ANÁLISIS DE LA FORMACIÓN DEL PRECIO DE LA VIVIENDA URBANA EN

BOGOTÁ: LOCALIDADES DE KENNEDY, FONTIBÓN Y ENGATIVÁ EN EL

ÚLTIMO BIENIO 2015-2016.

Por: John Alexander Martínez Barreto

Trabajo de grado presentado como requisito para sustentar el título de

MAGISTER EN GEOGRAFÍA

Tutor: Dr. Johan Andrés Avendaño Arias

Universidad Pedagógica y Tecnológica de Colombia

Instituto Geográfico Agustín Codazzi
Programa de Estudios de Posgrado en Geografía (EPG)
Bogotá, 2016
 RESUMEN

Bogotá D.C., al igual que las principales ciudades de Latinoamérica, afrontan un gran
crecimiento urbano, debido entre otras, al incremento poblacional, el mismo que a su
vez demanda espacios dónde asentarse. Su magnitud es tal, que no en vano UN-
Hábitat (2009) ha documentado como uno de los principales indicadores de calidad
de vida y desarrollo económico para la región, la medición de adquisición de
vivienda; con tal marco, y buscando otro tipo de aproximaciones metodológicas, el
objetivo del presente estudio se orientó a la identificación y la caracterización de un
conjunto de variables, no tradicionales, que determinan el precio de la vivienda, a la
luz de las teorías de la renta del suelo y de la localización.

Tomando como caso de estudio a las localidades urbanas de Kennedy, Fontibón y

Engativá en Bogotá D.C, se desarrolló una metodología cuantitativa, orientada por la
econometría espacial, que permitió establecer las variables que determinan el precio
de la vivienda y su influencia en la nueva configuración espacial de las mismas;
identificando de ello, entre otros, que los métodos tradicionales de avalúos poseen
vacíos explicativos sobre el precio de las viviendas respecto a las características de
localización o al otorgamiento debido de su ponderación. La investigación presentó
los resultados a partir de análisis de mapas temáticos generados en software ArcGIS
en entorno de Sistemas de Información Geográfica S.I.G, por medio del cual se
ilustra el nivel de influencia de cada variable explicativa (características físicas y
entorno) sobre el precio de la vivienda a partir de su localización, utilizando
modelación hedónica y teniendo como base el análisis de la heterogeneidad espacial.
Se recurrió a las técnicas de econometría espacial y de Regresión Geográfica
Ponderada -WGR-, técnica que permitió establecer el alto grado de correlación o
dependencia espacial del precio de la vivienda y su influencia en la renovada
configuración espacial presentada en el área de estudio.

ii
 DEDICATORIA

A mi madre Yoyita, la mejor inspiración para vivir la mejor vida, porque sin ti nunca
lo hubiera logrado, la motivación más grande para por culminar esta nueva meta, en
gratitud a todo tu amor.

A mi esposa Eli, por su incondicional amor, apoyo y comprensión.

A mis hijos Samuel, Aleja y Santi, para ustedes el motor de mi vida, lo mejor de mis
logros.

A mi alma gemela Sandy mi hermana del alma.

Saber pensar el espacio, para saber organizarse en él, para saber combatir en él...
Finalmente, no toda región montañosa y boscosa es Sierra Maestra”
Yves Lacoste

iii
 AGRADECIMIENTOS

Al profesor Johan Avendaño, por sus constantes aportes que permitieron aplicar el
rigor científico y geográfico en esta investigación.

A todas las entidades que suministraron la información base para desarrollar el

proceso metodológico y procedimental.

A todas las personas que contribuyeron con sus valiosos aportes y sugerencias en la
estructuración de este documento.

Al grupo de profesores de la maestría en geografía de UPTC- IGAC, porque con sus

conocimientos geográficos fundamentaron la elaboración de esta tesis y posicionan al
programa académico en los más tradicionales y con mejor calidad del país.

iv
v
 TABLA DE CONTENIDO

1 INTRODUCCION ............................................................................................................ 1
1.1 Justificación y Problema de Investigación ................................................................ 4
1.2 Hipótesis y Objetivos ................................................................................................ 9
2 MARCO DE REFERENCIA .......................................................................................... 10
2.1 Marco Teórico. ........................................................................................................ 10
2.1.1 Teoría Marxista. .............................................................................................. 11
2.1.2 Teoría de la localización. ................................................................................ 14
2.1.3 Teoría de la objetividad y subjetividad del valor: utilidad marginal. .............. 17
2.1.4 Teorías de Univalencia y Plurivalencia de valor............................................. 18
2.1.5 El Valor y El precio. ....................................................................................... 19
2.2 Antecedentes. .......................................................................................................... 21
2.2.1 En Europa y Estados Unidos. .......................................................................... 21
2.2.2 En Latinoamérica. ........................................................................................... 23
2.2.3 En Colombia y Bogotá D.C. ........................................................................... 24
2.3 Aspectos Metodológicos. ........................................................................................ 26
2.3.1 Tipo de diseño metodológico. ......................................................................... 26
2.3.2 Identificación de fuentes de información. ....................................................... 29
2.3.3 Identificación de variables .............................................................................. 30
2.3.4 Construcción de base de datos. ....................................................................... 31
2.3.5 Procedimiento estadístico. .............................................................................. 31
2.3.6 Efectos espaciales. .......................................................................................... 33
2.3.7 Procedimiento econométrico........................................................................... 35
2.3.8 Ecuación Hedónica. ........................................................................................ 36
2.3.9 Aplicación Regresión Ponderada Geográficamente........................................ 38
2.4 Localización y Generalidades. ................................................................................ 40
2.5 Densidad Poblacional.............................................................................................. 43
2.6 Área y usos de suelo por localidad y a nivel de UPZ.............................................. 46
2.7 Sistema de Equipamientos ...................................................................................... 50
3 CARACTERIZACIÓN DE VIVIENDAS. ..................................................................... 53

vi
 3.1 Tenencia de vivienda por Localidad. ...................................................................... 53
3.2 Vivienda por tipo. ................................................................................................... 56
3.3 Unidades de uso. ..................................................................................................... 58
3.4 Déficit de Vivienda ................................................................................................. 61
3.5 Precios de la vivienda. ............................................................................................ 62
4 ANÁLISIS DE RELACIONES ESPACIALES.............................................................. 65
4.1 Herramienta de Regresión exploratoria. ................................................................. 66
4.2 Modelo de regresión lineal de mínimos cuadrados -OLS-...................................... 66
4.3 Modelo de Regresión Geográficamente Ponderada WGR. ..................................... 83
4.3.1 Distancia a equipamientos de Salud Publica ................................................... 88
4.3.2 Distancia al Centro de Atención Inmediata CAI............................................. 90
4.3.3 Distancia a Instituciones de Policía ................................................................ 90
4.3.4 Distancia a Centros de cultura ........................................................................ 93
4.3.5 Distancia a Zona de Manejo y Preservación Ambiental ................................. 93
4.3.6 Distancia a nodos de transporte ...................................................................... 96
4.3.7 Distancia a red de cicloruta ............................................................................. 96
4.3.8 Número de baños ............................................................................................ 99
4.3.9 Número de Garajes.......................................................................................... 99
4.3.10 Calificación ................................................................................................... 102
4.3.11 Área de terreno .............................................................................................. 102
4.3.12 Área de construcción..................................................................................... 105
4.4 Comparación de los Modelos de Regresión OLS vs WGR .................................. 107
4.4.1 Puntos calientes y fríos para los modelos. .................................................... 111
4.4.2 Interpolación de modelos .............................................................................. 111
4.4.3 Significancia de variables y comprobación del modelo. ............................... 116
4.4.4 Comprobación del potencial predictivo del modelo ..................................... 117
5 DISCUSIÓN Y CONCLUSIONES .............................................................................. 123
6 LITERATURA CITADA ............................................................................................. 126

vii
 LISTA DE TABLAS

Tabla Nombre Pagina

Tabla 1 Teorías Renta del suelo 11
Tabla 2 Diferencias entre Valor y Precio 20
Tabla 3 Variables Independientes del Modelo 30
Tabla 4 Densidad Promedio poblacional 43
Tabla 5 Población por quinquenio 44
Tabla 6 Área por tipo de suelo 46
Tabla 7 Área y clasificación de UPZ Localidad Kennedy 47
Tabla 8 Área y clasificación de UPZ Localidad Fontibón 48
Tabla 9 Área y clasificación de UPZ Localidad Engativá 48
Tabla 10 Número y clasificación de equipamientos 50
Tabla 11 Tenencia de vivienda por número de hogares 56
Tabla 12 Número de viviendas por tipo 56
Tabla 13 Variables exploratorias preliminares por tipo 67
Tabla 14 Resumen modelo OLS 73
Tabla 15 Valores índices de Moran I y Z modelo OLS 80
Tabla 16 Sectores representativos con variable salud pública 88
Tabla 17 Sectores representativos con variable CAI 90
Tabla 18 Sectores representativos con variable Inst. Policía 90
Tabla 19 Sectores representativos con variable Cultura 93
Tabla 20 Sectores representativos con variable ZAMPA 93
Tabla 21 Sectores representativos con variable Nodo Transporte 96
Tabla 22 Sectores representativos con variable Red Cicloruta 96
Tabla 23 Sectores representativos con variable número de baños 99
Tabla 24 Sectores representativos con variable número de garajes 99
Tabla 25 Sectores representativos con variable calificación 102
Tabla 26 Sectores representativos con variable área terreno 102
Tabla 27 Sectores representativos con variable área construcción 105
Tabla 28 Coeficientes de los modelos OLS y GWR 107
Tabla 29 Índice de Moran I para los modelo OLS y GWR 108
Tabla 30 Valores obtenidos para un punto muestra. 117
Tabla 31 Precios de Modelos. Comprobación vivienda 1. 118
Tabla 32 Precios de Modelos. Comprobación vivienda 2. 118
Tabla 33 Precios de Modelos. Comprobación vivienda 3. 119
Tabla 34 Precios de Modelos. Comprobación vivienda 4. 119
Tabla 35 Precios de Modelos. Comprobación vivienda 5. 120
Tabla 36 Precios de Modelos. Comprobación vivienda 6. 120
Tabla 37 Precios de Modelos. Comprobación vivienda 7. 121
Tabla 38 Precios de Modelos. Comprobación vivienda 8. 121

viii
 LISTA DE FIGURAS

Figura Nombre Página

Figura 1 Diseño metodológico 27
Figura 2 Flujo de Procesos y actividades 28
Figura 3 Esquema de precios hedónicos de una vivienda 37
Figura 4 Mapa de sectores catastrales 42
Figura 5 Participación poblacional porcentual 47
Figura 6 Crecimiento densidad poblacional 45
Figura 7 Mapa de Unidades de Planeamiento Zonal 49
Figura 8 Gráfico de número de equipamientos por servicio 51
Figura 9 Mapa de Localización de equipamientos por tipo de servicio 52
Figura 10 Mapa de déficit de vivienda 55
Figura 11 Mapa de Vivienda por tipo 57
Figura 12 Mapa de Usos año 2012 60
Figura 13 Índice de precios de vivienda nueva y usada 63
Figura 14 Evolución de los precios de la vivienda nueva en Bogotá 63
Figura 15 Primer Reporte resultados modelo OLS 69
Figura 16 Reporte iteraciones intermedias resultados modelo OLS 70
Figura 17 Reporte Final resultados modelo OLS 71
Figura 18 Primera Prueba modelo OLS 74
Figura 19 Segunda Prueba modelo OLS 75
Figura 20 Tercera prueba modelo OLS 77
Figura 21 Distribución normal de residuales modelo OLS 77
Figura 22 Matriz grafico dispersión 78
Figura 23 Reporte autocorrelación Moran I Modelo OLS 79
Figura 24 Diagrama autocorrelación Moran I Modelo OLS 81
Figura 25 Mapa de residuales Std en Modelo OLS 82
Figura 26 Reporte Final resultados modelo GWR 84
Figura 27 Mapa de residuales Std en Modelo WGR 85
Figura 28 Reporte autocorrelación Moran I Modelo GWR 86
Figura 29 Diagrama autocorrelación Moran I Modelo GWR 87
Figura 30 Mapa Coeficientes salud pública, modelo GWR 89
Figura 31 Mapa Coeficientes CAI, modelo GWR 91
Figura 32 Mapa Coeficientes Inst. Policía, modelo GWR 92
Figura 33 Mapa Coeficientes Cultura, modelo GWR 94
Figura 34 Mapa Coeficientes ZAMPA, modelo GWR 95
Figura 35 Mapa Coeficientes Nodo Transporte, modelo GWR 97
Figura 36 Mapa Coeficientes Red Cicloruta, modelo GWR 98

ix
Figura 37 Mapa Coeficientes número baños, modelo GWR 100
Figura 38 Mapa Coeficientes número garajes, modelo GWR 101
Figura 39 Mapa Coeficientes variable Calificación, modelo GWR 103
Figura 40 Mapa Coeficientes variable área terreno, modelo GWR 104
Figura 41 Mapa Coeficientes variable área construcción, modelo GWR 106
Figura 42 Mapa Coeficientes residuales, modelo OLS 109
Figura 43 Mapa Coeficientes residuales, modelo GWR. 110
Figura 44 Mapa de Hot Spot, modelo OLS. 112
Figura 45 Mapa de Hot Spot, modelo WGR 113
Figura 46 Mapa de Interpolación, modelo OLS. 114
Figura 47 Mapa de Interpolación, modelo WGR. 115
Figura 48 Significancia de variables dentro del modelo. 116
Figura 49 Publicación oferta de vivienda 1. 118
Figura 50 Publicación oferta de vivienda 2. 118
Figura 51 Publicación oferta de vivienda 3. 119
Figura 52 Publicación oferta de vivienda 4. 119
Figura 53 Publicación oferta de vivienda 5. 120
Figura 54 Publicación oferta de vivienda 6. 120
Figura 55 Publicación oferta de vivienda 7. 121

x
 1 INTRODUCCION

El crecimiento poblacional que han venido afrontando las principales ciudades

latinoamericanas a lo largo de la segunda mitad del siglo XX, del cual Bogotá no es
ajena en tanto su condición de nodo receptos de población migrante, ha sido
provocado entre otras, por las difíciles situaciones económicas y de violencia en áreas
rurales (Montoya, 2006). Por lo general, las personas y grupos familiares recién
arribadas, según Avendaño (2011b), buscan en las urbes una mejor calidad de vida,
condiciones de seguridad, oportunidades de empleo formal y mejoras de su capacidad
económica, en lo que fuese el ideal de la estabilidad urbana y la apuesta de la
Industrialización por Sustitución de Importaciones ISI (Montoya, 2005).

Sin embargo, la distancia entre tales expectativas y la capacidad instalada real de las
ciudades suramericanas, especialmente en lo que respecta a la casi ausente oferta de
viviendas produjo el poblamiento y la urbanización de áreas marginales periféricas,
caracterizadas por espacios habitacionales sin condiciones ni necesidades básicas
cubiertas, con construcciones inestables y con una dominancia de la ilegalidad. Por
otra parte existe población con mejor capacidad económica la cual se establece en
barrios legalizados o en estratos bajos 1, 2 y ocasionalmente en estrato 3 (Avendaño,
2016)1. La población residente que originalmente ocupaba estas viviendas y debido a
la mayor capacidad económica acumulada durante varios años de trabajo, buscan a su
vez establecerse en estratos superiores los cuales también pueden ubicarse en sectores

1
"En 1994, en el marco de las reformas traídas por la nueva Constitución Política de 1991, se
promulga la Ley 142 del 11 de julio, que regula el Régimen de servicios públicos domiciliarios. Allí,
en su capítulo IV (Artículos 101 a 104), se estima que todos los municipios de país deben estratificar
las viviendas ubicadas en el suelo urbano en seis niveles. Esta clasificación se basa exclusivamente en
las características de las viviendas y su contexto urbanístico. La finalidad, que no era una iniciativa
nueva, pues desde los años 80´s se venía haciendo ya en Colombia, era la de tener mecanismos de
facturación diferencial de los servicios públicos, buscando que quienes tuvieran más recursos
económicos, expresados estos en el aspecto físico de su vivienda (Estratos 4, 5 y 6), subsidiaran los
servicios públicos de quienes no tenían el dinero suficiente (Estratos 1, 2 y 3). En entrevista realizada
en junio de 2011 a Rodrigo Castellanos, ex director de la subdirección de Catastro Nacional del
Instituto Geográfico Agustín Codazzi I.G.A.C., y quien en su época tuvo a cargo la propuesta técnica
de estratificación, comentaba que la diferenciación de las viviendas en 6 estratos se hizo solamente a
partir de la observación de algunas ciudades del país. Así mismo, que si bien a partir del aspecto físico
de la vivienda se podría inferir el dinero que poseía la familia, esto no era suficiente para construir un
indicador sobre las condiciones socio-económicas de los habitantes. Aun así, el gobierno colombiano
decidió dejar esta norma y apenas recientemente han habido algunos cambios en la metodología de
recolección de la información, pero ningún cambio en la conceptualización."

1
privilegiados en las periferias de la ciudad, estableciendo así una rotación y una
continua demanda de vivienda en un mercado inmobiliario heterogéneo y donde el
precio de la vivienda crece constantemente.

Tomando en cuenta tal contexto, el presente documento se orienta a estudiar el

comportamiento del precio de la vivienda y las variables que lo conforman, en 3
localidades del occidente de Bogotá DC, Kennedy, Fontibón y Engativá, dado su alto
dinamismo en el mercado inmobiliario, así como su densidad poblacional. Para ello,
se ha recurrido a la valoración de algunas de las teorías del valor del suelo y de la
localización, que luego bajo el uso de modelos econométricos, son puestos en
práctica en la zona de estudio.

Ciertamente los análisis a cerca de la formación del valor de suelo, tanto en Bogotá
como en las ciudades de la región (Jaramillo, 2009; Villarraga, 2013; Mohan, R., &
Villamizar, R, 1986; Mogollón, 2013, Santana, l., & Nuñez, l. (2011;), han sido ya
explorados, ello en el entendido que posee una relevancia para complementar los
indicadores de desarrollo socio-económico de las urbes. Uno de los hechos
interesantes que han abierto camino estos estudios, radica en que a pesar de los
nuevos retos, dentro de los que se incluye el presente trabajo, las teóricas clásicas
como por ejemplo las del valor del suelo de Karl Marx, o de localización y renta de
ubicación de Von Thunen, así como la de Berrini, son llamadas a fundamentar
actuales perspectivas de interpretación, para intentar dar explicaciones a los
novedosos retos y dinamismos que se imponen en el contexto reciente.

Así por ejemplo, Meisel y Pérez (2013) en su obra “Las ciudades colombianas y sus
atractivos”, consideran que sin desconocer las bases de las teorías de la renta, cada
vez más toman relevancia en el precio del suelo aspectos como la temperatura, las
lluvias o cercanía al mar, la cercanía a medios culturales como museos, bibliotecas,
servicios (restaurantes, hoteles, escenarios recreo-deportivos), factores de seguridad
(índices de robos, homicidios) y finalmente los económicos como bajos niveles de
pobreza o gran volumen de mano de obra calificada. La explicación radica en que el
contar con estos factores -amenities o amenidades-, son determinantes a la hora de
tomar decisiones de localización, lo que haría de una ciudad, o de una ubicación, más
atractiva que otra, pues hay una mayor capitalización de los precios de la vivienda,
contrario a su carencia o desamenities, que impactarían negativamente en ellos.

2
Desde esta perspectiva, y en el entendido de proponer el reconocimiento del
dinamismo de los factores generadores de precio, el presente trabajo de investigación
asume que es necesario involucrar amenities o dotación de servicios en el entorno
(distancias más próximas de cada vivienda a los equipamientos), como variables
incidentes en la conformación final del precio de la vivienda, a partir del uso de
modelos econométricos, para valorar la ponderación de la amenidad en cada uno de
los casos.

