Libro Valoración Económica Del Medio Ambiente Version Online

Valoración Económica del Medio Ambiente
Felipe Vásquez Lavín, Arcadio Cerda y Sergio Orrego Suaza

Universidad del Desarrollo
Ainavillo 456, Concepción, Chile.
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
3 Método de costo del viaje 47

3.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2 Modelo general de costo del viaje . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3 Aspectos teóricos del método . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.3.1 Tipos e identi…cación de sitios recreacionales . . . . . . . . . . . . . . 51
3.3.2 Cálculo del precio implícito del viaje . . . . . . . . . . . . . . . . . . 52
3.3.3 Costo de oportunidad del tiempo de viaje y de permanencia en el sitio 53
3.3.4 El tratamiento de sitios sustitutos . . . . . . . . . . . . . . . . . . . . 59
3.4 Métodos de estimación econométrica . . . . . . . . . . . . . . . . . . . . . . 60
3.4.1 Muestras truncadas y censadas . . . . . . . . . . . . . . . . . . . . . 62
3.4.2 Función de verosimilitud con distribuciones continuas . . . . . . . . . 64
3.4.3 Función de verosimilitud con distribuciones discretas . . . . . . . . . 65
3.5 Múltiples sitios y cambios en calidad ambiental . . . . . . . . . . . . . . . . 67
iii
iv CONTENTS
3.6 Modelos de utilidad aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . 71

3.6.1 Medidas de bienestar en el MUA . . . . . . . . . . . . . . . . . . . . 79
3.6.2 Modelo de utilidad aleatoria y número de viajes . . . . . . . . . . . . 80
3.7 Aplicación método costo del viaje . . . . . . . . . . . . . . . . . . . . . . . . 82
3.7.1 Valoración de la playa de Dichato en Chile . . . . . . . . . . . . . . . 82
3.7.2 Especi…cación del modelo de costo del viaje . . . . . . . . . . . . . . 83
3.7.3 Estimaciones econométricas . . . . . . . . . . . . . . . . . . . . . . . 84
3.7.4 Resultados de las estimaciones . . . . . . . . . . . . . . . . . . . . . . 86
3.7.5 Discusión de resultados . . . . . . . . . . . . . . . . . . . . . . . . . . 96
3.8 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4 Método de valoración contingente 103

4.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
4.2 Consideraciones para el uso de VC . . . . . . . . . . . . . . . . . . . . . . . 107
4.2.1 Diseño de la encuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4.2.2 Diferencia entre DAP y DAA . . . . . . . . . . . . . . . . . . . . . . 108
4.2.3 Agregación de bene…cios . . . . . . . . . . . . . . . . . . . . . . . . . 108
4.2.4 Efecto incrustación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
4.2.5 Información . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
4.2.6 Características del bien a evaluar . . . . . . . . . . . . . . . . . . . . 111
4.2.7 Sustitutos y restricción presupuestaria . . . . . . . . . . . . . . . . . 113
4.2.8 Preferencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
4.2.9 Signi…cado e interpretación de valor . . . . . . . . . . . . . . . . . . . 116
4.2.10 NOAA: sugerencias téoricas y prácticas . . . . . . . . . . . . . . . . . 117
4.3 Estructura de modelos de elección discreta . . . . . . . . . . . . . . . . . . . 117
4.3.1 Enfoque de diferencia de la función indirecta de utilidad . . . . . . . 118
4.3.2 Enfoque de la función de variación . . . . . . . . . . . . . . . . . . . 119
4.3.3 Formas funcionales de la diferencia de la función indirecta de utilidad 121
4.3.4 Medidas de bienestar: media, mediana y media truncada . . . . . . . 123
4.3.5 Agregación de resultados . . . . . . . . . . . . . . . . . . . . . . . . . 127
4.4 Estimaciones econométricas . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
4.4.1 Modelo dicotómico simple: revisión de las propuestas de Cameron y
Hanemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
4.4.2 Modelo dicotómico doble . . . . . . . . . . . . . . . . . . . . . . . . . 130
4.4.3 Modelo dicotómico intermedio . . . . . . . . . . . . . . . . . . . . . . 131
4.4.4 Modelo bivariado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
4.4.5 Modelo spike . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
4.4.6 Estimaciones semi y no parámetricas . . . . . . . . . . . . . . . . . . 135
4.5 Diseño óptimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
4.5.1 Diseño C-óptimo y D-óptimo . . . . . . . . . . . . . . . . . . . . . . 140
4.5.2 Diseños bayesianos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
4.5.3 Diseños minimax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
4.5.4 Diseños secuenciales . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
4.6 Pruebas de hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
4.7 Análisis conjunto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
CONTENTS v
4.8 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148

4.8.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
4.8.2 Caso 1: Valoración de la playa de Dichato . . . . . . . . . . . . . . . 149
4.8.3 Caso 2: Valoración del río Claro . . . . . . . . . . . . . . . . . . . . . 155
4.8.4 Caso 3: Valoración de la calidad del aire . . . . . . . . . . . . . . . . 160
4.9 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
5 Método de precios hedónicos 171

5.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
5.2 Modelo general de precios hedónicos . . . . . . . . . . . . . . . . . . . . . . . 174
5.2.1 Decisión de consumo . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
5.2.2 Decisión de producción . . . . . . . . . . . . . . . . . . . . . . . . . . 176
5.3 Estimación del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
5.3.1 Estimación de la función de precios . . . . . . . . . . . . . . . . . . . 180
5.3.2 Función de demanda y medidas de bienestar . . . . . . . . . . . . . . 191
5.4 Modelo de salarios hedónicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
5.5 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
5.5.1 Formas funcionales y valor de la calidad del aire . . . . . . . . . . . . 202
5.5.2 Salarios, criminalidad y calidad ambiental . . . . . . . . . . . . . . . 205
5.6 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
A Aspectos microeconómicos 213

A.1 Medidas de bienestar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
A.1.1 Función de demanda lineal . . . . . . . . . . . . . . . . . . . . . . . . 213
A.1.2 Función de demanda semi-log . . . . . . . . . . . . . . . . . . . . . . 217
A.1.3 Función de demanda doble logarítmica . . . . . . . . . . . . . . . . . 223
A.1.4 Función Stone Geary . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
B Estimación econométrica 231

B.1 Estimadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
B.2 Estimador de máxima verosimilitud . . . . . . . . . . . . . . . . . . . . . . . 232
B.3 Propiedades de los estimadores . . . . . . . . . . . . . . . . . . . . . . . . . 234
B.3.1 Propiedades de muestras pequeñas . . . . . . . . . . . . . . . . . . . 234
B.3.2 Propiedades de muestras grandes . . . . . . . . . . . . . . . . . . . . 238
B.3.3 Intervalos de con…anza y test de hipótesis . . . . . . . . . . . . . . . 239
B.4 Maximizacion de la función de verosimilitud . . . . . . . . . . . . . . . . . . 241
B.5 Inferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
C Instrucciones para el uso de Limdep 249

C.1 Sugerencias preliminares y sintaxis . . . . . . . . . . . . . . . . . . . . . . . 249
C.1.1 Editor de Limdep . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
C.1.2 Lectura de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
C.1.3 Análisis de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
C.1.4 Seleccionar una submuestra . . . . . . . . . . . . . . . . . . . . . . . 252
C.2 Estimación de modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
vi CONTENTS
C.2.1 Análisis de regresión . . . . . . . . . . . . . . . . . . . . . . . . . . . 253

C.2.2 Logit y Probit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
C.2.3 Maximización de la función de verosimilitud . . . . . . . . . . . . . . 254
C.3 Como correr el programa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
C.4 Ejemplos y base de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
C.4.1 Modelos de costo del viaje . . . . . . . . . . . . . . . . . . . . . . . . 255
C.4.2 Modelo de valoración contingente . . . . . . . . . . . . . . . . . . . . 256
C.5 Precios hedónicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
C.5.1 Transformación de variables . . . . . . . . . . . . . . . . . . . . . . . 259
C.5.2 Estimación de distintos modelos . . . . . . . . . . . . . . . . . . . . . 259
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
1.1 Necesidad de valorar económicamente los servicios

ambientales
Los ecosistemas naturales proporcionan ‡ujos de bienes y servicios tanto directos como in-
directos a los agentes económicos y a la sociedad en general. Muchos de estos servicios
constituyen un soporte fundamental para la existencia de la vida misma. Es por esta razón
que los ecosistemas son considerados como capital natural de la sociedad. Dentro de los
recursos proporcionados por los ecosistemas naturales se encuentran las materias primas em-
pleadas en distintos procesos productivos. Por ejemplo, madera o pulpa para la produción de
papel, recursos hídricos usados como refrigerantes en la producción de acero, combustibles
utilizados para la calefacción y el transporte, etc. Además de materias primas los ecosis-
temas naturales proveen bienes de consumo …nal tales como productos agrícolas o alimentos
para consumo humano o animal. Por otra parte, los ecosistemas naturales contribuyen a
diluir, almacenar y transformar sustancias emitidas a la atmósfera, vertidas a cuerpos de
agua o depositadas en los suelos. Costanza et al. (1998) presentan una lista parcial de 17
diferentes funciones y servicios ambientales entre los cuales se encuentran la regulación de
gases y compuestos químicos emitidos a la atmósfera, regulación de los cambios climáticos,
regulación de ‡ujos hidrológicos, formación de suelos, control de procesos erosivos, ciclo de
nutrientes, producción de alimentos, refugio para especies silvestres, recreación y producción
de recursos genéticos, entre otros.
A diferencia del capital producido por el hombre el capital natural no es completamente
entendido y monitoreado, enfrentándose en la actualidad a graves problemas de degradación
y dramática reducción con las consiguientes repercusiones en la estructura y funcionamiento
de los ecosistemas naturales.
Al igual que los bienes privados el ambiente enfrenta problemas de escasez relativa dado
que tiene usos alternativos. El problema económico se origina en la necesidad de decidir
en torno al mejor uso social de los recursos naturales. Para ilustrar esta aseveración es
posible pensar en un bosque. Un posible uso de este bosque podría estar relacionado con
la provisión de materias primas para la industria de la celulosa o el papel. Si este fuera el
propósito el proceso productivo estaría estrechamente vinculado con el proceso de crecimiento
económico, lo cual se re‡ejaría directamente en la medición de la actividad económica a
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.
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).
1.2 Concepto económico de valor

El concepto económico moderno de valor se basa en la idea utilitarista de Jeremy Bentham
(1748-1832) en la cual el origen del valor proviene del nivel de satisfacción que un bien
le genera a un individuo. Por lo tanto, los bene…cios de una política o acción pública
deben provenir del cambio en el bienestar de los individuos que componen la sociedad y que
son afectados por esta política. El ambiente, desde esta perspectiva, tiene valor en cuanto
proporciona bene…cios al ser humano. En este marco conceptual se asume que el individuo es
el más indicado para decidir sobre la maximización de su bienestar, lo cual se conoce como
soberanía del consumidor. El objetivo de la economía consiste en maximizar el bienestar
social el cual es a su vez una función del bienestar de los individuos.
Sin embargo, esta no ha sido la única forma de concebir el valor económico. Desde Smith
(1723-1790) han coexistido dos teorías básicas del valor. Una de ellas es la teoría del valor
objetivo en la cual el valor de un bien está determinado por la cantidad total de trabajo que
se requiere para producir este bien. Esta teoría es compartida por Ricardo (1772-1823) y
Marx (1818-1883). La segunda teoría es la del valor subjetivo que en sus inicios se expresó en
términos de la cantidad de trabajo por la cual un bien podía ser intercambiado en un mercado.
Es a partir de los aportes de John Stuart Mill (1803-1873) que la idea de utilidad emerge
en el análisis económico. Seguidores del pensamiento utilitarista son Menger (1840-1921) y
Walras (1834-1910) a los cuales se asocia el concepto de retornos marginales decrecientes.
Es decir, el bienestar derivado de la primera unidad consumida es mayor que el bienestar
derivado de la segunda unidad y así sucesivamente. Posteriormente, aparece lo que suele
denominarse como la revolución neoclásica a partir de los aportes de Marshall (1842-1924),
en lo que respecta a funciones de demanda y oferta y los conceptos de bienestar expresados
a través de los excedentes del consumidor y del productor (Patterson, 1998). Marshall and
Dupuit (1804-1866) contribuyeron, de manera independiente, a sentar las bases de la teoría
moderna del bienestar, la cual se fundamenta en la existencia de una función de utilidad para
cada individuo. Por su parte John Hicks (1904-1989) de…nió las medidas de bienestar como
resultado de cambios en la utilidad de los individuos. No obstante, no es hasta la década de
los años 70 que se relacionan las medidas Marshallianas y Hicksianas de bienestar a través
del concepto de integrabilidad de las demandas Marshallianas.
Otro principio fundamental para el desarrollo de los métodos de valoración económica
consiste en que los cambios en el nivel de satisfacción pueden ser expresados en términos
1.2. CONCEPTO ECONÓMICO DE VALOR 5
monetarios, lo cual posibilita la comparación entre distintas alternativas. Se asume que el

propósito de la actividad económica es incrementar el bienestar de los individuos, quienes
tienen preferencias bien de…nidas por conjuntos alternativos de bienes. Además, se asume
que existe algún grado de sustitución entre los bienes. Esta sustitución permite acercarse al
valor de los bienes, como resultado de la disposición de los individuos a sacri…car el consumo
de un bien con miras a aumentar la cantidad disponible de otro bien. Si todos los bienes
pueden expresarse en términos monetarios (acudiendo al dinero como numerario), entonces
se puede obtener la máxima cantidad de dinero que un individuo está dispuesto a pagar
(DAP ) por un incremento en la disponibilidad de algún bien, o la mínima cantidad de
dinero que el individuo está dispuesto a aceptar (DAA) como compensación por renunciar
voluntariamente a una mejora en su nivel de bienestar.
Es importante señalar que no se pretende valorar el ambiente en su acepción más amplia
como lo asumen varios detractores de los métodos de valoración económica. En esencia, se
valoran las preferencias de los individuos por cambios en las condiciones del ambiente y sus
preferencias con respecto a cambios en los niveles de riesgo que enfrentan. Esta tipo de
valoración permite entonces comparar políticas públicas.
El concepto fundamental de valoración alude al valor económico total de un recurso
natural en el cual se incluye tanto el valor de uso como el de no uso. El primero consiste
en los valores de uso directo, indirecto y de opción, mientras que el segundo considera los
valores de legado y existencia (Cuadro 1.1).
Table 1.1: Valor económico total de un recurso natural
Valor de Uso Valor de No Uso

Directo Indirecto Opción Legado Existencia
Productos Funciones Valor futuro Valor para Valor derivado
de consumo ecosistémicas. de uso directo futuras de la existencia
directo. o indirecto. generaciones. del recurso.
Alimentos, Regulación de Biodiversidad, Hábitats, Hábitats,
Recreación, cambios climáticos Hábitats Evitar cambios Especies en
Aire Creación de suelos conservados Irreversibles. vías de extinción.
Fuente: Elaboración propia con base en revisión de literatura.
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
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.
1.3 Bienes públicos y valoración económica

La búsqueda de la e…ciencia económica requiere la comparación de bene…cios y costos asoci-
ados a intervenciones en el ambiente. Sin embargo, la existencia de externalidades y el hecho
de que muchos recursos naturales tienen características de bienes públicos o semipúblicos
hacen que los mercados no operen en la dirección correcta de maximizar el bienestar social.
Existen externalidades cuando la decisión de un agente económico, ya sea en la producción
o en el consumo, afecta la producción o el bienestar de otro agente, y no existen mecanismos
para que el primero tome en cuenta (internalice) los efectos que genera en los demás agentes.
Por su parte, los bienes públicos se caracterizan por la imposibilidad de aplicar la exclusión
en su consumo y por la inexistencia de rivalidad. Es decir, por una parte es costoso o es
imposible marginar a un individuo de su consumo y, por otra parte, la cantidad del bien
disponible para el consumo de un individuo no cambia cuando el bien es utilizado por otro.
Los bienes semipúblicos o cuasipúblicos se caracterizan por el hecho de que se puede aplicar
la exclusión pero no existe la rivalidad en el consumo. Otra característica importante de los
recursos naturales y bienes ambientales es que por lo general no poseen sustitutos cercanos y
en ocasiones se necesita valorar cambios signi…cativos en su disponibilidad. Por consiguiente,
se requiere no sólo el valor marginal del bien sino también una parte signi…cativa de la curva
de demanda.
Desde la perspectiva de la valoración económica los aspectos más importantes de los bi-
enes públicos tienen que ver con la información que es factible obtener a partir de un mercado
especí…co. En el caso de un bien privado su precio y cantidad transada son perfectamente
observables en el mercado. Para los bienes públicos no existe un mercado del cual se pueda
obtener información sobre precio o cantidad. En el caso de los bienes semipúblicos se puede
inferir el precio a partir del comportamiento de los individuos con respecto a un bien privado.
Estas diferencias se resumen en el Cuadro 1.2.
Las características de los servicios ambientales imponen nuevos desafíos metodológicos,
debido principalmente a que las demandas por estos bienes no son observables. Por lo
tanto, la estimación de bene…cios o costos asociados al uso o existencia de éstos no se puede
obtener con los métodos tradicionales de la economía. Esta es la principal razón que explica
la existencia de los métodos de valoración económica.
Como es reconocido por parte de economistas ambientales, los métodos usados para la
valoración de daños a recursos naturales y servicios ambientales fueron adaptados de técnicas
de valoración de bienes privados (con mercado) usadas en los estudios tradicionales de costo-
bene…cio. Este método se originó con el propósito de evaluar proyectos públicos que tienen
resultados tangibles (proyectos de riego que cambian la disponibilidad de agua, o de energía
hidroeléctrica, etc.), y en los cuales sus resultados monetarios son fácilmente observables.
Sin embargo, las decisiones que involucran al ambiente son más complejas, di…cultando la
obtención de bene…cios y costos como resultado de fuentes de valor que no son cuanti…cables
1.3. BIENES PÚBLICOS Y VALORACIÓN ECONÓMICA 7
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.
Table 1.2: Taxonomía del ‡ujo de servicios ambientales
Categoría de servicio Características del ‡ujo de servicios

Servicios privados puros Usualmente los bienes son intercambiados
en mercados normales; el consumo por
parte de un individuo excluye la posibil-
idad que otro individuo disfrute del servi-
cio. El acceso al bien puede ser controlado.
La cantidad del bien o del servicio es di-
rectamente observable en el mercado. Ej:
pesca comercial.
Servicios cuasi públicos Generalmente los bienes no se intercam-
bian en mercados; hasta cierto punto el dis-
frute por parte de un individuo no afecta
las oportunidades de los otros individuos,
pero más allá de ese punto la congestión
reduce el disfrute de todos los individuos.
El acceso puede ser controlado, pero fre-
cuentemente no es estrictamente regulado.
La cantidad del bien o del servicio es in-
ferida de observaciones sobre el compor-
tamiento de los individuos. Ej: pesca
recreativa.
Servicios públicos puros Los bienes no son intercambiados en los
mercados; cualquier número de individuos
puede disfrutar del bien y no reduce la can-
tidad disponible para otros. El acceso no
puede ser controlado. La cantidad del bien
o del servicio no puede determinarse por
observación o inferencia. Ej: valor de exis-
tencia de un animal silvestre.
Fuente: Kopp & Smith (1993).
Chapter 2
Marco teórico
2.1 Teoría de las preferencias

La teoría de las preferencias individuales parte de la premisa que cada individuo es el más
indicado para juzgar sobre su propio bienestar. Esto quiere decir que el individuo es capaz de
elegir entre distintos estados de la naturaleza (por ejemplo, entre distintos conjuntos de bienes
y servicios), y que eligirá aquella situación que le reporte el mayor grado de satisfacción1 . Es
importante señalar que los individuos maximizan el bienestar tal y como ellos lo conciben;
es decir, la teoría económica no excluye la posibilidad que las preferencias sean consecuencia
de motivaciones altruistas, egoistas, leales o incluso masoquistas (Becker, 1993).
En este contexto el análisis económico asume que es posible medir el bienestar obtenido
por los agentes económicos a partir de la observación de las elecciones que estos agentes
realizan entre varios conjuntos de bienes (Freeman III, 1993). El término bienes se debe
entender en una forma general considerando todos los componentes o elementos que propor-
cionan satisfacción o bienestar a los individuos. Esta de…nición general de bienes permite
la aplicación del análisis microeconómico a varios problemas. Por ejemplo, la elección entre
ocio y trabajo, la elección entre consumo presente y consumo futuro, o la elección entre
distintos niveles de calidad ambiental. La ‡exibilidad en la de…nición de bien económico ha
permitido una expansión del análisis económico a áreas no estrictamente relacionadas con
los mercados. Algunos ejemplos de esta expansión se relacionan con el análisis de criminali-
dad, discriminación, plani…cación familiar, formación de capital humano, entre otros (Haab
& McConnell, 2003). Desde la perspectiva de la economía ambiental el ambiente aporta
bienestar a los individuos y como tal puede ser considerado un bien más. Sin embargo, este
bien posee la particular característica de ser un bien público.
El concepto de preferencias usado en economía requiere que el individuo pueda ordenar
el conjunto de alternativas disponibles desde la de mayor a la de menor satisfacción, in-
cluyendo aquellos conjuntos de bienes para los cuales el nivel de satisfacción es el mismo.
Dado este supuesto es importante precisar cuáles son las propiedades que debe exhibir este
ordenamiento. Al respecto, Deaton & Muellbauer (1980) discuten seis axiomas básicos de la
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 al menos tan preferido como x2 .
x2 % x1 , x2 es al menos tan preferido como x1 .
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
Para cualquier conjunto de bienes xi ; xi es al menos tan preferido como xi , lo cual se

denota como xi % xi .
Axioma 3 : Transitividad
Si x1 es preferido a x2 y x2 es preferido a x3 , entonces x1 es preferido a x3 : Este axioma

es conocido como axioma de consistencia. Si x1 % x2 y x2 % x3 , entonces x1 % x3 : Como
lo mani…estan Deaton & Muellbauer (1980) este axioma constituye un elemento central de
la teoría de las preferencias. Los Axiomas 1 al 3 de…nen un preorden en el conjunto de
elección. Estos tres axiomas permiten construir un ordenamiento completo y consistente de
las preferencias. Es decir, los individuos son capaces de jerarquizar cualquier conjunto de
bienes y estas jerarquizaciones se caracterizan por ser transitivas.
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
El supuesto de convexidad es importante para asegurar la existencia de una única solución

para el problema de maximización de la utilidad del consumidor. Formalmente, si se tienen
dos puntos x1 y x2 una función f cualquiera y un scalar 2 [0; 1], se tiene que la función es
estrictamente convexa si x1 + (1 )x2 > f [ x1 + (1 )x2 ]: Para comprender esta idea se
debe de…nir una curva de indiferencia la cual representa todas las combinaciones de bienes
que generan un mismo nivel de utilidad. La Figura 2.1 presenta dos curvas de indiferencia
con niveles de utilidad U 1 (x1 ) y U 2 (x2 ) las cuales cumplen con los axiomas anteriormente
de…nidos. Cualquier punto sobre una curva de indiferencia representa diferentes combina-
ciones de los bienes x1 y x2 : No obstante, estas combinaciones proveen el mismo nivel de
bienestar. Por esta razón, a las curvas que representan el mismo nivel de utilidad se les
denomina curvas de indiferencia. En la Figura 2.1 también se observa que cualquier punto
en la curva de indiferencia U2 tiene una mayor cantidad de alguno de los dos bienes. Por lo
tanto, esta curva de indiferencia representa un nivel de bienestar mayor.
De los anteriores axiomas se puede deducir una propiedad muy importante de las prefer-
encias según Freeman III (1993). Esta propiedad es conocida como sustitución por la cual
si la cantidad de un elemento xi en un conjunto de bienes x disminuye, es posible aumentar
la cantidad de otro elemento xj de tal manera que el individuo esté indiferente entre los dos
conjuntos de bienes. Sea x1 =(x11 ; :::; x1i ; x1j ; :::; x1n ) y x2 = (x11 ; :::; x2i ; x1j ; :::; x1n ); con x2i <x1i .
El individuo preferirá el conjunto x1 ya que tiene una mayor cantidad del elemento xi
e igual cantidad de los demás. Sin embargo, podría existir otro conjunto de bienes x =
(x11 ; :::; x2i ; xj ; :::; x1n ) con xj > x1j ; de tal forma que el individuo esté indiferente entre x1 y
x . Note que en el conjunto x se tiene una menor cantidad de xi pero una mayor de xj si se
compara con el conjunto x1 : Es decir, x1 y x están en la misma super…cie de indiferencia lo
cual implica que el individuo está dispuesto a sacri…car una cierta cantidad del bien xi con el
propósito de obtener más del bien xj : Esto se representa en la Figura 2.2 donde los conjuntos
x2
x* 2
x2 U2
1
U
x1 x1
Figure 2.1: Representación de dos curvas de indiferencia
de bienes A y B proporcionan el mismo nivel de bienestar. De la …gura se puede concluir

que el individuo está dispuesto a cambiar la combinación de bienes A por la combinación B
siempre que la disminución en el consumo de x1 (de x01 a x11 ) sea compensada con un aumento
en la cantidad del bien x2 (de x02 a x12 ).
La propiedad de sustitución constituye un aspecto fundamental para el concepto de valor
en economía, dado que establece la posibilidad de intercambios entre pares de bienes. Esto,
a su vez, permite valorar económicamente bienes ambientales ya que el valor económico de
éstos se expresa en términos de la disposición a renunciar a un bien con miras a obtener
más de otro. Si un individuo desea una mejor calidad ambiental debería en principio estar
dispuesto a sacri…car algo con el …n de satisfacer este deseo.
2.2 Medidas de bienestar: cambio en precios

2.2.1 El problema del consumidor
En general, el objetivo del consumidor es obtener el mayor nivel posible de satisfacción.
Sin embargo, la adquisición de bienes conlleva un costo monetario que es asumido por el
individuo con los ingresos que éste posee. En otras palabras, el consumidor está sujeto a una
restricción de presupuesto que le impide acceder a ciertos niveles de utilidad. La restricción
de presupuesto separa el espacio de elección en una región factible, que se puede comprar
con el presupuesto disponible, y una región no factible. Si m representa el presupuesto del
individuo la restricción presupuestaria está dada por
X
n
px = pi xi = m;
i=1
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
Figure 2.2: Representación de la sustitución entre bienes
El proceso de elección se puede modelar como un problema de maximización de la utilidad

sujeto a una restricción presupuestaria; es decir,
M AX U (x)
X
n
s.a.: m = px = pi xi :
i=1
La solución al problema de maximización representa los niveles de consumo óptimos para

distintas combinaciones de precios e ingreso, expresados a través de las curvas de demanda
Marshallianas 3 de la forma
0 1
x1 = x1 (p; m)
B .. C
x(p; m) = @ . A:
xn = xn (p; m)
En la Figura 2.3 se presenta grá…camente la situación en la cual se maximiza la utilidad
de un individuo sujeta a su restricción de presupuesto. En este caso el individuo puede
acceder sólo al nivel de utilidad U1 dado que su ingreso no le permite consumir en áreas
superiores a su restricción presupuestaria. Sus cantidades óptimas de consumo son x1 y x2 :
Cabe señalar que el problema de maximización, y particularmente las condiciones de
primer orden, requieren que las preferencias sean estrictamente convexas y que la función de
utilidad sea doblemente diferenciable. Este enfoque del problema que enfrenta el consumidor
se conoce como primal. Una forma alternativa a este problema, conocida como dual, consiste
3
Si se tiene la cantidad demandada de N 1 bienes, la cantidad demandada del n-ésimo se obtiene por
diferencia, ya que se asume que todo el ingreso es usado en la compra de bienes. El análisis se puede extender
a problemas relacionados con dotación de recursos y consumo intertemporal.
x2
Restricción
Presupuestaria
a
AREA NO
FACTIBLE
x* 2 U2
AREA
FACTIBLE U1
x*1 x1
Figure 2.3: Solución grá…ca del problema de maximización del consumidor
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
Simetría: Los efectos cruzados de…nidos en términos de la demanda Hicksiana son

iguales; es decir,
@hi (p; U ) @hj (p; U )
= ; 8i 6= j;
@pj @pi
@xi (p; m) @xi (p; m) @xj (p; m) @xj (p; m)
xj (p; m) + = xi (p; m) + :
@m @pj @m @pi
Negatividad: Las curvas de demanda Hicksianas tienen pendiente negativa
@hi (p; U ) @xi @xi

= xi (p; m) + 0:
@pi @m @pi
Para de…nir las medidas de bienestar es importante entender la relación entre el primal
y el dual y las respectivas demandas Marshallianas y Hicksianas. Para ello se requiere la
de…nición de dos conceptos adicionales: la función indirecta de utilidad y la función de
gasto. La función indirecta de utilidad se obtiene al reemplazar las demandas Marshallianas
derivadas del problema primal en la función de utilidad. Es decir,
U (x ) = U (x (p; m)) = v (p; m) ;
donde v (p; m) es la función indirecta de utilidad y representa la maxima utilidad que es

posible obtener dado el nivel de precios y el ingreso. La función de gasto se obtiene al
sustituir las demandas Hicksianas en la función objetivo del problema dual o restricción
presupuestaria. Es decir,
m = px = ph(p; U ) = e (p; U ) ;
donde e (p; U ) es la función de gasto representando el mínimo costo requerido para alcan-
zar un nivel de utilidad (U ) dado los precios. Las funciones v (p; m) y e (p; U ) están es-
trechamente relacionadas entre sí, ya que e(p; U ) se puede invertir para obtener U en función
de p y m; con los argumentos propios de la función indirecta de utilidad, v. Similarmente, la
inversión de v(p; m) permite expresar m en función de p y U , los cuales son los argumentos
de la función de gasto, e. Note que las soluciones del primal y dual coinciden en el punto
óptimo (Figura 2.3), y por tanto se debe satisfacer que
xi = xi (p; m) = hi (p; U ):
Por consiguiente, si se tiene la función de demanda Hicksiana es posible recuperar la

demanda Marshalliana, lo cual requiere reemplazar la función indirecta de utilidad v por U
en la siguiente forma
xi = hi (p; U ) = hi [p; v(p; m)] = xi (p; m): (2.1)
En la situación inversa, si se tiene la función de demanda Marshalliana es posible obtener

la demanda Hicksiana al sustituir la función de gasto e por m en la siguiente forma
xi = xi (p; m) = xi [p; e(p; U )] = hi (p; U ): (2.2)

Un procedimiento alternativo para obtener la función de demanda Hicksiana consiste en

el uso del lema de Shepard, derivando la función de gasto con respecto al precio del bien que
es objeto de interés. Es decir,
@e(p; U )
= hi (p; U ):
@pi
Análogamente, se puede derivar la demanda Marshalliana a partir de la función indirecta
de utilidad v utilizando la identidad de Roy. Esto es,
v(p; m) = v[p; e(p; U )] U;
y derivando con respecto a pi , manteniendo U constante, se obtiene

@v @v @e
+ = 0:
@pi @e pi
Despejando @v=@pi se tiene que
@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
La ecuación (2.3) se conoce como la identidad de Roy. La relación entre el primal y el

dual y las respectivas funciones de demanda Marshallianas y Hicksianas se presentan en la
Figura 2.4.
2.2.2 Medidas de bienestar Hicksianas

Desde la perspectiva de la teoría económica es importante obtener un indicador de bienestar
que luego permita agregar los bene…cios asociados a cambios en el entorno económico, de
tal forma que pueda proporcionar información útil al proceso de toma de decisiones. En el
contexto del análisis costo-bene…cio se han planteado tres medidas de bienestar: la variación
compensada (VC ), la variación equivalente (VE ) y el excedente del consumidor (EC ). A las
dos primeras medidas de bienestar se les conoce como medidas de bienestar Hicksianas, ya
que están directamente relacionadas con la función de demanda Hicksiana. Note que esta
función de demanda tiene como argumento el nivel de utilidad de los individuos. Por lo
tanto, es razonable pensar que a través de ésta se puedan inferir resultados sobre el efecto
en el bienestar de los individuos ante cambios en las condiciones económicas. Por su parte
el excedente del consumidor utiliza la función de demanda Marshalliana para obtener una
aproximación del cambio en el bienestar.
PRIMAL DUAL
max U ( x1 ,..., xn ) min ∑x p i i
s.a.∑ xi pi = m s.a. U ( x1 ,..., xn ) = U 0
Resolviendo el problema de maximización
Demandas Marshallianas Demandas Hicksianas
xi = xi ( p, m) hi = hi ( p, U )
Reemplazando en las funciones objetivo
Función Indirecta de Función de Gasto

Utilidad
e = e( p , U )
v = v ( p, m) Inversión
Lema de
Identidad
Shepard
de Roy
Demandas Marshallianas Demandas Hicksianas
∂v / ∂pi ∂e( p,U )

xi = hi =
∂v / ∂m ∂pi
Substitución
Figure 2.4: Relación entre Primal y Dual
Como se mostrará posteriormente la variación compensada y la variación equivalente

se basan en la comparación de la función de gasto evaluada en los diversos estados de la
naturaleza. Dado que la función de gasto es simplemente una transformación monotónica
de la función de utilidad, tanto la variación compensada como la variación equivalente con-
stituyen formas directas de obtener medidas de bienestar, ya que éstas proporcionan un
indicador monetario de la utilidad del individuo. En el caso del excedente del consumidor
es necesario considerar supuestos adicionales sobre las preferencias de los individuos para
obtener un indicador monetario del nivel de utilidad. Por esta razón se procede a discutir
inicialmente la utilización y obtención de la variación compensada y variación equivalente.
Posteriormente, se analizará el excedente del consumidor.
Las de…niciones de variación compensada y equivalente son las siguientes:
Variación compensada (VC )
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.
Variación equivalente (VE)
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
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
Usando el lema de Shepard se puede sustituir la función de demanda. Así,
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)
Tanto la V C como la V E expresan el cambio en el bienestar como la diferencia entre

la función de gasto evaluada tanto en la situación …nal como en la situación inicial para
diferentes niveles de utilidad. Si se aplican las de…niciones de V C y V E las medidas de
bienestar se pueden expresar implícitamente a través de la función indirecta de utilidad, v:
Es decir,
v(p1 ; m + V C) = v(p0 ; m) = U 0 ;
v(p0 ; m V E) = v(p1 ; m) = U 1 :
Para un cambio de precios de p0 a p1 ; con p1 < p0 ; lo cual representa una ganancia de
bienestar, se tiene que
V C = e(p0 ; U 0 ) e(p1 ; U 0 );
V E = e(p0 ; U 1 ) e(p1 ; U 1 ):
Usando la función indirecta de utilidad V C y V E se expresan como
v(p1 ; m V C) = v(p0 ; m) = U 0 ;
v(p0 ; m + V E) = v(p1 ; m) = U 1 :
p*
Excedente del
consumidor
p0
x1=x1(p,m)
x0 1 x1
Figure 2.5: Excedente del consumidor
2.2.3 Medida de bienestar Marshalliana

El excedente del consumidor4 (EC ) se de…ne como la diferencia entre la disposición a pagar
por una determinada cantidad de un bien y lo que efectivamente se paga por éste. Es
decir, consiste en la diferencia entre la disposición a pagar, representada por la curva de
demanda Marshalliana, y el precio. En la Figura 2.5 se ilustra el excedente del consumidor
correspondiente al área entre la función de demanda y el precio de mercado.
La utilidad marginal del ingreso se de…ne como el cambio marginal en la utilidad ante un
cambio marginal en el ingreso del individuo; es decir, @v=@m: El excedente del consumidor
re‡ejará correctamente el cambio en la utilidad o bienestar del individuo sólo si la utilidad
marginal del ingreso es constante. El excedente del consumidor se de…ne como
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.
p1
AEC
0
p
x1=x1(p,m)
x1
Figure 2.6: Cambio en el excedente del consumidor
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
2.3 Integrabilidad de sistemas de demanda

Para estimar medidas de bienestar Hicksianas es necesario conocer las funciones de gasto
o las funciones indirectas de utilidad. Sin embargo, en trabajos empíricos el investigador
sólo dispone de información sobre precios, cantidades consumidas e ingreso de los agentes
económicos. Con este tipo de información no es posible estimar directamente una función
de utilidad o de gasto, ya que no se conoce el nivel de utilidad de los individuos. Por
consiguiente, no se pueden estimar econométricamente funciones de demanda compensadas.
La alternativa es entonces usar una función de demanda Marshalliana la cual se puede estimar
econométricamente con los datos disponibles.
Sin embargo, se debe encontrar una forma que permita obtener la función de gasto a
partir de las funciones de demanda Marshallianas. A su vez, la función de gasto permitirá
la derivación de las medidas de bienestar Hicksianas. Hausmann (1981) sugirió un método
que permite resolver este problema5 . La función de demanda ordinaria xi representada por
xi = xi (p; m);
5
La solución al problema de integrabilidad de sistemas de demanda se debe a Hurwicz & Uzawa (1971).
2.3. INTEGRABILIDAD DE SISTEMAS DE DEMANDA 21
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
@xi @xi @xj @xj

xj (p; m) + = xi (p; m) + : (2.8)
@m @pj @m @pi
La obtención de funciones de gasto e indirecta de utilidad a partir de las curvas de
demanda Marshallianas se conoce como el problema de integrabilidad. Las condiciones para
la existencia de la función indirecta de utilidad o la función de gasto, asociadas a un sistema
de demanda, son satisfechas por la propiedades de negatividad, simetría y homogeneidad.
La integración de sistemas de demanda reviste especial interés en economía aplicada, debido
a que las condiciones de integrabilidad representan restricciones en los parámetros que deben
ser incorporados en la estimación del sistema. Por otra parte, al recuperar la estructura de
preferencias que subyace en el sistema de demanda se puede identi…car el grado de ‡exibilidad
de las preferencias del consumidor como resultado del modelo de demanda (LaFrance &
Hanemann, 1989).
Considérese el caso más simple en el cual se tienen sólo dos bienes, x1 y x2 ; y se está
interesado en el bien x1 : Por lo tanto, x2 representa todos los demás bienes con precios
relativos constantes. Dados estos supuestos la solución al problema de integrabilidad implica
resolver una ecuación diferencial de primer orden, expresada como
@e
= xi (p; e(p; U )); (2.9)
@pi
con condiciones iniciales e(p0 ; U 0 ) = m ó v(p0 ; m0 ) = U 0 en forma análoga6 :

A partir de la función de demanda Marshalliana es posible recuperar la estructura de
preferencias del consumidor; es decir, se puede obtener la función de gasto, la función in-
directa de utilidad, la función de utilidad y la función de demanda compensada. Con esta
información disponible es factible obtener las medidas de bienestar Hicksianas.
6
Note la diferencia entre las ecuaciones (2.7) y (2.9). La primera corresponde a un sistema de ecuaciones
mientras que la segunda representa tan solo una ecuación diferencial.
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
2.3.1 Comparación de medidas de cambio en el bienestar
La estructura conceptual desarrollada en la sección anterior posibilita la comparación de las

medidas de bienestar Hicksianas y Marshallianas. Dado que, en general, el excedente del
consumidor no es una medida teóricamente correcta del cambio en el bienestar, es intere-
sante intentar responder qué tan grande es la diferencia entre V C, V E y EC: En la Figura
2.7 se presenta una demanda Marshalliana, x(p; m); y dos demandas Hicksianas, h(p; U ),
correspondientes a los niveles de utilidad U 0 y U 1 para un cambio de precios de p0 a p1 : La
diferencia en las medidas de bienestar dependerá del tipo de cambio en el precio (aumento
@x @x
o disminución) y de si el bien es normal ( @m > 0) o inferior ( @m < 0). En la Figura 2.7
se ilustra la situación de una disminución del precio para un bien normal o superior, en la
cual se cumple la siguiente relación entre las medidas de bienestar: V C < EC < V E: El
excedente del consumidor está dado por el área p0 adp1 , la variación compensada por p0 acp1
y la variación equivalente por p0 bdp1 :
El orden de la anterior relación se invierte para un aumento de precios o un bien inferior.
Como se puede deducir de la ecuación (??) si aj o i no son grandes en magnitud, las medidas
de bienestar Hicksianas y Marshallianas coincidirán (V C EC V E):
Willig (1976) derivó límites para el error porcentual entre estas medidas de bienestar.
Usando el principio de integrabilidad Willig demuestra que estos límites pueden ser explíci-
tamente calculados a partir de información observable como lo es la demanda Marshalliana.
Bajo ciertas condiciones el error al usar el EC y no la V C o V E no debería ser grande. En
general, para un cambio de un único precio, y si se satisfacen las siguientes condiciones
u l
EC EC EC
0:05; 0:05 y < 0:9;
2m0 2m0 2m0
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
donde u y l representan la mayor y menor elasticidad ingreso de la demanda, respectiva-

mente. Con el propósito de ilustrar la forma de obtener estos límites considere el caso en
que la elasticidad ingreso es constante ( l = u = ). La elasticidad ingreso se de…ne como
@x(p; m) m
= :
@m x(p; m)
Esta expresión se puede reordenar de tal manera que sea posible resolver la ecuación
diferencial resultante para x(p; m): Así,
@x(p; m) @m
= ;
x(p; m) m
Z m Z m
@x(p; m) @m
= ;
m0 x(p; m) m0 m
ln x(p; m) ln x(p; m0 ) = [ln m ln m0 ] ;
m
x(p; m) = x(p; m0 ) ;
m0
donde x(p; m) denota la función de demanda Marshalliana. Usando las condiciones de inte-
grabilidad se deduce que
@e(p; U ) m
= x(p; m) = x(p; m0 ) ;
@p m0
y reordenando se obtiene
m @e(p; U 0 ) = x(p; m0 ) m0 @p;

Z p1 Z p1
0
m @e(p; U ) = m0 x(p; m0 ) @p;
p0 p0
p1 Z p1
e(p; U 0 )1
= m0 x(p; m0 ) @p;
1 p0 p0
" Z #
p1
1 0 1 0 0 1
e(p ; U ) e(p ; U ) = (1 ) m0 x(p; m0 ) @p :
p0
Si im 6= 1 y dado que e(p0 ; U 0 ) = m0 se obtiene

"Z #! 1 1
p1
(1 )
e(p1 ; U 0 ) = m0 1+ x(p; m0 ) @p :
m0 p0
R p1
Observe que EC = p0
x(p; m0 ) @p: Por lo tanto,
1
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.
2.3.2 Ejemplos de medidas de bienestar

Tres formas funcionales han sido comúnmente usadas en la literatura para la función de
demanda: la función de demanda lineal, la función semilogarítmica y la función logarítmica.
A continuación se presenta el cálculo del excedente del consumidor y se describe el proced-
imiento para obtener la estructura de preferencias para la función de demanda lineal. En el
Apéndice A se presentan los detalles del cálculo para las tres formas funcionales. Para la
ilustración del cálculo en esta sección se analiza la situación correspondiente a un aumento
en el precio del bien.
Función de demanda lineal
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.
Excedente del Consumidor

El cálculo del excedente del consumidor implica obtener el área de la Figura 2.6; es
decir,
Zp1
EC = ( + p + m)@p;
p0
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:
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
De la función de demanda es posible despejar el precio del bien, tal que
x(p) ( + m)
p= : (2.12)
Sustituyendo (2.12) en la ecuación (2.11) y después de algunas simpli…caciones, el

excedente del consumidor se de…ne como
x21 x20
EC = :
2
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
donde la expresión (2.13) representa el valor de acceso al recurso o bien ambiental.
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:
Es necesario insistir en que las condiciones de integrabilidad sean satisfechas cuando se

estiman funciones de demanda. Si estas condiciones no se cumplen se deberán imponer
al sistema de ecuaciones que se pretende estimar. Es importante manifestar que no es
correcto calcular medidas de bienestar cuando no se satisfacen las condiciones de inte-
grabilidad. En general, los resultados son inconsistentes con la teoría del consumidor.
Asumiendo que en el óptimo se cumple que m = e, se tiene que
@e
= + p + e;
@p
reordenando esta ecuación tal que

@e
e ( + p) = 0;
@p
y aplicando la solución general de una ecuación diferencial, la función de gasto8 está

dada por
p 1
e(p; U ) = U e + p+ : (2.14)
Para la obtención de esta ecuación la constante de integración se asocia al nivel de

utilidad. Esto es correcto ya que por de…nición la función de gasto representa el mínimo
costo necesario para alcanzar un nivel de utilidad …jo dado el nivel de precios. Por lo
tanto, la constante de integración representa el nivel constante de utilidad asociado a
la función de gasto que se desea recobrar.
Para veri…car que la función de gasto corresponde a la función de demanda lineal,
se puede invertir la función de gasto para obtener la función indirecta de utilidad y
posteriormente aplicar la identidad de Roy.
Función Indirecta de Utilidad

Invirtiendo la función de gasto se obtiene
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.
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
Función Directa de Utilidad

A partir de la función de demanda y de la restricción presupuestaria se tiene que
x1 x2
p1 = :
+ x1
Reemplazando este resultado en la función indirecta de utilidad (2.15) se tiene

2 3
x1 x2
4 5
+ x1 x1 p1 1
v=e + ( + p1 + ) ;
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
Aplicando la de…nición de variación compensada se obtiene
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 :
Reemplazando U 0 por v(p01 ; m0 ); x11 = + p11 + m y x01 = + p01 + m la variación

compensada está dada por
(p11 p01 ) x01 x11

VC =e + 2 + 2 : (2.18)
Variación Equivalente
Table 2.1: Estructura de preferencias de la demanda lineal
Demanda Marshalliana x= + p+ m
x21 x20
Excedente del consumidor 2
p 1
Función de Gasto Ue ( + p+ )
Función Indirecta de Utilidad e p

m + 1( + 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 ):
x0 (p01 p11 ) x11

Variación Equivalente ( 1+ 2) e ( + 2)
Condición de Integrabilidad + x 0
Análogamente la variación equivalente está dada por
V E = e(p11 ; U 1 ) e(p01 ; U 1 );
0 1
V E = m1 U 1 e p1 ( + p01 + ) ;
y usando el mismo tipo de sustituciones, la variación equivalente se de…ne como

x01 (p01 p11 ) x11
VE = + 2 e + 2 :
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.
Si más bienes son incluidos en el análisis el problema de integrabilidad se resuelve en una

forma similar. Es decir, se requiere satisfacer la consistencia con la restricción presupuestaria,
la simetría y la negatividad. El sistema de ecuaciones o funciones de demanda se puede
estimar usando información de precios y cantidades transadas. Además, se puede veri…car
que el modelo satisface las propiedades arriba enunciadas. No obstante, para recuperar las
funciones de gasto subyacentes a este sistema de ecuaciones de demanda se debe resolver un
sistema de ecuaciones diferenciales. En el caso más general de N bienes, se requiere estimar
N 1 ecuaciones diferenciales parciales.
Table 2.2: Estructura de preferencias de la demanda semilogarítmica
Demanda Marshalliana x = exp ( + p + m)
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
En la práctica se busca simpli…car el problema de tal forma que se estime un menor

número de funciones de demanda. Para ello se recurre a distintos supuestos sobre la estruc-
tura de las preferencias. Sin embargo, es necesario explicar cuál es la relación entre este
subsistema de funciones de demanda y las medidas de bienestar Hicksianas. Por lo tanto,
el problema de integrabilidad persiste en la medida que no se tenga un sistema de demanda
completo. El uso de sistemas de demanda incompletos en la solución del subsistema de
ecuaciones diferenciales que éste representa, provee soluciones locales para la estructura de
preferencias de los individuos, las cuales son denominadas funciones de cuasi-gasto, cuasi-
indirecta de utilidad y cuasi-utilidad.
Dos aproximaciones han sido discutidas en la literatura para relacionar la estimación de
un subsistema de funciones de demanda y las medidas de bienestar. En situaciones donde
el investigador está interesado en la demanda para un subgrupo de bienes que son parte del
consumo de la familia, y no se posee interés alguno en la demanda de otro tipo de bienes,
el analista se enfrenta con un sistema de demanda incompleto. Al respecto, LaFrance &
Hanemann (1989) presentan tres resultados importantes. Primero, las relaciones duales
entre la función de cuasi-gasto y la función cuasi-indirecta de utilidad de un sistema de
demanda incompleto son análogas a la relación dual para el sistema completo. Segundo, las
medidas de bienestar Hicksianas pueden ser calculadas de la integrabilidad del sistema de
demanda incompleto usando la función de cuasi-gasto. Y tercero, los autores muestran que
no es posible medir cambios en el bienestar como resultado de cambios en la cantidad de
bienes sin mercado cuando se usan sistemas de demanda incompletos.
LaFrance & Hanemann (1989) concluyen que es factible aplicar la metodología de Haus-
Table 2.3: Estructura de preferencias de la demanda logarítmica
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
mann a sistemas de demanda incompletos para obtener medidas de bienestar Hicksianas.

