Diseo de encuestas de preferencias declaradas para la estimacin del valor de los ahorros de tiempo y el pronstico de la demanda de servicios de transporte

urbano de pasajeros(*) Juan Jos Pompilio Sartori(**)

Departamento de Economa y Finanzas Facultad de Ciencias Econmicas - Universidad Nacional de Crdoba

Clasificacin JEL: C25, C42, C53, C9, L9, R2. 1. Introduccin Para la estimacin de los valores de ahorros de tiempo de viaje y espera de los usuarios de los distintos modos de transporte resulta conveniente el uso de modelos de eleccin discreta basados en una muestra de individuos a partir de encuestas. Los modelos de eleccin discreta pueden estimarse a partir de datos de preferencias reveladas o de preferencias declaradas. En las primeras se recopila informacin real de los viajes de los individuos en un momento determinado del tiempo, como la informacin recopilada en la encuesta de origen destino realizada en los aos 1994 y 2000 en la Ciudad de Crdoba. Sin embargo, estas encuestas no incorporaron preguntas especficas para obtener la valoracin del tiempo de espera de los usuarios del transporte urbano de la ciudad. La valoracin de los tiempos de viaje puede obtenerse indirectamente a partir de la estimacin de los tiempos de viaje entre origen y destino, sin embargo, estos mtodos a menudo proporcionan un sesgo importante de medicin de los datos. Para salvar estas dificultades, se propone la elaboracin de una encuesta de preferencias declaradas utilizando el diseo de experimentos. Estas encuestas arrojan mejores resultados para evaluar las caractersticas objeto de este estudio, son ms econmicas debido a que el nmero de encuestas es sustancialmente menor al de otras (ej. Encuestas origen-destino de viajes) y permiten disear un conjunto eficiente de situaciones de intercambio para evaluar las preferencias de los usuarios, considerando tanto los modos de transporte existentes como los potenciales. Este estudio presenta como resultado un diseo de encuesta basado en el diseo de experimentos y el anlisis conjunto cuya metodologa podr utilizarse para la estimacin de los valores de los ahorros de tiempo de viaje y de espera. Con el anlisis realizado, en el futuro se podr realizar la encuesta en el mercado objetivo y obtener los parmetros de inters a partir de la estimacin de modelos economtricos de eleccin discreta del tipo Logit o Probit, por ejemplo. Una poltica para el transporte urbano de la ciudad debe considerar los distintos efectos cruzados entre los atributos que caracterizan a los distintos medios de transporte, situacin muy difcil de conseguir por medio de la observacin directa de las elecciones de los individuos. Por ejemplo, el clculo de la elasticidad precio cruzada de la demanda entre los servicios de transporte por colectivo y los servicios de taxis y remises resulta muy importante para pronosticar el nmero de usuarios y los beneficios sociales tras aplicar polticas tarifarias especficas para ambos sectores. Este clculo slo podra realizarse en el contexto del diseo de experimentos planteado. Para evaluar las consecuencias econmicas de distintas configuraciones del sistema de transporte y de las polticas alternativas de fomento de uno u otro modo de transporte resulta imprescindible la estimacin de las elasticidades de demanda por los distintos servicios y la valoracin que le atribuyen los viajeros a las distintas variables que representan la calidad de los mismos. En la segunda seccin se caracterizan los estudios de preferencias declaradas de manera de presentar el marco general de anlisis que los contiene. En la tercera seccin se
(*)

Trabajo presentado a la XLI Reunin Anual de la Asociacin Argentina de Economa Poltica, Universidad Nacional de Salta Noviembre de 2006. (**) jsartori@eco.unc.edu.ar

caracteriza el diseo de experimentos, considerando en primer trmino su relacin con la variable dependiente o situacin de eleccin presentada y en segunda instancia, el diseo de las combinaciones de niveles de los atributos que determinan la eleccin (o variables independientes). La cuarta seccin realiza una exhaustiva discusin sobre especificaciones alternativas de modelos de eleccin discreta. En la quinta seccin se expone el diseo del experimento de preferencias declaradas especfico desarrollado para la eleccin de modo de transporte entre los siguientes modos de transporte urbano: taxi/remis y colectivo. Se presenta la eleccin de atributos y niveles utilizados para estimar un modelo LOGIT binario que permita obtener el valor de los ahorros de tiempo de viaje y espera para los usuarios de los modos de transporte considerados. Adems, se desarrollan dos formularios de encuesta, uno con 9 escenarios de eleccin y otro con 18 escenarios de eleccin. En la sexta seccin se realiza el anlisis del diseo muestral y se propone un tamao muestral para cada una de los diseos de encuesta de la seccin anterior. Finalmente se presentan los resultados de una encuesta piloto realizada con estudiantes de los ltimos aos de la facultad de Ciencias Econmicas. Si bien no se trata de una muestra representativa de la poblacin objetivo de estudio, ha permitido obtener conclusiones que permiten mejorar el diseo y la presentacin de las situaciones de eleccin. Asimismo, se presenta la estimacin de un modelo logit, la estimacin de los valores de tiempo de viaje y espera para los individuos encuestados. Adicionalmente se muestra el uso que puede hacerse del modelo estimado en el anlisis de poltica econmica pronosticando la cuota de mercado de cada modo de transporte considerado, ante variaciones de las condiciones que caracterizan a los modos de transporte. 2. Caractersticas de los estudios de preferencias declaradas Se denominan tcnicas de preferencias declaradas a un conjunto de metodologas que se basan en juicios (datos) declarados por individuos acerca de cmo actuaran frente a diferentes situaciones hipotticas que le son presentadas y que deben ser lo ms aproximadas a la realidad (Ortzar, 2000). Estas tcnicas utilizan diseos experimentales para construir las alternativas hipotticas presentadas a los encuestados. A partir de all se obtienen datos que permiten estimar funciones de utilidad con respecto a las alternativas presentes en el experimento. Las alternativas de eleccin presentadas a los encuestados son descripciones de situaciones o contextos construidos por el investigador que se diferencian a travs del valor que toman sus atributos. Como afirma Ortzar (2000), existen distintas tcnicas de preferencias declaradas que se denominan con diferentes nombres. Los ms conocidos son: anlisis conjunto, medicin funcional y anlisis de compromisos. Con respecto a estos mtodos, puede afirmarse que no se ha unificado la forma de referirse a ellos, ni se ha delimitado el alcance de cada uno (Louviere, 1988 y Kroes y Sheldon, 1988), pero los tres utilizan tcnicas de diseo experimental para generar las opciones a ser evaluadas por el encuestado. Por otra parte, las tcnicas de preferencias reveladas permiten obtener estimaciones de demanda a partir de las elecciones realizadas por los individuos en el mercado real, as es que las principales fuentes de datos utilizados en estas tcnicas son las encuestas de origen y destino de viajes. Las tcnicas de preferencias declaradas permiten superar una serie de problemas incluidos en las tcnicas de preferencias reveladas, a saber: El rango de variacin de los atributos (variables explicativas) puede ser extendido al nivel requerido o deseable permitiendo adems incorporar factores e incluso opciones, que no estn presentes en el ao base de estudio. Los efectos de variables de especial inters pueden ser aislados totalmente. Pueden incorporarse variables secundarias cuya unidad de medicin sea cualitativa. Por construccin, no existe error de medicin en los datos (variables independientes que revelan la decisin hipottica del consumidor).

Los mtodos de preferencias declaradas son menos costosos y requieren menos tiempo de recoleccin y anlisis de datos que las tcnicas de preferencias reveladas. Estas ltimas necesitan informacin adicional a las encuestas (usualmente de origen-destino), como por ejemplo la medicin de tiempos y costos de viaje de cada individuo a travs de modelos de redes. Sin embargo, los mtodos de preferencias declaradas incluyen determinados sesgos que habr que considerar y tratar de minimizar. Estos sesgos son: Sesgos o errores aleatorios, plasmados en las diferencias entre lo que los individuos declaran que haran en una situacin hipottica planteada y lo que realmente harn si sta se presenta. Este tipo de error puede presentarse debido a una mala interpretacin de la encuesta, la existencia de incertidumbre o la fatiga del entrevistado. Existen errores no aleatorios debidos a experiencias anteriores, percepciones cotidianas de los encuestados. Interaccin entre el encuestador y los encuestados. Sesgo de afirmacin, por el cual el encuestado puede expresar las preferencias que l cree que el encuestador desea recibir. Sesgo de racionalizacin, por el cual el encuestado puede proporcionar respuestas artificiales en un intento de racionalizar su comportamiento habitual, asociado a un fenmeno subconsciente denominado disonancia cognitiva1 (). Sesgo de poltica, por el cual el encuestado puede responder deliberadamente en forma sesgada con el fin de influir en las decisiones o polticas que l cree que se seguirn sobre la base de los resultados de la encuesta. Sesgo de no restriccin, por el cual el encuestado puede responder en forma irreal si no considera las restricciones prcticas de su comportamiento. Sesgo de no respuesta, comn a cualquier tipo de encuesta. Todos estos sesgos implican la posible existencia de errores de medicin de la variable dependiente (la eleccin). Los experimentos de preferencias reveladas, sin embargo, poseen la posibilidad de error de medicin en las variables independientes, ya que lo que se observa de la realidad es la eleccin y la valuacin de las variables independientes se realiza por medio de la medicin indirecta. 3. Caractersticas generales del diseo experimental de preferencias declaradas Las tcnicas de anlisis conjunto separan los atributos de cada alternativa de eleccin que enfrenta el individuo en un determinado nmero de niveles que se definen en forma estadsticamente eficiente y que permiten descomponer la respuesta del experimento en funcin de ellos. Cada encuestado contribuye en la muestra total con una cantidad de observaciones igual al nmero de opciones hipotticas contestadas. Segn el tipo de respuesta arrojada por el experimento pueden distinguirse tres categoras principales de diseo experimental: a) Escalamiento (rating) b) Jerarquizacin (ranking) c) Eleccin (choice) Algunos mritos atribuidos a estas tres categoras presentadas (escalamiento, jerarquizacin o eleccin) pueden resumirse en: La jerarquizacin provee ms informacin debido a que permite la comparacin de todas las alternativas de eleccin disponibles, aunque es ms difcil de aplicar. La eleccin es lo que trata de pronosticarse, razn por la cual los diseos de eleccin han sido los ms utilizados en los ltimos tiempos, aunque en las primeras aplicaciones empricas dominaban los diseos de jerarquizacin. Los

De Bradley y Kroes (1990), citado por Ortzar (2000).

diseos de eleccin han sido los ms aplicados al estudio de la demanda de transporte urbano. Las respuestas obtenidas son ms confiables si el contexto de eleccin est basado en la realidad, aunque pueden utilizarse en contextos de eleccin abstracta (por ej., modos de transporte no disponibles al momento de realizar la encuesta) con cierto cuidado. El conjunto de datos de la variable dependiente producido por cada respuesta revelar informacin que indica si una alternativa es elegida o no como as tambin el conjunto de alternativas existente (denominado conjunto de eleccin). Los principales factores a considerar para elegir el tipo de diseo experimental a utilizar son: el contexto de eleccin, el propsito del estudio y la presentacin simple y realista del problema. Considerando estos factores, el presente estudio desarrolla los fundamentos y el diseo de una encuesta de eleccin del modo de transporte en la realizacin de viajes urbanos al trabajo. La seleccin de este tipo de diseo experimental se basa en la necesidad de pronosticar la probabilidad (o cuota de mercado) de utilizacin de los modos de transporte pblicos masivos en comparacin con los modos de transporte privados y pblicos no masivos. Como ya se seal, los diseos de eleccin resultan ms cercanos al comportamiento habitual de eleccin de los individuos que las jerarquizaciones y los escalamientos. Por otra parte, de la estimacin de modelos de demanda de eleccin discreta pueden obtenerse las valoraciones subjetivas que realizan los encuestados sobre cada uno de los atributos que caracterizan a cada alternativa de eleccin (modo de transporte en nuestro caso). Las etapas a seguir en el diseo del experimento de preferencias declaradas involucran: Identificacin del mbito de eleccin, los factores a considerar y su rango de variacin. Preparacin de una versin inicial del experimento, diseando un borrador del cuestionario a utilizar como instrumento de medicin. Realizacin de reuniones del tipo grupo focal, a fin de mejorar el cuestionario. En estas reuniones los participantes completan el cuestionario y exponen sus puntos de vista al respecto, con la finalidad de detectar posibles ambigedades o falencias. Evaluacin del resultado de la etapa anterior y rediseo del cuestionario. Realizacin de un pre-examen a travs de una encuesta piloto, para evaluar los resultados y redisear el cuestionario de ser necesario. Realizacin de una simulacin, para verificar si el cuestionario permite recuperar los valores de los parmetros de cada atributo, utilizando mtodos economtricos que permiten obtener la bondad del ajuste de las estimaciones. A continuacin se analizan cada una de las tres categoras de encuesta mencionadas, escalamiento, jerarquizacin y eleccin; presentando ejemplos de la situacin de eleccin a presentar a los encuestados (consumidores) y de los datos provistos por cada tipo de respuesta en relacin con la estimacin de la demanda a realizar. 3.1. Escalamiento (rating) En el escalamiento la respuesta es organizada en una escala numrica o semntica que indica satisfaccin, atractivo o probabilidad de uso de un medio de transporte determinado y que se transforma en una escala de utilidad bajo ciertas condiciones o supuestos establecidos por el investigador. As, pueden utilizarse diferentes mtodos de respuesta dependiendo de las creencias que tenga el investigador sobre la capacidad de los consumidores para reportar diferencias en grados de preferencia de las opciones, ratios de preferencia entre opciones, etc. Esto supone realizar supuestos muy fuertes sobre las habilidades cognitivas de los consumidores. Puede afirmarse en general que, mientas ms fuertes sean los supuestos realizados con respecto a las mediciones, ser menos probable satisfacerlas por lo tanto lo ms probable es que las medidas obtenidas estn sesgadas o sean invlidas (aunque confiables) (Louviere, et. al, 2000). El escalamiento posee unos

