Académique Documents
Professionnel Documents
Culture Documents
Octubre 2018
ii
Contents
1 Introducción 1
1.1 Necesidad de valorar económicamente los servicios ambientales . . . . . . . . 1
1.2 Concepto económico de valor . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Bienes públicos y valoración económica . . . . . . . . . . . . . . . . . . . . . 6
2 Marco teórico 9
2.1 Teoría de las preferencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Medidas de bienestar: cambio en precios . . . . . . . . . . . . . . . . . . . . 12
2.2.1 El problema del consumidor . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.2 Medidas de bienestar Hicksianas . . . . . . . . . . . . . . . . . . . . . 16
2.2.3 Medida de bienestar Marshalliana . . . . . . . . . . . . . . . . . . . . 19
2.3 Integrabilidad de sistemas de demanda . . . . . . . . . . . . . . . . . . . . . 20
2.3.1 Comparación de medidas de cambio en el bienestar . . . . . . . . . . 22
2.3.2 Ejemplos de medidas de bienestar . . . . . . . . . . . . . . . . . . . . 24
2.3.3 Aproximación numérica de medidas de bienestar . . . . . . . . . . . . 33
2.3.4 Cálculo de medidas de bienestar . . . . . . . . . . . . . . . . . . . . . 35
2.4 Medidas de bienestar: cambio en la calidad ambiental . . . . . . . . . . . . . 37
2.4.1 De…nición de las medidas de bienestar . . . . . . . . . . . . . . . . . 37
2.4.2 Diferencias entre disposición a pagar (DAP) y disposición a aceptar
(DAA) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.4.3 Integrabilidad y cambio en la calidad ambiental . . . . . . . . . . . . 40
iii
iv CONTENTS
Referencias 263
Prefacio
Ponemos a disposición de toda la comunidad una versión pdf del libro de valoración económica
del medio ambiente, que fue publicado en 2007 por Thompson Learning Argentina. Por favor
citar como: "Vasquez, F., A. Cerda y S. Orrego (2007) Valoración Económica del Am-
biente. Thompson Learning, Argentina". Esperamos actualizar el texto a la brevedad con
los avances en áreas como valoración de Servicios Ecosistémicos, Experimentos de Elección,
Diseños Óptimos para preferencias declaradas, modelos discretos continuos, etc. Comentar-
ios y sugerencias son bienvenidos al email: fvlavin@gmail.com.
vii
viii PREFACE
Chapter 1
Introducción
1
2 CHAPTER 1. INTRODUCCIÓN
través del Producto Interno Bruto (PIB). Otra alternativa de uso del bosque podría ser su
conservación con el propósito de garantizar un ‡ujo de servicios ambientales del ecosistema
forestal. En este caso estos servicios ambientales no se re‡ejarán en indicadores de actividad
económica por no estar incluidos en el PIB.
La toma de decisiones sobre el uso de los recursos naturales es una tarea inevitable la
cual está directamente relacionada con la de…nición de valor. En cualquier proceso de toma
de decisiones donde se busca elegir la mejor alternativa a implementar, es necesario contar
con un criterio que permita decidir sobre cuál es la mejor alternativa para la sociedad.
Obviamente, la de…nición sobre qué es lo mejor para la sociedad constituye un juicio de
valor. La teoría económica valora de manera particular los recursos naturales y servicios
ambientales. La valoración se basa en las preferencias subjetivas de los individuos que
componen la sociedad. En esencia, se propende por el máximo bienestar social con el menor
costo posible. En otras palabras, el análisis económico intenta alcanzar los objetivos sociales
en forma e…ciente y para ello emplea el análisis costo-bene…cio. En la mayoría de los casos esto
implica asignar un precio o valor monetario a los recursos naturales y servicios ambientales.
Una amplia variedad de las actividades realizadas por las personas o las empresas afectan
la cantidad y calidad de los recursos naturales y servicios ambientales. Generalmente, aque-
llos que desarrollan estas actividades no toman en cuenta, como parte de sus decisiones, los
posibles impactos que provocan sobre los recursos naturales y el ambiente. Esta conducta
muestra como la sociedad está valorando, así sea de manera implícita, el ambiente. De una
u otra manera algún tipo de ponderación se le asigna al ambiente al momento de tomar
decisiones en relación con la puesta en marcha de actividades productivas. La actual pon-
deración del ambiente en la toma de decisiones es generalmente baja o en muchas ocasiones
inexistente.
Sin embargo, como lo sugieren Daily et al. (2000) la tendencia a subvalorar los ecosistemas
se está revirtiendo. En países como Australia y Costa Rica algunas iniciativas privadas y
públicas han contribuido a proteger y restaurar la vegetación nativa y la vida silvestre, lo cual
genera retornos económicos a través de actividades como la bioprospección, el ecoturismo y
la venta de certi…cados de captura de carbono.
Una mayor ponderación del ambiente en la toma de decisiones requiere de un cambio en
la conducta tanto de productores como de consumidores, al igual que un cambio en las insti-
tuciones legales para incorporar mecanismos de prevención y de sanción a los responsables
de daños ambientales basados en incentivos económicos.
Algunos grupos sociales sostienen que no es moralmente aceptable el intento de asignarle
un precio a los recursos naturales y servicios ambientales, ya que su valor podría ser in…nito o
en ocasiones imposible de cuanti…car en términos económicos. Este argumento es correcto si
se asume que un cambio global representa una inminente amenaza para la existencia humana.
Sin embargo, la sociedad generalmente enfrenta cambios ambientales de una magnitud no tan
extrema. La economía ambiental pretende evitar la subvaloración del ambiente en la toma
de decisiones, a través de la incorporación del valor económico de estos cambios ambientales
dentro del análisis costo-bene…cio. Igualmente, la valoración económica puede servir como
complemento de la información de tipo legal, ecológica o social, disponible al momento de
tomar una decisión pública. En este sentido el análisis económico juega un papel importante
en la provisión de información a los responsables de tomar las decisiones públicas, en relación
con la conveniencia o no de proyectos de inversión que pueden afectar la calidad ambiental.
1.1. NECESIDAD DE VALORAR ECONÓMICAMENTE LOS SERVICIOS AMBIENTALES3
La valoración económica no debería ser la única herramienta de decisión, sino una más
entre una amplia gama de criterios que permiten a los responsables de las decisiones públicas,
o al público mismo, tomar decisiones de manera informada (Costanza et al., 1998). Es decir,
otras consideraciones morales son complementarias y no necesariamente compiten con el
análisis económico, máxime en un contexto de uso de los recursos naturales y del ambiente
caracterizado por complejidad e incertidumbre.
La valoración económica también aporta información relevante para determinar los nive-
les de regulación ambiental mediante la adopción de estándares ambientales. Así se tiene
una base para el establecimiento de multas, impuestos o subsidios que intentan alcanzar
el objetivo de calidad ambiental socialmente deseado. La valoración económica es también
requerida para la determinación del perjuicio económico o daño ocasionado a recursos y sis-
temas naturales por parte de agentes privados o públicos. Según Kopp & Smith (1993) el
daño ambiental se entiende como un perjuicio a los recursos naturales, el cual no permite
mantener un conjunto de activos naturales dentro de la esfera del interés público.
Desde esta perspectiva, el desarrollo de los métodos de valoración económica del ambi-
ente está directamente vinculado con los desafíos presentados por iniciativas legales o insti-
tucionales, principalmente en los Estados Unidos, para cuanti…car el valor de las compen-
saciones por daño a los ecosistemas naturales. Por ejemplo, la iniciativa legislativa llamada
Orden Ejecutiva 12291 del Gobierno de los Estados Unidos requiere que todos los proyectos
federales realicen un análisis de costo-bene…cio que incluya el valor económico del impacto
en los sistemas naturales. Este requerimento existe también en organismos internacionales
como el Banco Mundial y el Banco Interamericano de Desarrollo (BID). Otras legislaciones
importantes son la promulgación de la Ley de Agua Limpia (Clean Water Act) y de la ley
CERCLA (Comprehensive Environmental Response, Compensation, and Liability Act) en
1980, y su modi…cación en 1986 conocida como SARA (Superfund Amendments Reautho-
rization Act), las cuales establecen las responsabilidades en materia de contaminación y los
alcances de las posibles compensaciones económicas, así como también los requerimientos de
restauración o limpieza de los sitios afectados (Haab & McConnell, 2003).
Otros hechos son también relevantes en la historia de la valoración económica de daño
ambiental. Primero, la conformación de un panel de consejeros de NOAA (National Oceanic
and Atmospheric Administration) en 1987, con el propósito de realizar una valoración del
daño en el puerto de New Bedford (Massachusetts) causado por liberaciones de compuestos
orgánicos1 . Este estudio hizo parte del procedimiento de daño a recursos naturales estable-
cido por la promulgación de la ley CERCLA. Por la misma época, y como parte del marco
jurídico prevaleciente en el Estado de Colorado, se desarrollaba un proceso judicial de daño a
recursos naturales relacionado con perjuicios ocasionados a la tierra y las aguas super…ciales
por desechos de minería. Estos dos casos, Massachusetts y Colorado, sirvieron para la iden-
ti…cación de temas de investigación en lo que respecta a la valoración económica de daño a
recursos naturales (Kopp & Smith, 1993). Finalmente, uno de los hitos más importantes fue
el derrame petrolero de la Exxon Valdez (1989), lo cual centró la atención en la medición de
la magnitud de los daños asociados a un derrame petrolero y generó un interesante debate
1
El panel contó con la presencia de Kerry Smith, Gardner Brown Jr. y A. Myrick Freeman III, entre
otros. A su vez, en el equipo de investigación de la valoración del daño estuvieron Kenneth McConnell y
Robert Mendelsohn.
4 CHAPTER 1. INTRODUCCIÓN
sobre la valoración económica del daño y la estimación del valor de no uso o valor de uso
pasivo.
En países en vía de desarrollo la relación entre los métodos de valoración económica
y las instituciones gubernamentales o legislativas es mucho más tenue. En la mayoría de
los casos los esfuerzos de valoración han sido realizados por investigadores que no están
adscritos a organismos estatales. En otros casos la valoración económica hace parte del
análisis costo-bene…cio de normas de regulación ambiental (Vásquez & Cerda, 2000). Como
tendencia general se observa que varias de las aplicaciones de valoración económica en países
latinoamericanos han sido …nanciadas por bancos internationales (McConnell & Ducci, 1989;
Niklitschek & León, 1997).
Los valores de uso están relacionados con el uso directo y sustentable de los recursos.
El valor de uso indirecto se asocia a conceptos ecológicos o funciones ecosistémicas como
la regulación del clima y la …jación de carbono, entre otras. El valor de opción re‡eja la
disposición a pagar de los individuos por mantener los recursos para un eventual uso futuro.
El valor de no uso se asocia generalmente a los conceptos de valor de existencia, disposición
a pagar por preservar el ambiente, y el valor de legado o herencia que implica asegurar la
disponibilidad de los recursos para las generaciones futuras.
El uso de las métodos de valoración económica dependerá del tipo de valor económico que
es objeto de análisis. Aunque existe una amplia discusión de los métodos y su capacidad para
6 CHAPTER 1. INTRODUCCIÓN
capturar el valor económico total o un componente de éste, se concluye que los valores de uso
de los recursos naturales son capturados con los métodos de costos evitados e inducidos, de
costo del viaje y precios hedónicos. Para estimar los valores económicos de no uso se emplea
por lo general el método de valoración contingente.
o intangibles.
A …nales de los 40, y con un mayor énfasis a partir de la década del 70, apareció abun-
dante literatura especializada analizando las peculiaridades asociadas a la estimación de los
bene…cios por cambios en el ambiente. La literatura distingue métodos basados en compor-
tamiento observado, conocido como preferencias reveladas o métodos indirectos, y métodos
basados en la declaración de intenciones de comportamiento de los individuos, conocidos
como métodos directos. Dentro de los primeros se encuentran los métodos de costo del
viaje y precios hedónicos, incluyendo también los métodos que utilizan una estrutura micro-
económica de producción familiar (gastos defensivos y gastos en mitigación, entre otros). En
el segundo grupo se encuentra fundamentalmente el método de valoración contingente y sus
variantes (ratings, rakings y experimentos de opciones o alternativas).
Por último, es importante manifestar que los métodos de valoración económica poseen
limitaciones que deben considerarse al momento de su aplicación. Estas limitaciones podrían
explicar las diferencias en los valores obtenidos en diversas investigaciones. No sólo existen
diferencias en los valores estimados entre distintos métodos sino también variaciones dentro
de un método como resultado de diferentes especi…caciones del mismo. Esto ha dado origen
a una intensa discusión académica en torno a aspectos de naturaleza metodológica. Por
ejemplo, la iniciativa de NOAA (Arrow et al., 1993) re‡eja esta discusión en lo atinente a la
utilización del método de valoración contingente para la estimación de valores de no uso.
Como resultado de la diversidad y complejidad de las técnicas de estimación sería re-
comendable que el investigador posea un conocimiento adecuado de los métodos disponibles
y de sus respectivas limitaciones, con la idea de justi…car adecuadamente los valores hallados
empíricamente. Es además importante el uso simultáneo de más de un método para veri…car
y comparar los resultados obtenidos. Un rango de valores puede ser útil cuando el ejercicio
de valoración hace parte de la evaluación de un proyecto en el cual la información sobre el
límite superior o inferior puede ser su…ciente para justi…car una decisión de inversión.
El libro consta de los siguientes capítulos. El Capítulo 2 resume los conceptos micro-
económicos requeridos para comprender el desarrollo teórico de los métodos de valoración
económica. En los Capítulos 3, 4 y 5 se ilustran los métodos de costo del viaje, valoración con-
tingente y precios hedónicos, respectivamente. En estos capítulos inicialmente se presentan
los aspectos conceptuales de cada método, luego se discuten las estimaciones econométricas
y, …nalmente, se proveen ejemplos de la estimación de las respectivas medidas de bienestar.
Asimismo, el libro contiene tres apéndices. En el Apéndice A se ilustra la forma de obtener
las medidas de bienestar Hicksianas y Marshallianas para cambios en precio correspondientes
a las formas funcionales lineal, semilog y log-log. El Apéndice B resume conceptos básicos
de econometría. Finalmente, el Apéndice C presenta los comandos esenciales para escribir
una rutina en el paquete econométrico Limdep y para el uso de las bases de datos anexadas.
8 CHAPTER 1. INTRODUCCIÓN
Marco teórico
1
Satisfacción y utilidad son sinónimos desde la perspectiva económica y serán usados indistintamente a
través del texto.
9
10 CHAPTER 2. MARCO TEÓRICO
teoría de la elección2 .
Axioma 1 : Comparabilidad
Sean x1 = (x11 ; :::; x1n ) y x2 = (x21 ; :::; x2n ) dos conjuntos de bienes, donde x1i representa la
cantidad del i-ésimo bien en el conjunto x1 y x2i la cantidad del i-ésimo bien en el conjunto
x2: Un ordenamiento de las preferencias implica que el consumidor puede juzgar si x1 es
preferido a x2 , si x2 es preferido a x1 o si es indiferente entre ambos. Generalmente, el
ordenamiento se de…ne como x1 % x2 ; y se lee “x1 es al menos tan preferido como x2 ”. Por
lo tanto, los siguientes resultados son posibles
x1 x2 , x1 es indiferente a x2 .
Observe que uno de los componentes del conjunto xi puede ser un bien ambiental, tal
como calidad del aire, disponibilidad de sitios de recreación, biodiversidad, entre otros.
Axioma 2 : Re‡exividad
Axioma 3 : Transitividad
Axioma 4. : Continuidad
Los problemas de elección del consumidor suelen resolverse haciendo uso de instrumental
matemático como el cálculo diferencial, para lo cual es necesario que la forma de representar
las preferencias sea continua. Es decir, se debe descartar la posibilidad de saltos discretos
en las preferencias. Por está razón, se incorpora un axioma adicional de continuidad.
Los Axiomas 1 al 4 son su…cientes para representar el orden de preferencias a través de
una función de utilidad U (x) (Deaton & Muellbauer, 1980). Esta función de utilidad asigna
a cada conjunto de bienes un número que representa el nivel de utilidad obtenido por el
consumidor al acceder a un determinado conjunto de bienes. Este valor es un indicador del
bienestar obtenido por el individuo.
2
Un tratamiento más formal de estas propiedades es discutido en Varian (1996) y MasCollel et al. (1995).
2.1. TEORÍA DE LAS PREFERENCIAS 11
Axioma 5 : No saciedad
La función de utilidad U (x) es creciente en cada uno de sus argumentos. Esto quiere decir
que si un conjunto de bienes x1 tiene más de cada uno de sus elementos xi con respecto a otro
conjunto x2 , entonces U (x1 ) U (x2 ): Note que lo anterior es equivalente a que x1 % x2 : En
ocasiones el axioma de saciedad se describe como más es preferible a menos, implicando que
no es necesario que x1 tenga más de cada elemento. Es únicamente necesario que contenga
más de un solo componente, digamos x1j , e igual cantidad de los restantes elementos para
que x1 sea preferido y, por lo tanto, proporcione un mayor bienestar.
En general, se asume que la función de utilidad se representa en forma ordinal y no car-
dinal. A partir de estas funciones de utilidad ordinal se construye la teoría del consumidor,
en la cual la información relevante es el ordenamiento que los individuos hacen de las alter-
nativas disponibles y no la magnitud o valor de la función de utilidad. Para ello es necesario
que cualquier transformación monotónica de la función de utilidad preserve el orden de pref-
erencias. Una función es monótona si es siempre creciente o decreciente. Por lo tanto, si f (:)
es una función monótona arbitraria entonces se debe cumplir que f [U (x1 )] f [U (x2 )] si y
solamente si U (x1 ) U (x2 ).
Axioma 6 : Convexidad
x2
x* 2
x2 U2
1
U
x1 x1
donde pi es el precio del bien xi ; y p = (p1 ; :::; pn ) y x = (x1 ; :::; xn ) corresponden a los
vectores de precios y cantidades.
2.2. MEDIDAS DE BIENESTAR: CAMBIO EN PRECIOS 13
x2
x2 1 B
A
x20
U1
x11 x1 0 x1
M AX U (x)
X
n
s.a.: m = px = pi xi :
i=1
x2
Restricción
Presupuestaria
a
AREA NO
FACTIBLE
x* 2 U2
AREA
FACTIBLE U1
x*1 x1
en rede…nir el objetivo del consumidor como la minimización del gasto necesario para alcanzar
un nivel de utilidad determinado. Esto es,
Xn
M IN m = pi xi = px
i=1
s.a.: U (x) = U o :
Al resolver este problema se obtienen las demandas Hicksianas o compensadas, las cuales
dependen del vector de precios y del nivel de utilidad. Estas demandas son denotadas por
0 1
h1 (p; U )
B .. C
h(p; U ) = @ . A;
hn (p; U )
donde p es el vector de precios y U representa el nivel de utilidad.
Algunas propiedades importantes de las funciones de demanda Hicksianas y Marshallianas
son las siguientes:
Homogéneas de grado cero en precios e ingresos: Las funciones de demanda
Marshallianas son homogéneas de grado cero en precios e ingreso, mientras que las
demandas Hicksianas son homegéneas de grado cero en precios. Si aumentan los precios
y el ingreso en la misma proporción las cantidades demandadas no cambian, lo que
implica que no existe ilusión monetaria. Formalmente, para un escalar > 0 se cumple
que
xi = xi ( p; m) = xi (p; m):
Consistencia con la restricción presupuestaria: El valor total de las demandas
Hicksianas o Marshallianas, es decir el gasto total, debe ser igual al ingreso disponible
Xn Xn
pi xi (p; m) = pi hi (p; U ) = m:
i=1 i=1
2.2. MEDIDAS DE BIENESTAR: CAMBIO EN PRECIOS 15
xi = xi (p; m) = hi (p; U ):
@e @v=@pi
= :
@pi @v=@e
Usando el lema de Shepard se obtiene
@v=@pi
hi (p; U ) = :
@v=@e
Finalmente, dado que U = v y m = e se concluye que
@v=@pi
xi (p; m) = : (2.3)
@v=@m
PRIMAL DUAL
xi = xi ( p, m) hi = hi ( p, U )
Lema de
Identidad
Shepard
de Roy
Es la máxima cantidad de dinero que un individuo está dispuesto a pagar para acceder
a un cambio favorable, o la mínima cantidad de dinero que un individuo está dispuesto a
aceptar como compensación por aceptar un cambio desfavorable. En el caso de la VC el
individuo tiene derecho a la situación inicial, ya sea ésta mejor o peor que la respectiva
situación …nal.
Es la máxima cantidad de dinero que un individuo está dispuesto a pagar por evitar
un cambio desfavorable, o la mínima cantidad de dinero que está dispuesto a aceptar como
18 CHAPTER 2. MARCO TEÓRICO
compensación por renunciar a un cambio favorable. En este caso el individuo tiene derecho
a la situación …nal.
La mayoría de las veces lo que se evalúa es el cambio en el bienestar ante cambios en el
precio de un bien. En este contexto, la VC y la VE miden el área bajo la curva de demanda
Hicksiana para el nivel de utilidad inicial y …nal, respectivamente. Si se asume un cambio
en el nivel de precios de p0 a p1 ; con p1 > p0 ; la situación describe una pérdida de bienestar
ya que se reduce el área factible de consumo. La VC se puede expresar entonces como el
área bajo la curva de demanda Hicksiana para un nivel de utilidad U 0 ; es decir,
Zp1
VC = hi (p; U 0 )@pi :
p0
Zp1
@e(p; U 0 )
VC = @pi ;
@pi
p0
Zp1
p1
VC = @e(p; U 0 ) = e (p; U )j 0 ;
p
p0
V C = e p1 ; U 0 e p0 ; U 0 : (2.4)
En forma análoga, la VE puede expresarse a través de la función de gasto para un nivel
de utilidad U 1 de la siguiente manera
V E = e p1 ; U 1 e p0 ; U 1 : (2.5)
v(p1 ; m V C) = v(p0 ; m) = U 0 ;
v(p0 ; m + V E) = v(p1 ; m) = U 1 :
2.2. MEDIDAS DE BIENESTAR: CAMBIO EN PRECIOS 19
p*
Excedente del
consumidor
p0
x1=x1(p,m)
x0 1 x1
Zp
EC = xi (p; m)@pi ;
p0
donde p es el precio de exclusión en el cual la demanda del bien es cero (Figura 2.5).
Igualmente, es posible de…nir el cambio en el excedente del consumidor usando otro precio
distinto al de exclusión (Figura 2.6). En este caso, y usando la identidad de Roy, el cambio
en el EC está dado por
Zp1
@v=@pi
EC = @pi :
@v=@m
p0
4
El excedente del consumidor fue introducido por Dupuit (1844) y posteriormente popularizado por
Marshall.
20 CHAPTER 2. MARCO TEÓRICO
p1
AEC
0
p
x1=x1(p,m)
x1
Si se asume que @v=@m es constante, el excedente del consumidor se puede expresar como
Zp1
1 @v
EC = @pi ;
@v=@m @pi
p0
1
EC = v(p1 ; m) v(p0 ; m) ;
@v=@m
v(p0 ; m) v(p1 ; m)
EC = :
@v=@m
se relaciona con la función de demanda Hicksiana a través del lema de Shepard de la siguiente
forma
@e
= hi (p; U ) = hi (p;v(p;m)) = xi (p; m): (2.6)
@pi
Por lo tanto,
@e(p; U )
= xi (p; m);
@pi
@e(p; U )
= xi (p; e(p; U )); (2.7)
@pi
lo cual constituye un sistema de ecuaciones diferenciales en el que se busca solucionar e como
función de pi .
En el proceso de integración el nivel de utilidad no cambia ya que para cada función
de demanda Hicksiana se tiene un sólo nivel de utilidad. Por consiguiente, la utilidad es
considerada como una constante de integración. La condición matemática para que e(p; U )
exista, la cual permite la solución del sistema de ecuaciones, es
@e
= xi (p; e(p; U )); (2.9)
@pi
a
b
p0
VC EC VE
c d
p1
x(p,m)
h(p,U ) 0 h(p,U1)
x
Figure 2.7: Medidas de bienestar para una disminución del precio de un bien normal
u l
EC EC EC
0:05; 0:05 y < 0:9;
2m0 2m0 2m0
2.3. INTEGRABILIDAD DE SISTEMAS DE DEMANDA 23
se tiene que
l u
jECj V C EC jECj
; (2.10)
2m0 jECj 2m0
l u
jECj EC V E jECj
;
2m0 jECj 2m0
0 (1 im )
1 im
e(p; U ) = m0 1 + EC :
m0
Finalmente, usando la expansión de Taylor para el término entre paréntesis7 , se tiene que
EC EC 2 EC 2
e(p; U 0 ) = m0 1 + + = m0 + EC + :
m0 2m20 2m0
Usando las de…niciones de V C y V E se obtiene
V C EC EC
= ;
EC 2m0
EC V E EC
= :
EC 2m0
Si la elasticidad ingreso no es constante se procede en forma similar. En conclusión, si se
satisfacen las condiciones establecidas por Willig la diferencia entre las medidas de bienestar
Marshallianas y Hicksianas serán relativamente pequeñas.
x= + p + m;
donde < 0 y representa la pendiente de la curva de demanda o el cambio en la cantidad
demandada ante un cambio en el precio del bien. Por su parte, Q 0 dependiendo si el bien
es normal, neutro o inferior, y denota el cambio en la demanda ante un cambio en el ingreso.
1
(1 ) 1
7
Es decir, se aproxima la función f (x) = 1+ m0 EC con f (x) f (x0 ) + f 0 (x0 ) (x x0 ) +
f 00 (x0 ) 2 (1 )
2 (x x0 ) ; donde x = m0 EC y x0 = 0:
2.3. INTEGRABILIDAD DE SISTEMAS DE DEMANDA 25
donde el signo negativo indica que el bienestar disminuye como resultado de un aumento
en el nivel de precios.
Al resolver la integral se obtiene
p1
p2
EC = ( p+ + mp) : (2.11)
2 p0
x(p) ( + m)
p= : (2.12)
Si el precio del bien aumenta de tal manera que el individuo no consume ninguna
cantidad (o no accede a este bien), el valor de x1 será igual a cero. En este caso el
excedente del consumidor se de…ne como
x20
EC = ; (2.13)
2
Función de Gasto
La aplicación de la ecuación (2.6) requiere necesariamente la veri…cación de las condi-
ciones de integrabilidad. Para la demanda lineal la condición relevante es la negatividad
dado que se están considerando solo dos bienes. Esta condición está dada por
@h(p; U )
= + x(p; m) < 0;
@p
= + ( + p + m) < 0:
@e
= + p + e;
@p
26 CHAPTER 2. MARCO TEÓRICO
p 1
e(p; U ) = U e + p+ : (2.14)
1
m+ + p+
v(p; m) = p
: (2.15)
e
@v=@p
La identidad de Roy está dada por x(p; m) = @v=@m
: Calculando su numerador y
denominador se tiene que
1
m+ ( + p+ )
@v
= p
;
@p e
y
@v 1
= p:
@m e
La razón de estas dos expresiones corresponde a la función de demanda Marshalliana
tal como se muestra a continuación
@v=@p 1
= m+ ( + p+ ) ;
@v=@m
x= + p + m:
8
En el Apéndice A se presenta en forma detallada la obtención de la función de gasto.
2.3. INTEGRABILIDAD DE SISTEMAS DE DEMANDA 27
Demanda Hicksiana
La función de demanda Hicksiana se obtiene aplicando el lema de Shepard; es decir,
derivando la función de gasto con respecto al precio del bien en la siguiente forma
@e(p; U )
= e pU : (2.16)
@p
x1 x2
p1 = :
+ x1
2 3
+ x 2 x1
4 5
+ x1 x1 +
U =e 2 : (2.17)
Las funciones de gasto e indirecta de utilidad son soluciones locales, pero son su…cientes
para obtener medidas de bienestar Hicksianas. Para un cambio de precio de p01 a p11 , con
p01 < p11 ; las medidas de bienestar son calculadas a continuación.
Variación Compensada
V C = e(p11 ; U 0 ) e(p01 ; U 0 );
V C = e(p11 ; U 0 ) m0 ;
p11 1
V C = U 0e ( + p11 + ) m0 :
Variación Equivalente
28 CHAPTER 2. MARCO TEÓRICO
Demanda Marshalliana x= + p+ m
x21 x20
Excedente del consumidor 2
p 1
Función de Gasto Ue ( + p+ )
Demanda Hicksiana e pU
+ x2 x1
( ) x1 +
Función de Utilidad e + x1 ( )
2
0 x1
(p11 p01 ) x1
Variación Compensada e ( + 2) ( 1 + 2 ):
Condición de Integrabilidad + x 0
V E = e(p11 ; U 1 ) e(p01 ; U 1 );
0 1
V E = m1 U 1 e p1 ( + p01 + ) ;
Los Cuadros 2.1, 2.2 y 2.3 presentan los resultados después de aplicar la metodología
sugerida por Hausmann a las tres formas funcionales: lineal, semilogarítmica y logarítmica.
x1 x0
Excedente del consumidor
1
Función de Gasto ln ( U exp ( p + ))
exp( m) 1
Función Indirecta de Utilidad exp ( p + ))
e + p
Demanda Hicksiana ( U +e + p)
x1 x2 x1 ln x1
+ x1 ( ):
Función de Utilidad ( )e x1 +
1
Variación Compensada ln (1+ [x0 x1 ] )
1
Variación. Equivalente ln (1+ [x1 x0 ])
Condición de Integrabilidad + x 0
Demanda Marshalliana ln x = + ln p + ln m
p1 x1 p0 x0
Excedente del consumidor +1
h +1
i 1
1
p
Función de Gasto (1 ) e ( +1
)+U
+1
m1
Función Indirecta de Utilidad 1
e ( p +1 )
h i
e p p +1 1
Demanda Hicksiana 1
(1 ) e ( i+1 ) + U
Función de Utilidad -
1
(1 ) 1
Variación Compensada m ( +1)
[x1 p1 x0 p0 ] + m1 m
1
(1 ) 1
Variación Equivalente m ( +1)
[x1 p1 x0 p0 ] + m1 m
Condición de Integrabilidad p
+ m
x 0
x= + px + py + m;
1
e(px ; py ; m) = U exp( px ) ( + px + py + );
simplemente no existe información sobre los mismos. En estas circunstancias se puede es-
timar un sistema de demanda parcial, suponiendo que las actividades de interés pueden ser
separables de los otros bienes. Es decir, se reduce el problema de decisión del individuo a
la asignación de una parte del gasto para la adquisición de un determinado grupo de bienes
(Hanemann & Morey, 1992).
El supuesto de separabilidad débil en las preferencias asume que la función de utilidad
es débilmente separable, con respecto a una determinada partición del conjunto total de
bienes, si la relación marginal de sustitución entre dos bienes cualquiera pertenecientes a
uno de los subconjuntos establecidos es independiente de la cantidad consumida de bienes
de otro subconjunto cualquiera.
Existe una variedad de situaciones en las cuales este supuesto es plenamente justi…cado.
Básicamente, la justi…cación se basa en el teorema del bien compuesto9 , mediante el cual si
un grupo de precios se mueve en forma paralela este grupo de bienes podría ser considerado
como uno solo. Para ilustrar esta idea Deaton & Muellbauer (1980) utilizan el siguiente
razonamiento.
Sean p1 , p2 y p3 los precios para tres bienes, donde p2 y p3 se mueven en una proporción
en relación con un período base p02 y p03 tal que p2 = p02 y p3 = p03 : A su vez, varía
con el tiempo pero es común a ambos precios y la razón p2 =p3 permanece …ja en p02 =p03 . La
idea es que represente un nuevo precio para un grupo de bienes o bien compuesto. La
cantidad compuesta se de…ne como q2 p02 + q3 p03 : Luego, la función de gasto e(p1 ; p2 ; p3 ; U ) se
puede escribir como e(p1 ; p02 ; p03 ; U ). Dado que p02 y p03 son constantes la función de gasto
agrupada se puede escribir como
@e
= q2 p02 + q3 p03 :
@
La ecuación anterior es la cantidad del bien compuesto con un precio . Es decir, equivale
al lema de Shepard.
Dadas las di…cultades asociadas con el supuesto que para un grupo de bienes los precios
relativos no cambien, existe una forma alternativa para la formulación del problema. Ésta
consiste en asumir que los bienes puedan separarse en grupos con características similares. Las
preferencias dentro de cada grupo pueden ser consideradas independiente de las cantidades en
otros grupos. Por lo tanto, se tienen funciones de sub-utilidad para cada grupo. Por ejemplo,
si se está interesado en bienes recreacionales se podría separar la función de utilidad de la
siguiente forma
U = U (Ug (x; y); s; z);
9
El primer conjunto de condiciones para la existencia de bienes agregados se debe a Hicks (1936) y Leontief
(1936).
32 CHAPTER 2. MARCO TEÓRICO
donde Ug (x; y) es una función de utilidad asociada a los bienes de interés x y y: Los otros
subgrupos están representados por s y z en la función de utilidad.
El proceso de decisión del individuo se describe como un árbol de decisiones que da origen
a una asignación del presupuesto en dos etapas. En el primer estado de la decisión se asigna
el presupuesto entre grupos (g; s; z) y, posteriormente, se lleva a cabo la asignación dentro de
los mismos. Por consiguiente, la asignación de presupuesto en dos etapas tiene en cuenta el
nivel de agregación (usado para construir los grupos) y la toma de decisión separable (para
decidir dentro de cada grupo).
Con el supuesto de separabilidad débil en las preferencias, la función de utilidad y el
problema del consumidor se puede escribir como
xi = xi (px ; py ; mg );
yi = yi (px ; py ; mg ):
Para el analista la decisión sobre qué alternativa utilizar, el sistema de demanda incom-
pleto o el sistema de demanda parcial, depende de la disponibilidad de datos y de si la
política que es objeto de evaluación conlleva a un cambio en el nivel de bienes no transados
en el mercado. La principal característica de ambos métodos es que ninguno de los sistemas
contiene su…ciente información sobre las preferencias para derivar completamente la función
de utilidad indirecta subyacente. En el sistema de demanda incompleto es posible obtener
tanto variación compensada como variación equivalente como resultado de un cambio en
precios. Sin embargo, no es factible, en general, obtener variación compensada o variación
equivalente como consecuencia de un cambio en las cantidades de los bienes públicos. Por
su parte, en un sistema de demanda parcial si el supuesto de separabilidad es apropiado, se
pueden derivar variación compensada y variación equivalente parciales.
p0 1
Usando v(p0 ; m0 ) = e m0 + ( + p0 + ) = 1377,2
p1 1
y v(p1 ; m0 ) = e m0 + ( + p 1 + ) = 1410,0; se tiene que
V C = 37, 167;
V E = 34,950:
Este resultado es consistente con la teoría que establece la siguiente relación entre las
medidas de bienestar para un aumento de precio: V C > EC > V E:
Usando el algoritmo de Vartia para calcular la V C se deben seguir los siguientes pasos:
Cálculo de la demanda inicial y …nal para todos los bienes. En el ejemplo cambia
únicamente un precio así que el algoritmo puede simpli…carse sustancialmente. Sin
embargo, para ilustrar la exposición se mantiene la notación matricial de precios y
cantidades ya que el algoritmo es realmente útil para el caso de un cambio de varios
precios simultáneamente. Las cantidades iniciales y …nales se presentan en el Cuadro
2.4.
36 CHAPTER 2. MARCO TEÓRICO
p(0) = ( 0,75 1 )
1
p(1) = ( 0,75 1 ) + ( 1,5 1 ) ( 0,75 1 ) = ( 0,937 5 1 )
4
1
p(2) = ( 0,75 1 ) + ( 1,5 1 ) ( 0,75 1 ) = ( 1, 125 1 )
2
3
p(3) = ( 0,75 1 ) + ( 1,5 1 ) ( 0,75 1 ) = ( 1,312 5 1 )
4
p(4) = ( 1,5 1 )
(m) 1 (m 1)
Ck = Ck + (h(pk ; Ck
1 ) + hk 1 )(pk pk 1 );
2
(1) 1 (0)
C1 = C0 + (h(p1 ; C1 ) + h0 )(p0 p1 );
2
(1)
C1 = 720 + 51, 992 0,187 5 = 729, 75;
El Cuadro 2.5 presenta los resultados para las otras iteraciones siguiendo un proced-
imiento similar. El ingreso …nal es 757,1646 y al sustraer el ingreso inicial se obtiene un valor
para la variación compensada de 37,165 (757,1646 720). Este valor constituye una buena
aproximación de la V C calculada con la ecuación (2.21).
U = U (x; q);
Zq1
@e
V C = e(p; q 0 ; U 0 ) e(p; q 1 ; U 0 ) = (p; q; U o )@q;
@q
q0
Zq1
@e
V E = e(p; q 0 ; U 1 ) e(p; q 1 ; U 1 ) = (p; q; U 1 )@q:
@q
q0
v(p; q 0 ; m) = v(p; q 1 ; m V C) = U 0 ;
v(p; q 0 ; m + V E) = v(p; q 1 ; m) = U 1 :
Estas medidas de bienestar corresponden, como lo muestran las ecuaciones anteriores,
a la integral de la función de demandas Hicksianas con respecto a q en vez de precios (ver
Figura 2.8). El área q 0 q 1 ba es la variación equivalente, el área q 0 q 1 bc es el excedente del
consumidor, mientras que el área q 0 q 1 dc es la variación compensada.
p
h(p,U1)
a
h(p,U0)
VE
c
b
EC
VC
x(p,m)
d
x
0 1
q q
las medidas de bienestar serán idénticas. Por el contrario, si = 0 las medidas de bienestar
di…eren signi…cativamente.
Estas consideraciones teóricas son consistentes con los resultados presentados por Bock-
stael & McConnell (1980). Estos autores reseñan trabajos empíricos en materia de recursos
naturales en los cuales no se obtienen los resultados reportados por Willig. Como lo a…r-
man Bockstael & McConnell (1980) es necesario analizar cuidadosamente las circunstancias
a las cuales se pueden aplicar los resultados tanto de Willig (1976) como de Randall & Stoll
(1980). Especial atención se requiere en el caso de cambios relativamente grandes en precios
asociados a la provisión o eliminación de un recurso. La aplicación de los límites requiere una
función de demanda Marshalliana y la forma funcional de esta demanda afectará inevitable-
mente el cálculo de las medidas de bienestar. Por último, el uso de estos límites carece de
sentido si es factible obtener las medidas de bienestar Hicksianas a través de la integración
de las demandas Marshallianas.
@hi
(p; q; U ) > 0:
@q
En otras palabras, la curva de demanda Hicksiana se desplaza hacia arriba cuando au-
menta la calidad ambiental o la cantidad del bien público. Si además el bien es normal la
curva de demanda Marshalliana también se desplazará en la misma dirección.
Sea la función de demanda lineal de la forma
x= + p + m + q;
donde se incorporó el nivel de calidad ambiental q; y se tiene que
@x
= > 0:
@q
Larson aborda el supuesto de complementariedad débil asumiendo que la disposición
marginal a pagar por el bien ambiental es cero cuando la demanda por un bien privado es
cero; es decir, se está ante un precio de exclusión, tal que
2.4. MEDIDAS DE BIENESTAR: CAMBIO EN LA CALIDAD AMBIENTAL 41
D h(p,q1,U0)
B C
p
h(p,q0,U0)
x1 1 x0 1 x1
@e
p; q; U 0 ) = 0;
(^
@q
donde p^ indica que el consumo del bien es cero; es decir, la utilidad marginal de un cambio en
la calidad ambiental es cero cuando no se visita el sitio, lo cual descarta el valor de existencia
ya que
@v
(^
p; q; m) = 0:
@q
La Figura 2.9 muestra el problema en forma grá…ca, donde el área ABCD representa
la ganancia asociada a la mayor calidad ambiental. El área P BA representa el excedente
del consumidor por tener acceso al bien en la situación inicial. Finalmente, el área P CD
es el excedente del consumidor por tener acceso al bien en la situación con mejor calidad
ambiental.
Para calcular el cambio en el bienestar la VC puede expresarse en términos de la función
de gasto como
V C = e(p; q 0 ; U 0 ) e(p; q 1 ; U 0 ):
Sin embargo, es posible usar las dos funciones de demanda presentadas en la Figura
?? para calcular la variación compensada en la situación inicial y …nal. Es decir, las V C
correspondientes a los niveles de calidad ambiental q 0 y q 1 se de…nen como
V C(q 0 ) = e(^
p; q 0 ; U 0 ) e(p0 ; q 0 ; U 0 );
V C(q 1 ) = e(^
p; q 1 ; U 0 ) e(p0 ; q 1 ; U 0 ):
p 1
e~(p; q; (p; U )) = (q; U )e ( + p+ q+ ): (2.26)
( q+ p) 1
e(p; q; U ) = (U )e ( + p+ q+ ); (2.27)
1 ( )( q+ p)
v(p; q; m) = [m + ( )( + p + q + )]e :
Para obtener estas funciones es necesario aplicar el siguiente procedimiento:
@~
e(p; q; (q; U )) p
= (q; U )e = 0;
@p
p
(q; U )e = 2; (2.28)
1
p^ = ln( 2 ): (2.29)
(q; U )
1
e~ (p; q; (p; U )) = 2 ( + ln( 2 )+ q+ ):
(q; U )
44 CHAPTER 2. MARCO TEÓRICO
ln (q; U ) = q + A;
(q; U ) = e( = )q
;
donde A es una constante de integración y = eA es una constante que depende de U
pero no de p ni de q. Sustituyendo (q; U ) en la función de gasto se tiene que
1
e(p; q; U ) = e( = )q
e p
( + p+ q+ );
( q+ p) 1
e(p; q; U ) = e ( + p+ q+ ):
Otro caso discutido por Larson es el que se deriva de la función de utilidad Stone-Geary
u = b(q)ln(x c) + ln(z c );
donde b(q) > 0 es una función arbitraria de calidad ambiental, x son bienes transados en
el mercado, z es un bien Hicksiano y c y c son parámetros que frecuentemente se conocen
como cantidades de subsistencia para x y z. El tipo de función de utilidad Stone-Geary da
origen a un sistema de ecuaciones de demanda conocido como sistema de gasto lineal, ya
que el gasto en el bien x es una función lineal de m y de los precios de ambos bienes. Las
funciones de demanda se obtienen maximizando la función de utilidad sujeta a la restricción
m = px + z y se presentan en las siguientes expresiones
b(q) m c c
x= + ; (2.30)
1 + b(q) p 1 + b(q)
1
z= (m + b(q)c pc):
1 + b(q)
2.4. MEDIDAS DE BIENESTAR: CAMBIO EN LA CALIDAD AMBIENTAL 45
@~
e(:) @b (1 + b) @ @b @b @b
= ln + + + ln b B
@q @q @q @q @q @q
@b 1 @b @b
ln(1 + b) ln( c) = 0:
@q 1 + b @q @q
Reordenando se tiene que
(1 + b) @ @b (1 + b)( c) @b c
= (ln( )) = ln( );
@q @q b @q B
46 CHAPTER 2. MARCO TEÓRICO
@ @b c @b
=ln( ) ln :
1+b B 1+b
En el procedimiento se debe hacer un cambio de variable; es decir, se asume " = ln
lo cual implica que @" = (1= )@ . Por lo tanto,
@b c @b
@" = ln( ) ";
1+b B 1+b
@" " 1 c
+ ln( ) = 0:
@b 1 + b 1 + b B
Aplicando la solución de la ecuación diferencial general se obtiene
R Z R
1
@b ln( c=B) 1+b 1
@b
" = e 1+b + e @b :
1+b
=(1+b) c b=(1+b)
= (1 + b)e ( ) :
b
Reemplazando este resultado en la función de gasto (2.31) se obtiene
=(1+b) p
e(p; q; U ) = c + cp + (1 + b)e ( c)B(q) ( )B(q) :
b
La función indirecta de utilidad está dada por
m c cp p
v= = (1 + b) ln( ) b ln( c ):
1+b b
3.1 Introducción
En el año de 1949 el Servicio de Parques Naturales de los Estados Unidos realizó una petición
formal a varios economistas, con la idea de encontrar posibles formas de medir los bene…cios
económicos asociados a la existencia de este tipo de espacios naturales. Como resultado de
esta solicitud aparece la histórica carta de Harold Hotelling (1949), en la cual se esbozaron
los postulados básicos de lo que se conocería como el Método de Costo del Viaje (M CV ).
