El proceso de intercepción de lluvia por la masa arbórea, como componente del ciclo hidrológico en áreas forestales, está determinado, entre otras causas, por las condiciones climáticas, orográficas y por las características de la vegetación. Se presentan resultados de un programa de investigación que tiene como objetivo medir las cantidades de lluvia que interceptan tres comunidades forestales, en la cuenca hidrológico-forestal Río Texcoco. Se establecieron tres módulos de investigación con una superficie de 1.0 ha, en bosques de alta montaña ubicados en un intervalo altitudinal de 2 850 a 3 650 msnm. En cada una, se realizaron mediciones dendrométricas: como diámetro normal, altura total y de fuste limpio, de cada árbol a partir de 7.5 cm de diámetro normal. Durante los periodos de lluvia de los años 2009, 2010 y 201, se realizaron mediciones de precipitación, y se determinaron las cantidades de precipitación y su distribución por periodo de lluvias. Para las mediciones de precipitación total, se emplearon dos pluviómetros ubicados fuera los módulos. La intercepción se midió con 75 pluviómetros de lectura directa distribuidos aleatoriamente bajo el dosel. La precipitación-intercepción se registraron por evento de lluvia. Las cantidades interceptadas por las copas de los árboles se expresaron como porcentajes, para cada uno de los grupos estudiados: oyamel (26.1 %), encino (21.7 %) y pino (19.2 %). Se generaron los modelos estadísticos de la relación: precipitación total (mm) - lluvia interceptada (%), para cada grupo.

El objetivo principal en este trabajo fue usar regresión LASSO (Least Absolute Shrinkage and Selection Operator) como método de selección de instrumentos en la estimación de mínimos cuadrados en dos etapas (Mc2E) en un sistema de ecuaciones simultáneas propuesto para realizar un análisis econométrico del mercado de carne de bovino en México en el periodo 1972-2011. Un factor determinante en el desempeño de los estimadores es el grado de correlación de los instrumentos con las variables endógenas en la primera etapa. Cuando los instrumentos son débiles, los estimadores de Mc2E son inconsistentes, sesgados, y tienen varianzas grandes; los resultados asintóticos fallan incluso con muestras grandes. Los resultados muestran que mediante lasso es posible seleccionar instrumentos relevantes, y obtener mejores estimadores que redunden en un mejor diseño de políticas.