VALORACIN ECONMICA DE LA BIODIVERSIDAD Y LOS ECOSISTEMAS

Herramientas economtricas
para la valoracin
(Uso del NLOGIT 3)
23 al 25 de Mayo, 2011

PIURA

VALORACIN ECONMICA DE LA BIODIVERSIDAD Y LOS ECOSISTEMAS

PRCTICA

Herramientas economtricas para la valoracin (Uso del NLOGIT 3).

Profesor: MSc. Carlos Soncco
csoncco@gmail.com
El participante aprender a hacer utilizar y hacer uso del software Nlogit 3.0 para la estimacin de
modelos economtricos para la valoracin econmica.
Ejercicio:
Con base en los datos EJ_BASICO_DATOS.wks, estime la funcin de demanda del bien X teniendo en
cuenta la siguiente especificacin del modelo:

Donde
DX
I
Px
Pw
Pz

: cantidad demandada del bien X

: ingreso
Precio del bien X
: Precio del bien W
: Precio del bien Z

Desarrollo
Este ejercicio ser desarrollado en el paquete estadstico NLOGIT. A continuacin se muestra el
procedimiento para estimar el modelo de demanda lineal siguiendo los supuestos del modelo clsico de
regresin lineal normal.
A. Importar datos
Este paquete estadstico puede importar datos en hoja electrnica guardados en extensin wks,
Excel.

Cmo importar los datos?

Cuando poseemos una base de datos creada en una hoja de clculo, por ejemplo en Excel
(EJ_BASICO_DATOS.WKS), el procedimiento para cargar los datos directamente al Project de
Limdep simplifica la creacin e incorporacin de los datos. Para importar los datos seleccione en el
men principal PROJECT, y luego seleccionar IMPORT, luego aparecer la ventana IMPORT en la
cual podremos seleccionar la ruta de ubicacin del archivo, una vez seleccionado el archivo
(EJ_BASICO_DATOS.WKS) hacer click en ABRIR.

VALORACIN ECONMICA DE LA BIODIVERSIDAD Y LOS ECOSISTEMAS

Una vez cargada la base de datos, las variables sern incorporadas automticamente al Project. Para
confirmar la carga de las variables podemos hacer click sobre la carpeta VARIABLES, y se observar
cada uno de los nombres de las variables que forman el modelo.

Luego de haber cargado los datos se realizan las estimaciones que se necesiten, como se ha indicado
anteriormente, en forma resumida tenemos:
1. Estadsticas descriptivas: MODEL, DATA DESCRIPTION, DESCRIPTIVE STATISTICS, RUN.
2. Regresin por MCO: MODEL, LINEAR MODELS, REGRESIN, (REGRESS) (DEPENDENT
VARIABLE), (INDEPENDENT VARIABLE), RUN.

VALORACIN ECONMICA DE LA BIODIVERSIDAD Y LOS ECOSISTEMAS

ESTADSTICAS DESCRIPTIVAS:
Luego procedemos a realizar la estimacin de las Estadsticas Descriptivas de las variables DX, PX, I,
PW Y PZ. Para realizar dicha estimacin nos vamos al men principal a MODEL, luego a DATA
DESCRIPTION y por ltimo a DESCRPTIVE STATISTICS., HACER CICK

Luego seleccionar las variables haciendo doble click sobre cada una de las mismas o ayudarse con los
indicadores << (introducir variables) >> (retirar variables). Luego presionar RUN.

Finalmente los resultados de las estadsticas descriptivas son:

VALORACIN ECONMICA DE LA BIODIVERSIDAD Y LOS ECOSISTEMAS

MODELO DE REGRESION
Luego procedemos a realizar la estimacin de un modelo LINEAL donde la variable dependiente es DX
y las variables independientes son PX, I, PW Y PZ. Para realizar dicha estimacin nos vamos al men
principal a MODEL, luego a LINEAR MODEL y por ltimo a REGRESSION.