Dentro de los diferentes enfoques metodológicos que existen para determinar el

precio de la vivienda, se seleccionó la metodología de precios hedónicos. Dicha
metodología permite trabajar con datos de corte transversal en el que aparecen los
denominados efectos espaciales clasificados en heterogeneidad y dependencia
espacial. A partir de ello, se determinó la no estacionariedad y la correlación espacial
presentes en las variables explicativas (independientes) analizadas, para identificar la
influencia cada variable en el precio de la vivienda. En contraste, y tal como se
justificará en el texto, posteriormente se empleó la herramienta de Regresión
Ponderada Geográficamente (GWR), para generar un modelo predictivo del precio de
la vivienda en el área de estudio, representado mediante mapas temáticos elaborados
en Sistemas de Información Geográfica (S.I.G.), perspectiva que contribuyó a la
comprensión de los factores espaciales que intervienen en la fijación de los precios
inmobiliarios.

Dentro de los hallazgos fue posible documentar por ejemplo, que la distribución
geográfica de los precios de la vivienda está ligada a factores de heterogeneidad
espacial, en tanto para el área de estudio hay un crecimiento en los usos de vivienda,
comercial y dotacional, contrario al uso industrial el cual presenta decrecimiento,
generando rentas diferenciales urbanas. De la misma manera, que hay un aumento
acelerado de los precios de la vivienda tanto NPH como PH2, donde un comprador
establece sus preferencias ponderando las características funcionales y del entorno
que a él le atraigan, decisión totalmente subjetiva que incorpora algunas variables que

2
PH: Ley 675 de 2001(Agosto 3) por medio de la cual se expide el régimen de propiedad horizontal.
La presente ley regula la forma especial de dominio, denominado propiedad horizontal, en la que
concurren derechos de propiedad exclusiva sobre bienes privados y derechos de copropiedad sobre el
terreno y los demás bienes comunes, con el fin de garantizar la seguridad y la convivencia pacífica en
los inmuebles sometidos a ella, así como la función social de la propiedad.
NPH: no se encuentra bajo el régimen de propiedad horizontal.

3
puedan definir un patrón al momento de fijar el precio de la vivienda de su
preferencia.

En concordancia, el trabajo de investigación se estructura: en la primera parte se

realiza una introducción haciendo una breve descripción del problema a resolver, para
lo cual se plantean unos objetivos partiendo de las hipótesis que sugieren resolver el
problema identificado. Dentro del marco de referencia se describen los antecedentes
de estudios previos que han realizado y que han sentado bases para la formulación de
investigaciones sucesoras, que contemplan el precio de la vivienda, seguido de una
revisión teórica de los principales exponentes y sus preceptos teóricos tanto en
estudios de precio de la vivienda como de las herramientas de análisis estadístico para
explicarlo. Seguidamente se realiza un reseña del área de estudio realizando un
énfasis en el comportamiento inmobiliario de la zona y se describen las características
de las variables utilizadas, en la parte final de este apartado de marco de referencia se
definen las técnicas y modelos de estadística espacial empleados y finalmente se
realiza el análisis de los modelos obtenidos, describiendo los principales resultados
obtenidos para culminar con las principales conclusiones del estudio realizado y las
sugerencias para trabajos futuros en estas temáticas.

1.1 Justificación y Problema de Investigación

El análisis sobre el comportamiento del precio de la vivienda y las variables que lo

conforman, permite definir patrones de ocupación del suelo, definiendo su uso y
determinando las capacidades de adquisición de los probables compradores. Cuando
se logra establecer la causalidad y fluctuación en el precio de la vivienda, se pueden
obtener elementos y herramientas de planificación del espacio tanto del construido
como el proyectado. Este trabajo de investigación busca establecer cuáles son las
variables que intervienen en el precio de la vivienda en el último bienio 2015-2016 y
como se correlacionan geográficamente. La metodología definida exige la
integralidad y la completitud de la información sobre algunas variables que no
estuvieron disponibles para todo Bogotá. Por lo anterior, el área de estudio definida
se circunscribe a las localidades de Engativá, Fontibón y Kennedy, de las cuales se
logró obtener la información necesaria para aplicar el modelo de regresión lineal y
geográfico definido. Adicionalmente a ello, son localidades que concentran unos de
los más altos porcentajes poblacionales dentro de la ciudad, motivos que fueron

4
tenidos en cuenta para la selección del área objeto de este estudio: para el año 2015 la
localidad de Kennedy acumulaba el 14% del total la población capitalina, Engativá el
12% y Fontibón el 5%; es decir, cerca del 30% de la densidad poblacional de Bogotá,
la cual comparativamente respecto al área urbana, representa el 27%.

En las últimas décadas en las localidades de Kennedy, Fontibón y Engativá se

observa una de las mayores dinámicas inmobiliarias en la ciudad y una acentuada
reorganización espacial debido al emplazamiento de usos residenciales en áreas que
originalmente estaban ocupadas principalmente por usos industriales los cuales se
trasladaron a municipios vecinos del Distrito Capital debido la estimulación tributaria
promovida en los mismos3. Esta disponibilidad de suelo se constituyó en nuevos
proyectos urbanísticos y en construcciones de vivienda PH y NPH, generando una
reconfiguración espacial susceptible de analizar y caracterizar.

Sí se analizan las NPH, las cuales tienen mayor representación al interior del área de
estudio, se tiene: en Engativá, para el año 2002, el patrón predominante correspondió
a la vivienda en NPH con 95.793 unidades, 12.788.942 m2 construidos, y una
participación de 66.55%; el cual bajó a un 60.34% de participación en el año 2012.
No obstante para el mismo año registró un incremento en unidades de uso a 109.959 e
igualmente aumentó a 14.859.591 m2 construidos. Fontibón en el año 2002,
igualmente el patrón era de vivienda en NPH, con 28.653 unidades de uso con
4.160.480,47 m2 construidos y una participación de 42,52%. Para el año 2012 la
participación bajó al 30,06%, sin embargo se produce un incremento en unidades de
uso llegando a 31.725 e igualmente aumentó a 4.550.132,21 m2 construidos.
Finalmente, para Engativá en el año 2002, de la misma manera con patrón
predominante en vivienda en NPH con 102.419 unidades de uso con 12.700.412 m2
construidos y una participación de 65,80%; el cual decreció a un 56,04% de
participación en el año 2012, pero registró un incremento en unidades de uso a
120.207 e igualmente aumentó a 15.600.951 m2 construidos. (UAECD, 2013)4.

3
Las investigaciones sobre espacialidades y nuevas territorialidades son fundamentales para que las
instituciones de carácter público y privado, encaminen sus acciones a una buena praxis en el ámbito de
planificación territorial, por ende los métodos de análisis espacial basado en información
georreferenciada toman un papel, preponderante en la toma de decisiones para ordenar cada territorio.
(Chasco, 2003).
4
UAECD: Unidad Administrativa Especial de Catastro Distrital.

5
Esto ratifica que el principal uso del suelo para las localidades estudiadas es el de tipo
residencial en vivienda NPH hasta el año 2012, justificando la necesidad de analizar
el comportamiento de este tipo de uso, haciendo énfasis en la variable del precio de la
vivienda en las localidades de interés en una traza temporal hasta el año 2016, para
poder determinar su grado de fluctuación.

En la gran mayoría de estudios que tratan la temática del precio de la vivienda y que
incorporan técnicas de modelos econométricos y/o estadísticos, omiten la discusión
sobre los efectos espaciales intrínsecos en esta variable. El conocimiento de la
econometría espacial es escaso en los campos de aplicación, evidenciando la
necesidad de profundizar en estas técnicas con estudios económicos y geográficos.
Por lo anterior, el presente trabajo se basó en la implementación de técnicas de
econometría espacial ofreciendo aspectos teóricos y metodológicos aplicados al
comportamiento del precio de la vivienda, los mismos que tradicionalmente son
restringidos a la aplicación de métodos tradicionales de avalúos como métodos
residuales, ofertas de mercado, cálculos de plusvalías, modelos econométricos y en
algunos casos precios hedónicos convencionales, determinación de zonas
homogéneas físicas y geoeconómicas, dejando de lado las interrelaciones espaciales
las cuales se pueden complementar y/o apoyar estas técnicas proveyendo así mayor
soporte y acercamiento a los precios reales de transacciones en el mercado
inmobiliario, los cuales, para el caso local, gozan de gran dinamismo y de gran
fluctuación.

Los modelos econométricos brindan gran soporte a estudios de tipo socio-

económicos, surgiendo además la necesidad, para el análisis espacial, de emplear
herramientas indicadas para el procesamiento, descripción y análisis de información
que los métodos convencionales de la estadística descriptiva no tienen en cuenta, tales
como la posición geográfica de los datos5 desarrollado a través de los Sistemas de
Información Geográfica S.I.G, que entre otras, permiten explicar la relaciones
espaciales que se presentan en un determinado lugar. En la actualidad existe gran
cantidad de información georreferenciada procesada con análisis de series temporales
de corte transversal no espacial que generan errores en los modelos. La técnica que
permite subsanar este tipo de ruido o de efectos espaciales se denomina Análisis

5
La econometría espacial permite establecer el grado de dependencia espacial entre los datos ya que
por medio de la georreferenciación se pueden establecer correlaciones basadas en la localización de un
punto con respecto a otro.

6
Exploratorio de Datos Espaciales AEDE, sobre la cual se basó el análisis
metodológico del presente estudio y sobre el cual se ampliara en el capítulo de
proceso metodológico.

En los últimos años ha tenido un auge la técnica de precios hedónicos la cual

involucra variables o externalidades del entorno de la vivienda garantizando un
análisis geográfico o espacial omitido en los modelos tradicionales de valuación. En
el modelo hedónico se incorporan las variables independientes que explican el precio
de la vivienda, con coeficientes variantes en el área de estudio, en contraposición de
lo expuesto en los modelos clásicos, en donde se definen coeficientes globales únicos
para cada variable independiente. En general el análisis para determinar el precio de
la vivienda incluye características físicas y económicas sin profundizar sobre las
asociaciones geográficas propias de los predios, razón por la cual es apropiado el uso
de técnicas como Regresiones Geográficas Ponderadas -WGR-, que incorporan en el
análisis geográfico este tipo de relaciones complejas de variables con características
espaciales como seria la proximidad a amenities o desamenities.

Es necesario entonces no solo identificar las variables físicas de los predios urbanos
allí establecidos, sino la existencia de externalidades y factores de localización que
contribuyen a la formación de su precio, para de esta manera establecer la correlación
entre las variables independientes y su correspondiente ponderación dentro del
modelo, verificando la causalidad del comportamiento inmobiliario en el área de
estudio e identificando aspectos claves para la planificación del territorio. Por lo
expuesto, el presente trabajo parte de la existencia de un problema de investigación
claramente delimitado, que consiste en establecer y comprender las variables y/o
dimensiones más contemporáneas, que influyen en la formación y el comportamiento
del precio de la vivienda (predio y construcción), en las localidades Kennedy,
Fontibón y Engativá en Bogotá en el bienio 2015 - 2016, en el entendido de que estas
localidades según estudios recientes elaborados por la UAECD, SDP, DANE y
entidades como lonjas de propiedad raíz, coinciden que estás localidades son las que
han venido presentando mayores dinámicas inmobiliarias en los últimos años,
respecto al mercado de vivienda. (UAECD, 2016)6. A esto se suma que tienen unas

6
Desde el años 2008 al año 2016, según información de UAECD la localidad de Fontibón fue la
segunda localidad de Bogotá que más se valorizo con un 368% y la primera localidad que más creció
en cuanto área construida con un 69% en la variación del área para el mismo periodo. La localidad de
Kennedy ocupa el 5 lugar en Bogotá, en cuanto a mayor crecimiento residencial, mientras que la
variación del avalúo catastral para las localidades de Engativá Fontibón y Kennedy fue de 9.99%,

7
de las mayores densidades poblacionales del distrito, y por ende, un conflicto en
cuanto a las disputa por la ocupación del suelo. Esto llevó a plantearse la siguiente
pregunta de investigación: ¿Cómo se da la conformación del precio de la vivienda de
las localidades de Kennedy, Fontibón y Engativá en Bogotá en el bienio 2015 - 2016
y cuáles son sus efectos en la configuración espacial, a partir de la incidencia
diferencial de variables centrales recientes? En complemento, surgen las siguientes
preguntas adicionales:

 ¿Cómo está caracterizado el mercado inmobiliario de la vivienda en las

localidades de Kennedy, Fontibón y Engativá en Bogotá en el bienio 2015 -
2016?

 ¿Cuáles variables y de qué manera inciden significativamente, en la formación del

precio de la vivienda en las tres localidades de estudio?

Ciertamente, existe un alto grado de dependencia espacial en el precio de la vivienda,

determinado por la proximidad entre las mismas, lo cual se refleja en el mayor o
menor precio que adquiere la vivienda en el mercado inmobiliario. El precio de la
vivienda re-define entonces la configuración espacial del territorio ya que determina
el nivel y el tipo vivienda que se desarrolla, convirtiéndose en un indicador socio-
económico de cada espacio materializado a través del tiempo.

9.39% y 9.25% respectivamente, lo cual indica un comportamiento homogéneo en cuanto al

incremento del avaluó catastral para estas localidades.
Dentro del crecimiento poblacional entre los periodos del 2011 al 2014, la localidad de Fontibón fue la
cuarta que más creció dentro de Bogotá, siendo una de las localidades que presento mayor aumento en
el índice de hacinamiento crítico junto con la localidad de Kennedy y Fontibón también registro un
aumento en el índice NBI. (SDP, 2015).

8
1.2 Hipótesis y Objetivos

1.2.1 Hipótesis general.

La formación del precio de la vivienda urbana en las localidades de Kennedy,

Fontibón y Engativá en Bogotá para el bienio 2015 - 2016, está influenciado por
variables endógenas como las propiedades físicas del inmueble y exógenas -
externalidades o amenities-, socio-económicas y de localización, las cuales por su
comportamiento e incidencia diferencial, reconfiguran las estructuras espaciales de
aquellos sectores con mayor demanda de usos residenciales en la ciudad. Para poder
dar demostración de esta hipótesis, en el marco del problema ya delimitado, se
proponen los siguientes objetivos:

1.2.2 Objetivo General.

Comprender la conformación del precio de la vivienda de las localidades capitalinas

de Kennedy, Fontibón y Engativá, en el bienio 2015 - 2016 y sus efectos en la
configuración espacial, a partir de la incidencia diferencial de variables centrales
recientes.

1.2.3 Objetivos Específicos:

 Caracterizar el mercado inmobiliario de la vivienda en las localidades

occidentales de Bogotá D.C. (Kennedy, Fontibón y Engativá), desde el
comportamiento del precio de la vivienda.

 Identificar y determinar la incidencia de variables significativas en la

formación del valor de la vivienda residencial NPH y su influencia en la re-
configuración espacial en las tres localidades de estudio.

9
 2 MARCO DE REFERENCIA

El siguiente apartado está constituido por 3 numerales. El primero de ellos presenta

las perspectivas teóricas en torno del valor y la renta; el segundo contiene un conjunto
de estudios y antecedentes que se han desarrollado a nivel mundial (Europa y Estados
Unidos), regional (Latinoamérica) y local (Colombia y Bogotá) en relación con el
análisis de la renta y los precios del suelo urbano, en usos residenciales y en el
tercero, los aspectos metodológicos, en especial los referidos a las fuentes de
información, las variables, los modelos econométricos y la Regresión Ponderada
Geográficamente RPG.

2.1 Marco Teórico.

El marco teórico de este trabajo de investigación se inscribe dentro de la geografía

económica aplicada a los estudios urbanos, considerando dos corrientes que explican
la forma de concebir el valor del suelo7:

 La teoría de la geografía urbana marxista: desde el punto de vista del

capital en la apropiación del valor del suelo donde la acumulación de
este es el principal sistema económico de la ciudad.

 La teoría neoclásica, según la cual la localización es el principal factor

incidente de la economía y de usos del suelo en la ciudad.

7
La primera ley de la geografía formulada por Tobler W. R. (1970) en su obra: A computer movie
simulating urban growth in the Detroit region. Economic geography, donde indica que todo está
relacionado con todo, pero las cosas más cercanas están más relacionadas entre sí que las cosas
Lejanas (LeSage, 1999).
El principal referente teórico es disciplina de la geografía urbana y geografía económica, el cual es
caracterizado por el análisis de los sistemas urbanos, la localización de ciudades, la estructura de
núcleos o clústers y las dinámicas que se desarrollan al interior de la cuidad.
En cuanto a la investigación y desde el punto de vista geográfico la presente investigación se centró en
dos análisis: uno fundamentado en la geografía económica y aspectos del comportamiento del mercado
a nivel urbano y la otra desde el punto de vista de la teoría de localización, la cual está relacionada con
los usos del suelo, así como la interdependencia o asociación que tiene el valor del suelo con las
distancias a equipamientos o amenities que se comprueba por medio de los mapas temáticos en
Sistemas de Información Geográfica empleados en esta investigación.

10
Tabla 1.Teorias Renta del suelo.

ÍTEM MARXISTA NEOCLÁSICA

El mercado de suelo urbano es propio del sistema

capitalista, muchas de las formas de apropiación del
suelo en periferias son invasiones.
Reconoce que en la modernidad lo que transa no es el
suelo sino el espacio construido, que puede o no ser
capitalista.
No está definido la metodología de análisis empírico,
debido a la dificultad de separar usos de suelo urbano
Fortalezas
por clases y actividades
y
Debilidades Los gradientes de rentas y densidades permiten extraer con
sencillez conclusiones de usos y valores de suelo urbano.

Permite incorporar elementos de economías de escala e

imperfecciones del mercado, donde se puede vincular
problemas no espaciales en términos espaciales.

Se basa en que el suelo urbano y el espacio construido se

transan en mercados capitalistas, supuesto que no siempre
ocurre.
El mayor valor del suelo se asocia con usos más intensivo
Los mayores valores del suelos se encuentran en el centro y los valores más bajo en la periferia de la ciudad
El valor del suelo depende de la distancia, que está representada por accesibilidad
Similitudes
No considera el fenómeno de multinucleación o aparición de subcentros los cuales tienen sus propias áreas de influencia

El avance técnico de la población siempre refleja en rentas altas y en una mayor participación en la renta global por parte
de los dueños de la tierra.
Fuente: Jaramillo (1994).

2.1.1 Teoría Marxista.

La evolución de la geografía de la acumulación a la geografía de la reproducción,

donde el espacio geográfico es la condición, el medio y producto de la reproducción
de la sociedad, permitió la continuidad de la concepción marxista de la teoría social
del espacio a la geografía crítica radical, en el entendido que si bien Marx documentó
la dinámica de la renta en el modo capitalista8, fue necesario ampliar los ámbitos
teóricos y metodológicos para llevar la noción de espacio a la teoría. En este

8
Puede afirmase que la base teórica es la diferenciación entre el valor de cambio y de uso, en donde la
tierra y el capital están en dependencia del trabajo necesario para producirlo, por lo tanto estos dos
factores son determinantes para conformar su valor. (Borrero, B. 2007).

