1

Eficiencia técnica y económica en los procesos de tratamiento de

aguas residuales: Influencia de las economías de escala.

Autores y e-mail de la persona de contacto:

Vicent Hernández Chover, vicent.hernandez@uv.es

Francesc Hernández Sancho, Francesc.hernandez@uv.es

Lledó Castellet Viciano, ll.castellet@gmail.com

Departamento: Estructura Económica.

Universidad: Universitat de València

Área Temática: Sesión Especial Economía del agua.

Resumen: (máximo 300 palabras)

El papel de las Estaciones Depuradoras de Aguas Residuales es fundamental para alcanzar el

buen estado de las aguas y, en consecuencia, contribuir al bienestar de nuestra sociedad. Por

ello, la Directiva del Consejo de la Unión Europea 91/271/CEE sobre tratamiento de Aguas

Residuales Urbanas determina cuál debe ser el grado de depuración necesario estableciendo

unos parámetros de calidad. Pero, más allá del cumplimiento de la normativa, el proceso de

depuración debe desarrollarse de la forma más eficiente posible garantizando su sostenibilidad

ambiental y económica. Un factor habitualmente relevante en el ámbito de la eficiencia

económico-ambiental de las estaciones depuradoras son las economías de escala. En este

trabajo nos centramos en el análisis de la influencia del tamaño en la eficiencia de las plantas

de tratamiento de aguas residuales y en la determinación de un hipotético tamaño óptimo de

planta. Para ello se utilizará una metodología basada en los modelos DEA (Data Envelopment

Analysis) sobre una muestra representativa de estaciones depuradoras de la Comunidad

Valenciana. Los resultados contribuirán a arrojar luz en el debate sobre el tamaño idóneo de las

depuradoras y será especialmente útil para la Administración responsable del diseño y

remodelación de este tipo de instalaciones.

Palabras Clave: economías de escala, estaciones depuradoras de aguas residuales, tamaño

óptimo, eficiencia económico-ambiental.

Clasificación JEL:

2

1. Introducción.

En las últimas décadas la población mundial ha experimentado un aumento exponencial

siendo el incremento en la demanda de agua una de sus consecuencias directas. El agua

no solo es necesaria para el consumo humano sino que además juega un papel primordial

como input en los principales sectores productivos. Su creciente uso supone, a su vez,

un incremento en el volumen de agua residual generada haciendo necesario aplicar

tratamientos adecuados que permitan minimizar su impacto ambiental contribuyendo al

buen estado de las masas de agua.

En este contexto, resulta fundamental abordar una gestión eficiente de los recursos

teniendo en cuenta la necesidad de garantizar también su disponibilidad futura y, por

tanto, su sostenibilidad. Por ello se requiere que los procesos de tratamiento de las aguas

residuales sean eficientes tanto económica como ambientalmente. El uso de criterios y

metodologías que contribuyan a conocer mejor el comportamiento de estos procesos

siempre desde un enfoque multidisciplinar será de gran utilidad.

El enfoque sostenible en la gestión de las aguas es el objetivo principal de la Directiva

Marco del Agua ya que promueve un uso del recurso que no hipoteque su calidad y

cantidad futuras. Por ello, con el fin de garantizar una buena calidad de las masas de

agua resulta prioritario concentrar los esfuerzos en el área del saneamiento y la

depuración.

La aplicación de la Directiva 91/271/CEE sobre tratamiento de aguas residuales supuso

un considerable incremento del número de estaciones depuradoras de aguas residuales

(EDARs) en toda la UE (Molinos-Senante et al., 2012).Tras más de dos décadas de

funcionamiento, diferentes estudios señalan la necesaria evaluación de la eficiencia de

las plantas depuradoras ya que constituye un primer paso para identificar las potenciales

mejoras de tipo económico y ambiental en estas instalaciones (Berg, 2013). Existe un

creciente interés en aplicar distintas técnicas y metodologías que permitan una mejor

gestión de los recursos disponibles. En consecuencia, la estructura de costes de los

procesos de tratamiento de las depuradoras de aguas residuales se debe someter a

revisión con tal de optimizar su gestión.

