El comercio exterior ha experimentado un crecimiento sostenido con la globalización, incrementando la integración económica de los países y elevando significativamente el volumen del comercio internacional. La aparición de tecnologías de información y comunicación ha agilizado los procesos comerciales, acortando distancias entre naciones y fortaleciendo la interdependencia económica (). En este marco, resulta esencial considerar la tendencia de los países a revertir tasas negativas de crecimiento económico y fomentar el desarrollo de su población. En 2021, el comercio internacional de América Latina y el Caribe (ALC) con países emergentes y en desarrollo de Asia aumentó aproximadamente 40,603% hacia Sudamérica y cerca de 35,28% hacia América Central y México ().
A nivel macroeconómico, la productividad del transporte marítimo se ha consolidado como un factor clave para la competitividad internacional, al afectar directamente los costos logísticos, la capacidad exportadora y la eficiencia comercial. En este contexto, los puertos desempeñan un rol estratégico al actuar como nodos que integran el comercio exterior con la economía nacional y regional (; ; ). Por ello, el desempeño portuario trasciende la escala local y se considera un indicador relevante de productividad nacional, conectividad marítima y posicionamiento económico global.
Recientemente, el comercio marítimo global ha experimentado un reordenamiento que ha consolidado al océano Pacífico como eje principal de las cadenas de valor internacionales. El dinamismo económico de Asia Oriental, especialmente China, ha desplazado el centro del comercio mundial hacia el ámbito transpacífico (). Asimismo, el marco estratégico de conectividad de la Cooperación Económica Asia-Pacífico (APEC) resalta la creciente integración Asia–Pacífico en la logística global ().
La elección del corredor Latinoamérica–China se justifica por su relevancia estratégica. La evidencia empírica indica que el comercio con China impacta significativamente el crecimiento económico inclusivo en América Latina, a través de exportaciones e importaciones (). Además, la inversión extranjera directa china en infraestructura portuaria, logística y sectores energéticos ha profundizado la interdependencia económica transpacífica, afectando el PIB, la formación bruta de capital y la estructura productiva regional (). Paralelamente, la advierte que vulnerabilidades geopolíticas en los estrechos marítimos de Oriente Medio generan desvíos de rutas, reforzando la importancia del corredor ALC–China. En este escenario, el Mega Puerto de Chancay en Perú emerge como un proyecto estratégico que fortalece la logística regional, amplía el comercio con Asia-Pacífico, diversifica los mercados de exportación y atrae inversión extranjera, consolidando a Perú como un hub logístico clave en el Pacífico ().
En América Latina, el sector portuario ha acompañado históricamente la expansión económica, superando en algunos periodos el ritmo de crecimiento del PIB (). Sin embargo, el aumento sostenido del comercio exterior ha generado presiones sobre la capacidad operativa y la infraestructura portuaria, evidenciando la necesidad de planificación integral a nivel nacional. Estudios recientes muestran que la calidad de la infraestructura y el desempeño logístico inciden directamente en el comercio marítimo y el crecimiento económico. destacan que los países en desarrollo deben mejorar continuamente la infraestructura portuaria para fortalecer la eficiencia logística y aumentar los flujos de comercio, aunque el efecto se atenúa en economías más maduras.
Las transformaciones en la logística portuaria y el comercio marítimo regional responden a la necesidad de fortalecer la competitividad frente a economías más diversificadas y tecnológicamente avanzadas. Una red logística eficiente, junto con una gestión adecuada de los servicios de transporte y comercio exterior, resulta esencial (). La reducción de costos logísticos y la optimización de infraestructura incrementan la eficiencia del transporte marítimo y la capacidad de los países para integrarse en acuerdos comerciales, potenciando su desarrollo económico ().
En este contexto, el objetivo de este estudio es evaluar la productividad del transporte marítimo entre China y América Latina desde un enfoque macroeconómico, utilizando la metodología metafrontera para el período 2010–2021. El análisis considera los principales países de América Latina y el Caribe (Argentina, Barbados, Brasil, Chile, Colombia, Costa Rica, República Dominicana, Ecuador, Guatemala, Honduras, México, Panamá, Perú, Trinidad y Tobago, y Uruguay), y variables agregadas como el volumen del comercio internacional y el número de contenedores manejados en TEU.
A partir de la literatura, se plantean las siguientes hipótesis:
Para alcanzar este objetivo, se emplea un enfoque metodológico basado en la metafrontera, el cual permite capturar diferencias tecnológicas entre unidades que operan bajo condiciones heterogéneas e integrarlas en una frontera global, característica especialmente relevante para el análisis comparado de sistemas portuarios con distintos niveles de desarrollo tecnológico ().
Finalmente, la estructura del trabajo se organiza de la siguiente manera: la segunda sección presenta una revisión teórica sobre la relevancia de los puertos y su impacto macroeconómico; la tercera describe la metodología y las fuentes de datos; la cuarta expone los resultados; y la quinta ofrece conclusiones y recomendaciones de política económica.
El transporte marítimo ha sido un pilar de la economía global, facilitando el comercio internacional, la integración de mercados y el crecimiento económico. Hasta mediados del siglo XX, enfrentaba elevados costos y demoras significativas debido a la manipulación manual de la carga fraccionada, generando procesos lentos e ineficientes incluso con apoyo mecánico. muestran que, antes de la contenedorización, la productividad portuaria era baja y los buques permanecían más tiempo en puerto. La transición hacia el uso de contenedores respondió a estas ineficiencias, impulsando cambios tecnológicos y organizativos que transformaron el comercio global. La contenerización estandarizó el manejo de carga y redujo drásticamente los tiempos de operación portuaria ().
Este avance impactó directamente en la eficiencia operativa. indica que la permanencia media de los buques disminuyó de ocho días a solo 11 horas, una reducción del 94%. Este incremento en eficiencia impulsó la inversión en embarcaciones de mayor capacidad: entre 1960 y 1990, la capacidad promedio de los portacontenedores aumentó un 402% (). agrega que duplicar la capacidad de un buque de 2.500 a 5.000 TEU redujo los costos unitarios por contenedor en un 50%, consolidando la contenerización como un factor estructural en la expansión del comercio marítimo.
A nivel macroeconómico, la modernización del transporte marítimo ha influido en la competitividad y la integración de los países en cadenas globales de valor. En América Latina, esta transformación implicó la transición de un modelo estatal a uno de participación público-privada. Inicialmente, los puertos eran administrados por el sector público, generando monopolios laborales, tarifas elevadas e ineficiencias operativas. Desde la década de 1990, países como Panamá, Argentina, México, Colombia y Chile implementaron concesiones portuarias, manteniendo la propiedad estatal de la infraestructura, pero delegando la operación al sector privado (). Este cambio institucional fomentó la inversión en infraestructura, la adopción de nuevas tecnologías y mejoras en eficiencia, contribuyendo al desempeño comercial y macroeconómico.
El desarrollo de la infraestructura portuaria y marítima impulsa el crecimiento económico y la integración regional. Redes logísticas más eficientes facilitan el comercio exterior, aumentan la productividad y contribuyen a reducir desigualdades (). No obstante, persisten brechas estructurales de modernización que limitan el potencial de desarrollo en América Latina (). Para enfrentarlas, organismos multilaterales, como la Comisión Interamericana de Puertos (CIP) de la OEA, promueven políticas de cooperación público-privada orientadas a fortalecer la conectividad, la digitalización y la competitividad regional ().
La literatura sobre desempeño portuario ha avanzado en la definición de indicadores de eficiencia, productividad y gestión operativa, tales como movimientos por hora de barco o grúa, tiempos de permanencia, costos unitarios y retrasos operativos. Sin embargo, la recolección de datos homogéneos sigue siendo un desafío en América Latina (). Desde la perspectiva económica, la eficiencia se descompone en tres dimensiones: técnica, económica y asignativa (). La eficiencia técnica mide la capacidad de producir más con los mismos recursos; la económica busca minimizar costos totales; y la asignativa asegura que los recursos se dirijan a actividades con mayor rentabilidad social y de mercado. Factores como participación privada, infraestructura de acceso, calidad institucional y diversificación de carga influyen en la eficiencia (). Además, la competencia en servicios tiende a elevar la productividad y la eficiencia agregada (; ).
Entre las metodologías más utilizadas para medir eficiencia se encuentran el Análisis Envolvente de Datos (DEA) y el Análisis de Frontera Estocástica (SFA). El DEA, determinista, emplea programación lineal para estimar la mejor combinación de insumos y salidas, mientras que el SFA introduce un componente aleatorio que distingue ineficiencia técnica de factores externos (; ). El índice de Malmquist se aplica para medir la evolución de la productividad total de factores, independiente de precios y sin supuestos de comportamiento (). Estas metodologías permiten evaluar la capacidad de los países para mejorar la productividad logística y su convergencia tecnológica.