En el caso de un sistema completo de tres bienes x, y, z; donde z es un bien compuesto
considerado como numerario, el cual representa el gasto en el resto de bienes diferentes a los
de interés en el respectivo análisis, solamente es necesario estimar la demanda por el bien x
incluyendo como argumento de la función de demanda el precio del bien y: Si se asume la
siguiente función de demanda
x= + px + py + m;
al aplicar el procedimiento de integración ilustrado anteriormente se obtiene la siguiente

función de cuasi-gasto
1
e(px ; py ; m) = U exp( px ) ( + px + py + );
de la cual se puede obtener la variación compensada y la variación equivalente, como resul-

tado de un cambio en el precio del bien x.
La segunda alternativa reportada en la literatura para reducir el número de funciones de
demanda a estimar consiste en la estimación de un sistema de demanda parcial. Considere
una situación en la cual no es posible estimar un sistema de demanda incompleto, debido
a que no existe variación en los precios relativos de los bienes relacionados o bien por que
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 (p1 ; ; U ) = e(p1 ; p02 ; p03 ; U ):
Diferenciando esta función con respecto a se obtiene

@e @e @p2 @e @p3
= + ;
@ @p2 @ @p3 @
@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).
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
M AX U [Ug (x; y); s; z]

s.a.: m = px x + py y + ps s + z;
donde x, y son bienes recreacionales, s corresponde, por ejemplo, a un subgrupo de vivienda,

y z es el bien Hicksiano. Las condiciones de primer orden del problema de maximización
implican que
@U @Ug
@Ug @x px
= :
@U @Ug py
@Ug @y
Observe que la razón de precios de x e y no depende de otros bienes. El gasto disponible
para recreación es mg = m ps s z = px x + py y: La solución del problema del consumidor
se puede escribir como
xi = xi (px ; py ; mg );
yi = yi (px ; py ; mg ):
A estas funciones de demanda se le asocia una función de gasto parcial eg (px ; py ; Ug ) y

una función indirecta de utilidad parcial vg (px ; py ; mg ), con las cuales es posible obtener la
variación compensada parcial (V Cg ) y la variación equivalente parcial (V Eg ) como medidas
de bienestar.
Hanemann & Morey (1992) muestran que la variación compensada parcial (V Cg ), obtenida
a partir de la función de gasto eg (px ; py ; Ug ), subestima la verdadera variación compensada
(V C no restringida): Intuitivamente, V Cg proporciona un límite inferior de la medida de
bienestar no restringida, ya que mejoras o desmejoras frecuentemente conllevarán a que el
individuo cambie su asignación presupuetaria entre todos los bienes. La medida de bienestar
no restringida incorpora este ajuste de presupuesto que efectúa el individuo. Sin embargo,
con V Cg no es posible capturar tal reasignación. Al asumir un presupuesto …jo para cada
subgrupo el individuo restringe su capacidad para tomar ventaja o adaptarse a cambios en
los precios. Por lo tanto, un individuo pagará menos por una mejora si se le restringe la
posibilidad de tomar ventaja de la misma. Análogamente, en una situación de desmejora al
individuo se le tendría que dar más dinero (una mayor compensación) dada su imposibilidad
de atenuar el impacto negativo a través de una reasignación presupuestaria.
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.
2.3.3 Aproximación numérica de medidas de bienestar

Aún si las funciones de demanda satisfacen las condiciones de integrabilidad la obtención
de una expresión para la función de gasto o cuasi-gasto puede ser complicada. Con miras
a resolver este problema Vartia (1983) sugirió un algoritmo que aproxima el cálculo de las
medidas correctas de bienestar Hicksianas, usando sólo la información observada en las de-
mandas Marshallianas. Es decir, no se requiere integrar la función de demanda Marshalliana
para derivar una medida de bienestar Hicksiana. El procedimiento sugerido por Vartia utiliza
una variable auxiliar t 2 [0; 1] a partir de la cual se de…ne una curva diferenciable p(t) que
conecta el vector de precios iniciales p0 = p(0) con el vector de precios …nales p1 = p(1):
Con esta variable auxiliar se rede…nen las funciones de gasto e indirecta de utilidad como
funciones de t. La función de gasto está dada por e = e(p(t); U ) con m0 = e(p(0); U 0 ): La
función indirecta de utilidad se de…ne como v(p(t); m(t)): Diferenciando con respecto a t la
función de utilidad se obtiene
dv(p(t); m(t)) X @v(p(t); m(t)) dpi @v(p(t); m(t)) dm(t)
n
= + ;
dt i=1
@pi (t) dt @m(t) dt
lo cual se interpreta como la tasa de cambio de la utilidad para cualquier punto de la
curva p(t): Usando la identidad de Roy y la de…nición de la utilidad marginal del ingreso
@v(p(t); m(t))=@m(t) = , la derivada de la función de utilidad se puede expresar como
!
dm(t) X i
n
dv(p(t); m(t)) dpi
= (p(t); m(t)) h (p(t); m(t)) :
dt dt i=1
dt
El objetivo consiste en calcular una medida de bienestar Hicksiana para lo cual se debe
mantener un nivel de utilidad constante como en el caso de V C o V E: Esto implica que
dv(p(t);m(t))
dt
= 0 o bien que
de(t) X i
n
dpi
= h (p(t); e(t)) ;
dt i=1
dt
donde se usó la sustitución m = e(p(t); U (t)). Resolviendo esta ecuación diferencial se
obtiene la ecuación fundamental para el procedimiento de aproximación numérica. Así,
Xn Z t
dpi
e(t) e(0) = hi (p(t); e(t)) dt: (2.19)
i=1 0 dt
De la ecuación (2.19) se obtiene el ingreso compensado que mantiene al individuo en el

mismo nivel de utilidad después de un cambio en el vector de precios. Para ello se subdivide
la distancia entre el vector de precios iniciales y el vector de precios …nales en N subvectores
de precios. Es decir, se selecciona el número de partes, N; en que se desea dividir la función
de precios, lo cual determina los puntos 0 = t0 < t1 < ::: < tN = 1 en los cuales se evalúa
la función p(t) y donde tk = k=N: Dadas estas N subdivisiones de la curva de precios la
ecuación (2.19) se puede escribir como la suma de todos los subintervalos de precios entre el
precio inicial y el …nal. Es decir,
" n Z #
X
N XN X tk
e(p1 ; m0 ) e(p0 ; m0 ) = e(tk ) e(tk 1 ) = hi (p(t); e(t))dpi (t) ;
k=1 k=1 i=1 tk 1
de la cual se deduce que

n Z
X tk
e(tk ) e(tk 1 ) = hi (p(t); e(t))dpi (t):
i=1 tk 1
En el algoritmo la integral es aproximada numéricamente. Vartia (1983) sugiere la sigu-

iente aproximación
X
n
1
e(tk ) e(tk 1 ) = hi (p(tk ); e(tk )) + hi (p(tk 1 ); e(tk 1 )) [pi (tk ) pi (tk 1 )] :
i=1
2
La función de precios está de…nida como

p(t) = p0 + t(p1 p0 );
para un número N de subdivisiones en la senda de precio y para el punto de partida
(p0 ; x0 ; m0 ) con tk = k=N:
El objetivo es moverse en etapas desde el punto inicial hasta el punto …nal sobre la
demanda compensada, ajustando el ingreso del individuo de tal forma que el nivel de utilidad
se mantenga constante. Para cada pk = p(tk ); es decir p0 = p0 ; p1 ; :::; pN = p1 , se calculan
e1 ; e2 ; :::; en valores de la función de gasto tal que
1
ek ek 1 = (hk + hk 1 )(pk pk 1 ): (2.20)
2
La ecuación (2.20) necesita una subrutina (j = 0; 1; 2; :::) para calcular el nivel de gasto
que mantiene la utilidad constante dado el respectivo k: Lo anterior es posible si se itera de
la siguiente manera
(j) 1
ek = ek 1 + (hk (pk ; ejk 11 ) + hk 1 )(pk pk 1 );
2
(0) (j) (j 1)
con ek = ek 1 ; k 0: La subrutina terminará cuando el valor de la expresión ek ek
(j) (j)
es aproximadamente cero. Después de cada subrutina se de…ne ek = ek y hk = hk y se
procede al cálculo del siguente k 10 :
10
Note que hi (p(tk ); e(tk )) = xi (p; m):
2.3.4 Cálculo de medidas de bienestar

Hausman (1980) presenta el siguiente ejemplo para el cálculo de las medidas de bienestar
usando la función de demanda lineal
x(p; m) = + p + m;
x(p; m) = 4,95 14,22p + 0,082m:
Hausman utiliza los siguientes precios iniciales y …nales p0 = (0,75; 1); p1 = (1,5; 1) y un
ingreso de m = 720: Con estos precios e ingreso la cantidad demandada es x(p0 ; m0 ) =53,
325 y x(p1 ; m0 ) =42, 66: El primer paso en el cálculo de las medidas de bienestar consiste en
veri…car las condiciones de integrabilidad. En el caso de la demanda lineal se debe cumplir
que
+ x 0;
14,22 + 0,082 53, 325 = 9, 847 4 < 0:
Luego se procede con el cálculo de las medidas de bienestar. El excedente del consumidor
está dado por Z 1,5
(4,95 14,22p + 0,082m) dp = 35, 994:
0,75
Las medidas de bienestar Hicksianas se pueden obtener usando las expresiones del Cuadro
2.1. Éstas son equivalentes a la integral de la función de demanda Hicksiana para los distintos
niveles de utilidad
Z 1,5 Z 1,5
0
VC = h(p; U )dp = e pU 0 dp; (2.21)
0,75 0,75
Z 1,5 Z1,5
VE = h(p; U 1 )dp = e pU 1 dp:
0,75 0,75
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.
Table 2.4: Información necesaria para aplicar algoritmo de Vartia
precios cantidades ingreso

p1 p2 x1 x2 m
Inicial 0,75 1 53, 325 680, 01 720
Final 1,5 1 42, 660 656, 01 720
De…nición de N y cálculo de tk y p(tk ):

Para ilustrar el algoritmo se de…ne N = 4: Así, tk = k=N y por lo tanto t0 = 0;
t1 = 14 ; t2 = 42 = 12 ; t3 = 43 , t4 = 1. Los precios correspondientes a estos valores de tk
están dados por p(tk ) = p0 + tk (p1 p0 )
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 )
Para cada k = 0; 1; 2; 3; 4 se calcula la subrutina

(m) 1 (m 1)
Ck = Ck 1 + (h(pk ; Ck ) + qk 1 )(pk pk 1 );
2
lo que requiere la determinación de la demanda con los respectivos niveles de precios
e ingreso. Si k = 0 se tiene p(0) = ( 0,75 1 ) y usando la función de demanda se
obtiene h0 = ( 53, 325 680, 01 ) (véase Cuadro 2.4, …la 1). Para k = 1; los precios
son ( 0,937 5 1 ) y las cantidades demandadas son h1 = ( 50, 659 672, 51 ): En el
(m) (1)
cálculo de h1 se usó el nivel de ingreso de la iteración anterior (Ck 1 = C0 = 720):
(0)
Con este resultado se calcula 21 (h(p1 ; C1 ) + qk 1 ) como
1
( 50, 659 672, 51 ) + ( 53, 325 680, 01 ) = ( 51, 992 676, 26 )
2
La diferencia de precios (pk pk 1 ) = (p1 p0 ) = ( 0,937 5 1 ) ( 0,75 1 ) =

( 0,187 5 0 ): Usando este resultado se tiene
(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 cual es el ingreso compensado para esta iteración de la subrutina.

2.4. MEDIDAS DE BIENESTAR: CAMBIO EN LA CALIDAD AMBIENTAL 37
Table 2.5: Resultados del algoritmo sugerido por Vartia
k m precios cantidades ingreso

(m)
p1 p2 x1 x2 Ck
0 0,75 1 53, 325 680, 01 720
1 1 0,937 5 1 50,6588 672,5074 729,7485
2 0,937 5 1 51,4581 681,5065 729,8234
3 0,937 5 1 51,4643 681,5757 729,8240
2 1 1,125 1 48,7981 674,9262 739,2236

2 1,125 1 49,5688 683,4587 739,2959
3 1,125 1 49,5748 683,5243 739,2964
3 1 1,3125 1 46,9086 677,7289 748,3417

2 1,3125 1 47,6503 685,8007 748,4113
3 1,3125 1 47,6560 685,8628 748,4118
4 1 1,5 1 44,9898 680,9272 757,0973

2 1,5 1 45,7020 688,5444 757,1641
3 1,5 1 45,7075 688,6029 757,1646
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).
2.4 Medidas de bienestar: cambio en la calidad ambi-

ental
2.4.1 De…nición de las medidas de bienestar
Desde el punto de vista de la valoración de un bien público es interesante valorar los cambios
en el bienestar como resultado de cambios en la disponibilidad o la calidad del recurso. Para
valorar estos cambios de bienestar es necesario incorporar el nivel de calidad ambiental,
denotado por q, dentro de la función de utilidad del individuo. Así,
U = U (x; q);
donde q representa un vector de bienes ambientales o de calidad ambiental. Esta función de

utilidad tiene asociada una función indirecta de utilidad v(p; q; m) y una función de gasto
e(p; q; U ): A partir de estas funciones se pueden de…nir las medidas de bienestar por cambios
en q: Considerando una mejora en la calidad ambiental de q 0 a q 1 ; con q 1 > q 0 ; las medidas

de bienestar Hicksianas se de…nen en forma similar a aquellas de…nidas para cambios en
precios.
Las medidas de bienestar pueden expresarse como11
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
Alternativamente, las medidas de bienestar se pueden expresar usando la función indirecta

de utilidad, tal y como se presenta a continuación
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.
2.4.2 Diferencias entre disposición a pagar (DAP) y disposición a

aceptar (DAA)
Algunos resultados empíricos muestran la divergencia que existe entre DAP y DAA. Re-
cuerdése que DAP y DAA hacen parte de las de…niciones de la variación compensada y la
variación equivalente. Brown & Gregory (1999) realizaron una revisión de la evidencia con
respecto a esta disparidad en estudios de valoración y concluyen que la disparidad es signi-
…cativa cuando se evalúan proyectos públicos. Para explicar este fenómeno en el caso de un
cambio en la cantidad o la calidad de un bien público, Randall & Stoll (1980) sugieren límites
para la diferencia entre la DAP y DAA siguiendo el mismo procedimiento desarrollado por
Willig para cambios en precios. Los resultados son los siguientes
l u
jEC j EC DAP jEC j
; (2.22)
2m jEC j 2m
l u
jEC j DAA EC jEC j
:
2m jEC j 2m
11
El nivel de gasto necesario para obtener un nivel de utilidad dado disminuye cuando aumenta la calidad
ambiental. Es decir, se requiere menos dinero para alcanzar el mismo nivel de bienestar ya que el nivel de
calidad ambiental es mayor.
p
h(p,U1)
a
h(p,U0)
VE
c
b
EC
VC
x(p,m)
d
x
0 1
q q
Figure 2.8: Medidas de bienestar para un cambio en la calidad ambiental
Por último la diferencia entre DAP y DAA puede expresarse como

l
jEC j2
DAA DAP :
m
La diferencia entre los resultados de Willig (ecuaciones 2.10) y Randall y Stoll (ecuaciones
2.22), es que en en el caso de un cambio en la calidad ambiental representa la ‡exibilidad
del precio ante cambios en el ingreso @p=@m
p=m
, EC representa el excedente del consumidor
como el área bajo la curva de demanda entre dos cantidades distintas del bien y m es la
cantidad del bien usado como numerario. En síntesis, Randall & Stoll (1980) realizan un
análisis similar al de Willig (1976) en un espacio de cantidades y no de precios. En este
espacio los autores muestran que si los bienes son perfectamente divisibles e intercambiables
a costo cero, la variación compensada y la variación equivalente son iguales y el cambio en
el bienestar se puede calcular como el cambio en la calidad ambiental multiplicado por el
precio del bien. Es decir, V C = EC = V E = p(q 1 q 0 ): Por otra parte, si el bien no es
perfectamente divisible entonces V C > EC > V E en el caso de una pérdida de bienestar.
En la Figura 2.8 se presenta el excedente del consumidor como el área q 0 q 1 cb, la variación
compensada como q 0 q 1 dc y la variación equivalente como q 0 q 1 ba: El orden de esta relación
se invierte para el caso de un aumento en el bienestar.
El trabajo de Randall & Stoll (1980) es extendido por Hanemann (1991) en el que se
acude a la elasticidad de sustitución para explicar la diferencia entre la DAP y la DAA.
Hanemann sostiene que a menor elasticidad de sustitución, es decir con menor cantidad de
sustitutos disponibles para el bien público, mayor es la diferencia entre la disposición a pagar
y aceptar. La ‡exibilidad del precio ante cambios en el ingreso, ; es expresada en términos
de la elasticidad precio y de la elasticidad de sustitución entre q y los otros bienes (bienes
privados por ejemplo). Esta elasticidad se expresa como = . Si = 0 o = 1 entonces
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.
2.4.3 Integrabilidad y cambio en la calidad ambiental

Como lo demuestran LaFrance & Hanemann (1989) no es posible obtener las medidas de
bienestar Hicksianas a partir de la función de demanda Marshalliana para un cambio en
la calidad ambiental. El problema reside en que al integrar esta función de demanda para
recuperar la función de cuasi-gasto, se obtiene una constante de integración (denotada por
A = U en la sección anterior) la cual depende del nivel de utilidad (U = U ) y de la calidad
ambiental (q), pero no de los precios. Sin información adicional sobre la forma en que la
constante de integración depende de la calidad ambiental es imposible obtener una función
de cuasi-gasto que permita calcular variación compensada o equivalente
Larson (1991) sugiere recurrir al supuesto de complementariedad débil, el cual permite
inferir el impacto en el bienestar por un cambio en la calidad ambiental a partir de curvas
de demanda. Una de…nición de complementariedad débil entre x y q se debe a Hicks y se
expresa como
@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
D h(p,q1,U0)
B C
p
h(p,q0,U0)
x1 1 x0 1 x1
Figure 2.9: Desplazamiento de la función de demanda ante un cambio en q
@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 ):
donde p^ es el precio de exclusión.

Si se calcula la diferencia de ambas medidas de bienestar se obtiene la expresión para el

cambio en el bienestar, representada por el área sombreada de la Figura ??. Así,
V C(q 1 ) V C(q 0 ) = e(^

p; q 1 ; U 0 ) e(p0 ; q 1 ; U 0 )
p; q 0 ; U 0 )
e(^ e(p0 ; q 0 ; U 0 ) ;
V C(q 1 ) V C(q 0 ) = e(p0 ; q 0 ; U 0 ) e(p0 ; q 1 ; U 0 ):
En la expresión anterior e(^p; q 1 ; U o ) y e(^p; q 0 ; U o ) son iguales a cero como resultado del
@e
supuesto de complementariedad débil @q p; q; m) = 0 , ya que p^ representa un precio de
(^
exclusión.
Por consiguiente, si se cumple el supuesto de complementariedad débil el cambio en el
bienestar del individuo se puede medir como el área entre dos curvas de demanda Hicksianas.
Formalmente,
1 0
Zpî Zpî
V C(q) = hi (pi ; q 1 ; U )@p hi (pi ; q 0 ; U )@p; (2.23)
pi pi
donde p^1iy p^0i

constituyen los precios de exclusión para la función de demanda Hicksiana al
nivel de calidad ambiental q 1 y q 0 ; respectivamente. La diferencia en el área entre dos curvas
de demandas Marshallianas puede ser usada como una medida aproximada de las medidas
de bienestar Hicksianas por un cambio en la calidad ambiental.
Larson (1991) sostiene que la complementariedad débil se puede emplear como una re-
stricción sobre las preferencias cuando se integran las funciones de demanda con el propósito
de obtener la función de gasto e(p; q; U ). Al igual que en el caso anterior, se puede usar la
metodología de Hausmann para obtener una función de gasto.
La ecuación diferencial
@e(p; q; U )
= xi (p; q; e(p; q; U )); (2.24)
@p
proporciona el vínculo entre la pendiente de precio de la función de gasto y las demandas Mar-
shallianas. Dada una representación paramétrica de xi (p; q; m) se puede integrar la ecuación
(2.24) secuencialmente para todo i y obtener la función de cuasi-gasto e~(p; q; (q; U )). Esta
función de cuasi-gasto está relacionada con la verdadera función de gasto por medio de
e(p; q; U ) = e~(p; q; (q; U )), donde e~ es una función conocida que representa la parte de la
función de gasto que es identi…cada paramétricamente de la ecuación (2.24) y (:) es la con-
stante desconocida de integración que, a diferencia del caso tradicional, depende de q (el
cual no es constante) y de una constante U . Dado que no se conoce la forma en que (:) re-
sponde a cambios en la calidad ambiental es necesario agregar una información adicional con
respecto a las preferencias. Esta información adicional es el concepto de complementariedad
débil, el cual se de…ne como
@e(^pi (0; q; U ); q; U )
= 0: (2.25)
@q
Esto implica agregar una segunda integración en el proceso de obtención de la función de
gasto. En esta ocasión la integración se realiza sobre la calidad ambiental resultando en una
representación parámetrica de la constante (q; U ) y en la posibilidad de obtener la función

de gasto.
Para el procedimiento completo de integración es necesario tener en cuenta los siguientes
aspectos
e(p; q; U ) = e~(p; q; (q; U ));

@e(^
pi (0; q; U ); q; U )
= 0; y luego
@q
@~
e(^
pi ; q; (q; U )) @~
e(^
pi ; q; (q; U )) @ (q; U )
+ = 0:
@q @ @q
Dado que e~ es conocida la ecuación (2.25) se puede integrar para obtener (q; U ) =
~(q; (U )), donde ~(:) es una función conocida y (U ) es una constante de integración inde-
pendiente de los precios (p) y de la calidad ambiental (q).
Para ilustrar el procedimiento Larson utiliza la función de demanda lineal xi = + p +
m + q: Aplicando la metodología de Hausmann se obtiene la función de gasto dada por
p 1
e~(p; q; (p; U )) = (q; U )e ( + p+ q+ ): (2.26)
Este modelo está adecuadamente de…nido para 0 x = , cuya función de gasto e

indirecta de utilidad son
( 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:
a. Dada la expresión (2.26) para la función de cuasi-gasto, se obtiene el precio de exclusión

derivando con respecto al precio e igualando a cero.
@~
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 )
b. Reemplazar las expresiones (2.28) y (5.26) en la función de cuasi-gasto
1
e~ (p; q; (p; U )) = 2 ( + ln( 2 )+ q+ ):
(q; U )
c. Al aplicar el supuesto de complementariedad débil se tiene que

@e(^
pi (0; q; U ); q; U )
= 0;
@q
@e(^
pi (0; q; U ); q; U ) @
= 2 2 ln( 2
(q;U )
) q 2 ;
@q @q
( !)
2 2
@e(^
pi (0; q; U ); q; U ) (:) (@ (:)=@q)
= 2 2 = 0;
@q 2
(:)
y simpli…cando,
@ (q; U )
2 = ;
(q; U ) @q
1
@ (q; U ) = @q:
(q; U )
Solucionando esta ecuación diferencial se obtiene
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)
A modo de ilustración se reproduce el procedimiento presentado por Larson (1991) para la

obtención de la función de gasto a partir de la función de demanda por x: La función de gasto
se puede obtener reemplazando las funciones de demanda en la función de utilidad directa
e invirtiendo la función indirecta de utilidad. Larson muestra que estos dos procedimientos
alternativos no entregan idénticas funciones de gasto y que el procedimiento de integración
da lugar a funciones de gasto más ‡exibles. En esta sección se presenta el procedimiento de
integración (para detalles adicionales véase Apéndice A).
a. Obtener la función de gasto a partir de la función de demanda. Por el lema de Shepard

se sabe que
@e b(q) m c c
= + ;
@p 1 + b(q) p 1 + b(q)
reordenando se tiene
@e B(q) B(q) c
m+ c = 0;
@p p p 1 + b(q)
b(q)
con B(q) = . Aplicando la solución general de una ecuación diferencial se
1 + b(q)
obtiene
e~(p; q; (q; U )) = c + cp + (q; U )pB(q) ; (2.31)
donde (q; U ) es una constante desconocida.
b. Usando el supuesto de complementariedad débil dado por
@~
e(^
p(0; q; U ); q; U )
= 0;
@q
@~
e(^
p; q; (q; U ))
= c + (q; U )B(q)pB(q) 1
= 0;
@p
c
p^ = ( ) (1+b(q)) ;
(q; U )B(q)
luego
8 ( )B(q) 9
@~
e(:) < c
(1+b(q))
c
(1+b(q)) =
@
= @q c +c + ;
@q : B(q) B(q) ;
@~
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
@ @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
Al solucionar las integrales se encuentra que

b b
"= + ln( c) + ln(1 + b) ln b;
1+b 1+b 1+b
donde se han agrupado las constantes en y dado que " = ln se tiene que
=(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
Es pertinente señalar que en el trabajo empírico no se debe imponer el principio de com-

plementariedad débil per se. No obstante, en algunos casos el supuesto puede ser apropi-
ado. Desafortunadamente cuando la complementariedad débil entre el bien x transado en
el mercado y la calidad ambiental q no es apropiada no existe otra forma alternativa que
permita medir cambios en el bienestar debido a cambios en la calidad ambiental. Se requiere
justi…cación por parte del investigador en lo referente a la selección de cuáles bienes son
complementarios débiles con respecto a la calidad ambiental, y cómo esta escogencia afecta
la forma de la función de gasto que se recobra en el proceso de integración y las estimaciones
de los cambios en la calidad.
Chapter 3
Método de costo del viaje
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
tanto continuas como discretas. En tercer lugar, se presenta un ejemplo de aplicación de la

metodología básica, la cual incluye una descripción del problema y la estimación de medidas
de bienestar usando distintos tipos de muestras y métodos de estimación. Por último, se
presenta el modelo de utilidad aleatoria, su estimación econométrica y sus limitaciones.
3.2 Modelo general de costo del viaje

En este tipo de modelos se trata de formalizar el comportamiento de un individuo o grupo de
personas, en lo que respecta al número de viajes que serán realizados a un determinado sitio.
Estos modelos de comportamiento están basados en una hipótesis común de maximización
de la utilidad sujeta a una restricción presupuestaria (Hueth & Strong, 1984).
Es recomendable mantener una conexión entre el modelo empírico y un modelo de com-
portamiento bien de…nido, basado en formas funcionales correctamente especi…cadas para
la función directa o indirecta de utilidad. Para el caso particular del M CV es posible con-
siderar un modelo de producción familiar como base teórica de la técnica de valoración de
bene…cios recreacionales (Muellbauer, 1974; Bockstael & McConnell, 1983). Desde el punto
de vista económico, se puede estudiar la familia como una unidad productora que compra
bienes en el mercado y usa tiempo para realizar actividades que le producen satisfacción
(Becker, 1965). Si se asume por ahora que existe sólamente un sitio disponible y que todas
las visitas tienen la misma duración, es factible adaptar de Niklitschek (1996) el problema
de decisión de la familia de la siguiente manera
M AX U (x; z) (3.1)
s.a.: m = d + wtw = z + (c1 + c2 )x (3.2)

T = tw + (t1 + t2 )x (3.3)
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
tw = T (t1 + t2 )x: (3.4)

Al sustituir (3.4) en (3.2) se obtienen las siguientes expresiones
m = d + w[T (t1 + t2 )x] = z + (c1 + c2 )x;

d + wT = w(t1 + t2 )x + z + (c1 + c2 )x;
d + wT = z + [(c1 + wt1 ) + (c2 + wt2 )]x: (3.5)
De la ecuación (3.5) se deduce que wT corresponde al ingreso obtenido si se dedicara

todo el tiempo a trabajar; c1 + wt1 equivale al costo de viaje y c2 + wt2 representa el costo
de permanencia. La ecuación (3.5) puede reescribirse de la siguiente manera
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:
En esencia se trata de estimar x = x(px ; m ) y z = z(pz ; m ), que son las funciones

de demanda que se obtienen al resolver el problema primal. Al respecto, es importante
señalar que la restricción presupuestaria (3.6) es lineal, y que en el caso de este problema de
estimación es pertinente recordar la discusión relacionada con la estimación de sistemas de
demanda incompletos y parciales del capítulo 2.
Los supuestos implícitos del modelo teórico esbozado son los siguientes:
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.
Se asume que los individuos perciben y responden a cambios en el costo de viaje en la

misma forma que responderían a cambios en precios de admisión al sitio. Esto conlleva
a la necesidad de estimar cuidadosamente el valor monetario del costo de viaje.
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.
El tiempo de permanencia en el lugar de recreación no es parte del proceso de decisión

del individuo. Por lo tanto, el tiempo de permanencia es exógeno y …jo, lo cual ignora
la heterogeneidad de los viajes en lo correspondiente a su duración.
No existen sitios alternativos; es decir, no se consideran posibles sustitutos.
La tasa de salarios representa el costo de oportunidad del tiempo.

3.3. ASPECTOS TEÓRICOS DEL MÉTODO 51
El individuo no percibe utilidad o desutilidad durante el viaje o durante su tiempo de

trabajo.
La formulación inicial del M CV posee un marco conceptual basado en supuestos que

necesitan ser revisados para casos y situaciones particulares. Igualmente, es necesario indagar
sobre los posibles sesgos y di…cultades que pueden originarse en los aspectos prácticos del
método. Dentro de este contexto se puede citar el trabajo de Bishop & Heberlein (1979),
donde se advierte sobre la fuente de posibles sesgos atribuibles a diferencias en los gustos y
preferencias, el acceso a sustitutos y los niveles de ingreso de los recreacionistas. Además,
se han identi…cado inconvenientes en la aplicación del M CV relacionados con viajes de
propósito múltiple (recreación y trabajo, por ejemplo), o viajes a múltiples sitios (Haspel &
Johnson, 1982).
3.3 Aspectos teóricos del método

A medida que el método se ha desarrollado los esfuerzos se han concentrado en la con…gu-
ración de nuevos modelos, en la evaluación de los supuestos inherentes a distintas especi…ca-
ciones de los mismos y en el análisis de las di…cultades econométricas de la estimación. Smith
& Kaoru (1990), en una extensa revisión de estudios de bene…cios recreacionales, destacan
los siguientes temas relevantes en el M CV : clasi…cación de sitios para recreación, de…nición
de un sitio recreacional y de su calidad, cálculo del precio implícito, modelación del costo de
oportunidad tanto del viaje como de permanencia en el sitio, descripción del papel de sitios
sustitutos en la provisión de ‡ujos de servicios recreacionales y, por último, vinculación entre
la demanda y un modelo de comportamiento. A continuación se hará una breve referencia a
los tópicos más importantes desde la perspectiva teórica.
3.3.1 Tipos e identi…cación de sitios recreacionales

Clawson & Knetsch (1966) identi…can tres clases de sitios: a) sitios orientados por el usuario
y que están básicamente circunscritos al entorno de la ciudad, parques, piscinas, canchas de
golf; b) sitios intermedios referidos a reservas, parques estatales o federales, y c) sitios basados
en el recurso, los cuales poseen cualidades únicas y singulares. Sin embargo, es factible que
un sitio pertenezca a varias categorías. En términos generales, se opta en muchos casos por
la inclusión de variables cualitativas en los modelos, de tal forma que den cuenta de las
actividades recreativas que se realizan en el lugar de recreación.
En algunas ocasiones es difícil considerar un sitio como una unidad bien de…nida. La
de…nición del sitio de recreación puede conllevar a imprecisiones en diversos casos, como
por ejemplo cuando el recurso es de una gran extensión como bosques o estuarios, o bien
cuando las áreas no tienen características uniformes. En otras ocasiones es posible que
dos actividades se realicen dentro de sitios muy cercanos, lagos o sitios de ski, o tal vez la
información existente no permita aislar el recurso que proporciona el servicio de recreación.
No obstante, si los recursos son lo su…cientemente similares éstos pueden agregarse.
Si los individuos participan en más de un una actividad recreacional dentro de un sitio,
una práctica común es la de clasi…car los usos según la importancia o motivo principal de
viaje. También es importante considerar la temporada en la cual se desarrolla cada tipo de

actividad, ya que algunas pueden desarrollarse solo en temporadas especí…cas como caza, ski
o natación. Por su parte, otras actividades pueden llevarse a cabo en cualquier época del
año, como es el caso de las caminatas (Parsons, 2003; Haab & McConnell, 2003).
3.3.2 Cálculo del precio implícito del viaje

Como su nombre lo indica el método de costo del viaje requiere de una de…nición del precio
implícito asociado al viaje (costo del viaje). Este precio implícito debe incluir todos los
gastos necesarios para realizar un viaje. Entre los elementos que se deben tener en cuenta
para de…nir este precio están los siguientes:
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.
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.
3.3.3 Costo de oportunidad del tiempo de viaje y de permanencia

en el sitio
En el problema general de maximización de la utilidad por parte de la unidad familiar,
se considera el costo tanto de viaje como de permanencia en el sitio. En la literatura se
encuentra una gran variedad de supuestos relacionadas con la tecnología de producción
familiar, el ingreso y el tiempo, tanto de viaje como de permanecia en el sitio, los cuales
afectan la modelación econométrica y las medidas de bienestar. El enfoque inicial utilizado
en la literatura incluye el concepto de ingreso total sugerido por Becker (1965), en el cual
se vinculan las restricciones de tiempo e ingreso en una sola restricción. El ingreso total es
una función del salario del individuo, del tiempo de trabajo y de las ganancias no asociadas
directamente al trabajo. Esto fue explícitamente contemplado en la modelación del caso
básico. En este contexto se asume que el tiempo puede ser asignado libremente a cualquier
uso, por lo cual todos los usos de tiempo tienen el mismo costo de oportunidad equivalente
a la tasa de salario (Smith & Kaoru, 1990).
Una di…cultad práctica en el uso de la tasa de salario como costo de oportunidad del
tiempo, consiste en que los datos de las encuestas generalmente se re…eren a ingreso familiar.
Si este ingreso se divide por el número aproximado de horas trabajadas en el año, es probable
que se incurra en errores en la medición ya que se estaría usando el salario promedio y no
el salario marginal. Smith et al. (1983a) a…rman que una forma de evitar tal situación
sería estimar separadamente una ecuación de salarios hedónicos, con el propósito de predecir
la tasa de salario para cada individuo de la muestra. Por su parte Hausman et al. (1995)
utilizan la selección del modo de transporte como una posibilidad de determinar el costo de
oportunidad del tiempo.
El problema fundamental consiste en determinar si la tasa de salario constituye el precio
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 ;
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 ):
Por el contrario, si el individuo se encuentra en una solución de esquina en el mercado

laboral no se puede llevar a cabo la sustitución anterior. La función de demanda sería
xi = xi = xi (c; t1 ; m; T ) = xi (c; t1 ; d + wtw ; T tw );
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.
En términos prácticos se debería preguntar al individuo si tiene la posibilidad de trabajar

horas extras en caso de optar por no visitar el sitio de recreación. Además, es necesario
determinar si efectivamente recibirá salario extra por las horas adicionales de trabajo. El
costo asociado a un modelo como el sugerido por Bockstael et al. (1987) es que el problema
de maximización contiene dos restricciones: una de ingreso y otra de tiempo. Esto quiere
decir que existen dos formulaciones duales para este problema: minimización de gasto o
minimización de tiempo. Por lo tanto, para la obtención de la función de gasto no se pueden
usar las condiciones tradicionales de integrabilidad, por lo que se debe partir directamente de
la función de utilidad directa (por lo menos con tres bienes) y luego derivar tanto las funciones
de demanda como las funciones de gasto para obtener medidas de bienestar Hicksianas1 .
Bockstael et al. (1987) derivan, a partir de una función de utilidad directa, la siguiente
expresión para la función de demanda
xij = + m + T + c1 + ti1 ;
donde el costo directo y el costo de tiempo constituyen argumentos independientes en la

función de demanda. En la aplicación del método Bockstael et al. (1987) encuentran que
el costo de oportunidad del tiempo es mayor para los individuos en una solución de esquina
que para aquellos individuos que pueden ajustar discrecionalmente su oferta laboral.
McKean et al. (1995) comparan las propuestas de McConnell & Strand (1981) y Bockstael
et al. (1987) encontrando diferencias signi…cativas en el costo de oportunidad del tiempo
derivado de cada modelo. Usando el primer modelo la estimación del costo de oportunidad
del tiempo es de 7,47 dólares por hora. El segundo modelo arroja un valor de 11,54 dolares
por hora. Adicionalmente, los autores encuentran que dependiendo de la distancia recorrida,
o tiempo de viaje, el costo de oportunidad del tiempo excede el ingreso promedio para
recorridos menores a 14 horas. La relación se invierte para tiempos de viaje superiores a este
valor crítico.
Como lo sugiere Shaw (1992) las diversas conclusiones existentes en la literatura sobre el
correcto valor de oportunidad del tiempo se explican por los diferentes supuestos incorporados
en los modelos teóricos. Por lo tanto, los investigadores deberían ceñirse al marco teórico que
mejor se ajuste a la situación particular del bien a valorar. Esto implica un mayor esfuerzo en
la adquisición de datos. En la práctica se debe identi…car correctamente el tipo de actividad
que desarrollan los individuos y las alternativas de uso del tiempo disponible para cada
consumidor. El tipo de bien y sus características de…nen el modelo teórico a utilizar y las
variables a ser incorporadas en la función de utilidad, lo cual consecuentemente determina el
costo de oportunidad del tiempo. En otras palabras, se debe prestar atención a la estructura
de las preferencias de los individuos, y cómo éstas son afectadas por las características de
los sitios y por las múltiples actividades que el individuo realiza en éstos.
Especial atención merece el tiempo de permanencia en el sitio de recreación, el cual ha
sido considerado en forma ambigua en el M CV . Cuando las personas que visitan el sitio
provienen de lugares relativamente distantes, es posible suponer que el tiempo de viaje sea
tan largo que aumente la probabilidad de permanecer más tiempo en el sitio. Como lo
señala McConnell (1992), el tiempo en el sitio constituye un problema dual ya que puede ser
1
Una extensa revisión de las propiedades de modelos de recreación con dos restricciones se encuentra en
Larson & Shaikh (2001).
fuente de utilidad y también de costo. Si el tiempo de permanencia (t2 ) produce utilidad, es

importante considerarlo en la función de utilidad
U = U (x; z; t2 ): (3.11)
Por lo general se asume que la función de utilidad exhibe la condición de complemen-

tariedad débil entre el número de viajes (x) y el tiempo de permanencia (t2 ). Por lo tanto
@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
m = d + wT = z + [(c1 + wt1 ) + (c2 + wt2 )]x: (3.14)
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 + (c1 + wt1 )x + (c2 + w)t2 x: (3.15)
Si se considera px = c1 + wt1 y pt = c2 + w, la ecuación (3.15) se puede escribir como
m = z + px x + pt t2 x = z + (px + pt t2 ) x = z + p x; (3.16)
con p = px + pt t2 : El problema consiste en maximizar la función U = U (x; z; t2 ) sujeta a la

restricción de la ecuación (3.16). Si el tiempo de permanencia es exógeno la maximización
de utilidad permite obtener una función de demanda Marshalliana de la forma
xi = xi (p ; m ; t2 ): (3.17)
Ahora bien si t2 no es exógeno, no puede constituir un argumento de la función de

demanda Marshalliana ya que produciría estimadores inconsistentes. En este caso lo más
apropriado sería estimar dos ecuaciones. Una que determina el tiempo de permanencia como
una función del costo del viaje, del costo de permanencia y del ingreso del individuo; es decir,
t2 = t2 (px ; pt ; m ); (3.18)
y otra función que determina la demanda o número de viajes
xi = xi (px ; pt ; m ): (3.19)
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
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.
3.3.4 El tratamiento de sitios sustitutos

Existe poca duda sobre el papel preponderante de los precios de bienes sustitutos cuando se
pretende modelar la demanda de cualquier bien. En investigaciones de recreación a veces se
incluye información de la mejor alternativa disponible para el entrevistado, sin constatar la
posibilidad real de acceso a sitios sustitutos o la percepción que de estos lugares tienen los
usuarios potenciales.
Se ha encontrado que la omisión de precios de sustitutos tiende a generar sesgos en las
estimaciones de bene…cios recreacionales (Cuddington et al., 1981; Caulkins, et al., 1985;
Kling, 1989; McKean & Revier, 1990; Smith, 1993b). También es posible observar la presen-
cia de multicolinealidad entre los precios de los sustitutos y la variable precio (representada
por el costo de viaje) del sitio que es objeto de estudio (Rosenthal, 1987). Finalmente, es
importante destacar la di…cultad de incluir precios de sustitutos en el modelo de demanda, si
se tiene presente la información requerida en cuanto a distancias y los respectivos consumos
de tiempo en los diferentes sitios (Agnello & Han, 1993).
Wilman & Perras (1989) enfatizan que no se trata de incluir precios de sustitutos per se.
Por el contrario, las variables incluidas deberían ser medidas exactas de la forma en que los
recreacionistas perciben los sitios alternativos. Esta percepción puede diferir por factores
relacionados con la actividad recreativa misma, el grado de familiaridad que se tenga del
área y las consideraciones referidas a la calidad ambiental del sitio. En la práctica muchos
estudios no han tenido en cuenta precios de sustitutos, o en su defecto se han con…gurado
índices o variables cualitativas que re‡ejen esta particularidad dentro del modelo.
La forma más simple de incluir los sustitutos dentro de la función de demanda consiste
en incorporar el precio de estos bienes como un argumento de la función de demanda
xij = xij (p1 ; ::::pn ; m) :
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
para cada uno de los posibles sitios relacionados. Es decir
xi1 = xi1 (p1 ; ::::pn ; m)

..
.
xin = xin (p1 ; ::::pn ; m) :
En el caso de escogerse esta alternativa todos los elementos discutidos en el capítulo 2

sobre la estimación de sistemas de demanda serían pertinentes, con especial referencia a
las condiciones de integrabilidad del sistema de demanda. Además, problemas asociados
a la existencia de variables truncadas, censadas o de naturaleza discreta podrían ahora
ser importantes. Éstos serán discutidos en la próxima sección. Aún si la estimación del
sistema de demanda considera los aspectos de integrabilidad y estadísticos, la estimación no
es necesariamente compatible con un modelo de maximización de la utilidad del consumidor
y no permite explicar por qué los individuos eligen visitar un sitio y no otro. Algunos de
estos problemas son resueltos con la utilización de modelos de utilidad aleatoria discutidos
al …nal del presente capítulo.
3.4 Métodos de estimación econométrica

Desde comienzos de la década de los ochenta se identi…caron dos corrientes básicas de trabajo
que apuntan a la estimación de funciones de demanda por zonas de origen, o aproximación
de Clawson-Knetsch, y a la estimación de funciones de demanda individual.
Como lo señalan Willis & Garrod (1991) la aproximación Clawson-Knetsch tiene en
cuenta visitantes individuales a un determinado sitio de recreación, pero agrupados acorde
a diferentes zonas de procedencia. Por lo tanto, se pretende explicar la variabilidad en las
tasas de visitas como resultado del costo de viaje, de las características socio-económicas de
los residentes de cada área de origen y de las características de sitios alternativos. Este tipo
de modelo se denominará método de costo del viaje por zonas de origen, M CV Z, y una
especi…cación general del mismo sería la siguiente
Xhj
= f (Chj ; Sh ; Ajk ; ehj ); (3.20)
Ph
donde:
Xhj : número de viajes de la zona h al sitio j,
Ph : población de la zona h,
Chj : costo del viaje de la zona h al sitio j,
Sh : características socio-económicas de la población de la zona h,
Ajk : atributos recreacionales del sitio j en relación con el sustituto k,
ehj : término de error.
Este modelo fue ampliamente utilizado hasta principios de los ochenta. Por esa época
aparecieron contribuciones teóricas y empíricas relativas a los límites espaciales del método,
al considerar la factibilidad que personas provenientes de sitios más lejanos no atribuyeran al
viaje un propósito único. Este tipo de recreacionistas aprovecharía para visitar otros sitios, o
en su defecto aumentaría su tiempo de estadía (Smith & Kopp, 1980). También se concluyó
3.4. MÉTODOS DE ESTIMACIÓN ECONOMÉTRICA 61
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).
3.4.1 Muestras truncadas y censadas

De acuerdo con Hellerstein & Mendelsohn (1993) los estudios que se orientan a la deter-
minación de demandas recreacionales se caracterizan porque el número de viajes o días de
permanencia en el sitio son siempre valores positivos, y a la vez de naturaleza entera. El
hecho que la demanda por viajes o días de recreación no puedan ser negativos, y la exis-
tencia de un número relativamente grande de observaciones alrededor del valor cero, de…nen
los llamados modelos de carácter censado. Tobin (1958), estudiando el consumo de bienes
durables, analizó el problema al formular el siguiente modelo de regresión
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 = xi (px ; ps ; m) + "i , si xi > 0 (3.24)

xi = 0 , si xi < 0
donde xi es el número de viajes, px y ps son el costo del viaje al sitio de interés y a un

sustituto cercano, respectivamente, y m es el ingreso del individuo. En el modelo se impone
la restricción de no obtener datos negativos. Además, se asume que "i N (0; 2 ): Si una
persona participa se tiene que xi = xi (px ; ps ; m) + "i > 0; y denotando y = 1 si la persona
participa e y = 0 en otros casos, entonces la probabilidad (Pr) que participe estará dada por
Pr(y = 1) = prob(xi (px ; ps ; m) + "i > 0);

Pr(y = 1) = prob("i > xi (px ; ps ; m));
"i xi (px ; ps ; m)
Pr(y = 1) = prob( > );
"i xi (px ; ps ; m)
Pr(y = 1) = prob( < ): (3.25)
Donde se procedió a estandarizar y se usó la propiedad de simetría de la distribución

normal. Por consiguiente, la probabilidad que el individuo participe está representada por
xi (px ; ps ; m)
Pr(y = 1) = ;
donde es la función de distribución normal acumulada. Por su parte, la probabilidad que

un individuo no participe está dada por
xi (px ; ps ; m) xi (px ; ps ; m)
Pr(y = 0) = 1 ( )= ( ):
La probabilidad de realizar un determinado número de viajes está de…nida como

"i
( )
Pr(xi = xi ) = :
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:
enteros no negativos: la variable dependiente (número de viajes o días de recreación)

es siempre un entero positivo.
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.
estrati…cación endógena: las personas o familias que van frecuentemente al sitio

tienen una mayor probabilidad de ser seleccionadas en la muestra, con respecto a otras
que visitan el lugar sólo ocasionalmente.
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
estocástico o aleatorio in‡uencien las decisiones de participación y frecuencia. Pero bajo

ciertas condiciones, es factible veri…car que la formulación de una estructura del tipo To-
bit constituye un caso particular del modelo de Heckman. Cragg (1971) propuso un tercer
modelo de comportamiento que es muy similar al de Heckman, pero con la diferencia que
está condicionado a una respuesta positiva en la decisión de participación. Sin embargo, el
trabajo de Bockstael et al. (1990) los compara empíricamente, y concluye que los modelos
de Cragg y Tobit conducen a estimaciones de bene…cios mucho más conservadoras que las
suministradas por el modelo de Heckman.
3.4.2 Función de verosimilitud con distribuciones continuas

La mayoría de las estimaciones de demanda recreacional utilizan estimaciones máximo verosímil.
El procedimiento de máxima verosimilitud pretende encontrar un vector de estimadores, los
cuales puedan dar cuenta de la máxima probabilidad de obtener los datos observados en
los trabajos empíricos (Judge et al., 1988), aún en modelos inadecuadamente especi…cados
(White, 1982). A continuación se detallan algunas expresiones básicas y descripciones de los
distintos modelos. La función de demanda lineal puede expresarse en forma matricial de la
siguiente forma
Y=X + ; (3.26)
donde Y es un vector nx1 que representa los valores del número de viajes para una muestra
de tamaño N ; X representa una matriz nxk de variables explicatorias o exógenas (precio
implícito o costo de viaje, precios de sustitutos, características socio-económicas, etc);
es un vector de parámetros kx1 y es un vector nx1 de errores aleatorios, los cuales se
distribuyen normalmente con media 0 y varianza 2 . En la literatura de demanda recreacional
se evidencia la sensibilidad de las medidas de bienestar a las diversas formas funcionales
(Ziemer et al., 1980; Adamowicz et al., 1989; Ozuna et al., 1993).
De acuerdo con Amemiya (1984) la función de verosimilitud para la ecuación dada en
(3.26) y una muestra censada está dada por2
Q X Q 1 Y X
L= 1 ; (3.27)
0 1
donde y representan la función de distribución acumulada y de densidad, respectiva-

mente, de una variable normal estándar, y los subíndices 0 y 1 representan a los no partici-
pantes y los participantes. El logaritmo de la función de verosimilitud de la ecuación anterior
puede escribirse como
P X N1 1 P
` = ln L = ln 1 ln 2
2
(Y X )2 : (3.28)
0 2 2 1
Para el caso de muestras truncadas, la función de verosimilitud y su respectivo logaritmo

se de…nen como
1
Q 1 Y X X
L= ; (3.29)
2
Para un mayor detalle de la derivación de la función de verosimilitud ver Apéndice B.
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.
3.4.3 Función de verosimilitud con distribuciones discretas

