Entrega Entera Econometria Poli

Facultad de ciencias administrativas, económicas y contables
Economía
ANALISIS DE PRECIOS PARA VIVIENDAS USADAS EN BOGOTA DC
PRESENTADO POR:
ALEJANDRA CARROLL VARGAS
CARLOS ENRIQUE LUQUEZ GONZALEZ
LAURA MARCELA BLANCO GOMEZ
Bogotá, Colombia
Abril de 2018
INTRODUCCIÓN
Para entender las diversas interrelaciones de la economía es de suma importancia

el uso de herramientas econométricas que permitan comparar las hipótesis con el
escenario real, sin lugar a duda, desarrollar métodos estadísticos en los cuales se
busque conocer las relaciones entre diferentes variables puede ocasionar un
impacto significativo para los resultados que se quiera buscar, debido a que en la
medida en que la recolección de datos y la aplicación de cálculos sean los correctos,
se ofrece una predicción o dar a conocer el comportamiento de un campo que se
pretenda analizar.
Como se ha señalado inicialmente, la recolección de datos para instaurar los

diversos modelos econométricos, tiene un rol preponderante debido a que puede
tener un impacto significativo a la hora de la toma de decisiones. Los modelos que
se construyan involucrara por ende, un instrumento para promover medidas de
políticas económicas con las cuales se obtenga precisar un modo de actuar
concerniente por ejemplo al tema propuesto para este proyecto el precio de
apartamentos usados en la ciudad de Bogotá, donde estas políticas podrían estar
representadas por restricciones, impuestos y demás.
Esta primera etapa, tiene por objetivo recopilar la información referente a los precios
de vivienda usada en Bogotá, en la zona uno, nororiente, barrios: cedritos, Bella
Suiza y La Calleja y a partir de estos, dar respuesta de manera analítica a lo que
representan los valores obtenidos en dichos modelos con los cuales en una entrega
posterior se pueda explicar qué modelo representa en un buena medida el precio
de un apartamento usado en Bogotá.
CAPITULO I: DESCRIPCION
1.1 Objetivos:
1.1.1 Objetivo General.
Analizar modelos econométricos que permitan explicar el precio de una
vivienda usada en Bogotá DC.
1.1.2 Objetivos específicos

a) Proponer e interpretar diferentes métodos estadísticos que
permitan analizar el precio de los apartamentos en la ciudad de
Bogotá.
b) Explicar y argumentar el modelo seleccionado, para explicar el
precio de un apartamento usado en Bogotá.
c) Dar solución a los interrogantes planteados.
1.2 Planteamiento:
La empresa Estadistics S.A. desea contratar a un asesor para llevar a cabo un
proyecto de investigación sobre el valor de precios de los apartamentos en Bogotá.
Para ello, abre una licitación donde se le pide a cada asesor desarrollar dicho
proyecto, que consta de dos etapas y en el que se hace uso de herramientas
econométricas. Dependiendo de la calidad del proyecto la empresa decide el
grupo a contratar. Las dos etapas del proyecto son:
1. Primera etapa, cada asesor realizará un trabajo de recopilación de datos.
2. Segunda etapa, cada asesor realizará un trabajo final en dónde responderá a

interrogantes empíricos pertinentes.
CAPITULO II: RECOLECCIÓN DE DATOS
PRIMERA ETAPA
2.1 Población a estudiar: Apartamentos usados, Zona 1, zona nororiente de

Bogotá, opción 2: Cedritos, Bella Suiza, La Calleja
Fuentes de información:
 Metro Cuadrado - http://www.metrocuadrado.com/

 Finca Raíz - https://www.fincaraiz.com.co/
2.2 Muestra: Se construyó una base de datos con un total de 100 observaciones.
Durante la primera etapa del proyecto se recopilo los siguientes datos para cada
observación:
•Valor del inmueble en millones de pesos
•Metros cuadrados
•Número de habitaciones
•Número de garajes (si aplica)
•Años de construido (antigüedad)
•Valor de la administración (si aplica)
•Si esta para remodelar o esta remodelado (1 si esta remodelado y 0 en caso

contrario)
ZONA I NORORIENTE DE BOGOTÁ
OPCIÓN 2 - CEDRITOS
N° Años de Valor
Observación Valor M2 Habitaciones N° garajes construido Admon Remodelar Fuente
Cedritos $ 330 000 000 74 4 1 16 1 www.fincaraiz.com.co/
Cedritos $ 267 000 000 56 1 1 4 $170 000 1 www.fincaraiz.com.co/
Cedritos $ 235 000 000. 54 2 1 16 $177 000 1 www.fincaraiz.com.co/
Cedritos $ 355 000 000 85 3 1 5 $306 000 1 www.metrocuadrado.com/
OPCIÓN 2 - BELLA SUIZA
N° Años de Valor
Observación Valor M2 Habitaciones N° garajes construido Admon Remodelar Fuente
Bella Suiza $ 830 000 000 129 2 2 1 $457 000 1 www.fincaraiz.com.co/
Bella Suiza $ 348 000 000 62 2 2 8 1 www.fincaraiz.com.co/
Bella Suiza $ 1 260 000 000. 176 3 2 1 $414 000 1 www.fincaraiz.com.co/
Bella Suiza $ 460 000 000 104 2 2 20 $480 000 1 www.metrocuadrado.com/
OPCIÓN 2 - LA CALLEJA
N° Años de Valor Remodela
Observación Valor M2 Habitaciones N° garajes construido Admon r Fuente
La Calleja $ 730 000 000 127 3 1 9 $477 000 1 www.fincaraiz.com.co/
La Calleja $ 1 290 000 000 194 3 3 5 $780 000 1 www.fincaraiz.com.co/
La Calleja $ 700 000 000 119 3 2 10 $485 000 1 www.metrocuadrado.com/
La Calleja $ 2 100 000 000 286 3 3 20 $1 284 300 1 www.metrocuadrado.com/
La Calleja $ 1 250 000 000 168 3 2 15 $768 000 1 www.metrocuadrado.com/
La Calleja $ 1 000 000 000 230 3 3 10 1 www.metrocuadrado.com/
CAPITULO III: ESTIMACIÓN MODELO ECONOMÉTRICO
SEGUNDA ETAPA
De acuerdo a la primera etapa previa de recolección de datos de Apartamentos
usados en la zona 1, nororiente de Bogotá, opción 2 (Cedritos, Bella Suiza, La
Calleja), se estableció una muestra de 100 observaciones que busca poner en
consideración la diversidad de los aspectos frente a los precios llevándolo a un
análisis comparativo con el objetivo de estimar el efecto del área sobre el precio de
un apartamento usado en Bogotá y de ofrecer una perspectiva general, para ello,
se consideró los siguientes modelos:
3.1. MODELO 1
𝑳𝒐𝒈 𝒑𝒓 = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒖𝒔𝒐 + 𝜷𝟑 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔 + 𝝁
En donde:
𝑳𝒐𝒈 𝒑𝒓 = Logaritmo del precio del apartamento

