DEDICATORIA
El presente trabajo est dedicado a mis padres que han sido el pilar fundamental
de mi formacin humana y acadmica, han sido la compaa durante esta
experiencia universitaria y que junto a su saba gua y sus consejos de carcter de
superacin han logrado que llegue a cumplir una de las etapas ms importante de mi
vida.
A mis hermanos, a toda mi familia, a mis compaeros y amigos; ya que ellos
han sabido ser el apoyo para poder superar todos los obstculos y adversidades
que se han interpuesto durante el trayecto mi vida tanto estudiantil y personal.
De manera muy especial tambin dedico este logro a la mujer que me ha
acompaado durante este recorrido y que me ha sabido brindar su afecto y amor para
poder llegar a cumplir esta meta tan anhelada, a mi enamorada.
INDICE
RESUMEN
........................................................................................................................................................ 11
ABSTRACT
....................................................................................................................................................... 12
INTRODUCCIN ....................................................................................................................................................... 13
CAPITULO I:
1.1
1.1.1
CONDICIONES ACTUALES............................................................................................................... 15
1.1.2
ACTIVIDADES PRINCIPALES............................................................................................................ 16
1.1.3
1.1.4
1.2
1.3
OBJETIVOS DE LA INVESTIGACIN..................................................................................................... 23
1.3.1
OBJETIVO GENERAL........................................................................................................................ 23
1.3.2
OBJETIVOS ESPECFICOS............................................................................................................... 23
CAPITULO II
2.1
ANTECEDENTES DE LA INVESTIGACIN............................................................................................ 24
2.2
SUSTENTO TEORICO............................................................................................................................ 25
2.2.1
2.2.2
2.2.3
2.2.4
FOTOVOLTAICA............................................................................................................................................... 55
2.3
2.3.1
LA ALFALFA........................................................................................................................................ 62
2.3.2
EL PANEL FOTOVOLTAICO............................................................................................................... 63
2.3.3
INDICADORES CUANTITATIVOS...................................................................................................... 65
2.3.4
INDICADORES CUALITATIVOS......................................................................................................... 65
2.4
HIPTESIS DE LA INVESTIGACIN...................................................................................................... 65
2.4.1
HIPTESIS GENERAL....................................................................................................................... 65
CAPITULO III
3.1
3.1.1
3.3
RECURSOS NATURALES....................................................................................................................... 70
3.4
PRODUCCIN AGRCOLA..................................................................................................................... 71
3.4.1
3.4.2
CAPITULO IV
4.1
4.2
4.3
CONCLUSIONES....................................................................................................................................................... 80
RECOMENDACIONES............................................................................................................................................... 82
BIBLIOGRAFA ....................................................................................................................................................... 83
INDICE DE CUADROS
Cuadro N 01: Poblacin De Ganado Vacuno De Las Unidades Agropecuarias.
Cuadro N 02: Incidencia Solar Segn Meses.
INDICE DE FIGURAS
Figura 01: Variacin de temperaturas en el pellet.
Figura 02: Dimensiones del Pellet.
Figura 03: Esquema de los rodillos de compresin y matriz principal.
Figura 04: Dimensiones del diente de la Corona.
Figura 05: Mecanismos de transmisin de potencia y compactacin.
Figura 06: Ecuacin qumica de las bateras de plomo cido.
Figura 07: Batera pvx-2120l.
Figura 08: Batera Surrette 12cs 11ps.
Figura 09: Batera Ub-8d Agm.
Figura 10: Outback Mppt 80.
Figura 11: Xantrex Xw Mppt60-150.
Figura 12: Curva De Voltaje Generado Por El Arreglo De Paneles Solares.
INDICE DE ANEXOS
4.4
4.5
4.6
4.7
4.8
4.9
4.16
4.16.1 Ilustrar las estadsticas descriptivas de las variables utilizadas en los modelos a
estimar.................................................................................................................. 114
4.16.2 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los efectos
marginales............................................................................................................ 114
4.16.3 Interpretar desde el punto de vista econmico y estadstico el modelo estimado......
.......................................................................................................................... 119
4.16.4 Programar y estimar la DAP.................................................................................122
4.16.5 En el caso de que la DAP contenga valores negativos, estimar el modelo
restringido, luego programar y estimar nuevamente la DAP................................123
4.16.6 Ilustrar las estadsticas descriptivas de las variables utilizadas en los modelos a
estimar................................................................................................................. 123
4.16.7 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los efectos
marginales........................................................................................................... 124
4.16.8 Interpretar desde el punto de vista econmico y estadstico el modelo estimado......
.......................................................................................................................... 129
4.16.9 Programar y estimar la DAP.................................................................................132
4.16.10 En el caso de que la DAP contenga valores negativos, estimar el modelo
restringido, luego programar y estimar nuevamente la DAP................................132
4.16.11 Presentar conclusiones generales de los modelos y proponer algunas
recomendaciones de poltica pblica...................................................................138
RESUMEN
El desarrollo del presente trabajo abarca el estudio estadstico que son reportes del
IV censo agropecuario, la produccin de ganado vacuno en la regin Puno determinara
la cantidad de pellets de alfalfa a producir y ello determinara el diseo de la mquina
peletizadora de alfalfa para as establecer el diseo de la mquina peletizadora de alfalfa
adems se analiza la probabilidad de adoptar la tecnologa de la mquina peletizadora
mediante un modelo logit.
Con la finalidad de realizar un estudio de adoptar la tecnologa de la mquina
peletizadora dentro de la regin Puno, se realiz una investigacin la cual dio como
resultado, que dentro de nuestro regin de Puno la probabilidad de adoptar la tecnologa
de politizacin de alfalfa es la si adopcin de tecnologa tomando en cuenta los factores
que determinan que determinan la adopcin y en consecuencia la produccin de pellets
es aceptable. Sin embargo en la regin de Puno no existe una mquina peletizadora
que este en actual funcionamiento y actualmente se realiz el estudio y diseo de una
mquina peletizadora de alfalfa para la produccin de ganado vacuno en la regin Puno.
El principio de fabricacin de pellets est basado en la densificacin o
compactacin de la alfalfa que permite elevar su densidad. Para la fabricacin de los
pellets se aplic la peletizacin con matriz plana.
Para el diseo de la mquina de peletizacion, se consider el anlisis estadstico que
son los reportes de produccin de ganado vacuno en la regin Puno realizado para
determinar la capacidad de produccin de pellets de alfalfa, se comprob que los
principales componentes diseados para las mquinas resisten los esfuerzos a los que
estarn sometidos. Finalmente se realiz la probabilidad de adoptar la tecnologa de
peletizacion de alfalfa, tomando en cuenta el modelo logit.
Palabras claves: peletizadora, modelo logit, adopcin, tecnologa, alfalfa.
11
ABSTRACT
The development of this paper deals with the statistical study are reports of IV
agricultural census, the production of cattle in the Puno regin determine the amount of
alfalfa pellets to produce and thus determine the design of the pelletizing machine to
also establish alfalfa design alfalfa pellet machine also likely to adopt the technology of
pelletizing machine using a logit model is analyzed.
In order to conduct a study to adopt technology pelletizing machine in the Puno
regin, an investigation which resulted was performed, which in our regin of Puno
likely to adopt the technology alfalfa pellet is if adoption of technology taking into
account the factors that determine that determine the adoption and consequently the
production of pellets is acceptable. However in the region of Puno there is a pelletizing
machine that it is in actual operation and the study and design of a pelletizing machine
alfalfa for cattle production in the Puno region is currently performed.