11
contexto9, David Harvey en (Carlos, A. F. A. 2008), afirma que la producción del
espacio está definida por la acumulación de capital, la cual se resolvería a través del
ajuste espacial: la teoría de la geografía histórica del capitalismo, donde realiza un
análisis de la acumulación capitalista en la actualidad, y la construcción de la
geografía urbana crítica donde evidencia la necesidad de concebir la ciudad como una
totalidad donde la institucionalidad y los habitantes coexistan10. Así, desde la teoría
marxista llevada a la perspectiva crítica, la reconfiguración del espacio geográfico se
traduce en un largo proceso de urbanización espacial donde existe una evidente
relación entre el ajuste espacio-temporal del capital y la creación de las ciudades
modernas, en palabras de Wallerstein “desruralización”, que es una novedosa
reubicación de excedentes de capital que afectan los espacios geográficos y la vida de
sus habitantes. Podría decirse que la reciente “modernización” de lugares precarios
desplaza a los pobladores que no soportan la revalorización del espacio, los cuales se
acentúan en espacios precarios generalmente en las periferias:

“…no importa que diferentes puedan ser las razones , el resultado es siempre
el mismo; los escandalosos callejones y callejuelas desaparecerán
acompañados por las generosas autoalabanzas de la burguesía que explican
el tremendo éxito cosechado, pero reaparecen de nuevo en otro sitio[…], la
misma necesidad económica que los produjo en una primera ubicación los
reproduce en otro lugar.” (Harvey, 1977).11

Los excedentes de capital se destinan al aburguesamiento del lugar que redibuja el

espacio, lo revaloriza creando un cercamiento estableciendo una manera de
feudalización del espacio con fragmentos fortificados, comunidades valladas,

9
Adam Smith y David Ricardo definen la teoría del valor de uso, como el valor de una mercancía y
este se deriva del trabajo y del capital empleado para su elaboración, adicionalmente su cantidad de
representación o escases del mismo, Ricardo define la renta de la tierra como “porción del producto de
la tierra que se paga al propietario por el uso de las energías originales del suelo”. Su tesis principal se
centra en la objetividad ya que depende de elementos exógenos al sujeto, como sería la cantidad de
trabajo requerido para producir un determinado bien del valor como lo refiere Oscar Borrero en su
obra “Efecto de las políticas del suelo en el precio de terrenos urbanos en Bogotá” (2007).
10
Harvey en su obra: Espacios de Esperanza, evidencia la existencia de nuevos recursos que agravan
las desigualdades como la fragmentación y segregación existentes en las ciudades. (Carlos, A. F. A.
2008), Harvey ajusta la teoría marxista involucrando las variables de tiempo y espacio en los análisis
del capitalismo en el llamado “materialismo histórico-geográfico”.
11
David Harvey en su obra “Urbanismo y Desigualdad Social Publicada en 1977”, con traducción de
Marina González Arenas y citado por Emiliano Terán Mantovani
en:http://forajidosdelanetwar.blogspot.com.co/2012/04/david-harvey-y-la-geografia-del.html.

12
espacios públicos privatizados con constante vigilancia (Mantovani, 2012). No cabe
duda que el modelo capitalista ha sido un promotor del crecimiento urbano acelerado,
acentuando por ejemplo la dualidad centro (consumo) - periferia (productor), como
una de las mayores evidencias de la vinculación del suelo de las ciudades en el
proceso de producción, circulación y consumo del mercado. Este principio, según
Jaramillo (1994), citado en Revollo (2009), se relaciona con la renta y la constitución
de valor de suelo es la base de la diferenciación así:

• Costos históricos: costo del suelo es igual a la diferencia: (costo de la

edificación en una fecha determinada más la ganancia del vendedor)
menos el actual para obtener la tasa de depreciación.
• Costo de reemplazo: es igual al precio en el mercado de la vivienda
menos el costo del espacio construido para obtener el precio del suelo.
• Rentabilidad: se estima el precio de la vivienda por lo métodos anteriores,
a este valor se aplica a tasa de ganancia de arrendador y se calcula el
alquiler como si no existiera renta. Luego se compara ese valor con el
precio de alquiler y la diferencia es la renta y a través de capitalización se
obtiene el precio del suelo.
• Residual: se obtiene el precio del suelo por métodos estadísticos y se
compara con el de la edificación la diferencia es la del precio del espacio
construido.
• Estadístico: por métodos estadísticos se obtiene el valor del suelo e
identificar los atributos que determinan el precio de la vivienda, por
método de precios hedónicos.
• Combinación de métodos: se combinan los métodos anteriores para
obtener resultados más robustos.

Según Garza y Montaña (2000), siguiendo las reflexiones de Jaramillo, las rentas
específicas que soporta la tierra urbana pueden ser clasificadas en dos tipos
siguiendo:

Primarias: vinculadas a los procesos de construcción

• Absoluta Urbana: aprueba un mínimo nivel de renta para usos urbano o el
paso de usos rurales a la ciudad.
• Diferencial I: Vinculada con características geomorfológicas
excepcionales para la construcción

13
 • Diferencial II: Es captada cuando los grandes urbanizadores al realizar
producciones intensivas del capital (edificabilidad en altura) a partir de la
elevación de precios en la ciudad.

Secundarias: relacionadas con los usos que se le da al espacio construido

• Comercio: captadas por mayor rotación de inventarios

• Monopolio: causadas por el poder del mercado
• Industrial diferencial: causadas en áreas de uso industrial
• Diferencial de vivienda: relacionada con los valores de uso
complementarios a la vivienda.

La perspectiva marxista de la renta, y su interpretación en el modo capitalista

dominantemente urbano, centra así, según los preceptos mencionados para la
configuración del precio, al suelo como mercancía, el cual según Méndez (1997)
termina por configurar expresiones territoriales tales como el llamamiento de
patrones de agrupación o separación de las necesidades o gustos similares de los
actores económicos, la ponderación de características prediales que atraen en mayor o
menor grado a un ocupante y por ende el valor que se está dispuesto a pagar, un
mayor precio al incrementarse la demanda de suelo, en donde el nuevo propietario
aumentará la intensidad de uso de este para compensar el mayor valor pagado; y la
comprensión que todo proceso de valorización o desvalorización del suelo con
intención de modificar oferta o demanda trae consigo un cambio de uso del mismo.

2.1.2 Teoría de la localización.

Lo que podría entenderse como un “nivel más detallado” del análisis de las rentas y
los valores del sueño, corresponde lo que hacía mediado del siglo XX se denominó
“La Teoría locacional” (Delgado, 2003), entendida como esa corriente cuantitivista
que buscaba modelar las actividades humanas, en el caso de la localización, tomando
como base los planteamientos económicos de Thunen, Weber y Losch 12. Ya sería

12
La teoría de localización sobre la geografía rural-urbana: el modelo Von Thunen (1826) donde
establece una llanura que surte de productos agrícolas a una ciudad central aislada y donde alrededor
de la misma se dibujan unos anillos concéntricos especializados por tipo de cultivo y establece un
gradiente de la renta del suelo que disminuye a medida que se aleja del centro y se acerca al límite de
zona agrícola, a partir de esto el autor establece la localización optima en la cual se maximiza la renta

14
Méndez (1997), que en el contexto de reconfiguración económica plantea los
preceptos de la Nueva Geografía Económica a finales del siglo XX. En lo que
respecta a la aplicación urbana, unas y otras se han mantenido en discusión, por lo
que en esta reflexión se traerá los aspectos más relevantes.

La teoría de localización intraurbana se basa en el concepto de ciudad monocéntrica,

circular y cada anillo tiene un uso del suelo especializado, el mejor sector de
localización es el centro ya que a partir de él se encuentra el nodo de transporte que la
comunica con ciudades y adicionalmente debido a su estructura vial radial es la zona
más óptima en cuanto a desplazamientos. La competencia por estas zonas centrales de
la ciudad, hace aumentar considerablemente el valor y donde el propietario sea de
tipo (comercial, industrial o vivienda) busca la máxima rentabilidad generalmente
hacia da la densificación más elevada con mayores niveles de construcción. La oferta
de vivienda para uso residencial se deriva entonces de los costos de transporte que
son mayores en la periferia que en el centro y por lo tanto este valor es más
económico. (Garza, N., y Montaña, J. 2000). La Estimación del valor del suelo
urbano a partir de anillos o círculos concéntricos, dentro de la economía urbana es
una herramienta de análisis que se basa en generación de gradientes o vectores
definiendo el valor del suelo de acuerdo a la distancia al centro de la ciudad.
Teniendo en cuenta que actualmente las ciudades presentan policentros y dado que la
variable fundamental es la accesibilidad y no la distancia esta teoría presenta
limitaciones en su desarrollo.

Por su parte, la idea de anillos presentada por Stull (1974) se asocia a rupturas
urbanas como serían los grandes viaductos o accidentes naturales o cuerpos de agua
lo que conduce a la formación de anillos alrededor del centro generalmente

económica de la tierra definida como la diferencia de los ingresos y los coste totales obtenidos del
producto por unidad de tierra. Así, la renta económica estaría en función de la distancia que separa los
centros de producción y el mercado final, como posteriormente lo avalaría (Krugman, 1995, Brocker,
1996) según Vaya (1998), empleando el método deductivo en razonamiento y análisis.
Paul Krugman (1991a,b) establece la nueva geografía económica, donde refiere un cambio cualitativo
dentro de la anterior geografía económica, introduce en el análisis de la localización concepto como
espacio, economías de escala y rendimientos crecientes esenciales para explicar la concentración
geográfica de la actividad, las economías externas y por lo tanto la competencia imperfecta. Define la
aglomeración en tres aspectos, la evidencia de rendimientos crecientes, fletes de transporte y limitación
de la fuerza de trabajo en el campo industrial. Adam Smit y David Ricardo exponen los inicios de la
teoría de localización aplicadas al comercio entre naciones, y basan su concepción en donde y que se
debe producir. Ricardo afianzó la teoría sobre diferencias de costos como una ventaja comparativa en
el comercio internacional. Dentro de la nueva geografía económica, una ciudad crece debido a:
economías de escala, ventaja comparativa y economías de aglomeración.

15
monopolizado. Para esto se generan interpolaciones y extrapolaciones con el objetivo
de estimar los valores del suelo en una ciudad con base en rupturas y los anillos
formados en su interior, lo que permite implementar y corregir las variaciones
geográficas que presenta el espacio. Los subcentros aparecen como un inconveniente
en la generación de gradientes para la estimación del valor del suelo, y por lo tanto se
deben determinar los puntos focales para la generación de dichos gradientes que
permitan disminuir el ruido o el error producido en la valuación.

Alejándose de la definición de un modelo geométrico específico, Mohan (1986 en

Buitrago 2001) afirma que el precio de la tierra está dado por otros factores de
localización como:

• Factor de producción de vivienda, industria y servicios que se compensa

lo que se ha invertido en ella en servicios de vivienda o ingresos
provenientes de bienes de producción.
• Demanda como inversión de capital o ahorro.
• La función del precio de la tierra es asignarle un valor de uso, cuando la
tierra es escasa su valor aumenta o existe una sobredemanda y su uso es
acotado.

Así, la localización es vista más como algo relativo, en donde el precio del suelo se
determina en el marco de los factores de la oferta y demanda del mercado, factores
físicos y socio-urbanísticos, que en suma, ejercen como agentes determinantes del
espacio urbano y de su dinámica (Vinuesa, J., y Vidal, M. J. 1991). A partir de los
contextos económicos más recientes, Broker al igual que Fujita y Thisse (1996),
consideran que la fuerza externa que influyó para la aparición de la nueva teoría de
localización está por su parte en el proceso de globalización y en la intensificación de
integración de economías nacionales dentro de bloques de comercio. Ello por
ejemplo, con la configuración de nuevas entidades como las ciudades-regiones, que
según Scott (2001), están ahora relacionadas con las redes de producción y
distribución que captan las fuerzas centrípetas de aglomeración y centrifugas que
permiten la reubicación de actividades industriales. Para Camagni (2005), el proceso
económico de la ciudad hoy más que nunca, actúa como un cluster de bienes públicos
y privados, que son los que favorecen las interacciones locales.

16
Por esta razón, las nuevas corrientes consideran que la dinámica de los precios del
suelo está más relacionada con los movimientos coyunturales que dependen de
variaciones macroeconómicas y políticas del estado, así como los movimientos
estructurales que afectan particularmente a algunas zonas de la ciudad y pueden estar
motivados por acciones estales (obras públicas o regulaciones), las cuales se pueden
subdividir en:

 Estructurales generales. Diminución de la tasa de ganancia en el modelo

capitalista por la competencia. Es más barato producir cada bien a medida que
las técnicas de producción mejoran y el crecimiento de demanda de espacio
construido que eleva las rentas urbanas.

 Estructurales particulares: cambio de usos del suelo donde aparecen las

valorizaciones hasta cuando parece la renta dominante y surgen procesos de
densificación en la ciudad. (Garza, N., y Montaña, J. 2000).

2.1.3 Teoría de la objetividad y subjetividad del valor: utilidad marginal.

La subjetividad se deriva del concepto de utilidad a partir de la diferencia entre el

precio y el valor. El valor entendido como el equilibrio de oferta y demanda y el
precio entendido como la utilidad, en el cual el vendedor define un precio exacto y el
comprador también define un precio exacto e inmodificable. (Borrero, B. 2007). El
economista Jean B. Say, en su Tratado de Economía Política en 1807, definió que lo
que determina el valor es su utilidad. Posteriormente, Condillac trasciende el
concepto de utilidad, en el cual no es simplemente una cualidad de los bienes sino
que es la importancia que un comprador le da a un bien para satisfacer una necesidad,
por lo tanto el valor de un bien aumenta si este es escaso y disminuye si este bien es
abundante en el mercado; por consiguiente todo bien tiene valor porque tiene
servicios productivos o medios para crear utilidad, así la utilidad y la oferta definen la
creación del valor, teoría que contradice sus antecesores donde este valor estaba
definidos por su cantidad de trabajo. (Borrero, B. 2007).

17
En cuanto a la objetividad del valor, Bailey identifica el valor con el poder
adquisitivo según lo había relacionado Adam Smith y siempre se tendría que
relacionar el valor de una mercancía con otra de referencia para que existieran puntos
de comparación. Entonces este relativismo se contraponía a la teoría de trabajo del
valor, definiendo una relación cuantitativa entre una mercancía y el dinero. Propone
además la creación de índices para comparar los precios en una escala multitemporal
y esta concepción es la base del valor real o constante que se denomina en la
actualidad. Menger define que los valores subjetivos determinan los límites del
cambio y del precio, estudia el origen del dinero y cómo este facilita la cuantificación
de los valores subjetivos permitiendo establecer el precio o equivalencia de cambio
tesis formuladas en su obra El origen del dinero en 1985. (Menger, C. 1985).

Por su parte, Marshall desarrolla la teoría marginal y asegura que las fuerzas de la
oferta y demanda son las que determinan el valor. Detrás de la demanda existe una
utilidad marginal definida por los precios de demanda de compradores, mientras que
detrás de la oferta se encuentra el sacrificio marginal de los precios de oferta. El costo
de producción define entonces el valor y el excedente de consumidor se definiría
como el bienestar que pueda tener el consumidor al comprar una mercancía a un
menor precio de lo que estaba dispuesto a pagar antes de quedarse sin ella. (Borrero,
B. 2007).

2.1.4 Teorías de Univalencia y Plurivalencia de valor.

La teoría plurivalente refiere un valor subjetivo según el ingeniero Carlos Berrini, en

donde las causas del valor son sicológicas y por esto no se pueden medir o comparar,
Pio Braem define” el valor no es noción objetiva y depende de elementos síquicos no
susceptibles a la lógica de cálculo”. La teoría univalente establece que el valor es
objetivo y se define mediante técnicas y métodos, Mario Chandías define “existe una
teoría subjetiva del valor y una subjetiva del precio, el valor lo define el mercado, el
precio depende de concepciones subjetivas, pero se establece a través de ley de oferta
y demanda. (Chandías, M. E., 1954). El valor económico es una característica del
mercado y no del inmueble este lo define la intersección de la curva de oferta y de
mercado en un momento dado, donde pueden existir muchos compradores interesado
en esos momentos y donde el avaluador es un observador más del mercado y no

18
interfiere en su determinación. (Borrero, B. 2007). En complemento, la primera
convención panamericana de avalúos en lima Perú en 1949 define:

• El nivel de exactitud de un avalúo es función de la finalidad para la cual

se realiza.
• El valor determinado es ideal y el objetivo es aproximarse a este valor.
• El valor determinado de un inmueble es único, se deduce de la valuación
directa o valor compuesto de terreno y construcciones.
• La valuación indirecta se calcula en base a la renta que produce y el valor
que establece la oferta y demanda.
• El valor único se refiere a método de costo, método de renta y
comparativo de mercado

2.1.5 El Valor y El precio.

Lotz (1937) establece que el valor de cambio o valor comparativo depende de dos
factores: uno externo por la escasez del bien, y otro interno, que son las
características que tenga un bien para satisfacer una necesidad diferente del
propietario; así el precio es entendido como aquella capacidad que tenga un bien para
satisfacer alguna necesidad para más de una persona, definiendo que la mercancía que
tenga mucho valor tendrá precios elevados. El precio se trata entonces de obstáculos
concretos que se deben sobreponer para crear mercancías y el valor es producto de
expresiones o necesidades humanas que no son tangibles. Por lo tanto el valor
subjetivo difiere del precio.

El valor de uso o utilidad se basa en satisfacer necesidades desde el punto de vista del
consumo y el valor de cambio en el poder de transacción que tuviera la mercancía o
de ser cambiada, el precio tenía relación con estos valores pero no lo determinaba.
Chandias (1954), define que la valuación tiene por objeto fijar el valor de cambio de
cosas vendibles y se mide por la cantidad de cosas que se pueden obtener a cambio, el
valor de este cambio se puede expresar en moneda que representa el precio “Valuar
es determinar el valor económico, de naturaleza física o ideal que se encuentra o no
en el mercado”.

19
Tabla 2. Diferencias entre Valor y Precio.

VALOR
Términos de intercambio
Costos de factores
Apreciación objetiva
Condiciones de la oferta
Valor de uso
Libertad de presiones
Normalidad de mercado
Crédito disponible
Objetividad: Fuerzas del mercado
Oferta y demanda suficiente
Tiempo de exposición al mercado
Régimen de Competencia
Dato de un mercado estable
PRECIO
Dinero disponible
Utilidad marginal
Concepto Subjetivo
Exigencias de la demanda
Adquisición en un momento dado
Urgencias de venta o de compra
Crisis económica, iliquidez, desempleo
Crédito escaso y altas tasa de interés
Subjetividad: utilidad del demandante
Demasiada oferta, poca demanda
Urgencia de venta
Condiciones de monopolio, (precios altos especulativos) y
de oligopsonio (precios bajos subvaluados)
Dato en un momento dado (tiempo)
con una moneda determinada (lugar)

Para compradores Oportunos, para préstamos hipotecarios,

Para garantías, activos y titulaciones
remates y condiciones de pago forzadas.
Fuente: Borrero, B. (2000a).

IBAPE Instituto Brasileño de Peritos e Ingeniería de Avalúos define el valor del

mercado como el valor de una compra o venta donde las partes conocen el mercado y
el inmueble. El valor real corresponde al valor que el inmueble que se avalúa puede
tener cuando sea puesto en venta pero sin que el vendedor este obligado a venderlo y
que el comprador conoce los usos y finalidades del inmueble pero sin estar forzado a
la compra o en otras palabras una transacción libre de compra y venta de contado.
(Borrero, B. 2007). Por otra parte -AIREA- American Institute Of Real Estate
Appraisers, define que el precio del Mercado como la cantidad de dinero que debe
entregarse o puede obtenerse en el mercado activo bajo condiciones inmediatas y
existentes en una determinada fecha,. Para esta entidad la diferencia radica en que el
valor del mercado es lo que realmente vale el inmueble a diferencia del precio de
mercado que indica la cantidad o la importancia por la cual puede ser vendida. El
valor de mercado tendría las siguientes características:

20
 • Pago de contado o equivalente
• Comprador y vendedor motivados
• Tiempo razonable sin presiones
• Facilidad de financiación.

El precio del mercado se trata entonces de un hecho histórico y concreto y el valor de

mercado el avalúo se conserva hasta que aparece un comprador voluntario. El valor
es un punto ideal en el mercado mientras que el precio obedece a presiones,
condiciones sicológicas ventajas de negociación de una de las partes. Las principales
características de precio y valor se encuentran descritos en la tabla 2 (Borrero, B.
2007).

2.2 Antecedentes.

Ciertamente los análisis a cerca de la renta y los precios del suelo urbano, han sido un
tema de urbano ampliamente reflexionados en diversas latitudes, las diferencias quizá
se pueden encontrar en las perspectivas metodológicas y la afectación de factores
locales propios. Aun así, se ha tomado la decisión de abordar los antecedentes a partir
de 3 escalas: Macro (Europa y Estados Unidos), regional (Latinoamérica) y local
(Colombia y Bogotá).