La mayoria de los modelos de costo del viaje se estiman usando distribuciones discretas dadas
las característica de variable discreta no-negativa que tiene la variable dependiente (número
de viajes). Además, en muestra censadas se incluye generalmente un número importante
de personas que no han visitado el sitio en la temporada. Es decir, se incluye una gran
cantidad de ceros. También, es recurrente el hecho de que las personas realicen solo un
número pequeño de viajes al sitio recreacional, con uno o dos viajes al sitio como máximo
(Haab & McConnell, 2003).
En virtud de lo anterior, los estudios han resuelto esta situación recurriendo al uso de
funciones de densidad discretras como la distribución Poisson, de…nida como
xi
e i
i
fx (x; ) = ; xi = 0; 1; 2; ::: (3.31)
xi !
donde i es el parámetro Poisson, que corresponde tanto a la media (número esperados

de viajes) como a la varianza de la distribución, y xi corresponde al número de viajes del
individuo i. Dada la necesidad que i > 0, es decir que el número esperado de viajes sea
positivo, i se expresa como una función exponencial de las variables explicativas del modelo.
Así, i = exp(X ) y la función de verosimilitud para una muestra de tamaño N se puede
escribir como
YN
exp ( i ) xi i
L( jXi ; ni ) = ; xi = 0; 1; 2; :: (3.32)
i=1
xi !
la cual luego de tomar el logaritmo se de…ne como

P
` = ln L = ( i + xi ln i ln xi !): (3.33)
Usando la forma funcional más frecuente para i ; es decir i = exp(Xi )3 , se tiene

P
` = ln L = ( exp(X ) + xi (X ) ln xi !): (3.34)
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)!
Los valores esperados de (3.35) y (3.36) son =(1 e ) y + 1, respectivamente. Es-

tos modelos Poisson, al igual que los modelos de distribuciones continuas, implican ciertas
restricciones sobre el modelo estadístico. La característica más relevante en este caso tiene
relación con el hecho de que en los modelos Poisson se asume igualdad entre la media y la
varianza de la distribución. Si este supuesto no es válido empirícamente es muy probable
obtener estimadores sesgados. El estimador en el modelo Poisson truncado puede ser sesgado
e inconsistente en la presencia de sobredispersión, la cual se considera como una forma de
heterocedasticidad, y se de…ne como el exceso de varianza condicional sobre la correspondi-
ente media condicional de la variable dependiente (cuando la razón varianza-media es mayor
que 1). En condiciones de esta naturaleza es recomendable acudir a la distribución Binomial
Negativa, considerada como una extensión de una Poisson.
Para la Binomial Negativa la forma funcional típica de i es i = exp(xi + ), donde
exp( ) tiene una distribución gamma con media 1 y varianza . Además, la media de la
variable aleatoria dependiente es y su varianza es + 2 . La razón varianza-media es
1 + , de tal forma que el grado de sobredispersión es función tanto de como de . Si
! 0, la distribución gamma pierde signi…cancia y la distribución Binomial Negativa se
reduce a una distribución Poisson. Englin & Shonkwiler (1995) desarrollan un modelo de
demanda recreacional basado en la distribución binomial negativa, con la idea explícita de
contribuir a la posible corrección de los sesgos de truncación y estrati…cación endógena en
muestras truncadas.
Existen pruebas estadísticas que pueden usarse para veri…car problemas de especi…cación
en modelos de estimación econométrica con distribuciones discretas (Lee, 1986; Mullahy,
3
Hausman et al. (1984) resaltan que i es una función determinística de Xi y que la aleatoriedad en el
modelo proviene de la especi…cación Poisson para xi .
3.5. MÚLTIPLES SITIOS Y CAMBIOS EN CALIDAD AMBIENTAL 67
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.
3.5 Múltiples sitios y cambios en calidad ambiental

Una extensión del modelo básico de costo del viaje es la estimación de un sistema de demanda
para diferentes sitios. En general, estos modelos acuden a diferentes soluciones estadísticas
para abordar la clase de problemas descritos en el caso de un solo sitio: la naturaleza entera
del número de viajes, la no negatividad y la selección de la muestra. La solución general
requiere la especi…cación de un modelo estadístico de un sistema de demanda de la forma
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
Al imponer las condiciones de integrabilidad el sistema puede estimarse con un modelo

Tobit simultáneo. Además, se puede considerar el problema de participación en la actividad
recreativa y la naturaleza entera y no negativa del número de viajes en forma conjunta, us-
ando un modelo para la estimación de un sistema de ecuaciones Poisson o Binomial Negativa
(Sparza, 1999; Ozuna & Gómez, 1994).
Con un sistema de demanda como el anterior es posible analizar tanto el precio de bienes
sustitutos como la estimación de medidas de bienestar por cambios en la calidad ambiental
del sitio. El primer aspecto fue discutido en secciones anteriores. El tratamiento de la calidad
ambiental será brevemente discutido en los siguientes párrafos.
En el capítulo 2 se presentó el supuesto de complementariedad débil al cual se puede
recurrir para estimar medidas de calidad ambiental. Sin embargo, algunas complicaciones
prácticas relacionadas con la medición de las características ambientales relevantes y su
incorporación en los modelos de demanda constituye un lugar común. Para estimar el valor
de la calidad ambiental se requiere establecer una dimensión cuanti…cable de la calidad del
recurso de interés (agua o aire por ejemplo). El principal problema es que la percepción
de la calidad ambiental por parte de los individuos no está necesariamente relacionada con
indicadores técnicos de calidad ambiental tales como metales pesados, bacterias, coliformes,
partículas en suspensión, etc. Probablemente existen algunos casos en que la relación es más
directa en la medida que el indicador de calidad ambiental se relaciona con aquellos aspectos
que pueden ser directamente captados por los sentidos.
La relación entre indicador de calidad ambiental y comportamiento es más evidente
cuando la calidad se relaciona, por ejemplo, con tasas de captura en actividades de pesca. En
estas circunstancias la captura es una dimensión observable en un viaje de recreación. Por
lo tanto, es factible vincular políticas de manejo de contaminación a indicadores de abun-

dancia de fauna. Sin embargo, las tasas de captura varían a través de viajes e individuos,
generando incertidumbre tanto para el recreacionista como para el investigador. La incer-
tidumbre prevalece en modelos de demanda que intentan incorporar la calidad ambiental.
Tanto la variación en el tiempo como actividades humanas aleatorias, conllevan a que la
calidad de un sitio pueda cambiar considerablemente a través del tiempo.
Desde la perspectiva econométrica el problema de identi…cación del parámetro asociado
a calidad ambiental en las funciones de demanda es relevante, ya que en muestras de corte
transversal no existe variabilidad en el indicador de calidad en un instante especí…co de
tiempo. En la mayoría de los casos se cuenta con información de la calidad ambiental
sólo para dos situaciones o estados del sitio. El problema consiste entonces en obtener un
indicador del número de viajes en la situación …nal (con un nuevo nivel de calidad ambiental).
Muchos estudios abordan el problema con el uso de intenciones de visitas después de un
cambio en la calidad ambiental (Hausmann et al., 1995; McConnell, 1983; Niklitchek &
León, 1996).
En el caso general con información disponible para n sitios diferenciados por calidad
ambiental, el sistema de demanda a estimar se puede expresar como
x1j = f1 (p1j ; p2j ; ::::; pnj ; q1 ; q2 ; :::; qn ; mj ); (3.37)
..
.
xnj = fn (p1j ; p2j ; ::::; pnj ; q1 ; q2 ; :::; qn ; mj );
donde pij representa el costo del viaje a los n sitios, qi es la calidad en cada sitio y xij es
el número de viajes para el individuo j-ésimo a los n sitios. Con su…ciente información de
precios y calidad ambiental es posible estimar el sistema de ecuaciones (3.37). Sin embargo,
en la práctica la ausencia de variación de calidad ambiental en muestras de corte transversal, y
la posible multicolinealidad entre precios, no permite la estimación de todas las ecuaciones de
demanda. Existen soluciones al problema pero todas requieren básicamente de restricciones
en la forma de las ecuaciones (3.37).
Una alternativa para resolver el problema consiste en ensamblar los datos y estimar
una sola ecuación de demanda xnj = f (pnj ; qn ; mj ) para los n sitios y todos los individuos.
En este modelo se asegura la variación de ingreso entre personas pero no entre sitios y la
variación de calidad ambiental entre sitios pero no entre individuos. Esta alternativa asume
que todas las ecuaciones (3.37) tienen una forma funcional similar (f1 = f2 = f3 = fn ): Para
una forma funcional lineal
xnj = + pnj + mj + qj + "j ;
la correspondiente medida de bienestar está dada por
2
0
x0nj
ECnj = ; (3.38)
2^
la cual representa el valor de acceso con el nivel de calidad inicial denotado por el supraíndice
0 para el sitio n y el individuo j. Por su parte
2
1
x1nj
ECnj = ; (3.39)
2^
3.5. MÚLTIPLES SITIOS Y CAMBIOS EN CALIDAD AMBIENTAL 69
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
x0nj qn0 = + pnj + mj + "j ;
x1nj qn1 = + pnj + mj + "j :

Después de igualar estas ecuaciones se obtiene
x0nj qn0 = x1nj qn1

x1nj = x0nj + (qn1 qn0 ): (3.40)
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^
Sustituyendo (3.40) en (3.41) se obtiene
^ 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
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 );
asumiendo una función de demanda denotada por
xi = ^ 0i + ^ 1i pi + "i :
Posteriormente, se expresan los parámetros estimados como función de la calidad ambi-

ental en la siguiente forma
^ = ^ + ^ qi +
0i 0 1 0i ;
^ = ^0 + ^1 qi +
1i 1i :
También es posible estimar el modelo en una sola etapa mediante la ecuación
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
x1j = f1 (p1j ; p2j ; ::::; pnj ; mj );

..
.
xnj = fn (p1j ; p2j ; ::::; pnj ; mj ):
Posteriormente, el excedente del consumidor se expresa como una función de la calidad

ambiental asociada a cada sitio de la siguiente manera
ECj = c + dqj + j;
con un número de observaciones igual al número de sitios, n. El excedente del consumidor

para el sitio, el cual representa la agregación a través de los individuos, está dado por
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
Aun si los sistemas de demanda son integrables y se pueden identi…car correctamente

todos los parámetros deseados éstos adolecen de un problema fundamental. El sistema de
demanda no es necesariamente consistente con el proceso de maximización de utilidad por
parte del individuo. En otras palabras, el sistema de demanda contribuye a resolver el prob-
lema de las soluciones de esquina (cantidad demandada igual a cero) desde la perspectiva
estadística, pero no garantiza la consistencia de las soluciones con el proceso de maximización
de utilidad por parte del consumidor. Por lo tanto, las estimaciones de cambios en el bi-
enestar, debidos a cambios en calidad ambiental, no necesariamente re‡ejan las demandas
y sustituciones entre bienes hechas por los individuos. Estos problemas podrían abordarse
usando un enfoque de modelos de utilidad aleatoria los cuales serán discutidos en la siguiente
sección.
3.6 Modelos de utilidad aleatoria

Los modelos de utilidad aleatoria (M U A) permiten modelar el problema de selección entre
sitios para un determinado viaje. Es decir, la selección del sitio a visitar es modelada
asumiendo que el individuo ha tomado una decisión sobre el número de viajes a realizar. Por
consiguiente, se desea modelar la distribución de los viajes de un grupo de individuos entre
los diferentes sitios. Sea
xij = número de viajes del individuo i al sitio j; con j = 1; 2; :::; h.

X
h
~=
X xij = Cantidad total de viajes del individuo i a todos los sitios.
j
Dadas estas de…niciones el consumidor se enfrenta a cuatro decisiones: Primero decide si

participará o no en la actividad, X ~ =0oX ~ 6= 0: Luego debe decidir cuántas veces visitará
~ dado que es diferente de cero. Posteriormente, toma la
los sitios; es decir, el valor de X
decisión de si visita o no un determinado sitio; es decir, xij = 0 o xij 6= 0: Por último, y
dado que decidió visitar un sitio especí…co, decidirá sobre el número de viajes a realizar a
este sitio, lo cual es conocido como la intensidad de uso.
Bockstael et al. (1989) emplean el modelo discreto o M U A en pesca deportiva, donde es
interesante modelar la elección que hace el individuo con respecto al sitio y el modo de pesca.
Más aun, el individuo podría estar interesado en de…nir la especie que será objeto de captura.
Ninguna decisió es independiente ya que el modo de pesca de…ne en la mayoría de casos el
tipo de especie a capturar. A su vez el área puede determinar y limitar el modo de pesca
a usar. Una aproximación para abordar el problema de elección múltiple en el contexto de
un modelo discreto consiste en incluir todas las posibles combinaciones sitio/modo/especie
en el conjunto de alternativas. En este caso el individuo selecciona entre esas combinaciones
sitio/modo/especie acorde a su función indirecta de utilidad. Otros trabajos de M U A se
han concentrado en la agregación de sitios alternativos (Parsons & Needelman, 1992); en
la estimación de la pérdida de bienestar de recreacionistas como consecuencia de derrames
petroleros (Hausman et al., 1995); o en la estimación del valor recreacional de ecosistemas
estuarinos (Kaouru et al., 1995).
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
uij = vij (mi pij ; qj ; zi ) + "ij ; (3.43)
donde "ij es un componente aleatorio y vij (mi pij ; qj ) es el componente determinístico de

la función indirecta de utilidad. Dado que se asume que los individuos son racionales, se
espera que el sitio j sea elegido si la utilidad derivada al visitarlo es mayor que la utilidad
proporcionada por visitar cualquiera de los otros sitios alternativos; es decir,
vij (mi pij ; qj ; zi ) + "ij vik (mi pik ; qk ; zi ) + "ik ; 8 k 6= j: (3.44)
Si los errores son independientes e idénticamente distribuidos, con una distribución de

valor extremo tipo I, el problema de decisión se describe como un modelo multinomial logit,
en el que la probabilidad que el individuo i seleccione el sitio j estará dada por
exp (vij (mi pij ; qj ; zi ))

P rij = : (3.45)
P
h
exp (vik (mi pik ; qk ; zi ))
k=1
En la estimación de este tipo de modelos se utilizan técnicas de máxima verosimilitud

con la función de densidad conjunta expresada como
2 3dij
Yn Y h 6 7
6 exp (vij (mi pij ; qj ; zi )) 7
L= 6 h 7 ;
4 P 5
i=1 j=1 exp (vik (mi pik ; qk ; zi ))
j=1
donde dij = 1 si el individuo i selecciona el sitio j y dij = 0 en caso contrario. La estimación

proporciona los parámetros de la función indirecta de utilidad para una determinada forma
funcional, lo cual permite obtener estimaciones de medidas de bienestar para cambios en los
atributos de los sitios o medidas de bienestar asociadas al acceso de algún sitio especí…co
(Kealy & Parsons, 1995).
Para comprender la formulación del MUA y su relación con los modelos de estimacion
logit multinomial a continuación se esbozan algunos elementos econométricos. Inicialmente
el análisis es ilustrado para dos alternativas en el conjunto de elección y luego se extiende
a J alternativas. El primer caso de elección binaria será ampliamente usado en el siguiente
capítulo de Valoración Contingente.
Considere el modelo
0
yi = xi + "i ;
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:
Usando estas ecuaciones se puede escribir
Pr(yi = 1) = Pr(yi > 0);

Pr(yi = 1) = Pr( 0 xi + "i > 0);
Pr(yi = 1) = Pr("i < 0 xi );
Pr(yi = 1) = F ( 0 xi );
donde F es la función de distribución acumulada de "i y Pr(yi = 0) = 1 F ( 0 xi ). Los

valores observados de y corresponden a un proceso binomial con probabilidades F ( 0 xi ) y
1 F ( 0 xi ): La función de verosimilitud para este proceso binomial está dada por
Y
n
y
L= (1 F ( 0 xi ))1 yi
(F ( 0 xi )) i ; (3.46)
i=1
la cual puede expresarse en forma logarítmica de la siguiente manera
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
Generalmente, se asume que = 1 ya que en el modelo no es factible identi…car y

en forma separada. Para el caso binomial los modelos logit y probit son muy similares.
La diferencia entre los modelos se presenta básicamente en las colas de la distribución. Los
supuestos sobre la varianza del error en estos modelos no permite comparar directamente los
parámetros estimados. Amemiya (1981) sugiere multiplicar los estimados del modelo logit
por 0; 625 para compararlos apropiadamente con los parámetros del modelo probit.
Hasta el momento se han considerado únicamente variables binarias o dicotómicas. Para
entender el modelo de utilidad aleatoria se requiere considerar más de dos categorías en el
conjunto de elección. Sea h el número de categorías de elección y p1 ; p2 ; ::::::; ph las probabil-
idades asociadas con estas h categorías. Siguendo a Maddala (1983) el objetivo es expresar
estas probabilidades en forma binaria, es decir
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
La probabilidad que la categoría h sea elegida está representada por

" # 1
X
h 1
pk
ph = 1 + :
k=1
ph
pk
Sustituyendo la razón ph
de la ecuación (3.47) se obtiene
" # 1
X
h 1
ph = 1 + G( 0k xi ) : (3.49)
k=1
Igualmente, de la ecuación (3.47) se tiene que pj = ph G( 0j xi ); y reemplazando ph de la

ecuación (3.49) se obtiene
G( 0j xi )
pj = P : (3.50)
1 + hk=11 G( 0k xi )
En conclusión, dado un conjunto de categorías y observaciones sobre la elección de los
individuos se puede asumir que estas observaciones provienen de una distribución multino-
mial con las probabilidades dadas por (3.49) y (3.50). De nuevo se requiere asumir una
distribución para el término del error. Si se asume una distribución logística se tiene que
G( 0j xi ) = exp( 0j xi ) y tanto (3.49) como (3.50) pueden reescribirse como
" # 1
X
h 1
0
ph = 1 + exp( k xi ) ; (3.51)
k=1
exp( 0j xi )
pj = P ; j = 1; :::; h 1: (3.52)
1 + hk=11 exp( 0k xi )
Este modelo es conocido como el modelo multinomial logit. En el proceso de derivación de

estas probabilidades se asumió implícitamente que los parámetros asociados a la alternativa h
son iguales a cero; es decir, h = 0: Por esta razón solo se pueden identi…car h 1 parámetros
0
j : Si exp( h xi ) = exp(0) = 1 las ecuaciones (3.51) y (3.52) convergen a una sola expresión
dada por
exp( 0j xi ) 1
pj = Ph 0
= Ph 0 ; (3.53)
k=1 exp( k x i ) k=1 exp( k j x i )
donde se observa que un parámetro debe normalizarse a cero con la idea de hacer posible la
identi…cación de los otros h 1 parámetros. El modelo se puede estimar con muestras de
tamaño n donde cada uno de los individuos escoge alguna de las h categorías. La función de
verosimilitud para el modelo multinomial logit está dada por
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,
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
yj = 1 si uij = max(ui1 ; ui2 ; ::::; uih );

yj = 0 en otros casos.
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.
de problemas logit multinomiales. En este modelo las alternativas se dividen en distintas

categorías dentro de un árbol de decisiones. Por ejemplo, en una primera etapa de decisión
el individuo decide qué tipo de actividad recreativa realizar (caminar, nadar, pescar, leer,
etc.). Para cada una de estas alternativas existe un subgrupo de sitios en los cuales puede
realizar la actividad (parques, lagos, playas, etc.). Por lo tanto, el individuo debe decidir
qué tipo de sitio visitar. Por último, el individuo seleciona un sitio particular dentro de la
correspondiente subcategoria de sitios. Obviamente, la selección o de…nición de las etapas y
subgrupos afectará las medidas de bienestar.
Con miras a ilustrar la modelación supóngase que existen tan solo dos etapas. En la
primera el individuo debe elegir entre J subgrupos, los cuales se componen de h1 ; h2 ; :::; hJ
alternativas. Es decir, h1 es el número de alternativas de elección en el subgrupo 1; h2 es el
número de alternativas de elección en el subgrupo 2 y así sucesivamente. En la segunda etapa
el individuo debe elegir entre las alternativas del subgrupo seleccionado en la primera etapa
de decisión. El consumidor deriva utilidad de cada alternativa de elección. Para denotar las
alternativas se omite el subíndice asociado al individuo y se de…ne la alternativa (i; j) como
la alternativa de escoger i en la segunda etapa con i = 1; 2; :::hj , y escoger j en la primera
etapa con j = 1; 2; :::J: De acuerdo al modelo condicional la decisión que la alternativa
(i; j) sea selecionada depende de los atributos qij de las alternativas. Cabe mencionar que la
estructura del modelo condicional más simple que se presenta aquí no permite que la elección
sea explicada por variables o parámetros que no varían entre las alternativas. Lo anterior
como consecuencia de la función de probabilidad la cual se expresa solo en términos de la
diferencia de los componentes de la parte determinística de la función indirecta de utilidad.
Por lo tanto, los elementos constantes (como las variable propias del individuo) se eliminan
en la de…nición de la probabilidad. Para incorporar las características de los individuos en el
modelo es necesario que éstas interactuen con variables especí…cas del sitio o con variables
dicotómicas. En conclusión, cualquier constante en la función indirecta de utilidad que no
varíe entre las alternativas no afectará la probabilidad.
Retomando la situación de decisión en dos etapas se deduce, al igual que en el caso más
simple, que el individuo escogerá la alternativa que maximice su utilidad con respecto a
todas las alternativas posibles. Si "ij son iid con una distribución de valores extremos tipo
I generalizada5 , la probabilidad de escoger la (i; j)-ésima alternativa está dada por
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
:
donde pij es de…nida como la probabilidad conjunta, pi=j es la probabilidad condicional de

elegir la alternativa i entre las hj alternativas del subgrupo j; y pj es la probabilidad marginal
de elegir el subgrupo j entre todos los subgrupos. Si el individuo está en el subgrupo j con
j = 1; 2; :::; J; entonces sólo puede escoger entre las hj alternativas de este subgrupo, lo cual
es una selección idéntica al modelo logit condicional simple (no anidado). La probabilidad de
elegir la alternativa i dentro del subgrupo j está dada por la aplicación de (3.54) al subgrupo
j; es decir
vij
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
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.
3.6.1 Medidas de bienestar en el MUA

El modelo de utilida aleatoria puede ser utilizado para obtener medidas de bienestar que
incluyen tanto el acceso a un bien o la pérdida de éste, así como las medidas de bienestar
por un cambio en la calidad ambiental. Si la función indirecta de utilidad es lineal de la
forma dada en la ecuación (3.58) entonces la utilidad marginal del ingreso estará dada por
@v=@m = . Es posible mostrar (Haab y McConnell 2002) que la disposición a pagar por
un cambio en la calidad ambiental o en un atributo del bien está dada por
! !
P
J P
hm vlm
m
P
J P
hm vlm
m
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
V (p; q; m) = E fmax (u)g = ln m e m + C;

m=1 l=1
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
primer sitio en el primer subgrupo, la medida de bienestar será

! !
P
hm v~l1 1
PJ P
hm v~lm m
P
J P
hm v
~lm
m
ln 1 e 1 + m e m ln m e m
l=2 m=2 l=1 m=1 l=1
DAP11 = :
^
Donde simplemente se ha elimidado la alternativa de interés en la expresión de la función

indirecta de utilidad …nal. Haab y McConnell presentan algunas formas de simpli…car estas
estimaciones usando las probablidades de elección asociadas a las alternativas o a subcon-
juntos de alternativas. Un análisis mas detallado se presenta en Hanemann (1999) y Morey
(1999).
3.6.2 Modelo de utilidad aleatoria y número de viajes

El modelo de utilidad aleatoria explica la forma en que los individuos eligen un determinado
sitio para una oportunidad de elección. Sin embargo, no explica la decisión de cuántos viajes
se realizan al sitio o a todos los sitios en su conjunto. Es necesario contar entonces con
un modelo que permita vincular la selección del sitio con la intensidad de visitas y con la
decisión de participación en la actividad recreativa.
La estimación de las medidas de bienestar no considera la posible sustitución entre sitios
ante cambios en las características de los mismos. En otras palabras, el modelo de utilidad
aleatoria no da cuenta de la reasignación de viajes que el individuo puede realizar entre las
distintas alternativas disponibles, para tomar ventaja de los posibles cambios en la calidad
o la disponibilidad de sitios. Dado que el propósito fundamental de los modelos es evaluar
cambios en el bienestar ante cambios en las características de los sitios, se requiere vincular
el modelo de utilidad aleatoria y la decisión sobre el número de viajes.
El modelo logit repetido incorpora la decisión de participación como una etapa más en
el modelo de utilidad aleatoria anidado. Es decir, la primera decisión del individuo consiste
en participar o no en la actividad. Luego decide sobre las siguientes etapas en su árbol de
decisión. Como se discutió anteriormente, el cambio en el bienestar o la disposición a pagar
se calcula como la diferencia en el nivel de utilidad en la situación inicial y …nal ponderando
por el inverso de la utilidad marginal del ingreso. El modelo logit repetido calcula la medida
de bienestar multiplicando el numero total de viajes N por el valor de un viaje obtenido del
modelo multinomial logit repetido (Morey et al., 1993). Es decir,
E(U 1 ) E(U 0 )
W = N =N DAP; (3.62)
donde N representa el número de ocasiones en que el individuo enfrenta la decisión de

participación y es la utilidad marginal del ingreso obtenida en el proceso de estimación.
Bockstael et al. (1986) sugieren estimar una regresión del número de viajes con respecto
al valor inclusivo que se obtiene del modelo de elección de sitios. Esta ecuación se puede
emplear para predecir el número total de viajes N ^ ; el cual se puede usar en la ecuación
(3.62).
Otras alternativas para vincular la selección del sitio con el número total de viajes acuden
a la estimación de una función de demanda de viajes, en la cual se incluyen como variables
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
La estimación de la función de demanda en todos los casos descritos anteriormente tiene

en cuenta la no-negatividad y los valores enteros del número de viajes. Parson et al. (1999)
comparan estas cuatro formas de vincular el modelo de selección de sitios con el número
total de viajes y encuentran diferencias signi…cativas entre los distintos modelos.
Por último, es pertinente manifestar que el modelo de utilidad aleatoria, y las posibles
vinculaciones previamente discutidas no son del todo consistentes con el proceso de maxi-
mización de utilidad del consumidor. Una alternativa más consistente estaría basada en un
modelo de soluciones de esquina generalizado, el cual parte de la de…nición de una función
de utilidad con el individuo enfrentando el siguiente problema de optimización
MAX U (x; z; q; ; ");
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:
Asumiendo que z es un bien necesario la contribución de cada individuo a la función de

verosimilitud está dada por (Phaneuf et al., 2000)
gZk+1 ZgM
::: f" (g1 ; :::; g2 ; "k+1 ; :::; "k+1 ) abs jJk j d"k+1 :::d"M :
1 1
A partir de esta estructura es posible de…nir la función de verosimilitud, estimar el modelo

y obtener medidas de bienestar para cambios en precios o cambios de la calidad ambiental
en el conjunto de elección.
3.7 Aplicación método costo del viaje

3.7.1 Valoración de la playa de Dichato en Chile
En la Región del Bío-Bío (VIII Región de Chile) el uso de las playas con …nes recreativos
se concentra principalmente durante la temporada de verano, entre los meses de diciembre
y principios de marzo. No obstante, la cantidad de sitios disponibles se ha reducido pau-
latinamente, como resultado de la creciente contaminación hídrica con desechos domésticos
e industriales. En 1996 la playa de Dichato era una de los pocos sitios de recreación que
cumplía con los requisitos mínimos para el desarrollo de actividades acuáticas. El rápido
crecimiento poblacional y de algunos sectores de la economía regional, relacionados primor-
dialmente con la actividad silvícola, pronosticaban un incremento en la contaminación de las
aguas, lo cual podría comprometer seriamente el uso recreacional en el futuro.
Con el propósito de estimar los bene…cios asociados al uso de la playa de Dichato se
realizaron entrevistas personales en el lugar de recreación, durante los meses de febrero y
marzo de 1996. Una encuesta piloto fue evaluada en los primeros días de enero del mismo
año. A cada jefe de familia entrevistado se le presentó un escenario donde se le explicó el
propósito de la encuesta y se le describieron las condiciones de contaminación creciente que
presentaba el sitio de recreación.
La encuesta fue diseñada con el propósito de obtener información para estimar tanto
modelos de costo del viaje como de valoracón contingente. A continuación se desarrolla lo
pertinente al método de costo del viaje. La aplicación consistió en tres aspectos: determi-
nación del tamaño de la muestra, especi…cación del modelo del costo del viaje y, por último,
las estimaciones econométricas y el cálculo de las medidas de bienestar. La muestra en la
playa de Dichato es de naturaleza truncada. Para la estimación de una muestra censada se
realizó un segundo muestreo en las ciudades más importantes en términos de su aporte al
número de visitantes a la playa. La deteminación del tamaño de la muestra es explicada por
Cerda et al. (1997).
Los datos para el modelo truncado fueron obtenidos mediante la aplicación de una en-
cuesta a 628 visitantes a la playa de Dichato. En la encuesta se incluyeron preguntas relativas
a procedencia, motivos del viaje, preferencias, tipo de transporte, costos de permanencia y
viaje, tiempo de viaje y características socio-económicas de las familias que acuden al sitio.
Durante el procesamiento de los datos se evidenció una gran variabilidad en la duración de
los viajes. Los visitantes de sitios más distantes optaron por efectuar una menor cantidad
3.7. APLICACIÓN MÉTODO COSTO DEL VIAJE 83
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.
3.7.2 Especi…cación del modelo de costo del viaje

El proceso de decisión de la familia consta de dos etapas. Primero se decide cuál sitio visitar
y posteriormente cuántos viajes realizar al sitio seleccionado. En esta sección se hace énfasis
en la modelación del segundo estado del proceso de decisión. El modelo de costo de viaje
estimado fue el siguiente
xi = 0 + 1 Pi + 2 Pij + 3 D1i + 4 D2i + 5 mi + i; (3.63)
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
que se adelantaban en el área de in‡uencia del sitio de estudio6 . En cuanto a la variable

agua es indudable que la calidad de la misma y las condiciones naturales que no permiten la
consolidación de un oleaje fuerte, son razones que explican mucho del deseo de las familias
por visitar la playa. Por consiguiente, se esperan signos positivos para las variables acceso
y agua. Por último, se considera que la playa de Dichato puede concebirse como un bien
normal, lo cual arrojaría un signo positivo de la variable ingreso7 .
La ecuación (5.19) fue usada para calcular el costo variable de viaje a Dichato (Pi ) de la
función de demanda (5.32)
Pi = Dist[Costo=Km + (%w [Ingreso Anual=2000]=V eloc)]; (3.64)
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.
3.7.3 Estimaciones econométricas

Aquí se presenta y discuten los diversos resultados de los siguientes modelos estadísticos: es-
timación por mínimos cuadrados ordinarios de una forma funcional lineal (OLSL), y de una
forma semi-log (OLSS); estimación por máxima verosimilitud de una forma funcional lineal
(M LEL), de una semi-log (M LES), de una distribución Poisson tanto general (P OIS) como
truncada (T P OIS), y de una distribución Binomial Negativa también general (BN EG) como
truncada (T BN EG). En total se estimaron ocho (8) modelos, de los cuales OLSL, OLSS,
M LEL y M LES se caracterizan por estimadores basados en distribuciones de probabili-
dades continuas. Los restantes modelos P OIS, T P OIS, BN EG y T BN EG corresponden
6
Especí…camente se trata de la carretera Chillán-Concepción, que redujo ostensiblemente el tiempo de
viaje entre las dos cuidades y que motivó cambios en la demanda recreacional en Dichato. Esta perspectiva
es importante para próximas investigaciones relacionadas con análisis temporal de demanda.
7
Es pertinente anotar que muchas encuestas requieren esfuerzos adicionales en la entrevista con el …n de
obtener ingresos familiares.
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
POIS: Y s P oisson( = exp(X ))
TPOIS: Y s P oisson( = exp(X )) Y es observada sólamente si Y>0
BNEG: Y s BinN ega( = exp(X ); )
TBNEG: Y s BinN ega( = 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
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.
3.7.4 Resultados de las estimaciones

Modelos Truncados
En el Cuadro 3.1 se presentan las principales estadísticas descriptivas de las variables usadas
en las diferentes regresiones para la muestra truncada. A su vez los resultados obtenidos en
la estimación de los diversos modelos estadísticos son reportados en los Cuadros 3.2, 3.3 y
3.4 para diferentes costos de oportunidad del tiempo de viaje.
T CP 30 indica el costo de viaje a la playa de Dichato con un costo de oportunidad
del tiempo valorado en un 30% del salario-hora. T CS 30, en forma análoga, representa el
costo de viaje al sitio sustituto con un costo de oportunidad del tiempo valorado en un 30%
del salario-hora. El número relativamente bajo de viajes promedio al año sugiere el uso de
distribuciones discretas.
Es posible observar en los Cuadros 3.2, 3.3 y 3.4 que los coe…cientes en todos los modelos
poseen el signo esperado. Las variables exógenas Acceso y Agua son estadísticamente signi-
…cativas sólo en los modelos discretos P OIS y T P OIS. No obstante, constituyen factores
que pueden explicar en parte el deseo de las familias por visitar la playa de Dichato. En lo
correspondiente al ingreso su signi…cancia estadística es relevante en un mayor número de
modelos: OLSL, OLSS, M LES, P OIS, T P OIS y BN EG. Igualmente, es posible deducir
que la variable T CP fue estadísticamente signi…cativa (99%) en la mayoría de los mode-
los. Inclusive mediante un proceso más exhaustivo de especi…cación es dable pensar en la
inclusión de otras variables en el modelo básico, con la idea de explicar en forma más satisfac-
toria la decisión relacionada con la frecuencia de viajes. No obstante, es importante señalar
que en investigaciones de demanda recreacional, es fundamental la obtención de coe…cientes
estadísticamente robustos de la variable costo de viaje con miras al cálculo de medidas de
bienestar, y más concretamente para la obtención de estimaciones puntuales del excedente
del consumidor.
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
Table 3.1: Variables usadas en las regresiones de la muestra truncada
Variable Media Desv. Estándar Mínimo Máximo

Viajes 4,42 3,97 1 19
TCP-30 3001,6 1978,3 330 11490
TCP-40 3486,6 2366,3 370 13720
TCP-50 3971,7 2764,9 400 16200
TCS-30 12371 4853,5 1188 14910
TCS-40 15233 6140,7 1353 18460
TCS-50 18095 7431,1 1518 22010
Acceso 0,16149 0,37 0,0 1,0
Agua 0,3913 0,49 0,0 1,0
Ingreso 560870 396180 100000 2000000
Observaciones = 161.
el modelo Poisson. Mediante una prueba de t se probaron las hipótesis H0 : var[yi ] = ui

y H1 : var[yi ] = ui + g(ui ): En el presente caso se rechazó Ho lo cual indica que es
estadísticamente signi…cativa y con…rma la existencia de sobredispersión, considerada como
análoga a la heterocedasticidad en modelos de regresión lineales. Esta conclusión implica
que las desviaciones estándar de los coe…cientes en el modelo tanto P OIS como T P OIS
tenderán a ser sesgadas hacia cero y, por consiguiente, conducirán a valores absolutos del
estadístico t relativamente altos, tal y como se con…rma de las estimaciones econométricas.
En conclusión, es apropiado pensar en la bondad estadística del modelo T BN EG para los
datos de la muestra truncada que son objeto de análisis.
Teniendo como base los coe…cientes de la variable de costo de viaje a Dichato de los difer-
entes modelos econométricos, al igual que el número promedio de viajes anuales, es posible
calcular las correspondientes medidas de bienestar. Estimaciones puntuales del excedente
del consumidor promedio por familia para los diferentes modelos, tanto por viaje como por
año, se reportan en el Cuadro 3.5. Allí se observa que un mayor costo de oportunidad del
tiempo de viaje equivale a un mayor excedente del consumidor. Para las distribuciones con-
tinuas y discretas los modelos OLSS y BN EG proporcionan, respectivamente, medidas de
bienestar por familia y por año de $60.896,64 y $42.300,68, para un costo de oportunidad
del tiempo de viaje equivalente al 40% del salario-hora. Sin embargo, el modelo T BN EG,
el cual exhibe un mejor ajuste estadístico, proporciona un excedente del consumidor anual
mucho más conservador del orden de $35.280,97. Otra alternativa en los cálculos consiste en
la determinación de los bene…cios totales obtenidos a través de la agregación de cada una de
las 161 observaciones que conforman la muestra truncada. Esta manera de presentación de
los resultados es presentada en algunas publicaciones. Para el caso de la playa de Dichato
los bene…cios totales se pueden observar en el Cuadro 3.5, parte (c). Allí el modelo T BN EG
y un costo de oportunidad del tiempo de viaje del 40% proveen un excedente del consumidor
equivalente a $5.675.287,36.
Table 3.2: Resultados econométricos de la muestra truncada para un costo de oportunidad

del tiempo de viaje equivalente al 30% del salario-hora
Parámetro OLSL OLSS MLEL MLES

Constante 3,1053 1,2289 -13,7210 1,1837
(3,118) (7,464) (-1,390) (6,474)
TCP-30 -5,6864E-4 -8,7179E-5 -3,1267E-3 -9,9454E-5
(-3,363) (-3,119) (-2,345) (-3,099)
TCS-30 1,3063E-4 1,7790E-5 7,0383E-4 1,9674E-5
(2,053) (1,691) (1,679) (1,699)
Acceso 1,1539 0,15948 4,1299 0,17221
(1,409) (1,178) (1,233) (1,198)
Agua 0,70745 0,13645 3,1381 0,15005
(1,118) (1,304) (1,096) (1,331)
Ingreso 1,673E-6 0,355E-7 8,592E-6 0,395E-6
(1,903) (2,442) (1,869) (2,513)
- - 7,7313 0,64609
(4,619) (15,439)
R2 ajust. 0,08641 0,07504 - -
log-L - - 387,93 -148,17
Parámetro POIS TPOIS BNEG TBNEG

Constante 1,1370 1,0809 1,0742 0,54941
(7,793) (6,778) (4,126) (1,250)
TCP-30 -1,5241E-4 -1,7222E-4 -1,2506E-4 -1,5011E-4
(-5,969) (-6,131) (-5,206) (-3,696)
TCS-30 3,3229E-5 3,6997E-5 3,3650E-5 4,9151E-3
(3,612) (3,683) (2,026) (1,844)
Acceso 0,22929 0,23865 0,20358 0,25715
(2,428) (2,468) (1,128) (0,694)
Agua 0,16230 0,17480 0,14636 0,19679
(2,050) (2,126) (1,111) (0,807)
Ingreso 0,428E-6 0,477E-6 0,413E-6 0,579E-6
(3,863) (4,118) (2,140) (1,519)
- - 0,37565 1,17410
(4,197) (2,728)
log-L -452,14 -446,85 -393,42 -370,95
Valores de t entre paréntesis. estadísticamente signi…cativo
a un nivel del 99%. * estadísticamente signi…cativo a un nivel
del 95%. n = 161 observaciones


Constante 3,0075 1,2106 -14,5410 1,1622
(3,089) (7,520) (-1,428) (6,494)
TCP-30 -4,78E-4 -7,26E-5 -2,64E-3* -8,27E-5
(-3,265) (-2,998) (-2,298) (-2,980)
TCS-30 1,0381E-4 1,43E-5 5,69E-4 1,58E-5
(2,058) (1,709) (1,678) (1,719)
Acceso 1,1592 0,1601 4,2206 0,17292
(1,413) (1,180) (1,239) (1,200)
Agua 0,70492 0,13573 3,1887 0,14946
(1,112) (1,295) (1,095) (1,323)
Ingreso 1,84E-6* 3,78E-7* 9,4E-6 4,21E-7
(2,018) (2,509) (1,917) (2,574)
- - 7,79 0,65
(4,563) (15,427)
2
R ajust. 0,0833 0,0715
log-L - – -388,29 -148,49

Constante 1,1119 1,0529 1,0538 0,51508
(7,810) (6,767) (4,146) (1,188)
TCP-30 -1,28E-4 -1,44E-4 -1,05E-4 -1,25E-4
(-5,803) (-5,964) (-5,043) (-3,568)
TCS-30 2,65E-5 2,95E-5 2,68E-5 3,97E-5
(3,639) (3,713) (2,063) (1,893)
Acceso 0,23089 0,24051 0,20451 0,25869
(2,446) (2,488) (1,130) (0,694)
Agua 0,16256 0,17526 0,14746 0,20104
(2,052) (2,131) (1,118) (0,821)
Ingreso 0,467E-6 0,519E-6 0,444E-6 0,615E-6
(4,059) (4,312) (2,272) (1,590)
- - 0,378 1,188
(4,202) (2,721)
log-L -453,15 -447,99 -393,75 -371,22


Constante 2,9299 1,1966 -15,2060 1,1459
(3,058) (7,553) (-1,455) (6,499)
TCP-30 -4,11E-4 -0,62E-4 -2,28E-3 -7,05E-5
(-3,187) (-2,904) (-2,260) (-2,887)
TCS-30 8,6257E-5 1,1909E-5 4,7910E-4 1,3211E-5
(2,066) (1,725) (1,678) (1,736)
Acceso 1,1626 0,1605 4,2917 0,1734
(1,415) (1,182) (1,242) (1,202)
Agua 0,70217 0,13507 3,2242 0,14887
(1,106) (1,287) (1,092) (1,315)
Ingreso 1,951E-6 3,93E-7 1,0042E-5 4,38E-7
(2,083) (2,538) (1,937) (2,598)
- - 7,8443 0,64847
(4,518) (15,417)
R2 ajust. -0,08078 -0,06870
log-L -388,57 -148,74

Constante 1,0920 1,0309 1,0380 0,48975
(7,806) (6,743) (4,149) (1,138)
TCP-30 -1,09E-4 -1,23E-4 -8,94E-5 -1,07E-4
(-5,672) (-5,830) (-4,905) (-3,461)
TCS-30 2,20E-5 2,46E-5 2,24E-5 3,33E-5
(3,664) (3,740) (2,091) (1,925)
Acceso 0,232 0,2418 0,2052 0,2598
(2,458) (2,502) (1,133) (0,694)
Agua 0,1625 0,1753 0,1481 0,2040
(2,050) (2,131) (1,122) (0,831)
Ingreso 4,93E-7 5,48E-7 4,65E-7 6,39E-7
(4,167) (4,417) (2,354) (1,632)
- - 0,3805 1,2004
- - (4,207) (2,713)
log-L -453,9 -448,9 -394,0 -371,4
Table 3.5: Excedente del consumidor promedio por familia muestra truncada
(a) Excedente del consumidor promedio por familia y por vi-

aje($)
OLSL OLSS MLEL MLES
TCP 30 3886; 5 11470; 7 706; 8 10054; 9
TCP 40 4623; 9 13777; 5 836; 4 12087; 5
TCP 50 5380; 1 16155; 4 969; 0 14186; 0
POIS TPOIS BNEG TBNEG
TCP 30 6561; 3 5806; 5 7996; 2 6661; 8
TCP 40 7830; 9 6941; 1 9570; 29 7982; 1
TCP 50 9138; 3 8110; 3 11180; 9 9331; 0
(b) Excedente del consumidor promedio por familia y por año ($)
OLSL OLSS MLEL MLES
TCP 30 17178; 2 50700; 3 3124; 1 44442; 7
TCP 40 20437; 7 60896; 6 3697; 0 53426; 79
TCP 50 23780; 2 71406; 7 4282; 8 62702; 16
TCP 30 29000; 7 25664; 9 35343; 0 29:445; 1
TCP 40 34612; 4 30679; 5 42300; 7 35:281; 0
TCP 50 40391; 1 35847; 5 49419; 7 41242; 9
(c) Excedente del consumidor total anual (miles $)
OLSL OLSS MLEL MLES
TCP 30 4988; 3 8155; 6 907; 19 7149; 0
TCP 40 5934; 7 9795; 8 1073; 5 8594; 2
TCP 50 6905; 3 11486; 5 1243; 6 10086; 3
TCP 30 4665; 0 4128; 4 5685; 3 4736; 5
TCP 40 5567; 7 4935; 1 6804; 5 5675; 2
TCP 50 6497; 3 5766; 4 7949; 6 6634; 3
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.
Table 3.6: Variables usadas en las regresiones de la muestra censada
Variable Media Desv. Estándar Mínimo Máximo

Viajes 0,708 2,3351 0,0 15,0
TCP-30 2217,8 1163,8 288 7844
TCP-40 2541,6 1431,9 304 9964
TCP-50 2865,3 1708,9 320 12080
TCS-30 8094,1 5474,3 1067 13530
TCS-40 9743,9 6779,8 1166 16520
TCS-50 11394 8089,5 1265 19500
Acceso 0,012 0,1091 0,0 1,0
Agua 0,06 0,23796 0,000 1,0
Ingreso 462400 371970 100000 2000000
Observaciones = 250. T CP 30; indica costo de viaje a la playa
de Dichato con un costo de oportunidad del tiempo valorado en
un 30% del salario-hora. T CS 30; en forma análoga, es el costo
de viaje al sitio sustituto con un costo de oportunidad del tiempo
valorado en un 30% del salario-hora.
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).
Table 3.7: Resultados econométricos de la muestra censada para un costo de oportunidad

Parám. OLSL OLSS MLEL MLES POIS BNEG

Const. 0,321 0,052 -12,2 0,052 -2,25 -2,25
(0,94) (0,65) (-4,48) (0,66) (-6,32) (-4,43)
TCP30 -2,4E-4 -4,2E-5 -6,3E-5 -4,2E-5 -2,8E-4 -2,8E-4
(-1,72) (-1,28) (-0,9) (-1,3) (-3,52) (-3,55)
TCS30 8,3E-5 2,0E-5 4,9E-4 2,0E-5 1,9E-4 1,9E-4
(3,35) (3,54) (3,17) (3,65) (7,4) (6,2)
Acceso 2,11 0,91 9,99 0,91 1,59 1,59
(1,73) (3,22) (2,32) (3,3) (4,2) (1,02)
Agua 4,11 1,38 13,13 1,38 2,21 2,21
(7,38) (10,7) (5,6) (10,8) (13,6) (3,8)
Ingreso -4,8E-8 2,1E-8 4,2E-7 2,1E-8 -1,2E-7 -9,7E-8
(-0,11) (0,2) (0,19) (0,2) (-0,44) (-0,25)
- - 6,79 0,47 - -
(7,59) (23,36)
- - - - - 1,38
- - - - - (4,45)
R2 ajust. 0,23 0,37 - - - -
log-L - - -170,8 -166,4 -303,5 -202,5
Valores de t entre paréntesis. estadísticamente signi…cativo a
un nivel del 99%. estadísticamente signi…cativo a un nivel del
95%. n = 250 observaciones
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).


