Valoracin Econmica Ejemplos

Precios hednicos Costo de viaje

El proceso de valoracin
Paso 1 Identificacin de la relacin de causa efecto

La degradacin ambiental es importante por sus efectos en: (1) produccin; (2) salud humana; (3) calidad del entorno Conocimientos requeridos: ingeniera, biologa, qumica, ciencias sociales, Expresa los impactos ambientales usando una unidad de medida nica. Esto facilita la toma de decisiones Conocimientos requeridos: economa, estadstica,

Paso 2 Valoracin econmica del impacto

El proceso de valoracin
Mejora ambiental
Estimacin de impactos (cientifico)
Funcion de dosis-respuesta

Cambios en produccin

Cambios en la salud

Cambios en el entorno

Disposicin al pago Revelada Hipotetica

Cambios de productividad Valoracin econmica (economista)

Capital humano

Coste de oportunidad

Precios hednicos

Valoracin contingente

Coste de oportunidad Costo de reemplazo

Costos medicos

Costo de reemplazo

Costo de viaje

Ranqueo contingente

Acciones preventivas

Disposicin al pago (DAP)

Precio Disposicin al Pago total

A
P*

Surplus del consumidor

C
Q* Cantidad de servicio ambiental

Al precio p*, la DAP total es el rea debajo de la curva de demanda (A+B) El rea encima de la lnea de precio es el surplus del consumidor (A) Valoracin econmica mide la DAP total

Valoracin Tcnicas Indirectas

Se estudia el comportamiento y decisiones de individuos para entender como los bienes ambientales son intercambiados por otros bienes (ej. dinero) Permiten obtener el valor verdadero de la disposicin al pago por el bien ambiental Mtodos de preferencias reveladas (estudian comportamientos y decisiones realmente observadas)

Precios hednicos Costo de viaje

Mtodos de preferencias anunciadas (se basan en la creacin de situaciones hipotticas)

Valoracin contingente Ranqueo contingente

Precios hedonicos la literatura

Mtodo de precios hednicos
Estudios Salarioamenidad Utilizan la informacin de los precios residenciales Y de los salarios para valorar la disposicin al pago por mejoras en la calidad ambiental Precios residenciales Utilizan la informacin de precios residenciales para valorar la disposicin al pago por mejoras en la calidad ambiental Estudios de Salario / Valor de la vida Utilizan informacin sobre salarios para valorar la disposicin al pago a evitar riesgos. Esta informacin luego se usa para calcular el valor de una vida estadstica

Mtodo de precios hednicos precios residenciales

Paso 1 Especificacin de la funcin de precios hednicos Paso 2 Recoleccin de datos Paso 3 Estimacin de la correlacin entre calidad ambiental y precios residenciales Paso 4 Estimacin de la DAP por la calidad ambiental

Paso 1 La funcin de precios hednicos

FPH pone en relacin el precio de una residencia con sus caractersticas

Caractersticas fsicas
Tamao Nro. habitaciones

Caractersticas del barrio

Infraestructura de agua Calidad de transporte publico

Caractersticas ambientales
Vista hacia el Avila Calidad de aire

Paso 1 La funcin de precios hednicos

Precio de la residencia

Tamano de la residencia

Paso 1 La funcin de precios hednicos

Precio de la residencia

Apartamentos mas grandes cuestan mas

Tamano de la residencia

Paso 1 La funcin de precios hednicos

Precio de la residencia
P1 P0

Apartamentos en barrios con mejor calidad de aire cuestan mas

Q0

Q1

Aire limpio

Paso 2 Recoleccin de datos

El mtodo de precios hednicos requiere MUCHOS datos

Cross seccin Serie de tiempo

Los datos se recogen por medio de encuestas o censos Supuestos importantes

Los mercados funcionan bien y no estn segmentados Los individuos perciben las diferencias en la calidad ambiental

Paso 3 Estimacin del precio implcito del aire limpio

Es la estimacin estadstica de los parmetros en la siguiente ecuacin:
Pi = 0 + 1Tamanoi + 2CalidadAirei + + errori

2 es el precio implicito del aire limpio 2 nos dice cuanto varia el precio residencial cuando la calidad del aire varia en forma marginal, dejando lo dems constante

