumo da DMU observada. A varivel
k representa o coeficiente dos planos de operao das entradas (xk ) e sadas (yk ) nas
combinaes lineares que definem a tecnologia de produo.
O valor timo para ho na Equao 3.12, representado por ho , a expanso mxima

possvel no vetor de resultados da DMU observada, mantendo-se constante o vetor de
55
recursos utilizados. Se ho =1, ento nenhuma expanso possvel e a DMU O dita

eficiente de acordo com o conjunto de possibilidades de produo. Se ho >1, ento a
DMU O dita ineficiente e seus resultados podem ser expandidos de yo para ho yo sem
acrscimo de recursos. O valor ho define o indicador da eficincia produtiva da DMU O,
orientado para o aumento da produo de resultados.
O modelo BCC foi desenvolvido em 1984 por Banker, Charnes e Cooper (1984) e
incorpora ao modelo CCR os conceitos de economia de escala. Dessa maneira, o modelo
BCC pode ser intitulado como o modelo de retornos variveis a escala (VRS), sejam eles
crescentes, decrescentes ou constantes. Este modelo prope comparar apenas DMUs que
operam em escala semelhante. Assim, a eficincia de uma DMU obtida dividindo-se sua
produtividade pela maior produtividade dentre as DMUs que apresentam o mesmo tipo
de retorno a escala, permitindo que a produtividade mxima varie em funo da escala
de produo.
O problema dual do Modelo BCC se diferencia do seu equivalente no Modelo

CCR pela adio da restrio nk=1 k = 1. Com essa restrio, o modelo no admite
P
que os planos de operao sejam expandidos ilimitadamente ou contrados at a origem,

caracterizando a hiptese de retornos variveis escala de operao.
Uma anlise dos problemas duais permite uma comparao entre os modelos CCR
e BCC. Esses problemas tm a mesma funo objetivo e distinguem-se por regies de
viabilidade distintas. A regio vivel do BCC mais restrita em funo da restrio
de convexidade imposta s combinaes dos planos de operao, e esta distino traduz
as diferentes hipteses de retornos escala de operao adotadas. Em consequncia, o
indicador da eficincia tcnica obtido com o Modelo BCC menor ou igual ao indicador
da eficincia tcnica obtido com o Modelo CCR, e a diferena entre eles est associada ao
tipo de retorno escala de produo da DMU sob anlise.
Segundo Almeida, et. al.(2006), existem trs tipos de retorno escala de produo:
(a) crescente; (b) constante; e (c) decrescente.
(a) No retorno crescente, o aumento no nmero de inputs ocasiona um aumento despro-

porcionalmente maior no nmero de outputs, o que ocorre quando uma DMU est
operando acima da capacidade tima;
(b) No retorno constante, o aumento do nmero de inputs ocasiona um aumento pro-

porcional nos outputs, o que ocorre quando uma DMU est operando na capacidade
tima;
(c) No retorno decrescente, o aumento do nmero de inputs ocasiona um aumento

desproporcionalmente menor no nmero de outputs, o que ocorre quando uma DMU
est operando abaixo da capacidade tima.
56
Retorno varivel escala significa que as DMUs podem apresentar qualquer um

destes trs tipos de retorno de escala.
3.2.3.1 Objetivos da DEA
Os principais objetivos da tcnica DEA, podem ser resumidos, conforme Gomes

(2001):
Comparar um certo nmero de DMUs que realizam tarefas similares e se diferenciam

nas quantidades de inputs que consomem e de outputs que produzem;
Determinar a eficincia relativa das DMUs, contemplando cada uma, relativamente

a todas as outras que compem o grupo a ser estudado. Assim, sob determina-
das condies, DEA pode ser usada como uma ferramenta multicritrio de apoio
deciso;
Subsidiar estratgias de produo que maximizam a eficincia das DMUs avaliadas,

corrigindo as ineficientes atravs da determinao de alvos;
Estabelecer taxas de substituio entre as entradas, entre as sadas e entre entradas

e sadas, permitindo a tomada de decises gerenciais;
Considerar a possibilidade de um outlier 7 no representar apenas desvio em relao

ao comportamento mdio, mas um possvel benchmark 8 a ser analisado pelas de-
mais DMUs. Os outliers podem representar as melhores prticas dentro do universo
investigado.
Com relao s limitaes da tcnica DEA, Azambuja (2002) apresenta algumas

limitaes:
1. Pode ocorrer erros de medio nos valores das variveis, e com isso, comprometer o
resultado, devido a tcnica ser determinstica;
2. A incluso de uma nova DMU no grupo analisado influencia o resultado, podendo

reduzir os ndices de eficincia j estabilizados;
7
outlier (fora de srie): Algo que est afastado ou classificado diferente de um corpo principal.
Observao estatstica cujo valor na amostragem marcadamente diferente dos demais (GLADWELL,
2008).
8
benchmark (referncia): definido como "o processo contnuo de medir produtos, servios e prticas
contra os concorrentes mais difceis ou as empresas reconhecidas como lderes em um determinado se-
tor"(CAMP, 1989). Costa (2006) exorta a importncia desta concepo como um conjunto de indicadores
que efetivamente apoia as empresas na criao de medidas de melhoria.
57
3. Os resultados obtidos com a DEA so enviesados9 com a incluso ou excluso de

insumos e de produtos;
4. A relao entre a habilidade de discriminao das DMUs e o aumento do nmero

de variveis no modelo inversamente proporcional, tendo em vista o aumento das
relaes dimensionais entre produtos, insumos e DMUs na formao da fronteira de
produo. Quando h muitas variveis no modelo, sejam elas insumos ou produtos,
a tendncia que se tenha muitas DMUs sobre a fronteira;
5. A adio de uma DMU extra no pode resultar em aumento da eficincia tcnica

das DMUs. Todavia, pode resultar em aumento da ineficincia;
6. A DEA faz uso de programao linear para cada DMU, em virtude disso, problemas
extensos podem exigir um tempo computacional elevado.
Adicionalmente, Badin (1997) afirma que a DEA possui como limitao a quan-
tidade de DMUs analisadas, o que exige que o nmero de DMUs seja, no mnimo, igual
ao dobro do nmero de insumos e produtos considerados para que o modelo apresente
resultados consistentes.
3.3 DEA com Variveis No-Discricionrias

Variveis no-discricionrias, ou variveis contextuais, so aquelas que no esto
sujeitas ao controle de gesto, mas que precisam ser consideradas na obteno do ndice
de eficincia, por interferirem significativamente neste ndice, e por consequncia, no de-
sempenho acadmico. Uma das principais e mais polmicas concluses do relatrio de
Coleman (1966) era que os recursos educacionais explicavam apenas 10% da eficincia
acadmica, enquanto que 90% dessa eficincia dependia das variveis econmicas e do
ambiente familiar em que os alunos estavam inseridos. O principal foco na literatura
sobre eficincia educacional tem sido estudar, atravs de diferentes abordagens metodol-
gicas, a influncia das variveis econmicas estruturais, institucionais e socioeconmicos
no desempenho acadmico (WORTHINGTON, 2001).
Assim como acontece com as variveis discricionrias, pode-se identificar diferentes

categorias de variveis no-discricionrias no ambientes familiar, institucional e comuni-
trio no qual o estudante est inserido. Mesmo que no-discricionrias, importante
ressaltar que tais variveis podem refletir na medida de eficincia.
9
A eficincia observada sempre maior do que a eficincia real. Isso ocorre porque existe a tendncia de
selecionar determinadas variveis em detrimento de outras. Normalmente obtm-se resultados enviesados
quando existe a interveno do fator humano.
58
Algebricamente, representa-se a seguinte formulao modificada do modelo CCR

orientado a output, referentes as equaes 3.12 a 3.15, incluindo o conjunto de variveis
no-discricionrias.
r
Si + So+ )
X X
M ax ho + ( (3.16)
i=1 rD
Sujeito a
r
xik k + Si
X
xio = (3.17)
i=1
s
yjk k So+ ,
X
yjo = o ND (3.18)
j=1
s
yjk k So+ ,
X
ho yjo = rD (3.19)
j=1
k 0, k = 1, . . . , n (3.20)
Os smbolos D e ND referem-se aos conjuntos de insumos "discricionrios"e "no-

discricionrios", respectivamente. Nota-se que a varivel ho no aplicada na restrio
3.18, isso porque esta exogenamente10 fixa e, por conseguinte, no possvel vari-la
ao critrio do gestor. Isto reconhecido por introduzir todas variveis pelo valor fixo
(observado).
Na funo objetivo 3.16, o smbolo > 0 mensura as variveis de folga (Si ,

relacionada a cada input i e So+ , relacionada a quantidade de total output) que sero
tratadas em uma segunda fase, de forma que no perturbe a maximizao de ho em
atingir um valor timo ho . Nota-se tambm que a varivel de folga So+ , o N D
omitida da funo objetivo. Assim, os insumos no-discricionrios no entram diretamente
nas medidas de eficincia que esto sendo otimizadas, no entanto, eles podem afetar no
clculo da eficincia em virtude da presena nas restries.
A fim de esclarecer melhor a maneira em que as variveis no-discricionrias afetam

na eficincia, tem-se o seguinte modelo multiplicador, derivado das Equaes 3.16 a 3.20:
r
X X
M in vi xio vi xio (3.21)
i=1 iN D
Sujeito a
s
X X X
uj yjk vi xik vi xik 0, i = 1, . . . , r (3.22)
j=1 iN D iD
10
exogenamente: Aquilo que de origem externa. Produzido por fatores externos a um objeto, processo
ou fenmeno (Dicionrio Aurlio).
59
X
uj yjk = 1, j = 1, . . . , s (3.23)
iD
vi , iD (3.24)
vi 0, i ND (3.25)
uj , j = 1, . . . , s (3.26)
k = 1, . . . , n (3.27)
Neste modelo, as variveis de entrada no-discricionrias entram na funo obje-

tivo 3.21. Os multiplicadores associados as entradas no-discricionrias podem ser zero,
conforme a restrio 3.25, mas as demais variveis devem ser sempre positivas, de acordo
com as restries 3.24 e 3.26. As interpretaes agora fornecem o que chamado de "prin-
cpio da frouxido complementar"da programao linear. Por este princpio, se a restrio
3.23 estritamente satisfeita para um valor timo de uj , ento vi = 0 est associado
a esta restrio e o valor de xio = 0 no afeta a avaliao da eficincia na funo 3.21.
Por outro lado, se vi > 0 para qualquer i N D, a eficincia da funo objetivo 3.21
reduzida pelo multiplicador de xio para a DMU observada.
Isso decorre do teorema dual da programao linear:
r r
ho + ( Si + So+ ) = vi xio vi xio
X X X X
(3.28)
i=1 rD i=1 iN D
Na relao a cima, um aumento no valor de xio , i N D decorre de uma diminui-

o da expresso esquerda da igualdade, resultando em um aumento da eficincia sob
uma restrio de um conjunto de variveis no-discricionrias.
3.4 DEA com Variveis Limitantes

Em muitas aplicaes da vida real no possvel alcanar determinados planos de
produo, uma vez que algumas variveis de entrada e/ou de sada so delimitadas. De
acordo com Podinovski (2004), o modelo CCR exige a presuno de proporcionalidade
entre todas as entradas e sadas. Isso torna possvel alcanar uma DMU vivel no conjunto
de produo. Portanto, algumas variveis de entrada e/ou de sada podem assumir valores
limitados especficos.
Como exemplo de uma aplicao que utiliza DEA com variveis limitantes, pode-se
citar o trabalho desenvolvido por Kazemi et. al., 2009. Neste trabalho, os autores mensu-
raram o desempenho de 42 departamentos acadmicos de uma universidade iraniana, no
qual uma das variveis de sada assume valores inteiros entre 1 e 4. Caso os autores utili-
60
zassem o modelo de eficincia tcnica proposto por Debreu-Farrell (1957) para mensurar
o desempenho destes departamentos, eles poderiam ter encontrado como resultado um
aumento do nvel desta varivel de sada para um nmero inteiro maior do que 4, o que
sem sentido. Assim, para contornar este problema, foi necessrio impor certos limites no
conjunto de possibilidades de produo.
A fim de lidar com situaes nas quais so impostas um limite superior e inferior
para as variveis de sada, h a necessidade de relaxar a restrio controlvel 3.20 em uma
restrio com limites superiores e inferiores:
s
loDy k yjk uDy
X
o , k = 1, . . . , n (3.29)
j=1
onde loDy e uD
o so os vetores dos limites inferior e superior para as sadas discricionrias
y
da DMU observada. Assim, tem-se o modelo CCR orientado a output, incluindo o conjunto
de variveis discricionrias delimitantes:
M ax ho (3.30)
Sujeito a
r
X
xio + k xik 0, iD (3.31)
i=1
s
X
ho yjo k yjk 0, jD (3.32)
j=1
s
loDy k yjk uDy
X
o (3.33)
j=1
k 0, k = 1, . . . , n (3.34)
3.5 DEA com Variveis Flexveis