Const. 0,29 0,05 -12,2 0,05 -2,2 -2,2
(0,91) (0,67) (-4,6) (0,67) (-6,47) (-4,46)
TCP40 -2,05E-4 -3,61E-5 -5,5E-4 -3,61E-5 -2,4E-4 -2,4E-4
(-1,69) (-1,29) (-0,91) (-1,3) (-3,6) (-3,5)
TCS40 6,8E-5 1,7E-5 3,9E-4 1,7E-4 1,6E-4 1,6E-4
(3,39) (3,57) (3,2) (3,60) (7,46) (6,19)
Acceso 2,11 0,91 10,01 0,91 1,60 1,60
(1,74) (3,23) (2,33) (3,27) (4,23) (1,0)
Agua 4,11 1,38 13,13 1,38 2,22 2,22
(7,38) (10,7) (5,6) (10,8) (13,6) (3,8)
Ingreso 0,8E-8 3,2E-8 5,76E-7 3,2E-8 -4,2E-8 -1,7E-8
(0,017) (0,29) (0,24) (0,29) (-0,14) (-0,04)
- - 6,78 0,47 - -
(7,6) (22,37)
- - - - - 1,37
- (4,45)
R2 ajust. 0,23 0,37 - - - -
log-L - - -170,7 -166,3 -302,9 -202,3
Valores de t entre paréntesis. **estadísticamente signi…cativo a
un nivel del 99%. * estadísticamente signi…cativo a un nivel del
En estas condiciones de modelación la variable costo de viaje es signi…cativa, excepto en

la forma funcional semi-log. Por su parte las variables Acceso y Agua se caracterizan por
una alta signi…cancia estadística. Por último, es importante destacar el signo positivo del
coe…ciente de la variable Ingreso en todos los modelos. En el Cuadro 3.13 se puede observar
el excedente del consumidor promedio por familia, tanto por viaje como por año, para la
muestra censada20 y un número promedio de viajes anuales de 3,45. El modelo BN EG
proporciona unos bene…cios económicos por familia y por año de $46.562,50, con un costo de
oportunidad del tiempo de viaje del 40%. Esta cifra es superior en $11.281,53 si se compara
con los cálculos del modelo T BN EG de la muestra truncada. Las formas funcionales OLSS
y M LES no se tuvieron en cuenta en el Cuadro 3.13 debido a la baja signi…cancia estadística
de la variable costo de viaje en la estimación. Esto rati…ca la bondad de ajuste de la forma
funcional lineal en el caso de muestras que incluyen información de los no participantes, lo
cual es consistente con los resultados de otros trabajos empíricos.
En el Cuadro 3.13, parte (c), se presentan los bene…cios totales correspondientes a la

suma del excedente del consumidor a través de todas las observaciones de la muestra cen-
sada20. Como detalle particular se debe mencionar que para los cuatro modelos (OLSL,


Const. 0,27 0,047 -12,2 0,05 -2,24 -2,24
(0,87) (0,66) (-4,69) (0,67) (-6,59) (-4,5)
TCP50 -1,8E-4 -3,2E-5 -4,9E-4 -3,2E-5 -2,2E-4 -2.2E-4
(-1,67) (-1,29) (-0,92) (-1,3) (-3,65) (-3,47)
TCS50 5,7E 1,4E-5 3,4E-4 1,4E-5 1,3E-4 1,3E-4
(3,41) (3,58) (3,21) (3,63) (7,49) (6,18)
Acceso 2,11 0,91 10,02 0,91 1,61 1,61
(1,74) (3,23) (2,3) (3,27) (4,24) (0,99)
Agua 4,11 1,38 13,12 1,38 2,23 2,23
(7,37) (10,69) (5,60) (10,82) (13,58) (3,85)
Ingreso 4,7E-8 4,0E-8 6,9E-7 4,0E-8 2,0E-8 4,4E-8
(0,1) 0,35) (0,28) (0,35) (0,07) (0,11)
- - 6,78 0,47 - -
(7,6) (22,36)
- - - - 1,37
(4,45)
R2 ajust. 0,23 0,37 – -
log-L -170,6 -166,2 -302,6 -202,1
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.
Finalmente, y prosiguiendo con la comparación de los bene…cios estimados entre una

muestra de naturaleza truncada y otra censada con una proporción de ceros del 20%, se
presenta el Cuadro 3.14: En términos generales se concluye que los modelos censados con
una relativa baja cantidad de ceros conducen a mayores excedentes del consumidor. Además,
prevalece un común denominador, indicando que a mayor costo de oportunidad del tiempo
de viaje mayores serán los bene…cios económicos estimados. En resumen, los resultados
muestran las diferencias en la valoración económica de bene…cios recreacionales en la playa
de Dichato, como consecuencia de los supuestos en la estimación y las técnicas econométricas
empleadas.
Table 3.10: Resultados econométricos de la muestra censada20 para un costo de oportunidad


Const. 1,55 0,60 -0,14 0,60 0,49 0,42
(1,93) (3,63) (-0,13) (3,68) (3,36) (1,68)
TCP30 -4,2E-4 -5,0E-5 -3,8E-4 -5,0E-5 -1,3E-4 -9,2E-5
(-2,74) (-1,58) (-2,10) (-1,60) (-5,21) (-2,93)
TCS30 1,5E-4 3,3E-5 2,1E-4 3,3E-5 5,5E-5 5,5E-5
(2,94) (3,08) (3,31) (3,13) (5,87) (3,43)
Acceso 2,07 0,47 2,72 0,47 0,48 0,50
(2,65) (2,93) (2,94) (2,97) (5,15) (1,89)
Agua 1,77 0,52 2,65 0,52 0,48 0,50
(3,06) (4,38) (3,84) (4,4) (6,12) (2,66)
Ingreso 9,5E-7 1,5E-7 7,2E-7 1,5E-7 2,9E-7 2,3E-7
(1,30) (0,98) (0,81) (0,99) (2,79) (1,08)
- - 4,35 0,76 - -
(17,33) (20,12)
- - - - - 0,80
(5,93)
R2 ajust. 0,13 0,15 - - - -
log-L - - -500,3 -232,4 -588,4 -469,7
3.7.5 Discusión de resultados

La tendencia general es que a mayor costo de oportunidad del tiempo de viaje la función
de demanda es más inelástica y, por lo tanto, mayores serán los bene…cios estimados. Esta
conclusión es consistente con el trabajo de Layman et al. (1996). El supuesto de modelación
asume que el jefe de familia tiene la posibilidad de elegir la cantidad de horas trabajadas.
Con este trade-o¤ entre ocio y trabajo al tiempo de viaje se le imputó un porcentaje del
salario-hora.
En el presente trabajo se usó un porcentaje entre 0,3 y 0,5 del salario de mercado. En
la literatura no existe una regla general para enfrentar esta decisión. Sin embargo, las
estimaciones del excedente del consumidor son muy sensibles a este supuesto dentro de la
modelación. Aún si se argumenta que no existe discrecionalidad para la elección de las horas
trabajadas, dadas las condiciones de rigidez en el mercado laboral o el uso de tiempo efectivo
de vacaciones para actividades recreativas por parte de las familias, se establece un trade-o¤
entre actividades recreativas y otras actividades de ocio donde el costo de oportunidad quizás
no esté relacionado con el salario, pero no necesariamente signi…ca que sea igual a cero.
En la muestra truncada los resultados de las distribuciones discretas (P OIS, T P OIS,
BN EG y T BN EG), indican que las funciones de demanda en modelos truncados son más


Const. 1,47 0,59 -0,195 0,59 0,47 0,41
(1,87) (3,66) (-0,2) (3,71) (3,32) (1,68)
TCP-40 -3,4E-4 -3,9E-5 -3,1E-4 -3,9E-5 -1,0E-4 -7,5E-5
(-2,61) (-1,44) (-1,97) (-1,46) (-4,98) (-2,75)
TCS-40 1,2E-4 2,6E-5 1,7E-4 2,7E-5 4,3E-5 4,4E-5
(2,95) (3,11) (3,33) (3,16) (5,92) (3,45)
Acceso 2,08 0,48 2,72 0,47 0,49 0,49
(2,65) (2,93) (2,95) (2,98) (5,18) (1,89)
Agua 1,77 0,52 2,65 0,52 0,48 0,50
(3,05) (4,37) (3,83) (4,43) (6,11) (2,68)
Ingreso 1,04E-6 1,5E-7 7,8E-7 1,5E-7 3,2E-7 2,4E-7
(1,37) (0,97) (0,85) (0,98) (2,92) (1,13)
- - 4,35 0,76 - -
(17,33) (20,2)
- - - - - 0,80
(5,94)
R2 ajust. 0,12 0,15 - - - -
log-L - - -500,5 -232,5 -589,5 -469,9
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,


Const. 1,41 0,59 -0,24 0,59 0,46 0,40
(1,83) (3,68) (-0,25) (3,74) (3,28) (1,67)
TCP50 -2,9E-4 -3,2E-5 -2,6E-4 -3,2E-5 -8,5E-5 -6,3E-5
(-2,5) (-1,33) (-1,88) (-1,35) (-4,79) (-2,61)
TCS50 1,0E-4 2,2E-5 1,4E-4 2,2E-5 3,6E-5 3,7E-5
(2,96) (3,13) (3,34) (3,17) (5,95) (3,47)
Acceso 2,1 0,5 2,7 0,5 0,5 0,5
(2,65) (2,94) (2,95) (2,98) (5,2) (1,9)
Agua 1,76 0,52 2,64 0,52 0,48 0,5
(3,04) (4,36) (3,8) (4,42) (6,1) (2,69)
Ingreso 1,1E-6 1,5E-7 8,2E-7 1,5E-7 3,3E-7 2,5E-7
(1,41) (0,96) (0,87) (0,97) (2,98) (1,16)
- - 4,36 0,76 - -
(17,33) (20,2)
- - - - - 0,80
(5,96)
R2 ajust. 0,12 0,15 - - - -
log-L - - -500,7 -232,6 -590,4 -470,0
lo que se traduce fundamentalmente en estimadores inconsistentes desde una perspectiva

estadística.
Ante esta situación se concluye que para los datos de la muestra truncada analizados el
modelo de mayor bondad estadística es el T BN EG. No obstante, el estimador de la binomial
negativa truncada es consistente si el proceso de generación de datos realmente corresponde
a una distribución binomial negativa, y i = exp(Xi ) es una correcta especi…cación de la
media poblacional (Gourieroux et al., 1984a; Gourieroux et al., 1984b). Si se asocia al modelo
T BN EG un costo de oportunidad del tiempo de viaje equivalente al 40% del salario-hora, se
obtiene una cifra aproximada de $ 3528 millones de pesos chilenos para las 100.000 familias
que visitan la playa anualmente. Este valor equivale a US $ 8.820.000 si se asume una tasa
de cambio de $ 400 pesos por dólar. La estimación de bene…cios por persona o por familia
puede ser baja en muchos casos, pero si éstos se agregan entre los diferentes visitantes se
puede alcanzar un valor monetario bastante apreciable.
Lógicamente la agregación de bene…cios se debe hacer considerando la capacidad de carga
del espacio natural, y en este caso particular de la playa (McConnell, 1977; Cesario, 1980;
Shelby, 1980; Niklitschek & León, 1994). Igualmente, el procedimiento de estimación de los
bene…cios puede ser sensible y sesgar la medida del excedente del consumidor (Bockstael &
Strand, 1987; Wilman & Richard, 1987; Dobbs, 1993b; Smith, 1990). Kealy & Bishop (1986)
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
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
muestreo en diversas localidades para satisfacer los requerimientos de un tamaño de muestra

representativo. Esta exigencia estadística se traduce en costos adicionales imputables a la
consecución de información, en clara contraposición a lo que sucede en muestras truncadas.
En lo correspondiente a las estimaciones econométricas es interesante destacar las cuali-
dades y características exhibidas por las distribuciones discretas. En los últimos años se ha
sugerido insistentemente su utilización, con el propósito de compatibilizar la teoría con la
modelación de la frecuencia de viajes expresada a través de valores enteros y positivos. Es
posible emplear distribuciones como la Poisson y la Binomial Negativa en muestras censadas
con una proporción de no participantes relativamente alta. Indiscutiblemente lo atinente
a distribuciones discretas constituye uno de los desarrollos más recientes dentro del re…-
namiento metodológico del MCV :
Igualmente, la valoración del costo de oportunidad del tiempo de viaje es perfectamente
consistente con la teoría económica. Un mayor costo de oportunidad del tiempo de viaje
equivale a una función de demanda más inelástica y por consiguiente a un mayor excedente
del consumidor. Es también importante señalar que existen elementos lo su…cientemente
debatibles y argumentables, esencialmente relacionados con el precio sombra más adecuado
para el tiempo de ocio, dado que en muchas situaciones no existe discrecionalidad por parte
del visitante para decidir sobre el número de horas de trabajo.
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
Table 3.14: Comparación de bene…cios entre muestras truncadas y censadas
(a) Excedente del consumidor promedio por familia y por viaje (

$)
OLSLtr OLSLcen20 MLELtr MLELcen20
TCP-30 3886,47 4156,27 706,82 4548,42
TCP-40 4623,91 5098,31 836,42 5638,67
TCP-50 5380,14 6074,64 968,96 6773,81
TPOIStr POIScen20 TBNEGtr BNEGcen20
TCP-30 5806,53 8014,75 6661,78 10.884,47
TCP-40 6941,07 9845,43 7982,12 13.341,69
TCP-50 8110,30 11.747,15 9330,97 15.871,76
(b) Excedente del consumidor promedio por familia y por año
($)
OLSLtr OLSLcen20 MLELtr MLELcen20
TCP-30 17.178,20 14.507,02 3124,14 15.873,99
TCP-40 20.437,68 17.793,10 3696,98 19.678,96
TCP-50 23.780,22 21.200,49 4282,80 23.640,60
TPOIStr POIScen20 TBNEGtr BNEGcen20
TCP-30 25.664,86 27.971,48 29.445,07 37.986,80
TCP-40 30.679,53 34.360,55 35.280,97 46.562,50
TCP-50 35.847,53 40.997,55 41.242,89 55.392,44
recreativas dentro de la sociedad contemporánea, lo que a su vez conlleva a la necesidad

de adoptar medidas orientadas a un óptimo manejo de los bienes públicos. Este tipo de
propósito ha sido parte esencial de propuestas programáticas de organismos e instituciones
estatales en numerosos países del mundo.
En este capítulo se han discutido varios aspectos relacionados con el M CV en el cual las
preferencias reveladas de los visitantes constituyen la base para la estimación de los bene…cios
económicos proporcionados por actividades recreativas. Los tópicos discutidos se concentran
en los aspectos conceptuales del método, en las herramientas de estimación econométrica
y en las cosideraciones prácticas que los investigadores deben resolver para una correcta
aplicación del método.
El capítulo cubre en forma extensa la aplicación del M CV para el caso de la estimación
de la demada recreacional para un sitio en particular, incluyendo ejemplos de estimaciones
econométricas para distintos tipos de muestreos. Los aspectos relacionados con estimaciones
para multiples sitios y MUA son discutidos en forma mas concisa y requieren por parte del
investigador interesado de una consulta detallada a la literatura sugerida a lo largo del texto.
Para terminar es factible a…rmar que el cuali…cado desarrollo y el grado de depuración
metodológica del M CV a través del tiempo, garantiza su utilidad y operatividad en trabajos
orientados a la valoración de bene…cios recreacionales proporcionados por sistemas de recur-
sos naturales. Además, es dable pensar en su uso potencial en la elaboración de estudios
de impacto ambiental, con la idea de obtener cuanti…caciones monetarias de diversos efectos
negativos sobre la calidad ambiental. Incluso en estudios técnicamente bien hechos podrían
emplearse los respectivos resultados para direccionar políticas públicas y adecuadas transfer-
encias de bene…cios a otros sitios de interés. Estos temas han sido tratados exhaustivamente
por Wilman (1988); Boyle & Bergström (1992), y Brookshire & Neill (1992). Antecedentes
de esta naturaleza, acompañados de un adecuado y representativo muestreo, una rigurosa
estimación econométrica y el uso de estimadores apropiados, constituye un referente lo su…-
cientemente sólido para la realización de futuras investigaciones del M CV .
Chapter 4
Método de valoración contingente
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.
Table 4.1: Resultados del experimento de Bishop y Herberlein
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
depende de su respuesta, tendrá incentivos a sobre o subestimar la DAP dependiendo de

su interés. De otro lado si el entrevistado percibe el pago como hipotético tendrá incentivos
para revelar un mayor valor que su verdadera DAP , con el objeto de promover el aumento
en la disponibilidad del bien. La ventaja del formato binario es que reduce la ocurrencia de
este tipo de sesgos2 .
Sin embargo, la nueva metodología conduce a otros problemas relacionados con el diseño
óptimo del experimento de valoración, entre los cuales se pueden mencionar la determinación
del tamaño total de la muestra, la selección del rango de los valores asignados a cada sub-
muestra y la de…nición del tamaño de las mismas (al respecto ver Kanninen 1995; Cooper
& Loomis, 1992; Kanninen & Kriström, 1993). La simplicidad en la aplicación del formato
binario contrasta con el hecho que la estimación de medidas de bienestar es mucho más
compleja, se reduce la e…ciencia estadística y los resultados son sensibles a la especi…cación
del modelo (Niklitschek & León, 1994).
Además, dado que la variable dependiente para este tipo de formato es discreta; es decir,
toma el valor de 1 si el individuo está dispuesto a pagar la cantidad de dinero sugerida en la
encuesta y toma el valor de 0 en caso contrario, la estimación econométrica se efectúa a través
de un procedimiento de máxima verosimilitud (M V ). Generalmente, se asume que los errores
de la regresión se distribuyen en forma normal o logística, dando lugar a un procedimiento
de estimación probit o logit, respectivamente. Amemiya (1981) muestra que las estimaciones
de los modelos probit y logit generan resultados similares para los coe…cientes estimados,
excepto en el caso donde los datos están fuertemente concentrados en las colas. Bowker
& Stoll (1988) comparan estos métodos de estimación y encuentran pequeñas diferencias
estadísticas. Sin embargo, otras experiencias sugieren que las diferencias en las medidas de
bienestar surgidas a partir de los coe…cientes estimados para el caso logit y probit, pueden
ser signi…cativas dependiendo de las formas funcionales utilizadas (Cerda et al., 1997).
Hanemann (1984), Cameron & James (1987) y Cameron (1988) desarrollaron formula-
ciones teóricas del método de V C con formato binario que permiten estimar cambios en el
bienestar de las personas. Cameron muestra que los datos generados por este método pueden
ser usados en una forma directa y e…ciente para estimar funciones de bene…cio y calcular me-
didas de bienestar. La idea original de Hanemann es conocida como el modelo de diferencia
de la función indirecta de utilidad, mientras que el modelo propuesto por Cameron se conoce
como función de variación, que se centra en la diferencia de funciones de costo. En otras
palabras, el primero formula el problema a través de dos funciones indirectas de utilidad y,
por su parte, Cameron interpreta la respuesta como una comparación entre la cantidad de
dinero sugerida en la encuesta y la verdadera valoración que subyace en el individuo.
El resto del capítulo se divide en tres partes. Primero se discuten los elementos necesarios
para la realización de un estudio de valoración contingente. Estas consideraciones describen
tanto críticas metodológicas y de aplicación de VC así también como críticas de naturaleza
…losó…ca, que constituyen un componente esencial en las discusiones sobre la validez o no de
la metodología. Esta parte del capítulo …naliza con las sugerencias hechas por el panel de
NOAA (Arrow et al., 1993), en lo que respecta a los requisitos mínimos para una adecuada
aplicación de VC, muchos de las cuales responden en parte a las críticas realizadas al método.
2
Los otros formatos de pregunta y los sesgos asociados a ellos son ampliamente discutidos en Mitchell &
Carson (1989) y Azqueta (1994).
4.2. CONSIDERACIONES PARA EL USO DE VC 107
Posteriormente, se desarrollan las interpretaciones teóricas para el método de VC con for-

mato dicotómico. En la discusión se incluyen los enfoques teóricos de Hanemann y Cameron,
la estimación de medidas de bienestar y las diversas variantes del formato dicotómico con
sus respectivas estimaciones econométricas. El capítulo …naliza con ejemplos y aplicaciones
que ayudan a comprender los diversos tópicos discutidos.
4.2 Consideraciones para el uso de VC

A través del desarrollo empírico de la metodología se han evidenciado los aspectos que el
investigador debe analizar al momento de construir los instrumentos de entrevista y diseñar
un estudio de V C. Algunos de estos aspectos son discutidos a continuación, esbozando en
primer lugar los elementos que debe incluir la construcción del instrumento de entrevista.
Luego se describen las diferencias encontradas entre DAP y DAA, la diferencia en el valor
de bienes cuando éstos son considerados individualmente o cuando son evaluados como parte
de otro bien (embedding) y los efectos de distintos niveles y tipos de información sobre la
valoración de los recursos. Un aspecto importante de la información es el referente a la
existencia de sustitutos y la consideración de la restricción de presupuesto por parte de
los individuos al momento de expresar su valoración por el bien. Dentro de esta sección
se incluyen algunas críticas al método de valoración desde una perspectiva conceptual, las
cuales no tienen fácil solución metodológica debido a que muchas de ellas hacen parte de un
contexto eminentemente epistemológico. En general, las consideraciones apuntan a discutir
la estructura de preferencias que los individuos poseen con respecto a bienes públicos y a
la validez de los postulados y supuestos económicos en el contexto de la toma de decisiones
sobre recursos naturales.
4.2.1 Diseño de la encuesta

Desde el trabajo de Ciriacy-Wantrup se evidenció que el éxito de un estudio de V C depende
de la habilidad con la que se diseñe y aplique la encuesta, por lo cual se han desarrollado
procedimientos con el propósito de mejorar la credibilidad de las encuestas y garantizar
resultados con…ables (Hanemann, 1994).
La encuesta debe contener al menos tres partes. Primero, se debe describir el bien o
programa que se pretende valorar con el …n de proveer información plena sobre éste. En
segundo lugar se pregunta por DAP o DAA como mecanismo para obtener la valoración de
los entrevistados. Por último, se incluyen preguntas sobre las características socioeconómicas
de los entrevistados, las cuales son relevantes para explicar la variabilidad en la valoración
del bien (Portney, 1994).
Siguiendo a Mitchell & Carson (1995) se debe enfatizar la diferencia entre preguntas de
actitud y preguntas sobre intención de comportamiento cuando se indaga por la valoración
económica a los entrevistados. Los detractores de V C argumentan que no existe una corre-
spondencia entre actitudes y comportamientos de los individuos. Así por ejemplo, Diamond
& Hausman (1994) plantean la necesidad de evaluar los estudios de V C en términos de su
credibilidad, con…abilidad y precisión. En su contexto, credibilidad se re…ere a si los entre-
vistados responden de hecho a la pregunta que le hace el entrevistador, ya que en realidad
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.
4.2.2 Diferencia entre DAP y DAA

El problema relacionado con el tipo de pregunta a utilizar en la entrevista (DAP o DAA) es
relevante al momento de estimar y agregar los bene…cios obtenidos por el método. Estudios
que compararon los bene…cios estimados usando estos dos tipos de preguntas (Diamond &
Hausman, 1994; Bishop & Heberlein, 1979), encuentran que los valores de DAA son may-
ores a los de DAP . Esta sobreestimación en el valor del recurso se explica en cierta forma
por la presencia de un efecto ingreso subyacente en la pregunta de DAP . Adicionalmente,
Hanemann (1991) sostiene que las diferencias encontradas en las estimaciones se debe a la
presencia de un efecto sustitución, aún cuando la evidencia empírica no es clara al respecto
(Adamowicz et al., 1993). Por esta razón, la conclusión lógica es que si no se desea sobredi-
mensionar los bene…cios agregados es aconsejable preguntar por DAP (Walsh, 1986; Bishop
& Heberlein, 1979).
4.2.3 Agregación de bene…cios

Aun si se usa DAP el problema de agregación de bene…cios no está totalmente resuelto,
ya que se debe discutir el mercado relevante para el bien. Es decir, se debe de…nir a quién
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).
4.2.4 Efecto incrustación

El llamado efecto incrustación o embedding se conoce también como efecto todo-parte. Al-
gunos estudios empíricos (Kahneman, 1986; Kahneman & Knetsch, 1992; Desvousges et al.,
1992; Diamond et al., 1992) han mostrado que la DAP no aumenta cuando el tamaño del
bien es mayor (Arrow et al., 1993). O también que el valor de un bien no es diferente cuando
se valora en forma separada que cuando se hace como parte de otro bien (Kahneman &
Knetsch, 1992). Kahneman (1986) encontró que la DAP por la limpieza de un lago no es
signi…cativamente menor que aquella estimada para limpiar todos los lagos de una región.
Los críticos de V C señalan que los individuos entrevistados no están midiendo la utilidad
del bien ambiental en términos de un valor monetario sino que están expresando una "compra
de satisfacción moral" ya que están dispuesto a pagar algo por un proyecto que consideran
moralmente correcto independiente de la escala de éste. Por el contrario si los individuos
estuviesen valorando un bien deberían asignarle un valor mayor a mayores cantidades del bien
o a proyectos que involucren una mejor calidad ambiental. En contraposición, se sugiere que
este fenómeno no es exclusivo de los estudios de VC , sino que éste es usualmente frecuente
en economía y que quizás lo que hace V C es sólo exacerbar tal efecto (Randall & Hoenh,
1996). Otros autores argumentan que el problema puede deberse a la incorrecta aplicación
del método y que muchos de los resultados no son del todo inconsistentes con la teoría
económica (Carson et al., 1995, 1998).
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.
Divergencias existen también con respecto a la interpretación de la sensibilidad de las

medidas de bienestar a los cambios en la estructura de la información. Algunos autores
se re…eren a este tema como un sesgo de información (Cummings et al., 1986; Ajzen et
al., 1996), asumiendo implícitamente que la información afecta la DAP en una dirección no
deseada e inesperada. Ajzen et al. (1996) concluyen que "..la recomendación de proveer a
los encuestados en VC con infomación detallada respecto a la transacción sugerida puede no
ofrecer una solución satisfactoria al problema de sesgo de información". Por otra parte, otros
autores consideran que las diferencias en la DAP asociadas a distintos niveles de información
es un resultado esperado que no constituye sesgo metodológico (Bergström et al., 1989, 1990;
Blomquist & Whitehead, 1998). En otras palabras, se debería esperar que los cambios en la
estructura de mercado in‡uencien la conducta de los individuos (Boyle, 1989).
Una parte importante de la discusión se ha centrado en la con…abilidad de VC para
obtener el verdadero valor de recursos naturales. Como lo mencionan Schkade & Payne
(1994) dos paradigmas opuestos están en disputa. Por un lado existe la presunción que el
individuo puede tomar decisiones basado en preferencias bien de…nidas, y que estas pref-
erencias pueden ser recobradas usando un diseño correcto de VC. Por otro lado, algunos
investigadores cuestionan este postulado y sostienen que los individuos difícilmente toman
decisiones racionales. Por lo tanto, otra interpretación es necesaria para las respuestas de
DAP en un estudio de VC.
La mayoría de la literatura incorpora elementos de psicología para establecer un marco
teórico que permita derivar hipótesis razonables sobre el efecto de cambios en información
sobre estimaciones de DAP (Schkade & Payne, 1994; Ajzen et al., 1996; Hoehn et al.,
2002). Al respecto algunos estudios enfatizan temáticas relacionadas con la manera en la
cual los entrevistados incorporan nueva información, cómo esta información se combina con
conocimiento anterior sobre el bien y cómo esta información se utiliza en el proceso de
decisión (Schkade & Payne, 1994; Tkac, 1998; Hoehn et al., 2002).
La premisa fundamental es que una intención de comportamiento, como la DAP, predice
en una mejor forma el verdadero comportamiento del individuo en la medida que la descrip-
ción del bien sea lo más exacta posible (Boyle, 1989). Sin embargo, una de…nición de lo que
se entiende por una descripción exacta no constituye una tarea fácil.
En resumen, la estructura de información contempla diversos aspectos relacionados con
la construcción del mercado hipotético. Entre ellos se destacan la descripción general del
bien incluyendo la cantidad, grado y la calidad de éste (Sample et al., 1986; Boyle, 1989;
Blomquist & Whitehead, 1998; Bergström et al., 1990; Hoehn & Randall, 2002; Fox et
al., 2002; Bateman & Mawby, 2003); la información sobre gastos relativos en otros bienes
públicos y privados (Bergström et al., 1989); la importancia de recordarle a los entrevistados
su restricción de presupuesto y de los bienes relacionados (Kotchen & Reiling, 1999; Lommis
et al., 1994, 1995; Whitehead & Blomquist, 1995, 1999).
Un intento de categorizar la diversidad temática reportada en la literatura sobre infor-
mación se puede encontrar en Whitehead & Blomquist (1991), Hanley & Munro (1994) y
Blomquist & Whitehead (1998). Sin embargo, cualquier clasi…cación deberá aceptar que
muchos aspectos en VC son transversales. Usando algunas categorías presentadas en los
artículos reseñados se pueden distinguir dos tópicos relevantes como son las características
del bien a evaluar y la consideración de la restricción presupuestaria y de los bienes sustitutos.
Estos aspectos se ilustran a continuación.
4.2.6 Características del bien a evaluar

Existe un esfuerzo signi…cativo de investigación que evalúa los efectos sobre la DAP derivado
de la información de carácter general que se entrega a los entrevistados respecto a las car-
acterísticas del bien. Esta información describe generalmente uno o más aspectos del bien
como por ejemplo la cantidad, extensión y calidad del recurso (Boyle, 1989; Bergström et
al., 1989, 1990; Blomquist & Whitehead, 1998; Fox et al., 2002).
El punto de partida de la discusión se centra en la a…rmación de que dos descripciones
igualmente válidas sobre un bien usadas en un experimento de valoración, deberían propor-
cionar estimaciones de medidas de bienestar similares desde un punto de vista estadístico
(Cummings et al., 1986; Boyle, 1989)3 . Sin embargo, muchos casos empíricos han encontrado
diferencias signi…cativas en las estimaciones de medidas de bienestar debido a cambios en
la descripción del bien. Sample et al. (1986) encuentran que la asignación de una cantidad
…nita de dinero (30 dólares) en actividades de preservación fue altamente sensible al acceso a
información. Cuando las especies en peligro no fueron identi…cadas adecuadamente, es decir
no se proporcionó el nombre de la especie o el nivel de peligro en que ésta se encontraba, la
asignación entre distintas especies fue equitativa. Sin embargo, cuando los nombres y el nivel
de peligro conjuntamente con otra información fue proporcionada la distribución entre las
especies cambió perceptiblemente, con más dinero asignado a las especies con mayor peligro
de extinción pero con posibilidades reales de mitigación de dicho peligro.
Boyle (1989) critica los resultados de Sample et al. (1986) señalando que la encuesta
usada por los autores sólo provee información relevante del bien en la última etapa de la
entrevista. Para probar su postulado Boyle usa distintas muestras con diferencias de menor
importancia en la descripción del bien en cuestión. Tres grupos de individuos recibieron una
encuesta por correo donde la única diferencia entre los cuestionarios consistió en el nivel de
información proporcionado. Las DAP estimadas no fueron estadísticamente diferentes entre
grupos. No obstante, la e…ciencia de las medidas de bienestar aumentaron a medida que más
información fue suministrada.
Bergström et al. (1989) evaluaron los efectos de tres tipos distintos de información so-
bre las estimaciones de DAP. El primer tipo de información permitió a los entrevistados
conocer el porcentaje que su DAP representa con respecto a su renta anual. Un segundo
tipo de información indujo a los individuos a estimar su asignación de presupuesto entre
diversos grupos de bienes (vestuario, alimentos, vivienda, etc.). Por último, se proporcionó
información sobre el costo total de ofrecer el bien ambiental y se mostró si el monto total
hipotéticamente recaudado por parte de los individuos, dada su DAP, cubriría el costo anun-
ciado por el encuestador. Estos tres niveles de información fueron proporcionados en forma
secuencial y después de cada etapa se les pidió a los entrevistados revisar su DAP. La hipóte-
sis de Bergström et al. (1989) es que el proceso de decisión es complejo para el individuo,
especialmente el cálculo de su DAP. Por lo tanto, la información proporcionada ayuda a los
individuos en su proceso de toma de decisiones y se espera que aumente la DAP a medida
que los individuos puedan resolver su problema de minimización del gasto. Sus resultados
son consistentes con la hipótesis inicial. Es decir, la media de la DAP aumenta cuando es
mayor la cantidad de información suministrada. Resultados similares son encontrados por
3
La de…nición de lo que se entiende por dos descripciones igualmente válidas no es discutido en la liter-
atura.
Bergström et al. (1990) en un estudio en el cual los entrevistados después de enunciar su

DAP reciben nueva información sobre los servicios especí…cos que proporciona el bien. Los
resultados muestran una relación positiva entre la información de los servicios del bien y la
DAP.
Tkac (1998) evalúa el efecto de la información sobre la medida de bienestar asociada

a una especie en peligro de extinción. La hipótesis principal de su investigación es que el
efecto de nueva información dependerá de la información recibida con anterioridad por los
entrevistados. Además, que la DAP será mayor si las personas están mejor informadas.
Para veri…car esta hipótesis se aplicó un experimento de VC a dos grupos de estudiantes. El
primer grupo consistió en estudiantes de un departamento de economía y el segundo grupo en
estudiantes de un departamento de ciencias naturales. Se supone que estos últimos estaban
mejor informados sobre el problema de la especie en peligro de extinción que se pretendía
valorar. Los resultados señalan que los impactos de proveer información son diferentes entre
estos dos grupos, siendo más fuertes en el grupo donde no existía información previa. De este
estudio dos resultados son relevantes: la DAP aumenta en los dos grupos cuando se provee
mayor información y el aumento en la DAP es mayor en el grupo con menor información
inicial.
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.
Un acercamiento desde la perspectiva psicológica es dado por Ajzen et al. (1996). Su

trabajo se centra en los efectos de la información sobre las actitudes y creencias de los
entrevistados. El propósito de su estudio es evaluar el sesgo de información potencial que
surge debido a los tipos de argumentos implícitos o explícitos presentados en la información
proporcionada en una encuesta. Tanto la calidad de los argumentos así como la importancia
personal del bien evaluado afecta las respuestas de DAP. El cuestionario, aplicado a 192
estudiantes de la Universidad de Massachusetts, fue diseñado con el propósito de evaluar tres
aspectos del proceso de decisiones. Primero, se evaluó la actitud hacia el comportamiento
de pagar dinero por un bien ambiental. Esta actitud re‡eja la evaluación positiva o negativa
que el individuo tiene con respecto a esta conducta. Segundo, se evaluó el efecto de la norma
subjetiva, es decir el grado de presión social para realizar el comportamiento. Por último,
se consideró el control de comportamiento percibido por el individuo que tiene relación con
el grado de di…cultad de determinado comportamiento. Los resultados resaltan el hecho que
argumentos fuertes y la relevancia personal del bien aumenta la DAP. Similares resultados
son encontrados por Fox et al. (2002) donde la provisión de información favorable o no
favorable respecto a los bienes privados afecta la DAP de los entrevistados. Un resultado
importante de este estudio es que cuando los entrevistados son enfrentados a información
contradictoria (negativa y positiva) respecto al riesgo asociado al consumo, la información
negativa tiende a dominar.
4.2.7 Sustitutos y restricción presupuestaria

Existe un interés especial en aspectos que no se relacionan directamente con el bien sino
con los bienes relacionados (sustitutos y complementarios) y los efectos de la restricción
de presupuesto en la DAP (Loomis et al., 1994, 1995; Kotchen et al., 1999; Whitehead &
Blomquist, 1995, 1999).
Hoehn & Randall (1989) muestran que el valor de un proyecto ambiental es signi…cativa-
mente diferente cuando es evaluado aislado de otros que cuando es evaluado como parte de
un conjunto de proyectos. Especialmente, cuando la dimensión del cambio de política es sig-
ni…cativo. Es decir, evaluaciones individuales no consideran la interacción que puede existir
entre diferentes bienes en una agenda de proyectos. La suma de valores a través de varios
servicios tratados independientemente sobredimensiona el verdadero valor de una política
ambiental multidimensional. Este resultado es explicado por el hecho que evaluaciones in-
dividuales están condicionadas a un nivel inicial del ambiente (calidad y cantidad) de todos
los otros servicios o bienes ambientales. Sin embargo, proyectos multidimensionales deberían
ser evaluados de una manera secuencial, donde la valoración es condicionada al nivel …nal
de los bienes ambientales que ya han sido evaluados.
Hoehn (1991) y Hoehn & Loomis (1993) aplican el concepto de valoración multidimen-
sional. Hoehn (1991) estima el valor económico de la calidad del aire en dos regiones de
los Estados Unidos para dos muestras de la población de Chicago. En la primera muestra
se le pidió a los entrevistados valorar independientemente tres niveles de calidad del aire
en el Parque Nacional Gran Cañon. En la segunda muestra los entrevistados valoraron dos
niveles de calidad del aire para el área Metropolitana de Chicago y una mejora en la calidad
del aire para el Parque arriba mencionado. Además, los entrevistados valoraron una mejora
simultánea de la calidad del aire en el Área Metropolitana de Chicago y en el parque. Los
resultados econométricos demostraron que estos dos proyectos ambientales son estrictamente
sustitutos en la evaluación (Hoehn, 1991).
Por otro lado, Hoehn & Loomis (1993) evaluaron una agenda multidimensional en un
contexto intrarregional (Valle de San Joaquín, California). Cinco programas para proteger
humedales fueron evaluados. Algunos de estos proyectos implicaron prevención de daños
adicionales mientras que otros implicaron mejoras en la calidad de los humedales. Uno de
los programas incluyó una mejora especí…ca en una especie asociada al humedal. Contrario
a lo que se presumía por los autores los cinco programas resultaron ser sustitutos.
Cummings et al. (1994) consideran tres preguntas adicionales: cómo de…nir los bienes
relacionados apropiados que se deben incorporar en la encuesta, la relación entre dos bienes
ambientales distintos, y la relación entre un bien ambiental y un bien no ambiental. Usando
un experimento de valoración de dos bienes ambientales y un bien privado los autores en-
cuentran que la suma de los valores de proyectos evaluados independientemente es mayor que
cuando los proyectos se valoran dentro de una agenda. Además, los tres bienes se compor-
taron como sustitutos. Hoehn & Randall (1989) explican este resultado argumentando que
los bene…cios totales son limitados por el presupuesto, o más ampliamente por la capacidad
productiva de la economía. Por lo tanto, los bienes son sustitutos desde la perspectiva de la
asignación del presupuesto.
El panel de NOAA (Arrow et al., 1993) recomienda que cualquier estudio de VC ex-
plícitamente recuerde a los entrevistados la existencia actual y futura de bienes sustitutos y
complementarios. Así como la restricción presupuestaria del individuo. Algunos estudios de

VC han intentado evaluar la relevancia o el impacto de esta sugerencia en las respuestas so-
bre DAP. Los resultados indican que cuando la entrevista o encuesta no menciona en forma
especí…ca cuáles son los bienes sustitutos, la DAP no es sensible a la inclusión de este tipo de
recordatorio en la encuesta. Por el contrario, si los bienes sustitutos son de…nidos claramente
existe un efecto signi…cativo sobre las respuestas de los individuos. Esta diferencia sugiere
que una descripción general de la restricción del presupuesto y de bienes relacionados no
es su…ciente para capturar sus efectos económicos en las respuestas del entrevistado (Neill,
1995).
En el estudio de Loomis et al. (1994) se valoró un recurso forestal de características únicas
(old growth forest) por la inexistencia relativa de sustitutos. La muestra se dividió en dos
grupos y sólo a uno de éstos se le mencionó explícitamente sobre la restricción de presupuesto
y la existencia de bienes relacionados. No se encontraron diferencias signi…cativas entre los
valores medios de la DAP ni tampoco en la estructura del comportamiento.
Loomis et al. (1994) concluyen sobre la necesidad de investigación adicional con bienes
ambientales poco conocidos antes de generalizar el resultado de su estudio. Whitehead &
Blomquist (1995), considerando esta sugerencia, estimaron el valor económico de un área de
humedales usando tres muestras con distintos niveles de información sobre bienes relaciona-
dos. Los autores concluyen que ninguna de las muestras de las versiones con más información
proporcionaron una DAP perceptiblemente distinta si se compara con el caso no informa-
tivo. Sin embargo, se encontraron diferencias signi…cativas entre una versión de la encuesta
que proporcionó información sobre un bien sustituto y otra versión que entregó información
sobre un bien complementario.
En resumen, las diferencias empíricas entre estudios pueden explicarse por el hecho que en
algunos casos solo se le recuerda a los individuos sobre un conjunto demasiado vago de bienes
privados y públicos relacionados. Como la de…nición es poco clara los individuos no toman en
cuenta esta información al momento de valorar un recurso. Por el contrario cuando los bienes
sustitutos y complementarios se presentan en forma especí…ca los individuos consideran esta
información al momento de valorar el bien (Loomis et al., 1995).
Consistente con esta a…rmación Kotchen & Reiling (1999) no encontraron diferencias
en la DAP para bienes poco conocidos por los entrevistados cuando se hizo el recordatorio
en forma similar a lo hecho por Loomis et al. (1994). Whitehead & Blomquist (1999)
sostienen que este tipo de recordatorio no proporciona información relevante sobre recursos
comparables.
Usando un método un tanto diferente Hailu et al. (2000) evaluaron de manera más
‡exible un multiprograma. Los individuos pueden elegir cualquier combinación entre tres
programas distintos de conservación de ecosistemas. A cada uno de estos ecosistemas se
relacionó una especie en peligro de extinción. Contrario a lo encontrado en otros estudios
los bienes resultaron ser complementarios y no sustitutos. Esto signi…ca que la DAP por dos
programas en conjunto es mayor que la suma de la DAP por cada programa por separado.
Finalmente, los autores sostienen que recordarle a los entrevistados la existencia de sustitutos
y la restricción de presupuesto no es su…ciente para capturar los efectos de sustitución entre
bienes.
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
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.
4.2.9 Signi…cado e interpretación de valor

Un aspecto importante para la validez y con…abilidad de VC se relaciona con la forma en
que las preguntas son percibidas, conceptualizadas y entendidas por los entrevistados. Basa-
dos en alguna interpretación de la Teoría de Perspectiva (Prospect Theory) esbozada por
autores como Kahneman & Tversky (1979), algunos autores indican que los entrevistados en
estudios de VC rara vez consideran el valor económico o las restriciones de presupuesto al
contestar a la pregunta sobre su DAP. Por consiguiente, las respuestas de los entrevistados
no pueden interpretarse como el valor económico del bien. Entre los aspectos a favor de esta
interpretación se encuentra el hecho que cambios pequeños y graduales no son percibidos por
los entrevistados, existe poca familiaridad de los individuos con el bien ambiental y con los
cambios en éste incluyendo la información sobre los servicios de la biodiversidad o del eco-
sistema (Burney, 2000), la imposibilidad para hacer comparaciones de compra y considerar
los aspectos dinámicos del ambiente debido a limitaciones de tiempo en la aplicación de las
entrevistas, la no consideración de la multidimensionalidad de los cambios en el ambiente
los cuales incluyen cambios en la visión del mundo de las personas (Burney, 2000; Gregory
& MacGregor, 1990).
A raíz de estas consideraciones los detractores del método opinan que los entrevistados no
tienen un valor real por el bien ambiental. Por el contrario, éstos construyen el valor durante
el desarrollo de la entrevista. Es decir, el proceso crea el valor que se está buscando y, por
lo tanto, no es un método válido para obtener valoraciones económicas. Hanemann (1994)
expresa su desacuerdo con esta posición basado principalmente en la evidencia proveniente
de la neurociencia. Allí se muestra como la actividad cognitiva y la toma de decisiones son
un proceso constructivo. Por lo tanto, parece ser un principio general que las personas toman
decisiones en forma continua, muchas veces eligiendo de la manera más simple posible, lo cual
no constituye un argumento que invalide una interpretación económica de sus respuestas.
A pesar de las críticas formuladas al método éste se usa principalmente porque no se
cuenta con otras metodologías que permitan obtener valores de no uso. Por esta razón V C
fue el centro de discusión a partir del derrame petrolero causado por la compañía Exxon
Valdez en Alaska en el año de 1989. El derrame motivó la estimación de medidas monetarias
de bienestar, que permitieran compensar a los individuos por sus pérdidas asociadas a valores
de no uso de espacios naturales y especies silvestres en el área (Hausmann 1993). Dadas
las irreconciliables diferencias entre las partes involucradas en la valoración (el Estado de
Alaska y la compañía petrolera), con respecto a la validez de V C para obtener los montos de
compensación requerida, la NOAA (National Oceanic and Atmospheric Administration) citó
a un panel de expertos para que se pronunciaran en relación con las bondades y restricciones
del método (Arrow et al., 1993). El informe entregó pautas que resuelven muchos de los temas
discutidos anteriormente. Sin embargo, existen otros temas que son objeto de discusión e
investigación por parte de investigadores.
4.3. ESTRUCTURA DE MODELOS DE ELECCIÓN DISCRETA 117
4.2.10 NOAA: sugerencias téoricas y prácticas

El panel de expertos convocados por NOAA publicó un informe que establece los requisitos
teóricos y prácticos que debe cumplir un estudio de V C, para que pueda ser aceptado como
válido en las cortes de los Estados Unidos. Entre las recomendaciones del panel se encuentran:
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).
Realizar encuestas personales y acudir al uso de ayudas visuales para describir la

situación con y sin proyecto.
Usar un tipo de pregunta de naturaleza dicotómica (si/no). Ciertas consideraciones

sugieren que estudios de V C, basados en un escenario tipo referéndum, producen
estimaciones más con…ables y conservadoras.
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.
Recordar a los entrevistados sobre sus restricciones presupuestarias y sobre sustitutos

del bien. Esto debe hacerse antes de la formulación de la pregunta de la DAP para que
su respuesta tenga en cuenta estos aspectos. De igual manera se deben incluir al …nal
de la encuesta preguntas de seguimiento para identi…car si el entrevistado entendió la
situación que se le pidió valorar y auscultar las razones de su valoración.
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.
Finalmente, el panel de N OAA rechazó la sugerencia de que los estudios de V C sean

aplicados solamente a personas que están familiarizadas con el bien.
4.3 Estructura de modelos de elección discreta

Existen dos formas de especi…cación del modelo tipo referéndum: el modelo propuesto por
Hanemann (1984) denominado modelo de diferencia de la función indirecta de utilidad, y
el enfoque de Cameron (1988) conocido como modelo de la función de variación. Cameron

(1988) y Hanemann (1984) di…eren en el tipo de función de respuesta que asumen para
el proceso referéndum (McConnell, 1990). A continuación se explican estas dos formas de
interpretación de las respuestas a la pregunta de valoración formulada en los estudios de
VC con formato binario. Esta pregunta es de la forma ¿Estaría usted dispuesto a pagar
una cantidad igual a $ At para realizar un proyecto de mejora en la calidad ambiental del
recurso?
4.3.1 Enfoque de diferencia de la función indirecta de utilidad

Considerése la formulación microeconómica que subyace en la maximización de utilidad del
consumidor, cuando se incorpora la demanda por servicios ambientales. Sea
uj = vj (p; y; qj ); (4.1)
la función indirecta de utilidad del individuo, donde j = 0 en la situación inicial y j = 1 en la

situación modi…cada (mejora de la calidad ambiental por ejemplo), p es un vector de precios
que enfrentan los individuos por sus bienes, y representa el ingreso familiar. Se asume que el
nivel de utilidad alcanzado está condicionado a un vector de calidad de los bienes denotado
por qj , y que se puede incorporar además las características socioeconómicas de los individuos
que son relevantes para modelar su respuesta a la pregunta del enunciado. Se sabe por teoría
económica de la dualidad que la inversa de la función indirecta de utilidad es la función de
gasto y se expresa como
mj = vj 1 (p; y; qj ):
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
uj = vj (p; y; qj ) + "j ; (4.2)
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
individuo está dada por
Pr(si) = Pr[v1 (p; y At ; q1 ) + "1 > v0 (p; y; q0 ) + "0 ]; (4.3)

Pr(si) = Pr[v1 (p; y At ; q1 ) v0 (p; y; q0 ) > "0 "1 ];
Pr(si) = Pr[ v > "0 "1 ];
Pr(si) = Pr[ v > ];
Pr(si) = F ( v);
donde F es la función de distribución acumulada de y = "0 "1 . Al elegir una distribución

para , y especi…cando apropiadamente v(:), los parámetros de la diferencia indicada por v
pueden ser estimados con información sobre la cantidad de pago requerida de los individuos,
de las respuestas a la pregunta binaria y de la información acerca de las características
socioeconómicas de los entrevistados (McConnell & Ducci, 1989).
Hanemann (1984) sugirió una manera práctica de especi…car la diferencia de la función
indirecta de utilidad, v. En primer lugar se postula una forma para vj (p; y; qj ) + "j y
luego se calcula la diferencia v = v1 (p; y At ; q1 ) v0 (p; y; q0 ) a estimar. En el estudio de
Bishop & Heberlein (1979) v tomó la forma v = 0 1 ln At . Contrario a lo que en un
momento se pensó, esta especi…cación es compatible con una formulación teórica del proceso
de maximización de la utilidad, ya que existe un modelo explícito de vj (p; y; qj ) que genera la
expresión de v. Autores como Bowker & Stoll (1988) y Sellar et al. (1985) emplearon esta
forma funcional debido a que puede considerarse como una aproximación de primer orden
a una función indirecta de utilidad bien comportada y por sus propiedades en términos de
ajuste estadístico.
4.3.2 Enfoque de la función de variación

Bajo esta interpretación se asume que el individuo calcula su DAP o DAA y lo compara
con el pago ofrecido en la encuesta basado en una función de gasto. Siguiendo a McConnell
(1990) se de…ne mj (u1 ) + j como la cantidad de dinero necesaria para alcanzar un nivel de
utilidad igual a u1 , j como un error con media cero, j = 0 para la situación inicial y j = 1
para la situación con acceso al recurso o mejora de la calidad ambiental. Una respuesta
a…rmativa implica que la cantidad de dinero (At ) requerida de los individuos es menor que
su máxima disposición a pagar, la cual se obtiene comparando las funciones de gasto sin y
con la mejora en la calidad ambiental. Esto se expresa como
At < m0 (u1 ) m1 (u1 ) + 0 1:
La función de variación se puede de…nir como
S(:) = m0 (u1 ) m1 (u1 ) > 0:
De acuerdo con McConnell (1990) se llama función de variación porque es la variación

compensada o equivalente, dependiendo del tipo de pregunta que se formule y de los derechos
de propiedad involucrados. Aunque este es el marco microeconómico del modelo de Cameron,
para obtener las medidas de bienestar no es necesario formular en forma analítica una función
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
yi = x0i + "i (4.4)
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
complejidad y riqueza interpretativa y su predominancia en la literatura de valoración, a

continuación se discuten aspectos relacionados a las formas funcionales y a la obtención de
las medidas de bienestar del modelo de diferencia de utilidad indirecta, haciendo un paralelo
con el modelo de Cameron cuando asi se requiera.
4.3.3 Formas funcionales de la diferencia de la función indirecta

de utilidad
Retomando la ecuación (4.3) se concluye que la probabilidad que un individuo responda
positivamente a la cantidad requerida en la encuesta está dada por
Pr(si) = Pr[ v > "0 "1 ] = F ( v): (4.5)
Se requiere entonces de…nir la forma funcional para la función v: El Cuadro (4.2)

presenta las expresiones v propuestas por Hanemann (1984), Bishop & Heberlein (1979)
y la forma funcional Box-Cox generalizada discutida en Hanemann & Kanninen (1998), sin
tener en cuenta variables socioeconómicas.
Table 4.2: Formas funcionales de la diferencia de función indirecta de utilidad
Función v Forma Funcional v

I vj = + y + "j
j v= At
II vj = j + ln y + "j v = + ln(1 Ayt )
v0 = y +
III v= ln At
v1 = y + + exp +"
y 1
IV vj = j + j + "j v= + 1
(y At ) 0
y + 0 1
Fuente: Adaptado de Hanemann (1984) y Hanemann & Kanninen (1998).
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 ;
por lo tanto la diferencia en utilidad estaría dada por

