XLVII Reunión AnualNoviembre de 2012

ISSN 1852-0022ISBN 978-987-28590-0-8

ECONOMIAS DE ESCALA Y ZONAS DE SERVICIO ÓPTIMAS EN LA RECOLECCIÓN DE RESIDUOS SÓLIDOS URBANOS DE LA CIUDAD DE BUENOS AIRES

Roitman MauricioPirchio Alexis

ANALES | ASOCIACION ARGENTINA DE ECONOMIA POLITICA

1

Economías de escala y zonas de servicio óptimas en la recolección de residuos sólidos urbanos de la Ciudad de Buenos Aires

Mauricio E. Roitman†

Alexis G. Pirchio‡

2012 JEL: L51, L99, C14, Q50

† Profesor Adjunto, Departamento de Economía, Facultad de Ciencias Económicas, UADE y Estudio Montamat

y Asociados. ‡ Profesor Ayudante, Departamento de Economía, Facultad de Ciencias Económicas, UADE.

2

Resumen

La eficiencia de los sistemas de recolección de residuos resulta un determinante clave de sus costos.

Este trabajo propone y aplica al caso de la Ciudad de Buenos Aires una metodología de programación matemática novedosa en la literatura de eficiencia de escala del servicio de-nominada “tamaño de escala más productivo”. Utiliza datos de insumos y productos, lo cual es útil donde los datos de costos son limitados. El problema de las diferencias de calidad del servicio se resuelve introduciendo una variable ambiental (multas).

Las estimaciones muestran que las dimensiones de las actuales zonas pueden ajustarse para conseguir economías de escala.

Abstract

The efficiency in waste collection systems is a key determinant of their costs.

This paper has proposed and applied a mathematical methodology to calculate optimal effi-ciency of scale in waste systems to the Buenos Aires City case, named "Most Productive Scale Size". This methodology has used data of inputs and outputs, which is very useful when cost data are unavailable. The problem of different quality standards has solved intro-ducing an environmental variable (fines).

The outcomes show that the actual zone sizes could be adjusted to attain optimal scale economies.

3

I. Introducción

Buenos Aires es una ciudad en la que residen 2.890.151 personas según datos del Censo 2010 (INDEC) en una extensión de doscientos kilómetros cuadrados. Concentra el 7,2 % de la población total de Argentina con una densidad del orden de los 14.450,8 habitantes por kilómetro cuadrado. El número de habitantes tuvo muy escasa variación en los últimos cin-cuenta años pero, según el Ministerio de Desarrollo Urbano de CABA, el Área Metropolitana de Buenos Aires (AMBA) es el portal más importante de ingreso al país, posee el puerto de mayor movimiento y tonelaje, el aeropuerto con mayor actividad y una multiplicidad de me-dios de transporte. Es por ello que la Ciudad recibe por día flujos de personas y mercaderías que duplican la población estable y sus necesidades de abastecimiento (Ingresan diariamen-te alrededor de 839.800 vehículos que transportan a 3.258.453 pasajeros) lo cual provoca un gran impacto sobre su higiene urbana. Ello motiva, por ejemplo que en la Capital Federal se generen hayan generado 2.278.000 kilogramos de residuos totales en 2011 según el CEAMSE.

Es importante destacar entonces que el manejo de los residuos sólidos debe ser coordinado para poder brindarlo a una población estimada en trece millones trescientos mil habitantes, que comprende a la Ciudad Autónoma de Buenos Aires (C.A.B.A.) y a treinta y dos munici-pios del conurbano bonaerense. La disposición final de los residuos generados por este ex-tenso aglomerado (el más importante de la Argentina en términos de población y actividad económica) y su coordinación es realizada a través de la Sociedad del Estado Cinturón Ecológico Área Metropolitana (CEAMSE). Es por esa razón que la creación de la CEAMSE, de carácter interjurisdiccional y de propiedad compartida en partes iguales por la provincia de Buenos Aires y la Ciudad homónima, constituyó un hito histórico en el manejo integral de los residuos, de gran impacto sobre la organización industrial y la regulación económica del sector. En una primera etapa, esa Sociedad del Estado tuvo a su cargo la prestación del servicio de recolección de residuos, limpieza de calles, alcantarillas y bocas de tormenta mediante la contratación con terceros.

La organización industrial del servicio de higiene urbana (recolección de residuos domicilia-rios y barrido de calles) actual y su particular geografía y delimitación zonal, resultó de una licitación realizada en junio de 2004 cuyos antecedentes normativos se observan en la Tabla

1.

Esa licitación, además de cambiar aspectos de la regulación del servicio, implicó una nueva división de la Ciudad en seis (6) zonas de servicio, instrumentándose a partir de Febrero 2005. El 4 de agosto de 2004 como resultado de la Licitación Internacional 06/2003 del Go-bierno de la Ciudad Autónoma de Buenos Aires y por Decreto Nº 1390/04, resultaron adjudi-catarias del Servicio Público de Higiene Urbana de la Ciudad las siguientes empresas: CLI-BA S.A., AESA S.A.- F.C.C. S.A. U.T.E., URBASUR U.T.E., INTEGRA U.T.E. y NITTIDA U.T.E., mientras que el Ente de Higiene Urbana, la empresa pública de la Ciudad, cubre el servicio de la Zona V (Ver Tabla 2 e Ilustración 1).

4

TTaabbllaa 11:: CCrroonnoollooggííaa NNoorrmmaattiivvaa ccoorrrreessppoonnddiieennttee aall SSeerrvviicciioo ddee HHiiggiieennee UUrrbbaannaa ((CC..AA..BB..AA..))

Ordenanza N°33.691 (Publ. 08/08/77, B.M. N°15.577). Ratifica convenios firmados entre la Ciudad de Buenos Aires y la Provincia homónima (07/01/77). Se crea CEAMSE.

Ordenanza N°34.523 (Publ. 20/10/78). Prohíbe basurales a cielo abierto en la Ciudad de Buenos Aires y obliga a disponer los residuos en las estaciones de transferencia o en los predios del CEAMSE.

Ordenanza N°35.135 (08/08/79) y N°35.356 (22/11/79).Ratifican Convenio (10/10/79) y Contrato de Recolección y Limpieza (08/10/79), extendido y renovado por Convenio (01/06/90) con Manliba S.A.

Ordenanza N°35.356 (Publ. 30/11/79, B.M. N°16.163). Ratifica contrato de locación de servicios sus-cripto entre la Municipalidad de la Ciudad de Buenos Aires (MCBA) y el CEAMSE (10/10/79). CEAMSE toma a cargo la prestación del servicio de recolección de residuos, limpieza de calles, alcantarillas y bocas de tormenta mediante contratación de terceros.

Ordenanza N°41.736 (B.M. N°17.953 del 20/01/87). Llamado a licitación pública para contratar el servi-cio de recolección de residuos en la Ciudad de Buenos Aires. Pliego de Bases y Condiciones y Anexo 1.

Decreto N°4.765 (B.M. 18.100 del 25/08/87). Adjudica al Consorcio Roggio S.A. - Ormas S.A.C.I. y F. el contrato del servicio de recolección de residuos en zonas de villas de la Ciudad de Buenos Aires.

