El techo de cristal en las universidades estatales chilenas. Un ...
UNA PROPUESTA DE CLASIFICACIÓN DE LAS UNIVERSIDADES PÚBLICAS ESPAÑOLAS EN GRUPOS COMPARABLES EN...
Transcript of UNA PROPUESTA DE CLASIFICACIÓN DE LAS UNIVERSIDADES PÚBLICAS ESPAÑOLAS EN GRUPOS COMPARABLES EN...
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 41 2008
85
UNA PROPUESTA DE CLASIFICACIÓN DE LAS
UNIVERSIDADES PÚBLICASESPAÑOLAS EN GRUPOSCOMPARABLES EN LOS
ESTUDIOS DE EVALUACIÓNINSTITUCIONAL
José María Gómez Sancho
María Jesús Mancebón Torrubia
Universidad de Zaragoza
En los últimos años se ha asistido a un incremento del interés porla evaluación de las instituciones universitarias y de los elemen-tos que las componen. Los estudios realizados hasta la fechadesde el ámbito económico difieren en múltiples aspectos (meto-dología de análisis, tipo de agregación, muestras, variables). Unacaracterística en la que inciden todos ellos, no obstante, es la rele-vancia de que las organizaciones evaluadas sean homogéneas enlos aspectos básicos de su actividad docente e investigadora, esdecir, en el proceso productivo que en ellas se lleva a cabo. Sinembargo, la atención prestada a este aspecto en el análisis empí-rico resulta en la mayor parte de los casos muy superficial, guia-da más por los datos disponibles o criterios ad hoc establecidospor los autores. Conscientes de la relevancia de la homogeneidadmuestral en los análisis de la actividad universitaria, el trabajoque se presenta a continuación se propone con el objetivo de cla-sificar a las universidades públicas españolas en grupos homogé-neos que permitan realizar evaluaciones más coherentes interna-mente y no sesgadas. Para ello se hace uso de los datos deHernández Armenteros (2002) y sobre ellos se aplica un análisisestadístico de agrupación tomando como referencia la oferta detitulaciones ofrecidas por las universidades.
Palabras clave: homogeneidad muestral, universidades, análisiscluster.
Gomez Sancho 21/9/09 17:59 Página 85
JOSÉ Mª GÓMEZ SANCHO, Mª JESÚS MANCEBÓN TORRUBIA. UNA PROPUESTA DE CLASIFICACIÓN DE LAS...
86
1. INTRODUCCIÓN
La importancia de la educación superior, y de las que son sus institu-ciones más representativas, las universidades, queda fuera de toda dudaen la sociedad actual. Así se reconoce en la declaración preámbulo de laConferencia Mundial sobre Educación Superior de 1998 patrocinada porla UNESCO donde se dice textualmente: “dado el alcance y ritmo de lastransformaciones, la sociedad cada vez tiende a establecerse más sobrela base del conocimiento, razón de que la educación superior y la investi-gación formen hoy en día parte fundamental del desarrollo cultural, socio-económico y ecológicamente sostenible de los individuos, las comunida-des y las naciones”. Diez años más tarde, con la generalización de las nue-vas tecnologías de la información, la afirmación anterior no puede sermás cierta.
En España el papel y la aportación de las universidades han sidoindiscutibles en las últimas décadas. En un primer momento, añosochenta, por la extensión de sus estudios a amplias capas de la sociedad.En este periodo el objetivo fundamental de nuestras universidades nofue otro que dar respuesta, con la creación de nuevas instituciones y elaumento de la oferta de plazas, al fortísimo incremento de la demandade estudios universitarios. En los últimos años, con una demanda enretroceso, se han establecido otro tipo de prioridades. Entre ellas desta-ca el incrementar la calidad en sus actividades fundamentales (docenciae investigación), lo que ha dado lugar a la proliferación de diversos pla-nes de evaluación que abarcan a las instituciones universitarias en suconjunto y a cada uno los elementos que las integran (titulaciones, pro-fesorado, servicios, etc.).
En el plano académico, el interés por la evaluación de la actividad de lasinstituciones de educación superior, en particular por su eficiencia producti-va, ha experimentado un notable crecimiento en los últimos diez años. Dehecho, a fecha de hoy se dispone de un conjunto importante de trabajosdedicados al análisis de esta problemática1. En todas las aplicaciones empí-ricas realizadas se reconoce que un aspecto crucial en este tipo de investi-gaciones reside en la selección de una muestra homogénea desde el puntode vista productivo, dada la sensibilidad de los resultados a las observacio-nes incluidas en el análisis, en la medida en que la valoración que obtienecada unidad evaluada es relativa al comportamiento de las demás2. A pesarde ello, las soluciones otorgadas al problema de la selección muestral enestos trabajos han estado guiadas, en la mayoría de los casos, por la dispo-nibilidad de datos más que por un análisis riguroso de las similitudes/dife-rencias de las unidades evaluadas. En la mayor parte de los trabajos la cues-
(1) Véase anexo de Gómez Sancho y Mancebón (2005).
(2) En los trabajos sobre la evaluación de la eficiencia de las instituciones universitarias, la refe-rencia de las comparaciones es lo que se conoce como la best practice frontier (Farrell,1957), es decir la frontera construida a partir de las mejores prácticas productivas de lamuestra. Ello se debe a la imposibilidad de conocer la función de producción de real (máxi-mos teóricos alcanzables) en un sector cuya actividad resulta tan difícil de modelizar.
Gomez Sancho 21/9/09 17:59 Página 86
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 41 2008
87
tión se ha solventado atendiendo a criterios ad hoc establecidos por losautores y en muchos casos, como se explica luego, discutibles.
Conscientes de la relevancia que la homogeneidad de la muestra tieneen los procesos de evaluación de las instituciones y colectivos universita-rios, tan en boga en la actualidad, el presente trabajo se plantea con el obje-tivo de llevar a cabo una agrupación de las universidades públicas españo-las que permita realizar evaluaciones comparativas de su actividad queestén fundamentadas en algún criterio objetivo y minimicen los sesgosinherentes a este tipo de prácticas evaluatorias. Para ello se utilizarán losdatos disponibles en Hernández Armenteros (2002) referidos al año 2000.
El artículo se estructura de la manera siguiente. En primer lugar, se lleva acabo una discusión de las diferentes posibilidades de selección muestral exis-tentes en el ámbito de la evaluación de la actividad de las instituciones deenseñanza superior. A continuación se revisa el tratamiento dado a esta cues-tión en los estudios que han abordado el análisis de la eficiencia productiva enel ámbito universitario, los más extendidos en la literatura económica. En ter-cer lugar, se presenta un análisis empírico que permite clasificar a las univer-sidades públicas españolas en grupos homogéneos atendiendo a su oferta detitulaciones. El artículo finaliza con el habitual apartado de conclusiones.
2. DIFERENTES PERSPECTIVAS DE EVALUACIÓN DE LAS INSTITUCIONES DEEDUCACIÓN SUPERIOR
En el ámbito de la educación superior, la evaluación de la actividad delas instituciones que lo conforman puede acometerse desde diferentesópticas. Una primera posibilidad es llevar a cabo una evaluación de laorganización universitaria en su conjunto, comparando su comporta-miento productivo (inputs y outputs) con el de otras entidades similares.Una segunda posibilidad consiste en tomar como unidad de observacióna los departamentos o a las titulaciones, comparando su actuación con lade sus homónimos de otras universidades o con la de los pertenecientesa su misma universidad. En este último caso, deberían extremarse lascautelas, ya que, como destacan Dyson et al. (2001), sería inapropiadocomparar departamentos de ciencias con departamentos de humanida-des dentro de una misma universidad, ya que los datos de gasto relativosa laboratorios, equipamiento y otros materiales similares favorecerían alos departamentos de humanidades donde dichas prácticas y los costesasociados a ellas apenas tienen relevancia. El mismo argumento seríatrasladable a la comparación de universidades con una oferta de titula-ciones muy heterogénea.
En cualquier caso, la elección de una de las opciones de selecciónmuestral recién señaladas debería tomar en consideración las caracterís-ticas propias de cada unidad de observación. Así, si se opta por evaluarlos departamentos, el análisis debería centrarse en la investigación, debi-do a la dificultad de imputar los resultados docentes a cada departamen-to. Si la opción seleccionada es la titulación, tiene más interés centrarseen los resultados docentes, ya que el profesorado, responsable de lainvestigación, puede estar asignado a más de una titulación o, si se eva-
Gomez Sancho 21/9/09 17:59 Página 87
JOSÉ Mª GÓMEZ SANCHO, Mª JESÚS MANCEBÓN TORRUBIA. UNA PROPUESTA DE CLASIFICACIÓN DE LAS...
88
lúa en un periodo de tiempo superior al año o curso académico, haber idocambiando de titulación. Si se prefiere centrar el análisis en la universi-dad, se supera la visión parcial de las anteriores muestras, si bien lamayor generalidad puede tener como contrapartida una menor homoge-neidad de la muestra.
Otra de las decisiones del investigador al plantearse evaluar la efi-ciencia de las universidades radica en si se deben comparar departamen-tos (titulaciones) entre universidades o dentro de la misma universidad.Desde la perspectiva de la gestión ambas evaluaciones resultan comple-mentarias. La primera ofrece información sobre la posición de cadadepartamento (titulación) en relación al resto de departamentos (titula-ciones) del área. La segunda muestra la situación relativa frente a otrosdepartamentos (titulaciones) de la misma universidad. Si se comparandepartamentos (titulaciones) entre universidades el problema de la homo-geneidad se reduce sustancialmente, pero la información que se propor-ciona tiene menos interés para el gestor universitario, más preocupadopor los departamentos (titulaciones) de su propia universidad.
En síntesis, la selección de la muestra en el ámbito de la evaluaciónuniversitaria ofrece diversas opciones que el investigador debe valorar ala hora de llevar a cabo la misma, siendo consciente de las ventajas ydebilidades de cada una de ellas.
En lo que sigue centraremos la atención en la problemática que gene-ra la evaluación de las universidades de manera agregada, dado que estees el ámbito en el que la necesidad de homogeneización adopta unamayor dimensión. Nuestro objetivo es proponer un método de clasifica-ción que permita obtener grupos homogéneos desde la perspectiva de laevaluación institucional. A nuestro juicio las evaluaciones de las universi-dades desde una perspectiva agregada presentan gran interés en sí mis-mas y como complemento de otras evaluaciones de aspectos específicosde su funcionamiento. Así, permiten tomar en consideración las interac-ciones existentes entre los subsistemas que las conforman (departamen-tos y facultades) y analizar al mismo tiempo la investigación y la docen-cia, dadas las especiales características de producción conjunta y los efec-tos transversales que se dan en el sector universitario. Estasinterrelaciones internas resultan más fácilmente capturables a nivel agre-gado, ya que el análisis de los departamentos comporta la dificultad deasignar correctamente los resultados docentes y el estudio por facultadesimpide realizar una imputación correcta de los resultados investigadores.
A estas potencialidades de análisis se añade una dificultad importan-te: las comparaciones entre universidades a nivel agregado requierenimportantes esfuerzos de homogeneización muestral, cuestión ésta a laque se dedica el resto del trabajo. En primer lugar, se revisan las aporta-ciones que ofrece la literatura previa en relación con este aspecto. Segui-damente se lleva a cabo un ejercicio de agrupación de las universidadespúblicas españolas que permita llevar a cabo evaluaciones comparativasentre ellas.