En esencia el método se fundamenta en los costos que tiene que incurrir el visitante con
el propósito de disfrutar de los servicios recreativos o ambientales ofrecidos por un lugar
especí…co. Por consiguiente, se busca estimar la variación en la demanda del bien ambiental,
traducida en número de visitas, ante cambios en los costos de viaje. A partir de estas
ideas fundacionales posteriormente aparecieron las contribuciones de Marion Clawson y John
Knetsch en la década de los años sesenta, orientadas básicamente hacia una mayor depuración
y mejor entendimiento metodológico.
A partir de este desarrollo inicial se concretaron los primeros estudios e investigaciones
(Burt & Brewer, 1971; Brown & Nawas, 1973; Gibbs, 1974), dentro de una novedosa corriente
de trabajo inscrita en lo que podría catalogarse como Economía de la Recreación. Según
Freeman III (1993) desde la perspectiva económica los servicios recreativos proporcionados
por sistemas de recursos naturales tales como lagos, ríos, cursos de agua, estuarios y bosques
entre otros, poseen dos importantes características. En primer lugar, los atributos y calidad
de los recursos naturales son fundamentales para la determinación del valor económico de los
servicios recreativos. En segunda instancia, el acceso a los recursos que ofrecen alternativas
de recreación no es asignado a través de mercados. En esencia, se alude a la condición de
bienes públicos de la mayoría de los espacios naturales que ofrecen posibilidades de recreación
(Bockstael & McConnell, 1980b; Hanemann, 1984; Bockstael & McConnell, 1993).
A …nales de 1970 se per…ló con mayor fuerza la necesidad de valorar los bene…cios recrea-
cionales, con la idea de contribuir a una mejor asignación de los recursos naturales. Es-
pecialmente a la asignación de aquellos recursos naturales de propiedad pública. Como lo
mani…esta Pearse (1968) el M CV contribuyó a resolver con‡ictos de uso que emergieron
como resultado de distinto tipo de demandas por los recursos naturales con énfasis en áreas
rurales. Adicionalmente, surgió una creciente preocupación por parte de la sociedad por la
47
48 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
calidad ambiental, lo cual rea…rma la necesidad de encontrar formas adecuadas para deter-
minar los ‡ujos de servicios provenientes de recursos naturales. En palabras de Bockstael
et al. (1991) la historia del desarrollo de la economía de la recreación re‡eja el papel de la
economía en la asignación de recursos naturales.
Desde su formulación inicial el M CV asume que a cada individuo que visita un sitio se
asocia una transacción implícita que relaciona los costos de viaje con el valor o precio que
debería pagar el visitante por acceder a un lugar especí…co. Las decisiones que se toman
por parte de las personas en relación con diferencias en los costos de viaje han sido mode-
ladas desde dos perspectivas distintas (Freeman III, 1993). En la primera perspectiva, los
individuos escogen un número determinado de viajes a realizar en un período de tiempo. En
los modelos que usan este tipo de decisión se estima una función de demanda que relaciona
número de viajes y sus respectivos costos, los cuales varían acorde a las distancias diferen-
ciales recorridas por los recreacionistas. El valor del ‡ujo de servicios recreativos de un sitio
particular está representado por el área bajo la curva de demanda compensada, la cual es
agregada a través de todas las personas que visitan el sitio.
En la segunda perspectiva de modelación, las personas deciden si quieren o no visitar
algún lugar con …nes recreativos. En caso a…rmativo se procede a de…nir el sitio o los sitios
que serán visitados. Los modelos que usan este esquema de decisión se asocian a una elección
discreta o modelos de utilidad aleatoria (M U A). Los modelos de utilidad aleatoria enfatizan
el problema de selección entre sitios para un determinado viaje; es decir, después de tomar
la decisión del número de viajes a realizar en la actividad recreativa se procede a modelar la
elección del sitio. El modelo de maximización de utilidad del individuo se puede dividir en
dos etapas. En la primera etapa se de…ne el número de viajes para una actividad especí…ca,
y en la segunda se escoge el sitio a visitar en cada ocasión. Por consiguiente, interesa conocer
cómo se distribuyen los viajes entre los diferentes sitios (Niklitschek, 1996). En este caso, las
medidas de bienestar son calculadas teniendo en cuenta parámetros de una función indirecta
de utilidad, la cual es estimada de observaciones individuales.
El M CV ha sido empleado en la valoración de actividades de caza (Balkan & Kahn, 1988),
en la demanda de días de recreación por parte de turistas (Bell & Leeworthy, 1990; Shaw,
1991; Hof & King, 1992), en la estimación de bene…cios generados por la pesca deportiva
(Vaughan & Rusell, 1982; Huppert, 1989; Cerda & Adams, 1992; Adams et al., 1993; Layman
et al., 1996) y en la valoración del uso recreativo de parques naturales (Pérez et al., 1996).
Por último, es interesante anotar que se ha sugerido una forma de calibración y constat-
ación de los resultados obtenidos con el M CV , mediante una debida comparación con otros
métodos de valoración como, por ejemplo, valoración contingente (Seller et al., 1985; Smith
et al., 1986; Cameron, 1992; Smith, 1993a; Randall, 1994). Carson et al. (1996) reportan el
análisis de 83 estudios que sirvieron para la comparación de bene…cios estimados tanto por
el método de valoración contingente (V C) como por el M CV . En general, se observa una
mayor estimación con el uso del método de valoración contingente.
A continuación se presenta el cuerpo teórico tanto de los modelos básicos del costo del
viaje como de aquellos referidos a elecciones discretas o de utilidad aleatoria. En primer
lugar se discute el modelo simple de costo del viaje asociado a la estimación de demanda por
un sólo sitio, analizando los aspectos relacionados con la de…nición y cálculo de la variable de
precio implícito y la discusión de los supuestos subyacentes. Posteriormente, se discuten los
métodos de estimación econométrica para muestras truncadas y censadas para distribuciones
3.2. MODELO GENERAL DE COSTO DEL VIAJE 49
M AX U (x; z) (3.1)
donde:
x : número de visitas o viajes,
z : bien Hicksiano (el cual no necesita de tiempo en la restricción de tiempo),
m : ingreso total,
d : ingreso disponible no asociado al trabajo (dividendos, rentas, etc.),
w : tasa de salarios,
tw : tiempo de trabajo,
c1 : costo monetario de viaje,
c2 : costo monetario en el sitio,
T : tiempo total,
t1 : tiempo de viaje,
t2 : tiempo de permanencia en el sitio.
Si se asume que las personas pueden elegir discrecionalmente las horas de trabajo, y
que el costo de oportunidad del tiempo está relacionado con la tasa de salarios, es posible
despejar tw de la ecuación (3.3) de tal forma que
m = z + px x; (3.6)
donde:
m = d + wT ,
px = (c1 + wt1 ) + (c2 + wt2 ):
El problema de maximización de utilidad se transforma en
M AX U (x; z)
s.a.: m = z + px x:
Se asume que el número de viajes y la calidad ambiental del sitio son complementarios
dentro de la función de utilidad. Por lo tanto, el número de viajes es una función
creciente de la calidad ambiental del sitio.
El único motivo del viaje es visitar el sitio de interés. En el caso de visitar más de
un sitio durante el viaje, el costo deberá ser proporcionalmente distribuido entre los
diferentes sitios.
Costos directos del viaje incluido gastos en peajes, acceso al sitio, costos de equipamiento,
depreciación del vehículo, etc.
Costos indirectos como es el caso del costo del tiempo.
Los costos directos de viajar ya sea en bus o en automóvil son parte importante del costo
del viaje. En el modelo básico descrito estos costos son denotados por c1 : Nótese que en
la mayoría de los estudios realizados donde se ha aplicado el M CV , se incluyen individuos
que viajan en vehículos particulares al sitio recreacional. Este hecho re‡eja una realidad
más aproximada a la situación de países desarrollados, donde las personas se movilizan
principalmente en vehículos de su propiedad. Esto ha conducido a que en algunos casos no
se consideren dentro de las estimaciones las personas que viajan haciendo uso del transporte
público, lo cual puede generar sesgos en las estimaciones. En países en vías de desarrollo una
parte importante de los individuos se movilizan a sitios recreacionales usando el transporte
público, lo cual debe ser incorporado en el análisis.
El costo directo de viaje para los individuos que lo hacen en transporte público está dado
por el costo del pasaje de ida y regreso, mientras que el costo de viaje de las personas que lo
hacen en transporte particular se calcula con base en el costo operativo del viaje mismo. Este
costo operativo incluye el gasto en combustible y la depreciación del vehículo. Organismos del
transporte de cada país normalmente proporcionan tablas estandarizadas del costo operativo
por kilómetro y por tipo de vehículo. Por ejemplo, en los Estados Unidos generalmente se usa
un costo operativo de 35 centavos de dólar por milla. En estudios aplicados se evita recurrir
a los costos reportados por los entrevistados para obtener los costos operativos del viaje. La
mayoría de las veces es difícil obtener información homogénea y con…able de estos costos por
kilómetro a través de la aplicación de la encuesta. Muy probablemente un individuo posee
información sobre el gasto en gasolina antes del inicio del respectivo viaje. Sin embargo, es
difícil conocer el gasto efectivo imputable al viaje y en pocas ocasiones se tiene alguna idea
sobre la depreciación del vehículo.
Además, las personas que viajan en transporte privado a veces se enfrentan al pago de
peajes, los cuales deben sumarse al costo de viaje. Igualmente, algunos de estos individuos
pueden compartir los gastos de viaje, lo cual requiere una distribución proporcional de los
costos de acuerdo con el número de personas que comparten los mismos. Los costos de acceso
al sitio de visita también deben agregarse al costo del viaje. El mismo análisis es pertinente
si el viaje de recreación involucra la visita a múltiples sitios.
3.3. ASPECTOS TEÓRICOS DEL MÉTODO 53
Los costos de equipamiento varían por tipo de actividad recreativa e incluso por la tempo-
rada del año en que se realiza el viaje. En algunos casos, cuando los costos de equipamiento
son importantes, éstos deben ser incluidos en el costo total. Sin embargo, en muchos casos
estos costos son poco signi…cativos dentro de los costos totales del viaje, lo que podría jus-
ti…car su no inclusión en el cálculo del costo de viaje. Igualmente, algunos autores omiten
dichos costos porque pueden ser difíciles de asignar proporcionalmente entre las distintas
visitas a diferentes sitios. Una aproximación al costo de equipamiento consiste en considerar
el costo de arrendamiento de éste. Sin embargo, cuando el individuo es propietario del equipo
el uso del costo de arrendamiento tiende a sobreestimar el verdadero valor.
En resumen, la de…nición del precio implícito del viaje implica enfrentarse a una serie de
decisiones con respecto a cuáles costos incluir y cuáles no incluir en el cálculo del costo total.
La decisión sobre cómo de…nir el costo total afectará el parámetro asociado al precio en la
función de demanda, lo que a su vez se re‡ejará en el cálculo del excedente del consumidor
o la variación compensada o equivalente.
Otro componente especialmente relevante del costo del viaje lo constituye el costo de
oportunidad del tiempo o costo indirecto de visitar un sitio. Dada su in‡uencia en la me-
dida de cambio en el bienestar y a la extensa literatura existente al respecto, el costo de
oportunidad del tiempo se presenta por separado en la siguiente sección.
sombra apropiado del tiempo (Freeman III, 1993; Larson, 1993a). La mayoría de la literatura
asume que la utilidad marginal del tiempo de trabajo es cero, es decir que el tiempo de
trabajo no genera utilidad o desutilidad al individuo. En este caso el costo de oportunidad
del tiempo corresponde a la tasa de salario. Sin embargo, si se supone que el tiempo dedicado
al trabajo tiene utilidad marginal positiva o negativa, entonces existe una divergencia entre
el precio sombra o valor de escasez del tiempo y la tasa de salario como medida del costo
de oportunidad del tiempo. Se puede ilustrar este punto si se modi…ca el problema de
maximización de la utilidad del consumidor incluyendo el tiempo de trabajo (tw ) dentro de
la estructura de preferencias. El problema del consumidor se reduce a
M AX U (x; z; tw )
s.a. : m = d + wtw = z + (c1 + c2 )x; (3.7)
T = tw + (t1 + t2 )x;
max : U (x; z; tw ) + [d + wtw z (c1 + c2 )x] + [T tw (t1 + t2 )x]: (3.8)
En la ecuación (3.8) representa la utilidad marginal del tiempo, y por consiguiente
/ corresponde al valor de escasez o disponibilidad marginal a pagar por el tiempo. Las
condiciones relevantes de primer orden son
@U
[( )= ] = (c1 + c2 ) + (t1 + t2 ); (3.9)
@x
@U
[( )= ] + w = : (3.10)
@tw
La ecuación (3.9) indica que la disponibilidad marginal a pagar por una visita debe ser
igual al costo total de una visita. El costo total de una visita es la suma del costo monetario
(c1 + c2 ) y del costo de tiempo de la visita (t1 + t2 ), el cual debe ser valorado por el valor de
escasez del tiempo = . Si la función de utilidad del individuo no incorpora directamente
el tiempo de trabajo (tw ) entonces el costo de oportunidad del tiempo es igual a la tasa de
salario ya que @U=@tw = 0 y w = = . De esta igualdad se deduce que una mayor utilidad
marginal del ingreso implica un menor costo de oportunidad del tiempo (Shaw, 1992). Sin
embargo, la ecuación (3.10) muestra que la tasa de salario puede llegar a ser una inadecuada
medida del valor de escasez del tiempo cuando el tiempo de trabajo es incorporado en la
función de utilidad. Si la utilidad marginal del tiempo de trabajo (@U=@tw ) es negativa,
entonces la tasa de salario w sobreestima el valor de escasez del tiempo = . Cesario (1976)
concluyó que el valor de escasez del tiempo era aproximadamente un tercio de la tasa de
salario. Un criterio similar es utilizado por McConnell & Strand (1981) quienes utilizan una
proporción …ja de la tasa de salario 2 [0; 1] como costo de oportunidad del tiempo. A
diferencia de Cesario, estos autores estiman este parámetro conjuntamente con los demás
parámetros de la función de demanda. La ecuación estimada por estos autores se puede
escribir como
xij = + px + mi ;
xij = + (c1 + t1 wi ) + mi ;
xij = + c1 + t1 wi + mi ;
xij = + c1 + t1 wi + mi ;
3.3. ASPECTOS TEÓRICOS DEL MÉTODO 55
donde tanto c2 como t2 se han omitido de la función de precios por simplicidad de la ex-
posición. En esta ecuación la porción del salario por hora que es utilizado para asignar un
valor al tiempo de recreación es ^ = = . Sin embargo, algunas aplicaciones del método
muestran que el valor del costo de oportunidad del tiempo puede ser mayor que la tasa de
salario (Smith et al., 1983a) y en general que el apropiado costo de oportunidad del tiempo
depende de la naturaleza de la restricción de tiempo enfrentada por los individuos.
Según Shaw (1992) es importante considerar que aquellos individuos que no están dentro
del mercado laboral, no necesariamente tienen un valor del tiempo relativamente bajo o cero.
Estos podrían encontrarse en esta situación como consecuencia de un desempleo involuntario
o debido a su adscripción a mercados laborales que no retribuyen necesariamente en forma
monetaria. Shaw considera pertinente distinguir entre valor y costo de oportunidad. El valor
se re…ere al bene…cio neto del tiempo dedicado a una actividad. Por su parte el costo de
oportunidad indica el bene…cio neto del tiempo empleado en la mejor actividad alternativa
sacri…cada. Como Shaw concluye puede tratarse de una sutileza semántica muy importante.
En esta misma línea de razonamiento Smith et al. (1983a), Bockstael et al. (1987),
y McKean et al. (1995) sugieren analizar el problema considerando que los individuos se
pueden encontrar en una solución de esquina en el mercado laboral. Esto quiere decir que el
individuo enfrenta un salario y una cantidad de horas de trabajo que son …jas y no pueden
ser ajustadas por el individuo acorde a su problema de optimización entre ocio y trabajo.
Si un individuo se encuentra en una solución de esquina la restricción de tiempo debería
ser incluida en forma separada de la restricción de ingreso en el problema de maximización
del consumidor. Siguiendo a Bockstael et al. (1987) el problema del consumidor puede
replantearse como
M AX U (x; z)
s.a. : m = d + wtw = px x + z
T tw = t1 x + z:
Para un individuo que puede distribuir discrecionalmente las horas de trabajo, es factible
despejar tw de la restricción de tiempo y reemplazarlo en la restricción de presupuesto de
tal forma que el costo de oportunidad de este individuo corresponda a su tasa de salario.
Un resultado similar es reportado por Larson (1993) en un contexto en el que se asume
separabilidad entre las decisiones tomadas en el mercado laboral y en el mercado de bienes.
La función de demanda asociada a esta formulación es
xi = xi (px ; m ) = xi (c1 + t1 w; d + wT ):
donde la barra signi…ca que tanto el salario como el tiempo de trabajo son considerados …jos.
En este caso el salario no representa el costo de oportunidad del tiempo, siendo éste mayor
o menor que la tasa de salario como resultado de las preferencias del individuo.
56 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
xij = + m + T + c1 + ti1 ;
U = U (x; z; t2 ): (3.11)
@U
(x; t2 = 0; z) = 0; (3.12)
@x
@U
(x = 0; t2 ; z) = 0; (3.13)
@t2
donde la ecuación (3.12) indica que si no hay tiempo de permanencia (t2 = 0) no se genera
utilidad y no se realizará el viaje. A su vez, se in…ere de la ecuación (3.13) que si no hay
viaje (x = 0) no es posible tener tiempo de permanencia. El individuo debe escoger x, t2 y
z para maximizar la ecuación (3.11) sujeta a la siguiente restricción
El costo monetario de permanencia por viaje (c2 ) equivale a multiplicar el costo monetario
de permanencia por día (c2 ) por el tiempo de permanencia de cada viaje (t2 ). La ecuación
(3.14) se puede reescribir de la siguiente manera
m = z + px x + pt t2 x = z + (px + pt t2 ) x = z + p x; (3.16)
xi = xi (p ; m ; t2 ): (3.17)
t2 = t2 (px ; pt ; m ); (3.18)
xi = xi (px ; pt ; m ): (3.19)
58 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
Para determinar cuál es el modelo apropiado, McConnell (1992) sugiere estimar la de-
manda para t2 = t2 (px ; pt ; m ) (ecuación 3.18) y probar la hipótesis de signi…cancia estadís-
tica de esta ecuación mediante una prueba F . Si se acepta la hipótesis nula de que todos los
parámetros son iguales a cero, el tiempo de permanencia es exógeno y es correcto estimar
el modelo representado por la ecuación (3.17). Por el contrario, si la hipótesis nula no es
rechazada se debe estimar la función de demanda denotada por la ecuación (3.19). Berman
& Kim (1999) extienden el modelo propuesto por McConnell (1992), especi…cando el con-
junto de ecuaciones estructurales implícito en el cálculo de los bene…cios y costos asociados
al tiempo en el sitio de recreación.
Larson (1993) sugiere un modelo de elección conjunta del número de viajes y de la
duración de la visita al lugar de recreación. En su modelo la tasa de salario no es relevante
para calcular el costo de oportunidad del tiempo ya que éste puede ser calculado directamente
de los datos de comportamiento del individuo. El costo de oportunidad del tiempo se expresa
como
s
= ;
s
donde es el costo directo por viaje, es el costo en el sitio, es el tiempo de viaje y s es
el tiempo en el sitio de recreación. Su analisis no requiere asumir que el tiempo en el sitio es
exógeno, ni que la utilidad marginal del tiempo de viaje o la utilidad marginal del tiempo
de trabajo es cero. De esta forma el costo de oportunidad del tiempo no está asociado a la
tasa de salario.
Shaw & Feather (1999) también analizan el problema de estimación de las funciones de
demanda y el tratamiento del costo de oportunidad del tiempo (tanto de viaje como de
permanencia). De acuerdo con estos autores, si se estima un sistema de demanda completo
la tasa de salario constituye un argumento de las funciones de demanda, al igual que el
ingreso no laboral. Esto re‡eja el hecho de que el ocio es comprado reduciendo las horas de
trabajo o incrementando el gasto proveniente de riqueza no laboral. En este caso el costo de
oportunidad del tiempo equivale a la tasa de salario o una fracción de la misma si el tiempo
de trabajo se considera como un argumento de la función de utilidad. En otras palabras,
el salario no entra como parte del precio implícito o costo del viaje como en la ecuación
típica, ci1 + ti1 wi . No obstante, las funciones de demanda deben incluir como argumento la
tasa de salario. Los autores reconocen el hecho de que ningún estudio de valoración estima
un sistema de demanda completo. Por consiguiente, optan por la de…nición de demandas
condicionales. Éstas se obtienen al maximizar la función de utilidad sujeta a la restricción
de presupuesto y a una restricción representando una cantidad …ja de un bien h, la cual no
es determinada por el consumidor. Las funciones de demanda derivadas de este problema de
optimización tienen como argumento el precio de todos los bienes no restringidos, el ingreso
del individuo y la cantidad del bien restringido. La demanda recreacional depende entonces
del vector de precios, del nivel del bien restringido y del presupuesto destinado al subgrupo
de bienes incluido en ocio, mg ; es decir, xj = xj (p; h; mg ): Varias alternativas para de…nir
h son sugeridas por Shaw & Feather (1999), entre las cuales están la oferta laboral total y
el gasto total destinado a actividades recreativas. Si se asume separabilidad entre el bien
recreacional y la oferta de trabajo se justi…ca una estimación de demanda en la cual h no
aparece como argumento en la función de demanda. Sin embargo, este supuesto podría ser
cuestionable dada la estrecha relación entre demanda recreacional y otras actividades de ocio
3.3. ASPECTOS TEÓRICOS DEL MÉTODO 59
y oferta laboral.
En conclusión, el costo de oportunidad, tanto del tiempo de viaje como de permanencia
en el lugar de recreación, constituye un tema de gran relevancia en la valoración económica
de bene…cios recreacionales. La de…nición del precio implícito del bien determinará el valor
absoluto del parámetro correspondiente a la pendiente en la función de demanda y, por
consiguiente, afectará el cálculo del excedente del consumidor. En aplicaciones prácticas
regularmente se acude al empleo de las reglas sugeridas por Cesario (1976), consistentes en
asumir un costo de oportunidad del tiempo comprendido entre un cuarto y la mitad del nivel
de la tasa de salario. O como lo sugieren McConnell & Strand (1981) se recurre a estimar el
parámetro conjuntamente en la ecuación de demanda. Es recomendable realizar un análisis
de sensibilidad de las estimaciones de las medidas de bienestar a los diferentes supuestos del
modelo. Básicamente, en lo atinente al costo de oportunidad del tiempo y a la forma como
se calcula el costo del viaje.
Sin embargo, esta solución asume que el individuo visita los sitios que son más cercanos,
lo cual no es con…rmado por la evidencia empírica. Un modelo más complejo, pero un tanto
más real, consistiría en estimar un sistema de demanda incluyendo una función de demanda
60 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
sobre la necesidad de usar mínimos cuadrados generalizados con la idea de corregir problemas
de heterocedasticidad, al contar con tamaños de población heterogéneos entre las distintas
zonas de origen (Bowes & Loomis, 1980; Strong, 1983). En lo correspondiente a ciertos
aspectos operativos es difícil en muchas ocasiones disponer de un número representativo
de observaciones para cada una de las áreas de procedencia. Adicionalmente, es posible
pensar en la sensibilidad de la estimación de los bene…cios recreacionales a la con…guración
y demarcación de las zonas de origen, lo cual es prácticamente discrecional del investigador.
Hellerstein (1995) mani…esta que la mayor disponibilidad de datos a nivel micro, acom-
pañado de un mejor conocimiento de los sesgos de agregación, ha conducido a abandonar el
modelo de demanda para el costo del viaje por zonas de origen. Por consiguiente, se acude al
Método de Costo del Viaje para Observaciones Individuales (M CV I), caracterizado por sus
bondades en términos de una mejor e…ciencia en la estimación de la demanda por servicios
recreacionales, tal y como lo argumentan Brown et al. (1983). Dentro de esta perspectiva
merece destacarse el trabajo de Gum & Martin (1975), el cual es pionero al usar observa-
ciones individuales y a la vez poseer una dimensión de gran escala, al estudiar el total de
actividades recreativas desarrolladas en todas las áreas de Arizona. La forma general del
M CV I sería la siguiente
Xij = f (Cij ; Zij ; eij ); (3.21)
donde:
Xij : número de visitas realizadas por el individuo i al sitio j durante un año,
Cij : costo del viaje del individuo i al sitio j,
Zij : variables explicativas tales como características socioeconómicas del individuo i
(incluido el ingreso monetario) u otras variables no relacionadas con el individuo (calidad
ambiental del sitio, por ejemplo),
eij : término de error.
Posteriormente, el artículo de Kealy & Bishop (1986) fue bastante ilustrador en lo que
respecta al uso de estimadores de máxima verosimilitud, como consecuencia del uso de vari-
ables dependientes limitadas en su rango y de la naturaleza de datos truncados (es decir,
cuando se consideran únicamente los visitantes al sitio). A partir de este trabajo se reconoce
la necesidad de ser cautos con respecto al empleo de los tradicionales estimadores de mínimos
cuadrados ordinarios.
A …nales de la década de los ochenta la atención se centró en temas relacionados con
modelos de sitio múltiple (Kling, 1987; Mendelsohn et al., 1992), en los cuales se estima un
sistema de ecuaciones de demanda. Igualmente, se ha dedicado tiempo a estudiar la esti-
mación de bene…cios recreacionales por un cambio en la calidad ambiental del sitio (Caulkins
et al., 1986; Bockstael, et al., 1987; Bockstael & Kling, 1988; Freeman III, 1995). En esencia
se requiere conocer cómo cambia la curva de demanda para el sitio con una modi…cación en
las condiciones ambientales. En esta situación se acude al principio de complementariedad
débil, de tal manera que la utilidad marginal de un cambio dado en la característica de la cal-
idad ambiental sea cero si no se realizan viajes al sitio. Una forma de obtener la variación de
la demanda consiste en indagar por las intenciones de viaje una vez que el cambio ambiental
se haya materializado (McConnell, 1987).
62 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
y = x + ; si y > 0 (3.22)
y=0 , otros casos (3.23)
Las ecuaciones anteriores conforman el llamado modelo Tobit, el cual ha sido estudiado
ampliamente desde una perspectiva econométrica (Olsen, 1978; Nelson, 1981; Greene, 1981;
Robinson, 1982; Stapleton & Young, 1984; Hellerstein, 1992a). En la investigación de de-
manda recreacional se trabaja siempre con conjuntos de datos censados en el valor cero.
Igualmente, la literatura de variables dependientes limitadas alude a los modelos truncados,
para referirse a ciertas situaciones donde los valores de la variable dependiente no son con-
siderados en la muestra, cuando se ha sobrepasado cierto límite (Amemiya, 1973; Hausman
& Wise, 1977; Olsen, 1980; Maddala, 1983). No obstante, es factible pensar que un modelo
censado sea a la vez truncado, como en el caso cuando se toman las muestras directamente
en el sitio que es objeto de valoración económica. En estas circunstancias el modelo censado
tendrá una truncación en el valor uno (1), dado que el encuestado habrá visitado el lugar
por lo menos una vez.
En el caso de demanda recreacional se pretende modelar la decisión sobre participación
en la experiencia y el número de viajes en forma explícita. En este caso el modelo Tobit se
de…ne como
xi (px ; ps ; m)
Pr(y = 1) = ;
xi (px ; ps ; m) xi (px ; ps ; m)
Pr(y = 0) = 1 ( )= ( ):
En los casos de muestras truncadas sólo se tienen en cuenta aquellas personas o familias
que acuden al sitio y, como a…rma Hellerstein (1992b), la información de los no participantes
es descartada totalmente. Según Shaw (1988) es importante destacar los siguientes aspectos
como fuentes de sesgos en las estimaciones econométricas de muestras de naturaleza truncada:
truncación: sólamente aquellas personas que han tomado al menos un viaje son
muestreadas, y toda la información de los no participantes no es considerada en la
muestra.
Al considerar solo los visitantes en la muestra se pierde información útil sobre los factores
que determinan la participación de las familias, tanto en una actividad recreativa como en
un sitio particular. A su vez, la inclusión de los no participantes adiciona información pero
complica el modelo estadístico. Este tema es conocido como selección de muestra y consiste
en la presencia de in‡uencias sistemáticas en la decisión de participar en el consumo de un
bien dado (de…nido como número de viajes a un sitio para el caso de demanda recreacional).
Estas in‡uencias deberían ser tenidas en cuenta en el proceso de estimación, lo cual depende
estrictamente de la forma en que el investigador visualiza la toma de decisión por parte de
los individuos o familias (Bockstael et al., 1991).
Varias alternativas han sido sugeridas para manejar lo relativo a la selección de la mues-
tra. El modelo de Tobit es quizás el de mayor antecedentes y mejor conocido para datos
censados, y asume que las decisiones referidas a participación y frecuencia son explicadas
por el mismo conjunto de variables exógenas. Una manera distinta de analizar el problema
según Heckman (1979), apunta a permitir que diferentes factores y estructuras en el error
64 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
Q X Q 1 Y X
L= 1 ; (3.27)
0 1
P X N1 1 P
` = ln L = ln 1 ln 2
2
(Y X )2 : (3.28)
0 2 2 1
2
Para un mayor detalle de la derivación de la función de verosimilitud ver Apéndice B.
3.4. MÉTODOS DE ESTIMACIÓN ECONOMÉTRICA 65
1 P P X
` = ln L = N ln[ (2 )1=2 ] 2
(Y X )2 ln : (3.30)
2
Cabe mencionar que hasta ahora sólo se han tenido en cuenta estimadores basados en
distribuciones continuas, como es el caso de la normal. En esta dirección, se acude frecuente-
mente al estimador de máxima verosimilitud de Tobit, donde el procedimiento consiste en
maximizar las ecuaciones correspondientes a los logaritmos de las funciones de verosimilitud
con respecto a y 2 . A pesar que este estimador permite incorporar estimaciones para
situaciones donde el número de viajes es cero para una parte importante de la muestra, este
tipo de estimador es muy sensible a los supuestos establecidos sobre las distribuciones de
probabilidad de la demanda, lo cual puede traducirse en resultados sesgados e inconsistentes.
Por esta razón se ha sugerido la necesidad de emplear distribuciones discretas (Heller-
stein, 1991; Dobbs, 1993a), de tal manera que sea posible asignar únicamente probabilidades
positivas a los diferentes eventos. Además, como lo señalan Creel & Loomis (1990) es aconse-
jable usar las distribuciones discretas cuando la variable dependiente en estudios de demanda
recreacional toma valores muy pequeños, es decir, cuando la cantidad de viajes en un año
no sea relativamente grande.
Como lo mani…estan Haab & McConnell (1996) en funciones de demanda estimadas us-
ando métodos tradicionales (OLS, Tobit), la distribución de la variable dependiente (cantidad
demandada) es derivada de supuestos sobre la distribución del término aleatorio de error.
En modelos discretos, como el de Poisson, la variable dependiente indica una distribución
directamente. Por lo tanto, la cantidad demandada en un modelo discreto es en sí misma una
variable aleatoria, lo cual es diferente de modelos de regresión donde la cantidad demandada
es una función de una variable aleatoria como el término de error.
En las ecuaciones (3.35) y (3.36) se pueden visualizar las versiones reportadas por Heller-
stein (1995) para dos casos de frecuente aplicación en el M CV : el modelo Poisson truncado
desarrollado por Grogger y Carson y el modelo Poisson con la presencia de estrati…cación
endógena sugerido por Shaw, respectivamente.
xi
i
fx (x; ) = ; xi = 1; 2; ::: (3.35)
[exp( i ) 1]xi !
(x 1)
exp( i ) i i
fx (x; ) = ; xi = 1; 2; ::: (3.36)
(xi 1)!
1986). Por otro lado, se han estimado modelos discretos con una estructura de datos de
panel en análisis intertemporal de demanda (Hellerstein, 1993; Englin & Cameron, 1996).
Sin embargo, cuando se cuenta con datos de varios períodos de tiempo, la e…ciencia estadística
de la estimación no mejora ostensiblemente debido a la poca variabilidad de los costos de
viaje año a año.
Z1 1 + "1 si Z1 1 + "1 0;
x1 =
0 en otros casos
..
.
Zn n + "n si Zn n + "n 0:
xn =
0 en otros casos
representa el valor de acceso con el nivel de calidad …nal (índice 1) para el sitio n y el individuo
1 0 2
j: El cambio en el bienestar está dado por ECnj ECnj : En las ecuaciones (3.38) y (4.6) x0nj
2
representa el número de viajes observados en la muestra y x1nj el número de viajes a realizar
pero no observados como resultado de una mejora en la calidad del sitio, respectivamente.
Para determinar el número de viajes realizados en la situación …nal se puede usar el hecho
que
x0nj = + pnj + mj + qn0 + "j ;
y
x1nj = + pnj + mj + qn1 + "j ;
donde el error "j es idéntico para ambas situaciones por tratarse de un cambio en la calidad
ambiental sobre el mismo individuo. A partir de estas ecuaciones se tiene que
De (3.40) se puede obtener un valor para x1nj a partir de información observable. Otra
forma de obtener x1nj es mediante la predicción de la cantidad demandada x^1nj = ^ + ^ pnj +
^ mj + ^ q 1 . Observe que los valores predichos no serán exactos si el modelo presenta errores
n
de especi…cación. El cambio en el bienestar ante un cambio en la calidad ambiental está
dado por
1 0
ECnj = ECnj ECnj ;
! ! !
12 2 2 2
xnj x0nj x1nj x0nj
ECnj = = + ;
2^ 2^ 2^ 2^
1 12 2
ECnj = (xnj x0nj ): (3.41)
2^
^ 1
ECnj = (qn qn0 ) 2x0nj + ^ (qn1 qn0 ) : (3.42)
2^
Para calcular (3.42) se requiere conocer ^ , ^ , el número de viajes observados x0nj ; la
calidad ambiental inicial qn0 y la calidad ambiental …nal qn1 .
Algunos autores (Agnello & Han, 1993; Vaughan et al., 1982) han utilizado un modelo
denominado modelo de variación de parámetros en el cual se estima el modelo en dos etapas.
Primero se expresan los viajes a diferentes sitios como funciones de precios e ingresos. Es
70 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
decir, se estiman n curvas de demanda para cada sitio sin incluir la calidad ambiental ni el
precio de los sustitutos
x1j = f1 (p1j ; mj );
..
.
xnj = fn (p1j ; mj );
xi = ^ 0i + ^ 1i pi + "i :
xi = ^ 0 + ^ 1 qi + ^0 pi + ^1 qi pi + "i + 0i + 1i pi :
Esta función de demanda permite estimar directamente el excedente del consumidor ante
un cambio en la calidad ambiental.
Por último, usando el mismo procedimiento se estima un modelo de n ecuaciones en el
cual se ignora la calidad ambiental pero se incluye el precio de los sustitutos
ECj = c + dqj + j;
Pm x2
ij
ECj = :
j=1 2
Para un cambio en la calidad ambiental del sitio se usa la ecuación EC1 = EC11 EC10
, donde el subíndice representa el sitio. Se sabe que EC11 = c + dq11 y EC10 = c + dq10 . Luego
EC1 = d(q11 q10 ), la cual en términos generales se expresa como ECj = d(qj1 qj0 ):
3.6. MODELOS DE UTILIDAD ALEATORIA 71
Para modelar el problema de elección del sitio mediante el uso de una estructura de
modelos de utilidad aleatoria, considere el caso de n individuos los cuales deben decidir qué
sitio de recreación visitar entre un conjunto de h sitios. Estos individuos poseen un ingreso
mi y un vector de otras características relevantes zi con i = 1; :::; n: Cada sitio tiene a su vez
un vector de atributos denotado por qj con j = 1; :::; h. Por último, el costo del viaje del
individuo i al sitio j está representando por pij . El nivel de utilidad del individuo i al visitar
el sitio j se puede expresar, mediante una función indirecta de utilidad, de la siguiente forma
0
yi = xi + "i ;
3.6. MODELOS DE UTILIDAD ALEATORIA 73
donde yi es una variable continua no observable que es explicada por un vector de variables
xi de orden k 1 con i indicando el i-ésimo individuo, es un vector de k 1 parámetros y
"i es un error aleatorio con media cero y varianza 2 . Aunque yi no es observable se asume
que en la práctica existe una variable dicotómica observable y de…nida por
yi = 1 si yi > 0;
yi = 0 si yi 0:
Y
n
y
L= (1 F ( 0 xi ))1 yi
(F ( 0 xi )) i ; (3.46)
i=1
X
n
` = ln L = f(1 yi ) ln[1 F ( 0 xi )] + yi ln F ( 0 xi )g :
i=1
Los supuestos sobre la distribución del error "i determinan la forma funcional de F en
la ecuación (3.46). Una alternativa sería suponer que la distribución acumulada de "i es
logística, lo cual da lugar a lo que se conoce como modelo logit
exp ( 0 xi ) 1
F ( 0 xi ) = 0 = 0 ;
1 + exp ( xi ) 1 + exp ( xi )
1 exp ( 0 xi ) 1
1 F ( 0 xi ) = 1 0 =1 0 = :
1 + exp ( xi ) 1 + exp ( xi ) 1 + exp ( 0 xi )
Una de las ventajas de este modelo es que la función de distribución acumulada tiene una
expresion númerica la cual es realtivamente fácil de calcular ya que no contiene explícitamente
integrales. Otra alternativa para el término "i es la distribución normal, lo cual da origen al
modelo probit en el cual se asume "i N (0; 2 ) y la función F se expresa como
0x
i
Z
1 t2
F ( 0 xi ) = ( 0 xi ) = p e 2 dt:
2
1
74 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
p1 0
= F( 1 xi );
p1 + ph
p2 0
= F( 2 xi );
p2 + ph
..
.
ph 1 0
= F( h 1 xi );
ph 1 + ph
o en forma general
pj
= F ( 0j xi ):
pj + ph
Reordenado la expresión anterior se tiene
pj =ph pj pj
= F ( 0j xi ) ) F ( 0j xi ) = F ( 0j xi );
pj =ph + 1 ph ph
pj F ( 0j xi )
= = G( 0j xi ); j = 1; 2; :::h 1: (3.47)
ph 1 F ( 0j xi )
Adicionalmente,
X
h 1
pk 1 1 ph 1
= (p1 + p2 + ::::: + ph 1 ) = = 1
k=1
ph ph ph ph
1 X
h 1
pk
) =1+ : (3.48)
ph k=1
p h
Y
n
L= pyi1i1 pyi2i2 :::::pyihih ;
i=1
X
n X
h
ln L = yij log pij ;
i=1 j=1
con yij = 1 en caso de que el i-ésimo individuo se relacione con la j-ésima categoría y yij = 0
en cualquier otro caso. La estimación de la varianza de los parámetros se lleva a cabo en la
forma usual usando la matriz de segundas derivadas de la función de verosimilitud.
McFadden (1974) sugirió un modelo logit, denominado modelo logit condicional, el cual se
puede derivar directamente de los modelos de utilidad aleatoria si se asume una distribución
especí…ca para el componente estocástico de la función indirecta de utilidad. La diferencia
entre el modelo logit condicional y el logit multinomial es que en el primero se consideran los
efectos de las características de las alternativas como determinantes de las probabilidades,
76 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
mientras que en el segundo estas probabilidades dependen de las características de los in-
dividuos. En términos de la ecuación (3.53) el modelo condicional de McFadden se puede
escribir como
exp( 0 qj ) 1
pj = Ph 0
= Ph 0
:
k=1 exp( q k ) k=1 exp((q k q j ) )
No obstante, los modelos pueden ser considerados como un solo modelo logit multinomial.
Como se discutió anteriormente en el modelo de maximización de la utilidad se asume que
los consumidores son racionales en el sentido que hacen elecciones que maximizan su utilidad
sujeta a una restriccion de presupuesto. Sin embargo, existen errores en la maximización
debido posiblemente a una percepción u optimización imperfectas, y a posibles di…cultades
por parte del analista para medir exactamente las variables relevantes. Por lo tanto, y
siguiendo a Thurstone (1927), McFadden asume que la utilidad es una función aleatoria.
Usando la de…nición de la ecuación (3.44) se puede de…nir una variable dicotómica
Si los "ij son independientes e idénticamente distribuidos (iid) con una distribución de
valor extremo tipo I, cuya función de distribución acumulada y de densidad están dadas por
F ("i < ") = exp( e " ) y f ("i ) = exp( "i e "i ); respectivamente, entonces
evij
Pr(yj = 1) = : (3.54)
P
h
evik
k=1
La condición uij = max(ui1 ; ui2 ; ::::; uih ) implica que vij + "ij > vik + "ik para todo k 6= j.
El modelo anterior tiene la propiedad conocida como independencia de alternativas irrel-
evantes (IIA4 ). Tal propiedad consiste en que la razón de probabilidades entre dos alterna-
tivas en el conjunto de elección es independiente de otras alternativas, es decir
Pr(yij = 1) evij
= v : (3.55)
Pr(yik = 1) e ik
El supuesto de IIA constituye una restricción importante del modelo, ya que la existencia
de dos alternativas perfectamente sustitutas dentro del conjunto de elección conlleva a que
la razón (3.55) cambie con la presencia o ausencia del bien sustituto.
Una alternativa de solución para este problema es la utilización del modelo probit multino-
mial. En este modelo se asume que "i tiene una distribución normal multivariada. El modelo
fue propuesto por Thurstone (1927) y ha sido aplicado en trabajos como el de Hausman &
Wise (1978) para modelar un problema de elección de transporte. El modelo probit multino-
mial permite una estructura más ‡exible de la matrix de correlaciones entre las diversas
alternativas. Sin embargo, el modelo puede aplicarse solo a un número restringido de alter-
nativas ya que es complejo desde la perspectiva de sus requerimientos computacionales.
Otra alternativa de solución consiste en el uso del modelo multinomial logit anidado, el
cual fue también propuesto por McFadden. En términos de cálculo implica una secuencia
4
Por su sigla en inglés.
