ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

En la misma lnea Eckstein(1958), se refera a la poca credibilidad del

mtodo basado en que los individuos no contestaran honestamente las
encuestas. Estos sabran que su respuesta difcilmente influira en la toma
de decisiones o, ante la perspectiva de un posible aumento en los
impuestos sera poco probable que respondiesen el monto real, sino uno
ms bajo.
Estos resultados y otros trabajos empricos son recogidos por Diamond y
Hausman (1994) en una de las crticas ms severas donde los autores
concluyen que las valoraciones resultantes del MVC no son consistentes con
la teora econmica. Afirman que, hoy en da, las encuestas de valoracin
contingente no miden las preferencias que pretenden medir.
4. EXPLIQUE
LAS
DIFERENCIAS
ENTRE
DAP
CONCEPTUALMENTE Y LUEGO EMPRICAMENTE.

DAA

Disponibilidad a pagar (DAP).- cantidad mxima que una persona

est dispuesto a pagar por disfrutar de un bien (aire puro, etc.) o
evitar algo desagradable (contaminacin.)
Disponibilidad a aceptar (DAA).- cantidad mnima que una
persona est dispuesto a aceptar para vender un bien o aceptar
algo no deseable.
En diversos estudios se han encontrado grandes diferencias en los valores
que estas medidas entregan al aplicarlo a un mismo grupo de personas y en
relacin a un mismo bien, donde el valor de la DAA ha resultado ser
significativamente superior al de la DAP, mientras que la teora econmica
indica que la diferencia entre estos valores no debera ser tan grande o
debiera ser nula.
La diferencia entre la DAP y la DAA depende de dos parmetros
desconocidos: la elasticidad ingreso y la elasticidad de sustitucin entre el
bien pblico y todos los dems bienes del sistema econmico. Es decir, si el
bien pblico tiene un gran nmero de sustitutos cercanos, la diferencia
entre ambos valores no ser muy grande. El dilema an persiste, y pese a
que el uso de la DAP tambin puede llevar a sesgos en las estimaciones, la
tendencia de las investigaciones es sustituir la DAA por la DAP. Esto se
explica principalmente por la alta probabilidad de estar sobrestimando los
beneficios y por los problemas prcticos que implica el uso de la DAA.
La explicacin que se ha dado es el hecho que los entrevistados son
precavidos al responder las preguntas bajo una situacin de incertidumbre,
ellos entregarn respuestas ms conservadoras: esto es una mayor DAA y
una menor DAP que los que revelaran en una situacin donde no hubiera

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

escasez de tiempo para decidir, no fuesen adversos al riesgo y tuvieran

perfecta certidumbre. Segn la teora de perspectiva nos dice que el
individuo no valora en forma simtrica una ganancia en comparacin a una
prdida de la misma magnitud, es decir valora ms el hecho de no perder
su status actual que el hecho de incrementarlo en la misma cantidad. Esto
se traduce en que los individuos exigirn una mayor compensacin al
requerirles su DAA. Esta teora explicara la diferencia emprica que existe
entre DAA y DAP.
5. ELIJA UN SERVICIO ECOSISTMICO QUE DESEA VALORAR, SE PIDE:
a) Identifique los cambios en el bien y la poltica relevante.
b) Identifique los usuarios y los valores que pretende estimar.
c)

Construya un instrumento de encuesta con la descripcin del

escenario de VC.

d) Muestre que sigue todos los requerimientos de la NOAA.

e) Explique cules son las preguntas de seguimiento que usar para
verificar que las personas entienden la encuesta.
MALECON ECOTURISTICO DE LA CIUDAD DE PUNO

De acuerdo al Reporte The economics of ecosystems and biodiveristy - TEEB,

los servicios ecosistmicos son definidos como las contribuciones directas e
indirectas de los ecosistemas al bienestar humano.
Desde este punto de vista se desea valorar el servicio ecosistmico del
Malecn Eco turstico de la ciudad de Puno, el cual lo podemos ubicar dentro de
la categora de estos como un servicio cultural de recreacin y ecoturismo.
a) IDENTIFICACION DE CAMBIOS EN EL BIEN Y POLTICA RELEVANTE
La identificacin de servicios ecosistmicos asociados a un lugar resulta siendo
una herramienta til para concienciar, educar a la poblacin y estimular
acciones de conservacin o restauracin del ecosistema, as como, de
prevencin de daos futuros, para lo cual se requiere comprender, ciertos
patrones sociales y ecolgicos de funcionamiento e interaccin.