Gomez Sancho 21/9/09 17:59 Página 88
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 41 2008
89
3. TRATAMIENTO DADO AL PROBLEMA DE LA HOMOGENEIDAD MUESTRALEN LA LITERATURA SOBRE LA EVALUACIÓN DE LA EFICIENCIA DE LASINSTITUCIONES DE EDUCACIÓN SUPERIOR
En este apartado se pasa revista a la elección de la unidad muestral enlos análisis que han tratado de evaluar la eficiencia de diferentes institu-ciones universitarias, en particular los que han hecho uso de la técnicaenvolvente de datos (DEA), los más prolíficos en este ámbito3.
Comenzaremos presentando los estudios que han tomado como uni-dad de observación la universidad o las instituciones de educación supe-rior, para revisar después los que han centrado su atención en los depar-tamentos de una misma universidad. En la mayor parte de ellos se hacereferencia al problema de la homogeneidad de la muestra bien sea paraexcluir observaciones o para subdividir la muestra en grupos atendiendoa algún tipo de criterio. Quedan fuera de esta revisión aquellos trabajosreferidos a la evaluación de la eficiencia entre departamentos (titulacio-nes) similares pertenecientes a distintas universidades, ya que en ellos elproblema de la homogeneidad de la muestra presenta en principio unamenor importancia4.
3.1. Trabajos en que la unidad de observación es la universidad o institu-ción de educación superior a nivel agregado
Los trabajos que han tratado de evaluar la eficiencia productiva de lasinstituciones de educación superior a nivel agregado pueden dividirse endos grupos atendiendo al criterio de segmentación muestral aplicado. Porun lado aquéllos que recurren a alguna clasificación externa y, por otro,aquéllos donde el propio investigador establece de manera subjetiva loscriterios de segmentación que entiende que son más adecuados5.
Al primer grupo pertenecen los trabajos centrados en la evaluaciónde la eficiencia de las instituciones de educación superior de EstadosUnidos y Canadá. Los primeros constituyen los trabajos pioneros en laevaluación de la eficiencia de este tipo de instituciones (Ahn, 1987; Ahn,
(3) Esta técnica permite obtener estimaciones de eficiencia de cada universidad relativas ala frontera de producción construida empíricamente a partir de las mejores realizacio-nes muestrales. Su método de cálculo es no paramétrico y se apoya en la resolución deproblemas de programación matemática. Su introducción se debe a Charnes, Cooper yRhodes (1978), si bien en la actualidad existen numerosos manuales sobre el tema talescomo el de Thanassoulis (2001) o el de Fried, Lovell y Schmidt (2008).
(4) Esta homogeneidad sería discutible si atendemos a los resultados de la función docen-te en los casos en que existan departamentos en una universidad pero no las titulacio-nes a las que se suelen vincular. Por ejemplo, que exista un departamento de economíade la empresa en una politécnica sin titulación de empresa. Los resultados docentes deeste departamento podrían no ser comparables con los del otro departamento deempresa ubicado en una universidad con titulación de administración de empresas, yaque el número de graduados (medida habitual del output docente) suele ser mayor enlas titulaciones de empresa que en las titulaciones de ingeniería.
(5) Véase Gómez Sancho y Mancebón (2005).
Gomez Sancho 21/9/09 17:59 Página 89
JOSÉ Mª GÓMEZ SANCHO, Mª JESÚS MANCEBÓN TORRUBIA. UNA PROPUESTA DE CLASIFICACIÓN DE LAS...
90
Arnold, Charnes y Cooper, 1989; Ahn, Charnes y Cooper, 1988a; Ahn,Charnes y Cooper, 1988b; Ahn, Charnes y Cooper, 1988c; Ahn y Seiford,1993; Breu y Raab, 1994 y Rhodes y Southwick, 1993). En ellos, la selec-ción de la muestra se basa en los criterios de clasificación de la CarnegieFoundation6. Esta clasificación existe desde 1971 y se desarrolló con elobjeto de servir a la investigación en educación superior, al identificarcategorías de colegios y universidades que pudieran ser homogéneoscon respecto a las funciones desempeñadas, a las características de losestudiantes y al profesorado. En nuestro caso, y debido a las diferenciasde estructura entre la educación superior estadounidense y española,resulta de interés la diferenciación que esta institución establece entreuniversidades que ofrecen toda la educación superior incluyendo el doc-torado (Doctorate-granting Institutions o Doctoral/Research Universities),de las que ofertan hasta el grado de master (Master’s Colleges and Uni-versities) o las que se centran fundamentalmente en el título de grado(Baccalaureate Colleges)7.
En Canadá, McMillan y Datta (1998) siguen el criterio de división queutiliza la revista Maclean en su análisis anual sobre las instituciones deeducación superior canadienses. Esta revista identifica tres tipos de uni-versidades: las Primarly Undergraduate Universities, que son aquéllasque se dedican fundamentalmente a los no graduados, las Comprehensi-ve Universities, que tienen un extenso catálogo de títulos para no gra-duados y graduados y perciben una cantidad importante de ingresos porsu actividad investigadora y, por último, las Medical-Doctoral Universities,donde se oferta una amplia gama de programas de doctorado y de inves-tigación y donde se incluyen las facultades de medicina.
En la mayoría de los trabajos anteriores, aparte de realizar las seg-mentaciones de la muestra recién mencionadas, los autores realizan otrasparticiones atendiendo a distintos criterios. Así, en los trabajos sobre ins-tituciones de educación superior estadounidenses, cuyo objetivo funda-mental ha sido comparar la eficiencia de las universidades públicas conlas privadas, la muestra ha sido dividida atendiendo a la naturaleza jurí-dica de dichas instituciones. En esos mismos trabajos se muestra comouno de los grandes problemas a la hora de homogeneizar las institucio-nes radica en la presencia o ausencia de facultades de medicina.
(6) La clasificación de las instituciones de educación superior en Estados Unidos, así comosus notas técnicas, puede localizarse en http://www.carnegiefoundation.org/Classifica-tion/. También existe una herramienta en la red que permite encontrar para una institu-ción de educación superior su grupo de referencia basado en la anterior clasificación;este servicio lo proporciona el National Center for Education Statistics (NECS)http://nces.ed.gov/ipedspas/.
(7) Otros grupos que identifica la Carnegie Foundation son los Associate’s Colleges, lasSpecialized Institutions y los Tribal Colleges and Universities. Los primeros ofrecenmayoritariamente títulos universitarios inferiores al grado, los segundos, aunque ofre-cen todos los títulos incluyendo el doctorado, se concentran en un solo campo (como sidispusieran tan solo de una facultad), los últimos son controlados por las tribus indiasy están localizados en las reservas.
Gomez Sancho 21/9/09 17:59 Página 90
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 41 2008
91
El siguiente conjunto de trabajos está referido a investigaciones enlas que es el propio autor el que segmenta la muestra para homogenei-zar los datos. Los criterios de segmentación empleados son variados, enmuchos casos múltiples y en algunos trabajos señalados superficial-mente pero no explicados con claridad. Un primer criterio de selecciónde la muestra ha sido el país. Así, tenemos trabajos referidos a GranBretaña (Athanassopoulos y Shale, 1997) (aunque excluyen las escoce-sas por tener distintas estructuras), Brasil (Marinho, Resende y Façanha,1997), Austria (Hanke y Leopoldseder, 1998), China (Ng y Li, 2000), Aus-tralia (Avrikan, 2001; Abbott y Doucouliagos, 2003) y Sudáfrica (Taylor yHarris, 2004). Otro criterio de segmentación ha consistido en suprimirparte de la muestra para garantizar la homogeneidad. Así, en algunostrabajos se excluyen aquellas instituciones que no imparten en todos losciclos (Athanassopoulos y Shale, 1997), o las muy especializadas(Marinho, Resende y Façanha, 1997), las facultades de medicina (Hankey Leopoldseder, 1998), las menos importantes (Ng y Li, 2000) o las poli-técnicas (Taylor y Harris, 2004). Por último, destacar el artículo de Abbotty Doucouliagos (2003) que es en el que esta cuestión es tratada conmayor profundidad, empleando para ello diversos criterios de agrupa-ción, ya sea según la relación existente entre investigación y docencia,según la localización (regional o urbana), usando el análisis clúster (sinindicar sobre qué variables agrupan), o en función de su carácter de uni-versidad tradicional o de educación avanzada.
3.2. Trabajos en que la unidad de observación es el departamentouniversitario dentro de una misma universidad
Se agrupan en este epígrafe los trabajos que han aplicado el análisisenvolvente de datos para evaluar la eficiencia de departamentos pertene-cientes a una misma universidad. En ellos, como veremos, es habitualrealizar la selección muestral atendiendo a criterios subjetivos.
Sinuany-Stern, Mehrez y Barboy (1994) evalúan los departamentospertenecientes a la universidad Ben-Gurion de Israel. Una primera medi-da que toman para homogeneizar la muestra es excluir la facultad demedicina. Ello se justifica por sus especiales características que impidenque se compare correctamente con las otras tres facultades o escuelasque integran dicha universidad: la de Humanidades y Ciencias Sociales, lade Ciencias Naturales y la de Ingeniería. La muestra final queda com-puesta por 21 departamentos que incluyen, entre otros, los de Historia,Economía, Literatura, Biología, Filosofía, Química, Ingeniería Mecánica,Ingeniería Nuclear, etc. Un segundo análisis limita la comparación adepartamentos pertenecientes a la misma titulación en aras de incremen-tar la homogeneidad.
García Valderrama y Gómez Aguilar (1999) evalúan 21 grupos deinvestigación de la Facultad de Ciencias de la Universidad de Cádiz perte-necientes a departamentos como Química Orgánica, Ingeniería Química,Física o Bioquímica.
Giménez García (2000 y 2004) estudia 42 de los 46 departamentos dela Universitat Autònoma de Barcelona (UAB), formando grupos según sunivel experimental. Para ello emplea el “índice de experimentalidad” que
Gomez Sancho 21/9/09 17:59 Página 91
JOSÉ Mª GÓMEZ SANCHO, Mª JESÚS MANCEBÓN TORRUBIA. UNA PROPUESTA DE CLASIFICACIÓN DE LAS...
92
la propia universidad utiliza para determinar el importe del crédito a pagarpor los alumnos según el tipo de estudio que cursen8.
Trillo del Pozo (2002) evalúa 34 de los departamentos pertenecien-tes a la Universitat Politècnica de Catalunya. Al tratarse de una uni-versidad con titulaciones relacionadas casi en exclusiva en el área deconocimiento técnica, aduce que disminuye la problemática de lahomogeneidad de la muestra. De todos modos excluye a cuatrodepartamentos de su análisis al comprobar que sus datos difierenconsiderablemente del resto.
En definitiva, en términos generales el problema de la muestra harecibido una atención menor en los estudios sobre la evaluación de laeficiencia de las universidades. En ellos no se ha empleado ningúncriterio que clasifique las universidades de una manera que podamosconsiderar clara y objetiva en relación a su homogeneidad. A la horade llevar a cabo esta tarea, propósito central de esta investigación,una primera opción consistiría en acudir a algún tipo de clasificaciónya elaborada. En España, a diferencia por ejemplo de los Estados Uni-dos, la única clasificación de que se dispone está basada en la titula-ridad de las universidades (públicas, privadas, de la iglesia), divisiónque no aporta mucho en el trabajo que nos ocupa, dado que nuestroobjeto de análisis está conformado exclusivamente por universidadesde titularidad pública. Una segunda opción consistiría en emplearalguno de los criterios empleados por otros autores, si bien ningunoresulta de utilidad en nuestro empeño, ya sea porque muchos de losempleados ya están implícitamente incorporados (titularidad pública,país España), ya sea porque los criterios empleados son totalmentearbitrarios y no están fundamentados en ninguna base científica. Unatercera opción consiste en proponer una agrupación de las universi-dades recurriendo a una metodología objetiva de clasificación. Eneste sentido, algunos autores proponen la utilización del análisis clus-ter como herramienta de homogeneización muestral en los estudiosde eficiencia productiva (Albi, González-Páramo y López Casasnovas,1997; Dyson et al., 2001). Es esta la opción por la que nos decantamosen este trabajo.