𝜷𝟏 𝒂𝒓𝒆𝒂 = Metros cuadrados del inmueble
𝜷𝟐 𝒖𝒔𝒐 = Número de años de uso del apartamento
𝜷𝟑 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔 = Número de Habitaciones del apartamento
Los valores entre paréntesis se refieren a los errores estándar
n = Numero de observaciones
𝑹𝟐 = Ajuste de bondad
Empleando las 100 observaciones sobre los apartamentos usados en Bogotá en la

zona ya identificada de la base de datos recopilado, se emplearon variables
relacionadas con el área, años de uso y número de habitaciones para así buscar
explicar el precio del apartamento en términos porcentuales.
̂𝒂𝒑𝒕𝒐) = 𝟏𝟖, 𝟕𝟐𝟎 + 𝟎, 𝟎𝟎𝟖𝟓 𝒂𝒓𝒆𝒂 − 𝟎, 𝟎𝟎𝟐𝟔𝟕 𝒖𝒔𝒐 − 𝟎, 𝟎𝟎𝟕𝟎𝟓 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔

𝑳𝒐𝒈(𝒑𝒓
(0,25) (0,00066) (0,0089) (0,10009)
n = 100, 𝑹𝟐 = 0,699, 𝑹𝟐 𝒂𝒋𝒖𝒔𝒕𝒂𝒅𝒐 = 0,690
En un inicio se prevé que cada metro cuadrado adicional en un apartamento usado
genera un incremento de 0.86% en el precio del apartamento usado siempre y en
cuando los coeficientes tengan una interpretación porcentual, iniciando por el
coeficiente a la variable metros cuadrados y manteniendo la antigüedad del
apartamento y n habitaciones constantes
Por otra parte, en cuanto a la variable de la antigüedad del apartamento se refiere,
implica que el precio del inmueble se reduce en alrededor de 0.27% por cada año
de antigüedad adicional del apartamento manteniendo constantes n habitaciones y
los metros cuadrados.
Interrogante ¿Es cierto que el valor de un apartamento aumenta en relación

con el área manteniendo constante la antigüedad y número de alcobas?
Tal como se demostró anteriormente, el valor del apartamento tiende a incrementar

por cada metro cuadrado adicional, por lo contrario se refleja que los coeficientes
que acompañan a la antigüedad del apartamento y n habitaciones no influyen en un
aumento del precio según el aporte de este modelo.
Significancia
Por medio del estadístico t se puede llegar a comprender que variables son
significativas, usando una alternativa de dos colas. El valor critico al 5% es
aproximadamente 1,96 ya que el número de grados de libertad es (100 – 4 = 96) el
cual es suficientemente grande para emplear la aproximación normal estándar. El
valor crítico de 1% es más o menos 2,58.
El estadístico t para “área” es 12,87, el cual es estadísticamente significativo dentro
de este modelo. El estadístico de “uso” es -0,3, significando esto que su peso dentro
del modelo es estadísticamente insignificante, aspecto que se refleja de igual
manera para el coeficiente “numero de alcobas” cuyo estadístico t es -0,070. Por lo
anterior, se puede decir que el coeficiente “área” es estadísticamente significativo a
cualquier nivel de significancia convencional, mientras que los otros coeficientes no
ejercen un efecto explicativo sobre el precio del apartamento.
Intervalo de confianza del 95% para cada una de las variables

Los grados de libertad para realizar el intervalo de confianza son n – k – 1= 100 – 3
– 1 = 96, por lo cual, el percentil 97,5 en la distribución t student para calcular el
96
intervalo al 95% es 𝑡97,5% = 1,96.
Teniendo en cuenta lo anterior, lo limites inferior y superior de un intervalo de
confianza están dados por: 𝛽−𝑗 ≡ 𝛽̂𝑗 − 𝑐 ∗ 𝑒𝑒(𝛽̂𝑗 ) y 𝛽−𝑗 ≡ 𝛽̂𝑗 + 𝑐 ∗ 𝑒𝑒(𝛽̂𝑗 ).
Intervalo de confianza para el coeficiente de la variable metros cuadrados:

𝐿𝑖 : 0,0085 − (1,96) ∗ (0,00066) = 0,007206
𝐿𝑠 : 0,0085 + (1,96) ∗ (0,00066) = 0,009793
Analizando los resultados del intervalo de confianza del 95% se puede confirmar
que manteniendo constante el N° de años de antigüedad y el número de
habitaciones en el modelo, por cada metro cuadrado adicional el valor del
apartamento puede aumentar entre un 0,72% y un 0,98%.
Intervalo de confianza para el coeficiente de la variable años de antigüedad:

𝐿𝑖 : 0,00267 − (1,96) ∗ (0,0089) = −0,014774
𝐿𝑠 : 0,00267 + (1,96) ∗ (0,0089) = 0,20114
Lo anterior indica, que con una confianza del 95% manteniendo el área y numero
de alcobas contantes, por cada año adicional de uso que se haga del apartamento,
el precio promedio del mismo disminuirá entre un -1,48% y 20,11%.
Intervalo de confianza para el coeficiente de la variable número de

habitaciones:
𝐿𝑖 : 0,00705 − (1,96) ∗ (0,10009) = −0,189126
𝐿𝑠 : 0,00705 + (1,96) ∗ (0,10009) = 0,203226
Manteniendo constante el área y el uso en el modelo descrito, la utilización de un

intervalo de confianza al 95% indica que por cada habitación adicional que tenga el
apartamento, el precio promedio del mismo se reduce entre un -18,91% y 20,32%.
Hecho que hace poco viable este modelo puesto que no se puede llegar a aseverar
que entre menos habitaciones tenga un apartamento usado mayor será su precio.
3.2. MODELO 2
Usando la base de datos de la primera etapa se recurrió a las variables: años de

antigüedad y número de habitaciones para explicar el precio del apartamento usado
en Bogotá.
𝑷𝒓 = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒖𝒔𝒐 + 𝜷𝟑 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔 + 𝝁
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = −𝟐𝟐𝟒𝟕𝟔𝟖𝟎𝟏, 𝟑𝟑 + 𝟏𝟎𝟕𝟓𝟕𝟗𝟔𝟑, 𝟗𝟔 𝒂𝒓𝒆𝒂 − 𝟏𝟒𝟖𝟗𝟒𝟎𝟗𝟗, 𝟐𝟎 𝒖𝒔𝒐
− 𝟏𝟒𝟒𝟑𝟒𝟗𝟓𝟔𝟕, 𝟔𝟎 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔
(230756061,52) (594897,64) (8049339,87) (90125786,55)
n = 100, 𝑹𝟐 = 0,810, 𝑹𝟐 𝒂𝒋𝒖𝒔𝒕𝒂𝒅𝒐 = 0,804
Interpretando este modelo, se halla que manteniéndose las variables en cero, el

costo promedio de un apartamento usado tiene un precio negativo de
aproximadamente $ 22.000.000, sin embargo, como se mencionó anteriormente, no
aplica a la realidad, puesto que al mantener constante el Número de años de
antigüedad y el número de habitaciones puede expresarse que por cada metro
cuadrado adicional que tenga un apartamento usado, el precio promedio del mismo
aumenta en $ 10.757.963.
Pese a interpretar los años de antigüedad, se halla que manteniendo los metros
cuadrados y el número de habitaciones constantes, cada año adicional de
antigüedad que tenga el apartamento, el precio puede decrecer $ 14.894.099,
aspecto que de igual manera se observa para el numero de habitaciones cuando
manteniendo constante la antigüedad en años y el área, el precio disminuye. Este
último aspecto no constituye una posición realista.

