3.8. Diseño experimental eficiente: encuesta final
3.8.3. Generación del diseño eficiente
En este diseño experimental se toman como base los conocimientos adquiridos mediante el diseño ortogonal realizado previamente. En el presente apartado solamente se hará hincapié en las consideraciones que difieran sustancialmente de las tomadas en el diseño ortogonal previo, puesto que muchas de sus características básicas serán muy similares.
3.8.3.1. Refinamiento de estímulos
En el diseño experimental eficiente se consideran 3 niveles de variación para todos los atributos considerados. Por lo tanto, los niveles de las variables tiempo, coste, intervalo entre vehículos y número de transbordos se equiparan a los de la variable tipo de transporte público.
3.8.3.2. Consideraciones del diseño experimental
Las especificaciones elegidas para la utilidad de las alternativas incluidas en el diseño corresponden a las expresiones (3.10) y (3.11), donde tanto el intervalo entre vehículos como el número de transbordos se consideran genéricos para las alternativas de transporte público. Además, y debido a la naturaleza de esta última variable, es necesario incluir un nuevo parámetro correspondiente al tercer nivel de la misma. ATRIBUTO ETIQUETA ATRIBUTO CÓDIO DISEÑO NIVEL CÓDIGO
ORTOGONAL NIVEL ETIQUETA NIVEL
Tiempo T 0 -1 Valor menor 1 0 Valor intermedio 2 1 Valor mayor Coste C 0 -1 Valor menor 1 0 Valor intermedio 2 1 Valor mayor Intervalo entre Vehículos F 0 -1 Valor menor 1 0 Valor intermedio 2 1 Valor mayor Nº Transbordos NT 0 -1 Valor menor 1 0 Valor intermedio 2 1 Valor mayor Tipo de Transporte Público L 0 -1 Definición Nivel 1 o C 1 0 Definición Nivel 2 o B 2 1 Definición Nivel 3 o A
Tabla 3.10. Atributos y niveles de atributo considerados en el diseño experimental eficiente para la encuesta final
De nuevo se ha tomado al coche como la alternativa de referencia, siendo el número de grados de libertad necesarios igual a 16. Fragmentando el diseño en 3 bloques se añade un grado de libertad adicional, aunque se mantiene el número de situaciones de elección en 27 con el objetivo de conseguir más información (es decir, se presentan a cada encuestado las 9 situaciones de elección correspondientes a un bloque de los 3 considerados).
3.8.3.3. Generación del diseño experimental eficiente y asignación de
atributos
En la actualidad pueden encontrarse paquetes de software con los que se pueden gestionar todas las características relacionadas con cada una de las tareas del diseño experimental de forma conjunta. Este es el caso de Ngene (ChoiceMetrics, 2012), que se ha utilizado para generar el diseño eficiente presentado a continuación (versión 1.1.1).
Como aproximación inicial se realiza un diseño experimental eficiente con valores previos fijos de los parámetros (Dp-error), considerando un modelo MNL y código
ortogonal para los distintos niveles de los atributos. Los valores previos empleados se obtuvieron en el estudio piloto (anexo A5). Al disponer de un ordenador dedicado en exclusiva a la computación del diseño (SONY VAIO NS21Z_S; Procesador: Intel Core 2 Duo P8600, 2.40 GHz; 4 GB DDR2 SDRAM, 2x2GB, 800MHz), no se ha considerado un tiempo límite de computación, siendo el criterio de truncamiento que no se obtengan mejoras en la eficiencia tras 25 000 iteraciones. El algoritmo de generación del diseño considerado ha sido el swapping, considerándose 3 bloques en el diseño y 27 situaciones de elección, tal y como se ha indicado previamente.
Los valores de las diferentes medidas de eficiencia se obtuvieron para los 2 experimentos de forma conjunta. Los resultados se muestran en la siguiente tabla.
MNL efficiency measures m1p m2p
Dp-error 0.489642 0.423155
A-error 1.420625 1.719138
B estimate 36.058878 23.524194
Number of iterations 24041 10114
Tabla 3.11. Características de eficiencia del diseño experimental inicial con valores fijos para los parámetros
En la tabla anterior m1p y m2p se refieren, respectivamente, a los modelos empleados
para representar los experimentos de elección 1 y 2, en los que se consideran parámetros iniciales con valor fijo.