Na Anlise Envoltria de Dados convencional, presume-se que as variveis de en-
trada e sada sejam conhecidas. No entanto, em algumas situaes, certas medidas de
desempenho podem ser consideradas tanto como variveis de entrada quanto como va-
riveis de sada. Nestas situaes, essas medidas de desempenho so denominadas de
variveis flexveis (AMIRTEIMOORI, et. al., 2013).
Como exemplo de uma varivel flexvel, pode-se citar o problema relacionado a

alocao de fundos por parte de agncias financiadoras no Canad (NSERC - Natural
Sciences and Engineering Research Council of Canada) e nos Estados Unidos (NSF -
61
National Science Foundation) aos pesquisadores das universidades destes pases, descrito
por Beasley (1995). Neste estudo, o autor relata que o nmero de alunos de graduao
pode desempenhar tanto o papel de uma varivel de entrada (recursos disponveis para
cada membro do corpo docente, refletindo na produtividade do mesmo), quanto de uma
varivel de sada (nmero de alunos graduados, um benefcio resultante da pesquisa).
No caso da agncia financiadora, a deciso sobre se o nmero de estudantes deve

ser considerado como uma varivel de entrada ou de sada pode ter consequncias nos
fundos recebidos pela instituio de ensino. Por isso, do interesse da agncia usar o
mais justo e o menos controverso mtodo para avaliar a eficincia das pesquisas realizadas
pelas universidades e dos investimentos alocados nas mesmas.
A fim de solucionar problemas que contm variveis flexveis, como exemplificado

por Beasley (1995), Cook e Zhu (2007) alteraram o modelo de retorno constante de es-
cala padro, conforme descrito nas Equaes 3.8 a 3.12, e introduziram o Problema de
Programao Linear Inteira Mista (PPLIM).
Este problema consiste em supor que existam L variveis flexveis, as quais deseja-
se saber se as mesmas sero classificadas como variveis de entrada ou de sada, otimizando
a eficincia de cada DM Uk (k = 1, ..., n) analisada. Denota-se o peso assumido por
cada DM Uk como wlk , (l = 1, ..., L). Para cada medida l, introduzido um ndice
binrio dl {0, 1}, onde dl = 1 indica que a varivel flexvel wlo de sada, e dl = 0
indica que a varivel flexvel wlo de entrada.
Assim, a eficincia tcnica da DMU observada ser obtida atravs do seguinte

modelo CCR:
r
X L
X
M in vi xio + (1 dl )l wlo (3.35)
i=1 l=1
Sujeito a
s
X L
X
uj yjk + dl l wlo = 1, k = 1, . . . , n (3.36)
j=1 l=1
s
X L
X r
X L
X
uj yjk + 2 dl l wlo vi xik l wlo 0 (3.37)
j=1 l=1 i=1 l=1
dl {0, 1}, l = 1, . . . , L (3.38)
uj , vi , l 0, i, j, l (3.39)
A funo de otimizao 3.35 permite que cada DMU escolha qual o melhor valor
de dl , (0 ou 1), para designar uma varivel como entrada ou sada, respectivamente. O
problema a cima pode ser linearizado por meio da substituio da expresso dl l por l ,
62
onde: l = dl l , e, para cada varivel flexvel wlo , impor as restries:
0 l M dl (3.40)
l l l + M (1 dl ) (3.41)
em que M um nmero grande e positivo.
Estas restries lineares inteiras capturam a expresso no-linear l = dl l , sem

realmente ter que especific-la diretamente no modelo de otimizao. Note que se dl = 1,
ento l = l , e se dl = 0, ento l = 0. Assim, tem-se o seguinte Problema de
Programao Linear Inteira Mista (PPLIM):
r
X L
X L
X
M in vi xio + l wlo l wlo (3.42)
i=1 l=1 l=1
Sujeito a
s
X L
X
uj yjo l wlo = 1 (3.43)
j=1 l=1
s
X L
X r
X L
X
uj yjk + 2 l wlj vi xik l wlj 0, k = 1, . . . , n (3.44)
j=1 l=1 i=1 l=1
0 l M dl (3.45)
l l l + M (1 dl ) (3.46)
dl {0, 1} (3.47)
uj , vi , l , l 0, i, j, l (3.48)
O principal problema deste modelo a existncia de solues timas compartilha-

das nas quais no simples reconhec-las. Isso acontece quando uma DMU no deixa de
ser eficiente se uma determinada varivel flexvel for classificada tanto como uma varivel
de entrada quanto como uma varivel de sada. Para contornar este problema, Toloo
(2009) ajustou o modelo proposto por Cook e Zhu (2007) a fim de acomodar as variveis
flexveis de modo que elas no sejam compartilhadas simultaneamente. Para isso, Toloo
(2009) utilizou-se de equaes duais do modelo CCR orientado a output:
M ax ho (3.49)
Sujeito a
r
X
xio + xik k 0, k = 1, . . . , n (3.50)
i=1
63
s
X
ho yjo + yjk k 0, k = 1, . . . , n (3.51)
j=1
n
X
wlk k wlo + M dl , l = 1, . . . , L (3.52)
k=1
n
X
wlk k wlo + M (1 dl ), l = 1, . . . , L (3.53)
k=1
dl {0, 1} l (3.54)
k 0, k = 1, . . . , n (3.55)
O modelo a cima garante que apenas uma das duas restries (3.52 ou 3.53) deve
estar ativa ao mesmo tempo. Se dl = 0, a restrio 3.52 ativada e a restrio 3.53
torna-se redundante; caso contrrio, se dl = 1, a restrio 3.53 fica ativa e a restrio
3.52 passa a ficar redundante. Em outras palavras, o valor assumido pela varivel dl (0
ou 1) vai acabar com uma sada, dl = 0, ou com uma entrada, dl = 1.
A fim de incluir apenas variveis no-discricionrias no modelo anterior, Toloo

e Barat (2015) propuseram a aplicao de um novo modelo de otimizao em que as
entradas, as sadas e as variveis flexveis possam modificar a forma envoltria original do
modelo CCR. A ideia aumentar radialmente os nveis de sadas ao mximo, enquanto as
entradas permanecem invariveis. Assim, as variveis flexveis passam a ser consideradas
como no-discricionrias. Com isso, o modelo de programao matemtica estabelecido:
M ax ho (3.56)
Sujeito a
r
X
xio + k xik 0, k = 1, . . . , n (3.57)
i=1
s
X
ho yjo + k yjk 0, k = 1, . . . , n (3.58)
j=1
n
X
k wlk wlo + M dl , l = 1, . . . , L (3.59)
k=1
n
X
k wlk wlo + M (1 dl ), l = 1, . . . , L (3.60)
k=1
dl {0, 1} l = 1, . . . , L (3.61)
k 0, k = 1, . . . , n (3.62)
Este modelo tem certas propriedades que o torna interessante:

64
1. Ele sempre vivel, devido presena da varivel binria assumir um valor arbitrrio
(0 ou 1) e M ser um nmero suficientemente grande. Assim, ho uma possvel
soluo do modelo, de modo que se ho = 1, ento (1 , ..., k ) = (1, ..., 1);
2. Ele garante que o valor da eficincia da DMU observada estar sempre entre zero e
um (0 hk 1), devido suposio de que as entradas e as sadas sero sempre
no-negativas. A restrio 3.58 fora k ser diferente de zero quando yjk > 0 e
yjo 6= 0. Assim, ho tem que ser sempre positivo, j que a soma das sadas no
podem ser negativas;
3. Ele invariante a dupla funo (de entrada ou de sada) que uma varivel flex-
vel pode assumir, pois o status de um fator de dupla funo pode ser facilmente
determinado resolvendo apenas N modelos para uma nica abordagem agregada,
ao invs de resolver os 2N modelos durante a abordagem individual proposta por
Cook e Zhu (2007). Ou seja, este modelo garante que a soluo tima encontrada
sem a necessidade de comparar separadamente as eficincias de modelos quando as
variveis flexveis so classificadas primeiramente como entrada e depois como sada.
65
4 METODOLOGIA
4.1 Descrio da Pesquisa
Esta pesquisa de natureza aplicada, pois o interesse que os resultados deste
estudo sejam utilizados na soluo de problemas que ocorrem na realidade. O objetivo
desta pesquisa descritivo, o qual visa descrever as caractersticas das variveis relacio-
nadas ao corpo discente e ao corpo docente dos cursos de graduao em Engenharia de
Produo e estabelecer relaes entre as variveis estudadas.
Quanto a forma de abordar o problema, esta pesquisa quantitativa, o que sig-

nifica traduzir em nmeros informaes referentes a estas variveis para classific-las e
analis-las. E quanto ao mtodo, este estudo utilizar o experimento, pois pretende-se
analisar qual o impacto das variveis acadmicas na nota Enade referentes aos cursos
de graduao em Engenharia de Produo das instituies pblicas de ensino superior e,
atravs desta anlise, priorizar as possveis variveis que influenciam no desempenho de
que cada curso neste exame.
Para atingir estes propsitos, foram utilizados os resultados do Enade e os dados

do Censo da Educao Superior, descritos no prximo item.
4.2 Coleta de Dados

Nesta fase foram levantadas as informaes necessrias para atender ao problema
estabelecido no item anterior. Estas informaes foram coletadas da Base de Dados
do resultado do Enade e do Censo da Educao Superior, ambos relativos aos anos
em que foram aplicados o referido exame: 2008, 2011 e 2014 (disponveis em: http:
//portal.inep.gov.br/basica-levantamentos-acessar). Muitas informaes que po-
deriam impactar nos resultados deste trabalho no foram includas, por serem desconhe-
cidas ou pela dificuldade de obteno. No entanto, foi possvel selecionar os dados que
melhor atendem ao problema proposto.
Primeiramente, com o conjunto de dados do resultado do Enade e do Censo da

Educao Superior, fez-se uma classificao de quais variveis seriam consideradas como
no-discricionrias.
Assim, as variveis, obtidas atravs do resultado do Enade e comum nos trs anos,
66
foram:
1. Proporo Mestres: Proporo de Docentes que ministram aulas para o curso de

Engenharia de Produo, cuja titulao seja maior ou igual a de Mestre;
2. Proporo Doutores: Proporo de Docentes que ministram aulas para o curso de

Engenharia de Produo, cuja titulao seja maior ou igual a de Doutor;
3. Regime Integral: Proporo de Docentes que ministram aulas para o curso de En-
genharia de Produo e trabalham em regime de dedicao exclusiva;
4. Nota Enade: Corresponde nota bruta de cada curso de graduao em Engenharia

de Produo que participou do exame.
Logo em seguida, coletou-se dados referentes s caractersticas do corpo discente

de cada IES, os quais foram obtidos atravs da Base de Dados do Censo da Educao
Superior, cujas variveis no-discricionrias so descritas abaixo:
1. Ingressantes: Corresponde ao nmero total de alunos que ingressaram no curso em

um determinado ano;
2. Concluintes: Corresponde ao nmero total de alunos aptos a concluir o curso em

um determinado ano;
3. Aluno Equivalente 11 : Corresponde ao nmero de Alunos Equivalente da Graduao

(AEG), que calculado pela seguinte frmula:
AEG = ((N C DP C) (1 + F R) + (( N IN
4
C
) DP C) P GC)
Onde:
NC: Nmero de Concluintes do curso em um determinado ano;
DPC: Durao Padro do Curso, que de 5 anos para o curso de Engenharia de
Produo;
NI: Nmero de Ingressantes do curso em um determinado ano;
12
FR: Fator de Reteno, que de acordo com metodologia da SESu , 0.082 para
o curso de graduao em Engenharia de Produo;
11
Aluno Equivalente, segundo o Ministrio da Educao (2006), um indicador determina o total de
alunos matriculados em determinada IES com base em uma frmula matemtica que equipara os alunos
de cursos diferenciados. Assim, pode-se comparar o total de alunos de todos os cursos e de todas as IES
em estudo.
12
SESu (Secretaria de Educao Superior): Unidade do Ministrio da Educao responsvel por pla-
nejar, orientar, coordenar e supervisionar o processo de formulao e implementao polticas para o
Ensino Superior.
67
PGC: Peso do Grupo em que se insere o Curso, que acordo com metodologia da
SESu 2.0 para o curso de Graduao em Engenharia de Produo;
4. Aluno Tempo Integral 13 : Corresponde ao nmero de alunos da graduao em