4. CLASIFICACIÓN DE LAS UNIVERSIDADES PÚBLICAS ESPAÑOLASEN GRUPOS HOMOGÉNEOS
En este apartado se explica el proceso seguido para configurar losgrupos homogéneos de universidades dentro del mapa universitarioespañol. El primer aspecto a dilucidar es el tipo de agrupación que se
(8) El área de Economía y Finanzas de la UAB clasifica los departamentos en cuatro nivelesexperimentales, otorgando valores de 1, 1'33, 2 y 2'33 según su carga experimental.Debido a que los grupos a comparar aplicando este criterio son muy pequeños, el autoragrega en dos (alta y baja carga experimental) los anteriores.
Gomez Sancho 21/9/09 17:59 Página 92
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 41 2008
93
quiere realizar. Es decir, si es relevante agrupar por tamaño, por zonageográfica, por titulaciones ofrecidas, etc. A este respecto, repasare-mos la aplicación de los criterios de agrupación anteriormente expues-tos al caso de las universidades públicas españolas objeto de atenciónen este trabajo.
Según el criterio de la Carnegie Foundation, casi todas nuestras uni-versidades públicas estarían englobadas en el grupo denominado Doc-toral/Research Universities, ya que todas ellas están capacitadas paraimpartir primer y segundo ciclo así como el doctorado9. La divisiónentre públicas y privadas utilizada en otros trabajos está implícitamen-te asumida en nuestro caso, ya que en él el centro de atención son lasuniversidades públicas.
En cuanto a la selección en función de la existencia o no de faculta-des de medicina no nos parece un criterio suficientemente sólido. Seríaperfectamente factible separar entre aquellas que tienen ingenierías ono las tienen o en las que ciertas titulaciones supongan un cierto por-centaje dentro de la oferta total de la institución.
Respecto a la aplicación de coeficientes para medir el nivel experi-mental de los departamentos o titulaciones, el hecho de que éstos nosean coincidentes entre todas las universidades cuestiona su caráctergeneral al no existir un consenso entre los mismos.
A nuestro juicio la segmentación más adecuada en los contextos deevaluación de las universidades, donde se valora la relación entre losrecursos empleados por las instituciones y los resultados en ellas obte-nidos, es la que atiende a la rama o área de conocimiento. Ello se debea que en este tipo de trabajos resulta fundamental que las entidadesconjuntamente evaluadas dispongan de tecnologías de producciónparecidas y parece razonable pensar que las principales diferenciasexistentes entre las universidades tanto en relación a los inputs (recur-sos empleados en la actividad) como a los outputs (resultados docen-tes e investigadores) tiene que ver con la rama de conocimiento.
Con respecto a los inputs porque en las ramas de conocimiento quenecesitan de laboratorios o de maquinas y equipos se hace un uso másintensivo del factor capital.
En cuanto a los outputs, porque el patrón de difusión de la investi-gación es muy diferente entre las distintas áreas de conocimiento. Así,por ejemplo, frente a Ciencias donde la mayor parte de la investigaciónse vierte en artículos de revistas científicas de ámbito internacional, enHumanidades gran parte del conocimiento se difunde en libros, en
(9) Los datos que proporciona Hernández Armenteros (2002) sobre tesis leídas en el año2000 tan sólo excluirían a la Politécnica de Cartagena y la Pablo Olavide de Sevilla, aun-que de otras carecemos de datos como son la Rey Juan Carlos de Madrid y la MiguelHernández de Elche. Como puede observarse, se trata de las universidades de másreciente creación y en pocos años, probablemente, se deberían agrupar sin problemascon el resto.
Gomez Sancho 21/9/09 17:59 Página 93
JOSÉ Mª GÓMEZ SANCHO, Mª JESÚS MANCEBÓN TORRUBIA. UNA PROPUESTA DE CLASIFICACIÓN DE LAS...
94
Sociales en revistas científicas nacionales o en la rama Técnica resultanespecialmente relevantes las patentes10.
Por otra parte, el área de conocimiento constituye una referencia plena-mente consolidada en nuestro país a la hora de acometer diferentes medidasrelacionadas con la actividad universitaria. Por ejemplo, la Comisión Nacionalde la Evaluación de la Actividad Investigadora utiliza el área de conocimientopara la concesión de sexenios, acreditaciones y habilitaciones. Además, unagran parte de las diferencias existentes entre las universidades en relación conla oferta de estudios propios, o con la obtención de financiación para la inves-tigación o la transferencia de la misma radica en que su oferta de titulacionesesté más o menos sesgada hacia una de las ramas de conocimiento11.
En definitiva, el área o rama de conocimiento constituye, a nuestro jui-cio, el criterio de segmentación de las universidades españolas más ade-cuado a la hora de llevar a cabo cualquier evaluación de la actividad queéstas desempeñan.
Delimitado el criterio de segmentación queda por concretar la variableque permita diferenciar mejor las áreas de conocimiento entre distintasuniversidades. A este respecto se consideran tres opciones: el número dealumnos en cada área, el número de profesores en cada área y el núme-ro de titulaciones por área.
El empleo de la variable número de alumnos en cada área exige dis-poner de datos homogeneizados (como el número de alumnos equiva-lentes a tiempo completo) agrupados por rama de conocimiento, infor-mación no accesible en las estadísticas disponibles. Por otro lado, estavariable resulta adecuada en la evaluación de la actividad docente perosu relación con la función investigadora es prácticamente inexistente(exceptuando a los alumnos de doctorado).
Una segunda opción es el empleo del número de profesores equiva-lentes a tiempo completo agrupados por rama de conocimiento A nuestrojuicio, ésta constituye una medida muy adecuada para diferenciar a lasuniversidades pues permite tomar en consideración las diferencias detamaño entre las áreas de conocimiento, a la vez que graduar la importan-cia de las áreas dentro de cada titulación. Su uso ha sido descartado tam-bién, si bien en este caso la razón se encuentra en la ausencia de datos12.
(10) Las revistas científicas reúnen el 85% de todo lo que se publica en las áreas científico-téc-nicas. En Humanísticas y Sociales tan sólo suponen el 40% (los libros suponen el 48% delas publicaciones en Humanidades). Por otro lado, las revistas nacionales son el vehículonatural de las aportaciones en Ciencias Sociales en España (Gobierno de Aragón, 2004).
(11) También pueden existir diferencias en los productos docentes dependiendo del área deconocimiento. Así, la incorporación al mercado de trabajo de los titulados universita-rios, y los sueldos recibidos, puede variar entre Ingenierías y Humanidades.
(12) Encontramos en Hernández Armenteros (2002) datos del profesorado funcionario equi-valente a tiempo completo agrupado por áreas de conocimiento. Pero el dato del pro-fesorado contratado no aparece agregado de esta manera haciendo imposible unacorrecta asignación del mismo debido al comportamiento tan distinto observado entrelas universidades al estructurar sus plantillas.
Gomez Sancho 21/9/09 17:59 Página 94
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 41 2008
95
Cuadro 1OFERTA DE TITULACIONES AGRUPADAS POR ÁREA
DE CONOCIMIENTO
Universidad Humanidades Sociales Experimentales Salud Técnicas
ALMERÍA 3 12 3 1 9 CÁDIZ 8 14 5 4 20 CÓRDOBA 6 8 6 4 12 GRANADA 19 24 11 6 8 HUELVA 3 13 2 1 13 JAÉN 3 13 4 1 12 MÁLAGA 8 20 4 4 13 PABLO OLAVIDE 1 5 1 0 0 SEVILLA 13 19 7 6 13 ZARAGOZA 8 18 7 5 15 OVIEDO 14 20 7 5 20 ILLES BALEARS 9 14 5 1 5 LA LAGUNA 13 20 9 6 14 LAS PALMAS GRAN CANARIA 9 18 1 5 19 CANTABRIA 2 10 2 2 17 CASTILLA LA MANCHA 11 43 4 6 24 BURGOS 1 12 2 0 10 LEÓN 6 18 3 3 11 SALAMANCA 21 35 10 6 19 VALLADOLID 12 32 6 4 26 AUTÓNOMA DE BARCELONA 17 22 10 3 5 BARCELONA 21 23 7 6 3 GIRONA 6 13 3 1 13 LLEIDA 7 11 1 2 11 POLITÉCNICA CATALUNYA 0 0 4 0 48 POMPEU FABRA 2 9 1 0 2 ROVIRA I VIRGILI 6 14 3 3 9 ALICANTE 11 21 4 3 10 JAUME I CASTELLÓN 3 12 1 0 7 MIGUEL HERNÁNDEZ (ELCHE) 2 7 6 4 9 POLITÉCNICA VALENCIA 1 3 2 0 38 VALENCIA ESTUDI GENERAL 11 26 8 6 4 EXTREMADURA 9 18 6 6 21 A CORUÑA 4 12 2 5 17 SANTIAGO DE COMPOSTELA 15 20 5 5 10 VIGO 6 15 5 1 8 ALCALÁ DE HENARES 4 13 3 4 11 AUTÓNOMA DE MADRID 11 13 7 2 2 CARLOS III MADRID 1 15 2 0 10 COMPLUTENSE 19 31 9 9 6 REY JUAN CARLOS MADRID 3 8 1 3 5 POLITÉCNICA MADRID 0 1 1 0 32 MURCIA 8 21 7 6 4 POLITÉCNICA CARTAGENA 0 2 0 0 18 PÚBLICA DE NAVARRA 0 12 0 1 8 PAÍS VASCO 13 30 9 5 32 LA RIOJA 4 9 3 0 6
Fuente: Hernández Armenteros (2002).
Gomez Sancho 21/9/09 17:59 Página 95
JOSÉ Mª GÓMEZ SANCHO, Mª JESÚS MANCEBÓN TORRUBIA. UNA PROPUESTA DE CLASIFICACIÓN DE LAS...
96
La tercera opción consiste en acudir a la oferta de titulaciones agru-padas por ramas de conocimiento. En este caso se trata de agrupar a lasuniversidades que tienen una oferta de titulaciones muy parecida entre sí.Esta variable está disponible y además su relación con las dos anterioreses evidente, ya que de la oferta de una titulación conlleva que existe pro-fesorado adscrito a la misma y estudiantes que la cursan. Será por tantola variable empleada en nuestro análisis empírico. Adoptar esta perspec-tiva implica que se entiende que dos universidades son homogéneas si suoferta de titulaciones es similar.
En todo caso, debe señalarse que el empleo de esta variable no estáexento de limitaciones. La primera es que considera como iguales,desde el punto de vista de la actividad que desempeñan, a todas lastitulaciones englobadas dentro de una misma área de conocimiento(Derecho y Economía, por ejemplo). Otra debilidad radica en no teneren cuenta las diferencias de tamaño entre las titulaciones. Aún así, ycomo se verá en los resultados, su empleo proporciona una agrupaciónque nos parece satisfactoria, lo que puede ser debido a un comporta-miento similar en las universidades públicas españolas a la hora deestructurar su oferta de titulaciones.
La distribución de la oferta de titulaciones de la universidades públi-cas españolas agrupadas por áreas de conocimiento se presenta en elcuadro 1.
Delimitado el criterio y la variable de agrupación, la similitud en la ofer-ta de titulaciones, explicamos a continuación los resultados obtenidos de laaplicación del análisis cluster a la muestra de universidades consideradas.