2.2.1 En Europa y Estados Unidos.

El estudio sobre las características de dependencia y heterogeneidad espacial y su

validación por medio de métodos estadísticos se señalan en (Student, 1914). Sin
embargo los inicios de la estadística espacial corresponden a la identificación de la
correlación espacial en los años 50 (Moran 1948), (Geary 1954) y (Isard1956)
quienes analizan la localización y la economía espacial como componentes en el
comportamiento de datos georreferenciados. En 1963 Bailey, Muth y Nourse,
estudian la estructuración de los índices de precios de viviendas que han sido
vendidas por lo menos dos veces en un periodo de estudio determinado, observando
el comportamiento y controlando las variaciones entre las características de los
inmuebles en dos momentos diferentes dejando de lado el análisis de la estimación

21
del aporte marginal de cada una de estas características en la conformación del
precio.

En 1966 Lancaster desarrolló la metodología de precios hedónicos. Otorgó una base

microeconómica en cuanto a la teoría de utilidad en función de las características de
los bienes, centrando su estudio desde el punto de vista del consumidor. Existen otros
estudios que consideraron el mercado inmobiliario con respecto a la conformación de
precios hedónicos13,14. En 1975 Straszheim identificó que la variación de las
características de la vivienda y los precios determinados por la ubicación son
componentes fundamentales en el mercado inmobiliarios y hace una diferenciación
para las áreas metropolitanas en las que el mercado es segmentado de acuerdo a la
estructura de las propiedades departamentos, condominios, viviendas unifamiliares
separadas, consideraciones fundamentales para el tipo de análisis que se realice.
Paelinck y Klaasen (1979) en el texto “Spatial Econometrics” en la década de los
setenta institucionalizaron la técnica de econometría espacial abordando la auto-
correlación espacial en el sentido de la perturbación o ruido presente en una
regresión. Adicionalmente los trabajos de los geógrafos Cliff y Ord (1972, 1973)
fundamentaron que este campo no solo se atribuye a la ciencia regional sino que
abarca aspectos de la geografía, estadística espacial, biología y otras ciencias sociales.
En los Años 80, se desarrolla la econometría espacial en aspectos metodológicos con
los trabajos de Cliff y Ord (1981) Blommestein(19983) y Anselin (1980, 1988a, b).15
Según Anselin y Vera (1998), en la última definición de econometría como ciencia
regional se estarían incorporando las regiones, la localización y la interacción

13
Ridker y Henning, 1967 con la estimación de precios en el mercado inmobiliario y variables
ambientales como contaminación de aire que influyen negativamente la valoración de estos por parte
de sus compradores.
14
En 1974 Rosen, afianzo la metodología de precios hedónicos aplicada al mercado inmobiliario, en
donde se generan modelos econométricos cuya variable dependiente es el precio y como variables
independientes las características de la vivienda, teniendo como principal característica que cada una
de estas variables no se transan individualmente sino que hacen parte de un grupo que se trasladan con
los derechos de propiedad del inmueble una vez este es mercadeado. Manifestó un modelo de
equilibrio de mercado donde los productores y consumidores son partes esenciales de los análisis,
encuentra que las características de la valoración del bien presenta restricciones no lineales y por lo
tanto efectos marginales entre las variables y el precio del bien. En el mercado inmobiliario la ecuación
de precio hedónico define el equilibrio en el mercado ya que en el convergen las relaciones de oferta y
demanda.
15
Posteriormente Anselin (1980, 1988) y Arabia (1989) fundamentan la metodología de análisis
econométrico en datos espaciales, (Anselin 1988A) “Spatial Econometrics: Methods and Models” es
considerado como el manual en este campo. (Chasco 2003) Anselin la define como un aserie de
técnicas que tratan las particularidades causadas por el espacio en el análisis estadístico de los modelos
convencionales de la ciencia regional. (Rosina, 2002).

22
espacial, constituyendo la base en trabajos de economía regional y urbana (Rosina,
2002) 16

2.2.2 En Latinoamérica.

En 2004 Collazos, Gamboa, Prado y Verardi, realizaron un estudio sobre el análisis

espacial del precio de oferta de la vivienda en el área metropolitana de Cochabamba
Bolivia, en el cual se aplicaron el método de regresión geográficamente ponderada y
dentro de sus principales conclusiones muestran que los resultados del índice moran
muestran que los precios de las viviendas en el área de estudio están correlacionadas
espacialmente dentro de un radio comprendido entre 500 y 4000 metros. El análisis
auto-regresivo espacial de acuerdo al R2 permitió explicar el 81% del precio de la
vivienda, las variables superficie del lote, superficie construida, número de
dormitorios, departamento auxiliar, alcantarillado teléfono, tipo vía y agencia con las
más ponderadas en el precio de la vivienda siendo las dos primeras las más
representativas en toda el área de estudio, y que el precio de la vivienda de los
vecinos afecta un 38% el precio de la vivienda independientemente de sus
características. Según los resultados obtenidos en la regresión geográficamente
ponderada expresada en los mapas temáticos obtenidos cada zona tiene características
particulares relacionadas con cada variable de acuerdo a una determinada
localización, y muestra que en Cochabamba no hay estacionalidad espacial para los
determinantes de los precios de las viviendas.

Samuel Jaramillo en 2013, elabora una repaso de las principales corrientes en

investigación en cuanto a mercados de la tierra urbana en América Latina en las
últimas cuatro décadas. Identifica teorías funcionalistas en esta parte del continente y
la respectiva influencia en campos de planeación y gestión del suelo, ilustrando
características de las ciudades y sus problemáticas que no han sido solucionadas por

16
En el 2004 Rosina, realiza un estudio basado en las técnicas de econometría espacial basada en un
análisis de regiones europeas, mediante la correlación espacial en un modelo de regresión aplicado al
estudio de la productividad laboral en el seno de las regiones europeas para el periodo de 1975- 1992 y
su dependencia espacial. Dentro de las conclusiones se muestra que la variable analizada presenta clara
dependencia espacial positiva en tres regiones vecinas, las cuales muestran productividad labora
similar, y que cuando se emplea la ecuación clásica de convergencia presenta problemas de
dependencia espacial que afectan la especificación y el método de estimación, por lo tanto evidencia la
necesidad de la aplicación de técnicas de econometría espacial cuando se trabaja información
georreferenciada.

23
las teorías marxistas de la renta ni por las teorías neoclásicas espaciales (Amézquita,
L., Sánchez, P., & Abaunza, G. 2012)17. En 2013 Claudio Rocco, realizó un análisis
de consumo eléctrico residencial en una región venezolana, en donde demuestra que
los resultados del modelo GWR son mejores estructuralmente y con respecto al ajuste
de las variables (R2 superior a 0,90), permitiendo cuantificar las diferencias entre las
variables independientes de cada zona.

2.2.3 En Colombia y Bogotá D.C.

En 1980, Borrero y Durán en su estudio sobre “Valor del suelo urbano y sus
implicaciones en el desarrollo de la ciudad análisis caso Bogotá”, encontraron que las
expectativas constituyen un factor en la determinación del precio del suelo urbano. En
(1988, 1997 y 1998 Borrero y Durán) con la contribución de Fedelonjas elaboran
varias actualizaciones de los precios de suelo urbano en Santa fe de Bogotá, sirviendo
de insumo en la planificación de la ciudad. Mohán, R., & Villamizar, R. (1986),
realizan un estudio donde comparan el mercado inmobiliario de Cali y Bogotá, y
determinan cuáles factores del precio y la densidad de las ciudades son predecibles y
obedecen a distintos factores de disposición en donde los valores más altos están en la
periferia de las ciudades.

Los autores Garza y Montaña, (2000), hacen un análisis de la evolución del precio del
suelo en Bogotá durante los años 1991-1995, y dentro de sus principales conclusiones
están que los valores del suelo en la ciudad, presentan una distribución espacial con
forma monocéntrica y de tipo radial, los valores más altos del suelo corresponden a
área con buena accesibilidad de vías y transporte, el valor del suelo está ligado a la
actividad económica desarrollada y el precio en Bogotá es de los más elevados de
América Latina. En su obra Jaramillo (2004), determina la tendencia a largo plazo en
un decrecimiento notable de los precios de la vivienda, en contravía de los precios del
suelo que tiene un crecimiento positivo, sin embargo los mercados presentan una
conexión, ya que las variaciones del precio son convergentes en el tiempo.

17
Jaramillo, S. (2013). Acerca de la investigación en mercados de tierra urbana. Teorías sobre la
ciudad en América Latina, 281-318. Además Samuel Jaramillo sostiene que la vivienda urbana es cada
vez más costosa y sigue siendo informal en porcentajes altos, las políticas públicas son escasas e
inadecuadas dado que prevalece la acumulación por parte de agentes privados como las urbanizaciones
crecientes en periferias de la ciudad con áreas y servicios disminuidos en su gran mayoría.

24
Mendieta y Perdomo (2007) realizan un estudio por precios hedónicos para
determinar el grado de influencia en el valor de los inmuebles cercanos a las
estaciones de Transmilenio en sus fases I y II en la ciudad de Bogotá. Dentro de sus
principales conclusiones se tiene que: por un cambio en 1% en proximidad de la
propiedad a la estación de Transmilenio, el aumento en el valor del suelo para los
predios afectados es de 627 mil millones de pesos colombianos, lo cual representaría
el 0.978% del PIB de Bogotá en 2005. Adicionalmente coinciden en recomendar la
metodología de precios hedónicos en métodos de recaudo como el de valorización
por su alto grado de certeza.

En su estudio Mertins (2007), presenta un análisis en la ciudad de Barranquilla en

cuanto al crecimiento urbano de la ciudad y el impacto de la intervención privada en
cuanto a la toma de decisiones del planeación de la ciudad, analiza fenómenos de
segregación socio-espacial, evidenciado la existencia de equipamientos en la zona
norte de la ciudad que promueven el mayor valor del precio de los predios es estas
zonas. En el 2008, Ingrid Acevedo y Ermilson Velásquez, realizaron un estudio
incorporando modelos de econometría espacial y el análisis exploratorio de datos
espaciales, en el cual concluyeron que la violencia presentada en un municipio de
Antioquia contagia a un municipio vecino y la relevancia de constituir el AEDE
siempre que se incorporen variables georreferenciadas, que en caso de no ser tenidas
en cuenta se incurre en errores de especificación.

El trabajo denominado “Determinantes del Precio de la vivienda en Bogotá 2012”

(Amézquita y Sánchez, 2012), los autores emplean el método de precios hedónicos
para determinar los precios en la vivienda en la ciudad de Bogotá, para ello generaron
un valor promedio por metro cuadrado a escala o nivel de manzana a partir de los
valores suministrados por la UAECD, promedio utilizando como variable
dependiente de las variables físicas, de localización, ambientales definidas para el
estudio, dentro de los principales resultados del estudio se obtuvo que para el año
2012, los precios en promedio del m2 de la vivienda oscilaban entre $2.100 y
$3.232.000, demostrando que la ciudad es heterogénea en cuanto al valor del suelo se
refiere y partir de esto la complejidad que requieren los estudios en cuanto a la
determinación de valores del suelo y la necesidad de emplear métodos como
regresiones ponderadas geográficamente WGR, que permitan analizar la incidencia
de los atributos en el precio, de acuerdo con su localización.

25
2.3 Aspectos Metodológicos.

Este trabajo se basó en la investigación explicativa, con método lógico-deductivo por

cuanto considera el análisis de tipo cuantitativo, por medio del procesamiento
estadístico de correlación de variables y generación de modelos de regresión espacial
que permitieron resolver los objetivos planteados.

2.3.1 Tipo de diseño metodológico.

La investigación se basó en el tipo metodológico explicativo, por cuanto se

determinaron las variables explicativas (independientes) que tienen mayor
representatividad en el modelo, lo cual permitió establecer su grado de correlación y
participación en la formación del precio de la vivienda (variable dependiente),
logrando así identificar sus causalidades y construyendo algunas proyecciones sobre
el comportamiento del precio en el área de estudio. El método de comprobación de
hipótesis está basado en el método lógico-deductivo, su análisis se centró en el
comportamiento de correlación de estas variables empleando modelos econométricos
y estadísticos por lo tanto su análisis es de tipo cuantitativo y finalmente es modelada
y visualizada mediante el empleo de herramientas de Sistemas de Información
Geográfica S.I.G mediante mapas temáticos permitió comprender el comportamiento
espacial del valor de la vivienda en el área de estudio.

El paradigma de geografía cuantitativa basa su análisis en la visión espacial y en la

búsqueda de resultados empíricos para actuar sobre la realidad compleja del territorio,
permitiendo dimensionar las problemáticas socioeconómicas y los patrones de
distribución espacial que permiten orientar políticas en busca de soluciones fácticas.
Las metodologías de la geografía están destinadas a estudios de localizaciones,
distribuciones, asociaciones, interacciones y evoluciones espaciales, aportando no
solo a esta disciplina sino a otras ciencias afines, componentes básicos de análisis del
espacial. A continuación en la Figura 1, se incorpora la línea base empleada en el
desarrollo metodológico de la investigación:

26
Figura 1.Diseño metodológico. Fuente: Elaboración propia.
El procedimiento metodológico se desarrolló en cuatro etapas. Inicio: definición del
tema y el problema, revisión documental, se plantearon los objetivos del trabajo.
Planeación: recolección de información definición de procedimientos y técnicas así
como las variables y la población objetivo de estudio. Ejecución: análisis de
información, puesta en marcha de modelos y Cierre: evaluación de resultados y
conclusiones. Lo anterior se puede observar en la figura 2.

27
Fase de Inicio F
a
Fase
s
e

Preguntas de
Investigación

Planteamiento
Formulacion de la Propuesta de Investigación

Objetivos de la
investigación

Justificación

Propuesta de
investigacion

Construcción
No Viabilidad Si del marco
teórico

Definición de
alcance
Pertinencia Factibilidad

Formulación de
hipótesis

Fase de Planeación
Fase

Dimensión de Selección del tipo Delimitación de

evento de estudio de diseño población y muestra
Investigación
Diseño de

Selección de
Selección de
técnicas de Plan de Trabajo
técnicas de análisis
recolección de
de datos
datos

Programación de
actividades

Fase de Ejecución
Fase

Recolección de Materialización de
Análisis de datos
y materialización

datos la propuesta
Desarrollo

Informe de
Resultados
(hitos intermedios)

Generación de Desarrollo de
Evaluación de Mapas temáticos, Modelos
resultados Implementación Estadísticos y
S.I.G econométricos

Fase de cierre
Fase
Finalización de la investigación

Redacción del
Publicación Socialización
informe final
Informe final y
publicación

Figura 2.Flujo de Procesos y actividades.

Fuente: Elaboración propia

28
2.3.2 Identificación de fuentes de información.

De acuerdo a la disponibilidad de la información para la elaboración de presente

trabajo de investigación se realizó la recolección de la información capturada en
campo de ofertas de vivienda por parte de la Unidad Administrativa Especial de
Catastro Distrital -UAECD- para las localidades de Kennedy, Fontibón y Engativá de
la ciudad de Bogotá, con el fin de establecer criterios de comparación en cuanto a la
dinámica del mercado inmobiliario en la zona de estudio.

En cuanto a las fuentes secundarias de información se obtuvieron 2214 ofertas de

mercado inmobiliario durante los años 2015 y 2016. Adicionalmente se obtuvo una
base de los valores catastrales de predios de Bogotá de los años 2000, 2005, 2010 y
2015, suministrada por la -UAECD-, que permitió realizar un análisis multitemporal
acerca del comportamiento del valor de la vivienda para las localidades estudiadas.
Posterior a la incorporación de una geodatabase tanto de la información gráfica como
alfanumérica se realizó un proceso de georreferenciación que consistió en crear una
malla de puntos con proyección en coordenadas cartesianas en sistema de referencia
magna sirgas origen central, donde cada uno de los puntos representa el precio de la
vivienda en coordenadas planas de X y Y, obtenidas a partir del centroide de cada
lote, en la zona de estudio definida.

Luego, se incorpora en la base de datos los puntos obtenidos que representan las
ofertas inmobiliarias que incluye las características físicas de los inmuebles para cada
oferta de vivienda. Un procedimiento similar se realizó con cada uno de los
equipamientos o amenities que representados por medio de un punto se determinó la
distancia de cada vivienda a cada uno de ellos encontrando la distancia euclidiana que
conformaron las variables de localización (distancia a centros médicos, parques,
centros comerciales, equipamientos de seguridad, bibliotecas, sitios de hurtos, sitios
de homicidios, los cuales son descritos en los siguientes numerales. Esta información
es fuente de la entidad de la cual es custodio, como lo son: como lo es la SDP y el
Fondo de Vigilancia y Seguridad, Transmilenio, Número Único de Seguridad y
Emergencia para el Distrito Capital.

29
2.3.3 Identificación de variables

Las variables incorporadas a cada vivienda tienen que ver con las características
físicas, socio-económicas o amenities presentadas en la tabla 3, variables de las
viviendas:

Tabla 3. Variables Independientes del Modelo.

IDENTIFICACION NOMBRE DE
DEFINICIÓN DE LA VARIABLE ESCALA TIPO
DE LA VARIABLE VARIABLE

1 PRECIO Variable dependiente. Precio de la vivienda en pesos colombianos (oferta inmobiliaria)Razón

2 EDUCACION Distancia al centro educativo más cercano. Razón
3 SEG_ALIMENTARIA Distancia a la institución de servicios alimentarios más cercana Razón
4 SALUD_PUB Distancia al centro de salud pública más cercana. Razón
5 SALUD_PRIV Distancia al centro de salud privada más cercana. Razón
6 INTEGRA_SOCIAL Distancia al centro de integración más cercano Razón
7 EDUCA_SUPERIOR Distancia a la institución Universitaria más cercana Razón
8 PARQ_METRO Distancia al parque de escala metropolitana más cercano. Razón
9 PARQ_VECIN Distancia al parque de escala vecinal más cercano. Razón
10 PARQ_BOLSI Distancia al parque de escala de bolsillo más cercano. Razón
11 PARQ_ZONA Distancia al parque de escala zonal más cercano. Razón
12 CAI Distancia al centro de atención inmediata de la policía más cercano Razón
13 INST_POLI_MILITAR Distancia a las instituciones de policía militar más cercana. Razón
14 BOMBER_DEF_CIVIL Distancia a la institución de bomberos más cercano Razón Continúa
15 CULTURA Distancia a la institución de cultura más cercano Razón
16 CULTO Distancia a la institución de culto más cercano Razón
17 CEMENTE_SERVICIOS Distancia al parque cementerio o funeraria más cercana. Razón
18 HUMEDAL Distancia al humedal más cercano Razón
19 PLANTA_TRATAMIENTO Distancia a la planta de tratamiento de aguas residuales más cercana.} Razón
20 AEROPUERTO Distancia al Aeropuerto Internacional el Dorado. Razón
21 ZAMPA Distancia a la Zona de Manejo y Preservación Ambiental más cercana Razón
22 ESTACION_METRO Distancia a la estación del Metro proyectada más cercana. Razón
23 ESTACION_TM Distancia a la estación de Transmilenio más cercana. Razón
24 NODO_TRANSPORTE Distancia al paradero del sistema integrado de transporte más cercano. Razón
25 RED_METRO Distancia a la línea de metro proyectada más cercana. Razón
26 CORRED_CARGA Distancia al eje vial de trasporte de carga más cercano. Razón
27 RED_CICLORUTA Distancia a la vía de cicloruta cercana. Razón
28 ALCOBAS Número de alcobas de la vivienda. Razón
29 PISOS Número de pisos edificados en la vivienda. Razón
30 BAÑOS Número de baños de la vivienda. Razón
31 COCINAS Número de cocinas de la vivienda. Razón Discreta
32 GARAJES Número de garajes de la vivienda. Razón
33 VETUSTEZ Antigüedad de la construcción Razón
34 CALIFICACION Puntaje asignado por la UAECD para cada vivienda. Razón
35 AREA_TERRENO Superficie de Área del lote. Razón
Continúa
36 AREA_CONSTRUIDA Superficie de Área construida de la vivienda. Razón
37 LOCALIDAD Número de la localidad a la cual pertenece la vivienda. Nominal Discreta

Fuente: Elaboración propia.