Tempo Integral (AGTI), que calculado pela seguinte frmula:
AGT I = ((N C DP C) (1 + F R) + (( N IN
4
C
) DP C))
Onde:
NC: Nmero de Concluintes do curso em um determinado ano;
DPC: Durao Padro do Curso, que de 5 anos para a Engenharia de Produo;
FR: Fator de Reteno, que de acordo com metodologia da SESu, 0.082 para o
curso de Graduao em Engenharia de Produo;
NI: Nmero de Ingressantes do curso em um determinado ano.
5. Bolsas: Informa o nmero total de alunos que recebeu bolsa ou remunerao pelas
atividades de formao complementar de estgio, extenso, monitoria e pesquisa.
Neste estudo no utilizou-se variveis relativas a pesquisa (produo cientfica,

publicao em peridicos, alunos na ps-graduao...), pois as atividades de ensino se
refere, alm do ensino em sala de aula, a tutoria de estudantes, a reviso de contedos
bibliogrficos e a orientao de trabalhos. Estas atividades so atribudas a graduao,
e as mesmas no contribuem muito para as atividades de pesquisa. Por outro lado,
trabalhando com estudantes em atividades de ensino, existe a oportunidade de identificar
nos mesmos potenciais pesquisadores. Expor idias para os alunos geralmente uma
atividade desafiadora, que contribui para a atividade de pesquisa (BONACCORSI et. al.,
2006).
4.3 Tratamento dos Dados

Antes de aplicar a tcnica de eficincia ao problema proposto, h a necessidade
de verificar a integridade dos dados, ou seja, se os mesmos no sofreram modificaes,
tais como: erros de processamento e incremento de informaes incorretas e/ou incom-
pletas, o que pode comprometer na anlise dos resultados. Assim, realizou-se um pr-
processamento dos dados referentes aos cursos de graduao em Engenharia de Produo,
conforme descrito abaixo:
13
Aluno Tempo Integral: Aluno ativo, cursando no mnimo, 24 crditos (ou 360 horas/aula) por
semestre.
68
1. Remoo dos cursos cuja nota Enade SC (Sem Conceito), pois representam os
cursos que ainda no possuem alunos a serem formados ou que apenas um ou nenhum
aluno prestes a concluir o curso participou do exame. Do total cursos, em 2008
nenhum era SC, em 2011 49 eram SC e em 2014, 7 eram SC;
2. Remoo dos cursos com nfase (Engenharia de Produo Mecnica, Engenharia

de Produo Eltrica, Engenharia de Produo Civil...), pois os mesmos possuem
grade curricular distintas, o que dificulta na comparao de informaes referentes
ao corpo discente. Do total cursos, em 2008 65 eram com nfase, em 2011 43 eram
com nfase, e em 2014, 135 eram cursos com nfase;
3. Remoo das IES que no so universidades (Centros Universitrios, Escolas, Facul-

dades...), pois a produtividade no ensino superior tem um carter multidimensional
no que se refere a produo e disseminao de conhecimento, atravs de suas diversas
atividades de ensino, pesquisa e extenso (DUNDAR et. al., 1998). Alm do mais,
de acordo com a Constituio Federal de 1988, artigo 207: As universidades gozam
de autonomia didtico-cientfica, administrativa, patrimonial e de gesto financeira,
obedecendo ao princpio de indissociabilidade entre ensino, pesquisa e extenso. Do
total das IES, em 2008 50 no eram universidades, em 2011 92 no eram universi-
dades, e em 2014, 231 Instituies de Ensino Superior no eram universidades;
4. Remoo dos cursos pertencentes a instituies privadas de ensino superior, pois

estas instituies geralmente so com fins lucrativos e seguem a demanda de mercado
(DUENHAS, 2013). O mesmo no acontece com as instituies pblicas de ensino
superior, as quais no visam lucro, no esto sujeitas presso da concorrncia
elevada e trabalham subordinadas ao mesmo conjunto de regras e regulamentos.
Do total cursos, em 2008 93 cursos pertenciam a instituies privadas de ensino
superior, em 2011 155 cursos pertenciam a instituies privadas de ensino superior,
e em 2014, 312 cursos pertenciam a instituies privadas de ensino superior;
5. Remoo dos cursos que no possuem alunos ingressantes e/ou concluintes, por
interferirem diretamente no clculo das variveis Aluno Equivalente e Aluno Tempo
Integral. Do total cursos, em 2008 16 cursos no possuam alunos ingressantes e/ou
concluintes, em 2011 33 cursos no possuam alunos ingressantes e/ou concluintes,
e em 2014, 150 cursos no possuam alunos ingressantes e/ou concluintes.
Cabe destacar tambm que nesta etapa houve a identificao dos cursos considera-
dos como outliers e a excluso dos mesmos. O tratamento dos outliers um aspecto que
merece importncia, pois a tendncia que as unidades mais distantes da mdia dominem
as demais unidades e, consequentemente, aquelas sejam classificadas como eficientes. Os
69
outliers devem ser eliminados se percebido que os mesmos no representam uma tecno-
logia factvel. Do total de cursos, em 2008 12 foram considerados outliers, em 2011 22
foram considerados outliers e em 2014 40 cursos foram considerados outliers.
Depois que os dados referentes a esta pesquisa passaram por este pr-processamento,
de 129, 215 e 464 cursos referentes aos respectivos anos de 2008, 2011 e 2014, restaram
19, 34 e 44 cursos de graduao em Engenharia de Produo para serem analisados em
2008, 2011 e 2014, respectivamente.
4.4 Escolha da Tcnica de Eficincia

Dentre as trs tcnicas para o clculo da eficincia (COLS, DEA e SFA), a que
mais se aplica a este estudo a tcnica DEA, pois o principal objetivo desta pesquisa
avaliar a funo desempenhada pelas variveis divulgadas pelo Enade e pelo Censo da
Educao Superior na nota Enade. Alm do mais, o problema desta pesquisa possui
variveis flexveis no-discricionrias e limitantes, o qual melhor solucionado atravs da
tcnica DEA.
O modelo utilizado neste estudo foi o DEA-CCR com orientao a output, pois
no se considerou a diferena de porte das universidades, j que esta diferena tem uma
influncia direta sobre o tamanho do subsdio oramentrio repassado pelo Estado, e
devido a este motivo, este estudo no utilizou variveis monetrias. Alm do mais, est
sendo analisado apenas os cursos de graduao em Engenharia de Produo, e o nmero
de cursos pertencentes a universidades pblicas pesquisadas pequeno para utilizar um
modelo com retorno varivel a escala (DEA-BCC).
Assim, a formulao do modelo utilizado neste estudo, DEA-CCR com variveis

flexveis, no-discricionrias e limitantes orientado a output, descrito pelas Equaes 4.1
a 4.8:
M ax ho (4.1)
Sujeito a
s
X
ho yjo k yjk 0, k = 1, . . . , n (4.2)
j=1
n
X
k wlk wol + M dl , l = 1, . . . , L (4.3)
k=1
n
X
k wlk wol + M (1 dl ), l = 1, . . . , L (4.4)
k=1
70
k
loDy k yjk uDy
X
o (4.5)
n=1
L
X
1 dl L 1 (4.6)
l=1
dl {0, 1} l = 1, . . . , L (4.7)
k 0, k = 1, . . . , n (4.8)
4.5 Aplicao da Tcnica DEA

Esta tcnica foi implementada conforme o modelo descrito nas Equaes 4.1 a 4.8,
utilizando o software Matlab verso 2014.
Cada DMU representou um curso de graduao em Engenharia de Produo per-

tencente uma universidade pblica. No entanto, uma mesma universidade pode possuir
mais de um curso de graduao em Engenharia de Produo. Neste caso, cada curso foi
considerado como uma DMU diferente. Alm do mais, nesta pesquisa ocorreu casos em
que algumas DMUs no estavam presentes em um determinado ano, por serem removi-
das na fase de tratamento dos dados, ou por representarem cursos novos, os quais no
participaram do exame em suas fases anteriores, ou por no possurem informaes de
determinado ano divulgadas pelo Inep.
As seguintes variveis foram utilizadas como variveis flexveis:
1. Proporo Mestres;
2. Proporo Doutores;
3. Regime Integral;
4. Aluno Tempo Integral;
5. Aluno Equivalente;
6. Ingressantes;
7. Concluintes;
8. Bolsas.
Todas as variveis flexveis foram classificadas como variveis no-discricionrias,

pois as mesmas no estavam sujeitas ao controle do gestor desta pesquisa. A varivel
Nota Enade, alm de ter sido utilizada como uma varivel de sada, foi categorizada como
71
uma varivel limitante, ou seja, o valor mnimo que a mesma pode assumir 0 e o valor
mximo 5 (loDy = 0 e uDo
y
= 5).
No utilizou-se nenhuma varivel como entrada, pois os objetivos deste estudo so,
alm de analisar impacto das variveis flexveis na nota Enade, descobrir quais destas
sero classificadas como entrada (input) ou sada (output) para cada curso analisado. No
entanto, o modelo proposto garante que pelo menos uma varivel flexvel seja classificada
como input para cada DMU avaliada, obedecendo a restrio definida pela Equao 4.2.
Assim sendo, esta pesquisa foi realizada em duas etapas. Na primeira etapa, o
modelo definido pelas Equaes 4.1 a 4.8 foi executado separadamente para os trs anos
(2008, 2011 e 2014: Dados disponveis nos Anexos A, B e C, onde cada DMU foi identi-
ficada por um nmero seguido do ano em que a mesma participou do Enade), a fim de
verificar se houve as seguintes dedues para cada varivel analisada:
1. Indicativo de excesso: A varivel no modelo classificada como uma varivel de

entrada (input) e o valor de dl assumido pela mesma zero, sendo um indicativo de
que esta varivel no deveria ser priorizada para melhorar o desempenho da DMU
analisada.
2. Indicativo de falta: A varivel no modelo classificada como uma varivel de

sada (output) e o valor de dl assumido pela mesma um, sendo um indicativo
de que esta varivel deveria ser priorizada para melhorar o desempenho da DMU
analisada.
Na segunda etapa, os resultados encontrados na primeira etapa foram agrupados

e examinados apenas para os cursos que participaram em pelo menos dois dos trs anos
em que o Enade foi aplicado. Essa anlise foi feita para verificar se uma determinada
varivel mudou de estado, ou seja, passou de um indicativo de excesso (dl = 0) para um
indicativo de falta (dl = 1), ou vice-versa, e se a mesma deve ser priorizada para cada
DMU sob anlise.
72
5 RESULTADOS
Na Tabela 5.1 tem-se os valores de dl assumidos por cada varivel flexvel, encon-
trados atravs da aplicao do modelo descrito nas Equaes 4.1 a 4.8 para o ano de 2008,
utilizando os dados disponveis no ANEXO A.
Tabela 5.1 Resultados para o ano de 2008
DMU Proporo Proporo Regime Aluno Aluno Ingressantes Concluintes Bolsas
Mestres Doutores Integral Tempo Equivalente
Integral
1(2008) 1 1 1 1 1 1 0 1
2(2008) 1 1 1 1 1 0 1 1
3(2008) 1 1 1 1 1 1 0 1
4(2008) 1 1 1 0 0 0 1 1
5(2008) 1 1 1 0 0 0 1 0
6(2008) 1 1 1 1 1 0 1 0
7(2008) 1 1 1 1 1 1 0 1
8(2008) 1 1 1 1 1 1 0 1
9(2008) 1 1 1 0 0 0 1 0
10(2008) 1 1 1 0 0 0 1 0
11(2008) 1 1 1 1 1 1 0 1
12(2008) 1 1 1 0 0 0 1 1
13(2008) 1 1 1 0 0 0 0 0
14(2008) 1 1 1 1 1 1 0 1
15(2008) 1 1 1 0 0 0 0 0
16(2008) 1 1 1 1 1 1 0 1
17(2008) 1 1 1 1 1 1 1 0
18(2008) 1 1 1 1 1 1 0 1
19(2008) 1 1 1 0 0 0 1 1
A partir dos valores de dl das variveis da Tabela 5.1, possvel analisar cada DMU
a fim de que a mesma possa atingir a nota mxima no Enade. Como exemplo, selecionou-
se a DMU 12(2008), que poderia ser qualquer uma dentro do conjunto das 19 DMUs da
Tabela 5.1. Para esta DMU, as variveis Proporo Mestres, Proporo Doutores, Regime
Integral, Concluintes e Bolsas foram classificadas como variveis de sada (dl = 1), o que
73
um indicativo de que estas variveis deveriam ter sido consideradas prioritrias para que a
DMU 12 obtivesse nota mxima neste exame no ano de 2008. J as variveis Aluno Tempo
Integral, Aluno Equivalente e Ingressantes foram classificadas, para esta mesma DMU,
como variveis de entrada (dl = 0), sendo um indcio de que estas variveis aparentavam
excesso e no precisavam ter sido priorizadas para a DMU 12 atingisse a nota mxima no
Enade em 2008.
Esta mesma anlise poderia ser feita para as demais DMUs, no entanto, o foco
desta pesquisa observar, atravs dos valores de dl , a possvel influncia de cada varivel
na nota Enade dos cursos de graduao em Engenharia de Produo das IES pblicas.
Assim, procedeu-se com a anlise descrita a seguir.
As variveis Proporo Mestres e Proporo Doutores deveriam ser priorizadas

