Método de experimentos de elección

El método de experimentos de elección tiene su base teórica en el modelo de elección del consumidor. De acuerdo con ^{Tudela-Mamani y Leos-Rodríguez (2018)}, ^{Lancaster (1966)} rompe con la teoría tradicional del comportamiento del consumidor al suponer que este demanda bienes en virtud de sus características, mismas que generan la utilidad. Por otra parte, la teoría de la utilidad aleatoria supone que un individuo perfectamente racional elige la alternativa que le implica una mayor utilidad. En este sentido, el método consistió en presentar conjuntos de opciones de atributos con diferentes niveles a los entrevistados, quienes debían elegir la alternativa preferida j = 1, 2, …J del conjunto de elección C, conformado por una opción constante o statu quo (situación actual) y dos planes de mejora. La elección de los entrevistados reflejó su preferencia por los atributos de una alternativa respecto a las otras dos; es decir, valoraron los cambios en los atributos de su preferencia, lo que permitió transformar sus respuestas a estimaciones en magnitudes monetarias.

La utilidad de los entrevistados, dadas sus elecciones, se representa a través de la expresión: Uij = V(Zij, Si, Mi) + εij , donde V es la función de utilidad indirecta que depende de Z _ij (niveles de los atributos), S _i (características socioeconómicas de los entrevistados) y del ingreso (M _i ), y 𝜀 _ij es el componente no observable de error aleatorio (^{Blamey, Gordon, & Chapman, 1999}).

La probabilidad de que un individuo elija la alternativa m sobre cualquier opción j del conjunto de elección C, se expresa como la probabilidad de que la utilidad de la primera sea mayor que la del resto; es decir: P [ (Uim > Uij) ∀ j ≠ m ] = P [ (Vim - Vij) > (εij - εim) ].

La función de utilidad indirecta (V) se expresa como un modelo lineal de los parámetros en la forma siguiente:

El efecto medio de un atributo es el que este tiene sobre la variable respuesta V _ij y es independiente de los efectos de los demás atributos.

Bajo el supuesto de que los términos de error son independientes e idénticamente distribuidos mediante la función de Gumbel o de valor extremo tipo I, la probabilidad de elegir la alternativa m se expresó con un modelo logit multinomial (LMN) que contiene los atributos a valorar y las características de los individuos (^{McFadden, 1974}). En dicho modelo, ω representa el parámetro de escala no estimable independientemente de los parámetros de la función (^{Álvarez-Farizo, Gil, & Howard, 2005}):

P [ (Uim > Uij) ∀ j ≠ m ] = expω(vim)(xim)∑expω(vij)(xij)

Una de las características del LMN es el supuesto implícito de independencia de las alternativas irrelevantes (IIA por sus siglas en inglés) que indica que las perturbaciones son independientes y homocedásticas. Cuando este supuesto no se cumple se tienen resultados sesgados (^{Louviere, Hensher, & Swait, 2000}), por lo que se debe aplicar la prueba de Hausman y McFadden (^{Greene, 2003}).

Los parámetros estimados del modelo aditivo pueden interpretarse como efectos marginales del atributo del bien a valorar sobre la probabilidad de elegir uno de los planes; en este sentido, la disponibilidad marginal a pagar (DAPMg) es la disponibilidad a pagar por un cambio unitario en cada una de las áreas de intervención, mientras que el resto se mantiene constante. La disposición al pago por un cambio marginal en cualquiera de los atributos analizados resulta de dividir el coeficiente estimado de cada atributo (-β _i ) entre el coeficiente del atributo tarifa (γ) (^{Alpizar, Carlsson, & Martinsson, 2001}).