3

2. Objetivos.

El principal objetivo es evaluar el comportamiento eficiente de los procesos de

tratamiento de aguas residuales desde una óptica económica y ambiental mediante el

uso de modelos de eficiencia no paramétricos. Se analizarán los niveles de ineficiencia,

sus factores determinantes y la valoración de sus consecuencias. Se llevará a cabo un

estudio empírico sobre una muestra de plantas de tratamiento de aguas residuales

situadas en la Comunidad Valenciana.

3. Metodología

Existen dos metodologías que han sido utilizadas mayoritariamente para la evaluación

de la eficiencia en costes en el sector de la depuración de aguas residuales. En primer

lugar, los llamados métodos paramétricos plantean una aproximación econométrica

utilizando funciones de producción y de costes (Viton, 1986) mientras que los no

paramétricos no definen, a priori, una forma de la frontera de eficiencia. Entre ellos se

diferencian en la forma en la que se calcula dicha frontera o de qué manera se mide la

distancia entre las unidades analizadas y la frontera, es decir, la eficiencia técnica de

cada unidad.

Dentro de los modelos no paramétricos la metodología más utilizada es la conocida

como Data Envelopment Analysis (DEA) que emplea técnicas de programación lineal

para el cálculo de eficiencias relativas de las distintas unidades objeto de estudio. Estas

unidades pueden ser, como es el caso de este trabajo, plantas de tratamiento de aguas

residuales. Se trata de un método empírico que no requiere el establecimiento de

supuestos previos sobre la forma de la frontera de referencia (Charnes et al., 1978).

La aplicación de esta metodología para evaluar la eficiencia de las plantas de tratamiento

de aguas residuales es idónea ya que el propio proceso de tratamiento puede

considerarse como un proceso productivo en el que se eliminan contaminantes de las

aguas residuales a través de diversas técnicas. Para ello se utilizan una serie de inputs o

costes de producción (De Boger et al., 1998; Tupper y Resende, 2004; Kumar y Managi,

4

2012; Sala-Garrido et al. 2012; Molinos-Senante et al., 2014). Además, el proceso debe

cumplir con las restricciones y normativas exigidas por la legislación vigente.

Es importante tener en cuenta que la valoración de la eficiencia entre plantas a través de

modelos DEA se lleva a cabo por comparación con respecto a la llamada frontera del

“mejor comportamiento” lo cual significa que los procesos a evaluar deben ser

tecnológicamente comparables (El Maghary y Lahdelma, 1995; Lozano-Vivas et al.,

2002; Sala-Garrido et al., 2011a; Mahmoudi et al., 2012; Cruz et al., 2013; Molinos-

Senante et al., 2014; entre otros). Para el caso de procesos de difícil comparación se

utilizan metodologias alternativas basadas en los análisis de metafrontera los cuales

definen una envolvente de distintas fronteras de producción (Assaf y Matawie, 2010;

Du et al., 2014).

Siguiendo a Banker, Charnes y Cooper (1982) se propone la aplicación de un modelo

DEA-BCC bajo rendimientos variables a escala cuya formulación matemática se podría

expresar:

𝑀𝑖𝑛𝜃𝜆 𝜃0

s.a.

𝑌𝜆 − 𝑦0 ≥ 0

𝜃𝑥0 − 𝑋𝜆 ≥ 0

𝑒𝜆 = 1

𝜆 ≥ 0

𝜆 = (𝜆1, … , 𝜆𝑁)𝑇

donde:

𝜃0 eficiencia de la unidad evaluada

Y N x M matriz de outputs

N x K matriz de inputs

x0, y0 vectores de inputs y outpus de la unidad evaluada

λ N x 1 vector de ponderación de las variables

M total de outputs considerados

K total de inputs considerados

N total de unidades evaluadas

5

La restricción eλ = 1 garantiza que la cada unidad evaluada se compara con otras

unidades con escala similar. Este modelo es de tipo radial ya que supone la comparación

de cada unidad con respecto a la llamada frontera eficiente mediante una proyección

radial (Odeck y Alkadi, 2001). El valor obtenido representa un índice de eficiencia

técnica pura.