The pellet manufacturing principle is based on the densification or compaction of
alfalfa can raise its density. For the manufacture of pellets flat die pelleting was applied.
For the design of the pelletizing machine, statistical analysis reports are cattle
production in the Puno region conducted to determine the production capacity of alfalfa
pellets was considered, it was found that the main components designed to withstand
machines the stresses to which they are subjected.
Finally, the probability of adopting alfalfa pelleting technology, taking into account
the logit model was made.
Key words: Pelletizer, adoption, technology, alfalfa and logit model.
12
INTRODUCCIN
El desarrollo econmico y desarrollo energtico van de la mano. Existen muchos
centros poblados y comunidades a los cuales no llega la energa elctrica, lo que
conlleva a un serio retraso en comparacin a las ciudades. No pueden producir de
manera ptima sus productos y limita todo lo que el mercado (que demanda sus
productos) les puede ofrecer. Es muy importante, por ello, garantizar una mquina
peletizadora con propio suministro de energa elctrica sustentable con suministros
confiables, limpios, al menor costo posible y profundamente respetuosos de las
comunidades para que no se vean afectadas por esta expansin.
Sin embargo, el difcil acceso a estos poblados y comunidades es la principal
razn por la que la energa elctrica no llega, y por la que el olvido de las autoridades es
un comn denominador. Por esta razn se hace imperativa la bsqueda de generacin
de energa elctrica mediante medios alternativos como, en el caso del presente diseo
de la mquina peletizadora con energa solar.
Este recurso renovable es el que se usar con el fin de generar energa elctrica
para las comunidades y centros poblados de la regin Puno.
De esta manera, los centros pobladores y comunidades, no slo podrn tener
electricidad para sus casas; sino tambin, podrn usar motores para realizar
eficientemente su actividad principal, la produccin de ganado vacuno. As,
alimentaran mucho mejor a su ganado con los pellets de forraje que mejora
sustancialmente, la productividad y peso de las vacas; generndoles una mayor
competitividad en el mercado y superiores regalas por sus actividades; por lo tanto, con
lleva a una mejor forma de vida para sus pobladores.
13
14
CAPITULO I:
15
1.1.1
CONDICIONES ACTUALES
Estas actividades se pueden clasificar como del tipo agropecuario, que por
ACTIVIDADES PRINCIPALES
En las zonas rurales de la regin de Puno la poblacin se dedica a las actividades
Provincia PUNO
Distrito COATA
Distrito CAPACHICA
Distrito PICHACANI
Distrito PLATERIA
Distrito SAN ANTONIO
Distrito TIQUILLACA
Distrito VILQUE
Distrito ACORA
Distrito AMANTANI
TOTAL DE UNIDADES
AGROPECUARIAS
UNIDADES
AGROPECUARIAS CON
GANADO VACUNO
35826
1529
3376
1769
2684
585
767
1121
9814
901
21805
1359
1492
1261
1828
181
551
963
6072
69
16
Distrito ATUNCOLLA
Distrito CHUCUITO
Distrito HUATA
Distrito MAAZO
Distrito PAUCARCOLLA
2142
2463
1518
3480
3677
17
1922
1363
1096
1614
2034
que no se eche a perder, sino tambin se pueda elevar los precios y se pueda vender a
clientes en mayores cantidades. Incluso se podra aplicar tcnicas automticas como
ordeadoras y llegar a la obtencin de productos derivados de la leche como
mantequilla o queso gracias a la conservacin de la misma.
Agricultura: Cuyas actividades y productos ms importantes ya han sido
Mencionados
puno.
A pesar de que la principal fuente de agua es escasa y lejana, los pobladores
han sabido trasladarla de un lado a otro con el fin de poder usarla para regado,
mediante el uso de canales de regado y pequeas bombas elctricas; suministrando
agua para sus campos de cultivo.
1.1.3
habitantes de zonas rurales de la regin Puno se valen de ciertas formas que se irn
enunciando.
Una de las formas principales para la obtencin de energa elctrica para
aplicaciones de mucha potencia, es el uso de motores a diesel, adaptados a partir de
tractores que, por ejemplo, alquilan a S/.100,00 la hora; o de pequeos motores diesel
propios. Esta manera, provoca profundos daos en el ecosistema de la regin Puno.
Otra manera, un tanto menos contaminante, es mediante la alimentacin de sus
motores y artefactos electrodomsticos con bateras. Lo cual por batera recargada,
resulta ineficiente debido a que no se puede estimar un tiempo exacto de duracin, ya
que el uso de ellas es variable.
19
20
21
1.1.4
22
23
OBJETIVO GENERAL
Estudiar y disear un mquina peletizadora de alfalfa con el
aprovechamiento de energa solar, lo cual permitir un alimentacin
adecuada al ganado vacuno de la regin puno.
1.3.2
OBJETIVOS ESPECFICOS
Realizar el estudio de la produccin de alfalfa para la alimentacin de
ganado vacuno en la regin Puno.
Analizar el mercado de mquinas peletizadoras de alfalfa para la
alimentacin de ganado vacuno en la regin Puno.
Disear una mquina peletizadora a partir de la produccin de alfalfa en la
regin Puno.
Analizar y disear el suministro de energa para la mquina peletizadora
de alfalfa a partir de la energa solar en la regin Puno.
Analizar e interpretar los resultados tcnicos y econmicos del estudio y
diseo de la mquina peletizadora de alfalfa con aprovechamiento de
energa solar en la regin Puno.
24
CAPITULO II
MARCO TERICO.
25
materia prima que utiliza la mquina, y las caractersticas que debe tener el granulo de
madera, todo esto con el fin de establecer las dimensiones y componentes de la
mquina. Se definen los sistemas que se van a utilizar, y se disea los elementos
mecnicos de la prensa.
2.2.1.1 GENERALIDADES
En este captulo se disearan los mecanismos seleccionados de acuerdo a las
caractersticas que posee la materia prima y a las propiedades que se deseen
proporcionar a esta, los cuales nos permitir realizar un correcto peletizado.
2.2.1.2 CALCULO DE LA POTENCIA DEL MOTOR
La potencia necesaria para realizar el molido del material es calculada en base al
caudal de alimentacin (Q) y del grado de desmenuzamiento (i), esta expresada en la
siguiente ecuacin emprica:
N m=0.15i dQ
Dnde:
Nm: Potencia Necesaria del Motor para el Molido, en KW.
Q: Caudal o flujo msico de entrada, en T/H
Id: Grado de Desmenuzamiento, adimensional.
26
Q = 2118.60kg/h = 2.2Tn/h
El grado de desmenuzamiento es la relacin existente entre la mayor dimensin
lineal del material antes de su subdivisin (D), a la mayor dimensin lineal del
material desmenuzado (d), en consecuencia i est representado por:
I d=
D
d
Ecuacin 1.2 Grado de Desmenuzamiento.
Fuente: Ing. Walter H. Duda, Manual Tecnolgico.)
27
Grado de Desmenuzamiento:
0.030
I d=
=5
0.006
28
Pdiseo =1.42 HP
Pdiseo =2.8 HP
A continuacin, utilizando la grfica del Anexo, se selecciona la seccin
adecuada para la combinacin de potencia de diseo y velocidad. 3V o 3VX para
transmitir 2 HP a 1800rpm.
Luego, en una tabla del Anexo se verifica dimetro mnimo de polea
recomendado para el motor que se va a emplear, para un motor elctrico estndar de 2
HP a 1800rpm se recomienda que el dimetro de la polea motriz sea mayor o igual a 2.4
pulgadas.