Procedimiento del experimento de elección

Previo a la aplicación del experimento de elección fue necesario hacer un diagnóstico de la situación ambiental y del manejo del ANP. Para ello se sostuvieron reuniones y se aplicaron entrevistas al personal responsable de la administración del parque y autoridades locales; además, se hizo un taller de diagnóstico participativo con pobladores y prestadores de servicios turísticos para identificar los aspectos más relevantes de la actividad recreativa. La problemática encontrada fue la siguiente:

Selección de atributos y niveles

A partir del diagnóstico anterior se sostuvieron reuniones de trabajo con autoridades de la CONANP (especialistas en manejo de las ANP) y el grupo de investigación con la finalidad de determinar los atributos o áreas de intervención a evaluar y sus niveles de intervención (a partir de situaciones viables, realistas y en la espera de cubrir las posibles preferencias de los entrevistados). Lo anterior implicó el planteamiento de mejoras en las características del bien en su condición actual; es decir, pasar de la situación actual a una situación con intervención. Por ejemplo, el atributo “protección a la biodiversidad” en su condición actual (statu quo) revela hábitat fragmentado y cacería de fauna silvestre, debido a la poca o nula vigilancia por lo que fue denominado nivel “insuficiente”. El primer nivel de intervención, identificado como nivel “bueno”, consistió en incrementar la vigilancia y reforestar con especies nativas con el fin de mitigar la fragmentación del hábitat; el segundo nivel, identificado como nivel “excelente” incluyó el monitoreo de especies e implementación de seguro ganadero para los pobladores con la finalidad de evitar la cacería de depredadores (felinos). El resto de los atributos y niveles se presentan en el Cuadro 1.

Para determinar los niveles del atributo precio se aplicó una prueba piloto sobre la disposición a pagar. Esta consistió en probar un cuestionario y preguntar abiertamente a los entrevistados por la tarifa que estarían dispuestos a pagar por su entrada al parque después de una situación de mejora en las condiciones actuales. Los niveles resultantes fueron 10, 15, 20 y 25 MXN, valores por debajo de la cuota de entrada establecida (30.34 MXN) en la Ley Federal de Derechos para 2016 (^{Congreso de la Unión, 2015}).

De acuerdo con el número de atributos y niveles existen 324 combinaciones posibles [(3 x 3 x 3 x 3) (4)], situación improbable de realizar, por lo que se recurrió al análisis factorial fraccionado a través del diseño ortogonal en el paquete estadístico SPSS® (^{IBM SPSS Statistics, 2015}) para minimizar la correlación entre los atributos (^{Bennett & Adamowicz, 2001}). Se generaron 25 planes que representan escenarios óptimos, ortogonales y equilibrados (cada nivel aparece en el atributo el mismo número de veces); sin embargo, un plan resultó inconsistente (los niveles de los atributos son idénticos a la situación sin intervención, pero asociado a un nivel de tarifa) por lo que se desechó quedando únicamente 24 planes.

Muestra y obtención de los datos

El tamaño de muestra se estimó a partir del muestreo simple aleatorio con la metodología de proporción poblacional para poblaciones finitas. De acuerdo con la bitácora de registro, en el 2015 acudieron 5 240 visitantes al PNLM, por lo que se estimó un universo muestral de 1 310 jefes de familia, tomando en cuenta que el tamaño promedio en México es de cuatro integrantes (^{Consejo Nacional de Población [CONAPO], 2012}). La información se colectó en los sitios de mayor afluencia turística durante las tres temporadas altas del 2016 (semana santa, verano y época decembrina), a través de 144 entrevistas a jefes de familia, de las cuales solo 141 fueron válidas (en promedio 12 personas respondieron a cada una de las 12 versiones del cuestionario).

Codificación de los atributos a valorar

Previo al procedimiento de estimación, los atributos a valorar se codificaron para determinar los efectos de conformidad con el proceso desarrollado por ^{Holmes y Adamowics (2003)}. Para cada atributo se generaron tres niveles: excelente, bueno e insuficiente; el último corresponde a la situación actual, lo que implica que en el análisis econométrico únicamente se trabaje con las opciones excelente y buena (para evitar problemas de multicolinealidad) (^{Greene, 2003}). Para la construcción de las variables del atributo Protección a la Biodiversidad (PB), cuando el entrevistado elige el nivel “excelente” se asigna el valor de 1 a EPB y 0 a BPB; si elige el nivel “bueno” entonces se asigna el valor de 1 a BPB y 0 a EPB, como se muestra en el Cuadro 3. La última situación es que el entrevistado elija la opción “insuficiente”, en este caso la variable se codifica con -1 (^{Holmes & Adamowics, 2003}; ^{Tudela, 2010}; ^{Tudela-Mamani & Leos-Rodriguez, 2018}). El resto de los atributos se codifican de la misma manera.

