ESTUDIO DE VALORACION CONTINGENTE

El ejercicio presentado es un estudio sustraído de Mendieta (1999), de la investigación titulada

“Valoración Económica de los Beneficios Ambientales Directos de la Construcción de la Planta
de Tratamiento de Agua del Río Salitre”. Tesis de Maestría del Programa de Economía del
Medio Ambiente y de los Recursos Naturales (PEMAR) de la Facultad de Economía de la
Universidad de los Andes-Bogotá-Colombia.

En el presente ejercicio de investigación se hace la valoración económica del cambio en la

calidad del agua generada por la construcción de una planta de tratamiento primario y
secundario para el Río el Salitre. A partir de estas estimaciones, se pretende calcular la
contribución al bienestar total de los habitantes de la zona, gracias al programa de reducción en
la contaminación del agua del río. Con el tratamiento primario, desaparecerán los olores fétidos
y los sólidos flotantes desagradables que se presentan en la actualidad.

No obstante, este tratamiento hará que el agua tenga un olor característico, que se describe como
“musty” (rancio, mohoso, añejo). Con el tratamiento secundario, desaparecerá todo tipo de olor
y el río recuperará su color natural. Con un proceso de desinfección en el tratamiento secundario
se reducirá drásticamente la población de agentes patógenos dentro del río.

Específicamente, se utiliza el método de valoración contingente para estimar la disponibilidad a

pagar de los habitantes de la zona por diferentes niveles de calidad relacionados con diferentes
niveles de flujos de servicios provistos por el río una vez ya esté descontaminado. Se pretende
estimar:

 Nivel de calidad A. Disponibilidad a pagar por la eliminación de los malos olores

generados por el agua contaminada, tratar de poder caminar y jugar por las orillas del
rio una vez que el agua sea descontaminada
 Nivel de calidad B. Disponibilidad a pagar de los habitantes de la zona por el
mejoramiento estético del rio
 Nivel de calidad C. Disponibilidad a pagar de los habitantes de la zona por la
disminución en los riesgos a la salud, asociados a una menor presencia de agentes
patógenos en el río y con miras a poder navegar por este.

La zona de impacto del proyecto de descontaminación abarca parte de las localidades de

Engativá y Fontibón. Para esto se levantó un total de 340 observaciones a través de encuestas
directas. El archivo que contiene los datos se llama [Link]. Las variables incluidas en el
estudio son las siguientes:

Variables

X1: Variable continua que representa la distancia en kilómetros del hogar al río.
X2: Variable binaria que toma el valor de 1 si existe percepción de malos olores y o si no existe
percepción.

X3: Variable continua que representa el número de meses que se perciben al año los olores
fétidos del río.

X4: Variable continua que representa el número de días que recibió los malos olores en el mes
pasado.

X5: Variable binaria que toma el valor de 1 si el tipo de olor percibido es constante y 0 si el tipo
de olor percibido es temporal.

X6: Variable independiente continua que representa el precio hipotético a pagar por acceder a
los beneficios del nivel de calidad ambiental A.

X7: Variable dependiente binaria, que representa la probabilidad de responder SI (1) a la

pregunta de DAP por el nivel de calidad A, o NO pagar (0).

X8: Variable independiente continua que representa el precio hipotético a pagar por acceder a
los beneficios del nivel de calidad ambiental B.

X9: Variable dependiente binaria, que representa la probabilidad de responder SI (1) a la

pregunta de DAP por el nivel de calidad B, o NO pagar (0). 271

X10: Variable independiente continua que representa el precio hipotético a pagar por acceder a
los beneficios del nivel de calidad ambiental C.

X11: Variable dependiente binaria, que representa la probabilidad de responder SI (1) a la

pregunta de DAP por el nivel de calidad C, o NO pagar (0).

X12: Variable continua que representa el número de personas en el hogar.

X13: Variable independiente continua que representa el ingreso familiar mensual en pesos del
entrevistado.

X14: Variable discreta categórica ordenada que representa el estrato socioeconómico.

X15: Variable independiente binaria que representa el nivel de educación del entrevistado, si es
universitaria o mayor (1), y (0) si tiene un nivel de educación inferior al universitario.

