09 Manual Limdep

Modelos de eleccin discreta Apndice: Manual de Limdep
A. APENDICE: MANUAL DE LIMDEP............................................................................ 192

A.1 FUNCIONES GENERALES......................................................................................... 192
A.1.1 CARGAR UN PROYECTO................................................................................... 192
A.1.2 ARCHIVOS DE ENTRADA .................................................................................. 195
A.1.3 SALIDA DE RESULTADOS ................................................................................. 196
A.1.4 COMANDOS EN LIMDEP................................................................................... 197
A.1.4.1 COMANDOS SAVE Y OPEN...................................................................................... 198
A.1.4.2 SALIR DE LIMDEP...................................................................................................... 198
A.1.4.3 COMANDO RESET...................................................................................................... 199
A.1.4.4 LEER ARCHIVOS DE DATOS.................................................................................... 199
A.1.4.4.1 IMPORTAR DATOS DESDE EXCEL .............................................................. 199
A.1.5 EL ARCHIVO TRACE .......................................................................................... 200
A.1.6 EDITOR DE DATOS ............................................................................................ 200
A.1.7 COMANDOS DE MODELOS............................................................................... 201
A.2 FUNCION NLOGIT...................................................................................................... 202
A.2.1 ESPECIFICACIONES DE LA FUNCION NLOGIT............................................. 202
A.2.1.1 CHOICES...................................................................................................................... 202
A.2.1.2 PROB............................................................................................................................. 202
A.2.1.3 LIST............................................................................................................................... 203
A.2.1.4 EFFECTS....................................................................................................................... 203
A.2.1.5 DESCRIBE.................................................................................................................... 204
A.2.1.6 CROSSTAB................................................................................................................... 204
A.2.1.7 MODEL......................................................................................................................... 205
A.3 EJEMPLO...................................................................................................................... 206
A.3.1 INTRODUCCION................................................................................................. 206
A.3.2 ATRIBUTOS Y DATOS......................................................................................... 207
A.3.3 ARCHIVO DE ENTRADA .................................................................................... 212
A.3.4 RESULTADOS...................................................................................................... 214
A.3.4.1 DESCRIPCION DE ALTERNATIVAS........................................................................ 216
A.3.4.2 CROSSTAB................................................................................................................... 222
A.3.4.3 ESTIMACION DE PROBABILIDADES ..................................................................... 224
A.3.4.4 ELASTICIDADES ........................................................................................................ 225

191
A. APENDICE: MANUAL DE LIMDEP
A.1 FUNCIONES GENERALES
En este primer apartado se intentar mostrar una visin general de la aplicacin,
as como una introduccin a las funciones ms comunes.
A.1.1 CARGAR UN PROYECTO
La pantalla que aparece cuando se inicia el programa tiene el aspecto que se
muestra:

192
Como se puede observar el programa tiene la estructura de un programa en
entorno window, lo que facilita su manejo. Este hecho hace que los comandos
ms usuales, tales como Guardar datos, Abrir ficheros, etc, sean iguales a los de
cualquier otro programa del mismo entorno.
La pantalla muestra un proyecto titulado Untitled Project 1 y el escritorio est
vaco. El trmino PROYECTO se refiere al conjunto de variables, matrices, etc
que se definen en cada trabajo, y los cuales pueden ser empleados en cualquiera
de los comandos que posee LIMDEP. Por lo tanto las variables que se creen en un
proyecto slo estarn disponibles en ese proyecto.
A partir de aqu se puede empezar un nuevo proyecto o cargar uno que
previamente existiera, para ello se utiliza el men File. Este men tiene el
siguiente aspecto:

Si se desea crear un nuevo proyecto, o crear un nuevo Archivo de Entrada (ver
apartado 1.2) se selecciona la opcin New, la cual despliega una ventana con dos
193
opciones. La primera de las opciones crea un nuevo Archivo de Entrada, y la
segunda un nuevo proyecto.

Cuando se est trabajando en LIMDEP, se estn acumulando datos en un
PROYECTO, el cual consiste de cuatro componentes:
1. Los datos del proyecto. La ventana asociada con esta informacin
es la Ventana del Proyecto. En esta ventana aparece toda la
informacin propia del proyecto. Tales como variables que se han
definido, listas, matrices, tablas, etc. La apariencia de esta pantalla es
comn para todos los proyectos, aunque vara en el contenido de cada
una de los apartados que se muestra.

2. Los comandos que se han acumulado en la pantalla en la Archivo
de Entrada.
194
3. La salida que se ha generado en el Archivo de Salida .
4. El archivo TRACE.LIM que se describe ms adelante.
Cuando se sale de LIMDEP se pregunta si se desea guardar los tres primeros
archivos mencionados anteriormente.
A.1.2 ARCHIVOS DE ENTRADA
Una vez que se est trabajando en un proyecto determinado se van a ir
introduciendo los comandos en el Archivo de Entrada. Esta ventana se despliega
a travs de la opcin New del men File.
En esta ventana se van a ir introduciendo los comandos y pequeos programas
que se utilizarn durante la sesin del proyecto en cuestin.
La ventana de los archivos de entrada tiene la apariencia que se muestra en la
imagen siguiente:

Para ejecutar los comandos que se han introducido en esta ventana se puede hacer
de dos formas:
195
1. Seleccionando los comandos que se deseen ejecutar del archivo y
presionando el botn GO que aparece en la barra de herramientas. De
esta forma slo se ejecutarn los comandos seleccionados.
2. Una vez introducidos todos los comandos, seleccionando la opcin
Run del men Run.
Otra opcin para ejecutar los comandos, es hacerlo directamente desde un archivo
ya existente. Para poder ejecutar esta opcin se debe seleccionar la opcin Run
File del men Run. La ventana que se despliega es la siguiente:

De esta pantalla se selecciona el archivo que se quiere ejecutar. Los comandos se
ejecutarn automticamente si el formato del archivo y los comandos que contiene
son correctos.
A.1.3 SALIDA DE RESULTADOS
LIMDEP abrir automticamente un Archivo de Salida y lo usar para mostrar los
resultados producidos por los comandos empleados. El Archivo de Salida est
dividida en dos partes, la parte de abajo muestra los comandos y los resultados de
196
estos comandos. La parte de arriba de la ventana muestra el archivo
TRACE.LIM. Un ejemplo de Archivo de Salida se muestra a continuacin.

A.1.4 COMANDOS EN LIMDEP
La sintaxis de los comandos en LIMDEP es la siguiente:
VERBO ; especificacin ; especificacin ;; especificacin$
El verbo representa al comando de cuatro caracteres, el cual identifica una funcin
especfica. Si los comandos necesitan informacin adicional, los campos estn
separados por punto y coma. Algunas de las caractersticas ms importantes de los
comandos son las siguientes:
Los comandos siempre acaban con el smbolo $.
Se pueden usar indistintamente letras maysculas y minsculas.
Se pueden poner espacios en cualquier parte de la estructura del comando.
197
El nmero de caracteres antes del smbolo $ no debe exceder de 2500.
Las especificaciones pueden ser cambiadas de orden, sin que por ello
afecte a la operacin que se desea realizar. Por ejemplo:
READ; Nobs=100;File=Data.PRJ$
es igual que
READ; File=Data.PRJ;Nobs=100$
A.1.4.1 COMANDOS SAVE Y OPEN
En cualquier momento de la sesin se pueden guardar toda la memoria activa de
LIMDEP, en un archivo. Para ello se debe usar el comando Save del men File.
Con este comando se puede guardar todo el trabajo realizado en un proyecto hasta
el momento en que se va a guardar.
Si el proyecto es la primera vez que se guarda el programa preguntar por el
nombre que se le desea dar al proyecto. Los proyectos generados se guardan por
defecto en el directorio en el que est instalado LIMDEP, aunque el programa
permite guardarlos en otros directorios.
Cuando se desea abrir un nuevo proyecto se usa la opcin Open del men File.
Con esta opcin se despliega una ventana con la que se puede buscar el proyecto
que se desee.
A.1.4.2 SALIR DE LIMDEP
Cuando la sesin se ha acabado y se desea abandonar el programa el comando que
se ejecuta es Exit. Cuando se ejecuta este comando, el programa pregunta si se
desean guardar los cambios en el archivo de salida. Este archivo va a recoger toda
la informacin que ha generado la sesin de trabajo que se ha realizado. Esto
198
quiere decir que se recoge un listado con todos los comandos que se han utilizado,
y los resultados que se han producido.
A.1.4.3 COMANDO RESET
El comando Reset que se encuentra en el men Project, es utilizado para borrar
todos los datos que se estn guardando en el Archivo de Salida. El objeto de este
comando es poder comenzar una nueva sesin de trabajo, sin necesidad de tener
que salir del programa.
A.1.4.4 LEER ARCHIVOS DE DATOS
El principal comando para leer un archivo de datos es como sigue:
READ ; Nvar = Nmero de variables
; Nobs = Nmero de observaciones
; Names = Nombre de las variables, separadas por comas
; File = Nombre del archivo, incluida la extensin $
NOTA: Se considera que las columnas son las variables y cada una de las filas del
archivo de datos es una observacin. Si por el contrario las variables son las filas
y las observaciones son las columnas, se debe introducir en el comando la
especificacin Byva.
A.1.4.4.1 IMPORTAR DATOS DESDE EXCEL
Los archivos de datos pueden ser importados desde un archivo en Lotus (.WK1,
WKS) o Microsoft Excel (.XLS). El comando a emplear es como sigue:
READ ; File = Nombre del Archivo; Format = WKS o XLS $
Se debe de tener en cuenta que el nombre del archivo debe tener la extensin del
archivo.
199
Si el encabezado de las columnas de los archivos a importar tuvieran los nombres
de la variables, se debe aadir la especificacin ;Names.
A.1.5 EL ARCHIVO TRACE
Durante una sesin de LIMDEP, el programa acumula toda la informacin en un
archivo que lleva el nombre TRACE.LIM. Este archivo contiene la siguiente
informacin:
Una lista completa de todos los comandos usados en el orden que han sido
introducidos.
Todos los mensajes de error que han aparecido durante la sesin.
Todos los resultados producidos durante la estimacin de modelos
El archivo TRACE.LIM cuelga del directorio LIMDEP. Si el usuario tiene
abierto un archivo de salida, el archivo TRACE.LIM se sita en el comienzo del
archivo de salida.
La principal diferencia con los archivos de salida descritos en el apartado anterior,
radica en que este archivo es borrado cuando se realiza una sesin de trabajo
posterior, perdindose toda la informacin que contena anteriormente. Por lo
tanto para conservar esta informacin se emplear la opcin anterior o se copiar
con otro nombre archivo TRACE.LIM al final de cada sesin.
A.1.6 EDITOR DE DATOS
El Editor de Datos es empleado para crear nuevas variables en el proyecto. Estas
variables sern usadas posteriormente en alguno de los comandos que se empleen
durante la sesin de trabajo.
200
Para poder crear nuevas variables se utiliza la opcin New Variable del men
Project. Con esta opcin se le pregunta el nombre de la variable que se desea
crear, pulsando despus OK se presenta una pantalla como la que se muestra a
continuacin, en la que se pueden introducir los valores que se deseen.

