5.1 Relación entre forma urbana y movilidad urbana
5.1.7 Resultados del modelo: transporte privado y distancia
133
134
la variable dependiente de distancia, y conocer si dicha capacidad continuaba siendo la misma una vez considerando el modelo completo114.
Cuadro 5.27 Resultados para el modelo de regresión (ecuación 5.3) y sus sub-modelos
Variables independientes Sub-Modelo 1
Sub-Modelo 2
Modelo (ecuación 5.3)
totalVTD10
B -0.059 -0.055
Beta -0.964 -0.877
Sig. 0.000 0.000
(totalVTD10)²
B 0.000 0.000
Beta 0.716 0.629
Sig. 0.000 0.000
ln(smm_zona_transporte)
B -0.064 0.180
Beta -0.013 0.037
Sig. 0.573 0.129
R² 0.074 0.000 0.067
VIF 1.177
Fuente: elaboración propia
Cuadro 5.28 Resultados para el modelo de regresión (ecuación 5.7) y sus sub-modelos
Variables independientes Sub-Modelo 1
Sub-Modelo 2
Modelo (ecuación 5.7)
ln(tercVTD10)
B -0.654 -0.716
Beta -0.270 -0.295
Sig. 0.000 0.000
smm_zona_transporte
B -0.058 0.055
Beta -0.063 0.060
Sig. 0.006 0.014
R² 0.072 0.003 0.075
VIF 1.212
Fuente: elaboración propia
114 Es importante recordar que los modelos completos de esta investigación (para relacionar forma urbana con distancia y tiempo de viaje) son modelos reducidos debido a que no se cuenta con toda la información necesaria para el planteamiento de un modelo estructural que explique las variables dependientes de movilidad urbana (distancia y tiempo). Lo cual es causa de que no puedan esperarse R² muy grandes ya que faltan otros factores explicadores.
135
Cuadro 5.29 Resultados para el modelo de regresión (ecuación 5.11) y sus sub-modelos
Variables independientes Sub-Modelo 1
Sub-Modelo 2
Modelo (ecuación 5.11) ln(manuVTD20)
B -0.182 -0.176
Beta -0.184 -0.178
Sig. 0.000 0.000
smm_zona_transporte
B -0.058 -0.029
Beta -0.063 -0.032
Sig. 0.006 0.171
R² 0.033 0.003 0.034
VIF 1.032
Fuente: elaboración propia
Como se observa en los cuadros 5.27, 5.28 y 5.29, al comparar los coeficientes (B y Beta) y las significancias de las variables, en los modelos completos (ecuaciones: 5.3, 5.7 y 5.11) disminuye el poder de explicación sobre todo de las variables de ingreso. El valor de VIF muestra que es posible que exista algún grado de colinealidad entre las variables independientes, lo que da como resultado que la variable explicadora más poderosa (que en este caso es la variable de potencial de acceso a empleo en cada modelo) tome una parte de la varianza de la variable menos poderosa, reduciendo su coeficiente. En este caso la significancia de las variables de ingreso no es muy buena.
Los cuadros 5.30, 5.31 y 5.32 muestran los resultados de los análisis de regresión para relacionar distancia de viaje en transporte privado con la forma urbana.
Cuadro 5.30 Tranporte privado: resultados de regresión para distancia (variables independientes “empleo total” e “ingreso”)
Número de casos: 1848 R²= 0.069 R² ajustada= 0.067
Error estándar de estimación: 0.8379270 Variables
Coeficientes Coeficientes
T Sig.
