indicadores de calidad ambiental: un analisis de · pdf file1 luis alfonso escobar jaramillo...

1

Luis Alfonso Escobar Jaramillo

Santiago de Chile, 3 al 7 de diciembre de 2007

INDICADORES DE CALIDAD AMBIENTAL: UN ANALISIS DE PRECIOS HEDONICOS

CURSO DE GESTIÓN Y VALORACIÓN DEL MEDIO AMBIENTE Y LOS RECURSOS NATURALES

Contenido

2

LOS INDICADORES AMBIENTALES

Relevancia de los indicadores

Hipótesis de trabajo

Objetivos propuestos

UN MODELO DE INDICADORES SINTETICOS

El marco conceptual

Metodologías de síntesis de información

Resultados de los índices estimados y algunas observaciones

VALORACION ECONOMICA

Resultados del modelo convencional

Efectos espaciales y estrategia de modelación

El valor económico de la calidad ambiental urbana

LAEJ3

Los indicadores ambientales: Aspectos básicos

Información que permite explicar como cambian los fenómenos que se miden en un periodo de tiempo.

Muchos organismos a nivel local, regional y mundial diseñan y elaboran indicadores ambientales y de sostenibilidad.

Existen indicadores muy usados para medir aspectos económicos y sociales.

No es tan claro la identificación y medición de indicadores que den cuenta de la sostenibilidad ambiental.

Deben permitir medir, evaluar y monitorear, cambios e impactos en el estado y calidad de los recursos naturales y del ambiente.

Previamente hay que identificarlos y definir un procedimiento científicamente consensuado para esto.

LAEJ4

Indicador

Índice Información

Fuente: Adaptado de Segnestam, 2002

Figura 1.1: Proceso de construcción de información agregada para la gestión

Dato

IndicadorIndicadorIndicador







Dato

IndicadorIndicador

LAEJ5

Datos Ambientales

Es el componente más básico de la generación de información.

Son registros de alguna variable de interés, que no permiten interpretar patrones de cambio o tendencia de la situación que define (OCDE, 1997).

Los datos son la base del sistema.

Es necesario evaluar su disponibilidad, calidad y fuentes de información.

El éxito de todo sistema de indicadores esta en la construcción de filtros para seleccionar los mejores datos.

LAEJ6

¿Que es un indicadores ambiental?

Es una medida parcialmente observable de un fenómeno, de

tal forma que permite indicar su estado, evolución o

tendencia, aun sin medir exactamente el fenómeno a

estudiar.

Ejemplo: El ruido por encima de los niveles permisibles,

mas que un indicador del fenómeno en si, indica los efectos

que puede estar causando, y si es espacializado la

información que se deriva es mas detallada.

LAEJ7

Utilidades de la construcción de indicadores

Ayuda a la gestión, mediante el monitoreo de

fenómenos de interés social.

Permiten informar sobre las tendencias de los

fenómenos ambientales, mediante informes periódicos.

Permite incidir en el comportamiento de la sociedad,

mediante la comunicación de sus resultados.

LAEJ8

Índices ambientales

Existe confusión en la definición y precisión de los

indicadores ambientales (Hyatt, 2001; Ebert et al,2003).

Es conveniente distinguir entre indicadores simples e

índices (indicadores sintéticos).

Los indicadores están constituidos por la combinación de

dos o mas datos.

Mas de un indicador (y/o muchos datos) son convertidos

en un índice mediante una función matemática que los

sintetiza (EEA/AMAE, 2002).

Los índices pueden ser usados como un indicador para

resumir información compleja.

LAEJ9

Indicadores ambientales y Política Pública

Ayudan a construir percepción pública de problemascomplejos.

Son instrumentos para evaluar la efectividad de lasalternativas de decisión pública.

Permiten informar sobre las tendencias de ciertos fenómenos de interés social.

Permite incidir en el comportamiento de la sociedad, mediante la comunicación de sus resultados.

Permiten objetivar las situaciones ambientales.

En la medida en que un problema latente desde el punto de

vista social se objetiva (se mide) el interés y preferencia por

los mismos se acentúa.

Hipótesis de trabajo

10

No homogeneidad ambiental del territorio urbano en grandes ciudades.

El índice de calidad ambiental (ICA) es una variable latente determinada por un conjunto de factores que lo afectan de manera positiva y negativa.

El ICA es un indicador de los beneficios asociados a los bienes y servicios ambientales presentes en el entorno urbano.

11

Definir teórica y conceptualmente un sistema de indicadores simples y un indicador sintético (índice) de calidad ambiental en el ámbito urbano.

Estimar el índice de calidad ambiental, como una aplicación empírica del modelo general, en las 21 comunas de la Ciudad de Cali - Colombia.

Determinar los atributos que explican la estructura de precios de la vivienda urbana y valorar económicamente los determinantes ambientales que explican su precio.

Objetivos

El modelo de indicadores

sintéticos

12

Marco conceptual para el índice

13

Desarrollo

Sostenible

AMBIENTAL

ECONOMICA

INSTITUCIONAL

Marco analítico

Revisión literatura

Flujo

Urbano

Medio Ambiente

Urbano

SOCIAL

Modelos:

•Categorías (OCDE, 1994)

•Temas y subtemas (UNCED, 2000, 2001)

14

Tabla 1: Sistema de indicadores de calidad ambiental urbana Indicadores simples Área temática Componentes Índice Nivel I Nivel II Nivel III Nivel IV

RS1. Residuos sólidos generados (Ton) RS2. Cobertura de recolección (% de viviendas) Residuos sólidos RS3. Basureros crónicos (No) urbanos (Irsu) RS4. Percepción social del servicio CE1. Cobertura de energía (% de viviendas) CE2. Conexiones ilegales (No.) CE3. Cobertura de gas (Porcentaje de viviendas) Consumo de CE4. Uso de leña, carbón, etc. (No. viviendas) energía (Icen) CE5. Fuentes de contaminación lumínica (No) Índice de Flujo Urbano (IFLU) TR1. Densidad de coches (Coches/habitantes) TR2. Accidentes mortales de transito (No) Trafico urbano (Itru) TR3. Kilómetros de vía pavimentada (No) TR4. Semáforos (No) CV1. Personas por vivienda (No) CV2. Mts2 por vivienda (No) Calidad de la vivienda CV3. Densidad de viviendas (No / hectárea) (Icav) AI1. Concentración de NOx (% del territorio)* AI2. Concentración de SOx (% del territorio)* Índice de AI3. Concentración de CO2 (% del territorio)* Aire (Iair) Calidad AI4. Concentración de material particulado* Ambiental AI5. Denuncias por olores moléstos (No) (ICA) AG1. Cobertura de agua (% de viviendas) AG2. Cobertura de alcantarillado (% de viviendas) Agua (Iagu) AG3. Riesgo de inundación (% del territorio)** RU1. Ruido diurno (% del territorio)* RU2. Ruido nocturno (% del territorio)* Ruido (Irui) RU3. Denuncias ciudadana (No) SU1. Área urbanizable construida (% del total) Índice de Medio Ambiente SU2. Área verde institucional (% del total) Urbano (IMAU) SU3. Densidad área verde (mt2/habitante) Suelo (Isue) SU4. Erosión (Porcentaje del total)* ES1. Denuncias invasión del espacio público (No) ES2. Parques y plazas por localidad (No) Espacio publico (Iepu) ES3. Andenes peatonales (Mt2) BI1. Densidad de árboles (No / habitante) BI2. Árboles sembrados (No / año) BI3. Fauna animal no nociva (No) Biodiversidad (Ibio) BI4. Especies vegetales (No) BI5. Sitios de interés ecológico (No)