supuestos subyacentes ms fuertes sobre las habilidades cognoscitivas de los consumidores que las otras dos categoras de diseo experimental. Sirven para expresar grados de preferencia, siendo la ms utilizada en las aplicaciones empricas la que otorga a cada opcin una de las categoras que conforman una escala de categoras de eleccin (category rating scale). En estos casos, la decisin de eleccin entre dos modos de transporte (autobs y taxi/remis, por ejemplo) se concreta, utilizando una escala semntica, por ejemplo a travs de las respuestas: 1. 2. 3. 4. 5. Definitivamente uso autobs Probablemente uso autobs No hay preferencia / podra usar cualquiera de los dos modos presentados. Probablemente uso taxi/remis. Definitivamente uso taxi/remis.

A continuacin, en la Tabla 1, se presenta otro ejemplo que ilustra cmo un consumidor debe elegir entre cuatro opciones de viaje para trasladarse a su trabajo: Tabla 1 Escala numrica de eleccin de modos opcionales de viaje al trabajo
Modos de transporte para el viaje al Probabilidad de uso del trabajo consumidor (en escala de 0 a 10) Tomar autobs 4 Tomar taxi 4 Conducir el auto propio (conductor) 10 Viajar como acompaante en auto no 7 propio (auto compartido)

Cabe preguntar, qu implican estas elecciones con respecto a las preferencias del consumidor?. La respuesta no es obvia dado que en este caso no existe teora disponible para interpretar el significado de la diferencia entre una calificacin de 4 y una de 7. Puede inferirse sin embargo, que existe informacin ordinal en los datos que permite transformar las calificaciones del escalamiento en una jerarquizacin e interpretarlas. Al transformar el escalamiento en jerarquizacin puede inferirse un ranking de preferencia tal como: Auto f autobs, tren, acompaante en automvil Acompaante en automvil f autobs, taxi Autobs = taxi Donde el smbolo f significa preferido a. Estos datos estn ordenados de manera ms dbil que un ranking (o jerarquizacin) completo pero menos dbilmente ordenados que los datos de respuestas discretas y del tipo s/no. El conjunto de eleccin y los datos codificados de la variable dependiente (eleccin) provistos por un experimento de preferencias declaradas de escalamiento traducidas en la jerarquizacin de las alternativas se presenta en la Tabla 2. Tabla 2 Creacin de conjuntos de eleccin y codificacin de elecciones a partir de las respuestas de un escenario del experimento de escalamiento
Conjunto de eleccin 1 1 1 1 2 2 2 Alternativa Auto (conductor) Auto (acompaante) Taxi Autobs Auto (acompaante) Taxi Autobs Eleccin codificada 1 0 0 0 1 0 0

Al haber traducido en una jerarquizacin a la preferencia declarada del escenario del experimento de escalamiento presentado se han conformado dos conjuntos de eleccin. El primero involucra a los cuatro modos de transporte considerados, codificando la respuesta con un 1 (preferido) para el modo de viaje en automvil conducido por el entrevistado y 0 para las dems (no preferidas). El segundo conjunto de eleccin queda conformado por los tres modos de transporte restantes una vez eliminado el preferido en primera instancia. Aqu el modo de viaje en automvil como acompaante obtiene una codificacin numrica de 1 (preferido) frente a las otras dos opciones de viaje en taxi o autobs que se codifican con un cero (no preferido). Debido a que las alternativas de viaje en taxi o autobs poseen el mismo grado de preferencia, no existe otro conjunto de eleccin pertinente. 3.2. Jerarquizacin (ordenamiento completo) En la jerarquizacin propiamente dicha, en cada respuesta se comparan y ordenan todas las alternativas segn atractivo o preferencia. Luego se realiza la estimacin que permite encontrar una funcin de utilidad consistente con el orden de las alternativas escogido por el encuestado. La jerarquizacin puede obtenerse por dos caminos: (a) pidiendo al consumidor que ordene los modos de transporte directamente, (b) observando sus elecciones a travs de un periodo largo de tiempo y luego ordenando segn frecuencia de uso. En esta categora de diseo experimental existen ciertas particularidades a considerar antes de tratar de obtener los datos, entre ellas: A medida que aumenta el nmero de opciones a ser ordenadas (rankeadas) aumentan las dificultades para llevarlo a cabo por parte del consumidor o encuestado, La confiabilidad de las respuestas es afectada por el nmero de opciones a ser ordenadas y el grado de preferencia por cada una. Es decir que la confiabilidad del experimento podra disminuir a medida que aumenta el nmero de opciones. Habra de esperarse una mayor confiabilidad para las opciones ms deseadas o no deseadas y una menor confiabilidad para las opciones intermedias. No queda clara la confiabilidad y validez de la informacin con respecto al ordenamiento (ranking) de opciones que nunca seran elegidas. En este sentido debe quedar claro que muchos problemas de modelacin de eleccin requieren informacin sobre la no eleccin, es decir, la opcin de elegir ninguna de las opciones ofrecidas. De esta manera un ordenamiento completo podra generar informacin ambigua a menos que pudiera restringirse el ranking completo a aquellas opciones que el consumidor realmente podra elegir, situacin en la que hay poco consenso sobre la posibilidad de realizarlo de manera confiable y vlida. No queda clara la confiabilidad y validez de la informacin con respecto al ordenamiento de opciones que no son conocidas (o no son bien conocidas) para el consumidor. Tabla 3 Ordenamiento completo de eleccin de modos opcionales de viaje al trabajo
Modos (marcas) de transporte para el Ranking u orden viaje al trabajo probabilidad de uso Tomar autobs 3 Tomar taxi 4 Conducir el auto propio (conductor) 1 Viajar como acompaante en auto no 2 propio (auto compartido) segn

Dado el ordenamiento completo de preferencias presentado en la Tabla 3, puede inferirse que: Auto (conductor) f autobs, taxi y auto (acompaante) Auto (acompaante) f autobs y taxi Autobs f taxi

Esta informacin est fuertemente ordenada y provee un orden de preferencias completo a pesar de no brindar informacin sobre grados o diferencias de preferencias. En la Tabla 4 se presenta el conjunto de eleccin y los datos codificados de la variable dependiente (eleccin) provisto por el experimento de preferencias declaradas de jerarquizacin derivado de la Tabla 3. Tabla 4 Creacin de conjuntos de eleccin y codificacin de elecciones a partir de la respuesta de un escenario del experimento de jerarquizacin
Conjunto de eleccin 1 1 1 1 2 2 2 3 3 Alternativa Auto (conductor) Auto (acompaante) Taxi Autobs Auto (acompaante) Taxi Autobs Taxi Autobs Eleccin codificada 1 0 0 0 1 0 0 1 0

En este escenario presentado al encuestado, ste ha elegido como modo de transporte ms preferido el automvil propio conducido por l, seguido del viaje en automvil como acompaante, el autobs y el taxi en ese orden. De esta eleccin se pueden conformar tres conjuntos de eleccin, en el primero el consumidor elige conducir su automvil frente a las tres opciones de viaje alternativas; en el segundo conjunto de eleccin el consumidor elige viajar en automvil como acompaante frente a las alternativas de viajar en taxi o autobs; en el tercer conjunto de eleccin el consumidor elige viajar en taxi frente a viajar en autobs. La codificacin de la variable dependiente que refleja la eleccin del consumidor se presenta en la tercer columna de la tabla 4, as es que en el primer conjunto de eleccin se le asigna un valor de 1 (preferido) a la alternativa de viaje en automvil como conductor y un valor de cero a las restantes (no preferidas frente a la anterior). En el segundo conjunto de eleccin ya no se considera la alternativa de viajar en automvil como conductor (por haberse considerado en el primer conjunto de eleccin), asignando un valor de 1 (preferido) a la alternativa de viajar en automvil como acompaante frente a las otras dos opciones de viaje en taxi o autobs que se codifican con un cero (no preferidas). En el tercer conjunto de eleccin ya no se considera la alternativa de viajar en automvil ni como conductor ni como acompaante, comparndose la alternativa de viaje en taxi frente a autobs y codificndose con un 1 (preferido) al viaje en taxi frente al viaje en autobs que se codifica con un cero (no preferido). 3.3. Eleccin En los experimentos de eleccin, el encuestado simplemente debe escoger la alternativa que considere mejor, dentro del conjunto disponible de alternativas presentadas. Existen dos posibilidades de aplicacin: Eleccin discreta de una opcin de un conjunto de alternativas. Eleccin discreta que clasifica un conjunto de opciones en dos grupos del tipo: prefiero esta opcin/no prefiero esta opcin, considerar/no considerar. El primer caso puede ejemplificarse a partir de la Tabla 5, en la cual se presentan las diferentes opciones de viaje al trabajo y de las cuales el encuestado debe elegir solo una.

Tabla 5 Eleccin discreta del modo de viaje al trabajo Modos (marcas) de transporte para Eleccin el viaje al trabajo una X) Tomar autobs Tomar taxi Conducir el auto propio (conductor) Viajar como acompaante en auto no propio (auto compartido)

(marcada

con

La informacin brindada por la eleccin anterior revela que: Auto f autobs, taxi, auto compartido Autobs = taxi = auto compartido Se dice que esta informacin est muy dbilmente ordenada no pudiendo determinarse a partir de ella un ordenamiento completo de preferencias para este consumidor. Para conocer el ordenamiento completo y la manera en que es probable que cambie en respuesta a cambios en los atributos de los modos de transporte, el sistema de transporte, las caractersticas de los individuos o el ambiente general, se necesitaran: (a) ms respuestas discretas de un mismo individuo y/o (b) respuestas de ms individuos considerando un amplio rango de atributos. Los conjuntos de eleccin y la codificacin de las elecciones resultantes se presentan en la Tabla 6. Tabla 6 Creacin de conjuntos de eleccin y codificacin de elecciones a partir de la respuesta de un escenario del experimento de eleccin discreta Conjunto de eleccin Alternativa Eleccin codificada 1 Auto (conductor) 1 1 Auto (acompaante) 0 1 Taxi 0 1 Autobs 0 Como puede apreciarse, un experimento de eleccin discreta genera solo un conjunto de eleccin y la codificacin de las respuestas con un 1 para la opcin (modo de transporte) elegida y ceros para las dems. Como ejemplo y ante la posibilidad de realizar una encuesta a una muestra de individuos considerando un amplio rango de atributos (entre ellos, costo monetario del viaje, tiempo de viaje, tiempo de acceso y tiempo de espera), en la Tabla 7 se presenta una situacin (o escenario) de eleccin que puede formar parte de una encuesta para la eleccin de modo de transporte para viajar al trabajo entre los cuatro modos considerados antes (que puede consistir en un recorrido promedio aproximado de 6 km en la ciudad de Crdoba, por ejemplo).