Las variables de distancias a equipamientos de escala zonal, vecinal o metropolitano

que permitirá definir su grado de influencia en la conformación del valor de la
vivienda, estas medida es un distancia euclidiana de cada vivienda a cada
equipamiento como de salud, educación, recreación, cultural y de seguridad y eventos
de criminalidad ocurridos en la proximidad de cada vivienda.

30
2.3.4 Construcción de base de datos.

La base de datos se construye dentro de una personal geodatabase en software SIG de

Arc-Gis, que permite establecer por procesamiento geoestadístico las relaciones
espaciales (correlaciones) de las variables independientes en cada UPZ Unidad De
Planeamiento Zonal analizado y su grado de participación en el valor de la vivienda
variable dependiente.

2.3.5 Procedimiento estadístico.

El AEDE es una teoría para datos espaciales (datos de una variable y su geoposición)
permitiendo encontrar causalidades de su comportamiento por medio de la auto-
correlación espacial y heterogeneidad espacial. Cuando se realizan observaciones a
datos georreferenciados, se deben emplear técnicas que permitan conocer las
características de estos, como tendencia, valores atípicos, esquemas de asociación, la
concentración espacial, puntos caliente o fríos y como ya se mencionó la dependencia
espacial, para esto los métodos que permiten conocer estas características se llaman
de análisis exploratorio de datos espaciales (AEDE), conocida para el análisis de
datos geográficos. (Acevedo y Velásquez, 2008).

El AEDE, combina el análisis estadístico y el grafico obteniendo una apreciación

científica y visual de la conducta de los datos analizados. El comportamiento de una
variable en diferentes espacios geográficos o su tendencia espacial es representado
mediante mapas temáticos. El fundamento se basa en que todos los fenómenos
ocurridos en un espacio geográfico tienen influencia directa sobre sus vecinos
cercanos y lejanos en menor o mayor grado. El AEDE se emplea para reconocer
relaciones sistemáticas entre variables o dentro de una misma variable, en el
momento de no tener claridad sobre su distribución y comportamiento en un
determinado espacio geográfico (Chasco, 2006).

Las causas de la variación según (Haining, 2003) de las relaciones espaciales se

podrían mencionar:

31
  A las variaciones muéstrales aleatorias
 Las relaciones diferenciadas que se presentan en el espacio de acuerdo al
tipo de población que generan respuestas diferenciadas al mismo tipo de
perturbación.
 Omisión o representación incorrecta de una o más variables que explican
el modelo.

Definiciones en análisis de regresión: Para comprender mejor el empleo de la

estadística espacial se requiere realizar una breve descripción de sus principales
componentes:

Ecuación del modelo de Regresión: fórmula matemática aplicada a las variables

independientes, con el fin de encontrar el valor de la variable dependiente.

Y= β0 + β1X1 + β1X1 + …….. βnXn + ɛ

Donde,

Y= variable dependiente, es la variable que se desea explicar o predecir, para el caso de estudio esta
corresponde al precio de la vivienda.
X= variable exploratoria o explicativa, corresponde a las variables independientes que se emplean para
conocer su participación en dentro del modelo, en función de la variable dependiente. Las variables
independientes para el caso de estudio corresponden a: distancias a equipamientos e infraestructuras de
Salud Pública, CAI, Instituciones de policía Militar, Cultura, Zampa, Nodos de Transporte, Red de
cicloruta, y variables físicas presentes en las viviendas como número de Baños y de garajes, variable
cuantitativa que indica la tipología de la vivienda con respecto a su Calificación, y variables de
superficies de área como área de terreno y área construida.
β = Coeficientes de regresión, calculado en el modelo de regresión para cada variable independiente y
representa su ponderación u aporte dentro del modelo. El signo que lo acompaña representa el tipo de
relación de la variable independiente con respecto a la variable dependiente, puede ser positivo o
negativo y su valor depende del grado de relación entre las variables (valor alto relación fuerte, valor
bajo relación débil cercanas a cero). β0, es la intercepción de regresión, y el valor esperado para la
variable dependiente si todas las variables independientes son cero dentro del modelo.
ɛ = Residuales del modelo, corresponden al valor del error aleatorio dentro de la ecuación de regresión
y representa la diferencia entre los valores observados y los valores posibles de las variables
explicativas. Identifican el ajuste del modelo, se esperaría valores pequeños que indican la robustez del
mismo.

32
Adicionalmente, en estadística se reconocen principalmente los siguientes
coeficientes que resultan de generar un modelo de regresión:

P= Probabilidad de los coeficientes de cada variable independiente, cuando toma el

valor de cero, la variable independiente no aporta a la explicación de la variable
dependiente dentro del modelo.

R2= R cuadrado múltiple y ajustado, son resultado del modelo de regresión para
determinar la significancia del modelo y el valor explicativo del mismo. El valor que
toma R ajustado es más preciso ya que determina el grado de complejidad del
modelo.

2.3.6 Efectos espaciales.

Cuando se trabaja con la ciencia regional, se debe considerar que esta posee
propiedades de acceso a geolocalización. Este tipo de datos tiene características que
constituyen los efectos espaciales que pueden ser de dependencia espacial y
heterogeneidad espacial. Cuando se trabaja con información espacial, se deben tener
en cuenta aspectos que la econometría tradicional no contempla como la
autocorrelación y la heterogeneidad espacial, debido principalmente a la
multidireccionalidad que domina las relaciones de interdependencia entre unidades
espaciales. (Rosina, 2002). La Dependencia espacial se puede definir como el
conjunto de observaciones cada una de ellas para un lugar específico y todas
dependientes entre sí en un grado de correlación mayor o menor definidos por los
siguientes aspectos:

 Comportamiento humano y actividades económicas

 Agrupamientos espaciales (problemas de escala)
 Errores de medición en observaciones continuas que propaga en error en la
serie observada.

33
En la interacción espacial las teorías de localización y distancia son fuerzas
contempladas en estudios de geografía humana y de actividades del mercado. Las
viviendas tienen como característica su inmovilidad, lo cual define que el mercado
inmobiliario sea espacial que a su vez conlleva efectos intrínsecos denominados
dependencia y heterogeneidad espacial. (Higuera, 2011).

Autocorrelación espacial: Se define como la dispersión o concentración de los puntos

muestra vecinos de una variable en el espacio geográfico o lo que (Astorkiza ,2006;
Moreno 2002) llaman como la manifestación de una relación funcional entre lo que
ocurre en un lugar geográfico y otro, la cual puede ser positiva cuando la existencia
de un fenómeno en un determinado espacio está manifestándose en un espacio vecino
o negativamente si ocurre en caso inverso. Según (Anselin, 1999) es la coincidencia
de valores similares en localidades similares. La autocorrelación espacial se evidencia
cuando el valor que toma una variable dependiente en un determinado espacio
geográfico está en función del valor de la misma variable en un espacio geográfico
próximo. (Acevedo y Velásquez, 2008). La diferencia entre autocorrelación espacial
y dependencia espacial según (Villalta y Perdomo, 2005) está en que la primera se
refiere al fenómeno y técnica estadística y la segunda a la explicación teórica del
fenómeno. Heterogeneidad Espacial: Se define como la diferencia de las relaciones
en varios espacios geográficos próximos y cuando se presenta en los errores de
medición se produce la llamada heteroscedasticidad. También definida como el
cambio en el espacio de las correlaciones entre las variables, debido a que cada zona
de estudio posee características propias e intrínsecas las cuales son diferentes a las
que pueda presentar una zona vecina. Este efecto espacial resulta cuando se emplean
variables de unidades espaciales diferentes con las cuales se pretende explicar el
mismo fenómeno.

Heteroscedesticidad Espacial: Conocida como la ausencia de estabilidad en la

dispersión de un fenómeno, también llamada como la inestabilidad estructural del
modelo o como no estacionariedad. (Moreno, 2002), la cual puede ser resuelta
mediante técnicas econométricas existentes para series temporales como WGR
(regresiones geográficas ponderadas). Matriz de Contigüidad: Es la conectividad
matricial o arreglo W, donde cada una de las filas y columnas significa una región o
espacio de estudio, representada mediante una posición georeferenciada de
coordenadas este y norte esta matriz representa la relación de un determinado espacio
geográfico con respecto a los próximos, esta matriz refleja la relación de cada una de

34
las regiones con las demás la más común y empleada es la notación binaria donde 1
representa la presencia de contigüidad espacial entre dos unidades y 0 la ausencia de
contigüidad en la relación. Existen varios tipos de contigüidad los cuales están
definidos por las formas de asociación entre unidades de las cuales podemos
mencionar; la contigüidad de torre que es la más común y de primer orden,
contigüidad de alfil y contigüidad de reina.

2.3.7 Procedimiento econométrico.

La Econometría espacial nació como subdisciplina de la econometría general que

brinda herramientas y técnicas de contrastación y de evaluaciones necesarias para
procesar variables que presentan problemas como heterogeneidad y dependencia
espacial. (Rosina, 2002). Definida como la parte de la econometría que se ocupa del
tratamiento de la interacción espacial (autocorrelación espacial) y la estructura
espacial (heterogeneidad espacial) en los modelos de regresión de corte transversal y
de datos de panel, (Anselin, 2001d), En este sentido, se trata de un concepto similar a
la geoestadística o la estadística espacial, muy utilizada por físicos y geógrafos
(Cressie, 1993). La econometría espacial tiene su origen, como campo específico
durante los años 70, en una Europa de las regiones, necesitada del análisis
econométrico de datos de ámbito infranacional, aunque las principales aplicaciones
en este campo tuvieron lugar en la última década del siglo XX. (Chasco, 2003).

La econometría espacial incorpora el análisis espacio-geográfico, donde se conoce la

exactitud posicional de los datos o su geoposición y adicionalmente el espacio
geográfico considerado cuenta con características de multidireccionalidad de las
relaciones que sobre él se establecen y la multidimensionalidad llamados también
“efectos espaciales” de autocorrelación (practica técnica estadística) o dependencia
espacial ( explicación teórica) que básicamente describiría que tan concentrados o
dispersos se encuentran los valores del precios por rangos de la vivienda y la
heterogeneidad espacial con implicación teórico-social dado que ocurre en el
contexto geográfico, pues tiene un efecto parcial en el comportamiento humano
(O’Loughlin y Anselin, 1992) y que conlleva problemas de heteroscedasticidad
(inconstancia en los residuales) (Villalta y Perdomo, 2005), las anteriores
características deben ser consideradas en los estudios que incorporen el

35
modelamiento espacial como principal objetivo ya que muchos estudios se detienen
en el básico análisis econométrico. (Chasco, 2003).

La econometría espacial incorpora características de dependencia espacial ya que al

involucrar datos transversales donde el espacio tiene influencia directa de sus vecinos
y la fricción producida con estos es lo que Juan Carlos Mendieta y Jorge Andrés
Perdomo en su estudio: “Especificación y estimación de un modelo de precios
hedónico espacial para evaluar el impacto de Transmilenio sobre el valor de la
propiedad en Bogotá 2007” denominaron movimiento de una reina en el juego de
ajedrez, es decir que existe una dependencia multidireccional o en toda dirección con
los espacios circundantes y con las características de estos. Para espacializar los
resultados obtenidos a partir de los modelos de regresión se emplean herramientas de
S.I.G. que permiten visualizar y entender el comportamiento de las variables, su
grado de correlación y su configuración espacial en el territorio.

Los datos espaciales según (leSage, 1999) son definidos como la observación de una
variable con un geoposición que además de ser georreferenciable, multidireccional y
multidimensional se puede representar en un mapa o cartografiar. Los estudios
geográficos cuantitativos mediante la herramienta de S.I.G., centran su análisis en la
organización del espacio. La evidencia de segregaciones socioespaciales es uno de los
resultados obtenibles, que mediante métodos rigurosos permiten formular acciones
tendientes a reducirlas y por ende mejorar la calidad de vida las personas. El empleo
actual de cartografía automatizada incorpora técnicas estadísticas y econométricas
espaciales con implementación de imágenes satelitales que en conjunto y dentro de
un ambiente SIG, son una herramienta con soporte cuantitativo que permite reorientar
la planeación del territorio.

2.3.8 Ecuación Hedónica.

La metodología se basó en los precios hedónicos, efectuando un análisis preliminar

descriptivo de asociación espacial o (I De Moran) en el cual se estableció la
dependencia entre las ofertas vecinas obtenidas a partir de la muestra capturada.
Posteriormente se realizó un modelo autorregresivo espacial para identificar la
influencia de precios vecinos sobre el precio de una vivienda específica y la

36
ponderación global de las variables analizadas en el modelo. El modelo de precios
hedónicos se fundamenta en la teoría del consumidor Lancaster (1966) y desarrollada
más tarde por (Rosen, 1974) con análisis sobre bines inmuebles cuyo estudio
consistió en estimar econométricamente ecuaciones que tienen como variable
dependiente el precio y como variables independientes las características de la
vivienda, los cuales no se transan explícitamente en los mercados sino que conforman
un grupo de atributos que se transfieren junto con otros derechos de propiedad del
bien cuando este es mercadeado, encuentra que las características presentan
restricciones no lineales y por consiguiente efectos marginales entre el precio y las
variables implícitas del bien. (Collazos, et al 2004). Figura 3.

Figura 3. Esquema de precios hedónicos de una vivienda.

Fuente: Elaboración propia.

Entonces la función de precio P tiene una relación funcional f con respecto a las
características vectoriales x, representado por la siguiente función matemática:

P= f(x)

Los coeficientes obtenidos a partir de la regresión hedónica se refieren a los precios

marginales implícitos en las características, estimando así el grupo de puntos de

37
intersección de las curvas que representan las demandas de varios consumidores con
diferentes gustos generalmente subjetivos. El método representa la realidad del
análisis de regresión múltiple que identifica el aporte individual de cada característica
al precio de la vivienda sin tener en cuenta las demás características se podría decir
como el precio que representa para una vivienda tener un parqueadero adicional sin
tener dependencia de las otras características de la vivienda. (Collazos, et al 2004).

En la primera parte del estudio se realiza un análisis de correlación espacial en un

determinado espacio, basada en el índice Moran.

I De Moran Por Intervalos de distancia: Cuando analizamos y procesamos

información georreferenciada, se deben tener en cuenta características de vecindad
que los métodos estadísticos tradicionales no tienen en consideración por ejemplo
estimación por mínimos cuadrados ordinarios, tendría como resultado inconsistencias
de homocedasticidad.

2.3.9 Aplicación Regresión Ponderada Geográficamente

Seguidamente, se aplicó la técnica del modelo de regresión WGR con kernels

(núcleo) adaptativos que permite identificar el dominio local de las variables sobre el
precio de la vivienda, modeladas por medio de mapas temáticos con interpolación de
distancias inversas en el software SIG de Arc-Gis. (Collazos, et al, 2004). Este
modelo de regresión presenta similitudes con el modelo de OLS, dado que genera un
una regresión lineal para la variable independiente a partir de las explicativas, pero
con un valor agregado que consiste en generar un modelo local, donde para cada
punto de observación se le crea sus propios coeficientes, realizando así un mejor
ajuste de los valores predictivos.

Al realizar cualquier análisis de tipo espacial su principal consideración debe ser que
este contempla datos de corte transversal que están dispuestos en el espacio y que
interactúan por medio de componentes económicas, geográficas, sociales con otros
que pueden tener características similares o no (homogeneidad o heterogeneidad).

38
El conocimiento del espacio, así como un denotado afán por dar explicación a
fenómenos naturales y antropogénicos que ocurren en un determinado espacio han
permitido que se despierte gran interés por el estudio de métodos econométricos
espaciales, según Anselin y Florax (1995)18. En cualquier estudio donde se analiza el
comportamiento del mercado inmobiliario que cuenta con datos muy heterogéneos, es
fundamental aplicar técnicas estadísticas con alto grado de confianza, técnicas de la
cual GWR hace parte.

En estadística los modelos de predicción directa utilizan regresión múltiple por

mínimos cuadrados ordinarios (MCO), suponiendo estabilidad paramétrica de los
resultados, esta estabilidad de betas (predictores) implica que la magnitud de
coeficientes de regresión es constante en el tiempo (Walters y Cervero 2003). El
coeficiente de determinación explica la variable dependiente y determina sí un
coeficiente es igual para todas las observaciones, lo cual se traduce en un problema
como inestabilidad paramétrica (Arbia y Baltagi 2006). La inestabilidad paramétrica
resulta de trabajar con valores extremos en una muestra multivariada, lo que conduce
a altas desviaciones y resultados diferentes en las variables que componen el modelo.
Igualmente los datos de tipo espacial no son independientes debido a su
autocorrelación y redunda en que la fuerza de la relación de variables en el modelo es
heterogénea para el área de interés.

Existen modelos de predicción directa en el cual se incorporarán variable s que

explican las características de las estaciones y su entorno empleando sistemas de
información geográfica para proyectar la demanda mediante las variables del entorno
y su área de influencia (Kuby, Baranda y Upchurch, 2004) como ocurre en el estudio
de las estaciones del tren de Madrid (Gutiérrez et al 2011). Estos modelos son más
significativos y relevantes cuando aplican técnicas como (GWR) la cual permite
establecer la inestabilidad paramétrica a partir de la magnitud representada por los
18
La Nueva geografía económica Krugman (1991, 1993, 1999), Martin (1996) donde la interacción
espacial con ciencias sociales y geomarketin, nace como investigación de mercados donde la geografía
es participe del desarrollo económico y regional, debido al renaciente interés por el papel del espacio
y la relación espacial en la teoría económica.
La disposición de robustas y múltiples bases de datos socio-económicas y datos georreferenciados que
permiten realizar análisis de tipo regional.
El desarrollo de sistemas de información geográfica donde se manejan y procesan datos
georreferenciados, donde destacar el programa “SpaceStat” que Anselin (1992D, 1995A), ha puesto a
disposición, en el que implementa bajo el entorno Gauss los diferentes contrastes de detección de
autocorrelación espacial en los modelos de regresión así como los métodos de estimación que
incorporan dicha problemática. (Chasco, 2003).

39
coeficientes obtenidos en el área de estudio. En estos modelos el estudio se centra en
las zonas vecinas que permite establecer su grado de correlación. El GWR
corresponde a un modelo de regresión ajustado al espacio donde el efecto de una
variable independiente (explicativa) sobre la variable dependiente es ponderado por el
efecto geográfico y econométrico de los regresores (coeficientes de regresión),
permitiendo dar mayor ponderación a las muestras más cercanas entre si y a las más
lejanas menor ponderación. Por lo tanto el principal objetivo se centra en realizar
ajustes tantas iteraciones como muestras (unidades espaciales) se tengan en el
modelo; se puede realizar estimaciones ajustadas a cada muestra aplicando la
ecuación resultante para el modelo. (Equiarte y Sánchez, 2015).