Para aquellas unidades que no forman parte de la frontera envolvente se ha contemplado

la posibilidad de variaciones en los valores de los inputs y outputs que forman parte del

proceso. Se trata de conocer con mayor detalle el grado de eficiencia de cada unidad en

función de su mayor o menor distancia a la frontera eficiente. Para ello se aplica un

modelo que obtiene un indicador de eficiencia basado en holguras (Slack Based

Measure-SBM) o también conocido como medida no radial de eficiencia (Tone, 2001).

A partir de la información obtenida mediante el cálculo de los índices de eficiencia se

llevará a cabo un estudio sobre posible influencia de las economías de escala en el

comportamiento eficiente de los procesos de tratamiento de aguas residuales. Para ello

se distribuirán las plantas en varias agrupaciones en función del caudal tratado. Se

realizará la comparación de los niveles de eficiencia por grupos mediante el uso de un

test no paramétrico conocido como Kruskal-Wallis. También se abordará un análisis

específico sobre la eficiencia en el uso de la energía en los distintos procesos de

depuración.

4. Descripción de la muestra.

La muestra utilizada en la investigación está constituida por 398 plantas de tratamiento

de aguas residuales localizadas en la Comunidad Valenciana. La información estadística

corresponde a 2008 y aparece descrita en la Tabla 1. Las características de la muestra

son presentadas en 3 bloques. El primero de ellos se divide en: Energía (€/año), Personal

(€/año), Reactivos (€/año), Mantenimiento (€/año), Residuos (€/año) y Otros (€/año).

El segundo de bloque contiene información relativa a la cantidad de contaminantes

extraídos por las depuradoras, Sólidos en Suspensión (SS) y Demanda Química de

Oxígeno (DQO) ambos expresados en Kg/año. A ellos cabe incorporar un último bloque

que describe el tamaño de la depuradora por el lado del total de caudal tratado. Viene

expresado en metros cúbicos/año.

6

Tabla 1: Descripción de la muestra

Energía

(€/año)

Personal

(€/año)

Reactivos

(€/año)

Mantenim.

(€/año)

Residuos

(€/año)

Otros

(€/año)

Caudal tratado

(m3/año)

Kg SS año Kg DQO

año

Media 55562,85 79867,11 17820,52 26016,44 27413,01 15140,62 835417,10 247415,86 495056,82

Tal y como se muestra en la Tabla 2, la muestra incluye plantas de diferentes

dimensiones que se han distribuido en tres grupos. La mayoría de las instalaciones

cuentan con un caudal tratado inferior a un millón de metros cúbicos al año.

Tabla 2: División en grupos respecto a metros cúbicos tratados anualmente.

Tamaño

Caudal tratado

(m3/año) Número de Plantas %

1

Hasta 1 mill.

m3/año 342 85,93

2

1 mill. - 5 mill.

m3/año 38 9,55

3

Más de 5 mill.

m3/año 18 4,52

En la Tabla 3 se ofrece una caracterización de las plantas situadas en cada uno de los

grupos.

Tabla 3: Caracterización de las plantas de tratamiento por grupos.

Energía

(€/año)

Personal

(€/año)

Reactivos

(€/año)

Mantenim.

(€/año)

Residuos

(€/año)

Otros

(€/año)

Caudal tratado

(m3/año)

Kg SS año Kg DQO

año

Grupo 1 12322 33567 2272 9744 5886 7064 162344 40286 85525

Grupo 2 183558 241984 46781 58299 97754 42172 2267815 698684 1376766

Grupo 3 606932 617322 252103 266135 287930 111080 10599863 3230201 6414767

5. Resultados:

Los índices de eficiencia de cada una de las 398 plantas de la muestra se obtienen

siguiendo la metodología descrita en la sección anterior. El valor del score se sitúa entre

0 y 1 y representa la mayor o menor distancia de la planta a la frontera eficiente, la cual

está constituida por las plantas con un score igual a la unidad.

7

Tabla 4: Resultados de índices de eficiencia por planta.

En la Tabla 5 y el Gráfico 1 se muestra la distribución de los índices de eficiencia obtenidos

por grupos de tamaño.