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

La problemtica actual de la contaminacin de la baha interior del Lago

Titicaca afecta en gran medida el desarrollo del turismo, as mismo la calidad
de vida de la poblacin aledaa y de los comerciantes. En este contexto se
pretende analizar las diversas preferencias de usuarios en cuanto a la
implementacin de polticas de gestin ambiental con alternativas
de
recuperacin y conservacin (proteccin y mejoramiento del medio ambiente)
del Malecn Eco turstico y de las especies ecolgicas que habitan en el.
CAMBIOS EN EL BIEN Y/O SERVICIO
Incremento de visitantes
Mejoramiento y mantenimiento de la infraestructura
Seguridad en el recorrido
Mejoramiento del servicio
POLITICA RELEVANTE:
Limpieza de los alrededores del malecn e implementacin de
contenedores de basura.
Reparacin de las sunkas , e infraestructura en general
(embellecimiento)
Mejoramiento de los servicios de paseo en bote
b) IDENTIFICACION DE USUARIOS Y VALORES QUE SE PRETENDEN
ESTIMAR
Los usuarios de este servicio eco sistmico son:
En primer lugar lo residentes de la zona de la Av. Costanera
Los seores que venden servicios de paseo en botes
Los restaurantes
Los artesanos
Los turistas nacionales y extranjeros
Los estudiantes de la universidad nacional del altiplano
Los ciudadanos de la ciudad de Puno que se recrean en el malecn eco
turstico
Valores que se pretenden estimar:
En este hipottico estudio lo que se pretende es saber el valor de uso
recreativo de el malecn eco turstico, por ende la poblacin relevante
seran los visitantes al malecn eco turstico. As mismo la poblacin
relevante debera incluir tambin la de no visitantes que puede tener un
valor de opcin y de existencia mayor que cero.

Variabl
e

Representaci
n

Explicacin

Cuantificacin

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

Prob(SI)

Probabilidad de
responder S

Variable
dependiente
binaria
que
representa la probabilidad de responder SI a
la pregunta de disponibilidad a pagar

1=S
el
usuario
responde
positivamente a la pregunta de
DAP,
0=S
responde
negativamente.

PREC

Precio hipottico
a pagar

Variable independiente que toma el valor de

la tarifa preguntada por acceder a los
beneficios del programa de recuperacin y
conservacin.

Nmero entero (s/.2,s/.3,s/4 y s/.

5)

PAM

Percepcin
ambiental

Variable
independiente
binaria
que
representa la percepcin del grado de
deterioro del Malecn Eco turstico de la
ciudad de Puno.

0= Si considera no deteriorado,
1= S considera deteriorado y
muy deteriorado

ING

Ingreso

Variable independiente categrica ordenada

que representa el ingreso mensual total del
jefe o encargado del hogar.

1=Menos de s/750, 2=s/750s/1200,5=Ms de s/3500.

EDU

Educacin

Variable independiente categrica ordenada

que representa el nivel educativo del
encuestado.

GEN

Gnero

Variable
independiente
binaria
representa el gnero del entrevistado

1=Primaria,
2=Secundaria,
3=Preparatoria
4=Licenciatura
5=Posgrado
1=Si es hombre, 0= Si es mujer

Edad

Variable independiente categrica ordenada

que representa la edad en aos del entrevistado.

EDAD

que

1=18-25
2=26-35
3=36-45
4=46-55
5=56-89

aos
aos
aos
aos
aos

C) ENCUESTA CON LA DESCRIPCIN DEL ESCENARIO DE VC

Ya que el presente estudio hipottico tiene como mercado a una poblacin
relevante de los visitantes que concurren a este lugar y que adems incluye a
los no visitantes, se realizaran encuestas In Situ y tambin domiciliarias. En
este caso utilizaremos un formato Referndum el cual est recomendado por la
NOAA.

1.- Gnero:
Varn

mujer

2.- Nivel de educacin o grado de Instruccion:

Primaria
Secundaria
Tcnico
Universitarios
Sin estudios
3.- Nivel de Ingresos: (mensuales)

Menos de s/750,
s/750- s/1200

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

s/ 1200 s/ 2000
s/2000 s/ 3500
Ms de s/3500.