Además de los enfoques basados en fronteras de eficiencia, la literatura reciente ha desarrollado metodologías alternativas para comparar regiones, sistemas portuarios y puertos individuales, incorporando dimensiones de conectividad, competitividad, gobernanza y desempeño logístico desde perspectivas complementarias. Desde el enfoque de redes y conectividad, proponen un marco analítico basado en la red global de servicios Liner, definiendo la conectividad portuaria en función del impacto sistémico que genera la exclusión de un puerto sobre el tiempo y la capacidad de la red marítima internacional. Este enfoque permite capturar efectos globales de interdependencia entre puertos, más allá de medidas locales de desempeño. En una línea más reciente, desarrollan un modelo integrado de redes bayesianas, que incorpora simultáneamente conectividad internacional, competitividad portuaria y conectividad de hinterland para 26 países asiáticos, mostrando que la infraestructura terrestre, la facilitación del comercio y la competitividad portuaria son determinantes más relevantes que los enlaces marítimos per se, bajo un entorno de alta incertidumbre.
Otras contribuciones relevantes adoptan metodologías multicriterio de apoyo a la decisión (MCDA) para evaluar y comparar puertos y terminales. construyen un Índice de Competitividad Portuaria combinando métodos de ponderación objetiva y subjetiva mediante inferencia bayesiana y el método MABAC, evidenciando que indicadores operativos, seguridad y ventajas geográficas explican mejor la competitividad que el simple volumen de contenedores. De forma similar, aplican un enfoque híbrido PCA-TOPSIS para clasificar las terminales de América Latina y el Caribe, identificando diferencias sustantivas en la utilización de recursos y desempeño logístico entre puertos líderes y rezagados. Desde la perspectiva de la elección portuaria, integran el análisis de desempeño con criterios de hinterland mediante el método Best-Worst (BWM), demostrando que costos y tiempos a lo largo de la cadena logística son determinantes centrales de la competitividad portuaria en Europa.
Asimismo, existen estudios comparativos a nivel regional que utilizan modelos econométricos alternativos. emplean el Análisis de Frontera Estocástica (SFA) para evaluar la eficiencia de los puertos del APEC, incorporando explícitamente el error estadístico y mostrando marcadas diferencias persistentes entre economías asiáticas y latinoamericanas. Más recientemente, enfoques basados en aprendizaje automático han ganado relevancia: utilizan técnicas de machine learning aplicadas a redes construidas con datos AIS para identificar la importancia sistémica de los puertos a nivel global, encontrando que factores geográficos y profundidad portuaria explican de manera significativa la centralidad y relevancia en la red marítima internacional. Finalmente, metodologías multicriterio híbridas también se han aplicado a dimensiones específicas del sistema portuario, como la evaluación del capital humano, donde combinan AHP, TOPSIS y PROMETHEE para analizar criterios de desempeño del personal portuario en Asia.
Si bien estas metodologías amplían el análisis hacia dimensiones de conectividad, competitividad, elección portuaria y redes complejas, su principal limitación es que no vinculan directamente la eficiencia productiva con determinantes macroeconómicos estructurales y tecnológicos de forma sistemática. En este contexto, el enfoque adoptado en este estudio —basado en un DEA de dos etapas— ofrece un valor añadido al integrar la medición de eficiencia relativa con un análisis posterior de sus determinantes macroinstitucionales y tecnológicos, permitiendo evaluar explícitamente cómo la capacidad productiva, la preparación tecnológica y la estructura económica condicionan el desempeño portuario en el tiempo.
Más allá de la medición de eficiencia, una línea consolidada de investigación adopta enfoques de DEA en dos etapas, donde los puntajes de eficiencia son posteriormente explicados mediante variables económicas, institucionales o estructurales. aplican un enfoque DEA de dos etapas para evaluar la eficiencia operativa de los puertos vietnamitas, incorporando el análisis de cambios tecnológicos y productivos mediante el índice de Malmquist. Sus resultados subrayan que las mejoras en productividad están principalmente asociadas a cambios en eficiencia técnica.
De manera similar, analiza la eficiencia portuaria en el contexto APEC utilizando DEA en la primera etapa y un modelo econométrico dinámico en la segunda, encontrando que el PIB per cápita y la conectividad marítima son determinantes fundamentales de la eficiencia portuaria. Estos resultados refuerzan la relevancia de variables macroeconómicas y de capacidades productivas para explicar el desempeño portuario. En una línea afín, emplean DEA-Malmquist para evaluar cambios de productividad en puertos de países de ingreso medio, mostrando que las reformas institucionales y organizativas son determinantes clave del crecimiento de la productividad a largo plazo, lo que conecta directamente con indicadores de gobernanza y capacidad institucional.
En el marco de los enfoques de dos etapas aplicados al análisis de eficiencia y productividad portuaria, la literatura reciente ha enfatizado la necesidad de incorporar variables explicativas que capturen dimensiones tecnológicas, macroeconómicas, institucionales y estructurales más allá de los factores operativos. En relación con la innovación, la adopción tecnológica en los puertos ha sido caracterizada como un proceso multidimensional condicionado por capacidades internas de I+D, apoyo organizacional, estructura institucional, recursos financieros, integración en redes logísticas y presiones regulatorias y competitivas. A partir de una revisión sistemática, demuestran que estos factores son determinantes en el contexto portuario, justificando el uso de indicadores proxy de innovación —como el I+D_índice— para explicar diferencias en productividad en la segunda etapa del análisis.
De forma complementaria, variables macroeconómicas externas asociadas a la capacidad productiva y al nivel de desarrollo económico han sido ampliamente utilizadas como determinantes de la eficiencia portuaria en modelos DEA de dos etapas. En particular, estudios aplicados a economías del APEC emplean el PIB per cápita y la población económicamente activa como proxies del dinamismo industrial y del capital humano, evidenciando que el PIB per cápita constituye el factor más influyente, seguido de la conectividad marítima (). Estos resultados respaldan la inclusión de un Actividad_Industrial_índice como variable explicativa de la productividad portuaria.
Asimismo, la gobernanza y las capacidades institucionales han sido identificadas de manera consistente como determinantes clave de la eficiencia técnica portuaria. Mediante Análisis de Frontera Estocástica, muestran que la independencia del regulador y mayores niveles de privatización se asocian con mejoras significativas en eficiencia, proporcionando sustento empírico para la inclusión de un índice de capacidad institucional. En esta misma línea, la literatura sobre reformas del sector portuario evidencia que una mayor participación del sector privado genera incrementos sostenidos en la productividad total de los factores, especialmente en países de ingreso medio, lo que justifica el uso de un índice del sector privado como variable explicativa en la segunda etapa.
Finalmente, los cambios estructurales de la economía —vinculados a políticas industriales, digitalización, transición energética y resiliencia logística— han sido incorporados crecientemente como determinantes indirectos de la productividad portuaria. destacan el rol estratégico de los puertos como agentes de transformación estructural, lo que fundamenta la inclusión de un Cambio_Estructural_índice para capturar el impacto de estas dinámicas sobre el desempeño portuario. En conjunto, estas variables permiten alinear el análisis empírico con la literatura reciente que emplea modelos de dos etapas y aseguran una adecuada fundamentación de las fuentes de información utilizadas en la explicación de la productividad portuaria.
En los últimos cinco años, se ha incrementado la evidencia empírica que combina estas metodologías en contextos portuarios. Estudios multicéntricos emplean DEA, índices Malmquist y diseños de dos etapas (DEA + regresión) para identificar determinantes de eficiencia operativa, mientras enfoques multicriterio (PCA-TOPSIS, Entropy/BWM, AROMAN) integran dimensiones de conectividad, infraestructura y desempeño institucional (; ; ; ). Estas aproximaciones permiten captar no solo eficiencia técnica, sino también efectos de gobernanza, tamaño del puerto, inversión en equipamiento y conectividad marítima.
Estudios recientes en América Latina han generado hallazgos relevantes. examinan 19 puertos con SFA y destacan que variables físicas y la expansión del Canal de Panamá influyen significativamente en eficiencia técnica. aplican DEA en países de ingreso medio y muestran que la ineficiencia técnica es la principal fuente de pérdidas, y que el tamaño del puerto no garantiza eficiencia operativa. Además, , usando Malmquist, evidencian que reformas institucionales y organizativas incrementan la productividad a lo largo del tiempo. Estos estudios complementan la literatura clásica, actualizando la evidencia con muestras y periodos recientes.
La literatura sobre flujos comerciales y conectividad proporciona contexto para interpretar resultados de eficiencia portuaria. Informes de UNCTAD (, ) ofrecen series temporales sobre volúmenes de carga, TEU y movimientos regionales, mientras que la CEPAL documenta la recuperación parcial de flujos en América Latina (). Estudios de redes y conectividad global examinan cómo la posición de un puerto en la red afecta sus flujos y potencial de crecimiento (). Índices como el Container Port Performance Index () permiten comparar desempeño operativo y relacionarlo con flujos comerciales (; ; ).