El modelo muestra que manteniendo constante el tiempo de antigüedad como el

número de habitaciones, el precio del apartamento aumenta por cada metro
adicional. Así mismo, el precio del apartamento usado no se incrementa al tener
más años de antigüedad y mayor número de habitaciones. El precio del
apartamento disminuye por cada año adicional de antigüedad que tenga, sin
embargo, se encuentra que el número de habitaciones disminuye el precio del
apartamento.
En el análisis de las variables estadísticamente significativas se calcula el

estadístico t, empleando una alternativa de dos colas. El valor critico al 5% es
aproximadamente 1,96 ya que el número de grados de libertad es (100 – 4 = 96) el
cual es suficientemente amplio para utilizar la aproximación normal estándar. El
valor crítico de 1% es más o menos 2,58.
El estadístico t para “metros cuadrados” es 18,08, el cual es estadísticamente
significativo dentro de este modelo. El estadístico de “antigüedad” es –1,85,
significando que es estadísticamente bajo, aspecto que se muestra para el
coeficiente “número de habitaciones” cuyo estadístico t es -1,60. Por lo mismo, se
puede decir que el coeficiente “metros cuadrados” es estadísticamente significativo
a cualquier nivel de significancia convencional, mientras que los otros coeficientes
no tienen un fuerte poder explicativo sobre el precio del apartamento.
Antes de realizarse el estudio se creía que, por cada metro adicional el precio
promedio del inmueble aumentaba en $ 800.000. La evidencia en la muestra
¿reafirma o contradice lo que se creía?
Inicialmente se usa el modelo estimado para construir si el precio promedio del

inmueble aumenta en $800.000, para ello se cuenta con las siguientes
características: 1 metro cuadrado, 1 año de antiguedad y 1 habitación.
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = −𝟐𝟐𝟒𝟕𝟔𝟖𝟎𝟏, 𝟑𝟑 + 𝟏𝟎𝟕𝟓𝟕𝟗𝟔𝟑, 𝟗𝟔 (𝟏) − 𝟏𝟒𝟖𝟗𝟒𝟎𝟗𝟗, 𝟐𝟎 (𝟏)
− 𝟏𝟒𝟒𝟑𝟒𝟗𝟓𝟔𝟕, 𝟔𝟎 (𝟏)
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = -$ 170.962.505
Se evidencia que la muestra contradice la afirmación debido a que cada metro

cuadrado, año de antiguedad y habitación adicional hacen que el precio promedio
del apartamento sea de $147.524.829, es decir, si se incrementara en una unidad
más cada uno de las variables, el resultado del modelo para el precio del
apartamento es de $ 319.448.209.

96
intervalo al 95% es 𝑡97,5% = 1,96. Teniendo en cuenta lo anterior, el límite inferior y
superior de un intervalo de confianza están dados por:
𝛽−𝑗 ≡ 𝛽̂𝑗 − 𝑐 ∗ 𝑒𝑒(𝛽̂𝑗 ) y 𝛽−𝑗 ≡ 𝛽̂𝑗 + 𝑐 ∗ 𝑒𝑒(𝛽̂𝑗 ).

𝐿𝑖 : 10757963,96 − (1,96) ∗ (594897,64) = 9591964,586
𝐿𝑠 : 10757963,96 + (1,96) ∗ (594897,64) = 11923963,33
Analizando el intervalo al 95% de confianza y manteniendo constante el número de
años de antigüedad y el número de habitaciones, por cada metro cuadrado adicional
el valor del apartamento aumentara entre 9.591.964 y 11.923.963.
Intervalo de confianza para el coeficiente de la variable antigüedad:
𝐿𝑖 : 14894099,20 − (1,96) ∗ (8049339,87) = −882606,9452
𝐿𝑠 : 14894099,20 + (1,96) ∗ (8049339,87) = 30670805,35
Analizando el intervalo al 95% de confianza y manteniendo constantes los metros
cuadrados y el número de habitaciones, se afirma que por cada año adicional de
uso que se haga del apartamento, el precio promedio del mismo disminuirá entre -
882.606 y 30.670.805.
Intervalo de confianza para el coeficiente que acompaña a la variable número

de habitaciones:
𝐿𝑖 : 144349567,60 − (1,96) ∗ (90125786,55) = −32296974,04
𝐿𝑠 : 144349567,60 + (1,96) ∗ (90125786,55) = 320996109,2
cuadrados y la antigüedad, por cada habitación adicional que tenga el apartamento,
el precio promedio disminuye entre 32.296.974 y 320.996.109.
Intervalo de 90% de confianza para el precio promedio de los apartamentos,

con 80 metros cuadrados (variables valor promedio reportado en las
estadísticas descriptivas).
Para establecer el precio promedio de apartamentos de 80 metros cuadrados

suponiendo que el apartamento tiene un año de antigüedad y una habitación se
obtiene:
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = −𝟐𝟐𝟒𝟕𝟔𝟖𝟎𝟏, 𝟑𝟑 + 𝟏𝟎𝟕𝟓𝟕𝟗𝟔𝟑, 𝟗𝟔 (𝟖𝟎) − 𝟏𝟒𝟖𝟗𝟒𝟎𝟗𝟗, 𝟐𝟎 (𝟏)
− 𝟏𝟒𝟒𝟑𝟒𝟗𝟓𝟔𝟕, 𝟔𝟎 (𝟏)
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = 𝟔𝟕𝟖𝟗𝟏𝟔𝟔𝟒𝟗
Así mismo podemos observar, que en promedio el precio de un apartamento de 80

metros cuadrados suponiendo que tiene un año de antigüedad y una habitación es
de $678.916.649. De igual manera la regresión que establece un intervalo de
confianza para el precio del apartamento es de:
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = 𝟔𝟕𝟖𝟗𝟏𝟔𝟔𝟒𝟗 + 𝟏𝟎𝟕𝟓𝟕𝟗𝟔𝟑, 𝟗𝟔 𝒂𝒓𝒆𝒂 − 𝟏𝟒𝟖𝟗𝟒𝟎𝟗𝟗, 𝟐𝟎 𝒖𝒔𝒐
− 𝟏𝟒𝟒𝟑𝟒𝟗𝟓𝟔𝟕, 𝟔𝟎 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔
(163560682,30 (594897,64) (8049339,87)
(90125786,55)
n = 100, 𝑹𝟐 = 0,810, 𝑹𝟐 𝒂𝒋𝒖𝒔𝒕𝒂𝒅𝒐 = 0,804
Suponiendo que se desea establecer un intervalo de confianza del 90%, y siendo

los grados de libertad: 100 – 4 = 96 se obtiene:
𝐿𝑖 : 678916649 − (1,64) ∗ (163560682,30) = 410677130