Metodología de síntesis de la información

Síntesis de la información

15

Ecuación Hipótesis de relación lineal

n

j

ijij RSWIrsu1

0

1 j

j

RS

Irsu ; 0

2 j

j

RS

Irsu ; 0

3 j

j

RS

Irsu ; 0

4 j

j

RS

Irsu (1)

n

j

ijij CEWIcen1

0

1 j

j

CE

Icen ; 0

2 j

j

CE

Icen ; 0

3 j

j

CE

Icen ; 0

4 j

j

CE

Icen ; 0

5 j

j

CE

Icen (2)

n

j ijij TRWItra1

0

1 j

j

TR

Itra ; 0

2 j

j

TR

Itra ; 0

3 j

j

TR

Itra ; 0

4 j

j

TR

Itra (3)

n

j ijij CVWIcav1

0

1 j

j

CV

Icav ; 0

2 j

j

CV

Icav ; 0

3 j

j

CV

Icav (4)

n

j ijij AIWIair1

0

1 j

j

AI

Iair ; 0

2 j

j

AI

Iair ; 0

3 j

j

AI

Iair ; 0

4 j

j

AI

Iair ; 0

5 j

j

AI

Iair (5)

n

j ijij AGWIagu1

0

1 j

j

AG

Iagu ; 0

2 j

j

AG

Iagu 0

3 j

j

AG

Iagu (6)

n

j ijij RUWIrui1

0

1 j

j

RU

Irui ; 0

2 j

j

RU

Irui ; 0

3 j

j

RU

Irui (7)

n

j ijij SUWIsue1

0

1 j

j

SU

Isue ; 0

2 j

j

SU

Isue ; 0

3 j

j

SU

Isue ; 0

4 j

j

SU

Isue (8)

n

j ijij EPWIepu1

0

1 j

j

EP

Icen ; 0

2 j

j

EP

Icen (9)

n

j ijij BIWIbio1

0

1 j

j

BI

Ibio ; 0

2 j

j

BI

Ibio ; 0

3 j

j

BI

Ibio ; 0

4 j

j

BI

Ibio ; 0

5 j

j

BI

Ibio (10)

Los j = 1, 2, 3, .., n representan las unidades experimentales. Los i representan el subíndice de cada una de las variables que componen la ecuación

de cada indicador de segundo nivel y que se detallan en la tabla 1. W i es el conjunto de pesos relativos de cada indicador de primer nivel. Como las variables que componen cada indicador de segundo nivel tienen diferentes unidades de medida y escala, se emplean técnicas de análisis

multivariantes como el Análisis de Componentes Principales (ACP) (Johnson, 2000) y Análisis de Distancia P2 (DP2) (Pena Trapero, 1977; Zarzosa, 1996).

Criterios de selección de indicadores

16

Validez científica

Capacidad de discriminación

Elección pública

Representación de la zona

Medida directa

Sensible a cambios

Coste-eficiencia

Existencia de datos

Criterios de evaluación

•Cumple satisfactoriamente

•Cumple parcialmente

•No cumple

•Doce indicadores

(IFLU e IMAU)

Esquema analítico de síntesis de la información

17

Definición de Calidad

Ambiental Urbana

Análisis de

Flujo Urbano

Análisis de Medio

Ambiente Urbano

Sistema de

Indicadores

ambientales

Criterios de

selección

No cumple

Si cumple

Indicadores

operativos

No cumple

Si cumple

Modelo

cartográfico

Sistema de Indicadores

Ambientales en SIG

Distribución

espacial a

escala SIG

Índice de Flujo

Urbano (IFLU)

Índice de Medio

Ambiente Urbano

(IMAU)

Técnicas de

Análisis

Multivariado

Índices

temáticos

No cumple

Si cumple

Si cumple

Índice de Calidad

Ambiental

(ICA)

Distribución

Espacial del ICA a

escala SIG

Escala de

Espacialización

Selección de

significativos

Selección de

significativos

Técnicas de

Análisis

Multivariado

Técnicas de

Análisis

Multivariado

Se excluye

No cumple

Se excluye

Ajuste y

Refinamiento de

Base de datos

Definición de Calidad

Ambiental Urbana

Análisis de

Flujo Urbano

Análisis de Medio

Ambiente Urbano

Sistema de

Indicadores

ambientales

Criterios de

selección

No cumple

Si cumple

Indicadores

operativos

No cumple

Si cumple

Modelo

cartográfico

Sistema de Indicadores

Ambientales en SIG

Distribución

espacial a

escala SIG

Índice de Flujo

Urbano (IFLU)

Índice de Medio

Ambiente Urbano

(IMAU)

Técnicas de

Análisis

Multivariado

Índices

temáticos

No cumple

Si cumple

Si cumple

Índice de Calidad

Ambiental

(ICA)

Distribución

Espacial del ICA a

escala SIG

Escala de

Espacialización

Selección de

significativos

Selección de

significativos

Técnicas de

Análisis

Multivariado

Técnicas de

Análisis

Multivariado

Se excluye

No cumple

Se excluye

Ajuste y

Refinamiento de

Base de datos

Herramientas analíticas

Recomendamos el uso de análisis multivariante para el tratamiento de datos que describen fenómenos que pueden ser explicados en común (variables latentes). 18

Análisis de Componentes Principales

(ACP) (Castro, 2002; Sanghai et al, 2004)

Análisis de Distancia P2 (DP2) (Castro,

2002; Pena Trapero, 1977; Zarzosa, 1996;

Zarzosa, P. et al. 1996; Castro, 2002; Sáez, F. et

al. 2002; Fundación “La Caixa”, 2003; López,

M. et al., 2003; Vicéns, J. y C. Chasco, 2001 y

Chasco C. y Hernández, 2004)

Análisis de Conjuntos Difusos (Castro,

2004)

Métodos ad-hoc Métodos Multivariados

Galdames (2000)

Métodos Multivariados

Datos

Multidimencionales

Matriz de

Covarianza

(originales)

Matriz de

Correlaciones

(originales)

Estructura de

correlación

No. de variables

(dimensiones)

Métodos de

Reducción de

dimensiones

ANALISIS DE

COMPONENTES

PRINCIPALES

ANALISIS

FACTORIAL

ANALISIS DE

DISTANCIA

DP2

Análisis de Componentes Principales

El ACP es un procedimiento matemático que transforma un conjunto de variables respuestas correlacionadas en un conjunto menor de variables ortogonales (no relacionadas) llamadas componentes principales.

