Modelos de elección discreta logit y datos sintéticos generados con el algoritmo rose aplicados a valorar un bien público

Abstract

El proceso de estimación del valor económico de un bien público, como son los servicios ambientales o la defensa nacional, se basa en la teoría del bienestar. Uno de los métodos de valoración económica más conocidos es denominado valoración contingente. En su aplicación, los encuestados responden una pregunta sobre su disposición a pagar (DAP), que refleja la máxima cantidad de dinero que un individuo pagaría por obtener un bien público. Este valor se estima usando un modelo de regresión logística binaria. Sin embargo, esta técnica tiene una seria limitación relacionada con la posibilidad de obtener sesgo hipotético, debido a la falta de honestidad en las respuestas, lo que produce un desbalance en las observaciones de los grupos definidos por la variable dependiente que indica la respuesta a la propuesta de realizar un pago por el acceso a un bien público. Este desequilibrio produce problemas en las etapas de estimación y evaluación de la precisión del modelo de clasificación. Se utilizaron datos de valoración contingente del Bosque Reservado de la Universidad Nacional Agraria de la Selva (BRUNAS), ubicado a 1,5 km de la localidad de Tingo María en Huánuco, para los cuales se calculó la DAP utilizando diferentes modelos, con el objetivo de valorar un bien público mediante modelos de regresión logística binaria estimados con grupos balanceados utilizando el algoritmo ROSE. En el primer modelo se aplicó un método de selección de variables mediante el Criterio de Información de Akaike (AIC), teniendo en cuenta el conjunto de datos original con grupos no balanceados. El segundo modelo se estimó luego de aplicar el algoritmo ROSE, que permite obtener datos sintéticos para equilibrar los grupos y tener aproximadamente la misma cantidad de respuestas negativas y positivas. Después de aplicar el algoritmo ROSE, el modelo obtenido logró una estimación más realista de la DAP y de su error estándar lo que resultó en intervalos de confianza con menor amplitud en comparación con el modelo inicial.

The process of estimating the economic value of a public good, such as environmental services or national defense, is based on welfare theory. One of the best-known methods of economic valuation is called contingent valuation. In their application, respondents answer a question about their willingness to pay (WTP), which reflects the maximum amount of money an individual would pay to obtain a public good. This value is estimated using a binary logistic regression model. However, this technique has a serious limitation related to the possibility of hypothetical bias, due to the lack of honesty in the answers, which produces an imbalance in the observations of the groups defined by the dependent variable that indicates the response to the proposal to make a payment for access to a public good. This imbalance causes problems in the estimation and evaluation stages of the accuracy of the classification model. This study used contingent valuation data from the Reserved Forest of the Universidad Nacional Agraria de la Selva (BRUNAS), located 1.5 km from the town of Tingo María in Huánuco, for which WTP was calculated using different models, with the aim of valuing a public good using binary logistic regression models estimated with balanced groups using the ROSE algorithm. In the first model, a variable selection method using the Akaike Information Criterion (AIC) was applied, considering the original data set with unbalanced groups. The second model was estimated after applying the ROSE algorithm, which allows synthetic data to balance the groups and has approximately the same number of negative and positive responses. After applying the ROSE algorithm, the obtained model achieved a more realistic estimate of the DAP and its standard error, resulting in confidence intervals with less amplitude than the initial model.