Tabla 7 Eleccin discreta del modo de viaje al trabajo considerando los atributos de cada modo de transporte Medio de Costo del Frecuencia Tiempo de Tiempo de Eleccin (Marque con Transporte transporte acceso viaje una X la respuesta elegida) Autobs $ 1,20 Cada 15 15 minutos 15 minutos minutos Taxi/remis $ 3,10 Inmediato 10 minutos 10 minutos Auto (conductor) $ 0,80 Inmediato Inmediato 10 minutos X Auto (acompaante) $ 0,40 Inmediato 10 minutos 10 minutos En este tipo de encuestas de eleccin generalmente se utilizan de 9 a 12 situaciones de eleccin como la anterior (para evitar el efecto fatiga del entrevistado al que se le presentan un nmero mayor de opciones o tratamientos)2. En general, se presentan dos opciones de eleccin y en algunos casos tres opciones (o modos de transporte), considerando adems hasta 4 o 5 atributos de eleccin con dos o tres niveles cada uno. Por otra parte, en las situaciones de eleccin del tipo prefiero/no prefiero, la informacin puede provenir de dos fuentes: Por medio de la observacin de las elecciones de modo de viaje al trabajo en un periodo de una semana de trabajo (cinco das por ejemplo), Preguntando al consumidor o usuario qu modos considerara seriamente para utilizar en su eleccin de viaje al trabajo, tal que responda no a cualquier opcin que no usara en circunstancias normales. La forma de presentar la eleccin del modo de viaje al trabajo en este caso se ilustra en la Tabla 8, en la cual el consumidor debe reportar si cada una de las opciones le parece atractiva (y posible) o no. Tabla 8 Aceptacin o rechazo de opciones de modo de viaje al trabajo Modos (marcas) de transporte para el Considerara esta opcin? viaje al trabajo Tomar autobs No Tomar taxi No Conducir el auto propio (conductor) S Viajar como acompaante en auto no S propio (auto compartido) La informacin brindada por la eleccin anterior revela que: Auto f autobs, taxi Auto compartido f autobs, taxi Auto = auto compartido, autobs = taxi De nuevo puede decirse que esta informacin est dbilmente ordenada y para obtener un ordenamiento completo de las preferencias se necesitaran: (a) ms respuestas del tipo
Aunque en los ltimos desarrollos se afirma que las encuestas con mayor nmero de escenarios pueden generar mejoras en las estimaciones de demanda sin generarse los problemas que se advertan antes (Louviere, et. al. 2000).
2

s/no de un mismo individuo y/o (b) respuestas de ms individuos. De todos modos se considera que en este caso se obtiene informacin un poco ms completa sobre las preferencias que en el caso de la eleccin discreta nica del caso anterior. En la tabla 9 se presentan los conjuntos de eleccin y la codificacin de las respuestas de eleccin de este tipo de experimento. Este experimento de eleccin discreta del tipo s/no genera dos conjuntos de eleccin que involucran a todas las alternativas codificando con un valor de uno a la alternativa elegida frente a las dems codificadas con un valor de cero. En este caso, debido a que resultan preferidas las alternativas de viaje en automvil (conductor y acompaante) frente a las dems, el primer conjunto de eleccin otorga una codificacin de uno para la alternativa de viaje en automvil (conductor) y cero a las dems incluido el viaje como acompaante en automvil, mientras que el segundo conjunto de eleccin otorga una codificacin de uno para la alternativa de viaje en automvil como acompaante y cero a las dems incluida la de viaje en automvil como conductor. Tabla 9 Creacin de conjuntos de eleccin y codificacin de elecciones a partir de la respuesta de un escenario del experimento de eleccin del tipo s/no Conjunto de eleccin Alternativa Eleccin codificada 1 Auto (conductor) 1 1 Auto (acompaante) 0 1 Taxi 0 1 Autobs 0 2 Auto (conductor) 0 2 Auto (acompaante) 1 2 Taxi 0 2 Autobs 0 Finalmente, la estimacin de la utilidad involucra el uso de tcnicas economtricas de eleccin discreta como los modelos logit o probit, que se aplican basadas en la teora de la utilidad aleatoria. En el apartado 5 se presentan los aspectos tericos que fundamentan el uso de un modelo determinado para realizar las estimaciones. 3.4. Diseo del experimento en relacin con las variables independientes o atributos de las alternativas Todo diseo experimental de preferencias declaradas consiste en una serie de variables independientes (los atributos de los modos de transporte en este caso, por ejemplo el costo monetario del viaje, el tiempo de viaje, etc.) que estn relacionadas con una variable dependiente (en este estudio, la eleccin del modo de transporte para realizar un viaje tipo, por ejemplo: mnibus, automvil particular o taxi/remis). Las variables independientes pueden expresarse en una escala continua (como por ejemplo, el tiempo de viaje o el tiempo de espera) o en una escala discreta (ej., la calidad del servicio). Cada variable independiente (denominada factor o atributo) se caracteriza por una determinada cantidad de niveles (o valores). Por ejemplo, una de las variables clave a considerar en todo experimento de eleccin modal ser el precio o tarifa de los servicios de transporte pblico de pasajeros, que podra incluir tres niveles: $0,80, $1, $1,20. Cada nivel de un factor que caracteriza a una alternativa recibe el nombre de tratamiento. Si ms de un factor es manipulado presentando distintas combinaciones de niveles de factores, se habla de tratamiento combinado. Por ejemplo, si un diseo factorial posee dos atributos con dos niveles cada uno, la cantidad de posibles combinaciones es igual a 22 = 4; si tenemos tres atributos con dos niveles cada uno, entonces existirn 23 = 8 tratamientos o escenarios de eleccin. Los diseos factoriales son diseos de experimentos en los cuales cada nivel de cada atributo se combina con todos los niveles de los dems atributos. Entonces, es la simple

10

enumeracin factorial de todas las posibles combinaciones de niveles de los atributos. Cuando esta enumeracin es completa se habla de un diseo factorial total (full factorial) y garantiza que todos los efectos de inters de los atributos son independientes, por lo que se dice que los atributos son independientes por diseo. Por lo tanto, los parmetros de inters en los modelos de eleccin especificados podrn estimarse independientemente con los resultados del experimento. Un efecto desde el punto de vista de la estadstica matemtica es una comparacin de las medias de los niveles a travs de restricciones ortogonales. Un efecto principal es la diferencia en las medias de cada nivel de un atributo particular y la gran media tal que la suma de las diferencias sea cero. Los efectos de interaccin entre dos atributos ocurren si las preferencias de los consumidores con respecto a los niveles de un primer atributo dependen de los niveles de un segundo atributo, por ejemplo la existencia de una relacin entre calidad y precio. Esto forma la base de los diseos experimentales factoriales, por medio de los cuales se determina el total de combinaciones posibles de cada atributo o factor con sus respectivos niveles. Si consideramos un experimento de eleccin modal con tres atributos, a saber: precio o costo monetario de viaje, tiempo de viaje y tiempo de espera; con dos niveles cada uno se tendr un total de 32 combinaciones posibles. Una vez obtenido el total de combinaciones posibles se utilizan tablas (denominados planes maestros) que muestran el nmero de situaciones hipotticas (opciones presentadas al encuestado) requeridas que garanticen la independencia entre las distintas opciones.3 Existen diseos experimentales que involucran efectos principales y otros que permiten estimar interacciones entre atributos, considerados a travs de una especificacin multiplicativa de los mismos en la funcin de utilidad del individuo. Cabe sealar, que el nmero de combinaciones posibles (opciones) en un experimento crece en forma exponencial con el nmero de factores o atributos considerados. Por esta ltima razn es que la eleccin de diseos factoriales completos (o totales) que permiten considerar en la modelacin todas las posibles interacciones requiere construir un gran nmero de opciones en la encuesta. Para solucionar este problema y minimizar el sesgo por fatiga del encuestado, se utilizan diseos factoriales fraccionales que desprecian las interacciones de algunos o todos los atributos, suponiendo que algunas interacciones entre atributos tienen una influencia despreciable en la respuesta. Los diseos factoriales fraccionales son formas de seleccionar sistemticamente subconjuntos de tratamientos combinados del diseo factorial total, tal que los efectos de inters primordial puedan estimarse de la manera ms eficiente, suponiendo que algunas interacciones no son importantes o significativas. En general, los diseos factoriales implican una prdida de informacin estadstica, requiriendo realizar supuestos sobre la no significatividad de efectos de orden superior, por ejemplo: interacciones entre dos o ms atributos. En general, se argumenta que para modelos lineales: Los efectos principales representan del 70% al 90% de la varianza explicada de la variable dependiente, Las interacciones de a pares de atributos representan entre el 5% y el 15% Las interacciones de mayor orden representan el porcentaje restante de la varianza explicada. Existen dos metodologas a seguir para seleccionar el diseo experimental factorial adecuado, a saber: a) Una vez determinado el nmero de variables o atributos en el experimento, los niveles de cada uno y las interacciones entre atributos, debe encontrarse un plan maestro (master plan) que permita estimar los efectos principales e interacciones especificadas en el modelo de eleccin.
Uno de estos planes maestros es el diseado por Han y Shapiro (1966) que se utiliza en este estudio para generar el diseo factorial que servir para presentar los distintos escenarios de eleccin a los encuestados.
3

11

b) Se establece en primer trmino el nmero de situaciones experimentales o escenarios de eleccin unido a limitaciones en el nmero de escenarios a presentar a los encuestados o considerando limitaciones presupuestarias. Se determina el nmero de variables o atributos (efectos principales) e interacciones, luego el nmero de niveles de algunas variables pueden ajustarse para mantener u obtener el nmero mximo de escenarios dentro de los lmites especificados previamente. Una variacin de este mtodo se da cuando es deseable sumar una o ms variables o niveles al experimento si puede encontrarse un diseo que no exceda el lmite de nmero mximo de escenarios especificados. En este caso, se localiza dentro del plan maestro la familia de planes que permitan el uso de la configuracin mnima y luego se investiga si es posible aumentar el nmero de variables o de niveles sin aumentar el tamao de la muestra de escenarios presentados, sin disminuir el nmero de interacciones estimables por debajo de un nmero deseado o sin disminuir los grados de libertad de los residuos por debajo de un nivel mnimo. Para ilustrar el procedimiento de diseo factorial, a continuacin se considera el caso de un diseo experimental de eleccin de modo de transporte en el que se determina que las variables ms importantes para modelar la decisin de eleccin entre el uso de taxi/remis y mnibus urbano son las siguientes: tarifa o costo del transporte y tiempo de viaje y tiempo de espera (ver Tabla 10). Se establece adems, la necesidad de contar con dos niveles de cada uno de los tres atributos de cada modo de transporte. As, un diseo factorial completo (o total) para uno de los modos de transporte considerados en la eleccin estara formado por 23 = 8 alternativas de eleccin y sera el siguiente: Tabla 10: Ejemplo de diseo factorial completo Factor o Factor o Factor o Atributo 2: Atributo 3: Conjunto Atributo 1: Tiempo de Tiempo de espera viaje de eleccin Tarifa 1 0 0 0 2 0 0 1 3 0 1 0 4 0 1 1 5 1 0 0 6 1 0 1 7 1 1 0 8 1 1 1 En la tabla anterior se combinan de todas las maneras posibles los dos niveles de cada uno de los tres atributos presentados. Los niveles de cada atributo se han denotado con los nmeros 0 y 1, denominados cdigos de diseo.4 La correlacin entre las columnas de los atributos es nula, situacin que se deriva de la ortogonalidad del diseo factorial completo. El diseo factorial completo permite estimar los efectos principales de todos los atributos y los efectos de interaccin entre pares de atributos, que se asumen independientes de los efectos principales. As, si se quisiera presentar en cada conjunto de eleccin los dos modos de transporte y solicitarle al encuestado que decida entre cada uno de ellos en cada situacin o escenario de eleccin, una estrategia sera presentar aleatoriamente y sin reemplazo pares de conjuntos de eleccin para los dos modos de transporte considerado. Por ejemplo, podra presentarse el caso de la Tabla 11.
Existen tambin los denominados cdigos ortogonales, que son transformaciones de los cdigos originales tales que la suma de cada columna sea cero y el producto interno de cada par de columnas tambin sea cero.
4

12

Esta estrategia pierde la ortogonalidad entre los atributos, razn por la cual no es la mejor. Otra estrategia sera utilizar una fraccin ortogonal del diseo factorial completo de 26 de por ejemplo 26-3 = 23 = 8 conjuntos de eleccin o perfiles, denominado diseo factorial fraccional. El diseo se presenta en la Tabla 12. Tabla 11: Diseo con presentacin aleatoria de conjuntos de eleccin
Modo de transporte: taxi/remis Factor 3: Factor 2: Tiempo de Tiempo de Conjunto de Factor 1: espera viaje eleccin Tarifa 3 0 1 0 5 1 0 0 2 0 0 1 7 1 1 0 1 0 0 0 6 1 0 1 8 1 1 1 4 0 1 1 Modo de transporte: mnibus Factor 3: Factor 2: Tiempo de Tiempo de Conjunto de Factor 1: espera viaje eleccin Tarifa 6 1 0 1 2 0 0 1 7 1 1 0 4 0 1 1 3 0 1 0 1 0 0 0 5 1 0 0 8 1 1 1