En el contexto asiático, la literatura sobre eficiencia portuaria es amplia y muestra resultados consistentes respecto a la persistencia de ineficiencias técnicas. analizan 69 puertos contenedores asiáticos mediante DEA y encuentran que la eficiencia técnica media apenas alcanza el 48,4%, siendo la ineficiencia atribuible principalmente a factores puramente técnicos más que a problemas de escala. Estudios comparativos posteriores confirman estos hallazgos. comparan puertos de Asia Oriental, Asia Meridional y Medio Oriente, mostrando que, aunque los niveles de eficiencia media son similares entre regiones, existen diferencias relevantes en las fuentes de ineficiencia y en el grado de benchmarking entre puertos líderes.
Investigaciones más recientes profundizan en comparaciones subregionales. comparan terminales de China y Corea utilizando modelos Super-SBM y el índice de Malmquist, evidenciando que la principal causa de ineficiencia es la escala y que el progreso tecnológico reciente no siempre se traduce en mejoras de productividad. De forma complementaria, analizan la eficiencia logística de puertos chinos combinando DEA-BCC con fsQCA, destacando el papel de la estructura industrial, la apertura económica y el soporte institucional como factores clave para explicar los diferenciales de desempeño regional.
Además del DEA tradicional, la literatura ha incorporado metodologías alternativas para comparar sistemas portuarios y regiones. desarrollan un modelo de red de dos etapas para evaluar la eficiencia conjunta puerto–región, destacando la interdependencia entre desempeño portuario y desarrollo económico regional.
En el ámbito ambiental, comparan modelos DEA de una y dos etapas para evaluar la eficiencia ambiental de los puertos de Koper y Dublín, mostrando que los enfoques multietapa permiten identificar con mayor precisión las fuentes de ineficiencia. Asimismo, revisiones sistemáticas recientes () documentan una creciente diversificación metodológica, incluyendo meta-frontier, modelos de red, enfoques dinámicos y técnicas híbridas, especialmente en estudios comparativos regionales y de sostenibilidad portuaria.
En síntesis, la evidencia reciente (2020–2025) indica que: (1) la combinación de DEA/SFA/Malmquist con enfoques multicriterio y modelos de dos etapas permite capturar la heterogeneidad estructural de los puertos; (2) gobernanza, conectividad y reformas institucionales son determinantes recurrentes de eficiencia en países de ingreso medio; y (3) mejoras en eficiencia operativa se traducen en mayores flujos comerciales, menores tiempos en puerto y reducción de costos logísticos, justificando un análisis integral que vincule eficiencia y comercio marítimo.
El impacto de la innovación tecnológica en la productividad marítima ha sido ampliamente documentado. destaca que el Sistema Nacional de Innovación () enfatiza la interacción entre instituciones, empresas y políticas públicas en la generación y difusión del conocimiento (; ). extendió este marco a nivel regional, resaltando que la innovación territorial es clave para la competitividad económica. Así, los puertos se entienden como nodos estratégicos dentro de los procesos de innovación y modernización económica (; ; ).
Las políticas de innovación buscan potenciar la productividad y la eficiencia del gasto público, optimizar el uso de infraestructura logística y fortalecer la especialización productiva (; ; ). En consecuencia, la eficiencia portuaria refleja el desempeño económico estructural de los países.
En los últimos años, la productividad marítima ha fluctuado debido a crisis económicas, restricciones logísticas y variaciones en demanda internacional. Sin embargo, se observa recuperación sostenida impulsada por digitalización, inversión en infraestructura y participación privada (). En América Latina y el Caribe, esta participación ha mejorado la calidad del servicio, reducido costos logísticos y fortalecido la resiliencia del sistema marítimo (; ). A pesar de los avances, persisten retos en sostenibilidad, transición energética y planificación estratégica ante el cambio climático (). Por ello, el futuro del transporte marítimo dependerá de la capacidad de los países para integrar innovación, sostenibilidad y eficiencia en un entorno global competitivo y tecnológicamente exigente.
A diferencia de estudios centrados exclusivamente en variables operativas o en contextos nacionales específicos, el presente trabajo contribuye a la literatura combinando un enfoque DEA de dos etapas con indicadores macroeconómicos armonizados de la UNCTAD, lo que permite capturar de manera consistente diferencias en innovación, estructura productiva, participación privada e institucionalidad entre países. Este enfoque resulta especialmente adecuado para análisis comparativos interregionales, ya que integra dimensiones estructurales y tecnológicas que explican diferencias persistentes en productividad portuaria más allá de los factores físicos tradicionales.
En la última década, la metodología del Análisis Envolvente de Datos (DEA) ha evolucionado con variantes que mejoran la robustez y la precisión en la medición de eficiencia, como el DEA recursivo (), el DEA de cuatro etapas () y el análisis de ventanas DEA (). Estas versiones buscan mitigar problemas del DEA tradicional, como la sensibilidad a valores atípicos y ruido estadístico, incorporando técnicas de corrección bootstrap (; ; ) y métodos no paramétricos robustos ().
Este estudio incorpora además el enfoque de metafrontera, que permite capturar diferencias tecnológicas entre los países de América Latina y el Caribe (ALC) en su comercio marítimo con China. Según , la metafrontera construye una frontera global que envuelve todas las fronteras grupales, facilitando comparaciones entre unidades que operan con tecnologías heterogéneas. Cada grupo comparte su propia frontera tecnológica —basada en infraestructura, capital humano, digitalización o integración logística— mientras que la metafrontera global refleja el máximo potencial observado. Esto distingue claramente entre:
La utilidad de este enfoque ha sido demostrada en estudios de eficiencia económica y portuaria. Halkos y Tzeremes (, ) muestran que factores estructurales —como el tamaño del puerto, el número de terminales o la longitud operativa— condicionan la frontera tecnológica y no deben confundirse con ineficiencia pura. Una evidencia más reciente en China (; ) confirma que las brechas tecnológicas regionales generan diferencias sistemáticas en eficiencia, validando la pertinencia de la metafrontera para contextos heterogéneos como el comercio China–ALC.
El enfoque metodológico del estudio se desarrolla en dos etapas:
Dado que el análisis se desarrolla a nivel macroeconómico, la selección de países responde a la disponibilidad de indicadores nacionales comparables que capturan condiciones estructurales como innovación, capacidades institucionales y desarrollo del sector privado. En este contexto, la eficiencia portuaria puede interpretarse como un resultado agregado del sistema logístico-marítimo del país, donde los principales puertos funcionan como hubs estratégicos que concentran gran parte del comercio exterior. Estudios como analizan puertos mayores de América Latina y el Caribe bajo criterios de relevancia económica y consistencia de datos, lo que respalda un enfoque en países con infraestructura portuaria representativa y estadísticas homogéneas. Así, los valores empleados en este estudio reflejan un desempeño promedio nacional asociado al conjunto de puertos más relevantes dentro de cada economía.
El análisis abarca 15 países de ALC: Argentina, Barbados, Brasil, Chile, Colombia, Costa Rica, República Dominicana, Ecuador, Guatemala, Honduras, México, Panamá, Perú, Trinidad y Tobago y Uruguay, en el periodo 2011–2021. La selección de variables de entrada y de salida se basa en literatura de eficiencia logística y portuaria, asegurando la relevancia para el comercio marítimo China–ALC dentro de un marco metafrontera.
Variables de salida (outputs):
Variables de entrada (inputs):
En la segunda etapa del análisis se incorporan indicadores macroeconómicos de carácter estructural e institucional, ampliamente utilizados en la literatura empírica para explicar diferencias en productividad y eficiencia logística a nivel país. Estas variables permiten capturar dimensiones no operativas que inciden sobre el desempeño portuario en el largo plazo.
Todos los indicadores se construyen a partir de fuentes internacionales estandarizadas (UNCTAD), lo que garantiza comparabilidad temporal y transversal entre los países analizados.
Este enfoque integra datos microportuarios con variables macroeconómicas, permitiendo vincular eficiencia portuaria, productividad nacional y desempeño en comercio internacional. La combinación DEA-metafrontera y análisis macro-productivo asegura comparaciones coherentes entre países con tecnologías heterogéneas, proporcionando evidencia rigurosa sobre determinantes estructurales y logísticos de la eficiencia portuaria en América Latina y el Caribe.
Luego de la justificación de las variables, se procede a la descripción de los datos, presentados en la Tabla 1 y en la Tabla 2, incluyendo el número de observaciones y las estadísticas descriptivas básicas: media, desviación estándar, valores mínimos y máximos.
Fuente: elaboración propia con base en IMF (IMTS) y UNCTADstat: Container Port Throughput, Liner Shipping Connectivity Index (LSCI) y Merchant Fleet ().
Fuente: elaboración propia con base en UNCTADstat: Frontier Technology Readiness Index y Productive Capacities Index (series anuales) ().