Relacin de Reduccin de Velocidad.
La relacin de reduccin es igual a la velocidad de la polea motriz entre la
velocidad de la polea conducida.
r=
r . p . m polea motriz
r . p .m polea conducida
r=
1800
=1.43
1260
30
amin
31
amax
).
Por lo tanto:
Distancia Mnima entre Poleas:
amin =0.7 (d + D)=0.7 (76,2mm+ 114,3 mm)=133,35 mm
L0 2 a0 +1.57 ( d+ D ) +
Ecuacin 1.7 Longitud de Banda de Transmisin.
Fuente: Norton Robert, Diseo de Mquinas)
32
Dnde:
a0 =300 mm
114.376.2
L0 2 a0 +1.57 ( 76.2+114.3 )+
L0 900,294 mm
33
amin a 0 amax
[ ]
Dd
2a 0
1=2 cos1
114.3 mm76.2 mm
=172.718 1800
2 300 mm
Nmero de Bandas.
El nmero de bandas necesarias esta en dependencia de la potencia til
admisible (N), potencia nominal transmitible por la correa (N1), coeficiente de ngulo
de contacto (
cl
) y del factor de
seguridad (fs), por lo tanto el nmero de bandas es expresado por la siguiente ecuacin.
N 1 c c
Nf s
Z
34
1.5 kw1.4
1.379
1.5 kw0.9851
Z 1.379 2 Bandas
35
36
37
38
40
2.2.2
poder generar energa limpia, contribuyendo con el medio ambiente y que, bien
estructurada, posee tiempos cortos de recuperacin de la inversin. Estos, suscitan un
ingreso mayor para los pobladores y finalmente, el acceso a una fuente de energa
elctrica propia.
Las aplicaciones de un sistema fotovoltaico son variadas, desde el sector
agrcola hasta aplicaciones comerciales que pueden ser beneficiosas para cualquier
comunidad agrcola y rural, que se decida por tener un sistema fotovoltaico, acarreando
el ansiado desarrollo de estos pueblos.
41
42
INCIDENCIA SOLAR
El ndice de incidencia solar es un parmetro muy importante debido a que, a
partir de ste, se determinarn el mximo y mnimo de energa que se puede obtener por
da y si es suficiente, para hacer funcionar al motor que se elegir posteriormente. El
estudio ms profundo acerca de este tema hecho hasta ahora, es el realizado por la
NASA National Aeronautics and Space Administration por sus siglas en ingls o
Administracin Nacional de Aeronutica y Espacio. Con simplemente inscribirse en la
base de datos de la NASA, se puede acceder a sus estudios y observaciones realizados
durante un perodo de 22 aos (julio 1983- junio 2005) en la latitud - 15 y longitud 70
que se eligieron por ser las coordenadas de ubicacin a de la regin.
TABLA 02: INCIDENCIA SOLAR SEGN MESES
Mes
Enero
5.60
Febrero
6.37
Marzo
7.17
Abril
7.42
Mayo
6.88
Junio
5.17
Julio
5.13
Agosto
5.39
Septiembre
5.82
Octubre
5.70
Noviembre
5.51
Diciembre
5.24
Anual
5.95
43
2.2.3
evaluarn las proformas de diversas empresas que tengan las mquinas y equipos
necesarios, basndose en los requerimientos encontrados durante el estudio realizado.
2.2.3.1
DIMENSIONAMIENTO
Para dimensionar el diseo del sistema se necesita medir de una manera real las
44
vacuno. Por lo que lo ms adecuado sera el uso de un motor que proporcione entre 12 a
13 toneladas de pellets de alfalfa de esta manera, se tendra el total necesario para
cubrir la necesidad del ganado y el tiempo suficiente como para poder recargar las
bateras en ese lapso de tiempo que no se usa el motor.
2.2.3.2
MOTOR DE PELETIZADORA
El objetivo es captar energa solar para cargar bateras y alimentar motores de
peletizado que producirn el pellets de alfalfa que sirve para alimentar al ganado vacuno
en zonas rurales de la regin Puno.
Se debe cambiar la forma de obtener pellets de alfalfa a travs de peletizadoras
nuevas, ms eficientes y de menor tamao, adems, de ir en equilibrio con el medio
ambiente en donde se utilizarn.
2.2.3.3
ARREGLO DE BATERAS
Una batera se puede definir como un dispositivo que convierte energa qumica
en energa elctrica gracias a la accin de sus celdas internas. Las bateras ms comunes
son las de nquel-cadmio y las de plomo cido que presentan diversas concentraciones
de acuerdo a la aplicacin que se necesita. Para el caso especfico de carga a travs de
energa obtenida a partir de paneles solares se utilizan bateras de plomo cido de ciclos
profundos.
Estas se caracterizan por tener placas slidas de plomo, a diferencia de por
ejemplo, las bateras para arranque en donde sus placas son porosas. Esto permite que la
superficie sea menor por lo que ofrece una menor potencia instantnea.
Las bateras de plomo cido que se planean usar, cumplen con la siguiente
reaccin qumica:
45
46
47
El precio por esta batera es de US$ 1 020 (mil veinte dlares americanos) que
en nuestra moneda local seran S/. 3 098,20 (tres mil setenta nuevos soles con veinte
cntimos). Adems, ofrecen 10 aos de garanta y se aseguran ms de 2000 ciclos para
un 80% de descarga profunda.
48
As como en las otras opciones, al ofrecer 12V se tendr que realizar un arreglo
de bateras dispuestas en serie y paralelo para alcanzar los 24V y 140A que se necesitan
para el sistema.
49
50
Debido a esto, es imperativo que se tenga una unidad que se encargue de regular
este voltaje y mantenga cargada la batera; cualquiera que sea la incidencia o las
circunstancias sobre los paneles, la salida hacia las bateras sea los 24V que hemos
diseado en el punto anterior. Adems, el controlador de carga debe ser capaz de cargar
el arreglo de bateras en un tiempo adecuado y as, poder energizar el peletizador
diariamente a su mxima potencia.
51
52
53
BAT-; correspondientes a las salidas positiva y negativa). Estos deben ser ajustados con
35 libras pulgada y soportan cables de hasta AWG # 2. Internamente, tanto la entrada
PV- como la salida BAT- estn cortocircuitadas, por lo que slo un cable es necesario
para ponerlos al nivel del potencial ms bajo; adems existe un borne adicional al cul
se le conectar esta referencia (el marcado con: conexin a GND) para poner al mismo
potencial el chasis del controlador.
Se aprecia tambin los agujeros para poder ajustar el controlador mediante
tornillos; adems, la salida auxiliar programable, que para esta aplicacin no se usar; y
la batera para el Sensor Remoto de Temperatura, RTS, por sus siglas en ingls.
54
55
El arreglo de paneles solares debe captar 373 W por hora como mnimo para que
al final del da se pueda emplear el peletizador de alfalfa.
2.2.3.8.2 PANEL SOLAR SHARP ND-123U1
Los paneles a utilizar tienen cada uno una potencia de 123W, es del tipo poli
cristalino y es posible pedirlo bajo el cdigo ND-123U1 en la direccin
www.isaveenergy.com Estos modelos de paneles desarrollados en investigaciones a
travs de 45 aos por Sharp presentan las caractersticas detalladas en la tabla 3.4 que
fue realizada basado en la informacin recogida desde la pgina distribuidora de estos
paneles que ofertan estos paneles a S/. 2 043,79 (Dos mil cuarenta y tres nuevos soles y
setenta y nueve cntimos).
