3.III. Estimación de las Medidas de Bienestar e Intervalos de Confianza

3.III.1. Estimación de las Media de la DAP

En la tabla F, G y H se presenta las estimaciones de los modelos, incluyendo solamente las variables estadísticamente significativas. En el modelo de valoración aleatoria las variables cambio de domicilio e importancia son significativas para los umbrales y también para la DAP. Fue necesario conservar el supuesto de simetría donde R=1, porque R no se puede estimar al estar las variables cambio de domicilio e importancia en los umbrales y en la media de la DAP, por lo que al introducir R como un parámetro a estimar se presentan problemas de multicolinealidad.

Se puede ver que los parámetros seleccionados para calcular la media son significativos a un nivel del 5% y tienen los signos esperados. Estos resultados son consistentes con la evidencia aportada por Wang.

Los resultados de los modelos muestran que el ingreso y la edad tienen un efecto altamente significativo en todos los modelos. Las variables cambio de domicilio e importancia aumentan la DAP media de los individuos, es decir que aquellos que se cambiarían y los que le dan importancia al problema tienen mayor DAP (V), como es de esperarse.

Comparando los resultados de los cuatro modelos, tratando la respuesta no sabe NS como no (modelo III) se obtiene la estimación de la media de la DAP más baja, mientras que en el modelo II se obtiene la estimación de la media de la DAP más alta, independientemente de la distribución de los errores asumida. En el modelo I la media de la DAP es mayor que cuando se elimina la respuesta no sabe NS con una distribución normal o logística, pero con la distribución t – student es lo contrario.

3.III.2. Intervalos de Confianza

Los intervalos de confianza fueron estimados con el procedimiento de Park, Loomis y Creel (1991), el cual consiste en utilizar la información de la distribución de los * contenida en la matriz de varianzas y covarianzas para aproximar la distribución de la DAP. Esta técnica se implementa con la información disponible de la estimación de la función de máxima verosimilitud, es decir, la estimación de los parámetros * y la estimación de la matriz de varianzas y covarianzas Var . El procedimiento genera una muestra grande de los coeficientes a través de una simulación para generar un nuevo vector de parámetros ** generado de una distribución normal con media * y matriz Var . Para cada vector ** se calcula una media simulada con desviación estándar simulada.

Para la estimación se utilizó un total de 1000 iteraciones, donde la nueva muestra generada de la simulación fue ordenada en forma ascendente y el intervalo se obtuvo eliminando un porcentaje igual al /2 de los valores de las colas de la distribución donde  es el nivel de significancia; de esta forma se estimo el límite superior e inferior para construir los intervalos de confianza de la media. Los intervalos se construyeron para un nivel de significancía del 5% y 10 % (Tabla I, Tabla J)

En la tabla I para la distribución normal, logística el intervalo de la DAP del modelo II es mayor que los intervalos de los modelos III y IV, por lo que se puede decir que la media de la DAP del modelo II es estadísticamente mayor que la media de los otros dos modelos, sin embargo para la distribución t –student el intervalo de la DAP del modelo II es mayor que los intervalos de los modelos I y III.

En la tabla J al comparar los intervalos se observa que el modelo II es estadísticamente distinto comparado con el intervalo del modelo III y IV e incluso que el modelo I, los resultados muestran que los intervalos no se interceptan por lo que las medias son estadísticamente distintas, se puede decir que la media de la DAP del modelo II es estadísticamente mayor que los otros modelos con distribución normal o logística. El intervalo del modelo II es mayor que los modelos I y III con la distribución t- student.

Los intervalos de confianza del modelo I con las diferentes distribuciones se intersecta, el mismo efecto se presentan en el modelo II y III, sin embargo en el modelo IV con la distribución t- student existe diferencias pocas significativas comparada con los intervalos del modelo IV con distribuciones normal o logística. Por lo que se puede concluir que para cada modelo, independiente de la distribución que se asuma, la DAP estimada no es estadísticamente diferente.