Antes de estimar la segunda etapa, es necesario examinar descriptivamente el comportamiento de las variables explicativas a nivel país, con el fin de comprender su dinámica básica e identificar posibles problemas de heterogeneidad, correlación o endogeneidad con respecto a los resultados de eficiencia obtenidos en la primera etapa.
En primer lugar, los datos muestran una marcada heterogeneidad regional, especialmente en el índice de I+D, donde economías como Brasil, México, Chile y Colombia presentan niveles persistentemente superiores, mientras que países como Honduras o Guatemala registran valores bajos o cercanos a cero en los primeros años. Este patrón refleja diferencias estructurales de largo plazo que justifican controlar por efectos específicos por país.
Asimismo, el Actividad_Industrial_índice evidencia diferencias relevantes en la intensidad productiva, lo que puede estar estrechamente vinculado al desempeño logístico-portuario. Por su parte, el indicador de Capacidades_de_las_Instituciones se mantiene relativamente estable en el tiempo, aunque con niveles consistentemente mayores en países como Uruguay, Chile o Panamá, sugiriendo persistencia institucional.
El Sector_Privado_índice y el Cambio_Estructural_índice presentan valores altos y relativamente estables en la mayoría de los países, aunque con variaciones que podrían estar correlacionadas con innovación y actividad industrial. En conjunto, estas variables muestran complementariedades potenciales que pueden inducir multicolinealidad en la estimación econométrica.
Finalmente, dado que mayores niveles de innovación, participación privada o capacidad institucional podrían ser tanto determinantes como consecuencia de una mayor eficiencia portuaria, no puede descartarse la presencia de endogeneidad inversa, lo que refuerza la necesidad de estrategias econométricas adecuadas y pruebas de robustez.
Para reforzar el análisis descriptivo, se incluyen a continuación gráficos que muestran la evolución temporal de cada variable por país. Estas representaciones permiten identificar tendencias, heterogeneidad regional y comportamientos diferenciados antes de la estimación econométrica.
El modelo DEA puede adoptar dos orientaciones: input-orientado u output-orientado. En este estudio se emplea el DEA-CCR de orientación al input, que asume rendimientos constantes a escala y refleja la estructura de monopolio natural de la infraestructura portuaria.
Su formulación dual es la siguiente:
Donde:
θ: Es un escalar buscado (representa la puntuación de eficiencia de la DMUi)
λ: Es un vector de pesos no negativos
Y: Es la matriz de salidas de orden mxn
X: Es la matriz de entradas de orden kxn
y son los valores observados de salidas y entradas, respectivamente, de la DMU0 y la DMU a evaluar.
Luego, el es la puntuación de eficiencia orientada a los insumos de DMU0. Sí, es igual a la unidad, entonces los niveles de entrada actuales no se pueden reducir; así, se indica que DMU0 es eficiente. Sin embargo, sí < 1, entonces DMU0 es técnicamente ineficiente.
Adicionalmente, se utiliza el modelo DEA-BCC, que incorpora la restricción de convexidad (N1'λ = 1), lo que permite considerar rendimientos variables a escala y orientaciones hacia el output.
Este enfoque facilita, además, la evaluación de la eficiencia relativa entre múltiples unidades de decisión, al analizar la proporción óptima entre insumos y productos en diferentes contextos tecnológicos nacionales ().
Donde:
θ: Es un escalar buscado (representa la puntuación de eficiencia de la DMUi)
λ: Es un vector de pesos no negativos
Y: Es la matriz de salidas de orden mxn
X: Es la matriz de entradas de orden kxn
N1: Es un vector formado por 1's de orden nx1
El cálculo del cambio de productividad se realiza mediante el Índice de Productividad Total de los Factores (PTF) de Malmquist, definido como:
Donde: “(Xt+1,Yt+1)” representa la productividad del punto de producción en relación con el punto de producción “(Xt,Yt)”. Un valor mayor que uno indicará un crecimiento positivo de la PTF desde el período “t” hasta el período “t + 1”.
De hecho, este índice es la media geométrica de dos índices de PTF de Malmquist basados en el producto. Un índice utiliza tecnología del período “t” y el otro, tecnología del período “t + 1”.
Además, permite descomponer la productividad en dos efectos:
Este enfoque, inspirado en , posibilita un análisis comparativo de la productividad del transporte marítimo entre los países de América Latina y su convergencia hacia la metafrontera de eficiencia global.
En conjunto, la metodología integra un enfoque cuantitativo riguroso con un análisis comparativo entre economías, permitiendo evaluar la productividad del transporte marítimo desde una perspectiva macroeconómica y vinculando la eficiencia portuaria con la competitividad estructural y la inserción comercial de América Latina en el eje Asia-Pacífico.
En este apartado se presentan los resultados obtenidos a partir de las estimaciones econométricas y del análisis de eficiencia, orientados a validar la hipótesis del estudio.
Se estimó un índice de productividad orientado a la producción mediante el método DEA Malmquist, en un contexto de metafrontera, lo que permite comparar la eficiencia entre las terminales portuarias ubicadas en las regiones Norte-Centro y Sur de América Latina.
La Figura 6 muestra la evolución de la eficiencia técnica promedio respecto a la metafrontera. Los resultados revelan que las terminales del Norte-Centro presentan niveles de eficiencia técnica superiores a las del Sur desde el año 2015. En promedio, la eficiencia técnica respecto de la metafrontera fue del 91,63% y 89,69% para las regiones Norte-Centro y Sur, respectivamente. Sin embargo, cuando se analiza la eficiencia técnica relativa a sus propias fronteras, los valores alcanzan 99,57% y 99,84%, respectivamente. Esto indica que, utilizando los mismos insumos y la tecnología disponible, ambas regiones operan muy cerca de su frontera productiva.
La Figura 7 muestra la evolución media del Índice de Productividad de Malmquist Metafrontier (MMPI) por terminal. Los resultados evidencian un comportamiento mixto de la productividad, con aumentos y caídas a lo largo del período 2011–2021. En las terminales del Sur, el MMPI registró un incremento promedio anual del 3,017%, explicado principalmente por el componente tecnológico (TECHCH), que aumentó un 2,767%. En el Norte-Centro, el aumento promedio fue de 1,547%, impulsado por un avance tecnológico del 1,112%.
La descomposición del MMPI, ilustrada en las Figuras 8 y 9, permite identificar los factores que contribuyeron a las variaciones observadas. Durante la crisis sanitaria de 2019–2020, las terminales del Sur experimentaron una reducción en la productividad cercana al 14%, mientras que las del Norte-Centro registraron una caída de solo 5,31%.
Posteriormente, ambas regiones evidenciaron una recuperación significativa entre 2020 y 2021, con incrementos de 45,90% y 26,24%, respectivamente. Este comportamiento sugiere que la contracción inicial estuvo asociada a la disrupción del comercio marítimo mundial y que la recuperación posterior respondió al repunte del comercio internacional y la estabilización de la cadena logística.
El componente tecnológico (TECHCH) fue determinante en esta recuperación, con aumentos del 30,6% en el Sur y 15,8% en el Norte-Centro durante el período postcrisis. En cambio, el componente de eficiencia técnica pura (PECH) registró variaciones más moderadas, con incrementos promedio de 0,076% y 0,921% en el Sur y Norte-Centro, respectivamente.
El componente de eficiencia de escala (SECH) mostró un comportamiento divergente: una reducción de 0,160% para el Norte-Centro y un aumento de 0,405% para el Sur, lo que indica diferencias estructurales en la capacidad de las terminales para aprovechar retornos crecientes a escala.
Durante la crisis del covid-19, el impacto más fuerte se observó en las terminales del Sur, donde el componente tecnológico (TECHCH = 31,55%) reflejó los efectos de la caída de la demanda y la disrupción logística, a pesar de las mejoras en eficiencia técnica.
En contraste, las terminales del Norte-Centro mostraron mayor resiliencia (TECHCH = 15,47%), lo que sugiere una mejor capacidad de adaptación tecnológica y de gestión operativa frente a los choques externos.
Asimismo, el incremento de la eficiencia técnica pura en el Norte-Centro entre 2011 y 2013 (PECH = 18,38%) coincide con la ampliación del Canal de Panamá, que mejoró la conectividad y favoreció la expansión de los puertos del Caribe y del Atlántico, históricamente más limitados por las dimensiones del canal original.
Finalmente, se estimó un modelo de regresión Prais–Winsten para datos de panel, con el fin de explicar las diferencias en el cambio de productividad de las terminales portuarias.
Este modelo corrige la autocorrelación y heterocedasticidad en los errores e incorpora una estructura AR (1) común. Los resultados se presentan en la Tabla 3, mientras que la Tabla 4 resume su interpretación.
Fuente: elaboración propia a partir de los indicadores macroeconómicos de UNCTADstat: Frontier Technology Readiness Index y Productive Capacities Index.