4.-Nivel de visita al malecn eco turstico

Cada da
Cada tres das
Cada semana
Cada mes
5.- Nivel de apreciacin del Malecn Eco turstico
Bueno
Muy bueno
Ni bueno , ni malo
Malo
Muy malo
6. Por qu dos motivos ha visitado hoy este lugar? (ordenar por orden
de Importancia los dos ms relevantes) [Ensear las opciones]
[Especificar cual]: _________
caminar
hacer deporte [especificar]
disfrutar del paisaje
disfrutar del aire puro
observar plantas y animales
responde dar un paseo en bote
otros motivos [especificar]
no
no sabe

7.- Disponibilidad a realizar el proyecto

Si
no
D) REQUERIMIENTOS DE LA NOAA
Segn las recomendaciones del Panel NOAA (1993), el formato referndum es
el ms utilizado en los estudios de valoracin contingente. La caracterstica
principal de este formato es que se deja al individuo solamente con el
problema de decidir si est dispuesto a pagar o no una suma determinada por
acceder a los beneficios de la poltica ambiental que se ofrece. En este evento,
todas las posibles posturas o propuestas del encuestador se distribuyen
aleatoriamente entre los encuestados.

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

Procurar descripcin de los efectos esperados del programa

bajo consideracin, con el fin de descartar la posibilidad de
compra de satisfaccin moral en torno a problemas
ambientales.
Realizar encuestas personales y acudir al uso de ayudas
visuales.
Usar un tipo de pregunta de naturaleza dicotmica (si/no).
Aplicar la encuesta preliminarmente a grupos focales .

PREGUNTAS DE SEGUIMIENTO QUE SE USAR PARA VERIFICAR QUE

LAS PERSONAS ENTIENDEN LA ENCUESTA.
En este tipo de programacin sera recomendable el uso de formato de doble
limite, de esta manera ser ms fcil para el entrevistado poder entender las
preguntas, y as aproximarnos mejor a un nivel de valoracin de los servicios
eco sistmicos.
Si responde S SI responde NO

Teniendo en cuenta que pagara como mnimo ________soles, cul sera la

cantidad mxima
que estara dispuesto/a a pagar?
................................... soles
Teniendo en cuenta que pagara menos de ________ soles,cul sera la
cantidad mxima que
estara dispuesto/a a pagar?
................................. soles

6. CON LA BASE DE DATOS ANEXADA SE PIDE:

a) Estime un modelo dicotmico simple con las variables explicativas que se
indican en el anexo del presente taller. El objetivo es determinar la
disponibilidad de pago (DAP) de los habitantes de la ciudad de Puno, como una
aproximacin del valor econmico y por ende del beneficio que les generara la
construccin y puesta en marcha del sistema de tratamiento de aguas servidas.
De forma especfica, se trata de demostrar si el grado de percepcin de la
contaminacin y las caractersticas socioeconmicas de los encuestados
influyen sobre la disponibilidad a pagar.

MODELO DICOTOMICO

Y = B1 - B2X2 +B3X3 B4X4 B5X5 + B6X6 + B7X7

Estimando modelo:

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

VariableMeanStd.Dev.MinimumMaximumCases
DIST3.77179487.5840417271.000000004.00000000390
CONT.428205128.495454255.0000000001.00000000390
PSI.571794872.495454255.0000000001.00000000390
PREC3.416666671.72016744.5000000007.00000000390
GEN.507692308.500583010.0000000001.00000000390
EDU3.13846154.9759618251.000000005.00000000390
ING3.348717951.490824001.000000007.00000000390

PSI: 1.15 0.66 DIST+ 0.64 CONT - 0.49 PREC - 0.17 GEN + 0.50
EDU + 0.49 ING

DONDE:
PSI (Y)

Variable dependiente binaria que representa la probabilidad

de responder SI a la pregunta de disponibilidad a pagar.

DIST(X2)
CONT(X3)
PREC(X4)
GEN(X5)
EDU(X6)
ING(X7):
B1, B2, B3,
B4, B5, B6,
B7:

Distancia a la planta de tratamiento

Contaminacin
Precio hipottico
Genero
Educacin
Nivel de ingreso
Parmetros de funcin dicotmica de la probabilidad de
responder SI a la pregunta de disponibilidad a pagar por una
variacin unitaria de cada variable correspondiente.

