Assessment and correction of endogeneity problems in discrete choice models
Loading...
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
El término endogeneidad se utiliza cuando existe correlación entre una o más variables explicativas observadas y el término de error de un modelo econométrico. La endogeneidad se considera un fenómeno prácticamente inevitable en modelación econométrica, ya que hay muchas causas potenciales detrás de ella: variables omitidas, errores de medición o especificación, estimación simultánea y autoselección. El problema es que puede dar lugar a la estimación de parámetros inconsistentes y si sus efectos no se consideran al estimar los modelos, el analista puede llegar a pronósticos y conclusiones erróneas.
La corrección de endogeneidad se ha abordado ampliamente en la literatura sobre modelos lineales (LM), pero los LM tienen un alcance limitado en ciertas áreas. En particular, este es el caso en planeación y evaluación social de proyectos de transporte, donde los Modelos de Elección Discreta (DCM), que son altamente no-lineales, juegan un papel fundamental. Desafortunadamente, rara vez se corrigen los DCM por endogeneidad, por lo que se ha identificado una brecha en el estado de conocimiento que esta tesis pretende cerrar. Así, el objetivo general de esta tesis doctoral es desarrollar un conjunto de pautas que permitan evaluar y corregir problemas de endogeneidad en DCM. Con base en las brechas de investigación identificadas, los objetivos específicos de esta investigación son:
a) Determinar el impacto de la endogeneidad en modelos de elección modal estimados a nivel estratégico. Aquí se considera el enfoque de Funciones de Control (FC) y se proponen instrumentos válidos para corregir endogeneidad. También se aborda el problema de predicción en DCM corregidos por endogeneidad, utilizando datos simulados.
b) Desarrollar una metodología para detectar instrumentos débiles en DCM utilizando el método CF y experimentos de Monte Carlo, ampliando los enfoques propuestos para modelos lineales.
c) Caracterizar el impacto de indicadores discretos para corregir endogeneidad en DCM. Para ello, utilizamos simulaciones de Monte Carlo y datos reales provenientes de una encuesta de preferencias declaradas (SP) especialmente desarrollada para tal fin. Luego, se estima DCM corregidos con el método de Soluciones de Indicadores Múltiples (MIS) usando indicadores discretos y continuos por separado. Finalmente, se evalúa el comportamiento econométrico de ambos tipos de indicadores.
Establecemos conclusiones de carácter teórico, empírico y metodológico. En primera instancia, se desea determinar variables instrumentales adecuadas para corregir endogeneidad en modelación de transporte y medir su impacto en modelos estratégicos de partición modal. Además, logramos reducir los errores asociados a la estimación de DCM, mejorar su capacidad de pronóstico y estimar parámetros consistentes que resulten en estimaciones corregidas de medidas de valoración del modelo, como el valor subjetivo del tiempo (SVT) que se utiliza para evaluar proyectos de transporte. También, formulamos una metodología empírica, apoyada en simulación de Monte Carlo, para predecir usando DCM corregidos por endogeneidad con una versión adecuada del método CF. Por otro lado, definimos pautas para aclarar en qué condiciones funcionan (o no) indicadores discretos cuando se corrigen DCM por endogeneidad utilizando el método MIS. Finalmente, estructuramos una metodología para detectar instrumentos DCM débiles en base a lo propuesto para modelos lineales.
Description
Tesis (Doctor in Engineering Sciences)--Pontificia Universidad Católica de Chile, 2021
Tesis (Doctor of Philosophy)--Newcastle University, 2021
Tesis (Doctor of Philosophy)--Newcastle University, 2021