Con el objetivo de contrarrestar, en la medida de lo posible, los efectos adversos de la incertidumbre en los valores previos de los parámetros, se considera más apropiado realizar un diseño en el que estos valores sigan una distribución Normal, con los valores de media y error estándar obtenidos en el estudio piloto (enfoque bayesiano). Con ello se cubre un rango mayor de posibles valores previos de los parámetros, por lo que el diseño obtenido será más robusto. De nuevo, el diseño empleado optimiza conjuntamente los modelos de los 2 experimentos considerados previamente, mediante una modelización de tipo MNL. Se toman valores fijos para todos los parámetros excepto para el tiempo, el coste y las constantes específicas de alternativa, en los que se supone una distribución Normal para sus valores. El Db-error
conjunto será la suma de cada uno de los errores individuales. El criterio de truncamiento en este caso es de 5 000 iteraciones sin mejora en la eficiencia media, ya que en este caso el tiempo de computación por iteración es considerablemente más
elevado. El método elegido para las extracciones en la simulación de los parámetros bayesianos es la cuadratura de Gauss con 2 abscisas por parámetro, puesto que se consigue mayor eficiencia que con otros métodos, mientras que el tiempo de computación sigue siendo asumible. En la siguiente tabla pueden verse los valores característicos del diseño experimental obtenido, en comparación con diseños equivalentes en los que se emplearon extracciones mediante secuencias Halton y Sobol de 300 puntos.
Method N Iter. Computational time Db-error
Total Per Iter. m1b m2b Total
Gauss (2) 25907 1:20:55 0.19 s 1.157 0.873 2.03
Halton (300) 15674 0:55:23 0.21 s 1.314 0.997 2.311 Sobol (300) 19850 1:15:57 0.19 s 1.419 1.025 2.444
Tabla 3.12. Métodos de simulación bayesiana para el diseño experimental eficiente
En la tabla anterior m1b y m2b se refiere, respectivamente, a los modelos empleados
para representar los experimentos de elección 1 y 2, en los que se consideran valores previos de los parámetros con variación bayesiana.
Finalmente, se han analizado los 20 diseños (iteraciones) con mayor eficiencia en la búsqueda del que presenta un mejor balance en los niveles de atributo en cada uno de los bloques. Para ello se ha considerado un error o desviación que indica la variación respecto al número de veces que debe presentarse cada uno de los niveles de atributo en cada bloque de forma teórica para conseguir un balance perfecto (3 en este caso). Este valor se obtiene a partir de la siguiente expresión:
2 1 1 1 L A B lab l a b n L B A
(3.18)
siendo:nlab el número de veces que el nivel l del atributo a se presenta en el bloque b
L, A y B son el número de niveles de atributo, de atributos y de bloques, respectivamente
En el anexo A6 se muestra el proceso de selección del diseño experimental en profundidad, aclarando en mayor medida las implicaciones que conllevan los diferentes valores del error en el balance de los niveles de atributo en cada bloque. En
la siguiente tabla se muestran los resultados obtenidos para la iteración que presenta el menor error de eficiencia y para la iteración que presenta el mejor balance, es decir, el menor error en el balance en los niveles de atributo por bloque:
Model Iter. 12890 Iter. 25907 Difference
Db-error
m1b 1.157 1.156 0.001
m2b 0.878 0.874 0.004
Total 2.035 2.030 0.005
Balance error 0.811 1.132 -0.321
Tabla 3.13. Resultados de la generación en el diseño experimental eficiente
Se observa que el valor del Db-error apenas varía entre estos 2 diseños. Sin embargo,
el error en el balance de los niveles de atributo en cada bloque es bastante diferente. Esto se debe a que en el diseño con mayor eficiencia solamente se presentan perfectamente balanceados los niveles de un atributo en 2 ocasiones, mientras que en el diseño elegido (iteración 12 890) este hecho se da en 10 ocasiones. Además en el diseño con mayor eficiencia existe 1 bloque en el que no se presenta el nivel intermedio del atributo tipo de transporte para el modo ferroviario (tal y como puede observarse en el anexo A6). Por lo tanto, el diseño que se empleará en la recopilación de datos para los 2 experimentos de elección será el obtenido en la iteración 12 890. Este es el diseño experimental con el que se ha proseguido la investigación, realizando nuevas encuestas en diferentes ciudades de ámbito nacional e internacional. Se presenta el mismo en la siguiente figura.