Análisis econométrico de la valoración de los atributos

A partir de los datos codificados se hizo el análisis econométrico para estimar los parámetros con el procedimiento de estimación de máxima verosimilitud (^{Greene, 2003}), a través de un LMN (^{Riera & Mogas, 2006}; ^{Tudela, 2010}) con el software estadístico R^® (R Core Team, 2016) y los paquetes support.CEs (^{Aizaki, 2012}) y survival (^{Therneau, 2015}). Dos modelos se generaron; el primero consideró los efectos cruzados entre las características socioeconómicas de los usuarios y las constantes específicas para cada alternativa de elección (modelo con interacciones). Tanto el nivel de ingresos como la educación mostraron una relación directa y significativa; sin embargo, ante posibles problemas de correlación muestral se eligió el modelo aditivo o sin interacciones, el cual presentó mejor ajuste.

El Cuadro 5 muestra los principales resultados de los modelos econométricos completo y reducido. Para este último solo se eligieron las variables con nivel de significancia superior al 90 % (P ≤ 0.1), mismas que presentaron signo positivo para el caso de los atributos-niveles y negativo en el caso de la tarifa de entrada. En el modelo reducido, las variables más significativas fueron BPB, ESF, EVA, Tarifa (P ≤ 0.01) y BSF (P ≤ 0.05). Ninguna de las variables relacionadas con el atributo creación y mejoramiento de los espacios para la recreación (EER y BER) resultaron estadísticamente significativas. Se considera que hubo un buen ajuste en términos de pseudo R²-ajustado (0.25), ya que se encuentra dentro del rango recomendado para este tipo de estudios (0.20 a 0.40) y que equivale a una R² de 0.70 a 0.90 para el caso de la regresión por mínimos cuadrados ordinarios (^{Álvarez-Farizo et al., 2006}; ^{Tudela, 2010}). Por su parte, la prueba de Chi-cuadrado rechaza la hipótesis de que las pendientes del modelo son iguales a cero (P ≤ 0.01).

El modelo aditivo indica que el nivel de utilidad que los entrevistados perciben incrementa si se aplican las mejoras propuestas en las áreas de intervención; es decir, valoran las mejoras en sanidad forestal, vías de acceso y protección a la biodiversidad y excluyen la mejora en los espacios de recreación. Por otro lado, se confirma que el nivel de utilidad de los encuestados disminuye ante tarifas más altas de entrada al PNLM, lo cual es consistente con la teoría económica.

Por otra parte, la prueba de Hausman y McFadden (^{Greene, 2003}) generó los resultados siguientes: Plan A = 6.3557, Plan B = 9.2799 y statu quo = 2.3938. En los tres casos, el estadístico fue menor que el valor crítico de Chi-cuadrado (P ≤ 0.05; gl = 5, X² = 11.0705), lo que demostró que no hubo evidencia estadística suficiente para rechazar la restricción del IIA y que el modelo LMN es apropiado.

Análisis de la disponibilidad a pagar marginal

Los coeficientes obtenidos de los parámetros del modelo logit condicional aditivo se sustituyeron en la fórmula de la DAPMg para cada atributo. Los resultados muestran que los entrevistados asignaron mayor DAPMg a las mejoras en las vías de acceso y sitios de estacionamiento en un nivel bueno (13.74 MXN). Este dato difiere con lo reportado por ^{Tudela (2010)}, quien encontró que los visitantes al Parque Nacional Molino de Flores en el Estado de México valoran menos este atributo; sin embargo, el resultado es congruente con las respuestas a la pregunta directa que se hizo a los visitantes sobre las prioridades para crear mejores condiciones en la actividad turística, y con lo encontrado en los talleres de diagnóstico participativo. Esto refleja una necesidad real generalizada, tomando en cuenta que las condiciones de acceso al sitio son por vía de terracería en un trayecto de 6 km aproximadamente.