INTERPRETACION:
La variable PREC muestra un valor negativo, esto indica que a mayor precio
ofertado al encuestado, menor disponibilidad a pagar; donde

la

probabilidad de pago es del 49% menor.

La variable ING, muestra un valor positivo, indicando que a mayor nivel de
ingreso del encuestado mayor disponibilidad a pagar, donde hay un 4% de
probabilidad de obtener una respuesta positiva.
La variable EDU muestra un valor positivo, indicando que a un nivel de
educacin cada vez mayor, aumenta en 50% la probabilidad de responder
positivamente a la pregunta de disponibilidad a pagar.
La variable GEN, muestra un valor negativo, nos indica que el gnero
femenino est en una probabilidad de 17% ms dispuesto a pagar por la

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

construccin de la planta de tratamiento.

La variable DIST, muestra un valor negativo, esto nos indica que mientras
el hogar est ms cerca a la planta de tratamiento, hay un 6.6% de
probabilidad de decir que si.
La variable CONT,

muestra un valor positivo, esto nos indica a mayor

percepcin de contaminacin

la probabilidad de pago ser en un 64%

mayor.
b) Interprete la validez estadstica del modelo estimado (relevancia,
dependencia y ajuste).
ANALISIS ESTADISTICO DEL MODELO ESTIMADO
Variable|Coefficient|StandardError|b/St.Er.|P[|Z|>z]|MeanofX|
CharacteristicsinnumeratorofProb[Y=1]
Constante1.155715681.124829791.027.3042
DIST.66620736.243913192.731.00633.77179487
CONT.64577345.271710212.377.0175.42820513
PREC.49059166.077973856.292.00003.41666667
GEN.17302485.25086426.690.4904.50769231
EDU.50774762.151251893.357.00083.13846154
ING.49096658.102484414.791.00003.34871795

RELEVANCIA:
Planteamiento de la hiptesis
Ho: =0 ---No tiene la disponibilidad pagar.
Ha: 0 --- Si tiene la disponibilidad a pagar.

NIVEL DE SIGNIFICANCIA

Haciendo referencia a la campana Gauss mencionamos que

aceptamos la hiptesis alterna que es diferente de cero, por
ende se muestra una disponibilidad a pagar.
CUADRO DE SIGNIFICANCIA

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VARIABLE
DISTANCIA
CONTAMINACI
ON
PRECIO
GENERO
EDUCACION
INGRESO

VALORACION ECONOMICA DEL

TALLER N 1

SIGNIFICANCIA
Significancia al 1 %
Significancia al 5 %

PROBABILIDAD

0.0063
0.0175

Significancia al 1 %
No Significativo
Significancia al 1 %
Significancia al 1 %

0.0000
0.4904
0.0008
0.0000

DEPENDENCIA:

LR=2(LnLrLnL)
Dnde:

LnLr: log de verosimilitud restringida

LnL: log de verosimilitud no restringida

Restrictedloglikelihood266.2930
Chisquared130.3768
Degreesoffreedom6
Prob[ChiSqd>value]=.0000000

CALCULANDO:

LR=2 (266.2930 (201.1045 )) =130.377

X2

Los resultados nos muestran una significancia conjunta segn el

de 130.37 el cual lo interpretamos como la existencia de una

disponibilidad a pagar.
Por otro lado el logaritmo de verosimilitud restringida con un valor de
266.29 nos indica que el modelo se acerca a lo esperado, teniendo 6
grados de libertad y una probabilidad de valides del 0.0000%.