Para poder ver las variables que han sido creadas en un proyecto en cuestin, se
puede emplear la Ventana del Proyecto.
A.1.7 COMANDOS DE MODELOS
La estructura bsica de todos los comandos de los modelos es:
COMANDO DEL MODELO ; Lhs = variable dependiente
; Rhs = lista de variables independientes
; otras partes especficas del modelo ; $
201
A.2 FUNCION NLOGIT
El principal comando para los modelos de eleccin discreta es la funcin
NLOGIT. La estructura del comando se muestra a continuacin:
NLOGIT ; Lhs = indica la eleccin realizada
; especificacin del conjunto de opciones
; especificacin de la funcin de utilidad $
A.2.1 ESPECIFICACIONES DE LA FUNCION NLOGIT
A.2.1.1 CHOICES
Indica la lista con todos los nombres de las opciones que pueden ser
seleccionadas. Por ejemplo:
Choices = Tren, Bus, Avin, Coche ;
Si los datos reales de porcentajes de personas que usan cada uno de los medios de
transporte son conocidos, y se desean introducir para que se tengan en cuenta,
resulta la especificacin siguiente:
Choices = Tren, Bus, Avin, Coche / 0.35,0.2,0.1,0.35;
Las proporciones deben sumar la unidad, y la primera corresponde con la primera
opcin, la segunda con la segunda y as sucesivamente.
A.2.1.2 PROB
Indica las probabilidades de eleccin de cada una de las alternativas que predice
LIMDEP, para cada una de las observaciones realizadas. La especificacin tiene
la estructura siguiente:
202
Prob = nombre ;
Con esta especificacin se obtiene una nueva variable en el Editor de Datos, esta
variable tiene el nombre que se diga en la especificacin. En esta variable se
muestran las probabilidades que otorga LIMDEP a cada una de las alternativas
que se evalan por cada una de las muestras introducidas. De este modo, se puede
comparar la probabilidad que ha dado el encuestado y la que devuelve LIMDEP.
A.2.1.3 LIST
Tiene el mismo significado que la especificacin Prob, slo que no es necesario
aadirle el nombre de las variables si las alternativas son menos de seis. De esta
forma muestra las probabilidades de eleccin de cada una de las alternativas para
cada uno de los individuos.

A.2.1.4 EFFECTS
Sirve para obtener las elasticidades de una determinada alternativa respecto de
una determinada variable. La estructura de la especificacin es la siguiente:
Effects : variable [ lista de alternativas]
Un ejemplo de esta especificacin es el siguiente:
Effects : Coste [ Tren, Bus ] / Tiempo [ Avin, Coche] ;
203
La interpretacin de la especificacin anterior nos va a mostrar la variacin de la
probabilidad de elegir el Tren y el Bus cuando vara la variable Coste. De igual
forma nos muestra la variacin de la probabilidad de elegir el Avin y el Coche
cuando vara la variable Tiempo.

A.2.1.5 DESCRIBE
Muestra un cuadro descriptivo con las estadsticas de cada una de las alternativas.

A.2.1.6 CROSSTAB
Muestra una tabla de referencias cruzadas en las que las filas son las decisiones
actuales, y las columnas las decisiones que LIMDEP predice.
204
A.2.1.7 MODEL
Con esta especificacin se introducen las funciones de utilidad de cada una de las
alternativas. Por ejemplo:
; Model : U(Avin) = BA + BCOST*GC /
U(Coche) = BC + BCOST*GC /
U(Bus) = BB+ BCOST*GC /
U(Tren) = BT + BCOST*GC $
Otra forma abreviada de haber representado lo anterior es la siguiente:
; Model : U(Avin, Coche, Bus, Tren) = <BA, BC, BB, BT>+ BCOST*GC
Si se quiere aadir un valor de comienzo con el que empezar a iterar, para cada
uno de los valores se aaden de la siguiente forma:
; Model : U(Avin) = BA (.53)+ BCOST*GC /
U(Coche) = BC (.3)+ BCOST*GC /
U(Tren) = BT (.6)+ BCOST*GC $
Los valores entre parntesis son los que toman BA, BC y BT en la primera
iteracin. Otra forma de obtener los valores para comenzar la itereacin es
aadiendo la siguiente especificacin:
; Start = Logit
Con esta especificacin los valores de comienzo que se obtienen son los que
resultan de resolver un modelo LOGIT.
Si adems se quiere fijar alguno de los valores a un valor concreto, la operacin es
anloga a la anterior metiendo los valores entre corchetes.
; Model : U(Avin) = BA [.53]+ BCOST*GC /
U(Coche) = BC [.3]+ BCOST*GC /
U(Tren) = BT (.6)+ BCOST*GC $
205
Crosstab: muestra una tabla en la que se representa las predicciones de eleccin
del modelo contra las elecciones actuales.
A.3 EJEMPLO
A.3.1 INTRODUCCION
Se presenta a continuacin un ejemplo de aplicacin de los modelos LOGIT que
se pueden realizar con el programa LIMDEP. Seguidamente se pasa a exponer el
modelo que se quiere conseguir.
Se trata de conseguir un modelo que refleje las preferencias de las personas a la
hora de elegir un destino de compras de ropa y calzado. Para ello se evaluarn
atributos slo relacionados con la situacin de las distintas alternativas que se
ofrecen como posibles destinos. Estos atributos sern en este caso seis: Coste del
aparcamiento, facilidad de aparcamiento, facilidad de acceso usando transporte
pblico, tiempo de desplazamiento, servicios adicionales y comodidad.
Es necesario aclarar que cuando se usa la expresin conseguir un modelo, se
refiere a obtener los valores de los parmetros que intervienen en la funcin de
utilidad empleada. Si bien es cierto, que se pueden emplear trminos de orden
cuadrtico y superiores en la funcin de utilidad, para conseguir un mejor modelo.
En este ejemplo no interesa emplearlos pues seran necesarios muchas ms
muestras y el modelo que se obtiene usando slo trminos lineales es tambin
muy vlido.
Para la realizacin de este modelo no se han tenido en cuenta atributos
relacionados con el individuo encuestado. Estos atributos, tales como sexo, edad,
nivel econmico, etcno se han incluido en la tabla de datos, luego estamos
suponiendo a priori que estos atributos no influyen en el modelo que queremos
obtener.
206
Para obtener la informacin necesaria se pasarn unas encuestas a distintas
personas en las que evaluarn estos atributos para los distintos sitios a los que
acuden a realizar sus compras.
A.3.2 ATRIBUTOS Y DATOS
Para poder trabajar con LIMDEP es necesario que las variables empleadas
tengan un nmero limitado de caracteres en su nombre. Debido a esto es
necesario codificar los nombres de los distintos atributos que vamos a emplear
en el ejemplo. Los nombres de las variables que recogen los datos de las
encuestas realizadas se exponen en la siguiente tabla:
ATRIBUTO CODIGO
Coste del aparcamiento PA
Facilidad de aparcamiento FA
Facilidad de acceso en transporte pblico FTP
Tiempo de desplazamiento TD
Servicios adicionales SERV
Comodidad COM
Tambin es necesario dar un nombre a los parmetros que van a aparecer en la
funcin de utilidad que se va a utilizar. Al emplear una funcin de utilidad lineal
slo sern necesarios seis parmetros, uno por cada atributo que exista. En esta
tabla se relaciona cada parmetro con su atributo correspondiente:
ATRIBUTO PARAMETRO
PA CA
FA CB
FTP CC
TD CE
SERV CF
COM CG