Se pide:

Estime modelos tipo referéndum que predigan la disponibilidad a pagar media por los diferentes
niveles de calidad ambiental del río. Cual es el conjunto de variables óptimas en este caso.
Mencione el orden encontrado en los valores de la disponibilidad a pagar. Cree que estos
valores son consistentes con las mejoras propuestas. La estimación de la disponibilidad a pagar
media por los diferentes niveles de calidad ambiental del río serán estimados a partir del modelo
LOGIT.

SOLUCION

Estadística descriptiva

Variable Obs Mean Std. Dev. Min Max

x1 340 2.282589 .5862305 1.2 3

x2 340 .9764706 .151801 0 1
x3 340 8.925088 1.118816 7 12
x4 340 17.16176 4.887557 9 31
x5 340 .4058824 .4917857 0 1

x6 340 5589.706 321.3815 4500 6000

x7 340 .3588235 .4803622 0 1
x8 340 5845.588 627.876 4500 7000
x9 340 .6588235 .4748033 0 1
x10 340 6233.824 1098.619 4500 10000

x11 340 .6676471 .471751 0 1

x12 340 4.464706 1.589583 2 9
x13 340 520.5882 243.194 50 950
x14 340 2.982353 1.28973 0 6
x15 340 .3911765 .488733 0 1

_est_est1 340 1 0 1 1

CALIDAD AMBIENTAL A

MODELO DE PROBABILIDAD LINEAL

. eststo: reg x7 x2 x6 x13 x15

Source SS df MS Number of obs = 340

F(4, 335) = 14.99
Model 11.8767029 4 2.96917572 Prob > F = 0.0000
Residual 66.3468265 335 .198050228 R-squared = 0.1518
Adj R-squared = 0.1417
Total 78.2235294 339 .230747874 Root MSE = .44503

x7 Coef. Std. Err. t P>|t| [95% Conf. Interval]

x2 -.1805785 .1594676 -1.13 0.258 -.4942625 .1331055

x6 .0002485 .0000754 3.30 0.001 .0001002 .0003968
x13 .0001513 .0000998 1.52 0.130 -.000045 .0003476
x15 .3450629 .0495802 6.96 0.000 .2475352 .4425907
_cons -1.06785 .4491363 -2.38 0.018 -1.951333 -.1843672

MODELO LOGIT

. eststo: logit x7 x2 x6 x13 x15

Iteration 0: log likelihood = -221.93102

Iteration 1: log likelihood = -195.52249
Iteration 2: log likelihood = -195.04938
Iteration 3: log likelihood = -195.04919
Iteration 4: log likelihood = -195.04919

Logistic regression Number of obs = 340

LR chi2(4) = 53.76
Prob > chi2 = 0.0000
Log likelihood = -195.04919 Pseudo R2 = 0.1211

x7 Coef. Std. Err. z P>|z| [95% Conf. Interval]

x2 -.8726315 .8217806 -1.06 0.288 -2.483292 .7380288

x6 .0013619 .0004244 3.21 0.001 .0005301 .0021937
x13 .0007508 .0005052 1.49 0.137 -.0002393 .001741
x15 1.596687 .2516569 6.34 0.000 1.103448 2.089925
_cons -8.452639 2.537106 -3.33 0.001 -13.42528 -3.480001

CALCULAMOS LA MEDIA DE LA DISPOSICION A PAGAR POR LA CALIDAD A

. egen dap_logitA=mean(-(_b[_cons]+_b[x2]*x2+_b[x13]*x13+_b[x15]*x15)/_b[x6])

. sum dap_logitA

Variable Obs Mean Std. Dev. Min Max

dap_logitA 340 6086.441 0 6086.441 6086.441

El cuadro anterior nos indica que en promedio (con una probabilidad de ocurrencia de un 50%)
la disponibilidad a pagar de las personas por la mejorar en calidad A, es de 6086.44 unidades
monetarias.

MODELO PROBIT CALIDAD A

. eststo: probit x7 x2 x6 x13 x15

Iteration 0: log likelihood = -221.93102

Iteration 1: log likelihood = -195.11092
Iteration 2: log likelihood = -194.97307
Iteration 3: log likelihood = -194.97306

Probit regression Number of obs = 340

LR chi2(4) = 53.92
Prob > chi2 = 0.0000
Log likelihood = -194.97306 Pseudo R2 = 0.1215

x7 Coef. Std. Err. z P>|z| [95% Conf. Interval]

x2 -.5267908 .4819537 -1.09 0.274 -1.471403 .4178211

x6 .0008172 .0002471 3.31 0.001 .0003329 .0013014
x13 .0004461 .0003017 1.48 0.139 -.0001452 .0010374
x15 .9719444 .1497998 6.49 0.000 .6783423 1.265547
_cons -5.075788 1.475385 -3.44 0.001 -7.96749 -2.184086