AJUSTE:
InformationStatisticsforDiscreteChoiceModel.|
CriterionF(logL)201.10453266.29296270.32740
LRStatisticvs.MC130.37685.00000.00000
DegreesofFreedom6.00000.00000.00000
Prob.ValueforLR.00000.00000.00000
Entropyforprobs.201.10453266.29296270.32740

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

NormalizedEntropy.74393.985081.00000
EntropyRatioStat.138.445748.06889.00000
BayesInfoCriterion438.00594568.38279576.45168
BICBIC(nomodel)138.445748.06889.00000
PseudoRsquared.24480.00000.00000
Pct.CorrectPrec.75.89744.0000050.00000
Means:y=0y=1y=2y=3yu=4y=5,y=6y>=7
Outcome.4282.5718.0000.0000.0000.0000.0000.0000
Pred.Pr.4282.5718.0000.0000.0000.0000.0000.0000

PSEUDO . R2=1LnL/ LnLr

CALCULANDO:
2

PSEUDO . R =1(201.1045/266.2930)=0.24
El Pseudo R2 nos muestra se encuentra dentro del intervalo entre 0.20 -0.40, es
decir la estimacin del modelo est bien.
ThresholdvalueforpredictingY=1=.5000
Actual
0
1
TOTAL

0
116
43
159

1
51
180
231

TOTAL
167
223
390

El resultado es de una prediccin del 167 en total, pero el modelo se equivoca 116
que no estn dispuestos a pagar y 51 estan en las condiciones de la disponibilidad a pagar.

% prediccin = (116+180)/390 = 75.89%

Por consiguiente se tiene una prediccin al 75.89%.

c) Estime e intrprete los efectos marginales del modelo estimado.

EFECTOS MARGINALES
Variable
ONE
DIST
CONT
PREC
GEN
EDU
ING

Observaciones
.27805
-.16028
.15275
-.11803
-.04159
.12216
.11812

10

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

INTERPRETACION:

Los resultados que nos muestra el cuadro se aprecia que la variable

PREC, ING, EDU, son significativos al 1%, las variables DIST Y CONT,
son significativos al 5%, a excepcin del GEN, que no es significativo.
Segn el cuadro nos muestra que a mayor distancia estn de la planta
de tratamiento hay un 16.02% de las personas estn en la
disponibilidad a pagar.
La variable PREC = -0.1180, el cual nos indica que a mayor precio
menor disponibilidad a pagar en un 11.80%, poco sensible a la
disponibilidad a pagar.
La variable CONT nos seala que a mayor contaminacin ser mayor la
disponibilidad a pagar en 15.27%. El gnero no tiene un efecto directo
en el modelo. A mximos niveles de educacin, ms conciencia a pagar
en 11.81%. A mayor ingreso mayor disponibilidad a pagar en 11.81%
d) Estime medidas de bienestar (DAP).
VariableMeanStd.Dev.MinimumMaximumCases
DAP4.361799012.08017873.7905470549.20350626390

Del resultado corrido, Podemos ver que existe una disposicin a

pagar con un promedio de S/4.36 nuevos soles, as mismo
tenemos un mnimo de -0.79 y un mximo de 9.20; lo que altera la
disposicin a pagar es el caso del mnimo. Es porque ellos que el
modelo requiere de un reajuste en el precio para la aceptacin del
proyecto.

e) Explique cmo cambian los resultados de la DAP si se considera el

modelo restringido.
Numberofobservations390
Iterationscompleted6
Loglikelihoodfunction210.2127
Restrictedloglikelihood266.2930
Chisquared112.1606
Degreesoffreedom6
Prob[ChiSqd>value]=.0000000

11

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

Cuando realizamos en reajuste de la variable dependiente DAPR (disponibilidad a

pagar restringido), interpretamos segn los valores que rechazamos la hiptesis nula
aceptando la hiptesis alterna, ya que el valor de Chi cuadrado es mayor a 0 en
112.16 con una probabilidad del 0.00%.
Variable|Coefficient|StandardError|b/St.Er.|P[|Z|>z]|MeanofX|
CharacteristicsinnumeratorofProb[Y=1]
Constant1.393116651.087646221.281.2002
DIST.61883562.241128332.566.01033.77179487
CONT.71772355.264186982.717.0066.42820513
GEN.16068075.24384423.659.5099.50769231
EDU.54163901.149141143.632.00033.13846154
ING.44232296.097384864.542.00003.34871795
PRECR.04209473.009866764.266.000017.7364413