Paso 3 Estimacin del precio implcito del aire limpio

La funcin de precio implcito
Precio implicito

Disposicin al pago
Q0 Q1

Aire limpio

Las zonas costeras en la Republica Dominicana

1,389 km de costas, el pais tiene una rica composicion de ecosistemas costeros y marinos Las zonas costeras pueden ser divididas en 4 macro areas
Area NorthWest North North-East East SouthEast Capital district South Coral YES Partially Partially YES YES Partially YES Mangroves High Medium High Medium Low Low Medium Tourism development Low High Medium High High High Very Low Fisheries Low High High Low Low Low Low Urban Development Very low High Low Low High Very high Very low

Las zonas costeras en la Republica Dominicana

NORTH

EAST

SOUTH-EAST

Analisis de precios hedonicos

1. La funcion hedonica
PRECIOHAB = f(CARHOTEL, CARAREA, CALIDADAMB)

2. Los datos

Cross section 83 observaciones Hoteles en areas turisticas (turismo recreativo)

Costa norte (zona 1) Costa este (zona 2) Costa sur-este (zona 3) Entrevista telefonica, Agosto 2003

3. Estimacion

La funcion hedonica
Modelo log-linear 5 modelos distintos
3 modelos para todas las zonas 2 modelos separados para la costa norte y este

VARIABLES LOGDOUBLEHIGH LOGDOUBLELOW C ZONE1 ZONE2 ZONE3 AIRPORTKM DISTKM DISTURBANKM POPDENSITY ROOMDENSITY STAR YEAR AQUAPARK CASINO DISCO GOLF SPA TENNIS GARBEVERY1 SMELL

DESCRIPTION Log of double room price during high season (dependent variable) Log of double room price during low season (dependent variable) Constant Hotel is in the North coast (dummy) Hotel is in the East coast (dummy) Hotel is in the South-East coast (dummy) Distance from airport (Km) Distance from beach (Km) Distance from urban center (Km) Population density in the region Number of rooms per km2 of the beach Star grading Year hotel was built Hotel has aquapark (dummy) Hotel has casino (dummy) Hotel has a discoteque (dummy) Hotel has a golf course (dummy) Hotel has a spa (dummy) Hotel has tennis courts (dummy) Garbage is collected every day (dummy) It is possible to notice smell of effluents and solid waste (dummy) It is possible to observe occasional accumulation of solid waste in beach (dummy) Hotel has a sewage treatment plant (dummy) Hotel is connected to municipal water service (dummy)

EXPECTED SIGN

TYPE OF VARIABLE

+/+ +/+ + + + + + +/-

Characteristics of the area

Characteristics of the hotel

SWASTEBEACH

Environmental characteristics

SEWTREAT WATERMUN

+ +

Variable dependiente: Precios de epoca alta

El efecto de la recoleccion de basura es inesperado posiblemente captura la limpieza de la playa

Sample(adjusted): 1 82 Included observations: 50 Excluded observations: 32 after adjusting endpoints Variable C ZONE1 ZONE2 AIRPORTKM DISTKM DISTURBANKM POPDENSITY ROOMDENSITY STAR YEAR AQUAPARK CASINO DISCO GOLF SPA TENNIS GARBEVERY1 SMELL SWASTEBEACH SEWTREAT WATERMUN Coefficient -16.59560 0.606015 0.558709 -0.018337 -0.000372 0.005568 -0.000736 -0.002257 0.330712 0.010530 0.096129 0.452520 -0.234264 -0.193345 0.268347 0.231997 -1.180330 -1.178291 -0.066512 -0.207572 0.136885 0.739331 0.559559 0.378790 4.160966 -8.790031 2.412859 Std. Error 20.57721 0.230059 0.330301 0.005129 0.000204 0.004450 0.001239 0.001544 0.146156 0.010435 0.183088 0.156752 0.194029 0.171235 0.181786 0.266839 0.678043 0.548826 0.173256 0.157697 0.191745 t-Statistic -0.806504 2.634173 1.691515 -3.575358 -1.825781 1.251194 -0.593926 -1.461881 2.262732 1.009072 0.525045 2.886844 -1.207365 -1.129118 1.476166 0.869430 -1.740789 -2.146931 -0.383895 -1.316267 0.713893 Prob. 0.4265 0.0134 0.1015 0.0012 0.0782 0.2209 0.5572 0.1545 0.0313 0.3213 0.6035 0.0073 0.2370 0.2681 0.1507 0.3918 0.0923 0.0403 0.7039 0.1984 0.4810 4.140059 0.570761 1.191601 1.994651 4.112602 0.000291