Fuente: elaboración propia a partir de las estimaciones econométricas de segunda etapa, construidas con información de IMF (IMTS) y UNCTADstat (Container Port Throughput, LSCI y Merchant Fleet).
Los resultados del modelo econométrico muestran que el índice de capacidad de I+D tiene un efecto positivo y significativo sobre la eficiencia técnica (p = 0.040). Esto indica que la capacidad de los países para adaptar y aplicar tecnologías de frontera mejora el uso eficiente de los recursos, destacando el papel estratégico de la inversión en innovación. El índice de actividad industrial también muestra un impacto positivo y significativo (p = 0.018), evidenciando que la expansión de la industria de bienes y servicios de alta tecnología impulsa la productividad portuaria y la competitividad regional.
En cambio, la variable relacionada con instituciones y capacidades no resulta significativa (p = 0.204), lo que sugiere que, aunque la estabilidad institucional es importante, su efecto sobre la eficiencia técnica puede depender de otros factores estructurales no incluidos en el modelo. El indicador de dinamismo del sector privado presenta un efecto positivo y significativo (p = 0.039), reforzando la idea de que un entorno favorable para la inversión y el comercio transfronterizo promueve una mayor eficiencia técnica.
Por otro lado, el cambio estructural muestra un coeficiente negativo y significativo (p = 0.019), lo que refleja los costos de ajuste asociados a las transformaciones productivas. Este resultado coincide con la teoría del cambio estructural, que plantea que las reasignaciones de recursos pueden reducir temporalmente la eficiencia antes de generar beneficios de largo plazo.
El modelo presenta un coeficiente de determinación (R²) de 0.6246, lo que indica que las variables explican aproximadamente el 62,46% de la variabilidad de la eficiencia técnica. Asimismo, la prueba de Wald (p = 0.0252) confirma la significancia global del modelo, validando la consistencia de los resultados y la pertinencia de las variables seleccionadas.
Los resultados obtenidos permiten comprender de manera integral las dinámicas estructurales y tecnológicas que determinan la eficiencia portuaria en América Latina. A nivel macroeconómico, la evidencia muestra que las diferencias entre las regiones Norte-Centro y Sur no solo reflejan las características de sus terminales, sino también los entornos institucionales, tecnológicos e industriales en los que operan. La mayor eficiencia técnica observada en el Norte-Centro puede explicarse por la consolidación de una infraestructura logística más diversificada y un ecosistema institucional que ha favorecido la adopción tecnológica, especialmente tras la ampliación del Canal de Panamá. Este hallazgo coincide con estudios previos que vinculan la conectividad y la inversión en infraestructura con incrementos sostenidos en la eficiencia técnica y la competitividad logística regional.
En contraste, las terminales del Sur mostraron una evolución más volátil en su productividad, probablemente asociada a una mayor exposición a fluctuaciones del comercio internacional y a limitaciones estructurales en la integración portuaria. La crisis provocada por la pandemia de COVID-19 amplificó estas vulnerabilidades, generando caídas significativas en la productividad durante 2019–2020. Sin embargo, la rápida recuperación posterior sugiere la existencia de mecanismos de ajuste dinámicos y una capacidad de respuesta eficiente frente a choques externos, probablemente impulsada por la digitalización acelerada y por la reconfiguración de las cadenas logísticas globales. Este patrón de recuperación confirma la elasticidad del sector portuario latinoamericano y subraya el papel del cambio tecnológico como factor estabilizador en contextos de crisis.
La descomposición del índice de productividad Malmquist evidencia que el cambio tecnológico (TECHCH) fue el principal motor del crecimiento en ambas regiones. No obstante, las diferencias en los componentes de eficiencia técnica pura (PECH) y de escala (SECH) indican que la convergencia tecnológica no necesariamente se traduce en convergencia operativa. La región Sur parece haber aprovechado mejor los retornos de escala, mientras que el Norte-Centro se benefició más de mejoras en gestión y de la adopción de tecnologías de frontera.
La estimación econométrica mediante el modelo Prais–Winsten refuerza esta interpretación, al mostrar que la actividad industrial y la capacidad de innovación ejercen un efecto positivo y significativo sobre la eficiencia técnica, mientras que el cambio estructural genera impactos negativos en el corto plazo. Esto refleja los costos temporales asociados a reformas regulatorias, ajustes institucionales o modificaciones en los modelos de gestión.
Es importante reconocer ciertas limitaciones metodológicas que condicionan la generalización de los resultados. La disponibilidad y consistencia de datos portuarios a nivel país requirió agregaciones que podrían ocultar heterogeneidades internas entre terminales, especialmente en países con múltiples puertos relevantes. Además, el enfoque de metafrontera y el uso del DEA-Malmquist asumen supuestos de rendimientos constantes y relaciones de producción que podrían no capturar plenamente la diversidad operativa de los puertos latinoamericanos. Finalmente, algunos indicadores de innovación y estructura industrial son estáticos y podrían no reflejar los efectos dinámicos de políticas recientes o cambios tecnológicos acelerados, lo que sugiere complementar futuros estudios con información más detallada y series temporales más extensas.
En conjunto, los hallazgos indican que la eficiencia portuaria en América Latina depende no solo del progreso tecnológico, sino también de la capacidad de cada país para integrarlo dentro de un marco institucional y productivo coherente. La inversión en innovación y capital humano especializado, junto con la coordinación entre políticas industriales y logísticas, se presentan como factores esenciales para mantener la competitividad del sector portuario en el largo plazo.
El presente estudio analizó la productividad y la eficiencia técnica de las terminales portuarias de América Latina, considerando las diferencias estructurales y tecnológicas entre las regiones Norte-Centro y Sur. Mediante el enfoque de metafrontera y con técnicas econométricas robustas, se identificaron los factores que influyen en el desempeño portuario y en su evolución temporal. Los resultados muestran que las terminales del Norte-Centro —integradas por Barbados, Costa Rica, República Dominicana, Guatemala, Honduras, México, Trinidad y Tobago y Panamá— presentan mayores niveles de eficiencia técnica respecto a la metafrontera en comparación con las terminales del Sur —Argentina, Brasil, Chile, Colombia, Ecuador, Perú y Uruguay— desde 2015. Sin embargo, ambas regiones muestran una eficiencia interna cercana al 99%, indicando un alto aprovechamiento de sus tecnologías propias.
Este estudio se diferencia de investigaciones previas al combinar la metafrontera, la descomposición DEA-Malmquist y modelos econométricos, permitiendo evaluar tanto la productividad como los determinantes estructurales y tecnológicos de los puertos. Esta aproximación captura heterogeneidades regionales, efectos dinámicos de choques externos (como la COVID-19) y la interacción entre innovación, infraestructura y gobernanza, ofreciendo un panorama más integral que los estudios centrados únicamente en eficiencia técnica o en análisis descriptivos.
El análisis evidencia que el crecimiento del índice Malmquist de Productividad Total de los Factores (MMPI) fue impulsado principalmente por el cambio tecnológico, con un incremento promedio anual del 3,017% en el Sur y del 1,547% en el Norte-Centro. Esta diferencia refleja mejoras tecnológicas más pronunciadas en la región Sur, mientras que el Norte-Centro mantuvo ventajas en eficiencia operativa y estabilidad institucional. Las diferencias en eficiencia de escala —positiva en el Sur y negativa en el Norte-Centro— sugieren que las terminales del Sur optimizaron mejor el tamaño de sus operaciones, mientras que el Norte-Centro se benefició de una mayor integración logística.
Durante la crisis de la COVID-19, las terminales del Sur experimentaron una caída más severa en productividad (-14%) frente al Norte-Centro (-5,31%), aunque mostraron una recuperación más rápida (45,9% frente a 26,24%). Este comportamiento evidencia que, pese a su mayor vulnerabilidad, las terminales del Sur poseen una alta capacidad de adaptación frente a choques externos. Los incrementos en el cambio tecnológico posterior a la crisis (31,55% en el Sur y 15,47% en el Norte-Centro) confirman el papel de la innovación como motor de recuperación.
El análisis econométrico complementario respalda que factores estructurales como la actividad industrial y la participación del sector privado tienen efectos positivos y significativos sobre la productividad portuaria, mientras que los cambios estructurales generan impactos negativos en el corto plazo. La capacidad de innovación (I+D_índice) también influye positivamente, aunque con menor significancia en algunos modelos, y las capacidades institucionales muestran efectos mixtos, sugiriendo que la gobernanza puede actuar como moderador de la eficiencia portuaria.
En relación con las hipótesis planteadas:
Desde la perspectiva de política pública, los resultados destacan la necesidad de consolidar un entorno institucional estable, promover la innovación y la industrialización avanzada, y mantener inversiones sostenidas en infraestructura portuaria. La experiencia de la región Norte-Centro, impulsada por la ampliación del Canal de Panamá, evidencia que la modernización y conectividad portuaria generan impactos positivos significativos en productividad y competitividad regional.
