[MUSIC] Bienvenidos a una nueva clase del curso introducción a los modelos de demanda de transporte. Hoy continuaremos hablando de los modelos de generación de viajes. En particular, hablaremos de la estimación de modelos de generación de viajes, mediante el uso de modelos de regresión lineal. Los modelos de generación de viajes basados en regresión lineal suelen estimarse a nivel del hogar o a nivel del individuo. Es decir, la intención es estimar la cantidad de viajes que genera un hogar en particular o un edificio particular. A ellos nos referimos cuando hablamos de estimación de modelos a nivel del hogar o del individuo. Las típicas variables explicativas que suelen utilizarse para explicar los viajes que realizan las personas suelen ser. El número de personas en el hogar, el número de vehículos en el hogar, el ingreso del hogar y las características de la zona donde está el hogar. Claramente con estas variables lo que estaríamos explicando son los viajes generados a nivel del hogar. Veamos el siguiente ejemplo, en esta transparencia hemos supuesto que se estimó un modelo de regresión lineal. Donde con la variable V nos referimos a viajes por hogar, con la variable X sub uno nos referimos al número de personas empleadas en el hogar. Y con la variable X sub dos nos referimos al número de vehículos en el hogar. Este modelo fue estimado, y lo que vemos es que los parámetros de las dos variables explicativas tienen el signo esperado. Es decir, a mayor cantidad de personas empleadas en el hogar mayor cantidad de viajes. A mayor cantidad de vehículos en el hogar mayor cantidad de viajes. Todos los parámetros estimados son significativos, tienen un test de relativamente alto. Y por otro lado el modelo alcanza un ajuste prácticamente 0,4, para este tipo de modelos un ajuste bastante adecuado. Entonces, este es nuestro modelo estimado mediante regresión lineal. En otras palabras, conociendo la cantidad de personas empleadas en el hogar y el número de vehículos en el hogar. Con este modelo nosotros you estamos en condiciones de poder predecir la cantidad de viajes que me va a realizar un hogar en particular. Lo que estamos mostrando en esta tabla es la diferencia que hay entre los viajes a nivel promedio observado por tipo de hogar. Versus los viajes modelados con nuestro modelo. Lo que podemos observar es que para la gran mayoría de las celdas, hay una bastante buena congruencia entre el valor observado y el valor estimado. En el caso particular de tres celdas. Es decir, en aquellos hogares con cero empleados en el hogar y un auto en el hogar, tres o más empleados en el hogar y un auto en el hogar. Y en aquellos hogares con dos empleados en el hogar o dos o más autos en el hogar, vemos que hay una diferencia importante entre el número de viajes estimados y el número de viajes observados. Y yo lo que podría estar queriendo significar es que puede haber algún tema de no linealidad. Que nuestra simple ecuación planteada en nuestro modelo de regresión lineal pudiera estar errónea. Por ejemplo, veamos el ejemplo que tenemos en esta transparencia. En el eje de las X tenemos graficado el ingreso del hogar. En el eje de la Y o el eje de las ordenadas tenemos graficado el número de viajes por hogar. Lo que podemos observar es que hay una relación lineal. A mayor ingreso del hogar, mayor cantidad de viajes, pero el crecimiento en los viajes cada vez es menos que proporcional. Por lo tanto, aquí tenemos claramente un ejemplo de una no linealidad, es decir, los viajes por hogar no dependen de manera lineal del ingreso del hogar. ¿Qué podemos hacer en estos casos? Uno de los casos sería transformar la variable mediante, por ejemplo, el uso del logaritmo o alguna función potencial. Otro caso también podría ser el de transformar las variables mediante el uso de variables modas, algo que veremos más adelante. En el caso particular del primer tipo de transformación que les mencioné, consideremos el caso que nosotros vimos en nuestro gráfico. Y veamos la ecuación que estamos planteado en esta transparencia. Lo que estamos diciendo es que los viajes por hogar, representados por la letra v minúscula, depende del número de personas empleadas en el hogar. El número de vehículos en el hogar y del ingreso por hogar. Fíjense que la variable ingreso por hogar, que es la variable X sub tres, cómo entra en este modelo de regresión lineal. No entra de manera lineal sino entra transformada por la variable logaritmo. En otras palabras, estamos diciendo que los viajes en el hogar son función de el logaritmo del ingreso en el hogar.