Tabla 12: Diseo factorial fraccional ortogonal de 26-3 conjuntos de eleccin

Modo de transporte: taxi/remis Factor 3: Factor 2: Tiempo de Tiempo de Factor 1: espera viaje Tarifa 0 0 0 0 0 1 0 1 0 0 1 1 1 0 0 1 0 1 1 1 0 1 1 1 Modo de transporte: mnibus Factor 3: Factor 2: Tiempo de Tiempo de Factor 1: espera viaje Tarifa 0 0 0 0 1 1 1 1 1 1 0 0 1 1 0 1 0 1 0 0 1 0 1 0

Perfil 1 2 3 4 5 6 7 8

Este diseo conserva la ortogonalidad entre los distintos atributos de toda la matriz donde se combinan los niveles de los atributos y permite estimar el modelo de utilidad especificado sin multicolinealidad en las variables y haciendo que los atributos estn independientemente distribuidos. Sin embargo, supone que no todos los efectos principales son independientes de las interacciones de 2 factores, por lo cual pueden confundirse los efectos principales con las interacciones de 2 factores, lo que provocar que puedan obtenerse estimaciones de los modelos de eleccin que no sean eficientes. Adems, existe slo un efecto principal que es independiente de las interacciones de 2 factores (variables o atributos), pudiendo estimarse de manera independiente nicamente las interacciones de los 2 factores presentados en las columnas quinta y sptima, es decir, la tarifa y el tiempo de espera del mnibus. Todos las dems interacciones de factores se consideran despreciables. Un diseo fraccional ortogonal para este ejemplo que permitira estimar todos los efectos principales de manera independiente a las interacciones de 2 factores, suponiendo adems en el modelo seis interacciones independientes de dos factores es el presentado en la Tabla 13 y se compone de 16 escenarios de eleccin. Finalmente, Fowkes y Wardman (1988) realizaron una serie de recomendaciones a considerar en el diseo de experimentos de preferencias declaradas, que vale la pena reproducir aqu: a) los anlisis de compromisos (trade-offs) presentados a los encuestados deben cubrir un rango amplio de variacin en los gustos de los individuos; b) considerar especialmente los efectos que quieren estimarse (principales o interacciones) en el diseo del experimento;

13

c) los valores de los atributos deben seleccionarse de manera que sean interpretados como realistas por parte de los encuestados; d) cuando se utilizan diseos factoriales ortogonales es posible que se generen escenarios de eleccin no realistas por lo tanto habr que controlar este problema. En este caso los escenarios de respuesta deben ajustarse eliminando las opciones que no son realistas o pueden ser consideradas como no factibles por los encuestados tratando de no generar altas correlaciones entre atributos; e) cuando existe evidencia de correlacin entre atributos en el modelo terico especificado, puede que los diseos ortogonales no sean apropiados; f) si el diseo del experimento presenta diferencias entre los atributos que sean imperceptibles o ignoradas por los encuestados, debiendo presentarse claramente las situaciones de compromiso entre niveles de los atributos de las distintas opciones, incluso a veces ser necesario igualar los valores de algunos atributos para distintas alternativas, situacin que en la teora del diseo experimental sera considerada un mal diseo; g) la determinacin de los valores de los atributos debe realizarse en total relacin con el objetivo del estudio, es decir, ofrecer situaciones de eleccin a los encuestados tal que pueda realizarse la estimacin de los parmetros del modelo de eleccin discreta especificado; h) la eleccin de los valores especficos de los atributos debe considerar las valoraciones relativas de los atributos a partir de las cuales los consumidores resultan indiferentes entre las opciones. Para alcanzar un diseo experimental satisfactorio el conjunto de estas valoraciones relativas de frontera o de isoutilidad debe cubrir un amplio rango de variacin potencial de los gustos y la incertidumbre alrededor de un probable valor promedio; i) finalmente deben realizarse pruebas de consistencia y racionalidad de las respuestas ofrecidas en la encuesta, relacionadas con: la verificacin de que los escenarios de eleccin presentados no sean dominantes o si se presenten algunos escenarios dominantes lo sean para verificar la racionalidad de las respuestas; la verificacin de procesos individuales de decisin basados en preferencias compensatorias o no compensatorias; la consideracin de las valoraciones relativas de los atributos derivadas de las respuestas de cada individuo. Tabla 13: Ejemplo de diseo fraccional ortogonal para estimar efectos principales
Modo de transporte: taxi/remis Factor 2: Factor 3: Factor 1: Tiempo de Tiempo de Tarifa viaje espera 0 0 0 0 0 0 0 0 1 0 0 1 0 1 0 0 1 0 0 1 1 0 1 1 1 0 0 1 0 0 1 0 1 1 0 1 1 1 0 1 1 0 1 1 1 1 1 1 Modo de transporte: mnibus Factor 2: Factor 3: Factor 1: Tiempo de Tiempo de Tarifa viaje espera 0 0 0 1 1 1 0 1 1 1 0 0 0 0 1 1 1 0 0 1 0 1 0 1 0 1 0 1 0 1 0 0 1 1 1 0 0 1 1 1 0 0 0 0 0 1 1 1

Perfil 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Fuente: Elaboracin propia con base en Han y Shapiro (1966).

14

Adems de utilizar diseos factoriales fraccionales, algunas de las estrategias utilizadas para disminuir el nmero de opciones presentadas involucran: reducir el nmero de niveles o el nmero de atributos; realizar una presentacin aleatoria de un subconjunto de opciones; realizar una serie de experimentos con cada individuo, ofreciendo diferentes atributos, pero manteniendo al menos un atributo comn a todos, para permitir comparaciones relativas de preferencia sobre todos los atributos objeto de investigacin; eliminar las opciones que puedan dominar o ser dominadas por el resto de las alternativas disponibles manteniendo al menos una para realizar una validacin de confiabilidad de las respuestas dadas por el entrevistado; realizar un diseo en la diferencia de los atributos, reduciendo el nmero de atributos y tratamientos (situaciones de eleccin) en una cantidad considerable. Por ejemplo, un diseo experimental de dos alternativas (o modos de transporte) con tres atributos cada uno (lo que hace un total de seis atributos) con cuatro niveles cada uno puede presentarse a travs de un diseo fraccional de 25 tratamientos; presentando los atributos en diferencias se reduce a tres atributos (en diferencias de los niveles de los atributos de las alternativas originales) y 16 tratamientos en total. De esta manera, el diseo experimental es ortogonal en las diferencias de los atributos. De todos modos, la presentacin de los tratamientos debe hacerse en valores absolutos de los niveles de los atributos de manera que los entrevistados puedan realizar la eleccin de la alternativa de manera ms realista. Esta ltima estrategia para disminuir el nmero de escenarios de eleccin presentados a cada encuestado se utiliza cuando se estimar un modelo binario (logit por ejemplo) y es el denominado diseo factorial en diferencias de los atributos. As, si queremos presentar una situacin de eleccin de dos alternativas (modos de transporte por ejemplo), donde cada una de las alternativas cuenta con tres atributos a dos niveles cada uno, un diseo factorial total dara como resultado un total de 23x2 = 26 = 64 perfiles o escenarios de eleccin. Al especificar el modelo de eleccin en las diferencias de los atributos, el nmero de escenarios se reduce a 23 = 8, ms conveniente para los encuestados. Como se muestra en la Tabla 14, al disear el experimento en las diferencias de los atributos es necesario conservar la ortogonalidad de la diferencia de los atributos, dado que generalmente se perder esta ortogonalidad entre los atributos originales debido a la disminucin del nmero de perfiles o escenarios de combinacin de niveles de atributos. Tabla 14: Diseo ortogonal en diferencias
Modo de transporte: taxi/remis Factor 1: Factor 2: Tarifa o Tiempo de costo viaje (min) Diferencia codificada en Modo de transporte: mnibus Diferencia absoluta de niveles forma binaria Factor 3: Factor 3: Factor 3: Factor 3: Factor 1: Factor 2: Tiempo de Factor 1: Factor 2: Tiempo de Factor 1: Factor 2: Tiempo Tiempo de Tarifa o Tiempo de espera Tarifa o Tiempo de espera Tarifa o Tiempo de espera (min) costo viaje (min) (min) costo viaje (min) (min) costo de viaje espera

Perfil

1 2 3 4 5 6 7 8

$ $ $ $ $ $ $ $

4,00 4,00 4,00 4,00 2,50 2,50 2,50 2,50

25 25 20 20 25 25 20 20

5 10 5 10 5 10 5 10

$ $ $ $ $ $ $ $

1,20 1,20 1,20 1,20 0,80 0,80 0,80 0,80

40 40 30 30 40 40 30 30

15 25 15 25 15 25 15 25

$ $ $ $ $ $ $ $

-2,80 -2,80 -2,80 -2,80 -1,70 -1,70 -1,70 -1,70

15 15 10 10 15 15 10 10

10 15 10 15 10 15 10 15

0 0 0 0 1 1 1 1

0 0 1 1 0 0 1 1

0 1 0 1 0 1 0 1

Como ya se ha sealado, los diseos factoriales fraccionales ortogonales se generan de manera tal que los atributos del diseo sean estadsticamente independientes o no correlacionados. En este tipo de diseo la eficiencia estadstica del diseo no se considera. La caracterstica principal es que al presentar combinaciones de niveles de atributos que son independientes (o no correlacionados), se elimina el problema de la multicolinealidad al estimar economtricamente los modelos de eleccin discreta representativos de la utilidad de los individuos. Otro tipo de diseo experimental de eleccin diferente del diseo factorial

15

ortogonal es el denominado diseo experimental ptimo, presentado por Rose y Hensher (2004). Este tipo de diseo produce errores mnimos alrededor de los parmetros a estimar, son los denominados diseos D-ptimos, que en general no son ortogonales pero s los ms eficientes estadsticamente. 4. Fundamentacin terica y especificacin del modelo de eleccin El modelo terico postulado para realizar las estimaciones y los pronsticos se basa en la teora de la utilidad aleatoria y argumenta que, el individuo elige la alternativa que maximiza su utilidad una vez que se confronta con el ejercicio de eleccin, dados los atributos de los modos considerados y sus caractersticas socio-econmicas.5 La utilidad aleatoria puede expresarse como:

W jq = V jq + jq = U jq + jq
donde: Vjq es la parte mensurable determinstica, sistemtica o representativa de la utilidad aleatoria Wjq ; jq es un error aleatorio que refleja la idiosincrasia y los gustos individuales de los individuos en cada situacin de eleccin. Ujq es una pseudo-utilidad obtenida de un modelo de preferencias declaradas y jq representa el error de medicin en la variable dependiente asociado a un experimento de preferencias declaradas resultado por ejemplo del efecto fatiga en las respuestas. El subndice j se refiere a la alternativa (modo de transporte) considerada y q se refiere al individuo q-simo en la muestra. Asumiendo jq homocedsticas, la ecuacin puede re-escribirse como:

W jq = V jq + ( jq jq ) = V jq + jq
Y puede emplearse la metodologa de estimacin habitual utilizada en preferencias reveladas6. Para realizar predicciones o pronsticos resulta crucial una comprensin acabada de la magnitud jq y de la forma de estimar los jq y jq en forma separada usando datos mixtos de PD y PR para estimar el modelo. Diseos experimentales cuidadosos pueden hacer que iq sea insignificante en relacin a iq y el modelo estimado podr usarse entonces para realizar pronsticos. Como Ortzar y Willumsen (1994) afirman con respecto a la descomposicin de la utilidad y a la utilidad determinstica: para que la descomposicin sea correcta necesitamos una cierta homogeneidad en la poblacin bajo estudio. En principio requeriremos que todos los individuos compartan (enfrenten o tengan disponible) el mismo conjunto de alternativas y las mismas restricciones, y para llegar a esto quizs sea necesario segmentar el mercado. Por lo tanto, el individuo q elegira la alternativa j en el caso en que perciba que le otorgar una mayor utilidad que la alternativa i. Entonces, la parte sistemtica (o determinstica) de la utilidad individual a menudo se supone como una funcin aditiva lineal en los atributos, como:

V jq = CEA j + kj x jkq
k

En la cual los parmetros se asumen constantes para todos los individuos pero pueden variar entre alternativas. La CEA es la denominada constante especfica de la alternativa
En el caso de aplicacin considerado ms adelante no se consideran caractersticas socioeconmicas de los individuos y la utilidad es slo una funcin de los atributos de las alternativas (autobs y taxi/remis). 6 Este desarrollo se basa en Bates, J. (1988).
5