Ordenanza N°44.310 (15/06/90). Convenio entre MCBA y CEAMSE. Establece expresa reserva de que CEAMSE carece de facultades para otorgar concesiones de servicio público y obras públicas sin el consentimiento de la MCBA. Asimismo, aprueba las obligaciones asumidas por la M.C.B.A. en relación al acuerdo entre CEAMSE y Manliba S.A. y autoriza al Banco de la Ciudad de Buenos Aires a otorgar avales a las obligaciones asumidas por CEAMSE. En el Convenio se establece la prórroga del contrato firmado el 10 de octubre de 1979 hasta el 2 de marzo de 1995 (vencía el 10 de octubre de 1990).

Decreto N°2.563 (Boletín Municipal N°19.426 del 07/12/92). Aprueba Convenio CEAMSE y MANLIBA S.A. (22/10/92) -Anexo I- y el Acuerdo CEAMSE/M.C.B.A. (22/10/92) -Anexo II-.

Decretos 165/95, 249/95, 471/95, 626/95, 742/95, 1.035/95, 1.209/95, 1.413/95, 1.557/95, 1.690/95, 152/96, 173/96. Fueron sucesivas instrucciones a CEAMSE para que prorrogue el contrato de presta-ción de servicios de higiene urbana con Manliba S.A. Una resolución Conjunta de las Secretarías de Hacienda y Finanzas y de Producción y Servicios N°581/95 instruyó a CEAMSE a que formule un plan de mejoramiento del servicio y renovación de equipamiento, aprobándose dicho plan junto a una nueva prórroga por Decreto N°174/96.

Ordenanza N°51.453, Decreto N°48 (B.O. N°121, 24/01/1997). Aprueba el Pliego de Bases y Condicio-nes para la Licitación Pública Nacional e Internacional para la Contratación de los Servicios de Higiene Urbana de la C.A.B.A. Divide el servicio en CABA en cinco zonas de prestación monopólica (4 privados y 1 público).

Ley N° 210 (Dec. N° 1.495/99 - BOCBA N° 752 del 10/08/1999). Ratifica creación, define objeto funcio-nes y designaciones del Ente Único Regulador de Servicios Públicos (EURSPCABA) creado por el artículo 138 de la Constitución de la C.A.B.A., con atribuciones en materia de regulación y control de la higiene urbana.

Ley N° 462 (BOCBA 1025 Publ. 12/09/2000). Creación del Ente de Higiene Urbana.

Ley N° 662 (BOCBA N°1304 del 25/10/2001). Establece la frecuencia del servicio de recolección.

Ley N°992 (reglamentada por Decreto Nº 622/003) que entre otros declara como Servicio Público a los Servicios de Higiene Urbana de la C.A.B.A. y el Poder Ejecutivo incorpora a recuperadores de residuos reciclables a la recolección diferenciada. Por otra parte, crea el Registro Único Obligatorio Permanente de Recuperadores, Cooperativas y PyMES relacionados con la actividad.

Decreto N°1838 (B.O. N°1795, 14/10/2003). Aprueba el Pliego de Bases y Condiciones y el llamado a Licitación Pública Nacional e Internacional para la Contratación de los Servicios de Higiene Urbana para cinco zonas de la C.A.B.A. Este Decreto ratifica la incorporación de las prescripciones de la Ley N°992 y (parcialmente) las de la Ley N°210. Divide el servicio en CABA en seis zonas de prestación monopólica (5 privados y 1 público).

Decreto N°1390 (B.O. N°2001, 11/08/2004). Contratación del servicio público de higiene urbana para 5 zonas de la CABA. Aprueba la licitación pública nacional e internacional 6-03 - zonas 1 , 2 , 3 , 4 , 6 - aprobación - adjudicación - Licitación N° 06-2003.

Ley Nº1.854 (Enero 2006, reglamentada en 2007), orienta la gestión los residuos sólidos urbanos a la reducción progresiva de los desechos enviados a los rellenos sanitarios y a la implementación del pro-grama "Basura Cero".

Ley Nº 2.628 (BOCBA 2852 Publ. 17/01/2008). Crea Agencia de Protección Ambiental, entidad autár-quica en el ámbito del Ministerio de Ambiente y Espacio Público de CABA.

Fuente: Roitman (2012).

5

TTaabbllaa 22:: ZZoonnaass ddeell sseerrvviicciioo ddee HHiiggiieennee UUrrbbaannaa -- CCAABBAA ((DDeessddee 22000044))

Fuente: Diario Clarín, Sección "La Ciudad" (pág. 60, Sábado 29 de Agosto, 2009).

IIlluussttrraacciióónn 11:: DDiissttrriibbuucciióónn ggeeooggrrááffiiccaa ddee llaass zzoonnaass ddee rreeccoolleecccciióónn ddee rreessiidduuooss

Fuente: CEAMSE

En la actualidad, encontrándose vencidos los plazos de concesión de los servicios y con sucesivas prórrogas, y luego de un proceso de consulta a la ciudadanía de los pliegos preli-minares, se ha realizado la apertura –el día 29 de marzo de 2012- del sobre Nº 1 de la Lici-tación Pública Nacional e Internacional Nº 1.780/10 correspondiente a la contratación del “Servicio Público de Higiene Urbana - Fracción Húmedos”, donde se presentaron como ofe-rentes las siguientes empresas: CLIBA, INGENIERÍA AMBIENTAL S.A. – AESA, ESEO Y ECOLOGIA Y OTROS (U.T.E.), EMEPA S.A. – IMPSA S.A.I.C.Y.F. – TRANSPORTES OLI-VOS S.A.C.I.F. (U.T.E.), ASHIRA S.A. – MARTIN Y MARTIN S.A. (U.T.E.); y del Concurso Público Nº 1/10 para el Servicio de Recolección de Residuos Sólidos Urbanos - Fracción Secos”, donde se presentaron como oferentes las varias cooperativas.

Zona 1 Zona 2 Zona 3 Zona 4 Zona 5 Zona 6

CLIBA AESA URBASUR NITTIDA GCBA INTEGRA

Recolectores 553 420 431 312 190 398

Barrenderos 682 408 344 372 320 468

Contenedores 2534 2977 2708 3536 0 2581

Caballito,

Parque

Chacabuco,

Boedo,

Pompeya

Villa Devoto,

Villa del Parque,

Monte Castro,

Velez Sarfield,

Floresta, Flores,

Villa Luro,

Parque

Avellaneda

Liniers,

Mataderos,

Villa Soldati

Saavedra,

Villa Urquiza,

AgronomíaBarrios

Almagro,

Balvanera,

Constitución,

La Boca,

Barracas

Belgrano,

Palermo,

Colegiales,

Chacarita

6

Esta nueva organización industrial tiene como eje la separación de la recolección de resi-duos urbanos Húmedos1 y de los residuos sólidos Secos, además de incluir como previa-mente lo hacía el barrido y limpieza de la Ciudad. La recolección de los residuos húmedos se llevará adelante en cuatro (4) zonas, tres (3) con prestadores privados y la restante con la prestación a cargo del Ente de Higiene Urbana (Ver Ilustración 2).

IIlluussttrraacciióónn 22:: NNuueevvaa ddeelliimmiittaacciióónn ddee zzoonnaass ddeell sseerrvviicciioo ddee rreeccoolleecccciióónn ddee rreessiidduuooss ssóólliiddooss ddee

llaa CC..AA..BB..AA..