Las nuevas variables tienen como fundamento explicar la mayor parte de la varianza de los datos originales (Johnson, 2000).

Partimos de la matriz de correlación de los indicadores simplestipificados.

Se determinan los componentes principales que explican la mayor parte de la varianza contenida en los datos.

Se califican las unidades experimentales con base en los componentes resultantes:

Estimación del índice derivado del ACP

Definido los componentes principales, nos preguntamos¿como incorporarlos al análisis del indicador sintético?

Si sólo es seleccionado un componente principal, esteactuaría como un indicador sintético del conjunto devariables respuesta.

Mas de un componente demanda un tratamiento parautilizarlos en el análisis de los resultados.

Estimación del índice derivado del ACP

Peters et al (1970) propone que el índice sea calculadoempleando un promedio de las puntuaciones de cadacomponente principal, ponderados por la raíz cuadrada de lavarianza de cada componente.

En este sentido, el índice para cada unidad experimental sedebe calcular como:

Se garantiza que los componentes con una mayor varianzaexplicada tenga una mayor ponderación en la calificación delíndice.

21,,2,1;

1

1)( j

Z

ICAr

i

r

r

i

rrj

jComuna y i = 1, 2, 3…r componentes.

Resumen del empleo de ACP

Se parte de un conjunto de variables que conceptualmente responden a unmodelo de explicación de la variable latente.

Se analizan los datos para determinar si se emplea el análisis de varianzas-convarianzas o el de correlaciones.

Determinar si existen datos ausentes, outliers, etc, y definir unprocedimiento para su tratamiento en el conjunto del ACP.

Se prueba la independencia de las variables respuestas.

Modelar la base datos (puede ser en SPSS o cualquier otro paqueteestadístico), obteniendo los componentes principales y el conjunto deestimaciones que permitirán probar la consistencia de los resultados.

Estimar el orden de las unidades experimentales, de acuerdo al procedimientode agregación definido.

Análisis espacial de los resultados, de tal forma que se puedan identificarpatrones espaciales del índice por cada unidad experimental.

Análisis de Distancia DP2

Utilizado para medir variables latentes como el bienestar, desarrollo sostenible, etc., entre distintas regiones de un País. Pena Trapero (1977, 1994), Zarzosa (1996, 2002), Castro (2002) y La Caixa (2003).

Este indicador sintético se basa en el concepto de distancia elaborado por Bernardo Pena Trapero (1977) a partir de una modificación de la distancia de Ivanovic (dI) (1974):

La DP2 es desarrollada por Pena Trapero se basa también en la distancia de Frechet y utiliza como factor de ponderaciones de las distancias estimadas, el coeficiente de determinación (R2) como se indica a continuación:

jirxx

dp

i

j

i

iij

i

jiij

iiI ,)1(1

1

1

1,...,2,1.

*

*),(

2

1...,2,1

1

*

2 1 iii

p

i i

jiijR

xxDP

El área de estudio

Departamento del Valle

Área urbana

de Cali por comunas

NColombia

21 Comunas (Distritos)

322 Barrios

Habitantes: 2.395.000 (DANE, 2005)

Resultados del ACP

26

Tabla 1: Resultados del análisis de componentes principales rotada Componentes

Indicadores de Primer Nivel 1 2 3

Comunalidades

AG1. Cobertura de agua 0,934 0,842 AG2. Cobertura de alcantarillado 0,912 0,891 CE1. Cobertura de energía 0,898 0,822 RS2. Cobertura de recolección 0,808 0,716 CE3. Cobertura de gas 0,625 0,437 CV3. Densidad de viviendas -0,400 0,767 0,774 BI1. Densidad de árboles 0,735 0,482 0,829 CV1. Personas por vivienda 0,722 0,583 0,861 AI4. Concentración de material particulado -0,780 0,678 TR2. Accidentes mortales de transito -0,676 0,616 SU1. Área urbanizable sin construir 0,959 0,934 SU3. Densidad área verde 0,824 0,833

Autovalores 4,285 3,516 1,432 9,233 Varianza 35,710 29,300 11,930 Acum.: 76,94%

Método de Extracción: Análisis de Componentes Principales Método de Rotación: Varimax con Normalización Kaiser Determinant = 3,134E-08

El índice de calidad ambiental por ACP

27

Tabla 2: Índice de Calidad Ambiental

Comuna ICA

17 1,0535

2 0,7469

19 0,7186

3 0,3830

4 0,2686

5 0,0906

8 0,0999

9 0,0660

10 0,0555

11 -0,0210

7 -0,1155

16 -0,1740

1 -0,1945

18 -0,2214

21 -0,2562

15 -0,2895

12 -0,3156

6 -0,3376

20 -0,4718

13 -0,4781

14 -0,6076

Figura 1: Mapa del ICA

El índice de calidad ambiental por DP2

28

Tabla 3: Indice de calidad ambiental DP2

Comuna ICA_DP2

5 3,1011

2 3,4561

19 3,7651

17 5,3363

10 5,9255

6 6,0123

8 6,4931

4 7,1656

11 7,3953

7 7,5588

12 7,6265

3 7,9050

9 8,2081

14 8,4766

16 9,2709

15 9,2950

18 9,6103

13 9,9103

1 10,2196

20 11,3077

21 13,2111

Figura 2: ICA_ DP2

Relevancia de los indicadores por comuna

29

17 2 19 3 4 5 8 9 10 11 7 16 1 18 21 15 12 6 20 13 14

0,9220 1,93 2,00 1,52 1,14 0,30 0,98 -0,04 0,26 0,05 -0,34 -0,78 -0,75 -0,82 -0,35 -0,06 -0,04 -1,36 -0,49 -1,07 -0,81 -1,26

0,8788 1,21 2,52 1,57 0,18 0,91 0,65 0,46 -0,28 0,44 0,44 -0,27 -0,57 -0,43 -0,92 -1,05 -0,95 -0,11 -0,24 -1,38 -1,12 -1,05

0,7332 1,77 1,01 1,09 0,92 0,93 -0,56 0,41 0,21 -0,57 -0,64 0,90 -0,07 0,87 -0,01 0,73 -1,48 -0,67 -1,93 -0,48 -1,41 -1,00

