Autor: JULIO FLORENTINO DEL CORRAL CUERVO

Nota: Agradezco enormemente la ayuda recibida de Teresa Romero Madrid para enlazar las distintas bases de datos, así como a Isidro Aguillo la base de datos de Webometrics

Estrenaba el curso con una entrada en el blog universidadsi que tenía por título “Ranking de Shanghái: ¿comparando España con Estados Unidos? Sí, con Estados Unidos”. En dicha entrada se usaba como indica el propio título los resultados en el Ranking de Shanghái también conocido como ARWU. Es bien sabido que cada ranking universitario tiene sus ventajas y desventajas. En particular la principal desventaja de ARWU es que sus métricas están pensadas para clasificar a las mejores universidades y por tanto varios de sus indicadores no tienen tanto sentido para clasificar universidades a partir, digamos, del puesto 200. Por tanto, resulta razonable que haya investigadores que digan que es necesario un análisis de robustez usando otros rankings. En concreto, Isidro Aguillo (@isidroaguillo), responsable del ranking Webometrics propone el uso de éste, y es justamente lo que se realiza en esta entrada: comparar los resultados de la comparación de Estados Unidos y España usando datos de ARWU y datos de Webometrics.

¿Qué países aglutinan las mejores universidades del mundo según el ranking de Shanghái y Webometrics?

Comparando el número de universidades entre ambos rankings se aprecia que en ARWU hay más universidades de China, Japón y Corea del Sur mientras que en Webometrics hay más universidades de Estados Unidos y Reino Unido teniendo el resto de los países cifras similares en ambos rankings. Si se analiza el Top 100, hay un claro dominador, Estados Unidos, aglutina más del 40% de las universidades excelentes del mundo. El siguiente país es Reino Unido, con 8 universidades. España no cuenta con ninguna universidad en el Top 100. Sin embargo, se sitúa como el sexto país en el número de universidades Top 1.000 en ambos rankings.

El peso de Estados Unidos va bajando de más del 40-55% en el Top 100, a algo más de un 25-30% en el Top 500 y a un 20-25% en el Top 1.000. Se podría pensar que este descenso se debe a que en Estados Unidos hay pocas universidades más allá de las de élite, pero como veremos en detalle, no es así. Estados Unidos tiene un sistema universitario que es el mejor, sin duda, en cuanto al número de universidades excelentes, pero tiene problemas de equidad, pues muchas de sus instituciones no son capaces de entrar en el grupo de universidades buenas (Top 1.000).

Comparando España con Estados Unidos: ¿es una cuestión de tamaño?

Para hacer cualquier comparación entre universidades de distintos países debe ser tenido en cuenta el tamaño de las universidades. En el gráfico 2 se observa el tamaño, medido como el número de estudiantes, de las universidades públicas en Estados Unidos[1] y en España, que sí aparecen en el ARWU 2020 y en el top 1.000 de Webometrics 2020 respectivamente.

Para que la comparación sea adecuada se ha dividido la muestra en universidades pequeñas (menos de 10.000 estudiantes), medianas (10.001-20.000), grandes (20.001-40.000) y muy grandes (más de 40.001). Para complementar este gráfico se muestra una tabla con el número de universidades de cada tamaño y con el número de estudiantes distinguiendo entre universidades que forman parte de ARWU y del top 1.000 de Webometrics 2020 y las que no.

Gráfico 2

Nota: sólo se han tenido en cuenta aquellas instituciones catalogadas como “colleges, universities, and professional schools”. El tipo de institución viene delimitada por la variable sector, tomando las instituciones públicas valor 1.

En el gráfico 2 se ve claramente que la proporción de universidades públicas que forman parte de ARWU y Webometrics 2020 es mucho mayor en España que en Estados Unidos. Esta diferencia parece muy importante en el grupo de universidades medianas (10.001-20.000).

En cifras, el 83% de las universidades públicas presenciales españolas forman parte de ARWU 2020, siendo este valor del 79 en Webometrics. En Estados Unidos la cifra es del 22% en ARWU y del 34% en Webometrics. Si se mira el número de estudiantes de estas universidades, los porcentajes son del 93% en España y del 50% en Estados Unidos en ARWU mientras que en Webometrics son del 86% y 61% respectivamente.

Los resultados, teniendo en cuenta el tamaño, medido como el número de estudiantes, van en la misma dirección, pues para los cuatro tamaños de universidades España tiene una proporción mayor que Estados Unidos en ARWU 2020 tanto en número de universidades como en estudiantes. En Webometrics sucede lo mismo con excepción del rango de universidades muy grandes en donde la Universidad Rey Juan Carlos no aparece en el top 1000 en Webometrics.

Especialmente relevantes son las diferencias en los tamaños mediano y grande. En el tamaño mediano (10.001-20.000), España tiene 21 universidades públicas y tan sólo 2 universidades no forman parte de ARWU 2020 (Universidade Da Coruña y la Universidad de Almería) y 3 universidades no forman parte del top 1000 de Webometrics (Universitat de les Illes Balears, Universidad de Valladolid y Universidade de Vigo), lo que supone todas las universidades españolas de este rango forman parte del top 1000 bien en ARWU o Webometrics. En Estados Unidos el porcentaje de universidades del tamaño mediano en top 1000 es del 17% en ARWU y del 32% en Webometrics. Por lo que aunque la diferencia es menor en Webometrics, sigue siendo una diferencia muy alta a favor de las universidades españolas.