Fuente: Gobierno de la Ciudad de Buenos Aires

Considerando esta nueva delimitación geográfica de las zonas de prestación del servicio de higiene urbana, surge el interrogante sobre cual metodología –si hubo explícitamente algu-na- y con qué parámetros se determinó oportunamente o debería determinarse el número y tamaño óptimo de dichas regiones de la Ciudad de Buenos Aires. El presente trabajo ofrece una breve descripción de los antecedentes en la literatura económica referentes al cálculo de las economías de escala en la recolección de residuos sólidos y ofrece una metodología alternativa para determinar el tamaño óptimo de las zonas desde el punto de vista de la maximización de la eficiencia técnica y de las economías de escala potencialmente subya-centes. La metodología propuesta y utilizada para los cálculos es novedosa en la literatura de economía aplicada al análisis de la eficiencia de escala de los sistemas de recolección de residuos sólidos.

El estudio se organiza de la siguiente manera. En la presente Introducción (Sección I) se describen algunos aspectos destacados de la organización industrial del sector y de los cambios en camino. En la Sección II se realiza una breve síntesis de los conceptos relacio-nados a la determinación del tamaño de escala más productivo como la eficiencia técnica, las economías de escala y la escala mínima eficiente, junto con antecedentes de cálculo de la escala óptima en recolección de residuos utilizando datos de costos. En la Sección III se desarrollan los aspectos teóricos de la metodología de cálculo del “Tamaño de Escala Más Productivo” (M.P.S.S.2 de aquí en adelante) desarrollada por Banker (1984), modificándola con la inclusión de aspectos vinculados a la variación de calidad del servicio tomados de

1 Quedan excluidos el servicio de recolección de residuos voluminosos, el servicio de recolección de

restos de verdes y el servicio de recolección de restos de obras y demoliciones. 2 M.P.S.S.: es la abreviatura en inglés de la metodología “Most Productive Scale Size”.

7

Arocena (2008). En la Sección IV se presenta la información de las fuentes de datos y las estimaciones de escala óptima de las zonas actuales y de una modificación (reducción de la cantidad total) de aquellas. Por último, en la Sección V se ofrecen las conclusiones y los códigos de programación de GAMS en el Apéndice.

II. Eficiencia técnica, economías de escala, escala mínima eficiente y tamaño de es-cala más productivo

El camino clásico para la determinación de economías de escala en económica aplicada es el que brinda el análisis desde el punto de vista de los costos.

Al respecto, la teoría económica define economías de escala como la situación en la cual los costos medios de largo plazo –los costos por unidad producida– disminuyen con el incre-mento de la producción.

El nivel de producción donde son máximas las economías de escala – el mínimo del costo medio- se identifica con la “escala mínima eficiente” (en adelante EME) o “la escala a la que los costos unitarios dejan de caer” (Morroni, 1992, p. 154). Otros definen esta como “El nivel (o los niveles) de producción correspondiente al costo medio mínimo” (Mas Colell et al., 1995, p. 144)

La escala o tamaño óptimo no es uniforme en todas las industrias o sectores, dado que se determinan con referencia a condiciones de mercado y tecnológicas particulares. A partir de cierto umbral, los costos medios se tornan crecientes, es decir empiezan las deseconomías de escala. El cambio tecnológico puede llevar no solo a un cambio en la EME, sino también a la expansión del rango de las economías de escala. Una expansión del rango de escala se obtiene disminuyendo la escala mínima y/o elevando la máxima escala.

Una de las fuentes principales del surgimiento de las economías de escala son las “indivisi-bilidades” del proceso productivo, es decir, que la reducción del uso de ciertos insumos pro-porcionalmente con el producto está limitada. Con determinado costo medio se puede pro-ducir a gran escala, pero ello también implica un mayor costo a un rango de producción bajo (Church y Ware, 2000).

En un estudio sobre el sector de agua potable y saneamiento, Ferro y Lentini (2011) consi-deran los siguientes elementos como los que crean o incrementan las economías de escala, a saber: (i) los costos fijos de largo plazo, (ii) los costos de arranque (independientes del nivel de producción); (iii) los recursos especializados y la división del trabajo (y del capital), (iv) la experiencia (o curva de aprendizaje), (v) las economías de concentración de existen-cias, y (vi) los costos y necesidades de transporte. Estos últimos son importantes, máxime cuando la industria de referencia es la de recolección de residuos sólidos urbanos.

Una primera aproximación a la respuesta a la pregunta sobre cual sería el tamaño de escala óptimo de los monopolios regulados zonales en el servicio de higiene urbana puede surgir apelando a parámetros internacionales de referencia mediante la revisión de estudios sobre la cuantía de las economías de escala en otras ciudades. Dichos estudios descansan en un enfoque clásico de análisis de la función de costos. A continuación se exponen los casos sectoriales encontrados.

En uno de los primeros antecedentes del cálculo aplicado a la recolección de residuos, Ste-vens (1978) comprueba que existen economías de escala en localidades de hasta 50.000 habitantes mientras que, superando esa cifra, los resultados indican rendimientos constan-tes a escala. Ascari et al. (1992) muestra evidencias sobre deseconomías de escala para las grandes áreas urbanas producto de la congestión.

Por su parte, Antonioli y Filippini (2002) analizan la estructura de costos de una muestra de firmas italianas de recolección de residuos con el objetivo de valorar las economías de esca-la y densidad y, a partir de ello, definir la escala óptima de las firmas. Uno de los principales

8

resultados del trabajo es que existen economías de escala y densidad en un rango muy am-plio en la recolección de residuos, concluyendo específicamente que el tamaño óptimo de red sería menor a 500 kilómetros y de aproximadamente 400 kilómetros. A mismo tiempo, Biagi y Massarutto (2002) y Antonioli et al. (2002) demuestran que algunas economías de escala pueden ser alcanzadas hasta los 200.000/300.000 habitantes.

En forma más reciente, Bel y Fageda (2009) analizan los costos del servicio de residuos sólidos en 65 municipios pequeños y medianos de Galicia (España) encontrando que exis-ten economías de escala en la prestación en los de menos de 50.000 habitantes, siendo por ello deseable que en poblaciones menores el servicio sea prestado por una sola firma para lograr ahorros.

Los estudios citados tienen la característica común de que estiman economías de escala y escala mínima eficiente utilizando un enfoque centrado en el análisis de los costos medios.

Por otra parte, una metodología alternativa para responder a la pregunta sobre el tamaño de la zona monopólica óptima de servicio de recolección de residuos denominada de determi-nación del “tamaño de escala más productivo”, desarrollada por Banker (1984) y explicada a continuación.

III. Determinación del “tamaño de escala más productivo” (M.P.S.S.)

La descripta en este apartado es una metodología para el cálculo del “tamaño de escala más productivo” (M.P.S.S.), utilizando la técnica del Análisis de la Envolvente de los Datos (Data Envelopment Análisis, D.E.A.), introducida por Banker (1984) para el caso de produc-tos e insumos múltiples. El planteo del modelo es, siguiendo a Banker, Cooper, Seiford y Zhu (2004), el siguiente:

(Xo. α , Yo. β ) (1) Con los escalares β, α ≥ 0. Xo e Yo representan el vector de insumos y productos, respecti-vamente.

El método determina que se puede conseguir una situación más eficiente en términos de escala (más productiva técnicamente) siempre que β/α ≠ 1. En otras palabras, no se está en el M.P.S.S. cuando:

a) Todos los productos pueden ser aumentados en proporciones que son al menos tan grandes como el incremento proporcional correspondiente en todos los insu-mos necesitados para obtenerlos, o

b) Todos los insumos pueden ser reducidos en proporciones que son al menos tan grandes como la caída proporcional correspondiente en todos los productos.