Planta Score Planta Score Planta Score Planta Score Planta Score Planta Score Planta Score Planta Score

1 1 51 0,4603 101 1 151 0,2134 201 0,2067 251 0,2173 301 0,2369 351 0,2138

2 1 52 1 102 0,4853 152 0,1638 202 0,3419 252 0,1802 302 0,2737 352 0,3604

3 1 53 1 103 0,6532 153 0,1918 203 1 253 0,1841 303 1 353 0,2384

4 1 54 1 104 1 154 1 204 0,2196 254 1 304 0,419 354 0,4449

5 0,4408 55 1 105 0,2318 155 0,3396 205 0,1791 255 0,2631 305 0,2389 355 0,3797

6 1 56 0,298 106 0,7729 156 0,2023 206 0,282 256 0,2493 306 1 356 0,2705

7 0,3747 57 0,2966 107 0,256 157 1 207 0,3826 257 0,2645 307 0,4013 357 0,663

8 1 58 1 108 1 158 1 208 1 258 0,2011 308 0,1285 358 1

9 1 59 0,3103 109 1 159 1 209 1 259 0,2205 309 0,2323 359 0,3989

10 0,396 60 1 110 0,5596 160 0,1916 210 1 260 0,3946 310 0,4609 360 0,3265

11 1 61 1 111 1 161 1 211 1 261 0,1601 311 0,1798 361 0,4912

12 1 62 1 112 1 162 1 212 0,2146 262 0,1724 312 0,158 362 1

13 1 63 1 113 1 163 0,2527 213 1 263 0,219 313 0,1689 363 0,5527

14 0,8161 64 1 114 1 164 1 214 1 264 0,2155 314 0,1609 364 1

15 0,563 65 1 115 1 165 0,3434 215 0,2687 265 0,3448 315 0,1662 365 0,4553

16 1 66 1 116 0,1313 166 1 216 0,1899 266 0,2586 316 0,2242 366 0,8677

17 1 67 1 117 0,3983 167 1 217 1 267 0,2182 317 0,2839 367 0,4621

18 1 68 1 118 1 168 0,3094 218 1 268 1 318 0,1695 368 0,2899

19 0,6324 69 1 119 1 169 1 219 0,2173 269 1 319 0,2278 369 1

20 1 70 1 120 1 170 0,1381 220 1 270 0,1522 320 0,1648 370 0,9761

21 0,2611 71 0,2254 121 1 171 1 221 0,2076 271 0,1693 321 0,1862 371 1

22 0,7866 72 1 122 1 172 1 222 1 272 0,1551 322 0,1226 372 0,6662

23 0,3781 73 1 123 1 173 0,2264 223 1 273 0,1931 323 0,213 373 0,5911

24 1 74 1 124 1 174 1 224 0,3356 274 0,2156 324 0,3028 374 0,5856

25 1 75 0,8375 125 1 175 1 225 0,213 275 0,186 325 0,2816 375 0,3593

26 1 76 1 126 0,3107 176 1 226 0,2934 276 0,3244 326 0,1732 376 1

27 1 77 0,3201 127 0,3064 177 0,3154 227 0,2167 277 0,1861 327 0,1174 377 0,4462

28 1 78 0,3048 128 0,4018 178 1 228 0,1612 278 0,0774 328 0,7253 378 0,8281

29 1 79 1 129 0,3475 179 1 229 0,2629 279 0,2299 329 0,1383 379 0,57

30 1 80 0,2328 130 1 180 0,6035 230 0,1657 280 0,2354 330 0,1666 380 0,6796

31 1 81 1 131 1 181 1 231 1 281 0,3253 331 0,1725 381 0,8993

32 1 82 0,3047 132 1 182 1 232 0,271 282 0,1982 332 0,2633 382 1

33 1 83 0,259 133 1 183 1 233 0,1976 283 0,1802 333 0,3491 383 1

34 1 84 0,3031 134 1 184 0,374 234 0,2401 284 0,4004 334 0,6808 384 0,713

35 0,3196 85 1 135 1 185 0,1973 235 0,3454 285 0,202 335 0,1705 385 0,6167

36 1 86 1 136 0,4161 186 1 236 0,2059 286 0,2415 336 0,3578 386 0,5468

37 1 87 0,5063 137 0,248 187 0,251 237 0,2303 287 0,1553 337 0,1858 387 1

38 0,4025 88 0,2688 138 1 188 1 238 0,2287 288 0,1638 338 1 388 0,8095

39 1 89 0,6599 139 1 189 0,1733 239 0,158 289 0,1973 339 0,6125 389 0,8283

40 1 90 1 140 1 190 1 240 1 290 1 340 0,3221 390 1

41 1 91 1 141 0,3226 191 0,259 241 0,2448 291 0,415 341 0,2537 391 1

42 0,5769 92 1 142 1 192 0,249 242 0,1735 292 1 342 0,4049 392 1

43 0,3885 93 1 143 1 193 1 243 0,3052 293 0,3532 343 0,1357 393 1