En términos de investigación futura, se sugiere explorar cómo distintos modelos de gobernanza portuaria y estrategias de inversión influyen en la eficiencia y el desarrollo económico local. Además, analizar el papel de la innovación tecnológica y la digitalización de operaciones portuarias permitirá identificar prácticas óptimas replicables en otras regiones, generando recomendaciones precisas para fortalecer la competitividad portuaria y su contribución al crecimiento económico sostenible.
En síntesis, este estudio aporta evidencia empírica sobre las diferencias estructurales en eficiencia técnica de los puertos latinoamericanos y su evolución temporal, resaltando la relevancia del cambio tecnológico, la innovación y la infraestructura en la consolidación de un sistema portuario más eficiente, resiliente e integrado a las cadenas globales de valor.
Los autores expresan su agradecimiento a la Universidad Peruana de Ciencias Aplicadas por el respaldo institucional, así como a los revisores anónimos por sus valiosas observaciones, las cuales han contribuido de manera sustancial al fortalecimiento del presente artículo.
Conceptualización, A.P. y V.B.; Metodología, A.P.; Software, A.P.; Adquisición de datos, A.P.; Análisis e interpretación, A.P.; Redacción-Preparación del borrador, A.P., V.B. y D.S.; Redacción-Revisión y Edición, A.P., V.B. y D.S. Todos los autores leyeron y están de acuerdo con la versión publicada del manuscrito.
1
Abrahamsson, B. J. (1984). The competitive dynamics of container shipping: By Sidney Gilman Gower, Aldershot, UK, 1983, 152 pp (Book review). Marine Policy, 8(3), 287–288. https://doi.org/10.1016/0308-597X(84)90015-0
2
Adler, N., Hirte, G., Kumar, S., & Niemeier, H.-M. (2025). The impact of governance on the technical efficiency of container ports. Transportation Research Part A: Policy and Practice, 199, 104578. https://doi.org/10.1016/j.tra.2025.104578
3
Angulo-Bustinza, H., & Lis-Gutiérrez, J. P. (2023). Trade and inclusive economic growth: China and Latin America (2004-2021). Retos, 13, 309–323. https://doi.org/10.17163/ret.n26.2023.08
4
Asian Development Bank. (2025). Asian Development Outlook 2025: Strengthening regional integration in Asia-Pacific. ADB. https://aric.adb.org/aeir2025
5
Asia-Pacific Economic Cooperation. (2014). APEC Connectivity Blueprint 2015–2025. APEC. https://www.apec.org/Publications/2015/01/APEC-Connectivity-Blueprint
6
Barboza Sánchez, L. (2024). Economic challenges and opportunities of the Mega Port of Chancay for international trade. Indian Journal of Economics and Finance (IJEF), 4(2), 101–110. https://doi.org/10.54105/ijef.C8146.04021124
7
Barbieri, E., & Capoani, L. (2025). Renewable energy, resilience, digitalization, and industrial policies in seaborne transport. Energies, 18(5), 1089. https://doi.org/10.3390/en18051089
8
Barros, C. P. (2003). The measurement of efficiency of Portuguese sea port authorities with DEA. International Journal of Transport Economics, 30(3), 335–354. https://www.scopus.com/inward/record.uri?eid=2-s2.0-0347622616&partnerID=40&md5=f4ee503c44213a7a7b8dbb32db4fb5a1
9
Barros, C., Assaf, A., & Ibiwoye, A. (2010). Bootstrapped technical efficiency of African seaports. In Essays on port economics (pp. 237–250). https://doi.org/10.1007/978-3-7908-2425-4_15
10
Battese, G. E., Rao, D. S. P., & O’Donnell, C. J. (2004). A metafrontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies. Journal of Productivity Analysis, 21(1), 91–103. https://doi.org/10.1023/B:PROD.0000012454.06094.29
11
Bernhofen, D. M., El-Sahli, Z., & Kneller, R. (2016). Estimating the effects of the container revolution on world trade. Journal of International Economics, 98, 36–50. https://doi.org/10.1016/j.jinteco.2015.09.001
12
BID [Banco Interamericano de Desarrollo]. (2013). Diagnóstico sobre el desempeño de los puertos y estudio de conectividad portuaria en Belice, Centroamérica y la República Dominicana (J. Abad & P. Guerrero, Eds.). https://doi.org/10.18235/0010508
13
Carlini, E., Di Gangi, D., Monteiro de Lira, V., Kavalionak, H., Soares, A., & Spadon, G. (2024). ImPORTance: Machine learning-driven analysis of global port significance and network dynamics for improved operational efficiency. arXiv. https://doi.org/10.48550/arXiv.2407.09571
14
Cele, L. P., Wallace, M., & Shalloo, L. (2022). Regional technical efficiency rankings and their determinants in the Irish dairy industry: A meta‐frontier analysis. Agribusiness, 38(4), 927–946. https://doi.org/10.1002/agr.21791
15
CEPAL [Comisión Económica para América Latina y el Caribe] (2004). Puertos y transporte marítimo en América Latina y el Caribe: Un análisis de su desempeño reciente (Serie Recursos Naturales e Infraestructura, Nº 73). https://hdl.handle.net/11362/6452
16
CEPAL. (2024). Informe portuario 2023–2024: señales mixtas en comercio, puertos y nuevas disrupciones. https://www.cepal.org/es/publicaciones/81386-informe-portuario-2023-2024-senales-mixtas-comercio-puertos-nuevas-disrupciones
17
Chang, V., & Tovar, B. (2014a). Drivers explaining the inefficiency of Peruvian and Chilean ports terminals. Transportation Research Part E: Logistics and Transportation Review, 67, 190–203. https://doi.org/10.1016/j.tre.2014.04.011
18
Chang, V., & Tovar, B. (2014b). Efficiency and productivity changes for Peruvian and Chilean ports terminals: A parametric distance functions approach. Transport Policy, 31, 83–94. https://doi.org/10.1016/j.tranpol.2013.11.007
19
Chen, Z. (2015). Research on the interaction between innovation and port-city economic system: A case from China. Discrete Dynamics in Nature and Society, 2015, 1–9. https://doi.org/10.1155/2015/692476
20
Cheng, Z., Liu, J., Li, L., & Gu, X. (2020). Research on meta-frontier total-factor energy efficiency and its spatial convergence in Chinese provinces. Energy Economics, 86, 104702. https://doi.org/10.1016/j.eneco.2020.104702
21
Coelli, T. (1996). A Guide to DEAP Version 2.1: A Data Envelopment Analysis (Computer) Program. http://www.une.edu.au/econometrics/cepa.htm
22
Cooke, P. (1998). Introduction: Origins of the concept. University of Illinois. https://ssrn.com/abstract=1497770
23
Cullinane, K., Song, D.-W., & Gray, R. (2002). A stochastic frontier model of the efficiency of major container terminals in Asia: Assessing the influence of administrative and ownership structures. Transportation Research Part A: Policy and Practice, 36(8), 743–762. https://doi.org/10.1016/S0965-8564(01)00035-0
24
Cullinane, K., Song, D.-W., Ji, P., & Wang, T.-F. (2004). An application of DEA windows analysis to container port production efficiency. Review of Network Economics, 3(2). https://doi.org/10.2202/1446-9022.1050
25
Danladi, C., Tuck, S., Tziogkidis, P., Tang, L., & Okorie, C. (2024). Efficiency analysis and benchmarking of container ports operating in lower-middle-income countries: a DEA approach. Journal of Shipping and Trade, 9, Article 7. https://doi.org/10.1186/s41072-024-00163-2
26
Danladi, C., Tuck, S., Tziogkidis, P., et al. (2025). The impact of port sector reforms on the productivity and efficiency of container ports in lower-middle-income countries: A Malmquist productivity index approach. Journal of Shipping and Trade, 10, 18. https://doi.org/10.1186/s41072-025-00208-0
27
Delfin-Ortega, O., & Navarro-Chávez, J. C. L. (2016). La eficiencia de los puertos en la región del APEC, 2005–2013: Una medición a través del análisis de la frontera estocástica (SFA). Revista Problemas del Desarrollo, 47(186), 9–34. https://www.redalyc.org/journal/4337/433753442002/
28
Delfin-Ortega, O. (2025). Maritime logistics and economic growth in the context of APEC: A two-stage data envelopment analysis study. Journal of Shipping and Trade, 10, 2. https://doi.org/10.1186/s41072-024-00191-y
29
Mortimer, D. (2017). Competing methods for efficiency measurement: A systematic review of direct DEA vs SFA/DFA comparisons. https://doi.org/10.4225/03/5936198cb910f
30