Solamente cuando β/α = 1 o β = α, los retornos a escala son constantes y se halló el M.P.S.S.

El concepto y la metodología M.P.S.S. se utiliza para evitar la necesidad de información so-bre precios y costos que se requieren para el cálculo por otros métodos. El enfoque M.P.S.S. permite centrar la atención sobre aspectos relacionados exclusivamente a la efi-ciencia técnica. Esta característica sobre el requerimiento solo de datos de insumos y pro-ductos es altamente valorable en un sector donde la información de precios y costos no sue-le estar disponible, máxime en ciudades de economías en desarrollo con menor tradición y calidad en relevamientos estadísticos.

Es conveniente hacer una breve observación respecto del concepto de eficiencia técnica a medir en este trabajo.

La eficiencia de una unidad de producción es definida por Lovell (1992) como “la compara-ción entre los valores observados y óptimos de sus insumos y productos”. El mismo autor

9

también expone la diferencia entre las palabras “productividad” y “eficiencia”, siendo esta última un componente de la primera, junto a la tecnología y el ambiente en el cual se lleva a cabo el proceso productivo.

La eficiencia productiva como concepto global posee dos componentes: la eficiencia técnica, la cual puede ser orientada al (aumento del) producto o a (la minimización de) los insumos; y la eficiencia asignativa, la cual muestra el grado en el cual es óptima la asignación de insu-mos y productos dados sus respectivos precios relativos.

Teniendo en cuenta que el presente estudio pone el foco en la eficiencia técnica deben ci-tarse, para una mayor precisión del análisis, las dos definiciones de aquella más referencia-das en la literatura.

Al respecto, según Koopmans (1951, p. 60) un productor es técnicamente eficiente si un incremento de uno de los productos requiere una reducción en al menos uno de los otros productos o un incremento en al menos un insumo, y si una reducción en uno de los insu-mos requiere un incremento en al menos otro de los insumos o una reducción de al menos un producto. Por lo tanto, un productor técnicamente ineficiente podría producir las mismas cantidades de productos con menos cantidad de al menos un insumo, o podría utilizar las mismas cantidades de insumos para producir más cantidad de al menos un producto.

Por su parte, Debreu (1951) y Farrell (1957) acuerdan que la medida de la eficiencia técnica puede definirse como: uno menos la máxima reducción equiproporcional en todos los insu-mos que aun permiten continuar con la producción de una determinada cantidad de produc-tos. Un resultado de uno indica el máximo de eficiencia técnica porque no puede llevarse a cabo ninguna reducción equiproporcional de insumos, y un resultado menor a uno indica el grado de ineficiencia. Esta última sirve de fundamento a la metodología de Banker (1984).

Volviendo a la metodología propiamente dicha a utilizar en este estudio, debe señalarse que (1) refiere a retornos a escala localmente evaluados. Sin embargo, esta interpretación puede ser reemplazada por una evaluación orientada globalmente. Con ello se busca caracterizar las condiciones de rendimientos a escala de cada empresa en cada año a los valores de M.P.S.S. en lugar de restringir esta evaluación a la vecindad de los puntos (X0, Y0) en donde va a ser evaluada la derivada. Con ese objetivo se presenta la formulación expuesta por Banker et al. (2004), modificada con la inclusión de aspectos vinculados a la variación de calidad del servicio tomados de Arocena (2008)3:

Max β/α

β×Y0 ≤ ∑ Yj×λj,

α×X0 ≥ ∑ Xj×λj,

Q0 ≤ qj×λj, (2)

1 = ∑ λj,

0 ≤ β, α, λj, j = 1,….,n

En esta formulación conjuntamente se maximiza el incremento proporcional en los productos y se minimiza la reducción proporcional de los insumos. Los autores citados afirman en un teorema que una condición para que una unidad productiva sea M.P.S.S. es que el máximo β/α sea igual a 1 en (2), en cual caso los retornos serán constantes a escala.

3 La modificación del cálculo introduciendo una variable ambiental de calidad es necesaria debido a la

importancia de los estándares de calidad efectivos de la prestación del servicio de higiene urbana y su potencial efecto sobre la eficiencia de escala. En otras palabras, se utiliza para evitar que un me-nor uso de insumos para lograr mejoras de escala pueda afectar la calidad del servicio.

10

IV. Aplicación de la metodología de determinación del “tamaño de escala más pro-ductivo” (M.P.S.S.).

De manera seguida se utiliza la metodología desarrollada por Banker (1984), teniendo en cuenta la calidad del servicio brindada por cada empresa de acuerdo a Arocena (2008), para identificar el “tamaño de escala más productivo”, utilizando datos reales del servicio de higiene urbana en la Ciudad Autónoma de Buenos Aires.

a. LLooss ddaattooss

Los datos han sido seleccionados, extraídos y ordenados en formal de panel desde las “fi-chas resumen de caracterización de zona del servicio de higiene urbana” de varias edicio-nes (años: 2005, 2006, 2007, 2008, 2009) del trabajo “Estudio de calidad de los residuos sólidos urbanos” realizado por la Facultad de Ingeniería de la Universidad de Buenos Aires (FIUBA) y CEAMSE.

b. EEssppeecciiffiiccaacciióónn ddee llooss mmooddeellooss aa eessttiimmaarr

Para llevar adelante la estimación se utilizó la fuente citada anteriormente en forma de un panel de datos. Los modelos fueron estimados tomando en cada uno de ellos diferentes variables para medir tanto insumos como productos.

En este caso, la medida de eficiencia, si tomamos únicamente insumos y productos, resul-taría en cierta manera incompleta, ya que, una empresa que recolecta la mayor cantidad de residuos utilizando la menor cantidad de insumos, va a ser eficiente en términos de escala, pero quizá a costa de brindar una mala calidad del servicio. Para lograr ajustar con respecto a calidad del servicio se incorpora una variable ambiental en las estimaciones, que hacen las veces de variables proxy de la calidad del servicio. La idea de los distintos modelos es observar cuales de las empresas o en que años aquellas han estado ajustadas al tamaño de escala más productivo.

Las variables utilizadas en los distintos modelos se detallan a continuación:

1. Variables producto:

a. Producción de residuos sólidos por año. b. Cantidad de cuadras a recorrer por empresa. c. Superficie neta cubierta.

En el caso de Producción de residuos sólidos por año se mide la cantidad de toneladas de residuos recolectados por cada zona, por año. Con respecto a Cantidad de cuadras a reco-rrer por empresa se refiere a la cantidad de cuadras por zona, y Superficie neta cubierta, a la cantidad de kilómetros cuadrados de cada zona.

2. Variables insumo:

d. L1: Choferes. e. L2: Cargadores. f. L3: Peón General de Barrido (PBG). g. L1+L2+L3: Sumatoria de los tres tipos de trabajadores. h. L: Cantidad de trabajadores de acuerdo a la Dirección de Higiene Urbana de la

C.A.B.A. i. K1: Rutas domiciliarias/Camiones. j. K2: Barrido/Camiones. k. K3: Otras maquinarias. l. K1+K2+K3: Sumatoria de los tres tipos de capital utilizado. m. K: Cantidad de capital de acuerdo a la Dirección de Higiene Urbana de la C.A.B.A.

11

3. Variable ambiental:

n. Cantidad de multas anuales (EURSPCABA). Se observa que se presentan tres tipos de variables insumo, tres tipos de variables producto y corregimos siempre con la misma variable ambiental que es la cantidad de multas anuales que tiene cada empresa en el Ente Único Regulador de los Servicios Públicos de la C.A.B.A (EURSPCABA). Ello da un total de nueve modelos estimados.