𝐿𝑠 : 678916649 + (1,64) ∗ (163560682,30) = 947156168
Utilizando un nivel de confianza del 90%, el apartamento de 80 metros cuadrados

de una habitación y un año de antigüedad tiene un valor entre $410.677.130 y
$947.156.168.
3.3. MODELO 3
A partir de la base de datos construida en la primera etapa se tomó de referencia

las variables: metro cuadrado, número de garajes y años de antigüedad para
exponer el precio del apartamento en términos porcentuales.
𝑳𝒏 (𝒑𝒓𝒆𝒄𝒊𝒐) = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒏ú𝒎𝒆𝒓𝒐𝒈𝒂𝒓𝒂𝒋𝒆 + 𝜷𝟑 𝒖𝒔𝒐 + 𝝁
̂
𝑳𝒏(𝒑𝒓𝒆𝒄𝒊𝒐) = 𝟏𝟖, 𝟑𝟏𝟖 + 𝟎, 𝟎𝟎𝟓𝟎𝟔 𝒂𝒓𝒆𝒂 + 𝟎, 𝟓𝟎𝟗𝟕 𝒏ú𝒎𝒆𝒓𝒐𝒈𝒂𝒓𝒂𝒋𝒆 + 𝟎, 𝟎𝟎𝟐𝟔𝟓 𝒖𝒔𝒐
(0,117) (0,000716) (0,0791) (0,00747)
n = 100, 𝑹𝟐 = 0,790, 𝑹𝟐 𝒂𝒋𝒖𝒔𝒕𝒂𝒅𝒐 = 0,783
Manteniendo constante el número de garajes y los años de antigüedad del
apartamento, se plantea que en promedio un metro cuadrado adicional aumenta en
un 0,51% aproximadamente el precio del apartamento, de igual manera
manteniendo constante el área y los años de antigüedad, teniendo un parquedadero
adicional el precio del apartamento en promedio puede incrementar en un 50,98%.
Para finalizar, si usamos el concepto Ceteris Paribus para los metros cuadrados del
apartamento y el número de garajes se podría aseverar que por cada año adicional
de antigüedad del apartamento el precio puede aumentar en un 0,27%.

Definitivamente manteniendo constantes el número de parqueaderos y el tiempo de

antigüedad, existe una relación del precio con los metros cuadrados en cuanto
mayor sea el área mayor será el precio.
En el análisis estadísticamente significativo se calcula el estadístico t, usando una
alternativa de dos colas. El valor critico al 5% es aproximadamente 1,96 ya que el
número de grados de libertad es (100 – 4 = 96) el cual es suficientemente amplio
para emplear la aproximación normal estándar. El valor crítico de 1% es más o
menos 2,58.
96
Intervalo de confianza para el coeficiente de la variable Metros cuadrados:
𝐿𝑖 : 0,00506 − (1,96) ∗ (0,000716) = 0,003656
𝐿𝑠 : 0,00506 + (1,96) ∗ (0,000716) = 0,006463
Analizando el intervalo al 95% de confianza y manteniendo constantes el número
de garajes y la antigüedad, por cada metro cuadrado adicional el valor del
apartamento aumentara entre un 0,37% y un 0,65%.
Intervalo de confianza para el coeficiente de la variable número de garajes:

𝐿𝑖 : 0,5097 − (1,96) ∗ (0,0791) = 0,354664
𝐿𝑠 : 0,5097 + (1,96) ∗ (0,0791) = 0,664736

cuadrados y la antigüedad del apartamento, por cada garaje adicional que tenga el
apartamento, el precio promedio del mismo aumentara entre 35,47% y 66,47%.
Intervalo de confianza para el coeficiente de la variable uso:
𝐿𝑖 : 0,00265 − (1,96) ∗ (0,00747) = −0,011991
𝐿𝑖 : 0,00265 + (1,96) ∗ (0,00747) = 0,017291
cuadrados y el número de garajes, por cada año adicional de uso del apartamento,
el precio promedio del mismo se aumenta entre -1,20% y 1,73%.
3.4. MODELO 4

las variables: área, número de habitaciones y número de garajes para analizar el
precio del apartamento.
𝑷𝒓𝒆𝒄𝒊𝒐 = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒏𝒉𝒂𝒃𝒊𝒕𝒂𝒄𝒊𝒐𝒏𝒆𝒔 + 𝜷𝟑 𝑵𝒐𝒈𝒂𝒓𝒂𝒋𝒆𝒔 + 𝝁
̂ = −𝟏𝟑𝟑. 𝟐𝟐𝟐. 𝟕𝟕𝟕 + 𝟏𝟎𝟕𝟒𝟕𝟑𝟔𝟔, 𝟐𝟏 𝒂𝒓𝒆𝒂 − 𝟏𝟔𝟎𝟏𝟔𝟑𝟒𝟖𝟏, 𝟗𝟏 𝒏𝒉𝒂𝒃𝒊𝒕

𝑷𝒓𝒆𝒄𝒊𝒐
+ 𝟏𝟎𝟖𝟒𝟑𝟑𝟑𝟕, 𝟒𝟕 𝑵𝒐𝒈𝒂𝒓𝒂𝒋𝒆𝒔
(243950051,35) (873074,27) (92041007,33)
(87058174,61)
n = 100, 𝑹𝟐 = 0,803, 𝑹𝟐 𝒂𝒋𝒖𝒔𝒕𝒂𝒅𝒐 = 0,797
Interpretando el modelo se puede concluir que por cada habitación adicional del
apartamento, el precio disminuye, manteniendo constante el número de garajes y la
antigüedad. En cuanto al coeficiente del número de garajes, si se mantienen
constantes las demás variables, el precio del apartamento aumenta en promedio
$10.483.337 por cada garaje adicional.