3.6. MODELOS DE UTILIDAD ALEATORIA 77
1
vij
P
hm vlj j
je e
j j
l=1
pij = ;
P
J P
hm vlm
m
m e m
m=1 l=1
donde j y j son parámetros asociados a los distintos subgrupos. Esta probabilidad puede
reescribirse como
pij = pi=j pj ;
5
Siguiendo a Haab & McConnell (2003) la función de distribución acumulada está dada por F ("ij ) =
PJ Phj "ij j
exp j=1 j i=1 exp j
:
78 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
e j
pi=j = h ; (3.56)
Pj vlj
e j
l=1
y la probabilidad de escoger el subgrupo j está dada por la probabilidad de escoger cada
uno de los componentes del subgrupo j sobre todas las posibles alternativas. Esto se puede
escribir como
P
hm vlj j
j e j
l=1
pj = : (3.57)
P
J P
hm vlm m
m e m
m=1 l=1
Es común el uso de una función indirecta de utilidad lineal en la estimación de modelos
de utilidad aleatoria. Esta función implica que la utilidad marginal del ingreso es constante
y estará dada por
vij = y (m pij ) + qij = y m y pij + qij ; (3.58)
donde y es la utilidad marginal del ingreso. Se puede observar que el término y m puede
eliminarse de la expresión de utilidad ya que no varía entre alternativas. Estas considera-
ciones y la especi…cación de una forma funcional lineal, permite reescribir las ecuaciones
(3.56) y (3.57) en la siguiente forma
vij y pij + qij
e j e j
pi=j = h = h ; (3.59)
Pj vlj
Pj y plj + qlj
e j e j
l=1 l=1
P
hm vlj j
P
hm y plj + qlj j
j e j
j e j
l=1 l=1
pj = = ; (3.60a)
P
J P
hm vlm
m
P
J P
hm y plm + qlm
m
m e m
m e m
m=1 l=1 m=1 l=1
j exp ( j Ij )
pj = ; (3.60b)
P
J
m exp( m Im )
m=1
donde Im es el valor inclusivo para cada subgrupo (inclusive value) y está de…nido por
P
hm y plm + qlm
Im = ln e m :
l=1
3.6. MODELOS DE UTILIDAD ALEATORIA 79
La estimación del modelo se puede realizar en dos etapas. En primer lugar se estiman
los parámetros del modelo condicional (3.59), y luego se calcula el valor inclusivo que es
reemplazado en la función marginal (3.60a). Finalmente, se estima la ecuación (5.25). Esta
aproximación secuencial es útil en situaciones que contemplan más de dos etapas de decisión
y es conocida como método de maxima verosimilitud con informacion limitada. No obstante,
es posible estimar el modelo directamente usando un método de maxima verosimilitud con
información completa, donde el modelo completo es estimado en forma conjunta.
ln m e m ln m e m
m=1 l=1 m=1 l=1
DAP = ; (3.61)
^
donde vlm representa el nivel de utilidad despues del cambio y vlm representa el nivel de
utilidad inicial. El cálculo de la disposición a pagar sigue el mismo proceso sugerido en el
capítulo 2, es decir se compara la función indirecta de utilidad en la situación inicial y …nal
y se busca el valor de DAP que iguala ambos niveles de utilidad. Sin embargo, debido a
la naturaleza estocástica de la utilidad en este modelo, la función indirecta de utilidad está
dada por el valor esperado de la máxima utilidad obtenidad por el individuo. Es decir,
!
P
J P
hm vlm m
donde C es una constante. Usando esta función indirecta de utilidad se obtiene la ecuación
(3.61). Finalmente para la forma funcional lineal (ecuación 3.58) la medida de bienestar
queda expresada como
! !
P
J P
hm y plj + qlj
m
P
J P
hm y plj + qlj
m
ln m e m ln m e m
m=1 l=1 m=1 l=1
DAP = :
^
Note que el cálculo de las medidas de bienestar se restringe a un solo viaje. Por lo tanto,
se requiere completar el modelo de decisión discreta con una función de demanda por viajes,
con la idea de explicar la cantidad de viajes totales para los diferentes sitios.
Para el modelo discreto también existe una fórmula de variación compensada (V C) analóga
al valor de acceso. Por ejemplo si se considera la pérdida de la alternativa (1; 1) es decir el
80 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
ln 1 e 1 + m e m ln m e m
l=2 m=2 l=1 m=1 l=1
DAP11 = :
^
explicativas los precios o costos del viaje a los sitios y un vector con características de éstos.
Si se de…ne la función de demanda como x = x(p; z) con p siendo un indicador de precios y z
representando otras variables, las medidas de bienestar se obtienen integrando esta función
de demanda entre los índices de precios en la situacion inicial y …nal, similar al procedimiento
usado para el cálculo del excedente del consumidor. Así,
Z p1
W = x(p; z)dp:
p0
Para de…nir p Hausman et al. (1995) utilizan el negativo del valor inclusivo dividido
por la utilidad marginal del ingreso ( I= ): PParson et al. (1995) y Feather et al. (1995)
usan un índice de precios de…nido como P = Pr(i)pi donde se multiplica la probabilidad
de escoger la opción i por el costo del viaje asociado a esa alternativa. Adicionalmente,
P
estos P
autores incluyen como índice de calidad ambiental las expresiones Q = Pr(i) xi y
Q= Pr(i)xi , respectivamente. La medida de bienestar se calcula mediante la siguiente
expresión Z Z
p1 p1
W = x(p; q 1 ; z)dp x(p; q 0 ; z)dp:
p0 p0
s.a. : p0 x + z y;
z 0;
xj 0; j = 1; :::; M:
Las condiciones de primer orden estarían dadas por
@U (x; z; q; ; ")
Uj (x; z; q; ; ") = pj ;
@xj
xj 0;
xj [Uj (x; z; q; ; ") pj ] = 0;
@U (x; z; q; ; ")
Uz (x; z; q; ; ") = ;
@z
z 0;
z [Uz (x; z; q; ; ") ] = 0;
0
px+z y ; 0; (y p0 x z) = 0:
82 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
de viajes pero con una mayor duración. En estas circunstancias la literatura recomienda la
estimación de distintas funciones de demanda para visitantes con igual duración de viaje,
con la idea de destacar las diferencias existentes entre viajes de un sólo día y aquellos que
requieren más tiempo para su materialización (McConnell, 1975; Bockstael, 1995). En este
sentido se decidió incluir sólo aquellos visitantes cuya duración de viaje fue menor o igual a
un día, y que además acudieron a la playa en auto como medio de movilización y transporte.
De las 628 observaciones contempladas en el muestreo original, 161 cumplieron con tales
requerimientos.
Dadas las características inherentes al modelo censado la población de la cual se obtuvo
la muestra se dividió en dos grupos: participantes y no participantes en la experiencia
recreativa. De la encuesta aplicada en el verano de 1996 fue factible identi…car las principales
características de los recreacionistas. En términos generales más del 80% de los visitantes,
con un viaje de una duración equivalente a un día o menos, procedían de las ciudades de
Concepción, Talcahuano y Tomé. Por lo tanto, se procedió a realizar, durante los meses
de septiembre y octubre de 1996, el muestreo para los datos censados con un número de
encuestas igual a 250 distribuidas proporcionalmente entre Concepción, Talcahuano y Tomé
acorde a las tasas de participación y el estrato socieconómico.
donde xi representa el número de viajes realizado a la playa de Dichato durante 1996 por
la i-ésima familia; Pi equivale al precio o costo variable de viaje para acceder a la playa
por parte de la i-ésima familia; Pij es el costo de viaje al j-ésimo sitio sustituto; D1i es
una variable dummy que toma el valor de 1 si la familia reportó como su preferencia más
importante la facilidad de acceso a la playa, y 0 en cualquier otro caso; D2i es otra variable
dummy que toma el valor de 1 si la familia disfrutó mucho del agua en la playa, y 0 en
caso contrario; mi es el ingreso líquido mensual de la familiar y i es el error estocástico o
aleatorio. Para efectos de análisis y comparación en la estimación econométrica, la ecuación
(5.32) se especi…có en forma lineal y semi-log para los diferentes modelos tanto truncados
como censados.
En teoría los signos de los coe…cientes de las variables costo de viaje y costo de sustituto
deberían ser negativo y positivo, respectivamente. Esto debido a que un mayor costo de
viaje a la playa implicará realizar un número menor de viajes. A su vez mientras mayor sea
el costo de viaje a un sitio sustituto mayor será la demanda por el balneario de Dichato. La
inclusión de una variable dummy que hace referencia a las condiciones de facilidad de acceso,
como parte fundamental de las preferencias y gustos de los visitantes de la playa de Dichato,
se consideró interesante dados los proyectos de construcción de nueva infraestructura vial
84 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
donde Dist es la distancia en km de ida y vuelta desde el sitio de residencia del visitante hasta
la playa; Costo=Km representa el costo por kilómetro recorrido y es igual al rendimiento del
auto (lt=km) multiplicado por el valor del litro de gasolina ($=lt) a precios de marzo de 1996;
%w [ IngresoAnual=2000] constituye el costo de oportunidad del tiempo de viaje, valorado
como un porcentaje del salario-hora y V eloc indica la velocidad promedia de viaje, que en
el presente trabajo equivale a 60 km/hora. El costo de oportunidad del tiempo de viaje fue
evaluado en 30, 40 y 50% del salario-hora, con el propósito de analizar la sensibilidad de las
medidas de bienestar.
En lo que respecta a los costos de viaje a sitios sustitutos, éstos también fueron calculados
usando la ecuación (5.19). La mayoría de los encuestados reportó como lugares alternativos
Playa Blanca o Cobquecura. Sin embargo, es interesante anotar que un número signi…cativo
de entrevistados reveló sitios alternativos relativamente distantes de su sitio de residencia
habitual. Esto signi…ca que dichos lugares tendrían costos de viaje mucho más altos si se
comparan con los correspondientes costos de acceso a Dichato. Por lo tanto, para estos
visitantes se imputó como costo del sitio sustituto el valor más alto reportado en la muestra
para sitios alternativos como Playa Blanca o Cobquecura.
7
Es pertinente anotar que muchas encuestas requieren esfuerzos adicionales en la entrevista con el …n de
obtener ingresos familiares.
3.7. APLICACIÓN MÉTODO COSTO DEL VIAJE 85
a distribuciones discretas. Una manera resumida de visualizar los modelos ajustados a los
datos disponibles de la muestra truncada, se presenta a continuación:
2
OLSL: Y s N (X ; )
2
OLSS: Y s N (exp(X ); )
2
MLEL: Y s N (X ; ) Y es observada sólamente si Y > 0
2
MLES: Y s N (exp(X ); ) Y es observada sólamente si Y > 0
Los modelos OLSL, OLSS, M LEL, M LES, P OIS y BN EG fueron estimados para
los datos de la muestra censada, teniendo presente que la variable dependiente número de
viajes ya no se encuentra limitada en su rango original. Por esta razón los modelos T P OIS y
T BN EG no son válidos para la situación donde la variable dependiente toma valores iguales
a cero. Las estimaciones de los diversos modelos estadísticos fueron obtenidas a través del
programa LIM DEP 6:0 (Greene, 1990).
En lo que concierne a las medidas de bienestar la mayoría de los casos se recurre a las
conclusiones del trabajo de Willig (1976), en términos de considerar el excedente del consum-
idor como una buena aproximación de las medidas Hicksianas, máxime cuando se presentan
cambios relativamente pequeños en los precios. Sin embargo, en la valoración de servicios de
recreación el valor de un sitio es encontrado al considerar un precio lo su…cientemente alto
(precio de exclusión), que conlleva a que la cantidad demandada sea cero. Dado que en situa-
ciones especí…cas la diferencia entre el excedente del consumidor y las medidas Hicksianas
puede ser grande, se recomienda acudir a la alternativa de encontrar una función indirecta
de utilidad y posteriormente la respectiva variación compensada o equivalente (Bockstael
& McConnell, 1980; Hausman, 1981; Vartia, 1983; Alston & Larson, 1993). No obstante,
un argumento que permite considerar el excedente del consumidor como una buena aproxi-
mación de las medidas Hicksianas, parte del supuesto de considerar el hecho que el gasto en
recreación constituye una proporción muy baja en relación con el presupuesto individual o
familiar total.
En esta aplicación se calculó el excedente del consumidor usando las formas funcionales
dadas en las tablas correspondientes a la forma funcional lineal y logarítmica en el capítulo
2. El excedente del consumidor corresponde al área comprendida entre el precio o costo de
visita para cada familia y la respectiva función de demanda. Estimaciones puntuales del
excedente del consumidor promedio por familia para todos los modelos, y tanto por viaje
como por año, se calcularon a partir de los resultados econométricos. Para los modelos
OLSL y M LEL se empleó la fórmula x0 =2 T CP , donde x0 es el número promedio de
viajes anuales observados en la muestra y T CP es el coe…ciente asociado a la variable costo
86 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
de viaje. En los restantes modelos la fórmula del excedente del consumidor promedio por
familia y por viaje fue igual a 1= T CP . Para el cálculo de los bene…cios anuales por familia
se multiplicó el excedente del consumidor por viaje por el número promedio de viajes de la
muestra (x0 ). Las fórmulas anteriores también fueron usadas para calcular el excedente del
consumidor de cada observación con la idea de agregarlos y obtener bene…cios totales para
la respectiva muestra.
Una característica importante del proceso de estimación se re…ere a las diferencias en-
contradas entre las distribuciones continuas y discretas, lo cual se ilustra adecuadamente en
el cálculo de las medidas de bienestar. En cuanto a las distribuciones discretas el modelo
P OIS arrojó resultados muy similares al modelo BN EG, pero es relevante la signi…can-
cia estadística del parámetro el cual denota sobredispersión. Por lo tanto, se procedió
a realizar una prueba estadística sugerida por Cameron & Trivedi (1990), con la cual se
con…rmó la presencia de sobredispersión en el modelo Poisson. Básicamente, la prueba con-
siste en el uso de regresiones con variables construidas a partir de los valores predichos por
3.7. APLICACIÓN MÉTODO COSTO DEL VIAJE 87
Table 3.5: Excedente del consumidor promedio por familia muestra truncada
Modelos Censados
En el Cuadro 3.6 se presentan las principales estadísticas descriptivas de las variables usadas
en las diferentes regresiones de la muestra censada. Los resultados de la estimación de los di-
versos modelos estadísticos son reportados en los Cuadros 3.7, 3.8 y 3.9. La muestra censada
está compuesta por 250 observaciones y se caracteriza por un porcentaje relativamente alto
de ceros (aproximadamente 85%). Esto re‡eja la baja participación en la experiencia recre-
ativa en la playa de Dichato cuando se lleva a cabo un muestreo usando toda la población.
No obstante, este tipo de muestras censadas reviste importancia en lo relativo a la e…ciencia
generada por la información de los no participantes, y a lo robusto de los estimadores con
respecto a una factible e inadecuada especi…cación de los modelos econométricos.
92 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
De los Cuadros 3.7, 3.8 y 3.9 se puede inferir que los modelos OLSL, OLSS, M LEL y
M LES cuentan con una baja signi…cancia estadística del coe…ciente asociado a la variable
costo de viaje. Al comparar estos resultados con los de la muestra truncada se concluye
que las variables Acceso y Agua adquieren mayor signi…cancia estadística (generalmente
del 99%). Otro elemento de contrastación está relacionado con la pérdida de signi…cancia
estadística de la variable Ingreso en todos los modelos estimados. Es más, en algunos casos
el coe…ciente asociado a dicha variable es de signo negativo lo cual no es consistente con la
teoría económica en el caso de bienes normales o superiores. Pero como lo sostienen Creel &
Loomis (1990) la obtención de signos negativos asociados al coe…ciente de la variable ingreso
son un resultado posible en investigaciones de demanda recreacional.
Igualmente, se destaca la alta signi…cancia estadística (99%) de la variable costo de viaje
en los modelos P OIS y BN EG, y la poca diferencia existente en la magnitud de sus respec-
tivos coe…cientes. De manera general se puede a…rmar que existe un mejor comportamiento
de las distribuciones discretas en la modelacion de los datos censados. En estos modelos el
excedente del consumidor promedio por familia y por viaje proporciona unos valores aprox-
imados de $3634,91; $4111,67 y $4609,99, para un costo de oportunidad del tiempo de viaje
correspondiente al 30, 40 y 50% del salario-hora, respectivamente. Estas cifras equivalen a
un excedente promedio por familia y por año de $2573,52;$2911,06 y $3263,88, al multiplicar
por el número promedio de viajes anuales para la muestra censada (0,708).
3.7. APLICACIÓN MÉTODO COSTO DEL VIAJE 93
Por último se presenta el excedente del consumidor total, calculado mediante la agre-
gración de cada una de las observaciones que conforman la muestra censada, y el cual
asciende a $643.379,01; $727.766,13 y $815.969,02, para los diferentes costos de oportunidad
del tiempo de viaje. Para un 40% del salario-hora en la muestra censada se obtienen unos
bene…cios totales anuales de $727.766,13, representando tan sólo el 12,8% de lo obtenido en
la muestra truncada ($5.675.287,36). Esta diferencia en la valoración económica es atribuida
esencialmente a la estrategia de muestreo empleada.
En lo referente explícitamente a muestras censadas recientemente ha aparecido en la
literatura una serie de procedimientos que permiten manejar adecuadamente una proporción
relativamente grande de ceros (Haab & McConnell, 1996). En esencia, se propone el uso de
distribuciones discretas como lo son P OIS y BN EG con la posibilidad de ‡exibilizar sus
funciones de densidad de probabilidades en correspondencia con la cantidad de ceros. Con
la idea de efectuar un análisis comparativo se procedió a con…gurar muestras con un número
de ceros equivalentes al 20, 40 y 60%, con respecto al total de observaciones. Teniendo
presente la consistencia de los resultados y la posibilidad de comparación con la situación
truncada, en los Cuadros 3.10, 3.11 y 3.12 se presentan las estimaciones de la muestra con
una proporción de ceros del 20% (la cual se denominará censada20).
94 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
M LEL, P OIS y BN EG), y un mismo costo de oportunidad del tiempo de viaje, existe un
rango estrecho de variación en los bene…cios estimados. El modelo BN EG, con un costo
de oportunidad del tiempo de viaje del 40%, arroja bene…cios económicos que ascienden a
$ 9.485.944,53. Este valor excede sustancialmente el valor de $5.675.287,36 obtenido en la
modelación de la muestra truncada.
elásticas que los correspondientes modelos no truncados. Esto conlleva a que las estimaciones
del excedente del consumidor en modelos truncados sean menores, lo cual también constituye
una conclusión relevante en la investigación de Creel & Loomis (1990). En lo que respecta
a las distribuciones continuas y la forma funcional lineal, el modelo OLSL, el cual tiene
como base un procedimiento de mínimos cuadrados ordinarios, proporciona bene…cios que
son cinco (5) veces superiores a los obtenidos en el modelo M LEL estimado con métodos
de máxima verosimilitud. Esta diferencia con…rma la posibilidad real de sobreestimación de
los estimadores mínimos cuadráticos. En la forma funcional semi-log la diferencia es más
tenue. No obstante, el modelo M LES conlleva a bene…cios mucho más conservadores que el
correspondiente caso de OLSS.
Adicionalmente, los bene…cios en las formas funcionales semi-log de las distribuciones
continuas son mayores si se comparan con las respectivas especi…caciones lineales. Esto es
consistente con el resultado obtenido por Adamowicz et al. (1989).
Si se comparan los bene…cios estimados de las formas funcionales semi-log con distribu-
ciones continuas (OLSS y M LES) con los modelos de distribuciones discretas (P OIS,
T P OIS, BN EG y T BN EG), se observa que éstas últimas proporcionan bene…cios que son
menores en aproximadamente un 30 ó 40%. En lo que respecta a las distribuciones discretas
existe una fuente de sesgo generada por la sobredispersión en los modelos P OIS y T P OIS,
98 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
reportan un sesgo de la forma [ 1=t ratio2 ], donde t-ratio representa el estadístico t del
coe…ciente costo de viaje en la función de demanda respectiva. Para el caso de los bene…cios
agregados es posible delimitar un intervalo de con…anza como E[EC] E[EC] [1=t ratio2 ]
donde E[EC] es el valor esperado del excedente del consumidor promedio por familia y por
año para el modelo T BN EG. El valor total de los bene…cios podría oscilar entre $ 3250 y
$ 3805 millones de pesos chilenos.
Para la muestra censada original, y considerando que el número de viajes es una variable
discreta, el modelo BN EG proporciona unos bene…cios económicos anuales del orden de
$ 291 millones para las 100.000 familias que visitan Dichato durante el año, asumiendo un
costo de oportunidad del tiempo de viaje del 40%. Este valor equivale a US $ 727.765 al tener
en cuenta una tasa de cambio de $ 400 pesos por dólar. Por su parte la muestra censada20
conduce a unos bene…cios de $ 4656 millones para el mismo modelo BN EG e idéntico
costo de oportunidad del tiempo de viaje. Como se puede deducir existen diferencias en las
valoraciones económicas dependiendo del tipo de muestra usada en los cálculos.
Esta a…rmación también es válida si se establece la correspondiente comparación entre los
bene…cios calculados a través de la agregación de observaciones. Desde esta perspectiva se
concluye que el excedente del consumidor total estimado asciende al orden de $ 727.766,13;
$ 5.675.287,36 y $ 9.485.944,53 para las muestras censadas en su versión original, truncada
y censada20, respectivamente. Sin embargo, las cifras más conservadoras corresponden a la
muestra censada original, en la que bene…cios económicos entre $ 727.766,13 y $ 291 millones
de pesos chilenos, perfectamente podrían justi…car acciones y proyectos orientados al mejo-
ramiento de la infraestructura física del balneario de Dichato. En última instancia, se trata
de viabilizar una adecuada gestión de espacios públicos (Azqueta, 1984; Azqueta & Pérez,
1996), con la conviccion de contribuir efectivamente a la toma de decisiones relacionadas con
su futura conservación.
Para el caso del balneario de Dichato la investigación reveló la factibilidad de aplicación
del método en el contexto chileno. No obstante, también es importante manifestar que los
resultados …nales están necesariamente sujetos a consideraciones por parte del investigador en
lo que respecta al proceso de modelación. Los análisis econométricos re‡ejaron la existencia
de considerables diferencias en la magnitud de los bene…cios estimados, como consecuencia
principalmente de la naturaleza del muestreo, el tipo de distribuciones estadísticas y la
respectiva valoración del costo de oportunidad del tiempo de viaje.
En lo que respecta a la naturaleza del muestreo es preciso señalar que en el caso de
muestras truncadas que cuentan sólo con los participantes en la experiencia recreativa, la
principal ventaja consiste en la relativa facilidad y la reducción en los costos relacionados con
la consecución de la información en el mismo sitio que es objeto de estudio. Por el contrario,
las desventajas guardan conexión con la generación de posibles sesgos en la estimación como
resultado de una inadecuada representatividad y la falta de aleatoriedad en las observaciones,
la exclusión de la información de los no participantes o el empleo de distribuciones estadísticas
que admiten valores negativos para el número de viajes.
Las muestras censadas obtenidas de toda la población relevante eliminan los sesgos típicos
de las muestras truncadas y, adicionalmente, permiten la obtención de estimadores consis-
tentes desde una perspectiva estadística. Este tipo de ventajas conlleva a recomendar las
muestras censadas en investigaciones que opten por el uso del M CV . Quizás la mayor desven-
taja se relaciona con el costo de la aplicación de la encuesta, ya que se requiere efectuar un
100 CHAPTER 3. MÉTODO DE COSTO DEL VIAJE
Table 3.13: Excedente del consumidor promedio por familia muestra censada20
(a) Excedente del consumidor promedio por familia y por viaje ($)
OLSL MLEL POIS BNEG
TCP-30 4.156,74 4.548,42 8.014,75 10.884,47
TCP-40 5.098,31 5.638,67 9.845,43 13.341,69
TCP-50 6.074,64 6.773,81 11.747,15 15.871,76
(b) Excedente del consumidor promedio por familia y por año ($)
OLSL MLEL POIS BNEG
TCP-30 14.507,02 15.873,99 27.971,48 37.986,80
TCP-40 17.793,1 19.678,96 34.360,55 46.562,50
TCP-50 21.200,49 23.640,60 40.997,55 55.392,44
(c) Excedente del consumidor total anual (miles $)
OLSL MLEL POIS BNEG
TCP-30 6756,8 7393,4 5698,4 7738,9
TCP-40 8287,3 9165,7 7000,1 9485,9
TCP-50 9874,3 11.010,8 8352,2 11.284,8
3.8 Conclusiones
Los aspectos directamente ligados a demanda recreacional cuentan con una profusa discusión
teórica, lo cual ha conducido hacia una enriquecedora y productiva materialización de inves-
tigaciones empíricas. Todo lo anterior como resultado de la importancia de las actividades
3.8. CONCLUSIONES 101
4.1 Introducción
El método de valoración contingente (V C) se conoce también con el nombre de modelo
hipotético debido a la forma en que se obtiene la valoración económica de los individuos
por un bien. El procedimiento estándar consiste en el diseño de un cuestionario en el cual
se le describe a los entrevistados un determinado bien ambiental. Además, se construye un
escenario en el cual se provee el bien a valorar, de…niendo claramente las distintas alternativas
y los derechos de propiedad. Luego, se le pregunta a los individuos por su máxima disposición
a pagar (DAP ) por una mejora en la calidad o cantidad del recurso1 . También es posible
preguntar por su disposición a aceptar (DAA) una compensación monetaria por renunciar
a un cambio favorable, desde la perspectiva de la utilidad del individuo, o por su DAA
compensación para aceptar un cambio desfavorable.
El método proporciona en forma directa la valoración del recurso y además es compatible
con las medidas de bienestar Hicksianas, ampliamente aceptadas en la literatura económica
como estimaciones correctas del cambio en el bienestar de los individuos. En otras pal-
abras, la valoración se obtiene directamente de las respuestas de los entrevistados usando la
variación compensada o la variación equivalente, dependiendo de los derechos de propiedad
y de la naturaleza del cambio en el bien.
El nombre del método hace referencia al hecho que los valores revelados por los indi-
viduos entrevistados son contingentes sobre los mercados construidos o simulados en las
encuestas (Portney, 1994). El origen de V C se remonta a la década de los cuarenta cuando
Ciriacy-Wantrup (1947) realizó un estudio sobre los bene…cios de la prevención de la erosión,
destacándose el carácter público de estos bene…cios. Además, el autor sugirió una manera de
identi…car la demanda a través de entrevistas personales en las cuales se pregunta a los indi-
viduos por su disposición a pagar para acceder a cantidades adicionales de un bien (Portney,
1994; Hanemann, 1994).
En la década de los sesenta se inició la investigación académica sobre el método, destacán-
dose el trabajo realizado por Davis (1963) en el cual se diseñó e implementó la primera
encuesta formal de V C, en el marco de la valoración de actividades de caza en bosques del
1
La DAP también puede interpretarse como el pago por evitar una desmejora en la calidad ambiental del
recurso.
103
104 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
Estado de Maine. El trabajo mostró que V C es una herramienta útil para indagar sobre
las preferencias de los individuos por bienes públicos, convirtiéndolo en un método con alta
aceptación para el análisis de política pública (Mitchell & Carson, 1995). Davis (1963) con-
cluye que los resultados obtenidos con este método son muy similares a los que se obtienen
con el método de costo del viaje (Hanemann, 1994).
Un alto nivel de escepticismo ha existido por parte de los economistas con respecto al
uso de V C para estimar bene…cios asociadas a intervenciones públicas. La crítica más obvia
descansa en la naturaleza hipotética de las preguntas y, por lo tanto, el poco incentivo que
tienen los entrevistados para considerar en forma seria y responsable las consecuencias de
sus respuestas. Por otra parte, y suponiendo que los individuos estén dispuestos a revelar
su verdadera valoración por el bien, puede ser difícil que suministren una respuesta con
signi…cado económico debido a la poca experiencia e información previa sobre el bien. Si
se compara la elección que debe realizar el individuo en un estudio de V C con la decisión
que enfrenta en sus transacciones habituales de mercado, se puede constatar que en este
último caso las personas tienen la oportunidad de conocer e informarse sobre dicho bien
en repetidas transacciones, ganando experiencia a través del consumo. Por el contrario, en
estudios de V C el individuo solo se forma una idea del bien público en el momento mismo
de la entrevista.
Si bien el sistema de precios es un mecanismo útil para conocer los bienes por los cuales
las personas se interesan, otra manera de hacerlo consiste en preguntar a los individuos
directamente sus preferencias ya sea a través de encuestas o de un referéndum (Schelling,
1968). Esto no descarta la importancia de las metodologías indirectas de valoración, sin
embargo, éstas no siempre pueden proveer una medida completa de valor. En de…nitiva
el valor total puede obtenerse complementando los métodos directos e indirectos. En los
primeros se captura la parte del valor que Krutilla llamó valor de uso mientras que con el
método de valoración contingente se captura el valor de no uso (Hanemann, 1994). Krutilla
(1967) resalta la importancia de la irreversibilidad en las decisiones que involucra el uso de
los recursos naturales y discute la posibilidad de que los valores de no uso constituyan un
elemento importante en el valor total de los recursos (Portney, 1994).
La posibilidad de medir valores de no uso se transformó en el principal argumento a favor
de V C. Entre los valores de no uso se encuentran el valor de existencia y el valor de legado
o herencia (Freeman, 1984; Madariaga & McConnell, 1987). El uso de V C implica asumir
que el valor de no uso puede ser claramente identi…cado y medido, y que representa una
proporción importante dentro del valor total que los individuos tienen por un bien (Lazo et
al., 1992; Cameron, 1992; Cicchetti & Wilde, 1992; Larson, 1992, 1993; Bishop & Welsh,
1992). No obstante, este argumento no está exento de críticas. Cummings & Harrison (1995)
plantean que sólo es posible observar el valor total de un bien y no las intenciones de los
individuos con respecto a este valor. Otros autores (Diamond, 1996; Kanhemann & Knetsch,
1992; Diamond & Hausman, 1994; Loomis & Delacy, 1992 ) argumentan que V C no capta
con exactitud y con…abilidad la valoración que los individuos poseen con respecto a un bien.
Un aporte que contribuyó al desarrollo del método a partir de la década de los ochenta
fue el trabajo de Bishop & Heberlein (1979), en el cual se valoró las actividades de caza
de gansos en el Estado de Wisconsin. Estos autores evaluaron posibles sesgos relacionados
con el impacto de la utilización de diferentes métodos de valoración (costo del viaje, CV; y
valoración contingente, V C) y distintas preguntas (DAP y DAA). El experimento consideró
4.1. INTRODUCCIÓN 105
tres muestras aleatorias de cazadores. La primera muestra contenía 237 cazadores quienes
recibieron ofrecimientos en dinero por sus permisos (cheques entre 1 y 200 dólares), lo que se
conoce en la literatura como un mercado simulado. Una segunda muestra de 353 cazadores
recibió cuestionarios para reportar su DAP (en el caso de no poseer permisos de caza) o
DAA (disponibilidad a vender sus permisos), bajo escenarios hipotéticos. La tercera muestra
de 300 cazadores recibió cuestionarios para estimar una curva de demanda usando el método
de costo del viaje. Los resultados del experimento de Bishop y Heberlein se presentan en el
Cuadro 4.1. Dentro de las principales conclusiones del estudio se puede mencionar que la
DAP es una medida más conservadora que la DAA, ya que esta última tiende a sobreestimar
el valor del bien. Adicionalmente, se constató las diferencias en la valoración de las personas
debido a factores como acceso a sustitutos o niveles de ingreso, entre otros.
Método US$
Mercado simulado Ofrecimientos en dinero (cheques) 63
Ofertas hipotéticas DAA (disponibilidad a vender) 501
DAP 21
Costo del viaje tiempo viaje = 0 11
tiempo = 14 tasa ingreso 28
tiempo = 12 tasa ingreso 45
Fuente: Bishop & Heberlein (1979).
Desde la perspectiva del desarrollo del método el aporte más signi…cativo de estos autores
consistió en la incorporación de un formato de pregunta binaria o dicotómica en las encuestas
de valoración contingente. En este formato de pregunta se le presenta a los entrevistados una
cantidad At , representando el precio del bien, y los individuos deciden si compran el bien y
pagan la cantidad At , o si por el contrario no están dispuestos a comprarlo. Antes del estudio
de Bishop & Heberlein (1979) el formato de pregunta predominante en los estudios empíricos
era el denominado formato abierto, en el cual se le preguntaba en forma abierta al individuo
cuál era su máxima disposición a pagar por el proyecto o bien objeto de valoración. Con
este formato se obtenía un número grande de respuestas en las que los individuos declaraban
no saber sobre el valor de su DAP , fundamentalmente porque para el individuo es difícil
suministrar una cantidad razonabe de dinero o bien simplemente porque no sabe con certeza
cuánto está dispuesto a pagar.
El formato binario utilizado por Bishop & Heberlein (1979) ha tenido una gran aceptación
ya que sólo requiere respuestas dicotómicas si=no en relación con una determinada cantidad
requerida, y no una estimación exacta de cuánto el consumidor pagaría por un determinado
bien. Por otra parte el formato binario también conocido como referéndum o closed-ended
es incentivo compatible; es decir, induce a revelar honestamente las preferencias de los entre-
vistados. Esto se debe a que enfrenta a los individuos a un precio hipotético y éstos deben
decidir si lo toman o lo dejan (están o no dispuestos a pagar), generando un escenario similar
al que los entrevistados encuentran en sus habituales transacciones (Arrow et al., 1993).
Para reforzar esta idea considere la posibilidad de comportamiento estratégico por parte
de los entrevistados. Si el individuo cree que el precio del bien o el impuesto que va a pagar
106 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
podrían entender cosas distintas a las que se pretende preguntar o valorar. Con…abilidad
implica tener alguna forma de veri…car la consistencia de la valoración contingente con la
teoría económica, lo que a su vez requiere tener una idea a priori de la dirección y tamaño
de los sesgos en las respuestas. Por último, es importante conocer la variabilidad asociada a
las respuestas.
Un estudio de VC implica no sólo preguntar por DAP sino que además se requiere una
descripción detallada del bien, así como también del contexto de mercado en el cual se provee
dicho bien. Por lo tanto, cuando el bien no está claramente de…nido en la encuesta, o bien
el vehículo de pago no es adecuadamente especi…cado en términos de forma, frecuencia y
duración del pago, es evidente que al preguntar por la DAP sólo se esté midiendo el grado
de importancia del bien para la persona y no la valoración del mismo. Por el contrario,
lo que se persigue con V C es medir la intención de comportamiento de pago por un bien
particular. Por consiguiente, para obtener una respuesta satisfactoria la pregunta debe ser
lo más congruente posible con la decisión de compra. En otras palabras, se debe detallar
qué es lo que se está comprando y bajo qué contexto de mercado o institucional se realiza la
transacción. En el caso de bienes públicos esto implica que los aspectos especí…cos del bien
deben ser claramente descritos, y que éste debe ser presentado en un escenario de mercado
adecuadamente de…nido (Mitchell & Carson, 1995).
Cuando uno de los aspectos anteriormente mencionados cambia, se espera igualmente
que el valor de la DAP cambie. Esto incluye cambios en la agencia o institución responsable
del programa que se evalúa, cambios en la cantidad del bien que se ofrece, cambios en los
elementos contingentes que forman el mercado hipotético, etc. Si no se provee su…ciente in-
formación al entrevistado éste puede hacer supuestos equívocos y, por lo tanto, las respuestas
no serán con…ables porque cada individuo entenderá el bien en una forma diferente. Si no se
describe de manera adecuada el bien y el contexto de mercado no es correctamente descrito
se obtendrán probablemente respuestas vagas.
aplicar la entrevista y sobre cuál universo proyectar los bene…cios estimados. Las alternativas
implican escoger sólo a personas que están relacionadas con el bien que es objeto de estudio,
o bien entrevistar a toda la población o público en general. El argumento en favor de
entrevistar sólo a aquellas personas que están familiarizadas con el bien es que se asume que
para éstas será relativamente fácil la asignación de un valor. Sin embargo, si la encuesta
cuenta con la debida descripción del bien ésta podría estar dirigida a un grupo más amplio
de personas. El descartar un grupo de la población podría ser apropiado en los casos en que
este grupo tuviese valores predecibles muy bajos con respecto a la valoración del recurso; es
decir, cuando al extender el mercado a esta parte de la población no se incorpora diferencia
alguna en la valoración con respecto a otros grupos (Arrow et al., 1993).
4.2.5 Información
La literatura muestra en forma profusa como el nivel y los tipos de información afectan
la DAP: Existe una compleja gama de elementos dentro del concepto de información los
cuales son difíciles de clasi…car en una taxonomía ampliamente aceptada. En la literatura se
han discutido aspectos como cantidad y complejidad de la información (Bergström & Stoll,
1990a); orden de las preguntas y experiencia de los entrevistados con el bien ambiental.
(Boyle et al., 1993; Cameron & Englin, 1997); apariencia del entrevistador (Bateman et al.,
2003); calidad de la información (Blomquist & Whitehead, 1998; Hoehn &Randall, 2002);
información de bienes relacionados, tanto complementarios como sustitutos (Whitehead &
Blomquist, 1991; Loomis et al., 1994); información e incertidumbre asociada a los costos y
bene…cios ambientales (McCarville, 1991; Macmillan et al., 1996), entre otros.
110 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
Resultados similares son encontrados por Hoehn & Randall (2002). Estos autores desar-
rollan un modelo teórico para explicar cómo la nueva información afecta la valoración del
bien. Su modelo propone que los cambios en la percepción de la calidad ambiental y DAP
son proporcionales a la diferencia entre la información previa y nueva. El modelo reconoce
explícitamente la heterogeneidad en la información previa a través de los individuos y el
hecho de que muchos bienes ambientales son multidimensionales.
4.2.8 Preferencias
Una crítica recurrente al método de V C es que el individuo no responde a la entrevista como
consumidor. Es decir, no está usando su estructura de preferencias por bienes sino que por
el contrario el individuo asume un papel distinto, comúnmente el de ciudadano, por lo que
su respuesta a la pregunta de valoración no puede considerarse como un enunciado con re-
specto a sus preferencias como consumidor. En esta misma línea de razonamiento se sostiene
que en muchos casos las preferencias pueden ser lexicográ…cas o inconmensurables, por lo
que sus respuestas a los intentos de valoración no tienen sentido económico. Para algunos
autores existen diferencias en la estructura de las preferencias cuando los individuos actúan
como consumidores o como ciudadanos (Blamey et al., 1995). Al actuar como ciudadano
el individuo es más in‡uenciado por los postulados éticos, religiosos o políticos, resultando
en preferencias lexicográ…cas. En este contexto existirán situaciones donde los individuos
están poco dispuestos a aceptar cualquier tipo de compensación por la pérdida de un bien
o servicio. En otras palabras, en estos casos no hay posibilidad de intercambio entre dinero
y bienes ambientales, inhabilitando al investigador a realizar un análisis de costo-bene…cio.
Para Sago¤ (1994) existe una brecha entre los elementos de preferencias y los de elección,
entre preferencias y satisfacción y por último entre éstos elementos y el bienestar. Por lo
tanto, cuestiona el uso de criterios de e…ciencia para decidir sobre bienes ambientales en la
medida que el bienestar y la e…ciencia están ambos de…nidos en términos de DAP; por lo
que el postulado que la e…ciencia maximiza el bienestar es una tautología (una cuestión de
de…nición y no de hechos).
Vatn (2000) a su vez argumenta que los postulados éticos no son reducibles a una sola
métrica como el dinero, especialmente en el contexto de la valoración ambiental dada la
complejidad de las decisiones ambientales. Su crítica se extiende al hecho que para valorar
económicamente el ambiente éste debe ser reducido al concepto de bien económico, lo cual
disminuye el signi…cado y el valor del ambiente mismo. Además, sostiene que un aspecto
crucial del ecosistema es su resilencia y al valorarlo económicamente no se puede capturar
la importancia de ésta. Por último, sugiere que para las personas puede ser incomprensible
negociar o comparar postulados éticos con valores monetarios. Soderqvist (1998) proporciona
evidencia al respecto ya que en su aplicación del método algunos entrevistados consideraron
su creencia ética cuando contestaron a la pregunta de DAP . No obstante, él sugiere que la
evidencia empírica rechaza la hipótesis de la inexistencia de compensaciones entre el bien
ambiental y la renta.
Curtis & McConnell (2002) sostienen que los postulados éticos o religiosos pueden ser
incorporados en el problema general de maximización de utilidad usando una de…nición de
altruismo en la función de utilidad de los consumidores. La evidencia empírica aportada por
estos autores rea…rma estas conclusiones.
Otros críticos de la economía ambiental y particularmente de V C (Gowdy & Mayumi,
2001) argumentan que el método no es consistente con el estado del arte en otras ciencias
como la psicología social, o aún con subdisciplinas dentro de la teoría económica como la
teoría de juegos y la economía del comportamiento. En su análisis estos autores examinan los
axiomas de preferencias centrándose principalmente en la invariabilidad de las preferencias, la
no-saciedad y la complementariedad. Anand (2000) analizó varios axiomas de las preferencias
y concluye que las preferencias por bienes públicos no son completas ni transitivas. Por lo
116 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
tanto, el acercamiento a la DAP para tomar decisiones relacionadas con bienes públicos
no es su…ciente ni adecuado. Por consiguiente, otras alternativas de decisión social serían
necesarias. Finalmente, Gatzweiler (2001), basado en un experimento de V C aplicado a
poblaciones indígenas, encontró que V C es útil en tanto se aplique a una sociedad que
comparte las creencias y visión del mundo subyacente en la teoría económica.
Procurar una buena descripción del bien a ser evaluado donde se describan los efectos
esperados del programa bajo consideración, con el …n de descartar la posibilidad de
compra de satisfacción moral en torno a problemas ambientales, así como también
para evitar la presencia del efecto incrustación (embedding).
Aplicar la encuesta preliminarmente a grupos focales para asegurar que los entrevista-
dos entienden y aceptan la descripción del bien, así como las preguntas del cuestionario.
Indagar sobre la DAP y no sobre la DAA ya que la primera provee valores más
conservadores.
En cuanto al vehículo de pago éste debe re‡ejar una situación realista con el propósito
que la persona considere que el pago será una situación efectiva y no hipotética.