16

que representa la influencia neta de todas las caractersticas no observadas del individuo o de la alternativa en el modelo especificado, como son: comodidad y conveniencia de uso de un modo de transporte especfico. El individuo q elige la alternativa que maximiza su utilidad, es decir:

U jq U iq
donde los subndices i y j se refieren a las dos alternativas disponibles en este modelo binario. Esto es,

V jq + jq Viq + iq V jq Viq iq jq
Dado que el individuo elige la opcin que maximiza su utilidad, no conocemos el valor del lado derecho de la ltima desigualdad presentada y el procedimiento para determinar la probabilidad de elegir el modo j (alternativa j) por el individuo q viene dado por:

Pjq = Pr ob( iq jq V jq Viq , i , j )

Hasta aqu no es posible derivar una expresin analtica para el modelo sin conocer la distribucin de los residuos . Entonces, asumiendo que los residuos asociados a cada alternativa tienen una distribucin de Valor Extremo de Tipo I (o distribucin Weibull), tiene las mismas varianzas y no estn correlacionados, puede utilizarse el modelo LOGIT para la estimacin. Alternativamente, si los residuos siguen una distribucin de probabilidad normal debe aplicarse el modelo PROBIT. El modelo logit multinomial para la eleccin entre k alternativas expresa la probabilidad de que un individuo elija alguna alternativa j como una funcin de las utilidades de las k alternativas disponibles:

Pj =

exp(V
k

exp(V j )
k

En el caso binario, cuando solo tenemos dos alternativas disponibles denominadas i y j, el modelo es:

Pj =

exp(V j ) 1 1 = = exp(Vi ) + exp(V j ) 1 + exp(Vi V j ) 1 + exp (V j Vi )

Los dos ltimos miembros de la igualdad slo sern aplicables a las variables en diferencias cuando las variables que entran en la utilidad sistemtica sean genricas y los coeficientes sean fijos entre alternativas. A los fines de estimar un modelo binario que incluya la eleccin entre los modos de transporte: autobs y taxi/remis, la especificacin de la funcin de utilidad es:

U kq = Vkq + jq

17

Donde k=i para el taxi/remis y k=j para el modo de transporte autobs (denominado mnibus comn7), de tal manera que las utilidades sistemticas son:

V jq = CEAj + 1Toc + 2Coc + 3TEoc Viq = 1TVt + 2Ct + 3TEt

Este modelo simple especifica coeficientes genricos y efectos principales entre las variables independientes o atributos, que son los siguientes: Toc: tiempo de viaje en mnibus comn Coc: Costo de viaje de ida en mnibus comn TEoc: Tiempo de espera del mnibus comn. TVt: tiempo de viaje en taxi/remis Ct: Costo de viaje en taxi/remis TEt: tiempos de espera promedio en los taxi/remis Especificando no linealidades de los costos de viaje el modelo queda como:

V jq = CEAj + 1Toc + 2Coc + 3TEoc + 4Coc 2 Viq = 1TVt + 2Ct + 3TEt + 5Ct 2
Especificando efectos de interaccin de segundo orden el modelo sera:

jq

= CEA + Toc + Coc + TEoc + Toc * Coc + Toc * Foc + Coc * TEoc j 1 2 3 4 5 6

V = TVt + Ct + TEt + 7TVt * Ct + 8TVt * TEt + 9Ct * TEt iq 1 2 3

Los efectos de interaccin entre dos atributos se dan si las preferencias de los consumidores relacionadas con los niveles de un primer atributo dependen de los niveles del segundo atributo. Por ejemplo, si los consumidores son menos sensibles a los precios a medida que aumentan las frecuencias de servicio (calidad), la pendiente (coeficientes estimados) de la variable precio diferir segn los niveles de las frecuencias de los servicios, por lo tanto las preferencias por combinaciones de precio y frecuencia requerirn que se representen estas preferencias en la especificacin economtrica del modelo. En la especificacin anterior, se han incluido todas las interacciones de segundo orden entre los atributos presentados. Para especificar una segmentacin de mercado para los viajes por propsito trabajo y por propsito de esparcimiento (en tiempo de ocio), al modelo original se adicionan variables ficticias (dummies). El modelo original sin interacciones y en diferencias, incluyendo por ejemplo una segmentacin en la ordenada al origen y en las diferencias de los tiempos y los costos de viaje queda como:
V jq Viq = CEA j + 1 ( Toc TVt ) + 2 ( Coc Ct ) + 3 ( TEoc TEt ) + 4 B + 5 ( Toc TVt ) * B + 6 ( Coc Ct ) * B

Se adopta la denominacin mnibus comn para distinguirlo de los denominados mnibus diferenciales, que funcionaban hasta hace poco tiempo en la ciudad de Crdoba y que contaban con caractersticas de calidad superior a los mnibus urbanos convencionales.

18

Donde B es una variable ficticia que asume el valor 1 si el propsito del viaje es al trabajo o por trabajo (en horario de trabajo) y 0 si no lo es. As, en esta ltima especificacin del modelo, se presenta una segmentacin que diferencia en el modelo tanto la ordenada al origen como las pendientes de las variables tiempo y costo de viaje para los diferentes grupos de usuarios segn su propsito de viaje. Para poder especificar funciones de utilidad estrictamente aditivas debe verificarse que las preferencias sean independientes con respecto a los atributos, situacin improbable en muchos mercados reales. Por ltimo, con cualquiera de estas diferentes especificaciones puede ajustarse un modelo LOGIT y estimar la probabilidad (o cuota de mercado, es decir, la proporcin de usuarios) de eleccin entre los modos de transporte taxi/remis y mnibus comn en la Ciudad de Crdoba, luego pueden realizarse pronsticos utilizando las elasticidades estimadas y la estimacin de las valoraciones de los atributos, en este caso, el valor del tiempo de viaje y de espera. El diseo del experimento deber, por lo tanto, adecuarse a la forma funcional especificada de la utilidad sistemtica o determinstica, debiendo sealarse que aunque los efectos principales sean de gran inters en las aplicaciones prcticas de preferencias declaradas en contextos de eleccin de modo de transporte, se han encontrado evidencias de la existencia de efectos de interaccin entre atributos como tiempo de viaje, tarifa, distancia de caminata a la parada y frecuencia de servicio. Muchas aplicaciones en las reas de marketing, transporte y economa ambiental usan la especificacin simple del modelo logit multinomial (LMN), sin embargo, el uso de este modelo implica una serie de supuestos especficos, a saber: Trminos de error aleatorio independientes e idnticamente distribuidos. Especificacin de un modelo de corte transversal sin estructura de rezagos distribuidos, Gustos no separables y otros componentes que definen el rol de los atributos en cada expresin de utilidad indirecta (que se confunde con la escala). Parmetros de escala constantes en todas las alternativas y arbitrariamente normalizados al valor de uno. No existencia de heterogeneidad inobservable de las preferencias, Parmetros de utilidad fijos (no aleatorios). El modelo logit multinomial posee una propiedad importante denominada Independencia de las Alternativas Irrelevantes (IAI) que establece que la razn de las probabilidades de eleccin de una alternativa sobre otra (asumiendo que ambas tienen una probabilidad de eleccin distinta de cero) no ser afectada por la presencia o ausencia de cualesquiera alternativas adicionales en el conjunto de eleccin. De esta propiedad se deriva que los elementos aleatorios de la funcin de utilidad son independientes entre alternativas e idnticamente distribuidos. Como ya se apunt, suponer una funcin de distribucin de probabilidad de los residuos de valor extremo de tipo I (tambin denominada Weibull, Gumbel o doble exponencial) lleva a la especificacin del modelo LMN. Esta propiedad de IAI otorga al modelo una ventaja o fortaleza y una desventaja o debilidad. La ventaja es que provee un modelo de eleccin de clculo fcil, permitiendo introducir o eliminar alternativas en los conjuntos de eleccin sin necesidad de re-estimar el modelo8. Es decir, la presencia o ausencia de una alternativa preserva la razn de probabilidades asociadas a otras alternativas en el conjunto de eleccin (es decir, Pi/Pj no ser afectada por cambios en las caractersticas de la alternativa k). La desventaja es que los atributos observables e inobservables de la utilidad pueden no ser independientes y/o si los componentes inobservables de la utilidad estn correlacionados entre alternativas, esto llevar a parmetros de la funcin de utilidad sesgados, introduciendo significativos errores de prediccin del modelo. Este supuesto de IAI no es, a priori, deseable o indeseable. Solo es necesario probar su existencia a travs de test estadsticos adecuados, como el propuesto por Hausman y
8

Cualquier otra especificacin del modelo de eleccin requiere reestimacin.

19

McFadden (1984), para estar seguros de utilizar el modelo LMN y obtener buenas predicciones. Una caracterstica importante que surge al estimar modelos de eleccin discreta, y dentro de ellos el LMN, es el llamado problema del factor de escala que implica que los coeficientes del modelo LMN estarn multiplicados por un escalar relacionado con los errores en las respuestas de preferencias declaradas. Para exponer el problema, recordemos que los modelos basados en la utilidad aleatoria del tipo:

U i = Vi + i
donde: V es la utilidad determinstica u observable. es el trmino de error que representa efectos inobservables sobre la eleccin En un modelo de preferencias declaradas el trmino de error puede componerse por i = i* + ipd ; donde

* : representa la influencia sobre las elecciones reales que est presente en las respuestas
i

de preferencias declaradas. ipd : representa las influencias especficas de las elecciones de preferencias declaradas, producidas por: sesgos de respuesta, mala interpretacin, fatiga o incertidumbre. En el caso de dos alternativas, el modelo LMN expresado en diferencias es:

P1 =

1 1 + e (V
2

; V )
1

3 de

donde : es el factor de escala o parmetro de precisin, que es una funcin inversa de la desviacin estndar de los efectos inobservables o errores del modelo. de: es la desviacin estndar de la diferencia de los errores. En el modelo LMN el error aleatorio del modelo de eleccin es un problema debido a que no puede distinguir entre errores legtimos o no legtimos. Particularmente, el error especfico pd de preferencias declaradas ( i ) no ejerce influencia sobre el comportamiento real de los usuarios, pero influir en los pronsticos a realizar a travs del impacto que provoca en la escala de los coeficientes estimados. A medida que aumente el error especfico de preferencias declaradas, disminuir. Al estimar un modelo LMN se est asumiendo que el factor de escala es igual a la unidad. Las valoraciones relativas (como por ej., el valor del tiempo de viaje al trabajo en mnibus) no se vern afectadas ya que al obtenerse como resultado del cociente entre dos parmetros estimados de un modelo LMN que incluyen el mismo factor de escala. En la Tabla 15, se expone un ejemplo hipottico sencillo en el cual se exponen los resultados del pronstico de la cuota de mercado y de la valoracin de los ahorros de tiempo de viaje. Se considera una estimacin de modelos de eleccin de dos alternativas de transporte A y B, caracterizadas por dos variables o atributos que son: el tiempo de viaje y el costo del viaje, y las siguientes funciones de utilidad determinstica:

V A = 0,02 TA 0,01 C A VB = 0,02 TB 0,01 C B

20

Tabla 15: Relacin entre el pronstico y el factor de escala Factor de Tiempo Tiempo Costo de Costo escala de viaje viaje en de viaje viaje en modo modo A en modo modo VA A (TA) B (TB) (CA) (CB) 10 100 - 1,2 15 =1 10 100 - 0,6 15 = 0,5 10 100 0,12 15 = 0,1

de en B 50 50 50

VB - 0,8 - 0,4 - 0,08

PA 0,40 0,45 0,49

Como puede apreciarse, para un = 1, la proporcin pronosticada de usuarios del modo A es igual a 0,40; mientras que si = 0,5, la proporcin pronosticada de usuarios del modo A es igual a 0,45 y si = 0,1, la proporcin pronosticada ser de 0,49. El valor de los ahorros de tiempo de viaje viene determinado por el cociente entre el parmetro estimado para la variable T y el parmetro estimado para la variable C para cada uno de las alternativas de eleccin y es invariante ante distintos valores del factor de escala. Si por otra parte, se ignora la heterogeneidad de las preferencias pueden darse dos problemas. Primero, la varianza de los errores diferir entre situaciones de eleccin a medida que los atributos varan en sus diferentes niveles, pudiendo llevar a concluir falsamente que existen efectos de orden en el proceso de generacin de respuestas. Segundo, la heterogeneidad de las preferencias lleva a errores serialmente correlacionados y para obtener estimaciones eficientes de los parmetros del modelo de eleccin debera introducirse una estructura de heterogeneidad en el modelo. Por lo tanto, debe modelarse la heterogeneidad de manera de obtener predicciones vlidas con el modelo, debido a que la presencia de heterogeneidad alterar los efectos precio cruzados y llevar a la violacin de la IAI. Adicionalmente debe sealarse que el modelo LMN est sujeto a potenciales violaciones del supuesto de errores aleatorios de cada alternativa idnticamente distribuidos. Este supuesto implica que la sustitucin cruzada entre pares de alternativas son iguales y no afectadas por la presencia o ausencia de otras alternativas. Otros modelos consideran la relajacin de este supuesto, a saber: a) El modelo probit multinomial (PMN) relaja totalmente este supuesto, aunque es de ms difcil clculo que el modelo LMN. b) El modelo de McFadden denominado de valor extremo generalizado, que generaliza el modelo LMN relajando parcialmente el supuesto de existencia de errores independientes e idnticamente distribuidos de manera tal que los componentes estn correlacionados dentro de una particin del conjunto de eleccin pero no lo estn entre particiones. c) Un caso particular del modelo de valor extremo generalizado es el modelo LOGIT ANIDADO o jerrquico (NL)9, que permite unir decisiones diferentes pero interdependientes y descomponer una decisin simple para minimizar la restriccin de igualdad de sustitucin cruzada entre alternativas. d) Otros modelos ms recientes desarrollados relajan algunos de los supuestos del modelo LMN y de los modelos NL, entre ellos: el modelo HEV (de valor extremo heterocedstico); el modelo CovHet (logit de heterogeneidad de la covarianza); el modelo RPL (logit de parmetro aleatorio) tambin denominado logit mixto (ML); el modelo logit multinomial heteroscedstico de clase latente; el modelo probit multinomial multiperiodo (MPMNP).10

Adoptado por las siglas del ingls Nested logit. En este estudio no se profundizar en estos modelos dado que el objetivo es desarrollar un ejercicio completo de aplicacin de un diseo experimental para modelar la eleccin de modo de transporte aplicando el modelo logit multinomial. Para una revisin de estos distintos modelos avanzados ver Louviere, et. al. (2000), captulo 6.
10

21

5. Caso de aplicacin: diseo del cuestionario de preferencias declaradas Se ha optado por el diseo de un experimento de eleccin debido a que son los mejores a la hora de pronosticar el comportamiento de los usuarios ya que ellos finalmente deciden u optan por consumir o no consumir cierto bien o servicio. Adems permiten la posterior estimacin de modelos de demanda de eleccin discreta, a travs de los cuales pueden obtenerse las elasticidades de demanda con respecto a atributos especficos de las alternativas utilizadas (entre ellos, calidad de prestacin del servicio de transporte, tiempo de viaje, tiempo de espera, precio del servicio) y las valoraciones subjetivas que los consumidores poseen con respecto a estos atributos (valor del tiempo de viaje y espera). El contexto de eleccin a presentar a los individuos (ciudadanos de la Ciudad de Crdoba) se circunscribe a la eleccin del modo de transporte para realizar viajes al trabajo o al estudio, considerando el autobs (mnibus comn) y/o el taxi/remis. Los factores (variables o atributos) considerados involucran: el costo del viaje (tarifas en el caso del autobs o taxi/remis), el tiempo de viaje y el tiempo de espera. Cabe sealar que un viaje tpico posee una extensin entre cinco y seis kilmetros de recorrido, cuestin que debe ser aclarada en la encuesta. Se consideran adems, tres niveles de los atributos que se consideran. La encuesta de preferencias declaradas a realizar permitir estimar la demanda de transporte de mnibus y taxi/remis en la ciudad de Crdoba para viajes al trabajo (o estudio) o en horario de trabajo (o estudio) por medio de la estimacin de un modelo logit multinomial. La variable dependiente es la eleccin del modo de transporte a utilizar, entre mnibus o taxi/remis. Las variables independientes o atributos considerados y el nmero de niveles de cada uno son: Costo de viaje (3 niveles) Tiempo de viaje (3 niveles) Tiempo de espera (3 niveles) Un diseo factorial completo implicara la presentacin de 33x2 = 36 = 729 escenarios de eleccin, con la posibilidad de estimar todos los efectos principales e interacciones entre atributos. Se ha optado por utilizar un diseo factorial en diferencias de los atributos, con lo cual el nmero de escenarios a presentar en un diseo factorial completo sera de 33 = 27 perfiles o escenarios. Para reducir el nmero de escenarios de eleccin a los encuestados, se ha utilizado una fraccin de 33-1 = 32 = 9 del diseo factorial de 33. El diseo ortogonal en diferencias de atributos de las alternativas de viaje debe responder al esquema de la Tabla 16. Tabla 16: Diseo ortogonal en diferencias de los atributos

Modo de transporte: taxi/remis Factor 1: Factor 2: Tarifa o Tiempo de costo viaje (min)

Perfil

Modo de transporte: mnibus Diferencia absoluta de niveles Codificacin dummy Factor 3: Factor 3: Factor 3: Factor 3: Factor 1: Factor 2: Tiempo de Factor 1: Factor 2: Tiempo de Factor 1: Factor 2: Tiempo Tiempo de Tarifa o Tiempo de espera Tarifa o Tiempo de espera Tarifa o Tiempo de espera (min) costo viaje (min) (min) costo viaje (min) (min) costo de viaje espera

1 2 3 4 5 6 7 8 9

$ $ $ $ $ $ $ $ $

6,00 6,00 6,00 5,00 5,00 5,00 4,00 4,00 4,00

15 10 5 15 10 5 15 10 5

5 15 10 10 5 15 15 10 5

$ $ $ $ $ $ $ $ $

1,50 1,50 1,50 1,20 1,20 1,20 0,90 0,90 0,90

35 25 15 35 25 15 35 25 15

15 20 25 25 15 20 20 25 15

$ $ $ $ $ $ $ $ $

-4,50 -4,50 -4,50 -3,80 -3,80 -3,80 -3,10 -3,10 -3,10

20 15 10 20 15 10 20 15 10

10 5 15 15 10 5 5 15 10

0 0 0 1 1 1 2 2 2

0 1 2 0 1 2 0 1 2

0 2 1 1 0 2 2 1 0

22

Este diseo en diferencias supone que todos los efectos principales de las diferencias de los atributos son independientes de las interacciones de a pares de diferencias de atributos, pero no permite estimar interacciones de manera directa. Los niveles especificados en diferencia de los atributos, considerando la diferencia entre el transporte por mnibus menos el transporte por taxi/remis son los siguientes: Diferencia de Tarifas: - $ 4,50; - $ 3,80 y $ 3,10. Diferencia de tiempos de viaje: 10 minutos, 15 minutos y 20 minutos de viaje. Diferencia de tiempos de espera: 5, 10 y 15 minutos de espera. Se ha tenido cuidado de establecer los niveles de los costos de viaje y tiempos de viaje y de espera de acuerdo con la experiencia actual de los entrevistados, con valores centrales del intervalo de tarifas muy cercanos a la realidad. El experimento de eleccin entonces, utiliza un diseo factorial fraccional ortogonal en diferencias de las variables o atributos. En general, para disear el cuestionario de eleccin a utilizar en el experimento de preferencias declaradas, es necesario contar con alguna informacin adicional de los promedios de las variables de compromiso (o variables de trade-off) relacionadas con la valoracin otorgada por los usuarios (actuales y potenciales) a los atributos de viaje. Pueden utilizarse valores o funciones lmite para las valoraciones de tiempo de viaje y tiempo de espera, que permiten identificar los umbrales a partir de los cuales el consumidor diferencia claramente su preferencia de modo de transporte por encima o por debajo de dicho valor o funcin lmite. Dado que no existen en Argentina estimaciones de la valoracin de los tiempos de viaje ni de la valoracin de los tiempos de espera (las dos principales valoraciones utilizadas en el diseo de experimentos de preferencias declaradas para estudios de transporte pblico), el diseo realizado admitir un amplio rango de valoraciones del tiempo por parte de los consumidores. Asimismo, permitir contar con las primeras estimaciones de este tipo. Un diseo alternativo estara dado por: dos variables (o atributos) para cada alternativa de eleccin con tres niveles cada uno y una tercera variable con dos niveles, de los que se obtiene un nmero de combinaciones de las diferencias de los niveles (diseo factorial completo) igual a 32 x 21 = 18, que permite estimar todos los efectos de interaccin entre pares de atributos. En el Anexo 1 se presentan los dos cuestionarios derivados de los dos experimentos diseados. El cuestionario de la encuesta presenta el nivel de los atributos en trminos absolutos, los costos de viaje y los tiempos de viaje en los modos de transporte para un viaje de ida. Los valores fueron seleccionados para que concuerden con la realidad y fueron presentados en unidades enteras (redondeando) para hacer ms simple el ejercicio de respuesta. Luego de obtener los datos de las respuestas de los encuestados y antes de la estimacin del modelo LMN podrn recodificarse los niveles de los atributos de la siguiente manera: a) las variables cualitativas en estudios de preferencias declaradas en general se recodifican utilizando contrastes de cdigos de efectos en vez de cdigos dummy, aunque debe sealarse que la decisin de usar cualquiera de estos cdigos est liberada a cada analista, b) la codificacin de las variables continuas en experimentos de preferencias declaradas en general se realiza eligiendo los niveles en algn patrn regular relacionado con el rango de valores de cada atributo en el mercado y los objetivos del estudio. Para asegurar la independencia entre los atributos de las alternativas (es decir, inexistencia de multicolinealidad en la estimacin) se utiliza la codificacin polinomial ortogonal para variables continuas. Louviere et. al. (2000) recomiendan el uso de esta codificacin en la medida en que sea posible debido a dos razones: (1) hace ms fcil la comparacin de los coeficientes de diferentes atributos dado que el rango de las variables independientes transformadas ser aproximadamente el mismo y (2) algunos algoritmos de estimacin son sensibles al rango de las variables y pueden verse negativamente afectados por rdenes de magnitud muy diferentes entre los niveles de los atributos.

23

Sin embargo, a los efectos de este estudio se ha juzgado como ms razonable la estimacin con los niveles originales planteados en la encuesta, debido a que de ese modo se podrn estimar la sensibilidad de los consumidores a cada uno de los atributos y segn los niveles especificados que estn de acuerdo a la realidad. 6. Diseo muestral El marco muestral define el universo de encuestados de los cuales se extraer una muestra finita. Los objetivos del estudio son los que determinan el marco muestral. Y el marco muestral debe definirse de manera de permitir que las preguntas a responder con el modelo desarrollado desde la muestra. (Louviere, et. al. 2000). Para el caso en estudio, en el que queremos estimar modelos de eleccin de modo de transporte, deseamos estimar el porcentaje (probabilidad o proporcin) de usuarios de un determinado modo de transporte con relacin al total de las alternativas definidas disponibles para los usuarios. La estimacin en modelos de eleccin discreta se realiza a travs del mtodo de mxima verosimilitud, razn por la cual debe tenerse especial cuidado en la toma de la muestra debido a que el logaritmo de la funcin de verosimilitud depende de cmo se obtienen los datos (Daganzo, 1980). Por lo tanto, la estrategia de muestreo en una encuesta de preferencias declaradas debe realizarse cuidadosamente para que la muestra sea representativa de la poblacin bajo estudio. En el caso de la eleccin de modo de transporte, habr que entrevistar a distintos tipos de usuarios (actuales o potenciales) que enfrenten las alternativas (o modos) presentadas en la entrevista, para poder estimar el comportamiento de los actuales usuarios y la atraccin de nuevos usuarios por alguno de los medios de transporte considerados. El problema de la representatividad de la muestra se soluciona utilizando el muestreo aleatorio simple (MAS). En los estudios con muestreo aleatorio simple, cada individuo del marco muestral tiene la misma probabilidad de ser elegido en la muestra; para cada individuo se observan caractersticas personales (caractersticas socioeconmicas) y las elecciones de preferencias declaradas realizadas en la encuesta sobre varios escenarios. El muestreo aleatorio simple puede generar tamaos muestrales a veces grandes, razn por la cual puede utilizarse el muestreo estratificado para disminuir el tamao muestral manteniendo los niveles de confianza deseados, como resultado de la reduccin de la varianza total de las variables de inters segn las cuales se calcula el tamao muestral. Otra razn para utilizar el muestreo estratificado es la necesidad de obtener conclusiones sobre cada subpoblacin o segmento de mercado de forma independiente. En los casos en que algunas alternativas de transporte (modos) sean elegidas o utilizadas de manera infrecuente en la poblacin, a menudo se utiliza el muestreo basado en la eleccin (Koppelman y Garrow, 2005). En estas muestras se toman las observaciones basndose en el resultado de la eleccin considerada, es decir, las encuestas se realizan a los usuarios de cada uno de los medios de transporte en el trayecto del viaje o en las paradas o estaciones, por ejemplo.11 Dada una estrategia de muestreo, debemos definir el tamao de la muestra. El estudio de preferencias declaradas se realiza para medir una probabilidad de eleccin (o proporcin) con cierto nivel de significacin. La distribucin asinttica de una muestra (es decir, la distribucin para n ) de una proporcin pn, obtenida mediante una muestra aleatoria simple de tamao n, es normal con media p (la verdadera proporcin poblacional) y varianza p.q/n, donde q = 1 p. Si queremos estimar la verdadera proporcin dentro de un a% del

11

El uso de este ltimo mtodo de muestreo permite obtener estimadores consistentes al especificar un modelo de eleccin logit multinomial en el cual se incluye el conjunto completo de CEA (constantes especficas de las alternativas) y a partir del cual pueden obtenerse los estimadores muestrales estndar (o estratificados) de mxima verosimilitud con un ajuste especfico en las CEA.