Por limitaciones de LIMDEP los nombres de las alternativas que se van a
emplear en el comando de la funcin NLOGIT, no pueden tener ms de ocho
caracteres. Debido a esto es necesario renombrar las distintas alternativas que
207
han aparecido en la muestra realizada. Son un total de doce alternativas que se
nombran de la siguiente forma:
ALTERNATIVA NOMBRE
El Corte Ingls (Nervin) CIN
El Corte Ingls (Duque) CID
C.C. Nervin Plaza N. Plaza
Nervin Nervin
C.C Los Arcos LosArcos
Los Remedios Remedios
La Macarena Macarena
Hipercor (Aljarafe) Hipercor
Continente (Aljarafe) Continen
Centro Centro
Alcampo Alcampo
Fuentes Fuentes

Los nombres que aparecen en la columna derecha de la tabla son los que van a
aparecer en las hojas de resultados que se van a obtener. De todas las posibles
alternativas que se ofrecan como destino de compras, en las encuestas
realizadas slo han aparecido estas doce.
Un paso importante para la obtencin del modelo, es la codificacin de los datos
obtenidos en las encuestas. Para ver ms claramente la forma de codificar los
datos obtenidos se exponen las distintas alternativas de respuesta para cada
pregunta, junto con el valor numrico que se le ha asignado.
Coste del aparcamiento
a) Bastante caros -2
b) Caros -1
c) Normal 0
d) Baratos 1
e) Bastante caros 2
f) No sabe -
Facilidad de aparcamiento
a) Bastante difcil -2
b) Difcil -1
c) Normal 0
d) Fcil 1
e) Bastante fcil 2
208
f) No sabe -
Facilidad de acceso en transporte pblico
a) Bastante difcil -2
b) Difcil -1
c) Normal 0
d) Fcil 1
e) Bastante fcil 2
f) No sabe -
Tiempo de desplazamiento
a) Menos de 5 minutos 5
b) Entre 5 y 15 minutos 10
c) Entre 15 y 30 minutos 25
d) Entre 30 y 45 minutos 40
e) Entre 45 y 60 minutos 55
f) Ms de 60 minutos 60
Servicios
a) Muy pocos -2
b) Pocos -1
c) Normal 0
d) Bastantes 1
e) Muchos 2
f) No sabe -
Comodidad
a) Bastante incmoda -2
b) Incmoda -1
c) Normal 0
d) Cmoda 1
e) Bastante cmoda 2
f) No sabe -
Como posteriormente se ver en la presentacin de los datos recogidos hay una
serie de columnas que es necesario aclarar. Estas columnas son Nij, ALTij y
Gasto.
Nij: indica el nmero de alternativas que el encuestado ha seleccionado. Este
valor se repite en cada una de las alternativas seleccionadas por un mismo
individuo.
ALTij: es un nmero que est asociado a cada una de las alternativas. Como los
encuestados eligen alternativas distintas y en distinto orden, con este valor se le
209
indica cual es la alternativa que se est evaluando. En la siguiente tabla se
muestra la relacin de alternativas de destino de compras con su nmero
asociado. Los nmeros asignados a cada una de las alternativas, viene dado por
el orden que ocupan en el comando choices.
Gasto: indica la distribucin porcentual que cada encuestado emplea en los
distintos destinos que han mencionado. En este ejemplo est empleado como un
indicador de la frecuencia con que eligen los distintos destinos que nombran.

ALTERNATIVA NUMERO
El Corte Ingls (Nervin) 1
C.C. Los Arcos 2
Centro 3
Nervin 4
C.C. Nervin Plaza 5
Los Remedios 6
El Corte Ingls (Duque) 7
Hipercor (Aljarafe) 8
Continente (Aljarafe) 9
Alcampo 10
Fuentes 11
La Macarena 12

Los datos que se han recogido se muestran en la siguiente tabla:

Individuo PA FA FTP TD SERV COM Gasto Nij ALTij
1 -1 0 1 10 -2 1 0.15 4 1
2 0 1 5 0 1 0.6 4 2
-2 1 25 2 0 0.1 4 3
0 0 1 10 1 0.15 4 4
2 -1 1 1 5 -2 1 0.5 3 5
-1 -2 1 5 2 1 0.25 3 3
-1 1 1 5 -2 1 0.25 3 1
3 -1 1 1 10 -2 1 0.5 4 5
-1 -2 1 10 2 1 0.25 4 3
-1 1 1 10 -2 1 0.15 4 1
-1 0 1 10 0 1 0.1 4 4
4 -1 0 0 5 -1 1 0.5 4 5
-1 0 0 5 -2 1 0.25 4 1
-1 -1 0 25 1 0 0.2 4 3
210
-1 -1 -1 35 0 -1 0.05 4 6
5 -2 -1 -1 35 1 -1 0.5 5 3
-2 -1 0 25 -1 0 0.05 5 5
-1 1 -1 35 1 -1 0.1 5 7
2 2 -2 5 -2 2 0.3 5 8
0 -2 0 25 0 -2 0.05 5 6
6 0 -1 0 10 -2 1 0.7 3 1
0 -1 0 10 -2 0 0.1 3 7
-1 -1 0 25 1 0 0.2 3 3
7 -1 2 5 1 2 4 5
-1 2 10 2 2 4 3
-1 2 5 1 2 4 1
0 2 5 1 2 4 4
8 -1 1 1 10 -2 2 0.5 5 1
0 1 1 10 -2 2 0.3 5 5
-1 -1 1 25 2 0 0.1 5 3
-1 1 1 25 -2 0 0.05 5 7
-1 -1 -1 35 -1 -1 0.05 5 6
9 -1 1 0 5 -1 1 0.5 5 5
-1 -2 0 25 1 -1 0.2 5 3
-1 1 0 10 -2 1 0.2 5 1
-1 1 -1 10 -1 -1 0.05 5 2
-1 -2 0 5 1 0 0.05 5 4
10 -2 -2 1 25 2 -1 0.3 5 3
1 -1 0 25 1 -1 0.2 5 5
-1 -1 1 10 0 0 0.15 5 6
-1 -1 0 25 1 0 0.2 5 1
-1 -1 1 25 2 -1 0.15 5 7
11 -2 0 -1 5 -1 2 0.3 5 5
-2 0 -1 5 -2 2 0.3 5 1
-2 -1 2 35 2 1 0.15 5 3
-2 -1 0 25 0 1 0.15 5 6
2 2 -2 35 -2 1 0.1 5 9
12 -2 0 2 55 -2 1 0.5 5 1
-2 0 2 55 -2 1 0.1 5 5
-2 0 60 1 0 0.05 5 3
2 2 1 55 -1 1 0.05 5 10
0 10 2 2 0.3 5 11
13 -1 -2 1 25 1 1 0.85 3 3
-1 -2 1 25 1 0.1 3 6
-1 0 1 25 1 1 0.05 3 7
14 0 0 1 10 1 1 0.6 5 7
0 -1 0 10 1 1 0.1 5 6
-1 -2 1 10 1 0 0.15 5 3
1 1 0 25 1 1 0.05 5 5
1 2 -2 5 -2 1 0.1 5 8
15 0 -1 1 10 0 -1 0.2 6 6
1 -1 1 25 -1 -1 0.2 6 7
-1 -1 1 25 1 -1 0.15 6 3
1 0 1 25 -1 0 0.2 6 1
2 2 -1 10 -1 1 0.15 6 8
211
1 1 1 25 0 0 0.1 6 5
16 -2 2 25 2 2 0.7 6 3
1 2 25 1 2 6 5
2 2 0 35 -2 1 0.05 6 2
-1 -2 0 35 0 0 6 6
-2 1 5 0 1 0.1 6 12
2 1 0 35 -2 -1 6 10