Se recomienda que en el caso de una respuesta negativa sobre DAP por parte del
entrevistado, se indague por la causa que induce al rechazo del pago (por ejemplo, el
entrevistado cree que no es su responsabilidad, o no cree que el proyecto se realice,
motivos económicos, no lo considera un proyecto prioritario, etc.). Por lo general, se
excluyen las respuestas que representan una crítica al mercado hipotético, al vehículo
de pago o que representan escepticismo frente a la materialización del proyecto.
uj = vj (p; y; qj ); (4.1)
El supuesto principal en VC es que las funciones de utilidad tienen componentes que son
desconocidos para el investigador, lo cual sirve para generar una estructura estocástica de la
función de utilidad dada en la ecuación (4.1). Este componente aleatorio puede incorporar
tanto características del individuo como de las alternativas a ser evaluadas. De esta forma la
función indirecta de utilidad es una variable aleatoria con alguna distribución de probabilidad
para los parámetros, y con medias que dependen de las características observables de los
individuos. Lo anterior se expresa como
donde "j es un error con media cero. Siguiendo a McConnell (1990) un modelo de VC
enfrenta al individuo a una elección entre una mejora en la calidad ambiental (de q0 a q1 ),
por la cual se debe pagar una cantidad At , o no tener la mejora y no pagar. Sin embargo,
la verdadera valoración del recurso (denotada por C ) no es observable y lo único que es
factible saber a partir de la respuesta de los individuos es si ésta es mayor o menor que la
cantidad ofrecida At . Por lo tanto, la probabilidad de una respuesta positiva por parte del
4.3. ESTRUCTURA DE MODELOS DE ELECCIÓN DISCRETA 119
de gasto y luego calcular la diferencia entre dos funciones evaluadas con y sin la mejora en
la calidad ambiental. Por el contrario, en el modelo de Cameron se utiliza la información
existente en las respuestas de los individuos para obtener directamente la verdadera función
de valoración. Es decir, el modelo estima una ecuación de la forma
donde yi representa la DAP . La ecuación (4.4) expresa la disposición a pagar como función de
un vector de variables xi : De aquí se deriva una ventaja del modelo de Cameron relacionado
con la potencial utilización de la información existente en las variables dependientes xi . El
argumento de Cameron es que los economistas están interesados en el efecto de más de una
variable explicativa, ya que éstas pueden mejorar las propiedades de la regresión y aportar
información con respecto a los efectos marginales sobre la variable dependiente ante cambios
en las distintas variables de interés. En la estructura de funciones indirectas de utilidad
algunos autores (Bowker & Stoll 1988; Sellar et al., 1985; Silberman et al., 1992), han
incluido otras variables explicativas (número de viajes y distancia al lugar de recreación por
ejemplo) en sus modelos, con el …n de mejorar las propiedades de la regresión. Sin embargo,
la información generada a partir de éstas no es utilizada. En el enfoque de Hanemann
sólo es posible estimar una función de probabilidad y no la verdadera función de valoración
subyacente en los individuos dada por (4.4). Por lo tanto, es todavía más complejo estimar el
cambio en la disposición a pagar ante variaciones en las variables explicativas (@DAP=@xt ) en
forma directa. Esta es una desventaja del modelo de utilidad indirecta ya que las decisiones de
políticas pueden depender de la magnitud en que ciertos atributos de un recurso contribuyan
a su valor social. Tanto las características del bien como de los usuarios contribuyen al valor
del bien. Por lo tanto, puede ser importante conocer la contribución marginal al valor de
estos factores, con la idea de predecir las consecuencias sobre el bienestar por un cambio en
el recurso o cambios en la composición del grupo de usuarios (Cameron et al., 1987)
Cameron & James (1987) y Cameron (1988) enfatizan la utilización de su metodología y
la aplican para estimar la DAP marginal por un día de pesca recreacional. La metodología
se basa en que las cantidades ofrecidas (At ), las cuales varían entre los individuos, contienen
información acerca de la dispersión en la distribución condicional de la DAP que puede ser
útil para la estimación e interpretación de las funciones de valoración. Para comprender
mejor la simplicidad aportada por el modelo de Cameron es necesario discutir la forma de
la función de verosimilitud asociada a cada enfoque interpretativo, lo cual se abordará en
la sección de estimaciones econométricas.
En general, se puede decir que la aplicación del modelo de Cameron es mucho más sencilla
desde la perspectiva de la interpretación y del cálculo de la media de la disposición a pagar.
Ésta es simplemente la esperanza matemática de la expresión (4.4), es decir E(yi jxi ), la
cual dependerá lógicamente de las formas funcionales seleccionadas. Sin embargo, para su
estimación la aplicación del método de Cameron requiere escribir la función de verosimilitud
independientemente ya que esta función no viene disponible en las rutinas típicas en los
programas econométricos.
En la literatura ha predominado el enfoque de diferencia de la función indirecta de util-
idad. Cabe señalar que Hanemann (1984) también esboza la interpretación alternativa de
Cameron y compara las propiedades estadísticas de ambas interpretaciones. Dada la mayor
4.3. ESTRUCTURA DE MODELOS DE ELECCIÓN DISCRETA 121
En las ecuaciones del Cuadro 4.2, At representa la suma de dinero propuesta o valor
umbral, > 0 y = ( 1 0 ) > 0. Estas formas funcionales se obtienen aplicando el
procedimiento sugerido por Hanemann. La forma funcional Box-Cox es una generalización
de todas las anteriores y su obtención se describe a continuación. A partir de ésta se derivan
las otras formas funcionales.
La función uj = j + j y 1 + "j se puede expresar tanto para la situación inicial
como …nal de la siguiente manera
y 1
v0 = 0 + 0 ;
!
(y At ) 1
v1 = 1 + 1 ;
122 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
1 0 0 1
v= + (y At ) y + ;
v= + (y At ) y = + b (y At ) by ;
v0 = 0 + y + "0 ;
v1 = 1 + (y At ) + " 1 ;
v = 1 + (y At ) ( 0 + y);
=( 1 0) At
= At :
v0 = 0 + ln y + "0 ;
v1 = 1 + ln(y At ) + " 1 ;
v=( 1 0)
+ ln(y At ) ln y;
y At At
v= + ln( ) = + ln(1 );
y y
At
la cual podría aproximarse por v= ( ).
y
4.3. ESTRUCTURA DE MODELOS DE ELECCIÓN DISCRETA 123
Para obtener este resultado se sabe que v1 (p; y C; q1 ) + "1 = v0 (p; y; q0 ) + "0 Además,
la función inversa de v1 (p; y C; q1 ) es igual a m = m1 (p; v1 ; q1 ), de donde se deduce que
C = y m1 (p; v1 ; q1 ). Por otra parte, v1 (p; y C; q1 ) = v0 (p; y; q0 ) + "0 "1 . Remplazando
esta expresión en C se obtiene C = y m1 [p; v0 (p; y; q0 ) + ; q1 ].
Dado que la función de utilidad contiene un componente aleatorio, entonces C será una
variable aleatoria. Mediante este procedimiento es factible derivar para cada forma funcional
de v una expresión de C.
v0 = 0 + y + "0 ;
v1 = 1 + (y C) + "1 ;
Note que en este caso se incluyó C y no At en la situación …nal, con miras a obtener la
verdadera DAP que iguala los niveles de utilidad en los dos estados; es decir,
= C:
Despejando C se tiene que
C= :
v0 = 0 + ln y + "0 ;
v1 = 1 + ln(y Ct ) + "1 ;
y
y C C
v= + ln( ) + "0 "1 = + ln(1 ) = 0:
y y
Por lo que
C = y(1 e e ):
124 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
C=e e :
0 0 1
(y C) = + y + ;
1 1 1 1
1
0 0 1
C=y + y + :
1 1 1 1
Si 1 = 0
1
C=y y + ;
C= si = 1;
C=y 1 exp ; si = 0:
Con estos resultados es posible de…nir las medidas de bienestar. Siguiendo a Hanemann
las medidas de bienestar son:
La media
La mediana
Es la cantidad de dinero necesaria para que el individuo esté justo en el punto de indifer-
encia entre mantener el uso del recurso o renunciar a éste (denotada por C ); es decir,
Tanto para el caso logit como probit F [0] = 0:5 y, por consiguiente, v(C ) = 0: Si
se aplican estas de…niciones a los modelos de utilidad indirecta anteriormente discutidos se
obtienen las expresiones de la media y la mediana para diferentes especi…caciones de v, tal
como se presenta en el Cuadro 4.3.
El operador esperanza en las expresiones de las …las II y III en el Cuadro 4.3 es de…nido
por Hanemann como la función generadora de momentos de v, la cual asume la forma
E(e ) = sen( ) para el caso logit y E(e ) =exp( 2 1 2 ) en el probit.
La media truncada
Otra medida de bienestar denominada media truncada surge como respuesta a proble-
mas relacionados con estimaciones negativas de la DAP y con estimaciones poco realistas
considerando las características socioeconómicas de los individuos. Aunque desde una per-
spectiva estadística estos resultados son posibles, desde el punto de vista económico no tienen
mucho sentido valoraciones negativas o notoriamente elevadas.
Para comprender esta propuesta es necesario reformular el problema de estimación es-
bozado anteriormente. Dada la respuesta de los individuos es factible a…rmar que un indi-
viduo responde positivamente si su máxima disposición a pagar es mayor que la cantidad
requerida (C > At ). Luego, la probabilidad de una respuesta a…rmativa estará dada por
4
Esta discusión es abordada por Hanemann (1984) y constituye la base de la interpretación de Cameron.
126 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
Con esta interpretación se obtienen las mismas especi…caciones para la media y la mediana
del Cuadro 4.3, pero existen ciertas ventajas de interpretación en la medida que representa
el área bajo la función de distribución de probabilidad acumulada. En este contexto, y dado
que At es una variable estocástica, la posibilidad de medidas de bienestar negativas no puede
rechazarse a priori, a menos que explícitamente se elija una distribución de probabilidad tal
que ofertas negativas no puedan ocurrir5 . La media truncada se obtiene entonces calculando
solo la integral positiva y descartando el segundo componente de la ecuación (4.10). Esto es,
Z1
C = (1 Gc (At ))dA: (4.11)
0
el monto At es mayor que el ingreso. Estas restricciones implican a su vez restricciones sobre
max
la distribución de probabilidades de : Por ejemplo, = + by en el modelo
max
Box-Cox y " " = + ln y en el modelo de Bishop y Heberlein. Estas restricciones
se satisfacen por medio de la truncación o el censado de la distribución de probabilidad. Es
altamente recomendable corregir la distribución de probabilidad antes de estimar medidas
de bienestar para evitar sobreestimación de los bene…cios. Sin embargo, la mayoría de la
literatura especializada no trata rigurosamente este aspecto de la estimación econométrica6 .
x0i
Pr(yi = 1) = 1 ( ); (4.13)
donde zi es una función con distribución normal estándar y es la función de densidad
7
normal acumulada . El problema de estimación consiste en resolver la siguiente función de
verosimilitud
Qn
1 y
L= F (x0 )yi [1 F (x0 )] i ; (4.14)
i=1
De acuerdo con Amemiya (1981) las primeras y segundas derivadas están dadas por
@ ln L P n yi 0
Pn (1 yi )
= 0
f (x )x i + 0 )
[ f (x0 )] xi ;
@ i=1 F (x ) i=1 1 F (x
@ ln L P n yi F (x0 )
= 0 0
f (x0 )xi ;
@ i=1 F (x )(1 F (x ))
@ 2 ln L P n yi 1 yi
= + f 2 (x0 )xi x0i (4.16)
@ @ 0 i=1 F (x0 )2 (1 F (x0 ))2
Pn yi F (x0 )
+ 0 )(1 0 ))
f 0 (x0 )xi x0i :
i=1 F (x F (x
lo que realmente se obtiene es un coe…ciente tal como = =v, lo que signi…ca que sólo
es posible calcular la probabilidad estimada y no la verdadera función dada por la ecuación
(4.12) cuando se usa el modelo probit o logit tradicional.
El modelo tradicional no explota el hecho que la variabilidad del valor umbral (At ) entre
los individuos permite identi…car la escala de la variable dependiente yi . Dado que cada
individuo es confrontado con una oferta At escogida en forma aleatoria, se puede concluir,
por su respuesta si/no, si su verdadera valoración es mayor o menor que At . En el cuestionario
de DAP una aceptación de At se denota por yi = 1, y un rechazo por yi = 0. Retomando la
ecuación (4.12) se puede de…nir la probabilidad que un individuo responda a…rmativamente
por
donde representa la función de distribución normal acumulada. Para una muestra dada
de n observaciones independientes, la función de densidad conjunta condicional para los
datos,f (y jA; x; ; ), puede ser interpretada como la función de verosimilitud L = f (y jA; x; ; ).
Expresada en términos lineales se tiene que
P
ln L = fyi ln[1 ((At x0i )= )] + (1 yi ) ln[ ((At x0i )= )]g: (4.18)
1=
(At x0t ) = xt 0 :
=
130 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
respuestas si (s) y no (n). At es el primer valor ofrecido, Aut es el valor superior ofrecido
después de una primera respuesta positiva y Alt es el valor inferior ofrecido ante una primera
respuesta negativa.
El problema de estimación se resuelve a través de métodos de máxima verosimilitud con
la función de densidad conjunta dada por
Y
n
ss nn sn ns
L= (Piss )di (Pinn )di (Pisn )di (Pins )di :
i=1
existe una alternativa de encuesta. Ésta, de acuerdo con Cooper et al. (2001), podría reducir
el sesgo del formato dicotómico doble. Estos autores sostienen que el problema se puede deber
a la inclusión inadecuada de la segunda pregunta dicotómica. El problema surge porque en
las encuestas que usan este formato no se le explica al entrevistado el hecho que se enfrentará
a una segunda oferta. El elemento sorpresa es, en otras palabras, la probable causa de la
inconsistencia en las preguntas. Lo anterior puede generar insatisfacción en los entrevistados
al desconocer las razones para el surgimiento de la segunda pregunta de valoración.
En virtud de lo anterior los autores proponen un diseño alternativo al formato dicotómico
doble. El nombre asignado a este formato dicotómico es One-and-One-half-bound (uno y
medio límites). En este texto se denominará intermedio porque se puede entender como una
alternativa intermedia entre el formato dicotómico simple y el doble. En este formato, y
antes de la pregunta de valoración, se explica adecuadamente a los entrevistados que dada
la incertidumbre en el costo del proyecto el valor para los individuos estará dentro de cierto
rango de valores Al ; Au : Posteriormente, se escoge aleatoriamente uno de estos límites para
una primera pregunta dicotómica. El procedimento entonces se divide en dos posibilidades.
Si se escoge aleatoriamente el valor superior Au el individuo puede responder a…rmativa-
mente, lo que implica terminar las preguntas sobre valoración. Nótese que se usa una sola
pregunta dicotómica para este caso. Por el contrario, si el individuo responde que no está
dispuesto a pagar, entonces se le ofrece un valor menor. En este caso se tienen dos preguntas
dicotómicas. El análisis del caso correspondiente al límite inferior es análogo. Como se puede
deducir se espera que en la mitad de los casos se usen dos preguntas dicotómicas y en la
otra mitad solo una, obteniéndose una combinación de formato simple y doble. La segunda
pregunta es aplicable a la mitad de los casos y de allí se deriva precisamente el nombre del
método. Los posibles resultados en términos de la probabilidad son
donde:
Pikl : probabilidad de respuesta al evento kl,
At : primer valor ofrecido al individuo,
Aut : valor superior ofrecido ante una primera respuesta positiva,
Alt : valor inferior ofrecido ante una primera respuesta negativa.
El logaritmo de la función de verosimilitud se de…ne como
P
n
ln L = (dsi ln Pis + dsn sn n n
i ln Pi + di ln Pi ): (4.22)
i=1
Existen cuatro posibles pares de respuestas que se muestras en la ecuación (4.23). Usando
las de…niciones de la ecuación (4.24) se puede encontrar la función de máxima verosimilitud
respectiva (Cameron & Quiggin, 1994).
211 3
Z Z
Pn
ln L = ((y1i )(y2i ) ln 4 g(z1 ; z2 )dz2 dz1 5 +
i=1
2 z1 z2 3
Zz1 Z1
(1 y1i )(y2i ) ln 4 g(z1 ; z2 )dz2 dz1 5 +
12
z2 3
Zz1 Zz2
(1 y1i )(1 y2i ) ln 4 g(z1 ; z2 )dz2 dz1 5 +
2 1 z1 1 3
Z Z2
(1 y2i )(y1i ) ln 4 g(z1 ; z2 )dz2 dz1 5):
z1 1
Al igual que en el caso paramétrico en las estimaciones semiparamétricas aplicadas por Creel
& Loomis (1997) y Li (1996) se intenta obtener parámetros. Pero en este caso se estima con-
sistentemente la probabilidad de aceptar una cantidad ofrecida, sin estimar individualmente
la forma de la diferencia de la función indirecta de utilidad ni la distribución de los errores.
Esto es posible a través del método de máxima verosimilitud de libre distribución.
El estimador semiparamétrico fue propuesto por Creel (1995) donde la probabilidad de
aceptar una determinada cantidad ofrecida es Pr(x; At ) = F ( ): En esta de…nición x
representa variables exógenas como ingreso y otras variables socioeconómicas y At es la
cantidad ofrecida.
F( ) y no tienen formas conocidas. Por ello el modelo asume que F ( ) es
estríctamente continua y creciente y es doblemente diferenciable y continua en todos sus
argumentos. Entonces lo que se busca es estimar Pr(x; At ) consistentemente, lo que permite
obtener las medidas de bienestar sin necesidad de estimar F y individualmente.
1
Si se de…ne h(x; At ) [F ( )] se tiene que Pr(x; At ) = (h) = F ( ): Por con-
strucción el par (F ; ) es equivalente a ( ; h) donde se puede seleccionar arbitrariamente
e intentar determinar h(x; At ):
La ventaja es que la función h(x; At ) es desconocida pero la especi…cación estocástica es
conocida. Por ejemplo, para el caso de logit ( ) = [1 + exp( )] 1 ; en la cual se satisface la
condición de ser continua y creciente y por lo tanto invertible. Por consiguiente, la estimación
se puede llevar a cabo a través de máxima verosimilitud.
La función desconocida h(x; At ) se puede aproximar usando el modelo de la forma fun-
cional ‡exible de Fourier8 . Si se agrupan las variables en X tal que X = (x; At ), la diferencia
8
Ver detalles en Gallant (1982).
136 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
donde sa (ln a) se obtiene al restar de cada variable (luego de tomar logaritmo natural ) el
mínimo valor y luego dividir por el máximo valor de tal manera que la variable se encuentre
en el intervalo [0,1]. Luego se multiplica por 2 0:00001 de forma que el resultado …nal
se encuentre en el intervalo [0; 2 0:00001]. Creel (1995) muestra que h(X; ) converge
uniformemente a h(x; At ); donde es el estimador de máxima verosimilitud obtenido usando
un proceso de estimación logit.
Dado que se asegura la consistencia sin supuestos sobre la forma funcional y la distribu-
ción, se denomina estimador semiparamétrico. La ventaja de este estimador semiparamétrico
es que restringe la probabilidad estimada al intervalo [0, 1] durante la estimación.
Una vez estimados los se puede calcular [h(X; )]; que equivale a Pr(x; At ); y luego
las medidas de bienestar. La media se obtiene aplicando la Regla de Simpson de integración
y para la mediana se encuentra un valor tal que la ecuación (4.25) sea igual a cero. Es decir,
Z 1
M edia = E(C) = Pr(x; At )dA;
0
Estimación no parámetrica
En la estimación no paramétrica se construye la función de sobreviviencia a partir del vector
de cantidades Ai y de sus respectivas proporciones de aceptación. Kriström (1990) utiliza
el “pooled adjacent violator algorithm”(P AV A) para construir la función de sobreviviencia
de la DAP , asumiendo una función lineal por tramos. Básicamente, consiste en ordenar los
resultados obtenidos de un estudio de V C de formato dicotómico simple, especi…cando la
cantidad de respuestas a…rmativas ki obtenidas con el ofrecimiento del vector de cantidades
Ai con respecto al total de las encuestas realizadas ni , y construyendo la secuencia de estas
proporciones i , tal que
ki
^i = : (4.26)
ni
Ayer et al. (1955) muestra que i constituye una secuencia monótona no creciente de
proporciones, la cual provee un estimador de máxima verosimilitud de libre distribución de
las probabilidades de aceptación. En el caso de que la secuencia no sea monótona entonces se
propone la utilización del P AV A, de tal manera que si ^ i < ^ i+1 para algún i = 1; 2; :::; m 1,
entonces i < i+1 . La barra denota el estimador de máxima verosimilitud, tal que las
proporciones son agrupadas y reemplazadas por
ki + ki+1
^i = :
ni + ni+1
Este procedimiento se repite hasta asegurar que la secuencia es monótona decreciente en
i. Para completar la información necesaria se asume que si la cantidad ofrecida fuese cero
4.4. ESTIMACIONES ECONOMÉTRICAS 137
(Ai = 0), entonces la probabilidad de aceptación es igual a uno ( i = 1). Además, se escoge
algún punto arbitrario Ai = T , tal que la probabilidad de aceptación sea igual a cero. El
valor T representa el punto donde la función de sobrevivencia de la DAP hace un corte en
el eje horizontal. Esta asignación de un valor T permite cerrar la curva de sobrevivencia de
la DAP garantizando la estimación de la media, de…nida como el área bajo esta curva.
Utilizando una interpolación lineal se puede calcular la media usando una aproximación
por trapecios, la cual sugiere que el área a calcular es igual a la suma de las áreas en cada
trapecio formado por los distintos rangos de valores y sus probabilidades. Si se ordenan los
datos con pi en el eje vertical y Ai en el eje horizontal la media está de…nida por
P
k (p + p
i i 1 )(Ai Ai 1 )
C ;
i 2
donde C es la medida de bienestar (media). Alternativamente, Du¢ eld & Patterson (1991)
expresan la medida de bienestar como
P
k
C= Ai p i ; (4.27)
i
P
k
V ar(C) = ( Ai )2 i (1 i )=ni : (4.28)
i
Fj = P (C Aj ) 8 j = 1; :::; m + 1; (4.30)
138 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
y donde Fm+1 = 1. Si se satisfacen (4.29) y (4.30) entonces la función de densidad puede ser
representada por la diferencia de la función de distribución acumulada
pj = Fj Fj 1 con F0 = 0:
donde Yj son las respuestas positivas. Si la proporción de respuestas negativas al valor Aj+1
es estrictamente mayor que la proporción de respuestas negativas al valor A1 , entonces la
probabilidad que la DAP esté en el intervalo (Aj+1 ,Aj ) es positiva e igual a la diferencia en
las proporciones.
Haab y McConnell resumen el procedimiento de estimación en varias etapas, empezando
con el cálculo de
Nj
Fj = ;
Nj + Yj
para todo j. Posteriormente, se compara Fj y Fj+1 (comenzando con j = 1). Si Fj+1 > Fj ,
entonces se continúa con el cálculo de los Fj siguientes. Por el contrario, si Fj+1 < Fj se
deben agrupar las celdas correspondiente a j y j + 1 y sus respectivos valores de Aj y Aj+1 .
La agrupación de las celdas propende por la con…guración de una función de distribución de
probabilidad monótonamente creciente. Después de esto se calcula la función de densidad de
probabilidad (pi ) como la diferencia entre la función acumulada en j y j 1. Las varianzas
asociadas a los parámetros Fj y pj se pueden expresar mediante las siguientes fórmulas
Fj (1 Fj )
V (Fj ) = ; (4.31)
Nj + Fj
Fj (1 Fj ) Fj 1 (1 Fj 1 )
V (pj ) = + : (4.32)
Nj + Fj Nj 1 + Fj 1
La medida de tendencia central usada como medida de bienestar es una cota inferior de
la disposición a pagar. Este límite inferior de la DAP y su respectiva varianza se calculan
de la siguiente manera
P
n+1
E(L{mInf DAP ) = Aj 1 p j ; (4.33)
i=1
P
n+1 P
n+1
V ar Aj 1 pj = A2j [V (Fj ) + V (Fj+1 )]
i=1 i=1
P
n+1
2 Aj Aj 1 V (Fj ): (4.34)
i=1
Las ventajas de estos métodos de estimación son su fácil aplicación y el hecho que las
medidas de bienestar son robustas a errores de especi…cación.
4.5. DISEÑO ÓPTIMO 139
no óptimo.
Du¢ eld & Patterson (1991) realizaron un análisis de sensibilidad en los estimados de
V C con formato referéndum. Para un conjunto …jo de cantidades ofrecidas [A1 ; A2 ; :::; Ak ], el
problema consiste en encontrar n1 ; n2 ; :::; nk para minimizar la varianza de la media truncada
de DAP. La media se de…ne como
X
k
C^ = Ai p i ; (4.35)
i=1
X
k X
k
V ar (C) = ( Ai )2 var(pi ) = ( Ai )2 i (1 i )=ni : (4.36)
i=1 i=1
P
Esta expresión se minimiza sujeto al tamaño total de la muestra ki=1 ni = N: El prob-
lema puede ser generalizado al asumir un N variable, pero con un costo ci asociado a cada
una de las entrevistas con miras a obtener un valor de Ai . En este caso la restricción se
expresa como
X k
ci ni = Q;
i=1
d 11
A2 = 5088 0:5 ;
25 25
Intervalos de con…anza
Para construir intervalos de con…anza Krinsky & Robb (1986) proponen una metodología
que consiste en generar muestreos aleatorios para el vector de parámetros . Dado que
los coe…cientes estimados se distribuyen asintóticamente normal con matriz de varianzas y
covarianzas V^ y media ^ , se pueden generar muestreos aleatorios para a partir de esta
distribución normal multivariada. Para cada muestra obtenida se calculan nuevas medidas
de bienestar y de esta forma se genera una distribución empírica para ellas. La nueva
muestra es ordenada en forma ascendente y el intervalo de con…anza se obtiene eliminando
un porcentaje igual a =2 de los valores en las colas de la distribución, donde es el nivel
de signi…cancia. Este método toma en cuenta tanto la variabilidad asociada a cada uno de
146 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
los coe…cientes estimados como la interacción entre éstos. El método fue adaptado a V C
por Park et al. (1991) ya que en su versión original fue aplicado por Krinsky & Robb (1986)
para estimar varianzas de elasticidades de producción.
Pruebas puntuales
= G( ; );
V (^) = g 0 g;
donde g es un vector de (k + q)x1 derivadas parciales de G con respecto a ^ y ^ , y es la
matriz de covarianzas asintóticas de los parámetros estimados en cada modelo. Es decir,
A C0
= ;
C B
1
@ 2 l2 @l2
(^ ) ;
@ @ 0 @
a partir de la cual Turner & Rockel (1986) deducen que la matriz de covarianzas asintóticas
se puede aproximar por
@l2 @l1
C=B A;
@ @
en donde B y A son las inversas de la matriz de información de los dos problemas de maxi-
mización. El valor de las primeras derivadas de la función de verosimilitud se puede evaluar
numéricamente usando la ecuación de primeras derivadas de la función de verosimilitud, una
vez que se cuente con la estimación del vector de coe…cientes.
Un caso especial se re…ere a la estimación de la varianza de un estimador que depende
de los coe…cientes obtenidos en un solo modelo. Si este es el caso, la aproximación lineal se
de…ne como
2
P @f P @f @f
V ar(^) var( ^ k ) + 2 cov( j ; k );
k @ k j6=k @ j @ k
tanto de cantidad como de calidad y de precios. Los entrevistados deben seleccionar la opción
que les reporta el mayor bienestar. Es posible que ninguna de las opciones presentadas sea
escogida. El método de Ordenación Contingente es similar al modelo de experimentos de
elección. Sin embargo, en este método se pide a los entrevistados que ordenen desde la más
a la menos preferida las distintas opciones o proyectos. Este método provee más información
que el método experimental de elección ya que entrega información sobre las preferencias para
todos los escenarios presentados y no sólo sobre el más preferido. El método de Clasi…cación
Contingente requiere que los entrevistados clasi…quen todas las alternativas teniendo como
base una determinada escala (1 a 100 por ejemplo). En otras palabras los individuos hacen
juicios con respecto a la magnitud e intensidad de su utilidad asociada a cada uno de los
escenarios presentados. Por último, el método de Comparación de Pares es identico al
método de Experimento de Elección pero las alternativas son presentadas en pares a los
entrevistados.
En general, al igual que en VC, el M EC puede ser utilizado para estimar valores de uso y
no-uso, dependiendo de los escenarios contingentes presentados a los individuos. Algunas de
las di…cultades al aplicar M EC son: la encuesta puede inducir a los entrevistados a responder
sobre su satisfacción más que responder en función de la maximización de bene…cios; en
ocasiones es difícil para los entrevistados evaluar ganancias y pérdidas de una opción; si el
número de atributos a considerar aumenta conlleva a un aumento del tamaño de la muestra;
no todos los métodos son consistentes con la teoría económica del bienestar.
4.8 Aplicaciones
4.8.1 Introducción
En esta sección se presentan varios estudios realizados con el método de valoración contin-
gente. Los temas han sido ordenados con el …n de presentar la evolución que ha experim-
ientado la literatura y la aplicación del método. El primer caso presenta la estimación de
medidas de bienestar Hicksianas usando información de la encuesta aplicada en la playa de
Dichato10 . Los primeros resultados muestran la obtención de las medidas de bienestar, sin
alusión a intervalos de con…anza, estimación no paramétrica o diseño óptimo. Esta misma
muestra es usada para comparar, mediante pruebas de hipótesis puntuales e intervalos de
con…anza, las medidas de bienestar obtenidas usando el enfoque de diferencia de la función
indirecta de utilidad y el método de la función de variación.
El segundo caso de estudio presenta las estimaciones de medidas de bienestar por una
mejora en la calidad ambiental de las aguas del río Claro en Chile. La estimación usa el
método dicotómico doble. Este mismo estudio es usado para ilustrar la comparación entre
medidas de bienestar estimadas con métodos parametricos y no parámetricos. El diseño
óptimo sigue las recomendaciones de Cooper (1993).
Por último, se presenta el caso de la valoración económica de la calidad del aire en la
ciudad de Talcahuano, Chile. En este caso se usó el procedimiento de diseño óptimo sugerido
por Sitter (1992) con la idea de obtener estimadores robustos. Además, se emplea el modelo
spike sugerido por Kriström (1996). Esta aplicación es presentada en forma más detallada
10
Una explicación general de la encuesta se encuentra en el capítulo de costo del viaje
4.8. APLICACIONES 149
Metodología
Cada jefe de familia entrevistado en la playa de Dichato recibió un cuestionario en el que se
explicaba el propósito de la entrevista y las condiciones de contaminación creciente presentes
en el sitio de recreación. Se enfatizó que de persistir la situación de riesgo a la salud como
consecuencia de la contaminación, se procedería probablemente al cierre de…nitivo de la playa
para uso recreacional (principalmente baño). Las medidas tendientes a evitar la pérdida del
recurso consistían en la construcción de una planta de tratamiento de aguas servidas, la
cual debía ser …nanciada con el aporte de todos los agentes involucrados en el uso de la
playa. Una vez que el individuo comprendió la situación descrita se le formuló la siguiente
pregunta: Estaría usted dispuesto a pagar una cantidad de $Ai mensuales para evitar la
potencial contaminación del agua y no perder el acceso al balneario?
Donde $Ai tomó los valores de 450, 900, 1350, 1800, 2250, 2700, 3150, 3600, 4050, 4500
pesos chilenos. Estas cantidades fueron asignadas aleatoriamente a cada entrevistado. El
vehículo de pago consistió en un cargo adicional en la respectiva cuenta de servicios de agua
potable de la familia. El vector de cantidades ofrecidas se obtuvo al aplicar una encuesta
preliminar con formato de pregunta abierta, como es sugerido por Boyle et al. (1988). La
muestra en el estudio constó de 370 observaciones distribuidas en los 10 rangos de valores.
Estimaciones econométricas
Las formas funcionales se estimaron a través de máxima verosimilitud con el programa
econométrico LIM DEP 6:0, tanto para el caso logit como probit. Los resultados se pueden
observar en el Cuadro 4.4 donde los tres modelos o formas funcionales resultaron globalmente
150 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
signi…cativos (altos valores de 2 ). Igualmente, todos los parámetros tienen los signos esper-
ados y son signi…cativos al 1% (excepto el intercepto en el caso probit del modelo III). Sin
embargo, las estimaciones revelan algunas diferencias entre las diversas formas funcionales.
Por ejemplo, el R2 de McFadden es relativamente bajo en todos los casos, pero es un 80%
más alto para el modelo II en relación con las otras dos formas funcionales. Además, el por-
centaje de predicciones correctas (véase Cuadro 4.4) no presenta diferencias grandes entre
los modelos. No obstante, es más alto en el modelo II. Cabe anotar que los modelos fueron
estimados con otras variables explicatorias con el …n de mejorar el ajuste estadístico, las
cuales no resultaron signi…cativas y por esta razón no se presentan en los resultados.
En el Cuadro 4.5 se presentan las medidas de bienestar. Exceptuando el modelo III, las
medias y medianas no varían signi…cativamente con respecto al tipo de distribución asumida
para el error. Sin embargo, en el modelo III la diferencia entre logit y probit es considerabe en
el caso de la media. Obviamente, cuando las valoraciones representan más del 15% del ingreso
mensual de los individuos11 , como en el modelo III, constituye un resultado poco plausible
desde una perspectiva teórica. Adicionalmente, las estimaciones del modelo III evidencian
las diferencias existentes entre media y mediana. Dadas estas diferencias es recomendable
usar el modelo I para estimar los bene…cios del uso recreacional de la playa de Dichato. Este
modelo fue también usado en los estudios de McConnell & Ducci (1989); Mello & Donoso
(1995); Shultz & Pinazzo (1996).
Existen dos razones adicionales que justi…can la elección del modelo I. En primer lugar,
trabajos prácticos han concluido que el formato binario entrega estimaciones de la disposición
a pagar mayores que los reportados por otros tipos de formato (Brown et al., 1996). En
11
El ingreso promedio fue de 400.000 pesos chilenos.
4.8. APLICACIONES 151
segunda instancia, se ha demostrado que las estimaciones son sensibles a la elección del
vector de cantidades ofrecidas, hasta el punto que la omisión de valores en el extremo de la
cola de la distribución disminuye la estimación de la media (Cooper & Loomis, 1992). Esto es
relevante en la presente aplicación ya que el rango de cantidades ofrecidas no incluyó toda la
cola superior (lo cual se corrobora al existir una probabilidad cercana al 30% de respuestas
a…rmativas correspondiente al mayor valor ofrecido). De ser relevante el efecto mostrado
por Cooper y Loomis para los estudios de valoración, es dable esperar unas medidas de
bienestar mayores si se extiende la cola superior del vector de cantidades ofrecidas. Por todo
lo anterior, es recomendable optar por la menor estimación con el propósito de propender
por los resultados más conservadores.
Es importante mencionar que estas estimaciones no corrigen la distribución de probabil-
idad acorde con las restricciones teóricas discutidas en la sección de medidas de bienestar.
Los resultados del estudio sugieren que cada investigación requiere de un análisis de formas
funcionales y de consideraciones estadísticas para los datos particulares que son objeto de
estudio. En resumen, existen diferencias en las estimaciones de las medidas de bienestar
cuando se usa el métod de VC con formato binario. Estas diferencias pueden explicarse por
las distintas formas de la diferencia de la función de utilidad y por los supuestos sobre la
distribución de probabilidades del error.
la función a estimar. Sin embargo, la incorporación del ingreso asegura por lo menos una
variable explicativa en el model de Cameron. En caso contrario se tendría sólo la estimación
de una constante. La forma funcional en el modelo de Cameron se rige por criterios similares
a los de cualquier estimación econométrica y de acuerdo con la discusión teórica existe una
función indirecta de utilidad compatible con esa función de valor.
Segundo, el ejercicio puede parecer un tanto innecesario dada la discusión presentada
anteriormente donde se sostiene que ambas interpretaciones son duales. Con respecto a
este punto McConnell (1990) sostiene que los modelos de Hanemann y Cameron son duales
pero es necesario distinguirlos cuando se incorporan elementos estocásticos. Para las formas
funcionales discutidas se concluye que no existen diferencias en las medidas de bienestar. De
hecho, y como se mostró anteriormente, los párametros de estos modelos se pueden estimar
a partir de los parámetros del modelo alternativo. Sin embargo, la discusión aporta en tres
distintas direcciones. Primero, se ilustra el efecto de aplicar un criterio de diseño óptimo
tanto a los parámetros como a las medidas de bienestar. Se presenta, además, la estimación
de intervalos de con…anza usando tanto el método de simulación que genera una distribución
empírica de las medidas de bienestar (Krinsky & Robb, 1986) como el metodo delta que
aproxima linealmente las medidas de bienestar usando una expansión de la serie de Taylor
de primer orden (Turnel & Rockel, 1988). Por último, la aplicación representa evidencia
empírica en favor de la dualidad de las aproximaciones teóricas.
Lineal Logarítmico
v= A+ Y v= ln A + ln Y
N = 370 No Óptimo Óptimo No Óptimo Óptimo
0,896* 0,834* -1.99* -2,1635*
t (4,607) (4,185) (-3.209) (-3,475)
tienen los signos esperados. En general, los resultados muestran que los coe…cientes esti-
mados son más precisos (poseen menor varianza) cuando se usa la muestra no óptima con
iguales ni . No obstante, la varianza de las medidas de bienestar de este tipo de muestras
son mayores que las respectivas varianzas de la muestra optimizada. Estos resultados son
consistentes con la evidencia aportada por otros autores en la estimación de medidas de
bienestar Marshallianas (Adamovicz et al., 1989) y Hicksianas (Du¢ eld & Patterson, 1991).
Con respecto a las varianzas los resultados son similares al estudio de Krinsky & Robb
(1986), donde las varianzas calculadas con el procedimiento de simulación son mayores que
las calculadas con el método de aproximación lineal.
Las pruebas de hipótesis se realizaron con la muestra optimizada ya que ésta provee las
menores varianzas de los estimadores de las medidas de bienestar. Los intervalos de con…anza
de la simulación se construyeron para un nivel de signi…cancia del 5%. Para los intervalos de
con…anza (Cuadro 4.8) los resultados sugieren que no hay evidencia para rechazar la hipótesis
nula de igualdad entre las medidas de bienestar dadas por Hanemann (H) y Cameron (C),
tanto para el modelo logarítmico como para el modelo lineal.
154 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
Lineal Logarítmico
A= + Y A = + ln Y
N= 370 No Óptimo Óptimo No Óptimo Óptimo
2,516* 2,355* -3,0506* -3,352*
t (7,29) (6,799) (-2,739) (-2,857)
Table 4.8: Intervalos de con…anza para las medidas de bienestar usando la aproximación de
Hanemann (H) y Cameron (C) para dos formas funcionales
Metodología
La aplicación de la entrevista comenzó por explicar al entrevistado en que consistía el
proyecto. Para tal efecto, se usó un mapa de la ciudad donde se presentó la ubicación
del río Claro y del área de interés, al igual que material visual constituido por imágenes que
ilustraron las actividades factibles de llevarse a cabo en la situación con o sin proyecto. El
procedimiento se orientó a suministrarle al entrevistado la mayor cantidad de información
posible.
156 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
Table 4.9: Tamaño óptimo de la muestra para cada Ai para la valoración económica del río
Claro
Ai
Muestra (ni ) Inicial Inferior Superior
16 880 500 1520
46 1520 880 2310
67 2310 1520 3415
101 3415 2310 5190
177 5190 3415 8950
93 8950 5190 14000
.
4.8. APLICACIONES 157
Estimaciones económetricas
Los Cuadros 4.10 y 4.11 presentan los coe…cientes estimados para los modelos lineal y loga-
rítmico, respectivamente.
Table 4.10: Coe…cientes modelo lineal para valoración económica del río Claro
Table 4.11: Coe…cientes estimados modelo logarítmico para valoración económica del Río
Claro
Estimación no parámetrica
En una primera instancia se estimaron en forma parámetrica las medidas de bienestar con-
siderando como única variable explicativa la cantidad ofrecida Ai ; y asumiendo una distribu-
ción logística para los errores. Las medidas de bienestar para la forma funcional logarítmica
158 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
Table 4.13: Intervalos de con…anza usando el método de simulación para los modelos lineal
y logarítmico
Ai ki kj =ni i
880 11 11=16 0:688
1520 42 42=45 0:933
2310 57 57=66 0:863
3415 75 75=99 0:6363
5190 116 116=175 0:663
8950 29 29=93 0:311
Para el cálculo de la media se establecieron dos valores posibles para el nivel de truncación
T : T1 =12.000 y T2 =15.000. Usando la estimación por trapecios la media se estimó en 6524
4.8. APLICACIONES 159
y 7913 pesos anuales, respectivamente. Por su parte, la mediana equivale a un valor anual
de 6934 pesos. El cálculo de la varianza se obtuvo usando la ecuación (4.28) y asciende a
$215:
Para la propuesta de Haab & McConnell (1997) se aplicó la distribución Turnbull (Cuadro
4.15). Además, fue necesario agrupar A1 y A2 para garantizar que la función de densidad
de probabilidad sea monotónicamente creciente. Dada la agrupación realizada en rangos el
límite inferior de la DAP fue de $5198 pesos anuales con un error estándar de 210; 57 pesos.
La mediana se encuentra en el rango 5190 8950 determinada por una i = 0; 5. Con una
aproximación lineal se obtiene un valor de $6934 para la mediana.
Metodología
El objetivo del estudio fue la estimación de los bene…cios económicos asociados a la dismin-
ución en los niveles de contaminación por olores en la ciudad de Talcahuano (VIII Región-
Chile). La metodología de valoración sugerida, dadas las características del problema, fue
la de valoración contingente. Cuatro puntos especí…cos de la metodología serán tratados a
continuación: antecedentes para la construcción del cuestionario, de…nición del modelo de
valoración, diseño óptimo y descripción del instrumento utilizado en la encuesta.
12
Los datos son el resultado del proyecto N 06-0001-013-A. CONAMA 1999.
162 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
Indice Cali…cación
1 Sin olor, normal.
2 Olor a pescado cocido, intermitente
3 Olor a pescado cocido, persistente
4 Olor a pescado putrefacto, mal olor generalizado
Fuente: SST (1996).
en el censo de 1992 para el área urbana de la municipalidad. Para este caso se realizaron
1445 encuestas de las cuales se excluyeron las correspondientes a un rechazo categórico del
escenario. Finalmente, en las estimaciones econométricas se usaron 1015 observaciones.
Descripción de la muestra
Aspectos generales de muestra. La mayor cantidad de personas entrevistadas corre-
spondieron a amas de casa (49%). Estas personas presentaron un mayor entendimiento
del problema y una mayor facilidad para identi…car los problemas generados por la conta-
minación. Esto se desprende de los informes entregados por los encuestadores al …nalizar
cada etapa del estudio. El resto de la muestra es bastante diversa considerando los bajos
porcentajes de participación de las otras actividades.
La cantidad de años que la persona entrevistada ha vivido en Talcahuano constituye un
aspecto importante del análisis. Sólo aquellas personas que han vivido por más de cuatro
años en el sector podrían dar cuenta de las mejoras como resultado del convenio …rmado
con las empresas pesqueras. La población entrevistada lleva una gran cantidad de años en
la comuna. Un porcentaje igual al 84% ha residido por más de 12 años en Talcahuano, lo
cual favorece los resultados de esta encuesta dado el conocimiento que tienen los individuos
sobre el problema ambiental.
La mayoría de las personas entrevistadas reconocieron que los malos olores les ha generado
diversos problemas. Entre los principales están: persistencia del olor en las prendas de
vestir, alergias, problemas bronquiales, irritación de ojos y dolor de cabeza. Obviamente, se
requiere un criterio más riguroso que la sola percepción de los habitantes de la zona para
determinar posibles causas de enfermedades. En otras palabras, la relación causa-efecto no
está comprobada en esta investigación ya que no constituyó el objetivo de la misma. Sin
embargo, abre la posibilidad de evaluar los costos ambientales por medio de métodos directos,
relacionados con los costos de salud asociados al nivel de contaminación por olores y a los
generados por la trimitelamina o el anhídrido sulfuroso.