Los modelos 1, 2 y 3, tienen como variable de Producto la cantidad de toneladas de resi-duos recolectadas por cada empresa cada año. Los modelos 4, 5 y 6, tienen como variable Producto la cantidad de cuadras a atender por empresa en su recorrido diario. Por último, en los modelos 7, 8 y 9 también se tiene en cuenta la superficie neta cubierta diariamente para recolectar residuos sólidos.

Con respecto a las variables insumo seleccionadas, se toman también tres tipos de modelos con diferentes formas funcionales a estimar. Los modelos 1, 4 y 7, se construyeron tomando de forma separadas las tres variables de capital (Camiones para rutas domiciliarias, Camio-nes para barrido y otras maquinarias) y los tres tipos de trabajadores utilizados (Choferes, Cargadores y Peón General de Barrido), utilizando en total 6 variables de insumo. En los Modelo 3, 6 y 9, se recurre a la sumatoria de las variables de capital y trabajo respectiva-mente para obtener solamente dos variables de insumo agregadas. De forma similar a este último tipo, en el caso de los modelos 2, 5 y 8 se utilizan dos variables de insumo, trabajo y capital, aunque con datos diferentes surgidos de la Dirección de Higiene Urbana del Gobier-no de la Ciudad Autónoma de Buenos Aires.

El principal objetivo buscado con estas diversas especificaciones de la función de produc-ción es chequear la consistencia de las estimaciones del tamaño más productivo para obte-ner conclusiones más robustas.

En la Tabla 3 se resume las distintas especificaciones funcionales de cada uno de los mode-los. Los casilleros marcados con X nos muestran que la variable fue utilizada en el modelo correspondiente.

TTaabbllaa 33:: EEssppeecciiffiiccaacciióónn ddee llooss mmooddeellooss eessttiimmaaddooss

Variable Modelo

1 Modelo

2 Modelo

3 Modelo

4 Modelo

5 Modelo

6 Modelo

7 Modelo

8 Modelo

9

Producto

Cantidad de Residuos

X X X

Cantidad de Cuadras a recorrer

X X X

Superficie Neta cubierta

X X X

Insumos

K1 X X X

K2 X X X

K3 X X X

K* X X X

K1+K2+K3 X X X

L1 X X X

L2 X X X

L3 X X X

L* X X X

L1+L2+L3 X X X

Ambientales Multas Anua-les

X X X X X X X X X

Fuente: Elaboración propia sobre la base de Roitman (2012). *Con datos de la Dirección de Higiene Urbana de Gobierno de la Ciudad de Buenos Aires

12

c. RReessuullttaaddooss oobbtteenniiddooss uuttiilliizzaannddoo llaass zzoonnaass aaccttuuaalleess ddee pprreessttaacciióónn

Los resultados obtenidos se muestran en la siguiente Tabla 4. Debe recordarse que cuanto más alejado de la unidad resulta el indicador, más lejos está la zona de prestación del servi-cio determinada de poseer un tamaño de escala óptimo, considerando los insumos utiliza-dos y el producto obtenido.

Los modelos estimados (en su mayor parte con datos de FIUBA-CEAMSE) señalan resulta-dos que aparentan consistencia.

Un resultado destacable surge de analizar lo ocurrido en el año 2005 con el estatal Ente de Higiene Urbana, que presta el servicio en la denominada Zona 5. En todos los modelos es-timados, esta empresa se sitúa produciendo en el tamaño de escala más productivo en el año 2005, pero también resulta llamativo que en los años 2007, 2008 y 2009 no se encuen-tra sobre la M.P.S.S. en ninguno de los modelos estimados. Más aún, en el año 2008 esa misma empresa presenta la mayor diferencia con respecto al M.P.S.S.

Otro resultado consistente es que CLIBA, empresa concesionaria en la zona 1, no se encuentra sobre la M.P.S.S. en ninguno de los modelos estimados. Esta última empresa es la más alejada del tamaño de escala más productivo en 8 de los 9 modelos en el año 2008.

Una agregación de los resultados de los nueve métodos permite ver el número de veces por año y el número de veces totales (ver Tabla 5) en el que cada una de las empresas resulta-ron estar en el tamaño de escala más productivo. De ambas tablas, se concluye que Nittida, la concesionaria de la zona 4, es la que mas cantidad de estimaciones tiene (23) en el ta-maño de escala más productivo, considerando los nueve modelos y distintos años. Le sigue AESA con 22 estimaciones sobre la M.P.S.S. y luego el Ente de Higiene Urbana (11), Urba-sur (6), Integra (4) y Cliba (0) respectivamente.

13

TTaabbllaa 44:: RReessuullttaaddooss ddee llaass eessttiimmaacciioonneess ddee llooss ddiivveerrssooss mmooddeellooss MMPPSSSS

Empresa Año Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Modelo 7 Modelo 8 Modelo 9

INTEGRA Zona 6

2009 1.503 1,333 1,584 1,042 1,182 1,107 1.103 1,235 1,157

2008 1.589 1,407 1,675 1,042 1,182 1,107 1.103 1,235 1,157

2007 1.292 1,314 1,407 1,007 1,182 1,016 1.020 1,235 1,055

2006 1.223 1,282 1,342 1,000 1,182 1,000 1.004 1,235 1,036

2005 1.469 1,548 1,611 1,000 1,182 1,000 1.004 1,235 1,036

ENTE DE HIGIENE URBANA Zona 5

2009 1.593 1,593 1,810 1,559 1,215 2,045 1.365 1,063 1,790

2008 1.910 1,910 2,288 1,739 1,264 2,529 1.484 1,078 2,157

2007 1.020 1,020 1,581 1,897 1,264 2,570 1.684 1,078 2,206

2006 1.000 1,000 1,248 1,772 1,264 2,540 1.525 1,078 2,169

2005 1.000 1,000 1,000 1,000 1,000 1,000 1.000 1,000 1,000

NITTIDA Zona 4

2009 1.297 1,136 1,432 1,010 1,000 1,017 1.015 1,000 1,024

2008 1.322 1,192 1,426 1,010 1,000 1,017 1.015 1,000 1,023

2007 1.128 1,060 1,210 1,000 1,000 1,000 1.000 1,000 1,004

2006 1.043 1,000 1,097 1,000 1,000 1,000 1.000 1,000 1,003

2005 1.000 1,034 1,000 1,000 1,000 1,000 1.000 1,000 1,000

URBASUR Zona 3

2009 1.043 1,000 1,175 1,256 1,335 1,312 1.045 1,078 1,057

2008 1.213 1,194 1,377 1,230 1,335 1,286 1.030 1,078 1,038

2007 1.015 1,028 1,162 1,203 1,335 1,259 1.015 1,078 1,018

2006 1.000 1,035 1,120 1,173 1,335 1,230 1.000 1,078 1,000

2005 1.157 1,217 1,273 1,172 1,335 1,225 1.000 1,078 1,000

AESA Zona 2

2009 1.022 1,201 1,133 1,000 1,751 1,108 1.000 1,598 1,108

2008 1.134 1,308 1,257 1,000 1,751 1,108 1.000 1,598 1,108

2007 1.000 1,153 1,000 1,000 1,751 1,000 1.000 1,598 1,000

2006 1.000 1,160 1,000 1,000 1,751 1,000 1.000 1,598 1,000

2005 1.000 1,174 1,000 1,000 1,751 1,000 1.000 1,598 1,000

CLIBA Zona 1

2009 2.110 1,299 2,711 3,058 2,248 3,686 2.629 1,898 3,247

2008 2.269 1,397 2,849 3,058 2,248 3,686 2.629 1,898 3,247

2007 1.929 1,254 2,256 2,949 2,248 3,622 2.527 1,898 3,173

2006 1.881 1,226 2,068 2,949 2,248 3,622 2.527 1,898 3,169

2005 1.913 1,246 2,128 2,949 2,248 3,622 2.527 1,898 3,170

Fuente: Elaboración propia sobre la base de Roitman (2012).