La principal característica de GWR es diferenciar la componente espacial en los

datos, incorporando en la ecuación el valor de las coordenadas geográficas de las
muestras, ya sea en un punto, el centroide de un lote o una celda para formatos raster,
permitiendo que los coeficientes Bj (j=0,1,…p) de los j predictores Xj (j=1,…p) sean
diferentes en cada ubicación; ósea la ubicación está definida por sus coordenadas
(latitud; longitud). El valor de la variable dependiente Yi se puede representar
mediante la siguiente función matemática:

Yi= B0 (latitudi ; longitudi)+ B1(latitudi ; longitudi)X1+

B2(latitudei ; longitudi) X2 +…….+Bp(latitudi ; longitud i) Xp

2.4 Localización y Generalidades.

Localidad de Kennedy: Limita al Norte con la localidad de Fontibón, por el rio Fucha
y el municipio de Mosquera por el rio Bogotá. Al oriente con la localidad de
Fontibón, por el rio Fucha y Puente Aranda por la avenida de Congreso Eucarístico.
Al sur con la localidad de Tunjuelito por la avenida NQS tramo sur Ciudad Bolívar y
Bosa por el rio Tunjuelito y por el Occidente con la localidad de Bosa por el rio
Tunjuelito y el municipio de Mosquera por el rio Bogotá. Los usos del suelo está
representado por el residencial 55.9% área urbana integral 20.5%, suelo protegido

40
9,4% dotacional 6.6% comercio y servicios 4.5% e industrial 3.1 y está compuesta
por 98 sectores catastrales19

La localidad de Fontibón: Limita al norte con la localidad de Engativá, Avenidas José

Celestino Mutis, y Jorge Eliecer Gaitán. Oriente: con las localidades de Puente
Aranda y Teusaquillo y con la avenida del Congreso Eucarístico, al Sur con la
localidad de Kennedy y con el rio Fucha y al Occidente con el rio Bogotá y los
municipios de Mosquera y Funza. Los principales usos del suelo son dotacional, uso
urbano integral, residencial, industrial, comercio y servicios y de áreas protegidas,
está compuesta por 52 sectores catastrales.

La localidad de Engativá: Limita al norte con la localidad de Suba con el Rio Juan
Amarillo y Humedal Jaboque. Oriente: con localidades de Barrios Unidos y
Teusaquillo y con La Avenida del Congreso Eucarístico. Sur: localidad de Fontibón y
con las Avenidas José Celestino Mutis y Jorge Eliecer Gaitán. Al Occidente: con los
municipios de Funza y Cota y con el Rio Bogotá. Los usos predominantes son
residencial consolidado, residencial con urbanización incompleta, dotacional y área
urbana protegida, la localidad contiene 81 Sectores catastrales.

Los sectores que componen el estudio se ilustran en la figura 4.

19
Los sectores catastrales son una subdivisión del territorio distrital, creada para el desarrollo de las
labores misionales del catastro. Un sector catastral se compone de varias manzanas; está delimitado
principalmente por vías de la malla vial arterial o zonal, o por límites naturales; los sectores catastrales
también pueden tener en cuenta la extensión original de los grandes predios de los cuales se segregaron
otros de menor extensión, por esta razón un sector catastral puede ubicarse en más de una localidad.
Los sectores catastrales están codificados para facilitar los trabajos estadísticos que con base en ellos
se puedan desarrollar. (SDP, 2011)

41
 · Sectores Catastrales

005664

SUBA

005634
106301

005669 005650
005663
106201
005654 005640
005662 005630
005649 005622
005666 005668 005682
005661
005647 005655 005631
005636 005644
005670 005627
005667 005683
005657 005632
005648
005673 005628
005675 005684 005617 005616
005637 005635 005613
005672 005665 005639
005643 005612
005679 005629 005619
005660 005641
105402
005680 ENGATIVA 005611
005601
006411 005624 005652 005620 005610
005625 005615
205402 005623
006414
006418 005621 005609
006532
005602
105401 006419 005608
005406
006413 006416
005626 005405
205401 005603
006401
005614 005404
006403 005501
006525
006402 005604
006417 006420 005510
105403 006404
006409 005605
006519 FONTIBON 005607 005638 005509 005502

006408 005503
006410 005606
005508
006520 006316 006301 005504
006415 006406 006405 005505
105104 005507
006407
006521 006312
105103 006423 006311

006522 005506
006524
205102 006302
006303
105105
006320 006315
006534 006528
105203 006533
006319
205221 205101
006511
006503 006527 006308 006313
205209 006518 006516 006514
004627
006529 006507
004609 006307
004611 006515
004603 004601 006510 006512 006306
004615 004566
004607 006531
004612
004554
004564
006506
TEUSAQUILLO
004541 006504 006501
004555 006517
004614 004613 006505
004560 006509
004618 004562 006508 006502
004316 004547
004617
004619 KENNEDY
004531
004620 004514 004501
004548
004621 004578
004556 004509 004551
004508 004511
004502
004559 004510
004557 004525 004507
004576 004512
004581 004503
004535 004537 004505
004565

004534 004545
004530 004504 PUENTE ARANDA
Convenciones
004518
004536

004532 004540
004517 004506
004549 004542
Limite Localidad
004584
004582
004516 004543
004515
Sector Catastral
004596
004544

Esc 1:75.000
0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa No. Sectores Catastrales Agosto 2016 Unidad de medida: Metros

Area Estudio Escala:1:75.000

Figura 4. Mapa de sectores catastrales

Fuente: Elaboración propia.

42
2.5 Densidad Poblacional

En Bogotá, a partir del año 1938 se presentó un crecimiento demográfico a tasas

superiores del nivel nacional. Entre los años 1964 y 1993 la participación de la ciudad
de Bogotá en el total nacional pasó del 9.7% al 14.56%. Esta presión sobre el suelo
represento un aumento en la densidad poblacional pasando de 143.8 a 283.5
habitantes por hectárea, lo que conllevo a una mayor demanda de viviendas y por
ende una tendencia al aumento en los precios del suelo (SDP, 2005) (tomado de
Amézquita, L., Sánchez, P., & Abaunza, G. ,2012). A pesar de que la población de
Engativá sigue creciendo, lo hace a un ritmo cada vez menor. La población de
Fontibón crece en el periodo 2005-2015, mas sin embargo su ritmo de crecimiento es
lento hasta el 2010, empezando a crecer hasta el 2015. A pesar de que la población de
Kennedy crece sostenidamente entre 2005 y 2015, este ritmo es lento hasta el año
2010, para luego aumentar hasta el 2015. (SDP, 2011)20. Tabla 4.

Tabla 4.Densidad Promedio poblacional.

UPZ Mayor UPZ Menor

Densidad Urbana Densidad Promedio
Densidad Densidad
Localidad promedio Urbana Bogotá
(personas/ha) (personas/ha)
(personas/ha) (personas/ha)
Nombre Densidad Nombre Densidad
Patio Bonito 614
Kennedy 283 192 Bavaria 75
Corabastos 395
Minuto de Dios 403
Engativá 245 192 Jardín Botánico 16
Garcés Navas 324
Fontibón 284
Fontibón 113 192 Aeropuerto El Dorado 1
Ciudad Salitre Occidental 195
Fuente: Elaboración propia a partir de (SDP-2011).

Se estima que la población de Bogotá al finalizar el año 2016 sea de 7.980.001 y para
el año 2020 sea de 8.380.801, de esta población según los quinquenios desde el año
2005 el porcentaje de la población de las localidades de Kennedy, Fontibón y
Engativá hace parte del 30%, como se ilustra en la tabla 5 y figura 5 y 6.

20
La densidad urbana se define como la cantidad de personas que residen en un territorio urbano
específico de la ciudad; en este caso se refiere al número de habitantes por hectárea urbana. Es
importante precisar que este territorio urbano incluye las manzanas y el espacio público como las vías,
los andenes, las plazas, las plazoletas, los parques, las áreas verdes y naturales que corresponden a
quebradas, humedales, ríos y sus rondas y canales, entre otros. (SDP, 2011).

43
Figura 5. Participación poblacional porcentual.
Fuente: Elaboración propia a partir de (estadísticas DANE 2016).

Tabla 5. Población por quinquenio.

Población Población Población

Localidad
Año 2005 Año 2010 Año 2015
Kennedy 944.777 1.009.527 1.069.469
Fontibón 297.933 338.198 380.453
Engativá 793.944 836.124 874.755
Complemento Bogotá 4.803.462 5.179.933 5.554.106

Fuente: Elaboración propia a partir de Proyecciones de la Población Censo General DANE 2005.

Las localidades de Engativá y Kennedy son dos de las localidades con mayor
participación de población dentro de Bogotá, solo superadas por la localidad de Suba.

44
Figura 6. Crecimiento densidad poblacional
Fuente: Elaboración propia a partir de Proyecciones de la Población Censo General DANE 2005.

El 70% de la población de las localidades de estudio se encuentra en un rango de

edad de 15 a 65 años. En el año 2005 la localidad de Kennedy tenía 48 personas
dependientes demográficamente por cada 100 personas en edades activas, esta
relación ha ido disminuyendo hacia 2011, pasando a 44 personas dependientes por
cada 100 personas en edades activas. Para el mismo periodo Fontibón tenía 45
personas dependientes demográficamente por cada 100 personas en edades activas,
esta relación ha ido disminuyendo hacia 2011, pasando a 41 personas dependientes
por cada 100 personas en edades activas y para la localidad de Engativá ocurre el
mismo fenómeno diferenciado que hacia el año 2011 disminuye a 42 personas
dependientes por cada 100 personas en edades activas.21

21
En Engativá, Fontibón y Kennedy los grupos de adultos y adultos mayores son los únicos que cada
vez tiene un peso mayor dentro del total de población, en contraste con las persona menores de 25 años
que cada vez son un grupo poblacional menor, debido a la reducción de la fecundidad que
experimentan estas localidades. Adicionalmente se evidencia una reducción de la Población en edad
escolar PEE para todos los grupos de rango educacional, preescolar primaria, secundaria y universidad
entre el 2005 y 2015.

45
2.6 Área y usos de suelo por localidad y a nivel de UPZ

La Ley 388 de 1997 definió las clases de suelo, las cuales son clasificaciones
fundamentales en los desarrollos de los planes de ordenamiento y desarrollo en la
ciudad22. El área de estudio presento la distribución de áreas por clase de suelo
descrito en la tabla 6:

Tabla 6. Área por tipo de suelo. Fuente: SDP. Decreto 190 de 2004 y Decreto 544 de 2009, Bogotá.

Área Suelo Suelo de Expansión Suelo

Localidad
total (ha) Urbano (ha) Urbana (ha) Rural
Kennedy 3.859 3.606,40 252,6
Fontibón 3.328,10 3.052,80 275,3
Engativá 3.588,10 3.439,20 148,9
Complemento Bogotá 152.887,90 28.332,80 2.297,30 122.257,70
Total 163.663,10 38.431,20 2.974,10 122.257,70
Fuente: Elaboración propia a partir de Decreto 619 del 2000 Decreto 190 de 2004 y Decreto 544 de
2009 Bogotá D.C.

La Unidad de Planeamiento Zonal -UPZ-

Su principal fundamento es especificar y delimitar el planeamiento del suelo urbano,

como respuesta a la dinámica de producción de la ciudad y a su inserción en el
contexto regional, incluyendo a los actores sociales en la definición de los planes de

22
Artículo 30º.- Clases de suelo. Los planes de ordenamiento territorial clasificarán el territorio de los
municipios y distritos en suelo urbano, rural y de expansión urbana. Al interior de estas clases podrán
establecerse las categorías de suburbano y de protección, de conformidad con los criterios generales
establecidos en los artículos siguientes. Artículo 31º.- “Constituyen el suelo urbano, las áreas del
territorio distrital o municipal destinadas a usos urbanos por el plan de ordenamiento, que cuenten con
infraestructura vial y redes primarias de energía, acueducto y alcantarillado, posibilitándose su
urbanización y edificación, según sea el caso. Podrán pertenecer a esta categoría aquellas zonas con
procesos de urbanización incompletos, comprendidos en áreas consolidan edificación, que se definan
como áreas de mejoramiento integral en los planes de ordenamiento territorial. Las áreas que
conforman el suelo urbano serán delimitadas por perímetros y podrán incluir los centros poblados de
los corregimientos. En ningún caso el perímetro urbano podrá ser mayor que el denominado perímetro
de servicios públicos o sanitarios.

46
ordenamiento y control normativo a escala zonal (SDP, 2011)23 Figura 7. En la
localidad de Kennedy existen 12 UPZ’s, clasificadas como se muestra en la tabla 7.

Tabla 7.Area y clasificación de UPZ Localidad Kennedy

Área No. Área de

UPZ Clasificación %
total (ha) de manzanas manzanas (ha)
44-AMERICAS Con Centralidad Urbana 381 9,9 435 256,1
45-CARVAJAL Residencial Consolidado 438,6 11,4 545 297,6
46-CASTILLA Residencial Consolidado 503,2 13 573 355,6
47-KENNEDY CENTRAL Residencial Consolidado 337,2 8,7 518 233,2
48-TIMIZA Residencial Consolidado 430,4 11,2 877 347,1
78-TINTAL NORTE Desarrollo 343,4 8,9 35 283,2
79-CALANDAIMA Desarrollo 318,9 8,3 124 267,2
80-CORABASTOS Residencial de Urbanización incompleta 184,5 4,8 371 137,6
81-GRAN BRITALIA Residencial de Urbanización incompleta 179,9 4,7 377 126,6
88- PATIO BONITO Residencial de Urbanización incompleta 317,3 8,2 966 192,9
83-LAS MARGARITAS Predominantemente Dotacional 147,2 3,8 16 131,7
113-BAVARIA Predominantemente Industrial 277,2 7,2 124 211,4
TOTAL 3858,8 100 4961 2840,2
Fuente: Elaboración propia a partir de Decreto 619 del 2000 Decreto 190 de 2004 y Decreto 544 de
2009 Bogotá D.C.

Dentro de los principales bienes culturales identificables en la Localidad están: La

UPZ Américas. Estadio Metropolitano Ciudad de Techo y la UPZ Bavaria se ubica,
la Clínica de Nuestra Señora de la Paz y el I.E.D. Nicolás Esguerra en la categoría de
Conservación Integral.

La localidad de Fontibón, contiene ocho UPZ, contando entre ellas las de uso
dotacional conformada por el aeropuerto el Dorado y la mitad de las UPZ de
Fontibón que conservan uso industrial actualmente. Tabla 8.

23
De acuerdo con el Decreto 619 del 2000 por el cual se adoptó el Plan de Ordenamiento Territorial,
las UPZ se clasificaron, según sus características predominantes, en ocho grupos así: Unidades tipo 1,
residencial de urbanización incompleta. Unidades tipo 2, residencial consolidado. Unidades tipo 3,
residencial cualificado. Unidades tipo 4, desarrollo. Unidades tipo 5, con centralidad urbana. Unidades
tipo 6, comerciales. Unidades tipo 7, predominantemente industrial y Unidades tipo 8, de predominio
dotacional.

47
Tabla 8.Area y clasificación de UPZ Localidad Fontibón.
No. Área de
Área
UPZ Clasificación % de manzanas
total (ha)
manzanas (ha)
75-FONTIBON Con Centralidad Urbana 496,5 14,9 640 367,8
76-FONTIBON SAN PABLO Predominantemente Industrial 360 10,8 267 301,7
77-ZONA FRANCA Predominantemente Industrial 491,6 14,8 119 419,4
110-CIUDAD SALITRE OCCIDENTAL Residencial Cualificado 225,7 6,8 89 139,1
112-GRANJAS DE TECHO Predominantemente Industrial 477,6 14,4 125 363,2
114-MODELIA Residencial Cualificado 261,6 7,9 291 181,1
115-CAPELLANIA Predominantemente Industrial 272,1 8,2 127 195,6
117-AEROPUERTO EL DORADO Predominantemente Dotacional 743,1 22,3 11 745,9
Total 3.328,10 100 1.669 2.713,9
Fuente: Elaboración propia a partir de Decreto 619 del 2000 Decreto 190 de 2004 y Decreto 544 de
2009 Bogotá D.C.

Para la localidad de Engativá de las nueve UPZ’s cinco de ellas conservaban uso
residencial consolidado como se muestra en la tabla 9.

Tabla 9.Area y clasificación de UPZ Localidad Engativá

No. Área de
Área
UPZ Clasificación % de manzanas
total (ha)
manzanas (ha)
26-LAS FERIAS Con Centralidad Urbana 473,3 13,2 531 333
29-MINUTO DE DIOS Residencial Consolidado 373,3 10,4 921 246,1
30-BOYACA REAL Residencial Consolidado 453,8 12,6 636 320,8
31-SANTA CECILIA Residencial Consolidado 308,6 8,6 406 212,9
72-BOLIVIA Residencial Consolidado 474,5 13,2 153 373,9
73-GARCES NAVAS Residencial Consolidado 555 15,5 861 393,6
74-ENGATIVA Residencial de Urbanización incompleta 587,6 16,4 721 518,5
105-JARDIN BOTANICO Predominantemente Dotacional 161,7 4,5 12 142,8
116-ALAMOS Predominantemente Industrial 200,2 5,6 103 160,1
Total 3.588,10 100 4.344 2.701,5
Fuente: Elaboración propia a partir de Decreto 619 del 2000 Decreto 190 de 2004 y Decreto 544 de
2009 Bogotá D.C.

48
 · Unidades de Planeamiento Zonal -UPZ-

SUBA
BOLIVIA
UPZ72

ENGATIVA
UPZ74

GARCES NAVAS MINUTO DE DIOS

UPZ73 UPZ29

S ENGATIVÁ
L LE
AEROPUERTO EL DORADO
A
RS UPZ117
FONTIBON SAN VE
PABLO
BOYACA REAL
DA UPZ30
NI
UPZ76
E
AV
ALAMOS
UPZ116
LAS FERIAS
UPZ26
CAPELLANIA
FONTIBON UPZ115 SANTA CECILIA
UPZ75 UPZ31
AV

ZONA FRANCA FONTIBÓN

EN

UPZ77
ID

BARRIOS UNIDOS
A

CE MODELIA
NT UPZ114
E
JARDIN BOTANICO
N
AR

UPZ105
IO

TINTAL NORTE
UPZ78 CIUDAD SALITRE OCCIDENTAL
GRANJAS DE TECHO UPZ110
UPZ112

CALANDAIMA
UPZ79

CASTILLA
UPZ46 TEUSAQUILLO
LAS MARGARITAS PATIO BONITO BAVARIA
UPZ83 UPZ82 UPZ113

CORABASTOS
UPZ80 CHAPINERO

BOSA KENNEDY
AMERICAS
KENNEDY CENTRAL
UPZ44
GRAN BRITALIA UPZ47
UPZ81
PUENTE ARANDA Convenciones
TIMIZA Limite Localidad
UPZ48
CARVAJAL
UPZ45
LOS MÁRTIRES
Sector Catastral
SANTA FE
Cuerpos de Agua

Escala 1:75.000
0 330 660 1.320 CANDELARIA
1.980 2.640
Meters
CIUDAD BOLÍVAR TUNJUELITO ANTONIO NARIÑO

Sistema de Proyeccion Magna Sirgas Localización:

MAESTRÍA EN GEOGRAFIA Origen Bogotá
Elaboró: John Alexander Martinez ENGATIVA

Fuente: Secretaria Distrital de Coordenada: 100.000 N FONTIBON

Mapa No. Unidades de Planeación -SDP- 100.000 E KENNEDY

Planeamiento Zonal Agosto 2016 Unidad de medida: Metros

Area de Estudio Escala:1:75.000

Figura 7. Mapa de Unidades de Planeamiento Zonal.

Fuente: Elaboración propia.

49
2.7 Sistema de Equipamientos

Los equipamientos colectivos (SDP, 2011)24, según la información suministrada por

la SDP –UAECD año 2016, corresponden a 669 en la localidad de Kennedy, para la
localidad de Fontibón 310 y para la localidad de Engativá 659, pertenecientes a los
sectores de educación, salud, servicios sociales, seguridad, cultos, y parques (Tabla
10 y figura 8 y 9). Estos equipamientos son fundamentales, por cuanto a partir de su
geoposición se estableció la distancia a los predios para determinar su grado de
influencia en el valor de las viviendas en los modelos econométricos desarrollados en
el capítulo metodológico de esta investigación.

Tabla 10. Número y clasificación de equipamientos.

Fontibón

Engativá
Kennedy
Servicio
Tipo de

Cementerios y Servicios Funerarios 4 3 4

Culto 98 47 121
Cultura 105 38 66
Deportivo y Recreativo 5 4 12
Educación 244 84 232
Educación Superior 3 2 3
Integración Social e Igualdad de Oportunidades 146 92 160
Recintos Feriales
Salud 34 10 28
Sedes Administrativas 6 14 13
Seguridad Ciudadana, Defensa y Justicia 21 13 15
Seguridad y Soberania Alimentaria 3 3 5
Total general 669 310 659
Total Area de Estudio 1638
Fuente: Elaboración propia a partir de información gráfica de la SDP-UAECD.