Para obtener los 24V que necesitamos; se deben implementar 2 paneles
conectados en serie, los que nos brindar mayor voltaje. Adems, colocando una
cantidad de paneles en paralelo al arreglo que tenemos ya en serie; se podr aumentar la
capacidad de corriente otorgada por el arreglo de paneles; de esta manera, se obtendr
una mayor potencia.
Como se mencion, los paneles captan 123W como mximo y si se colocan 3 en
paralelo al mismo se obtendrn 738 W por cada hora, lo que nos permitir alcanzar los 3
754W que se desean en un tiempo aproximado de 5,09h.
Finalmente, se tendra listo el arreglo de 6 paneles, dispuestos de 3 ramas en
paralelo de 2 paneles en serie por cada rama, con diodos ultrarrpidos de proteccin
(se usar el RURG8060 de 80, a la salida de sus bornes, esto para evitar que existan
corrientes que entren en sentido contrario al normal flujo. Estos tienen un costo de S/.
17,40 en Fairchild Semiconductor
56
Potencia
210 W
Voc
35.6 V
Isc
8.06 A
Vmax sistema
1000 V
Peso
19 kg
Tipo de silicio
Poli cristalino
Dimensiones
1643x987x50 mm
escogido es de 7,29A que en conjunto no superar los 80A que soporta el controlador
de carga.
58
2.2.4
ANLISIS DE LA OFERTA
ALTERNATIVA N 01
La Oferta de energa disponible en el rea de influencia del proyecto proviene del
Sistema Elctrico Interconectado Nacional (SEIN), la cual garantiza la disponibilidad de
energa y potencia, y la confiabilidad del sistema, posibilitando la implementacin del
proyecto.
ALTERNATIVA N 02
Considerando los niveles de radiacin solar en la zona del proyecto y el tamao
de los mdulos fotovoltaicos domiciliarios, la oferta mensual de energa por panel
abonado es de: 8.25KWh-mes y 210 Wp.
59
Velas
Bateras y pilas
---------------------
Para el presente anlisis, los costos en la situacin "sin proyecto" son cero.
Se considera la inversin requerida para renovar los componentes cuya vida til
es menor a 20 aos.
Los Costos de Operacin y Mantenimiento estimados como porcentaje de la
inversin, se determin 1 % del total de la inversin durante todo el horizonte de
evaluacin.
Los costos de inversin de cada alternativa, se muestran a continuacin:
2.2.4.2 EVALUACIN
2.2.4.2.1 BENEFICIOS EN LA SITUACIN "SIN PROYECTO".
Actualmente las comunidades de la regin puno no cuentan con servicio
elctrico adecuado para el funcionamiento de motores elctricos.
2.2.4.2.2 BENEFICIOS EN LA SITUACIN "CON PROYECTO".
BENEFICIOS FINANCIEROS
ALTERNATIVA N 1.
Los beneficios financieros de la Ampliacin de Electrificacin Rural estn
determinados por el consumo de energa a la tarifa vigente en el sistema de distribucin.
ALTERNATIVA N 2.
A la fecha no existe ninguna normatividad, ni tarifas, respecto al uso de la
energa solar para el servicio elctrico. Para la evaluacin se considera una empresa
concesionaria que es propietaria y administra los mdulos fotovoltaicos.
Sin embargo, para determinar la rentabilidad financiera de las inversiones en
energa solar, la autoridad reguladora (OSINERG) debe determinar el pago mensual de
61
cada abonado, de manera que permita cubrir los costos de operacin y mantenimiento y
recuperar parte de la inversin.
Este pago mensual regulado por el servicio de paneles solares se compara con el
ahorro de costos de energas alternativas de los pobladores. En esta evaluacin se ha
considerado un pago mensual regulado de US$ 1.51 por abonado aproximadamente.
La evaluacin de los beneficios incremntales para la alternativa 1.
2.2.4.2.3 BENEFICIOS ECONMICOS Y SOCIALES.
La determinacin de los beneficios econmicos de la electrificacin rural, el cual
se formul en base a la Metodologa para la estimacin de los beneficios econmicos
presentada por NRECA.
Por medio de este proyecto se espera lograr incrementar el Coeficiente de
Ampliacin de Electrificacin a un valor muy prximo a la unidad.
2.2.4.2.4 EVALUACIN BENEFICIO/COSTO.
En base al flujo de costos y beneficios determinados a precios privados y precios
sociales para ambas alternativas se determin el VAN en cada caso.
2.2.4.2.5 ANLISIS DE SENSIBILIDAD.
Para el presente proyecto se han considerado como las principales variables
fuente de incertidumbre las siguientes:
La inversin inicial
El rango de variacin de esta variable, para la alternativa 1, ser de 10% a un
+10% de la inversin, debido a que los costos suelen subir debido a la escasez de los
materiales, y adems que, en esta alternativa, existe una mayor probabilidad de tener
imprevistos.
62
63
64
65
LA ALFALFA
Es uno de los cultivos ms valiosos para la alimentacin del ganado, tanto en
pastoreo directo como en las distintas formas en que su forraje puede ser conservado. El
valor de la alfalfa radica en su alto potencial de produccin de materia seca, alta
concentracin de protena, alta digestibilidad y un elevado potencial de consumo
animal. A esto debe sumarse su alto contenido de vitaminas A, E y K o sus precursores,
y de la mayora de los minerales requeridos por el ganado productor de leche y carne, en
especial calcio, potasio, magnesio y fsforo (4, 5, 22, 109).
Estas caractersticas hacen que la alfalfa sea una de las especies preferidas para
producir forraje conservado de alta calidad, lo que permite transferir su produccin
entre pocas del ao y regiones ganaderas. El rol de los forrajes conservados en los
sistemas de produccin de carne y leche de la Argentina ha ido variando a travs del
tiempo. En el pasado, la produccin y almacenamiento de reservas forrajeras eran
considerados como un "seguro" contra emergencias que pudieran disminuir la
produccin de forraje, tales como perodos prolongados de sequa, de anegamiento o de
temperaturas extremas, y ataques de plagas y enfermedades. Por el contrario, en la
actualidad los forrajes conservados de alta calidad son considerados un componente
vital de la alimentacin animal para aumentar la produccin ganadera mediante el
incremento de la carga animal y la produccin individual.
66
2.3.2
EL PANEL FOTOVOLTAICO
Consiste en una asociacin de clulas, encapsulada en dos capas
de EVA (etileno-vinilo-acetato), entre una lmina frontal de vidrio y una capa posterior
de un polmero termoplstico (normalmente tedlar). Este conjunto es enmarcado en una
estructura de aluminio con el objetivo de aumentar la resistencia mecnica del conjunto
y facilitar el anclaje del mdulo a las estructuras de soporte.
Las clulas ms comnmente empleadas en los paneles fotovoltaicos son de
silicio, y se puede dividir en tres subcategoras:
2.3.2.1 LAS CLULAS DE SILICIO MONO CRISTALINO
Estn constituidas por un nico cristal de silicio, normalmente manufacturado
mediante el proceso Czochralski.Este tipo de clulas presenta un color azul oscuro
uniforme.
2.3.2.2 LAS CLULAS DE SILICIO POLI CRISTALINO (TAMBIN
LLAMADO MULTICRISTALINO)
Estn constituidas por un conjunto de cristales de silicio, lo que explica que su
rendimiento sea algo inferior al de las clulas mono cristalinas. Se caracterizan por un
color azul ms intenso.
