APLICACIÓN DEL METODO VALORACION CONTINGENTE - Taller

UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO
ESCUELA DE POST GRADO

Maestria en Ingenieria Agricola
Mencion: Gestion y Auditoria Ambiental
APLICACIN DEL METODO VALORACION CONTINGENTE
ESTIMACION DE LA DISPONIBILIDAD A PAGAR DE LOS HABITANTES DE
LA CIUDAD DE PUNO POR EL TRATAMIENTO DE AGUAS SERVIDAS
A partir del modelo planteado en el taller prctico se tiene lo siguiente:
Dicho modelo nos permitir ingresar los datos con los variables en el orden
correspondiente. En base a ello se contestaran las siguientes preguntas:
1. Ilustrar las estadsticas descriptivas de las variables utilizadas en
el modelo a estimar : Las variables PREC, ING, EDU, CONT, DIST,
ENF, GEN, HIJO, EDAD
DescriptiveStatistics
Allresultsbasedonnonmissingobservations.
===============================================================================
VariableMeanStd.Dev.MinimumMaximumCases
===============================================================================
Allobservationsincurrentsample
PREC3.416666671.72016744.5000000007.00000000390
ING3.348717951.490824001.000000007.00000000390
EDU3.13846154.9759618251.000000005.00000000390
CONT.428205128.495454255.0000000001.00000000390
DIST3.77179487.5840417271.000000004.00000000390
ENF.248717949.432825235.0000000001.00000000390
GEN.507692308.500583010.0000000001.00000000390
HIJO.679487179.467273164.0000000001.00000000390
EDAD2.674358971.262107011.000000005.00000000390
PSI.571794872.495454255.0000000001.00000000390
2. Estimar un modelo logit, donde

estimados y los efectos marginales
se
++
|MultinomialLogitModel|
|MaximumLikelihoodEstimates|
|Modelestimated:Jun14,2013at07:00:13AM.|
|DependentvariablePSI|
|WeightingvariableNone|
|Numberofobservations390|
|Iterationscompleted6|
|Loglikelihoodfunction199.4693|
Pgina
1
ilustre
los
coeficientes

|Restrictedloglikelihood266.2930|
|Chisquared133.6472|
|Degreesoffreedom9|
|Prob[ChiSqd>value]=.0000000|
|HosmerLemeshowchisquared=21.15263|
|Pvalue=.00675withdeg.fr.=8|
++
Pgina
2

+++++++
|Variable|Coefficient|StandardError|b/St.Er.|P[|Z|>z]|MeanofX|
+++++++
CharacteristicsinnumeratorofProb[Y=1]
Constant1.601673301.215607771.318.1876
PREC.49218090.079630906.181.00003.41666667
ING.51617779.104941904.919.00003.34871795
EDU.43671846.157440342.774.00553.13846154
CONT.65594146.276172362.375.0175.42820513
DIST.69270097.253055662.737.00623.77179487
ENF.29410073.291642061.008.3132.24871795
GEN.06547728.25941833.252.8007.50769231
HIJO.14775757.27392281.539.5896.67948718
EDAD.16263826.107251201.516.12942.67435897
+++++++
|Variable|Coefficient|StandardError|b/St.Er.|P[|Z|>z]|Elasticity|
+++++++
Constant.38536789.290928821.325.1853
PREC.11842035.019086256.204.0000.67779880
ING.12419408.025217584.925.0000.69670883
EDU.10507591.037899772.772.0056.55244849
MarginaleffectfordummyvariableisP|1P|0.
CONT.15510992.063759642.433.0150.11126620
DIST.16666614.060580642.751.00591.05309437
ENF.06955826.067661281.028.3039.02898195
GEN.01575126.06239872.252.8007.01339639
HIJO.03571352.06646880.537.5911.04065236
EDAD.03913130.025798021.517.1293.17531370
|MarginalEffectsfor|
+++
|Variable|AllObs.|
+++
|ONE|.38537|
|PREC|.11842|
|ING|.12419|
|EDU|.10508|
|CONT|.15511|
|DIST|.16667|
|ENF|.06956|
|GEN|.01575|
Pgina
3

|HIJO|.03571|
|EDAD|.03913|
+++
AnalysisofBinaryChoiceModelPredictionsBasedonThreshold=.5000
PredictionSuccess
Sensitivity=actual1scorrectlypredicted82.960%
Specificity=actual0scorrectlypredicted70.659%
Positivepredictivevalue=predicted1sthatwereactual1s79.060%
Negativepredictivevalue=predicted0sthatwereactual0s75.641%
Correctprediction=actual1sand0scorrectlypredicted77.692%
3. Interpretar desde el punto de vista econmico y estadstico el modelo

estimado.
Logaritmo de verosimilitud restringida -266.2930
Chi cuadrado 133.6472
Grados de libertad 9
Prediccin correcta = 1s y 0s real predijo correctamente 77,692%
El model test es mayor a cero lo que nos indica que se rechaza la hiptesis
nula; asimismo que no existe dependencia
Los resultados negativos que salen al programar y estimar el DAP lo cual no
resulta lgico ya que no existen mejores en la estimacin adems de que
alcanzan a generar situaciones que pudieran ser percibidas como algo
negativo
4. Programar y estimar la DAP
DAP4.214578122.414297291.9243846212.0764156390
Pgina
4