Como es sabido es ésta una técnica de agrupación de objetos, ennuestro caso universidades, que se fundamenta en la maximización de lahomogeneidad dentro de los grupos a la vez que se mantiene una hete-rogeneidad máxima entre los grupos conformados (Hair et al., 1999).
4.1. Resultados de la clasificación de las universidades públicas españo-las atendiendo a su oferta de titulaciones
Debido a que lo que realmente estamos buscando es un patrón en laoferta de titulaciones por parte de nuestras universidades, se ha procedi-do en primer lugar a calcular la matriz de correlaciones entre las titulacio-nes ofertadas por cada universidad (véase cuadro 2 situado en el anexo).El algoritmo de aglomeración utilizado ha sido el encadenamiento medioentre grupos, empleando el procedimiento jerárquico al desconocer elnúmero de grupos finales que se obtendrían (Hair et al., 1999).
En el cuadro 2 del anexo se puede apreciar que el mapa universita-rio español está integrado por universidades parecidas entre sí en laoferta de titulaciones (correlaciones superiores a 0,5) y por universida-des muy diversas (correlaciones negativas e inferiores a 0,5). Para podercomprender mejor la información que proporciona esa matriz aplicamosun análisis clúster. Sus resultados aparecen en el dendograma que apa-rece en el gráfico 1.
Gomez Sancho 21/9/09 17:59 Página 96
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 41 2008
97
Gráfico 1DENDOGRAMA DE LAS CORRELACIONES EMPLEANDO ENCADENA-
MIENTO MEDIO ENTRE GRUPOS
Gomez Sancho 21/9/09 17:59 Página 97
JOSÉ Mª GÓMEZ SANCHO, Mª JESÚS MANCEBÓN TORRUBIA. UNA PROPUESTA DE CLASIFICACIÓN DE LAS...
98
Los resultados obtenidos son claros e interpretables. Así, tomando comocriterio de grupo homogéneo aquél que tiene una correlación mínima supe-rior a 0,5 entre las universidades, se distinguen claramente 3 grupos13 (13).
Primer grupo: Universidades técnicas. Agrupa 9 universidades, lascuatro politécnicas (Cataluña, Madrid, Valencia y Cartagena), así como lasuniversidades de Cantabria, La Coruña, Cádiz, Córdoba y la Miguel Her-nández de Elche. En todas ellas destaca un predominio de las titulacionestécnicas. Si acudimos a la matriz de correlaciones observamos que lacorrelación mínima en este grupo (0,723) se produce entre las universida-des Politécnica de Cataluña y la Miguel Hernández (cuadro 2).
Segundo grupo: Universidades no técnicas. Son universidades con pocopeso de las titulaciones técnicas. Este grupo está formado por 11 universi-dades: Complutense, Autónoma de Barcelona, Granada, Pablo Olavide deSevilla, Valencia Estudio General, Murcia, Autónoma de Madrid, Barcelona,Pompeu Fabra, Santiago de Compostela e Islas Baleares. Engloba todas lasgrandes universidades en cuyas comunidades autónomas existe alguna otrauniversidad de tipo técnico y que, por tanto, se han especializado poco onada en las titulaciones de esa rama. La excepción sería la Universitat de lesIlles Balears. En este grupo la correlación mínima (0,711) se produce entrelas universidades Pompeu Fabra y de Barcelona (cuadro 2).
Tercer grupo: Universidades generalistas. Se trata de universidadescon una oferta más variada entre titulaciones sin observarse especializa-ción. Aparecen las otras 27 universidades públicas españolas. Su rasgo esque ofrecen todo tipo de titulaciones. Parece lógico que aparezcan en estegrupo aquéllas que son únicas en sus comunidades autónomas como sonla de Extremadura, Zaragoza, País Vasco, Pública de Navarra, Rioja, Cas-tilla La Mancha, Oviedo. La correlación mínima (0,697) se da entre la uni-versidad de Extremadura y la de Alicante (cuadro 2).
En definitiva, la agrupación de las universidades públicas españolasen función de su oferta de titulaciones, mediante el análisis cluster, dalugar a una clasificación muy lógica de las universidades públicas espa-ñolas, desde el punto de vista de la actividad que realizan. En efecto, losinputs, outputs y tecnologías de producción de cada uno de los gruposconfigurados son presumiblemente más homogéneos entre sí que antesde realizar la clasificación.
Se puede observar que los tres grupos seleccionados dependen, fun-damentalmente, de la población de cada Comunidad Autónoma, es decir,cuanta mayor población más probable es que existan distintas universi-dades públicas con ofertas especializadas. Así ocurre con las cuatroComunidades Autónomas más pobladas de España: Andalucía, Cataluña,Madrid y Comunidad Valenciana. La explicación de por qué el resto de
(13) Hemos comprobado que intentar formar sólo dos grupos conduciría a agrupar universida-des con correlaciones muy bajas. Es por ello que optamos por elegir tres conglomerados.
Gomez Sancho 21/9/09 17:59 Página 98
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 41 2008
99
Comunidades Autónomas optan por tener diversas universidades espe-cializadas o diversas universidades generalistas depende de otros aspec-tos de carácter político, geográfico o demográfico.
5. CONCLUSIONES
En este artículo se ha propuesto un método objetivo de clasificaciónde las universidades públicas españolas que permite delimitar gruposhomogéneos de instituciones susceptibles de ser comparados en un aná-lisis de evaluación institucional.
Siguiendo la recomendación de algunos autores especializados en losanálisis de eficiencia productiva, se ha aplicado un análisis cluster paraconfigurar dichos grupos, tomando como referencia la oferta de titulacio-nes de cada universidad.
El análisis nos ha permitido identificar tres grupos de universidadesdiferenciados en función de su especialización en la oferta de titulacio-nes. El primer grupo incluye a las universidades especializadas en lastitulaciones técnicas. A él pertenecen las universidades politécnicas deCataluña, Valencia, Madrid y Cartagena, junto con las universidades deCantabria, La Coruña, Cádiz, Córdoba y Miguel Hernández de Elche. Alsegundo grupo pertenecen 11 universidades en las que apenas tienenpeso las titulaciones técnicas (grupo de no técnicas). En él se incluyenprincipalmente universidades situadas en comunidades autónomasdonde existen otras universidades especializadas en titulaciones técni-cas. Finalmente, el tercer grupo aglutina a las universidades generalis-tas. Son las 27 restantes y se caracterizan por ofrecer todo tipo de titu-laciones. A este grupo pertenecen aquellas universidades que son úni-cas en sus comunidades autónomas y que, por ello, no se especializanen ninguna titulación.
Las diferencias encontradas en los patrones de especialización delas universidades parecen suficientemente importantes para descartarcualquier evaluación conjunta de todas ellas, dadas las diferencias derecursos requeridos en cada una de las titulaciones y los diferentesmodelos de docencia, investigación y difusión de esta última existentesentre las diversas áreas de conocimiento. Una evaluación neutral y nosesgada de antemano requiere circunscribir las comparaciones a lasuniversidades que comparten una oferta común de titulaciones. Consi-deramos que de esta manera se pueden aunar las ventajas asociadas auna evaluación agregada de las instituciones universitarias (evitar lasparcelaciones necesarias ante otras opciones de selección muestral enun terreno de grandes interacciones entre departamentos y facultades)con la desventaja de la mayor heterogeneidad que el análisis globali-zado incorpora.
Gomez Sancho 21/9/09 17:59 Página 99
JOSÉ Mª GÓMEZ SANCHO, Mª JESÚS MANCEBÓN TORRUBIA. UNA PROPUESTA DE CLASIFICACIÓN DE LAS...
100
Cu
ad
ro 2
: M
AT
RIZ
DE
CO
RR
ELA
CIO
NE
S E
NT
RE
UN
IVE
RS
IDA
DE
SA
TE
ND
IEN
DO
A L
A O
FE
RT
A D
E T
ITU
LA
CIO
NE
S A
GR
UPA
DA
S P
OR
ÁR
EA
DE
CO
NO
CIM
IEN
TO
Uni
vers
idad
esU
ALM
UCA
UCO
UG
RU
HUU
JAU
MA
UPO
USE
UZA
UO
VU
IBU
LLU
LPG
CU
SAU
VA
UALM
1,00
000,8
394
0,748
50,5
273
0,969
10,9
844
0,965
80,6
920
0,875
40,9
973
0,899
30,7
140
0,913
90,8
838
0,858
10,9
838
UCA
0,839
41,
0000
0,966
10,1
627
0,941
50,9
012
0,767
00,2
080
0,686
90,8
667
0,916
70,3
795
0,703
20,9
319
0,607
20,8
810
UCO
0,748
50,9
661
1,00
000,0
259
0,864
10,8
445
0,620
90,0
636
0,537
80,7
720
0,827
80,2
547
0,582
60,8
071
0,459
90,7
704
UGR
0,527
30,1
627
0,025
91,
0000
0,355
10,3
938
0,662
80,8
653
0,814
70,5
279
0,536
00,9
691
0,805
00,3
669
0,870
90,5
435
UHU
0,969
10,9
415
0,864
10,3
551
1,00
000,9
868
0,918
00,5
008
0,811
30,9
782
0,927
10,5
646
0,838
20,9
475
0,763
70,9
763
UJA
0,984
40,9
012
0,844
50,3
938
0,986
81,
0000
0,912
70,5
651
0,802
80,9
839
0,898
10,6
056
0,852
00,8
872
0,772
30,9
662
UMA
0,965
80,7
670
0,620
90,6
628
0,918
00,9
127
1,00
000,7
698
0,952
90,9
704
0,903
60,8
060
0,956
90,8
976
0,938
50,9
781
UPO
0,692
00,2
080
0,063
60,8
653
0,500
80,5
651
0,769
81,
0000
0,772
90,6
637
0,489
10,8
921
0,797
70,4
138
0,841
90,6
412
USE
0,875
40,6
869
0,537
80,8
147
0,811
30,8
028
0,952
90,7
729
1,00
000,8
916
0,910
70,9
118
0,987
60,8
365
0,991
60,9
170
UZA
0,997
30,8
667
0,772
00,5
279
0,978
20,9
839
0,970
40,6
637
0,891
61,
0000
0,928
00,7
140
0,922
30,9
124
0,867
00,9
938
UOV
0,899
30,9
167
0,827
80,5
360
0,927
10,8
981
0,903
60,4
891
0,910
70,9
280
1,00
000,7
007
0,910
60,9
469
0,859
40,9
544
UIB
0,714
00,3
795
0,254
70,9
691
0,564
60,6
056
0,806
00,8
921
0,911
80,7
140
0,700
71,
0000
0,920
90,5
412
0,953
50,7
207
ULL
0,913
90,7
032
0,582
60,8
050
0,838
20,8
520
0,956
90,7
977
0,987
60,9
223
0,910
60,9
209
1,00
000,8
136
0,987
80,9
316
ULPG
C0,8
838
0,931
90,8
071
0,366
90,9
475
0,887
20,8
976
0,413
80,8
365
0,912
40,9
469
0,541
20,8
136
1,00
000,7
668
0,945
7US
A0,8
581
0,607
20,4
599
0,870
90,7
637
0,772
30,9
385
0,841
90,9
916
0,867
00,8
594
0,953
50,9
878
0,766
81,
0000
0,884
1UV
A0,9
838
0,881
00,7
704
0,543
50,9
763
0,966
20,9
781
0,641
20,9
170
0,993
80,9
544
0,720
70,9
316
0,945
70,8
841
1,00
00UA
B0,4
928
0,114
1-0,
0041
0,995
50,3
094
0,361
40,6
165
0,860
00,7
734
0,489
30,4
891
0,959
50,7
748
0,299
80,8
381
0,497
4UB
0,329
1-0,
0120
-0,17
780,9
603
0,164
40,1
763
0,519
60,7
670
0,705
60,3
373
0,386
20,8
713
0,658
80,2
483
0,759
20,3
736
UDG
0,952
80,9
440
0,867
70,4
654
0,978
30,9
627
0,923
20,5
094
0,877
70,9
712
0,982
80,6
569
0,896
90,9
522
0,830
20,9
810
UDL
0,872
40,9
080
0,787
10,4
992
0,916
60,8
636
0,904
30,4
595
0,901
60,9
059
0,984
80,6
535
0,877
90,9
791
0,840
00,9
451
UPC
0,387
90,7
927
0,881
7-0,
4334
0,584
60,5
358
0,227
4-0,
3933
0,109
70,4
170
0,507
1-0,
2255
0,140
80,5
612
0,005
90,4
203
UPF
0,850
40,4
612
0,305
30,8
324
0,710
00,7
468
0,916
50,9
608
0,899
40,8
351
0,698
50,9
098
0,915
20,6
498
0,936
10,8
253
URV
0,958
50,7
538
0,604
40,6
849
0,906
60,9
011
0,999
50,7
800
0,961
20,9
637
0,902
50,8
220
0,962
80,8
913
0,948
40,9
732
UAL
0,860
80,5
906
0,426
40,8
588
0,764
60,7
681
0,950
40,8
618
0,986
50,8
676
0,839
40,9
386
0,976
50,7
740
0,995
20,8
854
Sigl
as e
mpl
eada
s pa
ra d
esig
nar a
las
Uni
vers
idad
es P
úblic
as E
spañ
olas
:U
ALM
: Alm
ería
. UCA
: Cád
iz. U
CO: C
órdo
ba. U
GR:
Gra
nada
. UHU
: Hue
lva.