Definitivamente el precio del apartamento aumenta en promedio por cada metro

cuadrado adicional así mismo se refleja el aumento con respecto al número de
garajes, la excepción que se encuentra esta por el lado del número de habitaciones
ya que dicha variable no produce efecto alguno sobre el precio del apartamento.
En el análisis estadísticamente significativo se calcula el estadístico t, usando una

alternativa de dos colas. El valor critico al 5% es aproximadamente 1,96 ya que el
número de grados de libertad es (100 – 4 = 96) el cual es suficientemente grande
menos 2,58.
Significancia

significativo dentro de este modelo. El estadístico de “numero de garajes” es -1,74,
lo cual indica que dicha variable, no es estadísticamente significativa, para el caso
de “número de habitaciones” cuyo valor de 0,12, indicaría que este coeficiente no
es estadísticamente significativo para ejercer un papel relevante sobre el precio del
apartamento. Por lo anterior, se puede concluir que el coeficiente “metros
cuadrados” es estadísticamente significativo a cualquier nivel de significancia
convencional, ejerciendo un efecto explicativo sobre el precio del apartamento.
Inicialmente se usa el modelo estimado para construir si el precio promedio del

inmueble aumenta en $800.000, para ello se cuenta con las siguientes
características: 1 metro cuadrado, 1 año de uso y 1 habitación.
̂ = −𝟏𝟑𝟑. 𝟐𝟐𝟐. 𝟕𝟕𝟕 + 𝟏𝟎𝟕𝟒𝟕𝟑𝟔𝟔, 𝟐𝟏 (𝟏) − 𝟏𝟔𝟎𝟏𝟔𝟑𝟒𝟖𝟏, 𝟗𝟏 (𝟏)

+ 𝟏𝟎𝟖𝟒𝟑𝟑𝟑𝟕, 𝟒𝟕 (𝟏)
̂ = -$ 271.795.555
Para este caso, por cada metro cuadrado adicional el precio promedio del
apartamento es de -$ 271.795.555. Es decir, en el análisis del coeficiente de la
variable área se encuentra que por cada metro cuadrado adicional el precio
promedio del apartamento aumenta en $ 10.747.366 y no en $ 800.000 como se
afirma en el comienzo del estudio.

96
Intervalo de confianza para el coeficiente de la variable área:

𝐿𝑖 : 10747366,21 − (1,96) ∗ (873074,27) = 9036140,641
𝐿𝑠 : 10747366,21 + (1,96) ∗ (873074,27) = 12458591,78
Analizando el intervalo al 95% de confianza y manteniendo constantes el número
de habitaciones y el número de garajes, por cada metro cuadrado adicional el valor
del apartamento aumentara entre 9.036.140 y 12.458.591.
habitaciones:
𝐿𝑖 : 160163481,91 − (1,96) ∗ (92041007,33) = −20236892,47
𝐿𝑠 : 160163481,91 + (1,96) ∗ (92041007,33) = 340563856,3
cuadrados y el número de garajes, por cada habitación adicional que tenga el
apartamento, el precio promedio del mismo disminuirá entre -20.236.892 y
340.563.856.
Intervalo de confianza para el coeficiente de la variable número de garajes:
𝐿𝑖 : 10843337,47 − (1,96) ∗ (87058174,61) = 1,52832𝐸 − 07
𝐿𝑠 : 10843337,47 + (1,96) ∗ (87058174,61) = 1,52832𝐸 − 06
cuadrados y el número de habitaciones, por cada garaje adicional, el precio
promedio del apartamento se incrementa aproximadamente entre un 1,52832E-07
y 1,52832E-06.
Intervalo de 90% de confianza para el precio promedio de los apartamentos,

con 80 metros cuadrados (variables valor promedio reportado en las
estadísticas descriptivas).
Para establecer el precio promedio de apartamentos de 80 metros cuadrados

suponiendo que el apartamento tiene un garaje y una habitación se obtiene:
̂ = −𝟏𝟑𝟑. 𝟐𝟐𝟐. 𝟕𝟕𝟕 + 𝟏𝟎𝟕𝟒𝟕𝟑𝟔𝟔, 𝟐𝟏 (𝟖𝟎) − 𝟏𝟔𝟎𝟏𝟔𝟑𝟒𝟖𝟏, 𝟗𝟏 (𝟏)
+ 𝟏𝟎𝟖𝟒𝟑𝟑𝟑𝟕, 𝟒𝟕 (𝟏)
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = 𝟓𝟕𝟕𝟐𝟒𝟔𝟑𝟕𝟓
En promedio el precio de un apartamento de 80 metros cuadrados bajo los

supuestos de poseer una habitación y un garaje es de $ 577.246.375.
De igual manera la regresión que establece un intervalo de confianza para el precio
del apartamento es de:
̂ = 𝟓𝟕𝟕𝟐𝟓𝟔𝟑𝟕𝟓 + 𝟏𝟎𝟕𝟒𝟕𝟑𝟔𝟔, 𝟐𝟏 𝒂𝒓𝒆𝒂 − 𝟏𝟔𝟎𝟏𝟔𝟑𝟒𝟖𝟏, 𝟗𝟏 𝒏𝒉𝒂𝒃𝒊𝒕
+ 𝟏𝟎𝟖𝟒𝟑𝟑𝟑𝟕, 𝟒𝟕 𝑵𝒐𝒈𝒂𝒓𝒂𝒋𝒆𝒔
(161947552,24) (873074,27) (92041007,33)
(87058174,61)
n = 100, 𝑹𝟐 = 0,803, 𝑹𝟐 𝒂𝒋𝒖𝒔𝒕𝒂𝒅𝒐 = 0,797
Suponiendo que se establezca un intervalo de confianza del 90%, y siendo los

grados de libertad: 100 – 4 = 96 entonces:
𝐿𝑖 : 577256375 − (1,64) ∗ (161947552,24) = 550692389
𝐿𝑠 : 577256375 + (1,64) ∗ (161947552,24) = 842850361
Se puede concluir que un apartamento de 80 metros cuadrados con una sola
habitación y un solo garaje en promedio tiene un valor entre $550.692389 y
$842.850.351, con un nivel de confianza del 90%.
3.5. MODELO 5

las variables: Metros cuadrados, precio administración y antigüedad del
apartamento para analizar el precio.
𝑳𝒏 (𝒑𝒓𝒆𝒄𝒊𝒐) = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒖𝒔𝒐 + 𝜷𝟑 𝒗𝒂𝒍𝒐𝒓𝒂𝒅𝒎𝒊𝒏 + 𝝁
̂
𝑳𝒏(𝒑𝒓𝒆𝒄𝒊𝒐) = 𝟏𝟖, 𝟕𝟕 + 𝟎, 𝟎𝟎𝟒𝟕𝟐 𝒂𝒓𝒆𝒂 + 𝟎, 𝟎𝟎𝟎𝟔𝟒 𝒖𝒔𝒐 + 𝟖, 𝟒𝟎𝟓𝟑𝟏𝟕𝟖𝟕𝟔𝟏𝟑𝟏𝟏𝟖𝑬
− 𝟎𝟕 𝒗𝒂𝒍𝒐𝒓 𝒂𝒅𝒎𝒊𝒏
(0,12) (0,00167) (0,00875) (3,50867290813629E-
07)
n = 100, 𝑹𝟐 = 0,716, 𝑹𝟐 𝒂𝒋𝒖𝒔𝒕𝒂𝒅𝒐 = 0,708
Se puede concluir que manteniendo constante el tiempo de antigüedad y el valor de
administración, el precio del apartamento se incrementa en promedio en un 0,47%
por cada metro cuadrado adicional que pueda tener el predio. Así mismo,
manteniendo constante el valor de administración y el número de metros cuadrados;
en promedio el precio del apartamento aumenta por cada año adicional de
antigüedad del apartamento en un 0,064%, sin embargo, el costo de la
administración tiene un efecto sobre el precio.
¿Aumenta el precio del apartamento en relación con su área dejando