CALCULO DE LA MEDIA DE DISPOSICION A PAGAR CON MODELO PROBIT

. egen dap_probitA=mean(-(_b[_cons]+_b[x2]*x2+_b[x13]*x13+_b[x15]*x15)/_b[x6])

. sum dap_probitA

Variable Obs Mean Std. Dev. Min Max

dap_probitA 340 6091.538 0 6091.538 6091.538

De acuerdo al modelo Probit calculado, nos indica que en promedio (con una probabilidad de
ocurrencia de un 50%) la disponibilidad a pagar de las personas por la mejorar en calidad A, es
de 6091.454 unidades monetarias.

RESUMEN DE LAS ESTIMACIONES PARA LA CALIDAD AMBIENTAL A

Calidad A

(1) (2) (3)

MPL LOGIT PROBIT

main
x2 -0.181 -0.873 -0.527
(0.159) (0.822) (0.482)

x6 0.000249** 0.00136** 0.000817***

(0.0000754) (0.000424) (0.000247)

x13 0.000151 0.000751 0.000446

(0.0000998) (0.000505) (0.000302)

x15 0.345*** 1.597*** 0.972***

(0.0496) (0.252) (0.150)

_cons -1.068* -8.453*** -5.076***

(0.449) (2.537) (1.475)

N 340 340 340

R-sq 0.152
adj. R-sq 0.142

Standard errors in parentheses

* p<0.05, ** p<0.01, *** p<0.001

CALIDAD AMBIENTAL B

MODELO DE PPROBABILIDAD LINEAL

. eststo: reg x9 x2 x8 x13 x15

Source SS df MS Number of obs = 340

F(4, 335) = 3.86
Model 3.36967282 4 .842418205 Prob > F = 0.0044
Residual 73.0538566 335 .218071214 R-squared = 0.0441
Adj R-squared = 0.0327
Total 76.4235294 339 .22543814 Root MSE = .46698

x9 Coef. Std. Err. t P>|t| [95% Conf. Interval]

x2 .1744863 .1679177 1.04 0.299 -.1558198 .5047924

x8 -.000043 .0000416 -1.03 0.301 -.0001248 .0000388
x13 5.08e-06 .0001072 0.05 0.962 -.0002059 .000216
x15 .1895398 .052025 3.64 0.000 .0872031 .2918766
_cons .6631373 .2965324 2.24 0.026 .0798371 1.246437

MODELO LOGIT

. eststo: logit x9 x2 x8 x13 x15

Iteration 0: log likelihood = -218.21633

Iteration 1: log likelihood = -210.55377
Iteration 2: log likelihood = -210.49219
Iteration 3: log likelihood = -210.49217

Logistic regression Number of obs = 340

LR chi2(4) = 15.45
Prob > chi2 = 0.0039
Log likelihood = -210.49217 Pseudo R2 = 0.0354

x9 Coef. Std. Err. z P>|z| [95% Conf. Interval]

x2 .7619861 .7368526 1.03 0.301 -.6822184 2.206191

x8 -.0001981 .0001898 -1.04 0.297 -.00057 .0001738
x13 .0000306 .0004972 0.06 0.951 -.0009439 .0010051
x15 .8965638 .2523706 3.55 0.000 .4019265 1.391201
_cons .7415409 1.332818 0.56 0.578 -1.870733 3.353815

CALCULAMOS LA MEDIA DE LA DISPOSICION A PAGAR POR LA CALIDAD B

. egen dap_logitB=mean(-(_b[_cons]+_b[x2]*x2+_b[x13]*x13+_b[x15]*x15)/_b[x8])

. sum dap_logitB

Variable Obs Mean Std. Dev. Min Max

dap_logitB 340 9350.175 0 9350.175 9350.175

El cuadro anterior nos indica que en promedio (con una probabilidad de ocurrencia de un 50%)
la disponibilidad a pagar de las personas por la mejorar en calidad B, es 9350.18 unidades
monetarias.
MODELO PROBIT