UJA
: Jaé
n. U
MA:
Mál
aga.
UPO
: Pab
lo O
lavi
de U
SE: S
evill
a. U
ZA: Z
arag
oza.
UO
V: O
vied
o.
UIB
: Is
las
Bale
ares
. U
LL:
La L
agun
a. U
LPG
C: L
as P
alm
as d
e G
ran
Cana
ria.
USA
: Sa
lam
anca
. U
VA:
Valla
dolid
. U
AB:
Autó
nom
a de
Bar
celo
na.U
BA:
Barc
elon
a.
UDG
: Ger
ona.
UDL
: Lér
ida.
UPC
: Pol
iténc
ia d
e Ca
talu
ña. U
PF: P
ompe
u Fa
bra.
URV
: Rov
ira i
Virg
ili. U
AL: A
lican
te.
Anexo
Gomez Sancho 21/9/09 17:59 Página 100
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 41 2008
101
Cu
adro
2(c
on
tin
uació
n):
MA
TR
IZ D
E C
OR
RE
LA
CIO
NE
S E
NT
RE
UN
IVE
RS
IDA
DE
SA
TE
ND
IEN
DO
A L
A O
FE
RT
A D
E T
ITU
LA
CIO
NE
S A
GR
UPA
DA
S P
OR
ÁR
EA
DE
CO
NO
CIM
IEN
TO
Uni
vers
idad
esU
ABU
BAU
DGU
DLU
PCU
PFU
RVU
ALU
JCS
UM
HU
PVA
USC
UVI
UAH
UAM
UCA
R
UAL
M0,
4928
0,32
910,
9528
0,87
240,
3879
0,85
040,
9585
0,86
080,
9797
0,71
740,
4601
0,71
460,
9361
0,97
000,
3605
0,99
43U
CA0,
1141
-0,0
120
0,94
400,
9080
0,79
270,
4612
0,75
380,
5906
0,77
240,
7487
0,84
360,
4791
0,65
010,
8661
-0,0
295
0,80
47U
CO-0
,004
1-0
,177
80,
8677
0,78
710,
8817
0,30
530,
6044
0,42
640,
6421
0,80
540,
9128
0,30
340,
5444
0,74
66-0
,130
60,
7064
UG
R0,
9955
0,96
030,
4654
0,49
92-0
,433
40,
8324
0,68
490,
8588
0,65
89-0
,155
1-0
,363
00,
9141
0,78
230,
4025
0,97
260,
4986
UHU
0,30
940,
1644
0,97
830,
9166
0,58
460,
7100
0,90
660,
7646
0,92
630,
7749
0,65
090,
6195
0,83
260,
9777
0,16
320,
9570
UJA
0,36
140,
1763
0,96
270,
8636
0,53
580,
7468
0,90
110,
7681
0,93
240,
8102
0,59
850,
6061
0,87
340,
9599
0,22
480,
9746
UM
A0,
6165
0,51
960,
9232
0,90
430,
2274
0,91
650,
9995
0,95
040,
9968
0,52
550,
3120
0,85
190,
9503
0,95
190,
4880
0,95
92U
PO0,
8600
0,76
700,
5094
0,45
95-0
,393
30,
9608
0,78
000,
8618
0,77
770,
1696
-0,3
213
0,79
520,
8665
0,59
800,
8117
0,71
09U
SE0,
7734
0,70
560,
8777
0,90
160,
1097
0,89
940,
9612
0,98
650,
9446
0,30
180,
1959
0,96
010,
9395
0,82
830,
6667
0,84
45U
ZA0,
4893
0,33
730,
9712
0,90
590,
4170
0,83
510,
9637
0,86
760,
9808
0,69
790,
4905
0,73
340,
9288
0,97
340,
3540
0,98
60U
OV
0,48
910,
3862
0,98
280,
9848
0,50
710,
6985
0,90
250,
8394
0,90
210,
5303
0,57
910,
7833
0,84
040,
8795
0,35
810,
8536
UIB
0,95
950,
8713
0,65
690,
6535
-0,2
255
0,90
980,
8220
0,93
860,
8103
0,08
65-0
,149
70,
9432
0,90
820,
5918
0,90
570,
6843
ULL
0,77
480,
6588
0,89
690,
8779
0,14
080,
9152
0,96
280,
9765
0,96
100,
3966
0,22
230,
9227
0,97
680,
8412
0,67
010,
8841
ULP
GC
0,29
980,
2483
0,95
220,
9791
0,56
120,
6498
0,89
130,
7740
0,88
190,
5815
0,63
510,
6920
0,74
760,
9389
0,14
990,
8620
USA
0,83
810,
7592
0,83
020,
8400
0,00
590,
9361
0,94
840,
9952
0,93
450,
2663
0,09
120,
9676
0,95
780,
7903
0,74
330,
8317
UVA
0,49
740,
3736
0,98
100,
9451
0,42
030,
8253
0,97
320,
8854
0,98
080,
6412
0,49
740,
7725
0,91
570,
9732
0,35
900,
9674
UAB
1,00
000,
9481
0,42
200,
4388
-0,4
624
0,80
840,
6388
0,82
120,
6185
-0,1
639
-0,3
975
0,87
520,
7631
0,34
960,
9878
0,46
34U
BA0,
9481
1,00
000,
2848
0,38
39-0
,577
80,
7111
0,54
650,
7574
0,49
77-0
,399
1-0
,510
80,
8684
0,60
750,
2384
0,94
490,
3032
UDG
0,42
200,
2848
1,00
000,
9617
0,55
520,
7184
0,91
700,
8167
0,92
970,
6692
0,62
420,
7140
0,86
070,
9363
0,28
360,
9210
UDL
0,43
880,
3839
0,96
171,
0000
0,49
450,
6817
0,90
330,
8330
0,89
000,
4806
0,57
090,
7871
0,79
330,
8920
0,30
070,
8339
UPC
-0,4
624
-0,5
778
0,55
520,
4945
1,00
00-0
,151
70,
2045
-0,0
224
0,24
240,
7230
0,99
57-0
,130
90,
0921
0,44
99-0
,563
40,
3545
UPF
0,80
840,
7111
0,71
840,
6817
-0,1
517
1,00
000,
9229
0,95
420,
9193
0,32
72-0
,069
50,
8716
0,95
390,
7867
0,72
240,
8593
URV
0,63
880,
5465
0,91
700,
9033
0,20
450,
9229
1,00
000,
9598
0,99
530,
4989
0,29
000,
8684
0,95
310,
9419
0,51
250,
9505
UAL
0,82
120,
7574
0,81
670,
8330
-0,0
224
0,95
420,
9598
1,00
000,
9423
0,26
510,
0655
0,96
530,
9523
0,80
980,
7230
0,84
33
Sigl
as e
mpl
eada
s pa
ra d
esig
nar a
las
Uni
vers
idad
es P
úblic
as E
spañ
olas
:U
ALM
: Alm
ería
. UCA
: Cád
iz. U
CO: C
órdo
ba. U
GR:
Gra
nada
. UHU
: Hue
lva.
UJA
: Jaé
n. U
MA:
Mál
aga.
UPO
: Pab
lo O
lavi
de U
SE: S
evill
a. U
ZA: Z
arag
oza.
UO
V: O
vied
o.
UIB
: Is
las
Bale
ares
. U
LL:
La L
agun
a. U
LPG
C: L
as P
alm
as d
e G
ran
Cana
ria.
USA
: Sa
lam
anca
. U
VA:
Valla
dolid
. U
AB:
Autó
nom
a de
Bar
celo
na.U
BA:
Barc
elon
a.
UDG
: Ger
ona.
UDL
: Lér
ida.
UPC
: Pol
iténc
ia d
e Ca
talu
ña. U
PF: P
ompe
u Fa
bra.
URV
: Rov
ira i
Virg
ili. U
AL: A
lican
te.
Gomez Sancho 21/9/09 17:59 Página 101
JOSÉ Mª GÓMEZ SANCHO, Mª JESÚS MANCEBÓN TORRUBIA. UNA PROPUESTA DE CLASIFICACIÓN DE LAS...