En el tamaño grande (20.001-40.000), España cuenta con 13 universidades y todas forman parte de ARWU 2020 y de Webometrics. En Estados Unidos el 70% de universidades públicas en este rango forman parte de ARWU 2020 y el 86% en Webometrics. En conclusión, aunque el ranking Webometrics es más favorable para las universidades de Estados Unidos que ARWU, se sigue viendo el resultado principal del análisis con ARWU: España es mejor que Estados Unidos teniendo universidades buenas (top 1000), si bien la diferencia entre Estados Unidos y España para tener universidades excelentes es sideral, como también lo son las diferencias de presupuesto entre las universidades excelentes de Estados Unidos y cualquier universidad española.

---

[1] Sólo se han tenido en cuenta aquellas instituciones catalogadas como “colleges, universities, and professional schools”. El tipo de institución viene delimitada por la variable sector, tomando las instituciones públicas valor 1.

Hace unos días me llamó mucho la atención este tuit de Kiko Llaneras (@kikollan) y su correspondiente hilo, así como este retuit y su pequeño pero interesante hilo.

Hay tres elementos interesantes. Primero, las predicciones en sí mismas tanto de las casas de apuestas como de expertos de la carrera hacia la presidencia de Estados Unidos. Hay un claro favorito, Joe Biden (veremos esta noche, aunque con Estados Unidos contando votos igual lo sabemos dentro de un mes 😊). Segundo, la diferencia entre la probabilidad según las casas de apuestas y el resto de probabilidades. Las casas de apuestas daban una probabilidad a Joe Biden del 64%, mientras que las otras tres eran: 85%, 89% y 96%. Y tercero, la estrategia de las casas de apuestas para fijar cuotas, es decir para fijar probabilidades implícitas.

Respecto del primer punto, decir que yo soy un firme defensor de usar las casas de apuestas. He usado los datos de casas de apuestas en varios de mis artículos publicados en revistas científicas (e.g., Journal of Sports Economics, Revista de Psicología del Deporte, Economics and Business Letters) y en muchos de los artículos en este blog para analizar la eficiencia de los entrenadores. Además, en un capítulo de libro de próxima aparición titulado “The Economics of Sports Betting and Sports Betting in Economics” escrito con Carlos Gómez González empezamos el último epígrafe así:

“To conclude the chapter, we want to emphasise some lines of research that can further benefit from the use of odds in the near future. To emphasise the usefulness of betting data in research in economics, it is necessary to come back to the book The Wisdom of Crowds by Surowiecki (2005) and the idea of why the many are smarter than the few. Betting markets work so well as outcome predictors because of the amount of information that agents bring from different sources. This is why the predictions in larger, more liquid markets (important events) are usually more accurate. Predictions based on information from such a large group of people are therefore a lot more likely to beat the predictions of any expert alone (Butler, Butler and Eakins, 2020). Other types of evaluations, such as the values of teams and players in the market offered on specific websites, are also based on the concept of the wisdom of the crowds.”

En el tercer aspecto importante del hilo decía que es interesante analizar el comportamiento de las casas de apuestas para fijar precios. Como bien decía Bryan Fernández “cada error, por pequeño que sea, en el cálculo de una probabilidad por parte de una casa de apuestas supone muchos millones”.

Un artículo precioso del 2004 titulado “Why Are Gambling Markets Organised so Differently from Financial Markets” de uno de mis economistas de referencia Steven Levitt decía que si los apostadores se comportan sin ningún sesgo y son capaces de anticipar las probabilidades reales lo mejor que puede hacer la casa de apuestas es fijar las cuotas que tengan implícitas las probabilidades verdaderas. De esta forma la casa de apuestas tendrá el mismo volumen de apuestas en cada posibilidad, que se conoce como libros balanceados ‘balance the book’, y así la casa de apuestas ganará el margen más conocido como overround. Sin embargo, si los apostadores tienen algún sesgo, la casa de apuestas puede ganar más dinero tomando posición en esa apuesta, es decir, si se produce el resultado por el que apuesta la casa de apuestas, esta ganará dinero mientras que lo perderá si no se produce el resultado por el que apostó.

Añade el artículo, las casas de apuestas no deberían alejar mucho las cuotas fijadas de las cuotas ‘reales’ (aquellas que reflejan las probabilidades verdaderas) pues si hay un grupo de apostadores sin sesgo estos pueden explotar esta diferencia entre la cuota ofrecida y la cuota ‘real’ y en un mercado tan líquido como la carrera presidencial. En resumen, las cuotas ofrecidas por una casa de apuestas deben estar entre lo que considera sus probabilidades reales (pongamos 85% gana Biden) y el comportamiento de sus apostantes (pongamos 55% gana Biden). Así, el 64% de victoria de Biden es posible en parte que venga por un sesgo en los apostantes o que sea más o menos la probabilidad verdadera.