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Variable dependiente: Precios de epoca baja

Densidad de habitaciones es significativo

Sample(adjusted): 1 82 Included observations: 50 Excluded observations: 32 after adjusting endpoints Variable C ZONE1 ZONE2 AIRPORTKM DISTKM DISTURBANKM POPDENSITY ROOMDENSITY STAR YEAR AQUAPARK CASINO DISCO GOLF SPA TENNIS GARBEVERY1 SMELL SWASTEBEACH SEWTREAT WATERMUN Coefficient -13.52369 0.427830 0.708582 -0.013473 -0.000321 0.003773 -0.001069 -0.003041 0.256115 0.008776 0.118665 0.377530 -0.344748 -0.011932 0.063554 0.314210 -0.487123 -1.154998 -0.053327 -0.142813 0.288793 0.709708 0.509506 0.368217 3.931929 -7.374608 2.157457 Std. Error 19.21826 0.228793 0.320837 0.004760 0.000198 0.004344 0.001210 0.001465 0.159126 0.009753 0.173541 0.165711 0.191443 0.171952 0.173147 0.259461 0.646453 0.536406 0.168177 0.156840 0.177625 t-Statistic -0.703689 1.869948 2.208540 -2.830715 -1.626696 0.868557 -0.883068 -2.075138 1.609507 0.899798 0.683785 2.278239 -1.800784 -0.069390 0.367053 1.211013 -0.753533 -2.153216 -0.317088 -0.910568 1.625861 Prob. 0.4872 0.0716 0.0353 0.0084 0.1146 0.3922 0.3845 0.0470 0.1183 0.3756 0.4995 0.0303 0.0821 0.9452 0.7162 0.2357 0.4572 0.0398 0.7534 0.3700 0.1148 4.007057 0.525759 1.134984 1.938034 3.544963 0.000996

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Regresion sin las caracteristicas del hotel

Sample(adjusted): 1 82 Included observations: 50 Excluded observations: 32 after adjusting endpoints Variable C ZONE1 ZONE2 AIRPORTKM DISTKM DISTURBANKM POPDENSITY ROOMDENSITY STAR YEAR GARBEVERY1 SMELL SWASTEBEACH SEWTREAT WATERMUN R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -8.239528 0.348786 0.502640 -0.014581 -0.000159 0.001723 -0.001003 -0.002899 0.521037 0.005807 -0.524424 -0.564603 -0.199815 -0.159544 0.238572 0.620521 0.468729 0.383217 5.139937 -14.07237 2.381658 Std. Error 17.70679 0.220880 0.285952 0.004230 0.000157 0.004225 0.001203 0.001415 0.118791 0.009046 0.564763 0.481281 0.152997 0.160184 0.159300 t-Statistic -0.465332 1.579078 1.757779 -3.447111 -1.007828 0.407906 -0.834280 -2.048305 4.386160 0.641897 -0.928573 -1.173127 -1.306008 -0.996000 1.497625 Prob. 0.6446 0.1233 0.0875 0.0015 0.3205 0.6858 0.4098 0.0481 0.0001 0.5251 0.3595 0.2487 0.2001 0.3261 0.1432 4.007057 0.525759 1.162895 1.736502 4.087980 0.000355

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

La costa norte
Sample(adjusted): 4 31 IF ZONE=1 Included observations: 20 after adjusting endpoints Variable C AIRPORTKM DISTKM DISTURBANKM ROOMDENSITY STAR YEAR SWASTEBEACH SEWTREAT WATERMUN R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -46.50796 -0.023430 -0.000920 0.030954 -0.005410 0.898008 0.024350 0.132163 -0.448172 0.852162 0.651665 0.338163 0.462709 2.140992 -6.034140 0.975373 Std. Error 52.38828 0.011496 0.001133 0.031760 0.002929 0.331915 0.026166 0.385286 0.324284 0.439903 t-Statistic -0.887755 -2.038090 -0.811898 0.974602 -1.847433 2.705533 0.930578 0.343026 -1.382034 1.937160 Prob. 0.3955 0.0689 0.4358 0.3527 0.0944 0.0221 0.3740 0.7387 0.1971 0.0815 3.903595 0.568764 1.603414 2.101280 2.078664 0.134879