Es importante resaltar que el objetivo planteado en los términos de referencia están
relacionados con olores generados por las chimeneas de las pesqueras, por lo que la evaluación
de otras fuentes de emisión fueron eliminadas. Los resultados sugieren que el 87% de los
entrevistados asociaron los malos olores a las plantas pesqueras. No obstante, esto puede
incluir la acumulación de desechos en el agua represada de la bahía de los cuales emanan
olores al generarse movimientos de oleaje. Las otras fuentes de emisión de olores, de acuerdo
con los resultados de la encuesta, son una planta siderúrgica y una re…nería de petróleo,
entre otras.
En el cuestionario se consultó a los individuos si habían pensado en cambiarse de resi-
dencia con el …n de resolver el problema de olores. Un 57% del total de la muestra lo ha
considerado como una alternativa. Aunque existen sectores en Talcahuano que no presentan
los mismos niveles de contaminación por olores, la mayoría de los entrevistados pre…eren un
lugar fuera de la comuna con el …n de resolver de…nitivamente el problema.
Una razón adicional para incorporar esta pregunta tuvo que ver con la necesidad de
que los individuos internalicen los costos asociados a las medidas de mitigación que ellos
pueden tomar. En este caso, y dado los efectos negativos generados por los malos olores,
4.8. APLICACIONES 165
la alternativa más directa para evitar estos costos consiste en cambiarse de residencia. No
obstante, esta no es una solución viable para todos los residentes. En el caso de pagar por la
descontaminación podrían generarse ahorros en los costos asociados al traslado de domicilio.
De acuerdo con el Servicio de Salud Talcahuano el programa de disminución de olores
…rmado con las empresas pesqueras había logrado reducciones considerables en el nivel de
olores y en la duración de los eventos de olores (días). Sin embargo, para valorar adecuada-
mente el cambio en la calidad ambiental se presentaron dos alternativas según la percepción
de los individuos con respecto a los cambios en la calidad ambiental. A los individuos que
indicaron haber percibido la disminución en los niveles de olores (64%), se les preguntó por
su DAP por mantener el nivel de calidad ambiental ya alcanzado. Por el contrario, si el
individuo mencionó que no había percibido dichas mejoras (36), se le consultó por su DAP
por una mejora de la calidad ambiental considerando un nivel igual al reportado por el SST.
De esta forma se valoró el mismo cambio en el nivel de olores y permitió reducir los costos
de muestreo al adaptar la encuesta a los criterios de percepción de los entrevistados.
La población le asignó un grado alto de importancia a la calidad ambiental. En una
escala de 1 a 7, el 74% señaló que es muy importante reportando el máximo valor de la
escala. Solamente un porcentaje muy bajo encontró que la calidad ambiental es poco o nada
importante. Aunque el grado de importancia del ambiente o de la calidad ambiental es alto
los entrevistados no necesariamente están dispuestos a pagar una cantidad de dinero por
mantener o mejorar la calidad de éste.
Del total de la muestra un 62% expresó una valoración positiva y además dispuesto a
pagar alguna cantidad de dinero por mantener o mejorar la calidad ambiental de la comuna.
Un 15% no puede pagar por motivos económicos o bien no le interesa el proyecto en lo
absoluto, por lo que se consideró su valoración económica de la calidad del aire igual a
cero. Por último, un 23% indicó que a pesar de no tener una valoración negativa no estaba
dispuesto a pagar ninguna cantidad de dinero por razones éticas o institucionales, las cuales
re‡ejan poca con…anza en las instituciones involucradas o la convicción de que ellos no deben
pagar por no ser responsables del problema.
Las personas que no estuvieron dispuestas a pagar se clasi…caron entre aquellas que no
valoraron el proyecto (85%) y las que rechazaron el escenario presentado (15%). En el primer
caso la respuesta más común es que no contaban con los medios económicos para disponer
de alguna cantidad de dinero para este …n. En el último caso, notoriamente la respuesta más
importante fue que no creían que eran responsables por un pago (89%).
Aunque la tasa de rechazos disminuyó en relación con las primeras encuestas, es impor-
tante señalar que este 23% de rechazos del escenario implica un desafío tanto metodológico
como institucional. Por una parte, se deben considerar los efectos de no incluir a este tipo
de individuos en la muestra al momento de calcular las medidas de bienestar. Además, tiene
implicaciones sobre la aplicabilidad de los estudios de V C en países donde la credibilidad
institucional es relativamente débil.
A aquellas personas que expresaron una valoración positiva y estar dispuestos a pagar
(62%), se les preguntó cuál sería su voto en un plebiscito para aprobar o no la creación de
un fondo de recursos económicos para garantizar las mejoras tecnológicas requeridas. El
53% votó positivamente en el plebiscito. Es decir, estuvieron de acuerdo en pagar alguna
cantidad de dinero mensualmente durante un período de 5 años. Un 36% respondió neg-
ativamente mientras que un 53% acepto pagar la cantidad señalada. Por último un 11%
166 CHAPTER 4. MÉTODO DE VALORACIÓN CONTINGENTE
Estimaciones econométricas
En el Cuadro 4.18 se presentan los resultados econométricos correspondiente al modelo logit.
En las primeras …las se presenta la estimación de la diferencia de la función indirecta de
utilidad, con una forma funcional especi…cada como v = + Ai y una distribución
logística para la cantidad ofrecida. Los análisis estadísticos fueron efectuados a través del
uso del paquete computacional LIMDEP, versión 7.0. Las medidas de bienestar media y
mediana, las cuales coinciden en esta forma funcional, se presentan en las …las siguientes
junto con la estimación de sus respectivas medidas de precisión.
Para construir intervalos de con…anza se usó la metodología de simulación (Krinsky &
Robb, 1986). Este método toma en cuenta tanto la variabilidad asociada a cada uno de los
coe…cientes estimados como la interacción entre éstos.
Table 4.18: Resultados del modelo logit para la valoración de la calidad del aire
Table 4.19: Resultados modelo spike para la valoración de la calidad del aire
considera un promedio de cuatro personas por familia (similar al valor dado en el censo de
1992), se obtiene un número total de familias de 24118. Si este valor se multiplica por la
media del modelo spike se obtiene un valor de 103.300.606 pesos al mes, lo cual obviamente
se debe multiplicar por los 12 meses del año y proyectarlo a los cinco años de duración
estimada del proyecto.
Aunque en ocasiones se requiere un valor exacto, aspectos como la forma funcional, la
selección de la muestra y la selección del vector de cantidades ofrecidas afectan signi…ca-
tivamente el valor de las medidas de bienestar. El experimento fue diseñado para obtener
medidas de bienestar robustas. Es decir, poco sensibles a cambios en las observaciones de
la muestra. La experiencia en otros estudios de valoración sugiere que la forma funcional
seleccionada provee las medidas de bienestar más conservadoras. Por último, al momento
de agregar los bene…cios del proyecto se debe considerar que dados los antecedentes ante-
riores, el valor obtenido representa una cota inferior de la verdadera valoración ya que no
incorpora a toda la población de Talcahuano, ni de otras comunas o ciudades afectadas por
el problema.
También es pertinente señalar que es aconsejable el uso de un rango de valores en vez
de un único valor. Desde esta perspectiva, y considerando la cota superior y la cota inferior
de los intervalos de con…anza obtenidos, la medida de bienestar estará en un rango entre
75.057.550 y 112.055.712 pesos mensuales.
4.9 Conclusiones
Por varias décadas el método de V C ha sido usado con el propósito de estimar el valor
económico total tanto de recursos naturales como de bienes ambientales. No obstante, la
aplicación del mismo ha estado sujeta a críticas. Muchas de ellas relacionadas esencialmente
con la credibilidad de mercados hipotéticos, con la idea de obtener estimaciones de la disponi-
bilidad a pagar de los individuos por la conservación o la mejora de bienes ambientales. A
pesar de estas críticas el método es ampliamente empleado ya que no existe ninguna otra
posibilidad a la mano para capturar valores de no uso.
Además se sugiere que el método es bastante con…able si se cumplen ciertos requisitos
prácticos y teóricos. Estos requisitos se relacionan con una adecuada descripción del bien a
valorar, la realización de encuestas personales, el uso de preguntas dicotómicas, la aplicación
de la encuesta a grupos pilotos para evaluar el entendimiento de la descripción del bien
por parte de los entevistados, la indagación por disponibilidad a pagar, la proposición de
un vehículo de pago realista y creíble, la necesidad de recordarle a los entrevistados sobre
sus restricciones presupuestales y los sustitutos del bien y la de…nición de la extensión del
mercado, entre otros.
El capítulo cubre todos los aspectos que un investigador debe considerar para aplicar el
método de V C dandole énfasis a los problemas de credibilidad, de estimación econométrica y
a los resguardos que hay que tomar cuando se intenta aplicar la metodología. Además, se han
presentado algunas estimaciones para varios casos de estudios que sirven para ilustrar el tipo
de información que se obtiene con las aplicaciones del método.Como se puede apreciar existe
una enorme cantidad de detalles que deben ser apropiadamente resueltos por el investigador
antes de contar con resultados adecuados para la toma de decisiones públicas.
Innumerables esfuerzos de investigación continuan aportando valiosos resultados, con la
idea de seguir evaluando las bondades y limitaciones del método, en especial en que se re…ere
a la consistencia de este con la teoría económica. Es deseable un mayor a…anzamiento de
la credibilidad asociada a V C que permita que el método se siga usando, como se ha hecho
profusamente hasta el momento, en la valoración de recursos. Sus resultados constituirán,
sin duda alguna, valiosa información en el análisis de políticas públicas relacionadas con el
manejo y la gestión de recursos naturales.
Chapter 5
5.1 Introducción
En la mayoría de los textos introductorios de teoría económica se asume que los bienes
analizados son homogéneos. Es decir, que los atributos de una unidad de un bien son
exactamente iguales a los atributos de otra unidad del mismo bien. Bajo este supuesto la
teoría económica y las aplicaciones empíricas intentan explicar la cantidad demandada de un
bien en función de su precio y de las características socioeconómicas de los consumidores. En
otras palabras, las características propias del bien no determinan la cantidad demandada.
El supuesto de homogeneidad obedece a objetivos pedagógicos y en ciertos casos es
apropiado. Sin embargo, no siempre re‡eja la verdadera naturaleza de muchos de los bi-
enes disponibles en el mercado. En la práctica los individuos tienen a su disposición una
variedad de productos heterogéneos o diferenciados los cuales son transados en un solo mer-
cado. Por ejemplo, el mercado de automóviles usados es considerado por los consumidores
como un solo mercado donde se ofrecen y compran vehículos con diversas características.
Algunas de estas características son: la potencia del motor, el número de puertas, el tipo
de tracción, el año de fabricación, entre otras. Estas características son valoradas por los
consumidores y por lo tanto afectan el precio al cual el bien es transado.
Existen muchos otros mercados de productos diferenciados. El caso más estudiado en
las aplicaciones del método de precios hedónicos es el mercado de propiedades en el que se
incluyen tanto viviendas como terrenos. En el primer caso algunos aspectos que in‡uencian
la decisión de compra de una propiedad son: el tipo de construcción (sólida o ligera), la
antiguedad de la vivienda o el tamaño. En el caso de los terrenos son importantes atributos
la pendiente, la cercanía a centros urbanos, la calidad ambiental del sector y la disponibilidad
de agua o la calidad de la tierra en el caso de predios agrícolas.
Un caso especial de un mercado de bienes diferenciados es el mercado del trabajo donde
existe una interacción entre oferentes y demandantes en la cual ambas partes están intere-
sadas en los atributos de la contraparte. Desde la perspectiva del oferente de trabajo es
relevante saber cuáles son las características del trabajo al que se postula (seguridad lab-
oral, bene…cios, accidentalidad laboral, jornada de trabajo, etc.). Desde la perspectiva del
demandante de trabajo, las empresas desean conocer el nivel del capital humano del postu-
lante medido en términos de su nivel educativo y de su experiencia laboral.
171
172 CHAPTER 5. MÉTODO DE PRECIOS HEDÓNICOS
j
U = U (x; z1 ; z2 ; :::; zn ; ); (5.2)
y la restricción presupuestaria se representa por
m = x + P (z);
donde se asume que el individuo consume una unidad del bien Z y que el precio del bien x
es igual a 1. La maximización de la utilidad sujeta a la restricción presupuestaria está dada
por la siguiente función lagrangiana
j
max L = U (x; z1 ; z2 ; :::; zn ; ) + [m x P (z1 ; z2 ; :::; zn )] :
x;z
La ecuación (5.5) indica que la tasa marginal de sustitución entre cualquiera de las
características y el bien compuesto debe ser igual al precio marginal de la característica.
Por lo general la expresión m P (z1 ; z2 ; :::; zn ) constituye un argumento de las funciones de
demanda.
Una forma alternativa de presentar el problema del consumidor consiste en hallar la
función de pago por las características. Esta función representa la cantidad de dinero que
el individuo j está dispuesto a pagar por los cambios en las características en el vector
z dado un nivel de utilidad y de ingreso. De la restricción presupuestaria se puede despejar
x = m P (z) y reemplazarla en la función de utilidad U (m ; z1 ; z2 ; :::; zn ; j ) = U0 .
Invirtiendo esta ecuación se obtiene la función de pago
= (z; U0j ; m; j
);
donde el productor decide con respecto a z y Q ya que las …rmas toman el precio como dado
(P (zk ) = 'k ): Si se asume que la …rma produce solo un tipo de bien se obtienen las siguientes
condiciones de primer orden
@ @P (z) @C
=Q = 0; (5.8)
@zi @zi @zi
@P (z) @C=@zi
= ; (5.9)
@zi Q
es decir, el precio marginal de zi es igual al costo marginal unitario de la característica zi en
equilibrio.
En estas condiciones de primer orden se asume implícitamente que Q es exógeno. Si Q
es endógeno se debe adicionar la siguiente ecuación a las condiciones de primer orden
P(z1B)
θ A (U1A ) = θ A ( z1; z2 .....zn ,U1A , m,α j )
P(z1A)
θ B (U1B ) = θ B ( z1; z2 .....zn ,U1B , m,α j )
z1B z1B z1
pago y la ecuación de precios donde se satisfacen las condiciones de primer orden. La Figura
5.2 muestra el equilibrio para los productores. La función de bene…cios crece hacia la esquina
izquierda de la …gura ya que en esa dirección se ofrecen menores cantidades de z1 a un precio
mayor. El mercado reconcilia este con‡icto de propósitos entre productores y consumidores
al establecer una situación en la cual los consumidores no puedan incrementar su satisfacción
escogiendo un producto diferente, ni las …rmas puedan aumentar sus bene…cios cambiando
la cantidad producida. La curva de precios hedónicos es la envolvente de las curvas de oferta
de los productores y de la curva de DAP de los consumidores.
En el caso del consumidor cada contorno de la función de DAP representa un nivel
especí…co de utilidad. Este nivel de utilidad aumenta en la medida que el precio de la
vivienda disminuye manteniendo constante el nivel de características. Similarmente, en el
caso de la oferta el contorno de la función de precios representa un nivel dado de bene…cios
el cual aumentará cuando el precio ofrecido es mayor.
La descripción anterior constituye el eje central de los modelos de precios hedónicos y la
justi…cación teórica consignada en la mayoría de los estudios de precios de vivienda. Sin em-
bargo, es importante mencionar los principales supuestos implícitos del modelo. En primer
lugar, el modelo asume que las características de las viviendas son variables continuas. Este
supuesto no es del todo cierto desde la perspectiva empírica ya que muchas de las caracterís-
ticas de las viviendas están dadas en ciertas cantidades …jas o discretas. Por ejemplo, una
vivienda posee dos o tres dormitorios pero no 2,5.
Un segundo supuesto fundamental del modelo es el requerimiento de la existencia de
un equilibrio en el mercado. No obstante, es difícil asegurar que un mercado para bienes
diferenciados esté realmente en equilibrio. Finalmente, el modelo asume que no existen costos
de transación o de búsqueda y que los consumidores tienen toda la información necesaria a
su disposición sobre las viviendas existentes en el mercado. El supuesto podría no ser válido
debido a las limitaciones de información existentes en los mercados de bienes durables.
178 CHAPTER 5. MÉTODO DE PRECIOS HEDÓNICOS
ϕ k (π 1B ) = ϕk ( z1; z2 .... zn ,π 1B , β )
.
ϕ k (π 0A ) = ϕ k ( z1; z2 .... zn ,π 0A , β k )
.
P(z1A)
ϕ k (π 1B ) = ϕk ( z1; z2 .... zn ,π 1B , β k )
.
z1B z1B z1
La ecuación (5.12) es la función de demanda que incluye variables adicionales que explican
el desplazamiento de la demanda (Y1 ). La ecuación (5.13) es la función de oferta con
sus correspondientes variables explicativas (Y2 ): Rosen (1974) sostiene que las funciones
marginales de DAP son precios de demanda para cantidades adicionales de zi dado un nivel
de utilidad constante. Éstas corresponden entonces al inverso de funciones de demanda
compensadas. En equilibrio la derivada de la función de precios es igual a la derivada
de la función de pago. Varios investigadores se re…eren a la ecuación que representa la
tasa marginal de sustitución (Uzi =Ux ) como una función de demanda. Sin embargo, esta
interpretación es conceptualmente errónea y lamentablemente es comúnmente encontrada
en la literatura (McConnell & Phipps, 1987).
Aunque es importante incluir el comportamiento de consumidores y productores cuando
se describe el mercado, para el análisis desde la perspectiva ambiental la información relevante
está contenida en el comportamiento del consumidor. En este sentido, es posible concentrarse
únicamente en la ruta de precio de equilibrio y en las decisiones del consumidor para obtener
medidas de bienestar (ecuación 5.12). En otras palabras, se asume que la función de oferta
es completamente inelástica (vertical).
Si se asume que es posible estimar la ecuación marginal de pago (es decir, se tiene una
aproximación de @ (z; U0j ; m; j )=@zi = @P (z)=@zi ), ésta se puede utilizar para calcular medi-
das de bienestar por cambios, tanto marginales como no marginales, en la calidad ambiental.
Esto se hace empleando el procedimiento tradicional de integración usado para obtener el
excedente del consumidor. En el presente caso, sin embargo, la integración se debe hacer
con respecto a cambios en z; es decir,
Z zi1
@ (z; U0j ; m; j
)
W = dzi : (5.14)
zi2 @zi
De…nición de variables
Variable dependiente. En general se espera que la información de precios se re…era al
precio de venta de la vivienda, dado que es este precio el que captura adecuadamente todas
las rentas futuras de la propiedad. En términos formales considere una tasa de descuento
dada por r en un horizonte temporal de T períodos en el cual la vivienda genera rentas en
cada período denotadas por Rt : El valor presente de la vivienda estará dada por
P
T Rt Rt
P =VP = : (5.15)
t (1 + r)t r
El precio implícito de una característica debe representar el valor presente del ‡ujo de
bene…cios esperados de esa característica. Por lo tanto, el valor de la vivienda deberá ajus-
tarse a la dimensión temporal con la idea de incorporar el cambio en los bene…cios sociales
debido a cambios en el precio de las viviendas (Freeman, 2003). Lo anterior es relevante
cuando se está interesado en evaluar el impacto de la contaminación ambiental sobre el pre-
cio de la vivienda y existen proyectos orientados a mejorar la calidad ambiental. Por lo tanto,
es relevante saber si el precio observado ha internalizado estos cambios futuros en los niveles
de calidad ambiental. De otra forma se tiende a subestimar o sobreestimar los bene…cios
asociados a los proyectos. Kiel (1995) and Dale et al. (1999) encuentran que los precios
de las viviendas son afectados negativamente por el descubrimento de sitios con desechos
5.3. ESTIMACIÓN DEL MODELO 181
tóxicos. Sin embargo, el efecto negativo en el valor de las propiedades debido a su cercanía
a un sitio contaminado es totalmente compensado en el tiempo cuando existen programas
de limpieza de estos sitios. En otras palabras, el precio observado del bien debe incorporar
cambios futuros en las condiciones del entorno con miras a evaluar los bene…cios sociales.
Cuando el interés se centra en las variables de calidad ambiental es conveniente usar el
precio del sitio y no el de la vivienda, ya que los atributos ambientales están asociadas a la
localización de ésta y no a las características estructurales de la misma. Lamentablemente,
en zonas urbanas rara vez se comercializan los sitios en forma separada de la vivienda, o
bien el tamaño del mercado por sitios es relativamente pequeño y no se cuenta con su…-
cientes observaciones para estimar adecuadamente la ecuación de precios. Por lo tanto, los
investigadores suelen emplear el precio total de la vivienda el cual incluye implícitamente el
valor del sitio. Sin embargo, no existe una forma clara de descomponer estos dos elementos
del precio. Algunos autores sugieren ponderar las variables ambientales de la ecuación de
precios por el tamaño del sitio (Parson, 1990; Diamond, 1980).
Otros investigadores utilizan el valor del arriendo como la variable explicativa debido a
que en algunos mercados el número de transacciones observadas es muy pequeño (Taylor &
Smith, 2000). Sin embargo, se debe tener presente que los cambios futuros en la calidad
ambiental no necesariamente se ven re‡ejados en el valor de los arriendos en un momento
particular del tiempo.
Otro aspecto que se debe considerar cuando se estiman bene…cios sociales es mencionado
por Niskanen & Hanke (1977). Estos autores muestran que la fórmula dada en la ecuación
(5.15) no re‡eja adecuadamente todos los bene…cios sociales ya que no considera la diferencia
entre el precio de mercado y los impuestos a la propiedad. Se puede considerar la siguiente
modi…cación a la ecuación (5.15)
P
T R
t P Rt P
P = ;
t (1 + r)t r
V = P + G = P (1 + );
r
y la diferencia de precios estará dada por V = P (1 + r ): Los autores muestran que la
subestimación de los bene…cios sociales puede ser signi…cativa si se omiten los impuestos a
la propiedad.
Cualquiera que sea la variable dependiente utilizada los mayores problemas con ésta se
relacionan con la identi…cación de una fuente de información con…able para esta variable.
Algunas fuentes de información son las declaraciones patrimoniales con …nes de impuestos
a la propiedad o territoriales, conocidas en algunos casos como tasaciones …scales. No ob-
stante, estas tienden a ser considerablemente menores al precio de mercado. También se
usan fuentes indirectas como agencias de propiedades y fuentes directas como encuestas
socioeconómicas. En el caso de las encuestas son los propios dueños los que proporcionan
información sobre la variable dependiente. Sin embargo, se ha observado que los propietarios
tienden a sobreestimar el verdadero valor de la propiedad. Estos errores de medición en la
182 CHAPTER 5. MÉTODO DE PRECIOS HEDÓNICOS
Variables explicativas. Taylor (2003) señala que la función de precios hedónicos incluye
variables del bien y no de los individuos o de las …rmas. Como se mencionó anteriomente las
variables explicativas pueden clasi…carse en variables de la vivienda, variables del vecindario
y variables de calidad ambiental. Aunque estas últimas podrían considerarse como variables
del vecindario se conservará esta desagregación, dado que el interés es obtener medidas de
bienestar por cambios en la calidad ambiental. En la primera clasi…cación se consideran todas
las variables de la construcción y del sitio. En el segundo grupo se hallan características que
son compartidas por todo el vecindario como la cercanía a sitios de recreación o a centros
comerciales, carreteras, colegios, etc.
La recolección de información sobre las variables explicativas enfrenta el mismo problema
sobre las fuentes de información discutidas en el caso de la variable dependiente. Afortunada-
mente, en este caso existen fuentes de información más con…ables. Una fuente importante de
información que ha surgido en las últimas décadas son los sistemas de información geográ-
…ca (SIG) los cuales permiten identi…car características relevantes del sitio. Paterson et al.
(2002) usaron un SIG para incorporar indicadores de visibilidad de las viviendas. Bastian
et al. (1995) emplearon un SIG para medir con mayor precisión las características de las
parcelas estudiadas incluyendo un índice de diversidad biológica, la distancia de los cursos
de agua disponibles, la distancia a la ciudad más cercana y la porción de la parcela usada
por animales silvestres.
En el caso de la información sobre calidad ambiental, ésta se incorpora a la función
de precios hedónicos a través de algún indicador de calidad ambiental. En la literatura
es frecuente usar el promedio de partículas totales en suspensión (microgramos por metro
cúbico) o el nivel de ozono o de carbono para la medición de la calidad del aire. En lo que
respecta a la calidad del agua algunos indicadores son la visibilidad, el nivel de coliformes y
la turbidez.
El problema consiste en identi…car cuál es la variable relevante y cómo medirla, ya que
la estimación de los bene…cios es bastante sensible a la de…nición de estas variables. Parson
(1990) sostiene que esta forma de incorporar la variable ambiental no es consistente con
la maximización de bene…cios implícita en el model de precios hedónicos. Por esta razón
sugiere ponderar estas variables por el tamaño del sitio donde se localiza la propiedad. El
argumento fundamental es que las variables ambientales están asociadas a todo el vecindario
y no a la vivienda en particular. Un oferente racional debe decidir sobre el tamaño del
sitio que va a ofrecer en forma óptima. Por ejemplo, un sitio de 1000 metros cuadrados
puede dividirse en dos sitios de 500 metros cada uno y en principio cobrar el doble por
los bene…cios ambientales. Esta ponderación no ha sido ampliamente aplicada en estudios
empíricos debido a que en la mayoría de los casos los tamaños óptimos de los sitios ya se han
de…nido con anterioridad. Lo importante es veri…car si se pueden rediseñar los tamaños de
los predios en el corto y en el largo plazo y ajustar la variable de calidad ambiental acorde a
esta posibilidad. Graves et al. (1988) muestran en su estudio que los coe…cientes de calidad
5.3. ESTIMACIÓN DEL MODELO 183
instrumento utilizado por estos autores es la clasi…cación de los municipios dentro o fuera
de la categoría de cumplimiento de la norma ambiental de…nida por la Agencia de Pro-
tección Ambiental de los Estados Unidos (EPA por su sigla en inglés). Gran parte de su
argumentación consiste en demostrar que esta variable es un instrumento adecuado para
identi…car los parámetros de la ecuación de precios. Sus resultados son alentadores en el
sentido que muestran un efecto signi…cativo de la calidad ambiental sobre el precio de las
viviendas.
Dos aspectos de este trabajo son realmente importantes. Primero, los autores reconocen
las di…cultades asociadas a la estimación de la segunda etapa de Rosen y deciden trabajar
sólo con la estimación de la primera etapa. Con esta decisión los autores se concentran
exclusivamente en la estimación de bene…cios maginales. Segundo, los autores incorporan
información de los individuos en la ecuación de precios alejándosen de la práctica tradicional.
Su trabajo se inscribe dentro de lo que se denominan formas reducidas donde no se asumen
formas especí…cas para las funciones que explican el comportamiento de los individuos como
es el caso de la función de utilidad. En contraste, otros autores utilizan formas estructurales
que permiten obtener parámetros de las funciones de utilidad y, por lo tanto, estimar cambios
de bienestar por cambios no marginales.
No existe consenso sobre cuál procedimiento es el más correcto. Algunos autores pre…eren
modelos estructurales donde las funciones a estimar econométriamente se derivan directa-
mente de la construcción de formas funcionales para las preferencias de los individuos. El
modelo obviamente está restringido a las formas funcionales asumidas lo que a su vez de-
termina las propiedades estadísticas del modelo. Otros autores pre…eren formas reducidas
aduciendo que estas ecuaciones pueden considerse como aproximaciones de modelos estruc-
turales, lo cual permite concentrarse en las propiedas estadísticas y econométricas del mod-
elo. Ambas alternativas tiene sus propias ventajas y desventajas las cuales se ilustran en las
siguientes secciones.
Formas funcionales
Además de determinar qué variables incluir en la función de precios hedónicos es necesario
determinar cómo las características ambientales afectan el precio. Es decir, se debe de…nir
la forma funcional de la función de precios hedónicos. Las formas funcionales comúnmente
usadas en orden creciente de complejidad son la forma funcional lineal, semilog, doble log,
cuadrática, Box-Cox lineal, Translog y Box-Cox Cuadrática. Dado que la teoría económica
no provee mayores indicaciones sobre la forma funcional para las ecuaciones de precios es
necesario resolver el problema empirícamente. Las transformaciones Box-Cox permiten una
mayor ‡exibilidad de la función de precios hedónicos e incluyen las otras formas funcionales
como casos particulares.
Existe un gran variedad de literatura comparando las formas funcionales y evaluando el
desempeño estadístico de éstas (Goodman, 1978; Linneman, 1980; Blomquist, 1981; Bender
et al., 1980; Halvorsen et al., 1980; Milon et al., 1984; Goodman et al., 1986; Rasmussen et
al., 1990, Graves et al., 1988). La principal conclusión de estos trabajos es que la imposición
de restricciones en la función de precios, como consecuencia de las formas funcionales más
simples o menos ‡exibles, generan sesgos en la estimación de los parámetros del modelo.
Esto también es igualmente válido para el caso de la estimación de la segunda etapa del
5.3. ESTIMACIÓN DEL MODELO 185
modelo. Bender et al. (1980) extienden el uso de la forma funcional Box-Cox Cuadrática a
la función de demanda por calidad ambiental. Los autores encuentran que al igual que en el
caso de la ecuación de precios esta forma funcional presenta los mejores ajustes estadísticos.
Cassel & Mendelsohn (1985) sostienen que a pesar que las bondades de ajuste son superi-
ores en las formas funcionales Box-Cox, éstas pueden ser inadecuadas para la estimación de
las medidas de bienestar en la segunda etapa. En esencia la transformación Box-Cox reduce
la precisión de los coe…cientes y genera predicciones incorrectas de los precios marginales.
De acuerdo con estos autores los coe…cientes de las variables ambientales son más con…ables
con el uso de formas funcionales simples. La variable ambiental juega un papel menor en la
determinación del precio y, por lo tanto, su aporte al ajuste estadístico del modelo es menor.
Desde el punto de vista de las medidas de bienestar el efecto marginal de la calidad ambiental
sobre el precio del bien en las formas funcionales más ‡exibles es demasiado complejo como
se mostrará posteriormente. Esto no permite una correcta interpretación del resultado y
oscurece las propiedades estadísticas del mismo.
Rasmussen et al. (1990) sugieren que las di…cultades en la interpretación de la función de
precios hedónicos son explicadas por la transformación de la variable dependiente y no por
la incoporación de términos de interacción o por la transformación de variables explicativas.
Por esta razón sugieren el uso de la función cuadrática semilog en la que no se requiere
transformar la variable dependiente. Así se mantiene la ‡exibilidad en la forma funcional y
se facilita la interpretación de la función de precios.
Algunas simulaciones de Monte Carlo (Cropper et al., 1988, 1993) sugieren que las trans-
formaciones Box-Cox se comportan adecuadamente en la estimación de medidas de bienestar
cuando todas la variables relevantes del modelo son incluidas en la estimación y ninguna de
ellas es medida con error. Sin embargo, las formas funcionales más sencillas se desempeñan
mejor en el caso de variables omitIdas o variables medidas con error. Dado que una especi-
…cación correcta es difícil de obtener estos autores recomiendan usar una forma funcional
Box-Cox lineal.
Las formas funcionales se presentan en el Cuadro 5.1 (Taylor, 2003). Como se observa
en el Cuadro la forma funcional más ‡exible es la forma Box-Cox cuadrática dada por
X
n
( ) 1 XX
n n
( ) ( )
P( ) = 0+ i zi + ij zi zj :
i=1
2 j=1 i=1
( ) (zi 1)
zi = ; para 6= 0;
( )
zi = ln zi ; para = 0:
186 CHAPTER 5. MÉTODO DE PRECIOS HEDÓNICOS
Observe que se usa una transformación similar para todas las variables explicativas.
Una expresión mucho más ‡exible permite distintas transformaciones para cada variable
explicativa (Palmquist et al., 1999; Cheshire & Shepard, 1995); es decir
X
n
1 XX
n n
(
( i) ( i) j)
P = 0+ i zi + ij zi zj ;
i=1
2 j=1 i=1
Función Ecuación
P Restricción
Lineal P = + i zi = = 1; ij = 0
P
Semi-log lnP = + i zi = ij = 0; =1
P
Double-log lnP = + i ln zi = = ij =0
P
n
1
P
n P
n
Cuadrática P = 0 + i zi + 2 ij zi zj = =1
i=1 i=1j=1
P
n
( )
Box-Cox P( ) = 0 + i zi ij =0
i=1
lineal
P
n
1
P
n P
n
Translog lnP = 0+ i ln zi + 2 ij ln zi ln zj = 0; =0
i=1 i=1j=1
P
n
( ) 1
P
n P
n
( ) ( )
Box-Cox P( ) = 0 + i zi + 2 ij zi zj Sin restricción
i=1 j=1i=1
Cuadrática
P 1 ( ) ( ) 1 ( )
2 1 ( ) ( )
= 0 + 1 z1 + 2 z2 + 11 z1 + 12 z1 z2
2 2
1 ( ) ( ) 1 ( )
2
+ 21 z2 z1 + 22 z2 ;
2 2
si se asume que 12 = 21 y despejando el precio P se obtiene
( ) ( ) 1 ( )
2 1 ( )
2
( ) ( )
P =1+ 0 + 1 z1 + 2 z2 + 11 z1 + 22 z2 + 12 z1 z2 ;
2 2
1
( ) ( ) 1 ( )
2 1 ( )
2
( ) ( )
P = 1+ 0 + 1 z1 + 2 z2 + 11 z1 + 22 z2 + 12 z1 z2 :
2 2
En general, para n atributos la ecuación de precios estará representada por
( " !#)1=
X n
zi 1 1 XX
n n
zi 1 zj 1
P = 1+ 0+ i + : (5.18)
i
2 i j ij
Note que todos los parámetros en (5.19) son aleatorios. Para evaluar el efecto de la
calidad ambiental en el precio se requiere el valor esperado del precio a diferentes niveles de
calidad ambiental. Para ello se puede usar un procedimiento en el cual una vez estimado
el modelo y el parámetro ^; la expresión 1=^ se aproxima al número entero más cercano; es
decir, N ' 1=^ (si ^ =0,12 entonces N = 8). Luego se reestima el modelo usando = 1=N ;
es decir,
P 1=N 1 z1 1
= 0 + 1 + 2 z2 + "i
1=N
y se obtienen ~ 0 , ~ 1 , ~ y ~ 2 . La expresión correspondiente a la media del precio estará dada
por " ! #
~
1 z1 1
E P =N = 1 + ~0 + ~1 + ~ 2 z2 :
N ~
188 CHAPTER 5. MÉTODO DE PRECIOS HEDÓNICOS
Semi-log iP
Double-log ( i P ) =zi
1
P
n
Cuadrática i + 2 ij zj + ij zi
j=1
1
Box-Cox lineal i zi P1
!
ln zi 1
P
n
ln zj
Translog P zi
i
+ ij zi + 2 ij zi
j=1
" #
1 1
P
n
1
Box-Cox cuadrática i zi + 2 ij zi zj P 1
j=1
Espacialidad
y=X + ;
= W + "; (5.21)
donde W es una matriz de ponderaciones que re‡eja la forma en que se comporta la de-
pendencia espacial entre las propiedades, es un parámetro a ser estimado y " es un error
con media 0 y varianza igual a 2 I: Paterson et al. (2002) estiman un modelo de precios
hedónicos con espacialidad en el cual la matriz W identi…ca las propiedades que se encuen-
tran dentro de un radio de 0,5 kilómetros con un indicador binario. Alternativamente, el
problema se puede plantear como
y = Wy + X + ;
2 L 1
r(d; )
190 CHAPTER 5. MÉTODO DE PRECIOS HEDÓNICOS
Segmentación de mercado
El valor del cambio en el bienestar se puede obtener en la segunda etapa sugerida por
Rosen en la cual se estima la función de demanda (5.12), para luego proceder a integrarla
entre los dos niveles de calidad ambiental relevantes. Esto es análogo al cálculo del excedente
del consumidor por un cambio en un atributo. Observe que la estimación de la función de
pagos no es factible dado que la función de utilidad para la cual está de…nida no es
conocida. Por esta razón, lo que se estima es una función de demanda Marshalliana o no
compensada y luego se recuperan las medidas de bienestar o simplemente se aproximan
usando el excedente del consumidor. Horowitz (1983) sugiere un procedimiento análogo al
proceso de recuperación de las funciones de gasto sugerido por Hausman discutido en el
capítulo 2.
Taylor (2003) provee el siguiente ejemplo en el que la función de demanda por el atributo
se de…ne como
z1 = 0 + 1 p1 + 2 p2 + 3 y;
donde los precios p1 y p2 representan los precios implícitos de los atributos derivados de la
función de precios. Al despejar el precio de z1 se obtiene
z1 ( 0 + 2 p2 + 3 y)
p1 = :
1
Una segunda alternativa es estimar los parámetros de un modelo estructural de tal forma
que las medidas de bienestar puedan ser obtenidas de estos parámetros. Un ejemplo de
este procedimiento se presenta más adelante. Es interesante anotar que la obtención de las
medidas de bienestar para cambios en atributos del bien está limitada por las características
del mercado. Algunas de estas características son la elasticidad de la función de oferta del
bien, los costos de transacción asociados y la extensión del mercado que es afectado por los
cambios en los atributos.
La situación más simple para el cálculo de las medidas de bienestar ocurre cuando el
cambio en la calidad ambiental es lo su…cientemente pequeño como para no cambiar la
trayectoria de la función de precios. Es decir, cuando se tiene un cambio marginal en la
calidad ambiental. En este caso el valor del cambio en la calidad ambiental está dado
directamente por la derivada de la función de precios @P (z)=@zi : Agregando este valor para
cada individuo se obtiene el valor total para el cambio de la calidad ambiental.
192 CHAPTER 5. MÉTODO DE PRECIOS HEDÓNICOS
Palmquist (1992) muestra que el MPH es particularmente adecuado para estimar medidas
de bienestar cuando la externalidad ambiental está circunscrita a un área geográ…ca pequeña
o es una externalidad localizada. Esto implica que cambios en la calidad ambiental afectará
a un número pequeño de viviendas y por lo tanto no cambiará la trayectoria de precios. En
este caso especial el cambio en el bienestar es correctamente medido por la derivada de la
función de precios. Ejemplos de externalidades localizadas se re…eren a sitios con desechos
tóxicos, rellenos sanitarios o el ruido generado por un aeropuerto o por una carretera.
Si se asume que el cambio en la calidad ambiental no es marginal, es decir z = z11 z10 ,
pero representa una externalidad localizada, entoces la trayectoria de precios no cambiará.
Igualmente, es posible predecir el nuevo precio de la vivienda usando la función de precios
estimada. En otras palabras, el cambio en el bienestar se expresa como (Taylor, 2003)
Un supuesto implícito es que el individuo puede moverse a una vivienda con características
similares a la actual. Si esto no es factible entonces el consumidor se enfrenta a una pérdida
de bienestar, por lo que la expresión anterior representa un límite superior de la medida
de bienestar. Cuando los costos de transacción son tan altos que las personas deciden
permanecer en el mismo lugar de residencia, la pérdida de bienestar puede ser signi…cativa
y W también re‡ejará un límite superior de la verdadera medida de bienestar.
Es necesario recurrir a la segunda etapa sugerida por Rosen cuando el cambio en la calidad
ambiental es lo su…cientemente grande como para desplazar completamente la función de
precios. En este caso no es posible predecir el valor que tendrá la vivienda después del
cambio ambiental simplemente porque la ecuación de precios estimada no re‡ejará el nuevo
equilibrio en el mercado de la vivienda. Para obtener una estimación de los efectos de un
cambio en la calidad ambiental se estima el sistema de ecuaciones dado en (5.12) y (5.13).
Una de las primera aplicaciones de este procedimiento fue el trabajo Nelson (1978), en el cual
se estimaron simultáneamente la función de demanda y la de oferta de la calidad ambiental.
5.3. ESTIMACIÓN DEL MODELO 193
@P X n
= P^i = ^ i + ^ ij zj + ^ ii zi : (5.25)
@zi i6=j
Este precio implícito se usa para estimar las siguientes funciones de demanda y oferta
(Brown, 1982)
Xn
P^k = k0 + ki zi + k Y1 + "k ; (5.26)
i6=j
X
n
P^k = k0 + ki zi + k Y2 + k;
i6=j
donde "k y k corresponden a los errores de las dos regresiones, Y1 es una variable que desplaza
la función de demanda (ingreso por ejemplo) y Y2 representa una variable de desplazamineto
de la función de oferta. Brown (1982) muestra que en este caso no es posible identi…car los
parámetros de las dos funciones. Los parámetros se obtienen sin llevar a cabo la segunda
etapa de la estimación. Para ilustrar este hecho considere el estimador de mínimos cuadrados
ordinarios (MCO)
S
^ki = P^k zi ;
Szi zi
194 CHAPTER 5. MÉTODO DE PRECIOS HEDÓNICOS
donde SP^k zi representa la covarianza parcial entre la variable dependiente P^k y la variable
explicativa zi ; mientras que Szi zi es la varianza parcial de la variable explicativa zi . De la
ecuación de precios se puede deducir que
SP^k zi ^ ki Szi zi
SP^k zi = ^ ki Szi zi ) ^ki = = = ^ ki ;
S zi zi Szi zi
Lo cual indica que la segunda etapa no proporciona nueva información sobre el modelo. El
mismo fenómeno se presenta para el caso de la función de oferta y no se resuelve aun si las
ecuaciones son estimadas por medio de variables instrumentales (mínimos cuádrados en dos
etapas o tres etapas).
Epple (1987) muestra que independientemente de que la oferta sea endógena o exógena
la estimación de la función de demanda usando MCO entrega estimadores no consistentes.
Concluye que la estimación de la ecuación de demanda por MCO es adecuada sólo si el
término de error en la función de precios no está correlacionado con el término de error en
la ecuación de demanda. Por último, cuando la función de demanda y oferta son endógenas
los argumentos de las funciones de demanda y oferta están correlacionados con los errores
del modelo por construcción (errores en las tres ecuaciones del modelo) por lo que MCO
no es un método de estimación apropiado. Por lo menos algunos elementos de las variables
explicativas estarán correlacionadas con los errores. El problema surge porque al existir 2n
ecuaciones en el modelo representadas por los n atributos tanto de las ecuaciones de demanda
como de las de oferta y tener únicamente n variables endógenas.
McConnell & Phipps (1987) de…nen el problema de identi…cación como la factibilidad
de recuperar los parámetros de la función de utilidad dada en (5.2), la cual describe las
preferencias de los individuos. La explicación anterior apunta a señalar que los parámetros
de la función de utilidad se confunden de cierta manera con los parámetros de la funcion
de precios. McConnell & Phipps (1987) enfatizan el hecho que la función de la tasa mar-
ginal de sustitución di…ere de la función de demanda inversa. De hecho las funciones de
demanda Marshallianas o Hicksianas no existen cuando se tienen restricciones presupues-
tarias no lineales como es el caso de precios hedónicos. De ahí que Murray (1983) considere
estas funciones como funciones de demanda y oferta míticas. Si la derivada de la función
de precios con respecto a la característica zi es constante, entonces la función de pago rep-
resenta una función de demanda dado que la cantidad consumida depende exclusivamente
de los parámetros de la función de utilidad. Por el contrario, si la derivada de la función de
precios no es constante entonces la cantidad de equilibrio depende tanto de los parámetros
de la función de utilidad como de los parámetros de la función de precios.