0,7500 3,99 0,64 0,88 0,22 -0,34 0,24 -0,55 -0,60 -0,40 -0,38 -0,10 -0,37 0,07 -0,53 -0,54 -0,09 -0,53 -0,33 -0,55 -0,42 -0,30

-0,5832 -0,61 -0,76 -1,13 -1,23 -0,54 0,42 -0,03 -1,19 -1,27 -0,29 0,66 0,12 1,43 -1,34 1,49 1,00 0,69 0,72 -0,79 1,15 1,49

-0,5726 -0,53 -0,10 -1,92 -0,74 -0,85 1,08 -1,71 -1,17 -0,42 -0,31 0,12 0,33 1,19 1,40 1,08 0,44 -0,42 -0,10 1,40 -0,20 1,40

0,4124 2,34 0,42 0,90 0,15 -0,79 1,62 -1,16 -1,29 -0,40 -0,24 -0,05 -0,35 0,41 -0,99 -1,16 1,49 -0,82 0,54 -0,99 -0,12 0,49

0,2045 0,08 0,17 -0,47 -1,17 0,55 1,84 1,05 -0,07 0,90 1,02 0,41 0,89 -1,24 -0,53 -1,26 -0,53 1,20 0,93 -1,26 -1,26 -1,26

-0,1977 -1,35 -1,09 0,86 0,01 -0,10 0,86 0,86 0,79 0,86 -0,48 0,86 -1,10 -1,03 0,22 -2,69 -0,69 0,39 0,86 0,86 0,27 0,86

0,1008 -0,22 -0,48 1,12 -0,51 -0,10 1,12 1,12 0,48 1,12 -0,09 0,45 -0,42 -3,16 -0,52 -0,73 -1,00 0,68 1,12 -0,02 -0,35 0,39

0,1005 -0,67 0,43 0,99 -0,32 -0,24 1,05 1,05 0,68 1,05 -0,42 0,22 -0,94 -1,50 0,22 -2,50 -1,45 0,53 1,05 -0,43 0,14 1,05

0,0368 -0,44 -0,51 1,10 -0,58 -0,13 1,11 1,11 0,44 1,11 -0,14 0,44 -0,49 -3,16 -0,58 -0,32 -1,05 0,65 1,11 -0,07 -0,25 0,66

(desv. stánd.>1 ) Muy bueno

(0 < desv. Stand.a <=1 ) Bueno

(-1< desv. Stand. <=0 ) Regular

(desv. Stand.<=-1 ) Deficiente

Densidad de arboles

por Ha.

Muertes por

tráfico

Cobertura de

acueducto*

ESTRUCTURA DE

CORRELACION

* Los valores indican el número de desviaciones con respecto a la media de cada indicador y los tonos verde a rojo indican agrupaciones de valores inferiores y superiores a la media, tal como se

expresa en la convención. Para homogenizar la presentación de los resultados de la desviación estándar de esta tabla, aquellas variables que en el ICA inciden de forma negativa (densidad de

personas, densidad de viviendas, calidad del aire, accidentes de tráfico y área urbanizable construida) les fue cambiado el signo. Por ello intuitivamente para esta variable el valor positivo se debe

interpretar como el número de desviaciones estándar inferiores al promedio.

Cobertura

de gas*Cobertura

de aseo*Cobertura de

alcantarillado*Cobertura de

energía*

Indicadores simples

Densidad de

personas

Area urbanizable

construida

COMUNAS**

Calidad ambiental

muy buena

Calidad

Ambiental buenaCalidad ambiental regular Calidad ambiental deficiente

ICA

Densidad de

viviendas Densidad de

area verdeCalidad del

aire

Valoración económica del ICA

30

Hacia la valoración económica del ICA

Pretendemos estimar el valor que los agentes le asignan a la calidad ambiental (medida por el ICA).

Presentamos un Modelo de Precios Hedónicos (MPH) para explicar la estructura del precio de la vivienda.

Wilkinson (1973) define una medida de la multidimencionalidad de los componentes ambientales que explican la calidad ambiental de un entorno específico.

Freeman (1993) llama calidad ambiental “agregada”.

31

Marco de referencia

32

Wilkinson (1973),

Rogers (2000),

Hidano (2002) y

Caridad et al. (2003)

Factores de

localización

y escalas de

análisis espacial

juegan un papel

determinante en la

Explicación del

precio de la

vivienda

(Orford, 1999).

Lo convencional Avances relevantes Nueva generación

Smith & Huang

(1995), Li & Brown

(1980), Can (1990),

McMillen &

McDonald (1991),

McMillen (1996),

Palmquist (1992),

Tyrvainen &

Miettinen (2000) y

Morancho (2003)

33

Freeman (1993:374) propone un marco analítico

integrador.

Dada una función de elección de localización i, tal que

Marco coherente para entender que el análisis multinivel

y la construcción de indicadores agregados que califiquen

el entorno ambiental, son una línea de investigación de

importante relevancia empírica.

);,,,( ** uNSQqbb iiijiijij

Marco de referencia inmediato

34

itijsipiri qQCARSOCIOCARESTRPALQ * (13)

PALQi es el precio de renta de la vivienda por barrio en la ciudad de Cali. CARESTRi es el conjunto de variables que describen las características estructurales de la

vivienda.

r es el conjunto de parámetros de las variables que describen las características estructurales de la vivienda.

CARSOCIOi es el conjunto de variables que describen las características socioeconómicas del entorno de las viviendas.

p es el conjunto de parámetros de las variables que describen las características socioeconómicas del entorno de las viviendas.

*

ijQ es el índice de calidad ambiental asignado a la vivienda ubicada en el barrio i de

la comuna j.

s es el parámetro del índice de calidad ambiental.

iq es la variable que explica una característica ambiental específica y directamente

asociada a la vivienda ubicada en el barrio i.

t es el parámetro de la variable que explica una característica ambiental directamente asociada a la vivienda.

es el termino aleatorio de error ruido blanco.

35

Empleamos el ACP como una técnica de análisis multivariante de factores para derivar nuevas variables no correlacionadas (Wilkinson, 1976 y Caridad et al. 2003).