Ding, Z.-Y., Jo, G.-S., Wang, Y., & Yeo, G.-T. (2015). The relative efficiency of container terminals in small and medium-sized ports in China. Asian Journal of Shipping and Logistics, 31, 231–251. https://doi.org/10.1016/j.ajsl.2015.06.004
31
Dore, R. (1988). Technology policy and economic performance; lessons from Japan: Christopher Freeman (Book review). Research Policy, 17(5), 309–310. https://doi.org/10.1016/0048-7333(88)90011-X
32
Dwarakish, G. S., & Salim, A. (2015). Review on the role of ports in the development of a nation. Aquatic Procedia, 4, 295–301. https://doi.org/10.1016/j.aqpro.2015.02.040
33
Estache, A., González, M., & Trujillo, L. (2002). Efficiency Gains from Port Reform and the Potential for Yardstick Competition: Lessons from Mexico. World Development, 30(4), 545–560. https://doi.org/https://doi.org/10.1016/S0305-750X(01)00129-2
34
Fare, R., Grosskopf, S., Norris, M., & Zhang, Z. (1994). Productivity growth, technical progress, and efficiency change in industrialized countries. American Economic Review, 84(1), 66–83. https://EconPapers.repec.org/RePEc:aea:aecrev:v:84:y:1994:i:1:p:66-83
35
Fay, M., & Morrison, M. (2007). Infrastructure in Latin America and the Caribbean: Recent developments and key challenges. The World Bank. http://documents.worldbank.org/curated/en/281921468046857576
36
González, M. M., & Trujillo, L. (2009). Efficiency measurement in the port industry: A survey of the empirical evidence. Journal of Transport Economics and Policy, 43(2), 157–192. https://www.ingentaconnect.com/content/lse/jtep/2009/00000043/00000002/art00002
37
González Laxe, F., & Garcia-Alonso, L. (2016). The adaptation process in port governance: The case of the Latin countries in South America and Europe. Journal of Shipping and Trade, 1, 1. https://doi.org/10.1186/s41072-016-0018-y
38
Guasch, J., & Kogan, J. (2006). Inventories and logistic costs in developing countries: Levels and determinants – A red flag for competitiveness and growth. Revista de la Competencia y de la Propiedad Intelectual, 1(1). https://revistas.indecopi.gob.pe/index.php/rcpi/article/view/21
39
Guasch, J. L. (2011). La logística como motor de la competitividad en América Latina y el Caribe. https://doi.org/10.18235/0007618
40
Halkos, G. E., & Tzeremes, N. G. (2012). The effect of access to improved water sources and sanitation on economic efficiency: The case of Sub-Saharan African countries. South African Journal of Economics, 80(2), 246–263. https://doi.org/10.1111/j.1813-6982.2011.01281.x
41
Halkos, G. E., & Tzeremes, N. G. (2015). Measuring seaports' productivity: A Malmquist productivity index decomposition approach. Journal of Transport Economics and Policy, 49(2), 355–376. https://www.ingentaconnect.com/content/lse/jtep/2015/00000049/00000002/art00011
42
Honorato, C., & Claudio Ribeiro, L. (2020). The emergence of port engineering in the light of capitalist modernization in Brazil, 1860–1940. International Journal of Maritime History, 32(1), 201-217. https://doi.org/10.1177/0843871419886807
43
Hung, S.-W., Lu, W.-M., & Wang, T.-P. (2010). Benchmarking the operating efficiency of Asia container ports. European Journal of Operational Research, 203(2), 706–713. https://doi.org/10.1016/j.ejor.2009.09.005
44
Hsu, W.-K. K., Huang, S.-H. S., & Huynh, N. T. (2023). An assessment of operating efficiency for container terminals in a port: An empirical study in Kaohsiung Port using Data Envelopment Analysis. Research in Transportation Business & Management, 46, 100823. https://doi.org/10.1016/j.rtbm.2022.100823
45
International Monetary Fund, 2024, IMF Data Portal: Direction of Trade Statistics. Retrieved from: 〈https://www.imf.org/en/Data〉 (accessed 12.12.2024).
46
Jarumaneeroj, P., Barnett Lawton, J. & Svindland, M. An evolution of the Global Container Shipping Network: port connectivity and trading community structure (2011–2017). Maritime Economics Logistics, 26, 283–306 (2024). https://doi.org/10.1057/s41278-023-00273-x
47
Jeh, J., Nam, J., Sim, M., Kim, Y., & Shin, Y. (2022). A Study on the Efficiency Analysis of Global Terminal Operators Based on the Operation Characteristics. Sustainability, 14(1), 536. https://doi.org/10.3390/su14010536
48
Ji, Y., Lu, J., Su, W., & Xie, D. (2025). Assessing port connectivity from the perspective of the supply chain: A Bayesian network-based integrated approach. Sustainability, 17(14), 6643. https://doi.org/10.3390/su17146643
49
Jiang, J., Lee, L. H., Chew, E. P., & Gan, C. C. (2015). Port connectivity study: An analysis framework from a global container liner shipping network perspective. Transportation Research Part E: Logistics and Transportation Review, 73, 47–64. https://doi.org/10.1016/j.tre.2014.10.012
50
Kahveci, E. (1999). Fast turnaround ships and their impact on crews (Project Report). Seafarers International Research Centre. https://orca.cardiff.ac.uk/id/eprint/167215
51
Kishore, L., Pai, Y. P., Ghosh, B. K., & Pakkan, S. (2024). Maritime shipping ports performance: A systematic literature review. Discover Sustainability, 5, 108. https://doi.org/10.1007/s43621-024-00299-y
52
Kutin, N., Nguyen, T. T., & Vallée, T. (2017). Relative efficiencies of ASEAN container ports based on data envelopment analysis. The Asian Journal of Shipping and Logistics, 33(2), 67–77. https://doi.org/10.1016/j.ajsl.2017.06.004
53
Krmac, E., & Mansouri Kaleibar, M. (2023). A comprehensive review of data envelopment analysis (DEA) methodology in port efficiency evaluation. Maritime Economics & Logistics, 25(4), 817–881. https://doi.org/10.1057/s41278-022-00239-5
54
Krmac, E., & Djordjević, B. (2024). Port environmental efficiency assessment using the one-stage and two-stage model DEA: Comparison of Koper and Dublin ports. Environment, Development and Sustainability, 26, 10397–10427. https://doi.org/10.1007/s10668-023-03151-x
55
Laxe, F. G. (2010). Port marketing strategies and the challenges of maritime globalization. In P. Coto-Millán, M. Pesquera, & J. Castanedo (Eds.), Essays on port economics (pp. 5–18). Physica. https://doi.org/10.1007/978-3-7908-2425-4_2
56
Lee, H.-S., Chou, M.-T., & Kuo, S.-G. (2005). Evaluating port efficiency in Asia Pacific region with recursive data envelopment analysis. Journal of the Eastern Asia Society for Transportation Studies, 6, 544–559. https://easts.info/on-line/journal_06/544.pd
57
Lin, R., Wang, X., & Jiang, Y. (2024). Ecological Efficiency Measurement and Technical Heterogeneity Analysis in China: A Two-Stage Three-Level Meta-Frontier Network Model Based on Segmented Projection. Systems, 12(1), 22. https://doi.org/10.3390/systems12010022
58
Liu, Q. (2010). Efficiency analysis of container ports and terminals (Doctoral thesis, University College London). UCL Discovery. https://discovery.ucl.ac.uk/id/eprint/19215
59
Lundvall, B.-Å. (2007). National innovation systems—Analytical concept and development tool. Industry & Innovation, 14, 95–119. https://doi.org/10.1080/13662710601130863
60
Merk, O., & Dang, T. (2012). Efficiency of world ports in container and bulk cargo (oil, coal, ores and grain). OECD Regional Development Working Papers, 2012/09. OECD Publishing. https://doi.org/10.1787/5k92vgw39zs2-en
61
Miller, K., Hyodo, T. (2022). Assessment of port efficiency within Latin America. Journal of Shipping and Trade, 7, Article 4. https://doi.org/10.1186/s41072-021-00102-5
62
Mudronja, G., Jugović, A., & Škalamera-Alilović, D. (2020). Seaports and economic growth: Panel data analysis of EU port regions. Journal of Marine Science and Engineering, 8(12), 1017. https://doi.org/10.3390/jmse8121017
63
Munim, Z. H., & Schramm, H. J. (2018). The impacts of port infrastructure and logistics performance on economic growth: The mediating role of seaborne trade. Journal of Shipping and Trade, 3(1), 1. https://doi.org/10.1186/s41072-018-0027-0
64
Munisamy, S., & Singh, G. (2011). Benchmarking the efficiency of Asian container ports. African Journal of Business Management, 5(4), 1397–1407. http://www.academicjournals.org/AJBM
65