!
(y At ) 1 y 1
v= 1+ 1 0 0 ;
1 0 0 1
v= + (y At ) y + ;
si se asume que 0 = 1 se tiene que
v= + (y At ) y = + b (y At ) by ;
donde b = = : Por lo tanto, si = 1 se obtiene la forma funcional lineal v = At : Si

= 0 se obtiene el modelo semilogarítmico v = + ln(1 Ayt ): Estos mismos resultados
se obtienen al calcular la diferencia de las funciones de utilidad del Cuadro 4.2.
Función indirecta de utilidad lineal

La función vj = j + y + "j se puede expresar para una situación inicial y …nal como
v0 = 0 + y + "0 ;
v1 = 1 + (y At ) + " 1 ;
y la diferencia en utilidad se puede escribir como
v = 1 + (y At ) ( 0 + y);
=( 1 0) At
= At :
Función indirecta de utilidad semi-log

Análogamente, para la función indirecta de utilidad vj = j + ln y + "j la situación inicial
y …nal están de…nidas por
v0 = 0 + ln y + "0 ;
v1 = 1 + ln(y At ) + " 1 ;
donde el cambio en utilidad está de…nido por
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
4.3.4 Medidas de bienestar: media, mediana y media truncada

El nivel de indiferencia entre pagar y no pagar la cantidad At se encuentra cuando la cantidad
requerida es exactamente igual a la verdadera valoración que el individuo tiene del bien; es
decir, cuando v1 (p; y C; q1 )+"1 es exactamente igual a v0 (p; y; q0 )+"0 . Si se está interesado
en encontrar una medida de bienestar Hicksiana, la cual toma el valor de C para cualquier
individuo, ésta se puede de…nir como
C=y m1 [p; v0 (p; y; q0 ) + ; q1 ]: (4.6)
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.
Función indirecta de utilidad lineal

Dada la función de utilidad lineal vj = j + y + "j la situación inicial y …nal están dadas
por
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,
v=( 1 0) C + "1 "0 = 0;
= C:
Despejando C se tiene que
C= :
Función indirecta de utilidad semi-log

Usando un procedimiento análogo con la función semilog vj = j + ln y + "j se tiene que
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 ):
Función indirecta de utilidad de Bishop y Heberlein

v= ln C + ;
donde C está dado por
+
ln C = ;
C=e e :
Función indirecta de utilidad Box-Cox

1 0 0 1
v= + (y C) y + ;
donde C está dado por
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
Es la esperanza (del observador) de la suma de dinero que el individuo estaría dispuesto

a pagar para que el proyecto se realice, de modo que permanezca tan bien como antes.
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,
Prfv1 (p; y C ; q1 ) > v0 (p; y; q0 )g = 0:5: (4.7)
Existe solamente un 50% de probabilidad de que el individuo esté dispuesto a pagar la

suma ofrecida. De esta forma v se expresaría como v = v1 (p; y C ; q1 ) v0 (p; y; q0 ).
Así que
Prf v(C ) > g = F [ v(C )] = 0:5 (4.8)
Table 4.3: Media y mediana de las formas funcionales
MODELO Media Mediana

I. C = [ h ]= i =h i =
II C=y 1 e e y 1 e E(e ) y(1 e )
III C=e e e E(e ) e
1 1 1
IV C=y y b
+ b
E y y b
+ b
y y b
Fu e nte : A rd ila (1 9 9 3 ).
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
Pr(si) = PrfC > At g = Gc (At ); (4.9)
donde Gc (At ) es la función de distribución acumulada de At 4 . De las ecuaciones (4.5) y (4.9)

se deduce que Gc (At ) = F ( v(At )), y por lo tanto el modelo de respuesta binaria puede ser
interpretado como la estimación de los parámetros de la función de distribución acumulada
Gc (At ). En esta interpretación alternativa Johansson et al. (1989) recomiendan la siguiente
expresión para la media
Z1 Z0
C = (1 Gc (At ))dA Gc (At )dA: (4.10)
0 1
4
Esta discusión es abordada por Hanemann (1984) y constituye la base de la interpretación de Cameron.
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
Otra posibilidad de truncación es usar como límite superior de integración la máxima

cantidad ofrecida (por ejemplo en el caso de Bishop y Heberlein el límite de integración fue
de 200 dólares). Bowker & Stoll (1988) compararon la media truncada empleando tres límites
de integración y comprobaron que las medias son bastante sensibles a la elección del rango
de truncación. No obstante, en sus estimaciones se comete un error al no tener en cuenta que
la ecuación (4.11) no establece correctamente el valor esperado de la DAP . En esencia no se
satisface una propiedad de las funciones de distribución acumulada, la cual exige que el área
bajo la correspondiente función de densidad de probabilidad sea exactamente igual a 1 (Boyle
et al., 1988). Esto afecta las conclusiones que puedan derivarse a partir de comparaciones
de medidas de bienestar entre distintos métodos de estimación. Por lo anterior, Boyle et
al. (1988) sugieren un procedimiento de normalización para la media truncada que permite
ajustar el valor de la media para evitar los sesgos que se presentan al usar sólo la ecuación
(4.11). Esta normalización implica dividir la función de densidad por el área total bajo esta
curva de densidad entre el límite inferior y el punto de truncación de la distribución, es decir
gc (At )
g~c () = ;
1 Gc (At )
donde gc (At ) = @Gc (At )=@At es la función de densidad de At :

Existen dos aproximaciones para resolver el punto de truncación. En primer lugar se
podría optar por identi…car la máxima DAP . Sin embargo, su determinación puede ser
difícil y se ha optado entonces por la máxima cantidad ofrecida (la cual constituye sólo una
fracción del ingreso). El límite superior de la distribución de DAP para cualquier recurso
debería ser menor que el ingreso individual, ya que el nivel de consumo óptimo de otros
bienes no es cero. Una segunda alternativa para escoger el punto de truncación consiste en
el reconocimiento de consideraciones distributivas y seleccionar T para limitar la in‡uencia
de valores altos de DAP . El punto de truncación T no tiene que ser una cantidad …ja sino
que podría ser un percentil particular de la distribución de DAP .
Hanemann & Kanninen (1998) discuten en detalle las restricciones teóricas y estadísticas
necesarias para que las medidas de bienestar cumplan con las restricciones teóricas discutidas
anteriormente. Básicamente, la máxima DAP debe ser menor que el ingreso del individuo, lo
que a su vez se traduce en que la probabilidad de una respuesta positiva tienda a cero cuando
5
También se han propuesto otras soluciones como la estimación no paramétrica de las medidas de bienestar
(Du¢ eld & Paterson, 1991; Kristöm, 1990; McFadden, 1994; Haab & McConnell, 1995).
4.4. ESTIMACIONES ECONOMÉTRICAS 127
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 .
4.3.5 Agregación de resultados

La discusión sobre qué medida de bienestar utilizar al momento de agregar los resultados
es un problema no resuelto en la literatura. Hanemann argumenta a favor de la mediana
ya que es menos sensible a las perturbaciones generadas por el manejo de los datos, o por
respuestas que pueden parecer inconsistentes o poco realistas respecto a la valoración del
bien. No obstante, el aceptar esta medida como la más correcta implícitamente conlleva a
una subestimación de la respuesta de aquellos individuos que valoran mucho el bien.
Du¢ eld & Patterson (1991) mani…estan que al menos tres criterios son deseables en una
medida de bienestar: consistencia con restricciones teóricas, e…ciencia estadística y facilidad
para ser agregada. La media total puede multiplicarse por el número de individuos para
obtener los bene…cios agregados. Sin embargo, es inconsistente con las restricciones teóricas
ya que el límite superior para la integración de la ecuación (4.10) no puede ser in…nito si
se asume que el individuo participa en muchos mercados en los cuales debe distribuir su
ingreso, y que la participación en el ingreso total de los bienes públicos es pequeña. Por lo
anterior, Du¢ eld y Patterson de…enden la adopción de la media truncada, la cual cumple con
los tres requisitos mencionados anteriormente. Sin embargo, no se cuenta con una expresión
analítica para ésta por lo que su valor debe obtenerse por métodos numéricos, limitando la
posibilidad de obtener sus varianzas.
4.4 Estimaciones econométricas

4.4.1 Modelo dicotómico simple: revisión de las propuestas de
Cameron y Hanemann
La mayoría de los trabajos de V C tratan la elección del formato referéndum como si ésta
fuera similar a una elección binaria desordenada (Maddala 1987). El componente principal
de los datos referéndum es que la cantidad umbral ofrecida es diferente entre los individuos,
al contrario de los modelos logit o probit ordinarios donde este valor umbral es cero. Esta
variabilidad adicional en los datos hace posible identi…car la localización y la escala de la
variable de valoración continua subyacente, lo cual es imposible en los modelos convencionales
(Cameron 1988).
Siguiendo a Cameron, el marco tradicional de las estimaciones con la variable dependiente
cualitativa implícita en la estimación de la diferencia de la función indirecta de utilidad,
6
En la presente discusión se omitieron los aspectos técnicos del problema. Para mayores detalles ver
Hanemann & Kanninen (1998).
asume que el verdadero modelo poblacional es de la forma
yi = x0i + "i ; (4.12)
donde yi es una variable dependiente continua, es un vector de parámetros a ser estimados,

x es un vector de variables explicativas y "i es un error aleatorio distribuido en forma normal
con media cero y varianza constante; es decir, "i N (0; 2 ). Sin embargo, la variable yi no
es observable y solo se tiene una función índice que toma el valor y1 = 1 cuando yi 0y
y1 = 0 cuando yi < 0. La probabilidad de observar un valor de uno se puede de…nir como
Pr(yi = 1) = Pr(x0i + "i > 0);

Pr(yi = 1) = Pr("i > x0i );
"i x0i
Pr(yi = 1) = Pr( > );
x0i
Pr(yi = 1) = Pr(zi > );
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
la cual en forma linearizada se expresa como

P
n P
n
ln L = yi ln F (x0 ) + (1 yi ) ln(1 F (x0 )): (4.15)
i=1 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
De la ecuación (4.13) se concluye que y no pueden ser identi…cados en forma separada.

Por esta razón los investigadores adoptan arbitrariamente que = 2 = 1. Sin embargo,
7
Un análisis similar se puede realizar para el caso de la distribución logística. Al respecto ver Cameron
(1988).
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
Pr(yi = 1) = Pr(x0i + "i > At );

Pr(yi = 1) = Pr("i > (At x0i ));
"i (At x0i )
Pr(yi = 1) = Pr( > );
At x0i
Pr(yi = 1) = Pr(zi > ( )); (4.17)
donde zi es la variable aleatoria normal. Luego,

At x0i
Pr(yi = 1) = 1 ( );
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)
De…niendo Pis = [1 ((At x0i )= )] y Pin = ((At x0i )= ) la función se puede

reescribir como
P
ln L = fyi ln Pis + (1 yi ) ln Pin g: (4.19)
La presencia de At en la función de verosimilitud hace posible, a través de técnicas
de estimación no lineal, maximizar el valor de ln L con respecto al vector de coe…cientes
y de la desviación estándar , a diferencia del modelo probit tradicional. Dado que es
factible conocer ambos estimadores se puede recuperar la ecuación (4.12) y por lo tanto los
parámetros pueden ser interpretados análogamente a los resultados de mínimos cuadrados
ordinarios (M CO).
Es importante destacar que estas alternativas de estimación constituyen simplemente una
parametrización distinta del mismo modelo. En otras palabras se puede obtener la función de
variación aUn si sólo se cuenta con los modelos logit o probit convencionales. Una inspección
a los argumentos de la ecuación (4.17) muestra que (At x0t ) = puede expresarse como
1=
(At x0t ) = xt 0 :
=
En otras palabras si se implementa un modelo de regresión con At incluido dentro de

las variables explicatorias, el coe…ciente de At será una estimación de 1= . A su vez,
los coe…cientes que acompañan a las demás variables explicatorias x0t serán estimaciones de
= : De esta forma, es fácil calcular los verdaderos parámetros . Estos coe…cientes son
necesarios porque describen la contribución marginal de cada variable explicatoria, y porque
determinan los valores estimados de la variable subyacente yt . Los valores obtenidos deben
ser iguales a los encontrados estimando directamente la función de variación. Sin embargo,
si se usa el modelo probit tradicional se requiere inferir las desviaciones estándar de los
estimadores, ya que sólo se dispone de las desviaciones para los parámetros .
4.4.2 Modelo dicotómico doble

Es reconocido en la literatura que una serie de sesgos pueden ser minimizados con el uso de
los modelos dicotómicos. Sin embargo, dicho método puede ser estadísticamente ine…ciente
por lo cual una gran cantidad de observaciones son necesarias cuando se aplica este tipo de
modelo. Como una forma de reducir esta ine…ciencia Carson et al. (1986) y Hanemann et
al. (1991) sugieren usar un formato dicotómico doble, conocido como double bounded (con
dos límites o cotas). Este formato consiste en agregar una segunda pregunta sobre disposi-
ción a pagar en las entrevistas de VC. La segunda pregunta siendo también de naturaleza
dicotómica. Para la primera pregunta sobre DAP se utiliza una cantidad At y los individuos
responden si están o no dispuestos a pagar esta cantidad. Si la respuesta es a…rmativa
se concluye entonces que la verdadera disposición a pagar (C) es mayor que At : Por con-
siguiente, es posible acercarse un tanto más a la verdadera disposición a pagar aumentando
la cantidad requerida denotada por Aut . Nuevamente el entrevistrado debe decidir si está
dispuesto o no a pagar la nueva cantidad ofrecida. Si la respuesta es positiva se concluye que
C > Aut : Por el contrario, si su respuesta es negativa se tiene infomación del rango donde se
encuentra su DAP; es decir, At < C < Aut : Un razonamiento similar permite deducir que si
el entrevistado responde que no está dispuesto a pagar la cantidad At en la primera pregunta
entonces su DAP es menor que este valor. En este caso se reduce el monto requerido a la
cantidad Alt : Si responde positivamente a esta cantidad se deduce que Alt < C < At : Si
responde negativamente a la segunda pregunta, entonces se deduce que C < Alt :
En este caso es necesario decidir en cuánto se incrementa o se reduce el monto At depen-
diendo si la respuesta es positiva o negativa. Los montos ofrecidos en la segunda pregunta
estarán generalmente en un rango intermedio entre el primer monto ofrecido y el siguiente
en un modelo dicotómico simple. Para la implementación del cuestionario se requiere de…nir
tres montos a ofrecer a cada individuo: la cantidad inicial At ; un monto superior (Aut ) si la
respuesta inicial es a…rmativa y otro inferior (Alt ) si la respuesta inicial es negativa.
Según Hanemann & Kanninen (1998) lo anterior se puede expresar como
Pr(si; si) = [1 G(Aut )] = Piss ;

Pr(no,no) = G(Alt ) = Pinn ;
Pr(si,no) = [G(Aut ) G(At )] = Pisn ;
Pr(no,si) = G(At ) G(Alt ) = Pins ;
en este caso Pikl es la probabilidad de que el evento kl ocurra con k y l representando

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
El logaritmo de la función de verosimilitud está dado por

P
n
ln L = (dss ss nn
i ln Pi + di ln Pi
nn
+ dsn sn ns ns
i ln Pi + di ln Pi ): (4.20)
i=1
El modelo dicotómico doble provee una ganancia en la precisión de la matriz de varianza-

covarianza de los coe…cientes estimados, resultando en intervalos de con…anza más pequeños
con respecto al modelo dicotómico simple. Además, se ha encontrado que el estimador
puntual de la mediana de la DAP de los modelos dicotómicos doble son generalmente menores
(Hanemann et al., 1991).
4.4.3 Modelo dicotómico intermedio

Como se mencionó en la sección anterior el modelo dicotómico doble representa una mejora en
la e…ciencia respecto al modelo dicotómico simple. El costo en que se incurre en la entrevista
es la inclusión de una segunda pregunta dicotómica. Claramente el costo adicional en la
entrevista es mínimo comparado con la mejora en la precisión del estimador de DAP. Sin
embargo, existe evidencia que las respuestas a la primera cantidad ofrecida son inconsistentes
con las respuestas a la segunda cantidad ofrecida (Hanemann, 1991; McFadden et al., 1993;
Cooper et al., 2002; Cameron & Quiggin, 1994). El problema surge por la inconsistencia en
las probabilidades asociadas a la disposición a pagar por una cantidad At no condicional que
se derivan de la primera pregunta, y la probabilidad asociada a la disponibilidad condicional
a pagar esta cantidad dado que se respondió a…rmativamente a la cantidad anterior Alt
multiplicado por la probabilidad marginal a pagar Alt : Esta relación esta dada por Pr(C >
At ) = Pr(C > At j C > Alt ) Pr(C > Alt ):
En la literatura existen varias explicaciones para este fenómeno. Una primera explicación
es que a las personas no les agrada el hecho de que se les pregunte por una cantidad y después
de responder a…rmativamente se les pregunte por otra cantidad mayor. Esto parecería ser una
clase de negociación, por lo que el individuo tiende a responder negativamente a la segunda
cantidad aun cuando esté dispuesto a pagar. Por otra parte, cuando la persona responde
que no está dispuesto a pagar la primera cantidad, nuevamente se le ofrece sorpresivamente
una cantidad menor. La persona podría pensar que se le está ofreciendo un bien de menor
calidad. Este hecho aumenta incorrectamente el número de respuestas negativas para el
último valor ofrecido. Una interpretación alternativa es que el individuo se siente presionado
a proporcionar alguna cantidad, y responde positivamente a la menor cantidad aun si no
esta dispuesto a pagarla debido a que se siente arrepentido de no haber aceptado la primera
cantidad. Aunque es difícil comprobar empíricamente cuál de estas teorías es la más correcta
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
Pr(si,si) = Pr(si) = [1 G(Aut )] = Piss = Pis ; (4.21)

Pr(no,no) = Pr(no) = G(Alt ) = Pinn = Pin ;
Pr(si,no) = Pr(no,si) = G(Aut ) G(Alt ) = Pisn = Pins ;
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
Dado que al entrevistador se le explica el posible rango en el cual se encuentra el costo

del bien para el individuo, los autores hipotetizan que es menos probable que existan dis-
crepancias como las encontradas con el diseño dicotómico doble. Los autores muestran que a
pesar de obtener menos información con este formato de pregunta, gran parte de la ganancia
en e…ciencia del modelo dicotómico doble se mantiene con respecto al formato simple y que
la posible pérdida de e…ciencia es compensada por la reducción en el sesgo en las respuestas.
4.4.4 Modelo bivariado

Otra alternativa para tratar de responder a los sesgos asociados con el modelo dicotómico
doble es conocido como el modelo bivariado (Cameron & Quiggin, 1994; Alberini, 1995).
Estos autores reconocen la dependencia entre los valores establecidos en la primera y segunda
pregunta dicotómica. En otras palabras, el valor asignado en la segunda pregunta es una
variable endógena lo cual puede tener efectos importantes sobre el valor de la DAP. Dada
esta endogeneidad es necesario reformular la aproximación estadística usada para estimar el
modelo.
Para ello proponen un modelo bivariado el cual es un modelo más general que el prop-
uesto en las estimaciones anteriores con formato dicotómico doble, incluyendo el usado por
Hanemann et al. (1991) como un caso particular.
El supuesto fundamental de este modelo es que los individuos tienen dos funciones de
disposición a pagar asociadas a las diferentes etapas de la entrevista. La valoración que
posee un individuo en la primera etapa y1i consiste en un componente sistemático x01i 1 ; el
cual es función del vector de variables explicativas x1i y que incluye los atributos observados
de los entrevistados, además de un componente aleatorio no observado "1i v N (0; 21 ): De la
misma forma, la valoración en la segunda pregunta dicotómica y2i también está compuesta
de dos tipos similares de elementos, x02i 2 y "2i v N (0; 22 ): Cabe mencionar que las variables
explicativas que se incluyen no son necesariamente las mismas.
El procedimiento de entrevista es exactamente el mismo del formato con dos preguntas.
Es decir, para la primera pregunta dicotómica el individuo responde si está dispuesto a pagar,
denotado por y1i = 1 si y1i > A1i , o si no está dispuesto a pagar, denotado por y1i = 0
si y1i < A1i : Similarmente, para la segunda pregunta dicotómica, el individuo puede estar
dispuesto a pagar el monto ofrecido, y2i = 1 si y2i > A2i ; o no estar dispuesto a pagar, y2i = 0
si y2i < A2i : El aspecto fundamental es que y2i no tiene porque ser igual a Y1i , ni tampoco
x1i debe ser igual a x2i; .
Bajo esta estructura es necesario reconocer que el error en la segunda pregunta dicotómica
está correlacionado con el error de la primera. El no reconocer este hecho en las estimaciones
podría resultar en sesgos en las medidas de bienestar. Para tratar este fenómeno Cameron
& Quiggin (1994) proponen usar la distribución normal multivariada de la forma BV N =
(x01i 1 ; x02i 2 ; 21 ; 22 ; ) donde es el coe…ciente de correlación.
A1i x01i 1 A2i x02i 2

Pr(y1i = 1; y2i = 1) = Pr z1i ( ); z2i ( ) ; (4.23)
1 1 2 2
A1i x01i 1 A2i x02i 2
Pr(y1i = 1; y2i = 0) = Pr z1i ( ); z2i < ( ) ;
1 1 2 2
A1i x01i 1 A2i x02i 2
Pr(y1i = 0; y2i = 1) = Pr z1i < ( ); z2i ( ) ;
1 1 2 2
A1i x01i 1 A2i x02i 2
Pr(y1i = 0; y2i = 0) = Pr z1i < ( ); z2i < ( ) ;
1 1 2 2
"1i A1i x01i 1 A2i x02i 2

z1i = = ; z2i = ; (4.24)
1 1 1 2 2
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
Donde g(z1 ; z2 ) representa la distribución normal multivariada. Los parámetros a estimar

son 1 ; 2 ; 1 ; 2 y : El caso particular usado en la literatura implícitamente asume que
1 = 2; 1 = 2 y = 1: La posibilidad de una correlación imperfecta entre la primera y
la segunda pregunta puede generar importantes distorsiones en la estimación de las medidas
de bienestar.
Alberini (1995) compara el modelo dicotómico doble con el bivariado sugerido por Cameron
& Quiggin (1994) usando simulaciones de Montecarlo. El estudio evaluó el sesgo y la e…-
ciencia obtenida al ajustar el modelo dicotómico doble cuando los datos son generados por
el modelo bivariado y vice versa. Los resultados muestran que la DAP no presenta sesgos
considerables y es más e…ciente aún cuando el modelo original y el bivariado están alejados
(es decir es pequeño). No obstante, los parámetros del modelo son sesgados. Sin embargo,
Alberini concluye que los investigadores que deseen aplicar esta metodología deberían usar
ambas estimaciones, como una forma de analizar la especi…cación del modelo de DAP:
4.4.5 Modelo spike

Adicionalmente, se puede estimar el denominado modelo spike propuesto por Kriström
(1996), el cual consiste en una sugestiva e interesante forma de manejar respuestas de DAP
cero. El modelo spike permite que el investigador separe la muestra por lo menos en dos
grupos, dependiendo si está o no en el mercado. En este modelo la función de distribución
de la disposición a pagar tiene la siguiente forma
Gc (A) = 0 si A < 0;
Gc (A) = p si A = 0;
Gc (A) = Hc (A) si A > 0:
donde p está en el intervalo (0; 1), y Hc (A) es una función continua y creciente tal que
Hc (0) = p y Hc (A) = 1 cuando At ! 1. La media en el modelo spike está dada por
ln [1 + exp( )] = mientras que la mediana es = si 1=(1 + exp( )) es menor a 0:5; y cero
para valores mayores o iguales a 0:5:
4.4.6 Estimaciones semi y no parámetricas

En las propuestas de Hanemann y Cameron la estimación de las medidas de bienestar está su-
jeta a la forma funcional de las funciones indirecta de utilidad subyacentes o de las funciones
de gasto. Igualmente, dependen de la inclusión o exclusión de otras variables explicativas
distintas a la cantidad ofrecida y de los supuestos en relación con la distribución de proba-
bilidad de los errores. En este último caso, una especi…cación incorrecta de estos supuestos
resulta en una estimación sesgada de las medidas de bienestar, di…cultando el proceso de
valoración.
Con el …n de superar las di…cultades planteadas por este problema se ha propuesto la
utilización de métodos de estimación no paramétricos de las medidas de bienestar (Kriström,
1990; Du…eld & Patterson, 1991; Haab & McConnell, 1995, 1997) y semiparámetricos (Creel
& Loomis, 1997; Li, 1996). Este tipo de estimaciones no requiere supuestos sobre la dis-
tribución de probabilidad de los errores ni sobre las formas funcionales de las funciones de
utilidad o gasto subyacentes en las decisiones de los individuos. Por otra parte contribuye a
resolver problemas de estimaciones de disposición a pagar negativas, difíciles de interpretar
económicamente. A continuación se discuten estas alternativas en forma separada.
Estimación semi paramétrica
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).
de utilidad semiparamétrica se denota como

X X X
= a ln a + v a cos [s a (ln a)] + a sin [sa (ln a)] ; (4.25)
a=f Xg a=f Xg a=f Xg
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
M ediana ) Pr(x; C ) = 0:5:
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
î = : (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
î = :
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
(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
donde Ai = (Ai Ai 1 )=2 , si i = 2; ::; k 1; A1 = A1 +(A2 A1 )=2, Ak = (Ak Ak 1 )=2

(T Ak ):
Esta forma de expresar la media tiene la ventaja de proveer en forma directa la varianza de
la medida de bienestar. Asumiendo independencia en las respuestas, y dado que la respuesta
de un individuo es una variable aleatoria binomial con parámetros ni y i , la varianza de pi
está dada por i (1 i )=ni . Luego la varianza de C está dada por
P
k
V ar(C) = ( Ai )2 i (1 i )=ni : (4.28)
i
La estimación de la mediana requiere de una extrapolación lineal, considerando que el

valor que se busca es aquel para el cual el encuestado es indiferente entre aceptar o no Ai ;
es decir, cuando i = 0:5.
Desde una perspectiva similar Haab & McConnell (1995, 1997) analizan la proporción de
respuestas negativas Nj resultante del ofrecimiento de las cantidades Aj a los entrevistados.
Los autores asumen una distribución Turnbull la cual es especialmente robusta ya que hace
supuestos acerca de la distribución de la disposición a pagar y no supuestos acerca de la
función de utilidad.
En este caso pj representa la probabilidad de que la verdadera disposición a pagar, de-
notada por C, se encuentre dentro del intervalo (Aj 1 ; Aj ); es decir,
pj = P (Aj 1 <C Aj ) 8 j = 1; :::; m + 1: (4.29)
Con esta especi…cación la función de distribución acumulada está dada por
Fj = P (C Aj ) 8 j = 1; :::; m + 1; (4.30)
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:
La función Turnbull puede estimarse a través de la siguiente función de verosimilitud

P
L(F ; N; Y ) = [Nj ln(Fj ) + Yj ln(1 Fj )] ;
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
4.5 Diseño óptimo

La evidencia empírica muestra que los estimadores de DAP son sensibles a diferentes tamaños
de las submuestras y al vector de cantidades ofrecidas, principalmente a omisiones en las colas
de la distribución de las cantidades At . Cooper & Loomis (1992) analizan la sensibilidad
de la media de DAP con relación a cambios en el vector de cantidades ofrecidas. En el
experimento llevado a cabo por estos autores se descartan cantidades ofrecidas en la parte
inferior y superior del rango total. Los autores usan un estimador de la medida de bienestar
que permite valores negativos denotado por C (equivalente al estimador dado en 4.10), y un
estimador que no permite valores negativos denotado por C + y representado por la ecuación
(4.11). En el caso de la función de utilidad lineal vj = j + y estas medidas de bienestar
están dadas por C = = y C + = 1 ln(1 + e ). Los resultados del estudio muestran que
C es más sensible a la no inclusión de valores bajos de cantidades ofrecidas, mientras que
C + es más sensible a la no inclusión de valores altos.
Kanninen & Kriström (1993) cuestionan estos resultados argumentando que la presencia
de cantidades ofrecidas en las colas de la distribución incrementa la varianza de los esti-
madores, lo que aunado a muestras pequeñas puede causar sesgos en las estimaciones. Por
lo tanto, mani…estan que el resultado de Cooper y Loomis, referido a cambios en los esti-
mados de DAP por la no inclusión de cantidades ofrecidas en los extremos del rango, se
debe esencialmente al ajuste de un modelo no apropiado a los datos disponibles. Mediante
una simulación de Monte Carlo comprueban que si el modelo especi…cado es correcto, y las
cantidades ofrecidas cubren la parte media de la distribución de la DAP , la estimación puede
ser completamente estable.
Cooper & Loomis (1992) concluyen que es pertinente incluir valores de At en los extremos
de la distribución de DAP para obtener un estimador insesgado. Resultados similares son
encontraados por McFadden & Leonard (1993) quienes a…rman que el estimador de la DAP
es sensible a la inclusión o exclusion de los valores de At localizados en la cola superior de la
distribución. Sin embargo, Kanninen (1995) a…rma que la estimación por máxima verosimil-
itud de modelos de respuesta discreta generan estimadores consistentes. Esto signi…ca que
si el tamaño de la muestra es relativamente grande, el modelo es correctamente especi…cado
y los datos son con…ables, perturbaciones estadísticas como las mencionadas anteriormente
no deberían afectar sustancialmente las estimaciones puntuales.
Kanninen (1995) examina el efecto del diseño en el sesgo, ya que aunque el procedimiento
de máxima verosimilitud genera estimadores consistentes no implica necesariamnete que
sean insesgados. El sesgo es típicamente una situación en la cual la magnitud de ^ es
sobreestimada. Dada la función de distribución acumulada de At
1
F (At ) = ;
1 + exp( + At )
donde ^ > 0 es sobreestimado y ^ < 0 es subestimado (o sea, sobreestimado en magnitud),

los sesgos en los valores estimados de media y mediana no son claros dada la razón entre
^ y ^ . La autora sugiere una regla en la cual los valores At deben ser colocados entre los
percentiles correspondientes al 15 y 85%.
Esta discusión resalta la importancia de lo que se conoce como diseño óptimo, el cual
se re…ere a la determinación del tamaño de la muestra, la selección del rango de valores
ofrecidos y la distribución de éstos a través de la muestra total. Estos aspectos ligados al

diseño óptimo han sido objeto de análisis dentro de los experimentos de V C, con un marcado
énfasis en el modelo logit (Alberini, 1995; Cooper, 1993; Du¢ eld & Patterson, 1991; Nyquist,
1992).
El sesgo y la varianza de los estimadores en modelos de respuesta discreta usados fre-
cuentemente en estudios de V C, dependen sustancialmente de los parámetros de la dis-
tribución de probabilidad asumida para la variable disponibilidad a pagar, del tamaño de la
muestra (N ) y de las variables exógenas (X ), dentro de las cuales se incluyen las cantidades
requeridas (At ) de los entrevistados. Esta última consideración ha conllevado al estudio y
posterior de…nición de diseños óptimos, orientados al mejoramiento de la e…ciencia en las
estimaciones de las medidas de bienestar. Como lo a…rman Hanemann & Kanninen (1996) el
propósito fundamental del diseño experimental óptimo es encontrar un vector de cantidades
ofrecidas, de tal forma que se obtenga el máximo de información sobre los parámetros de la
distribución de la DAP, dado un determinado tamaño de muestra.
El tamaño de la muestra es fundamental para garantizar propiedades deseables de los es-
timadores. En el caso del estimador de máxima verosimilitud se ha comprobado que cumple
con la propiedad asintótica de consistencia, lo que no necesariamente conlleva a que sea
insesgado en muestras de tamaño pequeñas. En este sentido, se recomienda aumentar el
tamaño de la muestra con miras a minimizar el sesgo y la varianza, tanto de los parámet-
ros individuales como de las medidas de bienestar. No obstante, el tamaño de la muestra
depende esencialmente del presupuesto disponible para la respectiva investigación. En este
orden de ideas Hanemann & Kanninen (1996) recomiendan muestras de por lo menos 500
observaciones útiles para la estimación econométrica, y preferiblemente cercanas a 1000.
4.5.1 Diseño C-óptimo y D-óptimo

Para abordar el problema de la selección del rango de cantidades ofrecidas y el tamaño de
las submuestras Boyle et al. (1989) sugieren obtener un estimado inicial de la distribución
de valores, usando un formato abierto en una etapa preliminar del experimento. Un doble
propósito se persigue en esta primera etapa: re…nar el instrumento de investigación (en
este caso la encuesta) y obtener un rango para las cantidades ofrecidas. La distribución
empírica de estas respuestas es usada para obtener los ofrecimientos …nales, mediante el em-
pleo del método de números aleatorios complementarios. Especí…camente para una muestra
de tamaño N (par), N=2 números aleatorios p1 ; p2 ; :::pN=2 son extraídos de una distribución
uniforme en el intervalo (0; 1): Los restantes N=2 valores se obtienen calculando (1 pi )
y las cantidades ofrecidas se obtienen usando el inverso de la distribución de probabilidad
de…nida en la primera etapa del proceso. Es decir, para cada pi se obtiene el valor de Ai
como Ai = F 1 (pi ), donde F 1 (pi ) es la función inversa de la distribución de probabilidad
evaluada en el valor pi :
No hay razón particular para usar números aleatorios en vez de otros regularmente espa-
ciados, pero el objetivo de estos autores es asegurar que las observaciones estén balanceadas
entre las colas tomando como el centro de las cantidades ofrecidas la mediana. Sin embargo,
este procedimiento no constituye una estrategia de muestreo óptimo en términos de e…ciencia
estadística, y sólo está diseñado para identi…car totalmente la curva de respuesta. El pro-
cedimiento para formato dicotómico en V C propuesto por Boyle et al. (1988) es claramente
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
con Ai de…nidos como en la sección de estimaciones no parámetricas. Como se describió en

esa sección la varianza estimada por Du¢ eld y Pattersson usa el hecho de que el número de
respuestas positivas tiene una distribución binomial con parámetros ni y i : Por conveniencia
se repite la función de la varianza, la cual está dada por
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
donde Q es el presupuesto disponible para la investigación. Con este procedimiento se obtiene

una distribución óptima del número de observaciones entre los valores prede…nidos de Ai los
cuales están dados por
1=2
N ( Ai ) [ i (1 i )]
ni = Pk 1=2
; i = 1; :::; k:
i=1 ( Ai ) [ i (1 i )]
El modelo, sin embargo, no resuelve el problema de selección óptima de los valores Ai .

Cooper (1993) presenta el modelo DW EABS (distribution with equal area bid selection),
el cual con información previa sobre la distribución de DAP y el tamaño total de la mues-
tra, selecciona el número óptimo de cantidades ofrecidas (k), el valor de cada cantidad
(A1 ; A2 ; ::::Ak ) y el tamaño de la submuestra (n1 ; n2 ; :::; nk ) correspondiente a cada cantidad
ofrecida. El plan de muestreo óptimo (A1 ; A2 ; ::::Ak ; n1 ; n2 ; :::; nk ) es áquel con el más bajo
error cuadrático medio (M SE), el cual se de…ne como
h i2
M SE ^ =E ^ ;
h i2 h i2
M SE ^ =E ^ E ^ + E ^ ;
h i2
M SE ^ = V ar ^ + Sesgo ^ ;
donde ^ es un estimador de la DAP y es el verdadero valor. El procedimiento de Cooper

se divide en dos etapas. Primero, dado un número de valores k y el tamaño de la muestra
(N ); el criterio elige los valores Ak que dividen la distribución de probabilidad asumida
en áreas de igual tamaño. En la segunda etapa, para el conjunto de valores de la etapa 1
y dado el tamaño de la muestra y la distribución de probabilidad asumida, se procede a
minimizar la varianza al distribuir los n1 ; :::; nk : Las dos etapas se recalculan para obtener
el error cuadrático medio mínimo.
La etapa 1 divide la función de distribución en áreas de igual tamaño. Para esto se
requiere asumir una distribución de probabilidad. Regularmente, se usa información previa
de preencuestas con formato abierto u otros. Por ejemplo, para k = 2 el área se divide
en tres sectores con p1 = 0:333 y p2 = 0:666 y valores de Ai dados por A1 = F 1 (0:333) y
A2P= F 1 (0:666): En la seguda etapa se minimiza el error cuadrático medio M SE(^) sujeto
a ki=1 ni = N; seleccionando el número de observaciones que se asignarán a cada valor del
vector de pagos. Básicamente, consiste en la aplicación del criterio usado por Du¢ eld y
Patterson donde la media está dada por (4.35), pero se usa el MSE y no solo la varianza.
En general, se puede argumentar que en experimentos de V C con respuesta discreta el
investigador tiene la oportunidad de in‡uenciar los resultados mediante la seleción del vector
Ai ; lo cual no es común en otras áreas de la economía. Para hacer esto óptimamente debe
suponer la distribución para DAP y el valor de los parámetros. El criterio de optimización
toma el nombre acorde a la forma funcional de la matriz objetivo a minimizar. Estos criterios
son conocidos por las letras C y D.
El consenso en la literatura es que el investigador debe decidir cuál medida de bienestar va
a estimar y debe seleccionar un criterio especí…co para la precisión del estimador. La decisión
re‡eja intereses y prioridades del estudio. Uno de los criterios más populares es el diseño
D-óptimo Este criterio corresponde a minimizar la varianza (generalizada) del estimador del
parámetro. Esto implica que se minimiza alguna función de la matriz de información. Sea
yi = + xi ;
el modelo a estimar y x la matriz de variables exógenas (con unos en la primera columna).
La matriz de información de Fisher puede escribirse como
I ( ) = X 0 W X;
donde W es una matriz de ponderaciones, cuya forma depende de la función de distribución
seleccionada para la DAP . Si se está interesado en minimizar I ( ) con respecto a el vector
A; los parámetros desconocidos serán generalmente una parte de la solución del problema de
minimización. Se puede veri…car que esta función tiene dos mínimos, por lo cual dos puntos
de diseño deberían ser usados. Nótese de nuevo que para obtener estos dos puntos, algunos
valores de y deben asumirse.
Un criterio similar de optimización es el llamado criterio C-óptimo. En este criterio
se desea reducir la varianza de la medida de bienestar de interés. En el caso de la forma
funcional lineal se puede usar la mediana, cuya varianza asintótica se puede obtener usando
el método delta y se expresa como
2
1
V ar = 2 + 2 :
Esta es la varianza asintótica de la mediana para un modelo logit. Este criterio de

diseño C-óptimo es usado en las propuestas de Du¢ eld & Paterson (1991) y Cooper (1993)
discutidas anteriormente.
Los resultados empíricos con…rman que al contar con un modelo con dos parámetros,
como es el caso del modelo logit, dos puntos son su…cientes para identi…car los parámetros
de la distribución de probabilidades de la variable DAP . Pero dada la incertidumbre en
relación con los valores de los parámetros, en los estudios prácticos se acude al uso de 4 ó
6 puntos de diseño, preferiblemente localizados en la parte central de la distribución para
aumentar ostensiblemente la cantidad de información disponible para la estimación. Esto
igualmente coincide con la poca información que suministran los puntos ubicados en las colas
de la distribución, y las reglas generales que apuntan a no considerar cantidades ofrecidas
por debajo del percentil 12 o por encima del 88, para una distribución logística (Hanemann
& Kannninen, 1998).
El problema fundamental asociado a ambos criterios es la paradoja asociada a que el dis-
eño óptimo depende de los valores ciertos de los parámetros. Sin embargo, si se conocieran
los valores ciertos de estos parámetros no se necesitaría un experimento. Se han propuesto
tres posibles alternativas para manejar adecuadamente el problema. En primera instan-
cia, se recomienda el uso de diseños bayesianos para combinar información previa sobre los
parámetros conjuntamente con información muestral. También es dable pensar en diseños
mini-max, en los cuales se pretende maximizar la probabilidad de evitar el peor diseño, y
se sacri…ca e…ciencia para ganar robustez en la estimación tal y como lo mani…esta Sitter
(1992). Finalmente, se ha sugerido el empleo de diseños secuenciales, con la idea de actu-
alizar permanentemente el vector de cantidades ofrecidas a medida que nueva información
esté disponible.
4.5.2 Diseños bayesianos

La principal di…cultad de los criterios de diseño discutidos hasta el momento, consiste en la
necesidad de asumir valores para los parámetros. Por su parte, el criterio de diseño bayesiano
le permite al investigador combinar información previa sobre los parámetros desconocidas e
información muestral.
La diferencia esencial entre diseños Bayesianos y otro tipo de diseños, consiste en que la
densidad previa de los parámetros es incluida en el problema de minimización. Supóngase
que se tiene una distribución normal bivariada con media ( ; ) y matriz de varianzas y
covarianzas igual a V . Si se desea encontrar un diseño Bayesiano C-óptimo se debe resolver
el siguiente problema de minimización
RR
min G (A; ; ; V ) = V ar( = ) ( ; ; ; ; V )d d ;
; 1
donde V ar( = ) es la varianza asintótica de la razón de los parámetros.

El problema se soluciona al minimizar sobre un conjunto de puntos de diseño, y encontrar
los valores de A que proporcionan la menor varianza. El investigador de…ne previamente ,
y la varianza de los parámetros y se soluciona el problema de optimización para un vector
A: Como es usual en varios procedimientos Bayesianos se debe recurrir a métodos numéricos
para la solución de la integral.
4.5.3 Diseños minimax

Es posible pensar en los denominados diseños minimax en los cuales e…ciencia es sacri…cada
por robustez. Los parámetros de interés son y : El primer paso es de…nir un rectángulo
de posibles valores para estos parámetros. Por lo tanto, se conjetura sobre un intervalo
m{n < < max y m{n < < max . Esto implica asumir un posible rango para la media
o la mediana, la cual está dada por = para todas las funciones de distribución simétricas.
Para cada punto en este rectángulo, y cada conjunto de puntos de diseño, se puede calcular
el valor mínimo del determinante de la matriz de información. El diseño que maximiza el
mínimo de los potenciales diseños será seleccionado, lo que asegura maximizar la probabilidad
de evitar el peor diseño9 .
Una incertidumbre alta sobre los valores de los parámetros genera un rectángulo relati-
vamente grande. Por lo tanto, es factible que la alternativa minimax proporcione un diseño
que no sea e…ciente.
El estudio realizado por Johansson et al. (1993) comenzó con suponer la DAP promedio
usando información de estudios previos adelantados en Suecia. Se decidió sobre los valores
más probables de los parámetros y la correspondiente media. Luego se empleó la tabla
consignada en Sitter(1992) para calcular el diseño óptimo. Este procedimiento sugirió 4
puntos diferentes para el diseño los cuales fueron usados en el estudio piloto. El estudio
indicó que la media era sustancialmente menor a lo inicialmente presupuestado. Mediante
un procedimiento Robbins-Monro de actualización y la tabla sugerida por Sitter se de…nió
el diseño …nalmente usado en el estudio.
4.5.4 Diseños secuenciales

En un diseño secuencial los datos se arreglan en lotes o grupos. La idea es actualizar el vector
de cantidades ofrecidas a medida que nueva información esté disponible. Existen algoritmos
para actualizar el vector, como es el caso del procedimiento de Robbins-Monro (1951).
Supóngase que los datos son divididos en k grupos de tal forma que el diseño del último
grupo depende de la información generada de los k 1 grupos precedentes. Sea j1 ; j2 ; :::; jk 1
el número observado de personas que aceptan los puntos de diseño A1 ; A2 ; ::::; Ak 1 , donde
hay ni (i = 1; 2; :::k 1) observaciones en cada punto. El nuevo valor ofrecido será
d Jk 1
Ak = A k 1 0:5 ;
Nk 1 nk 1
P
donde Nk 1 = k1=11 ni es el valor agregado del número de observaciones en cada submuestra,
Jk 1 es el número observado de personas que acepta la cantidad Ak 1 y d es una constante
la cual se de…ne de tal manera que la varianza asintótica del estimador sea mínima.
Para ilustrar el caso más simple supóngase que se está interesado en la mediana de la
DAP . En el estudio piloto las siguientes 4 cantidades fueron selecionadas: A = (1000; 5000; 10000; 15000):
Además, se registraron las personas que dijeron si, j =(25, 14, 0, 0), en cada submuestra de
tamaño 25. Las respuestas sugieren que la mediana podría estar cercana a los 5000 ya que
todos los entrevistados se negaron a pagar las cantidades superiores y casi la mitad (14/25)
aceptó pagar 5000 en la segunda submuestra.
9
El procedimiento requiere el uso de la tabla consignada en el artículo de Sitter (1992).
4.6. PRUEBAS DE HIPÓTESIS 145
Estimando un modelo logit con probabilidad de respuesta a…rmativa igual a (1 + exp(

x)) 1 , proporciona un = 13:79 y = 0:00271. La mediana ( = ) será 5088. Se procede
ahora a ofrecer 5088 en la siguiente submuestra, la cual tiene 25 observaciones. Supóngase
que 11 personas respondieron positivamente. El procedimiento Robbins-Monro sugiere que
se tomen las próximas 25 observaciones con
d 11
A2 = 5088 0:5 ;
25 25
previa de…nición del valor d.
4.6 Pruebas de hipótesis

Un problema econométrico que debe abordarse se relaciona con la forma de comparar las
medidas de bienestar generadas por distintos modelos. Dado el vector de coe…cientes ^ y
su correspondiente matriz de varianzas y covarianzas V^ , obtenidas de la maximización de
la función de verosimilitud, se construye un conjunto de medidas de bienestar de la forma
Ci = f i( ). Donde i denota la i-ésima medida de bienestar y fi denota una función no lineal
de los coe…cientes estimados.
Para veri…car diferencias estadísticas entre medidas de bienestar se debe probar la hipóte-
sis dada por H0 : C1 = C2 , en la cual C1 y C2 representan medidas de bienestar generadas a
partir de modelos distintos. Dos formas tradicionales para probar esta hipótesis se pueden
plantear: construir un intervalo de con…anza para cada medida de bienestar y veri…car si
estos intervalos se interceptan (se traslapan), o bien a través de una prueba puntual de la
forma
C1 C2
tc = p :
V ar(C1 ) + V ar(C2 ) + 2cov(C1 ; C2 )
Aunque las medidas de bienestar son por sí mismas variables aleatorias, no es posible
obtener sus varianzas directamente del proceso de estimación inicial. No obstante, si se
requiere una rigurosa comparación de estas medidas es necesario conocer las propiedades
estadísticas de sus estimaciones que permitan realizar distintas pruebas de hipótesis, ya
sea a través de intervalos de con…anza o pruebas de signi…cancia puntual como la prueba t
tradicional presentada anteriormente.
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
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
Surgen dos di…cultades si la prueba de hipótesis planteada anteriormente implica la com-

paración de medidas de bienestar de dos modelos distintos. La primera tiene que ver con
la obtención de la varianza de cada una de las medidas de bienestar y la segunda con la
obtención de la covarianza entre estas medidas de bienestar. Sin embargo, si se desagrega el
problema se puede notar que dado que cada medida de bienestar depende de los coe…cientes
estimados en cada modelo, el problema se traduce en la estimación de la covarianza entre los
coe…cientes de modelos alternativos. Para resolver este problema Turner & Rockel (1988)
sugieren una prueba de hipótesis más generalizada. Así,
= G( ; );
donde es la prueba que se intenta veri…car y que depende de coe…cientes estimados en

dos modelos distintos, es un vector kx1 de parámetros del primer modelo denotado por
Y1 = f1 (X; ; "1 ), es un vector qx1 de parámetros del segundo modelo denotado por
Y2 = f2 (X; ; "2 ); y G es una función continuamente diferenciable con respecto a los vectores
y . Los autores asumen además que los errores son independientes y homocedásticos con
E("1t "2t ) = 0 para t 6= t0 y E("1t "2t ) = 12 :
Amemiya (1981) demuestra que los estimadores de máxima verosimilitud de y son
estimadores consistentes de los verdaderos parámetros poblacionales. De esta forma se puede
estimar consistentemente = G( ; ) por ^ = G( ^ ; ^ ). La varianza asintótica de ^ puede
ser estimada usando el método delta o método de aproximación lineal (Du¢ eld & Patterson,
1991; Kanninen, 1995) usando la expansión de la serie de Taylor de primer orden dada por
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
donde A es la matriz de covarianzas asintóticas de ^ , B es la matriz de covarianzas asintóticas

^ , y C es una matriz de orden kxq de covarianzas asintóticas entre ^ y ^ . Aunque A y B
pueden ser obtenidas directamente del proceso de estimación por máxima verosimilitud, la
estimación de C requiere un poco más de trabajo.
Siguiendo a Turner y Rockel se sabe que ^ y ^ son elegidos de tal forma que maximizan
el valor de las funciones de verosimilitud l1 ( ; Y1 ; X) y l2 ( ; Y2 ; Z); respectivamente. Bajo
esta perspectiva Amemiya (1985) demuestra que
1
@ 2 l1 @l1
(^ ) ;
@ @ 0 @
4.7. ANÁLISIS CONJUNTO 147
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
con ^ = f ( ^ 1 ; :::; ^ k ): La información necesaria para esta estimación se encuentra disponible

en el vector de coe…cientes y su correspondiente matriz de varianzas y covarianzas; es decir,
no se requiere la estimación de una matriz C.
4.7 Análisis conjunto