Pero, ¿por qué pueden existir sesgos al apostar? Para responder a esta pregunta primero hay que delimitar los motivos que llevan a la gente a apostar en un evento como por ejemplo a la carrera presidencial. Básicamente hay cuatro:

• Para ganar dinero- si creo que las cuotas no reflejan bien las probabilidades reales es posible ganar dinero. En este caso, si nos creemos que las probabilidades reales están más cerca del 85% de Biden que el 65% de Biden apostando por Biden ganaría dinero. Al menos haciendo esto en muchas apuestas. También se puede intentar ganar dinero con las conocidas como surebets. Las surebets aparecen cuando dos casas de apuestas ofrecen cuotas tan diferentes que es posible ganar dinero apostando de una manera en una casa y en de otra en la otra casa. Por ejemplo, si en la casa A la cuota de Biden es 2,10 y en la casa B la cuota por Trump es 2,10 ganaría dinero apostando un euro por Biden en la casa A y un euro por Trump en la casa B.
• Por diversión- si me interesa un evento pero no tengo especial predilección por ningún contendiente y además creo que las cuotas reflejan bien las probabilidades verdaderas puedo apostar algún dinerillo para hacer el evento más emocionante. Por ejemplo, asumiendo que me da igual Biden o Trump y que creo que las cuotas reflejan bien las probabilidades, podría poner 5 eurillos por alguno de ellos y así darle una mayor emoción al recuento. Como veremos después este tipo de apuesta puede ser peligrosa y llevar a comportamientos indeseados.
• Amante al riesgo- apostar por el contendiente preferido. Es posible que la cuota de las casas de apuestas se deba a que muchos fans de Trump hayan apostado por Trump.
• Averso al riesgo- apostar por el contendiente no preferido. Si uno se pone muy nervioso en un evento puede apostar por su contendiente no preferido, de esta forma se llevará una alegría bien en términos monetarios o en otros términos.

Así, la diferencia de probabilidades implícitas entre los expertos y las casas de apuestas es posible que se deba a que muchos fans de Trump amantes al riesgo hayan apostado por él. Lo ideal sería tener los datos en directo de las apuestas recibidas. Así se podría obtener una información aún mayor del mercado de casas de apuestas para predecir muchos eventos.

Relacionado con este tema hoy el Ministerio de Garzón ha aprobado una nueva normativa del juego que afecta especialmente a la publicidad del mercado de apuestas. Aquí el hilo de twitter explicando las medidas la cuenta de La Moncloa. Me gustaría ver en qué estudios se han basado para hacer esta legislación, pero mucho me temo que no va a haber estudios y sí mucha ideología.

Hemos visto que de los cuatro tipos de apostantes el único que tendría un perjuicio claro serían los apostantes ‘por diversión’ que la diversión en vez de hacerlo para un evento concreto, por ejemplo yo recuerdo apostar en un partido de balonmano de selecciones en un Europeo para ver el partido con mayor emoción pues me daba igual el resultado pero como buen aficionado al balonmano quería ver ese partido. Lógicamente aposté una cantidad modesta. Y esa es la clave, todos los apostadores deberían tener claro que si se apuesta por diversión se debe hacer con un dinero que te sobre, que no te resulte imprescindible. Mi intuición es que para ello es mucho más importante la educación que la prohibición de la publicidad en un mercado ya plenamente consolidado. Es más, en ausencia de publicidad la única forma de que se instale una nueva empresa en el sector es poniendo precios más bajos, y como explicamos en primero de Economía ante precios más bajos la cantidad demandada es mayor. Espero que se realice una evaluación dentro de un tiempo de los efectos de esta nueva legislación. El primer efecto lo digo yo, los clubes de fútbol en España tendrán menos ingresos con lo que serán menos competitivos en competiciones europeas, y como hoy es día de Champions pues a ver la Champions 😊.

Este domingo “terminó” una liga rara, muy rara, tan rara que falta un partido por disputar y que encima aunque el Deportivo ya esté descendido a 2ªB el Fuenlabrada se metería en el play-off por el ascenso en caso de victoria en tierras gallegas. Veremos si se juega el partido y como es el desenlace del play-off. Para como le gusta decir a uno de mis economistas del deporte favoritos, David Berri, los play-off son para disfrutar (o para sufrir) pero nunca deben ser usados para evaluar.

En este artículo voy a proporcionar dos tipos de eficiencia. En primer lugar, la que yo denomino como eficiencia de los entrenadores, que es la habilidad de un entrenador y resto del cuerpo técnico, de tener una actuación mejor de la que se espera de ellos según las casas de apuestas. Uno se puede imaginar que equipos como el Racing de Santander o el Deportivo de la Coruña estarán en la parte baja pues han tenido una puntuación muy por debajo de lo que se esperaba de ellos. Por otra parte, también evalúo la capacidad de los equipos de trasladar salarios, medido como el tope salarial que desde hace unas temporadas establece La Liga, en puntos esperados. Este tipo de eficiencia, la denomino como eficiencia de gestión. Nadie se sorprenderá al ver que los equipos eficientes organizativamente son los equipos aragoneses (Huesca y Zaragoza) junto con el Fuenlabrada.

Para calcular la eficiencia de los entrenadores sigo la metodología de este artículo que proporciona una eficiencia de 1 o próxima a 1 para los equipos que han realizado una temporada muy por encima de sus expectativas según las casas de apuestas, y de 0 o próximo a 0 para los equipos que hayan realizado una temporada muy por debajo de sus expectativas. La siguiente tabla muestra la eficiencia de los entrenadores.

Sin lugar a dudas, el equipo que peor ha rendido dado lo que se esperaba de él ha sido el Racing de Santander, seguido del Deportivo de la Coruña. Por el contrario, equipos que han tenido un mayor rendimiento de lo que se esperaba han sido Cádiz, Fuenlabrada, Elche, Mirandés y Lugo, todos ellos han obtenido al menos 6 puntos encima de lo previsto.