constante el uso y el valor por administración?
El precio de la propiedad aumenta por cada metro cuadrado adicional que tenga el
apartamento, esta particularidad también aplican para las variables antiguedad y
valor de la administración-
Significancia
Para las variables estadísticamente significativas se calcula el estadístico t, usando

una alternativa de dos colas. El valor critico al 5% es aproximadamente 1,96 ya que
el número de grados de libertad es (100 – 4 = 96) el cual es bastantemente amplio
menos 2,58.
significativo dentro de este modelo a una significancia tanto del 5% como del 1%.
El estadístico de “antiguedad” es 0,073, lo cual indica que dicha variable no es
estadísticamente significativa. En cuanto al nivel de significancia de “valor de
administración” representado por 2,39, indicaría que este coeficiente no es
estadísticamente significativo a un 1% pero si lo seria a un 5%.
96
intervalo al 95% es 𝑡97,5% = 1,96. Teniendo en cuenta lo anterior, los límites inferior
y superior de un intervalo de confianza están dados por:
𝐿𝑖 : 0,00472 − (1,96) ∗ (0,00167) = 0,0014468
𝐿𝑠 : 0,00472 + (1,96) ∗ (0,00167) = 0,0079932
Analizando el intervalo al 95% de confianza y manteniendo constantes la antigüedad
y el valor de la administración, por cada metro cuadrado adicional el valor del
apartamento aumenta entre un 0,14% y 0,80%.
Intervalo de confianza para el coeficiente de la variable antigüedad:
𝐿𝑖 : 0,00064 − (1,96) ∗ (0,00875) = −0,01651
𝐿𝑠 : 0,00064 + (1,96) ∗ (0,00875) = 0,01779
cuadrados y el valor de la administración, por cada año adicional que tenga el
apartamento, el precio promedio del mismo aumentara entre -1,65% y 1,80%.
Intervalo de confianza para el coeficiente de la variable valor de la
administración:
𝐿𝑖 : 8,40531787613118E − 07 − (1,96) ∗ (3,50867290813629E − 07)
= −159790684
𝐿𝑠 : 8,40531787613118E + 07 − (1,96) ∗ (3,50867290813629E − 07) = 181477359
cuadrados y el número de habitaciones, por cada garaje adicional, el precio
promedio del apartamento se incrementa entre $-159.790.684 y $181.477.359.
3.6. MODELO 6
A partir de la base de datos construida en la primera etapa se tomó como referencia

las variables: metros cuadrados, años de antigüedad, número de garajes y número
de habitaciones para analizar el precio.
𝑷𝒓𝒆𝒄𝒊𝒐 = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒖𝒔𝒐 + 𝜷𝟑 𝑵𝒐𝒈𝒂𝒓𝒂𝒋𝒆𝒔 + 𝜷𝟒 𝑵𝒐𝒉𝒂𝒃𝒊𝒕𝒂𝒄𝒊𝒐𝒏𝒆𝒔 + 𝝁

̂ = −𝟏𝟕𝟐𝟓𝟏𝟐𝟖𝟓, 𝟗𝟕 + 𝟏𝟎𝟕𝟗𝟑𝟕𝟒𝟑, 𝟗𝟗 𝒂𝒓𝒆𝒂 − 𝟏𝟒𝟗𝟒𝟎𝟔𝟖𝟕, 𝟔𝟖 𝒖𝒔𝒐
− 𝟒𝟗𝟕𝟏𝟗𝟎𝟔, 𝟑𝟐 𝑵𝒐𝒈𝒂𝒓𝒂𝒋𝒆𝒔 − 𝟏𝟒𝟒𝟗𝟗𝟖𝟒𝟏𝟑, 𝟖𝟕𝑵𝒐𝒉𝒂𝒃𝒊𝒕𝒂𝒄𝒊𝒐𝒏𝒆𝒔
(249115857,81) (862837,28) (8131882,92)
(86430284,35) (91296754,17)
n = 100, 𝑹𝟐 = 0,810, 𝑹𝟐 𝒂𝒋𝒖𝒔𝒕𝒂𝒅𝒐 = 0,802
Podemos observar que respecto al área, manteniéndose contante la antigüedad del

apartamento, el número de garajes y el número de habitaciones, el precio del
apartamento se incrementa en $ 10.793.743 por cada metro cuadrado adicional que
pueda tener el predio
¿Aumenta el precio del apartamento en relación con su área dejando

constante el uso, número de habitaciones y número de habitaciones?
A mayor metros cuadrados del apartamento, su valor aumentara en $ 10.797.743,

lo que significa que los metros cuadrados tiene un efecto explicativo sobre el valor
que pueda llegar a tener un apartamento usado en Bogotá.
Significancia
Para las variables estadísticamente significativas se calcula el estadístico t, usando

una alternativa de dos colas. El valor critico al 5% es aproximadamente 1,96 debido
a que el número de grados de libertad es (100 – 4 = 96) el cual es suficientemente
grande para emplear la aproximación normal estándar. El valor crítico de 1% es
más o menos 2,58.
El estadístico t para “área” es 12,50, el cual es estadísticamente significativo dentro
de este modelo. El estadístico de “uso” es -1,83, lo cual indica que dicha variable
no es estadísticamente significativa ni al 1% ni al 5
Se establece si el precio promedio del inmueble en realidad aumentaba en

$800.000, para tal efecto se tendrán en cuenta las siguientes características: 1
metro cuadrado, 1 año de uso, 1 garaje y 1 habitación.
̂ = −𝟏𝟕𝟐𝟓𝟏𝟐𝟖𝟓, 𝟗𝟕 + 𝟏𝟎𝟕𝟗𝟑𝟕𝟒𝟑, 𝟗𝟗 (𝟏) − 𝟏𝟒𝟗𝟒𝟎𝟔𝟖𝟕, 𝟔𝟖 (𝟏)

− 𝟒𝟗𝟕𝟏𝟗𝟎𝟔, 𝟑𝟐 (𝟏) − 𝟏𝟒𝟒𝟗𝟗𝟖𝟒𝟏𝟑, 𝟖𝟕(𝟏)
̂ = -$ 26.370.135
Para esta afirmación podemos asegurar que es negativa puesto que por cada metro
adicional el valor del apartamento no aumenta en 800.000 como se asegura si no
que aumenta en 26.370.000

96
intervalo al 95% es 𝑡97,5% = 1,96. Teniendo claro lo anterior, lo limites inferior y
Intervalo de confianza para el coeficiente de la variable área:

𝐿𝑖 : 10793743,99 − (1,96) ∗ (862837,28) = 9102582,921
𝐿𝑠 : 10793743,99 + (1,96) ∗ (862837,28) = 12484905,06
Analizando el intervalo al 95% de confianza y manteniendo constantes los años de
antiguedad, el número de habitaciones y el número de garajes, se puede afirmar
que por cada metro cuadrado adicional que tenga el apartamento el valor de este
aumentara entre 9.102.582 y 12.484.905.
Intervalo de confianza para el coeficiente de la variable uso:
𝐿𝑖 : 14940687,68 − (1,96) ∗ (8131882,92) = −997802,8432
𝐿𝑠 : 14940687,68 + (1,96) ∗ (8131882,92) = 30879178,2
cuadrados el número de garajes y el número de habitaciones, puede establecerse
que cada habitación adicional que tenga el apartamento puede hacer que el precio
promedio del mismo disminuya entre -997.802 y 30.879.178.
Intervalo de confianza para el coeficiente de la variable numero de garajes:
𝐿𝑖 : 4971906,32 − (1,96) ∗ (86430284,35) = −164431451
𝐿𝑠 : 4971906,32 + (1,96) ∗ (86430284,35) = 174375263,6
cuadrados, los años de antigüedad y el número de habitaciones, por cada garaje
adicional que tenga el apartamento, el precio promedio del mismo disminuirá en
promedio entre -164.431.451 y 174.375.263.
habitaciones:
𝐿𝑖 : 144998413,87 − (1,96) ∗ (91296754,17) = −33943224,37
𝐿𝑠 : 144998413,87 + (1,96) ∗ (91296754,17) = 323940052
Haciendo uso de un nivel de confianza del 95%, no sin dejar constantes el área,
el uso y el número de garajes, por cada habitación adicional que tenga el
apartamento, el precio promedio del mismo disminuirá en promedio entre -
339.432.224 y 323.940.052.
Intervalo de 90% de confianza para el precio promedio de los apartamentos

con 80 metros cuadrados
Bajo el supuesto de que se quisiese establecer el precio promedio de los

apartamentos con 80 metros cuadrados, se procedió a realizar una predicción con
el modelo anteriormente establecido teniendo en cuenta que el apartamento tiene
un año de uso, un garaje y solamente una habitación. Al reemplazar estos valores
en el modelo se tendría:
̂ = −𝟏𝟕𝟐𝟓𝟏𝟐𝟖𝟓, 𝟗𝟕 + 𝟏𝟎𝟕𝟗𝟑𝟕𝟒𝟑, 𝟗𝟗 (𝟖𝟎) − 𝟏𝟒𝟗𝟒𝟎𝟔𝟖𝟕, 𝟔𝟖 (𝟏)

− 𝟒𝟗𝟕𝟏𝟗𝟎𝟔, 𝟑𝟐 (𝟏) − 𝟏𝟒𝟒𝟗𝟗𝟖𝟒𝟏𝟑, 𝟖𝟕 (𝟏)
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = 𝟔𝟖𝟏𝟑𝟑𝟕𝟐𝟐𝟔
Este valor indica entonces, que en promedio el precio de un apartamento de 80
metros cuadrados que tiene un año de uso, un solo garaje y tan solo una habitación
es de $ 681.337.226. Llevando a cabo la nueva regresión que permita establecer
un intervalo de confianza para el precio del apartamento, el modelo obtenido es:
̂ = 𝟔𝟖𝟏𝟑𝟑𝟕𝟐𝟐𝟔 + 𝟏𝟎𝟕𝟗𝟑𝟕𝟒𝟑, 𝟗𝟗 𝒂𝒓𝒆𝒂 − 𝟏𝟒𝟗𝟒𝟎𝟔𝟖𝟕, 𝟔𝟖 𝒖𝒔𝒐

− 𝟒𝟗𝟕𝟏𝟗𝟎𝟔, 𝟑𝟐 𝑵𝒐𝒈𝒂𝒓𝒂𝒋𝒆𝒔 − 𝟏𝟒𝟒𝟗𝟗𝟖𝟒𝟏𝟑, 𝟖𝟕𝑵𝒐𝒉𝒂𝒃𝒊𝒕𝒂𝒄𝒊𝒐𝒏𝒆𝒔
(169715554,92) (862837,28) (8131882,92)
(86430284,35) (91296754,17)
n = 100, 𝑹𝟐 = 0,810, 𝑹𝟐 𝒂𝒋𝒖𝒔𝒕𝒂𝒅𝒐 = 0,802
En comparación con el anterior modelo lo único que ha cambiado entre esta
regresión y la primera es el intercepto. Asumiendo que se desea establecer un
intervalo de confianza del 90%, y siendo los grados de libertad: 100 – 4 = 96 se
tendría que:
𝐿𝑖 : 681337226 − (1,64) ∗ (169715554,92) = 403003716

𝐿𝑠 : 681337226 + (1,64) ∗ (169715554,92) = 959670736
Los límites obtenidos implican, que teniendo un nivel de confianza del 90% un
apartamento de 80 metros cuadrados con una sola habitación, un solo año de uso
y un solo garaje en promedio tiene un valor entre $ 403.003.716 y $ 959.670.736.
CAPITULO IV: ARGUMENTACIÓN DEL MODELO ECONOMETRICO
TERCERA ETAPA
Dado los diferentes modelos estadísticos y las diferentes relaciones entre los
factores a estudiar, en esta etapa se pretende explicar e interpretar los resultados
de los modelos econométricos que permitieron analizar las variables de un
apartamento usado en la ciudad de Bogotá, suponiendo que no hay observaciones
directas de precios de la vivienda, pero que hay observaciones de características,
o atributos que lo acompañan y que los inmuebles se describen así por
características físicas, de área, número de habitaciones, numero de garajes entre
otros, sobre las cuales se realizan las estimaciones mediante la cual puede valorar
el precio implícito de cada característica y su impacto en el precio total.
4.1 CONCLUSIÓN
Inicialmente partimos del hecho que los precios de la vivienda no son fácilmente
observables y, por ello, se utilizan diferentes métodos para establecer los
determinantes del mismo. Así, mismo los modelos econométricos ayudan a
establecer el valor que las personas pueden llegar a dar a la vivienda usada en este
sector de la ciudad, dadas las condiciones de las observaciones estudiadas, así
como las características físicas del inmueble. En el caso de la zona Nororiente,
barrios Cedritos, La calleja y Bella Suiza de Bogotá, se puede observar que los
precios promedio del metro cuadrado de la vivienda oscilan entre $2.100.000 y
$3.232.000, adicionalmente al analizar los datos recolectados, se encontró que el
número de parqueaderos, los años de antigüedad y el valor de la administración son
variables que no tienden a afectar el precio y en cambio las variables que más
pueden llegar a afectar el precio de una vivienda es el área del apartamento y el
número de habitaciones, por ende al usar más variables para analizar el
comportamiento del precio de la vivienda, no permite una mejor estimación, toda
vez que las variables entre ellas tienen correlaciones altas, y para la mayoría de los
casos el área y el número de habitaciones condiciona las características para
establecer el precio de un inmueble.
Finalmente, cabe mencionar que la aplicación de los modelos en algunos casos,
asevero que las conclusiones inicialmente propuestas, tal como que el valor del
inmueble crecía en $800.000 por cada metro adicional, es falso, ya que su precio
varía en mayor cantidad al propuesto.
Bibliografía
- Rodríguez, C, A (2013). La econometría moderna como método de
análisis de la estructura económica; tomado de:
http://economia.uprrp.edu/DepartamentodeEconomia.html
- Pulido, A (1985); Pérez J. Modelos econométricos. Editorial
Pirámide,813 p.
- G. S. Maddala (1996). Introducción a la Econometría, Segunda Edición.
Prentice Hall Hispanoamericana, S. A; primer capítulo.
- Sánchez G (2000). Introducción a la Econometría. Facultad de Economía
de la UNAM, primera edición.
- Portillo, F (2006). Introducción a la Econometría: tomado de:
http://www.unirioja.es/cu/faporti/ieTEMA01.pdf