El método de Análisis Conjunto (AC) también referido como Método de Elección Contin-
gente (M EC) o de Preferencias Declaradas, surgió en los campos de comercialización y
psicología para medir las preferencias por diversas características o para identi…car las car-
acterísticas de elección de bienes con múltiples atributos. M EC puede proveer información
sobre cómo los atributos ayudan a determinar el valor de bienes ambientales y como este
valor es afectado por cambios en uno o más atributos. También permite conocer el valor
económico total del bien. En estudios de comercialización el M EC ha sido usado para or-
denar las diferentes alternativas asociadas a distintos conjuntos de atributos para un mismo
bien. Sin embargo, este método puede extenderse con el objetivo de estimar valores mone-
tarios del bien. En otras palabras, uno de los atributos esenciales en el proceso de valoración
es el precio del bien. Este método es más general que el de VC donde regularmente se
considera un solo atributo del bien. Las bases teóricas de los M EC se sustentan en los
modelos de utilidad aleatoria discutidos en el capítulo de costo del viaje, donde se estiman
los parámetros de las funciones indirectas de utilidad derivadas del bienestar que generan
las distintas opciones a los individuos.
Existen distintas variantes del método (Adamowicz et al., 1996; Morrison et al., 1996;
Mackenzie, 1993) entre las cuales se pueden mencionar: Experimentos de Elección (Choice
Experiment), Ordenación Contingente (Contingent Ranking), Clasi…cación Contingente (Con-
tinget Rating), y Comparación de Pares (Paired Comparisons).
El primer método presenta a los entrevistados una situación actual y varias opciones
alternativas para la situación …nal del bien. Las opciones varían acorde a distintos atributos
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
que las anteriores con la idea de explicar adecuadamente la implementación de un estudio

de VC. Este estudio contó con un tamaño de muestra mayor y un proceso más riguroso de
evaluación y validación del cuestionario. Asimismo, el estudio representa una experiencia
empírica de valoración requerida por la autoridad ambiental Chilena (CONAMA). Por con-
siguiente, ilustra la forma en que la valoración ambiental aporta información para el proceso
de toma de decisiones.
4.8.2 Caso 1: Valoración de la playa de Dichato

Introducción y descripción del problema
En el capítulo anterior se explicó la toma de los datos en la playa de Dichato para la esti-
mación del excedente del consumidor con el método de costo del viaje. Estos datos fueron
obtenidos mediante entrevistas personal realizada en el lugar de recreación durante los meses
de febrero y marzo de 1996. La playa de Dichato es un recurso costero que provee oportu-
nidades de recreación a un número signi…cativo de visitantes. El incremento en la población,
tanto ‡otante como permanente, ha generado una mayor presión sobre los recursos natu-
rales y la disposición de residuos domiciliarios, con el consecuente impacto sobre la zona
costera. Esto puede llevar a una pérdida del recurso si no se toman las medidas tendientes
al tratamiento adecuado de los residuos.
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
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.
Table 4.4: Estimaciones del método de VC para la playa de Dichato
Modelo I Modelo II Modelo III

Ai
v = + Ai v = + ln(1 Y
) v = + ln Ai
probit logit probit logit probit logit
1,31 2,18 1,12 1,84 5,15 8,9
(7,9) (7,5) (9,8) (9,3) (0,9) (5,5)
3,25E-4 5,4E-4 63,45 104,73 0,61 1,07
(-5,7) (-5,6) ( 7,2) (6,9) (-5,4) (-5,1)
Log-L -214,04 -214,07 -200,27 -200,8 -215,57 -215,23
2
35,18 35,13 62,35 62,31 32,8 32,8
R2 McFadden 0,07 0,08 0,13 0,13 0,07 0,07
Pred. corr. 70,0 69,2 74,6 74,6 68,1 68,1
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.
Table 4.5: Medidas de bienestar del método de VC para la playa de Dichato
Modelo Distribucion Media Mediana

v = + Ai probit 4030 4030
logit 4037 4037
Ai
v= + ln(1 ) probit 6949 6997
Y
logit 6909 6966
v= + ln Ai probit 18340 4763
logit 67160 4582
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.
Comparación de interpretaciones teóricas

Usando los mismos datos se presenta a continuación una comparación de las medidas de
bienestar sugeridas por las dos interpretaciones teóricas para el método de valoración con-
tingente (V C) con formato binario. En primer lugar, se presentan los resultados para el
marco conceptual del enfoque sugerido por Hanemann (1984, 1989), y posteriormente se de-
sarrolla la alternativa asociada a los trabajos de Cameron & James (1987) y Cameron (1988).
Se estimaron dos formas funcionales (lineal y logarítmica) para cada estructura teórica y se
calcularon las respectivas medidas de bienestar (media y mediana). Existen dos aspectos
que deben tenerse en cuenta al momento de analizar estos resultados. Primero, en la forma
funcional lineal de Hanemann se incorporó la variable ingreso. Esto es incompatible con
el proceso de maximización de utilidad de la forma funcional lineal ya que este argumento
desaparece en el cálculo de la diferencia de la función de utilidad. El modelo de Hanemann
es un tanto más restrictivo en la medida que impone condiciones explícitas a la forma de
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.
Diseño muestral. La descripción del estudio en la primera parte de la aplicación no hizo

alusión al problema de diseño muestral. Sin embargo, es claro que el diseño muestral, es
decir la elección del tamaño total de la muestra (N ), el tamaño de las submuestras (ni ) y
la selección del vector de cantidades ofrecidas (Ai ), afectan la estimación de las medidas de
bienestar. Por esta razón, y teniendo en cuenta que el vector de cantidades ofrecidas está
de…nido, se procedió a seleccionar dos muestras. La primera con un total de 370 observaciones
distribuidas en diez valores con igual tamaño para cada submuestra. En la segunda muestra
se aplicó el criterio de optimización sugerido por Du¢ eld & Patterson (1991) el cual permite
determinar la asignación óptima de las submuestras (ni ), dado el tamaño total y el vector
de cantidades ofrecidas. Este criterio minimiza la varianza de la media de la disposición a
pagar calculada en forma no paramétrica. El objetivo de usar dos muestras es seleccionar
aquélla con mejores propiedades estadísticas en las pruebas de hipótesis.
Los coe…cientes estimados, las medidas de bienestar y sus varianzas se presentan en el
Cuadro 4.6 para la función indirecta de utilidad y el Cuadro 4.7 para la función de variación.
Las columnas 1 y 2 presentan la estimación de la función lineal para el caso de la muestra
no optimizada y optimizada, respectivamente. Las columnas 3 y 4 corresponden a las es-
timaciones para la forma funcional logarítmica. En las últimas cuatro …las de cada tabla
se presentan las medidas de bienestar (media y mediana) con sus respectivas desviaciones
estándar. El subíndice 1 indica que la medida de bienestar fue calculada usando los coe-
…cientes de la regresión evaluados en el valor medio de la variable independiente y que su
varianza se obtuvo con el método de aproximación lineal (Sd1). Por su parte, el subíndice 2
indica que las medias y varianzas son el resultado de un proceso de simulación. En este caso
el experimento fue repetido 1000 veces de acuerdo con lo sugerido por Park et al. (1991).
Se puede observar que todos los parámetros son estadísticamente signi…cativos al 5% y
Table 4.6: Estimadores y medidas de bienestar de la función indirecta de utilidad
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)
-0,356* -0,3541* -0,652* -0,645*

t (-5,893) (5,638) (-6,038) (-5,819)
0,123* 0,12649* 0,518* 0,54026*

t (4,982) (5,03) (4,835) (5,026)
Media1 4051 3910 15386 14789

Sd1 325,4 316,3 8204 8133
Media 2 4109,7 3950,5 24468 24177

Sd2 362,46 349,52 64456 36078
Mediana1 4051 3910 4756,5 4452,1

Sd1 325,4 316,3 822,5 748,8
Mediana2 4109,7 3950,5 4949,2 4665,2

Sd2 362,46 349,52 1367,4 1102,4
* indica signi…cancia estadística al 5%.
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.
Table 4.7: Estimadores y medidas de bienestar de la función de variación
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)
0,3479 0,35721* 0,79445* 0,83715*

t (3,874) (3,806) (3,864) (3,867)
2,806* 2,8241* 1,5323* 1,5495*

t (5,893) (5,638) (6,038) (5,819)
Media1 4051 3910,1 15386 14789

Sd1 325 4316,3 8203 8133
Media2 4080,9 3921 18768 17754

Sd2 329,63 309,34 11717 10462
Mediana1 4051 3910,1 4756,4 4452,2

Sd1 325,4 316,3 822,5 748,9
Mediana2 4080,9 3921 4929,1 4518,5

Sd2 329,63 309,34 1804,8 747
Análisis de resultados y conclusiones
La selección entre la media y la mediana para la forma funcional logarítmica conlleva a

una interesante discusión desde la perspectiva de la agregración de los bene…cios. Según
los resultados es recomendable usar la mediana como medida de bienestar ya que para
cualquiera de las formas funcionales se obtienen las medidas de bene…cio más conservadoras.
Además, se minimizan los efectos en las medidas de bienestar debido a diferencias en la
forma funcional seleccionada, ya que en ambas pruebas de hipótesis las medianas no di…eren
signi…cativamente.
De los resultados de las pruebas de hipótesis es factible concluir que cualquier enfoque es
adecuado para el cálculo de las medidas de bienestar. Sin embargo, el uso de la interpretación
de funciones de utilidad implicará perder información que estará disponible en la función de
variación.
Los coe…cientes estimados en la función de variación pueden ser interpretados en forma
similar a los coe…cientes obtenidos por mínimos cuadrados. Es decir, se puede obtener de
una forma sencilla el cambio marginal en la disposición a pagar ante un cambio en alguna
variable independiente de interés. Por el contrario, en el enfoque de diferencia de utilidad
esta información es difícil de obtener ya que solo se estima una probabilidad.

En relación con la valoración económica se puede optar por la mediana como medida de
bienestar o la forma funcional lineal, para así asegurar medidas de bienestar conservadoras
y evitar sobreestimaciones de los bene…cios asociados a recursos recreacionales, máxime en
contextos de países menos desarrollados en los que la demanda por este tipo de recursos es
limitada y representa una pequeña proporción del gasto total de las familias.
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
Modelo Media H Media C Mediana H Mediana C

Lineal
Límite Superior 4778,4 4540,5 4778,4 4540,5
Media 3950,5 3921 3950,5 3921
Límite Inferior 3385,4 3282,5 3385,4 3282,5
Logarítmico
Límite Superior 115940 46686 7241,3 6080,3
Media 24177 17754 4665,2 4518,5
Límite Inferior 7047 5925,2 3399,5 3196,7
4.8.3 Caso 2: Valoración del río Claro

Introducción y descripción del problema
Con el …n de identi…car la valoración económica de los habitantes de la ciudad de Talca
(Chile) por una mejora en la calidad ambiental de uno de sus principales ríos, se realizó
un estudio de V C con formato dicotómico. La zona de estudio fue el río Claro ubicado a
un costado de la ciudad de Talca, VII región del Maule, el cual representa un recurso que
genera bene…cios recreacionales para la población residente y para los visitantes o turistas.
A la fecha de la realización del estudio los estándares de contaminación de las aguas del
río superaban los límites normales establecidos. La contaminación del cauce provenía de
residuos domiciliarios e industriales líquidos (RILES). Ambos tipos de residuos contienen
impurezas minerales y orgánicas superando el estándar permitido, lo cual compromete la
calidad del agua para distintos …nes como agua potable, natación, pesca, riego, etc.
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.
A cada entrevistado se le explicó el propósito de la encuesta y las condiciones actuales del

sitio de recreación del río Claro, enfatizando el impacto en la salud de la población que usa el
recurso. Posteriormente, se le preguntó al individuo por su disposición a pagar. El vehículo
de pago consistió en un cargo adicional a la cuenta de servicios sanitarios de cada familia de
la ciudad, el cual se cobraría por una sola vez un año después de la puesta en marcha del
proyecto. A su vez, al entrevistado se le presentó el costo total del proyecto equivalente a
$ 7.425.000.000 aproximadamente (costos estimados por la Empresa de Servicios Sanitarios
del Maule, ESSAM). En el estudio se utilizaron dos tipos de formatos: el formato dicotómico
simple y doble.
En el contexto del diseño óptimo sugerido por Cooper (1993) se aplicó una preencuesta
con el propósito de corregir posibles errores en el instrumento de la entrevista y el mercado
hipotético. También se obtuvo información sobre la DAP de los individuos con la idea
de de…nir el vector de pagos. En esta encuesta piloto se preguntó en forma abierta a los
entrevistados por su disposición a pagar por una mejora de la calidad de las aguas del río
Claro. En la pregunta se le recordó a los entrevistados su restricción presupuestaria y las
alternativas recreacionales disponibles. Mediante una prueba de Box-Cox se concluyó que
los datos se acercaban a una muestra asimétrica.
Posteriormente, se utilizó el algoritmo sugerido por Cooper (1993). Al aplicar el programa
DWEABS se concluyó que el error cuadrático medio se minimizaba con 6 rangos (k), con
sus respectivos tamaños muestrales. Los valores utilizados en el formato dicotómico simple
fueron Ai =880,1520,2310,3415,5190 y 8950. La encuestra piloto constó de 100 observaciones
divididas por nivel socioeconómico. La muestra …nal consistió de 500 observaciones con un
rechazo de tan sólo seis encuestas por estar incompletas o por constituir críticas al mercado
hipotético. Para el formato dicotómico doble se ofrecieron como pagos superiores e inferiores
el valor posterior y anterior del formato simple, respectivamente. Los valores asignados
se pueden observar en el Cuadro 4.9. Además del cálculo de las medidas de bienestar se
estimaron intervalos de con…anza usando el método de simulación y el método delta.
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
.
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
Coe…ciente Valor Desv. Estándar Valor t

1; 5406 0; 1146 13; 442
0; 3081 0; 0116 26; 653
1; 3418 0; 2627 5; 108
Media 6262; 2 775; 62
Media+ 6711; 8 692; 09
Table 4.11: Coe…cientes estimados modelo logarítmico para valoración económica del Río
Claro

3; 0815 0; 1492 20; 649
1; 4666 0; 0462 31; 770
0; 40132 0; 0893 4; 492
Media 7118; 40 1106; 70
Mediana 5641; 90 877; 17
En el caso lineal la media y mediana coinciden y equivalen a un valor de $ 6262. Sin

embargo, el valor medio obtenido al calcular la integral positiva es de $ 6712, donde se usa
como límite superior la máxima cantidad ofrecida en la encuesta. Para el caso logarítmico
la media asciende a $ 7118 y la mediana a $ 5642.
La estimación de los intervalos de con…anza usando el método delta con un nivel de
con…anza del 95% se puede observar en el Cuadro 4.20. Igualmente, en el Cuadro 4.13 se
presentan los resultados obtenidos al aplicar el método sugerido por Park et al. (1991) con
un nivel de con…anza del 95%.
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
Table 4.12: Intervalos de con…anza para las medidas de bienestar correspondientes a la

valoración económica del río Claro
Modelo Medida de Bienestar Límite Límite

inferior superior
Lineal Media-Mediana 6255; 23 6269; 16
Integral positiva 6704; 60 6719; 00
Logarítmico Media 7111; 00 7125; 79
Mediana 5634; 41 5647; 58
Table 4.13: Intervalos de con…anza usando el método de simulación para los modelos lineal
y logarítmico
Modelo Medida de Bienestar Límite Límite

inferior superior
Lineal Media-Mediana 5925; 6 6601; 1
Integral positiva 6388; 4 7010; 5
Logarítmico Media 6389; 7 7832; 7
Mediana 5145; 2 6093; 3
de la función indirecta de utilidad se estimaron en $ 8639 y $ 6953 pesos anuales para la

media y mediana, respectivamente. Para una forma funcional lineal, la media, la cual es
idéntica a la mediana, equivale a $6901.
Para la estimación no paramétrica se utilizaron las propuesta de Kriström (1991) y la de
Haab & McConnell (1997). El Cuadro 4.14 presenta la proporción de respuestas positivas
obtenidas ante el ofrecimiento de las cantidades Ai . Tal como lo sugieren los datos fue
necesario considerar que 1 = 2 para garantizar la condición de monotocidad no creciente
de la función de sobrevivencia.
Table 4.14: Proporción de respuestas positivas
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
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.
Table 4.15: Cálculo de Fdp y Fda
Rango Fj FDA FDP

0 880 0:31 0:131 0:131
(0:43) (0:43)
880 1520 0:07 agrupado agrupado
1520 2310 0:14 0:14 0:005
(0:042) (0:060)
2310 3415 0:24 0:24 0:106
(0:043) (0:060)
3415 5190 0:34 0:34 0:095
(0:036) (0:056)
5190 8950 0:69 0:69 0:351
(0:048) (0:06)
>8950 1 0:312
(0:048)
error estándar en paréntesis.
En el Cuadro 4.16 se presentan las estimaciones de la media y mediana. Claramente se

puede observar que la media obtenida por el método de Haab y McConnell representa una
cota inferior de la DAP; la cual no está dentro de los intervalos de con…anza de ninguna de
las estimaciones parámetricas. Por el contrario para el caso de la aproximación trapezoidal
y un valor de T =12.000, el valor estimado de la media se encuentra dentro del intervalo de
con…anza estimado con una forma funcional lineal parámetrica. En el caso de T =15.000
la media estimada se encuentra dentro del intervalo de con…anza estimado con una forma
funcionales logarítmica paramétrica.
Como resultado de la forma de interpolación lineal usada la mediana es igual en todos los
casos no paramétricos. Éstas, a su vez, no son signi…cativamente diferentes de las calculadas
en forma paramétrica. De nuevo aparecen argumentos a favor de la utilización de la mediana
como medida de bienestar debido a su robustez a cambios en el método de estimación, al
uso de la forma funcional y a los supuestos sobre la distribución de los errores.
Table 4.16: Medidas de bienestar para la estimación paramétrica y no paramétrica
Estimación Paramétrica Media Mediana

Lineal 6901 6901
(6298 7729) (6298 7729)
Logarítmica 8639 6953
(7038 12322) (5987 8558)
Estimación No paramétrica Media Mediana
Haab & McConnell 5198 6934
(4786 5609) (5910 8950)
Kriström
T=12.000 6524 6934
(6102 6945) (5910 8950)
T= 15.000 7913 6934
(6568 7411) (5910 8950)
Intervalos de con…anza en paréntesis.
*rango correspondiente a la media
Adicionalmente, la elección del rango de truncación en la propuesta de Kriström no

re‡eja diferencias estadísticas ya que no altera sustancialmente las medidas de bienestar.
Si se compara el método de Kriström con los métodos paramétricos las diferencias no son
estadísticamente signi…cativas. Note que cuando el supuesto de distribución de los errores
es adecuado se espera entonces que la diferencia entre ambos métodos no sea signi…cativa.
4.8.4 Caso 3: Valoración de la calidad del aire

Introducción
En la ciudad de Talcahuano y parte de Concepción, VIII Región del Bío-Bío (Chile), el
problema ambiental de mayor relevancia para el bienestar de las familias durante la última
década ha estado relacionado con las emisiones de gases provenientes principalmente de la
industria pesquera. El deterioro de la calidad de vida de los habitantes de estas dos ciudades
se evidencia en las constantes denuncias realizadas ante las autoridades respectivas por parte
de la comunidad afectada. Esta situación se ve agravada con problemas de salud tanto físicos
como psicológicos asociados a las emisiones.
Dicha problemática ambiental requiere de una regulación adecuada que permita controlar
o reducir los niveles de emisiones de la industria pesquera. La implementación de regulaciones
como son las Normas de Calidad Ambiental y de Emisiones, genera la necesidad de contar
con una medida económica de un cambio en la calidad ambiental que sirva de apoyo a los
análisis de impacto económico y social de dichas normas.
En el contexto mencionado este caso condensa los principales resultados obtenidos en
el marco del proyecto Diagnóstico de Requerimientos de Información Económico Ambiental
como Apoyo a los Análisis Generales del Impacto Económico y Social de los Planes de
Prevención y Descontaminación y de las Normas de Calidad Ambiental y de Emisiones,
desarrollado por la Comisión Nacional del Medio Ambiente (CONAMA-Chile).12
Descripción del problema

La ciudad de Talcahuano se encuentra localizada en la zona costera de la VIII Región del
país, aproximadamente a unos 15 kilómetros al norte de la capital regional (Concepción).
De acuerdo con el censo de 1992 su población alcanza los 246.566 habitantes y su super…cie
es de 137,25 km2 .
La industria pesquera cuenta con 13 plantas procesadoras de harina de pescado instaladas
en la comuna de Talcahuano. El deterioro de la calidad de vida de los habitantes de estas dos
ciudades se evidencia en las constantes denuncias realizadas por parte de la comunidad y se
complementa con problemas de salud relativos a pérdida de apetito, pérdida de concentración
en períodos de estudio, irritación bronquial y dérmica y problemas nerviosos, entre otros
(SST, 1995).
El Departamento de Programas del Ambiente del Servicio de Salud Talcahuano (SST)
cuenta con la metodología denominada Odoripesquimetría, que consiste en la …scalización
y monitoreo de las emisiones de las pesqueras a través de un panel de jueces debidamente
entrenados, los cuales han calibrado su capacidad de olfato a diferentes intensidades de olor.
El método desarrollado por el SST se basa en el Método de Dilución de Aire, el cual se puede
dividir en un Método de Inyección desarrollado en Estados Unidos y un Método de Bolsas
Colorantes usado en Japón. En estos dos casos se toman muestras de los gases odoríferos
donde se supone que el proceso concentra las mayores emisiones. Sobre esta muestra se
llevan a cabo sucesivas diluciones las cuales se presentan a los panelistas con el propósito de
identi…car el valor umbral o de mínimo olor.
En el sistema desarrollado por el SST los panelistas o jueces se ubican en puntos determi-
nados de la comuna. Los jueces cali…can la calidad del aire tres veces al día mediante el uso
de una escala cualitativa particular de índice de olor, la cual se presenta en el Cuadro 4.17.
El SST realiza mediciones diarias de calidad del aire veri…cando el número de denuncias y
los sectores afectados. Esta información se correlaciona con datos meteorológicos y estadís-
ticas referentes al régimen de funcionamiento de las plantas industriales, preferencialmente
en aspectos de velocidad de proceso, tipo y estado de la materia prima en pozos, especie,
calidad y número de horas de operación continua al momento de la inspección. Esto permite
identi…car el origen de la fuente de emisión así como información de la calidad de aire por
sector para un período de tiempo determinado (un mes en este caso).
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.
Table 4.17: Índice de olores ofensivos de la industria pesquera en Talcahuano
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).
Antecedentes para la construcción del cuestionario. A partir de 1994 el SST inició

un plan global para abordar los impactos ambientales generados por el sector pesquero
industrial. En el marco de un convenio entre el SST y las industrias pesqueras se …jaron
y acordaron metas de reducción en los niveles de olor, lo que implicó la implementación de
cambios tecnológicos en procesos para incluir las emisiones de gases y vapores en un sistema
de circuito cerrado, con tratamiento …nal de los mismos al interior de las plantas.
Dicho convenio se respaldó en la Resolución de Exigencia No 387 del 30 de marzo de 1995,
la cual otorgó un plazo máximo de 36 meses para la implementación de todos los cambios
tecnológicos pactados. Estos cambios incluyen secado directo; captación y canalización de
vahos primarios, secundarios y fugitivos; condensación de gases; incineración de gases no
condensables en calderas y hermeticidad.
Los resultados muestran una disminución en un 61% de los eventos causantes del mal
olor, y una reducción en el número de días con mala calidad del aire de un 72%. Se ha
evidenciado también un aumento en el número de días con olores normales y una reducción
en la intensidad de los olores al no contar con niveles del orden cuatro en el índice de olores
ofensivos. Adicional al Informe Técnico No 20 de 1998 se puede concluir que el número de
eventos diarios de olores de nivel 3 (olor a pescado cocido desagradable y permanente), ha
disminuido notablemente durante los meses considerados más críticos (diciembre, enero y
febrero).
De…nición del método de valoración. Las medidas de bienestar se estimaron usando la

función de distribución de probabilidad de la disposición a pagar de los individuos. Para tal
efecto, se usó la forma funcional lineal en la cual las medidas de bienestar media y mediana
coinciden, y una distribución de probabilidades logística para la cantidad ofrecida. Adi-
cionalmente, se estimó el denominado modelo spike simple porpuesto por Kriström (1996).
Tamaño de la muestra. Un criterio fundamental para la de…nición de la muestra consistió

en la identi…cación de la población relevante. Para el caso de Talcahuano se asumió que
ésta representa a aquella parte de la población que efectivamente verá modi…cado su nivel
de bienestar, con medidas de gestión ambiental orientadas al control de olores indeseables
dentro de la localidad. Dada la naturaleza y espacialización del problema se identi…caron
y delimitaron, con la ayuda del personal adscrito al SST, las principales áreas afectadas.
En términos generales, la población de estas áreas asciende aproximadamente a 148.573
personas, lo que representa el 60,25 % en relación con los 246.566 habitantes reportados
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.
Diseño experimental. Para el caso particular de Talcahuano se usaron algunos resultados

preliminares obtenidos en estudios de valoración económica realizados en Chile. Dado el
tamaño de la muestra se materializó una primera fase preliminar de 50 encuestas con formato
abierto, y con la idea fundamental de obtener una idea del rango de la DAP . El aspecto más
relevante de esta primera fase de la encuesta apuntó a una alta tasa de rechazos al mercado
hipotético (cercana al 50%), principalmente por razones de tipo institucional.
Cabe destacar la poca con…anza que inspiran las instituciones tanto públicas como pri-
vadas, y la creencia generalizada que no son los individuos los que deben pagar por descon-
taminar sino las empresas que originan el problema. Esta respuesta era de esperarse dado
que el problema de olores ha perdurado por varios años en la intercomuna y las acciones em-
prendidas, tanto por la municipalidad como por las empresas, no son claramente percibidas
por los ciudadanos.
En una segunda etapa del proceso se adelantó un estudio piloto a nivel de premuestreo
con aproximadamente 200 encuestas, en las cuales se incorporó información más coherente
y precisa en relación con las acciones realizadas por las empresas pesqueras y el Servicio de
Salud de Talcahuano en materia de formulación y ejecución de estrategias de descontami-
nación.
La tasa de rechazo en esta etapa piloto descendió a un 30%. Es importante anotar que
muchas personas que no están dispuestas a pagar por razones de tipo institucional, no implica
necesariamente que su valoración sea cero o negativa. Por el contrario, su valoración del
recurso es positiva pero no consideran adecuado por motivos de tipo ético, o por descon…anza
en las instituciones mismas, el tener que pagar alguna cantidad de dinero.
Por esta razón, inicialmente se preguntó por la disposición a pagar o no una cantida
mayor que cero. Si el entrevistado proporcionaba un no como respuesta, fue consultado
seguidamente por las razones de su negativa. Las alternativas fueron ordenadas de tal forma
que fue posible identi…car y separar a aquellos que tienen una disposición a pagar positiva
pero rechazan el escenario, y aquellos que claramente no valoran el bien, o no cuentan con
recursos económicos como para incorporar el ambiente en sus decisiones de consumo.
El estudio piloto permitió re…nar el instrumento de la encuesta en lo atinente a la com-
prensión del problema y al entendimiento del escenario hipotético por parte del entrevistado.
De otro lado fue posible ajustar el vector de cantidades ofrecidas a 200, 2800, 5300 y 7900
pesos chilenos, según el procedimiento sugerido por Sitter (1992). Con estos antecedentes se
procedió a llevar a cabo el estudio principal a 1445 hogares, en los cuales se entrevistó al jefe
de familia, o en su defecto a su cónyuge, siempre y cuando tomara decisiones de consumo.
Luego se depuraron las encuestas para obtener las 1015 observaciones …nales.
Diseño del instrumento de encuesta

El instrumento a aplicar se diseñó con la idea de obtener información en lo que respecta
a las características generales del residente en Talcahuano, a su percepción del problema
que es objeto de valoración y el grado de importancia que le asigna a la calidad ambiental.
Igualmente, se incluyó la estructura propia de una encuesta para un estudio de V C en la cual

se privilegia el escenario hipotético y el vehículo de pago. Por último, la encuesta incluyó
preguntas generales con el propósito de indagar por variables relacionadas con aspectos
socio-económicos básicos del entrevistado.
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,
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%
reportó no saber o no estar seguro. En estudios de V C es relevante el vehículo de pago y la

institución que administra los fondos recaudados, ya que los entrevistados pueden cuestionar
algunas instituciones. Asimismo, un vehículo de pago mal seleccionado puede generar costos
importantes al momento de validar los resultados.
En este caso se pre…rió dejar al entrevistado la selección del vehículo de pago, así como
también la selección de la institución encargada de administrar los fondos. Al proponer una
institución para ejecutar la obra podría haber generado rechazo por la poca credibilidad en
instituciones públicas o privadas. En general, las personas fueron indiferentes al vehículo de
pago con un 37% de las respuestas. El menos adecuado de los vehículos de pago sugerido
resultó ser la cuenta de electricidad. Sin embargo, las personas no son indiferentes con
respecto a la institución encargada de ejecutar el proyecto. Un gran porcentaje (53%) pre…ere
que el proyecto sea ejecutado por CONAMA y solo un 2% cree que son las empresas las que
deben llevar a cabo el mismo.
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

1; 2057 0; 12674 9; 513
0; 3397 0; 2558E 01 13; 281
Media-Mediana 3550 216; 908 3112 3941
Table 4.19: Resultados modelo spike para la valoración de la calidad del aire
Coe…ciente Valor Desv. estándar Valor t

1; 2976 0; 7675E 01 16; 908
0; 3593 0; 1582E 01 22; 708
Media 4283 170; 66 3978; 4 4646
Mediana 3611 215; 89 3270 3998; 5
Los parámetros son todos estadísticamente signi…cativos al 1% y el modelo estimado tiene

como propiedad que la media y la mediana coinciden. Usando el procedimiento de simulación
descrito anteriormente se encontró un intervalo de con…anza para la media (mediana) con un
límite inferior y superior de 3112 y 3941, respectivamente. Se observa que la media calculada
está dentro del intervalo de con…anza y que el intervalo de con…anza al 5% de signi…cancia
es bastante estrecho, lo cual asegura precisión en la estimación.
En el Cuadro 4.19 se resumen los resultados econométricos del modelo spike teniendo
en cuenta una distribución logística para la cantidad ofrecida. Además, se presentan las
medidas de bienestar y sus intervalos de con…anza. Tanto para la medidas de bienestar del
modelo tradicional como para el modelo spike el proceso de simulación para la obtención de
las varianzas se repitió 1000 veces.
A partir de estos resultados se puede concluir que la medida de bienestar del modelo
spike es mayor que la del modelo tradicional. Esto se explica por el hecho que este último
modelo estima la medida de bienestar considerando un rango de disposición a pagar negativa.
Por el contrario, en el modelo spike el cálculo de la medida de bienestar se efectúa con una
cota inferior de la DAP igual a cero. Igualmente, los individuos pueden ignorar el proyecto
relacionado con la mejora de la calidad del aire en Talcahuano. En otras palabras, no parece
justi…carse la existencia de perdedores con la realización del proyecto.
Análisis de resultados y conclusiones

Para el análisis estadístico se utilizaron dos supuestos sobre la distribución de probabilidad.
El primer enfoque, tradicionalmente usado en los estudios de VC, considera una distribu-
ción de probabilidad continua, donde el valor representativo del recurso se calcula como la
integral sobre el rango de la disposición a pagar considerando valores tanto positivos como
negativos. Una segunda alternativa, conocida como modelo spike asume una distribución
de probabilidad con un salto discreto, representando aquellos entrevistados que desde una
perspectiva microeconómica no están en el mercado.
En el trabajo se estimó una función de diferencia de utilidad según el enfoque teórico
propuesto por Hanemann (1984), el cual permite obtener medidas de bienestar Hicksianas.
Estas medidas de bienestar son la media y la mediana de la disposición a pagar. En este
estudio la medida de bienestar fue de 3550 pesos mensuales con un intervalo de con…anza al
95% entre los 3112 y 3941 pesos mensuales.
En el modelo spike las medidas de bienestar di…eren y se encontró una media de 4283
pesos, con un intervalo de con…anza de 3978 a 4646 pesos. Por su parte la mediana fue de
3611 con un rango entre los 3270 y 3998 pesos como intervalo de con…anza. Cabe señalar que
el modelo tradicional subestima la medida de bienestar porque en su rango de integración
existe una porción de la disposición a pagar que es negativa, mientras que el modelo spike
agrupa a estos individuos en el valor cero de la disposición a pagar.
Si se desean agregar estos resultados se debe tener en cuenta la población efectivamente
afectada por el problema ambiental. En este caso siempre es recomendable acogerse a la
estimación más conservadora posible de las medidas de bienestar, ya que garantiza un límite
inferior de los bene…cios agregados. Lo anterior debería ser su…ciente desde la perspectiva
de la toma de decisiones en ámbitos públicos con respecto a problemas de tipo ambiental.
En este caso la población relevante de…nida en el estudio es de 96.475 personas. Si se
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.
Modelos paramétricos, semi y no paramétricos

Por último, esta sección presenta la comparación de las medidas de bienestar obtenidas a
partir de las formas paramétrica, no paramétrica y semiparaméta para la misma muestra de
individuos.
Dado que el investigador no conoce la forma funcional más correcta ni la distribución de
probabilidad asociada a la disposición a pagar, es posible que se cometan sesgos importantes
al momento de estimar las medidas de bienestar. Con el …n de evitar este tipo de problemas
ha surgido en la literatura la posibilidad de usar estimaciones no paramétricas las cuales no
requieren de dichos supuestos (Kriström, 1990; Haab & McConnell, 1997). A partir de estos
modelos se calculan directamente la media y mediana de la disposición a pagar, utilizando
solamente las respuestas a la pregunta dicotómica planteada a los individuos encuestados.
Una tercera alternativa de estimación corresponde a las estimaciones semiparamétricas
(Creel & Loomis, 1997; Li, 1996), donde al igual que en el caso paramétrico se intenta obtener
parámetros. En este caso se pretende estimar consistentemente 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 propósito del presente ejemplo es estimar y comparar las medidas de bienestar uti-
lizando los tres tipos de estimación. Para tal efecto, se procedió a la construcción de intervalos
de con…anza para cada una de las medidas proporcionada por cada alternativa de estimación.
Luego se veri…có la posibilidad de traslape de los intervalos de con…anza calculados.
Metodología. Para la estimación paramétrica se utilizó el modelo de Hanemann (1984).

Los modelos de Kriström (1990) y Haab & McConnell (1997) se usaron para las estimaciones
no paramétricas. Finalmente, para la estimación semiparamétrica se empleó el modelo sug-

erido por Creel & Loomis (1997).
El tamaño de la muestra fue inicialmente de 1445 observaciones la cual después de depu-
rarse consistió de 1011 observaciones. Las encuestas con respuestas del tipo no sé o no
responde y aquéllas en que los individuos mostraron un completo rechazo a la situación
planteada fueron omitidas.
Estimaciones económetricas. Para la aplicación de los modelos se consideró como única

variable explicativa el vector de pagos. Los resultados de las estimaciones se presentan en el
Cuadro 4.20.
Table 4.20: Resultados del modelo paramétrico, semiparamétrico y no paramétrico
Modelo Media Mediana

Paramétrico: Hanemann (lineal) 3518 3518
(3091 3914) (3091 3914)
No Paramétrico: Kriström 3786 3065
(3535 4037) (2800 5300)
No Paramétrico: Haab & McConnell 2866 3065
(2232 3499) (2800 5300)
Semiparamétrico: Creel & Loomis 3392 2837
(3115 3661) (2263 3316)
Para la estimación paramétrica se utilizó la forma funcional lineal y una distribución

logística. Para la forma funcional descrita se debe recordar que la media y mediana coinciden,
proporcionando un valor de 3518 pesos mensuales. El intervalo de con…anza estimado, 3091
- 3914 pesos por mes, se obtuvo del proceso de simulación de los coe…cientes con un nivel de
signi…cancia del 5%. En los resultados de la estimación no paramétrica se puede observar
como el modelo de Haab y McConnell representa una cota inferior de la media con un valor
de 2866 pesos al mes. En el modelo de Kriström se incluyeron los valores umbrales 0 y 9500,
con lo cual la media obtenida fue de 3786 pesos al mes. La mediana para ambos modelos no
paramétricos es la misma y equivale a 3065 pesos al mes.
Al igual que en el caso de Creel & Loomis (1997), los resultados muestran que las medi-
das de bienestar no son estadísticamente diferentes entre los distintos modelos, a excepción
de la media de Haab y McConnell cuyo intervalo de con…anza no se traslapa con el de
Kriström. Esto podría explicarse porque la media de Haab y McConnell representa una cota
inferior de la medida de bienestar. Con respecto a la mediana se puede concluir que no es
estadísticamente distinta para los tres tipos de estimación.
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
Método de precios hedónicos
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
En todos estos ejemplos la premisa fundamental de análisis desde la perspectiva de precios

hedónicos es que los consumidores están dispuestos a cambiar su disposición a pagar por un
bien dependiendo de los atributos de éste. Es razonable esperar que un agricultor esté
dispuesto a pagar un mayor precio por un predio con mejor calidad de la tierra, mejor
accesibilidad y con mayor cantidad de agua disponible. Un trabajador estará dispuesto a
recibir un salario menor si sabe que el riesgo de un accidente laboral será también menor.
Por último, un consumidor estaría dispuesto a pagar más por una vivienda ubicada en un
vecindario con baja tasa de criminalidad que por una vivienda similar en otro vecindario
mucho más inseguro.
La diferencia de precios entre bienes con diversos atributos re‡eja la valoración económica
por estas características. Supóngase que se tienen dos viviendas idénticas excepto que una de
ellas está localizada en un vecindario con mejor calidad del aire. La diferencia de precios entre
las dos viviendas se puede explicar por la diferencia en la calidad ambiental del vecindario.
Esta diferencia de precios re‡eja el valor económico de la calidad ambiental y se considera
como un precio implícito por esta característica.
Aunque la idea resulta plausible desde la perspectiva teórica existe una serie de limita-
ciones empíricas al momento de determinar el valor de las características del bien. Primero,
es poco probable encontrar bienes que di…eren únicamente en la característica de interés. En
la mayoría de los casos los bienes di…eren simultáneamente en varios atributos. Es común
que viviendas más grandes con terrenos más amplios se encuentren en sectores residenciales
con mejor calidad ambiental. Por consiguiente, es difícil determinar cuál de los atributos
explica la diferencia de precio. Por esta razón es necesario desagregar el precio del bien de
tal forma que se aisle el efecto de cada atributo. Esta tarea suele ser compleja dada la alta
correlación entre los atributos de los bienes, lo cual di…culta la estimación de las ecuaciones
de precios como resultado de la multicolinealidad.
Un segundo problema surge como consecuencia de la endogeneidad de las decisiones sobre
precios y atributos de los bienes. El consumidor decide conjuntamente el precio que está
dispuesto a pagar y las características del bien. Esta simultaneidad di…culta la identi…cación
de las ecuaciones de precios, de las ecuaciones de disposición a pagar y la estimación de
medidas de bienestar asociadas a cambios en los atributos del bien. Varios de estos problemas
han sido correctamente resueltos con el desarrollo del método. Sin embargo, otros problemas
siguen siendo objeto de controversia e investigación.
El origen del método de precios hedónicos (MPH ) se remonta a la década de los 20.
En un fascinante intento por situar correctamente el origen del método Colwell & Dilmore
(1999) reconstruyen la estimación de una demanda por tierras realizada por Haas en 1922.
Este autor estimó un modelo de precios hedónicos usando un análisis de regresion múltiple
con cuatro variables explicativas. Colwell & Dilmore (1999) muestran que las conclusiones
obtenidas por Haas son similares a las que se obtienen cuando se reestima el modelo con el uso
de software moderno1 . Existen, sin embargo, algunas diferencias importantes en los valores
de algunos parámetros y especialmente en el R2 . Colwell & Dilmore (1999) revisan otros
artículos relacionados con precios hedónicos y sostienen que el trabajo de Haas in‡uenció
algunos de las subsiguientes aplicaciones realizadas por Wallace (1926), cuyo artículo al
1
Es importante destacar el nivel de so…sticación alcanzado por Haas máxime cuando la estimación fue
hecha manualmente.
5.1. INTRODUCCIÓN 173
parecer tuvo más impacto que el de Haas.

Autores como Taylor (2003) sitúan el origen del método en los trabajos de Wuagh (1928)
mientras que Griliches (1961) sostiene que fue Court (1939) quien aplicó el método por
primera vez. Sheppard (1999) por su parte sostiene que el trabajo que da inicio a la inves-
tigación moderna en el tema de precios hedónicos es el de Griliches (1961,1971), quién al
igual que Court aplicó el concepto de productos diferenciados al caso de la demanda por
automóviles.
Existe consenso en que el aporte más signi…cativo al método es el trabajo de Rosen
(1974), quien formuló la teoría económica de precios hedónicos como un problema de equi-
librio parcial de un conjunto de precios implícitos que guían las decisiones de consumidores
y productores con respecto a distintas características de bienes y factores. Este trabajo
representa el inicio de las aplicaciones modernas del MPH y de las extensiones del mismo a
otros mercados (Rosen 1979, Roback 1982, 1988).
La literatura reciente de precios hedónicos se concentra fundamentalmente en el mercado
de propiedades residenciales o de la tierra, debido seguramente a la importancia de estos
bienes en el bienestar general de la población y su impacto en el desarrollo de las ciudades
o del territorio. Varias corrientes de la investigación económica han usado este método con
distintos objetivos como la predicción de precios de viviendas, la plani…cación territorial y,
por supuesto, la valoración económica de la calidad ambiental.
Desde esta última perspectiva el MPH se ha utilizado para medir el efecto de contami-
nantes como anhídrido sulfúrico, dióxido de nitrógeno, ozono o material particulado, sobre
el valor de las propiedades y la consiguiente estimación del valor económico asociado a la
calidad ambiental. Estudios especí…cos que consideran los efectos de la calidad del aire so-
bre los precios de las viviendas son los de Ridker & Henning (1967), Anderson & Crocker
(1971), Freeman (1971, 1974), Nelson (1978), Smith & Deyak (1975), Chattopadhyay (1999),
Palmquist et al. (1999) y Chay & Greenstone (2005).
Otras características ambientales que se consideran relevantes en la determinación de
los precios de las viviendas y que se reportan en la literatura son: niveles de criminalidad
(Roback, 1982; Deller et al., 2001), manejo de residuos tóxicos (Kiel, 1995; Kohlhase, 1991;
Dale et al., 1999), calidad del agua en lagos (Poor et al., 2001), riesgo de terremotos (Beron
et al., 1997) y olores ofensivos (Palmquist et al., 1997).
El método también se ha aplicado a otros mercados. Entre los mercados más analizados
se encuentran el mercado del trabajo (Roback, 1982,1989; Liu 1997, Schumacher et al., 2000),
el mercado de automóviles (Court, 1939) y el mercado de tierras agrícolas (Bastian et al.,
2002). El método se ha extendido paulatinamente a otros mercados incluyendo el mercado
de algodón orgánico y no orgánico en el que se evaluó la disposición marginal a pagar por
telas que no utilizan pesticidas o tintes en su producción (Nimon et al., 1999; Bowman et
al., 1992), el mercado de herbicidas para explicar la demanda por distintos tipos de éstos
dependiendo de su impacto en el ambiente (Beach & Carlson, 1993) y el mercado del vino
(Combris et al., 1997), entre otros.
En la siguiente sección se explica el modelo general de precios hedónicos. A partir del caso
particular del mercado de viviendas se ilustran los principales componentes del modelo, tanto
desde la perspectiva de la demanda como de la oferta. Posteriormente, se discuten las formas
funcionales de las funciones de precios hedónicos y la forma de estimación econométrica.
Luego se discute el modelo de salarios hedónicos el cual requiere de un tratamiento diferente
al caso de la vivienda. Finalmente, se presentan algunos ejemplos para ambos casos.
5.2 Modelo general de precios hedónicos

La mayoría de los trabajos en economía ambiental que usan el modelo de precios hedónicos
están basados en el artículo de Rosen (1974). Para construir el modelo se toma como ejemplo
el caso de las viviendas o propiedades residenciales. Este es un producto diferenciado desde
la perspectiva del consumidor. En este mercado los consumidores derivan utilidad de las
diversas características del bien. A su vez, los productores de estos bienes incurren en
costos que dependen de los atributos asignados a estas viviendas. Las interacciones entre
consumidores y productores en el mercado determinan la senda de equilibrio del precio.
Existen muchas revisiones del MPH que discuten prácticamente los mismos aspectos
metodológicos y se ajustan de una u otra forma al trabajo de Rosen. En este capítulo se
usa la notación de Taylor (2003) quien esboza la versión mas actual del método, pero la cual
contiene esencialmente los mismos elementos encontrados en revisiones como las de Bartik
& Smith (1987), Sheppard (1999), Palmquist (2000), Freeman (2003) y Haab & McConnell
(2003).
Los atributos de un producto diferenciado se representan por un vector de características
z = (z1 ; z2 ; :::; zn ), donde cada zj denota una de las n características de la vivienda. Cada
propiedad es denotada por Z 1 ; Z 2 ; Z 3 ; :::; Z Q etc., donde el supraíndice indica una propiedad
distinta con distinto vector de características z1 ; z2 ; :::zQ (Taylor, 2003; Freeman, 2003). El
precio de venta de una vivienda es una función de las características de ésta lo cual se
denomina función de precios hedónicos y se denota por
P = P (z) = P (Z): (5.1)
En este caso el precio de una propiedad dependerá de su localización, la cual a su vez

determina la calidad ambiental, su cercanía a centros comerciales o carreteras, etc. También
son relevantes las características propias de la vivienda como el número de habitaciones,
antiguedad y el tipo de la construcción.
Tanto el consumidor como el productor enfrentan diferentes decisiones en el mercado.
Dependiendo de las valoraciones implícitas de las características de la vivienda por parte de
los consumidores y de las decisiones tecnológicas de los productores, se observarán distintos
tipos de equilibrios en el mercado. Dado que existe un gran número de consumidores y
productores un individuo o una …rma no pueden afectar la senda de precio. La determinación
de la senda de precio hedónico en el mercado se explica tanto por el comportamiento de
consumidores como por el de las …rmas.
5.2.1 Decisión de consumo

En este modelo el consumidor consume dos bienes: el bien diferenciado Z y un bien com-
puesto x que incluye todos los otros bienes no considerados explícitamente en el modelo. El
nivel de consumo del individuo o familia depende del nivel de ingresos denotado por m: La
función de utilidad del consumidor j con características sociodemográ…cas j puede de…nirse
como
5.2. MODELO GENERAL DE PRECIOS HEDÓNICOS 175
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
Las condiciones de primer orden son

@L @U @U
= = 0 =) = ; (5.3)
@x @x @x
@L @U @P (z) @U=@zi @P (z)
= = 0 =) = : (5.4)
@zi @zi @zi @zi
Las ecuaciones (5.3) y (5.4) permiten reescribir las condiciones de primer orden como
@U=@zi @P (z) Uz @P (z)

= =) i = : (5.5)
@U=@X @zi Ux @zi
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
);
la cual representa la disponibilidad a pagar (DAP ) por un producto con características z,

un ingreso m y un nivel de utilidad U0 . La función de pago es creciente y cóncava con
respecto a las características y decreciente con el nivel de utilidad. Si cambia el ingreso
existe igualmente un cambio equivalente en . La DAP marginal ( zi ) es igual a la tasa
marginal de sustitución, Uzi =Ux , en correspondencia con las condiciones de primer orden.
Por lo tanto, se requiere que la DAP marginal sea igual al precio marginal en el mercado
(@P (z)=@zi ); es decir
@ (z; U0j ; m; j ) Uz @P (z)
= i = : (5.6)
@zi Ux @zi
5.2.2 Decisión de producción

Por su parte los productores seleccionan el producto y las unidades a producir Q(z). Sus
costos dependen de estas decisiones y varían entre las …rmas por diferencias tecnológicas o
precios de factores. La función de costo se representa como
k
C = C(Q; z; );
donde Q es el número de unidades producidas y k es un vector de tecnologías especí…cas y

factores de producción para la …rma k. Los bene…cios están dados por
k
= Q'k C Q; z; ; (5.7)
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 (z) = @C=@Q: (5.10)
Si Q es endógeno se puede despejar de la ecuación (5.10) y luego sustituir la correspon-

diente expresión en la ecuación (5.8), conllevando a que la función de precios constituya un
argumento de las funciones de oferta del productor.
De la ecuación (5.7) se obtiene la función de oferta, ' z; ; k ; la cual representa el
precio unitario por cada tipo de producto que la …rma k está dispuesta a aceptar para varios
diseños de la vivienda dado un nivel especí…co de bene…cios y tecnología ( ; k ). Esta
función de oferta resume el comportamiento de los productores. En equilibrio la derivada de
esta función de oferta debe ser igual a la derivada de la función de precios; es decir,
k
@' z; ; @P (z) @C=@zi
= = : (5.11)
@zi @zi Q
La senda de precio de equilibrio se de…ne por la interacción entre consumidores y ofer-
entes. Los consumidores desearían pagar el menor precio posible para maximizar su utilidad,
mientras que las …rmas preferirían el mayor precio posible para maximizar sus bene…cios. La
Figura 5.1 presenta la función de pago de los consumidores A y B. Ambos niveles de utilidad
aumentan al movernos hacia la esquina inferior derecha lo cual representa más de z1 a un
precio menor. La Figura muestra también los puntos de tangencia entre las dos funciones de
5.2. MODELO GENERAL DE PRECIOS HEDÓNICOS 177
θ A (U1A ) = θ A ( z1; z2 .....zn ,U 0A , m,α j )

P(z1; z2,… ,zn)
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
Figure 5.1: Función de precios hedónicos y curva de la DAP de los consumidores
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.
ϕ k (π 0B ) = ϕ k ( z 1; z2 .... zn ,π 0B , β k ) P(z1; z2,… ,zn)

.
P(z1B)
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
Figure 5.2: Función de precios hedónicos y curva de oferta de los productores
5.3 Estimación del modelo

La sección anterior presentó los argumentos microeconómicos subyacentes en el MPH. Desde
la perspectiva ambiental el principal objetivo de la aplicación del método es obtener me-
didas de bienestar por cambios en la calidad ambiental en el área donde se encuentran las
propiedades. En esta sección se discuten los aspectos relacionados con la estimación de la
ecuación de precios y la forma en que se obtienen las medidas de bienestar a partir de ésta.
Rosen (1974) sugiere un procediemiento en dos etapas. En la primera etapa se especi…ca
y estima una función de precios hedónicos P (z): Una vez estimada la ecuación de precios se
calculan los precios marginales (@P (z)=@zi ) para cada una de las características de interés.
Esta derivada representa la disposición marginal a pagar por la característica y en equilibrio
debe ser igual a la tasa marginal de sustitución entre la característica y el bien compuesto.
También debe ser igual a la derivada de la función de pago de acuerdo con la ecuación (B.1b).
Por otra parte, esta derivada es igual al valor marginal de la función de oferta ' z; ; k
de acuerdo con la ecuación (5.11).
Esta información se puede usar para estimar los parámetros de las funciones de disposición
a pagar y de la oferta. Esto implica asumir que la derivada de la función de precios hedónicos
contiene la misma información que la contenida en los precios observados en el mercado. Por
lo tanto, se estima un sistema de ecuaciones similar al caso tradicional en el que se estima
una función de oferta y demanda por un bien usando precios y cantidades observadas.
La idea es estimar un sistema de ecuaciones donde la variable dependiente es @P (z)=@zi
y las variables explicativas son las características del bien y algunas variables asociadas al
individuo, como el ingreso u otras características socioeconómicas, o características de la
…rma en el caso de la función de oferta. Esto se expresa como
@P (z)
= Pi (Z) = Fi (z1 ; :::; zn ; Y1 ); (5.12)
@zi
@P (z)
= Pi (Z) = Fi (z1 ; :::; zn ; Y2 ): (5.13)
@zi
5.3. ESTIMACIÓN DEL MODELO 179
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
La segunda etapa en el procedimiento de Rosen es un tanto problemática por diversas

razones. En general, la senda de precio hedónico no es lineal y conlleva a restricciones pre-
supuestarias no lineales en el proceso de maximización de los consumidores, lo que a su vez
di…culta la estimación de la función de disposición a pagar. En este caso los resultados de
dualidad discutidos en el capítulo 2 no son aplicables al caso de las funciones de demanda
obtenidas en la segunda etapa sugerida por Rosen. Adicionalmente, las variables explicati-
vas son endógenas ya que el consumidor escoge simultáneamente el precio de la vivienda e
implícitamente el precio de las características y los niveles deseados de cada una de éstas.
Finalmente, errores en la medición tanto de la variable dependiente como de las explicativas
conllevan a problemas econométricos en la estimación del modelo y el cálculo de las medidas
de bienestar.
Estos aspectos serán analizados en las siguientes secciones. En primer lugar, se discuten
los aspectos relacionados con la estimación de la primera etapa sugerida por Rosen. Es decir,
la estimación de la función de precios hedónicos incluyendo temas sobre la de…nición de las
variables dependiente y explicativas y la selección de la forma funcional para la ecuación de
precios. Posteriormente, se discute la estimación de la segunda etapa, centrándose en los
problemas de identi…cación de la función de disposición a pagar y en la forma de calcular las
medidas de bienestar.
5.3.1 Estimación de la función de precios

El objetivo básico de un estudio de precios hedónicos es la estimación de la función de precios.
Esta función de precios es utilizada para diversos propósitos. Algunos autores utilizan esta
ecuación para predecir el valor de una propiedad dado un conjunto de atributos previamente
de…nidos. En el caso de la valoración económica del ambiente el interés principal es la
estimación de cambios en el bienestar por cambios en las características ambientales.
Una de las di…cultades a que se enfrenta el investigador es la forma de de…nir tanto la
variable dependiente como las variables explicativas que son relevantes para la estimación de
la función objetivo y para el cálculo de las medidas de bienestar. Otra decisión que afronta es
la de…nición de la forma funcional para la ecuación de precios. Por último, existen aspectos
econométricos de multicolinealidad, de endogeneidad o de errores de medición que se deben
analizar en cada aplicación del método.
Estudios en áreas urbanas generalmente usan como variable dependiente el precio de
venta de la vivienda. En algunos casos se usa el precio de arriendo. Las variables explica-
tivas se clasi…can en tres grupos: variables relacionadas con la propiedad como la super…cie
construida, super…cie de terreno, número de cuartos, existencia de calefacción, etc.; variables
del vecindario como nivel de seguridad o niveles de crímenes, acceso a lugares de recreación,
cercanía a sitios comerciales o laborales, etc., y variables ambientales entre las que regu-
larmente se incluyen la calidad del aire, la calidad hídrica de cursos de agua cercanos a la
vivienda, entre otras.
La forma funcional determina la relación existente entre el precio de la vivienda y la
característica de interés. Esto a su vez afecta la forma de estimación de las medidas de
bienestar y las propiedades estadísticas de éstas.
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
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
donde representa el impuesto a la propiedad. El gobierno percibe la cantidad (P=r) por

lo que el valor social de la propiedad es
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
variable dependiente no producen sesgos en la estimación de los parametros de la función de

precios siempre y cuando estos errores no estén correlacionados con las variables explicativas
(Ihlanfeldt et al., 1986; Kiel et al., 1999). No obstante, este supuesto debe evaluarse en cada
aplicación del MPH.
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
ambiental son robustos a distintos tamaños del sitio.