Nota: los espacios en blanco corresponden a la respuesta no sabe.
A.3.3 ARCHIVO DE ENTRADA
En este apartado se pretende explicar los comandos que se dan a la aplicacin
LIMDEP, y los resultados que se pretenden obtener. Previamente a la ejecucin
del archivo de entrada se deben de haber importado todos los datos recogidos de
las encuestas, y que se muestran en la tabla anterior.
El archivo de entrada que se realiza en este caso es el siguiente:
nlogit; lhs = gasto, Nij, ALTij
; describe
; crosstab
; List
; start = logit
; effects: TD(CIN, Los Arcos, Centro, Nervin, N. Plaza,
Remedios, CID, Hipercor, Continen, Alcampo, Fuentes,
Macarena)
;choices = CIN, Los Arcos, Centro, Nervin, N. Plaza, Remedios,
CID, Hipercor, Continen, Alcampo, Fuentes,
Macarena
;model:
U(CIN) =CA*PA+CB*FA+CC*FTP+CE*TD+CF*SERV+CG*COM/
U(Los Arcos) =CA*PA+CB*FA+CC*FTP+CE*TD+CF*SERV+CG*COM/
U(Centro) =CA*PA+CB*FA+CC*FTP+CE*TD+CF*SERV+CG*COM/
U(Nervion) =CA*PA+CB*FA+CC*FTP+CE*TD+CF*SERV+CG*COM/
U(N. Plaza) =CA*PA+CB*FA+CC*FTP+CE*TD+CF*SERV+CG*COM/
U(Remedios) =CA*PA+CB*FA+CC*FTP+CE*TD+CF*SERV+CG*COM/
U(CID) =CA*PA+CB*FA+CC*FTP+CE*TD+CF*SERV+CG*COM/
U(Hipercor) =CA*PA+CB*FA+CC*FTP+CE*TD+CF*SERV+CG*COM/
U(Continen) =CA*PA+CB*FA+CC*FTP+CE*TD+CF*SERV+CG*COM/
U(Alcampo) =CA*PA+CB*FA+CC*FTP+CE*TD+CF*SERV+CG*COM/
U(Fuentes) =CA*PA+CB*FA+CC*FTP+CE*TD+CF*SERV+CG*COM/
212
U(Macarena) =CA*PA+CB*FA+CC*FTP+CE*TD+CF*SERV+CG*COM$

En la primera lnea del archivo se indica que se va a emplear el comando nlogit.
Tambin se indica que la variable independiente es la que se llama gasto. Adems
aparecen las variables Nij y ALTij, para indicar que el nmero de alternativas
elegidas por los encuestados es distinta en cada caso, y que adems estn en
distinto orden.
A continuacin se realizan distintas especificaciones para este caso en concreto.
Con la especificacin describe se obtienen los valores de los parmetros de la
funcin de utilidad de la alternativa en cuestin. Otros datos de inters que
muestra son el nmero de encuestados que la han nombrado, as como la suma de
los porcentajes de gasto que realiza cada individuo en ese centro de compras.
Tambin nos muestra valores de la desviacin estndar.
La especificacin Crosstab va a obtener de referencias cruzadas en la que en la
fila se muestra la decisin actual del encuestado, y en la columna la decisin
prevista por LIMDEP. Es decir obtendremos los valores de transicin de un centro
a otro.
List nos va a mostrar una tabla en la que van a aparecer las probabilidades de
eleccin de los distintos destinos de compras de ropa y calzado, para cada uno de
los encuestados. En este ejemplo se va a obtener la elasticidad de los distintos
destinos de compra en funcin del atributo Tiempo de desplazamiento (TD).
Por ltimo queda explicar la funcin de utilidad que se va a emplear. La funcin
de utilidad es comn para todas las alternativas. No se ha aadido ninguna
constante especfica de cada alternativa pues el nmero de muestras disponibles
era insuficiente. Como ya se adelant en la introduccin, la funcin de utilidad es
lineal, y consta de seis trminos, uno por cada atributo empleado. El hecho de que
la funcin de utilidad sea lineal, y se desprecien trminos cuadrticos y de orden
superior, no influye notablemente en la fiabilidad de los resultados obtenidos.
Esto es debido a que los trminos lineales suelen explicar alrededor del 80% de la
213
variable dependiente, mientras que los trminos cuadrticos slo el 6%. El resto
son trminos de orden superior.
A.3.4 RESULTADOS
El principal resultado que se obtiene es la funcin de utilidad. La expresin de
dicha funcin toma la forma siguiente:
U=-0.0164*PA-0.1751*FA+0.2392*FTP-0.0033*TD-0.0388*SERV+0.6175*COM
El cuadro en el que aparecen los valores de los parmetros es el que aparece a
continuacin:
+---------+--------------+----------------+--------+-------
--+----------+
|Variable | Coefficient | Standard Error
|b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+-------
--+----------+
CA -.1638885650E-01 .40722347 -.040 .9679
CB -.1751320419 .38633190 -.453 .6503
CC .2392328424 .51911345 .461 .6449
CE -.3291856369E-02 .40363886E-01 -.082 .9350
CF -.3878938520E-01 .26648346 -.146 .8843
CG .6175132060 .61134472 1.010 .3125

Hay que aclarar que en este cuadro aparecen los valores de los parmetros que
intervienen en cualquiera de las funciones de utilidad de las distintas alternativas.
Pero como, en este caso en concreto, la funcin de utilidad es comn a todas las
alternativas, se puede expresar la funcin de la manera anterior.
En este cuadro tambin se puede ver los valores de las desviaciones estndar de
los valores de los parmetros de la funcin de utilidad. La tercera columna nos
muestra el cociente entre el valor del parmetro y el error estndar. Esta columna
se puede interpretar como la t-student.
Es conveniente analizar el signo y el peso de cada uno de los parmetros que se
han obtenido. Observando los valores absolutos de los parmetros se puede
214
apreciar que el atributo de mayor importancia en la eleccin de un destino de
compras es la comodidad. Claramente es el que aporta ms a la utilidad de la
alternativa en cuestin.
Al realizar un anlisis de los signos de los parmetros, se puede observar que hay
ciertas incongruencias en dichos signos. Por ejemplo, el signo negativo del
parmetro CA est indicando que cuando un aparcamiento es ms caro aumenta la
utilidad de dicha alternativa, ya que los niveles empleados otorgaban el valor 2 a
las alternativas con un coste de aparcamiento muy caro. Esto obviamente es
errneo, ya que es lgico pensar que cuando el aparcamiento es ms caro la
utilidad de la alternativa disminuir. Este error puede tener diferentes
explicaciones, como la poca fiabilidad de los datos recogidos o la escasez de
muestras suficientes como para desarrollar un modelo ms real.
Del mismo modo que antes ocurre con el parmetro CB. Al aumentar la dificultad
en encontrar aparcamiento aumenta la utilidad de la alternativa. La influencia de
este parmetro es mayor que la del anterior por tener un valor absoluto mayor.
El parmetro CC tiene bien el signo, ya que al aumentar la dificultad de acceso
por transporte pblico, disminuye la utilidad. Si es ms fcil aumenta su utilidad.
Para el siguiente atributo tambin es correcto su signo, ya que si aumenta el
tiempo de desplazamiento para llegar al destino de compras, disminuye su
utilidad. Aunque el coeficiente en valor absoluto sea el menor de todos, hay que
tener en cuenta que los valores de los niveles de este atributo son mucho mayores
que los dems, por lo que el trmino ser del mismo orden que los dems de la
funcin de utilidad.
El parmetro CF tambin tiene el signo errneo, pues no es lgico pensar que al
haber menor nmero de bancos, correos, bibliotecas y oficinas, aumente la
utilidad del destino de compras. Los motivos de este error en el signo ya se
expusieron anteriormente.
Por ltimo, el parmetro CG si que tiene correcto su signo, ya que al aumentar la
comodidad de un centro de compras, es lgico pensar que aumentar su utilidad.
215
En el archivo de resultados tambin se obtiene un estudio ms detallado de cada
una de las alternativas estudiadas. Estos resultados se reflejan en distintas tablas,
una por cada alternativa.
A.3.4.1 DESCRIPCION DE ALTERNATIVAS
En la parte superior del cuadro central aparece el nmero de personas que han
elegido esta alternativa para realizar alguna de sus compras. Este nmero no
refleja cual es el porcentaje de gasto que realizan en estos destinos. Si se suman
los gastos de los encuestados en cada alternativa se obtiene el valor que aparece
en la esquina superior derecha del recuadro.
En la primera parte del cuadro vuelven a aparecer los valores de los parmetros de
la funcin de utilidad. Si la funcin de utilidad de esta alternativa tuviera algn
parmetro distinto a los dems, tambin aparecera en este cuadro.
En la segunda parte del cuadro aparecen los valores medios de las encuestas que
han valorado esa alternativa, es decir es la media de los valores otorgados al
atributo en cuestin en las filas de una misma alternativa. Por ejemplo, si vemos el
caso de El Corte Ingls de Nervin ser la media de todas las veces que se evala
esta alternativa en la muestra. Al lado de esta columna est la desviacin tpica de
esta muestra que se ha considerado.
En el tercer cuadro por su parte se hace una media ponderada, es decir se
multiplica el valor dado a un atributo por el porcentaje de gasto que en esa
alternativa realiza la persona en cuestin. Luego se suman los valores de una
misma alternativa y se obtiene la media. Al igual que antes la columna de su
izquierda es la desviacin tpica.