No estandarizados Estandarizados
B Error estándar Beta
Constante 2.840 .328 8.661 0.000
totalVTD10 -0.055 0.011 -.877 -5.048 0.000
(totalVTD10)² 0.000 0.000 .629 3.586 0.000
ln(smm_zona_transporte) 0.180 0.119 .037 1.518 0.129
Variable dependiente: Distancia_de_viaje_KM
Fuente: elaboración propia
136
Los resultados del análisis de regresión muestran una R2 ajustada de 6.7 por ciento, mientras que los coeficientes estandarizados son de -0.877 para el potencial de acceso a empleo en el sector terciario (el coeficiente 0.629 corresponde al cuadrado de la variable de potencial de acceso a empleo en el sector terciario), lo cual señala que la variable influye negativamente a la distancia de viaje. El coeficiente estandarizado de la variable de ingreso es de 0.037, sin embargo la significancia de esta variable en el modelo es superior a 0.05 por lo que no está explicando a la variable dependiente.El valor de significancia para la variable de accesibilidad al empleo total es menor a 0.05, lo que confirma que sí está explicando a la variable de distancia.
Cuadro 5.31 Tranporte privado: resultados de regresión para distancia (variables independientes “empleo terciario” e “ingreso”)
Número de casos: 1875 R²= 0.076 R² ajustada= 0.075
Error estándar de estimación: 0.8408368 Variables
Coeficientes Coeficientes
T Sig.
No estandarizados Estandarizados
B Error estándar Beta
Constante 3.421 .168 20.356 0.000
ln(tercVTD10) -0.716 0.059 -.295 -12.047 0.000
smm_zona_transporte 0.055 0.022 .060 2.465 0.014
Variable dependiente: Distancia_de_viaje_KM
Fuente: elaboración propia
Los resultados del análisis de regresión muestran una R2 ajustada de 7.5 por ciento, mientras que los coeficientes estandarizados son de -0.295 para el potencial de acceso a empleo en el sector terciario y de 0.60 para el nivel de ingreso lo cual señala que mientras que la variable de accesibilidad al empleo terciario influyen negativamente a la distancia de viaje, la variable de nivel de ingreso influye la distancia positivamente (es decir, en este caso a mayor ingreso, mayor distancia de viaje). Los valores de significancia son menores a 0.05 para las dos variables independientes, aunque el potencial de acceso a empleo en el sector industrial posee un mayor coeficiente.
137
Cuadro 5.32 Tranporte privado: resultados de regresión para distancia (variables independientes “empleo industrial” e “ingreso”)
Número de casos: 1875 R²= 0.035 R² ajustada= 0.034
Error estándar de estimación: 0.8592406 Variables
Coeficientes Coeficientes
T Sig.
No estandarizados Estandarizados
B Error estándar Beta
Constante 1.917 .096 20.004 0.000
ln(manuVTD20) -0.176 0.023 -.178 -7.724 0.000
smm_zona_transporte -0.029 0.021 -.032 -1.370 0.171
Variable dependiente: Distancia_de_viaje_KM
Fuente: elaboración propia
Los resultados del análisis de regresión muestran una R2 ajustada de 3.4 por ciento, mientras que los coeficientes estandarizados son de -0.178 para el potencial de acceso a empleo en el sector industrial, y de -0.032 para el nivel de ingreso lo cual señala que ambas variables independientes influyen negativamente a la distancia de viaje. El valor de significancia para la variable de accesibilidad al empleo industrial es menor a 0.05, mientras que para la variable de ingreso la significancia es superior a 0.05, lo que significa que en este modelo solo la variable de potencial de acceso a empleo en el sector industrial está afectando la distancia de viaje.
En resumen, los tres modelos de regresión para transporte privado, con la variable de
“distancia de viaje” como variable dependiente comprueban la hipótesis 1 de que la accesibilidad a las zonas de empleo influye, y dicha influencia es negativa, en la longitud de los viajes al trabajo, lo cual se cumple un poco más para el empleo en el sector terciario que para el empleo en el sector industrial. Sin embargo, los valores de R2 para estos modelos muestran que la influencia de la accesibilidad al empleo en la determinación de la distancia de viaje es mayor en el caso del transporte público que en el caso del transporte privado. Por otra parte, los resultados obtenidos muestran que en general, la variable de nivel de ingreso es poco significativa en la determinación de la distancia de viaje en transporte privado (a excepción del segundo modelo en el que un mayor ingreso parece influir positivamente en la distancia de viaje), por lo que no permiten afirmar que la hipótesis 2 se cumple en el caso del transporte privado.
138