Los resultados de la regresin sern:

VALORACIN ECONMICA DE LA BIODIVERSIDAD Y LOS ECOSISTEMAS

VALORACIN ECONMICA DE LA BIODIVERSIDAD Y LOS ECOSISTEMAS

COMPRENDIENDO LA SALIDA
Antes de continuar con el ejemplo es conveniente conocer que significa cada lnea de la
salida y saber como se denominan e intuitivamente saber su finalidad.
+----------------------------------------------------+
| Ordinary
least squares regression
|
| Model was estimated May 04, 2011 at 00:42:10AM
|
| LHS=DX
Mean
=
13.33333
|
|
Standard deviation
=
5.789227
|
| WTS=none
Number of observs.
=
12
|
| Model size
Parameters
=
5
|
|
Degrees of freedom
=
7
|
Estadstico t de Student
| Residuals
Sum of squares
=
1.527901
|
calculado =/S
|
Standard error of e =
.4671954
|
| Fit
R-squared
=
.9958556
|
|
Adjusted R-squared
=
.9934874
|
| Model test
F[ 4,
7] (prob) = 420.51 (.0000) |
| Diagnostic
Log likelihood
= -4.661192
|
|
Restricted(b=0)
= -37.57718
|
|
Chi-sq [ 4] (prob) = 65.83 (.0000) |
| Info criter. LogAmemiya Prd. Crt. = -1.173709
|
|
Akaike Info. Criter. = -1.227678
|
Probabilidad de
| Autocorrel
Durbin-Watson Stat. = 1.9861121
|
error tipo I
|
Rho = cor[e,e(-1)]
=
.0069439
|
+----------------------------------------------------+
+--------+--------------+----------------+--------+--------+----------+
|Variable| Coefficient | Standard Error |t-ratio |P[|T|>t]| Mean of X|
+--------+--------------+----------------+--------+--------+----------+
Constant|
19.5353219
6.61522139
2.953
.0213
PX
|
-.71236356
.20832275
-3.420
.0111
11.2500000
PW
|
-.22068518
.36475129
-.605
.5643
17.7500000
PZ
|
.48027667
.49172152
.977
.3612
4.75000000
I
|
.19988112
.26574497
.752
.4765
17.2500000

Variables
incluidas en la
regresin ONE,
PX, PW, PZ, I

Parmetros
estimados

Desviacin
estndar del
parmetro S

COMPRENDIENDO LA SALIDA

Valor de la media
de las variables
explicativas

VALORACIN ECONMICA DE LA BIODIVERSIDAD Y LOS ECOSISTEMAS

Antes de continuar con el ejemplo es conveniente conocer que significa cada
lnea de la salida y saber como se denominan e intuitivamente saber su
finalidad.

Mtodo de estimacin
Mnimos Cuadrados

+----------------------------------------------------+
| Ordinary
least squares regression
|
| Model was estimated May 04, 2011 at 00:42:10AM
|
| LHS=DX
Mean
=
13.33333
|
Entrega estadsticos
|
Standard deviation
=
5.789227
|
sobre la variable
| WTS=none
Number of observs.
=
12
|
| Model size
Parameters
=
5
|
Informa sobre las dimensiones del
|
Degrees of freedom
=
7
|
modelo,
nmero de observaciones,
| Residuals
Sum of squares
=
1.527901
|
|
Standard error of e =
.4671954
|
parmetros y grados de libertad.
| Fit
R-squared
=
.9958556
|
|
Adjusted R-squared
=
.9934874
|
| Model test
F[ 4,
7] (prob) = 420.51 (.0000) |
| Diagnostic
Log likelihood
= -4.661192
|
Muestra l clculo del estadstico
|
Restricted(b=0)
= -37.57718
|
Durbin-Watson y el valor del
|
Chi-sq [ 4] (prob) = 65.83 (.0000) |
coeficiente de autocorrelacin ()
| Info criter. LogAmemiya Prd. Crt. = -1.173709
|
|
Akaike Info. Criter. = -1.227678
|
para la deteccin de
| Autocorrel
Durbin-Watson Stat. = 1.9861121
|
autocorrelacin de los errores.
|
Rho = cor[e,e(-1)]
=
.0069439
|
+----------------------------------------------------+
+--------+--------------+----------------+--------+--------+----------+
|Variable| Coefficient | Standard Error |t-ratio |P[|T|>t]| Mean of X|
+--------+--------------+----------------+--------+--------+----------+
Constant|
19.5353219
6.61522139
2.953
.0213
PX
|
-.71236356
.20832275
-3.420
.0111
11.2500000
PW
|
-.22068518
.36475129
-.605
.5643
17.7500000
PZ
|
.48027667
.49172152
.977
.3612
4.75000000
I
|
.19988112
.26574497
.752
.4765
17.2500000

Resume la suma al
cuadrado del
residuo, y la
Desviacin de la
regresin.