2.3.2.3 LAS CLULAS DE SILICIO AMORFO.
Son menos eficientes que las clulas de silicio cristalino pero tambin menos
costoso. Este tipo de clulas es, por ejemplo, el que se emplea en aplicaciones solares
como relojes o calculadoras.
67
68
2.3.3
INDICADORES CUANTITATIVOS
Potencia elctrica.- Variable importante que definir que tanto consumir la
INDICADORES CUALITATIVOS
HIPTESIS GENERAL.
Es posible estudiar y disear un mquina peletizadora de alfalfa con el
aprovechamiento de energa solar, lo cual permitir un alimentacin
adecuada al ganado vacuno de la regin puno.
69
2.4.2
HIPTESIS ESPECFICO.
El estudio de la produccin de alfalfa para la alimentacin de
ganado vacuno en la regin Puno determinara la potencia
de la mquina peletizadora.
El mercado de mquinas peletizadoras de alfalfa para la
alimentacin de ganado vacuno en la regin Puno es
demasiado bajo.
Es posible disear una mquina peletizadora a partir de la
produccin de alfalfa en la regin Puno.
Es posible realizar el estudio de suministro de energa para
la mquina peletizadora de alfalfa a partir de la energa
solar en la regin Puno.
Los resultados tcnicos y econmicos del estudio y diseo
de la mquina peletizadora de alfalfa con aprovechamiento
de energa solar en la regin Puno son los aptos para el
estudio y diseo de la mquina peletizadora de alfalfa.
70
CAPITULO III
DISEO METDOLOGICO DE LA
INVESTIGACIN.
71
( X 7) 1
X 6 X 13 X 2 X 15
2
( X 9) 1
X 8 X 13 X 2 X 15
2
( X 11) 1
X 10 X 13 X 2 X 15
2
Dnde:
X7: Variable dependiente binaria, que representa la probabilidad de
responder SI(1) a la pregunta de ADOPTAR TECNOLOGA por el
nivel de calidad ambiental A., o NO ADOPTAR TECNOLOGA (0).
72
73
74
logstico, con la participacin del Gobierno Regional, y las entidades Pblicas del
estado involucrados en el desarrollo agropecuaria de la regin.
76
CAPITULO IV
ANLISIS E INTERPRETACION DE
RESULTADOS DE LA INVESTIGACION
0.0000000
ES ALTAMENTE SIGNIFICATIVO
Entonces se concluye que en el modelo logit hay dos variables que son
significativas individualmente y dos que no son significativa.
77
104.9878
degrees of freedom
Como el chi squared =104.9878 mayor al chi squared con 4 grados de libertad
(de tablas) con un nivel de significancia del 99%.
Se concluye que hay dependencia global del modelo o son globalmente
significativos.
AJUSTE DE MODELO
Pseudo r-squared =0.23653
y se encuentra en el rango de 0 y 1.
Porcentaje de prediccin
Correct prediction = 74.118%.
La variable x2 es altamente sensible por lo que tiene el mayor efecto marginal
lo que significa que debo adoptar la tecnologa necesaria para mejorar la produccin de
ganado vacuno.
78
0.0000000
es altamente significativo
92.00479
4
79
0.0000000
es altamente significativo
80
92.00479
Degrees of freedom
Como el chi squared =92.00479
4
mayor al chi squared con 4 grados de libertad (de
81
0.0000000
es altamente significativo
44.32037
4
82
AJUSTE DE MODELO.
Pseudo r-squared =0.10251
no se encuentra en el rango de 0 y 1.
83
CONCLUSIONES.
La produccin y almacenamiento de reservas forrajeras de alfalfa eran
considerados como un "seguro" contra emergencias que pudieran disminuir la
produccin de forraje El estudio de la produccin de alfalfa para la alimentacin de
ganado vacuno en la regin Puno determino la potencia de la mquina peletizadora de
alfalfa, la potencia necesaria para el motor del peletizador es de 3HP.
Segn el mercado de mquinas peletizadoras de alfalfa es muy bajo debido a la
falta de inters de los profesionales.
Se determin que una forma eficaz y eficiente el diseo de mquinas
peletizadoras sean por rodillos incrementando la produccin de ganado vacuno en la
regin.
Se debe de seleccionar un motor de 3 HP, con esta potencia se garantiza que la
inercia del sistema se puede mover y a la vez realizar la peletizacion de la alfalfa con un
flujo msico de 2tn/h.
Como se pudo apreciar, el peletizador elegido usa un motor de 24V DC que
necesita 3HP, que equivalen a 2 238W, para funcionar; por ende nuestro arreglo de
bateras proporciona la cantidad necesaria.
Adems, para el calcular la cantidad de corriente consumida por el motor del
peletizador es necesaria una simple divisin de los 2 238W entre los 24V de
alimentacin, resultando una corriente nominal de 93.25A y estimndole un mximo de
corriente en su pico de arranque de 140A, si se considera aproximadamente un 50%
ms que la corriente nominal.
84
85
RECOMENDACIONES.
El Presupuesto insuficiente; Es el mayor limitante, evita que se pueda desarrollar
un sistema que pueda captar mucha energa dado que el precio por kilovatio hora
captado es alto. Se podra recurrir al apoyo de empresas privadas.
La falta de informacin; Los pobladores no cuentan con el acceso a informacin
acerca de tecnologas de peletizado de alfalfa que presenten sustentabilidad y que
satisfaga sus requerimientos, por lo que se recomienda hacer talleres de informacin
sobre este tipo de tecnologas.
Se recomienda analizar a mayor profundidad el rendimiento y la eficiencia de la
transformacin de la energa solar en energa elctrica a travs de un sistema
fotovoltaico para el uso de motores elctricos en la produccin de pellets de alfalfa.
86
BIBLIOGRAFA
ARPI - CALDERN (2010) Diseo De Una Mquina Pelletizadora En Base A La
Disponibilidad De Residuos Madereros De La Ciudad De Cuenca Para Su
Aprovechamiento Energtico.
87
Luis
Felipe Miranda
Espinosa
(INVESTIGACIN EN
INGENIERA)
88
DIRECCIONES WEB
OSINERG
a. www.cte.org.pe
Instituto Nacional Estadstica e Informtica
b. www.inei.gob.pe
Ministerio de Energa y Minas
89
ANEXOS
5.1 TABLA 1.1 Factor de Servicio Tpicos.
Factor de Servicio Tpicos para Motores Elctricos segn su Aplicacin.
http//:electoolbox.com
90
5.2
http//:electoolbox.com
http//: el prisma.com
91
http//: el prisma.com
5.5
http//:elprisma.com
http//: el prisma.com
92
93
5.7
94
95
5.9
96
97
INFORMACIN UTILIZADA
Datos del censo Agropecuario.
Identificar el valor que tiene para las personas poder disfrutar de una mquina
peletizadora de alfalfa para mejorar la produccin de ganado vacuno. Por medio de
preguntas binaria SI/NO, se supone la adopcin de tecnologa para tres niveles de
beneficio que generara la adopcin de tecnologa (mquina peletizadora de alfalfa para
mejorar la produccin de ganado vacuno.
1. Una primera adopcin de tecnologa para mejorar la produccin de ganado
vacuno (mquina peletizadora con motor disel). Este ser el nivel de
calidad A.