44 1 94 1 144 0,175 194 0,2422 244 1 294 0,1753 344 0,3633 394 0,7405

45 1 95 1 145 0,4181 195 1 245 0,2758 295 0,1632 345 0,6867 395 1

46 1 96 1 146 1 196 0,3098 246 0,5361 296 0,2546 346 0,2192 396 0,859

47 1 97 1 147 0,1714 197 0,3317 247 0,1935 297 0,2916 347 0,5018 397 0,8688

48 1 98 1 148 1 198 1 248 1 298 0,1606 348 0,3423 398 1

49 1 99 0,5192 149 1 199 1 249 1 299 0,2282 349 0,6984

50 1 100 1 150 0,4384 200 1 250 0,4154 300 0,3341 350 0,1207

8

Tabla 5: Índices de eficiencia por tamaño de planta

Tamaños

Número Plantas

con eficiencia

inferior a 0,5

Número Plantas

con eficiencia

superior a 0,5 Total

Índice

eficiencia en

promedio

1 (Hasta 1 mill. m3/año) 170 172 342 0,471

2 (De 1 mill. hasta 5 mill. m3/año) 19 19 38 0,558

3 (Más de 5 mill. m3/año) 18 18 0,882

Total 189 209 398

Gráfico 1: Índices de eficiencia por grupos de tamaño

Con estos resultados se puede afirmar que el incremento en el score está ligado de

manera directa al tamaño de la planta, expresado en términos del caudal tratado

anualmente. El grupo 1, formado por 342 plantas, consigue un score en promedio igual

a 0,471; el grupo 2, constituido por 38 plantas ofrece un score en media de 0,558, y

finalmente, el grupo 3 muestra un valor también en promedio de 0,882, siendo éste

último el más elevado y con una clara diferencia con respecto al primer y segundo grupo.

Aunque la comparación de los valores medios de los índices de eficiencia por grupos de

plantas muestra una clara relación con el tamaño de las instalaciones se requiere

constatar que las diferencias entre las medias de los grupos son estadísticamente

significativas. Para ello se utiliza el test de Kruskal-Wallis cuyos resultados se presentan

en la Tabla 6. Con una significatividad del 5 por ciento se permite rechazar la hipótesis

nula y, por tanto, aceptar la existencia de diferencias significativas entre los valores

medios de los grupos. Ello nos llevaría a identificar la presencia de economías de escala.

0,4710,558

0,882

0,000

0,200

0,400

0,600

0,800

1,000

1 2 3

Score

9

Tabla 6: Resultados obtenidos para el Test de Kruskal-Wallis

Rangos Estadísticos

Grupos N Media scores Score

Score 1 342 0,470 Chi-square 6,938

2 38 0,557 df 2

3 18 0,882 Asymp. Sig. ,031

Total 398

Análisis de costes por tamaño de planta

Siguiendo con el análisis del comportamiento de las plantas en función de los grupos de

tamaño planteamos ahora su comparación en lo que se refiere a la estructura de costes.

En la Tabla 7 y Gráfico 2 se muestra la distribución porcentual de los costes en cada

uno de los grupos de plantas siempre en valores medios.

Tabla 7: Distribución porcentual de costes por grupos de tamaño.

ENERGÍA

(% año)

PERSONAL

(% año)

REACTIVOS

(% año)

MANT.

(% año)

RESIDUOS

(% año)

VARIOS

(% año)

TOTAL

(% año)

Grupo 1 15,31 54,39 3,03 10,70 6,56 10,02 100,00

Grupo 2 26,36 37,48 6,07 8,86 14,15 7,07 100,00

Grupo 3 26,73 30,37 11,45 11,99 13,66 5,80 100,00

Gráfico 2: Distribución de costes por tamaño de planta (%/año).

