Está en la página 1de 11

Variables, Hiptesis y Presentacin del

Modelo
Variables:
Variable dependiente:

CPIA: Cumplimiento del Plan para implementar la siembra de


reas verdes y ms rboles.

La variable sigue un comportamiento dicotmico.

Esta se expresa de la

siguiente manera:
1: SI, El gobierno cumple con el Plan para implementar la siembra de ms
rboles.
0: No, El gobierno no cumple con el Plan para implementar la siembra de ms
rboles.

Variables independientes:

EDAD: Edad del encuestado.

La variable es de orden categrico.


1: 15-25,

El encuestado tiene entre 15 y 25 aos.

2: 26-40,

El encuestado tiene entre 26 y 40 aos.

3: 41-60,

El encuestado tiene entre 41 y 60 aos.

4: 61 a +,

El encuestado tiene ms de 61 aos.

1:

OCUPFOR: Ocupacin del encuestado.


El encuestado es estudiante, empleado o cesante.

0:

El encuestado es trabajador independiente o ama de casa.

CALPLA: Calidad de la plantacin y cuidado de rboles y reas


verdes en el distrito de Los Olivos.

5: Muy bueno,

La calidad de la plantacin y cuidado de rboles y reas

verdes es muy buena.


4: Bueno,

La calidad de la plantacin y cuidado de rboles y reas verdes es

buena.
3: Regular,

La calidad de la plantacin y cuidado de rboles y reas verdes es

regular.
2: Malo,

La calidad de la plantacin y cuidado de rboles y reas verdes es

mala.
1: Muy malo,

La calidad de la plantacin y cuidado de rboles y reas

verdes es muy mala.

EDUCAMB:

Educacin

ambiental

del

encuestado

sobre

los

beneficios de las reas verdes en el distrito de Los Olivos.


1: SI, El encuestado si conoce los beneficios de las reas verdes en su distrito
0: No, El encuestado no conoce los beneficios de las reas verdes en su distrito

PERCUMANT: Percepcin sobre el cuidado y mantenimiento de


las reas verdes en su distrito

5: Muy bueno,

El cuidado y mantenimiento de las reas verdes en el

distrito es muy bueno.


4: Bueno,
bueno.

El cuidado y mantenimiento de las reas verdes en el distrito es

3: Regular,

El cuidado y mantenimiento de las reas verdes en el distrito es

regular.
2: Malo,

El cuidado y mantenimiento de las reas verdes en el distrito es

malo.
1: Muy malo,

El cuidado y mantenimiento de las reas verdes en el

distrito es muy malo.

Hiptesis:
El distrito de los Olivos cuenta con recursos econmicos, sociales, culturales y
demogrficos que le permiten convertirse rpidamente en uno de los distritos
ms empresariales del pas. Sin embargo, se debe considerar el alto contenido
nutricional del suelo, el follaje, entre otras que estn directamente relacionados
con la existencia de las condiciones necesarias y suficientes para el desarrollo
de la Silvicultura Urbana en el distrito.
Con lo anterior se procede a plantear las hiptesis.

Hiptesis principal:

La probabilidad de que el gobierno cumpla con el plan para implementar


la siembra de reas verdes y ms rboles, impulsando as el desarrollo
de la silvicultura en el distrito, puede ser explicada a travs de

la

calidad de la plantacin de rboles en el distrito y la educacin


ambiental de los ciudadanos del distrito.

Hiptesis especficas:

La probabilidad de que el gobierno cumpla con el plan para implementar


la siembra de reas verdes y ms rboles aumenta cuando la calidad de
la plantacin y cuidado de rboles y reas verdes aumenta.

La probabilidad de que el gobierno cumpla con el plan para implementar


la siembra de reas verdes y ms rboles disminuye cuando los
ciudadanos no conocen los beneficios de las reas verdes en su distrito.

Presentacin del Modelo.


Para comprobar o rechazar las hiptesis planteadas lneas arriba, se proceder
a introducir el modelo.

Eleccin del Modelo.


El modelo que se elige es un Logit. Se escogi este modelo porque las hiptesis
se orientan a la obtencin de resultados a nivel probabilstico. Adems, otro
factor de influencia en la decisin fue el hecho de que la regresin logstica
puede recoger variables categricas o de orden cualitativo.

Eleccin de las variables


Una vez presentadas las variables se proceder a evaluar que variable debe
entrar en el modelo. El criterio de eleccin es tomar las variables que
discriminen mejor la proporcin de resultados que siguen el resultado positivo
de la variable dependiente (CPIA).