para todas as DMUs, a fim de que as mesmas consigam um bom desempenho no Enade.
J varivel Regime Integral deveria ser priorizada apenas pelas DMUs 3(2008) e 15(2008),
pois estas, ao contrrio das demais DMUs, no atingiram o valor mximo que esta varivel
poderia assumir (valor unitrio), conforme apresentado no ANEXO A.
As variveis Aluno Tempo Integral e Aluno Equivalente desempenharam diferentes

comportamentos, ora eram classificadas como variveis de entrada (dl = 0) para determi-
nadas DMUs, ora eram classificadas como variveis de sada (dl = 1) outras DMUs. No
entanto, estas variveis s poderiam ser levadas em considerao se a varivel Concluintes
assumisse um indicativo de prioridade (dl = 1), o que ocorreu com as DMUs 2(2008),
6(2008) e 17(2008), nas quais as variveis Aluno Tempo Integral, Aluno Equivalente e
Concluintes foram classificadas como output (dl = 1).
As variveis Ingressantes e Concluintes desempenharam papis opostos para uma

mesma DMU, ou seja, quando uma varivel era considerada prioritria (dl = 1), a outra
era julgada desnecessria (dl = 0) para que a DMU pudesse atingir o desempenho mximo
no Enade. A exceo ocorreu com as DMUs 13(2008) e 15(2008), em que dl assumiu o
valor zero, e com a DMU 17(2008), onde dl assumiu o valor um para as ambas as variveis.
A varivel Bolsas foi prioritria (dl = 1) para que determinadas DMUs sob anlise
alcanasse o desempenho mximo no Enade. No entanto, cabe observar que para as DMUs
13(2008), 15(2008) e 17(2008), esta varivel no foi considerada prioridade naquele ano,
o que confirmado pelo valor assumido pela varivel Bolsas (zero) para estas DMUs em
2008, conforme o ANEXO A.
A Tabela 5.2 exibe os valores de dl assumidos por cada varivel flexvel, encontrados
atravs da aplicao do modelo descrito nas Equaes 4.1 a 4.8 para o ano de 2011,
utilizando os dados disponveis no ANEXO B.
74
Integral
1(2011) 1 1 1 0 1 1 1 1
2(2011) 1 1 1 0 1 1 1 1
6(2011) 1 1 1 0 1 1 1 1
9(2011) 1 1 1 0 1 1 1 1
10(2011) 1 1 1 0 1 1 1 1
11(2011) 1 1 1 0 1 1 1 1
12(2011) 1 1 1 0 1 1 1 1
13(2011) 1 1 1 1 1 1 1 0
14(2011) 1 1 1 0 1 1 1 1
16(2011) 1 1 1 0 1 1 1 1
18(2011) 1 1 1 1 1 1 1 0
19(2011) 1 1 1 1 1 1 0 0
20(2011) 1 1 1 0 1 1 1 1
21(2011) 1 1 1 0 1 1 0 1
22(2011) 1 1 1 0 1 1 1 1
23(2011) 1 1 1 0 1 1 1 1
24(2011) 1 1 1 0 1 1 1 1
25(2011) 1 1 1 0 1 1 1 1
26(2011) 1 1 1 1 1 1 1 0
27(2011) 1 1 1 0 1 1 1 1
28(2011) 1 1 1 0 1 1 0 1
29(2011) 1 1 1 0 0 0 1 0
30(2011) 1 1 1 1 1 1 0 0
31(2011) 1 1 1 1 1 1 1 0
32(2011) 1 1 1 0 0 0 0 0
33(2011) 1 1 1 0 1 1 1 1
34(2011) 1 1 1 1 1 1 0 0
A mesma anlise dos valores de dl das variveis da Tabela 5.1 pde ser feita para
a Tabela 5.2. Assumindo novamente como exemplo a DMU 12(2011), as variveis Pro-
poro Mestres, Proporo Doutores, Regime Integral, Aluno Equivalente, Ingressantes,
Concluintes e Bolsas foram classificadas como variveis de sada (dl = 1), o que um
indicativo de que estas variveis foram consideradas prioritrias para a DMU 12 obter
nota mxima no Enade em 2011. A nica varivel classificada como entrada foi a vari-
75
vel Aluno Tempo Integral (dl = 0), sendo esta a nica varivel obrigada a obedecer a
restrio definida pela Equao 4.2, a qual garante que pelo menos uma varivel flexvel
seja classificada como varivel de entrada.
Para o ano de 2011, as variveis Proporo Mestres, Proporo Doutores e Regime

Integral deveriam ter sido priorizadas para todas as DMUs, a fim de que as mesmas
obtivessem um bom desempenho no Enade. A varivel Regime Integral no precisaria ter
sido priorizada como as variveis Proporo Mestres e Proporo Doutores, pois aquela
j atingiu o valor mximo (valor unitrio) para todas as DMUs de 2011, comforme pode
ser visto no ANEXO B.
A varivel Aluno Tempo Integral desempenhou diferentes comportamentos, ora

foi classificada como varivel de entrada (dl = 0) para determinadas DMUs, ora foi
classificada como varivel de sada (dl = 1) outras DMUs. Esta varivel no foi levada em
considerao para a maioria das DMUs, exceto para DMUs 13(2011), 18(2011), 19(2011),
26(2011), 30(2011), 31(2011) e 34(2011), em que esta varivel foi considerada prioritria
(dl = 1).
A varivel Aluno Equivalente foi prioritria (dl = 1) para a maioria das DMUs
sob anlise alcanar o desempenho mximo no Enade, exceto para as DMUs 29(2011) e
32(2011), em que dl = 0. Com isso, consegue-se concluir que esta varivel s pode ser
levadas em considerao se a varivel Ingressantes assumir um indicativo de prioridade
(dl = 1).
As variveis Ingressantes e Concluintes foram prioritrias para que a maioria das

DMUs atingisse o desempenho mximo no Enade em 2011. A exceo ocorreu com as
DMUs 29(2011) e 32(2011) para a varivel Ingressantes, e 19(2011), 21(2011), 28(2011),
30(2011), 32(2011) e 34(2011) para a varivel Concluintes.
pudesse alcanar o desempenho mximo no Enade. No entanto, cabe observar que para
as DMUs 13(2011), 18(2011), 19(2011), 26(2011), 29(2011), 30(2011), 31(2011), 32(2011)
e 34(2011) esta varivel no foi considerada prioridade, o que confirmado pelo valor
assumido pela varivel Bolsas (zero) para estas DMUs em 2011, conforme o ANEXO B.
A Tabela 5.3 exibe os valores de dl assumidos por cada varivel flexvel, encontrados
atravs da aplicao do modelo descrito nas Equaes 4.1 a 4.8 para o ano de 2014,
utilizando os dados disponveis no ANEXO C.
76
Integral
1(2014) 1 1 1 1 1 0 1 1
2(2014) 1 1 1 0 1 0 1 1
4(2014) 1 1 1 1 1 0 1 1
5(2014) 1 1 1 0 0 0 1 1
6(2014) 1 1 1 1 1 0 1 1
7(2014) 1 1 1 1 1 0 1 1
8(2014) 1 1 1 1 0 1 1 1
9(2014) 1 1 1 1 1 0 1 1
10(2014) 1 1 1 1 1 0 1 1
12(2014) 1 1 1 1 1 0 1 1
13(2014) 1 1 1 0 1 0 0 1
14(2014) 1 1 1 1 1 0 1 1
18(2014) 1 1 1 1 1 0 1 1
19(2014) 1 1 1 0 0 0 0 0
20(2014) 1 1 1 1 1 0 1 1
21(2014) 1 1 1 1 1 0 1 1
22(2014) 1 1 1 1 0 1 1 1
25(2014) 1 1 1 1 1 0 1 1
26(2014) 1 1 1 1 1 0 1 1
28(2014) 1 1 1 1 1 0 1 1
29(2014) 1 1 1 0 0 0 0 1
30(2014) 1 1 1 1 1 0 1 1
32(2014) 1 1 1 1 1 1 1 0
33(2014) 1 1 1 1 1 1 1 0
35(2014) 1 1 1 1 1 1 1 0
36(2014) 1 1 1 1 1 1 1 0
37(2014) 1 1 1 0 1 0 0 1
38(2014) 1 1 1 1 1 1 0 0
39(2014) 1 1 1 0 0 0 0 0
40(2014) 1 1 1 1 1 0 1 1
41(2014) 1 1 1 0 1 0 0 1
42(2014) 1 1 1 1 1 0 1 1

77
Tabela 5.3 Continuao da pgina anterior

Integral
43(2014) 1 1 1 1 1 1 0 1
44(2014) 1 1 1 1 1 1 0 0
Assumindo novamente como exemplo a DMU 12(2014), as variveis Proporo

Mestres, Proporo Doutores, Regime Integral, Aluno Tempo Integral, Aluno Equivalente,
Concluintes e Bolsas foram classificadas como variveis de sada (dl = 1), sendo um
indicativo de que estas variveis foram consideradas prioritrias para que a DMU 12
obtivesse nota mxima no Enade em 2014. A nica varivel classificada como entrada foi
a varivel Ingressantes (dl = 0), o que um sinal de que o nmero de alunos ingressos
no curso no teve influncia no desempenho dos estudantes na nota Enade em 2014.
As variveis Proporo Mestres, Proporo Doutores e Regime Integral deveriam

ter sido priorizadas para todas as DMUs, a fim de que as mesmas pudessem conseguir um
bom desempenho no Enade. A varivel Regime Integral no deveria ter sido to priorizada
quanto as variveis Proporo Mestres, Proporo Doutores, pois aquela j atingiu o valor
mximo (valor unitrio) para todas as DMUs de 2014, exceto para a DMU 4(2014), cujo
valor desta varivel foi inferior a uma unidade, como pode ser visto no ANEXO C.
As variveis Aluno Tempo Integral e Aluno Equivalente, assim como em 2008,

desempenharam diferentes comportamentos, ora eram classificadas como variveis de en-
trada (dl = 0) para determinadas DMUs, ora eram classificadas como variveis de sada
(dl = 1) outras DMUs. No entanto, estas variveis s poderiam ser levadas em conside-
rao se a varivel Concluintes assumisse um indicativo de prioridade (dl = 1), o ocorreu
com as DMUs 1(2014), 4(2014), 6(2014), 7(2014), 9(2014), 10(2014), 12(2014), 14(2014),
18(2014), 20(2014), 21(2014), 25(2014), 26(2014), 28(2014), 30(2014), 32(2014), 33(2014),
35(2014), 36(2014), 40(2014) e 42(2014). Para estas DMUs, as variveis Aluno Tempo
Integral, Aluno Equivalente e Concluintes foram classificadas como output (dl = 1).
As variveis Ingressantes e Concluintes, assim como em 2008, desempenharam

papis opostos para uma mesma DMU, ou seja, quando uma varivel era considerada
prioritria (dl = 1), a outra era julgada desnecessria (dl = 0) para que a DMU pudesse
atingir o desempenho mximo no Enade. A exceo ocorreu com as DMUs 8(2014),
13(2014), 19(2014), 22(2014), 29(2014), 32(2014), 33(2014), 35(2014), 36(2014), 37(2014),
39(2014) e 41(2014).
alcanasse o desempenho mximo no Enade. No entanto, cabe observar que para as
78
DMUs 19(2014), 32(2014), 33(2014), 35(2014), 36(2014), 38(2014), 39(2014) e 44(2014),

esta varivel no foi considerada prioritria, o que confirmado pelo valor assumido pela
varivel Bolsas (zero) para estas DMUs em 2014, conforme o ANEXO C.
A Tabela 5.4 ilustra um agrupamento das Tabelas 5.1, 5.2 e 5.3 para as DMUs
correspondentes aos cursos de Graduao em Engenharia de Produo que participaram
em pelo menos dois dos trs anos em que o exame Enade foi aplicado. Atravs desta
tabela, possvel verificar quais variveis mudaram de estado para uma determinada
DMU, ou seja, passaram de entrada (dl = 0) para sada (dl = 1), ou vice-versa, e se
essa mudana teve impacto na nota Enade.
Tabela 5.4 Agrupamento dos resultados das DMUs que participaram em pelo menos dois exames
Integral
1(2008) 1 1 1 1 1 1 0 1
1(2011) 1 1 1 0 1 1 1 1
1(2014) 1 1 1 1 1 1 0 1
2(2008) 1 1 1 1 1 0 1 1
2(2011) 1 1 1 0 1 1 1 1
2(2014) 1 1 1 0 1 0 1 1
4(2008) 1 1 1 0 0 0 1 1
4(2014) 1 1 1 1 1 0 1 1
5(2008) 1 1 1 0 0 0 1 0
5(2014) 1 1 1 0 0 0 1 1
6(2011) 1 1 1 1 0 1 1 1
6(2008) 1 1 1 1 1 0 1 0
6(2014) 1 1 1 1 1 1 0 1
7(2008) 1 1 1 1 1 1 0 1
7(2014) 1 1 1 1 1 0 1 1
8(2008) 1 1 1 1 1 1 0 1
8(2014) 1 1 1 1 0 1 1 1
9(2008) 1 1 1 0 0 0 1 0
9(2011) 1 1 1 0 1 1 1 1
9(2014) 1 1 1 1 1 0 1 1
10(2008) 1 1 1 0 0 0 1 0
10(2011) 1 1 1 1 0 1 1 1
10(2014) 1 1 1 1 1 0 1 1