0,00

10,00

20,00

30,00

40,00

50,00

60,00

ENERGÍATOTAL

PERSONAL REACTIVOS MANT. RESIDUOS VARIOS

GRUPO 1 GRUPO 2 GRUPO 3

10

Cabe destacar la relevancia de las partidas de energía y personal en los tres grupos de

plantas. Especialmente significativo es el gran peso de los costes de personal en el grupo de

plantas más pequeñas. Su importancia relativa decrece a medida que se incrementa el

tamaño de las instalaciones. En cambio, el coste de la energía tiene una relevancia

comparativamente menor en las plantas del grupo 1. Las partidas de mantenimiento y

gestión de residuos muestran un peso diferente según los grupos de plantas. Aunque en el

primer caso las diferencias por tamaño de planta no son muy significativas sí que lo son en

el segundo destacando la relevancia de los costes en la gestión de residuos para los grupos

de plantas de mayor tamaño. Es evidente que una gestión adecuada especialmente en las

partidas de costes más relevantes será determinante para favorecer el comportamiento

eficiente en los procesos de tratamiento.

Análisis de eficiencia por tipología de inputs

Tal y como se ha planteado en el apartado de metodología y, una vez constatadas las

diferencias en cuanto a la relevancia de las distintas partidas de costes, se llevará a cabo un

análisis de eficiencia basado en medidas no radiales y que nos permitirá obtener indicadores

de comportamiento asociados a cada uno de los inputs del proceso. Las variables utilizadas

son las mismas que se describen en la Tabla 1.

El indicador obtenido para cada input representa la proporción en la que podría reducirse

su coste en €/año manteniendo el nivel de outputs, o sea, la cuantía de contaminantes

eliminados en el proceso. Debido a su relevancia se abordará un análisis específico para los

costes de energía y personal. En la Tabla 8 se muestran los resultados en términos de coste

energético medio para cada uno de los grupos de plantas y la reducción en media que

debería producirse para alcanzar la frontera de la eficiencia.

Tabla 8: Coste de la energía actual y reducción estimada (Euros/m3)

Actual Reducción

Euros/m3

Grupo 1 0,0759 0,0436

Grupo 2 0,0809 0,0349

Grupo 3 0,0573 0,0071

11

Se observa que los mayores esfuerzos en la mejora de la eficiencia energética deberían

llevarse a cabo en el grupo de plantas más pequeñas. Por el contrario, se constata un elevado

comportamiento eficiente en el uso de la energía por parte de las instalaciones de mayor

tamaño dado que el margen de mejora es muy reducido.

En lo que se refiere a los costes de personal, en la Tabla 9 se muestran los valores actuales

medios para cada uno de los grupos de tamaño junto con la reducción en € por m3 que se

debería aplicar para alcanzar la frontera del comportamiento eficiente. De nuevo, se pone

de manifiesto la significativa disminución que debería llevarse a cabo en el grupo de plantas

más pequeñas con el fin de situarse en la frontera eficiente. Es evidente que en lo que se

refiere a la gestión del personal en las plantas de menor tamaño se podría incurrir en

situaciones de deseconomias de escala. En contraste, las plantas más grandes muestran un

comportamiento mucho más eficiente dado que la reducción a aplicar es muy escasa.

Tabla 9: Coste de personal actual y reducción estimada (Euros/m3)

Actual Reducción

Euros/m3

Grupo 1 0,2068 0,1061

Grupo 2 0,1067 0,0600

Grupo 3 0,0582 0,0086

6. Conclusiones

En este trabajo se plantea un análisis de eficiencia en plantas de tratamiento de aguas

residuales con el fin de identificar y cuantificar la influencia de las economías de escala.

También se aborda el estudio de la estructura de costes en estas instalaciones haciendo

hincapié en las partidas de energía y personal mediante el uso de medidas no radiales.

Para ello se utiliza un método no paramétrico denominado Data Envelopment Analysis

para el cálculo de índices de eficiencia. Los procesos de tratamiento de aguas residuales

se consideran como procesos productivos en los que se emplean una serie de inputs

(Energía, Personal, Mantenimiento, Reactivos, Residuos y Otros) para obtener los

correspondientes outputs (los contaminantes extraídos del agua residual).