Una segunda adopcin de tecnologa para mejorar la produccin de ganado
vacuno (mquina peletizadora con sistema convencional). Este ser el nivel de
calidad B.
98
( X 7) 1
X 6 X 13 X 2 X 15
2
( X 9) 1
X 8 X 13 X 2 X 15
2
( X 11) 1
X 10 X 13 X 2 X 15
2
Dnde:
X7: Variable dependiente binaria, que representa la probabilidad de responder
SI(1) a la pregunta de ADOPTAR TECNOLOGA por el nivel de calidad
ambiental A., o NO ADOPTAR TECNOLOGA (0).
100
==============================================================
=================
Variable
Mean
Std.Dev.
Mnimum
Maximum
Cases
==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------X7
.358823529
.480362232
.000000000
1.00000000
340
X6
5589.70588
2593.11203
1000.00000
10000.0000
340
X13
520.588235
290.538521
100.000000
1100.00000
340
X2
.976470588
.151801033
.000000000
1.00000000
340
X15
.391176471
.488733024
.000000000
1.00000000
340
5.12.2 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los
efectos marginales.
--> LOGIT;Lhs=X7;Rhs=ONE,X6,X13,X2,X15;Margin$
Normal exit from iterations. Exit status=0.
+---------------------------------------------+
| Multinomial Logit Model
X7
| Weighting variable
None
| Number of observations
| Iterations completed
|
|
340
6
|
101
-169.4371
-221.9310
| Chi squared
104.9878
| Degrees of freedom
.0000000
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
X6
-.71871053
-.00044905
1.17956214
.596284D-04
-.609 .5423
-7.531 .0000
5589.70588
X13
.00204503
.00051597
3.963 .0001
520.588235
X2
1.25420577
1.14784626
1.093 .2745
.97647059
X15
.35139564
.29162510
1.205 .2282
.39117647
Matrix: LastOutp
[5,4]
102
+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model.
|
| Criterion F (log L)
-169.43711
-221.93102
-235.67004 |
| LR Statistic vs. MC
104.98781
.00000
.00000 |
| Degrees of Freedom
4.00000
.00000
.00000 |
.00000
169.43711
| Normalized Entropy
.71896
.00000
.00000 |
221.93102
235.67004 |
.94170
1.00000 |
132.46586
27.47805
362.19001
467.17782
132.46586
.00000 |
494.65587 |
27.47805
.00000 |
| Pseudo R-squared
.23653
.00000
.00000 |
74.11765
.00000
50.00000 |
| Means:
y=0
| Outcome
| Pred.Pr
y=1
y=2
y=3
yu=4 y=5,
y=6 y>=7 |
+--------------------------------------------------------------------+
103
+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs.
+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
X6
-.15362232
-.959832D-04
X13
.00043712
.25103681
.122810D-04
.00011026
-.612 .5406
-7.816 .0000 -1.73294980
3.964 .0001
.73501472
.19951254
.12083376
1.651 .0987
.62926129
.07606977
.06371873
1.194 .2325
+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE
| -.15362 |
| X6
| -.00010 |
| X13
| .00044 |
| X2
| .19951 |
| X15
| .07607 |
+----------+----------+
104
.09611396
+----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit
+----------------------------------------+
| Proportions P0= .641176 P1= .358824 |
|N=
340 N0=
218 N1=
122 |
| .27151 |
.23653 |
| Cramer | Veall/Zim. |
| .27850 |
.41666 |
.66801 |
Rsqrd_ML |
.26566 |
+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria
1.02610
368.01896 |
+----------------------------------------+
Frequencies of actual & predicted outcomes
Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + ----Actual
1 | Total
183 35 | 218
53 69 | 122
236 104 |
340
105
==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
----------------------------------------------------------------------Prediction Success
----------------------------------------------------------------------Sensitivity = actual 1s correctly predicted
56.557%
83.945%
74.118%
----------------------------------------------------------------------Prediction Failure
----------------------------------------------------------------------False pos. for true neg. = actual 0s predicted as 1s
16.055%
43.443%
33.654%
22.458%
25.882%
==============================================================
=========
5.12.3 Interpretar desde el punto de vista econmico y estadstico el modelo
estimado.
ANLISIS ESTADSTICO (RELEVANCIA, DEPENDENCIA Y AJUSTE)
PRUEBA DE RELEVANCIA
| Prob[ChiSqd > value] =
0.0000000
ES ALTAMENTE SIGNIFICATIVO
106
PARA LA VARIABLE X6
ES SIGNIFICATIVA AL 1%.
104.9878
4
107
AJUSTE DE MODELO
108
==============================================================
=================
Variable
Mean
Std.Dev.
Minimum
Maximum
Cases
==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------DAP1
3803.71772
1617.73114
-1145.09979
6984.57066
340
Mean
Std.Dev.
Minimum
109
Maximum
Cases
==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------DAPR1
3767.64706
2498.96568
306.941203
10390.0005
340
--> CREATE;X6R=(10100-X6)/X6$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;EXPO1=EXP((COEF1+COEF2*X13+COEF3*X2+COEF4*X15+COEF5*X6R))$
--> CREATE;DAPR1=10100/(1+EXPO1)$
--> DSTAT;RHS=DAPR1$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable
Mean
Std.Dev.
Minimum
Maximum
Cases
==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------DAPR1
3624.11765
2403.76699
295.248205
110
9994.19094
340
--> CREATE;X6R=(11000-X6)/X6$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;EXPO1=EXP((COEF1+COEF2*X13+COEF3*X2+COEF4*X15+COEF5*X6R))$
--> CREATE;DAPR1=11000/(1+EXPO1)$
--> DSTAT;RHS=DAPR1$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable
Mean
Std.Dev.
Minimum
Maximum
Cases
==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------DAPR1
3947.05882
2617.96405
321.557451
10884.7624
340
111
--> LOGIT;Lhs=X7;Rhs=ONE,X13,X2,X15,X6R;Margin$
Normal exit from iterations. Exit status=0.
112
+---------------------------------------------+
| Multinomial Logit Model
X7
| Weighting variable
None
| Number of observations
|
|
340
| Iterations completed
-177.7459
-221.9310
| Chi squared
88.37026
| Degrees of freedom
.0000000
+---------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
-3.89228332
1.16082155
-3.353 .0008
X13
.00196992
.00050254
3.920 .0001
520.588235
X2
1.25754880
1.13299839
1.110 .2670
.97647059
X15
.44441748
.28387817
1.566 .1175
.39117647
X6R
.48121377
.07876601
6.109 .0000
1.69219694
113
+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model.
|
| Criterion F (log L)
-177.74589
-221.93102
-235.67004 |
| LR Statistic vs. MC
88.37026
.00000
.00000 |
| Degrees of Freedom
4.00000
.00000
.00000 |
.00000
177.74589
| Normalized Entropy
.75422
.00000
.00000 |
221.93102
235.67004 |
.94170
1.00000 |
115.84830
27.47805
.00000 |
378.80756
467.17782
494.65587 |
115.84830
27.47805
.00000 |
| Pseudo R-squared
.19909
.00000
.00000 |
72.94118
.00000
50.00000 |
| Means:
y=0
| Outcome
| Pred.Pr
y=1
y=2
y=3
yu=4 y=5,
y=6 y>=7 |
+--------------------------------------------------------------------+
114
+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs.