EDAD

100%

50
40

80%

30

60%

20

35%

31%

38%

40%

10

20%

0%
1: 15-25

2: 26-40
EDAD

EDAD

100%

CPIA
1
0 %

3: 41-60

4: 61 a+

% Bueno

1:
2:
3:
4:

18
4
5
1

15-25
26-40
41-60
61 a+

Bueno
34
35%
9
31%
8
38%
0
100%

50

100%

40

80%

30
20

60%

44%
33%

40%

10

20%

0%
1: 15-25

2: 26-40

3: 41-60

OCUPFOR

%Bueno

OCUPFOR
CPIA

OCUPFOR
1: Estudiante,
empleado y
cesante
0: Trabajador
independient
e o ama de
casa

4: 61 a+

%Bue
0 no

20

41

33%

10

44%

50

88%

90%

83%

88%

40
30
20
10
0

CALPLA

100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%

%Bueno

CALPLA
CPIA

CALPL
A
5: Muy
bueno
4:
Bueno
3:
Regular
2: Malo
1: Muy
malo

83%

%Bue
0 no

1
7

88%

18

90%

24

83%

14

88%

83%

80

100%

70
95%

60
90%

50
40

90%

85% EDUCAMB

30

%Bueno

20

85%
80%

10
0

75%
1: 15-25

2: 26-40

4: 61 a+

EDUCAMB
CPIA

EDUCA
MB
1:
Conoce
benefici
os de
reas
verdes
0: No
conoce
benefici
os de
reas
verdes

3: 41-60

%Bue
0 no

50

85%

18

90%

50

100%

40
30

57%
40%

20

19%

10

14%

PERCUMANT

120%
100%
80%
60%
40%
20%
0%

%Bueno

PERCUMANT

CPIA
PERCUM
ANT
5: Muy
bueno
4: Bueno
3: Regular
2: Malo
1: Muy
malo

%Bue
0 no

1
5

100%

13
6
2

10
26
12

57%
19%
14%

40%

El modelo
Por lo observado en el anlisis grfico, las variables que mejor discriminan son
CALPLA y EDUCAMB. Se procede a mostrar los resultados del modelo.

Dependent Variable: CPIA


Method: ML - Binary Logit (Quadratic hill climbing)
Date: 2/12/15 Time: 19:48
Sample: 1 79
Included observations: 79

Convergence achieved after 4 iterations


Covariance matrix computed using second derivatives
Variable

Coefficient

Std. Error

z-Statistic

Prob.

C
CALPLA
EDUCAMB

-3.312877
0.997844
0.740292

1.064252
0.290100
0.581213

-3.112869
3.439659
-3.053702

0.0019
0.0006
0.0028

McFadden R-squared
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Restr. deviance
LR statistic
Prob(LR statistic)

0.266698
0.481397
1.159485
1.249464
1.195533
102.7231
17.12377
0.000191

Mean dependent var


S.E. of regression
Sum squared resid
Log likelihood
Deviance
Restr. log likelihood
Avg. log likelihood

0.354430
0.433629
14.29059
-42.79966
85.59932
-51.36155
-0.541768

Total obs

79

El modelo estimado se presenta de la siguiente forma:

LOGIT =X i =3.312877+0. 9978CALPLA+0.74029EDUCAMB


A su vez, como el modelo de eleccin binaria especificado es una regresin
logstica, la funcin de probabilidad acumulativa es la siguiente:

P ( Se cumpla el plan para implementar la siembra de ms rboles )=1ee

Xi

Los coeficientes hallados son los coeficientes para la variable latente o


indicadora LOGIT. Para evaluar el impacto de cada una sobre la probabilidad de
que el plan para implementar la siembra de ms rboles se cumpla o no,
observamos primero el signo del coeficiente. Si este es positivo tendr un
efecto favorable en la probabilidad y en caso contrario el efecto ser
desfavorable.

Interpretacin de los coeficientes

1=3.318287; P (3.318287 )=0.034949

Este coeficiente nos indica que la probabilidad autnoma de que el plan para
implementar la siembra de ms rboles se cumpla es cercana al 3.5%.

2=0.9 97844

La variable CALPLA es un factor favorable para que se cumpla el plan para


implementar la siembra de ms rboles. Es decir, si la calidad de la plantacin
y cuidado de rboles y reas verdes aumenta, la probabilidad de que el plan
para implementar la siembra de ms rboles se cumpla aumenta. La variable
es significativa para determinar la probabilidad del cumplimiento del plan para
implementar ms rboles.

3=0.740292

La variable EDUCAMB es un factor favorable para que se cumpla el plan para


implementar la siembra de ms rboles. Es decir, si los ciudadanos conocen los
beneficios de los rboles y reas verdes, la probabilidad de que el plan para
implementar la siembra de ms rboles se cumpla aumenta. La variable es
significativa para determinar la probabilidad del cumplimiento del plan para
implementar ms rboles.
El modelo asegura un buen poder predictivo ya que se tiene que el pseudo

Mc Faden es mayor que el estndar promedio (0.20< R

<0.40) siendo

un buen indicador, 0.2667.

Anlisis marginal
Como el anlisis marginal es para una variable cualitativa se realizar de la
siguiente manera:

X i=b X i=a= X i X i = X i

Valores iniciales:

CALPLA=2; EDUCINF =1

CAPLA=2 CALPLA=4 (Bueno); X i =1.9956

Por lo tanto, si la calidad de la plantacin y cuidado de rboles y reas verdes


pasa de ser mala a buena, la probabilidad de que el plan para implementar la
siembra de ms rboles se cumpla aumenta en 199%.

EDUCINF=1 EDUCINF =0 ; X i =0.5403

Por lo tanto, si los ciudadanos pasan de conocer los beneficios de rboles y


reas verdes a no conocerlos, la probabilidad de que el plan para implementar
la siembra de ms rboles se cumpla disminuye en aproximadamente 50%.