102
Cu
adro
2(c
on
tin
uació
n):
MA
TR
IZ D
E C
OR
RE
LA
CIO
NE
S E
NT
RE
UN
IVE
RS
IDA
DE
SA
TE
ND
IEN
DO
A L
A O
FE
RT
A D
E T
ITU
LA
CIO
NE
S A
GR
UPA
DA
S P
OR
ÁR
EA
DE
CO
NO
CIM
IEN
TO
Uni
vers
idad
esU
CMU
RJC
UPM
UM
UU
PCT
UPN
AU
PVU
CNU
CLM
UBU
ULE
UVE
GU
EXU
LCU
RI
UA
LM0,
5435
0,89
050,
4277
0,64
470,
5032
0,96
850,
9528
0,80
860,
9594
0,99
050,
9685
0,62
850,
9133
0,81
790,
9525
UCA
0,11
620,
6887
0,82
360,
1529
0,86
890,
7971
0,96
340,
9747
0,72
650,
8749
0,75
070,
1483
0,98
310,
9585
0,75
88U
CO-0
,070
40,
4984
0,89
58-0
,014
60,
9212
0,67
190,
8988
0,95
480,
5720
0,79
940,
6046
-0,0
188
0,91
380,
8918
0,67
67U
GR
0,95
190,
5693
-0,3
981
0,84
95-0
,332
70,
4314
0,37
40-0
,003
90,
6392
0,40
580,
6538
0,89
920,
2653
0,04
170,
7188
UH
U0,
3655
0,85
670,
6239
0,45
480,
6909
0,94
940,
9919
0,92
440,
9028
0,98
440,
9147
0,43
680,
9841
0,93
110,
8851
UJA
0,39
050,
8240
0,56
900,
5066
0,63
450,
9455
0,97
670,
8872
0,90
070,
9952
0,91
410,
4865
0,94
890,
8744
0,91
60U
MA
0,70
240,
9592
0,27
870,
7465
0,36
430,
9517
0,90
130,
7044
0,99
380,
9314
0,99
850,
7419
0,86
260,
7549
0,94
54U
PO0,
9289
0,72
91-0
,355
80,
9916
-0,2
756
0,67
130,
4609
0,13
900,
7950
0,60
630,
7861
0,98
920,
3599
0,19
180,
7603
USE
0,79
410,
8781
0,16
010,
7463
0,24
090,
8145
0,82
460,
5619
0,92
280,
8090
0,93
940,
7727
0,76
830,
6111
0,94
22U
ZA0,
5359
0,89
510,
4584
0,61
740,
5335
0,96
280,
9681
0,82
670,
9580
0,98
720,
9694
0,60
600,
9336
0,83
900,
9544
UO
V0,
4721
0,80
420,
5489
0,43
960,
6125
0,82
470,
9588
0,81
950,
8548
0,87
890,
8827
0,46
070,
9375
0,82
940,
9136
UIB
0,91
630,
6915
-0,1
882
0,85
85-0
,116
20,
6122
0,58
130,
2298
0,78
010,
6115
0,79
820,
8977
0,47
670,
2588
0,86
78U
LL0,
7679
0,85
260,
1847
0,75
500,
2626
0,83
460,
8506
0,58
890,
9280
0,85
250,
9473
0,77
660,
7815
0,61
310,
9814
ULP
GC
0,39
000,
8824
0,61
190,
3948
0,68
110,
8875
0,95
020,
8848
0,87
230,
8896
0,88
320,
3919
0,96
850,
9336
0,80
90U
SA0,
8517
0,85
630,
0539
0,81
410,
1354
0,79
130,
7725
0,48
050,
9139
0,78
190,
9288
0,84
030,
7008
0,52
650,
9422
UVA
0,55
130,
9137
0,46
590,
6020
0,54
240,
9531
0,97
170,
8275
0,96
030,
9697
0,97
260,
5969
0,94
490,
8526
0,94
69U
AB
0,93
300,
5067
-0,4
326
0,83
75-0
,372
20,
3835
0,33
04-0
,051
60,
5925
0,36
960,
6089
0,88
820,
2127
-0,0
198
0,69
75U
BA0,
9391
0,47
89-0
,539
30,
7816
-0,4
793
0,26
490,
1827
-0,1
872
0,49
940,
1985
0,50
710,
8387
0,09
20-0
,107
20,
5293
UD
G0,
4265
0,82
890,
5944
0,45
550,
6594
0,89
430,
9935
0,88
220,
8882
0,94
860,
9106
0,45
900,
9733
0,88
310,
9267
UD
L0,
4745
0,85
090,
5438
0,43
060,
6117
0,83
460,
9392
0,81
850,
8625
0,85
570,
8831
0,44
750,
9376
0,85
800,
8598
UPC
-0,5
126
0,16
130,
9977
-0,4
531
0,98
760,
3572
0,61
800,
8421
0,18
500,
4854
0,21
11-0
,470
10,
6874
0,76
950,
2511
UPF
0,89
040,
8750
-0,1
055
0,94
64-0
,017
80,
8323
0,67
790,
3898
0,92
950,
7812
0,92
590,
9434
0,59
830,
4465
0,88
48U
RV0,
7220
0,95
780,
2563
0,75
770,
3424
0,94
190,
8915
0,68
520,
9921
0,91
990,
9973
0,75
580,
8506
0,73
780,
9463
UA
L0,
8698
0,89
360,
0291
0,84
450,
1148
0,81
740,
7623
0,47
570,
9352
0,78
680,
9439
0,86
380,
6968
0,53
660,
9247
Sig
las
emp
lead
as p
ara
des
ign
ar a
las
Un
iver
sid
ades
Pú
blic
as E
spañ
ola
s:U
ALM
: Alm
ería
. UC
A: C
ádiz
. UC
O: C
órd
ob
a. U
GR
: Gra
nad
a. U
HU
: Hu
elva
. UJA
: Jaé
n. U
MA
: Mál
aga.
UP
O: P
ablo
Ola
vid
e U
SE
: Sev
illa.
UZ
A:
Zar
ago
za.U
OV:
O
vied
o.
UIB
: Is
las
Bal
eare
s.
ULL
: La
La
gu
na.
U
LPG
C:
Las
Pal
mas
d
e G
ran
C
anar
ia.
US
A:
Sal
aman
ca.
UVA
: V
alla
do
lid.
UA
B:
Au
tón
om
a d
e B
arce
lon
a.U
BA
: B
arce
lon
a.
UD
G:
Ger
on
a.
UD
L:
Léri
da.
U
PC
: P
olit
énci
a d
e C
atal
uñ
a.U
PF:
Po
mp
eu F
abra
. U
RV:
Ro
vira
i V
irg
ili.
UA
L: A
lican
te.
UP
V: P
aís
Vasc
o.
UC
N:
Can
tab
ria.
UC
LM:
Cas
tilla
-La
Man
cha.
UB
U:
Bu
rgo
s.U
LE: L
eón
. UV
EG
: Val
enci
a. U
EX
: Ext
rem
adu
ra. U
LC: L
a C
oru
ña.
Gomez Sancho 21/9/09 17:59 Página 102
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 41 2008
103
Cu
adro
2(c
on
tin
uació
n):
MA
TR
IZ D
E C
OR
RE
LA
CIO
NE
S E
NT
RE
UN
IVE
RS
IDA
DE
SA
TE
ND
IEN
DO
A L
A O
FE
RT
A D
E T
ITU
LA
CIO
NE
S A
GR
UPA
DA
S P
OR
ÁR
EA
DE
CO
NO
CIM
IEN
TO
Uni
vers
idad
esU
ALM
UCA
UCO
UG
RU
HUU
JAU
MA
UPO
USE
UZA
UO
VU
IBU
LLU
LPG
CU
SAU
VA
UJC
S0,
9797
0,77
240,
6421
0,65
890,
9263
0,93
240,
9968
0,77
770,
9446
0,98
080,
9021
0,81
030,
9610
0,88
190,
9345
0,98
08U
MH
0,71
740,
7487
0,80
54-0
,155
10,
7749
0,81
020,
5255
0,16
960,
3018
0,69
790,
5303
0,08
650,
3966
0,58
150,
2663
0,64
12U
PVA
0,46
010,
8436
0,91
28-0
,363
00,
6509
0,59
850,
3120
-0,3
213
0,19
590,
4905
0,57
91-0
,149
70,
2223
0,63
510,
0912
0,49
74U
SC0,
7146
0,47
910,
3034
0,91
410,
6195
0,60
610,
8519
0,79
520,
9601
0,73
340,
7833
0,94
320,
9227
0,69
200,
9676
0,77
25U
VI0,
9361
0,65
010,
5444
0,78
230,
8326
0,87
340,
9503
0,86
650,
9395
0,92
880,
8404
0,90
820,
9768
0,74
760,
9578
0,91
57U
AH0,
9700
0,86
610,
7466
0,40
250,
9777
0,95
990,
9519
0,59
800,
8283
0,97
340,
8795
0,59
180,
8412
0,93
890,
7903
0,97
32U
AM0,
3605
-0,0
295
-0,1
306
0,97
260,
1632
0,22
480,
4880
0,81
170,
6667
0,35
400,
3581
0,90
570,
6701
0,14
990,
7433
0,35
90U
CAR
0,99
430,
8047
0,70
640,
4986
0,95
700,
9746
0,95
920,
7109
0,84
450,
9860
0,85
360,
6843
0,88
410,
8620
0,83
170,
9674
UCM
0,54
350,
1162
-0,0
704
0,95
190,
3655
0,39
050,
7024
0,92
890,
7941
0,53
590,
4721
0,91
630,
7679
0,39
000,
8517
0,55
13U
RJC
0,89
050,
6887
0,49
840,
5693
0,85
670,
8240
0,95
920,
7291
0,87
810,
8951
0,80
420,
6915
0,85
260,
8824
0,85
630,
9137
UPM
0,42
770,
8236
0,89
58-0
,398
10,
6239
0,56
900,
2787
-0,3
558
0,16
010,
4584
0,54
89-0
,188
20,
1847
0,61
190,
0539
0,46
59U
MU
0,64
470,
1529
-0,0
146
0,84
950,
4548
0,50
660,
7465
0,99
160,
7463
0,61
740,
4396
0,85
850,
7550
0,39
480,
8141
0,60
20U
PCT
0,50
320,
8689
0,92
12-0
,332
70,
6909
0,63
450,
3643
-0,2
756
0,24
090,
5335
0,61
25-0
,116
20,
2626
0,68
110,
1354
0,54
24U
PNA
0,96
850,
7971
0,67
190,
4314
0,94
940,
9455
0,95
170,
6713
0,81
450,
9628
0,82
470,
6122
0,83
460,
8875
0,79
130,
9531
UPV
0,95
280,
9634
0,89
880,
3740
0,99
190,
9767
0,90
130,
4609
0,82
460,
9681
0,95
880,
5813
0,85
060,
9502
0,77
250,
9717
UCN
0,80
860,
9747
0,95
48-0
,003
90,
9244
0,88
720,
7044
0,13
900,
5619
0,82
670,
8195
0,22
980,
5889
0,88
480,
4805
0,82
75U
CLM
0,95
940,
7265
0,57
200,
6392
0,90
280,
9007
0,99
380,
7950
0,92
280,
9580
0,85
480,
7801
0,92
800,
8723
0,91
390,
9603
UBU
0,99
050,
8749
0,79
940,
4058
0,98
440,
9952
0,93
140,
6063
0,80
900,
9872
0,87
890,
6115
0,85
250,
8896
0,78
190,
9697
ULE
0,96
850,
7507
0,60
460,
6538
0,91
470,
9141
0,99
850,
7861
0,93
940,
9694
0,88
270,
7982
0,94
730,
8832
0,92
880,
9726
UVE
G0,
6285
0,14
83-0
,018
80,
8992
0,43
680,
4865
0,74
190,
9892
0,77
270,
6060
0,46
070,
8977
0,77
660,
3919
0,84
030,
5969
UEX
0,91
330,
9831
0,91
380,
2653
0,98
410,
9489
0,86
260,
3599
0,76
830,
9336
0,93
750,
4767
0,78
150,
9685
0,70
080,
9449
ULC
0,81
790,
9585
0,89
180,
0417
0,93
110,
8744
0,75
490,
1918
0,61
110,
8390
0,82
940,
2588
0,61
310,
9336
0,52
650,
8526
URI
0,95
250,
7588
0,67
670,
7188
0,88
510,
9160
0,94
540,
7603
0,94
220,
9544
0,91
360,
8678
0,98
140,
8090
0,94
220,
9469
Sig
las
emp
lead
as p
ara
des
ign
ar a
las
Un
iver
sid
ades
Pú
blic
as E
spañ
ola
s:U
JCS:
Jau
me
I. U
MH:
Mig
uel H
erná
ndez
. UPV
A: P
olité
cnic
a de
Val
enci
a. U
SC: S
antia
go d
e Co
mpo
stel
a. U
VI: V
igo.
UAH
: Alc
alá
de H
enar
es. U
AM: A
utón
oma
de M
adrid
. U
CAR:
Car
los
III. U
CM: C
ompl
uten
se. U
RJC:
Rey
Jua
n Ca
rlos.
UPM
: Pol
itécn
ica
de M
adrid
. UM
U: M
urci
a. U
PCT:
Pol
itécn
ica
de C
arta
gena
. UPN
A: P
úblic
a de
Nav
arra
.U
PV: P
aís
Vasc
o. U
CN: C
anta
bria
. UCL
M: C
atill
a-La
Man
cha.
UBU
: Bur
gos.