+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
X13
-.87693700
.00044383
.25636130
.00011255
-3.421 .0006
3.943 .0001
.67392578
.21699116
.13299898
1.632 .1028
.61802624
.10129774
.06509424
1.556 .1197
.11557880
X6R
.10841815
.01860934
5.826 .0000
.53512915
+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE
| -.87694 |
| X13
| .00044 |
| X2
| .21699 |
| X15
| .10130 |
| X6R
| .10842 |
+----------+----------+
115
+----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit
+----------------------------------------+
| Proportions P0= .641176 P1= .358824 |
|N=
340 N0=
218 N1=
122 |
| .24427 |
.19909 |
| Cramer | Veall/Zim. |
| .24487 |
.36432 |
.65254 |
Rsqrd_ML |
.22888 |
+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria
1.07498
384.63651 |
+----------------------------------------+
Frequencies of actual & predicted outcomes
Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + ----Actual
1 | Total
191 27 | 218
65 57 | 122
256 84 |
340
116
==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
----------------------------------------------------------------------Prediction Success
----------------------------------------------------------------------Sensitivity = actual 1s correctly predicted
46.721%
87.615%
72.941%
----------------------------------------------------------------------Prediction Failure
----------------------------------------------------------------------False pos. for true neg. = actual 0s predicted as 1s
12.385%
53.279%
32.143%
25.391%
27.059%
==============================================================
=========
117
Mean
Std.Dev.
Minimum
Maximum
Cases
==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------X9
.658823529
.474803264
.000000000
1.00000000
340
X8
5845.58824
2438.41151
1500.00000
10500.0000
340
X13
520.588235
290.538521
100.000000
1100.00000
340
X2
.976470588
.151801033
.000000000
1.00000000
340
X15
.391176471
.488733024
.000000000
1.00000000
340
5.13.2 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los
efectos marginales.
--> LOGIT;Lhs=X9;Rhs=ONE,X8,X13,X2,X15;Margin$
Normal exit from iterations. Exit status=0.
118
+---------------------------------------------+
| Multinomial Logit Model
X9
| Weighting variable
None
| Number of observations
|
|
340
| Iterations completed
-172.2139
-218.2163
| Chi squared
92.00479
| Degrees of freedom
.0000000
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
X8
.36027104
-.00036976
.90416029
.398 .6903
.604541D-04
-6.116 .0000
5845.58824
X13
.00232318
.00056968
4.078 .0000
520.588235
X2
1.20536124
.84591543
1.425 .1542
.97647059
X15
.85028869
.31542723
2.696 .0070
.39117647
Matrix: LastOutp
[5,4]
+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model.
119
| Criterion F (log L)
-172.21393
-218.21633
-235.67004 |
| LR Statistic vs. MC
92.00479
.00000
.00000 |
| Degrees of Freedom
4.00000
.00000
.00000 |
.00000
172.21393
| Normalized Entropy
.00000
.00000 |
218.21633
.73074
235.67004 |
.92594
1.00000 |
126.91221
34.90742
367.74365
459.74845
126.91221
.00000 |
494.65587 |
34.90742
.00000 |
| Pseudo R-squared
.21081
.00000
.00000 |
74.41176
.00000
50.00000 |
| Means:
y=0
| Outcome
| Pred.Pr
y=1
y=2
y=3
yu=4 y=5,
y=6 y>=7 |
+--------------------------------------------------------------------+
+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs.
+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
120
.07347549
-.754103D-04
X13
.00047380
.18375720
.118841D-04
.00011317
.400 .6893
-6.345 .0000
4.187 .0000
-.61686971
.34516386
.28477982
.20702716
1.376 .1690
.38913725
.16548912
.05759268
2.873 .0041
.09058924
+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE
| .07348 |
| X8
| -.00008 |
| X13
| .00047 |
| X2
| .28478 |
| X15
| .16549 |
+----------+----------++----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit
+----------------------------------------+
| Proportions P0= .341176 P1= .658824 |
|N=
340 N0=
116 N1=
224 |
121
+----------------------------------------+
|
| .25539 |
.21081 |
| Cramer | Veall/Zim. |
| .25288 |
.37889 |
.66413 |
Rsqrd_ML |
.23708 |
+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria
1.04243
373.57260 |
+----------------------------------------+
Frequencies of actual & predicted outcomes
Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + ----Actual
1 | Total
62 54 | 116
33 191 | 224
95 245 |
340
==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
----------------------------------------------------------------------Prediction Success
----------------------------------------------------------------------Sensitivity = actual 1s correctly predicted
85.268%
53.448%
74.412%
----------------------------------------------------------------------Prediction Failure
----------------------------------------------------------------------False pos. for true neg. = actual 0s predicted as 1s
46.552%
14.732%
22.041%
34.737%
25.588%
123
PRUEBA DE RELEVANCIA
0.0000000
ES ALTAMENTE
SIGNIFICATIVO
124
92.00479
Degrees of freedom
AJUSTE DE MODELO
PORCENTAJE DE PREDICCIN
Correct prediction = 74.412%.
LA VARIABLE X2 ES ALTAMENTE SENSIBLE POR LO QUE TIENE EL
MAYOR EFECTO MARGINAL LO QUE SIGNIFICA QUE DEBO BUSCAR LA
125
Mean
Std.Dev.
Minimum
Maximum
Cases
==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------DAP2
8327.89212
2610.76892
1602.64062
126
13445.0669
340
NO EXISTE EL DAPR
1.1. Presentar conclusiones generales de los modelos y proponer algunas
recomendaciones de poltica pblica.
I.
--> DSTAT;Rhs=X11,X10,X13,X2,X15$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable
Mean
Std.Dev.
Minimum
Maximum
Cases
==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------X11
.667647059
.471751014
.000000000
1.00000000
340
X10
6233.82353
2345.30915
1500.00000
10500.0000
340
X13
520.588235
290.538521
100.000000
1100.00000
340
X2
.976470588
.151801033
.000000000
1.00000000
340
X15
.391176471
.488733024
.000000000
1.00000000
340
127
5.13.7 Estimar un modelo logit, donde se ilustre los coeficientes estimados y los
efectos marginales.
--> DSTAT;Rhs=X11,X10,X13,X2,X15$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable
Mean
Std.Dev.
Minimum
Maximum
Cases
==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------X11
.667647059
.471751014
.000000000
1.00000000
340
X10
6233.82353
2345.30915
1500.00000
10500.0000
340
X13
520.588235
290.538521
100.000000
1100.00000
340
X2
.976470588
.151801033
.000000000
1.00000000
340
X15
.391176471
.488733024
.000000000
1.00000000
340
Matrix: LastDsta
[5,7]
--> LOGIT;Lhs=X11;Rhs=ONE,X10,X13,X2,X15;Margin$
Normal exit from iterations. Exit status=0.
+---------------------------------------------+
| Multinomial Logit Model
X11
| Weighting variable
None
128
| Number of observations
340
| Iterations completed
-194.0228
-216.1830
| Chi squared
44.32037
| Degrees of freedom
|
|
.0000000
+---------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
-.66478503
.92380903
-.720 .4718
X10
-.00021754
.551005D-04
-3.948 .0001
6233.82353
X13
.00193447
.00051902
3.727 .0002
520.588235
X2
1.76902546
.86331099
2.049 .0405
.97647059
X15
.23667692
.28849630
.820 .4120
.39117647
Matrix: LastOutp
[5,4]
+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model.
|
| Criterion F (log L)
-194.02285
-216.18303
129
-235.67004 |
| LR Statistic vs. MC
44.32037
.00000
.00000 |
| Degrees of Freedom
4.00000
.00000
.00000 |
.00000
194.02285
| Normalized Entropy
.00000
.00000 |
216.18303
.82328
235.67004 |
.91731
1.00000 |
83.29439
38.97402
.00000 |
411.36147
455.68185
494.65587 |
83.29439
38.97402
.00000 |
| Pseudo R-squared
.10251
.00000
.00000 |
73.52941
.00000
50.00000 |
| Means:
y=0
| Outcome
| Pred.Pr
y=1
y=2
y=3
yu=4 y=5,
y=6 y>=7 |
+--------------------------------------------------------------------+
+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs.