+-------------------------------------------------------------------------+
: Descriptive Statistics for Alternative CIN :
| Utility Function | | 3.5 observs. |
| Coefficient | All 12.0 obs.|that chose CIN |
| Name Value Variable : Mean Std. Dev.|Mean Std. Dev. |
| ------------------- -------- | -------------------+------------------- |
216
| CA -.0164 PA | -.833 .835| -.886 .970 |
| CB -.1751 FA | .083 .793| .029 .916 |
| CC .2392 FTP | .667 .888| .614 1.026 |
| CE -.0033 TD | 14.583 14.532| 16.857 19.600 |
| CF -.0388 SERV | -1.417 1.165| -1.686 1.011 |
| CG .6175 COM | 1.083 .669| 1.143 .701 |
+-------------------------------------------------------------------------+
217

+-------------------------------------------------------------------------+
: Descriptive Statistics for Alternative LOSARCOS :
| Utility Function | | .7 observs. |
| Coefficient | All 3.0 obs.|that chose LOSARCOS |
| ------------------- -------- | -------------------+------------------- |
| CA -.0164 PA | 1.000 1.732| 1.250 .000 |
| CB -.1751 FA | 1.000 1.000| .150 .000 |
| CC .2392 FTP | .000 1.000| .550 .000 |
| CE -.0033 TD | 16.667 16.073| 5.250 .000 |
| CF -.0388 SERV | -1.000 1.000| -.150 .000 |
| CG .6175 COM | .333 1.155| .600 .000 |
+-------------------------------------------------------------------------+
+-------------------------------------------------------------------------+
: Descriptive Statistics for Alternative CENTRO :
| Coefficient | All 16.0 obs.|that chose CENTRO |
| ------------------- -------- | -------------------+------------------- |
| CA -.0164 PA | -.938 .680| -.955 .779 |
| CB -.1751 FA | -1.563 .512| -1.640 .545 |
| CC .2392 FTP | .813 .834| .888 1.042 |
| CE -.0033 TD | 24.375 12.894| 23.371 10.383 |
| CF -.0388 SERV | 1.500 .516| 1.483 .568 |
| CG .6175 COM | .250 1.000| .528 1.252 |
+-------------------------------------------------------------------------+
+-------------------------------------------------------------------------+
: Descriptive Statistics for Alternative NERVION :
| Coefficient | All 4.0 obs.|that chose NERVION |
| ------------------- -------- | -------------------+------------------- |
| CA -.0164 PA | -.500 .577| -.150 .000 |
| CB -.1751 FA | -.500 1.000| -.100 .000 |
| CC .2392 FTP | 1.000 .816| .450 .000 |
| CE -.0033 TD | 7.500 2.887| 3.250 .000 |
| CF -.0388 SERV | .500 .577| .150 .000 |
| CG .6175 COM | 1.000 .816| .450 .000 |
+-------------------------------------------------------------------------+

+-------------------------------------------------------------------------+
: Descriptive Statistics for Alternative N.PLAZA :
| Coefficient | All 13.0 obs.|that chose N.PLAZA |
| ------------------- -------- | -------------------+------------------- |
| CA -.0164 PA | -.538 1.127| -.699 .945 |
| CB -.1751 FA | .308 .855| .342 .936 |
| CC .2392 FTP | .692 .947| .658 1.013 |
| CE -.0033 TD | 17.308 14.665| 9.932 11.675 |
| CF -.0388 SERV | -.615 1.261| -.918 1.328 |
| CG .6175 COM | 1.000 .913| 1.164 .869 |
+-------------------------------------------------------------------------+
218

+-------------------------------------------------------------------------+
: Descriptive Statistics for Alternative REMEDIOS :
| Coefficient | All 9.0 obs.|that chose REMEDIOS |
| ------------------- -------- | -------------------+------------------- |
| CA -.0164 PA | -.778 .667| -.700 .000 |
| CB -.1751 FA | -1.333 .500| -1.100 .000 |
| CC .2392 FTP | .111 .782| .350 .000 |
| CE -.0033 TD | 23.333 10.897| 17.250 .000 |
| CF -.0388 SERV | .000 .500| .050 .000 |
| CG .6175 COM | -.222 1.093| -.050 .000 |
+-------------------------------------------------------------------------+
+-------------------------------------------------------------------------+
: Descriptive Statistics for Alternative CID :
| Coefficient | All 7.0 obs.|that chose CID |
| ------------------- -------- | -------------------+------------------- |
| CA -.0164 PA | -.429 .787| -.120 1.459 |
| CB -.1751 FA | -.143 .900| -.240 1.453 |
| CC .2392 FTP | .571 .787| .760 1.308 |
| CE -.0033 TD | 22.143 9.063| 17.400 19.524 |
| CF -.0388 SERV | .000 1.633| .440 2.763 |
| CG .6175 COM | -.143 .900| .160 2.067 |
+-------------------------------------------------------------------------+
+-------------------------------------------------------------------------+
: Descriptive Statistics for Alternative HIPERCOR :
| Coefficient | All 3.0 obs.|that chose HIPERCOR |
| ------------------- -------- | -------------------+------------------- |
| CA -.0164 PA | 1.667 .577| 1.000 .000 |
| CB -.1751 FA | 2.000 .000| 1.100 .000 |
| CC .2392 FTP | -1.667 .577| -.950 .000 |
| CE -.0033 TD | 6.667 2.887| 3.500 .000 |
| CF -.0388 SERV | -1.667 .577| -.950 .000 |
| CG .6175 COM | 1.333 .577| .850 .000 |
+-------------------------------------------------------------------------+

+-------------------------------------------------------------------------+
: Descriptive Statistics for Alternative CONTINEN :
| Coefficient | All 1.0 obs.|that chose CONTINEN |
| ------------------- -------- | -------------------+------------------- |
| CA -.0164 PA | 2.000 .000| .200 .000 |
| CB -.1751 FA | 2.000 .000| .200 .000 |
| CC .2392 FTP | -2.000 .000| -.200 .000 |
| CE -.0033 TD | 35.000 .000| 3.500 .000 |
| CF -.0388 SERV | -2.000 .000| -.200 .000 |
| CG .6175 COM | 1.000 .000| .100 .000 |
+-------------------------------------------------------------------------+
219

+-------------------------------------------------------------------------+
: Descriptive Statistics for Alternative ALCAMPO :
| Coefficient | All 2.0 obs.|that chose ALCAMPO |
| ------------------- -------- | -------------------+------------------- |
| CA -.0164 PA | 2.000 .000| .200 .000 |
| CB -.1751 FA | 1.500 .707| .150 .000 |
| CC .2392 FTP | .500 .707| .050 .000 |
| CE -.0033 TD | 45.000 14.142| 4.500 .000 |
| CF -.0388 SERV | -1.500 .707| -.150 .000 |
| CG .6175 COM | .000 1.414| .000 .000 |
+-------------------------------------------------------------------------+
+-------------------------------------------------------------------------+
: Descriptive Statistics for Alternative FUENTES :
| Coefficient | All 1.0 obs.|that chose FUENTES |
| ------------------- -------- | -------------------+------------------- |
| CA -.0164 PA | .000 .000| .000 .000 |
| CB -.1751 FA | .000 .000| .000 .000 |
| CC .2392 FTP | .000 .000| .000 .000 |
| CE -.0033 TD | 10.000 .000| 3.000 .000 |
| CF -.0388 SERV | 2.000 .000| .600 .000 |
| CG .6175 COM | 2.000 .000| .600 .000 |
+-------------------------------------------------------------------------+
+-------------------------------------------------------------------------+
: Descriptive Statistics for Alternative MACARENA :
| Coefficient | All 1.0 obs.|that chose MACARENA |
| ------------------- -------- | -------------------+------------------- |
| CA -.0164 PA | .000 .000| .000 .000 |
| CB -.1751 FA | -2.000 .000| -.200 .000 |
| CC .2392 FTP | 1.000 .000| .100 .000 |
| CE -.0033 TD | 5.000 .000| .500 .000 |
| CF -.0388 SERV | .000 .000| .000 .000 |
| CG .6175 COM | 1.000 .000| .100 .000 |
+-------------------------------------------------------------------------+