ULE
: Leó
n. U
VEG
: Val
enci
a Es
tudi
Gen
eral
. UEX
: Ext
rem
adur
a. U
LC: L
a Co
ruña
. RI:
La R
ioja
UAL
M: A
lmer
ía. U
CA: C
ádiz.
UCO
: Cór
doba
. UG
R: G
rana
da. U
HU: H
uelv
a. U
JA: J
aén.
UM
A: M
álag
a. U
PO: P
ablo
Ola
vide
USE
: Sev
illa.
UZA
: Zar
agoz
a. U
OV:
Ovi
edo.
UIB
: Isl
as B
alea
res.
ULL
: La
Lagu
na. U
LPG
C: L
as P
alm
as d
e G
ran
Cana
ria. U
SA: S
alam
anca
. UVA
: Val
lado
lid.
Gomez Sancho 21/9/09 17:59 Página 103
JOSÉ Mª GÓMEZ SANCHO, Mª JESÚS MANCEBÓN TORRUBIA. UNA PROPUESTA DE CLASIFICACIÓN DE LAS...
104
Cu
adro
2(c
on
tin
uació
n):
MA
TR
IZ D
E C
OR
RE
LA
CIO
NE
S E
NT
RE
UN
IVE
RS
IDA
DE
SA
TE
ND
IEN
DO
A L
A O
FE
RT
A D
E T
ITU
LA
CIO
NE
S A
GR
UPA
DA
S P
OR
ÁR
EA
DE
CO
NO
CIM
IEN
TO
Uni
vers
idad
esU
ABU
BAU
DGU
DLU
PCU
PFU
RVU
ALU
JCS
UM
HU
PVA
USC
UVI
UAH
UAM
UCA
R
UJCS
0,61
850,
4977
0,92
970,
8900
0,24
240,
9193
0,99
530,
9423
1,00
000,
5669
0,32
420,
8324
0,96
550,
9516
0,49
210,
9726
UMH
-0,1
639
-0,3
991
0,66
920,
4806
0,72
300,
3272
0,49
890,
2651
0,56
691,
0000
0,73
860,
0284
0,48
530,
7184
-0,2
749
0,73
40UP
VA-0
,397
5-0
,510
80,
6242
0,57
090,
9957
-0,0
695
0,29
000,
0655
0,32
420,
7386
1,00
00-0
,044
50,
1692
0,52
40-0
,508
30,
4263
USC
0,87
520,
8684
0,71
400,
7871
-0,1
309
0,87
160,
8684
0,96
530,
8324
0,02
84-0
,044
51,
0000
0,85
670,
6616
0,79
740,
6818
UVI
0,76
310,
6075
0,86
070,
7933
0,09
210,
9539
0,95
310,
9523
0,96
550,
4853
0,16
920,
8567
1,00
000,
8484
0,66
360,
9225
UAH
0,34
960,
2384
0,93
630,
8920
0,44
990,
7867
0,94
190,
8098
0,95
160,
7184
0,52
400,
6616
0,84
841,
0000
0,20
290,
9750
UAM
0,98
780,
9449
0,28
360,
3007
-0,5
634
0,72
240,
5125
0,72
300,
4921
-0,2
749
-0,5
083
0,79
740,
6636
0,20
291,
0000
0,33
10UC
AR0,
4634
0,30
320,
9210
0,83
390,
3545
0,85
930,
9505
0,84
330,
9726
0,73
400,
4263
0,68
180,
9225
0,97
500,
3310
1,00
00UC
M0,
9330
0,93
910,
4265
0,47
45-0
,512
60,
8904
0,72
200,
8698
0,68
70-0
,138
3-0
,434
70,
8968
0,76
810,
4709
0,89
840,
5442
URJC
0,50
670,
4789
0,82
890,
8509
0,16
130,
8750
0,95
780,
8936
0,93
930,
4546
0,24
830,
7972
0,84
440,
9374
0,37
420,
9047
UPM
-0,4
326
-0,5
393
0,59
440,
5438
0,99
77-0
,105
50,
2563
0,02
910,
2900
0,72
600,
9992
-0,0
789
0,13
090,
4972
-0,5
409
0,39
51UM
U0,
8375
0,78
160,
4555
0,43
06-0
,453
10,
9464
0,75
770,
8445
0,74
570,
1013
-0,3
793
0,78
850,
8190
0,57
420,
7909
0,67
10UP
CT-0
,372
2-0
,479
30,
6594
0,61
170,
9876
-0,0
178
0,34
240,
1148
0,37
360,
7521
0,99
740,
0000
0,20
970,
5752
-0,4
904
0,47
29UP
NA0,
3835
0,26
490,
8943
0,83
460,
3572
0,83
230,
9419
0,81
740,
9542
0,71
390,
4315
0,65
590,
8660
0,99
090,
2432
0,98
45UP
V0,
3304
0,18
270,
9935
0,93
920,
6180
0,67
790,
8915
0,76
230,
9106
0,74
340,
6825
0,63
720,
8265
0,94
810,
1877
0,92
73UC
N-0
,051
6-0
,187
20,
8822
0,81
850,
8421
0,38
980,
6852
0,47
570,
7134
0,85
040,
8841
0,32
300,
5669
0,86
04-0
,197
50,
7927
UCLM
0,59
250,
4994
0,88
820,
8625
0,18
500,
9295
0,99
210,
9352
0,99
010,
5382
0,26
940,
8216
0,93
860,
9554
0,46
460,
9646
UBU
0,36
960,
1985
0,94
860,
8557
0,48
540,
7812
0,91
990,
7868
0,94
730,
7977
0,55
160,
6199
0,88
100,
9781
0,23
120,
9894
ULE
0,60
890,
5071
0,91
060,
8831
0,21
110,
9259
0,99
730,
9439
0,99
690,
5424
0,29
510,
8355
0,95
150,
9550
0,48
110,
9671
UVEG
0,88
820,
8387
0,45
900,
4475
-0,4
701
0,94
340,
7558
0,86
380,
7398
0,04
22-0
,395
30,
8303
0,82
460,
5468
0,84
630,
6451
UEX
0,21
270,
0920
0,97
330,
9376
0,68
740,
5983
0,85
060,
6968
0,86
500,
7496
0,74
930,
5723
0,74
550,
9426
0,06
330,
8910
ULC
-0,0
198
-0,1
072
0,88
310,
8580
0,76
950,
4465
0,73
780,
5366
0,75
040,
7803
0,82
170,
3966
0,57
950,
9008
-0,1
733
0,81
00UR
I0,
6975
0,52
930,
9267
0,85
980,
2511
0,88
480,
9463
0,92
470,
9625
0,54
500,
3245
0,83
280,
9824
0,86
610,
5891
0,92
45
Sigl
as e
mpl
eada
s pa
ra d
esig
nar a
las
Uni
vers
idad
es P
úblic
as E
spañ
olas
:U
JCS
: Jau
me
I. U
MH
: Mig
uel H
erná
ndez
. UPV
A: P
olité
cnic
a de
Val
enci
a. U
SC
: San
tiago
de
Com
post
ela.
UV
I: V
igo.
UA
H: A
lcal
á de
Hen
ares
.U
AM
: A
utón
oma
de M
adri
d. U
CA
R:
Car
los
III.
UC
M:
Com
plut
ense
. U
RJC
: R
ey J
uan
Car
los.
UPM
: Po
litéc
nica
de
Mad
rid.
UM
U:
Mur
cia.
UPC
T: P
olité
cnic
a de
Car
tage
na.
UPN
A:
Públ
ica
de N
avar
ra.
UPV
: Pa
ís V
asco
. U
CN
: C
anta
bria
. U
CLM
: C
atill
a-La
Man
cha.
UB
U:
Bur
gos.
ULE
: Leó
n. U
VEG
: Val
enci
a Es
tudi
Gen
eral
. UEX
: Ext
rem
adur
a. U
LC: L
a C
oruñ
a. R
I: La
Rio
ja. U
AB
: Aut
ónom
a de
Bar
celo
na.U
BA
: Bar
celo
na.
UD
G: G
eron
a. U
DL:
Lér
ida.
UPC
: Pol
iténc
ia d
e C
atal
uña.
UPF
: Pom
peu
Fabr
a. U
RV:
Rov
ira
i Vir
gili.
UA
L: A
lican
te.
Gomez Sancho 21/9/09 17:59 Página 104
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 41 2008
105
Cu
adro
2(c
on
tin
uació
n):
MA
TR
IZ D
E C
OR
RE
LA
CIO
NE
S E
NT
RE
UN
IVE
RS
IDA
DE
SA
TE
ND
IEN
DO
A L
A O
FE
RT
A D
E T
ITU
LA
CIO
NE
S A
GR
UPA
DA
S P
OR
ÁR
EA
DE
CO
NO
CIM
IEN
TO
Uni
vers
idad
esU
CMU
RJC
UPM
UM
UU
PCT
UPN
AU
PVU
CNU
CLM
UBU
ULE
UVE
GU
EXU
LCU
RI
UJCS
0,68
700,
9393
0,29
000,
7457
0,37
360,
9542
0,91
060,
7134
0,99
010,
9473
0,99
690,
7398
0,86
500,
7504
0,96
25UM
H-0
,138
30,
4546
0,72
600,
1013
0,75
210,
7139
0,74
340,
8504
0,53
820,
7977
0,54
240,
0422
0,74
960,
7803
0,54
50UP
VA-0
,434
70,
2483
0,99
92-0
,379
30,
9974
0,43
150,
6825
0,88
410,
2694
0,55
160,
2951
-0,3
953
0,74
930,
8217
0,32
45US
C0,
8968
0,79
72-0
,078
90,
7885
0,00
000,
6559
0,63
720,
3230
0,82
160,
6199
0,83
550,
8303
0,57
230,
3966
0,83
28UV
I0,
7681
0,84
440,
1309
0,81
900,
2097
0,86
600,
8265
0,56
690,
9386
0,88
100,
9515
0,82
460,
7455
0,57
950,
9824
UAH
0,47
090,
9374
0,49
720,
5742
0,57
520,
9909
0,94
810,
8604
0,95
540,
9781
0,95
500,
5468
0,94
260,
9008
0,86
61UA
M0,
8984
0,37
42-0
,540
90,
7909
-0,4
904
0,24
320,
1877
-0,1
975
0,46
460,
2312
0,48
110,
8463
0,06
33-0
,173
30,
5891
UCAR
0,54
420,
9047
0,39
510,
6710
0,47
290,
9845
0,92
730,
7927
0,96
460,
9894
0,96
710,
6451
0,89
100,
8100
0,92
45UC
M1,
0000
0,68
77-0
,466
70,
9445
-0,3
882
0,52
180,
3479
-0,0
086
0,70
940,
4314
0,70
420,
9704
0,25
860,
0811
0,66
68UR
JC0,
6877
1,00
000,
2212
0,74
080,
3120
0,94
570,
8155
0,65
620,
9743
0,86
550,
9627
0,72
150,
8058
0,75
170,
8152
UPM
-0,4
667
0,22
121,
0000
-0,4
114
0,99
560,
4041
0,65
490,
8690
0,23
720,
5224
0,26
19-0
,428
50,
7260
0,80
710,
2870
UMU
0,94
450,
7408
-0,4
114
1,00
00-0
,328
80,
6514
0,40
630,
0896
0,77
960,
5579
0,76
400,
9946
0,31
540,
1648
0,69
97UP
CT-0
,388
20,
3120
0,99
56-0
,328
81,
0000
0,48
530,
7171
0,91
020,
3254
0,59
310,
3484
-0,3
474
0,78
520,
8588
0,35
89UP
NA0,
5218
0,94
570,
4041
0,65
140,
4853
1,00
000,
9071
0,80
260,
9674
0,97
230,
9612
0,61
690,
8923
0,84
690,
8607
UPV
0,34
790,
8155
0,65
490,
4063
0,71
710,
9071
1,00
000,
9255
0,87
230,
9634
0,89
200,
3999
0,98
880,
9208
0,89
62UC
N-0
,008
60,
6562
0,86
900,
0896
0,91
020,
8026
0,92
551,
0000
0,68
240,
8692
0,69
720,
0631
0,96
090,
9816
0,66
81UC
LM0,
7094
0,97
430,
2372
0,77
960,
3254
0,96
740,
8723
0,68
241,
0000
0,92
880,
9978
0,76
520,
8359
0,74
170,
9175
UBU
0,43
140,
8655
0,52
240,
5579
0,59
310,
9723
0,96
340,
8692
0,92
881,
0000
0,93
610,
5322
0,93
820,
8716
0,90
83UL
E0,
7042
0,96
270,
2619
0,76
400,
3484
0,96
120,
8920
0,69
720,
9978
0,93
611,
0000
0,75
470,
8522
0,74
820,
9396
UVEG
0,97
040,
7215
-0,4
285
0,99
46-0
,347
40,
6169
0,39
990,
0631
0,76
520,
5322
0,75
471,
0000
0,30
370,
1360
0,71
19UE
X0,
2586
0,80
580,
7260
0,31
540,
7852
0,89
230,
9888
0,96
090,
8359
0,93
820,
8522
0,30
371,
0000
0,96
680,
8245
ULC
0,08
110,
7517
0,80
710,
1648
0,85
880,
8469
0,92
080,
9816
0,74
170,
8716
0,74
820,
1360
0,96
681,
0000
0,66
27UR
I0,
6668
0,81
520,
2870
0,69
970,
3589
0,86
070,
8962
0,66
810,
9175
0,90
830,
9396
0,71
190,
8245
0,66
271,
0000
Sig
las
emp
lead
as p
ara
des
ign
ar a
las
Un
iver
sid
ades
Pú
blic
as E
spañ
ola
s:U
JCS
: Ja
um
e I.