+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|
130
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
-.14187147
X10
-.464257D-04
X13
.00041284
.19835223
-.715 .4745
.115667D-04
.00010861
-4.014 .0001
3.801 .0001
-.41865396
.31089470
.41539695
.17593001
2.361 .0182
.58676541
.04997556
.06019424
.830 .4064
+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE
| -.14187 |
| X10
| -.00005 |
| X13
| .00041 |
| X2
| .41540 |
| X15
| .04998 |
+----------+----------+
+----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit
+----------------------------------------+
| Proportions P0= .332353 P1= .667647 |
|N=
340 N0=
113 N1=
227 |
131
.02827955
+----------------------------------------+
|
| .13456 |
.10251 |
| Cramer | Veall/Zim. |
| .12977 |
.20601 |
.61380 |
Rsqrd_ML |
.12222 |
+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria
1.17072
417.19042 |
+----------------------------------------+
Frequencies of actual & predicted outcomes
Predicted outcome has maximum probability.
Threshold value for predicting Y=1 = .5000
Predicted
------ ---------- + ----Actual
1 | Total
40 73 | 113
17 210 | 227
57 283 |
340
==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
----------------------------------------------------------------------Prediction Success
----------------------------------------------------------------------Sensitivity = actual 1s correctly predicted
92.511%
35.398%
73.529%
----------------------------------------------------------------------Prediction Failure
----------------------------------------------------------------------False pos. for true neg. = actual 0s predicted as 1s
64.602%
7.489%
25.795%
29.825%
26.471%
==============================================================
=========
0.0000000
ES ALTAMENTE SIGNIFICATIVO
133
ES SIGNIFICATIVA AL 1%.
44.32037
4
AJUSTE DE MODELO
NO SE ENCUENTRA EN EL RANGO DE 0 Y 1.
PORCENTAJE DE PREDICCIN
135
--> CREATE;BETA3=B(2)$
--> CREATE;DAP3=-ALFA3/BETA3$
--> DSTAT;RHS=DAP3$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable
Mean
Std.Dev.
Minimum
Maximum
Cases
==============================================================
=================
------------------------------------------------------------------------------All observations in current sample
------------------------------------------------------------------------------DAP3
5.13.10
9939.48347
3195.31228
-2166.64223
15945.5466
340
+---------------------------------------------+
| Multinomial Logit Model
X11
| Weighting variable
None
| Number of observations
340
|
136
| Iterations completed
-198.5010
-216.1830
| Chi squared
35.36411
| Degrees of freedom
| Prob[ChiSqd > value] =
.0000000
+---------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
-2.43813594
.90184134
-2.704 .0069
X13
.00181693
.00050606
3.590 .0003
520.588235
X2
1.82257063
.86433603
2.109 .0350
.97647059
X15
.29497233
.28446838
1.037 .2998
.39117647
X10R
.28196321
.10769531
2.618 .0088
1.34185309
Matrix: LastOutp
[5,4]
+--------------------------------------------------------------------+
| Information Statistics for Discrete Choice Model.
|
| Criterion F (log L)
-198.50098
-216.18303
-235.67004 |
| LR Statistic vs. MC
35.36411
.00000
.00000 |
| Degrees of Freedom
4.00000
.00000
.00000 |
.00000
198.50098
.00000
216.18303
137
.00000 |
235.67004 |
| Normalized Entropy
.84228
.91731
1.00000 |
74.33813
38.97402
.00000 |
420.31774
455.68185
494.65587 |
74.33813
38.97402
.00000 |
| Pseudo R-squared
.08179
.00000
.00000 |
72.05882
.00000
50.00000 |
| Means:
y=0
| Outcome
| Pred.Pr
y=1
y=2
y=3
yu=4 y=5,
y=6 y>=7 |
+--------------------------------------------------------------------+
+-------------------------------------------+
| Partial derivatives of probabilities with |
| respect to the vector of characteristics. |
| They are computed at the means of the Xs. |
| Observations used are All Obs.
+-------------------------------------------+
+---------+--------------+----------------+--------+---------+----------+
|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Elasticity|
+---------+--------------+----------------+--------+---------+----------+
Characteristics in numerator of Prob[Y = 1]
Constant
X13
-.52524699
.00039142
.19753433
.00010730
-2.659 .0078
3.648 .0003
138
.29706967
.42586294
.17035135
2.500 .0124
.60624576
.06271489
.06074326
.05954599
1.053 .2922
.02298862
2.642 .0082
+---------------------+
| Marginal Effects for|
+----------+----------+
| Variable | All Obs. |
+----------+----------+
| ONE
| -.52525 |
| X13
| .00039 |
| X2
| .42586 |
| X15
| .06271 |
| X10R
| .06074 |
+----------+----------+
+----------------------------------------+
| Fit Measures for Binomial Choice Model |
| Logit
+----------------------------------------+
| Proportions P0= .332353 P1= .667647 |
|N=
340 N0=
113 N1=
227 |
139
.03576540
.11882909
| .10700 |
.08179 |
| Cramer | Veall/Zim. |
| .10354 |
.16830 |
.60216 |
Rsqrd_ML |
.09879 |
+----------------------------------------+
| Information Akaike I.C. Schwarz I.C. |
| Criteria
1.19706
426.14668 |
+----------------------------------------+
1 | Total
31 82 | 113
13 214 | 227
44 296 |
340
==============================================================
=========
Analysis of Binary Choice Model Predictions Based on Threshold = .5000
----------------------------------------------------------------------Prediction Success
----------------------------------------------------------------------Sensitivity = actual 1s correctly predicted
94.273%
27.434%
140
72.059%
----------------------------------------------------------------------Prediction Failure
----------------------------------------------------------------------False pos. for true neg. = actual 0s predicted as 1s
72.566%
5.727%
27.703%
29.545%
27.941%
--> CREATE;X10R=(12000-X10)/X10$
--> CALC;COEF1=B(1)$
--> CALC;COEF2=B(2)$
--> CALC;COEF3=B(3)$
--> CALC;COEF4=B(4)$
--> CALC;COEF5=B(5)$
--> CREATE;EXPO3=EXP((COEF1+COEF2*X13+COEF3*X2+COEF4*X15+COEF5*X10R))$
--> CREATE;DAPR3=12000/(1+EXPO3)$
--> DSTAT;RHS=DAPR3$
Descriptive Statistics
All results based on nonmissing observations.
==============================================================
=================
Variable
Mean
Std.Dev.
Minimum
Maximum
Cases
==============================================================
=================
-------------------------------------------------------------------------------
141
8011.76471
1790.81847
1324.08945
11476.6643
340
SE CONCLUYE QUE :
PARA EL MODELO DE CALIDAD DE CALIDAD AMBIENTAL A
Se concluye que en el modelo logit hay dos variables que son significativas
individualmente y dos que no son significativa.
Se concluye que hay dependencia global del modelo o son globalmente significativos.
El ajuste es muy bueno al ms de 70%.
142
143
144