24

verdadero valor p con probabilidad 1- o mayor, entonces debemos estimar el tamao muestral mnimo necesario para satisfacer el requerimiento de que P(|pn p| ap) 1- . El tamao mnimo de la muestra de respuestas aplicando el muestreo aleatorio simple vendr determinado por:

z2 q p a2

z2 p q e2

donde: z: es la inversa de la funcin de distribucin acumulada normal para un nivel de confianza determinado. p: proporcin de xitos en la poblacin (proporcin de usuarios del modo de transporte especificado en nuestro caso). q: proporcin de fracasos en la poblacin (proporcin de no usuarios del modo de transporte especificado). e: error muestral admisible en trminos absolutos de la variable de inters (proporcin en nuestro caso). a: error muestral admisible en trminos porcentuales de la variable de inters (proporcin en nuestro caso). Por lo tanto, este tamao muestral requerido mnimo es una funcin del verdadero valor poblacional del parmetro (proporcin p), el grado relativo de certeza requerido que puede expresarse como un nivel de error muestral admisible de un a% del valor de p (por ej., 10% o 20% con respecto al valor de p) o como un error absoluto e (% total de error con respecto a p) y el nivel de confianza (por ej., 0,90; 0,95 y 0,99).12 Por lo tanto, el tamao muestral ser pequeo para altas proporciones, de 0,5 por ejemplo, pero aumentar significativamente para estimar proporciones pequeas y altos niveles relativos de certeza y confianza. Uno de los supuestos clave para derivar la ecuacin anterior es que las observaciones de eleccin en la muestra son independientes. La prctica ha mostrado que un buen diseo del experimento de eleccin que propone a los entrevistados cada escenario de eleccin sin relacionarlo con los dems escenarios presentados, resultar en un vector de parmetros estimados que son proporcionales a aquellos derivados de modelos estimados sobre elecciones individuales para cada entrevistado (que sera el caso de la estimacin de modelos de preferencias declaradas). Por lo tanto, la nica diferencia entre los parmetros estimados estar en los niveles de la varianza de los mismos, que en ltima instancia afectar a su eficiencia estadstica pero no a su insesgamiento. Por consiguiente, dado que los experimentos de eleccin de preferencias declaradas involucran la entrevista a un individuo que responde a varios escenarios (tambin denominados conjuntos o situaciones de eleccin), una vez determinado el tamao de la muestra en nmero de casos necesarios para estimar apropiadamente el parmetro poblacional especificado (por ej., proporcin de usuarios de un modo de transporte), el nmero de encuestas mnimas necesarias a realizar a las personas ser igual al nmero de casos necesarios dividido el total de escenarios o tratamientos presentados a cada individuo entrevistado. Por lo tanto, si cada encuesta realizada a cada individuo posee r alternativas de eleccin o escenarios, el tamao mnimo de la muestra de individuos vendr determinado por:

1 z2 q n r p a2

z2 p q r e2

La distincin entre las dos formas de expresin del error muestral se realiza debido a que algunos autores utilizan el error en trminos absolutos (Paskota, 2004) mientras que otros lo expresan como un error porcentual con respecto al valor promedio de la variable de inters utilizada para la determinacin del tamao mnimo de una muestra aleatoria simple (Louviere, et. al. 2000).

12

25

Entonces, el tamao de la muestra de individuos estar relacionado con el diseo del experimento de eleccin. El primer diseo experimental utilizado considera 9 escenarios de eleccin por parte de cada entrevistado. As, si la proporcin de viajes en taxi/remis en la poblacin fuera del 20% del total de viajes realizados en taxi/remis y mnibus por motivo laboral, entonces, determinando un error muestral de un 5% de esa proporcin muestral, debera tomarse una muestra aleatoria simple de tamao igual a 6.146 casos. Estos 6.146 casos implicaran entrevistar a 683 personas elegidas al azar del universo de usuarios de taxi/remis y colectivo, que podra estar representado por todos los usuarios de taxi/remis y colectivo en horas pico. En el segundo diseo utilizado contiene 18 escenarios de eleccin y para obtener un total de 6.146 casos debern realizarse unas 341 encuestas. 7. Resultados de la encuesta piloto y pronsticos de la cuota de mercado en anlisis de escenarios En este estudio se ha realizado un anlisis de la tcnica de diseo de encuestas de preferencias declaradas con el objetivo de estimar la demanda de los distintos modos de transporte urbano, considerando solo el taxi/remis y el autobs. Dada la restriccin monetaria existente para la realizacin de una prueba de campo tomando una muestra representativa de la poblacin, en este estudio se presenta una estimacin del modelo de eleccin discreta en funcin de la encuesta diseada que sirve para tomar informacin importante de los encuestados con respecto al experimento y poder mejorarlo antes de llevarlo al campo. La prueba se realiz con estudiantes de la carrera de la Lic. en Economa, Contador Pblico y Lic. en Administracin de la Facultad de Ciencias Econmicas de la Universidad Nacional de Crdoba. Los resultados del ajuste del modelo con las respuestas entregadas por los alumnos se realiza a los efectos de aplicar la metodologa de estimacin, pero debe considerarse que esta muestra no es representativa de la poblacin en la que habra que tomar la muestra definitiva. Una vez que se ha estimado un modelo y se han obtenido buenos resultados, el anlisis de polticas puede resumirse en tres etapas: 1) la definicin de una situacin base para el anlisis y la calibracin del modelo de preferencias declaradas, 2) el clculo de algunos indicadores del mrito de cada atributo manteniendo los dems atributos constantes, por ejemplo, las elasticidades, 3) el anlisis de la reaccin agregada del mercado a polticas especficas a travs del cambio simultneo de los atributos. En la primera etapa, la prediccin de la cuota de mercado o probabilidad de eleccin de cada alternativa se realiza utilizando el mtodo de enumeracin muestral13. En general, los resultados del ajuste de un modelo de preferencias declaradas no reflejarn las cuotas de mercado exactas que existen al momento de la realizacin del estudio. Por esta razn es necesario conocer las cuotas de mercado de cada alternativa.14 Sin embargo, aplicando un modelo LMN con un conjunto completo de CEAs (J - 1 si hay J alternativas), las cuotas de mercado observadas sern iguales a las pronosticadas. Pero en preferencias declaradas, el mercado definido en los niveles de los atributos puede ser diferente al mercado real, por lo tanto habr que realizar algunos ajustes para conseguir esta primera situacin base. Estos ajustes forman el llamado proceso de calibracin del modelo de preferencias declaradas para reproducir las cuotas de mercado de la situacin base. El
El uso de este mtodo asume que la muestra utilizada para estimar el modelo es representativa de la poblacin. Ver Ortzar y Willumsen (1995). 14 En contraste, los estudios de preferencias reveladas s reflejarn las cuotas de mercado automticamente.
13

26

proceso de calibracin ms sencillo es ajustar las CEAs hasta conseguir replicar las cuotas de mercado reales. Otra manera de obtener las cuotas de mercado pronosticadas similares a las cuotas de mercado reales es la aplicacin de modelos de estimacin con datos mixtos de preferencias reveladas y declaradas. En la segunda etapa, una de las medidas ms utilizadas es la elasticidad, que representa el cambio porcentual en una respuesta (por ej., la cuota de mercado) causado por un cambio de un 1% en una determinada variable o atributo. Esta medida est definida para variables continuas, pero puede extenderse a variables cualitativas considerando el cambio en la cuota de mercado producido por un cambio de nivel de la variable cualitativa de inters. La elasticidad en un punto se define como:
P (i ) E ik =

P (i ) / P(i ) P(i ) X ik = X ik P(i ) X ik / X ik

y debe evaluarse en X para la situacin base. Otro procedimiento para establecer la importancia relativa de todos los atributos es calcular la valoracin de un atributo en trminos de otro atributo utilizado como numerario, tal como el precio o costo de la alternativa. Se trata de una tasa marginal de sustitucin, expresada como:

TMgS k 1 =

X i1 P(i, X i ) / X ik = X ik P(i, X i ) / X i1

donde Xi1: es el precio y Xik es el atributo de inters, por ejemplo, el tiempo de viaje. Con estas dos variables, la TMgS presentada es el valor monetario de los ahorros de tiempo de viaje. En este caso se trata de variables continuas, aunque el razonamiento puede extenderse a variables discretas. La expresin anterior est basada en la probabilidad de eleccin de una alternativa como la funcin de respuesta. Otras posibilidades de funcin de respuesta son: las cuotas de mercado estimadas y la funcin indirecta de utilidad. Si la funcin de utilidad es lineal en los parmetros, la TMgS estimada ser simplemente la razn de los parmetros estimados. A continuacin, en la Tabla N 17, se presentan los resultados de la estimacin de la demanda basada en el cuestionario de 9 escenarios de eleccin. Se entrevistaron un total de 55 estudiantes que arroj un total de 495 casos de eleccin. Cabe sealar, que los resultados de la estimacin del modelo basado en la encuesta conteniendo 18 escenarios de eleccin son similares, razn por la cual no se exponen sus resultados aqu. En el caso de las encuestas con 18 escenarios, se realizaron sobre un total de 52 alumnos, arrojando un total de 936 casos de eleccin. En general, pudo verificarse que la encuesta con 18 escenarios de eleccin result agobiante para algunos encuestados, mientras que algunos opinaron que la de 9 escenarios era ms difcil por la mayor cantidad de niveles de los atributos. A los fines de minimizar el sesgo que pudiera ocurrir en la entrevista debido a la consideracin por parte de los encuestados de situaciones de eleccin no habituales (a pesar de que est escrito en el formulario que deben considerarse como habituales), se considera una mejor estrategia que se realice la entrevista cara a cara con cada entrevistado y por medio de la presentacin de tarjetas individuales para cada escenario de eleccin, recordndole en cada caso que se trata de un viaje que aunque hipottico debe considerarse como un viaje habitual y para el motivo de viaje considerado. Tambin resulta importante la segmentacin de viajes por distintos motivos. En particular, la mayora de los estudios de este tipo se centran en viajes al trabajo. En esta prueba se consider el universo de viajes al trabajo, por trabajo o por estudio como motivos de viaje debido a que se probaron los cuestionarios con alumnos de la universidad. Por lo tanto en la encuesta a realizarse en el mercado real, debera incluirse alguna pregunta que permita

27

definir el segmento de usuarios segn motivo al que pertenece cada entrevistado y realizar el diseo de la muestra considerando estos distintos segmentos del mercado. La estimacin se realiz con un modelo logit binario, donde la variable dependiente (denominada Choice) asume el valor 1 si el encuestado elige la alternativa taxi/remis y asume el valor cero si el encuestado elige la alternativa colectivo. Las variables independientes del modelo se han denominado: Cdif: diferencia en los costos de transporte (tarifas) entre el taxi/remis y el colectivo; Tviadif: diferencia en los tiempos de viaje entre el taxi/remis y el colectivo. Tespdif: diferencia en los tiempos de espera entre el taxi/remis y el colectivo. Tabla N 17 Resultados de la estimacin logit del modelo de eleccin de modo de transporte Dependent Variable: CHOICE Method: ML - Binary Logit (Quadratic hill climbing) Sample: 1 - 495 Included observations: 495 Convergence achieved after 3 iterations Covariance matrix computed using second derivatives Variable CDIF TVIADIF TESPDIF Mean dependent var S.E. of regression Sum squared resid Log likelihood Avg. log likelihood Obs with Dep=0 Obs with Dep=1 Coefficient -0.632123 -0.080335 -0.094945 0.442424 0.476917 111.9052 -318.2857 -0.643001 276 219 Std. Error 0.097602 0.020314 0.022700 z-Statistic -6.476507 -3.954646 -4.182692 Prob. 0.0000 0.0001 0.0000 0.497176 1.298124 1.323606 1.308128

S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.