Se constata la influencia del tamaño de planta en los niveles de eficiencia de las plantas

de tratamiento. Las instalaciones mayores son más eficientes que las de menor tamaño

12

lo cual denota la presencia de economías de escala. Se observa, además, la relevancia

de las partidas de energía y personal dentro de la estructura de costes. Son las plantas

pequeñas las que muestran mayores ineficiencias en la gestión de ambas partidas.

Mediante el uso de medidas no radiales han sido calculadas las reducciones que serían

necesarias para alcanzar la frontera eficiente o del buen comportamiento. Sin duda, se

trata de un verdadero reto plantear una estrategia de mejora de la eficiencia tanto

económica como ambiental en las plantas depuradoras de menor tamaño. Con la ayuda

de los resultados alcanzados e, incluso, planteando un análisis mucho más detallado con

nuevos indicadores sería recomendable la implementación progresiva de medidas de

acción especialmente en estas instalaciones más pequeñas dado que son las más

numerosas en la mayoría de áreas territoriales.

7. Referencias

BERG, S.V. (2013):“Advances in benchmarking to improve water utility operations: A review

of six IWA books”. Water Policy, 15 (2), 325-333.

CHARNES, A.; COOPER, W.W.; RHODES, E. (1978): Measuring the efficiency of decisión

making units. European Journal of Operational Research, 2: 429-444.

COOPER, W.W.; SEIFORD, L.M. y TONE, K. (2007): Data envelopment analysis. Springer.

Second edition.

DE BORGER, B.; FERRIER, G.; KERSTENS, K. (1998): The choice of a thecnical efficiency

measure on the free disposal hull reference technology: A comparison using US banking

data. European Journal of Operational Research, 105: 427-446.

EL MAGHARY, S. y LAHDELAMA, R. (1995): Data envelopment analysis: Visualizing the

results. European Journal of Operational Research, 85: 700-710.

FARRELL, M.J. (1957): The measurements of productive efficiency. Journal of the Royal

Statistics Society, Series A, 120: 253-281.

13

HERNÁNDEZ-SANCHO F.; MOLINOS-SENANTE M. y SALA-GARRIDO R. (2010):

Economic valuation of environmental benefits from wastewater treatment processes: An

empirical approach for Spain. Science of the Total Environment; 408: 963–957.

HERNÁNDEZ-SANCHO, F.; MOLINOS-SENANTE, M. y SALA-GARRIDO R. (2009):

Valoración Económica de los Beneficios Ambientales del Proceso de Depuración de Aguas

Residuales. XVII Jornadas ASEPUMA – V Encuentro Internacional. Rect@ Vol Actas_17

Issue 1: 103.

HERNÁNDEZ-SANCHO, F.; MOLINOS-SENANTE, M. y SALA-GARRIDO, R. (2010):

Estudio de viabilidad económica para el tratamiento de aguas residuales a través de un

análisis coste beneficio. ASEPUMA, Rect@ Vol. 11: 1-25.

HERNÁNDEZ-SANCHO F. y SALA-GARRIDO, R. (2005): Eficiencia técnica en la

depuración de aguas residuales: el caso de la Comunidad Valenciana. XIII Jornadas

ASEPUMA.

MOLINOS-SENANTE, M.; GOMEZ, T.; CABALLERO, R. y SALA-GARRIDO R. (2014):

Evaluación de la eficiencia económica de estaciones depuradoras de aguas residuales: Un

enfoque basado en la metafrontera. Revista de estudios regionales No.100, pp. 83-100.

ODECK J AND A ALKADI (2001): “Evaluating Efficiency in the Norwegian Bus Industry

Using Data Envelopment Analysis”,Transportation 28(3): 211-232.

TUPPER, H. C., Resende, M., (2004). Efficiency and regulatory issues in the Brazilian water

and sewage sector: An empirical study. Utilities Policy 12 (1), 29–40.

VITON, P.A (1986) "The question of efficiency in urban bus transit". The journal of

Regional Science, Vol. 26, No.3, 1986, pp. 499-513.