Observando detenidamente la informacin suministrada por la especificacin
describe, se pueden hacer los siguientes comentarios:
1. La alternativa CENTRO ha sido nombrada por todos los encuestados, un total
de 16. Por consiguiente como era de esperar es la que tiene tambin el valor
mximo del gasto, con un total de 4,4. Este hecho no tiene que ocurrir
siempre, es decir el lugar ms nombrado por los encuestados no tiene porque
220
ser en el que ms se gastan. Todo ello depender de los gastos individuales de
los encuestados en ese centro de compras.
2. Las alternativas FUENTES, LA MACARENA y CONTINENTE
(ALJARAFE) slo han sido nombradas por un solo encuestado. Adems en
CONTINENTE, LA MACARENA y ALCAMPO es donde se realiza un gasto
menor por parte de los encuestados.
3. Si se realiza un anlisis ms profundo se puede obtener un indicador de cada
uno de los centros de compras. Esto lo podemos obtener dividiendo el gasto
total en cada destino de compras entre el nmero de encuestados que eligen
esa alternativa. Este indicador nos mostrar en que centro de compras se
gastan ms los encuestados por persona que lo visita. Realizando esto se
obtiene el siguiente cuadro:

ALTERNATIVA GASTO TOTAL N VISITANTES INDICADOR
EL CORTES INGLES (NERVION) 3.5 12 0.3
LOS ARCOS 0.7 3 0.23
CENTRO 4.4 16 0.28
NERVION 0.4 4 0.1
NERVION PLAZA 3.6 13 0.28
LOS REMEDIOS 0.9 9 0.1
EL CORTE INGLES (DUQUE) 1.3 7 0.19
HIPERCOR (ALJARAFE) 0.6 3 0.2
CONTINENTE (ALJARAFE) 0.1 1 0.1
ALCAMPO 0.1 2 0.05
FUENTES 0.3 1 0.3
LA MACARENA 0.1 1 0.1

4. En el cuadro se observa que el indicador mayor es para EL CORTE INGLES
(NERVION). Aunque no es el destino al que ms acuden los encuestados,
CENTRO y NERVION PLAZA lo superan, s es en el que ms se gastan por
trmino medio. Se observa adems que aunque el CENTRO es la alternativa a
la que ms acuden, y en la que ms se gastan en valor absoluto, no es en la que
ms se gastan por trmino medio.
221
5. La alternativa en la que el gasto por trmino medio es menor es en
ALCAMPO, que aunque no es la que menos visitas tiene, s es de las que
menos gastos realizan los encuestados.
A.3.4.2 CROSSTAB
Se muestra a continuacin la tabla de referencias cruzadas que se obtiene como
resultado. En ella, las filas indican las decisiones actuales, mientras que las
columnas muestran las predicciones que devuelve la aplicacin.

CIN LOSARCOS CENTRO NERVION N.PLAZA REMEDIOS CID
CIN 1 0 1 0 1 0 0
LOSARCOS 0 0 0 0 0 0 0
CENTRO 1 0 1 0 1 1 0
NERVION 0 0 0 0 0 0 0
N.PLAZA 1 0 1 0 1 0 0
REMEDIOS 0 0 0 0 0 0 0
CID 0 0 0 0 0 0 0
HIPERCOR 0 0 0 0 0 0 0
CONTINEN 0 0 0 0 0 0 0
ALCAMPO 0 0 0 0 0 0 0
FUENTES 0 0 0 0 0 0 0
MACARENA 0 0 0 0 0 0 0
Total 4 0 4 1 3 2 1

HIPERCOR CONTINEN ALCAMPO FUENTES MACARENA Total
CIN 0 0 0 0 0 4
LOSARCOS 0 0 0 0 0 1
CENTRO 0 0 0 0 0 4
NERVION 0 0 0 0 0 0
N.PLAZA 0 0 0 0 0 4
REMEDIOS 0 0 0 0 0 1
CID 0 0 0 0 0 1
HIPERCOR 0 0 0 0 0 1
CONTINEN 0 0 0 0 0 0
ALCAMPO 0 0 0 0 0 0
FUENTES 0 0 0 0 0 0
MACARENA 0 0 0 0 0 0
Total 1 0 0 0 0 16
222

223

Importante: Los valores que se muestran en la tabla anterior estn redondeados
al entero ms prximo. Es decir, si la primera cifra decimal es mayor o igual a
cinco, se redondea al entero superior. Si por el contrario es inferior a cinco, se
redondea al entero inferior.
Esta es la causa por la que aparentemente la suma de las columnas y filas no
cuadra con lo que se muestra en la columna o fila de total.
A.3.4.3 ESTIMACION DE PROBABILIDADES
Como parte de los resultados que se obtienen en LIMDEP, se consigue una
estimacin de las probabilidades de eleccin de las distintas alternativas para cada
uno de los encuestados.
El cuadro que se obtiene se muestra a continuacin. En l los valores que
aparecen con un asterisco al lado, representan la eleccin en la que el encuestado
realiza un gasto mayor. Los valores con un signo + indican la alternativa que ha
obtenido una mayor probabilidad de ser elegida como destino de compras. Esta
probabilidad se obtiene a partir de los datos de las encuestas realizadas por cada
individuo.
La tabla que se obtiene es la siguiente:
PREDICTED PROBABILITIES (* marks actual, + marks prediction.)
Indiv CIN LOSARCOS CENTRO NERVION N.PLAZA REMEDIOS CID
----- HIPERCOR CONTINEN ALCAMPO FUENTES MACARENA
1 .2924 + .2619* .1795 .2662 .0000 .0000 .0000
***** .0000 .0000 .0000 .0000 .0000
2 .2900 .0000 .4200 + .0000 .2900* .0000 .0000
***** .0000 .0000 .0000 .0000 .0000
3 .2198 .0000 .3182 + .2423 .2198* .0000 .0000
***** .0000 .0000 .0000 .0000 .0000
4 .3668 + .0000 .1964 .0000 .3529* .0839 .0000
***** .0000 .0000 .0000 .0000 .0000
5 .0000 .0000 .1160* .0000 .3052 .0984 .0804
***** .3999 + .0000 .0000 .0000 .0000
6 .4991*+ .0000 .2318 .0000 .0000 .0000 .2691
***** .0000 .0000 .0000 .0000 .0000
224
7 .2642 + .0000 .2500 .2217 .2642* .0000 .0000
***** .0000 .0000 .0000 .0000 .0000
8 .3677*+ .0000 .1237 .0000 .3618 .0450 .1018
***** .0000 .0000 .0000 .0000 .0000
9 .2907 + .0640 .1211 .2399 .2843* .0000 .0000
***** .0000 .0000 .0000 .0000 .0000
10 .2290 .0000 .1828* .0000 .1195 .3177 + .1509
***** .0000 .0000 .0000 .0000 .0000
11 .2535* .0000 .2590 + .0000 .2439 .1793 .0000
***** .0000 .0643 .0000 .0000 .0000
12 .2496* .0000 .1003 .0000 .2496 .0000 .0000
***** .0000 .0000 .1247 .2757 + .0000
13 .0000 .0000 .3644* .0000 .0000 .3788 + .2567
***** .0000 .0000 .0000 .0000 .0000
14 .0000 .0000 .2091 .0000 .1663 .2521 .2688*+
***** .1038 .0000 .0000 .0000 .0000
15 .2192*+ .0000 .1347 .0000 .1770 .1447 .1409
***** .1835 .0000 .0000 .0000 .0000
16 .0000 .0714 .3936*+ .0000 .2420 .0754 .0000

De todos los encuestados, slo en los casos nmero 6, 8, 14, 15 y 16 coincide que
la opcin a la que ms probabilidad le da LIMDEP de ser elegida por el
encuestado, es la que realmente elige. En el caso del encuestado 7 coinciden
aparentemente la eleccin realizada, con la predecida por LIMDEP, aunque los
marca de forma separada, seguramente porque se diferencian en el quinta decimal.
Para continuar con el anlisis, se observa que en los casos 1,4,9,11,12 y 13 la
opcin en la que se realiza el gasto est muy cerca de la que muestra LIMDEP
como de mxima probabilidad. En estos casos, la opcin elegida en primer lugar
resulta ser la segunda de mayor probabilidad.
Como casos especiales resultan los encuestados 2, 3, 5 y 10 en los que hay gran
diferencia entre lo estimado por LIMDEP y lo que realmente eligen estos
encuestados. Esto puede ser debido a que no est contemplado en estos atributos,
alguna caracterstica importante para decidir su destino de compras.
A.3.4.4 ELASTICIDADES
Las elasticidades estn calculadas respecto al atributo tiempo de desplazamiento.
Se han calculado respecto a este atributo pues a priori se estim que de los que se
evalan en la funcin de utilidad, era el ms importante.
225
En el encabezado de cada cuadro aparece el nombre de la alternativa a la que est
referida. En los distintos cuadros aparecen varias columnas. Estas columnas son
usadas en el caso de que se utilizara una estructura jerrquica, en la que se hubiera
definido un rbol determinado de un mximo de cuatro niveles. Al no ser este
nuestro caso, simplemente nos limitamos a analizar la columna Choice. La
columna Total Effect representara la suma de las valores de la fila
correspondiente. En cada fila est representada cada alternativa, como se puede
apreciar a la izquierda del cuadro.
El asterisco que aparece al lado de una de las alternativas en cada cuadro, indica
que esa es la alternativa en la cual se ha producido la variacin en el Tiempo de
desplazamiento.