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

La costa este
Sample(adjusted): 32 70 IF ZONE=2 Included observations: 25 after adjusting endpoints Variable C AIRPORTKM DISTKM DISTURBANKM ROOMDENSITY STAR YEAR SWASTEBEACH SEWTREAT WATERMUN R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -8.718624 -0.013579 -0.000303 -0.000844 -0.002668 0.395662 0.006050 -0.144699 0.427943 0.147627 0.778254 0.645206 0.259537 1.010389 4.633298 1.881096 Std. Error 16.46573 0.003529 0.000121 0.002958 0.003263 0.117038 0.008548 0.153213 0.192091 0.140577 t-Statistic -0.529501 -3.848069 -2.502030 -0.285201 -0.817663 3.380625 0.707712 -0.944430 2.227811 1.050152 Prob. 0.6042 0.0016 0.0244 0.7794 0.4263 0.0041 0.4900 0.3599 0.0416 0.3103 4.200196 0.435723 0.429336 0.916886 5.849425 0.001422

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Resumen
Los precios en la costa este son mas altos que en la costa norte La diferencia puede ser explicada por

Calidad del servicio Variables ambientales y disponibilidad de recursos naturales

Esto no significa que la calidad ambiental sea mejor en la costa este Los desafios ambientales son distintos

Summary
Variables Characteristics of the area Zone 1 AIRPORTKM ROOMDENSITY STAR Zone 2 AIRPORTKM DISTKM STAR

Characteristics of the hotel

Environmental characteristics

WATERMUN

SEWTREAT

Note: Statistical significance is at 10% level.

Mtodo del costo de viaje

La tasa de visitacin depende de:

Costo de viaje desde cada zona Caractersticas de la poblacin de cada zona

Ingreso promedio Distribucin de edad Otras variables (i.e. disponibilidad de sitios substitutos en la zona)

La relacin entre la tasa de visitacin y el costo de viaje es estimada con mtodos economtricos
vi = v (travelcosti+admissionfee, incomei, other variablei) Where vi = visitation rate

Trip Generating Function

Mtodo del costo de viaje representacin grafica

Zona Tasa de visitacin 100/ 1000

Loc. 2

Loc. 4
Loc. 1

Costo de viaje (US$) 20

Ingreso promedio (US$) 1000

PARK

Loc. 2

70/ 1000

30

1100

Loc. 1 Loc. 3

Loc. 3

80/ 1000

40

1300

Loc. 4

60/ 1000

50

900

Mtodo del costo de viaje

Costo de viaje

TC CP

Choke Price

D0
TC $2 TC $1 TC $0

El rea debajo de la curva de demanda nos da la disposicin a pagar por la experiencia recreativa del parque
C B A

VC

VB

VA

Numero de visitas en un ao

Mtodo del costo de viaje

Asuma que la calidad del parque disminuya (e.g. derrame petrolero, ruido por una nueva carretera) El numero de visitas disminuye (la demanda pasa de D1 a D2) La perdida de bienestar esta dada por el rea sombreada entre las dos curvas de demanda
Admission fee Perdida de bienestar

p* D2 v2 v1

D1

Visits

Calidad de agua en Davao, Filipinas Paso 1

Funcion de visitacion
vi = 0 + 1TCi+ 2Yi + 3EDUi + 4EDADi + 5TCsubi + 6other variablei + errori

Resultados
Table 5.1. Parameters of the trip generating function before the adivsory Variables Parameter obtained t-statistics from pre-advisory estimation Intercept 0 = 9.762 3.37 Travel cost -4.11 1 = -0.104 Income 2 = 0.026 1.96 Education 3 = -0.163 -0.93 Age 4 = -0.027 -0.58 Substitute 5 = 0.019 2.92

Calidad de agua en Davao, Filipinas Paso 2

Funcion de demanda
Di = (0 + 1TCi+ 2Yi + 3EDUi + 4EDADi + 5TCsubi + 6other variablei) + 1Pi Di = 5,163 0,104*Pi

5,163

Calidad de agua en Davao, Filipinas Paso 3

Cambio en el bienestar
Antes: Despues: Di = 5,163 0,104*Pi Di = 1,079 0,029*Pi

1,079

5,163