Los datos y métodos de estimación

Tabla 1: Análisis de factores de variables estructurales de la vivienda

Cargas Factoriales Rotadas Variables

Comp_1 Comp_2 Comp_3 Comunalidades Media

Desviación Estándar

x1 Área x2 Baños x3 Garaje x4 No. de Pisos x5 Habitación del serv. x6 Conjunto cerrado x7 Administración x8 Tipo de vivienda x9 Gas x10 Acabados x11 Cuartos

0,797 0,790 0,737 0,694 0,642

0,213

0,449

0,413 0,511

0,459 0,873 0,866 -0,586 0,315

0,305

-0,515

0,870 0,748

0,729 0,810 0,806 0,516 0,608 0,774 0,798 0,608 0,102 0,776 0,763

Autovalor 2,949 2,641 1,747 7,337

Porcentaje total de la varianza 26,810 24,007 15,880 66,697

106,19 1,64 0,38 1,11 0,22 0,12 0,15 0,67 0,27 0,37 3,48

51,433 0,836 0,650 0,308 0,413 0,323 0,360 0,471 0,446 0,483 0,914

Determinante = 0,004; KMO = 0,77; Prueba de esfericidad de Bartlett: Chi-cuadrado = 1742,62, p = 0,000 Método de extracción: Análisis de Componentes Principales. Método de Rotación: Varimax con Normalización Kaiser. La rotación converge en la quinta iteración.

36

Medición del indicador de características socioeconómica

Estrato socioeconómico de cada uno de los 322 barrios de Cali

(DANE)

En la construcción de este índice se aplican criterios económicos y

sociales para calificar el entorno inmediato de las viviendas, en este

caso el barrio.

La variable Estrato se emplea como un índice que califica los

barrios de la ciudad de Cali en seis categorías (del 1 al 6).


37

Medición del indicador ambiental qi

El primero basado en estimaciones censal del número de

árboles por barrio (DAGMA, 2002).

El segundo con base en la interpretación de una imagen de

satélite Landsat ETM + de donde se derivó un índice de cobertura

arbórea para cada uno de los 322 barrios de la ciudad de Cali.


38

Estructura de la base de datos

ICA_ACP

(Tabla 5.11)

Cali en cifras

(DMPC, 2002, 2003)

Agendas ambientales

(Dagma, 2003)

Índice de vegetación

frondosa

(Figura 6.2)

ICA_DP2

(Tabla 5.15)

Encuestas inmobiliarias,

oferentes en el diario local

673 obs. X 12 variab.

(mayo-diciembre de 2002)

Encuestas del DMPC

6.513 obs. X 170 variab.

(diciembre de 2000)

Datos depurados

4.415 obs. X 12

variables

Matriz de datos

Básicos SIG de

Cali: Códigos de

322 barrios

Matriz de datos

Con valores

medios (322

barrios x 15 var)

Mapa SIG de

barrios de Cali

SPSS

(ACP variables

modelo 6.23)

GEODA

(Análisis Exploratorio

de Datos Espaciales)

SPACESTAT

(Análisis

Confirmatorio)

1

2

3

AA BB

CC

DDEE

ICA_ACP

(Tabla 5.11)

Cali en cifras

(DMPC, 2002, 2003)

Agendas ambientales

(Dagma, 2003)


frondosa

(Figura 6.2)

ICA_DP2

(Tabla 5.15)

ICA_ACP

(Tabla 5.11)

Cali en cifras

(DMPC, 2002, 2003)

Agendas ambientales

(Dagma, 2003)


frondosa

(Figura 6.2)

ICA_DP2

(Tabla 5.15)

Encuestas inmobiliarias,

oferentes en el diario local

673 obs. X 12 variab.

(mayo-diciembre de 2002)

Encuestas del DMPC

6.513 obs. X 170 variab.

(diciembre de 2000)

Datos depurados

4.415 obs. X 12

variables

Matriz de datos

Básicos SIG de

Cali: Códigos de

322 barrios

Matriz de datos

Con valores

medios (322

barrios x 15 var)

Mapa SIG de

barrios de Cali

SPSS

(ACP variables

modelo 6.23)

GEODA

(Análisis Exploratorio

de Datos Espaciales)

SPACESTAT

(Análisis

Confirmatorio)

1

2

3

AA BB

CC

DDEE

Fuente: Elaboración propia

39

Variables y estadísticas descriptivas

*

ijQ

Componentes e índice Variables Unidades Min Max Media D.E Signo

PALQ Precio de la renta de la vivienda Miles de

pesos 62 3000 324,40 322,86

LPALQ Ln del precio de renta de la vivienda

No. 4,13 8,01 5,5418 0,63

Cobertura de energía Porcentaje 66,22 100,00 90,01 9,29

Cobertura de recolección Porcentaje 71,62 100,00 93,14 7,82

Cobertura de gas Porcentaje 0,00 73,36 29,81 23,10

Personas por vivienda No. 3,39 6,01 4,95 0,76

Densidad de viviendas por ha No. 15,26 74,95 20,10 9,10

Accidentes mortales de transito No. 7,00 38,00 43,77 15,75

Cobertura de agua Porcentaje 51,89 100,00 87,53 11,00

Cobertura de alcantarillado Porcentaje 50,07 100,00 86,92 11,37

Área urbanizable sin construir Porcentaje. 0,58 14,66 5,59 3,78

Densidad área verde por ha. No. 0,30 27,87 3,92 5,86

Concentración de material particulado

No. 75,00 400,00 246,46 112,01

ICA (*

ijQ )

Densidad de árboles por hab. No. 0,01 0,25 0,09 0,06

+

Área No. 13 464 106,19 51,43

Baños No. 1 5 1,64 0,84

Garaje No. 0 3 0,38 0,65

No. de Pisos No. 1 2 1,11 0,31

FAC1_3: Estructura interna de la vivienda

Habitación servicio domestico dummy 0,00 1,00 0,22 0,41

+

Conjunto cerrado dummy 0,00 1,00 0,12 0,32

Administración dummy 0,00 1,00 0,15 0,36

Tipo de vivienda dummy 0,00 1,00 0,67 0,47

FAC2_3: Propiedad común de la vivienda

Gas dummy 0,00 1,00 0,27 0,45

+

Cuartos

No. 1,00 5,00 0,37 0,48 FAC3_3: Calidad de la estructura interna de la vivienda

Acabados dummy. 0,00 1,00 3,48 0,91

+

ESTR: Entorno social Estrato No. 1,00 6,00 3,00 1,00 +

Densidad de árboles por barrio (DARB_HA)

No. 0,74 145,51 25,39 14,39 + qi

Índice de vegetación arbórea: DVI_DII

Reflectividad* 1453 750720 29190 46546 +

* Se refiere a la reflectividad derivada de la interpretación de la imagen de satélite. Fuente: Elaboración propia.