. **Modelo Probit*
. eststo: probit x9 x2 x8 x13 x15

Iteration 0: log likelihood = -218.21633

Iteration 1: log likelihood = -210.59659
Iteration 2: log likelihood = -210.58396
Iteration 3: log likelihood = -210.58396

Probit regression Number of obs = 340

LR chi2(4) = 15.26
Prob > chi2 = 0.0042
Log likelihood = -210.58396 Pseudo R2 = 0.0350

x9 Coef. Std. Err. z P>|z| [95% Conf. Interval]

x2 .4641105 .4569402 1.02 0.310 -.4314758 1.359697

x8 -.0001113 .000116 -0.96 0.337 -.0003387 .0001161
x13 .0000148 .0003001 0.05 0.961 -.0005733 .000603
x15 .537704 .1497191 3.59 0.000 .2442599 .8311481
_cons .4046874 .8200692 0.49 0.622 -1.202619 2.011993

CALCULO DE LA MEDIA DE DISPOSICION A PAGAR CON MODELO PROBIT

. egen dap_probitB=mean(-(_b[_cons]+_b[x2]*x2+_b[x13]*x13+_b[x15]*x15)/_b[x8])

. sum dap_probitB

Variable Obs Mean Std. Dev. Min Max

dap_probitB 340 9667.606 0 9667.606 9667.606

De acuerdo al modelo Probit calculado, nos indica que en promedio (con una probabilidad de
ocurrencia de un 50%) la disponibilidad a pagar de las personas por la mejorar en calidad B, es
de 9667.61 unidades monetarias.

RESUMEN DE LAS ESTIMACIONES PARA LA CALIDAD AMBIENTAL B

Calidad B

(1) (2) (3)

MPL LOGIT PROBIT

main
x2 0.174 0.762 0.464
(0.168) (0.737) (0.457)

x8 -0.0000430 -0.000198 -0.000111

(0.0000416) (0.000190) (0.000116)

x13 0.00000508 0.0000306 0.0000148

(0.000107) (0.000497) (0.000300)

x15 0.190*** 0.897*** 0.538***

(0.0520) (0.252) (0.150)

_cons 0.663* 0.742 0.405

(0.297) (1.333) (0.820)

N 340 340 340

R-sq 0.044
adj. R-sq 0.033

Standard errors in parentheses

* p<0.05, ** p<0.01, *** p<0.001

CALIDAD AMBIENTAL C

MODELO DE PPROBABILIDAD LINEAL

. eststo: reg x11 x2 x10 x13 x15

Source SS df MS Number of obs = 340

F(4, 335) = 8.79
Model 7.16316877 4 1.79079219 Prob > F = 0.0000
Residual 68.2809489 335 .203823728 R-squared = 0.0949
Adj R-squared = 0.0841
Total 75.4441176 339 .22254902 Root MSE = .45147

x11 Coef. Std. Err. t P>|t| [95% Conf. Interval]

x2 .3375522 .1626455 2.08 0.039 .0176171 .6574873

x10 -.0000399 .0000229 -1.74 0.083 -.000085 5.23e-06
x13 -.0002405 .0001033 -2.33 0.021 -.0004438 -.0000372
x15 .2396372 .0503082 4.76 0.000 .1406774 .3385971
_cons .6181804 .2167152 2.85 0.005 .1918863 1.044475

MODELO LOGIT

. eststo: logit x11 x2 x10 x13 x15

Iteration 0: log likelihood = -216.18303

Iteration 1: log likelihood = -199.5007
Iteration 2: log likelihood = -199.206
Iteration 3: log likelihood = -199.20587
Iteration 4: log likelihood = -199.20587

Logistic regression Number of obs = 340

LR chi2(4) = 33.95
Prob > chi2 = 0.0000
Log likelihood = -199.20587 Pseudo R2 = 0.0785

x11 Coef. Std. Err. z P>|z| [95% Conf. Interval]

x2 1.538801 .7714372 1.99 0.046 .0268116 3.05079

x10 -.0001849 .0001117 -1.66 0.098 -.0004038 .0000339
x13 -.0012012 .0005279 -2.28 0.023 -.0022359 -.0001666
x15 1.218461 .2698597 4.52 0.000 .6895459 1.747377
_cons .5831211 1.036472 0.56 0.574 -1.448326 2.614569

CALCULAMOS LA MEDIA DE LA DISPOSICION A PAGAR

. egen dap_logitC=mean(-(_b[_cons]+_b[x2]*x2+_b[x13]*x13+_b[x15]*x15)/_b[x10])

. sum dap_logitC

Variable Obs Mean Std. Dev. Min Max

dap_logitC 340 10473.7 0 10473.7 10473.7

El cuadro anterior nos indica que en promedio (con una probabilidad de ocurrencia de un 50%)
la disponibilidad a pagar de las personas por la mejorar en calidad C, es 10473.7 unidades
monetarias.