Para calcular la eficiencia de gestión realizo un modelo DEA orientado al input usando para ello como input el tope salarial y como output los puntos esperados según las casas de apuestas. Un equipo mejor gestionado debería ser capaz de estar en la frontera, es decir, tener el máximo de puntos esperados que se pueden tener dado un determinado tope salarial, o más concretamente en la orientación input que no se puedan tener los mismos puntos esperados con un menor valor del tope salarial. El inverso de este índice se interpreta como la cantidad de tope salarial con la que podrían haber alcanzado los mismos puntos esperados en caso de ser eficiente. Por ejemplo, Las Palmas y Fuenlabrada tuvieron los mismos puntos esperados, 58. El Fuenlabrada fue un equipo eficiente, mientras que Las Palmas tiene una eficiencia de 0,33. Esto implica que el inverso de esa eficiencia es de 3, y por lo tanto que podría haber obtenido los 58 puntos esperados con 3 veces menos de tope salarial.

Según el modelo DEA hay tres equipos que son eficientes: Fuenlabrada, Zaragoza y Huesca. Por el contrario los equipos menos eficientes desde el punto de eficiencia de gestión han sido el Tenerife, Almería y Las Palmas.

Comentar que el equipo de mi ciudad, el Sporting de Gijón, debe mejorar en ambos aspectos pues presenta una eficiencia de gestión 0,53 y una eficiencia del entrenador de 0,24 si quiere optar a volver a la Primera División del fútbol español, y no volver a pasar apuros para mantener la categoría. Por su parte, el quipo de la región donde vivo, el Albacete aunque la eficiencia del entrenador se sitúa cerca del 0,5 tras obtener sólo un punto menos por los previstos por las casas de apuestas la eficiencia de gestión es 0,51, siendo uno de los equipos con menor eficiencia de gestión.

Ayer terminó una liga rara, muy rara como casi todo lo que sucede desde marzo. En primer lugar, la fecha de fin (19 de julio) es cuando los equipos suelen empezar a entrenar, la fecha también implica calor mucho calor, además de tener que jugar el último tramo con menos descanso del habitual lo que llevó a que se permitieran 5 cambios por equipo además de las pausas de hidratación. Pero, aunque haya sido una liga rara es obligado que los equipos hagan balance. Algunos equipos lo harán con la sonrisa de haber conseguido objetivos y otros con pesar.

En este artículo voy a proporcionar dos tipos de eficiencia. En primer lugar es lo que yo denomino como eficiencia de los entrenadores, que es la habilidad de un entrenador, con todo su cuerpo técnico, de tener una actuación mejor de la que se espera de ellos según las casas de apuestas. Uno se puede imaginar que equipos como el Granada estará en la parte alta, mientras que equipos como el Espanyol estarán en la parte baja. Por otra parte, también evalúo la capacidad de los equipos de trasladar salarios, medido como el tope salarial que desde hace unas temporadas estable La Liga, en puntos esperados. Este tipo de eficiencia, la llamo eficiencia de gestión. Nadie se sorprenderá al ver que uno de los equipos eficientes es el Real Valladolid, como a nadie le sorprenderá ver al Valencia a la cola.

Para calcular la eficiencia de los entrenadores sigo la metodología de este artículo que proporciona una eficiencia de 1 o próxima a 1 para los equipos que han realizado una temporada muy por encima de sus expectativas según las casas de apuestas, y de 0 o próximo a 0 para los equipos que hayan realizado una temporada muy por debajo de sus expectativas. La siguiente tabla muestra la eficiencia de los entrenadores.

Sin lugar a dudas, el equipo que mejor ha rendido dado lo que se esperaba de él ha sido el Granada que con 15 puntos más de lo que se esperaba ha conseguido meterse en competiciones europeas con un equipo destinado a luchar por la permanencia. Le siguen el Levante y el Real Madrid, que con un rendimiento post COVID increíble ha logrado conseguir un nuevo título de liga. La parte baja está compuesta por el Real Betis, Leganés, Celta de Vigo y Espanyol que ha conseguido 18 puntos menos de los esperados por las casas de apuestas, lo que conlleva una eficiencia de 0,01.

Para calcular la eficiencia de gestión realizo un modelo DEA usando para ello como input el tope salarial y como output los puntos esperados según las casas de apuestas. Un equipo mejor gestionado debería ser capaz de estar en la frontera, es decir, tener el máximo de puntos esperados que se pueden tener dado un determinado tope salarial. Según el modelo DEA hay siete equipos que son eficientes: Mallorca, Valladolid, Osasuna, Getafe, Real Sociedad, Sevilla y FC Barcelona.

Como equipos menos eficientes no hay sorpresas: el Valencia y el Espanyol. Son dos equipos que llevan un tiempo fuera de rumbo y claro esto se traslada a lo que se espera de ellos. Así el Valencia, con un tope salarial con el que debería luchar con el Sevilla por la cuarta plaza Champions y prácticamente la única abierta sólo consigue 55 puntos esperados, estando muy cerca del Getafe con 53 puntos esperados, pero casi un tercio de tope salarial. A continuación, se presenta el gráfico y la tabla en la que puede verse todos los resultados con detalle.