PSI =- 1.39 0.61 DIST + 0.71 CONT 0.16 GEN +0.54 EDU +0.44ING
+0.04PRECR

As mismo nuestra nueva ecuacin se reajusta en sus valores como lo

seala la ecuacin anterior, as mismo las Tc, nos da un nivel de
significancia

|M=ModelMC=ConstantsOnlyM0=NoModel|
|CriterionF(logL)210.21265266.29296270.32740|
|LRStatisticvs.MC112.16061.00000.00000|
|DegreesofFreedom6.00000.00000.00000|
|Prob.ValueforLR.00000.00000.00000|
|Entropyforprobs.210.21265266.29296270.32740|
|NormalizedEntropy.77762.985081.00000|
FitMeasuresforBinomialChoiceModel
|EntropyRatioStat.120.229498.06889.00000|
LogitmodelforvariablePSI
|BayesInfoCriterion456.22219568.38279576.45168|
+
|BICBIC(nomodel)120.229498.06889.00000|
|ProportionsP0=.428205P1=.571795|
|PseudoRsquared.21060.00000.00000|
|N=390N0=167N1=223|
|Pct.CorrectPrec.75.64103.0000050.00000|
|LogL=210.21265LogL0=266.2930|
|Means:y=0y=1y=2y=3yu=4y=5,y=6y>=7
|Estrella=1(L/L0)^(2L0/n)=.27598|
++
|Efron|McFadden|Ben./Lerman|
|.27575|.21060|.64118|
|Cramer|Veall/Zim.|Rsqrd_ML|
|.26725|.38691|.24993|
++
|InformationAkaikeI.C.SchwarzI.C.|
|Criteria1.11391462.18833|
++
ThresholdvalueforpredictingY=1=.5000
Predicted
Actual01|Total
+
011750|167
145178|223
12
+
Total162228|390

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

% PREDICCION = (117+178)/390 = 75.64%, comparando con el

cuadro los resultados resultan siendo los mismos.
CALCULANDO DAP RESTRINGIDA
DAPR
CREATE;EXPO=EXP(
(COEF1+COEF2*CONT+COEF3*PREC+COEF4*GEN+COEF5*EDU+COEF6*ING+COEF7*P
RECR))$
CREATE;DAPR=40/(1+EXPO)$
DSTAT;RHS=DAPR$
LIST;DAPR$
VariableMeanStd.Dev.MinimumMaximumCases
DAPR39.14229571.2679728830.531200339.9942723390

De la estimacin apreciamos que existe una disposicin a pagar con un promedio de

S/39.14nuevos soles, as mismo tenemos un mnimo de 30.53 y un mximo de 39.90; con
reajuste en el precio para la aceptacin del proyecto.
F) ANEXE TODOS LOS CDIGOS DE ESTIMACIN UTILIZADOS EN
EL SOFTWARE NLOGIT.
LIMPIANDO EL PROGRAMA E IMPORTANDO LA BASE DE DATOS
--> RESET
--> RESET
-->
READ;FILE="G:\rayssa\maestria\VALORACION2015\MaterialSeman
a1\DatosTaller1...
--> DSTAT;Rhs=DIST,CONT,PSI,PREC,GEN,EDU,ING$
ESTIMANDO EL MODELO
13

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

--> LOGIT;Lhs=PSI;Rhs=ONE,DIST,CONT,PREC,GEN,EDU,ING;Margin$
CREANDO Y ESTIMANDO LA VARIABLE DAP
>PROC=DAP$
>ENDPROC$
>CALC;COEF1=B(1)$
>CALC;COEF2=B(2)$
>CALC;COEF3=B(3)$
>CALC;COEF4=B(4)$
>CALC;COEF5=B(5)$
>CALC;COEF6=B(6)$
>CALC;COEF7=B(7)$
CREATE;ALFA=COEF1+COEF3*CONT+COEF4*PREC+COEF5*GEN+COEF6*EDU+COEF7*I
NG$
>CREATE;BETA=B(2)$
>CREATE;DAP=ALFA/BETA$
>DSTAT;RHS=DAP$

CREANDO Y ESTIMANDO VARIABLE DAP RESTRINGIDA

>CREATE;PRECR=(40PREC)/PREC$
>CALC;COEF1=B(1)$
>CALC;COEF2=B(2)$
>CALC;COEF3=B(3)$
>CALC;COEF4=B(4)$
>CALC;COEF5=B(5)$
>CALC;COEF6=B(6)$
>CALC;COEF7=B(7)$
>CREATE;EXPO=EXP(
(COEF1+COEF2*CONT+COEF3*PREC+COEF4*GEN+COEF5*EDU+COEF6*I...
>CREATE;DAPR=40/(1+EXPO)$
>DSTAT;RHS=DAPR$