14

TTaabbllaa 55:: FFrreeccuueenncciiaa aannuuaall eenn llaa qquuee ccaaddaa eemmpprreessaa ssee eennccuueennttrraa

ssoobbrree eell ttaammaaññoo ddee eessccaallaa mmááss pprroodduuccttiivvoo

Empresa 2005 2006 2007 2008 2009 Totales

CLIBA Zona 1

0 0 0 0 0 0

AESA Zona 2

6 6 6 2 2 22

URBASUR Zona 3

3 2 1 0 0 6

NITTIDA Zona 4

8 6 5 2 2 23

ENTE DE HIGINE URBANA Zona 5

9 2 0 0 0 11

INTEGRA Zona 6

2 2 0 0 0 4

Fuente: Elaboración propia sobre la base de Roitman (2012)

d. RReessuullttaaddooss oobbtteenniiddooss uuttiilliizzaannddoo llaass zzoonnaass aaccttuuaalleess ddee pprreessttaacciióónn mmooddiiffiiccaaddaass

En el apartado anterior se mostraron los resultados de las estimaciones analizando el tama-ño de escala más productivo de cada una de las empresas concesionarias en las zonas ac-tuales de prestación. En esta sección mostramos que sucedería si las actuales zonas fueran modificadas incrementando su tamaño, no necesariamente con el mismo ordenamiento que el expuesto en los nuevos pliegos de licitación del servicio de la CABA, ya que se presenta la restricción de datos la cual hace que el ejercicio esté sujeto a la restricción de que solo pueden fusionarse las actuales zonas. Este ejercicio podría proporcionar útiles resultados al solo efecto de evaluar el impacto del cambio en el tamaño de las zonas sobre la eficiencia de escala de la recolección de residuos de la CABA.

En principio se unifican zonas tanto con respecto a recorridos como también cantidades de residuos recolectados e insumos utilizados. La unificación realizada corresponde a un crite-rio de unificación de zonas con orientación Norte-Sur.

Como resultado de este virtual reordenamiento llevado a cabo, la zona 1 (Cliba) queda sin cambios, dado que antes de la unificación ya tenía una orientación norte-sur, abarcando desde Balvanera hasta La Boca. Al unificar las zonas 2 y 3, se une desde norte hacia el sur zonas desde Belgrano, Colegiales y Chacarita con zonas del sur como Parque Chacabuco, Boedo y Pompeya. Asimismo, al unificar las zonas 4, 5 y 6 se unen nuevamente sectores del norte de la Ciudad con sectores del sur. En la Tabla 6 se agrupan los barrios que incluyen las nuevas zonas luego de la fusión.

TTaabbllaa 66:: ZZoonnaass ddee pprreessttaacciióónn ddee sseerrvviicciioo uunniiffiiccaaddaass ccoonn oorriieennttaacciióónn NNoorrttee--SSuurr

Zona 1 Zona 2 / Zona 3 Zona 4 / Zona 5 / Zona 6

Recolectores 553 851 900

Barrenderos 682 752 1160

Contenedores 2534 5685 6117

Barrios

Almagro, Balvanera,

Constitución, La Boca, Barracas

Belgrano, Palermo, Colegiales, Chacarita,

Caballito, Parque Chacabuco, Boedo,

Pompeya.

Villa Devoto, Villa del Parque, Monte Castro, Velez Sarfield,

Floresta, Flores, Villa Luro, Par-que Avellaneda, Liniers, Matade-ros, Villa Soldati, Saavedra, Villa

Urquiza, Agronomía.

Fuente: Elaboración propia sobre la base de Roitman (2012).

15

TTaabbllaa 77:: RReessuullttaaddooss ddee llooss ddiissttiinnttooss mmooddeellooss ddee MMPPSSSS ccoonn uunniiffiiccaacciióónn ddee zzoonnaass

Empresa Año Modelo

1 Modelo

2 Modelo

3 Modelo

4 Modelo

5 Modelo

6 Modelo

7 Modelo

8 Modelo

9

Zona 1

2009 1,266 1,131 2,089 1,889 1,939 2,734 1,714 1,684 2,712

2008 1,362 1,216 2,247 1,889 1,939 2,734 1,714 1,684 2,712

2007 1,344 1,092 2,041 1,929 1,939 2,804 1,832 1,684 2,782

2006 1,310 1,090 1,936 1,929 1,939 2,804 1,832 1,684 2,782

2005 1,332 1,103 1,982 1,929 1,939 2,804 1,832 1,684 2,782

Zona 2 / zona 3

2009 1,000 1,000 1,003 1,000 1,110 1,031 1,000 1,000 1,031

2008 1,146 1,146 1,177 1,000 1,110 1,027 1,000 1,000 1,027

2007 1,000 1,000 1,000 1,000 1,110 1,000 1,000 1,000 1,000

2006 1,000 1,015 1,000 1,000 1,110 1,000 1,000 1,000 1,000

2005 1,000 1,085 1,000 1,000 1,110 1,000 1,000 1,000 1,000

Zona 4 / Zona 5 / Zona 6

2009 1,217 1,187 1,318 1,008 1,000 1,098 1,025 1,000 1,168

2008 1,348 1,303 1,467 1,008 1,000 1,102 1,025 1,000 1,176

2007 1,042 1,018 1,190 1,000 1,000 1,084 1,000 1,000 1,180

2006 1,000 1,000 1,040 1,000 1,000 1,049 1,000 1,000 1,108

2005 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000

Fuente: Elaboración propia sobre la base de Roitman (2012).

En la Tabla 7 se aprecian los resultados del modelo utilizando las nuevas zonas de conce-sión y las veces que cada nueva zona/empresa resultó estar en la MPSS (Tabla 8). En este caso, como se menciono anteriormente vamos a estar observando solamente 3 empresas, ya que las Zonas 2 y 3; y las zonas 4, 5 y 6 se encuentran fusionadas.

TTaabbllaa 88:: FFrreeccuueenncciiaa eenn llaa qquuee ccaaddaa eemmpprreessaa ssee eennccuueennttrraa

ssoobbrree eell MMPPSSSS ccoonn llaass nnuueevvaass zzoonnaass

Empresa 2005 2006 2007 2008 2009 Total

Zona 1 0 0 0 0 0 0

Zona 2/ Zona 3 7 7 8 3 5 30

Zona 4/ Zona 5/ Zona 6 9 6 4 2 2 23

Fuente: Elaboración propia sobre la base de Roitman (2012)

En la Tabla 9 se ofrecen nuevamente los resultados de las estimaciones con las zonas origi-nales y con el agregado de la proporción en la que estas estimaciones se encontraron sobre el tamaño de escala más productivo. Este tratamiento fue realizado para poder comparar las variaciones obtenidas con las de las estimaciones para las nuevas zonas post-fusión.