La incorporación de más información ambiental puede ser útil para mejorar las propiedades
estadísticas de la función de precios hedónicos. Información sobre otros momentos de la dis-
tribución de probabilidad de la calidad del ambiente como la mediana, la varianza, curtosis,
etc., o información sobre el número de veces que el indicador ambiental supera la norma
correspondiente pueden ser útiles para la identi…cación del efecto de la calidad ambiental
en la función de precios.
Otro aspecto reportado en la literatura hace alusión a la diferencia entre medidas obje-
tivas y subjetivas de calidad ambiental. Existe una diferencia signi…cativa entre las medidas
objetivas de calidad ambiental y la percepción que los individuos tienen con respecto a la
calidad ambiental. Poor et al. (2001) encuentran que los dueños de propiedades sistemáti-
camente subestiman la calidad ambiental pero que las medidas objetivas son más adecuadas
para predecir el precio de las viviendas.
La inclusión o exclusión de variables explicativas está limitada por el grado de multi-
colinealidad que se pueda generar entre éstas. Como es de esperar el grado de correlación
entre las variables explicativas en estudios de corte transversal es alto. Esto reduce la signif-
icancia estadística de los coe…cientes estimados y aumenta la sensibilidad de los estimadores
a la inclusión o exclusión de variables (Atkinson et al., 1987). Sin embargo, no existe una
solución satisfactoria para este problema. La solución obvia es incluir un número adecuado
de variables que sean lo menos colineales posible. Adicionalmente, las variables explicativas
también pueden ser medidas con error, especialmente las variables ambientales, lo cual se
traduce en sesgos en la estimación de los parámetros. En algunos casos el impacto de los
errores de medición y de la multicolinealidad puede conllevar a cambios en el signo y la
signi…cancia de las variables en el modelo. No obstante, algunas variables ambientales son
más sensibles que otras a la especi…cación del modelo (Graves et al., 1988).
Por último, es probable que los coe…cientes estimados estén capturando algún tipo de
correlación espurea entre la variable dependiente y las explicativas. Esto se debe a la en-
dogeneidad de muchas de las variables ambientales relevantes por lo que no es claro si es
la variable ambiental la que afecta el precio de las viviendas, o existe algún elemento no
observado en la muestra que explica el precio de las viviendas y que se mueve en la misma
dirección que la calidad ambiental. En general, los resultados de las estimaciones de precios
hedónicos muestran una débil correlación entre la calidad ambiental y el precio de la vivienda
(Smith & Huang, 1995). Incluso en algunas aplicaciones el coe…ciente de calidad ambiental
presenta un signo contrario al esperado, indicando que un aumento en la calidad ambiental
reduce el precio de la vivienda.
Un ejemplo ayuda a ilustrar este problema. Considere la idea de estimar el efecto del ruido
generado por una carretera en el precio de las viviendas. Es muy probable que las personas
que residen en las cercanías de la carretera posean una razón que explique la elección del
lugar de residencia. Como hipótesis se puede argumentar que estos individuos tienen menores
ingresos, menor educación o simplemente distintas preferencias. Si la hipótesis es cierta la
ecuación de precios podría conducir a concluir erróneamente que es la calidad ambiental la
que explica la diferencia de precio. Sin su…ciente información del mercado es difícil distinguir
la razón fundamental que explica la diferencia de precio.
Chay & Greenstone (2005) desarrollaron una novedosa aplicación de variables instru-
mentales para estimar la función de precios hedónicos y resolver el problema anterior. El
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
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
Existen n atributos en la ecuación de precios y los símbolos y denotan la transfor-

mación de la variable dependiente y explicativas, respectivamente. Estas transformaciones
se de…nen como
(P 1)
P( ) = ; para 6= 0; (5.16)
P ( ) = ln P; para = 0; (5.17)
( ) (zi 1)
zi = ; para 6= 0;
( )
zi = ln zi ; para = 0:
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
en la que el parámetro de transformación cambia para cada variable explicativa. La esti-

mación de este modelo es más compleja desde la perspectiva econométrica y no son evidentes
las ventajas de una mayor ‡exibilidad. A pesar de la ‡exibilidad de la forma funcional Box-
Cox es aún restrictiva al proporcionar solamente una aproximación local de la verdadera
función de precios. Por último, las variables que asumen valores negativos o cero no pueden
ser transformadas.
Table 5.1: Formas funcionales de precios hedónicos
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
Casos especiales de la forma funcional Box-Cox Cuadrática incluyen la forma funcional

lineal, log-lineal, semi-log, translog, y Box-Cox Lineal. Considérese la forma funcional
cuadrática Box-Cox con solo dos atributos dada por
X
n
( ) 1 XX
n n
( ) ( )
( )
P = 0 + i zi + ij zi zj ;
i=1
2 j=1 i=1
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
Esta expresión permite estimar el efecto de la variable explicativa en el precio de la

vivienda, es decir @P=@zi : Como se discutió anteriormente, en esta forma funcional la
derivada dependerá de otras variables explicativas y de los parámetros del modelo. En
el Cuadro 5.2 se presentan estas derivadas para las diversas formas funcionales. En el caso
de la forma funcional lineal la derivada equivale simplemente a una constante. Sin embargo,
a partir de la función semilog el precio de la vivienda hace parte de la derivada que representa
el precio implícito.
Si se asume que ij = 0 la expresión (5.18) se reduce a

" " ^
# !#1=^
z1 1
P = 1+^ ^0 + ^1 + ^ 2 z2 : (5.19)
^
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 ~
Table 5.2: Ecuaciones de los precios implícitos
Forma Funcional Precio Implícito, @P=@zi :

Lineal i
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
En síntesis, se requiere predecir la variable dependiente no transformada. No obstante,

al despejar P no se obtiene la predicción de su media. Por consiguiente, la idea del proced-
imiento es obtener una predicción no sesgada del valor esperado de la variable transformada
evaluando la ecuación en ciertos niveles de las variables exógenas.
Espacialidad
Quizás el aspecto más importante en la determinación del precio de una vivienda es su

localización ya que el precio de un sitio varía con su accesibilidad, lo cual debería capturarse
en la función de precios hedónicos. Sin embargo, la incorporación de variables que re‡ejan
accesibilidad muestran resultados contradictorios ya que los coe…cientes de estas variables
presentan baja signi…cancia estadística y en ocasiones signos contrarios a los esperados. La
forma usual de incorporar la accesibilidad en el modelo implica el uso de una variable que
mide la distancia de la propiedad al centro comercial y político de la ciudad. Las aplicaciones
asumen la idea de una ciudad monocéntrica. En otras palabras, se espera que el precio de
la vivienda o propiedad disminuya a medida que la vivienda este más alejada del centro de
la ciudad (Bender et al., 1985). Dada la existencia de ciudades que son descentralizadas
o con varios subcentros es natural que las variables de distancia usadas en los modelos
convencionales de precios hedónicos no sean signi…cativas. Por lo tanto, otras formas para
incorporar las variables de espacialidad son necesarias con la idea de ceñirse adecuadamente
a la con…guración de las ciudades.
Cheshire & Shepard (1995) sugieren la siguiente función que relaciona el valor de la
propiedad con la distancia al centro de la ciudad
r(d; ) = 1 exp fd [ 2 + 3 sin(n 4 )]g ; (5.20)
donde d es la distancia al centro de la ciudad, es un ángulo de de‡ección a un punto de

referencia, i son los parámetros a estimar y n es un número entero que será determinado por
el investigador basado en el mejor ajuste estadístico de los precios observados. Este modelo
permite múltiples asimetrías radiales capturadas en el valor de los distintos parámetros. Esta
forma no impone restricciones sobre la forma en que se relaciona el precio de la vivienda y
la distancia al centro de la ciudad. Pero incorpora elementos de monocentrismo ya que el
valor de la vivienda disminuirá o aumentará a una tasa constante en una senda lineal. La
expresión en (5.20) se incorporó a la forma funcional Box-Cox multiplicando a una variable
que representa la cantidad de tierra incluida en la propiedad (transformada por el parámetro
lambda)2 .
Otra forma de tratar la espacialidad consiste en analizar la in‡uencia que ejercen unidades
que son adjacentes entre si. En el caso de viviendas se considera el efecto o interacción entre
viviendas que están cercanas las unas a las otras. Siguiendo a Dubin (1992) el problema se
puede especi…car mediante la estimación de una ecuación de la forma
y=X + ;
donde E( ) = 0 y E( 0 ) = 2 K: K es una matriz de orden n n con unos en la diagonal y

elementos no iguales a cero en las otras celdas de la matriz, los cuales capturan la correlación
entre los errores del modelo. Esta correlación es análoga a la matriz de correlación de series
de tiempo. En este caso la correlación es explicada por la in‡uencia espacial entre los errores
y no por la in‡uencia temporal. Se espera que unidades más cercanas espacialmente se
afecten más fuertemente que unidades más alejadas. Dubin usa un correlograma dado por
Kij = b1 exp( dij =b2 ) donde dij es la distancia entre la unidad i y la unidad j y b1 y b2 son
parámetros del modelo que se deben estimar conjuntamente con .
Bell et al. (2000) usan una forma más general de errores espaciales dada por
= W + "; (5.21)
es decir, la ecuación a estimar es

1
y = X + (I W) ";
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; )
lo cual es conocido como el modelo de rezagos espaciales (Kim et al., 2003).

En general, mientras mayor sea el número de observaciones mayor será la di…cultad
para estimar un modelo espacial como el sugerido anteriormente, debido a que la matriz de
correlaciones será más grande y el método de máxima verosimilitud tendrá di…cultades para
encontrar el óptimo. Este método puede ser más apropiado cuando las unidades territoriales
tienen límites bien de…nidos como municipios o regiones, pero puede ser inadecuado por
su complejidad cuando se tiene infomación sobre individuos u hogares. Bell et al. (2000)
sugieren la utilización del método general de momentos (GMM) para la estimación. Sin
embargo, sus resultados son más sensibles a la de…nición de la matriz de ponderaciones W
que a la selección del método de estimación. Este resultado es controversial en la medida
que la de…nición de la matriz W es arbritraria y dependerá del juicio del investigador.
El tema de espacialidad ocupa un lugar importante en la agenda de investigación dada su
importancia en la de…nición de los precios y por la creciente oferta de información proveniente
de los sistemas de información geográ…ca. Un completo tratamiento de este tópico y de la
forma de veri…car la existencia de correlación espacial se encuentra en Anselin (1988).
Segmentación de mercado
Un aspecto adicional que debe tenerse en cuenta en la estimación de la función de precios

es la posible existencia de segmentación en el mercado. Si existe segmentación entonces
lo apropiado es estimar una ecuación de precios para cada submercado si la información
disponible lo permite. Algunas razones de la segmentación de mercados que pueden ser
relevantes son las diferencias raciales, políticas o económicas entre grupos de individuos que
les restringe implícita o explícitamente el acceso a ciertos mercados. Otras razones que
pueden segmentar el mercado son los niveles de información a los que acceden distintos tipos
de consumidores. Por ejemplo, Michaels et al. (1990) sostienen que el mercado se segmenta
debido a que la mayoría de los vendedores y compradores recurren a intermediarios para
vender o adquirir sus viviendas. De esta forma los intermediarios proporcionan la información
relevante a los agentes económicos. Estos intermediarios generalmente conocen detalles de los
mercados que son difíciles de capturar por parte de vendedores o compradores esporádicos,
por lo que pueden identi…car las dinámicas particulares de los mercados de la vivienda y,
por lo tanto, poner en contacto en forma e…ciente a subgrupos de vendedores o compradores
pertenecientes al mismo submercado. Obviamente, el investigador se ve obligado a consultar
a estos expertos para identi…car estos submercados y estimar adecuadamente las ecuaciones
de precios.
Schnare et al. (1975) no hallaron evidencias de segmentación en un estudio realizado
en el área metropolitana de Boston. Sin embargo, este resultado puede ser especí…co para
el área de estudio y cualquier tipo de generalización puede ser incorrecta. Adicionalmente,
sus datos no permitieron veri…car la existencia de segementación racial. En general, es
conveniente veri…car la existencia de segmentación del mercado en cada aplicación del método
de precios hedónicos. La existencia de segmentos en el mercado puede ser de utilidad para
la identi…cación de las funciones de DAP como se discutirá más adelante.
5.3.2 Función de demanda y medidas de bienestar

El valor del cambio en un atributo para una familia o individuo afectado por el cambio
equivale a la mayor disposición a pagar por el nuevo valor del atributo manteniendo el nivel
de utilidad constante. Esto se expresa como
Z zk1 Z zk1
@ (z; U0j ; m; j
) @U=@zk
dzk = dzk : (5.22)
zk0 @zk zk0 @U=@xk
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
El cambio en el bienestar está dado por

Z z11 z11
z1 ( 0 + 2 p2 + 3 y) z12 ( 0 + 2 p2 + 3 y)
dz1 = z1 :
z10 1 2 1 1 z10
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.
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)
W = P = E(p1 ) E(p0 ): (5.23)
El punto de controversia se relaciona con la distribución de los bene…cios entre oferentes

y demandantes. En esencia depende de las posibilidades reales de moverse a otro lugar o,
rigurosamente hablando, de los costos de transacción asociados al cambio de vivienda. Con
el nuevo nivel de calidad ambiental los individuos no están en un punto de equilibrio por lo
que los consumidores podrían cambiarse de vivienda para ajustarse a una situación óptima.
El desequilibrio se produce porque los individuos en la situación …nal estarán viviendo en
un sitio con un nivel de calidad ambiental mayor por el cual no están dispuestos a pagar un
precio extra. Estos consumidores desearían cambiarse a una vivienda con las características
iniciales, incluyendo el precio inicial. Si no existen costos de transacción los consumidores
se moverán a una vivienda exactamente igual a la anterior y no se verán afectados en su
bienestar por el cambio en la calidad ambiental (Palmquist, 1992b). El bene…cio es capturado
completamente por los oferentes que pueden cobrar un precio mayor por sus viviendas. Si
existen costos de transacción no prohibitivos el individuo podrá optar por otra casa de menor
precio (e inclusive de menor calidad). El bene…cio estará dado por la expresión (5.23) luego
de deducir los respectivos costos de transacción; es decir,
W = P = [E(p1 ) E(p0 )] CT: (5.24)
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.
Sin embargo, la mayoría de las aplicaciones se centran en la estimación de la funcion de

demanda y asumen una función de oferta …ja.
La estimación de la segunda etapa es una estrategia usada sistemáticamente en la lit-
eratura. Sin embargo, existe una serie de problemas econométricos que aparecen en las
aplicaciones empíricas. Dos problemas importantes a‡oran en la estimacion de la segunda
etapa. Primero, existe un problema de identi…cación de los parámetros de la función de
demanda y oferta (Epple 1987; Ohsfeldt & Barton, 1985, 1988). El segundo problema alude
a la endogeneidad de las variables explicativas en las funciones de demanda.
El problema de identi…cación se resuelve a través de la imposición de formas funcionales
especí…cas para la función de utilidad o estimaciones que usan múltiples mercados. En lo
que respecta a la endogeneidad, la cual afecta las propiedades de los estimadores de mínimos
cuadrados ordinarios, ha sido resuelta a través del uso de variables instrumentales. Sin
embargo, los dos problemas constituyen actualmente importantes temas de investigación.
Soluciones más so…sticadas para estos dos problemas incluyen la utilización de un modelo
de equilibrio general (Sieg et al., 2003), con la consiguiente imposición de un nivel alto de
estructura y la reducción de los métodos de estimación disponibles para la estimación de los
parámetros.
Para comprender el problema de identi…cación considere las ecuaciones de demanda y
oferta discutidas anteriormente y asuma que la función de precios está dada por la siguiente
forma funcional
Xn
1 XX
n n
P = 0+ z
i i + ij zi zj ;
i=1
2 i=1 j=1
después de la estimación del modelo el efecto marginal se puede calcular como
@P X n
= Pî = ^ 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
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
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
max U (x; z1 ; z2 ; :::; zn ; )
s.a: : m P (z1 ; z2 ; :::; zn ; ) + x;

donde es el vector de parámetros de la función de precios. Dado un vector …jo (m ; ) se
obtendrán demandas correctamente de…nidas por las características z1 ; z2 ; :::; zn al rede…nir
el problema del consumidor como
max U (x; z1 ; z2 ; :::; zn ; )
s.a.: m
^ p0 Z + x;
donde
@P (z1 ; z2 ; :::; zn ; )
pi = ;
@zi
XJ
0
pZ = pi zi (m ; ; ):
i=1
La función de demanda se denotará como
ziL = zi (m;
^ p);
donde el supraíndice L indica que se trata de la función de demanda derivada de la lin-

earización de la restricción de presupuesto. Blomquist (1989) muestra que existe una relación
directa entre la función de demanda con presupuesto no lineal y la obtenida anteriormente.
Así,
@Z @Z L
= (I S H p ) ;
@m @m^
donde Z es el vector de demandas por atributos del modelo no linearizado, Z L es el vector
de demandas por atributos del modelo linealizado, I es una matriz identidad de orden
igual al número de atributos (k), S es la matriz de Slutsky que contiene los términos de
sustitución del modelo linearizado (Z L ) y H p es la matriz de segundas derivadas de la función
de precios hedónicos (@ 2 P (Z)=@zi @zj ): La expresión muestra la forma en que interactúan la
curvatura de la verdadera función de presupuesto (H p ) y la curvatura de las preferencias

(S) para producir una compleja relación entre el efecto ingreso de la demanda linearizada y
la demanda del modelo no lineal (Sheppard, 1999). En conclusión, es posible, en principio,
estimar las funciones de demanda usando el precio implícito de las características y la función
de presupuesto linearizada.
En esta misma línea de razonamiento algunos autores (Mendelsohn, 1984; Brown & Rosen
1982; Diamon et al., 1985; Bartik, 1987) sostienen que es posible estimar las ecuaciones de
demanda con información proveniente de un solo mercado si algunas variables entran en la
función marginal de precios pero no entran en la función de demanda. En otras palabras, se
sugiere usar como instrumentos otros argumentos de la función de precios hedónicos y por
tanto otra característica de la vivienda (z2 ) o una transformación no lineal de la variable
de interés (z1 ). Sin embargo, esto es factible si se asume que no existen componentes no
observables en las preferencias de las personas (Bartik, 1987b). Si existen elementos no
observables entonces los estimadores de variables instrumentales serán inconsistentes. El
punto fundamental es que aunque existan variables excluidas de la función de demanda pero
presentes en la función de precio, las variables z1 y z2 son conjuntamente escogidas por
el individuo. De esta forma z2 cumple con una sola de las características de las variables
instrumentales. Es decir, está correlacionda con z1 pero también estará correlacionada con
el error de la ecuación de demanda. Al existir elementos no observables en las preferencias
éstos afectarán la elección óptima de z2 :
Oshfeldt et al. (1985) mostraron con simulacion de Monte Carlo que las condiciones
necesarias para la identi…cación de los parámetros de la función de demanda requieren que
la variabilidad en el precio de la vivienda explicada por variables exógenas sea lo su…ciente-
mente grande (25% al menos). Es difícil asegurar que esta condición se cumpla por lo que
sistemáticamente los parámetros de la función de demanda tienden a reproducir la informa-
ción o el valor del parámetro de la función de precios.
Estos autores al igual que Diamond et al. (1985) sugieren la identi…cación de los parámet-
ros usando múltiples mercados. Parson (1986) estimó un sistema de demanda (AIDS3 ) con
mercados separados tanto espacial como temporalmente. El modelo deriva las formas fun-
cionales del sistema de demanda directamente de una función de gasto lo que permite obtener
medidas de bienestar y aplicar la teoría del consumidor directamente a sus estimaciones. Esto
es adecuado si se asume que los mercados son segmentados o separados dentro de una misma
comunidad; es decir, que los individuos que participan en un mercado no participan en los
otros (Nelson 1978). Además, se requiere asumir que los parámetros estructurales de las fun-
ciones de demanda y oferta son idénticos en estos mercados. De esta forma al usar los valores
marginales de cada mercado se puede identi…car una función de demanda o de disposición a
pagar. En este caso la identi…cación es factible asumiendo que ciertas características apare-
cen en la función de oferta pero no en la de demanda. Otra alternativa consiste en el uso de
mercados correspondientes a diferentes ciudades.
En ambos casos el problema fundamental reside en la justi…cación de por qué una variable
debe hacer parte de la función de oferta pero no de la de demanda. En la mayoría de los casos
estas justi…caciones imponen restricciones en el comportamiento de los individuos que no son
compatibles con la teoría económica. Por ejemplo, las características meteorológicas podrían
3
Almost ideal demand system.
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
igualando estos resultados se obtiene

r !
x X
k
p
1 1
iP zi = i + iC + iR + ij zj + "i ;
zi i
!
x X
k
1 1
iP zi = i + iC + iR + ij ln zj + "i ;
zi i
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.
5.4 Modelo de salarios hedónicos

Una extensión de la teoría de precios hedónicos es la teoría de salarios compensatorios. Esta
teoría postula que cuando los trabajadores tienen la misma productividad y el mercado es
perfectamente competitivo la diferencia en salarios re‡ejará diferencias en características del
trabajo. En particular, los distintos niveles de una característica del trabajo, ceteris paribus,
deberán re‡ejar la diferencia en el salario de equilibrio para trabajadores con productividad
similar en diferentes tipos de trabajo (Rosen 1979, 1986). El modelo de salarios hedónicos
se ha aplicado tanto a características en el lugar de trabajo (Liu 1997; Biddle et al., 1988)
como a diferencias de salarios regionales (Roback, 1982). En el caso de diferencias entre
trabajos una de las características más estudiada es la compensación por riesgo y su efecto
en el cálculo del valor estadístico de la vida.
A diferencia del modelo de precios hedónicos en el modelo de salarios hedónicos tanto
el demandante como el oferente de trabajo están interesados en los atributos de su contra-
parte. En especial las empresas están interesadas en las características del individuo en la
medida que éstas re‡ejan la inversión en capital humano realizada por los trabajadores. Por
consiguiente, tanto las características del trabajo como del trabajador son incluidas en la
ecuación de salarios hedónicos.
5.4. MODELO DE SALARIOS HEDÓNICOS 199
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
E(u) = u(X; J) + [Pw ( ; J) X] ;
donde representa la probabilidad de sobreviviencia en un período determinado. Esta

probabilidad está de…nida por = (1 ) (1 ) en la que indica la probabilidad de
morir debido a causas no relacionadas con el trabajo la cual se considera cercana a cero. Las
condiciones de primer orden son
@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
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
donde V (w; r; s) es la función indirecta de utilidad asociada y c es una constante. Se asume

que Vs > 0 lo que implica que la utilidad aumenta a medida que el consumo de la calidad
ambiental crece. Además, se asume que Vr < 0 y Vw > 0.
De otro lado, las …rmas maximizan sus bene…cios dada una función con retornos con-
stantes a escala incorporando la tierra (lp ) y el número total de trabajadores (N ) como
insumos. En equilibrio la función de costo unitario para las …rmas estará dada por
C(w; r; s) = 1; (5.32)
donde Cr = lp =X > 0, Cw = N=X > 0, Cs > 0 si la calidad ambiental es improductiva y
Cs < 0 en caso contrario.
Tomando la diferencial total de las ecuaciones (5.31) y (5.32) se obtienen los multipli-
cadores de salario y renta con respecto a s. Así,
@w 1
= ( Vs Cr + Vr Cs ) < 0; (5.33)
@s jAj
@r 1
= ( Vw Cs + Vs Cw ) S 0; (5.34)
@s jAj
donde jAj = Vw Cr Vr Cw > 0. Dada una calidad ambiental improductiva (Cs > 0) un
incremento en el nivel de calidad disminuirá el nivel general de salario de equilibrio. Por otro
lado, el efecto en el valor de la propiedad será ambigüo ya que depende de los efectos relativos
de las decisiones de las …rmas y de los trabajadores (Roback, 1982). Los trabajadores
pre…eren regiones con alto nivel de calidad ambiental, s; y así contribuyen a un aumento de
la oferta laboral y de la demanda por tierra o propiedades. Las …rmas pre…eren regiones con
bajo nivel de calidad ambiental (ya que s no es productiva) y así reducen la demanda por
trabajo y tierra en lugares con alto nivel de calidad ambiental, s. En el caso de los salarios
bajos valores de éstos son observados en lugares con un valor alto de s pero el efecto en la
renta es ambiguo dependiendo del tamaño relativo de los efectos de la oferta y la demanda.
Las ecuaciones (5.31) y (5.32) no se observan directamente pero si las ecuaciones (5.33)
y (5.34). Roback (1982) muestra que a partir de estas ecuaciones y con la identidad de Roy
se puede deducir una fórmula para estimar el precio implícito (ps ) asociado con la calidad
ambiental s. Así,
Vs @r @w
ps = = lc : (5.35)
Vw @s @s
Este modelo se emplea reiteradamente en la literatura. Berger et al. (2003) aplicaron el
modelo para estimar índices de calidad de vida usando información de los mercados emer-
gentes de trabajo y casas en Rusia. Deller & Ottem (2001) estimaron un índice de la calidad
de vida para los distritos de Wisconsin basado en el valor marginal de la tasa de criminalidad.
Un modelo más so…sticado fue propuesto por Hoehn et al. (1987) y Blomquist et al. (1988)
quienes incorporaron otros elementos en el análisis como los costos de la vida intraurbana,
el monto total de tierra disponible y la densidad poblacional. En estos modelos los efectos
sobre las variables endógenas depende de una interacción compleja de factores. En particu-
lar, los efectos sobre @w
@s
y @r
@s
son ambigüos y dependen de los supuestos con respecto a los
cambios en los niveles de la calidad ambiental y los efectos de aglomeración. Sin embargo,
la estimación de las medidas de bienestar es similar a lo sugerido por Roback en la ecuación
(5.35).
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.
Table 5.3: Estimación de distintas formas funcionales de la función de PH
Variable Coe…cientes Estimados

1 0 0 0:112 0:0705
1 1 0 1 0:1419
Variables transformadas por LAMBDA

Partículas (PTS) 0:734 0:033 0:229 0:046 0:239
( 4:33) ( 6:05) ( 8:82) ( 9:55) ( 8:69)
Terreno (m2 ) 6:401 0:237 0:541 0:327 0:645
(5:04) (7:85) (11:26) (6:88) (10:78)
Construcción (m2 ) 16:47 0:484 0:444 0:697 0:655
(6:95) (11:78) (6:72) (11:10) (8:37)
Inversión pública 24:63 2:668 1:883 3:410 1:207
(5:44) (13:00) (13:03) (13:35) (4:76)
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
se obtiene al comparar el modelo lineal (primera columna) y el Box-Cox (quinta columna).

Sin embargo, los modelos semilog y log-log presentan un valor de la función de verosimilitud
mayor que la del modelo Box-Cox. Esta diferencia es también estadísticamente signi…cativa.
Las medidas de bienestar para un cambio marginal corresponden a la derivada de la
función de precios presentadas en el Cuadro 5.2 Los valores de estas medidas de bienestar
para cada uno de los casos estimados se presentan en el Cuadro 5.4. Existe una diferencia
entre el coe…ciente y el valor marginal de la amenidad cuando la forma funcional no es lineal.
En este caso el mayor valor marginal se obtiene con la forma funcional semilog.
Es interesante discutir el cálculo del bienestar ante un cambio discreto en la calidad
ambiental de zj0 a zj1 . Este cambio de bienestar puede expresarse como
W = P (zj1 ) P (zj0 ); (5.36)

donde se asume que la función de precios es una función determinística. En este caso P (zj0 )
se aproxima usando el valor medio de los precios en la situación inicial; es decir, P (z) = p.
El precio P (zj1 ) después del cambio puede obtenerse si se usa el hecho que
1
P (z) = z( ) + 1 ) P (z) z( )
= 1; (5.37)
P 1
z( )
= ; (5.38)
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:
Usando esta expresión en (5.36) se obtiene

W = P (zj1 ) P (zj0 ) = z 1 z0 j = z j:
Para una función log-lineal ( = 0 y = 1) el valor después del cambio será5

1
lim P z1 = lim p + zj1 zj0 = exp(ln p + zj1 zj0 ):
!0 !0
1
5 1
El resultado se obtiene al aplicar lim p + zj1 zj0 = lim ln p + zj1 zj0 = 1 0: Esta
!0 !0
expresión se transforma a ln p + zj1 zj0 =(1= 1 ) = 0=0 y luego se aplica la regla de L’Hôpital.
Table 5.4: Estimación de bene…cios de la función de precios hedónicos
Forma funcional Coe…ciente @P =@z z

= =1 0:734 0:734 3:208
= 0; =1 0:336 0:776 3:155
= =0 0:229 0:4994 1:757
= 0:112; = 1 0:046 0:7517 3:084
= 0:07; = 0:141 0:239 0:5820 1:756
Al reemplazar este valor en (5.36) se obtiene el bene…cio asociado al cambio discreto.

Aplicando un procedimiento similar a los otros casos arroja los resultados presentados en la
última columna del Cuadro 5.4. Note el orden de magnitud de los resultados, siendo mayor
el valor para el caso semilog.
5.5.2 Salarios, criminalidad y calidad ambiental

En esta sección se presentan los resultados de la aplicación del método de salarios hedónicos
para el cálculo de las medidas de bienestar por cambios en la calidad del aire y la criminalidad
en Chile6 . Distintas fuentes de información se usaron para la recolección de los datos.
Las características de los individuos fueron obtenidas de la encuesta de Caracterización
Socioeconómica Nacional (CASEN) para el año 1998. Esta encuesta incluye información de
las condiciones de la vivienda, de los niveles de salud y educación de la familia, el valor de
los arriendos y otras características socioeconómicas.
Los datos de calidad ambiental y las características del vecindario provienen del Servicio
de Salud del Medio Ambiente (SESMA) y de la Comisión Nacional de Medio Ambiente
(CONAMA) de la Región Metropolitana. La calidad del aire se de…ne en términos de material
particulado (MP10). Otras características provienen del Sistema Nacional de Información
de Municipalidades (SINIM). Estas variables incluyen gasto del gobierno per-cápita, tasa
de pobreza, cobertura de agua potable, densidad de la población y gastos en servicios de
limpieza, entre otras. Por último, el número de crímenes reportados por miles de habitantes
y las tasas de desempleo de cada municipalidad se obtuvieron del Instituto Nacional de
Estadística (INE). A continuación se describen los principales aspectos econométricos de la
estimación del modelo.
Estimación econométrica
Para obtener el efecto de la calidad ambiental o el crimen se estima un modelo con dos
ecuaciones especi…cado como
y1i = xi + "1i ; (5.40)

y2i = zi + "2i ; (5.41)
6
Esta sección es en parte tomada del trabajo de Aguilar et al. (2005), presentado en el segundo Congreso
de Economistas Ambientales de Latino América y el Caribe en Oaxaca, México.
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
La función de máxima verosimilitud se expresa como

Z0
Q Q
L= f (y1 ; y2 ) f (y1 ; y2 )dy2 ; (5.44)
y2 >0 y2 =0
1
donde f (y1 ; y2 ) es la función de densidad conjunta de y1 y y2 y y2 > 0. La función de máxima

verosimilitud se puede reescribir como
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
La función de verosimilitud asociada a este modelo es un tanto más complicada. Sin

embargo, este modelo es similar al modelo tipo 3 analizado por Amemiya (1985). Por lo
tanto, se puede usar el estimador en dos etapas de Heckman (1979). En la primera etapa se
estima la ecuación de participación (5.46) usando un modelo probit y todas las observaciones
contenidas en la muestra. Dicha ecuación permite obtener la razón inversa de Mill ( i ) la
cual es usada como otra variable explicativa en la ecuación de salario. En la segunda etapa
un modelo de mínimos cuadrados generalizados (GLS) es aplicado simultáneamente a ambas
ecuaciones para individuos con un salario positivo. La ecuación de la segunda etapa se de…ne
como
y1i = xi + "1i ; (5.47)
y2i = zi + i + "1i : (5.48)
El último paso consiste en la estimación de las medidas de bienestar y sus varianzas.
Dados los datos disponibles la ecuación a estimar di…ere de la ecuación (5.35) porque en esta
aplicación se estima el logaritmo del salario por hora y no el logaritmo del ingreso total, y
el logaritmo del costo de la renta per-cápita y no la renta por unidad de área. Por lo tanto,
se requiere ajustar la ecuación (5.35). La medida de bienestar se de…ne como
@ ln a @ ln w
ps = a Lw ; (5.49)
@s @s
donde a es el costo de la renta per-cápita y Lw es el ingreso proveniente del salario del
individuo.
La varianza de la medida de bienestar se expresa como
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 + ";
en el que x incluye todas las variables exógenas y y2 es la variable cuya endogeneidad se

desea estudiar. Para analizar el problema de endogeneidad se de…nen ciertas variables in-
strumentales denotadas por I: ~ Éstas se agrupan con las otras variables exógenas en el vector
~ x): Adicionalmente, se asume que E(I 0 "1 ) = 0: Si se estima la regresión de y2 con
I = (I;
respecto a las variables del vector I se tiene
y2 = I + ; (5.51)
donde E(I 0 ) = 0: El test de Hausman se establece de…niendo la ecuación de regresión

"= + error: Al reemplazar esta ecuación en la expresión original se obtiene
y1 = x + y2 + + error:
El test de endogeneidad implica probar la hipótesis H0 : = 0: Aunque no se conoce

es factible estimar la ecuación (5.51) usando MCO. Luego se procede a despejar ^ = y ^ z
y reemplazarla en la ecuación original.
Table 5.5: Probabilidad que un individuo sea contratado - estimación probit
Coe…ciente Valor Error Estándar Valor de t

Constante 3; 3045 0; 08800 37; 552
Edad 0; 1466 0; 00412 35; 613
Edad Edad 0; 0018 0; 00005 39; 692
Educación 0; 0383 0; 00255 15; 031
Estado civil 0; 1417 0; 02275 6; 231
Jefe de hogar 0; 7431 0; 02755 26; 977
Sexo 0; 7905 0; 02330 33; 932
Log verosimilitud 10118 Log- L restringida 13359
Chi-cuadrado 6482; 38 Grados de libertad 6
El procedimiento para veri…car la hipótesis de endogeneidad de las variables crimen,

MP10 y tasa de desempleo, permite rechazar la hipótesis nula al 1% para las dos últimas
variables tanto en la ecuación de salarios como en la de arriendos. Los instrumentos us-
ados en la regresión consistieron en otras variables asociadas al lugar de la ciudad pero
correlacionadas con las variables crimen, desempleo y contaminación.
El modelo se estimó a través de mínimos cuadrados en dos etapas (2SLS), mínimos
cuadrados en tres etapas (3SLS) y un modelo Tobit con variables instrumentales. El primer
modelo no considera la estimación conjunta de la ecuaciones de salarios y de arriendos.
El segundo modelo estima en forma simultánea ambas ecuaciones. La diferencia entre el
modelo Tobit y los dos primeros consiste en el tratamiento de la decisión de participación en
el mercado del trabajo. En este modelo primero se estima la ecuación (5.51) y posteriomente
se calcula la predicción de la variable dependiente (^
y2 ) la cual reemplaza a y2 en la estimación
…nal del modelo Tobit simultáneo. Los Cuadros 5.6 y 5.7 resumen los resultados de las
estimaciones. Todos los parámetros tienen los signos esperados y son consistentes con los
modelos de capital humano excepto el parámetro de crimen en el modelo 2SLS. El parámetro
Table 5.6: Estimación de la ecuación de salarios
Variable 2SLS Valor de t 3SLS Valor de t Tobit Valor de t

Constante 3:084 10:2 3:711 6:06 16:16 20:89
Edad 0:074 8:0 0:110 8:87 0:651 23:12
Edad Edad 0:0008 6:7 0:001 8:14 0:008 24:32
Educación 0:129 42:9 0:108 20:55 0:217 14:22
Jefe de hogar 0:466 11:3 0:568 9:10 2:528 13:75
Sexo 0:316 6:1 0:576 7:41 3:216 19:05
Lambda 0:589 5:0 1:037 6:83
Partículas 0:0037 8:0 0:013 2:27 0:025 6:26
Crimen 0:0004 2:0 0:003 2:21 0:007 3:38
Desempleo 0:041 16:5 0:296 13:81 0:054 2:69
Log-L 7435 7273 7756
Log-L restringida 9113:0 386:7
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;
donde el parámetro estimado en la primera etapa ^ k es igual al verdadero parámetro del

modelo k más un sesgo dado por k : El sesgo se descompone en el parámetro de la variable
omitida en la ecuación principal (ecuación de salario o arriendo) y el parámetro k que es
Table 5.7: Estimación de la ecuación de arriendos
Variable 2SLS Valor de t 3SLS Valor de t Tobit Valor de t

Constante 8:005 105:6 8:912 5:16 7:575 173:5
Tamaño familia 0:285 85:8 0:164 2:94 0:262 112:4
Habitaciones 0:134 35:0 0:108 2:33 0:133 42:7
Educación 0:027 20:3 0:017 1:15 0:024 17:7
WC 0:409 9:05 0:305 0:67 0:388 21:3
Piso 0:272 6:33 0:229 0:80 0:314 14:1
Techo 0:290 4:69 0:177 0:75 0:237 8:8
Muros 0:408 12:5 0:131 0:301 0:337 16:6
Ingreso 1:29E-7 9:16 2:99E-7 2:8 1:70E-7 50:3
Partículas 0:003 11:3 0:062 2:67 0:003 17:2
Crimen 0:002 13:0 0:015 2:73 0:005 13:3
Desempleo 0:047 27:7 0:582 2:33 0:037 18:0
Log-L 10490 10194 7756
Log-L restringida 16117 477:7
Table 5.8: Valor marginal asociado a la variable partículas, MP10
2SLS 3SLS Tobit

Parámetro ecuación de renta 3:44E-03 6:25E-02 5:86E-03
Varianza 9:15E-08 5:50E-04 1:93E-07
Parámetro ecuación de salarios 3:72E-03 1:35E-02 2:54E-02
Varianza 2:14E-07 3:57E-05 1:65E-05
Covarianza 0:00 7:19E-06 4:23E-08
Valor marginal 750:31 2326:36 5273:45
Desviación estándar 96:89 1113:23 849:49
Valor de t 7:74 2:09 6:21
el coe…ciente de una regresión auxiliar entre la variable de interes xk y la variable omitida.

Es probable formular una hipótesis sobre el signo del parámetro pero no siempre se tiene
una justi…cación para el signo del parámetro k : Por lo tanto, es difícil conocer con certeza
el efecto de las variables omitidas sobre el valor de los parámetros ^ 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
Table 5.9: Valor marginal asociado a la variable crimen
2SLS 3SLS Tobit

Parámetro ecuación de renta 1:97E-03 1:57E-02 3:75E-03
Varianza 2:27E-08 3:28E-05 4:70E-08
Parámetro ecuación de salarios 4:32E-04 3:25E-03 6:77E-03
Varianza 4:50E-08 2:17E-06 4:00E-06
Covarianza 0:00 2:14E-07 6:66E-09
Valor marginal 106:3 554:1 1385:7
Desviación estándar 44:42 275:28 418:67
Valor de t 2:39 2:01 3:31
públicos como privados que puedan afectar la calidad ambiental.