Total obs

495

Como puede apreciarse, la estimacin inicial no arroj una constante especfica de la alternativa estadsticamente significativa, razn por la cual se estim el modelo sin constante. Esto significa que en el experimento presentado los encuestados no presentan a priori ninguna preferencia por alguno de los dos modos de transporte. Resulta bastante difcil que esta situacin exista en el mercado, pudiendo ser el resultado de: una mala interpretacin de cada situacin de eleccin por parte de los encuestados y que pueden haber interpretado que las situaciones de eleccin planteadas no eran habituales sino que obedecan a situaciones espordicas, de all que muchos hayan elegido el modo ms caro para realizar el viaje (taxi/remis) en un nmero de oportunidades mayor que el que se dara en la realidad, una alta incertidumbre de los tiempos de viaje y de espera del modo de transporte ms barato (colectivo) en la realidad actual de cada entrevistado, situacin que podra haber colaborado en la eleccin del modo de transporte ms caro pero ms seguro en cuanto a certidumbre de tiempos de viaje y de espera, el taxi/remis. Los resultados de la valoracin del tiempo de viaje y de espera derivados de la estimacin son: Valor de los ahorros de tiempo de viaje: $ 0,1270 / minuto, que equivale a $ 7,62 / hora. Valor de los ahorros de tiempo de espera: $ 0,1502 /minuto, que equivale a $ 9,01 / hora.

28

A partir del modelo estimado pueden obtenerse distintos escenarios de pronsticos de la cuota de mercado de cada uno de los modos de transporte especificados en el experimento de eleccin. Los resultados de algunos escenarios se presentan en la Tabla N 13 Tabla N 13 Anlisis de escenarios (considerando un viaje tipo de 5 km de recorrido)
Situacin base (= actual) $ 6,00 $ 1,20 $ 4,80 15 20 -5 10 20 -10 1,6831 15,67% 84,33% Situacin 1 (aumento tarifa taxi=10%) $ 5,10 $ 1,20 $ 3,90 15 20 -5 10 20 -10 1,1142 24,71% 75,29%

(a) Tarifa Taxi (b) Tarifa colectivo (d) = (b) - (a) (d) Tiempo viaje taxi (e) Tiempo viaje colectivo (f) = (d) - (e) (g) Tiempo espera taxi (h) Tiempo espera colectivo (i) = (g) - (h) -(Vtaxi - Vbus) Ptaxi = Pbus = Viajes totales diarios en taxi y colectivo Viajes diarios en taxi Viajes diarios en colectivo Viajes totales mensuales en taxi y colectivo Viajes mensuales en taxi Viajes mensuales en colectivo Nmero de licencias de taxi y remis Viajes mensuales promedio por operador de taxi/remis Viajes diarios promedio por operador de taxi/remis Ingresos diarios promedio por operador de taxi/remis

Situacin 2 (disminucin tarifa colectivo=$0.10 $ 6,00 $ 1,10 $ 4,90 15 20 -5 10 20 -10 1,7463 14,85% 85,15%

Situacin 3 (mejora en frecuencia de buses en 1/3) $ 6,00 $ 1,20 $ 4,80 15 20 -5 10 13 -3 2,3477 8,73% 91,27%

Situacin 4 (mejora tiempo espera taxi a la mitad) $ 6,00 $ 1,20 $ 4,80 15 20 -5 5 20 -15 1,2083 23,00% 77,00%

700.000 109.683 590.317

700.000 172.968 527.032

700.000 103.962 596.038

700.000 61.075 638.925

700.000 160.996 539.004

17.500.000 2.742.075 14.757.925

17.500.000 4.324.200 13.175.800

17.500.000 2.599.053 14.900.947

17.500.000 1.526.881 15.973.119

17.500.000 4.024.910 13.475.090

7.000 392 16 $ 94 $

7.000 618 25 126 $

7.000 371 15 89 $

7.000 218 9 52 $

7.000 575 23 138

Como puede apreciarse en la segunda columna del cuadro, en la situacin base se han especificado niveles promedio para los atributos de cada modo de transporte, en lnea con la situacin actual de la calidad de los servicios en la Ciudad de Crdoba. Las cuotas de mercado de cada uno de los servicios considerados son muy razonables y de acuerdo a la realidad, as, el pronstico para la situacin base es de 16% del mercado de viajes totales (en taxi/remis y colectivo) est abastecido por los servicios de taxi/remis mientras que el 84% restante est abastecido por los servicios de colectivo urbano. Adicionalmente, se presenta una estimacin de los viajes totales para cada modo de transporte, derivados de la simple extrapolacin de la cuota de mercado sobre el total de viajes (supuestos) para todos los modos de transporte considerados (diarios y mensuales). Luego se divide el total de viajes en taxi/remis entre el total de operadores (tambin supuesto en este ejercicio) para obtener una estimacin del nmero de viajes promedio por operador por unidad de tiempo (da o mes), que junto con una estimacin del ingreso total por periodo de cada operador son los indicadores ms simples que utilizan los mismos licenciatarios de taxi y remis para controlar su situacin econmico-financiera y la posibilidad de continuidad de la prestacin. A partir de la tercera columna se presentan distintas alternativas relacionadas con cambios en las variables independientes o niveles de los atributos considerados, a partir de las cuales se obtienen nuevos pronsticos de la cuota de mercado de cada modo de transporte y de los dems indicadores derivados. As, por ejemplo, el aumento de la tarifa del taxi/remis en un 10%, ceteris paribus, ocasionara una disminucin de la cuota de mercado de este servicio, disminuyendo el nmero de viajes e ingresos diarios de los operadores segn los resultados presentados en la tercera columna del cuadro.

29

Referencias Bibliogrficas: Bates, John (1988), Econometric Issues in stated preference analysis. Journal of Transport Economics and Policy, January. Bradley, M. and Daly, A. (1994). Use of the logit scaling approach to test for rank-order and fatigue effects in stated preference data. Transportation 21: 167-184. Daganzo, Carlos F. (1980). Optimal Sampling Strategies for Statistical Models with Discrete Dependent Variables. Transportation Science, vol. 14, no. 4, November. Dunne, J. P. (1984), Elasticity measures and disaggregate choice models, Journal of Transport Economics and Policy, May. Fowkes A. S. y Mark Wardman (1988). The design of stated preference travel choice experiments. Journal of Transport Economics and Policy. Volume XXII, no 1. Glaister, S. (1983). Some characteristics of rail commuter demand. Journal of Transport Economics and Policy, May. (Aggregate modelling). Han G. J. y S. S. Shapiro (1966). A Catalog and Computer Program for the Design and Analysis of Orthogonal Symmetric and Asymmetric Fractional Factorial Experiments. General Electric Research and Development Center, Schenectady, New York. Hausman, J.A. y Daniel McFadden (1984). Specification tests for the multinomial logit model. Econometrica 52: 1219-40. Hensher, D.A.; Barnard, P.O. and Truong, T.P. (1988), The role of stated preference methods in studies of travel choice. Journal of Transport Economics and Policy, Volume XXII, no 1. Hensher, David (198-9?), Establishing a Fare Elasticity Regime for Urban Passenger Transport. Journal of Transport Economics and Policy, vol. 32, part 2. Koppelman, Frank S. y Laurie A. Garrow (2005). Efficient estimation of Nested Logit Models using choice-based samples: example applications. 84th Annual Transportation Research Board. USA. Kroes, P. and Sheldon, R. (1988), Stated Preference Methods: An introduction. Journal of Transport Economics and Policy, January. Louviere, Jordan J. (1988), Conjoint Analysis Modelling of Stated Preferences. Journal of Transport Economics and Policy, January. Louviere, Jordan J., David Hensher and Joffre Swait (2000). Stated Choice Methods. Analysis and Application. Ed. Cambridge University Press. Paskota, Mira (2004). Sample Design and Survey Error. Resource paper for sample design workshop, Seventh International Conference on Travel Survey Methods. Costa Rica, 1st 6th August. Ortzar, Juan de D. y L. G. Willumsen (1995). Modelling Transport. Ed. Wiley. Second edition. Ortzar, Juan de D. (2000). Modelos de demanda de transporte. Alfaomega Grupo Editor, 2da. Edicin. Rose, John M. y David A. Hensher (2004). Handling individual specific availability of alternatives in stated choice experiments. Seventh International Conference on Travel Survey Methods. Costa Rica, 1st 6th August. Wardman, M. (1988), A comparison of revealed and stated preference models of travel behaviour. Journal of Transport Economics and Policy, January. Wardman, Mark (1991), Stated Preference methods and travel demand forecasting: An examination of the scale factor problem. Transportation Research, vol. 25. A, nmero 2/3, pp. 79-89. Wardman, M. (1994). Forecasting the impact of Service Quality Change on the Demand for Inter-Urban Rail Travel. Journal of Transport Economics and Policy, September. Wardman, M. (1997). Interactions between Rail and Car in the inter-urban Leisure travel market in Great Britain, Journal of Transport Economics and Policy, May. Weiers, Ronald W. (1986). Investigacin de Mercados. Ed. Prentice Hall Hispanoamericana S.A.

30

ANEXO 1 FORMULARIOS DE ENCUESTA PILOTO DE PREFERENCIAS DECLARADAS

ENCUESTA CON 9 ESCENARIOS DE ELECCIN

Usted ha sido seleccionado para participar en una encuesta de preferencias declaradas que servir para planificar de una manera ms eficiente los servicios de transporte urbano. Suponga que debe realizar un viaje de ida a su lugar de trabajo o estudio habitual, con un recorrido aproximado de 5 kms. Suponga que los nicos medios de transporte disponibles para que Ud. realice el viaje son el taxi (o remis indistintamente) y el transporte por colectivo. Seleccione en cada uno de los escenarios presentados abajo el medio de transporte que elegira. Es importante que Ud. considere a cada escenario de manera independiente a los dems.
Escenario de eleccin Nro. 1 Eleccin Costo de Tiempo de Tiempo marque con una X la Medio de viaje de ida viaje de espera opcin que elige en transporte cada situacin (en $) (minutos) (minutos)
presentada

ENCUESTA CON 18 ESCENARIOS DE ELECCIN

Usted ha sido seleccionado para participar en una encuesta de preferencias declaradas que servir para planificar de una manera ms eficiente los servicios de transporte urbano. Suponga que debe realizar un viaje de ida a su lugar de trabajo o estudio habitual, con un recorrido aproximado de 5 kms. Suponga que los nicos medios de transporte disponibles para que Ud. realice el viaje son el taxi (o remis indistintamente) y el transporte por colectivo. Seleccione en cada uno de los escenarios presentados abajo el medio de transporte que elegira. Es importante que Ud. considere a cada escenario de manera independiente a los dems.
Escenario de eleccin Nro. 1 Costo de Tiempo de Tiempo Medio de viaje de ida viaje de espera transporte (en $) (minutos) (minutos) Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo Taxi/remis Colectivo $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ 6,00 1,50 6,00 1,50 6,00 1,50 5,00 1,20 5,00 1,20 5,00 1,20 4,00 0,90 4,00 0,90 4,00 0,90 6,00 1,50 6,00 1,50 6,00 1,50 5,00 1,20 5,00 1,20 5,00 1,20 4,00 0,90 4,00 0,90 4,00 0,90 15 35 10 25 5 15 15 35 10 25 5 15 15 35 10 25 5 15 15 35 10 25 5 15 15 35 10 25 5 15 15 35 10 25 5 15 5 15 10 25 5 15 5 15 10 25 5 15 5 15 5 15 10 25 10 25 5 15 5 15 10 25 5 15 5 15 5 15 5 15 10 25 Eleccin
marque con una X la opcin que elige en cada situacin presentada

Taxi/remis Colectivo

$ $

6,00 1,50

15 35

5 15

Taxi/remis Colectivo

$ $

6,00 1,50

10 25

15 20

Taxi/remis Colectivo

$ $

6,00 1,50

5 15

10 25

Taxi/remis Colectivo

$ $

5,00 1,20

15 35

10 25

Taxi/remis Colectivo

$ $

5,00 1,20

10 25

5 15

6
6 Taxi/remis Colectivo $ $ 5,00 1,20 5 15 15 20

7
7 Taxi/remis Colectivo $ $ 4,00 0,90 15 35 15 20

Taxi/remis Colectivo

$ $

4,00 0,90

10 25

10 25

Taxi/remis Colectivo

$ $

4,00 0,90

5 15

5 15

10

11

12

13

14

15

16

17

18

31