| Summary: | Memoria para optar al título de Ingeniería Civil Industrial === Los experimentos de elección discreta, tales como análisis conjunto, son ampliamente utilizados para estimar las preferencias de los consumidores sobre ciertos productos o servicios y a través de los años han sido capaces de entregas valiosa información a los investigadores. Sin embargo, durante los últimos años ha crecido de forma considerable el interés sobre el impacto que genera el fenómeno de non-attendance o la ignorancia de atributos en la toma de decisiones de las personas. Se ha encontrado evidencia que no considerar este fenómeno genera sesgos en las estimaciones y/o bajo desempeño de los modelos. Investigadores han buscado incorporar este fenómeno, ya sea a través de preguntas directas o mediante inferencia a partir de sus respuestas.
En base a revisión bibliográfica, hasta el momento no se ha visto que los estudios realicen validaciones sobre los modelos que presentan como solución al problema y, por ende, no es posible afirmar que estos enfoques logren capturar el fenómeno de non-attendance. Debido a esto, la investigación se enfoca en estudiar el fenómeno de non-attendance mediante inferencia en los datos, proponiendo un Modelo Logit con Clase Latente y validando su desempeño contra el Modelo Logit utilizado tradicionalmente. Mediante escenarios simulados se mide la capacidad de predicción que posee el modelo sobre las probabilidades de atender los atributos. Se calculan métricas de ajuste y analizan las diferencias entre ambos modelos. Por último, se aplican ambos modelos en un set de datos reales.
Los resultados muestran que el Modelo Logit con Clase Latente es capaz de recuperar los parámetros de las simulaciones con alta precisión, así también la probabilidad de non-attendance, obteniéndose para el 92% de los casos un error bajo el 1%. Destaca un BIC y AIC bastante inferior que el Modelo Logit para casos con alta probabilidad de ignorar atributos. Resultados para datos in-sample y out-of-sample son consistentes. Además, se aplica el Modelo Logit con Clase Latente sobre datos reales obteniéndose un desempeño, según hit rate, y ajuste, según BIC y AIC, superior que el Modelo Logit.
Se concluye que siempre que se posean datos de una muestra representativa, el Modelo Logit con Clase Latente entrega ventajas sobre el Modelo Logit en las estimaciones de las preferencias de los consumidores, presentando un mejor ajuste y desempeño, tanto para casos con presencia de non-attendance como para casos donde los participantes atienden todos los atributos.
|
|---|