Hoy de noche se podrá realizar el mismo análisis con los equipos de La Liga Smartbank. Aquí dejo de hablar como economista de deporte y paso a hablar como manchego de adopción, y esperemos que sea con el Alba en segunda en la temporada 2020-2021.

Ayer por distintos avatares no pude ver la comparecencia en el Congreso del Ministro de Universidades, Manuel Castells, en el Congreso de los Diputados. Con lo que he tenido que leer lo que dijo. Leyendo la prensa está claro que una de las medidas que más ha llamado la atención es la eliminación de la figura de los “falsos asociados”, que puede verse en el titular de periódicos tan dispares como El Mundo o El Diario.

¿Qué es un profesor asociado de universidad?

Según la LOU los profesores asociados son “especialistas de reconocida competencia que acrediten ejercer su actividad profesional fuera del ámbito académico universitario”. A su vez  tendrán “tareas docentes a través de las que se aporten sus conocimientos y experiencia profesionales a la universidad” cuyo contrato podrá ser renovado “siempre que se siga acreditando el ejercicio de la actividad profesional fuera del ámbito académico universitario”. Es decir, en teoría, son profesionales cuyo principal trabajo está fuera de la universidad y que por diversos motivos en los que el económico tiene una importancia muy pequeña les interese impartir docencia como segunda actividad. En este esquema encajan perfectamente profesionales de la Medicina, de la Abogacía y muchas más profesiones, que dotarán sus clases de un indudable valor añadido con su know-how obtenido en su trabajo diario.

Una amplia proporción de los profesores asociados en la universidad española se circunscriben con esta definición. Por ejemplo, según los datos obtenidos en el Portal de Transparencia de mi universidad, la Universidad de Castilla-La Mancha, había en 2019, 453 profesores asociados Ciencias de la Salud y 610 profesores asociados. De los 610 profesores asociados que no son de Ciencias de la Salud hay una proporción que sí que tienen un trabajo no universitario bien definido. En mi centro, la Facultad de Derecho y Ciencias Sociales de Sociales, contamos con profesionales de la Abogacía que estoy seguro son un complemento perfecto a los profesores universitarios a tiempo completo que vivimos para lo bueno y para lo malo encerrados en las paredes universitarias.

Entonces, ¿quiénes son los “falsos asociados”?

Los “falsos asociados” son aquellos profesores universitarios, que si bien tienen que estar dados de alta como autónomos, están dados de alta como autónomos de una forma “ficticia”.

Pero, si ganan poco dinero y encima parte de ese dinero lo tienen que gastar como cuota de autónomo. ¿Por qué aceptan este trabajo?   

Para responder a esta pregunta, es necesario conocer el retrato robot de estos “falsos asociados”. Un nexo común que tienen todos ellos es el sueño de convertirse en PDI de universidad a tiempo completo. Algunos de ellos todavía no son doctores, si bien se encuentran en proceso de serlo. Otros sí que tienen son doctores, pero aún no han logrado acreditarse como ayudante doctor o como contratado doctor. Y para aquellos que desconozcan el sistema de contratación de las universidades españolas sin alguna de estas acreditaciones resulta muy complicado conseguir una plaza de PDI. Otros sí que tienen en su bolsillo la acreditación de ayudante doctor o contratado doctor, si bien todavía no han logrado una plaza de esta categoría.

Una vez categorizado el retrato robot de los “falsos asociados” resulta más sencillo responder a la pregunta anterior. El motivo principal que les lleva a aceptar ser “falso asociado” es hacer méritos para poder convertirse en PDI a tiempo completo en el futuro.

Los méritos son básicamente de dos tipos: docentes e investigadores. La docencia en España se mide, por desgracia, en su mayoría al peso. Es decir, cuantas más clases des más méritos tienes para poder acreditarte como ayudante doctor, contratado doctor, titular o hasta catedrático. A mi por ejemplo, me denegaron la acreditación a profesor titular hace ya varios años porque había dado “pocas clases”. Así, dar clases y cuantas más mejor les ayuda a poder obtener la acreditación correspondiente. El segundo tipo de méritos que persiguen es el investigador. Para tener los requisitos que las acreditaciones exigen en cuanto a artículos, libros, congresos se necesita tiempo y mucho buen hacer.

Antes de ver qué pasaría si se eliminase esta figura voy a considerar los motivos que llevan a la universidad a usar esta figura. El principal es la flexibilidad. En la universidad muchos de los profesores permanentes dan menos docencia de la que les corresponde como máximo por ley por diversos motivos relacionados con el trabajo universitario (investigación, docencia, gestión), o bien reducen su docencia o incluso renuncian a ella por tener de forma no permanente un trabajo fuera de la universidad (por ej., la política). Así, la figura de profesor asociado otorga cierta flexibilidad que ayuda a las universidades a cubrir toda la docencia a impartir. El segundo motivo y éste no debería existir, es que los profesores asociados cobran poco dinero, y por ende resultan baratos para las universidades. En un contexto de financiación escasa de las universidades españolas impartir parte de la docencia de forma más barata ayuda a cuadrar presupuestos.

Repito esto no debería existir pues no es de recibo que el sueldo recibido por cualquiera que imparta clases en la universidad se pueda considerar como bajo. La formación que se necesita para impartir docencia en la universidad es muy alta y la remuneración debería ir en consonancia con la formación y conocimientos.

