Logaritmos naturales

136

137 Por otro lado, un cambio de 1% en la variable independiente nivel educativo en años escolares (X2), permaneciendo constantes las variables independientes ingreso monetario anual total familiar (X1) y pago monetario anual promedio por servicio público de agua potable (X3), en el periodo 2005-2008, significa un cambio de 0.52% en la disposición a pagar de los usuarios consuntivos domésticos del área de estudio por mejorar el servicio ecosistémico hídrico en términos monetarios anuales, de la variable dependiente (Y). Entonces, el cambio de 1% de la variable independiente nivel educativo en años escolares (X2), permaneciendo constantes las variables independientes ingreso monetario anual total familiar (X1) y pago monetario anual promedio por servicio público de agua potable (X3), en el periodo 2005-2008, indica que si el gobierno implementara la medida política de aumentar este porcentaje al nivel educativo de los usuarios consuntivos domésticos, automáticamente estos estarían dispuestos a aumentar $12.72/año/hogar a su disposición a pagar por mejorar el servicio ecosistémico hídrico. En consecuencia, si los usuarios consuntivos domésticos tuvieran un mayor nivel educativo implicaría una mayor consciencia de los beneficios que les aportan los recursos naturales y, con ello, tendrían una mejor disposición a pagar por mejorar su ambiente. Por lo tanto, si se desea recabar mayor cantidad monetaria de la disposición a pagar de los usuarios consuntivos domésticos del municipio de Texcoco de Mora para instituir una política hídrica sustentable se debe ofrecer un mejor nivel educativo en cantidad y calidad.

138 Un cambio de 1% en la variable independiente pago monetario anual promedio por servicio público de agua potable (X3), en el periodo 2005-2008;

permaneciendo constantes las variables independientes ingreso monetario anual total familiar (X1) y nivel educativo en años escolares (X2), significa un cambio de 0.20% en la disposición a pagar de los usuarios consuntivos domésticos del área de estudio por mejorar el servicio ecosistémico hídrico en términos monetarios anuales, de la variable dependiente (Y). Entonces, el cambio de 1% de la variable independiente pago monetario anual promedio por servicio público de agua potable (X3), en el periodo 2005-2008, permaneciendo constantes las variables independientes ingreso monetario anual total familiar (X1) y nivel educativo en años escolares (X2), indica que si el gobierno implementara la medida política de aumentar $25.00 M/N al pago monetario anual promedio por servicio público de agua potable de los usuarios consuntivos domésticos, automáticamente estos estarían dispuestos a aumentar $4.9/año/hogar a su disposición a pagar por mejorar el servicio ecosistémico hídrico. Por lo tanto, si los usuarios consuntivos domésticos tuvieran un mayor pago monetario anual por servicio público de agua potable implicaría una menor disposición a pagar por mejorar su ambiente.

La no normalidad hace referencia a la parte aleatoria de un modelo; aunque otras de las posibles fuentes de incorrección en su especificación proviene de la elección inadecuada de la distribución normal para las perturbaciones o, también, existe la presencia de un número excesivo de observaciones anómalas u “outliers” (Fernández, 2005). Sin embargo, una de las soluciones

139 más utilizadas se basa en la transformación de Box-Cox y, por esta razón, el logaritmo de la variable explicada Y se utiliza con frecuencia, pues la transformación logarítmica pertenece, según Fernández (2005), a la clase de transformaciones de Box-Cox (para el valor

= 0).

Un método alternativo, pero complementario al método de intervalos de confianza para probar hipótesis estadísticas es el método de la prueba de significancia (Gujarati, 2004). En términos generales, una prueba de significancia es un procedimiento mediante el cual se utilizan los resultados de la muestra para verificar la verdad o la falsedad de una hipótesis nula (Gujarati, 2004). La idea básica detrás de las pruebas de significancia es un estadístico de prueba, un estimador y su distribución muestral bajo la hipótesis nula (Gujarati, 2004). La decisión de aceptar o de rechazar Ho se lleva a cabo con base en el valor del estadístico de prueba obtenido a partir de los datos disponibles (Gujarati, 2004). En consecuencia, la prueba de significancia global de una regresión múltiple en términos de R2 se aplica al modelo de regresión con k variables; es decir Yi = β1 + β2 X2i + β3 X3i+… β2Xki. Las hipótesis formuladas son Ho: β1 = β2 =… = βk = 0 vs H1: No todos los coeficientes de pendiente son simultáneamente cero. En consecuencia, la ecuación para estimar esta significancia es:

140 significancia α y (k-1) grados de libertad en el numerador, mientras que (n-k) grados de libertad en el denominador (Gujarati, 2004).

De acuerdo con los resultados obtenidos del logaritmo natural y la información anterior, esto es:

141 (valor promedio 3.77 años escolares) y X3 (valor promedio de $490.10/año) ayudan a explicar la variable dependiente Y (pago promedio máximo de

$2,446.08/año/hogar). La interrelación conjunta que existe entre la variable dependiente Y y las variables independientes X1, X2 y X3, así como el amplio rango de respuestas de la variable dependiente Y, contribuyen a su explicación.

Además, el valor de la R²=0.16, explica la variación porcentual de la variable dependiente (Y) respecto a las variables independientes cuantitativas que entran o están en el modelo (X1, X2 y X3); aunque el fenómeno analizado está influenciado por variables cualitativas, como opinión de calidad de agua, de servicio público, etc., las cuales no tienen una escala de medida que las cuantifique y, por ello, quedan fuera del modelo, pero influyen en el nivel de significancia del modelo mediante el valor de su R². Finalmente, este ejemplo saca a relucir una importante observación empírica, de acuerdo con Gujarati (2004), respecto a que en datos transversales que involucran varias observaciones, por lo general se obtiene una R² baja debido a la diversidad de unidades transversales. En consecuencia, no hay que sorprenderse o preocuparse si se tiene una R² baja en regresiones transversales. Por lo tanto, lo que resulta relevante es que el modelo está correctamente especificado, que las regresoras, variables independientes, tienen los signos correctos; es decir, los teóricamente esperados. Además, es de esperarse que los coeficientes de regresión sean estadísticamente significativos (Gujarati, 2004).

142