24
Es el conjunto de espacios y edificios destinados a proveer a los ciudadanos del Distrito Capital de
los servicios sociales de cultura, seguridad y justicia, educación, salud, culto, deportivos, recreativos y
de bienestar social, para mejorar los índices de seguridad humana a las distintas escalas de atención, en
la perspectiva de consolidar la ciudad como centro de una red regional de ciudades, buscando
desconcentrar servicios que pueden ser prestados a menores costos en las otras ciudades de la región.
Este sistema busca organizar los servicios sociales atendidos por entidades públicas, privadas o mixtas.
Los equipamientos se clasifican, según la naturaleza de sus funciones, en tres grupos: equipamiento
colectivo, equipamiento deportivo y recreativo y servicios urbanos básicos.

50
Los equipamientos colectivos están relacionados directamente con la actividad
residencial y la seguridad humana. Se clasifican en cinco subgrupos: educación,
bienestar social, salud, cultura y culto religioso. (SDP, 2011).25

Figura 8. Gráfico de número de equipamientos por servicio.

Fuente: Elaboración propia.

25
Es el conjunto de espacios y edificios destinados a proveer a los ciudadanos del Distrito Capital de
los servicios sociales de cultura, seguridad y justicia, educación, salud, culto, deportivos, recreativos y
de bienestar social, para mejorar los índices de seguridad humana a las distintas escalas de atención, en
la perspectiva de consolidar la ciudad como centro de una red regional de ciudades, buscando
desconcentrar servicios que pueden ser prestados a menores costos en las otras ciudades de la región.
Este sistema busca organizar los servicios sociales atendidos por entidades públicas, privadas o mixtas.
Los equipamientos se clasifican, según la naturaleza de sus funciones, en tres grupos: equipamiento
colectivo, equipamiento deportivo y recreativo y servicios urbanos básicos.

51
 Equipamientos por tipo de Servicio
·

ENGATIVA

FONTIBON

Convenciones
Limite Localidad

KENNEDY Equipamiento
TIPO_SERVICIO
Cementerios y Servicios Funerarios
Culto
Cultura
Deportivo y Recreativo
Educación
Educación Superior
Integración Social e Igualdad de Oportunidades
Salud
Sedes Administrativas
Seguridad Ciudadana, Defensa y Justicia
Seguridad y Soberania Alimentaria

Esc 1:75.000
0 320 640 1.280 1.920 2.560
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa No. 7. Equipamientos Agosto 2016 Unidad de medida: Metros

Por Tipo de Servicio Escala:1:75.000

Figura 9. Mapa de Localización de equipamientos por tipo de servicio.

Fuente: Elaboración propia.

52
 3 CARACTERIZACIÓN DE VIVIENDAS.

La ciudad de Bogotá ha experimentado un acelerado proceso de urbanización como

efecto de las migraciones poblaciones motivado por diversas estrategias públicas de
ordenamiento territorial y por la sobre oferta de los constructores privados, quienes
aprovechan la falta de regulación y las altas demandas de viviendas generadas en el
mercado inmobiliario para desarrollar proyectos de máxima rentabilidad.

La capital afronta actualmente dificultades muy complejas que con el paso del tiempo
tienden a agravarse dado que diariamente llegan numerosas familias, de las cuales un
gran porcentaje corresponden a desplazados por el conflicto y la violencia que aún
existe en el país, convirtiéndose así en familias relegadas a buscar vivienda en barrios
con grandes dificultades en el suministro de servicios básicos, tendiendo a agravar la
situación y convirtiéndose en factores generadores de delincuencia y de pobreza.
(SDP, 2011).

Como se ha mencionado, la adquisición de vivienda es uno de los indicadores

principales que ilustran el grado de desarrollo económico que puede tener una ciudad,
sin enumerar los aspectos sociales que tienen igualmente una relación de
interdependencia con la tenencia de la vivienda. La vivienda es entonces uno de los
factores que centran el interés de la comunidad científica e institucional, dado que su
estudio facilita una mejor comprensión sobre su variabilidad y dependencia espacial,
permitiendo analizar y entender las relaciones complejas que se presentan en un
determinado espacio. Por lo anterior en este capítulo se realiza una caracterización de
la vivienda para el área de estudio.

3.1 Tenencia de vivienda por Localidad.

De los 2.185.874 hogares que habitan en Bogotá D.C., 1.154.082 hogares tienen
vivienda propia, correspondiendo al 52,8% con referencia al total de hogares, de estos
hogares 881.358, que corresponden a menos de la mitad (40,3%), ya la pagaron en su
totalidad y 272.724 que corresponden al (12,5%) actualmente la están pagando;
904.893 hogares viven en arriendo o subarriendo representando un poco menos de la

53
mitad (41,4%), igualmente 77.575 hogares viven en usufructo, correspondiendo al
(3,5%) y los 49.323 hogares restantes con un porcentaje pequeño (2,3%), lo hacen en
otra forma de tenencia (posesión sin título y ocupante de hecho propiedad colectiva
(DANE – SDP, 2011). Fontibón y Kennedy con el 20,2%, y 14,7%, respectivamente
registran las mayores proporciones de hogares que viven en viviendas propias (que
actualmente la están pagando).

De las anteriores cifras, tomadas de la Encuesta Multipropósito para Bogotá en el año

2011, se puede establecer que los hogares que ocupan viviendas diferentes a los
propietarios legales de estas corresponden al sesenta por ciento (60%) del total de
hogares, indicando que las personas que no tienen vivienda en Bogotá, por lo menos
en un alto porcentaje, no cuentan con ingresos o recursos económicos suficientes para
la adquisición de vivienda nueva o usada, provocado entre otros aspectos, por los
altos precios que esta tiene en un mercado inmobiliario que se encuentra en constante
valorización y dinámica de crecimiento.

Para el año 2011, la localidad de Kennedy contaba con 288.293 hogares, de los cuales
el 38,1% (109.710 hogares) vivían en viviendas propias pagadas totalmente, el 14,7%
(42.363 hogares) habitaban en una vivienda que estaban pagando, el 41,7% (120.251
hogares) vivían en arriendo o subarriendo y la población restante que corresponde al
5,5%, en otras formas de tenencia diferentes a las enunciadas anteriormente. Así
mismo para el mismo año en la localidad de Fontibón se contaba con 104.048
hogares, de los cuales el 39,6% (41,179 hogares) vivían en viviendas propias pagadas
totalmente, el 20,2% (21.041 hogares) habitaban en vivienda que estaban pagando, el
36,1% (37.558 hogares) vivían en arriendo o subarriendo y el 4.1% de la población
restante vivía en otras formas de tenencia diferentes. Finalmente, la localidad de
Engativá Contaba con 244.942 hogares, de los cuales el 41,5% (101.757 hogares),
vivían en viviendas propias pagadas totalmente, el 11,4% (27.937 hogares) habitaban
en viviendas que estaban pagando, el 42,9% (105.118 hogares) vivían en arriendo o
subarriendo y el 4.1% la población restante en otras formas de tenencia diferentes, ver
figura 10 y tabla 11. El hacinamiento crítico no mitigable en Engativá es de (69,9%)
que corresponde a una tasa grande y que define aspectos socio-económicos de sus
pobladores.

54
 Mapa de Deficit de Vivienda (Porcentaje)
·

41,5%
ENGATIVÁ
11,4%
3,2%

42,9%

39,6%
FONTIBÓN 20,2%
1,8%

2,3%
36,1%

SECTORES
Convenciones
Porcentaje Deficit de vivienda
38,1%
14,7
KENNEDY 1,6%

3,9% propia, totalmente pagada

41,7% propia, la estan pagando
En arriendo o subarriendo
En usufructo
Otra forma de tenencia
Sectores

Localidad

Esc 1:75.000
0 365 730 1.460 2.190 2.920
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATI VA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Mapa Mapa de Deficit de Vivienda Fuente: SDP-UAECD 100.000 E KENNEDY

(Porcentaje) Agosto 2016 Unidad de medida: Metros

año 2011 Escala:1:75.000

Figura 10. Mapa de déficit de vivienda.

Fuente: Elaboración propia a partir de información UAECD.

55
Tabla 11. Tenencia de vivienda por número de hogares.

propia, totalmente propia, la estan En arriendo o Otra forma

Total En usufructo
Localidad pagada pagando subarriendo de tenencia
Hogares
total porcentaje total porcentaje total porcentaje total porcentaje total porcentaje
Kennedy 288.293 109.710 38,1 42.363 14,7 120.251 41,7 11.369 3,9 4.599 1,6
Fontibón 104.048 41.179 39,6 21.041 20,2 37.558 36,1 2.402 2,3 1.868 1,8
Engativá 244.942 101.757 41,5 27.937 11,4 105.118 42,9 7.918 3,2 2,213 0,9
Fuente: DANE – SDP. Encuesta multipropósito para Bogotá 2011.

3.2 Vivienda por tipo.

Bogotá contaba con 2.097.697 viviendas para el año 2011 donde habitaban 2.185.874
hogares. El 57,2% de las viviendas correspondían a apartamentos, el 38,8% a casas,
el 2,9% a cuartos en inquilinato, el 1,1% a cuartos en otro tipo de estructura y el
porcentaje restante a otro tipo de vivienda. (DANE-SDP, 2011).

En la tabla 12 y figura 11 se describe y se espacializa la distribución por tipo de

vivienda en las localidades de Kennedy, Fontibón y Engativá, en donde las
propiedades NPH corresponde al 36.1%, 37.7% y 41.1% respectivamente y las cuales
ocupan la mayor proporción de área para este uso en las localidades ya mencionadas.

Tabla 12. Número de viviendas por tipo

Cuartos en Cuartos otro tipo

vivienda casa Apartamento
Localidad inquilinato de estructura
total
total porcentaje total porcentaje total porcentaje total porcentaje
Kennedy 276.800 99.548 36 172.607 62,4 1.249 0,5 3.397 1,2
Fontibón 100.451 37.862 37,7 61.015 60,7 268 0,3 1.307 1,3
Engativá 239.881 98.700 41,1 131.465 54,8 9.482 4 235 0,1
Fuente: DANE – SDP. Encuesta multipropósito para Bogotá 2011.

56
 Mapa de Vivienda or Tipo (Porcentaje)
·

41,1%

ENGATIVÁ 4%
54,8%

37,7%
60,7%
1,3%
FONTIBÓN

Convenciones

LOCALIDAD
36%
Porcentaje por tipo de vivienda

KENNEDY 62,4%
1,2%

casa
Apartamento
Cuartos en_inquilinato
Cuartos otro tipo
SECTORES

Esc 1:75.000
0 365 730 1.460 2.190 2.920
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATI VA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Mapa Mapa de Vivienda por Tipo Fuente: SDP-UAECD 100.000 E KENNEDY

(Porcentaje) Agosto 2016 Unidad de medida: Metros

año 2011 Escala:1:75.000

Figura 11. Mapa de viviendas por tipo.

Fuente: Elaboración propia.

57
Ampliando lo anterior, cuando se analizan las áreas ocupadas por los usos de
vivienda en propiedad horizontal (PH) y vivienda en no propiedad horizontal (NPH),
se observa que esta última ocupa un porcentaje mayor, debido principalmente a que la
ciudad desde su origen fue construida por medio de este urbanismo tradicional. Esta
situación es normal teniendo en cuenta que la vivienda en PH toma auge, pese a estar
reglamentada en Colombia con la ley 182 de 1948, a partir de la ley 675 del año
2001, con la cual esta forma de urbanización crece aceleradamente auspiciada
principalmente por los planes y programas gubernamentales de las administraciones
en las últimas décadas, las cuales buscan redensificar la ciudad apaciguando así una
expansión urbana que proyecta una conurbación con los municipios contiguos a la
ciudad.

Adicionalmente, la menor proporción de área cubierta por el uso en PH se podría

explicar dado que en Bogotá las propiedades horizontales son en su mayoría
conjuntos cerrados que se construyen con varios números de pisos en altura, los
cuales a su vez contienen múltiples unidades prediales o lo que se denomina predios
catastrales. La anterior forma de urbanización tiene una marcada preferencia para los
constructores privados y las entidades públicas sobre la construcción de propiedades
horizontales tipo condominios ya que estos están destinados para los estratos altos
debido a sus altos precios. Un caso similar ocurre con las viviendas NPH ya que
aunque están destinadas a estratos medios y bajos, la falta de suelo urbanizable en la
ciudad hace que la construcción de este este tipo de vivienda sea poco rentable para
los constructores en la actualidad.

3.3 Unidades de uso.

La localidad de Fontibón registro para el año 2002, un total de 74.825 unidades de

usos, que constituyeron un área construida de 9.784.761.5 m2, posteriormente para el
año 2012, presentó un aumento de 147.096 unidades de usos que equivalieron a
15.136.448.37 m2 de área construida, como se observa el incremento en unidades
construidas se duplicó durante esta década. Este incremento se debió principalmente a
la construcción de numerosos proyectos urbanísticos principalmente PH. Así mismo
en predios NPH se generaron usos mixtos asociados y compatibles con la vivienda
como el caso de uso de comercio y bodegas de almacenamiento.

58
La localidad de Kennedy registro en el año 2002, un total de 181.517 unidades de uso
que correspondieron a un área construida de 19.301.605 m2, luego para el año 2012 se
presentó un incremento de 293.234 unidades de uso que correspondieron a
27.838.996 m2 construidos, este incremento de casi el 45% representó 8.537.391 m2
nuevos construidos para el año 2012.

Finalmente, para la localidad de Engativá en el año 2002 se totalizaron 174.969

unidades de uso que constituyeron 19.216.499 m2 construidos, y que para el año 2012
presentó un incremento con un total de 237.132 unidades de uso que corresponden a
24.624.420 m2 construidos. Este incremento de casi el 30%, representaron 5.439.074
m2 nuevos construidos para la localidad.

En la figura 12, se presenta un mapa de los principales usos que se configuraron para
el año 2012 en las localidades de Fontibón Kennedy y Engativá.

59
 Mapa de Usos (Porcentaje por unidades de uso)
·

60,34
18,74
0,87
3,45
0,56
0,61
2,38
0,22
0,06
ENGATIVÁ 0,11
1,84
0,12
0,22
1,22
0,8
30,06 0,64
26,85 6,14
1,11 1,45
2,56 0,25
0,73
0,48
7,09
1,9
0,43
FONTIBÓN 0,4
1,1
0,03
0,15
0,73
0,25
4,47
17,65
3,66
0,35
Convenciones

LOCALIDAD

Porcentaje de Uso
Vivienda en NPH
Vivienda en PH
56,04 Comercio puntual
23,83
0,92 Comercio en corredor comercial
3,72
0,26 Centro comercial grande y mediano
0,32
Grandes almacenes
1,87
0,03
Oficinas NPH
0,01
KENNEDY 0,26 Oficinas PH
1,54
0,19 Hoteles
0,23
0,95 Moteles
0,83
0,94 Colegios y universidades
6,72
1,11 Clínicas, hospitales y centros médicos
0,24
Iglesias
Dotacional
Actividad artesanal
Industria
Bodega y almacenamiento
Parqueadero
Otros usos
Esc 1:75.000
0 310 620 1.240 1.860 2.480 SECTORES
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATI VA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Mapa Mapa de Usos Fuente: SDP-UAECD 100.000 E KENNEDY

Porcentaje por unidades de uso Agosto 2016 Unidad de medida: Metros

año 2012. Escala:1:75.000

Figura 12. Mapa de Usos año 2012.

Fuente: Elaboración propia.

60
3.4 Déficit de Vivienda

A continuación de describe el déficit de vivienda en documento publicado por el

DANE en el año 2008, en el cual se calcula déficit teniendo en cuenta las carencias
cuantitativas y cualitativas que presentaron las viviendas acordes a la metodología
desarrollada por Naciones Unidas UN Hábitat.26

Déficit Cuantitativo de Vivienda: del total de hogares residentes en Bogotá

(2.185.874) el 11,8% de estos (258.057) tenían déficit de vivienda27.

Déficit Cualitativo de Vivienda: Bogotá presento 141.524 hogares (6.5%) con déficit
cualitativo. 117.995 hogares (83.4%) presentaron carencia en hacinamiento mitigable,
éste tipo de carencia se presentó principalmente en las localidades de Engativá con el
92,5% por ciento y Kennedy con el 89,8% por ciento. 28
26
"Cuando se menciona la acepción “Déficit de vivienda, se hace referencia al conjunto de hogares
que habitan en viviendas particulares que presentan carencias habitacionales tanto por déficit
cuantitativo como cualitativo y por tanto requieren una nueva vivienda o mejoramiento o ampliación
de la unidad habitacional en la cual viven. El Déficit cuantitativo corresponde a la estimación de la
cantidad de viviendas que la sociedad debe construir o adicionar para que exista una relación uno a uno
entre las viviendas adecuadas y los hogares que necesitan alojamiento, es decir, se basa en la
comparación entre el número de hogares y el número de viviendas apropiadas existentes. El Déficit
cualitativo hace referencia a las viviendas particulares que presentan carencias habitacionales en los
atributos referentes a la estructura, espacio y a la disponibilidad de servicios públicos domiciliarios y
por tanto, requieren mejoramiento o ampliación de la unidad habitacional en la cual viven” (Dane,
2008: 2-3)."
27
Kennedy cuenta con 288.293 hogares, de los cuales el 10,4% (29.869 hogares) tienen déficit de
vivienda; al desagregarlos por tipo de déficit, 19.262 hogares tienen déficit cualitativo,
correspondiendo al 6,7% del total de hogares de la localidad y 10.608 hogares con déficit cuantitativo
representando el 3,7%. Fontibón cuenta con 104.048 hogares, de los cuales el 7,4% (7.735 hogares)
tienen déficit de vivienda; al desagregarlos por tipo de déficit, 4.038 hogares tienen déficit cualitativo,
correspondiendo al 3,9% del total de hogares de la localidad y 3.698 hogares con déficit cuantitativo
representando el 3,6%. Engativá cuenta con 244.942 hogares, de los cuales el 6,5% (16.001 hogares)
tiene déficit de vivienda; al desagregarlos por tipo de déficit, 9.732 hogares tienen déficit cualitativo,
correspondiendo al 4,0% del total de hogares de la localidad y 6.269 hogares con déficit cuantitativo
representando el 2,6%.
28
El 89,8% de los hogares con déficit cualitativo en la localidad de Kennedy presentó carencias en
hacinamiento mitigable, el 5,2% de los hogares con carencias en servicios públicos, el 2,5% de
carencias en estructura, el 1,3% en estructura y hacinamiento mitigable y 1,3% en estructura y
servicios públicos. El 83,1% de los hogares con déficit cualitativo en la localidad de Fontibón presentó
carencias en hacinamiento mitigable y el 16,9% de los hogares tienen carencias en servicios públicos.
El 92,5% de los hogares con déficit cualitativo en la localidad de Engativá presentó carencias en
hacinamiento mitigable, el 5,4% de los hogares presenta carencias en servicios públicos y el 2,2%
presenta carencias de hacinamiento mitigable y servicios públicos.

61
De las 276.800 viviendas que se encontraron en la localidad de Kennedy el 62,4%
eran apartamentos, el 36,0% correspondían a casas y el restante 1,6% a otro tipo de
vivienda. De los 10.608 hogares con déficit de vivienda cuantitativo en la localidad
de Kennedy, el 38,2% presento carencias de hacinamiento no mitigable,
correspondiendo a 4.049 hogares; Igualmente en el 7,5% (795 hogares) se identificó
carencia en estructura y en el 54,3% (5.763 hogares) carencias de cohabitación.