79

Integral
12(2008) 1 1 1 0 0 0 1 1
12(2011) 1 1 1 1 0 1 1 1
12(2014) 1 1 1 1 1 0 1 1
13(2008) 1 1 1 0 0 0 0 0
13(2011) 1 1 1 1 1 1 1 0
13(2014) 1 1 1 0 1 0 0 1
14(2008) 1 1 1 1 1 1 0 1
14(2011) 1 1 1 0 1 1 1 1
14(2014) 1 1 1 1 1 0 1 1
16(2008) 1 1 1 1 1 1 0 1
16(2011) 1 1 1 0 1 1 1 1
18(2008) 1 1 1 1 1 1 0 1
18(2011) 1 1 1 1 1 1 1 0
18(2014) 1 1 1 1 1 0 1 1
19(2008) 1 1 1 0 0 0 1 1
19(2011) 1 1 1 1 1 1 0 0
19(2014) 1 1 1 0 0 0 0 0
20(2011) 1 1 1 0 1 1 1 1
20(2014) 1 1 1 1 1 0 1 1
21(2011) 1 1 1 0 1 1 0 1
21(2014) 1 1 1 1 1 0 1 1
22(2011) 1 1 1 0 1 1 1 1
22(2014) 1 1 1 1 0 1 1 1
25(2011) 1 1 1 0 1 1 1 1
25(2014) 1 1 1 1 1 0 1 1
26(2011) 1 1 1 1 1 1 1 0
26(2014) 1 1 1 1 1 0 1 1
28(2011) 0 1 1 0 1 1 0 1
28(2014) 1 1 1 1 1 0 1 1
29(2011) 1 1 1 0 0 0 1 0
29(2014) 1 1 1 0 0 0 0 1
30(2011) 1 1 1 1 1 1 0 0
30(2014) 1 1 1 1 1 0 1 1
32(2011) 1 1 1 0 0 0 0 0

80

Integral
32(2014) 1 1 1 1 1 1 1 0
33(2011) 1 1 1 0 1 1 1 1
33(2014) 1 1 1 1 1 1 1 0
Analisando os dados da Tabela 5.4, pde-se concluir que as variveis que mais con-
triburam, isoladamente, para um melhor desempenho dos cursos de Graduao em Enge-
nharia de Produo no Enade, foram: Proporo Mestres, Proporo Doutores e Regime
Integral, consideradas como variveis de sada (dl = 1), exceto para a DMU 28(2011),
na qual a varivel Proporo Mestres foi classificada como varivel de entrada(dl = 0).
Atravs da Tabela 5.4, notou-se tambm que a maioria das DMUs, obrigadas a
obedecer a restrio definida pela Equao 4.6, definiu somente uma varivel como entrada
e as demais variveis como sada para tentar otimizar a eficincia das mesmas. Com isso,
conclui-se que a maioria das DMUs tenderam a aumentar o valor das variveis flexveis, ao
invs de reduzi-los, pois o modelo utilizado nesta pesquisa possuiu uma orientao a sada
(output), e quanto maior for o nmero de variveis de sada, melhor ser o desempenho
de cada DMU sob anlise.
81
6 CONCLUSES
As funes de ensino e pesquisa das universidades tm um papel significativo no de-
senvolvimento de uma nao, particularmente no aperfeioamento da mo-de-obra, cada
vez mais importante para o aumento da produtividade de bens e servios (KAMPEL-
MANN, 2012). Dessa forma, a educao superior tem sido um fator determinante na
gerao de inovao de produtos e tcnicas capazes de elevar o ganho de produtividade, o
qual visto como o principal motor para o crescimento econmico, colocando uma nao
mais perto da fronteira tecnolgica mundial (VANDENBUSSCHE et. al., 2006).
O objetivo principal deste trabalho foi, atravs da tcnica DEA, modelar qual a
funo desempenhada por cada varivel acadmica referente as caractersticas dos corpos
docente e discente na nota Enade. Este propsito foi alcanado utilizando os resultados
deste exame e os dados do Censo da Educao Superior referentes aos anos de 2008,
2011 e 2014 para os cursos de graduao em Engenharia de Produo das universidades
pblicas credenciadas ao Ministrio da Educao. O que justificou a escolha destes dados
foi os argumentos de Kane et. al. (2002), os quais afirmam que os resultados de testes
padronizados so indicadores confiveis para mensurar o desempenho dos estudantes.
A tcnica DEA, dentre as trs tcnicas avaliadas neste estudo (COLS, DEA e
SFA), foi a que mais se adequou ao problema desta pesquisa, por este possuir variveis
no-discricionrias e limitantes. Alm disso, no foi encontrada na literatura e nos tra-
balhos citados neste estudo uma justificativa para classificar variveis acadmicas como
excesso (input) ou como falta (output). Por este motivo, utilizou-se o modelo proposto
por Toloo e Barat (2015), que consistiu em alterar o modelo de retorno constante a es-
cala padro e introduzir o Problema de Programao Linear Inteira Mista (PPLIM). Este
problema baseou-se em analisar as variveis flexveis, no-discricionrias e limitantes, as
quais desejou-se saber se as mesmas seriam categorizadas como variveis de entrada ou de
sada, permitindo que cada DMU escolhesse qual seria a melhor classificao das variveis
sob anlise que otimizasse o desempenho da mesma.
A desvantagem do modelo proposto por Toloo e Barat (2015) aplicado nesta pes-
quisa foi que a maioria das DMUs, obrigada a obedecer a restrio definida pela Equao
4.6, a qual garante que pelo menos uma varivel flexvel seja classificada como varivel
de entrada, classificou somente uma varivel flexvel como varivel de entrada. Nesta
pesquisa poderia existir outras variveis flexveis que estivessem em excesso, mas foram
classificadas como estando em falta pelo fato do modelo utilizado possuir orientao a
82
output, maximizando o valor assumido pela maioria das variveis analisadas.
Os resultados encontrados nesta pesquisa podem fornecer informaes teis para

o apoio gesto das IES, alm de possibilitar ao Inep priorizar quais dados devem ser
coletados para gerar informaes estatsticas relevantes que possam auxiliar na tomada
de deciso, pois a tcnica DEA no permite apenas identificar as reas que necessitam
de melhoria, mas tambm descrever as possibilidades de desenvolvimento das mesmas,
atravs de respostas a perguntas relativas a pontos fracos e fortes de cada instituio sob
anlise (NAZARKO ET. AL, 2014).
Como sugestes para trabalhos futuros, pode-se implementar:
Uma anlise de eficincia para as DMUs observadas, no com o intuito de mensurar

a eficincia dos cursos de graduao em Engenharia de Produo e ranque-los, mas
sim examinar a eficincia dos mesmos atravs do ndice de Malmquist, a fim de
verificar se houve um aumento de produtividade dos cursos ao longo dos trs anos
analisados;
Uma anlise de sensibilidade das variveis utilizadas nesta pesquisa, a fim de con-
firmar numericamente o quanto cada varivel que est em excesso deve ter seu valor
reduzido, e o quanto cada varivel que est em falta deve ter seu valor incrementado;
Um comparativo de desempenho dos cursos de graduao em Engenharia de Produ-

o entre as instituies pblicas e privadas conveniadas ao Ministrio da Educao,
pois costuma-se argumentar que esta comparao subjetiva e carece de informa-
es claras. DEA tem suas limitaes e no pode fingir ser uma tcnica universal
e totalmente objetiva. No entanto, o uso consciente da mesma pode vir a ser uma
fonte de informaes valiosas sobre o desempenho das IES.
Os recursos humanos das IES devem ser bem geridos, a fim de melhorar a qua-
lidade do ensino superior. Para ajudar a garantir bons retornos para os indivduos, as
universidades devem ser capazes de ajudar os alunos a adquirir as habilidades que eles
precisam tanto para torn-los empregveis no curto prazo, quanto para permitir que os
mesmos possam prosseguir com a aprendizagem ao longo da vida (OCDE, 2010).
83
REFERNCIAS
ABBOTT, M.; DOUCOULIAGOS, C. The efficiency of Australian universities: a

data envelopment analysis. Economics of Education Review, 22, 89-97, 2003.
ABBOTT, M.; DOUCOULIAGOS, C. Competition and efficiency: Overseas stu-

dents and technical efficiency in Australian andNew Zealand universities. Edu-
cation Economics, 17(1), 3157 (2009).
ABRAMOWITZ, M. Resource and output trends in the United State since 1870.
American Economic Review, 46(2), p. 5-23, 1956.
AFONSO, A.; SANTOS, M. Students and teachers a DEA approach to the relative
efficiency of Portuguese public universities. Working Papers, Technical University
of Lisbon, n. 2005/07, 2004.
AIGNER, D. J.; LOVELL, C. A. and SCHMIDT, P. Formulation and estimation of

stochastic frontier production function models, Journal of Econometrics, 6, 2137
(1977).
ALLEN, J.; INENAGA, Y.; VAN DER VELDEN, R.; YOSHIMOTO, K. Competencies,
higher education and career in Japan and the Netherlands (Higher Education
Dynamics). Dordrecht, The Netherlands: Springer, 2007.
ALMEIDA, M.R.; MARIANO, E.B.; REBELATTO, D.A.N. Anlise por Envoltria

de Dados - Evoluo e Possibilidades de Aplicao. In: IX SIMPOI - Simpsio de
Administrao de Produo, Logstica e Operaes Internacionais, So Paulo, 2006.
AMIRTEIMOORI, A.; EMROUZNEJAD, A.; KHOSHANDAM, L. Classifying flexible

measures in data envelopment analysis: a slack-based measure. Measurement
46:41004107 (2013).
ARAJO, C. H.; LUZIO, N. Educao: quantidade e qualidade. Braslia: Insti-

tuto Nacional de Estudos e Pesquisas Educacionais Ansio Teixeira INEP,
16 ago. 2004. Disponvel em: https://www.artigonal.com/educacao-artigos/
educacao-quantidade-e-qualidade-1849151.html. Acessado em: 05 ago. 2015.
ARROW, K. J. The economic implications of learning by doing. Review of

Economic Studies, v. 19, 1962.
84
AVKIRAN, N. K. Investigating technical and scale efficiencies of Australian Uni-

versities through Data Envelopment Analysis, Socio-Economic Planning Sciences,
35, 5780, 2001.
AZADEH, A.; GHADERI, S.F; OMRANI, H.; EIVAZY, H. An integrated DEA-

COLS-SFA algorithm for optimization and policy making of electricity dis-
tribution units, Energy Policy 37, 26052618, 2009.
AZAMBUJA, A.M.V. Anlise de eficincia na gesto do transporte urbano por

nibus em municpios brasileiros.410p. Tese de Doutorado. Universidade Federal de
Santa Catarina, Florianpolis, 2002.
BADIN, N. T. Avaliao da produtividade de supermercados e seu benchmar-

king. Dissertao Programa de Ps-Graduao em Engenharia de Produo, Universi-
dade Federal de Santa Catarina, Florianpolis, 1997.
BANDEIRA, D. L.; BECKER, J.L.; BORESTEIN, D. Eficincia Relativa dos Depar-

tamentos da UFRGS utilizando AED. Tese em engenharia de produo Universi-
dade Federal do Rio Grande do Sul, 2001.
BANKER, R.D.; CHARNES A.; COOPER, W.W. Some models for estimation te-
chnical and scale inefficiencies in Data Envelopment Analysis. Management
Science, 30(9):1078-1092, 1984.
BARBETTA, G.; TURATI, G. Efficiency of junior high schools and the role of
proprietary structure. Annals of Public and Cooperative Economics, 74, 529551,
2003.
BARRO, R. Human capital and growth. American Economic Review, 91(2), 1217,
2001.
BATTU, H.; SEAMAN, P.; SLOANE, P. Overeducation, undereducation and the