El problema se debe a que la restricción presupuestaria del individuo es no lineal debido
a la no linealidad de la función de precios. La restricción de presupuesto se de…ne por
m = x + P (z) donde se asume que la función de precios es convexa. La no linealidad se
explica por la endogeneidad de los precios de los atributos ya que los consumidores pueden
alterar la cantidad de espacio que usan o pueden también cambiar su lugar de residencia. De
esta forma el consumidor altera el precio de los atributos y su presupuesto al mismo tiempo.
Como la restricción de presupuesto no es lineal ésta se debe corregir para incorporar el
cambio en la curvatura de la función de presupuesto como resultado de cambios en el nivel
5.3. ESTIMACIÓN DEL MODELO 195
de los atributos y por ende del precio implícito. Es decir, el presupuesto se de…ne como
X @P
m
^ =m P (z)+ zi :
@zi
En otras palabras, se lineariza la restricción de presupuesto. Esta información se puede
usar en la estimación de las funciones de demanda teniendo presente que el comportamiento
de los consumidores es distinto al tradicional, ya que éstos se enfrentan a restricciones de
presupuesto no lineales.
Este ajuste en la restricción de presupuesto fue sugerido por Palmquist (1988) quien
estudió las propiedades de las funciones de demanda ante restricciones de presupuesto no
lineales. El problema del consumidor está dado por
s.a.: m
^ p0 Z + x;
donde
@P (z1 ; z2 ; :::; zn ; )
pi = ;
@zi
XJ
0
pZ = pi zi (m ; ; ):
i=1
ziL = zi (m;
^ p);
ser incorporadas en las funciones de oferta y no en las de demanda. Sin embargo, para ello
se requiere asumir que los individuos no consideran estas variables al momento de tomar
sus decisiones de localización. El supuesto parece un tanto di…cil de aceptar. La última
alternativa es usar distintos períodos de tiempo como múltiples mercados donde la variable
de tiempo desplaza la función de oferta y permite identi…car la función de demanda. Otras
variables que pueden usarse como exógenas a la función de oferta son cambios tecnológicos,
cambios en el nivel de ingreso, etc. (Diamond & Barton, 1985).
Otra alternativa para la identi…cación de la función de pago consiste en la incorporación
de restricciones al modelo mediante una completa especi…cación de la función de utilidad
(Quigley, 1982). Básicamente, se imponen restricciones al modelo a través de la formu-
lación de la función de utilidad o de la función de gasto. Horowitz (1987) muestra que este
procedimiento no necesariamente resuelve el problema de identi…cación ya que depende de
la relación que exista entre los atributos del bien y el bien compuesto. Para algunas for-
mas funcionales esta relación puede implicar perfecta colinealidad de las variables haciendo
imposible la identi…cación de los parámetros de la función de demanda. Horowitz (1987)
también reconoce que al de…nir la función de utilidad directamente se cuenta con una her-
ramienta útil para la de…nición de las propiedades estocásticas del modelo. En muchos casos
estas relaciones no son lineales por lo que la segunda etapa no necesariamente se puede
transformar a una ecuacion sencilla la cual se puede estimar con MCO. Por último, sugiere
que la ecuación de precios hedónicos y la de demanda sean estimadas simultáneamente dada
la posible correlación entre las dos funciones.
Chattopadhay (1999) y Cropper et al., (1988) probaron la sugerencia hecha por Horowitz
con una función de precios Box-Cox lineal y las siguientes funciones de utilidad
p X
k
1Xp
k
p p
U (x; z) = x+ ( i + i C + i R) zi + ij zi zj (Diewert),
i
2 i
X
k
1X
k
U (x; z) = ln x + ( i + i C + i R) ln zi + ij ln zi ln zj (Translog),
i
2 i
donde C es el número de hijos en la familia y R indica la raza del jefe del hogar. En este
caso se tiene que
@P (z) 1 1
= iP zi ;
@zi
r !
@U=@zi x X
k
p
= i + iC + iR + ij zj + "i (Diewert),
@U=@X zi i
!
@U=@zi x X
k
= i + iC + iR + ij ln zj + "i (Translog),
@U=@X zi i
198 CHAPTER 5. MÉTODO DE PRECIOS HEDÓNICOS
las cuales representan las ecuaciones a estimar. Debido a la no linealidad del modelo el prob-
lema de identi…cación descrito por Brown (1982) no es relevante. A través de la estimación
de estas formas funcionales se calculan las medidas de bienestar para cambios no marginales
empleando la ecuación (5.24).
Otros autores sugieren la estimación de modelos de elección discreta (McFadden, 1973)
con la idea de estimar valores no marginales. Cropper et al. (1993) concluyen que am-
bos modelos estiman satisfactoriamente el valor marginal de los atributos. Sin embargo,
los modelos de elección discreta son recomendables para la valoración de cambios no mar-
ginales principalmente cuando los modelos no están adecuadamente especi…cados o cuando
las variables son medidas con error. En un estudio aplicado Palmquist & Isranhkura (1999)
compararon las estimaciones de precios hedónicos con aquellas obtenidas con modelos de
utilidad aleatoria. Sus resultados son diferentes a los de los primeros investigadores. Las
diferencias se pueden explicar por el hecho que Palmquist & Isranhkura (1999) utilizaron
varios mercados para identi…car la función de pago. Esto di…ere de lo realizado por Cropper
et al. (1993) quienes consideraron la información de un único mercado. En resumen, los
problemas de identi…cación y de endogeneidad constituyen temas obligados de investigación
dentro de la literatura de precios hedónicos.
De acuerdo con Freeman (2003) suponga que un individuo elige un trabajo de tal forma
que maximiza su utilidad asociada a sus oportunidades de consumo y a las características
del trabajo. Estas características se denotan por J. Una de las características relevantes del
trabajo es el riesgo de accidentalidad laboral y muerte denotado por i : Estos individuos
enfrentan una función de salarios dada por Pw = Pw ( ; J). Por lo tanto, los individuos
maximizarán la expresión
@u
i = ; (5.27)
@X
u(:) @Pw
= ; (5.28)
@ i
y
@u
i @Ji @Pw
= : (5.29)
@Ji
La ecuación (5.27) representa la utilidad esperada del consumo. En equilibrio la DAP
marginal por un incremento en la probabilidad de sobreviviencia debe ser igual a su precio
implícito (ecuación (5.28)). Por último, la DAP marginal por cada característica del trabajo
debe ser igual a su precio marginal implícito (ecuación (5.29)). Los mismos procedimientos
discutidos en el caso de la función de precios son aplicables aquí. Clark & Kahn (1989)
aplicaron el modelo de salarios hedónicos siguiendo el procedimiento en dos etapas explicado
en las secciones anteriores.
Un segundo caso de aplicación de las funciones de salarios hedónicos se re…ere a la esti-
mación de diferencias en salarios regionales. Como hipótesis se postula que algunas condi-
ciones como la calidad del aire y las tasas de criminalidad generan diferencias salariales entre
diferentes ciudades o localidades, en la medida que dichas características varíen entre las re-
giones. En lugares con una mejor calidad ambiental es dable pensar en menores salarios
manteniendo otros factores constantes. En este caso se incluyen características laborales
completamente exógenas a los agentes económicos tales como aspectos climáticos (precipita-
ciones, temperatura y humedad), o características que son el resultado de las acciones que
toman los individuos en conjunto relacionadas con las condiciones de las ciudades (densidad
poblacional y crimen) y la calidad ambiental.
La premisa básica es que cuando una persona elige un lugar para trabajar o vivir está
afectando indirectamente otros aspectos de la comunidad como la densidad poblacional, el
nivel de educación, el ingreso promedio o el número de vehículos. Generalmente, la decisión
de cambiarse de trabajo a otra ciudad implica igualmente una decisión de cambio de resi-
dencia. Es razonable pensar que las características ambientales de las ciudades in‡uencien
las decisiones de trabajo y de residencia de los consumidores por lo que estas dos decisiones
200 CHAPTER 5. MÉTODO DE PRECIOS HEDÓNICOS
no son independientes. De la misma manera, cuando las empresas toman decisiones de lo-
calización afectan algunas características del vecindario mediante emisiones contaminantes
al ambiente y a través de la demanda de trabajo. Si un individuo se mueve a una ciu-
dad con mejores características debe analizar la disyuntiva entre vivir en una mejor ciudad
devengando un menor salario pero probablemente pagando un mayor arriendo.
En el modelo de salarios hedónicos se analizan conjuntamente las decisiones de trabajo y
residencia (Rosen, 1979; Marin & Psacharopoulos, 1982; Roback, 1988; Hoehn et al., 1987).
El resultado fundamental es que la disposición a pagar por una mejor calidad ambiental
depende de ambos mercados; es decir, de la disposición a aceptar un salario menor y de la
disposición a gastar más en arriendo (Freeman, 2003). Esto implica que en el modelo de
salarios hedónicos la derivada de la función de precios con respecto a la variable ambiental
no re‡eja completamente el precio marginal de la característica, ya que se debe incorporar
el efecto de esta característica en el salario de equilibrio.
Desde la perspectiva de la estimación de estos modelos se tiene un sistema por lo menos
con dos ecuaciones: una de salario y otra de precio de viviendas. Desde que Roback (1982)
desarrolló el marco teórico muchos autores han empleado el modelo para estimar el valor
de algunas características ambientales o para el cálculo de índices de calidad de vida entre
ciudades. Sin embargo, la mayoría de ellos han ignorado la posibilidad de correlación entre
los errores de las ecuaciones de salario y precio. La práctica usual consiste en estimar estas
ecuaciones en forma separada usando mínimos cuadrados ordinarios. Ejemplos de este tipo
de aplicaciones son los trabajos de Roback (1982, 1989), Hoehn et al., (1987), Blomquist et
al. (1988), Clark et al. (1994) y Deller et al. (2001), entre otros.
La estimación conjunta de ambas ecuaciones es importante porque permite obtener esti-
madores más e…cientes y covarianzas para los estimadores de ambas ecuaciones. Estas co-
varianzas son requeridas cuando se desea evaluar la signi…cancia de las medidas de bienestar
asociadas a una característica. Las medidas de bienestar se expresan como una combinación
lineal de parámetros de las ecuaciones de salario y de precios. La varianza de estas medidas
de bienestar se pueden calcular fácilmente si se cuenta con las covariazas entre parámetros.
Algunos autores simplemente no proveen ninguna estimación de la varianza de la medida
de bienestar y otros ignoran los efectos de la covarianza (Hoehn et al., 1988; Blomquist
et al., 1988). Finalmente, Deller (2001) estima la varianza del valor marginal usando una
simulación de Monte Carlo basado en las propiedades asintóticas de los estimadores MCO.
Retomando el marco teórico desarrollado por Roback (1982) el modelo de diferencia
de salarios regionales asume que los trabajadores consumen un bien compuesto X; con un
precio numerario, y arriendan lc unidades de tierra al precio r. El ingreso de los trabajadores
proviene de ingresos del mercado laboral, w, e ingresos por fuera del mercado, I. Por lo tanto,
los trabajadores buscan maxizimizar su utilidad sujeta a su restricción de ingreso como se
expresa a continuación
max U (X; lc ; s) (5.30)
s.a: : w + I = X + lc r;
donde s representa las características ambientales. El equilibrio desde la perspectiva de los
trabajadores (consumidores) se caracteriza por
V (w; r; s) = c; (5.31)
5.4. MODELO DE SALARIOS HEDÓNICOS 201
5.5 Aplicaciones
5.5.1 Formas funcionales y valor de la calidad del aire
En este primer ejemplo se ilustra la estimación de la función de precios hedónicos y sus
diversas formas funcionales usando una muestra de precios de viviendas de la ciudad de
Santiago. La información de las características de las viviendas se obtuvo a partir de una
muestra de avisos de oferta de viviendas y departamentos para usos residenciales, aparecidos
en un diario de circulación nacional el día domingo 26 de mayo de 1991. Dicha encuesta
se originó de un proyecto sobre el mercado de la vivienda en Santiago realizado por la
Universidad de Chile. La muestra consistió de 149 submuestras de 20 observaciones cada
una para un total de 2980 viviendas. Sin embargo, solo fue posible validar un total de
992 observaciones. Los antecedentes sobre la localización de las viviendas fueron obtenidas
del plano del Gran Santiago (escala 1:20.000) proveniente de la guía de suscriptores de la
compañía de teléfonos de Chile4 .
Los datos disponibles presentan una serie de limitaciones y son insatisfatorios para evaluar
el efecto de más de una variable ambiental sobre el valor de la propiedad. El problema
fundamental es la alta correlación entre las variables explicativas lo cual produce inestabilidad
de los signos y de la signi…cancia estadística de las variables ambientales. Dada la di…cultad
de contar con mejores datos para la aplicación del método los resultados deben tomarse
con cierta cautela. El objetivo de la estimación pretende ilustrar la aplicación general del
método.
El Cuadro 5.3 presenta la estimación de la función de precios hedónicos incluyendo una
sola variable de calidad ambiental. Esta variable ambiental mide las partículas totales en
suspensión (PTS). Las otras variables en la regresión fueron el tamaño del terreno y de la
construcción o vivienda, un índice de inversión pública en la comuna y variables de naturaleza
dicotómica que dan cuenta del tipo de vivienda (sólida o ligera), la existencia de garaje
en la propiedad, si la propiedad es o no un local comercial y la existencia o no de un
área verde cercana a la vivienda. Las cinco columnas de resultados representan distintos
supuestos sobre el valor de los parámetros de la función Box-Cox (lambda y teta). La
primera columna restringe el modelo a que ambos parámetros sean iguales a uno; es decir,
se estima el modelo lineal simple. El segundo caso asume que la variable dependiente es
transformada en forma logarítmica. En el tercer caso tanto las variables explicativas como la
variable dependiente son transformadas tomando el respectivo logaritmo. La cuarta columna
muestra la estimación del modelo en el cual el parametro de transformación de la variable
dependiente es elegido óptimamente mientras que el parámetro que transforma las variables
explicativas es asumido igual a uno. Por último, se presenta el caso en que ambos parámetros
son estimados óptimamente con métodos de máxima verosímilitud.
En todas las ecuaciones la variable de calidad ambiental es negativa y signi…cativa en
correspondencia con lo esperado desde la perspectiva teórica. El efecto mayor se observa
en el modelo lineal (columna 2). Las variables de terreno, super…cie construida e inversión
pública afectan positivamente el valor de la propiedad y son signi…cativas. Las viviendas de
material ligero tienen un precio inferior que las sólidas aunque no es signi…cativa en algunas
4
Estos datos fueron proporcionados por Eduardo Letelier quien los usó en su tesis de pregrado en el
Departamento de Economía de la Universidad de Chile.
5.5. APLICACIONES 203
Variables no transformadas
Tipo de vivienda 4:897 0:026 0:559 0:056 0:558
( 3:47) ( 0:60) ( 8:71) ( 1:01) ( 7:67)
Garaje 2:6231 0:282 0:223 0:364 0:257
(2:40) (7:02) (6:33) (6:83) (6:10)
Local comercial 5:352 0:093 0:052 0:160 0:077
( 2:54) ( 1:32) ( 0:84) ( 1:69) ( 1:02)
Area verde 5:095 0:240 0:198 0:328 0:252
(3:03) (4:12) (3:84) (4:26) (4:06)
Constante 30:38 3:091 4:364 0:639 3:053
(8:44) (21:89) (20:56) ( 3:22) ( 4:56)
Log-likelihood 4071:2 779:9 676:9 1070:4 859:4
LR test 6423:6 159 365 211
Valores de t en paréntesis.
estimaciones. Lo mismo sucede con los locales comerciales. Por último, la existencia de áreas
verdes tiene un signo positivo y signi…cativo.
A partir de estas estimaciones se pueden realizar distintas pruebas de hipótesis. Se ob-
serva una disminución en el valor de la función de verosimilitud del modelo lineal con respecto
al semilog. La última …la del cuadro presenta el valor del test de razón de verosimilitud.
El test es de…nido como 2(LN R LR) donde LR y LN R corresponden al valor de la fun-
ción de verosimilitud restringida y no restringida, respectivamente. El valor no restringido
corresponde al valor de la función de verosimilitud en el caso Box-Cox y el valor restringido
corresponde a cualquiera de los otros casos. El test se distribuye como una Chi cuadrado con
los grados de libertad igual al número de restricciones del modelo. Si se compara el modelo
de la columna cuatro, en el cual solo el parámetro teta es seleccionado óptimamente, con el
modelo Box-Cox de la columna cinco se observa una disminución en el valor de la función de
verosimilitud y una diferencia estadística signi…cativa entre los modelos. El mismo resultado
204 CHAPTER 5. MÉTODO DE PRECIOS HEDÓNICOS
donde z( ) representa las variables explicativas del modelo. Además, se tiene que en la
situación …nal 1
( )
P z1 = z1 +1 : (5.39)
Al reemplazar (5.37) en (5.39) se obtiene
1
( ) ( )
P z1 = z1 + P (z) z0 :
Usando P (z) = p y dado que se modi…có solo una variable explicativa, la expresión
anterior se reduce a h i 1
( ) ( )
P z1 = p + z1j z0j :
Para el caso de la función lineal el cambio en el bienestar como resultado de un cambio
discreto en la variable explicativa estará dado para valores de y iguales a 1. Así,
P z1 = p + z 1 z0 j:
Estimación econométrica
Para obtener el efecto de la calidad ambiental o el crimen se estima un modelo con dos
ecuaciones especi…cado como
donde y2i es una variable latente relacionada con el salario a través de la siguiente ecuación
y2i = y2i si y2i > 0
y2i = (5.42)
0 en otro caso
La primera ecuación modela la renta donde i,1; :::; n, representa las observaciones de la
muestra, = ( 1 ; :::; k ) es un vector de k parámetros, xi es el vector de variables explica-
tivas para la observación i y "1i son los errores aleatorios. La segunda ecuación modela
los salarios donde = ( 1 ; :::; l ) es un vector de l parámetros, zi es el correspondiente
vector de variables explicativas para la observación i y "2i son los errores aleatorios. Este
modelo equivale a un sistema de ecuaciones aparentemente no relacionadas (SURE- seem-
ingly unrelated simultaneous equations system) donde la primera ecuación es lineal y la
segunda corresponde a un modelo Tobit. Si se asume que los errores son independientes e
idénticamente distribuidos (iid) entonces
2
"1i 0 1 12
N ; 2 : (5.43)
"2i 0 21 2
Z0
Q Q
L= f (y1i xi ; y2i zi ) f (y1i xi ; y zi )dy: (5.45)
y2 >0 y2 =0
1
El modelo implícitamente asume que los mecanismos que explican si una persona hace
parte o no del mercado laboral son los mismos que explican los salarios. Este supuesto
puede relajarse con una apropiada reespeci…cación del modelo. En primer lugar, se de…ne
una nueva variable como
y3i = wi + "3i ; (5.46)
relacionada con los salarios, y2i , y la condición del empleo, y3i , de la siguiente forma
y3i 0 ) y3i = 0 y y2i = 0;
y3i > 0 ) y3i = 1 y y2i = y2i :
Es decir, el mecanismo que determina el empleo di…ere del mecanismo que determina
los salarios. El vector = ( 1 ; :::; m ) corresponde a un vector de m parámetros y wi es el
vector de las variables explicativas para cada observación i. Finalmente, "3i son los errores
aleatorios. Si se asume que los errores son iid se tiene que
2 3 02 3 2 2 31
"1i 0 1 12 13
4 "2i 5 N @4 0 5 ; 4 21 2
2 23
5A :
2
"3i 0 31 32 3
5.5. APLICACIONES 207
2 aa aw ba
p = ba bw ; (5.50)
wa ww bw
donde bi ; i 2 fa; wg ; son los coe…cientes estimados para las ecuaciones de renta y salario. La
matriz en la mitad de la ecuación corresponde a las varianzas y covarianzas de los estimadores.
Tradicionalmente los investigadores ignoran la estimación de la varianza de la medida de
bienestar al asumir implícitamente que wa = 0.
Resultados
El Cuadro 5.5 presenta la estimación de la ecuación de participación en el mercado laboral
(ecuación (5.46)). Todas las variables son signi…cativas a un 5%. A partir de esta ecuación se
obtiene la razon inversa de Mill que luego se usa como otra variable explicativa en el modelo
de salarios. Esta variable es denominada lambda.
Un problema común que se debe enfrentar en la estimación de modelos hedónicos es la
endogeneidad de algunas variables explicativas. En este caso es de interés determinar si las
características como crimen, desempleo y contaminación son endógenas. La endogeneidad en
este caso se entiende como una correlación entre la variable de interés y el error estocástico
del modelo; es decir, se expresa como E(xi "i ) donde xi es la variable explicativa y "i es el
término de error. Para veri…car la hipótesis de endogeneidad se utiliza el test de Hausman
(Wooldrige 2002). Sea un modelo de la forma
y1 = x + y2 + ";
208 CHAPTER 5. MÉTODO DE PRECIOS HEDÓNICOS
y2 = I + ; (5.51)
y1 = x + y2 + + error:
de calidad ambiental es positivo lo cual sugiere que el salario es mayor en áreas con menor
calidad ambiental. Por su parte, el desempleo afecta negativamente el salario. En el caso
del crimen el resultado depende del modelo pero un signo positivo de esta variable en la
ecuación de salarios es consistente con la teoría.
En el caso de la ecuación de arriendos los resultados también corresponden a lo esperado.
Una mejor calidad de la vivienda conlleva a que ésta posea un precio más alto. En el caso
de las variables de interés tanto la contaminación como el crimen tienen un efecto positivo y
son estadísticamente signi…cativas. El resultado es contradictorio con el modelo tradicional
de precios hedónicos, pero es consistente con el modelo de salarios hedónicos sugerido por
Roback (1982).
Las medidas de bienestar para el caso de MP10 y crimen se presentan en los Cuadros 5.8 y
5.9. Al no considerar la simultaneidad se subestiman las medidas de bienestar asociadas tanto
a la calidad ambiental como al crimen. En este último caso el resultado es más dramático ya
que el signo obtenido no es consistente con la teoría. Sin embargo, este resultado se explica
por la forma en que se de…nió la variable explicativa la cual hace alusión a distintos tipos de
crimen. Por esta razón podría ser interesante reestimar el modelo en forma separada para
diferentes tipos de crimen acorde con el trabajo de Deller et al. (2001). En este caso los
diferentes tipos de crimen afectarán de distinta manera el salario y el valor de los arriendos.
Finalmente, es importante mencionar que pueden existir problemas relacionados con
variables omitidas lo cual di…culta la estimación e interpretación de las medidas de bienestar.
La omisión de variables implica la existencia de sesgos en la estimación de los parámetros.
La forma tradicional para evaluar el efecto de las variables omitidas implica el uso de la
ecuación
^ =
k k + k;
5.6 Conclusiones
El método de precios hedónicos se caracteriza por una sólida base conceptual la cual es
ampliamente reconocida en la literatura especializada. Este marco conceptual y teórico
posibilita la estimación de funciones de precio de una extensa variedad de bienes diferenciados
como viviendas, predios agrícolas, automóviles, salarios etc. Asimismo es también factible
calcular medidas de bienestar asociadas a cambios en las características de este tipo de bienes.
Por consiguiente, es posible con la estimación de funciones de precio evaluar proyectos tanto
5.6. CONCLUSIONES 211
Aspectos microeconómicos
x= + p + m:
Zp1
EC = ( + p + m)@p
p0
p1
p2
EC = p+ + mp
2 p0
p p1
EC = (2 + p + 2 m) :
2 p0
x ( + m)
p= ;
213
214 APPENDIX A. ASPECTOS MICROECONÓMICOS
Función de Gasto
Asumiendo que se cumplen las condiciones de integrabilidad la función de gasto se expresada
por
@e
= + p + e;
@p
donde se asume que se está en el nivel óptimo de consumo, es decir, donde m = e. Esta
ecuación puede representarse como una ecuación diferencial ordinaria de la forma
@e
e ( + p) = 0
@p
cuya solución es1 R Z R
@p @p
e(p; U ) = e A+ ( + p)e @p
Z
pi pi
e(p; U ) = e A+ ( + p)e @p
Z Z
pi pi pi pi
e(p; U ) = e A+e e @p + pe @p ; (A.1)
R pi
R pi pe p
e p
pe @p = pe @p = ( 2 )
p p
pe e
e(p; U ) = e p A + e p
e p
+ ( 2 )
pi p 1
=e A+ + ( 2)
p 1
= Ue + p+ ;
1
m+ + p+
v(p; m) = p
:
e
Para veri…car que corresponde a la función de utilidad de una demanda lineal se acude a
@v=@pi
la identidad de Roy, xi (p; m) = @v=@m : Al calcular cada derivada parcial en forma separada
se tiene
p 1 p
e m+ ( + p+ ) e
@v
=
@pi [e p ]2
p 1
e m+ ( + p+ )
=
[e p ]2
1
m+ ( + p+ )
= p
;
e
y
@v 1
= p:
@m e
216 APPENDIX A. ASPECTOS MICROECONÓMICOS
@v=@pi 1
xi = = m+ ( + p+ )
@v=@m
p
= (m + + + 2)
= m p
xi = + p + m:
Demanda Hicksiana
La función de demanda Hicksiana se obtiene aplicando el lema de Shepard a la función de
gasto
@e(pi ; U )
= e pU :
@pi
Función de utilidad
Para obtener la función de utilidad se recurre a la función de demanda x1 = + p1 + m y
se despeja p1 = x1 m: También se usa la restricción presupuestaria m = p1 x1 + x2 :2
Por lo tanto
p 1 = x1 (p1 x1 + x2 )
p 1 + x 1 p1 = x1 x2
x1 x2
p1 = :
+ x1
0 1
+ x 2 x1
@ A
+ x1 x1 +
U =e 2 :
Variación Compensada
Dado un cambio en el precio de p01 a p11 con p01 < p11 , la variación compensada se de…ne como
V C = e(p1 ; U 0 ) e(p01 ; U 0 )
V C = e(p1 ; U 0 ) m0
2
En esta restricción presupuestaria el bien x2 es considerado numerario. Por lo tanto, p2 = 1.
A.1. MEDIDAS DE BIENESTAR 217
p1 1
V C = Ue ( + p1 + ) m0 ;
reemplazando U por v
2 3
1
m+ ( + p01 + ) 1
6 7 p11
VC =4 p01
5e ( + p11 + )+m
e
(p11 p01 ) 1 1
VC =e ( m+ + p01 + ) ( + p11 + + m) ;
Variación Equivalente
Finalmente, la variación equivalente se obtiene en forma análoga a variación compensada de
la siguiente manera
V E = e(p1 ; U 1 ) e(p0 ; U 1 )
p01 1
VE =m U 1e + p01 +
0 1
1
m+ ( + p11 + ) 1
B C p01
VE =m @ p11
Ae + + p01 +
e
1 (p01 p11 ) 1
VE =m+ + p01 + e (m + ( + p11 + ))
1 (p01 p11 ) 1
VE = ( m+ + p01 + ) e ( ( m+ + p11 + ))
1 (p01 p11 ) 1
VE = (x01 + ) e ( (x11 + ));
xi = exp ( + p + m):
218 APPENDIX A. ASPECTOS MICROECONÓMICOS
Zp1
EC = exp( + p + m)@p: (A.2)
p0
@b
Aplicando un cambio de variable se de…ne b = + p + m con @b = @p y = @p.
Entonces la ecuación (A.2) se puede reescribir como
Zp1 p1
exp(b) 1
EC = @b = [exp( + p + m)]
po
p0
p1
x x1 x0
EC = = ;
po
Función de gasto
Para obtener la función de gasto se recurre nuevamente a las condiciones de integrabilidad
y se resuelve la siguiente ecuación diferencial
@e(p; U )
= e( + p+ m)
:
@p
Reordenando esta expresión se obtiene
m
e @e(p; U ) = e( + p)
@p;
la cual es una ecuación diferencial de variables separables en la que se puede calcular fácil-
mente la integral en ambos lado de la expresión; es decir,
R R
e m @e(p; U ) = e( + p) @p
m
e e( + p)
= + A;
m
e = U e( + p)
A.1. MEDIDAS DE BIENESTAR 219
m = ln( U e( + p)
);
1
m= ln( U e( + p)
);
1
e(p; U ) = ln( U exp( p + )):
1
m= ln( v exp( p + ));
exp( m) = v exp( p + );
exp( m) + exp( p + )
v= ;
exp( m) 1
v(p; m) = exp( p + ):
@v 1
= exp( p + ) = exp( p + );
@pi
@v 1
= exp( m) ( ) = exp( m);
@m
@v=@pi exp( p + )
= = exp( + p + m);
@v=@m exp( m)
xi = exp( + p + m):
220 APPENDIX A. ASPECTOS MICROECONÓMICOS
Demanda Hicksiana
Con el lema de Shepard se obtiene la función de demanda Hicksiana.
2 3
@e(p; U ) 16
6 1 7
7 + p
= 4 5 e ;
@p + p
U e
@e(p; U ) e + p
= ;
@p U+ e + p
@e(p; U ) e + p
= :
@p ( U + e + p)
Función de utilidad
La función directa de utilidad se obtiene a partir de
m
e 1 + p
v(p; m) = e :
m 1 x1
v(p; m) = e + ;
m + x1
v(p; m) = e :
m = ln x1 p1 ; (A.3)
x1 + x1 ln x1
x1 + x 2
m = ;
x1 x1
x1 ln x1 x1 + x2
m= :
x1 +
Variación Compensada
V C = e(p11 ; U 0 ) e(p01 ; U 0 );
1 p11
= ln( U 0 e + ) m;
m m
1 e x0 e + p11
= ln e m;
1 m m + p11
= ln e + x0 e e m;
1 h i
m m + p11
= ln e + x0 e e m:
m + p11
De la función de demanda se sabe que x1 e =e y al reemplazar en la expresión
de V C se tiene
1
= ln e m + x0 e m
x1 e m
m;
1 m
= ln(e (1 + [x0 x1 ])) + m ;
m m
ln(e (1 + [x0 x1 ])) + ln e
= ;
1 m m
= ln e (1 + [x0 x1 ])e ;
1
VC = ln(1 + [x0 x1 ]):
222 APPENDIX A. ASPECTOS MICROECONÓMICOS
Variación Equivalente
V E = e(p11 ; U 1 ) e(p01 ; U 1 );
1 + p01
=m+ ln( U1 e );
m m
1 e x1 e + p01
= m + ln e ;
1 m m + p01
= m + ln e + (x1 e e ) ;
1
= ln em + ln e m
+ x1 e m
x0 e m
;
1
= ln em e m
1+ [x1 x0 ] ;
1
VE = ln 1 + [x1 x0 ] :
A.1. MEDIDAS DE BIENESTAR 223
ln x = + ln p + ln m;
Zp1
EC = e p m @p;
p0
+1 p1 p1
e p m e p m p
= = ;
+1 p0 +1 p0
p1
xp p1 x1 p0 x0
= = :
+1 p0 +1
Función de gasto
Con el procedimento tradicional se tiene la siguiente ecuación diferencial de variables sepa-
rables
@e(p; U )
=e p m ;
@p
@e(p; U )m = e p @p;
R R
m @e(p; U ) = e p @p;
cuya solución es
m1 p +1
=e + A;
1 +1
+1
p
m1 = (1 ) e +A ;
+1
1
+1
p 1
m= (1 ) e +A ;
+1
" ! #! 1 1
pi +1
e(p; U ) = (1 ) e +U ;
+1
224 APPENDIX A. ASPECTOS MICROECONÓMICOS
m1 p +1
v(p; m) = e :
1 +1
Demanda Hicksiana
Usando el lema de Shepard se obtiene la demanda Hicksiana. Así,
+1
@e 1 p 1
(1 + ) e p
= (1 ) e +U ;
@p 1 +1 1+
+1
@e e p p 1
= (1 ) e ( )+U :
@p 1 +1
Variación Compensada
V C = e(p11 ; U 0 ) e(p01 ; U 0 );
" ! #! 1 1
p1 +1
= (1 ) e + U0 m;
+1
" ! !#! 1 1
+1 1 +1
e p1 m p0
= (1 ) + e m;
+1 1 +1
" ! #! 1 1
+1 +1 1
(1 ) e p1 m e p0 m m
= + m;
m +1 1
" # !11
(1 ) e p1 m p1 e p0 m p0
= ( ) + m1 m;
m +1
1
(1 ) 1
VC = [x1 p1 x0 p0 ] + m1 m;
m ( + 1)
Variación Equivalente
V E = e(p11 ; U 1 ) e(p01 ; U 1 );
" #! 1 1
p0 +1
=m (1 ) e ( ) + U1 ;
+1
" #! 1 1
e p0 +1 m1 p1 +1
=m (1 ) ( )+ e ( ) ;
+1 1 +1
A.1. MEDIDAS DE BIENESTAR 225
" #! 1 1
+1 +1 1
(1 ) e p0 m e p1 m m
= ( )+ m;
m +1 1
" # !11
(1 ) e p0 m p0 e p1 m p1
= ( ) + m1 m;
m +1
1
(1 ) 1
1
VE = [x0 p0 x1 p1 ] + m m:
m ( + 1)
226 APPENDIX A. ASPECTOS MICROECONÓMICOS
b(q)
donde B(q) = .
1 + b(q)
Al aplicar la solución general de la ecuación diferencial se obtiene
R B(q) Z h i R B(q)
@p c B(q) @p
e~(p; q; (q; U )) = e p (:) + 1+b(q) p
c e p @p :
R B(q)
@p = B(q) ln p. Por lo tanto,
p
Z h i
B(q) B(q) c B(q) B(q)
e~(p; q; (q; U )) = p (:) + p 1+b(q) p
c (p )@p:
pc 1 pc
= 1+b(q) b(q) = b(q)+1+b(q) = cp:
+1 (1+b(q))
1+b(q) 1+b(q)
B(q)
R (1+B(q)) pB(q) B(q)c 1 B(q)+1
p B(q)c p @p = p =c :
1 B(q) + 1
Como consecuencia de los resultados anteriores se tiene
c (1+b(q))
p^ = ( ) :
(q; U )B(q)
Dada la complementariedad débil se sabe que
@~
e(^
p(0; q; U ); q; U ))
= 0:
@q
Por lo tanto,
8 ( )B(q) 9
@~
e(:) < c
(1+b(q))
c
(1+b(q)) =
@
= @q c +c + (:) ;
@q : (:)B(q) (:)B(q) ;
@ @b(q) 1 @
f(1 + b(q)) ln (q; U )g = ln (q; U ) + (1 + b(q)) :
@q @q (q; U ) @q
@ @ b(q)
fb(q) ln B(q)g = b(q) ln ;
@q @q 1 + b(q)
@
= fb(q) ln b(q) b(q) ln(1 + b(q))g ;
@q
1 @b(q) @b(q) b(q) @b(q) @b(q)
= b(q) + ln b(q) ln(1 + b(q));
b(q) @q @q 1 + b(q) @q @q
@b(q) @b(q) @b(q) @b(q)
= + ln b(q) B(q) ln(1 + b(q)):
@q @q @q @q
@ 1 @b(q)
fln(1 + b(q))g = :
@q 1 + b(q) @q
228 APPENDIX A. ASPECTOS MICROECONÓMICOS
@ @b(q)
f(1 + b(q)) ln( c)g = ln( c):
@q @q
Al ensamblar estos resultados y simpli…car la notación se tiene
@~
e(:) @b (1 + b) @ @b @b @b
= ln + + + ln b B
@q @q @q @q @q @q
@b 1 @b @b
ln(1 + b) ln( c) = 0:
@q 1 + b @q @q
Al reordenar términos se obtiene
(1 + b) @ @b 1
= ( ln 1 ln b + B + ln(1 + b) + + ln( c));
@q @q 1+b
@b 1 b+1
= ( ln ln b + ln(1 + b) + ln( c) + + B);
@q 1+b
@b b
= ( ln ln b + ln(1 + b) + ln( c) + B);
@q 1+b
(1 + b) @ @b (1 + b)( c) @b c
= (ln( )) = ln( );
@q @q b @q B
@ =@q @b=@q c
= ln( );
1+b B
@ @b c
= ln( );
1+b B
@ @b ( c=B)
= ln ;
1+b
@ @b c @b
= ln( ) ln ;
1+b B 1+b
En el procedimiento se requiere un cambio de variable. Para tal efecto se asume que " =
ln =) @" = (1= )@
@b c @b
@" = ln( ) ";
1+b B 1+b
@" " 1 c
+ ln( ) = 0:
@b 1 + b 1 + b B
Aplicando la solución de la ecuación diferencial general se tiene
R Z R
1
@b ln( c=B) 1
" = e 1+b + e 1+b @b @b :
1+b
Las soluciones de las integrales son:
R 1
1+b
@b = ln(1 + b). Por lo tanto,
Z
ln(1+b) 1 ln( c=B) ln(1+b)
"=e + e @b ;
1+b
Z
1
"= + (ln( c) ln B)@b :
(1 + b)
A.1. MEDIDAS DE BIENESTAR 229
R
ln( c)@b = b ln( c):
R R b
R R R
ln B@b = ln 1+b @b = (ln b ln(1 + b))@b = ln b@b + ln(1 + b)@b
R
- ln b@b = b ln b + b:
R
ln(1 + b)@b = b ln(1 + b) + ln(1 + b) (1 + b):Al sustituir en " se tiene
1
"= 1+b(q)
f + b ln( c) b ln b + b + b ln(1 + b) + ln(1 + b) (1 + b)g ;
b b ln b + b ln(1 + b) + ln(1 + b) 1
"= 1+b(q)
+ 1+b(q)
ln( c) + ;
1 + b(q)
b b
"= + ln( c) + ln(1 + b) ln b;
1 + b(q) 1 + b(q) 1 + b(q)
donde se agruparon las constantes en y se sabe que " = ln . Por consiguiente
=(1+b) c b=(1+b)
= (1 + b)e ( ) :
b
Reemplazando en la función de gasto se tiene
c b=(1+b) B(q)
=(1+b)
e(p; q; U ) = c + cp + (1 + b)e ) p ( ;
b
p
e(p; q; U ) = c + cp + (1 + b)e =(1+b) ( c)B(q) ( )B(q) :
b
La función indirecta de utilidad está dada por
=(1+b) p m c cp
e ( c)B(q) ( )B(q) = ;
b 1+b
p m c cp
+ ln( c)B(q) + ln( )B(q) = ln( );
1+b b 1+b
m c cp b b p
= ln( ) ln( c) ln( );
(1 + b) 1+b 1+b 1+b b
m c cp p
v= = (1 + b) ln( ) b ln( c ):
1+b b
230 APPENDIX A. ASPECTOS MICROECONÓMICOS
Appendix B
Estimación econométrica
En este apéndice se explica uno de los métodos de estimación econométrica más utilizados en
las aplicaciones de valoración económica. Sin embargo, el apéndice sólo pretende esbozar las
principales características y no constituye una descripción detallada de la estimación de mod-
elos econométricos. Para un lector poco familiarizado con los temas propios de econometría
estas notas sirven como una introducción a los mismos y para aquellos más familiarizados
el apéndice representa un resumen valioso de los principales conceptos econométricos. Si el
lector desea profundizar se recomienda la consulta de un libro de econometría como Greene
(2003)[?] o Wooldridge (2003)[?]. Si su experiencia con estimaciones econométricas es rela-
tivamente básica es preferible consultar libros de nivel intermedio como Gujarati (1997)[?] o
Dresdner & Vásquez (2004)[?]. Parte de la siguiente discusión es tomada del capítulo 2 de
Dresdner & Vásquez (2004).
B.1 Estimadores
Sea yi una variable aleatoria con función de densidad de probabilidad denotada por f (yi jXi ; ).
La distribución de esta variable aleatoria depende de un vector de características especí…cas
denotado por Xi y de un vector de parámetros . Este vector es completamente desconocido
para el investigador y constituye el objetivo de la estimación econométrica. Por ejemplo,
podría representar los parámetros de la función de demanda utilizada en el método de costo
del viaje. Considere la función de demanda lineal presentada en el capítulo 2 del libro,
y= + p + m;
f (yi jXi ; ) representa una distribución de probabilidad para el número de viajes en la cual
los parámetros a estimar son ; y : Si se de…ne = ( ; ; ) y Xi = (p; m) se obtiene la
representación estadística deseada del modelo.
Dada una muestra aleatoria y1 ; : : : ; yn un estimador se de…ne como una función de la
forma
^ = ^ (y1 ; y2 ; : : : ; yn ) :
El símbolo ^ sobre el estimador es usado para distinguir un estimador del verdadero
parámetro de la población. En este ejemplo ^ = (^ ; ^ ; ^ ): La muestra contiene información
relacionada con el número de viajes, el precio del bien y el ingreso. La función que de…ne el
231
232 APPENDIX B. ESTIMACIÓN ECONOMÉTRICA
@ ln L ( )
= 0:
@ =^
2
Para obtener los estimadores se calculan las primeras derivadas con respecto a y , es
decir
@ ln L ( ; 2
jyi ) 1 P
n
= 2
(yi ) = 0; (B.1a)
@ i=1
P
n
2 (yi )2
@ ln L ( ; jyi ) n i=1
= + = 0: (B.1b)
@ 2 2 2 2 ( 2 )2
Como segundo ejemplo considérese la variable discreta yi distribuida como una Bernoulli
con probabilidad de éxito p. Un experimento tipo Bernoulli es aquel en que el resultado
admite dos posibilidades mutuamente excluyentes. Estas dos posibilidades comúnmente se
denominan éxito y fracaso, denotando yi = 1 para el éxito y yi = 0 para el fracaso. La función
de probabilidad está dada por f (yi ) = pyi (1 p)1 yi . El estimador del parámetro p se obtiene
en forma análoga al ejemplo anterior. Se procede a de…nir la función de verosimilitud como
Q
n
L (p) = (p)yi (1 p)1 yi
:
i=1
P
n P
n
ln L (p) = yi ln (p) + (1 yi ) ln (1 p) :
i=1 i=1
@ ln L (p) P n 1 P
n 1
= yi (1 yi ) :
@p i=1 p i=1 1 p
1P n
p^ = yi ; (B.2)
n i=1
indicando que el estimador de la probabilidad de éxito está dado por la frecuencia de aciertos
o media muestral. Este resultado es similar al ejemplo de la distribución normal.
Insesgamiento.
Por insesgamiento se entiende que la media o esperanza del estimador sea igual al valor del
parámetro poblacional. Matemáticamente se puede expresar como
E ^ = :
1P n Pn 1
E (^
p) = E yi = E (yi ) :
n i=1 i=1 n
E…ciencia
La e…ciencia es un concepto aplicado a estimadores insesgados. Básicamente, se busca que
el estimador posea la mínima varianza posible. Esto quiere decir que en repetidas muestras
los valores de los estimadores tenderán a concentrarse en torno al valor del parámetro pobla-
cional. Entre varios estimadores se preferirá aquel que tenga la menor varianza. Es decir,
áquel que sea más e…ciente.
El Teorema de la Cota Inferior de Cramer Rao 3 establece que la mínima varianza que un
estimador ^ puede alcanzar equivale al inverso del valor esperado de la segunda derivada de
la función de verosimilitud con respecto a este estimador, antecedido por un signo negativo.
Es decir,
1
^ @ 2 ln L
var E :
@ @ 0
Donde L representa la función de verosimilitud. Este teorema proporciona una cota
inferior para la varianza de cualquier estimador de un parámetro. Para el caso de varios
parámetros con una función de verosimilitud dada por
Y
n
f (y1 ; : : : ; yn j ) = fi (y j )
i=1
3
Cramer Rao Lower Bound.