>LIST;DAP$
Listingofrawdata(Currentsample)
LineObserv.DAP
116.52146
224.54471
335.98236
444.37571
552.92284
663.53663
776.80543
885.71970
997.45856
10108.33360
11115.45450
12125.95415
13134.79373
14141.80789
15152.60864
16162.46878
17172.81882
18184.31255
19192.29978
20204.11508
21213.13076
22224.58721
23235.62260
24245.68003
25255.52849
26264.79373
27274.12088
2828.61106
29295.58591
30303.19465
31311.68712
32322.46388
33337.94573
34342.98398
35352.52050
36368.14395
37374.71842
38382.27240
39395.37901
40405.06683
41411.92438
42427.23977
43435.9239
Pgina
5

5. En el caso de que la DAP contenga valores negativos, estimar el modelo

restringido, luego programar y estimar nuevamente la DAP.
++
|MultinomialLogitModel|
|MaximumLikelihoodEstimates|
|Modelestimated:Jun15,2013at07:53:52AM.|
|DependentvariablePSI|
|WeightingvariableNone|
|Numberofobservations390|
|Iterationscompleted6|
|Loglikelihoodfunction208.9167|
|Restrictedloglikelihood266.2930|
|Chisquared114.7524|
|Degreesoffreedom9|
|Prob[ChiSqd>value]=.0000000|
|HosmerLemeshowchisquared=30.90944|
|Pvalue=.00015withdeg.fr.=8|
++
+++++++
|Variable|Coefficient|StandardError|b/St.Er.|P[|Z|>z]|MeanofX|
+++++++
Constant.728519281.18082605.617.5373
ING.46050491.098955404.654.00003.34871795
EDU.48156827.155026773.106.00193.13846154
CONT.73673482.268169452.747.0060.42820513
DIST.63778590.248700722.564.01033.77179487
ENF.27756931.28662595.968.3328.24871795
Pgina
6

GEN.07058832.25199488.280.7794.50769231
HIJO.00140102.26420406.005.9958.67948718
EDAD.15117526.104857941.442.14942.67435897
PRECR.20450795.049696054.115.00002.74728827
=======================================================================
DAPRCON7
===============================================================================
===============================================================================
DAPR3.902076501.76724043.3159667756.91973061390
DAPRCON8
===============================================================================
===============================================================================
DAPR4.574358972.03479470.3771029347.93882365390
DAPRCON9
===============================================================================
===============================================================================
DAPR5.269003312.29987818.4429948608.95416270390
DAPR10
Pgina
7

===============================================================================
===============================================================================
DAPR5.984780062.56150579.5139258349.96610885390
6. Presentar conclusiones generales del modelo estimado y proponer alguna

recomendacin de poltica pblica.
Para crear un ambiente propicio para las inversiones se debe implantar una
serie de reformas estructurales para crear un ambiente propicio para el
ahorro, la inversin y la produccin.
Cumplir y hacer cumplir las leyes a todos por igual; teniendo en cuenta que
es indispensable tomar medidas radicales y efectivas para mitigar los daos
previstos bajo un sustento cierto y efectivo el cual es el modelo que se esta
presentando
La variable dependiente PSI representa si la persona est dispuesta a pagar

por el tratamiento de aguas servidas, la cual depende del precio hipottico
a pagar, conjunto de caractersticas ambientales: contaminacin, distancia
y enfermedades, ingreso, educacin, gnero, hijos y edad.
Asi mismo se puede implementar la variable calidad de vida o clase social

de las personas entrevistadas para conocer y dar mayor relevancia al precio
a pagar puesto que si no hay calidad de vida hablamos de un muerte lenta
de cada uno de los pobladores de los alrededores de dicha zona.
Pgina
8

El modelo propuesto es bsico para empezar nuevas investigaciones con

nuevos fines y objetivos, considero que la variable genero no es muy
determinante sin embargo nos ayuda a conocer la poblacin interesada
para crear con mayor cautela proyectos de educacin ambiental teniendo
en claro nuestra poblacin.
Pgina
9

APLICACIÓN DEL METODO VALORACION CONTINGENTE - Taller

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

APLICACIÓN DEL METODO VALORACION CONTINGENTE - Taller

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO

ESCUELA DE POST GRADO

2. Estimar un modelo logit, donde

UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO

UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO

UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO

3. Interpretar desde el punto de vista econmico y estadstico el modelo

4. Programar y estimar la DAP

UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO

UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO

5. En el caso de que la DAP contenga valores negativos, estimar el modelo

UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO

UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO

6. Presentar conclusiones generales del modelo estimado y proponer alguna

La variable dependiente PSI representa si la persona est dispuesta a pagar

Asi mismo se puede implementar la variable calidad de vida o clase social

UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO

El modelo propuesto es bsico para empezar nuevas investigaciones con

Você também pode gostar