UNIVERSIDAD MAYOR DE SAN ANDRÉS

El hecho de que la variable dependiente sea binaria o dicotómica, la decisión de
seleccionar entre los modelos no lineales Logit o Probit no es fácil, ya que ambos son muy
similares. Dada la similitud existente entre las curvas de la normal tipificada y de la
logística, los resultados estimados por ambos modelos no difieren mucho entre sí 38 ,
siendo las diferencias operativas, debidas a la complejidad que presenta el cálculo de la
función de distribución normal frente a la logística, ya que la primera solo puede
calcularse en forma de integral. La menor complejidad de manejo que caracteriza al
modelo Logit es lo que ha potenciado su aplicación en la mayoría de los estudios
empíricos.
Siguiendo el procedimiento de selección de Heckman, se incluyen factores de corrección
del sesgo de la estimación en la ecuación de la determinación de la DAP, este
procedimiento propuesto por Heckman consiste en estimar, en una primera etapa, la
ecuación de selección mediante un modelo Probit que permita obtener la inversa del ratio
de Mills ( ) para cada una de las observaciones. La segunda ecuación se estima por
mínimos cuadrados ordinarios (MCO) incluyendo como variable explicativa ( ). Las
estimaciones resultarían consistentes.
Como modelo econométrico se planteó el modelo Logit, Probit y Heckman, (ver Anexo 4).
Todas y cada una de las observaciones, tienen asociada una probabilidad de disposición a
pagar complementándose con la probabilidad de no dispuesto a pagar, asociada al vector
de atributos de las diferentes variables explicativas seleccionadas.
El modelo econométrico nos permitió estimar la DAP por una mejora ambiental de las
aguas del Río Pilcomayo, las variables empleadas son: sexo (SX), edad (ED), nivel de
educación (NE), ocupación (OCUP), número de integrantes en la familia (NF), Ingreso
mensual (Y), información ó conocimiento de la contaminación del río (INF), afectación
por la contaminación (AFECT), variable de aceptación por las mejoras de las aguas del
38 Discrepan únicamente, en la rapidez con que las curvas se aproximan a los valores extremos, y así la
función logística es más achatada que la normal al alcanzar,, esta última , más rápidamente los valores
extremos (0,1)
49