Entonces, ¿Qué pasaría si se elimina la figura de “falso asociado”?

Antes de ello hay que tener en cuenta una cosa que la mayoría de economistas tenemos claro. Cualquier política puede terminar perjudicando al colectivo que se pretende favorecer. Así, cualquier medida no solo debe poner en su preámbulo que se quiere evitar tal o cual disfunción sino que la medida debe lograr lo que persigue y no lo contrario.

Así, si se suprime la figura de “falso asociado” muchos de ellos pueden verse expulsados de la lucha por un puesto como PDI universitario y tomarán otros caminos. Por lo que, si a los “falsos asociados” se les suprime esta vía para perseguir su sueño de convertirse en PDI a tiempo completo habrá que darles otra vía, pues de lo contrario, como se dice vulgarmente habremos hecho pan como unas tortas.

Autores: Julio del Corral (@jdelcorraltm) y Andrés Maroto (@jazzandmar)

Hace unos días la Asociación Española de Entrenadores de Baloncesto (AEEB) anunciaba su tradicional premio al mejor entrenador de la primera vuelta de la Liga Endesa (ACB). Este año el galardonado fue Pablo Laso, entrenador del Real Madrid. La noticia pronto dio lugar a un debate (abajo se observa una muestra de algunos de los comentarios al respecto) que no, por ser habitual y repetido cada vez que se otorga un premio de este estilo, deja de tener su relevancia periodística y académica para todos los que amamos el baloncesto o trabajamos en su análisis.

Con esta entrada no se trata de menospreciar el trabajo de Pablo Laso al frente del Real Madrid al que ha llevado a una época no sólo de buenos resultados sino también de buen juego que ha revertido completamente la inercia de la sección blanca de baloncesto en la última década. Sin embargo, sí que queremos contribuir a que el criterio con el que se otorgan estos premios pueda ser más “objetivo” porque, a pesar de la presunta objetividad de los indicadores usados para esta clasificación (baremos, rivales, partidos en casa/fuera…), ha caído en el histórico error de premiar únicamente el número de victorias y no el rendimiento o eficiencia real de los entrenadores. Por esta razón, y como en ocasiones anteriores[1], os presentamos una medida objetiva sobre la eficiencia de los entrenadores ACB durante la primera vuelta de la presente campaña 2019-2020.

Esta clasificación[2] se basa en la distribución de probabilidad de victorias de cada equipo y según este indicador el mejor entrenador en esta primera vuelta de la temporada (como se observa en la tabla adjunta) habría sido Álex Mumbrú, con una eficiencia del 98%, que ha llevado a un recién ascendido como el Retabet Bilbao Basket a jugar la Copa del Rey con un balance de 10-7 y una diferencia respecto a las victorias esperadas de +3,4. Igualmente sobresaliente ha sido el rendimiento de Porfi Fisac (97%) con el Casademont Zaragoza (diferencia de +3,1 con un balance de 12-5) y de Txus Vidorreta (91%) con el Iberostar Tenerife (+2 con un balance 11-6), ambos equipos clasificados como cabezas de serie para la próxima Copa del Rey de Málaga. Sin embargo, podemos observar a Pablo Laso sólo en la sexta posición, con una eficiencia del 72% y un diferencial de +0,5 victorias (balance 14-3).

Según esta clasificación los peores resultados serían los obtenidos por Alexander Dzikic con el Movistar Estudiantes, con una eficiencia únicamente del 17% y un diferencial de -2.3; Sito Alonso con el UCAM Murcia (15%, -2.5); y, finalmente, Velimir Perasovic con el Kirolbet Baskonia (10%, -2.8). Valga como dato curioso que los tres casos de entrenadores destituidos tras esta primera vuelta (o durante la misma) se encuentran entre los cinco peores datos de eficiencia de nuestra clasificación.

 

[1] Enlaces a los trabajos 2008-2014, 2013-2014, 2014-2015, 2015-2016, 2016-2017, 2018-2019.

[2] Este método está validado dentro de la comunidad especializada y los resultados para temporadas anteriores pueden verse en un artículo que se publicó en el Journal of Sport Economics.

Autores: Julio del Corral y Andrés Maroto

Hace unos días, la Asociación Española de Entrenadores de Baloncesto (AEEB) anunciaba su anual Premio al Mejor Entrenador de la fase regular de la ACB, que este año ha recaído en Svetislav Pesic, entrenador del F.C. Barcelona Lassa.

No se trata de menospreciar el trabajo hecho por el serbio durante la última campaña donde el Barça ha vuelto a las posiciones que históricamente le corresponden: ha conseguido la segunda Copa del Rey consecutiva, la segunda plaza en la fase regular de la ACB (tras ocupar la primera plaza durante la mayor parte de la temporada) y, tras varios fracasos europeos seguidos, ha estado a punto de llegar a la Final Four de Vitoria (cayó en cuartos en el quinto y definitivo partido en Estambul ante el Efes turco).

Sin embargo, el debate surgió entre los que siguen la competición a raíz de este premio porque, un año más, la AEEB – a pesar de la presunta objetividad de los indicadores usados para esta clasificación – ha caído en el histórico error de premiar únicamente el número de victorias y no el rendimiento o eficiencia real de los entrenadores. A nadie que conozca la ACB se le puede escapar que el resultado que han obtenido esta temporada entrenadores como Porfirio Fisac (Tecnyconta Zaragoza), Joan Penyarrolla (Baxi Manresa) o Carles Durán (DKV Joventut) ha sido, dado el presupuesto de sus plantillas y el rendimiento esperado, similar al de Pesic.