British labour market. Applied Economics, 31(11), 14371453, 1999.
BEASLEY, J. Determining teaching and research efficiencies. Journal of the Ope-

rational Research Society. 46, 441452, 1995.
BELLONI, I. Uma Metodologia de Avaliao da Eficincia Produtiva de Uni-

versidades Federais Brasileiras. Tese de Doutorado, UFSC, 2000.
BERTOLIN, J. C. G. Avaliao da qualidade do sistema de educao superior

brasileiro em tempos de mercantilizao - perodo 1994-2003. 282f. Tese do
Programa de Ps-Graduao em Educao - Faculdade de Educao, Universidade Federal
do Rio Grande do Sul, Porto Alegre, 2007.
BIONDI NETO, L. Neuro DEA: Nova Metodologia para Determinao da

85
Eficincia Relativa de Unidades Tomadoras de Deciso. Rio de Janeiro. Tese de

Doutorado em Engenharia de Produo, Universidade Federal do Rio de Janeiro, 2001.
BONACCORSI, A.; DARAIO, C. Exploring size and agglomeration effects on pu-

blic research productivity. Scientometrics 63(1), pp. 87-120, 2005.
BONACCORSI A.; DARAIO C; SIMAR L. Advanced indicators of productivity of

universities. An application of robust nonparametric methods to Italian data.
Scientometrics 66(2): 389410, 2006.
BONACCORSI, A.; DARAIO, C. Characterising the European university system:

a preliminary classification using census microdata. Science and Public Policy
36(10): 763775, 2009.
BORGES, R. S. A significncia da meno apurada a partir do Exame Nacional

de Cursos ENC no mbito na Anlise Envoltria de Dados. Dissertao de
Mestrado em Educao. Braslia: Universidade Catlica de Braslia, 2005.
BRASIL. Comisso Nacional de Avaliao da Educao Superior. Portaria no

2.051, de 9 de julho de 2004. Regulamenta os procedimentos de avaliao do
Sistema Nacional de Avaliao da Educao Superior (SINAES), institudo
na Lei no 10.861, de 14 de abril de 2004. Conaes, Braslia, DF, 2004. Disponvel
em: https://www.ufmg.br/dai/textos/Portaria\%202051sinaes.pdf. Acesso em: 30
mai. 2015
BRASIL. Lei no . 10.861 de 14 de abril de 2004. Institui o Sistema Nacional de

Avaliao da Educao Superior SINAES e d outras providncias. Braslia
DF, 2004. Disponvel em: http://www.planalto.gov.br/ccivil_03/_ato2004-2006/
2004/lei/l10.861.htm. Acessado em: 05 ago. 2015.
BRASIL. Ministrio da Educao. Secretaria de Ensino Superior. A coleta de

dados das Ifes para alocao de recursos oramentrios. Braslia, 2006. Disponvel
em: http://www.unifal-mg.edu.br/forplad/sites/default/RelatorioMatriz2006.
pdf. Acessado em: 28 nov. 2015.
BROWN, P.; LAUDER, H. Economic Globalisation, Skill Formation and The

Consequences for Higher Education, in S. Ball, M. Apple and L. Gandin (eds.) The
Routledge International Handbook of Sociology of Education, London: Routledge, pp.
229240, 2009.
CAMP, R.C. Benchmarking: The Search for Industry Best Practices that Lead
to Superior Performance, ASQC Quality Press, Milwaukee, WI, 1989.
CAMPOS, V. F. Qualidade total: padronizao de empresas. Nova Lima, MG:

Tecnologia e Servios, 2004.
86
CAPRA, F. The turning point: Science, society and the rising culture. Published
by arrangement with Simon and Shuster, 1988.
CARD, D.; KRUEGER, A. B. School resources and student outcomes: An over-

view of the literature and new evidences from North and South Carolina,
Journal of Economic Perspective, 10(4), 31-50, 1996.
CASADO, F.L; SILUK, J.C. Aferio da Eficincia Tcnica em Cursos de En-

genharia de Produo no Brasil. In: XXXII Encontro Nacional de Engenharia de
Produo, Bento Gonalves, RS, 2012.
CASA NOVA, S.P.C. Utilizao da anlise por envoltria de dados (DEA) na

anlise de demonstraes contbeis. Tese (Doutorado em Cincias Contbeis) -
Universidade de So Paulo, So Paulo, 2002.
Caves, D.W.; CHRISTENSEN, L.R.; DIEWERT, W.E. The economic theory of index
numbers and the measurement of input, output, and productivity. Econome-
trica, 50(6), 1393-1414, 1982.
CERETTA, P.S.; NIEDERAUER, C.A.P. Rentabilidade e eficincia no setor ban-

crio brasileiro. RAC, v.5, n.3, set/dez, p.7-26, 2001.
CHARNES, A.; COOPER, W. W.; RHODES, E. Measuring the efficiency of decision

making units. European Journal of Operational Research. v. 2, no . 6. pp 429-444,
1978.
CHARNES, A.; COOPER, W.; LEWIN, A. Y.; SEIFORD, L. M. Data Envelopment

Analysis: Theoriy, Metodology, and Application. Boston/ Dordrecht/ London:
Kluewer Academic Publishers, 1994.
CHINIEN, C.; BOUTIN, F. Defining Essential Digital Skills in the Canadian

Workplace: Final Report, WDMConsultants. European Centre for the Develop-
ment of Vocational Training (CEDEFOP), The Benefits of Vocational Education
and Training, Publications Office of the European Union, Luxembourg, 2011.
CLARKE, M. Understanding and managing employability in changing career

contexts, Journal of European Industrial Training 32(4): 258284, 2008.
COELLI, T. J. A model for technical inefficiency effects in a stochastic frontier

production function for panel data, Empirical Economics, 20, 325-332, 1995.
COELLI, T.; RAO, D. S. P.; BATTESE, G. E. An introduction to efficiency and

productivity analysis. Boston: Kluwer Academic Publishers, 2002.
COLEMAN, J.S. Equality of Educational Opportunity. USGPO: Washington, DC,

1966.
87
COOK, W. D.; ZHU, J. Classifying inputs and outputs in data envelopment

analysis. European Journal of Operational Research. 180, 692699, 2007.
COOPER, W.W., L.M. Seiford and J. Zhu, Handbook on Data Envelopment Analy-
sis, Boston, Kluwer Academic Publishers, 2004.
COOPER, W. W.; SEIFORD, L. M.; TONE, K. Introduction to Data Envelopment

Analysis and its uses: with DEA-Solver software and references. New York:
Springer, 2006.
COSTA, D., F., C.; KAGIOUGLOU, M., A., L.; CALDAS, C. Benchmarking initiati-
ves in the construction industry: lessons learned and improvement opportu-
nities, Journal of Management in Engineering, Vol. 22 No. 4, pp. 158-67, 2006.
COSTA, E. M.; RAMOS, F.S.; SOUZA, H.R. Eficincia e Desempenho no Ensino

Superior: Uma Anlise da Fronteira de Produo Educacional das IFES Bra-
sileiras. Revista Economia Contempornea, Rio de Janeiro, v. 16, n. 3, p. 415-440,
2012.
CUTLER, D.M.; LLERAS-MUNEY, A. Education and Health: Evaluating Theo-

ries and Evidence, NBER Working Paper, No. 12352, 2006.
DEBREU, G. The coefficient of resource utilization. Econometrica, v. 19, n.3, p.

273-92, 1951.
DECRETO No 2.026, de 10 de outubro de 1996. Estabelece procedimentos para o

processo de avaliao de cursos e instituies de ensino superior. Casa Civil, Bra-
slia, DF, 1996. Disponvel em: http://www.planalto.gov.br/ccivil_03/decreto/
Antigos/D2026.htm. Acesso em: 30 mai. 2015.
DENISON, E. F. The sources of economic growth in the United States and the
alternatives before us, United States, Committee for Economic Development Study,
1962.
DEUTSCH, J.; DUMAS, A. SILBER, J. Estimating an educational production

function for five countries of Latin America on the basis of the PISA data.
Economics of Education Review 36 245262, 2013.
DE WITTE, K.; MAASEN VAN DEN BROEK, H. GROOT, W. The efficiency of

education in generating literacy: A stochastic frontier approach. Review of
Economics and Finance. (in press), 2013.
DE WITTE, K.; LPEZ-TORRES, L. Efficiency in education: a review of lite-

rature and a way forward. Journal of the Operational Research Society, 0160-5682,
2015.
88
DICIONRIO AURLIO. Disponvem em: http://dicionariodoaurelio.com aces-

sado em: 17 jun. 2015.
DOLTON, P.; VIGNOLES, A. The incidence and effects of overeducation in the

U.K. graduate labour market. Economics of Education Review, 19(2), 179198, 2000.
DOLTON, P.; MARCENARO, O. D. NAVARRO, L. The effective use of student

time: A stochastic frontier production function case study. Mimeo, 2001.
DUENHAS, R.L. O Compartilhamento do Financiamento das Instituies Pbli-

cas de Ensino Superior: Anlise Emprica Utilizando os Microdados do INEP.
Tese de Doutorado em Desenvolvimento Econmico, Setor de Cincias Sociais Aplicadas,
Universidade Federal do Paran UFPR, 2013.
DUNDAR, H. LEWIS, D.R. Determinants of research productivity in higher

education, Research in Higher Education 39(6), pp. 607-631, 1998.
EDUCATION TRAINING. Supporting education and training in Europe and

beyond. Disponivel em: http://ec.europa/education/policy/strategicframework/
index_en.htm. Acessado em: 18/02/2015.
EFRON, B.; TIBSHIRANI, R.J. An Introduction to the Bootstrap. Chapman and

Hall, Inc., New York, 1993.
ENADE 2001. Relatrio Sntese: Engenharia Grupo VI. Disponvel em: http://
download.inep.gov.br/relatorio_sintese/2011_engenharia_grupo_VI.pdf. Aces-
sado em: 30 jun. 2015.
FAANHA, L. O.; MARINHO, A. IPEA, Texto para discusso, no 813, p.27, agosto
de 2001.
FARE, R.; DROGRAMACI, A. Applications of morden production theory: effici-

ency and productivity. Boston, MA, EUA: Kluwer Academic Publishers, 1987.
FARE, R.; GROSSKOPF, S. Intertemporal production frontiers: with dynamic

DEA. Norwell: Kluwer, 1996.
FARRELL, M.J. The measurement of productive efficiency. Journal of the Royal

Statistical Society - Series A, v.120, n.3, p. 253-90, 1957.
FRENETTE, M. The overqualified Canadian graduate: The role of the academic

program in the incidence, persistence, and economics return to overqualifica-
tion. Economics of Education Review, 23 (1), 2945, 2004.
FRIED, H. O.; LOVELL, K. C.A.; SCHMIDT, S. S. The measurement of productive

efficiency and productivity growth. New York: Oxford University Press, 2008.
89
GARCIA-ARACIL, A.; MORA, J. G.; VILA, L. E. The rewards of human capital

competencies for young European higher education graduates. Tertiary Educa-
tion and Management, 10 (4), 287305, 2004.
GARCIA, A.; PALOMARES, D. Evaluation of Spanish universities: Efficiency,

technology and productivity change. Prime-Latin America Conference at Mexico
City, September 24-26, 1-33, 2008.
GEVA-MAY, I. Higher education and attainment of policy goals: interpretations

for efficiency indicators in Israel, Higher Education, 42(3), 265305, 2001.
GLADWELL, M. Fora de Srie: Outliers. Editora: Sextante, 2008.
GOMES, E.G.; et al. Avaliao de eficincia de companhias areas brasileiras:

uma abordagem por Anlise de Envoltria de Dados. IN: SETTI, J.R.A.; LIMA,
2001.
HALL, P. On the Number of Bootstrap Simulations Required to Construct a

Confidence Interval, Ann. Statistics, v.14, 1453 1462, 1986.
HANUSHEK, E. A. The economics of schooling: production and efficiency in

public schools, Journal of Economic Literature, 24, 1141- 1177, 1986.
HANUSHEK, E. A.; KIMKO, D. D. Schooling, labor-force quality, and the growth

of nations. American Economic Review, 90 (5), 11841208, 2000.
HANUSHEK, E. A.; LUQUE, J. A. Efficiency and equity in schools around the

World, NBER. Working Paper, 2002.
HANUSHEK, E. A. The failure of input based schooling policies. The Economic

Journal 113(485): F64F98, 2003.
HARTOG, J. Over-education and earnings: Where are we, where should we

go? Economics of Education Review, 19(2), 131147, 2000.
HASSARD, J.; MCCANN, L.; MORRIS, J.L.Managing in the New Economy: Res-
tructuring White-Collar Work in the USA, UK and Japan, Cambridge: Cam-
bridge University Press, 2008.
IZADI, H., JONES, G.; OSKROCHI, R. CROUCHLEY, R. Stochastic frontier es-

timation of a CES cost function: The case of higher education in Britain.
Economics of Education Review, 21, 6371, 2002.
JOHNES, G.; JOHNES, J. International Handbook on the Economics of Educa-

tion, Edward Elgar Publishing Ltd Cheltenham, UK. Northampton, MA, USA, 2004.
JOHNES, G. Education and economic growth. Lancaster University Management