236 APPENDIX B. ESTIMACIÓN ECONOMÉTRICA
@ 2 ln L
I ^ = E : (B.3)
@ @ 0
2 ! 3
@ 2 ln L @ 2 ln L @ 2 ln L
6 E E E 7
6 @^
2
@ ^1 @ ^2 @ ^1 @ ^n 7
6 1 ! 7
6 7
6 @ 2 ln L @ 2 ln L @ 2 ln L 7
6 E E E 7
=6
6 @ ^2 @ ^1
2
@ ^2 @ ^2 @ ^n 77
6 .. .. .. 7
6 . . . 7
6 ! 7
6 2
@ ln L @ 2 ln L @ 2 ln L 7
4 E E E 5
2
@ ^n @ ^1 @ ^n @ ^2 ^
@ n
1
El inverso de esta matriz, I ^ , provee las varianzas mínimas de los estimadores
máximo verosímiles.
Para entender el concepto considérese el primer ejemplo analizado anteriormente, en el
que la variable aleatoria yi se distribuye normal con media y varianza 2 . En este caso
se deben considerar las varianzas de dos estimadores: ^ y ^ 2 . Las segundas derivadas de
la función de verosimilitud se obtienen a partir de las ecuaciones usadas para encontrar la
media y la varianza. Es decir,
@ 2 ln L ( ; 2
) 1 P
n n
= ( 1) = ;
@ 2 2
i=1
2
P
n
2 2 (yi )2
@ ln L ( ; ) n i=1
= ;
@ ( 2 )2 2( 2 )2 ( 2 )3
P
n
(yi )
@ 2 ln L ( ; 2 ) @ 2 ln L ( ; 2
) i=1
= = :
@ @ ( 2) @ ( 2) @ ( 2 )2
El paso siguiente consiste en calcular la esperanza de esta matriz, lo cual implica aplicar
4
Esta matriz se denomina comúnmente matriz de información.
B.3. PROPIEDADES DE LOS ESTIMADORES 237
El mínimo error cuadrático medio es un criterio que toma en cuenta tanto el sesgo como
la precisión del estimador. Note que el sesgo y la precisión, medida por la varianza, tienen
la misma ponderación en el cálculo del ECM.
Esto quiere decir que a medida que aumenta el tamaño de la muestra n, la probabilidad
que la diferencia absoluta entre el estimador y el verdadero parámetro sea menor que un
número " será igual a uno. En este caso " es un número arbitrariamente pequeño y positivo.
En otras palabras, si la muestra es lo su…cientemente grande el valor del estimador tenderá
7
Otras propiedades asíntóticas son el insesgamiento asintótico y la e…ciencia asintótica. Ver detalles en
Greene (1998).
B.3. PROPIEDADES DE LOS ESTIMADORES 239
a ser igual al valor del parámetro poblacional. Formalmente, se dice que un estimador
es consistente si en el límite, es decir cuando n tiende a in…nito, el estimador converge en
probabilidad al verdadero parámetro poblacional. Los estimadores obtenidos por el método de
máxima verosimilitud son consistentes. A su vez cualquier función de parámetros consistentes
será consistente de acuerdo con el teorema de Slutsky.
La segunda propiedad de los estimadores de máxima verosimilitud es que éstos se dis-
tribuyen asintóticamente normal con media dada por el verdadero parámetro poblacional
y varianza igual a la cota inferior de Cramer Rao. Es decir,
^vN ; I(^) 1
donde
1
@ 2 ln L
I(^) 1
= E :
@ @ 0
La demostración de estas propiedades está más allá del alcance de este apéndice. Esta
se puede encontrar en Greene (2003) o Wooldridge (2003).
P z1 =2
< Z < z1 =2
=1
p p
P x z1 2 =n < < x + z1 2 =n =1 : (B.5)
2 2
Note que se trata de un intervalo de con…anza para la media de una distribución normal.
La identi…cación de los límites del intervalo requiere la lectura de los mismos de una tabla
de distribución normal. Para cada caso se requiere conocer la distribución de probabilidad
del estimador para construir el intervalo de con…anza deseado. La ecuación anterior re‡eja
un rango dentro del cual varía la media con un nivel de probabilidad de 1 :
El problema también se puede abordar a través de una prueba de hipótesis puntual.
Existen ocasiones en que por alguna razón se cree que el estimador debe tener un valor
especí…co (por ejemplo, se puede creer que la elasticidad ingreso es igual a 1). En las pruebas
de hipótesis se contrasta una determinada creencia con respecto al valor de un parámetro
poblacional, la cual se denomina hipótesis, con una creencia alternativa. Cualquier prueba
de hipótesis debe contener algunos elementos básicos. Estos son:
un tipo de error a costa de aumentar la probabilidad de cometer el otro tipo de error. Los
valores comúnmente usados para son 1% y 5%. Estos valores indican que el error tipo I
es mucho más importante.
Para realizar la prueba se puede emplear el intervalo de con…anza construido para el
parámetro. Supóngase que se desea realizar una hipótesis con respecto al valor de . La
hipótesis nula es H0 : = 0 y se desea comparar con la hipótesis alternativa H1 : 6=
0 : Para realizar esta hipótesis se debe veri…car si 0 se encuentra dentro del intervalo de
con…anza. Si es así entonces se acepta la hipótesis nula. En caso contrario se rechaza.
El análisis es diferente si la hipótesis nula que se de…ne se re…ere a una igualdad (H0 : = 0 )
o a una desigualdad (H0 : 0 ). La diferencia principal estará en la zona de rechazo de
la prueba. En el caso de la igualdad se tendrán dos colas mientras que en la desigualdad
se tendrá una sola cola. En términos prácticos, la prueba de hipótesis se realiza en forma
puntual. Supóngase que se tiene un estimador ^ con una distribución normal con media y
varianza 2 =n. Asúmase la hipótesis nula
H0 : =
y la hipótesis alternativa
H1 : 6= :
Para realizar la prueba se calcula el valor del estadístico zc como una variable normal
estándar. Así,
^
zc = p :
2 =n
lineales a partir de las cuales es fácil despejar los parámetros de interés. Desafortunadamente
este caso es la excepción y no la regla en la estimación de los modelos.
Considérese el caso del modelo probit o logit discutido en el capítulo de valoración con-
tingente. En este problema de estimación la variable dependiente toma el valor 1 ó 0 depen-
diendo si el individuo decide pagar o no la cantidad requerida en la entrevista.
Para establecer el problema defínase la elección binaria como
yi = 1 si está dispuesto a pagar ,
yi = 0 si no está dispuesto a pagar.
Dado que existen dos posibilidades de elección la función de probabilidad está repre-
sentada por una distribución binomial. La probabilidad de aceptación es una función de
variables relevantes Xi : Esta probabilidad se pueden expresar como
Pr(Y = 1) = F ( 0 X);
Pr(Y = 0) = 1 F ( 0 X);
donde indica el impacto de las variables en la probabilidad de aceptación y F ( 0 X) es una
distribution de probabilidad. Se podría utilizar un modelo de probabilidad lineal (MPL)
para la estimación. En este caso F ( 0 X) se de…niría como
F ( 0 X) = 0
X:
Por lo tanto,
0
yi = X + ";
0
donde E(y) = X: Sin embargo, este modelo presenta dos problemas fundamentales.
Primero, la predicción de la probabilidad puede estar por fuera del intervalo (0,1), lo que
es inconsistente con la de…nición de probabilidad. El segundo problema tiene que ver con
la existencia de heterocedasticidad lo cual se traduce en estimadores ine…cientes8 . Aunque
el problema de ine…ciencia de los estimadores se puede corregir dentro del modelo lineal,
las soluciones al problema de predicciones por fuera del intervalo relevante son mucho más
arbitrarias. Por esta razón se usan modelos no lineales como el probit o logit. En el mod-
elo probit se asume que F ( 0 X) corresponde a una distribución normal, mientras que en el
modelo logit F ( 0 X) corresponde a una distribución logística. Es decir,
Z 0
X Z 0
X
1 t2
probit ) Pr (Y = 1) = (t) dt = p exp dt = ( 0 X)
1 1 2 2
0
exp ( X)
logit ) Pr (Y = 1) = = ( 0 X) ;
1 + exp ( 0 X)
donde denota la función de probabilidad normal acumulada estándar y la función de
probabilidad logística acumulada. Ambas funciones son simétricas en torno a cero y tienen
2
varianzas iguales a 1 y 3 ; respectivamente9 .
8
Se puede probar que la varianza de los errores está dada por V ar (") = 0 X 1 0
X . El lector puede
consultar Gujarati (1998) o Dresdner & Vásquez (2004).
9
Detalles sobre estas dos distribuciones y sus diferencias se encuentran en Amemiya (1981) y Maddala
(1983).
B.4. MAXIMIZACION DE LA FUNCIÓN DE VEROSIMILITUD 243
donde n denota el n-ésimo individuo. Note que solo uno de estos componentes estará presente
en la función de verosimilitud. La función de verosimilitud para todos los individuos estará
dada por
Q
n
y 1 y
L= [F (X 0 )] i [1 F (X 0 )] i :
i=1
@ ln L P n yi F (X 0 )
= 0
[f (X 0 )] Xi ;
@ i=1 F (X ) [1 F (X 0 )]
1. Función de verosimilitud
X
n
L( ) = ln L( ) = ln fi (y j ) :
i
@L X
n
@ ln fi (y j )
gt = = = 0:
@ t i
@
@ 2 L( ) X @ 2 ln fi (y j )
n
Ht = = :
@ @ 0 i
@ @ 0
244 APPENDIX B. ESTIMACIÓN ECONOMÉTRICA
1 0 @ 2 L( )
+ ( t+1 t) ( t+1 t) ;
2 @ @ 0
0 1 0
L( t+1 ) = L ( t) + ( t+1 t) gt + ( t+1 t) Ht ( t+1 t) :
2
Al maximizar esta expresión con respecto a t+1 se obtiene
@L ( t+1 )
= gt + Ht ( t+1 t ) = 0;
@ t+1
1
t+1 = t + ( Ht ) gt : (B.6)
Dado un valor inicial 0 el procedimiento consiste en calcular 1 usando la expresión ante-
rior. Para ello es necesario calcular la matriz de primeras y segundas derivadas y evaluarlas
en el valor de 0 . Es decir, se calcula
@ ln L
gt = ;
@ 0
y
@ 2 ln L
Ht = ;
@ @ 0 0
donde es un parámetro que evitar el pasarse del máximo entre iteraciones sucesivas. Es
posible que estando cerca del máximo el cálculo de ( Ht ) 1 gt conlleve a alejarse del mismo.
La incorporación de este nuevo parámetro reducirá esta eventualidad al optimizar el valor
de en cada iteración del proceso. Es decir, se trata de una subrutina del programa que
permite hallar un valor de que asegure un mayor valor para la función de verosimilitud en
cada iteración. Por ejemplo, dado los valores de t+1 y t se evalúa la función de verosimilitud
en estos valores asumiendo 0 = 1. Es decir, L( t+1 ) y L( t ): Si L( t+1 ) > L( t ) se continúa
con la siguiente iteración ya que la función aumentó de valor. Si L( t+1 ) < L( t ) esto
indica que se avanzó demasiado con respecto al máximo. En este caso se reduce el valor
de : Una alternativa consiste en reducirlo a la mitad ( 1 =0,5 ): Se calcula de nuevo la
función de verosimilitud con este nuevo valor de y se calcula t+1 = t + 1 ( Ht ) 1 gt . El
procedimiento se repite hasta que L( t+1 ) > L( t ): Una vez que se encuentra el valor óptimo
de se procede con la siguiente iteración para calcular el próximo vector :
Dado que la función de segundas derivadas puede ser muy complicada de obtener, muchos
métodos de iteración aproximan esta matriz a través de alguna otra expresión que converge
a la verdadera matriz de segundas derivadas. El método de Bernt et al. (1974), conocido
como BHHH, usa la siguiente expresión para Ht
1 X
n 0
@ ln L @ ln L
Ht =
N i @ @
B.5 Inferencia
Dado que el estimador de máxima verosimilitud se distribuye asintóticamente normal las
pruebas de hipótesis sobre un parámetro se hacen en la forma descrita anteriormente. Sin
embargo, para pruebas que involucren más parámetros se requiere de otros procedimientos
de inferencia.
Considérese la siguiente descomposición del vector de parametros = ( 0 ; 1 ) : La fun-
ción de probabilidad estará dada por f (yi j 0 ; 1 ): En este caso se desagregó el vector de
parámetros en dos vectores 0 y 1 con k0 parámetros en el primer vector y k1 = K k0
parámetros en el segundo vector. K representa el número total de parámetros en el modelo.
Supóngase que la hipótesis nula es
246 APPENDIX B. ESTIMACIÓN ECONOMÉTRICA
H0 : 0 =0
H1 : 0 6= 0
Esta es una hipótesis particular que corresponde al caso de un test de signi…cancia con-
junto. En general, el problema se puede plantear como
H0 : Q0 = c
H0 : Q0 6= c
el cual implica comparar el valor de RT con el valor de una distribución Chi-cuadrado con
k0 grados de libertad.
Otra alternativa es el test conocido como Multiplicadores de Lagrange (ML), el cual
explota el hecho de que si la hipótesis nula es verdadera entonces la derivada de la función
de verosimilitud con respecto a ^0 debería ser cercana a cero. Esto se debe a que la función
de verosimilitud obtendría su máximo para este valor de los parámetros. De esta forma se
puede establecer el siguiente estadístico
0 10 0 1
@ ln L 0; ^ @ ln L 0; ^
1 X@ 1r
A I(^) 1
X
@
1r
A A 2k
ML =
N @ ^ @ ^
el cual también tiene distribución Chi-cuadrado donde I(^) representa la matriz de informa-
ción.
B.5. INFERENCIA 247
En este apéndice se presentan los comandos básicos para escribir una rutina en Limdep. Esto
incluye la lectura de datos desde una plantilla de excel, la transformación de variables, el
cálculo de constantes y los principales comandos para la estimación de los modelos consigna-
dos en el libro. Este apéndice constituye una introducción al uso de Limdep sin necesidad
de una lectura minuciosa del manual. Sin embargo, estas notas no buscan sustituir el com-
pletísimo manual de Limdep. En muchos casos será necesario recurrir a su consulta con la
idea de resolver inquietudes que puedan tener los usuarios de este paquete estadístico. Al-
gunos resultados son obtenidos con relativa facilidad en Limdep. Esto, en principio, podría
conllevar a que el investigador tienda a subestimar la necesidad de entender a cabalidad el
programa utilizado para la obtención de dichos resultados. Este parece ser un error común
en investigadores jóvenes cuando se enfrentan a sus trabajos de pregrado o a sus tesis de
maestría. Si se considera que el programa econométrico es una caja negra diseñada para
entregar resultados sin preguntarse como los genera, podría conducir en ocasiones a análisis
incorrectos de los resultados. Igualmente, el uso de rutinas prede…nidas podrían limitar de
alguna manera la capacidad y creatividad del investigador. Para aminorar todos estos posi-
bles efectos se sugiere asegurar un entendimiento aceptable de la forma en que un programa
especí…co realiza cada una de sus rutinas. Finalmente, la programación de rutinas en Limdep
u otros programas como Gauss o Matlab contribuye indudablemente a la formación de los
investigadores.
Vaya a FILE
Seleccione NEW
Seleccione text/command document
249
250 APPENDIX C. INSTRUCCIONES PARA EL USO DE LIMDEP
read;
nvar= 10;
nobs=494;
file=a:nbase4.wq1;
Names=bi,yi,bu,yu,bl,yl,edad,ec,edu,ing;
format=wks$
El primer comando read indica que se va a proceder a leer datos. Luego se especi…ca el
número de variables, nvar, (diez en este caso), el número de observaciones, nobs, (494 para
este ejemplo), la ruta del archivo, …le, (drive a y su nombre base4.wq1 ), los nombres de las
variables en el orden en que se encuentran en la base de datos (bi,yi,...), names, y el
formato de la base de datos, format, (en este caso wks). Observe que la extensión del archivo
C.1. SUGERENCIAS PRELIMINARES Y SINTAXIS 251
es wq1 la cual se obtiene guardando un archivo en excel con este formato. Finalmente, el
simbolo $ que indica que se ha ingresado toda la información necesaria.
Algunos comentarios son importantes sobre la lectura de datos. Esta forma de lectura de
datos funciona para las versiones 6.0 y 7.0 de Limdep. No obstante, Limdep 7.0 puede leer
un archivo de datos directamente de excel sin necesidad de transformarlos a un formato wq1.
Cuando no es fácil leer los datos es recomendable usar un programa como STAT/TRANSFER
que permite intercambiar bases de datos entre varios tipos de programas. De esta manera
se pueden tomar datos de Stata, SPSS, Matlab, etc., y transformarlos directamente a bases
de datos de Limdep.
Para obtener una simple descripción estadística de los datos se puede usar
La expresión RHS quiere decir right hand side o lado derecho. También existe la expresión
LHS para denotar left hand side o lado izquierdo. Estos dos commandos son muy comunes
en todos los procesos de estimación. En el lado derecho se incluyen las variables explicativas
y en el lado izquierdo la o las variables dependientes.
Es común que se use una serie de variables en un programa, tanto para describirlas como
para hacer regresiones. En caso que el número de variables sea relativamente grande, algunas
se pueden agrupar como un conjunto con la respectiva asignación de un solo nombre. El
comando que permite realizar esta agrupación es
NAMELIST;X= edad,ec,edu,ing$
En este ejemplo las variables edad, estado civil (ec), educación e ingreso se agruparon en
la variable X. Por lo tanto, se puede usar X para referirse a todas estas variable. Es común
también incorporar una variable de unos (one) como parte de las variables explicativas de
un modelo. Es decir,
NAMELIST;X= one,edad,ec,edu,ing$
Este vector de unos sirve para indicarle a Limdep que las regresiones tienen un parámetro
de posición. Otra herramienta útil consiste en el histograma. Para obtener un histograma
use el siguiente comando
HIST;RHS=variable$
También se pueden gra…car variables en un grá…co del tipo x-y usando el comando:
252 APPENDIX C. INSTRUCCIONES PARA EL USO DE LIMDEP
PLOT;LHS=variable1;rhs=variable2$
El comando CREATE permite crear nuevas variables a partir de las existentes. Muchas
de las tranformaciones pueden realizarse siguiendo las reglas convencionales de operaciones
matemáticas. Una de las operaciones más usadas son las operaciones lógicas. Algunos
ejemplos son los siguientes
CREATE; Var3=log(edad^2);
CREATE; IF(ing > 0)S=7;(ELSE)S=-3$
En este caso la nueva variable Var3 es igual al logaritmo natural1 del cuadrado de la
variable edad. Por su parte la nueva variable S será igual a 7 si el ingreso es mayor que cero
e igual a -3 en caso contrario. Para crear variables dicotómicas el comando asume la forma
dada por
CREATE;D1=ing>10000$
Este comando crea una variable dicotómica que toma el valor de 1 si el ingreso es mayor a
10.000 y cero en otros casos. También se pueden usar otro tipo de desigualdades o igualdades.
Cuando se está interesado en calcular escalares se usa el comando CALC con casi el
mismo tipo de aplicaciones que en el caso de CREATE. La diferencia es que el primer
comando creará solo un valor para usar en el programa, mientras que el último comando
creará una variable que contendrá un valor para cada individuo.
En este caso se rechazan las observaciones en que el individuo sea menor de 18 años y
de sexo masculino. Otros operadores son + por o y # para no. El comando opuesto es
INCLUDE. Si se desea incorporar toda la muestra el comando es
sample; ALL$
MINIMIZE;
FCN=expresión para la función de verosimilitud;
LABELS= nombre de los párametros;
START=0.06,-0.8,0.7$
El comando en realidad minimiza la función por lo que la función objetivo debe mul-
tiplicarse por -1. La expresión de la función objetivo se ingresa en FCN. Note que no es
necesario ingresar las sumatorias de los N individuos. Sólo se ingresa la función de verosimil-
itud individual. LABELS le indica al programa cuáles son los parámetros a estimar y START
proporciona los valores iniciales de estos parámetros.
Para evitar problemas relacionados con la convergencia al momento de minimizar la
función de verosimilitud, es recomendable escalar todas la variables de forma tal que sus
valores se encuentren dentro del intervalo 10: Esta sugerencia obedece en esencia a la
precisión de la máquina y no tiene ninguna justi…cación teórica.
Los valores iniciales de los parámetros pueden tener un efecto importante sobre los resul-
tados …nales cuando las funciones que se pretenden minimizar no son estrictamente cóncavas.
En algunas situaciones es recomendable el uso de diferentes valores iniciales con la idea de
evaluar la sensibilidad de los resultados. Un error común consiste en usar un valor de par-
tida no permitido. Por ejemplo, usar un valor de cero para un parámetro que está en el
denominador de una expresión. En los siguientes ejemplos se presentan detalles adicionales
y otros comandos y funciones de Limdep necesarios para la estimación de una función de
verosimilitud.
Lectura de datos
read;file=A:nTRUNAUTO.WQ1;nvar=11;nobs=161;
names=VIAJES,CV1,CV2,CV3,CS1,CS2,CS3,ACCESO,AGUA,EDAD,INGMEN;
FORMAT=WKS$
Tranfomación de variables
namelist;XVAR1=ONE,CV1,CS1,ACCESO,AGUA,INGMEN$
namelist;XVAR2=ONE,CV2,CS2,ACCESO,AGUA,INGMEN$
namelist;XVAR3=ONE,CV3,CS3,ACCESO,AGUA,INGMEN$
create; lv=log(viajes)$
Modelos truncados
truncate;lhs=viajes;rhs=XVAR1$
crea;BETA=B(2)$
crea;EC=(VIAJES)/(-BETA)$
calc;list;SU=sum(EC)$
256 APPENDIX C. INSTRUCCIONES PARA EL USO DE LIMDEP
Lectura de datos
open;output=resultados$
read; nvar=10;nobs=494;file=a:nbase4.wq1;
Names=bi,yi,bu,yu,bl,yl,edad,ec,edu,ing;
format=wks$
Adicional a los comandos descritos anteriormente se tiene el comando OPEN el cual crea
un archivo de salida donde se almacenan los resultados del programa.
C.4. EJEMPLOS Y BASE DE DATOS 257
Los siguientes comandos estiman el modelo lineal usando sólo la primera pregunta dicotómica
(yi,bi).
Logit; lhs=yi; rhs=one,bi$
create; wtp1=b(1)/b(2)$
probit; lhs=yi; rhs=one,bi$
create; wtp2=b(1)/b(2)$
dstat;rhs= wtp1, wtp2$
matrix;wtpa=part(wtpa,2,niter1,1,1)$
matrix;wtpm=part(wtpm,2,niter1,1,1)$
create;wtpev=bi$
2
La estructura de este programa fue tomada de Ardila (1993).
C.5. PRECIOS HEDÓNICOS 259
create;wtpip=bi$
sample;1-100$
create;wtpev=dta(wtpa)$
create;wtpip=dta(wtpm)$
dstats;rhs=wtpev$
dstats;rhs=wtpip$
sort;lhs=wtpev$
sort;lhs=wtpip$
list;wtpev,wtpip$
dstat; Rhs = wtpev,wtpip; quantiles$
Este método usa las matrices en las cuales se almacenan los distintos valores de la disposi-
ción a pagar que es calculada en cada remuestreo. El procedimiento se encuentra escrito entre
los comandos Procedure y endprocedure. El procedimiento es ejecutado con el comando
execute. El programa mismo permite ajustarlo para la estimación de la forma funcional
lineal.
Modelo lineal
regress;lhs=pv1;rhs=pts,m2ss,m2cc,nvp,tv,g,lc,arv,one$
BOXCOX;Lhs=PV1;
Rhs=pts,m2ss,m2cc,nvp;
Rh2=one,tv,g,lc,arv;
Lambda =1;Theta =1;Model=4;
260 APPENDIX C. INSTRUCCIONES PARA EL USO DE LIMDEP
marginal effects$
El valor para un cambio discreto en la calidad ambiental se calcula como:
CALC;ZETA=15$
calc;LIST;WTP1=b(1)*(ZETA-xbr(pts))$
Modelo log-lineal
BOXCOX;Lhs=PV1;
Rhs=pts,m2ss,m2cc,nvp;
Rh2=one,tv,g,lc,arv;
Lambda=1;Theta=0;Model=4$
regress;lhs=log(pv1);rhs=pts,m2ss,m2cc,nvp,tv,g,lc,arv,one$
efectos marginales
calc;list;marginal=xbr(pv1)*b(1)$
Valor para un cambio discreto
calc;list;pre1=exp( log(xbr(pv1))+(ZETA-xbr(pts))*b(1))$
calc;list;WTP1=pre1-xbr(pv1)$
Modelos log-log
BOXCOX;Lhs=PV1;
Rhs=pts,m2ss,m2cc,nvp;
Rh2=one,tv,g,lc,arv;
Lambda=0;Theta=0;Model=4$
Efectos marginales
calc;list;marginal2=xbr(pv1)*(1/xbr(pts))*b(1)$
Valor para un cambio discreto
calc;list;pre2=exp(log(xbr(pv1))+(log(ZETA)-log(xbr(pts)))*b(1))$
calc;list;WTP2=pre2-xbr(pv1)$
calc;list;teta=theta$
calc;list;landa=0,1419032840$
calc;list;marg4=((xbr(pv1))^(1-teta))*(xbr(pts)^(landa-1))*b(1)$
calc;list;zetaa=((zeta^Lambda)-1)/Lambda$
calc;list;zetab=((xbr(pts)^Lambda)-1)/Lambda$
calc;list;pre4=( xbr(pv1)^Theta+Theta*(zetaa-zetab)*b(1))^(1/Theta)$
calc;list;WTP4=pre4-xbr(pv1)$
262 APPENDIX C. INSTRUCCIONES PARA EL USO DE LIMDEP
Referencias
1. Adamowicz, W., J. Fletcher and T. Graham Tomasi (1989), “Functional form and the
statistical properties of welfare measures”, American Journal of Agricultural Economics
71, 414 421.
2. Adamowicz, W., J. Louviere and M. Williams (1994), “Combining revealed and stated
preference methods for valuing environmental amenities”, Journal of Environmental
Economics and Management 26, 271 292.
3. Adamowicz, W., P. Boxall, M. Williams and J. Louviere (1996), “Stated preferences ap-
proaches for measuring passive use values: choice experiments and contingent valua:tion ; AmericanJ
5. Agnello, R. and Y Han (1993), “Substitute site measures in a varying parameter model with
application to recreational …shing”, Marine Resources Economics 8, 65 77.
6. Aguilar, R., J. Dresdner and F. Vásquez (2005), “Interurban wage and rent di¤erences:
the value of air quality and crime in Chile”, paper presentado al Segundo Congreso de
Economistas Ambientales de Latino América y el Caribe, Oaxaca, México.
7. Ajzen, I., T. Brown and L. Rosenthal (1996), “Information bias in contingent valuation:
e¤ects of personal relevance, quality of information, and motivational orientation”, Journal
of Environmental Economics and Management 30(1), 43 57.
8. Alberini, A. (1995), “Optimal designs for discrete choice contingent valuation surveys: single
bound, double bound, and bivariate models”, Journal of Environmental Economics and
Management 28, 287-306.
10. Amemiya, T. (1973), “Regression analysis when the dependent variable is truncated normal”,
Econometrica 41(6), 997 1016.
11. Amemiya, T. (1981), “Qualitative response models: a survey”, Journal of Economic Litera-
ture 19, 481 536.
12. Amemiya, T. (1984), “Tobit models: a survey”, Journal of Econometrics 24, 3 63.
263
264 REFERENCIAS
13. Amemiya, T. (1985), Advance econometrics, Cambridge, MA: Harvard University Press.
14. Anand, P. (2000), “Decisions vs. willingness to pay in social choice”, Environmental Values
9, 419 430.
15. Anderson, R. and T. Crocker (1971), “Air pollution and residential property values”, Journal
of Urban Economics 8(3), 171 180.
16. Anselin, L. (1988), Spatial econometrics: methods and models, Dordrecht: Kluwer Academic
Press.
17. Ardila, S. (1993) “Guía para la utilización de modelos econométricos en aplicaciones del
método de valoración contingente”, Environment protection division, Working Paper ENP101.
Washington DC: InterAmerican Development Bank.
18. Arrow, K., R. Solow, P. Portney, E. Leamer, R. Radner and H. Schuman (1993), “Report of
the NOAA panel on contingent valuation”, Federal Register 58, 4601-14.
19. Atkinson, S.and T. Croker (1987), “A bayesian approach to assessing the robustness of
hedonic property value studies”, Journal of Applied Econometrics 2, 27 45.
20. Ayer, M., H. Brunk, G. Ewing, W. Reid and E. Silverman (1955), “An empirical distribution
function for sampling with incomplete information”, Annals of Mathematical Statistics 26,
641 647.
21. Azqueta, D. (1994), Valoración económica de la calidad ambiental, Madrid: McGraw Hill.
22. Azqueta D., L. Pérez y Pérez (1996), Gestión de espacios naturales: la demanda de servicios
recreativos, Madrid: McGraw Hill.
23. Balkan, E. and J. Kalm (1988), “The value of changes in deer hunting quality: a travel cost
approach”, Applied Economics 20, 533 539.
24. Bartik, T. (1987), “Estimating hedonic demand parameters with single market data: the
problems caused by unobserved tastes”, The Review of Economics and Statistics 69(1), 178-
180.
25. Bartik, T. (1987b) “The estimation of demand parameters in hedonic price models”, Journal
of Political Economy 95, 81–88.
26. Bartik, T. and K. Smith (1987), “Urban amenities and public policy”, in Mills, (ed.), Hand-
book of urban and regional economics, vol.2 New York: North-Holland.
27. Bastian, C., D. McLoad, M. Germino, W. Reiners and B. Blasko (2002), “Environmental
amenities and agricultural land values: a hedonic model using geographic information system
data”, Ecological Economics 40, 337 349.
28. Bateman, I. and J. Mawby (2003), “A study of the interaction of interviewer appearance
and information e¤ects in stated preference studies”, Ecological Economics 49(1), 47-55.
265
29. Beach, D. and G. Carlson (1993), “A hedonic analysis of herbicides: do user safety and water
quality matter?”, American Journal of Agricultural Economics 75(3), 612 623.
30. Becker, G. (1965), “A theory of the allocation time”, The Economic Journal. 75(2), 493 517.
31. Becker, G. (1993), “Nobel lecture: the economic way of looking behavior”, Journal of Political
Economy 101(3), 385 409.
32. Bell, F. and V. Leeworthy (1990), “Recreational demand by tourists for Salt Water beach
days”, Journal of Environmental Economics and Management 18, 189 205.
33. Bell, K. and N. Bockstael (2000), “Applying the generalized method of moments estimation
approach to spatial problems involving micro data”, Review of Economics and Statistics
82(1), 72 82.
34. Bender, B. and H. Hwang (1985), “Hedonic housing price indices and secondary employment
centers”, Journal of Urban Economics 17, 90 107.
35. Bender, B., T. Gronberg and H. Hwang (1980), “Choice of functional form and the demand
for air quality”, Review of Economics and Statistics 62(4), 638-643.
36. Berger, M., G. Blomquist and K. Sabiriniava (2003), "Compensating di¤erentials in emerging
labor and housing markets: estimates of quality of life in Russian cities" IZA discussion
papers No. 900, Institute for the Study of labor.
37. Bergström, J. and J. Stoll (1990), “An analysis of information overload with implications to
survey design research”, Leisure Sciences 12, 265 280.
38. Bergström, J., J. Stoll and A. Randall (1989), “Information e¤ects in contingent markets”,
American Journal of Agricultural Economics 71, 685 689.
39. Bergström, J., R. Stoll and A. Randall (1990), “The impact of information on environmental
valuation decision”, Australian Journal of Agricultural and Resource Economics 72(3), 614
621.
40. Berman, M. and H. Kim (1999), “Endogenous on site time recreation demand model”, Land
Economic 75(4), 603 619.
41. Berndt, R., H. Hall, R. Hall and J. Hausmann (1974), “Estimation and inference in nolinear
structural models”Annals of Economic and Social Measurement 3, 653-666.
42. Beron, K., J. Murdock, M. Thayer and Wim Vijverberg (1997), “An analysis of the hou:singmarketbef orea
113:
43. Biddle, J. and G. Zarkin (1988), “Worker preference and market compensation for job risk”,
Review of Economics and Statistics 70(4), 660 667.
44. Bishop, R. and M. Welsh (1992), “Existence values in bene…t cost analysis and damage
assessment”, Land Economics 68, 405 417.
266 REFERENCIAS
45. Bishop, R. and T. Heberlein (1979), “Measuring values of extra market goods: are indirect
measure bias?”, American Journal of Agricultural Economics 61(5), 926 930.
46. Blamey, R., M. Common and J. Quiggin (1995), “Respondents to contingent valuation sur-
veys: consumers or citizens?”, Australian Journal of Agricultural and Resource Economics
39(3), 263 88.
47. Blomquist, G. (1981), “Hedonic prices, demands for urban housing amenities, and bene…t
estimates”, Journal of Urban Economics 9, 212-221.
48. Blomquist, G. and J. Whitehead (1998), “Resource quality information and validity of will-
ingness to pay in contingent valuation”, Resource and Energy Economics 20(2), 179-196.
49. Blomquist, G., M. Berger and J, Hoehn (1988), “New estimates of quality of life in urban
areas”American Economic Review 78, 89-107.
50. Blomquist, S. (1989), “Comparative statistics for utility maximization models with nonlinear
budget constraint”, International Economic Review 30(2), 275 296.
51. Bockstael, N., I. Strand and K. McConnell (1990), “Sample bias in the estimation of recre-
ation demand functions: an application to sport-…shing”, Land Economics 66(1), 40 49.
52. Bockstael, N. (1995), “Travel cost models”, in D. Bromley, (ed.), The handbook of environ-
mental economics, Great Britain: BlackweIl.
53. Bockstael, N. and C. Kling (1988), “Valuing environmental quality: weak complementarity
with sets of goods”, American Journal of Agricultural Economics 70, 654 661.
54. Bockstael, N. and K. McConnell (1993), “Public goods as characteristics of non market
commodities”, The Economic Journal 103, 1245 1257.
55. Bockstael, N.and K. McConnell (1983), “Welfare measurement in the household production
framework”, American Economic Review 73(4), 806 814.
56. Bockstael, N. and K. McConnell (1980a), “Calculating equivalent and compensating varia-
tion for natural resource facilities”, Land Economics 56(1), 56 63.
57. Bockstael, N. and K. McConnell (1980b), “Measuring the worth of natural resources facilities:
reply”, Land Economics 56(4), 487 490.
58. Bockstael, N. and I. Strand (1987), “The e¤ect of common sources of regression error on
bene…t estimates”, Land Economics 63(1), 11 18.
59. Bockstael, N., W. Hanemann and C. Kling (1987), “Modelling recreational demand in a
multiple site framework”, Water Resources Research 23, 951 960.
60. Bockstael, N., M. Hanemann and C. Kling (1986), “Measuring the bene…ts of water quality
using recreational demand models”, CR 81143 01 1, Environmental Protection Agency.
267
61. Bockstael, N., K. McConnell and I. Strand (1991), “Recreation”, in J. Braden and C. Kolstad,
(eds.), Measuring the demand for environmental quality. Amsterdam: North-Holland.
62. Bockstael, N., I. Strand and M. Hanemann (1987), “Time and the recreation demand model”,
American Journal of Agricultural Economics 69(2), 293 302.
63. Bowes, M. and J. Loomis (1980), “A note on the use of travel cost models with unequal
zonal populations”, Land Economics 56(49), 465 470.
64. Bowker, J. and J. Stoll (1988), “Use of dichotomous non-market methods to value the whoop-
ing crane resource”, American Journal of Agricultural Economics 70, 372 381.
65. Bowman, K. and D. Ethridge (1992), “Characteristics supplies and demands in a hedonic
framework: U.S. market for cotton and …bber attributes”, American Journal of Agricultural
Economics 74(4), 991 1002.
66. Boyle, K. (1989), “Commodity speci…cation and the framing of contingent valuations ques-
tions”, Land Economics 65(1), 57 63.
67. Boyle, K. and J. Bergström (1992), “Bene…t transfer studies: myths, pragmatism and ideal-
ism”, Water Resources Research 28(3), 657 663.
68. Boyle, K., M. Welsh and R. Bishop (1993), “The role of question order and experience in
contingent valuation studies”, Journal of Environmental Economics and Management 25, 80
99.
69. Boyle, K., M.P. Welsh and R.C. Bishop (1988), “Validation of empirical measures of welfare
change: comment and extension”, Land Economics 64, 94 98.
70. Brookshire, D. and H. Neill (1992), “Bene…t transfers: conceptual and empirical issues”,
Water Resources Research 28(3), 651 655.
71. Brown, J. and H. Rosen (1982), “On the estimation of structural hedonic models”, Econo-
metrica 50(3), 765 768.
72. Brown, T. and, R. Gregory (1999), “Why the WTA WTP disparity matters”, Ecological
Economics 28(3), 323 335.
73. Brown, T., P. Champ, R. Bishop and D. McCollum (1996). “Which response format reveals
the truth about donation to a public good?”Land Economics 72, 152- 66.
74. Brown, W. and E. Nawas (1973), “Impact of aggregation on the estimation of outdoor
recreation demand equations”, American Journal of Agricultural Economics 55, 246 249.
75. Brown, W., C. Sorhus, B. Chou-Yang and J. Richards (1983), “Using individual observations
to estimate recreation demand functions: a caution”, American Journal of Agricultural
Economics 65, 154 157.
76. Burney, J. (2000), “Is valuing nature contributing to policy development?”, Environmental
Values 9(4), 511 520.
268 REFERENCIAS
77. Burt, O. and D. Brewer (1971), “Estimation of net social bene…ts from outdoor recreation”,
Econometrica 39(5), 813 827.
78. Cameron, C. and P. Trivedi (1990), “Regression based tests for overdispersion in the poisson
model”, Journal of Econometrics 46, 347 364.
79. Cameron, T. (1992), “Combining contingent valuation and travel cost data for the valuation
of non market goods”, Land Economics 68(3), 302 317.
80. Cameron, T. (1988), “A new paradigma for valuing non market goods using referendum
data”, Journal of Environmental Economics and Management 15, 355 379.
81. Cameron, T. and J. Englin (1997), “Respondent experience and contingent valuation of
environmental goods”, Journal of Environmental Economics and Management 33, 296 331.
82. Cameron, T. and M. James (1987), “E¢ cient estimation methods for closed ended contingent
valuation surveys”, The Review of Economics and Statistics 69, 269 276.
83. Cameron, T. and J. Quiggin (1994), “Estimation using contingent valuation data from a
‘dichotomous choice with follow up’ questionnaire”, Journal of Environmental Economics
and Management 27, 218 234.
84. Carson, R., N. Flores, K. Martin and J. Wright (1996), “Contingent valuation and revealed
preferences methodologies: comparing the estimates for quasi public goods”, Land Economics
7(21), 80 99.
85. Carson, R. and C. Mitchell (1995), “Sequencing and nesting in contingent valuation surveys”,
Journal of Environmental Economics and Management 28, 155 173.
86. Carson, R., N. Flores and M. Hanemann (1998), “Sequencing and valuing public goods”,
Journal of Environmental Economics and Management 36, 314 323.
87. Carson, R., W. Hanemann and R. Mitchell (1986), “Determining the demand for public goods
by simulating referendums at di¤erent tax prices”, Working Paper, University of California,
San Diego.
88. Cassel, E. and R. Mendelsohn (1985), “The choice of functional forms for hedonic price
equations: Comment”, Journal of Urban Economics 18, 135 142.
89. Caulkins, P., R. Bishop and N. Bouwes (1986), “The travel cost model for lake recreation: a
comparison of two methods for incorporating site quality and substitution e¤ects”, American
Journal of Agricutural Economics 68, 291-297.
90. Caulkins, P., R. Bishop and N. Bournes (1985), “Omitted cross price variable biases in the
linear travel cost model: common misperceptions”, Land Economics 61(2), 182 187.
91. Cerda, A. and R. Adams (1992), “The travel cost approach for estimating recreational de-
mand and. bene…ts: an application to the salmon sport-…shing in Oregon”, Economía y
Administración 39, 47 61.
269
92. Cerda, A., S. Orrego and F. Vásquez (1997a), “The economic valuation of the recreational
bene…ts of Dichato beach (Tomé Chile)”, Lecturas de Economía 46, 73 94.
93. Cerda, A., S. Orrego and F. Vásquez (1997b), “Valoración contingente y estimación de
bene…cios recreacionales de la playa de Dichato (Tomé)”, Economía y Administración 34(48),
75 88.
94. Cesario, F. (1980), “Congestion and the valuation of recreation bene…ts”, Land Economics
56(3), 329 338.
95. Cesario, F. (1976),”Value of time in recreation bene…t studies”, Land Economics 52(1), 32
41.
96. Chattopadhyay, S. (1999), “Estimating the demand for air quality: new evidence based on
the Chicago housing market”, Land Economics 75(1), 22 38.
97. Chay, K. and M. Greenstone (2005), “Does quality matter? evidence from the housing
market”, Journal of Political Economy 113(2), 376 424.
98. Cheshire, P. and S. Sheppard (1995), “On the price of land and the values of amenities”,
Economica 62(246), 247 267.
99. Cicchetti, C. and L. Wilde (1992), “Wilde uniqueness, irreversibility, and the theory of
nonuse values”, American Journal of Agricultural Economics 74, 1121 1125.
100. Ciriacy-Wantrup (1947), “Capital returns from soil-conservation practices”, Journal of Farm
Economics 29(4),1181-1196.
101. Clark, D. and J. Kahn (1989), “The two stage hedonic wage approach: a methodology
for the valuation of environmental amenities”, Journal of Environmental Economics and
Management 16,106 120.
102. Clark, D. and L. Nieves (1994), “An interregional hedonic analysis of noxiuos facility impacts
on local wages and property values”, Journal of Environmental Economics and Management
27, 235 253.
103. Clawson, M. and L. Netsch (1966), Economics of Outdoor Recreation, Washington DC:
Resources for the Future.
104. ColweIl, P. and G. Dilmore (1999), “Who was …rst?: an examination of an early hedonic
study”, Land Economics 75(4), 620 626.
105. Combris, P., S. Lecocq and M. Visser (1997), “Estimation of a hedonic price equation for
Bordeaux wine: does quality matter?”, The Economic Journal 107, 390 302.
107. Cooper, J. (1993), “Optimal bid design for dichotomous choice contingent valuation surveys”,
Journal of Environmental Economics and Management 24, 25 40.
108. Cooper, J. and J. Loomis (1992), “Sensibility of willingness to pay estimates to bid design
in dichotomous choice contingent valuation models”, Land Economics 68, 211 224.
109. Cooper, J., W.M. Hanemann and G. Signorello (2002), “One and one half bound dichotomous
choice contingent valuation”, Review of Economics and Statistics 84(4), 742 750.
110. Court, A. T. (1939), “Hedonic price indexes with automobile examples”, in The dynamics
of automobile demand. New York: General Motors.