Por esta razón, y como en años anteriores, os presentamos una medida objetiva[1] sobre la eficiencia de los entrenadores ACB durante el curso 2018-2019. Se basa en la distribución de probabilidad de victorias de cada equipo y según este indicador el mejor entrenador habría sido Porfirio Fisac, con una eficiencia del 95%, que ha llevado al Tecnyconta Zaragoza a los play off de la ACB (incluso llegando a semifinales tras vencer en cuartos al Baskonia) sólo una temporada después de estar luchando por el descenso. En segundo lugar, estaría el entrenador del Baxi Manresa, Joan Penyarrolla (con una eficiencia del 91%), que abandonó el Morabanc Andorra tras una gran temporada para volver a su casa, Manresa, y llevar a un recién ascendido a los play off de la ACB (donde perdió en primera ronda frente al Real Madrid) y a un paso de la Copa del Rey (sólo se quedó fuera por la entrada del Estudiantes como organizador, aunque el Baxi había quedado deportivamente por encima del club estudiantil). El premiado por la AEEB, Pesic, “sólo” ocuparía la tercera posición, con una eficiencia del 89%, justo por delante del entrenador del DKV Joventut, Carles Durán que ha devuelto a un histórico como la Penya de Badalona a la fase final de la Copa del Rey y a los play off de la ACB en la misma temporada.

Con todo esto se vuelve a poner sobre la mesa la necesidad de revisar el tipo de indicadores que se usan para los premios individuales en el deporte. Se trata de usar toda la información disponible y las nuevas metodologías de base científica que se han ido introduciendo, sobre todo en la Economía del Deporte, en los últimos años, para poder lograr clasificaciones y valoraciones más objetivas. Esta es nuestra aportación al respecto.

---

[1] Este método está validado dentro de la comunidad especializada y los resultados para temporadas anteriores pueden verse en un artículo que se publicó en el Journal of Sport Economics

Autores: Carlos Gómez-González y Julio del Corral

Acaba de terminar la liga regular en la Segunda División del fútbol español y aunque los 4 equipos clasificados para el play-off de ascenso a La Liga están centrados en lograr la única plaza en juego es hora de evaluar el rendimiento en la liga regular. Para ello los autores seguimos una metodología desarrollada en un artículo publicado en el Journal of Sports Economics que calcula un indicador de eficiencia como el inverso de la probabilidad de obtener más puntos que los realmente obtenidos según las casas de apuestas. Así, si un equipo obtiene muchos más puntos que los previstos su eficiencia estará próxima a 1 mientras que si un equipo obtiene muchos menos puntos que los previstos su eficiencia estará próxima a cero. Como los equipos de una liga disputan el mismo número de encuentros también puede usarse la diferencia entre los puntos y los puntos esperados según las casas de apuestas como medida de rendimiento de un equipo. En este caso cuanto mayor sea la diferencia mejor habrá sido el rendimiento del equipo.

Las tres primeras posiciones las ocupan el Osasuna, el Albacete y el Granada. El Osasuna y el Granada han logrado el ascenso directo y el Alba luchará en los play-off después de una soberbia campaña. Si uno se fija en los puntos esperados verá como el que mayor puntuación esperada tiene es el Deportivo de la Coruña, seguido del Málaga. En la cola destaca el Córdoba.

Autores: Carlos Gómez-González y Julio del Corral

Terminó la liga de fútbol masculina en primera división y llega el momento de que los clubes hagan balance. Estos días los clubes discuten en las oficinas los resultados obtenidos y la consecución de los objetivos. Además, se empiezan a buscar ya alternativas de cara a la próxima temporada, que en muchos casos vendrán en forma de nuevos entrenadores.

Pero, ¿cómo evalúan los clubes a sus técnicos? Esto es una verdadera incógnita. Los artículos científicos en economía del deporte proponen el uso de apuestas para extraer las probabilidades de victoria de los equipos. Las cuotas de apuestas incorporan toda la información disponible sobre los resultados esperados de los encuentros[1], y a partir de ahí, se puede calcular la eficiencia de los entrenadores. Podéis encontrar un ejemplo de este tipo de estudios publicados en revistas internacionales aquí.

Esta forma de calcular la eficiencia se define como la capacidad de los entrenadores para conseguir más puntos de los que se esperan del equipo. La Tabla 1 recoge el análisis de esta temporada, que ha dejado algunos casos muy curiosos. En la parte alta de la clasificación encontramos a Alavés (Abelardo), Getafe (Pepe Bordalás), Atlético de Madrid (Diego Pablo Simeone) y Espanyol (Joan Francesc Ferrer “Rubi”). Algunos de estos entrenadores son ya expertos en competir por encima de sus posibilidades en las últimas temporadas.

Por el contrario, la parte baja de la clasificación la ocupan Rayo Vallecano (Míchel-Paco Jémez), Celta de Vigo (Miguel Cardoso-Fran Escribá), Villarreal (Javier Calleja-Luis García) y un inesperado farolillo rojo, el Real Madrid (Lopetegui-Solari-Zidane). Como puede verse, el bajo rendimiento de los equipos se ha cobrado el puesto de varios entrenadores a lo largo de toda la temporada.