Mustafa, F. S., Khan, R. U., & Mustafa, T. (2021). Technical efficiency comparison of container ports in Asian and Middle East region using DEA. The Asian Journal of Shipping and Logistics, 37(1), 12–19. https://doi.org/10.1016/j.ajsl.2020.04.004
66
Nelson, R. R. (1993). National innovation systems: A comparative analysis. University of Illinois. https://ssrn.com/abstract=1496195
67
Nguyen, H.-O., Nguyen, H.-V., Chang, Y.-T., Chin, A., & Tongzon, J. (2015). Measuring port efficiency using bootstrapped DEA: the case of Vietnamese ports. Maritime Policy & Management, 43(5), 644–659. https://doi.org/10.1080/03088839.2015.1107922
68
Pabón-Noguera, A., Carrasco-García, M. G., Ruíz-Aguilar, J. J., Rodríguez-García, M. I., Cerbán-Jimenez, M., & Domínguez, I. J. T. (2024). Multicriteria Decision Model for Port Evaluation and Ranking: An Analysis of Container Terminals in Latin America and the Caribbean Using PCA-TOPSIS Methodologies. Applied Sciences, 14(14), 6174. https://doi.org/10.3390/app14146174
69
Park, R., & De, P. (2004). An alternative approach to efficiency measurement of seaports. Maritime Economics and Logistics, 6(1), 53–69. https://doi.org/10.1057/palgrave.mel.9100094
70
Patel, H., & Chang, C.-T. (2024). Beyond throughput: Evaluating maritime port competitiveness using MABAC and Bayesian methods. Computers & Industrial Engineering, 192, 110248. https://doi.org/10.1016/j.cie.2024.110248
71
Wanke, P. F., Barbastefano, R. G., & Hijjar, M. F. (2011). Determinants of efficiency at major Brazilian port terminals. Transport Reviews, 31(5), 653–677. https://doi.org/10.1080/01441647.2010.547635
72
Poo, C. P., & Yip, T. L. (2019). An optimization model for container inventory management. Annals of Operations Research, 273, 433–453. https://doi.org/10.1007/s10479-017-2708-8
73
Rodrigue, J.-P. (2020). The geography of transport systems (5th ed.). Routledge. https://doi.org/10.4324/9780429346323
74
Rodríguez, A., Gil Ropero, A., Cerban, M. M., & Trujillo, L. (2025). Examining the influence of corruption on port efficiency in West Africa and the Mid-Atlantic: A bootstrapped DEA analysis. Ocean & Coastal Management, 269, 107813. https://doi.org/10.1016/j.ocecoaman.2025.107813
75
Rezaei, J., van Wulfften Palthe, L., Tavasszy, L., Wiegmans, B., & van der Laan, F. (2019). Port performance measurement in the context of port choice: An MCDA approach. Management Decision, 57(2), 396–417. https://doi.org/10.1108/MD-04-2018-0482
76
Sánchez, E. L., Tello, M. A., & Díaz, R. C. (2013). ¿Es el desarrollo portuario una alternativa para el crecimiento económico de las naciones?https://repository.umng.edu.co/items/71a4867c-4215-48ea-b6f8-ed71c7b0e255
77
78
Sande, D. (2024). Do the structural funds in innovation influence the growth of companies? analysis through the ERDF-Innterconecta programme in Andalusia differentiating by business size and role in the project. Investigaciones Regionales/Journal of Regional Research, (58), 5-29. https://dx.doi.org/10.38191/iirr-jorr.24.001
79
Sande, D. (2025a). The leakage of European funds from Andalusia to other Spanish regions, the case of Innterconecta programme by business indicators. European Planning Studies, 33(4), 1-25. https://doi.org/10.1080/09654313.2024.2446330
80
81
Simões, P., & Marques, R. (2010). Seaport performance analysis using robust non-parametric efficiency estimators. Transportation Planning and Technology, 33(6), 435–451. https://doi.org/10.1080/03081060.2010.502375
82
Sooprayen, K., Van de Kaa, G., & Pruyn, J. F. J. (2024). Factors for innovation adoption by ports: A systematic literature review. Journal of Ocean Engineering and Marine Energy, 10, 953–962. https://doi.org/10.1007/s40722-024-00339-9
83
Suárez-Alemán, A., Serebrisky, T., & Ponce De León, O. (2018). Port competition in Latin America and the Caribbean: the role of concessions and competition policy. Maritime Policy & Management, 45(5), 665-683. https://doi.org/10.1080/03088839.2017.1418538
84
Shamshol Bahri, M. S., Shariff, S. S. R., & Yahya, N. (2023). Comparative analysis on decision criteria for port personnel using hybrid analytical hierarchy process (H-AHP). International Journal of the Analytic Hierarchy Process, 14(3). https://doi.org/10.13033/ijahp.v14i3.974
85
Torres, A., & Navarro-Chávez, J. (2022). El sistema logístico del comercio exterior en los países del APEC: Un análisis DEA-Network. CONfines de Ciencia Política y Relaciones Internacionales, 34, 11–28. https://doi.org/10.46530/cf.vi34/cnfns.n34.p11-28
86
Tovar, B., & Wall, A. (2022). The relationship between port-level maritime connectivity and efficiency. Journal of Transport Geography, 98, Article 103213. https://doi.org/10.1016/j.jtrangeo.2021.103213
87
UNCTAD [United Nations Conference on Trade and Development]. (2023). Frontier Technology Readiness Index & Productive Capacities Index. UNCTADstat Data Centre. Recuperado de https://unctadstat.unctad.org/
88
UNCTAD. (2024). Review of Maritime Transport 2024. UNCTAD. https://unctad.org/system/files/official-document/rmt2024_en.pdf
89
UNCTAD. (2025b). Statistical guidelines for measuring productive capacities. United Nations Conference on Trade and Development. https://unctad.org/system/files/official-document/aldc2025d4_en.pdf
90
UNCTAD. (2025a). UNCTADstat Data Centre: Container port throughput, annual (analytical). United Nations Conference on Trade and Development. https://unctadstat.unctad.org
91
Wang, C.-N., Nguyen, P.-H., Nguyen, T.-L., Nguyen, T.-G., Nguyen, D.-T., Tran, T.-H., Le, H.-C., & Phung, H.-T. (2022). A Two-Stage DEA Approach to Measure Operational Efficiency in Vietnam’s Port Industry. Mathematics, 10(9), 1385. https://doi.org/10.3390/math10091385
92
Wang, Q., Li, L., & Sun, J. (2022). Environmental efficiency of port and regional system: A two-stage network efficiency model. Computers & Industrial Engineering, 171, 108462. https://doi.org/10.1016/j.cie.2022.108462
93
Wanke, P. F. (2013). Physical infrastructure and shipment consolidation efficiency drivers in Brazilian ports: A two-stage network-DEA approach. Transport Policy, 29, 145–153. https://doi.org/https://doi.org/10.1016/j.tranpol.2013.05.004
94
Wilmsmeier, G., Tovar, B., & Sanchez, R. J. (2013). The evolution of container terminal productivity and efficiency under changing economic environments. Research in Transportation Business & Management, 8, 50–66. https://doi.org/https://doi.org/10.1016/j.rtbm.2013.07.003
95
Wilmsmeier, G., Monios, J., & Pérez-Salas, G. (2014). Port system evolution–the case of Latin America and the Caribbean. Journal of Transport Geography, 39, 208-221. https://doi.org/10.1016/j.jtrangeo.2014.07.007
96
World Bank & S&P Global Market Intelligence. (2024). Container Port Performance Index (CPPI) 2020–2024. Open Knowledge Repository. https://openknowledge.worldbank.org/handle/10986/39007
97
Xie, Y., & Hu, R. (2024). Assessing the technical efficiency performance of Chinese ports logistics: Evidence from the DEA and fsQCA. PLOS ONE, 19(4), e0300655. https://doi.org/10.1371/journal.pone.0300655
98
Zamora Torres, A. I. (2018). Logística del comercio internacional de la región de la Cuenca del Pacífico a través del Análisis Envolvente de Datos Network. Contaduría y Administración, 63(4), 1–25. Enlace (Redalyc): https://www.redalyc.org/journal/395/39572279007
99
Zhang, J., Deng, S., Kim, Y., & Zheng, X. (2024). A comparative analysis of performance efficiency for the container terminals in China and Korea. Journal of Marine Science and Engineering, 12(9), 1568. https://doi.org/10.3390/jmse12091568
100
Zhang, J., Yang, D., & Luo, M. (2024). Port efficiency types and perspectives: A literature review. Transport Policy, 156, 13–24. https://doi.org/10.1016/j.tranpol.2024.07.014
101
Zhou, J. (2023). A double-edged sword: Chinese direct investment in Latin America. Structural Change and Economic Dynamics, 67, 234–249. https://doi.org/10.1016/j.strueco.2023.07.010
102
Zepeda-Ortega, I., Ángeles-Castro, G., & Carrillo-Murillo, D. (2017). Infraestructura portuaria y crecimiento económico regional en México. Economía Sociedad y Territorio, 17, 337. https://doi.org/10.22136/est002017806