40

iiiiiiji ESTRFACFACFACqICAPalq 654321 3_33_23_1ln

Ecuación 6.22

41

El modelo básico de precios hedónicos

Modelo Semilog ICA_ACP

Modelo Semilog ICA_DP2 Variables

Modelo 1 Modelo 2 Modelo 3 Modelo 4

Constante FAC1_3: Estructura interna de la vivienda FAC2_3: Propiedad común de la vivienda FAC3_3: Calidad de la estructura interna de la vivienda

4.8669 *** (0.0625)

0.2458 *** (0.0198)

0.1254 *** (0.0176)

0.0473 *** (0.0140)

4.8859 *** (0.0595)

0.2346 *** (0.0199)

0.1300 *** (0.0175)

0.0452 *** (0.0139)

4.91464 *** (0.1059)

0.2458 *** (0.0198)

0.1254 *** (0.0176)

0.0473 *** (0.0140)

4.9429 *** (0.1027)

0.2412 *** (0.0201)

0.1360 *** (0.0175)

0.0437 *** (0.0141)

ESTRACTO: Entorno social 0.2118 *** (0.0210)

0.2135 *** (0.0209)

0.2118 *** (0.0210)

0.2298 *** (0.0208)

ICA_ACP: Índice de Calidad Ambiental por ACP ICA_DP2: Índice de Calidad Ambiental por DP2

0.1502 *** (0.0476)

0.1392 *** (0.0473)

-0.0116 (0.0078)

-0.0125* (0.0078)

DARB_HA: Densidad de árboles por ha DVI_DII: Índice de vegetación frondosa

0.0017 * (0.0009)

0.00000067** (0.0000031)

0.0014 (0.0009)

0.00000073** (0.00000032)

R2 R2 - Ajustado F - estadístico LIK AIC SC Error estándar estimado

0.8439 0.8410

283.8800 -6.6082 27.2165 53.6383 0.2497

0.8448 0.8418 285.671 -5.75324 25.5065 51.9283 0.2490

0.8401 0.8371

275.8420 -10.5020 35.0039 61.4258 0.2528

0.8418 0.8388

279.3220 -8.8047 31.6093 58.0312 0.2514

***, **, y * indican valores significantes al 1, 5 y 10%. Error estándar entre paréntesis. N = 322. Modelo Semilog estimado por MCO. Variable dependiente LPALQ (logaritmo natural del precio de alquiler).

Fuente: Elaboración propia con base en SpaceStat 1.9.

42

Se puede deducir de Anselín (1998), Moreno & Vayá (2000) y

Chasco (2003) que no considerar el espacio en los MPH.

Afecta las magnitudes de las estimaciones y su fiabilidad

Problemas de interpretación por la presencia de efectos espaciales,

que inciden en la eficacia y consistencia de los parámetros de las

estimaciones hedónicas.

El uso cada vez más frecuente de las técnicas de AEDE deja en

evidencia los problemas de autocorrelación y/o heterogeneidad

espacial.

Dependencia espacial en el El MPH

MPH desde una perspectiva espacial

43

Artículo Autor

Aproximación a la variabilidad espacial de las características del precio de la

vivienda: una aplicaciónChica et al. (2000)

The use of census data for hedonic price estimates of open-space amenities and

land use.Shultz y King (2001)

Economic impacts of wetland amenities: a spatial econometric analysis of the

Dutch housing market.

Van der Kruk, René

(2001)

Una nueva metodología en la valoración de inmuebles urbanos mediante modelos

espaciales de regresión.Bernal et al. (2002)

Una aplicación de la estadística espacial al comportamiento de la vivienda de

alquiler en España.Gamez et al. (2004)

Spatial Autoregressive Generalized Moments. Estimation of Hedonic Prices for Co-

operative Flats

Sandberg y Johansson

(2004)

On Space-Time Changes of Hedonic Prices for Single-Family Homes Sandberg (2004)

Interpolation of Air Quality Measures in Hedonic House Price Models: Spatial

Aspects.Anselin y Le Gallo (2006)

Spatial Effects In Housing Price Models Do Housing Prices Capitalize Urban

Development Policies In The Agglomeration Of Dijon (1999).

Valuing the Built Environment: GIS and House Price Analysis. Orford (1999)

Baumont (2004)

Measuring the Benefits of Air Quality Improvement: A Spatial Hedonic Approach. Won Chong et al . (2001)

44

Global Local

Prueba de

autocorrelación

a nivel univariante

I de Moran

C de Geary

Mapas

LISA

Indicios de autocorrelación

espacial

Prueba de

autocorrelación

sobre los residuos

ANALISIS EXPLORATORIO ANALISIS CONFIRMATORIO

ResidualSustantiva

RLM_errorK-R errorLM_errorRLM_LagLM_Lag

MBRLEcuación

6.22

Dependencia espacial en el El MPH

45

Variables I de MoranValor

esperadoValor de Z Probabilidad

LPALQ 0.5958 -0.003 165.781 0.0000

ICA_ACP 0.8310 -0.003 230.885 0.0000

DEARB_HA 0.1309 -0.003 37.090 0.0002

DVI_DII 0.1485 -0.003 41.962 0.0000

FAC1_3 0.2840 -0.003 79.479 0.0000

FAC2_3 0.2790 -0.003 78.104 0.0000

FAC3_3 0.0514 -0.003 15.082 0.1315

ESTRATO 0.6515 -0.003 181.198 0.0000

Variables C de GearyValor

esperadoValor de Z Probabilidad

LPALQ 0.3902 1.00 -153.618 0.0000

ICA_ACP 0.1741 1.00 -208.046 0.0000

DEARB_HA 0.8305 1.00 -42.692 0.0002

DVI_DII 0.6497 1.00 -88.230 0.0000

FAC1_3 0.7325 1.00 -67.388 0.0000

FAC2_3 0.7019 1.00 -75.090 0.0000

FAC3_3 0.9439 1.00 -14.132 0.1575

ESTRATO 0.3383 1.00 -166.683 0.0000

Matriz de contacto CALI_Q estandarizada por filas.

Fuente: Elaboración propia con base en SpaceStat 1.90

Tabla 7.3: Test de autocorrelación espacial global c de Geary

Tabla 7.2: Test de autocorrelación espacial global I de Moran

Matriz de contacto CALI_Q estandarizada por filas.

Fuente: Elaboración propia con base en GeoDa 0.9.5-i

No

Autocor.

46

Mapa 7.1: Lisa Cluster Map: LPALQ Mapa 7.2: Lisa Cluster Map: ICA_ACP

Mapa 7.3: Lisa Cluster Map: DEARB_HA

Mapa 7.4: Lisa Cluster Map: DVI_DII

Mapa 7.5: Lisa Cluster Map: ESTRATO

Mapa 7.6: Lisa Cluster Map: FAC1_3



Estrategia de modelización

47

Modelo Básico de

Regresión Lineal

Error espacial

GMM

Retardo espacial

IV

Modelo de

regímenes

espaciales

Modelo final

Modelo del error espacial

y heterocedasticidad

de grupos

Parámetros

ajustados

•No normalidad de los errores

•Heterocedasticidad

•Autocorrelación

Los test LM no fiables

(indicios de dependencia residual)

Test Keliejan Robinson (error):

Indica autocorrelación espacial residual.