Una de las destituciones más recientes, y con mayor repercusión, ha sido la de Quique Setién en el Betis. Jornada tras jornada, la afición ha reprochado al técnico la mala temporada y el club finalmente ha decido dejarlo caer. Sin embargo, los resultados del técnico no se alejan tanto de las previsiones que hacían las casas de apuestas para el Betis (-2 puntos). Una cuestión relevante es el tipo de datos que utilizan los equipos para tomar estas decisiones, y hasta qué punto favorece a los equipos la poca continuidad de los entrenadores.

Puede verse que entrenadores con muy buena fama como Lopetegui o Machín han resultado muy ineficientes, en cambio, entrenadores como Bordalás o Abelardo, que han tenido hasta dificultades para encontrar banquillo en equipos de primera han resultado los más eficientes. Es decir, que es muy complicado predecir si un entrenador va a realizar una buena temporada o no. Dado que si los equipos no están realizando una buena temporada suelen despedir al entrenador desde el punto de vista económico no tiene mucho sentido firmar contratos largos (3-4 temporadas) a entrenadores. Sería más sensato contratos de un año combinados con primas altas y renovación inmediata en caso de actuación buena (por ejemplo, eficiencia por encima de 0,65). De esta forma, en caso de despedir al entrenador será más barato y en caso de que tenga buena actuación será recompensado en su justa medida.[2]

---

[1] Este argumento puede verse ampliado en los capítulos de libro titulados “Magicians, scapagoats and firefighters: the peculiar role of head coaches in profesional football” y “Economía del Comportamiento en el Deporte”. El primer está escrito por Bernd Frick, que es uno de los investigadores más reputados en Economía del deporte, formando parte del libro Personnel Economics in Sports, mientras que el segundo está escrito por Julio del Corral y Carlos Varela-Quintana formando parte del libro Sports (and) Economics recientemente editado por FUNCAS.

---

[2] Las cuotas de apuestas tienen en cuenta tanto el talento del que disponen los entrenadores, e.g., valor monetario del equipo, como factores externos que puedan influir en el resultado, e.g., lesiones de jugadores, malas rachas, o enfrentamientos “malditos”.

El Liverpool, Manchester City, Wolves y Cardiff los mejor gestionados

Autores: Carlos Gómez-González, Julio del Corral, José Manuel Cordero y Cristina Polo

Hace unos días Mourinho declaraba que “Jurgen Klopp está en el club y no gana absolutamente nada durante tres años y medio y todavía tiene la confianza y las condiciones para seguir adelante”, pues bien los motivos son evidentes aplicando un análisis mínimamente riguroso: ser un buen entrenador no consiste en ganar consiste en obtener el mayor rendimiento posible a los recursos disponibles. Para ordenar a los entrenadores en función del rendimiento obtenido los economistas hemos desarrollado diversas metodologías. Una de ellas fue desarrollada en del Corral et al. (2017) que consiste en calcular un índice de eficiencia de los entrenadores como el inverso de la probabilidad de obtener más puntos que los realmente obtenidos calculando las probabilidades usando los datos de las casas de apuestas. Así, si un entrenador consigue muchos más puntos que los esperados tendrá una eficiencia próxima a 1, mientras que si un equipo consigue muchos menos puntos que los esperados la eficiencia será muy próxima a cero.

La siguiente tabla muestra la eficiencia de los equipos en la Premier 2018-2019, así como los puntos obtenidos, los esperados según las casas de apuestas y su diferencia.

Como puede verse el Liverpool es el equipo con una mayor diferencia entre los puntos conseguidos y los puntos esperados, y por ende el más eficiente. Sin embargo, a pesar de tener una actuación excelente siendo el segundo equipo en puntos esperados no le sirvió para ganar la Premier pues el Manchester City tuvo una buena actuación, pero su puntuación esperada era mucho mayor que el Liverpool. También puede verse como el West Ham con apenas 52 puntos es el tercero en eficiencia, el motivo es que el West Ham es un equipo del que se esperaba menos, así obtener 52 puntos es una actuación muy meritoria.

Otra pregunta relevante es cómo lo han hecho los gestores deportivos en el sentido de trasladar el gasto en salarios de los jugadores a una mayor cantidad de puntos esperados. ( Es bien conocida la relación positiva entre resultados deportivos y dinero gastado en jugadores, en el caso de la Premier 2018-2019 el coeficiente de correlación entre los puntos esperados y el salario medio fue de 0,90, que es muy alto. Por tanto si un equipo quiere aumentar sus puntos esperados lo más fácil sería incrementado su gasto en salarios ). Para ello se puede usar un modelo DEA con el objetivo de determinar quiénes han sido los mejores gestores deportivos.  El input usado en el modelo DEA es el salario gastado en jugadores y el output los puntos esperados según las casas de apuestas.[

Gráficamente:

Los resultados del modelo DEA son los siguientes:

Los resultados muestran que los únicos equipos que consiguen ser plenamente eficientes fueron el Manchester City, Liverpool, Wolves y Cardiff. Por el contrario, uno de los equipos más ineficientes es el Manchester United, que dirigía Mourinho hasta hace poco, siendo el equipo que más gasta en salarios pero en número de puntos esperados resultó ser el quinto equipo en puntos esperados.

---

[1] Este análisis se ha propuesto por los autores de este artículo en varios congresos científicos.