TTaabbllaa 99:: RReellaacciióónn vveecceess ssoobbrree llaa MMPPSSSS//TToottaall ddee eessttiimmaacciioonneess

uuttiilliizzaannddoo llaass zzoonnaass ddee rreeccoolleecccciióónn oorriiggiinnaalleess

Empresa Cant. esti-maciones

Cant. estima-ciones sobre

MPSS

% Estimacio-nes sobre

MPSS

CLIBA Zona 1

45 0 0,0%

AESA Zona 2

45 22 48,9%

URBASUR Zona 3

45 6 13,3%

NITTIDA Zona 4

45 23 51,1%

ENTE DE HIGINE URBANA Zona 5

45 11 24,4%

INTEGRA Zona 6

45 4 8,9%

Fuente: Elaboración propia sobre la base de Roitman (2012)

16

En la Tabla 10 se presenta la proporción de las estimaciones que se encontraron sobre el MPSS con respecto al total de estimaciones realizadas de las nuevas zonas de concesión que ilustran el ejemplo.

TTaabbllaa 1100:: RReellaacciióónn CCaannttiiddaadd vveecceess ssoobbrree llaa MMPPSSSS // TToottaall ddee eessttiimmaacciioonneess

uuttiilliizzaannddoo llaass zzoonnaass ddee rreeccoolleecccciióónn uunniiffiiccaaddaass

Empresa Cant. esti-maciones

Cant. estimacio-nes sobre el

MPSS

% estimacio-nes sobre el

MPSS

Zona 1 Cliba 45 0 0,0%

Zona 2 / zona 3 45 30 66,7%

Zona 4 / Zona 5 / Zona 6 45 23 51,1%

Fuente: Elaboración propia sobre la base de Roitman (2012)

Dado que los resultados de la Zona 1 no deberían variar, se analiza lo que ocurrió con las zonas fusionadas. Comparando con los resultados originales expuestos en la Tabla 9 con los de la Tabla 10 se distingue que la proporción en que la nueva Zona 2/ Zona 3 (unificada) la cantidad de estimaciones sobre el MPSS asciende al 66,7%, porcentaje muy superior al que teníamos en estas mismas zonas antes de la unificación. En cambio cuando analizamos los resultados de la siguiente zona que unificamos (Zona 4, 5 y 6 unificada) vemos que luego de la fusión se llega a un 51.1% de las estimaciones sobre el MPSS, sin llegar a superar la me-jor marca antes de la fusión (obtenida por Zona 4 con un 51.1% de las estimaciones sobre el MPSS). En este caso la unificación de las zonas no incrementó el porcentaje de estimacio-nes sobre el MPSS.

e. LLiimmiittaacciioonneess

Los ejercicios realizados son ilustrativos de la utilidad de la herramienta para fines de regu-lación y diseño de mercados regulados en recolección de residuos sólidos urbanos. Sin em-bargo, encuentra limitaciones en la calidad de los datos y en que pertenecen a un período de tiempo en el cual no variaron las dimensiones de las áreas de concesión. Si fuera posible realizar el mismo ejercicio con datos de anteriores/posteriores tamaños de zonas de presta-ción resultarían conclusiones más informativas para el diseño de zonas de concesión ópti-mas.

Por otro lado, la variable ambiental utilizada “Cantidad de Multas anuales” puede no ser un buen estimador de la calidad del servicio brindada. Una variable que puede ser utilizada como un mejor estimador de la calidad del servicio, serían los montos pagados por multas de estas mismas empresas, pero la falta de calidad y de cantidad de datos en Argentina en este sector en particular no permitió realizar dichas estimaciones. Ello resulta en una suge-rencia de mejora de los procedimientos de contabilidad regulatoria sectorial también exten-sible al relevamiento de los datos de costos.

Más allá de los problemas de la variable ambiental señalados antes, los comentarios releva-dos de los funcionarios involucrados en la regulación del sector destacan que las multas funcionan de facto como un mecanismo ex-post de señalización de la (mala) calidad del ser-vicio. Esto se debe a dos motivos: (i) en principio porque en la mayoría de los casos esas multas son apeladas en instancia judicial y terminan no haciéndose efectivas, y por otra par-te, (ii) los montos de las mismas suelen ser bajos, con lo cual no “distorsionarían” la decisión marginal de la empresa sobre la calidad de servicio ofrecida. Lo que queda claro es que a menor calidad, menor debería ser el uso de insumos y/o su intensidad de uso, y los resulta-dos obtenidos con la variable ambiental utilizada, son consistentes con ello.

17

V. Conclusión

La eficiencia del sistema de recolección de residuos sólidos urbanos resulta un determinante clave de los costos del servicio. Uno de los determinantes de la eficiencia es la escala de producción o prestación de servicios. Es por ello que la medida del aprovechamiento de la escala óptima de prestación zonal resulta necesaria para dimensionar y ajustar aquella al tamaño de escala más productivo.

El camino clásico para la determinación de economías de escala en economía aplicada es el que brinda el análisis desde el punto de vista de la teoría de los costos.

Sin embargo, en ciudades de países con poca o mala calidad de datos de precios y costos del sector de recolección de residuos urbanos, la empresa de medir la eficiencia de escala suele resultar frustrante para el analista.

El principal aporte de este estudio fue el ofrecer e ilustrar el uso de una metodología alterna-tiva de estimación del aprovechamiento óptimo de las economías de escala denominada “tamaño de escala más productivo” (Most Productive Scale Size, M.P.S.S.) que solo requie-re de datos de insumos y productos. Adicionalmente, se introduce de manera también de manera novedosa en el tratamiento de los residuos sólidos urbanos el ajuste del estimador de la metodología MPSS por calidad del servicio brindado, utilizando la variable multas co-mo proxy de mala calidad del servicio. De esa forma, y aplicando dicha metodología al caso de la Ciudad de Buenos Aires, se obtienen indicadores que dimensionan cuantitativamente la eficiencia de escala de cada zona del servicio y al mismo tiempo, utilizando solo datos técnicos de insumos y productos (no monetarios), se resuelve el problema práctico de la carencia de datos económico-financieros de la calidad y en la cuantía necesaria.

Los resultados de las estimaciones señalan que la proporción en que la nueva Zona 2/Zona 3 (unificada) se encuentra sobre el MPSS asciende al 66,7%, porcentaje muy superior al que teníamos en estas mismas zonas antes de la unificación. En cambio cuando analizamos los resultados de la siguiente zona que se fusionó (Zona 4, 5 y 6 unificada) se observa que luego de la fusión se llega a un 51,1% de las estimaciones sobre el MPSS, sin llegar a su-perar la mejor marca antes de la fusión (obtenida por Zona 4 con un 51,1% de las estima-ciones sobre el MPSS). En este último caso la unificación de las zonas no incrementó el porcentaje de estimaciones sobre el MPSS.

Las limitaciones que se presentan tienen que ver con la calidad de los datos y con la varia-ble ambiental utilizada.

Con respecto a la calidad de los datos, aquellos pertenecen a un período de tiempo en el cual no variaron las dimensiones de las áreas de concesión. Si fuera posible realizar el mis-mo ejercicio con datos de anteriores tamaños de zonas de prestación del servicio resultaría en conclusiones más informativas para el diseño de zonas de concesión óptimas.

