Programa de Posgrado en Estadística
Permanent URI for this communityhttps://repositorio.sibdi.ucr.ac.cr/handle/123456789/174
Browse
2 results
Search Results
Now showing 1 - 2 of 2
Item Mejoramiento de la calidad y velocidad de enraizamiento de esquejes de pandano en Costa Rica(2011) Vargas Pérez, Diego; González Lutz, María IsabelCosta Rica es un país que a lo largo de su historia ha fundamentado su desarrollo económico y estabilidad nacional en el sector agrícola, según datos de la Promotora de Comercio Exterior (PROCOMER) el subsector exportador de plantas, flores y follajes representa aproximadamente un 2.4% del valor de las exportaciones costarricenses (Arias et al. 2006). Los ornamentales más comunes para la exportación son: flores, follajes y materiales de propagación. En los últimos años existe una tendencia en los mercados internacionales de importar en mayor cantidad plantas con raíz. Dentro de las plantas ornamentales de exportación se encuentran los pandanos, que son plantas semejantes a una palmera, no producen flores y en edades adultas pueden llegar a medir hasta diez metros de altura. En nuestro país existe una empresa dedicada a la exportación de pandanos a Europa, Estados Unidos y el Lejano Oriente; la experiencia en la producción de pandano para exportación no ha sido la mejor, los datos obtenidos hasta el momento indican que cerca del 50% de los esquejes de pandano mueren durante el proceso de enraizamiento, y aquellos que sí lo hacen no siempre se producen raíces de exportación, lo cual trae como consecuencia pérdidas económicas. El objetivo de este trabajo fue determinar si: la aplicación de zinc a la planta madre, el tipo de regulador de crecimiento, el tamaño del esqueje, el material de cultivo, el efecto continuado de zinc, edad de la planta madre y la dosis de regulador de crecimiento AIB, incidían en la productividad de esquejes de pandano, para así escoger los que produjeron mejores resultados respecto a sobrevivencia de los esquejes y producción de raíz. Para estudiar la variable sobrevivencia o condición del esqueje (Vivo o Muerto) se utilizó el modelo de Regresión Logística; en tanto que para analizar la variable número de raíces, se empleó un modelo deItem Efectos del desbalance en la estimación de modelos dinámicos de panel(2015) Pignataro López, AdriánLa investigación examina si el desbalance de un panel de datos, definido como la desigualdad en el número de mediciones en el tiempo por unidad espacial, genera sesgo e ineficiencia en la estimación de modelos de regresión. Se inicia destacando las fortalezas de los datos de panel así como las adecuadas especificaciones en los modelos para poder contemplar la heterogeneidad y el carácter temporal o dinámico. La teoría indica que el modelo clásico de intercepto constante es inadecuado para estos datos y que los modelos de efectos fijos y efectos aleatorios deben utilizarse únicamente en los modelos estáticos. Para los casos dinámicos se han desarrollado estimadores basados en el método de los momentos generalizados y que recurren a las variables instrumentales, como lo es el estimador Arellano-Bond. Sin embargo, los estudios previos no brindan mayor atención al desbalance y la evidencia sobre sus efectos es inconclusa. Para analizar el desbalance se proponen 40 experimentos Monte Cario diseñados con diferentes tamaños de muestra (100, 48, 24 y 12) y grados de desbalance (incluyendo uno completamente balanceado). Se compararon los coeficientes de regresión y sus respectivos errores estándar según cuatro modelos: de intercepto constante, de efectos fijos, de efectos aleatorios y del estimador Arellano-Bond. Además se ejemplificó el contraste entre modelos con un pand de participación electoral. Las simulaciones no detectaron sesgos en las estimaciones que sean producidas por el desbalance, mientras que la eficiencia sí se vio afectada. En los paneles más desbalanceados - y de menor tamaño - se observaron mayores errores estándar. Existe además gran variabilidad entre modelos: el de intercepto constante y el Arellano-Bond constituyen las opciones más ineficientes. Cuando se estiman modelos omitiendo la variable dependiente rezagada como predictora, los sesgos y los errores aumentan bajo todos los escenarios. En el caso...