A pesar de que el atributo protección a la biodiversidad es importante, ya que genera estabilidad en el ecosistema y permite que los usuarios dispongan de belleza escénica, los entrevistados mostraron mayor nivel de preferencia hacia otros atributos. Es natural que estas preferencias se deban a intereses de seguridad y comodidad de forma puntual e inmediata; sin embargo, los visitantes sienten la necesidad de conservar el ambiente que posteriormente contribuirá al desarrollo económico comunitario esperado.

En segundo lugar de importancia, los encuestados ubicaron la intervención en la sanidad forestal en el nivel excelente (9.97 MXN) y otro grupo más reducido consideró pagar solo 6.54 MXN (nivel bueno). Es probable que los entrevistados priorizaran la mejora en el atributo de sanidad forestal en los dos niveles de intervención, debido a la presencia creciente de afectaciones fitosanitarias asociadas a plagas de descortezadores en el PNLM (^{CONAFOR, 2015}; ^{Del-Val & Sáenz-Romero, 2017}) e informes técnicos de saneamiento forestal en el PNLM, proporcionados por personal operativo de CONANP). La población conoce esta situación a nivel regional y pudo haber influido en la elección de los planes de mejora, considerando que 51 % de los entrevistados son originarios de municipios que conforman el PNLM.

Por otra parte, el atributo mejora en los espacios para la recreación no fue significativo (P > 0.05). Este resultado coincide con lo que reporta ^{Tudela (2010)} en su investigación de experimentos de elección en la priorización de políticas de gestión en el Parque Nacional Molino de Flores, donde los visitantes expresaron mayor preferencia por el mejoramiento de la cobertura vegetal y por la restauración de edificios antiguos. En ecosistemas boscosos de la isla Navarino en Chile, Cerda (2010) evaluó las preferencias económicas de la comunidad local ante opciones de desarrollo que suponían alguna pérdida de servicios ambientales y encontró que se favorecía un modelo de desarrollo de bajo impacto representado por turismo de baja escala. En ambos casos y en el presente estudio se observa congruencia en las preferencias por los atributos que implican mejoras ambientales. Por lo contrario, ante el aumento de la superficie de bosques en Cataluña, ^{Riera y Mogas (2006)} encontraron que el atributo de mayor valor para los usuarios fue la colecta de setas y los días de campo, mientras que el menos valorado correspondió al control de la erosión.

A partir de estos resultados, los responsables de la administración del PNLM tienen más información para diseñar las estrategias de gestión de los bienes ambientales; por ejemplo, en la planificación de las actividades ecoturísticas se deberán priorizar las mejoras en los atributos con mayores precios implícitos (sanidad forestal y protección a la biodiversidad y vías de acceso) y en segundo lugar las menos valoradas por los entrevistados (creación y mejoramiento de los espacios para la recreación). Lo anterior indica que los interrogados valoran las condiciones prístinas actuales del sitio donde se favorezca la conservación del ambiente, lo cual orienta a realizar cambios mínimos a la infraestructura turística; en este sentido, las mejoras deberán estar enfocadas únicamente en dar cumplimiento a las normas aplicables sobre turismo ecológico y turismo de aventura.

Este argumento refuerza lo señalado por ^{Martínez (2015)} y ^{Mendoza, Figueroa, y Godínez (2015)}, quienes indican que las políticas de manejo de las ANP deben abordarse con visión que incluya a todos los actores involucrados (usuarios y pobladores de las comunidades al interior del PNLM y su zona de influencia) en estos espacios de conservación del ambiente y que buscan alternativas de desarrollo en el turismo cumunitario (^{López, Favila, Hernández, Guzmán, & Osorio, 2019}). En este sentido, los experimentos de elección constituyen una herramienta útil para replicar con la finalidad de ayudar a la gestión de las políticas de manejo en los Parques Nacionales, Áreas de Protección de Flora y Fauna, y Reservas de la Biosfera, considerando que al menos 100 de las ANP de carácter federal cuentan con el potencial turístico para su visitación (^{CONANP, 2019}).