Por el lado de la variable ambiental utilizada, la misma podría presentar limitaciones como proxy de la calidad del servicio. Sin embargo, los comentarios relevados de los funcionarios involucrados en la regulación del sector destacan que las multas funcionan de facto como un mecanismo ex-post de señalización de la (mala) calidad del servicio. Esto se debe a dos motivos: (i) en principio porque en la mayoría de los casos esas multas son apeladas en instancia judicial y terminan no haciéndose efectivas, y por otra parte, (ii) los montos de las mismas suelen ser bajos, con lo cual no “distorsionarían” la decisión marginal de la empresa sobre la calidad de servicio ofrecida. Ello permite sostener el supuesto implícito en el uso de esta variable ambiental de que a menor calidad, menor debería ser el uso de insumos y/o su intensidad de uso.

Sin embargo, y más allá de las limitaciones, el ejercicio mostrado es ilustrativo de la utilidad de la herramienta para fines de diseño de mercados regulados a nivel local.

18

VI. Referencias bibliográficas

Alchian, A.A. (1959), “Costs and Products”, in M. Abramovitz et al., The Allocation of Eco-nomic Resources, Stamford University Press, Stamford.

Antonioli, B., Fazioli, R. & Filippini, M. (2002). “Analisi dei rendimenti di scala per il servizio di igiene urbana in Italia”. Economia delle fonti di energia e dell’ambiente N. 2, 2002, 27-39.

Arocena, P. (2008), “Cost and Quality Gains from Diversification and Vertical Integration in the Electricity Industry: A DEA Approach”, Energy Economics, Vol. 30, Issue 1, Janu-ary 2008, Pages 39-58.

Ascari, S., Di Marzio, T. & Massarutto, A. (1992), L’igiene urbana, Franco Angeli, Milano.

Banker, R. D. (1984). “Estimating most productive scale size using Data Envelopment Analy-sis”, European Journal of Operational Research 17, 35-44, 1984.

Banker, R. D., Cooper, W.W., Seiford, L.M. & Zhu, J. (2004). “Returns to Scale in DEA”, In: Cooper, William W.; Seiford, Lawrence M. and Zhu, Joe (Eds.), Handbook on Data Envelopment Analysis, 2nd Edition, Series: International Series in Operations Re-search & Management Science, Vol. 71, 2004, 608 p.

Bel, G. & Fageda, X.(2009) “Empirical analysis of solid management waste costs: some evi-dence from Galicia, Spain”, IREA Working Papers 200907, University of Barcelona, Research Institute of Applied Economics, Revised Apr.

Biagi, F. & Massarutto, A. (2002)“Efficienza e regolamentazione nei servizi pubblici locali: il caso dell’igiene urbana”. Economia Pubblica N.2, 79 e 115.

Church, J & Ware, R. (2000), Industrial Organization: a Strategic Approach. Irwin McGraw-Hill.

Clarín (Diario), (2009) “Quieren pagar un 17% menos por la recolección de basura”, Sección "La Ciudad", pág. 60, Sábado 29 de Agosto de 2009.

De Luca, M., S., Guaresti, M., E., Giorgi, N., F., Rosso, M. & Fontan C. “Estudio de Calidad de los Residuos Sólidos Urbanos de la Ciudad de Buenos Aires” – Instituto de Inge-niería Sanitaria de la Facultad de Ingeniería de la Universidad de Buenos Aires – CEAMSE – IATASA, 2005/6, 2006, 2007 y 2008, Mimeo.

Debreu, G., “The Coefficient of Resource Utilization”, Econometrica, 19, 3, 273-292, 1951

Farrel, M., “The measurement of productive efficiency”, Journal of Royal Statistical Society, Series A, Part III, Volume 120, 1957.

Ferro, G & Lentini, E. (2011). “Economías de Escala en los Servicios de Agua “Potable y Alcantarillado”, Comisión Económica Para América Latina y el Cáribe (CEPAL).

Fontán, C., A. (2009), “Estaciones de transferencia y regionalización de los residuos”, 3er. Congreso Interamericano de Residuos Sólidos de AIDIS: Residuos, Recursos y Nue-vos Desafíos, ponencia.

Koopmans, T., C., “An analysis of production as an efficient combination of activities”. In Koopmans, T. C., editor, Activity Analysis of Production and Allocation. John Wiley and Sons, Inc., 1951.

Lovell, C., A., K., “Production Frontiers and Productive Efficiency”, in Fried, H. O, Lovell, C. A. K. & Schmidt, S. S., (eds.), The Measurement of Productive Efficiency. Techniques and Applications, Oxford University Press, New York, 1993.

19

Mas-Colell, A., Whinston, M.D. and Green, J. (1995), Microeconomic Theory, New York, United State of America: Oxford University Press, (1995), pp. 1-981.

Morroni, M. (1992), “Production Process and Technical Change, Cambridge University Press 1992, pp. 1-223.

Roitman, M.E. (2012), “Arquitectura y regulación económica de servicios de recolección de residuos sólidos urbanos: Propuesta metodológica y aplicación al caso de la Ciudad de buenos Aires”, Mimeo.

Stevens, B., J. (1978), “Scale, market structure, and the cost of refuse collection”, The Re-view of Economics and Statistics, Vol. 60, No. 3, Aug. 1978, pp. 438-448.

20

AAppéénnddiiccee:: pprrooggrraammaacciióónn eenn GGAAMMSS ppaarraa eell ccáállccuulloo ddeell ttaammaaññoo ddee eessccaallaa mmááss pprroodduuccttiivvoo ((MM..PP..SS..SS..))

Cuadro Nº1: Programación en GAMS $inlinecom < > OPTION limrow=3, limcol=3, sysout=off, solprint=on ; SETS y Productos / y1 / x Insumos /x1*x2/ j Firmas / j1*j15 / c calidad / c1 / z /1*5/ jj (j) jjj(j) ; jjj(j)=yes ; $CALL GDXXRW.EXE DEA1.xls par=a rng=A1 Rdim=1 Cdim=1 Parameter a(j,*); $GDXIN DEA1.gdx $load a $gdxin ; display a ; SCALAR N /1/ ; PARAMETER COCI(J) ; VARIABLES Des1, titaA, titaB ; POSITIVE VARIABLE lan(j), titaA, titaB ;

(Continúa…)

Cuadro Nº1: Programación en GAMS (continuación) titaA.lo=0.001; EQUATIONS Fun1,Res1,Res2,Res3,Res4; Fun1.. Des1 =e= titaB / titaA ; Res1(jj,y).. sum(j, a(j,y) * lan(j)) =g= (titaB * a(jj,y)) ; Res2(jj,x).. - sum(j,a(j,x)*lan(j)) =g= - (titaA * a(jj,x)) ; Res3(jj,c).. sum(j,a(j,c)*lan(j)) =g= a(jj,c) ; Res4.. sum(j, lan(j)) =e= 1 ; OPTION NLP = CONOPT ; MODEL B_A /Fun1,Res1,Res2,Res3,Res4/; file Efic2 /Efic2.txt/ ; N=1 ; put Efic2 ; put 'Empresa':>8, 'B/A':>10, 'Valor de Lambda':>25 / loop(jjj, JJ(j)=yes$(ord(J) eq N) ; solve B_A maximizing Des1 using nlp; COCI(JJJ)=Des1.L ; put jjj.tl:>8, Des1.l:>10:3 ; loop(j, if(lan.L(j) gt 0, put j.tl:>10, ' ', lan.l(j):>10:3, ' ', ); ); put / ; N=N+1 );