111. Cragg, J. (1971), “Some statistical models for limited dependent variables with application
to the demand for durable goods”, Econometrica 39(5), 829 844.
112. Creel, M. (1995), “A semi nonparametric distribution free estimator for binary discrete
responses”, Working Paper 267.94, Departamento de Economía e Historia Económica, Uni-
versidad Autónoma de Barcelona. España.
113. Creel, M. and J. Loomis (1997), “Semi nonparametric distribution free dichotomous choice
contingent valuation”, Journal of Environmental Economics and Management 32, 341 358.
114. Creel, M. and J. Loomis (1990), “Theoretical and empirical advantages of truncated count
data estimators for analysis of deer hunting in California”, American Journal of Agricultural
Economics 72, 434 445.
115. Cropper, M., B. Leland and K. McConnell (1988), “On the choice of functional form for
hedonic price functions”, The Review of Economics and Statistics 70(4), 668 675.
116. Cropper, M., L. Deck, N. Kishor and K. McConnell (1993), “Valuing product attributes
using a single market data: a comparison of hedonic and discrete choice approaches”, The
Review of Economics and Statistics 75(2), 225 232.
117. Cuddington, J., R. Johnson and J. Knetsch (1981), “Valuing amenity resources in the pres-
ence of substitutes”, Land Economics 57(4), 526 535.
118. Cummings, R. and G. Harrison (1995), “The measurement and decomposition of non-use
values: a critical review”, Environmental and Resource Economics 5, 225 247.
119. Cummings, R., D. Brookshire and W. Schulze (1986), Valuing environmental goods: an
assessment of the contingent valuation method, Totowa, NJ: Rowman and Allenheld.
120. Cummings, R., P. Ganderton and T. McGucking (1994), “Substitutes e¤ects in CVM values”,
American Journal of Agricultural Economics. 205 214.
121. Curtis, J. and K. McConnell. (2002), “The citizen versus consumer hypothesis: evidence
from a contingent valuation survey”, Australian Journal of Agricultural and Resource Eco-
nomics 46(1), 69-83.
271
122. Daily, G., T. Söderqvist, S. Aniyar, K. Arrow, P. Dasgupta, P. Ehrlich, C. Folke, A. Jansson,
B. Jansson, N. Kautsky, S. Levin, J. Lubchenco, K. Mäler, D. Simpson, D. Starrett, D.
Tilman and B.Walker (2000), “The value of nature and the nature of value”, Science 289,
395-:396:
123. Dale, L., J. Murdock, M. Thayer and P. Waddel (1999), “Do property values rebound from
environmental stigmas?: evidence from Dallas”, Land Economics 75(2), 311-326.
124. Davis, R. (1963), “Recreational planning as an economic problem”, Natural Resources Jour-
nal 3(3), 239 249.
125. Deaton, A. and J. Muellbauer (1980), Economics and Consumer Behavior, New York: Cam-
bridge University Press.
126. Deller, S. and T. Ottem (2001), “Crime and the quality of life in Wisconsin counties”, sta¤
paper No. 442, University of Wisconsin, Madison.
127. Desvousges, W. et al. (1992), “Measuring natural resource damages with contingent va-
luation: tests of validity and reliability”, paper presented at the Cambridge Economics, Inc.,
symposium, Contingent valuation: a critical assessment, Washington, DC.
128. Diamond, D. (1980), “The relationship between amenities and urban land prices”, Land
Economics 56(1), 21 32.
129. Diamond, D. and B. Smith (1985), “Simultaneity in the market for housing characteristics”,
Journal of Urban Economics 17, 280 292.
130. Diamond, P. (1996), “Testing the internal consistency of contingent valuation surveys”,
Journal of Environmental Economics and Management 30, 337 347.
131. Diamond, P. and J. Hausman (1994), “Contingent valuation: is some number better than
no number?”, Journal of Economic Perspectives 8(4), 45 64.
132. Diamond, P., J. Hausman, G. Leonard and M. Denning (1992), “Does contingent valuation
measure preferences? experimental evidence”, paper presented at the Cambridge Economics,
Inc., symposium, Contingent valuation: a critical assessment, Washington, DC.
133. Dobbs, I. (1993a), “Adjusting for sample selection bias in the individual travel cost method”,
Journal of Agricultural Economics 44(2), 335 343.
134. Dobbs, I. (1993b), “Individual travel cost method: estimation and bene…t assessment with
a discrete and possibly grouped dependent variable”, American Journal of Agricultural Eco-
nomics 75, 84 94.
136. Dubin, R. (1992), “Spatial autocorrelation and neighborhood quality”, Journal of Regional
Science and Urban Economics 22, 433 452.
272 REFERENCIAS
137. Du¢ eld, J. and D. Patterson (1991), “Inference and optimal design for a welfare measure in
dichotomous choice contingent valuation”Land Economics 67(2), 225-239.
138. Dupuit, J. (1844), “On the measurement of utility of public works”, translated by R. Barback,
International Economic Paper (2), 83-110 (1952).
139. Englin, J. and J. Shonkwiler (1995), “Estimating social welfare using count data models: an
application to long run recreation demand under conditions of endogenous strati…cation and
truncation”, The Review of Economics and Statistics 77(1), 104 112.
140. Englin, J. and T. Cameron (1996), “Augmenting travel cost models with contingent be-
haviour data: Poisson regression analyses with individual panel data”, Environmental and
Resource Economics 7, 133 147.
141. Epple, D. (1987), “Hedonic prices and implicit markets: estimating demand and supply
functions for di¤erentiated products”, Journal of Political Economics 95(1), 59 80.
142. Feather, P., D. Hellerstein and T. Tomas (1995), “A discrete count model of recreation
demand”, Journal of Environmental Economics and Management 29, 214 227.
143. Fox. J., D. Hayes and J. Shogren (2002), “Consumer preference for food irradiation: how
favourable and unfavourable descriptions a¤ect preferences for irradiation pork in experi-
mental auctions”, The Journal of Risk and Uncertainty 24(1), 75 95.
144. Freeman, M. (2003), The measurement of environmental and resource values: theory and
methods, Second edition. Washington DC: Resources for the Future.
145. Freeman, M. (1995), “The bene…ts of water quality improvements for marine recreation: a
review of the empirical evidence”, Marine Resources Economics 10, 385 406.
146. Freeman, A. (1984), “The sign and size of option value”, Land Economics 6, 1 13.
147. Freeman, M. (1974), “Air pollution and property values: a further comment”, Review of
Economics and Statistics 56(4).
148. Freeman, M. (1971), “Air pollution and property values: a methodological comment”, Re-
view of Economics and Statistics 53(4), 415 16.
150. Gatzweiler, F. (2001), “Nature valuation for nature conservation: rede…ning socio ecological
relations”, Preliminary draft. Workshop Complex Agroforest, Indonesia.
151. Gibbs, K. (1974), “Evaluation of outdoor recreational resources: a note”, Land Economics
50(4), 309 311.
152. Goodman, A. (1978), “Hedonic prices, price indices and housing markets”, Journal of Urban
Economics 5, 471 484.
273
153. Goodman, A. and M. Kawai (1986), “Functional form, sample selection, and housing de-
mand”, Journal of Urban Economics 20, 155 167.
154. Gourieroux, C., A. Monfort and A. Trognon (1984a), “Pseudo maximum likelihood methods:
Applications to poisson models”, Econometrica 52(3), 701 720.
155. Gourieroux, C., A. Monfort and A. Trognon (1984b), “Pseudo maximum likelihood methods:
applications to Poisson models: theory”, Econometrica 52(3), 681 700.
156. Gowdy, J. and K. Mayumi (2001), “Reformulating the foundations of consumer choice theory
and environmental valuation”, Ecological Economics 39(2), 223 237.
157. Graves, P., J. Murdoch, M. Thayer and D. Waldrnan (1988), “The robustness of hedonic
price estimation: urban air quality”, Land Economics 64(3), 220 233.
160. Greene, W . (1981), “On the asymptotic bias of the ordinary least squares estimator of the
Tobit model”, Econometrica 49(2), 505 513.
162. Griliches, Z. (1971), "Hedonic price indexes for automobiles: an econometric analysis of
quality change," in Z. Griliches, (ed.), Price indexes and quality change: studies in new
methods in measurement, Cambridge, MA: Harvard University Press.
163. Griliches, Z. (1961), “Hedonic prices indexes for automobiles: an econometric analysis of
quality change” in The price statistics of the Federal Government, hearing before the Joint
Economic Committee of the U.S. Congress, 173–76, Pt. 1, 87th Cong., 1st sess..
164. Grogger, J. and R. Carson (1991), “Models for truncated counts”, Journal of Applied Econo-
metrics 6(3), 225 238.
166. Gum, R. and W. Martin (1975), “Problems and solutions in estimating the demand for and
value of rural outdoor recreation”, American Journal of Agricultural Economics 57, 558 566.
167. Haab, T. and K. McConnell (2003), Valuing environmental and natural resources: the econo-
metrics of non market valuation, Cheltenham: Edward Elgar.
168. Haab, T. and K. McConnell (1997) “Referendum models and negative willingness to pay:
alternative solutions”Journal of Environmental Economics and Management 32(3), 252-270.
169. Haab, T. and K. McConnell (1996), “Count data models and the problem of zeros in recre-
ation demand analysis”, American Journal of Agricultural Economics 78(1), 89 102.
274 REFERENCIAS
170. Haas, G.C. (1922), “A statistical analysis of farm sales in blue earth county, Minnesota, as
a basis for farm land appraisal”, Master’s thesis, University of Minnesota.
171. Hailu, A., W. Adamowicz and P. Boxall (2000), “Complements, substitutes, budget con-
straints and valuation”, Environmental and Resource Economics 16(1), 51 68.
172. Halvorsen, R. and H. Pollakowski (1981), “Choice of functional for hedonic price equations”,
Journal of Urban Economics 10, 37 49.
173. Hanemann, M. (1999), “Welfare analysis with discrete choice models”, in Herriges J. and C.
Kling, (eds.), Valuing recreation and the environment, Northampton, MA: Edward Edgar.
174. Hanemann, M. (1994), “Valuing the environment through contingent valuation”, Journal of
Economic Perspectives 8(4), 19 44.
175. Hanemann, M. (1991), “Willingness to pay and willingness to accept: how much can they
di¤er?”, American Economic Review 81(3), 635 647.
176. Hanemann, M. (1989), “Welfare evaluations in contingent valuation experiments with re-
sponses: Reply”, American Journal of Agricultural Economics 71, 1057 1061.
178. Hanemann, M. (1984b), “Welfare evaluations in contingent valuation experiments with dis-
crete responses”, American Journal of Agricultural Economics 66, 332 341.
179. Hanemann, M. (1980), “Measuring the worth of natural resources facilities: comment.”
Land Economics 56(49), 482-486.
181. Hanemann, M. and E. Morey (1992), “Separability, partial demand systems and consumer’s
surplus measures”, Journal of Environmental Economics and Management 22(3), 24 1 58.
182. Hanemann, M., J. Loomis and B. Kanninen (1991), “Statistical e¢ ciency of double bounded
dichotomous choice contingent valuation”, American Journal of Agricultural Economics
73(4), 1255 1263.
183. Hanley, N. and A. Munro (1994), “The e¤ects of information in contingent market for en-
vironmental goods” Working Paper No. e94/5, Department of Economics, University of
Stirling.
184. Haspel, A. and R. Johnson (1982), “Multiple destination trip bias in recreation bene…t
estimation”, Land Economics 58(3), 364 372.
275
185. Hausman, J. (1993) Contingent Valuation: a critical assessment, Amsterdam: North Holland
Press.
186. Hausmann, J. (1981), “Exact consumer’s surplus and deadweight loss”, American Economics
Review 71, 662 676.
187. Hausman, J. and D. Wise (1978), “A conditional probit model for qualitative choice: discrete
decisions recognizing interdependence and heterogeneous preferences”, Econometrica 46(2),
403 426.
188. Hausman, J. and D. Wise (1977), “Social experimentation, truncated distributions and e¢ -
cient estimation”, Econometrica 45(4), 919 938.
189. Hausman, J., B. Hall and Z. Griliches (1984), “Econometric models for count data with an
application to the patents R&D relationship”, Econometrica 52(4), 909-938.
190. Hausman, J., G. Leonard and D. Mc Fadden (1995), “A utility consistent, combined discrete
choice and count data model: assessing recreational uses losses due to natural resource
damage”, Journal of Public Economics 56, 1 30.
191. Heckman, J. (1979), “Sample selection bias as a speci…cation error”, Econometrica 47(1),
153-1:61:
192. Hellerstein, D. (1995), “Welfare estimation using aggregate and individual observation mod-
els: a comparison using Monte Carlo techniques”, American Journal of Agricultural Eco-
nomics 77(3), 620 630.
193. Hellerstein, D. (1993), “Intertemporal data and travel cost analysis”, Environmental and
Resource Economics 3, 193 207.
194. Hellerstein, D. (1992a), “Estimating consumer surplus in the censored linear model”, Land
Economics 68(1), 83 92.
195. Hellerstein, D. (1992b), “The treatment of non-participants in travel cost analysis and other
demand models”, Water Resources Research 28(8), 1999 2004.
196. Hellerstein, D. (1991), “Using count data models in travel cost analysis with aggregate data”,
American Journal of Agricultural Economics 73, 860 867.
197. Hellerstein, D. and R. Mendelsohn (1993), “A theoretical foundation for count data models”,
American Journal of Agricultural Economics 75, 604 611.
198. Hensher, D., J. Rose and W. Greene (2005) Applied choice analysis: a primer, New York:
Cambridge University Press.
199. Hicks, J. (1936) "Distribution and economic progress: a revised version", Review of Economic
Studies 4(1), 1-12.
200. Hoehn, J. (1991), “Valuing the multidimensional impacts of environmental policy: theory
and methods”, American Economics Review 81, 289 299.
276 REFERENCIAS
201. Hoehn, J. and J. Loomis (1993), “Substitution e¤ects in the contingent valuation of multiple
environmental programs”, Journal of Environmental Economics and Management 25(1), 56
75.
202. Hoehn, J. and A. Randall (1989), “Too many proposals pass the bene…t-cost test”, American
Economics Review 79, 544 551.
203. Hoehn, J. and A. Randall (2002), “The e¤ect of resource quality information on resource
injury perceptions and contingent values”, Resource and Energy Economics 24, 13-31.
204. Hoehn, J., M. Berger and G. Blomquist (1987), “A hedonic model of interregional wages,
rents, and amenity values”, Journal of Regional Science 27(4), 605 620.
205. Hof, J. y D. King (1992), “Recreational demand by tourists for saltwater beach days: com-
ment”, Journal of Environmental Economics and Management 22, 281 291.
206. Horowitz, J. (1987), “Identi…cation and stochastic speci…cation in Rosen’s hedonic price
model”, Journal of Urban Economics 22, 165 173.
207. Horowitz, J. (1983), “Estimating compensating and equivalent income variations from he-
donic price models”, Economics Letters 14, 303 308.
208. Hotelling, H. (1949), “Letter to the Director of the National Park Service”, in Prewitt
R., (ed.), The economics of public recreation, the Prewitt report, Department of Interior,
Washington, DC.
209. Hueth, D. and E. Strong (1984), “A critical review of the travel cost, hedonic travel cost
and household production models for measurement of quality changes in recreational expe-
riences”, Journal of Agricultural and Resource Economics 13(2), 187-198.
210. Huppert, D (1989), “Measuring the value of …sh to anglers: application to central California
anadromous species”, Marine Resources Economics 6, 89 107.
211. Hurwicz, L. and H. Uzawa (1971), “On the integrability of demand functions”, in Chipman,
John S., Leonid Hurwicz, Marcel K. Richter, and Hugo F. Sonnenschein, (eds.), Preferences,
utility and demand, New York: Harcourt Brace Jovanovich.
212. Ihlandfeldt, K. and J. Martinez Vasquez (1986), “Alternative values estimates of owner
occupied housing: evidence on sample selection bias and systematic error”, Journal of Urban
Economics 20, 356 369.
213. Johansson, P.O., B. Kriström and K.G. Mäler (1989), “Welfare evaluations in contingent val-
uation experiments with discrete response data: comment”American Journal of Agricultural
Economics 71(4), 1054 1056.
214. Johansson, P.O., B. Kriström and Nyquist (1993), “Bid vectors, spikes and uncertainty”,
Working paper, Stockholm School of Economics.
215. Judge, G. (1988), Introduction to the theory and practice of econometrics, second edic., New
York: John Wiley and Sons.
277
217. Kahneman, D. and A. Tversky (1979), “Prospect theory: an analysis of decision under risk”,
Econometrica 47(2), 263 291.
218. Kahneman, D. and J. Knetsch (1992a), “Contingent valuation and value of public goods:
reply”, Journal of Environmental Economics and Management 22(1), 90 94.
219. Kahneman, D. and J. Knetsch (1992b), “Valuing public goods: the purchase of moral satis-
faction”, Journal of Environmental Economics and Management 22(1), 90 94.
220. Kanninen, B. (1995), “Bias in discrete response contingent valuation”, Journal of Environ-
mental Economics and Management 28(1), 114 125.
221. Kanninen, B. and B. Kriström (1993), “Sensitivity of willingness to pay estimates to bid
design in dichotomous choice valuation models: comment”, Land Economics 69(2), 199 202.
222. Kaouru, Y, K. Smith and J. Long Liu (1995), “Using random utility models to estimate
the recreational value of estuarine resources”, American Journal of Agricultural Economics
77(1), 141 151.
223. Kealy, M. and G. Parsons (1995), “A demand theory for number of trips in a random utility
model of recreation”, Journal of Environmental Economics and Management 29, 357 367.
224. Kealy, M. and R. Bishop (1986), “Theoretical and empirical speci…cations issues in travel
cost demand studies”, American Journal of Agricultural Economics 68, 660 667.
225. Kiel, K. (1995), “Measuring the impact of the discovery and cleaning of identi…ed hazardous
waste sites on house values”, Land Economics 71(4), 428 435.
226. Kiel, K. and J. Zabel (1999), “The accuracy of owner provided house values: the 1978 1991
american housing survey.”, Real State Economics 27, 263 398.
227. Kim, C., T. Phipps and L. Anselin (2003), “Measuring the bene…ts of air quality improve:ment :
aspatialhedonicapproach ; Journalof EnvironmentalEconomicsandM anage:ment45; 2439:
228. Klíng, C. (1987), “A simulation approach to comparing multiple site recreation demand
models using Chesapeake Bay survey data”, Marine Resources Economics 4, 95 109.
229. Kling, C. (1989), “A note on the welfare e¤ects of omitting substitute prices and qualities
from travel cost models”, Land Economics 65(3), 290 296.
230. Kohlhase, J. (1991), “The impact of toxic waste sites on housing values”, Journal of Urban
Economics 30, 1 26.
231. Kopp, R.and K. Smith (1993), The economics of natural resource damage assessment, Wash-
ington, DC: Resources for the Future.
278 REFERENCIAS
232. Kotchen, M. and S. Reiling (1999), “Do reminders of substitutes and budget constraints
in‡uence contingent valuation estimates?: another comment”, Land Economics 75, 478 82.
233. Krinsky, I. and L. Robb (1986), “On approximating the statistical properties of elasticities”,
The Review of Economics and Statistics 68(4), 715 719.
234. Kriström, B. (1997), “Spike models in contingent valuation” American Journal of Agricul-
tural Economics 79(3), 1013-1023.
235. Kriström, B. (1996), “On the incorporation of non market outputs of forests into national
accounting systems”, in Park, A. and Stewart Roper, (eds.), Proceedings of international
symposium on the non market bene…ts of forests, Forestry Commission, Edinburgh.
236. Kristöm, B. (1990), “A non parametric approach to the estimation of welfare measures in
discrete response valuation studies”, Land Economics 66, 135 139.
237. Krutilla, J. (1967), “Conservation reconsidered”, American Economic Review 57(4), 777-786.
238. LaFrance, J. and M. Hanemann (1989), “The dual structure of incomplete demand sys:tems ; AmericanJou
239. Larson, D. (1993a), “Joint recreation choices and implied values of time”, Land Econo:mics69(3); 27086:
240. Larson, D. (1993b), “On measuring existence value”, Land Economics 69(4), 377 388.
241. Larson, D. (1993c), “Time separability and the shadow value of leisure”, American Jour:nalof Agricultural
242. Larson, D. (1992), “Further results on willingness to pay for nonmarket goods”, Journal of
Environmental Economics and Management 23, 101 122.
244. Larson, D.M. and S.L. Shaikh (2001), “Empirical speci…cation requirements for two-constraint
models of recreation choice”, American Journal of Agricultural Economics 83 (2).
245. Layman, C., J. Boyce and K. Criddle (1996), “Economic valuation of the chinook sal:monsportf isheryof th
246. Lazo, J. K., W. Schulze, G. H. McClelland and J. K. Doyle (1992), “Can contingent
valua:tionmeasurenonusevalues? ; AmericanJournalof AgriculturalEconomics74(5); 1126
1132:
247. Lee, L. (1986), “Speci…cation test for Poisson regression models”, International Economic
Review 27(3), 689 706.
248. Leontief, W. (1936), “Quantitative input and output relations in economic system of the
United States”, International Library of Critical Writings in Economics 92(1), 104 132.
249. Li, C Z (1996), “Semiparametric estimation of the binary choice model for contingent valu-
ation”, Land Economics 72(4), 462 473.
279
250. Linneman, P. (1980), “Some empirical results on the nature of the hedonic price function for
the urban housing market”, Journal of Urban Economics 8, 47 68.
251. Liu, J., J. Hammit and J. Liu (1997), “Estimated hedonic wage function and value of life in
a developing country”, Economic Letters 57, 353 358.
252. Loomis, J. and T. Delacy (1992), “Some empirical evidence on embedding e¤ects in contin-
gent valuation of forest protection”, Journal of Environmental Economics and Management
24, 45 55.
253. Loomis, J., A. Caban and R. Gregory (1994), “Do reminders of substitutes and budget
constraints in‡uence contingent valuation estimates?”, Land Economics 70(4), 499 506.
254. Loomis, J., A. Gonzalez and R. Gregory (1995), “Do reminders of substitutes and budget
constraints in‡uence contingent valuation estimates?: reply”, Land Economics 71(4), 544:
545:
255. Louviere, J., D. Hensher and J. Swait (2000) State choice models: analysis and applications,
New York: Cambrige University Press.
257. Macmillan, D., N. Hanley and S. Buckland (1996), “A contingent valuation study of un:certainenvironmen
258. Madariaga, B. and K. McConnell (1987), “Some issues in measuring existence value”, Water
Resources Research 23, 936 942.
259. Maddala, G.S. (1983), Limited dependent and qualitative variables in econometrics, New
York: Cambridge University Press.
260. Marin, A. and G. Psacharopoulos (1982), “The reward for risk in the labour market: Eviden:cef romtheU ni
261. Mas-Colell, A., M. Whinston and J. Green (1995), Microeconomic theory, New York: Oxford
University Press.
262. McCarville, R. (1991), “An empirical investigation of the in‡uence of cost information on
willingness to pay for public aerobics classes”, Leisure Sciences 13, 85 96.
263. McConnell, K. (1995), “Issues in estimating bene…ts with non market methods”, Working
Paper No. 308, Department of Agricultural Economics, University of Maryland, USA.
264. McConnell, K. (1992), “On site time in the demand of recreation”, American Journal of
Agricultural Economics 74, 918 925.
265. McConnell, K. (1990), “Models for referendum data: the structure of discrete choice models”,
Journal of Environmental Economics and Management 18(1), 19 34.
280 REFERENCIAS
266. McConnell, K. (1987), “The damages to recreational activities from PCB’s in New Bedford
Harbor”, Report prepared for the Ocean Assessment Division, National Oceanic and At-
mospheric Administration, Department of Agricultural Economics, University of Maryland,
USA.
267. McConnell, K. (1977), “Congestion and willingness to pay: a study of beach use”, Land
Economics 53, 185 195.
268. McConnell, K. (1975), “Some problems in estimating the demand for outdoor recreation”,
American Journal of Agricultural Economics 57, 330 334.
269. McConnell, K.E. and J. Ducci (1989), “Valuing environmental amenities in developing coun-
tries: Two case studies”, Unpublished paper presented AERE session on contingent valuation
surveys in developing countries, Atlanta, Georgia.
271. McConnell, K. and I. Strand (1981), “Measuring the cost of time in recreation demand
analysis: An application to sport-…shing”, American Journal of Agricultural Economics 63,
153 56.
273. McFadden, D. (1994), “Contingent valuation and social choice”, American Journal of Agri-
cultural Economics 76, 689 709.
274. McFadden, D. and G. K. Leonard (1993), “Issues in the contingent valuation of environmen-
tal goods: methodologies for data collection and analysis”, In Hausman, J., (Ed.), Contingent
valuation: a critical assessment, Amsterdam: North Holland Press.
275. McKean, J. and C. Revier (1990), “An extension of omitted cross price variable biases in the
linear travel cost model: correcting common misperceptions”, Land Economics 66(4), 430
436.
276. McKean, J., D. Johnson and R. Walsh (1995), “Valuing time in travel cost demand analysis:
an empirical investigation”, Land Economics 71(1), 96 105.
277. Mello, O.. and G. Donoso (1995), “Uso de encuestas de valoración contingente para val-
orar bene…cios recreativos de parques urbanos, el caso del parque Bustamante”, Serie de
Investigación No 68, Ponti…cia Universidad Católica de Chile, Departamento de Economía
Agraria.
278. Mendelsohn, R. (1984), “Estimating the structural equations of implicit markets and house-
hold production functions”, The Review of Economics and Statistics 66(4), 673 677.
279. Mendelsohn, R., J. Hof, G. Peterson and R. Johnson (1992), “Measuring recreation values
with multiple destination trips”, American Journal of Agricultural Economics 74, 926 933.
281
280. Michaels, R. and K. Smith (1990), “Market segmentation and valuing amenities with hedonic
models: the case of hazardous waste sites”, Journal of Urban Economics 28, 223: 242:
281. Milon, W., J. Gresse and D. Mulkey (1984), “Hedonic amenity valuation and functional form
speci…cation”, Land Economics 60(4), 378-387.
282. Mitchell R. and Carson, R. (1995), “Current issues in the design, administration and analysis
of contingent valuation surveys”, in Mäler, K., P. Johansson and B. Kriström, (eds.), Current
issues in environmental economics, Manchester: Manchester University Press.
283. Mitchell R. and Carson, R. (1989), Using surveys to value public goods: the contingent
valuation method, Washington DC: Resources for the Future.
284. Morey, E. (1999), “Two RUMs uncloaked: nested logit models of site choice and nested
logit models of participation and site choice”, in Herriges J. and C. Kling, (eds.), Valuing
recreation and the environment, Northampton, MA: Edward Edgar.
285. Morey, E., D. Shaw and M. Watson (1993), “A repeated nested logit model of Atlantic
salmon …shing”, American Journal of Agricultural Economics 75, 578 592.
286. Muellbauer, J. (1974), “Household production theory, quality and the hedonic technique”,
American Economic Review 64(6), 979 994.
287. Mullahy, J. (1986), “Speci…cation and testing of some modi…ed count data models”, Journal
of Econometrics 33, 341 365.
288. Murray, M. (1983), “Mythical demands and mythical supplies for proper estimation of
Rosen’s hedonic model”, Journal of Urban Economics 14, 327 337.
289. Neill, H. (1995), “The context for substitutes in CVM studies”, Journal of Environmental
Economics and Management 29(3), 393 397.
290. Nelson, F. (1981), “A test for misspeci…cation in the censored normal model”, Econometrica
49(5), 1317 1329.
291. Nelson, J. (1978), “Residential choice, hedonic prices, and the demand for urban air quality”,
Journal of Urban Economics 5, 357 369.
292. Niklistcheck, M. (1996), “Notas del curso sobre valoración económica de bienes ambien-
tales”, Magíster Economía de Recursos Naturales y del Medio Ambiente, Universidad de
Concepción, Chile.
293. Niklitschek, M.and J. Leon (1996), “Combining intended demand and yes/no responses in
the estimation of contingent valuation models”, Journal of Environmental Economics and
Management 31, 387 402.
294. Nimon, W. and J. Beghin (1999), “Are eco labels valuable? evidence from the apparel
industry”, American Journal of Agricultural Economics 81(4), 801 811.
282 REFERENCIAS
295. Niskanen, W. and S. H. Hanke (1977), “Land prices substantially underestimate the value
of environmental quality”, The Review of Economics and Statistics 59(3), 375 377.
296. Nyquist, H. (1992), “Optimal designs of discrete response experiments in contingent valua-
tion studies”, Review of Economics and Statistics 74(3), 559 563.
297. Ohsfeldt, R. (1988), “Assessing the accuracy of structural parameters estimates in analysis
of implicit markets”, Land Economics 64(2), 135 146.
298. Ohsfeldt, R. and B. Smith (1985), “Estimating the demand for heterogeneous goods”, The
Review of Economics and Statistics 67(1), 165 171.
299. Olsen, R. (1980), “Approximating a truncated normal regression with the method of mo-
ments”, Econometrica 48(5), 1099 1106.
300. Olsen, R. (1978), “Note on the uniqueness of the maximum likelihood estimator for the Tobit
Model”, Econometrica 46(5), 1211 1215.
301. Ozuna, T. Jr. and 1. Gómez (1994), “Estimating a system of recreation demand functions
using a seemingly unrelated Poisson regression approach”, The Review of Economics and
Statistics 76(2), 356 360.
302. Ozuna, R. Jr., L. Jones and O. Capps Jr. (1993), “Functional form and welfare measures
in truncated recreation demand models”, American Journal of Agricultural Economics 75,
1030 1035.
303. Palmquist, R. (2000), “Property value models”, in Mäler & Vincent, (eds.), Handbook of
environmental economics, North-Holland: Elsevier.
304. Palmquist, R. (1992a), “A note on transaction costs, moving costs and bene…t measurement”,
Journal of Urban Economics 32, 40 44.
305. Palmquist, R. (1992b), “Valuing localized externalities”, Journal of Urban Economics 31, 59
68.
306. Palmquist, R. (1988), “Welfare measurement for environmental improvements using the
hedonic model: the case of nonparametric marginal prices”, Journal of Environmental Eco-
nomics and Management 15, 297 312.
307. Palmquist, R. and A. Israngkura (1999), “Valuing air quality with hedonic and discrete
choice models”, American Journal of Agricultural Economics 81(5), 1128 1133.
308. Palmquist, R., F. Roka and T. Vukina (1997), “Hog operations, environmental e¤ects, and
residential property values”, Land Economics 73(1), 114 124.
309. Park, T., J.B. Loomis and M. Creel (1991), “Con…dence intervals for evaluating bene…t
estimates from dichotomous choice contingent valuation studies”, Land Economics 67(1), 64
73.
283
310. Parsons, G. R. (2003),”The travel cost model”, in Champ, P., K. Boyle and T. Brown (eds.),
A primer on nonmarket valuation, London: Kluwer Academic Publishing.
311. Parson, G. (1990), “Hedonic prices and public goods: an argument for weighting locational
attributes in hedonic regression by lot size”, Journal of Urban Economics 27, 308-321.
312. Parson, G. (1986), “An almost ideal demand system for housing attributes”, Southern Eco-
nomic Journal 53(2), 347 363.
313. Parson, G., P. and M. Kealy (1995). "A demand theory for number of trips in a random
utility model of recreation", Journal of Environmental Economics and Management 29, 357-
367.
314. Parsons, G. and M. Needelman (1992), “Site aggregation in a random utility model of recre-
ation”, Land Economics 68(4), 418 433.
315. Parsons, G., W. Adamowicz and P. Boxall (1995), “The in‡uence of choice set considerations
in a generalized comer solution model with an application to recreation demand”, The Review
of Economics and Statistics 613, 1781 1787.
316. Parson, G., P. Jakus and T. Tomasi (1999). "A comparison of welfare estimates from four
models for linking seasonal recreational trips to multinomial logit models of site choice"
Journal of Environmental Economics and Management 38, 143-157.
317. Parsons, G., M. Massey and T. Tomasi (1999), “Familiar and favorite sites in random utility
models of recreational demand”, Marine Resources Economics 14, 299 315.
318. Paterson, R. and K. Boyle (2002), “Out of sight, out of mind? using GIS to incorporate
visibility in hedonic property value models”, Land Economics 78(3), 417 425.
319. Patterson, M. (1998) “Commensuration and theories of value in ecological economics”, Eco-
logical Economics 25(1),105-126.
320. Pearse, P. (1968), “A new approach to the evaluation of non price recreational resources”,
Land Economics 44(1), 87 100.
321. Perez, L. (1996), “Tipología de visitantes y valor de uso recreativo del Parque Nacional de
Ordesa y monte perdido”, Departamento de Agricultura, Ganadería y Montes, Universidad
de Zaragoza.
322. Phaneuf, D., C. Kling and J. Herriges (2000), “Estimation and welfare calculations in a
generalized corner solution model with an application to recreation demand”, The Review
of Economics and Statistics 82(1), 83 93.
323. Poor, P., K. Boyle, L. Taylor and R. Bouchard (2001), “Objective versus subjective measures
of water clarity in hedonic property value models”, Land Economics 77(4), 482 493.
324. Portney, P. (1994), “The contingent valuation debate: why economists should care”, Journal
of Economic Perspectives 8, 3 17.
284 REFERENCIAS
325. Quigley, J. (1982), “Nonlinear budget constraints and consumer demand: an application to
public programs for residential housing”, Journal of Urban Economics 12, 177 201.
326. Randall, A. (1994), “A di¢ culty with the travel cost method”, Land Economics 70(1), 88
96.
327. Randall, A. and J. Hoehn (1996), “Embedding in market demand systems”, Journal of
Environmental Economics and Management 30, 369 380.
328. Randall, A. and J. Stoll (1980), “Consumer’s surplus in commodity space”, American Eco-
nomic Review 71, 449 457.
329. Rasmussen, D. and T. Zuehlke (1990), “On the choice of the functional form for hedonic
price functions”, Applied Economics 22, 431-438.
330. Ridker, R. and Henning (1967), “The determinants of residential property values with special
reference to air pollution”, Review of Economics and Statistics 49(2), 247 57.
331. Roback, J. (1988), “Wages, rents, and amenities: di¤erences among workers and regions”,
Economic Enquiry 26, 23 41.
332. Roback, J. (1982), “Wages, rents and the quality of life”, Journal of Political Economy 90(6),
1257 1278.
333. Robbins, H. and S. Monro (1951), “A stochastic approximation method” Annals of Mathe-
matical Statistics 29, 373-405.
334. Robinson, P. (1982), “On the asymptotic properties of estimation of models containing
limited dependent variables”, Econometrica 50(1), 27 41.
335. Romano D., R. Scarpa, F. Spalatro and L. Viganó (2000), “Modeling determinants of partic-
ipation, number of trips and site choice for outdoor recreation in protected areas”, Journal
of Agricultural Economics 51(2), 224 238.
336. Rosen, S. (1986), “The theory of equalizing di¤erences”, in Ashenfelter y Layard, (eds.),
Handbook of labor economics, Vol. 1, Amsterdam, North Holland, pp. 641 692.
337. Rosen, S. (1979). "Wage-based indexes of urban quality of Life." In P. Mieszkowski and M.
Straszheim, (eds.), Current issues in urban economics, Baltimore: Johns Hopkins University
Press, 391-429.
338. Rosen, S. (1974), “Hedonic prices and implicit markets: Product di¤erentiation in pure
competition”, Journal of Political Economy 82(1), 34 55.
339. Rosenthal, D. (1987), “The necessity of substitute prices in recreation demand analysis”,
American Journal of Agricultural Economics 69, 828 837.
340. Sago¤, M. (1994), “Should preferences count?”, Land Economics 70, 127 144.
285
341. Samples, K. C., J. A. Dixon and M. M. Gowen (1986), “Information disclosure and en-
dangered species valuation”, Land Economics 62(3), 306 312.
342. Schelling, T.C. (1968), “The life you save may be your own”in S. B. Chase (ed.), Problems,
in public expenditure analysis, Washington, DC: Brookings Institute.
343. Schkade, D. and J. Payne (1994), “How people respond to contingent valuation questions: a
verbal protocol analysis of willingness to pay for an environmental regulation”, Jour:nalof EnvironmentalE
344. Schnare, A. and R. Struck (1975), “Segmentation in urban housing market”, Journal of
Urban Economics 3, 146 166.
345. Schumacher, E. and J. Whitehead (2000), “The production of health and the valuation of
medical inputs in wage amenity models”, Social Science and Medicine SO, 507 515.
346. Sellar, C., J. Stoll and J. Chavas (1985), “Validation of empirical measures of welfare change:
A comparison of non market techniques”, Land Economics 65, 156 75.
347. Shaw, D. (1992), “Searching for the opportunity cost of an individuals time”, Land Eco:nomics68(1); 107115
348. Shaw, D. (1991), “Recreational demand by tourists for saltwater beach days: comment”,
Journal of Environmental Economics and Management 20, 284 289.
349. Shaw, D. (1988), “On site samples: Regression problems of non negative integers, trun:cationandendogenou
350. Shaw, D. and P. Feather (1999), “Possibilities of including the opportunity cost of time in
recreational demand systems”, Land Economics 75(4), 592 602.
351. Shelby, B. (1980), “Crowding models for backcountry recreation”, Land Economics 56(1),
43-55.
352. Sheppard, S. (1999), “Hedonic analysis of housing markets”, in Handbook of regional and
urban economics, Elsevier Science B.V., 1595 1635.
353. Shultz, S. and J. Pinazzo (1996), “An application of the contingent valuation method for
determining entrance fees to national parks in Costa Rica”, Paper presented at the Beijer
International Research Seminar.
354. Sieg, H., K. Smith H. Banzhaf and R. Walsh (2000), “Estimating the general equilibrium
bene…ts of large policy changes: The clean air revisited”, Technical Report 7744, NBER
working paper, Cambridge.
355. Silberman, J., D. A. Gerlowski and N. A. Williams (1992), “Estimating existence value for
users and nonusers of new jersey beaches”, Land Economics 68, 225 236.
356. Sitter, R. R. (1992), “Robust designs for binary data”, Biometrics 48, 1145 1156.
358. Smith, K. (1993b), “Welfare e¤ects, omitted variables and the extent of the market”, Land
Economics 69(2), 121 131.
359. Smith, K. (1990), “Estimating recreation demand using the properties of the implied con:sumersurplus ; La
360. Smith, K. and T. Deyak (1975), “Measuring the impact of air pollution on property va:lues ; Journalof Reg
361. Smith, K. and J. Huang (1995), “Can markets value air quality? a meta analysis of
hedo:nicpropertyvaluemodels ; Journalof P oliticalEconomy103(1); 209227:
362. Smith, K. and R. Kopp (1980), “The spatial limits of the travel cost recreational demand
model”, Land Economics 56(1), 64 72.
363. Smith, K. and Y Kaoru (1990), “Signals or noise? explaining the valuation in recreation
bene…ts estimates”, American Journal of Agricultural Economics 72, 419 430.
364. Smith, K., W. Desvousges and A. Fisher (1986), “A comparison of direct and indirect meth-
ods for estimating environmental bene…ts”, American Journal of Agricultural Eco:nomics68; 280290:
365. Smith, K., W. Desvousges and M. McGivney (1983), “The opportunity cost of travel time
in recreation demand models”, Land Economics 59(3), 259 278.
366. Smith, V., W. Desvousges and M. McGivney (1983), “Estimating water quality bene…ts: an
econometric analysis”, Southern Economics Journal 50(2), 422 437.
367. Soderqvist, T. (1998), “Why give up money for the Baltic sea? motives for people’s willing-
ness (or reluctance) to pay”, Environmental and Resource Economics 12, 249 254.
368. Stapleton, D. and D. Young (1984), “Censored normal regression with measurement error
on the dependent variable”, Econometrica 52(3), 737 760.
369. Strong, E. (1983), “A note on the functional form of travel cost models with zones of unequal
populations”, Land Economics 59(3), 342 349.
370. Taylor, L. (2003), “The hedonic method”, in Champ, P., K. Boyle and T. Brown (eds.), A
primer on nonmarket valuation, London: Kluwer Academic Publishing.
371. Taylor, L. and K. Smith (2000), “Environmental amenities as a source of market power”,
Land Economics 76(4), 550 568.
372. Thurstone, L. L. (1927), “The method of paired comparisons for social values”, Journal of
Abnormal and Social Psychology 21, 384 400.
373. Tkac, J. (1998), “The e¤ects of information on willingness to pay values of endagenered
species”, American Journal of Agricultural Economics 80(5), 1214 1220.
374. Tobin, J. (1958), “Estimation of relationships for limited dependent variables”, Econometrica
26(1), 24 36.
375. Turner, R. W. and L. Rockel (1988), “Estimating covariances of parameter estimates from
di¤erent models”, Economics Letters 26, 137 140.
287
376. Vant, A. (2000), “The environment as a commodity”, Environmental Values 9, 493 509.
377. Varian, H. (1996), Intermediate microeconomics: a modern approach (1996), Fourth edition,
New York: Norton and Company.
378. Varian, H. (1994), Microeconomic analysis, New York: Norton and Company.
379. Vartia, Y (1983), “E¢ cient methods of measuring welfare change and compensated in:comeintermsof ordin
381. Vásquez, F. and A. Cerda (2000), “Valoración económica de la calidad ambiental del aire en
talcahuano”, Informe Económico Regional 14(35), 20 30.
382. Vaughan, W. and C. Rusell (1982), “Valuing a …shing day: an application of a systematic
varying parameter model”, Land Economics 58(4), 450 461.
384. Wallace, H. (1926), “Comparative farmland values in Iowa”, Journal of Land and Public
Utility Economics 2, 3 85 92.
385. Walsh, R.G. (1986), Recreation economic decisions, State Colle:ge; P E : V entureP ublishingInc:
387. Whitehead, J. and G. Blomquist (1999), “Do reminders of substitutes and budget cons:traintsinf luencecon
388. Whitehead, J. and G. Blomquist (1995), “Do reminders of substitutes and budget cons:traintsinf luencecon
5:43:
389. Whitehead, J. and G. Blomquist (1991), “Measuring contingent values for wetlands: ef:f ectsof inf ormation
390. Willig, R. (1976), “Consumer‘s surplus without apology”, American Economics Review
66(4), 589 597.
391. Willis, K. and G. Garrod (1991), “An individual travel cost method of evaluating forest
recreation”, Journal of Agricultural Economics 42, 33 42.
392. Wilman, E. (1988), “Pricing policies for outdoor recreation”, Land Economics 64(3), 234
:241:
288 REFERENCIAS
393. Wilman, E. and P. Richard (1987), “Sensitivity of consumers surplus estimates to variation
in the parameters of the travel cost model”, Canadian Journal of Agricultural Economics
35, 197 205.
394. Wilman, E. and J. Perras (1989), “The substitute price variable in the travel cost equation”,
Canadian Journal of Agricultural Economics 37, 249 261.
395. Wooldrige, J. (2002), Econometric analysis of cross section and panel data, Cambridge, MA:
The MIT Press.
396. Wuagh, F. (1928), “Quality factors in‡uencing vegetable prices”, Journal of Farm Economics
10, 185 196.
397. Ziemer, R., W. Musser and C. Hill (1980), “Recreation demand equations: functional form
and consumer surplus”, American Journal of Agricultural Economics, 62(1), 136 141.