CREANDO Y ESTIMANDO VARIABLE DE PRECIO HIPOTETICO RESTRINGIDO

CREATE;PRECR=(40PREC)/PREC$
CALC;COEF1=B(1)$
CALC;COEF2=B(2)$
CALC;COEF3=B(3)$
CALC;COEF4=B(4)$
CALC;COEF5=B(5)$
CALC;COEF6=B(6)$
CALC;COEF7=B(7)$
CREATE;EXPO=EXP(
(COEF1+COEF2*CONT+COEF3*PREC+COEF4*GEN+COEF5*EDU+COEF6*ING+COEF7*PR
ECR))$
CREATE;DAPR=40/(1+EXPO)$
DSTAT;RHS=DAPR$
LIST;DAPR$

14

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

MS ANEXOS
>RESET
>RESET
>READ;FILE="G:\rayssa\maestria\VALORACION2015\MaterialSemana1\DatosTaller1...
>DSTAT;Rhs=DIST,CONT,PSI,PREC,GEN,EDU,ING$
DescriptiveStatistics
Allresultsbasedonnonmissingobservations.
===============================================================================
VariableMeanStd.Dev.MinimumMaximumCases
===============================================================================

Allobservationsincurrentsample

DIST3.77179487.5840417271.000000004.00000000390
CONT.428205128.495454255.0000000001.00000000390
PSI.571794872.495454255.0000000001.00000000390
PREC3.416666671.72016744.5000000007.00000000390
GEN.507692308.500583010.0000000001.00000000390
EDU3.13846154.9759618251.000000005.00000000390
ING3.348717951.490824001.000000007.00000000390

Matrix: LastDsta
[7,7]

>LOGIT;Lhs=PSI;Rhs=ONE,DIST,CONT,PREC,GEN,EDU,ING;Margin$
Normalexitfromiterations.Exitstatus=0.
++
|MultinomialLogitModel|
|MaximumLikelihoodEstimates|
|Modelestimated:Mar02,2015at11:52:42PM.|
|DependentvariablePSI|
|WeightingvariableNone|
|Numberofobservations390|
|Iterationscompleted6|
|Loglikelihoodfunction201.1045|
|Restrictedloglikelihood266.2930|
|Chisquared130.3768|
|Degreesoffreedom6|
|Prob[ChiSqd>value]=.0000000|
|HosmerLemeshowchisquared=14.85970|
|Pvalue=.06193withdeg.fr.=8|
++
+++++++
|Variable|Coefficient|StandardError|b/St.Er.|P[|Z|>z]|MeanofX|
+++++++
CharacteristicsinnumeratorofProb[Y=1]
Constant1.155715681.124829791.027.3042
DIST.66620736.243913192.731.00633.77179487
CONT.64577345.271710212.377.0175.42820513
PREC.49059166.077973856.292.00003.41666667
GEN.17302485.25086426.690.4904.50769231
EDU.50774762.151251893.357.00083.13846154
ING.49096658.102484414.791.00003.34871795

Matrix: LastOutp
[7,4]

++
|InformationStatisticsforDiscreteChoiceModel.|
|M=ModelMC=ConstantsOnlyM0=NoModel|
|CriterionF(logL)201.10453266.29296270.32740|
|LRStatisticvs.MC130.37685.00000.00000|
|DegreesofFreedom6.00000.00000.00000|
|Prob.ValueforLR.00000.00000.00000|
|Entropyforprobs.201.10453266.29296270.32740|
|NormalizedEntropy.74393.985081.00000|
|EntropyRatioStat.138.445748.06889.00000|
|BayesInfoCriterion438.00594568.38279576.45168|
|BICBIC(nomodel)138.445748.06889.00000|
|PseudoRsquared.24480.00000.00000|