MODELO PROBIT

. eststo: probit x11 x2 x10 x13 x15

Iteration 0: log likelihood = -216.18303

Iteration 1: log likelihood = -199.15914
Iteration 2: log likelihood = -199.05119
Iteration 3: log likelihood = -199.05119

Probit regression Number of obs = 340

LR chi2(4) = 34.26
Prob > chi2 = 0.0000
Log likelihood = -199.05119 Pseudo R2 = 0.0792

x11 Coef. Std. Err. z P>|z| [95% Conf. Interval]

x2 .9189277 .4548118 2.02 0.043 .027513 1.810342

x10 -.0001091 .0000672 -1.62 0.105 -.0002408 .0000226
x13 -.0007488 .0003151 -2.38 0.017 -.0013664 -.0001313
x15 .7327294 .1567006 4.68 0.000 .4256019 1.039857
_cons .3644672 .620591 0.59 0.557 -.8518688 1.580803

CALCULO DE LA MEDIA DE DISPOSICION A PAGAR CON MODELO PROBIT

. egen dap_probitC=mean(-(_b[_cons]+_b[x2]*x2+_b[x13]*x13+_b[x15]*x15)/_b[x10])

. sum dap_probitC

Variable Obs Mean Std. Dev. Min Max

dap_probitC 340 10621.65 0 10621.65 10621.65

De acuerdo al modelo Probit calculado, nos indica que en promedio (con una probabilidad de
ocurrencia de un 50%) la disponibilidad a pagar de las personas por la mejorar en calidad C, es
de 10621.65 unidades monetarias.

RESUMEN DE LAS ESTIMACIONES PARA LA CALIDAD AMBIENTAL C

. esttab est7 est8 est9, title("Calidad C") mtitle("MPL" "LOGIT" "PROBIT") r2 ar2 se

Calidad C

(1) (2) (3)

MPL LOGIT PROBIT

main
x2 0.338* 1.539* 0.919*
(0.163) (0.771) (0.455)

x10 -0.0000399 -0.000185 -0.000109

(0.0000229) (0.000112) (0.0000672)

x13 -0.000240* -0.00120* -0.000749*

(0.000103) (0.000528) (0.000315)

x15 0.240*** 1.218*** 0.733***

(0.0503) (0.270) (0.157)

_cons 0.618** 0.583 0.364

(0.217) (1.036) (0.621)

N 340 340 340

R-sq 0.095
adj. R-sq 0.084

Standard errors in parentheses

* p<0.05, ** p<0.01, *** p<0.001

RESUMEN DE LAS DISPOSICIONES A PAGAR MODELO LOGIT

Variable Obs Mean Std. Dev. Min Max

dap_logitA 340 6086.441 0 6086.441 6086.441

dap_logitB 340 9350.175 0 9350.175 9350.175
dap_logitC 340 10473.7 0 10473.7 10473.7

RESUMEN DE LAS DISPOSICIONES A PAGAR MODELO PROBIT

Variable Obs Mean Std. Dev. Min Max

dap_probitA 340 6091.538 0 6091.538 6091.538

dap_probitB 340 9667.606 0 9667.606 9667.606
dap_probitC 340 10621.65 0 10621.65 10621.65

CONCLUSIONES
Se ha estimado la disposición a pagar para los tres tipos de calidad ambiental del Rio Salitre y
se concluye que los pobladores de la zona de impacto del proyecto de descontaminación que
abarca parte de las localidades de Engativá y Fontibón están dispuestos a pagar más por la
calidad ambiental C que implica la disminución en los riesgos a la salud, asociados a una menor
presencia de agentes patógenos en el río y con miras a poder navegar por este, de acuerdo al
modelo Logit las personas en promedio están dispuestos a pagar 10473.7 unidades monetarias y
de acuerdo al modelo Probit en promedio la población está dispuesta a pagar 10621.65 unidades
monetarias con una probabilidad del 50% en ambos casos.