Resumen

El objetivo de los modelos de distancia de viaje es entender el comportamiento de viaje
de los usuarios, de forma tal que se puedan implementar políticas para reducir la distancia de viaje y, con esto, externalidades del transporte tales como contaminación del aire, congestión y accidentes. Los modelos Bayesianos Jerárquicos ofrecen una metodología flexible para analizar el comportamiento de viaje al permitir el estudio tanto de las decisiones de corto plazo de la actividad y las selecciones de viaje así como las decisiones de largo plazo como la localización de la vivienda y el lugar de trabajo. Como la distancia de viaje está censurada en cero para una proporción importante de los datos, los parámetros obtenidos por medio de regresiones lineales convencionales están sesgados. Estimaciones no sesgadas de los parámetros pueden ser obtenidas usando modelos Tobit. El propósito de este artículo es demostrar la aplicación de modelos Tobit Bayesianos jerárquicos al análisis de la distancia de viaje, considerando la naturaleza multinivel y censurada de los datos.
Los resultados muestran que el modelo Tobit Bayesiano jerárquico tiene un desempeño
significativamente mejor que el modelo no jerárquico al medir la bondad de ajuste la Devianza t el Criterio de Información de la Devianza. Más aún, la varianza es estadísticamente muy significativa tanto para el nivel individual como para el nivel de ubicación, lo cual demuestra laimportancia de usar una metodología multinivel.
Palabras clave: Ubicación de la vivienda, ubicación de lugar de trabajo, modelos multinivel, datos censurados