15

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

|Pct.CorrectPrec.75.89744.0000050.00000|
|Means:y=0y=1y=2y=3yu=4y=5,y=6y>=7|
|Outcome.4282.5718.0000.0000.0000.0000.0000.0000|
|Pred.Pr.4282.5718.0000.0000.0000.0000.0000.0000|
|Notes:EntropycomputedasSum(i)Sum(j)Pfit(i,j)*logPfit(i,j).|
|NormalizedentropyiscomputedagainstM0.|
|EntropyratiostatisticiscomputedagainstM0.|
|BIC=2*criterionlog(N)*degreesoffreedom.|
|Ifthemodelhasonlyconstantsorifithasnoconstants,|
|thestatisticsreportedherearenotuseable.|
++
++
|Partialderivativesofprobabilitieswith|
|respecttothevectorofcharacteristics.|
|TheyarecomputedatthemeansoftheXs.|
|ObservationsusedareAllObs.|
++
+++++++
|Variable|Coefficient|StandardError|b/St.Er.|P[|Z|>z]|Elasticity|
+++++++
CharacteristicsinnumeratorofProb[Y=1]
Constant.27805023.269548511.032.3023
DIST.16028087.058421642.744.00611.01260628
MarginaleffectfordummyvariableisP|1P|0.
CONT.15275368.062763812.434.0149.10956060
PREC.11803000.018700426.312.0000.67546973
MarginaleffectfordummyvariableisP|1P|0.
GEN.04159378.06025234.690.4900.03537039
EDU.12215750.036377003.358.0008.64216677
ING.11812020.024629314.796.0000.66254232
++
|MarginalEffectsfor|
+++
|Variable|AllObs.|
+++
|ONE|.27805|
|DIST|.16028|
|CONT|.15275|
|PREC|.11803|
|GEN|.04159|
|EDU|.12216|
|ING|.11812|
+++
++
|FitMeasuresforBinomialChoiceModel|
|LogitmodelforvariablePSI|
++
|ProportionsP0=.428205P1=.571795|
|N=390N0=167N1=223|
|LogL=201.10453LogL0=266.2930|
|Estrella=1(L/L0)^(2L0/n)=.31848|
++
|Efron|McFadden|Ben./Lerman|
|.31825|.24480|.66176|
|Cramer|Veall/Zim.|Rsqrd_ML|
|.30928|.43401|.28416|
++
|InformationAkaikeI.C.SchwarzI.C.|
|Criteria1.06720443.97209|
++
Frequenciesofactual&predictedoutcomes
Predictedoutcomehasmaximumprobability.
ThresholdvalueforpredictingY=1=.5000
Predicted
+
Actual01|Total
+
011651|167
143180|223
+
Total159231|390
=======================================================================
AnalysisofBinaryChoiceModelPredictionsBasedonThreshold=.5000

16

ESCUELA DE POST GRADO

IMPACTO AMBIENTAL
MENCION PROYECTOS DE INVERSION

VALORACION ECONOMICA DEL

TALLER N 1

PredictionSuccess

Sensitivity=actual1scorrectlypredicted80.717%
Specificity=actual0scorrectlypredicted69.461%
Positivepredictivevalue=predicted1sthatwereactual1s77.922%
Negativepredictivevalue=predicted0sthatwereactual0s72.956%
Correctprediction=actual1sand0scorrectlypredicted75.897%

PredictionFailure

Falsepos.fortrueneg.=actual0spredictedas1s30.539%
Falseneg.fortruepos.=actual1spredictedas0s19.283%
Falsepos.forpredictedpos.=predicted1sactual0s22.078%
Falseneg.forpredictedneg.=predicted0sactual1s27.044%
Falsepredictions=actual1sand0sincorrectlypredicted24.103%
=======================================================================
>PROC=DAP$
>ENDPROC$
>CALC;COEF1=B(1)$
>CALC;COEF2=B(2)$
>CALC;COEF3=B(3)$
>CALC;COEF4=B(4)$
>CALC;COEF5=B(5)$
>CALC;COEF6=B(6)$
>CALC;COEF7=B(7)$
>CREATE;ALFA=COEF1+COEF3*CONT+COEF4*PREC+COEF5*GEN+COEF6*EDU+COEF7*ING$
>CREATE;BETA=B(2)$
>CREATE;DAP=ALFA/BETA$
>DSTAT;RHS=DAP$
DescriptiveStatistics
Allresultsbasedonnonmissingobservations.
===============================================================================
VariableMeanStd.Dev.MinimumMaximumCases
===============================================================================

Allobservationsincurrentsample

DAP4.361799012.08017873.7905470549.20350626390

17