No obstante, la aplicación del método debe condicionarse inevitablemente a la disponi-
bilidad de información relacionada con los precios de los bienes y sus atributos. Además,
las aplicaciones del método requieren el análisis cuidadoso de las estimaciones econométricas
en lo que respecta a la elección de las formas reducidas o de las formas estructurales. Los
aspectos más importantes son la identi…cación de los parámetros y la probable endogeneidad
de las variables explicativas de las formas estructurales empleadas en la segunda etapa de
estimación sugerida por Rosen. Estas consideraciones pueden reducir la con…abilidad de las
funciones de precio estimadas. En algunos casos la poca con…abilidad estadística impedirá
inclusive el uso de las funciones de precio en la estimación de medidas de bienestar por
cambios no marginales en la calidad ambiental.
El capítulo describió extensamente los problemas fundamentales a que se enfrentan los
investigadores que deciden usar el M P H con la idea de valorar servicios ambientales. En
esencia, se desea resaltar el esfuerzo que deberá realizar el investigador en lo correspondiente
a la recopilación de la información y en la de…nición de las variables explicativas, así como
en la identi…cación de las variables instrumentales con miras a resolver los problemas de
endogeneidad. Se concluye, tanto de la discusión de estos aspectos como de los ejemplos
presentados en el capítulo, que los problemas mencionados no necesariamente serán resuel-
tos adecuadamente. Restricciones de presupuesto no permitirán acopiar información para
muestras relativamente grandes y en muchas ocasiones los datos no serán de una calidad
aceptable, principalmente aquellos relacionados con variables ambientales. No obstante, la
creciente importancia de la calidad ambiental en los planes de desarrollo económico y social
conllevará a que la información disponible mejore sustancialmente, lo cual aseguraría aplica-
ciones más con…ables del M P H con el propósito de contribuir a la provisión de información
económica para el proceso de toma de decisiones públicas.
Appendix A
Aspectos microeconómicos
A.1 Medidas de bienestar

En el siguiente apéndice se presenta la obtención de las medidas de bienestar Hicksianas
y Marshallianas para cambios en precio, correspondientes a las formas funcionales lineal,
semilog, log-log y Stone Geary.
A.1.1 Función de demanda lineal
x= + p + m:
El excedente del consumidor está dado por
Zp1
EC = ( + p + m)@p
p0
p1
p2
EC = p+ + mp
2 p0
p p1
EC = (2 + p + 2 m) :
2 p0
De la función de demanda se deduce que
x ( + m)
p= ;
213
214 APPENDIX A. ASPECTOS MICROECONÓMICOS
y sustituyendo en la expresión del excedente del consumidor

p1
x ( + m) x ( + m)
EC = 2 + ( )+2 m
2 p0
p1
x ( + m)
= [ + m + x]
2 p0
p1
x ( + m)
= (x + ( + m))
2 p0
p1
x2 ( + m)2
=
2 p0
x21 ( + m) 2
x20 ( + m)2
=
2 2
x21 x20
EC = :
2
donde el valor de acceso esta de…nido para x1 = x1 (p; m) = 0 por
x20
EC = :
2
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)
resolviendo cada componente de la ecuación en forma separada

1 @y
La solución general para la ecuación diferencial + u(t)y = w(t) es Y (t) =
R R @t
u(t)@t R
e A + w(t)e u(t)@t @t .
A.1. MEDIDAS DE BIENESTAR 215
R p p
e @p = e
R pi
R pi pe p
e p
pe @p = pe @p = ( 2 )
Al reemplazar las expresiones anteriores en (A.1) se tiene
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+ ;
donde se de…nió U = A como constante de integración.
Función indirecta de utilidad
La función indirecta de utilidad se obtiene al invertir la función de gasto; es decir
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
Reemplazando estas expresiones en la identidad de Roy se obtiene
@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
Al reemplazar esta ecuación en la función indirecta de utilidad encontrada anteriormente

se tiene 0 1
x1 x2
@ A
+ x 1
x1 p1 1
v=e + ( + p + ) 1
0 1
+ x 2 x1
@ A
+ x1 x1 +
U =e 2 :
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.
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) ;
con x11 = + p11 + m y x01 = + p01 + m se tiene que
(p11 p01 ) x01 x11

VC =e + 2 + 2
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 + ));
x01 (p01 p11 ) x11

VE =( + 2) e ( + 2 ):
A.1.2 Función de demanda semi-log

En esta función la cantidad demandada se expresa en logaritmo ln xi = + p + m: Sin
embargo, para el cálculo de las medidas de bienestar es conveniente expresar la demanda
como
xi = exp ( + p + m):

El excedente del consumidor está dado por
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
y con un precio de exclusión tal que x1 = 0 se tiene que

x0
EC = :
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;
donde A representa la constante de integración la cual se asume igual al nivel de utilidad U:

Reemplazando esta variable y despejando m = e(p; U ) se obtiene la función de gasto. Así,
m
e = U e( + p)
m = ln( U e( + p)
);
1
m= ln( U e( + p)
);
1
e(p; U ) = ln( U exp( p + )):
La función indirecta de utilidad se obtiene al invertir la función de gasto; es decir,
1
m= ln( v exp( p + ));
m = ln( v exp( p + ));
exp( m) = v exp( p + );
exp( m) + exp( p + )
v= ;
exp( m) 1
v(p; m) = exp( p + ):
Es posible probar que a partir de la función indirecta de utilidad se obtiene la función de

demanda semi-log. Usando la identidad de Roy se tiene
@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):
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 :
Separando la función de demanda x1 = e + p1 e m se tiene que e + p1

= x1 e m
lo cual
se sustituye en la función indirecta de utilidad para obtener
m m
e x1 e
v(p; m) = ;
m 1 x1
v(p; m) = e + ;
m + x1
v(p; m) = e :
Despejando m de la función de demanda ln x1 = + p1 + m se obtiene
m = ln x1 p1 ; (A.3)
y despejando p1 de la restricción presupuestaria

m x2
p1 = : (A.4)
x1
Al reemplazar (A.4) en (A.3) se tiene

m x2
m = ln x1 ( );
x1
m x2
m+ = ln x1 + ( );
x1 x1
x1 + x1 ln x1
x1 + x 2
m = ;
x1 x1
x1 ln x1 x1 + x2
m= :
x1 +
Sustituyendo en la función indirecta de utilidad se obtiene

0 1
x1 x2 x1 ln x1
@ A
+ x1 x1 +
U= e :
Usando las de…niciones de variación compensada y equivalente se procede a obtener sus

respectivas expresiones para la función de demanda semi-log. Por lo tanto
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 ]):
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.1.3 Función de demanda doble logarítmica

x=e p m ;
ln x = + ln p + ln m;
Excedende del consumidor
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
El valor de acceso está dado por

p0 x0
EC = ;
+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

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
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)
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
" #! 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)
A.1.4 Función Stone Geary

Lafunción de gasto presentada anteriormente se obtiene de la siguiente manera
1. Usando el lema de Shepard se tiene

@e b(q) m c c
= + ;
@p 1 + b(q) p 1 + b(q)
la cual se puede reordenar como
@e B(q) B(q) c
m+ c = 0;
@p p p 1 + b(q)
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:
Considerando el segundo componente de la ecuación se tiene

Z Z
B(q) c B(q) B(q) B(q) 1
p p @p p c @p:
1 + b(q) p pB(q)
R c pB(q) c
R pB(q) c p B(q)+1
pB(q) 1+b(q)
(p B(q) )@p = 1+b(q)
(p B(q)
)@p = 1+b(q) B(q)+1
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
e~(p; q; (q; U )) = c + cp + (q; U )pB(q) ;
donde (q; U ) es una constante desconocida.

Usando el supuesto de complementariedad débil se obtiene
@~
e(^
p; q; (q; U ))
= c + (q; U )B(q)pB(q) 1
= 0;
@p
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) ;
y con @c =@q = 0 se tiene

8 ( ) ( )B(q) 9
@ < =
(1+b(q)) (1+b(q))
@~
e(:) c c
= c + (:) ;
@q @q : (:)B(q) (:)B(q) ;
( )
(1+b(q)) b(q)
@~
e(:) @ (:)B(q) B(q)
= c + (:)1+b(q) ;
@q @q c c
@~
e(:) @ B(q) 1
= (:)1+b(q) B(q)b(q) c + ;
@q @q c(1+b(q)) cb(q)
@~
e(:) @ c
= (:)1+b(q) B(q)b(q) :
@q @q (1 + b(q))( c)1+b(q)
Tomando logaritmo en el lado derecho de la ecuación se tiene
@
@q
f(1 + b(q)) ln (:) + b(q) ln B(q) + ln( c) [ln(1 + b(q)) + (1 + b(q)) ln( c)]g
cuyas derivadas son:
@ @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
@ @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)
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
=(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
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
estimador depende de factores como el método de estimación y la forma funcional especi…cada

para la función objetivo. El estimador toma un valor particular para cada muestra tomada de
la población relevante. Es decir, la función que de…ne el estimador es la misma pero su valor
estimado varía de acuerdo con la muestra. Si se tienen 100 muestras distintas se tendrían
100 valores estimados diferentes. Este hecho representa una caracteristica fundamental de
los estimadores. En términos estadísticos el estimador es una variable aleatoria.
B.2 Estimador de máxima verosimilitud

Para la estimación de los parámetros existen varios métodos. Dado que el método de máxima
verosimilitud es el más usado en la literatura de valoración económica, la discusión se centrará
en éste. Sin embargo, otros métodos de estimación son igualmente aplicables a este tipo de
problemas. Entre ellos se encuentran el método de mínimos cuadrados, el método general
de momentos y el método Bayesiano.
El estimador de máxima verosimilitud (EMV) representa aquel valor de que proporciona
la mayor probabilidad de generar la muestra observada.
El primer paso en la estimación de estos estimadores consiste en la de…nición de la
función de probabilidad que se desea maximizar. La función de verosimilitud se de…ne
como la función de probabilidad conjunta de la muestra. Si se asume que las observaciones
son independientes e idénticamente distribuidas (iid) esta función es, por la de…nición de
independencia, la productoria de las funciones de densidad individuales. Para los valores
observados y1 ; : : : ; yn de una muestra aleatoria, con una función de probabilidades denotada
por f (yi j )1 , la función de verosimilitud estará dada por
Q
n
L( ) = f (yi j ) :
i=1
Como en cualquier problema de maximización el valor de ^ que maximiza la función se

obtiene al tomar la derivada e igualar a cero,
@L ( )
= 0:
@^ =^
La función de verosimilitud puede ser compleja analíticamente dada la necesidad de

multiplicar en algunos problemas un número relativamente alto de funciones de probabilidad.
Esta función puede simpli…carse aplicando logaritmo. Esta transformación no modi…ca las
propiedades de la funcion objetivo. Es decir, los mismos valores que maximizan la ecuación
L( ) maximizan la siguiente transformación
P
n
ln L ( ) = ln f (yi j ) ;
i=1
conllevando a un problema de optimización expresado como

P
n
max ln L ( ) = max ln f (yi j ) ;
^ ^ i=1
1
Xi se omitió por simplicidad.
B.2. ESTIMADOR DE MÁXIMA VEROSIMILITUD 233
cuya condición de primer orden2 es
@ ln L ( )
= 0:
@ =^
El procedimiento de estimación se puede ilustrar con algunos ejemplos. Supóngase que

se tiene una muestra aleatoria de una variable yi distribuida normalmente con media y
varianza 2 : Esto regularmente se escribe como yi N ( ; 2 ). El propósito del proced-
imiento econométrico consiste en la estimación del vector de parámetros ^ ; ^ 2 : La función
de distribución normal está dada por
" #
2
1 (y i )
f yi ; 2 = p exp :
2 2 2 2
La función de verosimilitud se expresa como

" #
2
Q
n 1 (yi )2
L ; jyi = p exp 2
:
i=1 2 2 2
Al aplicar logaritmo natural y simpli…car se tiene que

n 1 P
n
ln L ; 2
jyi = ln 2 2
2
(yi )2 :
2 2 i=1
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
Resolviendo estas ecuaciones se obtiene

1P n
^= yi ;
n i=1
1P n
^2 = (yi )2 :
n i=1
En conclusión, el estimador de la media es simplemente la media muestral y el estimador

de la varianza es la varianza muestral.
2
Naturalmente se requiere satisfacer las condiciones de segundo orden para garantizar la existencia de un
máximo. La condición de segundo orden se cumple satisfactoriamente en los ejemplos presentados en este
apéndice.
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
Transformando a logaritmo se tiene
P
n P
n
ln L (p) = yi ln (p) + (1 yi ) ln (1 p) :
i=1 i=1
La primera derivada de la función de verosimilitud está dada por
@ ln L (p) P n 1 P
n 1
= yi (1 yi ) :
@p i=1 p i=1 1 p
Simpli…cando e igualando a cero se tiene que
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.
B.3 Propiedades de los estimadores

Existen propiedades deseables en los estimadores las cuales son independientes del método
de estimación de éstos. Estas propiedades reducen los niveles de error entre el verdadero
parámetro poblacional y el respectivo estimador. En la literatura se distingue entre las
propiedades asociadas a muestras pequeñas y las propiedades de muestras grandes o asintóti-
cas. Las primeras se satisfacen independientemente del tamaño de la muestra seleccionada.
Las propiedades asintóticas se cumplen en el límite; es decir, cuando el tamaño de la mues-
tra tiende a in…nito. Las propiedades de los estimadores contribuyen a la selección de los
mismos. En otras palabras, las propiedades se asemejan a criterios que permiten decidir cuál
es el mejor estimador de un parámetro poblacional.
B.3.1 Propiedades de muestras pequeñas

Las principales propiedades de muestras pequeñas son insesgamiento y e…ciencia.
B.3. PROPIEDADES DE LOS ESTIMADORES 235
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 ^ = :
Esto signi…ca que en el promedio el estimador es igual al verdadero parámetro poblacional.

Es decir, si el experimento se repite in…nitas veces, obteniendo muestras de tamaño n, el
valor promedio del estimador para todas las muestras será . Si la esperanza del estimador
es E ^ = + , donde 6= 0, se dice que el estimador es sesgado. El sesgo equivale a .
Para el caso discreto de una variable Bernoulli con probabilidad de éxito p se tiene que
1P n Pn 1
E (^
p) = E yi = E (yi ) :
n i=1 i=1 n
Por la de…nición de esperanza se sabe que E (yi ) = 1 p + 0 (1 p) = p: Por lo tanto,

np
E (^
p) = = p:
n
Es decir, el valor esperado del estimador p^ corresponde al valor poblacional. Por con-
siguiente, el estimador de p es insesgado.
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.
la matriz de esperanzas negativas de las segundas derivadas de la función de verosimilitud

estará de…nida por4
@ 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
En términos matriciales se expresa como

2 P
n 3
(yi )
6 n i=1 7
6 7
2
@ ln L ( ; 2
) 6 2
( 2 )2 7
=6
6 P P
7:
2 7
n n
@ @ 0 6 (yi ) (yi ) 7
4 i=1 n i=1
5
( 2 )2 2 ( 2 )2 ( 2 )3
El paso siguiente consiste en calcular la esperanza de esta matriz, lo cual implica aplicar
4
Esta matriz se denomina comúnmente matriz de información.
el operador esperanza a cada elemento de I(^)5 . Así,

2 n 3
2
@ L 2
0
I ^ = E 0 =4 n 5:
@ @ 0
2 ( 2 )2
Por último, se calcula la inversa de esta matriz. Por lo tanto,
2 n 3 1 2 1 3
2
1 0 0
5 =6 7
2
I ^ =4 n 4 n 2 ( 2 2 5:
)
0
2 ( 2 )2 0
n
En resumen, la mínima varianza del estimador es 2 =n, mientras que la del estimador
2 2
es 2 ( 2 ) =n. Con respecto a la covarianza entre los estimadores y 2 se puede concluir
que el valor mínimo es cero.
En el caso de una variable discreta distribuida Bernoulli se puede mostrar fácilmente que
la varianza del estimador de la probabilidad de éxito p^ es igual a la cota inferior de Cramer
Rao. En primer lugar, se calcula la varianza del estimador6 . Así,
1P n 1 P
n
var (^
p) = var yi = 2 var (yi ) ;
n i=1 n i=1
p (1 p)
var (^
p) = : (B.4)
n
Para calcular la cota inferior recuerde que la primera derivada de la función de máxima
verosimilitud está dada por
@ ln L P n y
i Pn (1 yi )
= :
@p i=1 p i=1 1 p
A partir de esta expresión se obtiene la segunda derivada con respecto a p. Así,
@ 2 ln L 1 P n 1 P
n
= yi (1 yi ) :
@p2 p2 i=1 (1 p)2 i=1
Aplicando el operador esperanza, multiplicando por 1 y simpli…cando se obtiene

@ 2 ln L 1 P n 1 P
n
E = E y i (1 yi ) ;
@p2 p2 i=1 (1 p)2 i=1
Pn Pn
E (yi ) E (1 yi )
@ 2 ln L i=1 i=1
E = + ;
@p2 p2 (1 p)2
@ 2 ln L n n pn n n (1 p)
E = + 2 = + ;
@p2 p (1 p) p (1 p)2
@ 2 ln L n
E = :
@p2 p (1 p)
5
Pn 3 Pn 2 2
Note que i=1 (yi )=0 y 2 i=1 (yi ) =n 2 :
6 2
El resultado se deriva de var(yi ) = E yi2 [E (yi )] . Además, E(yi ) = 1 p + 0 (1 p) = p y
E yi2 = 12 p + 02 (1 p) = p. Por lo tanto, var(yi ) = p p2 = p (1 p).
El error cuadrático medio.

Hasta ahora se ha analizado la situación que requiere tomar una decisión con respecto a
dos estimadores insesgados. Para ello se sugiere utilizar el criterio de varianza mínima. Sin
embargo, existen situaciones en que no se pueden obtener estimadores insesgados por lo que
el criterio de e…ciencia no es aplicable para la selección entre éstos. Además, es posible contar
con estimadores sesgados cuya varianza es menor que los respectivos estimadores insesgados.
Un trade-o¤ entonces emerge entre insesgamiento y precisión. ¿Es preferible un estimador
cuyo valor esperado sea igual al parámetro poblacional así posea una varianza relativa alta,
o es preferible un estimador que ‡uctúe poco alrededor de su valor esperado pero el cual
di…ere de su parámetro poblacional? En este caso se recurre a un criterio que consiste en
elegir aquel estimador que posea el menor Error Cuadrático Medio (ECM) de…nido como
ECM = E(^ )(^ )0

donde ^ y indican el vector de parámetros estimados y poblacionales, respectivamente. Se
puede probar que el error cuadrático medio se puede escribir como
ECM = var(^) + (sesgo(^))(sesgo(^))0 :

Para el caso particular de un solo parámetro se expresa como
ECM = var(^) + (sesgo (^))2 :
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.
B.3.2 Propiedades de muestras grandes

Las propiedades de muestras grandes son las más relevantes en el contexto de valoración
económica. Fundamentalmente, se debe a que la no linealidad de las condiciones de primer
orden no garantizan las propiedades correspondientes a muestras pequeñas. O simplemente
los estimadores no poseen las propiedades deseadas de muestras pequeñas. Dos propiedades
son relevantes en el caso de las muestras grandes: consistencia y normalidad asintótica7 .
La consistencia describe una condición que se observa en el límite de la distribución de
probabilidades del estimador cuando el tamaño de la muestra tiende a in…nito.
Un estimador se considera consistente si
h i
lim P ^n < " = 1; 8" > 0:
n!1
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).
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).
B.3.3 Intervalos de con…anza y test de hipótesis

Si se considera que los estimadores son variables aleatorias entonces es lógico preguntarse
por la utilidad de los valores obtenidos en el proceso de estimación. El estimador depende
de la muestra disponible. Por lo tanto, si ésta cambia entonces también deberían cambiar
los respectivos estimadores. Si esto es cierto existirán una serie de valores que el estimador
puede tomar al considerar diferentes muestras.
Para enfrentar este problema de información se construye un intervalo de con…anza para
el parámetro de interés. El intervalo de con…anza re‡eja un rango dentro del cual se espera
que se encuentre el valor del parámetro. Comúnmente se usa un 95% de probabilidad. Esto
implica que si se construye n veces un intervalo de con…anza en el 95% de los casos el intervalo
contendrá el parámetro poblacional.
Supóngase que se desea estimar un intervalo de con…anza para la media de una variable
aleatoria distribuida normal con media y varianza 2 . De una muestra se obtiene que la
esperanza es x y su varianza es s2 . El intervalo de con…anza se de…ne de la siguiente manera
P z1 =2
< Z < z1 =2
=1
donde Z corresponde a una variable distribuida normal estándar y es el nivel de signi…can-

cia. A su vez, z1 2 y z1 2 son el límite inferior y superior del intervalo, respectivamente.
Para un 95% de con…anza = 0:05 (1 0:05 = 0:95). Bajo la hipótesis nula se tiene que
2
x N ; :
n
Estandarizando la variable aleatoria se obtiene
x
z=p v N (0; 1) :
2 =n
Al reemplazar la variable normal estándar en la de…nición del intervalo de con…anza y

despejando se obtiene
!
x
P z1 <p < z1 =1
2 2 =n 2
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:
1. Hipótesis nula: es la hipótesis que se pretende probar. Por ejemplo, = 0 , donde

0 representa un valor determinado. La hipótesis nula se denotará como H0 .
2. Hipótesis alternativa: Es la hipótesis que sirve de contraste y que complementa la

hipótesis nula. La hipótesis alternativa debe cubrir todas las otras posibilidades de val-
ores que pueda adoptar el parámetro relevante, distintas a la enunciada en la hipótesis
nula. En el ejemplo anterior la hipótesis alternativa sería 6= 0 . Generalmente se
denota por H1 .
3. Estadístico de prueba: es una función de la muestra que se contrastará con la
hipótesis nula. La información proporcionada por el estadístico de prueba permite
tomar una decisión en relación con la veracidad o falsedad de la hipótesis nula.
4. Zonas de rechazo: es la zona de la función de distribución de probabilidades donde
se rechaza la hipótesis nula. Si el estadístico de prueba cae por fuera de la zona de
rechazo se concluye que no existen evidencias estadísticas para rechazar la hipótesis
nula.
Existen dos errores asociados a la realización de una prueba de hipótesis. El primero

denominado error tipo I corresponde al error derivado de rechazar una hipótesis nula que es
verdadera. El segundo es el error tipo II que corresponde al error derivado de aceptar una
hipótesis nula que es falsa. La probabilidad de cometer un error tipo I se denota por y se
conoce con el nombre de nivel de signi…cancia, mientras que 1 se conoce como el nivel
de con…anza. A su vez la probabilidad de cometer un error tipo II se denota por y 1
se conoce con el nombre de potencia.
El investigador optará por contrastes donde las probabilidades de cometer alguno de los
errores sean pequeñas. Lamentablemente, solo es posible reducir la probabilidad de cometer
B.4. MAXIMIZACION DE LA FUNCIÓN DE VEROSIMILITUD 241
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
Donde ^ es el valor del estimador, es el parámetro y es la desviación estándar. Una

vez que se conoce el valor de zc se compara con los valores obtenidos de la distribución
de probabilidades normal estándar tabulada. Es decir, con un punto en la distribución de
probabilidades. Para un nivel de con…anza del 95 % el valor de la tabla corresponde a 1,96.
Si zc es mayor que el valor de tabla en valor absoluto se rechaza la hipótesis nula. Esto es
válido para el caso de distribuciones simétricas. En los otros casos se tendrán dos valores.
Un caso especial de este procedimiento es el Test de Signi…cancia, en el cual se determina
si el valor del parámetro es estadísticamente diferente de cero. La hipótesis nula es H0 : = 0,
y la hipótesis alternativa es H1 : 6= 0. Se desea probar si la variable que acompaña a este
parámetro es signi…cativa y explica parte del comportamiento de la variable dependiente.
Si el valor del parámetro fuese cero implica que la variable explicativa no es relevante en el
modelo. Si se rechaza la hipótesis nula de que el parámetro es cero indica que la variable en
el modelo es signi…cativa.
B.4 Maximizacion de la función de verosimilitud

En todos los ejemplos analizados la función de verosimilitud se maximiza relativamente fácil.
Esto debido a que las condiciones de primer orden corresponden a un sistema de ecuaciones
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
Para la estimación del modelo se debe construir la función de verosimilitud. Si para

un individuo su respuesta es a…rmativa, es decir yi = 1; la probabilidad de este evento es
F (X 0 ) : Por el contrario, si yi = 0 la probabilidad es 1 F (X 0 ) : Su contribución a la
función de verosimilitud estará dada por
y 1 yi
Ln = [F (X 0 )] i [1 F (X 0 )] ;
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
Al aplicar logaritmo a esta función se obtiene

P
n P
n
ln L = yi ln [F (X 0 )] + (1 yi ) ln [1 F (X 0 )] :
i=1 i=1
Las condiciones de primer orden son
@ ln L P n yi F (X 0 )
= 0
[f (X 0 )] Xi ;
@ i=1 F (X ) [1 F (X 0 )]
donde f representa la derivada de F . La de…nición de F dependerá del modelo probit o

logit. Para estimar los parámetros se iguala esta expresión a cero. Dado que la derivada del
modelo no es lineal con respecto a el estimador de máxima verosimilitud debe obtenerse
en forma iterativa.
En la mayoría de los modelos utilizados en valoración económica la estimación de los
parámetros del modelo requiere de métodos iterativos. En general, cualquier método de
iteración tiene en cuenta las siguientes tres ecuaciones:
1. Función de verosimilitud
X
n
L( ) = ln L( ) = ln fi (y j ) :
i
2. Condición de primer orden
@L X
n
@ ln fi (y j )
gt = = = 0:
@ t i
@
3. Condición de segundo orden
@ 2 L( ) X @ 2 ln fi (y j )
n
Ht = = :
@ @ 0 i
@ @ 0
Existen varios métodos de iteración. El más conocido es el método de Newton-Raphson

(NR). Los otros métodos pueden explicarse a partir de éste. En este método se utiliza una
aproximación de la función de verosimilitud usando una expansión de Taylor de la forma
0 @L
L( t+1 ) = L ( t) + ( t+1 t)
@ t
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
y se reemplazan en la ecuación (B.6). Esto provee el valor 1 que es usado en la siguente

iteración. El procedimiento termina cuando se satisface el criterio de convergencia en los
parámetros. La convergencia se expresa en términos de la diferencia absoluta entre el vector
de parámetros t+1 y el vector t . Es decir, cuando j t+1 t j < c; con c siendo una constante
arbitrariamente pequeña. Por ejemplo, un valor de c = 0:00001 es típico en varios progra-
mas de estimación. Algunos autores sugieren otros criterios de convergencia. Por ejemplo,
gt0 Ht gt < c es un criterio que es más apropiado desde la perspectiva teórica, ya que explíci-
tamente considera el hecho de que el gradiente debe ser cercano a cero en el máximo. Es
posible satisfacer la desigualdad j t+1 t j < c aun cuando no se haya alcanzado el máximo
debido a problemas asociados con el método de iteración.
La ecuacion (B.6) indica que dado un valor inicial para los parámetros 0 ; el proceso de
iteración se debe mover en la dirección de…nida por el gradiente gt en una proporción igual al
inverso del Hessiano Ht : En otras palabras, el gradiente indica en qué dirección aumenta la
función de verosimilitud mientras que el Hessiano indica la curvatura de ésta. Si la función es
un tanto sinuosa no es recomendable avanzar mucho en la dirección sugerida por el gradiente
ya que el proceso podría alejarse del máximo. Por el contrario, si la función no es tan sinuosa
el proceso de iteración se deberá mover en la dirección indicada por el gradiente.
La mayoría de los otros métodos de estimación utilizan alguna variante de la ecuación
(B.6). La forma más general de esta ecuación está dada por
1
t+1 = t + ( Ht ) gt ;
B.5. INFERENCIA 245
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 @ @
donde la aproximación equivale al producto de la matriz de primeras derivadas. Note que

en esta expresión se calcula la derivada con respecto a las parámetros para cada individuo.
Luego esta matriz se multiplica por su traspuesta y posteriormente se promedia para todos
los individuos. Otros autores parten de una funcion Ht con poca información como la matriz
identidad y optimizan Ht+1 con información obtenida en varios puntos de la función de
verosimilitud.
Existen detalles técnicos sobre la dirección y la magnitud en el proceso de iteración los
cuales se pueden estudiar en Greene (2003). Una mayor descripción de estos aspectos está
fuera del alcance de este apéndice. Por otra parte, la mayoría de las veces el investigador no
necesita reescribir los programas de estimación, ya que los paquetes econométricos vienen
diseñados de tal forma que sólo es necesario ingresar los datos y a lo sumo seleccionar el
método de iteración que se desea utilizar.
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
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
Donde Q0 es una matriz de orden q k0 de componentes conocidos, y c es un vector de

orden q 1 de constantes conocidas determinadas apropiadamente por el investigador. Se
asume que q K y que las columnas de Q0 son linealmente independientes.
En el caso de que k0 = 1 se sabe que V^ ^0 es asimptóticamente normal. La prueba de
hipótesis estará dada por
^ A
r 0 N (0; 1)
^
V 0 ^
la cual es idéntica al caso general discutido en la sección de pruebas de hipótesis. Sin

embargo, en el caso de que k0 > 1 se tienen tres tests alternativos. El primero de ellos es
el test de Razón de Verosimilitud (RV). En este caso se estima el modelo sin considerar la
hipótesis. Es decir, sin restringir los parámetros a que 0 = 0: Los parámetros obtenidos son
^0n ; ^1n donde n implica que estos parámetros no están restringidos a la hipótesis nula.
Luego se estima el modelo restringiendo la estimación a 0 = 0: De esta estimación se obtiene
los párametros restringidos ^0r ; ^1r = 0; ^1r . En este caso ^0r = 0 pero para el caso más
general ^0r = c: El test se de…ne como
h i
A
RT = 2 ln L ^0n ; ^1n ln L ^0r ; ^1r 2
k
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
Por último, se tiene el test de Wald el cual se de…ne como

0
W = ^0r ^0n I(^) 1 ^0r ^0n = ^0 I(^) 1 ^0n A 2
0n k
Los tres tests son equivalentes asintóticamente y conducen a la misma conclusión en

relación con pruebas de hipótesis. Se diferencian principalmente en la forma de obtención
de los estimadores necesarios para las respectivas pruebas.
Appendix C
Instrucciones para el uso de Limdep
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.
C.1 Sugerencias preliminares y sintaxis

C.1.1 Editor de Limdep
Es recomendable escribir el programa en el editor de Limdep y no usar la versión interactiva.
En el caso de modelos complejos los cambios en la versión interactiva son tediosos y no se
pueden revisar una vez que el modelo se ha estimado. Asumiendo que se tiene el programa
Limdep instalado proceda a seleccionar el editor de la siguiente manera
Vaya a FILE
Seleccione NEW
Seleccione text/command document
249
250 APPENDIX C. INSTRUCCIONES PARA EL USO DE LIMDEP
Ahora puede comenzar a escribir su programa. Proceda a grabar su programa con el

nombre que usted desee. La extensión por defecto será lim. La sintaxis básica en Limdep es
la siguiente
COMANDO; especificación; especificación $
El primer componente corresponde al comando el cual puede involucrar cualquier tipo de

operación. Por ejemplo, calcular un escalar, CALC, o correr una regresión, REGRESS, etc.
Limdep reconoce las primeras cuatro letras de un comando por lo que es lo mismo escribir
REGRESS o REGR.
Después del comando se requiere una serie de especi…caciones separadas por punto y coma
(;). Estas especi…caciones dependerán del tipo de operación a ejecutar. Por ejemplo, en una
regresión se necesita de…nir las variables explicativas, la variable dependiente, etc. Muchas de
estas especi…caciones son obligatorias y el programa no entregará resultados en caso de omitir
su especi…cación. Este sería el caso cuando no se de…ne la variable dependiente en un análisis
de regresión. Por el contrario, otras especi…caciones son discrecionales del investigador. Por
ejemplo, el tipo de optimización a emplear en el método de máxima verosimilitud. Por
último, se debe …nalizar la serie de comandos con el símbolo $ el cual le indica al programa
donde se termina la operación.
Es posible escribir comentarios dentro del programa con la idea de entender los diferentes
componentes del mismo. En Limdep estos comentarios se incluyen usando un signo de
interrogación al principio. De esta forma Limdep no los considera como parte del programa.
Por ejemplo,
? Cálculo de la matriz de varianzas y
? covarianzas usando la matriz de información
C.1.2 Lectura de datos

La primera tarea consiste generalmente en la lectura de los datos. Si los datos ya están en un
formato Limdep sólo se requiere usar el comando OPEN y seleccionar la base correspondiente.
Sin embargo, cuando los datos están en otro formato se requiere especi…car los comandos
que permitan su lectura. Esta lectura es mucho más fácil si se hace a partir de un archivo
de excel. Los comandos de lectura de datos serían
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.
C.1.3 Análisis de datos

Después de leer los datos es importante revisar algunas de sus características. Si se desea
veri…car variables se puede usar el siguiente comando
LIST; variable 1, variable 2, ....$
Para obtener una simple descripción estadística de los datos se puede usar
DSTAT; RHS=variable 1, variable 2, ....$
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:
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.
C.1.4 Seleccionar una submuestra

Es posible seleccionar una submuestra de la muestra total para realizar análisis de regresión
u otro tipo de operaciones. El comando es de la forma
reject; edad<18 & sexo=1$
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$
C.2 Estimación de modelos

Para todos los modelos de estimación se debe escribir el tipo de análisis. Por ejemplo,
PROBIT, LOGIT o REGRESS (para mínimos cuadrados ordinarios). Luego se especi…ca
la variable dependiente, LHS, las variables explicativas, RHS, y otras especi…caciones que
dependen del tipo de modelo a estimar.
1
Log es usado para logaritmo natural y no para logaritmo en base diez.
C.2. ESTIMACIÓN DE MODELOS 253
C.2.1 Análisis de regresión

El comando es simplemente
REGRE; LHS=y2; RHS=one,edad,ec,edu,ing$
En este caso la variable dependiente es y2 y las variables explicativas son one,edad,ec,edu,ing.

La variable one indica que la regresión tiene un parámetro de posición. Alternativamente el
comando podría simpli…carse como
REGRE; LHS=y2; RHS=X$
Donde se usó el grupo de variables X previamente de…nido con el comando NAMELIST.

Si se han de…nido otros grupos de variables estos pueden agregrarse en el comando.
C.2.2 Logit y Probit

En este caso el comando es
LOGIT; LHS=y2; RHS=one,edad,ec,edu,ing$

PROBIT; LHS=y2; RHS=one,edad,ec,edu,ing$
En el método de valoración contingente estos dos comandos son usados frecuentemente.

En el capítulo donde se discute este método se presentan varias formas para la función
indirecta de utilidad, v: En el caso de la función indirecta de utilidad lineal la estimación
es
LOGIT; LHS=y2; RHS=one,A$
En la cual y2 es una variable dicotómica que toma el valor 0 ó 1, one es un vector de
unos asociado al parámetro de posición ( ) y A es la cantidad de dinero ofrecida a cada
entrevistado en la encuesta. El párametro asociado a esta variable es : Recuerde que la
medida de bienestar o media de la disposición a pagar es = ; la cual puede ser calculado
para cada individuo como
CREATE; WTP=b(1)/b(2)$,
donde b(1)y b(2)se re…eren al primer y segundo párametro de la estimación, respectiva-
mente. Dado que los parámetros son los mismos para cada individuo la disponibilidad a
pagar, WTP,será igual para todos los individuos de la muestra. El mismo valor se obtiene
usando CALC; WTP=b(1)/b(2)$ con lo cual se obtiene un escalar y no una variable. No
obstante, si existe alguna variable que varía entre los individuos el primer comando es más
apropiado, ya que permite calcular la disposición a pagar para cada individuo y luego obtener
el valor correspondiente a la media. Por ejemplo,
LOGIT; LHS=y2; RHS=one,A,ing$

CREATE; WTP1=(b(1)+b(3)*ing)/b(2)$
DSTAT; RHS=WTP1$
C.2.3 Maximización de la función de verosimilitud

Limdep contiene una rutina que permite maximizar la función de verosimilitud. Esto es
importante cuando la función de interés no se encuentra disponible en ningún paquete
econométrico. El comando es el siguiente
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.
C.3 Como correr el programa

Existen básicamente dos formas para correr un programa en Limdep. Una forma se conoce
como batch-mode en el cual el programa es completamente depurado y se le pide a Limdep
que corra todo el programa de una sola vez. Este modo es útil para individuos que tienen
un buen entrenamiento en programación. Como este apéndice es una introducción a Limdep
esta alternativa no será explicada en detalle.
Si se asume que se tiene un programa éste se puede seleccionar completamente con ctrl+A.
Luego de la parte superior de la pantalla se procede a selecionar RUN y luego Run Se-
lection o ctrl+R. Este procedimiento es igualmente válido para correr solo partes de un
programa. Es decir, se selecciona la parte que se desea ejecutar y luego se usa Run Se-
lection o ctrl+R. Una persona con poco conocimiento de Limdep encontrará más útil esta
última alternativa, la cual permitirá veri…car los posibles errores del programa al correr solo
partes del mismo.
C.4. EJEMPLOS Y BASE DE DATOS 255
C.4 Ejemplos y base de datos

En esta sección se presenta un ejemplo que pueden servir de guía para el lector para la
escritura de sus propios programas. En el ejemplo se incorporaron comentarios adicionales
que no son necesarios en un programa de Limdep, con la idea de clari…car algunos comandos
u operaciones.
C.4.1 Modelos de costo del viaje

La base de datos consta de 161 individuos con información sobre el costo del viaje a la playa
de Dichato y a sitios sustitutos y distinta imputación del costo del viaje (30, 40 y 50 %
del salario). A continuación se ilustra la estimación de varios modelos de costo del viaje en
Limdep.
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$
create; lv=log(viajes)$
Estimación por mínimos cuadrados ordinarios

regress;lhs=lv;rhs=XVAR1$
?30% del salario
crea;BETA=B(2)$
?cálculo del excedente del consumidor
crea;EC=(VIAJES^2)/(-2*BETA)$
calc;LIST;SU=SUM(EC)$
El comando es el mismo para el caso de imputar un costo de oportunidad del tiempo
equivalente al 40 o 50% del salario.
Modelos truncados
truncate;lhs=viajes;rhs=XVAR1$
crea;BETA=B(2)$
crea;EC=(VIAJES)/(-BETA)$
calc;list;SU=sum(EC)$
Modelo poisson no truncado

poisson;lhs=VIAJES;rhs=XVAR1$
crea;BETA=B(2)$
Modelo binomial negativa no truncado

poisson;lhs=VIAJES;rhs=XVAR1;model=N$
crea;BETA=B(2)$
Modelo poisson truncado

poisson;lhs=VIAJES;rhs=XVAR1;limit=0;truncation$
crea;BETA=B(2)$
Modelo binomial negativa truncado

poisson;lhs=VIAJES;rhs=XVAR1;limit=0;truncation;model=N;alg=N$
Ccrea;BETA=B(2)$
Como se puede observar la estimación de los modelos en Limdep es relativamente simple.
C.4.2 Modelo de valoración contingente

Los datos corresponden a 494 observaciones de un estudio de valoración contingente aplicado
al río Claro en la Ciudad de Talca. La encuesta usa el formato dicotómico doble donde el
valor inicial es bi y la respuesta a este valor es yi. El Valor superior es bu con la respuesta
yu y el inferior es bl con respuesta yl. Además, se incluyen variables como edad, estado civil,
educación e ingreso.
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
Estimación probit y logit simple
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$
Estimación del modelo dicotómico doble
Transformación de las variables para evitar con‡ictos en la maximización de la función de

verosimilitud.
create;ai=bi/1000;au=bu/1000;al=bl/1000;ii=ing/1000$
create;lai=log(ai)$
create;lau=log(au)$
create;li=log(ii)$
create;lal=log(al)$
De…nición de las variables dicotómicas asociadas a los posibles rangos donde puede estar
la disponibilidad a pagar.
create;yss=yi+yu$
create;ynn=yi+yl$
create;if(yss=2) dyy=1$
create;if(yss=1) dyn=1$
create;if(ynn=1) dny=1$
create;if(ynn=0) dnn=1$
namelist; z1=one,lai,li$
namelist; z2=one,lau,li$
namelist; z3=one,lal,li$
namelist; z4=one,ai,ii$
namelist; z5=one,au,ii$
namelist; z6=one,al,ii$
La siguiente rutina estima el modelo dicotómico doble con una forma funcional logarít-
mica.
Minimize
;fcn=-dyy*log(1-phi(-dot[z2]))-dnn*(log(Phi(-dot[z3])))
-dyn*log(Phi(-dot[z2])
-Phi(-dot[z1]))-dny*log(Phi(-dot[z1])-Phi(-dot[z3]))
;Labels= bo,b1,b2
;start=-0.06,-0.8,0.7$
La expresión dot[.] calcula el producto interno de las variables y los parámetros.
Cálculo de las medidas de bienestar

calc;coef1=b(1)$
calc;coef2=b(2)$
calc;coef3=b(3)$
create;alfa1=coef1+coef3*li$
create;WTP1=exp(-alfa1/coef2)*1000$
create;WTP2=exp(-alfa1/coef2)*exp(1/(2*(coef2)^2))*1000$
dstats;rhs=wtp1$
dstats;rhs=wtp2$
Estimación de la varianza usando el método delta

matrix;ma=b;mb=varb$
calc;mli=xbr(li)$calcula la media
wald;fn2=exp(-(a1+a3*mli)/a2)*1000;
fn1=exp(-(a1+a3*mli)/a2)*exp(1/(2*(a2)^2))*1000;
labels=a1,a2,a3;
start=ma;
var=mb$
Wald es un comando que permite calcular el estadístico de Wald o las varianzas usando
el método delta. Esto último es lo que hace en este ejemplo. El comando start proporciona
la matriz de parámetros y var la matriz de varianzas. Estas matrices fueron recuperadas en
la primera línea del programa.
Estimación de la varianza usando el método de simulación de Krinsky y Robb.2

matrix;nolist;wtpa=[0]$
matrix;nolist;wtpm=[0]$
calc;niter=100$
calc;niter1=niter+1$
procedure
matrix;nolist;ax1=rndm(ma,mb)$
calc;nolist;wtpi=exp(-(ax1(1)+mli*ax1(3))/ax1(2))*
exp(1/(2*(ax1(2))^2))*1000$
calc;nolist;wtpii=exp((ax1(1)+mli*ax1(3))/-ax1(2))*1000$
matrix;nolist;wtpa=[wtpa/wtpi]$
matrix;nolist;wtpm= [wtpm/wtpii]$
endprocedure
execute;I=1,niter$
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.
C.5 Precios hedónicos

Se asume que la lectura de datos en Limdep no representa problema alguno para el lector,
por lo cual se presenta solo la rutina de Limdep que permite estimar el modelo de precios
hedónicos del capítulo 5.
C.5.1 Transformación de variables

create; pv1=pv/1000000$
create; NH=nd+nb$
create; pts=epts$
create;m2ss=m2s/1000$
create;m2cc=m2c/100$
create; NVP=iinvp/100$
DSTAT ; Rhs = pv1,pts,tv,m2ss,m2cc,g,lc,arv,nvp;OUTPUT=2 $
C.5.2 Estimación de distintos modelos

En las siguientes líneas las variables en RHS son las variables transformadas por lambda y
Rh2 son las variables no transformadas.
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;
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;
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;
Lambda=0;Theta=0;Model=4$
Efectos marginales
calc;list;marginal2=xbr(pv1)*(1/xbr(pts))*b(1)$
calc;list;pre2=exp(log(xbr(pv1))+(log(ZETA)-log(xbr(pts)))*b(1))$
Transformación únicamente de la variable dependiente

BOXCOX;Lhs=PV1;
Lambda=0,5;MLE;Model=1$
Efectos marginales
calc;list;marg3=((xbr(pv1))^(1-lambda))*b(1)$
calc;list;pre3=(xbr(pv1)^Lambda+ Lambda*(zeta-xbr(pts))*b(1))^(1/Lambda)$
C.5. PRECIOS HEDÓNICOS 261
Transformación de ambas variables

BOXCOX;Lhs=PV1;
Rhs=pts,m2ss,m2cc,iinvp;
Theta=0,4;Lambda =0,5;MLE;Model=4;marginal effects$
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)$
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
4. Adams, R. R. Barren, A. Cerda, H. Lee and P. Klingeman (1993), “Developing bioeconomic

model for riverine management: case of the John Day River”, Rivers 4(3), 213 226.
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.
9. Alston, J. and D. Larson (1993), “Hicksian vs Marshallian welfare measures: why do we do

what we do?”, American Journal of Agricultural Economics 5(3), 764 769.
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”,
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”,
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.
106. Constanza, R., R. d’Arge, R. Groot, S. Farber, M. Grasso, B. Hannon, K. Limburg, S.

Naeem, R. O’Neill, J. Raskin, P. Sutton and M. van den Belt (1998), “The value of the
ecosystem services: putting the issues in perspectives”, Ecological Economics 25(1), 67 72.
270 REFERENCIAS
107. Cooper, J. (1993), “Optimal bid design for dichotomous choice contingent valuation surveys”,
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
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
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”,
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.
135. Dresdner, J. y F. Vásquez (2004), Nociones de econometría intermedia, Universidad de

Concepción. Chile.
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.
149. Gallant, A. (1982), “Unbiased determination of production technologies”Journal of Econo-

metrics 20. 285-323.
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
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.
158. Greene, W. (1998), Análisis econométrico, Prentice Hall.
159. Greene, W. (1990), Limdep, Software.
160. Greene, W . (1981), “On the asymptotic bias of the ordinary least squares estimator of the
Tobit model”, Econometrica 49(2), 505 513.
161. Gregory, R. and D. MacGregor (1990), “Valuing changes in environmental assets”, in R.

Johnson and G. Johnson, (eds.), Economic valuation of natural resources, Boulder: West-
view.
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.
165. Gujarati, D. (1997), Econometría básica, McGraw Hill.
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”,
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.
177. Hanemann, M. (1984a), "Discrete/continuous models of consumer demand" Econometrica

52(3), 541-562.
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.
180. Hanemann, M. and B. Kanninen (1999), “The statistical analysis of discrete-response CV

data” in Bateman, I. and K. Willis, (eds.), Valuing environmental preferences: theory
and practice of the contingent valuation method in the US, EC and developing countries,
Oxford:Oxford University press, pp. 302-441.
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”,
197. Hellerstein, D. and R. Mendelsohn (1993), “A theoretical foundation for count data models”,
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
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
216. Kahneman, D. (1986), “Comments”, in R. Cummings, D. Brookshire and W. Schultze, (eds.),

Valuing Environmental Goods, Totowa N.J.: Rowman and Allanheld. pp. 185-93.
217. Kahneman, D. and A. Tversky (1979), “Prospect theory: an analysis of decision under risk”,
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.
243. Larson, D. (1991), “Recovering weakly complementary preferences”, Journal of Environmen-

tal Economics and Management 21, 97 108.
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.
256. Mackenzie, J. (1993), “A comparison of contingent preference models”, American Journal of

Agricultural Economics 75(3), 593 603.
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
268. McConnell, K. (1975), “Some problems in estimating the demand for outdoor recreation”,
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.
270. McConnell, K. and T. Phipps (1987), “Identi…cation of preference parameters in hedo:nicmodels :

Consumerdemandswithnonlinearbudgets ; Journalof U rbanEconomics22; 3552:
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.
272. McFadden, D. (1974), “Conditional logit analysis of qualitative choice behavior”, In P.

Zarembka, (Ed.), Frontiers in econometrics, New York: Academic Press.
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”,
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
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”,
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”,
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”,
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.
357. Smith, K. (1993a), “Non market valuation of environmental resources: an interpretative

appraisal, Land Economics 69(1), 1 26.
286 REFERENCIAS
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
380. Vásquez, F. and A. Cerda (2000), “Diagnóstico de requerimientos de información económico

ambiental como apoyo a los análisis generales del impacto económico y social de los planes
de prevención y descontaminación y de las normas de calidad ambiental y de emisiones”,
Reporte técnico, Comisión Nacional del Medio Ambiente, CONAMA. Parte I. Contract 06
0001 013 A.
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.
383. Vaughan, C., G. Canessa, M. McCoy, M. Rodriguez, J. Bravo, J. Sanchéz, R.Morales, T.

Hawkins, E. Crozier, D. Sha¤er, M. Rodríguez & F. Hodgson (1982) “Plan de manejo y
desarrollo del Refugio Nacional de Fauna Silvestre Rafael Lucus Rodríguez Caballero (Palo
Verde)”. Universidad Nacional, Heredia, Costa Rica.
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:
386. White, H. (1982), “Maximum likelihood estimation of misspeci…ed models”, Econometrica

50(1), 1 25.
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.

Libro Valoración Económica Del Medio Ambiente Version Online

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Libro Valoración Económica Del Medio Ambiente Version Online

Transféré par

Droits d'auteur :

Formats disponibles

Valoración Económica del Medio Ambiente

Felipe Vásquez Lavín, Arcadio Cerda y Sergio Orrego Suaza

3 Método de costo del viaje 47

3.6 Modelos de utilidad aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . 71

4 Método de valoración contingente 103

4.8 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148

5 Método de precios hedónicos 171

A Aspectos microeconómicos 213

B Estimación econométrica 231

C Instrucciones para el uso de Limdep 249

C.2.1 Análisis de regresión . . . . . . . . . . . . . . . . . . . . . . . . . . . 253

1.1 Necesidad de valorar económicamente los servicios

1.2 Concepto económico de valor

monetarios, lo cual posibilita la comparación entre distintas alternativas. Se asume que el

Table 1.1: Valor económico total de un recurso natural

Valor de Uso Valor de No Uso

1.3 Bienes públicos y valoración económica

Table 1.2: Taxonomía del ‡ujo de servicios ambientales

Categoría de servicio Características del ‡ujo de servicios

2.1 Teoría de las preferencias

x1 % x2 , x1 es al menos tan preferido como x2 .

x2 % x1 , x2 es al menos tan preferido como x1 .

Para cualquier conjunto de bienes xi ; xi es al menos tan preferido como xi , lo cual se

Si x1 es preferido a x2 y x2 es preferido a x3 , entonces x1 es preferido a x3 : Este axioma

El supuesto de convexidad es importante para asegurar la existencia de una única solución

Figure 2.1: Representación de dos curvas de indiferencia

de bienes A y B proporcionan el mismo nivel de bienestar. De la …gura se puede concluir

2.2 Medidas de bienestar: cambio en precios

Figure 2.2: Representación de la sustitución entre bienes

El proceso de elección se puede modelar como un problema de maximización de la utilidad

La solución al problema de maximización representa los niveles de consumo óptimos para

Figure 2.3: Solución grá…ca del problema de maximización del consumidor

Simetría: Los efectos cruzados de…nidos en términos de la demanda Hicksiana son

Negatividad: Las curvas de demanda Hicksianas tienen pendiente negativa

@hi (p; U ) @xi @xi

U (x ) = U (x (p; m)) = v (p; m) ;

donde v (p; m) es la función indirecta de utilidad y representa la maxima utilidad que es

Por consiguiente, si se tiene la función de demanda Hicksiana es posible recuperar la

xi = hi (p; U ) = hi [p; v(p; m)] = xi (p; m): (2.1)

En la situación inversa, si se tiene la función de demanda Marshalliana es posible obtener

xi = xi (p; m) = xi [p; e(p; U )] = hi (p; U ): (2.2)

Un procedimiento alternativo para obtener la función de demanda Hicksiana consiste en

v(p; m) = v[p; e(p; U )] U;

y derivando con respecto a pi , manteniendo U constante, se obtiene

La ecuación (2.3) se conoce como la identidad de Roy. La relación entre el primal y el

2.2.2 Medidas de bienestar Hicksianas

max U ( x1 ,..., xn ) min ∑x p i i

s.a.∑ xi pi = m s.a. U ( x1 ,..., xn ) = U 0

Resolviendo el problema de maximización

Demandas Marshallianas Demandas Hicksianas

Reemplazando en las funciones objetivo

Función Indirecta de Función de Gasto

Demandas Marshallianas Demandas Hicksianas

∂v / ∂pi ∂e( p,U )

Figure 2.4: Relación entre Primal y Dual

Como se mostrará posteriormente la variación compensada y la variación equivalente

Variación compensada (VC )

Variación equivalente (VE)

Usando el lema de Shepard se puede sustituir la función de demanda. Así,

Tanto la V C como la V E expresan el cambio en el bienestar como la diferencia entre

Figure 2.5: Excedente del consumidor

2.2.3 Medida de bienestar Marshalliana

Figure 2.6: Cambio en el excedente del consumidor

2.3 Integrabilidad de sistemas de demanda