Mide el ajuste del

modelo a travs del
coeficiente de
determinacin (R2) y
ajustado.
Se verifica la
validez conjunta del
modelo a travs de
la prueba F.
Calcula los
estadsticos de
Amemiya y Akaike,
cuanto menos mejor.

Se calcula el valor de la
funcin de verosimilitud,
incluyendo variables
explicativas y
excluyndolas.

VALORACIN ECONMICA DE LA BIODIVERSIDAD Y LOS ECOSISTEMAS

Pruebas de inferencia
Comparando la regresin con una variable (LP) versus con dos variables (LP,LY) se observa que la
significancia de cada variable individualmente y de forma conjunta en el modelo es alta ya que tanto el
la prueba t-Student como la prueba F lo confirman. Las pruebas de inferencias son de varios tipos; una
es por cada parmetro, otra es sobre la validez conjunta, existe una sobre restricciones y otras sobre
quiebres estructurales.
Una prueba sobre cada parmetro es una prueba t-Student, se formula a partir de que el parmetro en
cuestin no es significativo (hiptesis nula H0) y no aporta a la variacin de la variable dependiente por
tanto su coeficiente es estadsticamente nulo versus la hiptesis de que si es diferente de cero
(hiptesis alternativa H1) y si aporta a la explicacin de la variable dependiente para ello se calcula un
estadstico, bajo la hiptesis nula, y se compara con el valor de tablas (tabulado) para ese estadstico
de acuerdo a los grados de libertad y nivel de confianza de cometer error tipo uno. Por ejemplo para
la regresin anterior, se tendran las siguientes hiptesis nulas y alternativas.
H0: =0; el parmetro del precio no es significativo.
H1: 0; el parmetro del precio si es significativo.

El estadstico es Tc=/S=[-0.1967534776/.0297239]=-6.768
H0: =0; el parmetro del ingreso no es significativo
H1: 0; el parmetro del ingreso si es significativo

El estadstico es Tc=/S=[0.7875703341/0.029095249]= 27.069

Criterio si el Tc es mayor al Ttb se rechaza la hiptesis nula
Donde Tc es el t-Student calculado y el Ttb es el t de tabla para los mismos grados de libertad con un
5% de error tipo uno (95% de confianza).
H0: ==0; los parmetros del precio y del ingreso no son significativos
H1: 0; los parmetros del precio y del ingreso si son significativos

El estadstico es FC[ 2, 97] =2148.16,

Criterio si el Fc[2,97] es mayor al Ftb se rechaza la hiptesis nula
Donde Fc es el Fcalculado y el Ftb es el F de tabla para los mismos grados de libertad con un 5% de
error tipo uno (95% de confianza).

VALORACIN ECONMICA DE LA BIODIVERSIDAD Y LOS ECOSISTEMAS

Utilizando el men Tools, el submen , Scalar Calculator, escogemos dos opciones para obtener el
valor en tablas de las pruebas t-Student, Ttb(P,d), y prueba F. En el caso de la prueba t-Student,
haciendo P=0.95, y, d=97 se obtiene el valor de Ttb= 1.6607 que es menor al obtenido, en el clculo
del estadstico para cada parmetro y la otro opcin, como se menciono, es obtener el F de tabla,
Ftb(P,n,d), haciendo =0.95, n=2, y, d=97. se obtiene el valor de Ftb=3.09018. otra opcin era escribir
en la ventana de comandos la instrucciones y ver en la ventana de salida los resultados como se
muestra a continuacin.
CALC;list;Ttb(.95,97)$
Result = .16607146073001230D+01
CALC;list;Ftb(.95,2,97)$
Result = .30901866751599990D+01