Este artigo apresenta um novo método agressivo de seleção de variáveis para Análise Envoltória de Dados (DEA), baseado em uma abordagem DEA centralizada. Ao contrário de algumas abordagens benevolentes existentes, baseadas em formulações multiplicadoras, que maximizam a eficiência das unidades de decisão (DMUs), o modelo proposto utiliza uma formulação de envoltória que busca maximizar a ineficiência total na amostra, aumentando assim o poder discriminante na seleção de variáveis. Devido à sua estrutura não linear, o modelo é reformulado como um problema de otimização em dois níveis. Uma vez identificados os insumos e produtos mais discriminantes para um determinado número total de variáveis, um modelo DEA convencional (ou seja, não centralizado) é utilizado para calcular as pontuações de eficiência. O processo é repetido para subconjuntos de variáveis sucessivamente maiores até que um equilíbrio seja alcançado entre o uso do maior número possível de variáveis e ter um nível aceitável de discriminação. A abordagem fornece pontuações de eficiência robustas e estimativas da importância discriminante das variáveis. A abordagem proposta é primeiramente ilustrada utilizando um pequeno conjunto de dados de benchmark e comparada com dois métodos existentes de seleção de variáveis da literatura. Em seguida, o método é aplicado à avaliação dos países da OCDE com base nos indicadores dos Objetivos de Desenvolvimento Sustentável (ODS), um conjunto de dados de alta dimensão caracterizado por um grande número de insumos e produtos em relação ao número de unidades de decisão. Isso sugere que um critério agressivo na seleção de variáveis gera uma maior discriminação entre as unidades e fornece uma avaliação mais precisa da relevância das variáveis ao enfatizar as diferenças de desempenho entre as DMUs.
Villa et al. (Sun,) estudaram esta questão.