Test del Factor Común

AEDE nos

indicaba la presencia

de heterogeneidad

48

Modelo Básico de Regresión Lineal ORDINARY LEAST SQUARES ESTIMATION

DATA SET CALI

DEPENDENT VARIABLE LPALQ OBS 322 VARS 7 DF 315

R2 0.8448 R2-adj 0.8418

LIK -5.75324 AIC 25.5065 SC 51.9283

RSS 19.5389 F-test 285.671 Prob 3.48572e-124

SIG-SQ 0.0620283 (0.249055) SIG-SQ(ML) 0.0606799 (0.246333)

VARIABLE COEFF S.D. t-value Prob

CONSTANT 4.88594 0.0594639 82.166588 0.000000

ICA_ACP 0.13920 0.0472941 2.943283 0.003489

DVI_DII 6.74022E-007 3.17814E-007 2.120806 0.034719

ESTRAT_1 0.21346 0.0208812 10.222537 0.000000

FAC1_3 0.23457 0.0199731 11.744473 0.000000

FAC2_3 0.13001 0.0174535 7.449026 0.000000

FAC3_3 0.04522 0.0139956 3.230965 0.001364

REGRESSION DIAGNOSTICS

MULTICOLLINEARITY CONDITION NUMBER 10.823474

TEST DF VALUE PROB

Jarque-Bera 2 96.273953 0.000000

DIAGNOSTICS FOR HETEROSKEDASTICITY

LINEAR SPECIFICATION USING VARIABLES

CONSTANT ICA_ACP

TEST DF VALUE PROB

Koenker-Bassett test 1 2.938477 0.086492

DIAGNOSTICS FOR SPATIAL DEPENDENCE

FOR WEIGHTS MATRIX CALI_Q1 (row-standardized weights)

TEST I/DF VALUE PROB

Moran's I (error) 0.254188 7.307784 0.000000

Lagrange Multiplier (error) 1 48.265807 0.000000

Robust LM (error) 1 40.157132 0.000000

Kelejian-Robinson (error) 7 63.287949 0.000000

Lagrange Multiplier (lag) 1 9.025867 0.002662

Robust LM (lag) 1 0.917191 0.338213

Lagrange Multiplier (SARMA) 2 49.182999 0.000000

Modelo de dependencia espacial residual

49

SAR ERROR MODEL - GM ESTIMATION

TWO-STEP

DATA SET CALI SPATIAL WEIGHTS MATRIX CALI_Q1


R2 0.8307 Sq. Corr. 0.8429 R2(Buse) 0.7847 SIG-SQ 0.0509 0.2256)

VARIABLE COEFF S.D. z-value Prob

CONSTANT 4.92037 0.061804 79.612581 0.000000

ICA_ACP 0.11126 0.052913 2.102691 0.035493

DVI_DII 1.01855E-006 2.88459E-007 3.531004 0.000414

ESTRAT_1 0.199868 0.020834 9.593345 0.000000

FAC1_3 0.251266 0.018690 13.443855 0.000000

FAC2_3 0.133910 0.016515 8.108451 0.000000

FAC3_3 0.0560037 0.012673 4.419087 0.000010

LAMBDA 0.431071 0 0.000000 0.000000

),0( 2

3

1

IN

uWu

uXy

Modelo de dependencia sustantiva IV(2SLS)

50

SPATIAL LAG MODEL - IV(2SLS) ESTIMATION

DATA SET CALI SPATIAL WEIGHTS MATRIX CALIQ1S


INSTRUMENTS W_ICA_AC W_DVI_DI W_ESTRAT W_FAC1_3 W_FAC2_3 W_FAC3_3

R2 0.8450 Sq. Corr. 0.8473 SIG-SQ 0.0612 (0.2474 )


W_LPALQ 0.03765 0.056947 0.661090 0.508555

CONSTANT 4.69149 0.300011 15.637729 0.000000

ICA_ACP 0.11655 0.058145 2.004378 0.045030

DVI_DII 6.43771E-007 3.18955E-007 2.018379 0.043552

ESTRAT_1 0.20973 0.021493 9.757846 0.000000

FAC1_3 0.23490 0.019844 11.837697 0.000000

FAC2_3 0.12770 0.017683 7.221951 0.000000

FAC3_3 0.04495 0.013907 3.231971 0.001229

REGRESSION DIAGNOSTICS

DIAGNOSTICS FOR SPATIAL DEPENDENCE

FOR WEIGHTS MATRIX CALIQ1S (row-standardized weights)

TEST DF VALUE PROB

Lagrange Multiplier (error) 1 20.913446 0.000005

),0( 2

11

INu

uXyWy

Modelo de error heterocedástico

51

FGLS ESTIMATION

DATA SET CALIFIN


GROUPS DUM_I_0 DUM_I_1

R2 0.8605 Sq. Corr. 0.8444


CONSTANT 4.87912 0.0588861 82.856963 0.000000

ICA_ACP 0.16785 0.0480796 3.491083 0.000481

DVI_DII 6.05796E-007 3.46751E-007 1.747063 0.080626

ESTRAT_1 0.217095 0.0207037 10.485815 0.000000

FAC1_3 0.226291 0.0202364 11.182379 0.000000

FAC2_3 0.124214 0.0177321 7.005040 0.000000

FAC3_3 0.0492254 0.0138303 3.559237 0.000372

HETEROSKEDASTIC COEFFICIENTS


DUM_I_0 0.0531502 0.00496709 10.700467 0.000000

DUM_I_1 0.0792207 0.0116175 6.819091 0.000000

Modelo de regímenes espaciales

52

ORDINARY LEAST SQUARES ESTIMATION

STRUCTURAL CHANGE - DIFFERENT SLOPES FOLLOWING VARIABLE DUM_ICA

DATA SET CALIFIN


R2 0.8655 R2-adj 0.8598

LIK 17.3703 AIC -6.74055 SC 46.1032

RSS 16.9249

SIG-SQ 0.0549509 (0.234416 ) SIG-SQ(ML) 0.0525617 (0.229263 )