U
MH
: M
igu
el
Her
nán
dez
. U
PVA
: P
oli
técn
ica
de
Val
enci
a.
US
C:
San
tiag
o
de
Co
mp
ost
ela.
U
VI:
V
igo
.U
AH
: A
lcal
á d
e H
enar
es.
UA
M:
Au
tón
om
a d
e M
adri
d.
UC
AR
: C
arlo
s II
I.
UC
M:
Co
mp
lute
nse
. U
RJC
: R
ey
Juan
C
arlo
s.U
PM
: P
olit
écn
ica
de
Mad
rid
. U
MU
: M
urc
ia.
UP
CT:
P
olit
écn
ica
de
Car
tag
ena.
U
PN
A:
Pú
blic
a d
e N
avar
ra.
UP
V:
Paí
s Va
sco
.U
CN
: C
anta
bri
a.
UC
LM:
Cas
tilla
-La
Man
cha.
U
BU
: B
urg
os.
U
LE:
Leó
n.
UV
EG
: V
alen
cia
Est
ud
i G
ener
al.
UE
X:
Ext
rem
adu
ra.
ULC
: La
Co
ruñ
a. U
RI:
La R
ioja
Gomez Sancho 21/9/09 17:59 Página 105
JOSÉ Mª GÓMEZ SANCHO, Mª JESÚS MANCEBÓN TORRUBIA. UNA PROPUESTA DE CLASIFICACIÓN DE LAS...
106
REFERENCIAS BIBLIOGRÁFICAS
Abbott, M. y Doucouliagos, C. (2003): “The efficiency of Australian uni-versities: a data envelopment analysis”, Economics of EducationReview, vol. 22, nº 1, pp. 89-97.
Ahn, T. (1987): “Efficiency and related issues in higher education: A dataenvelopment analysis approach”, tesis doctoral, University of Texas atAustin.
Ahn, T.; Arnold, V.; Charnes, A. y Cooper, W. W. (1989): “DEA and ratio effi-ciency analysis for public institutions of higher learning in Texas”,Research in Governmental and Nonprofit Accounting, vol. 5, pp. 165-185.
Ahn, T.; Charnes, A. y Cooper, W. W. (1988a): “Using Data EnvelopmentAnalysis to Measure the Efficiency of Not-for-profit Organizations: aCritical Evaluation-Comment”, Managerial and Decision Economics,vol. 9, nº 3, pp. 251-253.
Ahn, T.; Charnes, A. y Cooper, W. W. (1988a): “Efficiency characterizationsin different DEA models”, Socio-Economic Planning Sciencies, vol. 22,nº 6, pp. 253-257.
Ahn, T.; Charnes, A. y Cooper, W. W. (1988b): “Some statistical and DEA eva-luations of relative efficiencies of public and private institutions of higherlearning”, Socio-Economic Planning Sciencies, vol. 22, nº 6, pp. 259-269.
Ahn, T. y Seiford, L. M. (1993): “Sensitive of DEA to Models and VariableSets in a Hypothesis Test Setting: The Efficiency of UniversityOperations”, en Ijiri, Y. (ed.), Creative and Innovative Approaches tothe Science of Management, Quorum Books, Nueva York, pp. 191-208.
Albi, E.; González-Páramo, J. M. y López Casasnovas, G. (1997): GestiónPública. Fundamentos, técnicas y casos, Ariel, Barcelona.
Athanassopoulos, A. D. y Shale, E. (1997): “Assessing the ComparativeEfficiency of Higher Education Institutions in the UK by Means of DataEnvelopment Analysis”, Education Economics, vol. 5, nº 2, pp. 117-134.
Avrikan, N. K. (2001): “Investigating technical and scale efficiencies ofAustralian Universities through data envelopment analysis”, Socio-Economic Planning Sciencies, vol. 35, nº 1, pp. 57-80.
Breu, T. M. y Raab, R. L. (1994): “Efficiency and Perceived Quality of theNation´s “Top 25” National Universities and National Liberal ArtsColleges: An Application of Data Envelopment Analyisis to HigherEducation”, Socio-Economic Planning Sciencies, vol. 28, nº 1, pp. 33-45.
Charnes, A.; Cooper, W. W. y Rhodes, E. (1978): “Measuring the efficiencyof decision making units”, European Journal of Operational Research,vol. 2, nº 6, pp. 429-444.
Dyson, R. G.; Allen, R.; Camanho, A. S.; Podinovski, V. V.; Sarrico, C. S. yShale, E. A. (2001): “Pitfalls and protocols in DEA”, European Journalof Operational Research, vol. 132, nº 2, pp. 245-259.
Gomez Sancho 21/9/09 17:59 Página 106
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 41 2008
107
Farrell, M. J. (1957): “The Measurement of Productive Efficiency”,Journal of the Royal Statistical Society Series A (General), vol. 120,Part III, pp. 253-281.
Fried, H. O.; Lovell, C. A. K. y Schmidt, S. S. (2008): The Measurement ofProductive Efficiency and Productivity Growth, Oxford UniversityPress.
García Valderrama, T. y Gómez Aguilar, N. (1999): “Factores determinan-tes de la eficiencia de los grupos de investigación en la Universidad”,Hacienda Pública Española, nº 148, pp. 131-145.
Giménez García, V. M. (2000): “Eficiencia en costes y calidad en la univer-sidad. Una aplicación a los departamentos de la UAB”, tesis doctoral,Universitat Autònoma de Barcelona.
Giménez García, V. M. (2004): “Un modelo FDH para la medida de la efi-ciencia en costes de los departamentos universitarios”, HaciendaPública Española, nº 168, pp. 69-94.
Gobierno de Aragón, D. d. C. y. T. (2004): II Plan Autonómico de Investi-gación, Desarrollo y Transferencia de Conocimientos de Aragón: [IIPAID 2005-2008], Zaragoza, Gobierno de Aragón, Departamento deCiencia y Tecnología.
Gómez Sancho y Mancebón (2005): “Algunas reflexiones metodológicassobre la evaluación de la eficiencia productiva de las instituciones deeducación superior”, vol. 2, nº 60, pp. 140-167.
Hair Jr., J.F., R.E. Andeson, R.L. Tatham y W.C. Black (1999): AnálisisMultivariante, 5ª edición, Prentice Hall Iberia, Madrid.
Hanke, M. y Leopoldseder, T. (1998): “Comparing the Efficiency ofAustrian Universities: A Data Envelopment Analysis Application”,Tertiary Education and Management, vol. 4, nº 3, pp. 191-197.
Hernández Armenteros, J. (Coordinador) (2002): La universidad españolaen cifras (2002). Información académica, productiva y financiera de lasuniversidades públicas españolas. Indicadores universitarios, Confe-rencia de Rectores de las Universidades Españolas, Madrid.
Marinho, A.; Resende, M. y Façanha, L. O. (1997): “Brazilian FederalUniversities: Relative Efficiency Evaluation and Data EnvelopmentAnalysis”, Revista Brasileira de Economia, vol. 51, nº 4, pp. 489-508.
McMillan, M. L. y Datta, D. (1998): “The Relative Efficiencies of CanadianUniversities: A DEA Perspective”, Canadian Public Policy - Analyse dePolitiques, vol. 24, nº 4, pp. 485-511.
Ng, Y. C. y Li, S. K. (2000): “Measuring the Research Performance ofChinese Higher Education Institutions: An Application of DataEnvelopment Analysis”, Education Economics, vol. 8, nº 2, pp. 139-156.
Gomez Sancho 21/9/09 17:59 Página 107
JOSÉ Mª GÓMEZ SANCHO, Mª JESÚS MANCEBÓN TORRUBIA. UNA PROPUESTA DE CLASIFICACIÓN DE LAS...
108
Rhodes, E. L. y Southwick, L. (1993): “Variations in Public and PrivateUniversity Efficiency”, en Rhodes, E. (ed.): Public Policy applications ofmanagement science, AJI press inc., Greenwich.
Sinuany-Stern, Z.; Mehrez, A. y Barboy, A. (1994): “Academic departmentsefficiency via DEA”, Computers & Operations Research, vol. 21, nº 5,pp. 543-556.
Taylor, B. y Harris, G. (2004): “Relative efficiency among South Africanuniversities: A data envelopment analysis”, Higher Education, vol. 47,nº 1, pp. 73-89.
Thanassoulis, E. (2001): Introduction to the theory and application of DataEnvolopment Analysis, Kluwer Academic Publishers, Massachusetts.
Trillo del Pozo, D. (2002): “La función de distancia: Un análisis de la efi-ciencia en la universidad”, tesis doctoral, Universidad Rey JuanCarlos, Madrid.
ABSTRACT
In recent years there has been increasing interest in evaluatinguniversity institutions and their constituent elements. The stu-dies undertaken so far in the economic field differ in manyaspects (methodology of analysis, type of aggregation, sam-ples, variables, etc.) One characteristic which is common to allstudies, however, is the importance of the fact that the orga-nisations evaluated must be homogeneous in the basicaspects of their teaching and research activity; in other words,in the intra-institution productive process. However, the atten-tion paid to this aspect in the empirical analysis has generallybeen somewhat superficial, guided largely by the data availa-ble or ad hoc criteria established by the authors of such stu-dies. Aware of the importance of sample homogeneity in theanalysis of university activity, the present study proposes clas-sifying Spanish public universities into homogenous groupswhich permit more internally coherent and unbiased assess-ments. To do this, we employ the data supplied by HernándezArmenteros (2002), to which we apply a statistical analysis,taking as reference the degrees offered by universities.
Key words: sample homogeneity, universities, cluster analysis.
Gomez Sancho 21/9/09 17:59 Página 108