90
School. Working paper no.2006/019, 2006.
JOHNES, G. SCHWARZENBERGER, A. Differences in cost structure and the

evaluation for efficiency: The case of German universities. Education Economics,
19(5), 487499, 2011.
JOHNES, G.; JOHNES, J. THANASSOULIS, E. An analysis of costs in institutions

of higher education in England. Studies in Higher Education, 33(5), 527 549, 2008.
JOHNES, J. Measuring teaching efficiency in higher education: An application

of data envelopment analysis to Economics graduates for UK universities.
European Journal of Operational Research, 2005.
JOHNES, J. Efficiency and mergers in English higher education 1996/97 to

2008/9: Parametric and non-parametric estimation of the multi-input multi-
output distance function. The Manchester School, 82(4), 465487, 2014.
KAMPELMANN, S.; RYCXB, F. The impact of educational mismatch on firm

productivity: Evidence from linked panel data. Economics of Education Review
31, 918 93, 2012.
KANE, T.J.; STAIGER, D. O. The Promise and pitfalls of using imprecise school
accountability measures, Journal of Economic Perspective, 16(4), pp.91-114, 2002.
KASSAI, S. Utilizao da Anlise por Envoltria de Dados (DEA) na Anlise

de Demonstraes Contbeis. Tese de Doutorado - Faculdade de Economia, Admi-
nistrao e Contabilidade, Universidade de So Paulo, So Paulo, 2002.
KATHARAKI, M.; KATHARAKIS, G. A comparative assessment of Greek univer-

sities efficiency using quantitative analysis. International Journal of Educational
Research, Volume 49, Issues 4-5, Pages 115-128, ISSN 0883-0355, 2010.
KAZEMI, M. R.; KUOSMANEN, T. Theory of integer valued data envelopment

analysis under alternative returns to scale axioms. Omega, The International
Journal of Management Science 37, 988995, 2009.
KNIGHT, F.H. The Economic Organization. New York: Harper and Row, 1965
(Publicado originalmente em 1933). In: FRIED, Harold O.; LOVELL, Knox C.A.; SCH-
MIDT, Shelton S. The measurement of productive efficiency and productivity
growth. New York: Oxford University Press, 2008.
KRUEGER, A. B. Economic considerations and class size. Economic Journal

113(485): F34F63, 2003.
LEUVEN, E.; OOSTERBEEK, H. Overeducation and mismatch in the labor mar-

ket. IZA Discussion Paper, 5523, 2011.
91
LIMA, R. C. Desenvolvimento econmico e empreendedorismo. Revista de Estu-

dos Universitrios, Recife, PE, v. 22, n. 1, p. 37-43, 2002.
LORENZETT, J.R.; LOPES, A. L. M.; LIMA, M.V.A. Aplicao do mtodo de pes-

quisa operacional DEA na avaliao de desempenho de unidades produtivas
para rea de educao profissional. Dissertao de Mestrado em Engenharia de
Produo, Universidade Federal de Santa Catarina UFSC, 2004.
LUCAS, R. E. Jr. On the Mechanics of Economic Development. National Bureau

of Economic Research. 1989.
LUCAS, R. E. Ideas and growth. Economica, 76 (301), 119, 2009.
MALMQUIST S. Index Numbers and Indifference Surfaces. Trabajos de Estads-

tica, n. 4, p. 209-242, 1953.
MANKIW, N. G. Macroeconomia. 5. ed. Rio de Janeiro, 2004.
MARGINSON, S., VAN DER WENDE, M. C. To rank or to be ranked: The

impact of global rankings in higher education. Journal for Studies in International
Education, 11(34), 306329, 2007.
MCGUINNESS, S. Graduate overeducation as a sheepskin effect: Evidence from

Northern Ireland. Applied Economics, 35(5), 597608, 2003.
MCGUINNESS, S. Overeducation in the labour market. Journal of Economic Sur-

veys, 20(3), 387418, 2006.
MCMILLAN, M. L. CHAN, W. H. University efficiency: A comparison and con-

solidation of results from stochastic and non-stochastic methods. Education
Economics, 14(1), 130, 2006.
MEC/INEP, Ministrio da Educao: Instituto Nacional de Estudos e Pesquisa

Educacionais Ansio Teixeira. Sistema Nacional de Avaliao da Educao
Superior SINAES Da Concepo Regulamentao. 2. Ed. Braslia, DF,
setembro de 2004.
MEZA, L.A.; MELLO, J.C.C.B.S.; GOMES, E.G.; FERNANDES, A.J.S. Seleo de

variveis em DEA aplicada a uma anlise do mercado de energia elctrica.
Investigao Operacional, n.27, p.21-36, 2007.
NAZARKO, J.; KUMICZ, A. K.; SZUBZDA, E.; URBAN, J. The general concept
of benchmarking and its application its higher education in Europe, Higher
Education in Europe 34: 497510, 2009.
NAZARKO. J.; SAPARAUSKAS, J. Application of DEA method in efficiency eva-

luation of public higher education institutions. Technological and Economic De-
92
velopment of Economy, Volume 20(1): 2544, 2014.
OCDE. Programme for International Student Assessment (PISA) Disponvel

em: http://www.pisa.oecd.org/pages/0,2987,en_32252351_32235731_1_1_1_1_1.
html, 2013.
OCDE. Education at a Glance 2013: OECD Indicators, OECD Publishing.

Disponvel em: http://dx.doi.org/10.1787/eag-2013-en, 2013.
OCDE. Education at a Glance 2015: OECD Indicators, OECD Publishing.

Disponvel em: http://dx.doi.org/10.1787/eag-2015-en, 2015.
OLIVEIRA, C. E. M.; TURRIONI, J. B. Avaliao de Desempenho de Instituies

Federais de Ensino Superior Atravs da Anlise Envoltria de Dados (DEA).
In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO, 26, Fortaleza, CE,
Brasil, 9-11 Out. 2006.
ONDRICH, J.; RUGGIERO, J. Efficiency measurement in the stochastic frontier

model, European Journal of Operational Research, 129, 43442, 2001.
NSEL, .; LENGIN, F.; ULUSOY, G.; AKTA, E.; KABAK, .; TOPCU, Y. . 2008.
A new perspective on the competitiveness of nations, Socio-Economic Planning
Sciences 42: 221246, 2008.
PENA, C. R. Um modelo de avaliao da eficincia da administrao pblica

atravs do mtodo anlise envoltria de dados (DEA), Revista de Administrao
Contempornea, 12(1), 83- 106, 2008.
PESSANHA, J. F. M. Modelos de fronteira estocstica na definio de metas

globais de continuidade das distribuidoras de energia eltrica. Relatrio estudo
orientado, PUC-Rio, 2003.
PODINOVSKI, V.V. Bridging the gap between the constant and variable returns-
to-scale models: selective proportionality in data envelopment analysis. Journal
of the Operational Research Society 55, 265276, 2004.
PRITCHETT, L. Where has all the education gone. World Bank Economic Review,
15(3), 367391, 2001.
QUELHAS, O. Boletim Informativo ABEPRO - Associao Brasileira de Enge-

nharia de Produo. Ano 1, N1, maio de 2006.
RAUHVARGERS, A. Global university rankings and their impact. Brussels: Eu-

ropean University Association, 2011.
RESENDE, M. Relative efficiency measurement and prospects for yardstick

competition in Brazilian electricity distribution, Energy Policy 30, 2002, 637
93
647, 2002.
RIBEIRO, M. B; MACHADO, P. C.; FERNANDES, U.M. Custos Operacionais Efi-

cientes para o setor de Saneamento Bsico. Agncia Reguladora de guas, 2009.
RICHMOND, J., 1974. Estimating the efficiency of production, Int. Econom. Rev.,
515-521.
RIVKIN, S. G. Black/white difference in schooling and employment, Journal of

Human Resource, 30(4), pp.826-52, 1995.
ROMER, P. M. The origins of endogenous grouwth. Journal of Economic Pers-

pectives, v.8, n.1 Winter, 1994. Increasing returns and long-run growth. Journal
Political Economy, v. 94, n. 5, 1996.
SAGIORO, R. Conhecimento, Inovao e Crescimento Econmico Uma apli-

cao do modelo de Solow ao Brasil. Anais do II Encontro Cientfico da Campanha
Nacional das Escolas da Comunidade (IIEC-CNEC), Varginha, 9-10, 2004.
SALERNO, C.S. What we know about the efficiency of higher education insti-
tutions: the best evidence. Center for Higher Education Policy Studies (CHEPS).
Publications Posted, oct. 2008.
SARAFIDIS, V. An Assessment of Comparative Efficiency Measurement Tech-

niques. Europe Economics, 2002.
SCHLTZ, T. Investment in human capital, American Economic Review, 51(1),1-17,

1961.
SHEPHARD, R. Cost and production functions. Princeton, New Jersey: Princeton

University Press, 1953.
SILVERMAN, B. W. Density Estimation for Statistics and Data Analysis. Lon-

don: Chapman and Hall, 1998.
SIMAR, L.; WILSON, P.W. Sensitivity analysis of eficiency scores: How to bo-
otstrap in nonparametric frontier models. Management Science 44, 1998.
SOARES MELLO J.C.C.B; GOMES E.G.; BIONDI NETO L.; LINS M.P.E. Suavizao
da fronteira DEA: o caso BCC tridimensional. In: ASSOCIAO PORTUGUESA
DE DENTEINVESTIGAO OPERACIONAL, 2004.
SOARES DE MELLO, J.C.C.B.; MEZA, L.A.; GOMES, E.G.; NETO, L.B. Curso de
Anlise Envoltria de Dados. Em: XXXVII SIMPSIO BRASILEIRO DE PES-
QUISA OPERACIONAL, 2005, Gramado. Anais Gramado: Rio Grande do Sul, p.2520-
47, 2005.
94
SOLOW, R. A contribution to the theory of economic growth, Quarterly Journal

of Economics, 70(1), 65-94. 1956.
STELLA, A., WOODHOUSE, D. Ranking of higher education institutions. Occa-

sional Publications Series No: 6, Melbourne, AUQA, 2006.
STEVENS, P. A. A stochastic frontier analysis of English and Welsh universities.

Education Economics, 13(4), 355374, 2005.
STREN, L. A.; AAMODT, P. O. The quality of higher education and employa-

bility of graduates. Quality in Higher Education, 16 (3), 297313, 2010.
TAYLOR, B.; HARRIS, F. Relative Efficiency among South African universities:

A data envelopment analysis. School of Economics and Management, University of
Natal. Higher Education 47: 73-89, 2002.
TEICHLER, U. Does higher education matter? Lessons from a comparative

graduate survey. European Journal of Education, 42 (1), 1134, 2007a.
TEICHLER, U. Careers of university graduates. Views and experiences in com-

parative perspectives, higher education dynamics, (Vol. 17), New York: Springer,
2007b.
THOMAS, G. Productivity, Efficiency, and Managerial Performance Regress

and Gains in United States Universities: A Data Envelopment Analysis. Ad-
vances in Management and Applied Economics, vol.2, no.3, 13-32, 2012.
THURSBY, J. G. What Do we Say about Ourselves and What Does it Mean?

