por Sergio
L. González
Departamento de Ingenieria Civil
Universidad de Puerto Rico
Resumen
1. Introducción
Preste atención al hecho que tanto los conteos de tráfico como los de
transporte colectivo consisten en observaciones de la variable dependiente
del modelo de generación de viajes para todos los individuos en la poblaciói
que viajan entre las diferentes zonas de tráfico o estaciones del metro
autobús. Por esta razón, denominaremos estas muestras conteos agregados.
También observe que, aunque los conteos agregados se pueden considerar coa
restricciones en un subconjunto de 0 , éstos no pueden incorporarse en elJ
-199-
Repaso de Literatura
En la literatura de econometría se ha discutido extensamente el principal
gobierna de interés de este trabajo: el tópico de estimadores combinados.
isca discusión, sin embargo, ha estado restringida al modelo de regresión
lineal y a muestras de un mismo nivel de agregación.
y = X b+ E' (1)
regresión lineal con restricciones (RLCR), (Theil, 1971 y Judge j2t^ j|l_, 1980]
Este estimador se aplica en la situación cuando *(Mxl)> el vector c
información adicional a incorporarse en la estimación, se puede represent;
en la forma de restricciones lineales determinísticas en un subconjunto <
b. En este caso, las restricciones se pueden representar con la siguieni
ecuación:
R b = (2)
(3)
es e
En donde Y^^u l vector de discrepancias o errores de r.
Con este modelo, las suposiciones del modelo de regresión lineal simpl
si [ YY T] = O -W y si £ y y son independientes, podemos expresar el mode
estadístico de datos combinados mediante la siguiente ecuación:
(4)
(5)
(6)
(7)
(8)
Observe que la expresión en la parte derecha de esta ecuación se obtiene al
expresar la sumatoria de todos los individuos en cada grupo de las variables
dependientes, como el producto de la media de las variables dependientes
er. el grupo, y el número de individuos en ese grupo. En términos generales,
: x) no se conoce a priori y esto resulta en una matriz R estocástica. Por
tanto, cuando r corresponde a obHc;rv¿ic ¡ onoa de conteos agregados, no se :-
:isfacen las suposiciones del estimador mixto.
Para desarrollar una notación adecuada para este tipo de conteo, vemos
que las observaciones de cada grupo de la muestra pueden incluirse en una
Icelda de una tabla de clasificación (Bishop et al, 1975). Por ejemplo, si
subdividimos la población de un área urbana en I grupos de ingreso y J grupos
ce formación educativa, podemos dividir la población en los I x J grupos
mutuamente excluyentes y colectivamente exhaustivos definidos por cada combina-
ción específica de ingreso y formación educativa.
3.1.2. Notación
r¿j+- variable aleatoria que se utiliza para representar los conteos agregado
independientes. El tercer subscrito (+), indica que este conteo I
basa en los totales sobre todos los individuos en la población.
tes entre las mismas. En esta sección desarrollaremos los parámetros y distri
buciones de las muestras agregadas a partir de las suposiciones utilizada
para la muestra desagregada.
Observe que las siguientes relaciones existen entre las variables aléate
rias de interés en este trabajo.
(13)
a- N conocida a priori b-
N desconocida a priori
a- N desconocida a priori
b- N desconocida a priori
— ------
Observamos que las situaciones en donde p(x) y/o N se conocen a pric
puden ocurrir en situaciones prácticas cuando tenemos disponible informaci
sobre las variables independientes de los grupos de interés provenient
de un censo o una muestra grande.
■■
-210-
(25)
(26)
(27)
en donde:
(28)
(29)
-212-
Observamos que esta función incluye los parámetros w, cuyo número aumen
con el número de observaciones. Esta es la razón principal por la cual I
propiedades clásicas de los estimadores de máxima verosimilitud no aplic,
a este caso. Para resolver esta situación, que obviamente no puede result.
en estimadores consistentes, Cosslett (1981a) desarrolla la función de veros:
militud concentrada. Esta función se obtiene mediante la solución del probleí
de optimización representado por (27), (28) y (29) suponiendo N, a, b,
constantes.
Hasta este momento, hemos presentado un desarrollo teórico que nos permit
incorporar conteos agregados en la estimación de modelos econométricos
La pregunta relevante es ahora: ¿Qué ganamos al incorporar los conteos agrega
dos en la estimación? En la próxima sección contestaremos esta pregunt
mediante la discusión de algunas propiedades del estimador ECMS y del estimado
desagregado basado en los resultados de un estudio de simulación.
¡
¡
agregados en el proceso de estimar modelos econométricos, no aumentamos la
eficiencia del estimador de 0 . Observe que esto resulta, pues al incorporar
el conteo agregado al proceso de estimación, también aumentamos el número de
parámetros a estimar (N, a, b) y nuestro estimador utiliza toda la informa-
ción adicional al estimar estos parámetros. En el caso de estimadores para
muestras no aleatorias, existe el potencial de aumentar la eficiencia de con el
estimador combinado (refiérase a González, 1985).
4. Resumen
En este trabajo hemos demostrado que los estimadores combinados disponi-
bles en la literatura no pueden utilizarse con muestras de diferentes niveles
re agregación. Como resultado de ésto, un sinnúmero de conteos agregados
.sualmente disponibles u obtenibles a bajo costo no pueden utilizarse al
fatfm.ir nindu I OH uconométrIcos. Bata situación motivó ];i investigación presen-
tada en este trabajo, en la cual desarrollaremos estimadores combinados con
r.odelo de sesgo (ECMS) que pueden utilizarse con muestras desagregadas y
conteos agregados.
Referencias
BEN-AKIVA, M.E., GUNN, H. y POL, H. (1983) Expansión of data from mixed random
and choice-based survey designs. International _______ Conference on New
Survey Methods in Transport, Sidney, 12-16 Septiembre 1983, Australia.
I0CHRAN, W.G. (1977) Sampling Techniques. John Wiley & Sons, Nueva York.
GONZÁLEZ, S. (1985) Combining Survey and Aggregate Data for Model Estimation.
Ph. D. Dissertation, Department of Civil Engineering, MIT, EE.UU.
JUDGE, G. G., GRIFFITHS, W.E., CÁRTER HILL, R. y LEE, T. (1980) The Theory aa
Practice of Econometrics. John Wiley & Sons, Nueva York.
NUMERICAL ALGORITHMS GROUP (1984) NAG Fortran Mini Manual-Mark 11; Introducta
Guide to the NAG Fortran Manual. Numerical Algorithms Group, Oxford.
THEIL, H. (1971) Principies of Econometrics. John Wiley & Sons, Santa Bárbara.