+-----------------------------------------------------------------+
| Elasticity Averaged over observations. |
| Attribute is TD in choice CIN |
| Effects on probabilities of all choices in the model: |
| * indicates direct Elasticity effect of the attribute. |
| Decomposition of Effect Total |
| Trunk Limb Branch Choice Effect|
| Trunk=Trunk{1} |
| Limb=Lmb[1:1] |
| Branch=B(1:1,1) |
| * Choice=CIN .000 .000 .000 -.026 -.026 |
| Choice=LOSARCOS .000 .000 .000 .010 .010 |
| Choice=CENTRO .000 .000 .000 .010 .010 |
| Choice=NERVION .000 .000 .000 .010 .010 |
| Choice=N.PLAZA .000 .000 .000 .010 .010 |
| Choice=REMEDIOS .000 .000 .000 .010 .010 |
| Choice=CID .000 .000 .000 .010 .010 |
| Choice=HIPERCOR .000 .000 .000 .010 .010 |
| Choice=CONTINEN .000 .000 .000 .010 .010 |
| Choice=ALCAMPO .000 .000 .000 .010 .010 |
| Choice=FUENTES .000 .000 .000 .010 .010 |
| Choice=MACARENA .000 .000 .000 .010 .010 |
+-----------------------------------------------------------------+

+-----------------------------------------------------------------+
| Attribute is TD in choice LOSARCOS |
| Trunk=Trunk{1} |
| Limb=Lmb[1:1] |
| Branch=B(1:1,1) |
| Choice=CIN .000 .000 .000 .001 .001 |
| * Choice=LOSARCOS .000 .000 .000 -.009 -.009 |
| Choice=CENTRO .000 .000 .000 .001 .001 |
| Choice=NERVION .000 .000 .000 .001 .001 |
226
| Choice=N.PLAZA .000 .000 .000 .001 .001 |
| Choice=REMEDIOS .000 .000 .000 .001 .001 |
| Choice=CID .000 .000 .000 .001 .001 |
| Choice=HIPERCOR .000 .000 .000 .001 .001 |
| Choice=CONTINEN .000 .000 .000 .001 .001 |
| Choice=ALCAMPO .000 .000 .000 .001 .001 |
| Choice=FUENTES .000 .000 .000 .001 .001 |
| Choice=MACARENA .000 .000 .000 .001 .001 |
+-----------------------------------------------------------------+
+-----------------------------------------------------------------+
| Attribute is TD in choice CENTRO |
| Trunk=Trunk{1} |
| Limb=Lmb[1:1] |
| Branch=B(1:1,1) |
| Choice=CIN .000 .000 .000 .016 .016 |
| Choice=LOSARCOS .000 .000 .000 .016 .016 |
| * Choice=CENTRO .000 .000 .000 -.064 -.064 |
| Choice=NERVION .000 .000 .000 .016 .016 |
| Choice=N.PLAZA .000 .000 .000 .016 .016 |
| Choice=REMEDIOS .000 .000 .000 .016 .016 |
| Choice=CID .000 .000 .000 .016 .016 |
| Choice=HIPERCOR .000 .000 .000 .016 .016 |
| Choice=CONTINEN .000 .000 .000 .016 .016 |
| Choice=ALCAMPO .000 .000 .000 .016 .016 |
| Choice=FUENTES .000 .000 .000 .016 .016 |
| Choice=MACARENA .000 .000 .000 .016 .016 |
+-----------------------------------------------------------------+

+-----------------------------------------------------------------+
| Attribute is TD in choice NERVION |
| Trunk=Trunk{1} |
| Limb=Lmb[1:1] |
| Branch=B(1:1,1) |
| Choice=CIN .000 .000 .000 .002 .002 |
| Choice=LOSARCOS .000 .000 .000 .002 .002 |
| Choice=CENTRO .000 .000 .000 .002 .002 |
| * Choice=NERVION .000 .000 .000 -.005 -.005 |
| Choice=N.PLAZA .000 .000 .000 .002 .002 |
| Choice=REMEDIOS .000 .000 .000 .002 .002 |
| Choice=CID .000 .000 .000 .002 .002 |
| Choice=HIPERCOR .000 .000 .000 .002 .002 |
| Choice=CONTINEN .000 .000 .000 .002 .002 |
| Choice=ALCAMPO .000 .000 .000 .002 .002 |
| Choice=FUENTES .000 .000 .000 .002 .002 |
| Choice=MACARENA .000 .000 .000 .002 .002 |
+-----------------------------------------------------------------+

+-----------------------------------------------------------------+
| Attribute is TD in choice N.PLAZA |
| Trunk=Trunk{1} |
227
| Limb=Lmb[1:1] |
| Branch=B(1:1,1) |
| Choice=CIN .000 .000 .000 .011 .011 |
| Choice=LOSARCOS .000 .000 .000 .011 .011 |
| Choice=CENTRO .000 .000 .000 .011 .011 |
| Choice=NERVION .000 .000 .000 .011 .011 |
| * Choice=N.PLAZA .000 .000 .000 -.036 -.036 |
| Choice=REMEDIOS .000 .000 .000 .011 .011 |
| Choice=CID .000 .000 .000 .011 .011 |
| Choice=HIPERCOR .000 .000 .000 .011 .011 |
| Choice=CONTINEN .000 .000 .000 .011 .011 |
| Choice=ALCAMPO .000 .000 .000 .011 .011 |
| Choice=FUENTES .000 .000 .000 .011 .011 |
| Choice=MACARENA .000 .000 .000 .011 .011 |
+-----------------------------------------------------------------+

+-----------------------------------------------------------------+
| Attribute is TD in choice REMEDIOS |
| Trunk=Trunk{1} |
| Limb=Lmb[1:1] |
| Branch=B(1:1,1) |
| Choice=CIN .000 .000 .000 .006 .006 |
| Choice=LOSARCOS .000 .000 .000 .006 .006 |
| Choice=CENTRO .000 .000 .000 .006 .006 |
| Choice=NERVION .000 .000 .000 .006 .006 |
| Choice=N.PLAZA .000 .000 .000 .006 .006 |
| * Choice=REMEDIOS .000 .000 .000 -.037 -.037 |
| Choice=CID .000 .000 .000 .006 .006 |
| Choice=HIPERCOR .000 .000 .000 .006 .006 |
| Choice=CONTINEN .000 .000 .000 .006 .006 |
| Choice=ALCAMPO .000 .000 .000 .006 .006 |
| Choice=FUENTES .000 .000 .000 .006 .006 |
| Choice=MACARENA .000 .000 .000 .006 .006 |
+-----------------------------------------------------------------+

+-----------------------------------------------------------------+
| Attribute is TD in choice CID |
| Trunk=Trunk{1} |
| Limb=Lmb[1:1] |
| Branch=B(1:1,1) |
| Choice=CIN .000 .000 .000 .005 .005 |
| Choice=LOSARCOS .000 .000 .000 .005 .005 |
| Choice=CENTRO .000 .000 .000 .005 .005 |
| Choice=NERVION .000 .000 .000 .005 .005 |
| Choice=N.PLAZA .000 .000 .000 .005 .005 |
| Choice=REMEDIOS .000 .000 .000 .005 .005 |
| * Choice=CID .000 .000 .000 -.027 -.027 |
| Choice=HIPERCOR .000 .000 .000 .005 .005 |
| Choice=CONTINEN .000 .000 .000 .005 .005 |
| Choice=ALCAMPO .000 .000 .000 .005 .005 |
| Choice=FUENTES .000 .000 .000 .005 .005 |
| Choice=MACARENA .000 .000 .000 .005 .005 |
+-----------------------------------------------------------------+

+-----------------------------------------------------------------+
228
| Attribute is TD in choice HIPERCOR |
| Trunk=Trunk{1} |
| Limb=Lmb[1:1] |
| Branch=B(1:1,1) |
| Choice=CIN .000 .000 .000 .001 .001 |
| Choice=LOSARCOS .000 .000 .000 .001 .001 |
| Choice=CENTRO .000 .000 .000 .001 .001 |
| Choice=NERVION .000 .000 .000 .001 .001 |
| Choice=N.PLAZA .000 .000 .000 .001 .001 |
| Choice=REMEDIOS .000 .000 .000 .001 .001 |
| Choice=CID .000 .000 .000 .001 .001 |
| * Choice=HIPERCOR .000 .000 .000 -.003 -.003 |
| Choice=CONTINEN .000 .000 .000 .001 .001 |
| Choice=ALCAMPO .000 .000 .000 .001 .001 |
| Choice=FUENTES .000 .000 .000 .001 .001 |
| Choice=MACARENA .000 .000 .000 .001 .001 |
+-----------------------------------------------------------------+