Yet Another Look at Economics Department Research, Journal of Economic
Literature, 38, 383404, 2000.
TOLOO, M. On classifying inputs and outputs in DEA: a revised model. Europe

Journal of Operational Research 198:358360, 2009.
TOLOO M.; BARAT M.; MASOOMZADEH A. On considering dual-role factor in

supplier selection problem. Math Method Operational Research 82:107122, 2015.
TRIBUNAL DE CONTAS DA UNIO (TCU). Orientao para o clculo dos indi-

cadores de gesto. Braslia: TCU, maro de 2004.
VANDENBUSSCHE, J.; AGHION, P.; MEGHIR, C. Growth, distance to frontier

and composition of human capital. Journal of Economic Growth, 11 (2), 97127,
2006.
VAN DER MEER, P. Two validity of two education requirement measures. Eco-
nomics of Education Review, 25(2), 211219, 2006.
95
VARIAN, H. R., Microeconomia: princpios bsicos. Traduo da 7a ed. Rio de

Janeiro: Elsevier, 2006.
VELASCO, M. S. Do higher education institutions make a difference in compe-

tence development? A model of competence production at university. Springer
Science. High Education 68:503523. DOI 10.1007/s10734-014-9725-1, 2014.
VERHINE, R.E.; DANTAS, L.M.V.; SOARES, J.F. Do Provo ao ENADE: uma

anlise comparativa dos exames nacionais utilizados no Ensino Superior Bra-
sileiro. Revista Ensaio: Avaliao e Polticas Pblicas em Educao Vol. 14 n. 52, p.
291-310, 2006.
VERRY, D. W.; DAVIS, B. University Costs and Outputs. Amsterdam: Elsevier,

1976.
VILELA, D.L. Utilizao do mtodo Anlise Envoltrio de Dados Para Avali-

ao do Desempenho Econmico de Coorporativas de Crdito. Dissertao de
Mestrado em Engenharia de Produo, Escola de Engenharia de So Carlos - Universidade
de So Paulo, 2004.
WALDO, S. Competition and public school efficiency in Sweden An empirical

evaluation of second-stage results for different models of non-discretionary
inputs in data envelopment analysis. Mimeo, 2006.
WARNING, S. Performance differences in German higher education: Empirical

analysis of strategic groups. Review of Industrial Organization, 24(4), 393408, 2004.
WORTHINGTON, A.C. An empirical survey of frontier efficiency measurement

techniques in education. Education Economics 9(3): 245268, 2001.
ZAFIROPOULOS, C.; VRANA, V. Service quality assessment in a Greek higher

education institute, Journal of Business Economics and Management 9(1): 3345, 2008.
ZOGHBI, A. C.; ROCHA, F. MATTOS, E. Education production efficiency: Evi-

dence from Brazilian universities. Economic Modelling, 31, 94103, 2013.
96
ANEXO A -- DADOS REFERENTES AO ANO DE 2008
DMU Proporo Proporo Regime Aluno Aluno Ingressantes Concluintes Bolsas Nota
Mestres Doutores Integral Tempo Equivalente Enade
Integral
1(2008) 0.705 0.396 1.000 341.890 683.780 66 29 54 3.201
2(2008) 0.904 0.731 1.000 243.860 487.720 45 46 65 4.425
3(2008) 0.773 0.182 0.955 330.660 661.320 64 26 3 3.872
4(2008) 0.967 0.917 1.000 178.610 357.220 34 21 45 2.816
5(2008) 0.788 0.545 1.000 149.840 299.680 28 24 3 1.941
6(2008) 0.732 0.437 1.000 242.300 484.600 46 30 21 2.054
7(2008) 0.831 0.588 1.000 488.780 977.560 93 58 27 3.781
8(2008) 0.931 0.729 1.000 463.450 926.900 89 45 11 3.666
9(2008) 0.643 0.514 1.000 226.400 452.800 42 40 4 4.158
10(2008) 0.738 0.508 1.000 212.380 424.760 41 18 17 2.719
11(2008) 0.833 0.576 1.000 373.450 746.900 71 45 12 3.999
12(2008) 0.923 0.738 1.000 228.120 456.240 43 32 30 3.933
13(2008) 0.778 0.222 1.000 216.970 433.940 42 17 0 1.802
14(2008) 0.800 0.367 1.000 316.070 632.140 61 27 62 2.092
15(2008) 0.615 0.077 0.923 158.610 317.220 30 21 0 1.567
16(2008) 0.917 0.583 1.000 513.780 1027.560 98 58 44 4.056
17(2008) 0.695 0.432 1.000 505.910 1011.820 97 51 0 3.313
18(2008) 0.793 0.345 1.000 417.710 835.420 81 31 12 1.595
19(2008) 1.000 0.909 1.000 179.920 359.840 35 12 27 3.735

97
ANEXO B -- DADOS REFERENTES AO ANO DE 2011
Integral
1(2011) 0.934 0.566 1.000 417.380 834.760 82 18 55 3.234
2(2011) 0.922 0.686 1.000 260.580 521.160 49 38 18 3.310
6(2011) 0.850 0.525 1.000 461.890 923.780 90 29 20 3.648
9(2011) 0.710 0.570 1.000 296.480 592.960 57 28 41 4.780
10(2011) 0.926 0.731 1.000 354.430 708.860 69 23 26 2.919
11(2011) 0.935 0.762 1.000 423.780 847.560 80 58 29 4.185
12(2011) 0.970 0.761 1.000 312.300 624.600 60 30 56 3.796
13(2011) 0.882 0.235 1.000 283.280 566.560 56 8 0 1.247
14(2011) 0.896 0.313 1.000 407.380 814.760 80 18 27 3.191
16(2011) 0.929 0.500 1.000 468.290 936.580 88 69 29 3.069
18(2011) 0.640 0.080 1.000 400.170 800.340 77 37 0 0.776
19(2011) 1.000 1.000 1.000 163.690 327.380 32 9 0 3.307
20(2011) 0.974 0.763 1.000 274.020 548.040 53 22 7 3.477
21(2011) 0.987 0.684 1.000 235.330 470.660 46 13 14 3.780
22(2011) 1.000 0.926 1.000 477.550 955.100 91 55 33 4.271
23(2011) 0.697 0.515 1.000 286.970 573.940 56 17 1 2.143
24(2011) 0.800 0.730 1.000 247.710 495.420 47 31 24 3.294
25(2011) 0.846 0.596 1.000 311.150 622.300 61 15 6 3.423
26(2011) 0.940 0.731 1.000 357.710 715.420 69 31 0 3.608
27(2011) 0.843 0.608 1.000 330.250 660.500 64 25 28 2.984
28(2011) 1.000 0.875 1.000 365.820 731.640 73 2 26 4.124
29(2011) 0.913 0.652 1.000 136.970 273.940 26 17 0 3.450
30(2011) 0.763 0.553 1.000 251.640 503.280 50 4 0 4.425
31(2011) 0.908 0.338 1.000 463.690 927.380 92 9 0 2.743
32(2011) 0.915 0.404 1.000 66.150 132.300 12 15 0 2.281
33(2011) 0.792 0.333 1.000 264.920 529.840 52 12 5 2.754
34(2011) 0.926 0.537 1.000 160.410 320.820 32 1 0 2.811

98
ANEXO C -- DADOS REFERENTES AO ANO DE 2014
Integral
1(2014) 0.899 0.606 1.000 394.270 534.270 75 47 64 3.975
2(2014) 0.875 0.688 1.000 226.560 366.560 44 16 20 4.735
4(2014) 1.000 0.917 0.900 174.840 219.840 33 24 33 3.953
5(2014) 0.825 0.464 1.000 160.660 180.660 30 26 15 1.610
6(2014) 0.796 0.556 1.000 503.860 758.860 97 46 43 3.001
7(2014) 0.965 0.844 1.000 472.550 647.550 90 55 26 3.335
8(2014) 0.929 0.821 1.000 506.160 601.160 95 76 37 3.126
9(2014) 0.923 0.795 1.000 304.020 489.020 59 22 49 4.645
10(2014) 0.903 0.697 1.000 231.970 371.970 45 17 20 3.394
12(2014) 0.934 0.787 1.000 347.630 462.630 66 43 22 4.601
13(2014) 0.938 0.250 1.000 334.510 609.510 66 11 32 0.911
14(2014) 0.830 0.319 1.000 465.990 720.990 90 39 50 2.082
18(2014) 0.867 0.233 1.000 344.680 429.680 65 48 15 0.785
19(2014) 1.000 1.000 1.000 155.330 240.330 30 13 0 2.073
20(2014) 0.925 0.774 1.000 385.910 495.910 73 51 18 3.405
21(2014) 0.894 0.765 1.000 212.300 262.300 40 30 11 3.990
22(2014) 1.000 0.963 1.000 478.210 518.210 89 81 28 4.929
25(2014) 0.857 0.714 1.000 258.610 403.610 50 21 59 2.612
26(2014) 0.982 0.877 1.000 405.990 600.990 78 39 1 3.850
28(2014) 1.000 0.882 1.000 344.760 494.760 66 36 19 3.168
29(2014) 0.879 0.667 1.000 106.970 121.970 20 17 4 2.533
30(2014) 0.833 0.611 1.000 246.070 346.070 47 27 6 4.176
32(2014) 0.892 0.378 1.000 271.480 391.480 52 28 0 2.551
33(2014) 0.851 0.468 1.000 289.840 449.840 56 24 0 2.156
35(2014) 0.991 0.942 1.000 588.290 803.290 112 69 0 4.194
36(2014) 0.958 0.814 1.000 386.400 556.400 74 40 0 3.158
37(2014) 0.966 0.598 1.000 179.020 239.020 34 22 2 2.950
38(2014) 0.806 0.313 1.000 374.100 694.100 74 10 4 2.469
39(2014) 0.875 0.458 1.000 162.380 227.380 31 18 0 1.548
40(2014) 0.976 0.829 1.000 428.280 813.280 85 8 31 4.386
41(2014) 0.947 0.789 1.000 214.920 364.920 42 12 11 4.360
42(2014) 0.946 0.703 1.000 268.610 423.610 52 21 21 1.397
43(2014) 0.887 0.566 1.000 298.690 548.690 59 9 30 2.524
44(2014) 0.826 0.261 1.000 255.330 440.330 50 13 0 1.609

Dissertacao Coelho 2016 PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Dissertacao Coelho 2016 PDF

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDADE FEDERAL DE ITAJUB

PROGRAMA DE PS-GRADUAO EM ENGENHARIA

O Papel das Variveis na Eficincia da nota Enade dos Cursos

den de Oliveira Pinto Coelho

Itajub, agosto de 2016

den de Oliveira Pinto Coelho

O Papel das Variveis na Eficincia da nota Enade dos Cursos

Dissertao submetidada ao Programa

rea de Concentrao: Modelagem,

Orientador: Prof. Dr. Rafael Coradi

PINTO COELHO, den de Oliveira

Orientador: Prof. Dr. Rafael Coradi Leme

1. Modelagem, Otimizao e Controle

I. Leme, Rafael Coradi.

Palavras-chave: Anlise Envoltria de Dados, Ensino Superior, Variveis Flexveis.

Keywords: Data Envelopment Analysis, Higher Education, Flexible Variables

FIGURA 1.1 Rendimentos Relativos de trabalhadores com ensino superior nos

FIGURA 3.1 Representao de uma DMU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

FIGURA 3.2 Diagrama de Farrel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

FIGURA 3.3 Eficincia Tcnica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

FIGURA 3.4 Fronteira de Produo estimada pela tcnica OLS . . . . . . . . . . . . . . . . 50

FIGURA 3.5 Fronteiras de Produo estimadas pelas tcnicas OLS e COLS . . . . . . 51

QUADRO 2.1 Resumo da Anlise de Eficincia para o Ensino Superior em alguns

QUADRO 3.1 Tcnicas para o clculo da Eficincia . . . . . . . . . . . . . . . . . . . . . . . . . 48

TABELA 5.1 Resultados para o ano de 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

TABELA 5.2 Resultados para o ano de 2011 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

TABELA 5.3 Resultados para o ano de 2014 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

BNDES Banco Nacional de Desenvolvimento Econmico e Social

CAPES Coordenao de Aperfeioamento de Pessoal de Nvel Superior

CNPq Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico

COLS Corrected Ordinary Least Squares

CPC Conceito Preliminar de Cursos

CRS Constant Returns to Scale

DEA Data Envelopment Analysis

DMU Decision Making Units

Enade Exame Nacional de Desempenho dos Estudantes do ensino superior

ENC Exame Nacional de Cursos

IES Instituies de Ensino Superior

IFES Instituies Federais de Ensino Superior

IGC ndice Geral de Cursos

INEP Instituto Nacional de Estudos e Pesquisas Educacionais Ansio Teixeira

OCDE Organizao para a Cooperao e Desenvolvimento Econmico

OLS Ordinary Least Squares

SDEA Stochastic Data Envelopment Analysis

SFA Stochastic Frontier Analysis

SINAES Sistema Nacional de Avaliao da Educao Superior

TCU Tribunal de Contas da Unio

VRS Variant Returns to Scale

2 ANLISE DE EFICINCIA PARA O ENSINO SUPERIOR . . . . . . . . . 20

1.1 Consideraes iniciais

Devido a mudanas na organizao do trabalho, os pases avanados comearam a

O crescimento da produtividade das economias industrializadas devido a uma

Polticas para a expanso da educao tm exercido presses para um maior acesso

As universidades so de interesse para o Estado porque a educao superior uma

O aumento dos nveis de educao, principalmente o ensino universitrio, na ver-

O potencial para ganhar mais um incentivo para os indivduos buscarem uma

Assumindo que a educao, quando analisada corretamente, acaba por ter um

Um dos problemas da funo de produo educacional : Como pode ser mensu-

padronizados parecem ser o melhor indicador disponvel para mensurar a eficincia no

Nesse sentido, em 2003 foi criado o Sistema Nacional de Avaliao da Educao

Considerando a relevncia dos resultados apresentados por este sistema de avalia-

sustentabilidade: responsabilidade social, ambiental, econmica e financeira (QUELHAS,

Basicamente, a tcnica DEA pode assumir orientaes tanto a entrada (input),