Fig. 3.6. Diseño experimental eficiente para encuesta final a partir de la herramienta Ngene
3.8.4. Generación y presentación aleatoria de situaciones de
elección
De nuevo se presentan 2 tipos de etiquetas para los atributos, es decir, cualitativas para el tipo de transporte público, y cuantitativas para el resto de los atributos influyentes. En cuanto al tipo de transporte público, la definición utilizada en esta fase final fue la mostrada en la figura, que sirvió directamente como presentación del atributo a los encuestados.
En este caso se han cambiado las etiquetas de los niveles con el objetivo de aclarar el significado de los mismos. Además, se ha indicado porcentualmente la variación en el tiempo de viaje debida a la fiabilidad en la frecuencia de cada tipo de transporte público. Esta última medida se ha tomado para dotar al experimento de mayor claridad.
C hoice Sit. Tcar C car Tbus C bus Fbus NTbus Lbus Trail C rail IVrail NTrail Lrail Block
1 0 1 0 -1 0 1 -1 -1 -1 0 0 -1 1 2 0 0 0 0 0 1 1 0 -1 0 -1 -1 2 3 1 -1 0 1 0 1 -1 1 0 -1 -1 -1 3 4 -1 1 -1 1 0 -1 -1 1 1 0 0 1 1 5 0 0 0 0 0 1 0 1 -1 0 0 0 3 6 0 0 1 -1 -1 0 0 0 -1 1 -1 1 3 7 1 -1 0 0 1 1 -1 -1 0 -1 0 1 3 8 0 0 -1 -1 0 -1 1 -1 -1 0 1 1 3 9 0 0 1 -1 1 -1 -1 1 -1 -1 1 -1 2 10 0 0 -1 -1 1 0 1 0 -1 -1 -1 0 2 11 1 1 1 0 -1 0 1 -1 0 1 1 -1 3 12 1 0 -1 -1 -1 1 0 0 0 1 0 -1 1 13 -1 -1 0 1 1 0 1 1 1 -1 -1 -1 1 14 1 1 1 1 1 -1 0 -1 1 -1 0 -1 3 15 0 0 1 -1 -1 -1 1 1 -1 1 0 0 1 16 1 1 1 1 0 0 -1 -1 0 0 1 0 1 17 -1 -1 1 -1 1 0 0 1 0 -1 1 1 2 18 -1 -1 1 0 0 1 1 -1 1 0 -1 1 1 19 1 -1 -1 0 1 -1 1 0 1 -1 0 0 2 20 -1 1 1 0 -1 -1 -1 0 1 1 1 0 3 21 0 0 0 0 1 -1 0 0 -1 0 1 1 1 22 -1 -1 -1 -1 -1 0 -1 0 0 1 1 -1 3 23 1 1 -1 1 -1 0 -1 1 1 1 -1 0 2 24 -1 -1 0 1 0 1 0 -1 0 0 -1 0 2 25 -1 1 0 1 -1 1 1 1 0 1 0 1 2 26 1 -1 -1 1 -1 -1 0 0 1 1 1 1 1 27 -1 1 -1 0 1 0 0 -1 1 -1 -1 0 2
Fig. 3.7. Presentación del atributo tipo de transporte público en la encuesta final
También se ha considerado que el valor límite del tiempo establecido en la encuesta piloto a partir del cual se podían dar retrasos (es decir, 5 min), puede resultar demasiado elevado para un sistema de capacidad intermedia con buenas prestaciones. Por este motivo no se considera este valor en el nuevo experimento, y además se ha mostrado de forma explícita (entre paréntesis) el tiempo extra que supone este retraso en cada una de las situaciones de elección, lo que confiere de mayor realismo al experimento (tal y como puede verse en las figuras del anexo A7).