VARIABLE COEFF S.D. t-value Prob

CONST_0 4.908100 0.0731996 67.050914 0.000000

ICA_A_0 0.444488 0.0740212 6.004875 0.000000

DVI_D_0 4.65104E-007 8.48586E-007 0.548092 0.584025

ESTRA_0 0.229645 0.0252542 9.093338 0.000000

FAC1__0 0.226757 0.0286732 7.908317 0.000000

FAC2__0 0.128022 0.0248982 5.141798 0.000000

FAC3__0 0.075706 0.0172696 4.383790 0.000016

CONST_1 5.173690 0.1214390 42.603097 0.000000

ICA_A_1 -0.258155 0.1325550 -1.947532 0.052379

DVI_D_1 1.0677E-006 3.36965E-007 3.168587 0.001686

ESTRA_1 0.190505 0.0316915 6.011210 0.000000

FAC1__1 0.284042 0.0277530 10.234664 0.000000

FAC2__1 0.173042 0.0235807 7.338304 0.000000

FAC3__1 0.008553 0.0221355 0.386397 0.699470

Modelo del error espacial y heterocedasticidad

de grupos

53

SAR ERROR MODEL - GM ESTIMATION

GROUPWISE HETEROSKEDASTICITY

DATA SET CALIFIN SPATIAL WEIGHTS MATRIX CALIQ1S


GROUPS DUM_I_0 DUM_I_1

R2 0.8408 Sq. Corr. 0.8430

Convergence after 7 iterations


CONSTANT 4.922010 0.0628283 78.340641 0.000000

ICA_ACP 0.136503 0.0560725 2.434395 0.014917

DVI_DII 9.96104E-007 3.22898E-007 3.084885 0.002036

ESTRAT_1 0.200247 0.0212627 9.417767 0.000000

FAC1_3 0.245997 0.0190316 12.925690 0.000000

FAC2_3 0.128823 0.0169653 7.593342 0.000000

FAC3_3 0.061080 0.0126347 4.834323 0.000001

LAMBDA 0.453217 0 0.000000 0.000000

DUM_I_0 0.043881 0 0.000000 0.000000

DUM_I_1 0.067977 0 0.000000 0.000000

54

Coeficientes ajustados y elasticidad

Modelos Elasticidad

Variables Modelo Básico de Regresión

Lineal MCO

Sar Error Model GM Two Step

Sar Error Model GM Groupwise

Heteroskedasticity

Media de la variable MBRL

MCO SAR_GM

SAR_GM HG

CONSTANT 4,185 4,187 4,178

ICA_ACP 0,229 0,183 0,224 0,44 0,101 0,034 0,099

DVI_DII 0,505 0,764 0,747 0,04 0,019 0,028 0,028

ESTRATO 0,214 0,200 0,200 2,90 0,620 0,580 0,581

FAC1_3 1,556 1,667 1,632 0,22 0,337 0,361 0,353

FAC2_3 0,613 0,631 0,608 0,31 0,191 0,196 0,189

FAC3_3 0,220 0,271 0,298 0,41 0,089 0,110 0,121


55

Tabla 8: Disponibilidad a pagar y elasticidades por ZAH

ZAH Comunas Rango del ICA ICA

promedio DAP marginal

($miles de pesos) Elasticidad

Muy bueno 2,17,19 (0,75 >ICA<= 1,00) 0,87 15,4255 0,1952

Bueno 3,4 (0,49 >ICA<= 0,75) 0,62 14,5841 0,1391

Regular 5,7,8,9,10,11,16 (0,24 >ICA<= 0,49) 0,37 13,7887 0,0830

Deficiente 6,12,13,14,15,18,1,20,21 (0,00 >ICA<= 0,24) 0,12 0,0269


Valoración económica del ICA por ZAH

56

Tabla 10: Disponibilidad a pagar mensual por ICA_ACP y DVI_DII según vivienda Porcentaje del Precio del Alquiler Zona

Ambiental Homogenea

Comuna Constante ICA_ACP DVI_DII ESTRATO FAC1_3 FAC2_3 FAC3_3

Precio de Alquiler estimado

DAP_ICA DAP_DVI

17 9,451 2,377 0,979 22,081 28,795 22,481 13,836 690,081 16,404 6,752

2 10,344 2,087 0,492 22,282 28,713 22,159 13,923 630,525 13,160 3,103 Muy bueno

19 10,889 2,144 0,639 23,573 28,820 20,408 13,527 598,965 12,843 3,828

3 25,037 3,584 0,557 24,057 21,289 13,361 12,114 260,505 9,337 1,452 Bueno

4 26,443 3,340 0,479 24,950 21,104 13,902 9,781 246,652 8,237 1,182

8 27,694 2,789 0,816 25,805 19,701 12,617 10,578 235,514 6,569 1,921

5 25,318 2,512 0,823 23,624 24,214 13,314 10,196 257,617 6,472 2,120

9 28,014 2,696 0,748 25,937 18,989 13,075 10,541 232,826 6,278 1,742

10 26,205 2,484 0,580 24,132 17,039 16,392 13,168 248,891 6,182 1,444

11 26,639 2,211 0,459 24,164 18,064 14,197 14,266 244,842 5,414 1,123

7 28,020 1,918 0,604 25,181 22,081 9,612 12,583 232,773 4,465 1,406

Regular

16 31,703 1,942 1,849 17,503 18,400 16,621 11,982 205,730 3,996 3,804

1 47,539 2,777 1,821 11,571 12,652 10,181 13,460 137,197 3,809 2,498

18 29,777 1,612 0,420 26,225 13,192 17,678 11,097 219,039 3,530 0,919

21 47,472 2,299 0,672 11,195 18,723 9,983 9,657 137,393 3,159 0,923

15 36,485 1,612 1,817 19,682 19,909 10,094 10,401 178,768 2,883 3,248

12 36,819 1,472 0,630 19,192 19,250 11,683 10,953 177,143 2,607 1,117

6 37,072 1,378 1,081 19,493 14,382 16,771 9,823 175,936 2,424 1,902

20 42,923 0,820 0,708 9,865 22,486 9,274 13,924 151,953 1,246 1,076

13 38,862 0,689 0,722 19,859 18,411 9,612 11,846 167,834 1,156 1,212

Deficiente

14 48,234 - 1,421 11,020 12,124 9,757 17,445 135,222 - 1,921

PROMEDIO TOTAL 30,52095 2,03541 0,87226 20,54234 19,92085 13,96050 12,14768 265,01934 5,72243 2,12835


Valoración económica del ICA y DVI_DII

57

Hemos confirmado la hipótesis de no homogeneidad ambientaldel territorio.

Hemos comprobado que el ICA es consistente con la idea de unavariable latente.

Se ha confirmado la presencia de efectos espaciales en los datos. A nivel exploratorio.

A nivel confirmatorio.

Hemos aplicado una estrategia de modelización que garantizó labúsqueda del mejor modelo y el ajuste de los parámetros paraestimar el valor asignado a las variables ambientales estudiadas.

Se ha evaluado la bondad del índice de calidad ambiental desde elpunto de vista económico empleando un MPH ajustadoespacialmente.

Conclusiones

indicadores de calidad ambiental: un analisis de · pdf file1 luis alfonso escobar jaramillo...

Documents