Entrega Entera Econometria Poli

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Entrega Entera Econometria Poli

Cargado por

Copyright:

Formatos disponibles

Facultad de ciencias administrativas, económicas y contables

ANALISIS DE PRECIOS PARA VIVIENDAS USADAS EN BOGOTA DC

Para entender las diversas interrelaciones de la economía es de suma importancia

Como se ha señalado inicialmente, la recolección de datos para instaurar los

1.1.2 Objetivos específicos

1. Primera etapa, cada asesor realizará un trabajo de recopilación de datos.

2. Segunda etapa, cada asesor realizará un trabajo final en dónde responderá a

CAPITULO II: RECOLECCIÓN DE DATOS

2.1 Población a estudiar: Apartamentos usados, Zona 1, zona nororiente de

 Metro Cuadrado - http://www.metrocuadrado.com/

•Valor del inmueble en millones de pesos

•Número de garajes (si aplica)

•Años de construido (antigüedad)

•Valor de la administración (si aplica)

•Si esta para remodelar o esta remodelado (1 si esta remodelado y 0 en caso

𝑳𝒐𝒈 𝒑𝒓 = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒖𝒔𝒐 + 𝜷𝟑 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔 + 𝝁

𝑳𝒐𝒈 𝒑𝒓 = Logaritmo del precio del apartamento

Empleando las 100 observaciones sobre los apartamentos usados en Bogotá en la

̂𝒂𝒑𝒕𝒐) = 𝟏𝟖, 𝟕𝟐𝟎 + 𝟎, 𝟎𝟎𝟖𝟓 𝒂𝒓𝒆𝒂 − 𝟎, 𝟎𝟎𝟐𝟔𝟕 𝒖𝒔𝒐 − 𝟎, 𝟎𝟎𝟕𝟎𝟓 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔

Interrogante ¿Es cierto que el valor de un apartamento aumenta en relación

Tal como se demostró anteriormente, el valor del apartamento tiende a incrementar

Intervalo de confianza del 95% para cada una de las variables

Intervalo de confianza para el coeficiente de la variable metros cuadrados:

Intervalo de confianza para el coeficiente de la variable años de antigüedad:

Intervalo de confianza para el coeficiente de la variable número de

Manteniendo constante el área y el uso en el modelo descrito, la utilización de un

Usando la base de datos de la primera etapa se recurrió a las variables: años de

Interpretando este modelo, se halla que manteniéndose las variables en cero, el

Interrogante ¿Es cierto que el valor de un apartamento aumenta en relación

El modelo muestra que manteniendo constante el tiempo de antigüedad como el

En el análisis de las variables estadísticamente significativas se calcula el

Inicialmente se usa el modelo estimado para construir si el precio promedio del

Se evidencia que la muestra contradice la afirmación debido a que cada metro

Intervalo de confianza del 95% para cada una de las variables

Los grados de libertad para realizar el intervalo de confianza son n – k – 1= 100 – 3

Intervalo de confianza para el coeficiente de la variable metros cuadrados:

Intervalo de confianza para el coeficiente que acompaña a la variable número

Intervalo de 90% de confianza para el precio promedio de los apartamentos,

Para establecer el precio promedio de apartamentos de 80 metros cuadrados

Así mismo podemos observar, que en promedio el precio de un apartamento de 80

Suponiendo que se desea establecer un intervalo de confianza del 90%, y siendo

𝐿𝑖 : 678916649 − (1,64) ∗ (163560682,30) = 410677130

Utilizando un nivel de confianza del 90%, el apartamento de 80 metros cuadrados

A partir de la base de datos construida en la primera etapa se tomó de referencia

𝑳𝒏 (𝒑𝒓𝒆𝒄𝒊𝒐) = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒏ú𝒎𝒆𝒓𝒐𝒈𝒂𝒓𝒂𝒋𝒆 + 𝜷𝟑 𝒖𝒔𝒐 + 𝝁

Interrogante ¿Es cierto que el valor de un apartamento aumenta en relación

Definitivamente manteniendo constantes el número de parqueaderos y el tiempo de

Intervalo de confianza para el coeficiente de la variable número de garajes:

Analizando el intervalo al 95% de confianza y manteniendo constantes los metros

A partir de la base de datos construida en la primera etapa se tomó de referencia

𝑷𝒓𝒆𝒄𝒊𝒐 = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒏𝒉𝒂𝒃𝒊𝒕𝒂𝒄𝒊𝒐𝒏𝒆𝒔 + 𝜷𝟑 𝑵𝒐𝒈𝒂𝒓𝒂𝒋𝒆𝒔 + 𝝁

̂ = −𝟏𝟑𝟑. 𝟐𝟐𝟐. 𝟕𝟕𝟕 + 𝟏𝟎𝟕𝟒𝟕𝟑𝟔𝟔, 𝟐𝟏 𝒂𝒓𝒆𝒂 − 𝟏𝟔𝟎𝟏𝟔𝟑𝟒𝟖𝟏, 𝟗𝟏 𝒏𝒉𝒂𝒃𝒊𝒕

Interrogante ¿Es cierto que el valor de un apartamento aumenta en relación

Definitivamente el precio del apartamento aumenta en promedio por cada metro

En el análisis estadísticamente significativo se calcula el estadístico t, usando una

El estadístico t para “metros cuadrados” es 12,30, el cual es estadísticamente

Inicialmente se usa el modelo estimado para construir si el precio promedio del

̂ = −𝟏𝟑𝟑. 𝟐𝟐𝟐. 𝟕𝟕𝟕 + 𝟏𝟎𝟕𝟒𝟕𝟑𝟔𝟔, 𝟐𝟏 (𝟏) − 𝟏𝟔𝟎𝟏𝟔𝟑𝟒𝟖𝟏, 𝟗𝟏 (𝟏)

Intervalo de confianza del 95% para cada una de las variables

Los grados de libertad para realizar el intervalo de confianza son n – k – 1= 100 – 3

Intervalo de confianza para el coeficiente de la variable área:

Intervalo de 90% de confianza para el precio promedio de los apartamentos,

Para establecer el precio promedio de apartamentos de 80 metros cuadrados