+-----------------------------------------------------------------+
| Attribute is TD in choice CONTINEN |
| Trunk=Trunk{1} |
| Limb=Lmb[1:1] |
| Branch=B(1:1,1) |
| Choice=CIN .000 .000 .000 .000 .000 |
| Choice=LOSARCOS .000 .000 .000 .000 .000 |
| Choice=CENTRO .000 .000 .000 .000 .000 |
| Choice=NERVION .000 .000 .000 .000 .000 |
| Choice=N.PLAZA .000 .000 .000 .000 .000 |
| Choice=REMEDIOS .000 .000 .000 .000 .000 |
| Choice=CID .000 .000 .000 .000 .000 |
| Choice=HIPERCOR .000 .000 .000 .000 .000 |
| * Choice=CONTINEN .000 .000 .000 -.007 -.007 |
| Choice=ALCAMPO .000 .000 .000 .000 .000 |
| Choice=FUENTES .000 .000 .000 .000 .000 |
| Choice=MACARENA .000 .000 .000 .000 .000 |
+-----------------------------------------------------------------+

+-----------------------------------------------------------------+
| Attribute is TD in choice ALCAMPO |
| Trunk=Trunk{1} |
| Limb=Lmb[1:1] |
| Branch=B(1:1,1) |
| Choice=CIN .000 .000 .000 .002 .002 |
| Choice=LOSARCOS .000 .000 .000 .002 .002 |
| Choice=CENTRO .000 .000 .000 .002 .002 |
| Choice=NERVION .000 .000 .000 .002 .002 |
| Choice=N.PLAZA .000 .000 .000 .002 .002 |
| Choice=REMEDIOS .000 .000 .000 .002 .002 |
| Choice=CID .000 .000 .000 .002 .002 |
| Choice=HIPERCOR .000 .000 .000 .002 .002 |
229
| Choice=CONTINEN .000 .000 .000 .002 .002 |
| * Choice=ALCAMPO .000 .000 .000 -.017 -.017 |
| Choice=FUENTES .000 .000 .000 .002 .002 |
| Choice=MACARENA .000 .000 .000 .002 .002 |
+-----------------------------------------------------------------+

+-----------------------------------------------------------------+
| Attribute is TD in choice FUENTES |
| Trunk=Trunk{1} |
| Limb=Lmb[1:1] |
| Branch=B(1:1,1) |
| Choice=CIN .000 .000 .000 .001 .001 |
| Choice=LOSARCOS .000 .000 .000 .001 .001 |
| Choice=CENTRO .000 .000 .000 .001 .001 |
| Choice=NERVION .000 .000 .000 .001 .001 |
| Choice=N.PLAZA .000 .000 .000 .001 .001 |
| Choice=REMEDIOS .000 .000 .000 .001 .001 |
| Choice=CID .000 .000 .000 .001 .001 |
| Choice=HIPERCOR .000 .000 .000 .001 .001 |
| Choice=CONTINEN .000 .000 .000 .001 .001 |
| Choice=ALCAMPO .000 .000 .000 .001 .001 |
| * Choice=FUENTES .000 .000 .000 -.001 -.001 |
| Choice=MACARENA .000 .000 .000 .001 .001 |
+-----------------------------------------------------------------+

+-----------------------------------------------------------------+
| Attribute is TD in choice MACARENA |
| Trunk=Trunk{1} |
| Limb=Lmb[1:1] |
| Branch=B(1:1,1) |
| Choice=CIN .000 .000 .000 .000 .000 |
| Choice=LOSARCOS .000 .000 .000 .000 .000 |
| Choice=CENTRO .000 .000 .000 .000 .000 |
| Choice=NERVION .000 .000 .000 .000 .000 |
| Choice=N.PLAZA .000 .000 .000 .000 .000 |
| Choice=REMEDIOS .000 .000 .000 .000 .000 |
| Choice=CID .000 .000 .000 .000 .000 |
| Choice=HIPERCOR .000 .000 .000 .000 .000 |
| Choice=CONTINEN .000 .000 .000 .000 .000 |
| Choice=ALCAMPO .000 .000 .000 .000 .000 |
| Choice=FUENTES .000 .000 .000 .000 .000 |
| * Choice=MACARENA .000 .000 .000 -.001 -.001 |
+-----------------------------------------------------------------+

Al analizar los distintos clculos de elasticidades que se han realizado respecto al
atributo Tiempo de Desplazamiento, para cada alternativa, se pueden obtener las
siguientes conclusiones:
230
1. En todos los casos los resultados son coherentes. Esto es obvio, ya que un
aumento del tiempo que se tarda en llegar a su destino hace disminuir su
probabilidad de eleccin, y hace aumentar la probabilidad de elegir cualquiera
de las otras alternativas.
2. A la alternativa que ms le afecta un aumento del tiempo de desplazamiento es
a la alternativa CENTRO, pues su probabilidad de eleccin disminuye en
0,067. Debido a esto las elasticidades cruzadas de las otras alternativas hacen
aumentar la probabilidad de los otros destinos en 0,16 si aumenta el tiempo de
desplazamiento para la alternativa CENTRO. Esto puede ser debido a que esta
alternativa es la ms visitada y en la que el gasto total es mayor.
3. Las alternativas a las que menos les afecta este atributo son a LA
MACARENA y a FUENTES, los cuales slo disminuyen en 0,001. Este valor
tan bajo puede ser debido al escaso nmero de muestras de estas dos
alternativas. En el caso de LA MACARENA se observa que las elasticidades
cruzadas son nulas, lo que hace pensar que el argumento anterior es vlido.
Pues si no aumenta nada la probabilidad de eleccin de las otras alternativas al
aumentar el tiempo de desplazamiento de LA MACARENA, nos indica que
esta alternativa tiene escasa consideracin, principalmente a que slo un
encuestado la ha seleccionado.
4. La alternativa en la que las elasticidades cruzadas son mayores es en el
CENTRO. La justificacin a esto puede ser que al ser la alternativa que ms
encuestados han seleccionado, si aumenta el tiempo en acceder al CENTRO,
habr menos individuos que elijan este como su destino de compras, y por
tanto sus destinos alternativos tendrn ms probabilidad de ser elegidos. Es
una justificacin anloga al caso de LA MACARENA.
231
Modelos de eleccin discreta Bibliografa

BIBLIOGRAFIA
Junta de Andaluca, Comercio y Territorio. 1994
Ayuntamiento de Sevilla, Informe Socioeconmico de la Ciudad de Sevilla.
1998
Junta de Andaluca , Las Grandes Superficies Comerciales y la
Reestructuracin de la Distribucin Comercial en Andaluca. 1997
Ministerio de Economa y Hacienda, La Distribucin Comercial en Espaa.
1998
Junta de Andaluca, Plan Integral de Fomento del Comercio Interior de
Andaluca. 1998
Anderson N.H., A Functional Theory of Cognition, Lawrence Erlbaum
Associates, Inc., Pub., 1996.
Ben-Akiva M., Lerman S.R. 1985. Discrete Choice Analysis. The MIT Press,
Cambridge, Massachusetts, USA.
Domencich T.A., McFadden D., Urban Travel Demand: A Behavioral
Analysis, North Holland, Amsterdam, 1975.
Lancaster, K., Consumer Demand: A New Approach, Columbia University
Press, New York. 1971.
Larraeta J., Canca D., Racero J., Modelos de Planificacin de Trfico,
Escuela Superior de Ingenieros de Sevilla. 1997.
Limdep, Econometric Software Inc., Users Manual, version 7.0, Castle Hill,
NSW, Australia. 1998.

232
Modelos de eleccin discreta Bibliografa
Louviere J., Analyzing Decision Making. Metric Conjoint Analysis. Serie
Quantitative Applications in the Social Science n1 67. Sage University Press.
1988.
Luce R.D., Individual Choice Behaviour, John Wiley & Sons, New York
1959.
Maxwell S.E., Delaney H.D., Designing Experiments and Analyzing Data. A
Model Comparison Perspective. Brooks/Cole Pub.Co., 1990.
Montgomery , Diseo de Experimentos, McGraw-Hill, 1999.
Oppewal H., Conjoint Experiments and Retail Planning. Modelling Consumer
Choice of Shopping Centre and Retail Reactive Behaviour. Tesis Doctoral
Technische Universiteit Eindhoven. 1995. ISBN 90-6814-532-0

233

09 Manual Limdep

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

09 Manual Limdep

Cargado por

Copyright:

Formatos disponibles

Modelos de eleccin discreta Apndice: Manual de Limdep

A. APENDICE: MANUAL DE LIMDEP............................................................................ 192

También podría gustarte