Tabla 3.14. Variaciones ocasionales en el tiempo de viaje debidas a la congestión (coche) y al tipo de transporte (transporte público)
Para el caso de los atributos con niveles cuantitativos se procede análogamente a como se hizo en la encuesta piloto. Se ha tomado como referencia un viaje tipo de 5 kilómetros de longitud. El tiempo en el vehículo en este caso se ha obtenido como el tiempo medio de los viajes similares que se presentaron en la encuesta piloto, pivotando el resto de los valores del tiempo en torno a este. A este tiempo de referencia se le ha añadido un tiempo medio igual al 20% del anterior, con el objetivo de simular los efectos de la congestión. Estos valores, así como el número de transbordos y el intervalo entre vehículos pueden verse en la tabla siguiente. Nótese que en los costes se indican para cada uno de los niveles los valores correspondientes a Vitoria-Gasteiz, A Coruña y las ciudades francesas, respectivamente (estas fueron
15% (del tiempo total) 40% (del tiempo total)
TIPOS DE TRANSPORTE PÚBLICO
NIVEL B NIVEL C
DISPONIBLE durante todo el recorrido
DISPONIBLE en la MITAD del recorrido
NO DISPONIBLE en todo el recorrido ITINERARIO+HORARIOS de líneas TIEMPO DE ESPERA en tiempo real IDÉNTICA a la suministrada en el NIVEL A ITINERARIO+ HORARIOS de líneas Aumento de la duración prevista para 1 de cada 3
desplazamientos Carril Reservado + Prioridad
en Intersecciones
Información Suministrada en las PARADAS
CARACTERÍSTICAS NIVEL A
0% (del tiempo total)
Type A Type B Type C
-1 14 3 15 0 2 6
0 18 4 23 0 2 3
1 27 6 31 0 3 12
Attribute
level Tcar (min)
Delaycar
(min)
Tpublic transport
(min)
las poblaciones seleccionadas como objeto del estudio, para más información véase capítulo 4):
ATRIBUTO NIVEL Coche Transporte Público
Tiempo (sin considerar retrasos)
-1 0.75*Tcar (14 min) 0.66*T (15 min)
0 0.8*T=Tcar (18 min) T (23 min)
1 1.5*Tcar (27 min) 1.33*T (31 min)
Coste -1 0*Ccar (0/0/0) 0.66*Cpt (0.55/0.75/0.95€) 0 3*Ccar (1.2/1.2/1.65€) Cpt (1/1.1/1.4€) 1 6*Ccar (2.4/2.4/3.30€) 1.33*Cpt (1.45/1.45/1.85€) Intervalo entre Vehículos
-1 - (-) Muy Bajo (4 min)
0 - (-) Bajo (8 min) 1 - (-) Medio (12 min) Nº Transbordos -1 - (-) Sin transbordos (0) 0 - (-) 1 transbordo (1) 1 - (-) 2 transbordos (2) Tipo de Transporte Público -1 - (-) Nivel C (C) 0 - (-) Nivel B (B) 1 - (-) Nivel A (A)
Tabla 3.15. Valores de los niveles de atributos presentados en la encuesta final
En cuanto al coste de aparcamiento para el coche se ha considerado en este caso un coste fijo igual a Ccar €/hora, y suponiendo que en el primer nivel el aparcamiento es
gratuito, que en el segundo es de pago y el tiempo de estancia es igual a 3 horas mientras que en el tercero el tiempo sería de 6 horas. El valor de Ccar se ha
determinado en función de la localización donde se realizan las encuestas: en el caso de que se trate de una ciudad española Ccar=0.4 €/hora, mientras que si la ciudad es
francesa Ccar=0.55 €/hora. Respecto a la tarifa para los distintos niveles del transporte
público se ha procedido de forma similar, definiendo un coste base denominado Cpt y
pivotando los valores de los niveles extremos en torno a él. El Cpt elegido para cada
país fue de 1 € para Vitoria-Gasteiz, 1.1 € para A Coruña y 1.4 € para Francia. La obtención de los valores de este atributo se trata en profundidad en el capítulo 4.
Por otro lado, y con el objetivo de mitigar en la medida de lo posible el sesgo debido al orden de presentación de las situaciones de elección a los encuestados, se ha optado de nuevo por la estrategia de generar 3 versiones de cada uno de los bloques del diseño y presentarlas a los alumnos de forma aleatoria.
Tabla 3.16. Orden de presentación de las situaciones de elección en función del bloque y de la versión de la encuesta considerada: Encuesta final