De las 100.451 viviendas que se encontraron en la localidad de Fontibón el 60,7%

eran apartamentos, el 37,7% casas y el restante 1,6% correspondía a otro tipo de
vivienda. De los 3.698 hogares con déficit de vivienda cuantitativo en la localidad, el
36,3% presentó carencias de hacinamiento no mitigable, correspondiendo a 1.341
hogares; adicionalmente se identificó que el 63,7% (2.356 hogares) tenía carencias de
cohabitación. Para el mismo periodo la localidad no presentó carencia en estructura.

De las 239.881 viviendas que se encontraron en la localidad de Engativá el 54,8%

eran apartamentos, el 41,1% casas y el porcentaje restante correspondía a otro tipo de
vivienda. De los 6.269 hogares con déficit de vivienda cuantitativo en la localidad, el
69,9% presento carencias de hacinamiento no mitigable, correspondiendo a 4.381
hogares; el 30,1% (1.888 hogares) registro carencias de cohabitación. Para el mismo
periodo no se presentó carencia de estructura en esta localidad.

3.5 Precios de la vivienda.

Según la información descrita en el boletín 4 trimestre de 2015 del Observatorio

dinámicas del territorio de la SDP “desde finales de 2011, los precios de la vivienda
se encuentran en sus niveles más altos desde que se tiene información, de acuerdo a
las fuentes, Banco de la República, DANE y el DNP”. Este crecimiento se desacelera
en el segundo del 2013 lo que genera un ajuste en los precios de la vivienda que
favorece al sector de la economía. Figura 13.

62
Figura 13: Índice de precios de vivienda nueva y usada (I trim 1988 –IV trim 2015)
Fuente: Banco de la República (Índice de Precios de la Vivienda Usada en Colombia, IPVU-BR),
Departamento Nacional de Planeación (Índice de Precio de Vivienda nueva en Bogotá, IPV-DNP) y el
Departamento Nacional de Estadísticas (Índice de Precios de Vivienda Nueva en Bogotá IPVN-
DANE).

En la figura 14 muestra que para el año 2015 se presenta una desaceleración de los
precios de la vivienda nueva lo que se asocia a los elevados precios de los inmuebles
recientemente construidos. Esta situación genera que los futuros compradores
busquen opciones más económicas y opten por la vivienda usada. El aumento de la
demanda de este tipo de vivienda genera que los precios de las mismas se estabilicen.

Figura 14. Evolución de los precios de la vivienda nueva en Bogotá (Variación anual, I Trim I 2011 –
IV Trim 2015)
Fuente: Banco de la República (Índice de Precios de la Vivienda Usada en Colombia, IPVU-BR),
Departamento Nacional de Planeación (Índice de Precio de Vivienda nueva en Bogotá, IPV-DNP) y el
Departamento Nacional de Estadísticas (Índice de Precios de Vivienda Nueva en Bogotá IPVN-
DANE).

63
Adicionalmente la percepción del sector constructor sugiere que la caída adquisición
de inmuebles nuevos se debe entre algunos factores a los menores ingresos captados
en la economía del país, el crecimiento de las tasas de interés, los precios elevados de
la vivienda y el aumento de la inflación.

64
 4 ANÁLISIS DE RELACIONES ESPACIALES.

Este tipo de análisis permite comprender las relaciones espaciales que se presentan en
un determinado espacio geográfico, logrando caracterizar e identificar las
causalidades existentes en las diversas variables observables en dicho espacio.

La identificación de la distribución espacial que presentan las variables exploratorias

que intervienen en la conformación del precio de la vivienda en el área de estudio,
permitió conocer su ponderación en dicha influencia, así como la posible predicción
en los precios de la misma basados en los modelos de regresión empleados en el
análisis. Adicionalmente la configuración espacial sirve como herramienta o
instrumento en la toma de decisiones en cuanto a la valorización de las viviendas en
el área de estudio, a ser tenida en cuenta en futuros planes, metas o programas que se
emprendan puesto que podría aportar a la densificación de infraestructuras comunales
(amenitíes) ausentes o desprovistas en el área de estudio.

La regresión por mínimos cuadrados ordinarios -OLS- es la primera técnica de

regresión espacial para conocer las distribuciones y las correlaciones de las variables
estudiadas, en donde se creó un modelo global de la variable dependiente para el caso
de estudio precio de la vivienda. Posteriormente con la identificación en las variables
candidatas óptimas para el modelo OLS, se crea un modelo de Regresión Ponderada
Geográficamente -WGR- que en la actualidad es una de las técnicas más novedosas
en el campo de la geografía, ya que permite obtener un modelo local para cada
vivienda, configurando el precio de vivienda ajustado (variable dependiente).

Las relaciones que se presentan entre la variable dependiente y cada variable

independiente del modelo pueden tener una relación positiva, negativa o sin relación.
Es positiva cuando al aumentar la variable dependiente aumenta la variable
independiente o cuando al disminuir la variable dependiente también disminuye la
variable independiente. Por su parte la relación negativa resulta cuando al aumentar la
variable dependiente disminuye o decrece la variable independiente, o cuando al
reducir la variable dependiente aumenta la variable independiente. Finalmente, el
último caso es cuando no existe correlación entre las dos variables.

65
4.1 Herramienta de Regresión exploratoria.

En el procedimiento de la investigación se realizaron varias iteraciones partiendo del

modelo de regresión por mínimos cuadrados -OLS- que permitieron encontrar el
modelo óptimo, obteniendo las variables explicativas con mejor respuesta dentro del
ajuste del modelo para identificar el comportamiento de la variable dependiente que
corresponde al precio de las viviendas en el área de estudio.

El empleo de esta herramienta tiene superioridad sobre otros métodos basados en el

rendimiento del R ajustado, centrando su análisis adicional en el valor de P de
coeficiente donde se busca que sean estadísticamente significativos para cada variable
explicativa, el límite máximo del valor VIF, donde se deben obtener cifras menores
de 7,5 lo cual evita la redundancia explicativa de variables dentro del modelo. El
valor P mínimo aceptable Jarque Bera no es estadísticamente significativo, lo cual
indica que los residuales están normalmente distribuidos (diseño de campana de
gauss) y no tienen sesgo ya que se eliminan los valores atípicos y por último el valor
P de autocorrelación espacial mínima aceptable, el cual tiene un valor que no es
estadísticamente significativo y deben corresponder a distribuciones aleatorias,
indicando que los residuales se distribuyen normalmente dentro del modelo. Para este
último criterio, se observa que su fundamento se basa en un modelo estadístico global
no espacial, el cual deja de lado los análisis locales que deben ser tenidos en cuenta al
modelar relaciones espaciales complejas como sería el comportamiento del precio de
la vivienda en el área de estudio. 29

4.2 Modelo de regresión lineal de mínimos cuadrados -OLS-

EL modelo inicial tiene como variable dependiente el precio de la vivienda y 36

variables independientes o explicativas que se relacionan en la tabla 13.

29
Tomado de https://pro.arcgis.com/es/pro-app/tool-reference/spatial-statistics/how-exploratory-
regression-works.htm. Funcionamiento de la regresión exploratoria.

66
Tabla 13. Variables exploratorias preliminares por tipo.

VARIABLES DE DISTANCIA A EQUIPAMIENTOS VARIABLES QUE CORRESPONDEN A VARIABLE

AMENITIES Y DESAMENITIES CARACTERISTICAS FISICAS CUALITATVA
Distancia al centro educativo más cercano. Número de alcobas de la vivienda. Número de la
Distancia a la institución de servicios alimentarios más cercana Número de pisos edificados en la vivienda. localidad a la cual
Distancia al centro de salud pública más cercana. Número de baños de la vivienda. pertenece la
Distancia al centro de salud privada más cercana. Número de cocinas de la vivienda. vivienda.
Distancia al centro de integración más cercano Número de garajes de la vivienda.
Distancia a la institución Universitaria más cercana Antigüedad de la construcción
Distancia al parque de escala metropolitana más cercano. Puntaje asignado por la UAECD para cada vivienda.
Distancia al parque de escala vecinal más cercano. Superficie de Área del lote.
Distancia al parque de escala de bolsillo más cercano. Superficie de Área construida de la vivienda.
Distancia al parque de escala zonal más cercano.
Distancia al centro de atención inmediata de la policía más cercano
Distancia a las instituciones de policía militar más cercana.
Distancia a la institución de bomberos más cercano
Distancia a la institución de cultura más cercano
Distancia a la institución de culto más cercano
Distancia al parque cementerio o funeraria más cercana.
Distancia al humedal más cercano
Distancia a la planta de tratamiento de aguas residuales más cercana.
Distancia al Aeropuerto Internacional el Dorado.
Distancia a la Zona de Manejo y Preservación Ambiental más cercana
Distancia a la estación del Metro proyectada más cercana.
Distancia a la estación de Transmilenio más cercana.
Distancia al paradero del sistema integrado de transporte más cercano.
Distancia a la línea de metro proyectada más cercana.
Distancia al eje vial de trasporte de carga más cercano.
Distancia a la vía de cicloruta cercana.

Fuente: Elaboración propia.

Las variables cuantitativas están distribuidas en dos grupos:

 Variables de distancia a equipamientos amenities y desamenities: corresponden a

las distancias euclidianas las cuales fueron calculas por medio del software ARG
GIS, desde cada centroide del lote que contiene la vivienda ofertada, calculada
hasta el equipamiento o infraestructura más próxima a la vivienda. El centroide
representa la muestra de las 2114 ofertas de precio de las viviendas (variable
dependiente) y la distancia a las 26 clases o tipos de equipamientos o
externalidades, que representan las variables independientes dentro del modelo de
regresión.

67
 Variables que corresponden a características físicas: corresponden a número de
alcobas, número de pisos, número de baños, número de cocinas y número de
garajes con que cuenta cada vivienda. La variable de vetustez representa la edad
del predio calculada a partir del año de construcción hasta el año 2016. La
variable calificación corresponde al puntaje asignado de acuerdo a los acabados y
al estado de conservación de los materiales constructivos de la vivienda, una vez
la información es actualizada en la base catastral mediante el censo inmobiliario
llevado a cabo por la UAECD. Adicionalmente se incorporan dentro del modelo
las variables de área construida y área terreno, las cuales indican la superficie del
lote y de la construcción para cada vivienda.

 La variable cualitativa: corresponde a la localidad, representada por el número de

localidad a la cual pertenece cada vivienda, definida como una delimitación
político administrativa de la ciudad.

Cabe señalar que en el modelo no se tuvo en cuenta el uso de: lotes no urbanizados,
dado que uno de los objetivos en la construcción del modelo, era evidenciar la
influencia del área construida dentro del precio de la vivienda. Igualmente la variable
estrato, fue excluida del modelo teniendo en cuenta que no aportaba en el ajuste del
mismo y que esta variable no hará parte de la metodología diseñada para el cálculo
del avaluó por parte de la UAECD para el año 2017, dado que esta genero sesgos e
inequidades en la estimación de gravámenes en los años anteriores.

Teniendo en cuenta el reporte del modelo, se observa que el valor del VIF indica que
existen variables que presentan multicolinealidad, por lo cual se deben excluir las
variables que de una u otra manera tienen representatividad en otras variables más
preponderantes dentro el modelo. Existen siete variables que presentan redundancia,
ya que pueden estar explicadas por una o varias variables ya incorporadas en el
modelo, las cuales tienen coeficiente VIF (> 7.5) demarcadas en color verde como se
ilustra en la figura 15.

68
Al correr el modelo inicial OLS, se obtuvo el resultado de la figura 12:
Executing:OrdinaryLeastSquaresLoteo_ResidencialIDENTIFICADOR1D:\Contenedor\Users\jamartinez\Documents\ArcGIS\Default.gdb\Loteo_
Residencial_OrdinaryLe13PRECIO
Educacion;Seg_Alimentaria;Salud_Pub;Salud_Priv;Integra_Social;Educa_Superior;Parq_Metro;Parq_Vecin;Parq_Bolsi;Parq_Zona;CAI;
Inst_Poli_Militar;Bomber_Def_Civil;Cultura;Culto;Cemente_Servicios;Humedal;Planta_Tratamiento;Aeropuerto;ZAMPA;Estacion_Metro;
Estacion_TM;Nodo_Transporte;Red_Metro;Corred_Carga;Red_Cicloruta;LOCALIDAD;ALCOBAS;PISOS;BAÑOS;COCINAS;GARAJES;VETUSTEZ;CALIFICACION;
AREA_TERRENO;AREA_CONSTRUIDA # # Start Time: Mon Sep 05 10:21:55 2016 Running script OrdinaryLeastSquares...
Summary of OLS Results
Variable Coefficient StdError t-Statistic Probability Robust_SE Robust_t Robust_Pr VIF [1]
Intercept 83364091,900660 122087985,218880 0,682820 0,494789 125032837,393377 0,666738 0,505008 --------
EDUCACION -19123,356694 22006,158548 -0,869000 0,384928 21645,916174 -0,883463 0,377069 1,230793
SEG_ALIMENTARIA 17540,680119 4702,497577 3,730077 0,000209* 5202,920122 3,371315 0,000777* 4,174401
SALUD_PUB 53555,426083 6956,166649 7,698985 0,000000* 7034,628402 7,613114 0,000000* 1,764515
SALUD_PRIV 7519,667595 6545,509881 1,148828 0,250750 7243,719478 1,038095 0,299331 3,037140
INTEGRA_SOCIAL -23266,257839 17172,196776 -1,354880 0,175608 18162,326909 -1,281017 0,200331 1,286883
EDUCA_SUPERIOR -32168,931879 5342,495761 -6,021330 0,000000* 5370,696244 -5,989714 0,000000* 8,156355
PARQ_METRO -339,057186 5553,980331 -0,061048 0,951311 5819,353402 -0,058264 0,953528 4,673411
PARQ_VECIN -20219,129167 29863,529885 -0,677051 0,498442 29799,274441 -0,678511 0,497516 1,307958
PARQ_BOLSI 16811,661436 12223,289026 1,375380 0,169168 11787,468668 1,426232 0,153959 1,412749
PARQ_ZONA -2020,271050 5100,897341 -0,396062 0,692114 5131,511898 -0,393699 0,693857 2,055761
CAI -11935,345200 6788,998273 -1,758042 0,078887 6878,906102 -1,735064 0,082879 1,817166
INST_POLI_MILITAR -27335,854237 4724,600674 -5,785855 0,000000* 4199,768615 -6,508895 0,000000* 2,856791
BOMBER_DEF_CIVIL 23751,030860 5637,082704 4,213355 0,000031* 5672,247810 4,187234 0,000035* 25,571298
CULTURA 40352,628528 13486,973233 2,991971 0,002814* 14330,737299 2,815810 0,004913* 1,337843
CULTO 14833,772064 16016,249321 0,926170 0,354446 16230,673523 0,913934 0,360838 1,370789
CEMENTE_SERVICIOS -6065,280666 4447,450086 -1,363766 0,172794 4279,131781 -1,417409 0,156520 4,261887
HUMEDAL 6978,442112 4718,375264 1,478993 0,139302 4788,865773 1,457222 0,145214 3,731965
PLANTA_TRATAMIENTO -6700,232930 3915,844208 -1,711057 0,087222 3838,169572 -1,745684 0,081014 8,664420
AEROPUERTO -19574,630687 3093,940305 -6,326764 0,000000* 3017,470977 -6,487098 0,000000* 20,374693
ZAMPA -42148,215316 6980,227298 -6,038230 0,000000* 7264,346965 -5,802065 0,000000* 2,182706
ESTACION_METRO -26049,422268 13187,352017 -1,975334 0,048349* 14105,955101 -1,846697 0,064928 709,725159
ESTACION_TM -16367,647874 5727,688174 -2,857636 0,004314* 5804,129664 -2,820000 0,004850* 3,471556
NODO_TRANSPORTE -122328,340591 35119,991836 -3,483154 0,000521* 35376,491091 -3,457899 0,000571* 1,080782
RED_METRO 4967,952451 15653,957892 0,317361 0,751012 16395,224877 0,303012 0,761919 960,853562
CORRED_CARGA 20032,115228 7769,217935 2,578395 0,009983* 7776,705774 2,575913 0,010055* 1,750588
RED_CICLORUTA 9956,821321 9021,017791 1,103736 0,269824 9401,799392 1,059034 0,289693 2,228504
LOCALIDAD 14878741,416257 15084078,624038 0,986387 0,324040 15295514,877450 0,972752 0,330771 49,777737
ALCOBAS -1861439,641219 1382545,823502 -1,346385 0,178329 1621665,497685 -1,147857 0,251151 4,192769
PISOS 12404636,854273 3887662,038192 3,190770 0,001454* 5172418,928273 2,398227 0,016544* 2,382919
BAÑOS 13077186,713389 2202482,346991 5,937476 0,000000* 2517293,051002 5,194940 0,000000* 3,164033
COCINAS -8251519,151341 2895182,765065 -2,850086 0,004417* 3446838,495105 -2,393938 0,016738* 3,818326
GARAJES 11559186,814868 2412814,919715 4,790747 0,000003* 3355336,734086 3,445015 0,000598* 1,266703
VETUSTEZ 219109,903737 210889,397644 1,038980 0,298919 247398,372463 0,885656 0,375886 2,139976
CALIFICACION 2034954,944644 311921,763055 6,523927 0,000000* 321244,617453 6,334596 0,000000* 1,677089
AREA_TERRENO 1024314,459262 54389,794447 18,832843 0,000000* 81561,471660 12,558803 0,000000* 3,208872
AREA_CONSTRUIDA 450512,127855 37174,970239 12,118695 0,000000* 57918,012669 7,778446 0,000000* 2,980331
OLS Diagnostics
Input Features: Loteo_Residencial Dependent Variable: PRECIO
Number of Observations: 2214 Akaike's Information Criterion (AICc) [2]: 87572,005217
Multiple R-Squared [2]: 0,691230 Adjusted R-Squared [2]: 0,686124
Joint F-Statistic [3]: 135,376533 Prob(>F), (36,2177) degrees of freedom: 0,000000*
Joint Wald Statistic [4]: 4210,810048 Prob(>chi-squared), (36) degrees of freedom: 0,000000*
Koenker (BP) Statistic [5]: 262,253804 Prob(>chi-squared), (36) degrees of freedom: 0,000000*
Jarque-Bera Statistic [6]: 1451,891825 Prob(>chi-squared), (2) degrees of freedom: 0,000000*
Notes on Interpretation
* Statistically significant at the 0.05 level.
[1] Large VIF (> 7.5, for example) indicates explanatory variable redundancy.
[2] Measure of model fit/performance.
[3] Significant p-value indicates overall model significance.
[4] Significant p-value indicates robust overall model significance.
[5] Significant p-value indicates biased standard errors; use robust estimates.
[6] Significant p-value indicates residuals deviate from a normal distribution.
WARNING 000851: Use the Spatial Autocorrelation (Moran's I) Tool to ensure residuals are not spatially autocorrelated.
Completed script OrdinaryLeastSquares... Succeeded at Mon Sep 05 10:22:02 2016 (Elapsed Time: 7,00 seconds)

Figura 15. Primer Reporte resultados modelo OLS.

Fuente: Elaboración propia.

69
Cuando se excluyen estas 7 variables del modelo, el software arroja el resultado que
se muestra en la figura 16.

Executing:OrdinaryLeastSquaresLoteo_ResidencialIDENTIFICADOR1
D:\Contenedor\Users\jamartinez\Documents\ArcGIS\Default.gdb\Loteo_Residencial_OrdinaryLe14PRECIO
Educacion;Seg_Alimentaria;Salud_Pub;Salud_Priv;Integra_Social;Parq_Metro;Parq_Vecin;Parq_Bolsi;Parq_Zona;CAI;Inst_Poli_Militar;
Cultura;Culto;Cemente_Servicios;Humedal;ZAMPA;Estacion_TM;Nodo_Transporte;Corred_Carga;Red_Cicloruta;ALCOBAS;PISOS;BAÑOS;COCINAS;
GARAJES;VETUSTEZ;CALIFICACION;AREA_TERRENO;AREA_CONSTRUIDA # #
Start Time: Mon Sep 05 10:29:54 2016
Running script OrdinaryLeastSquares...
Summary of OLS Results
Variable Coefficient StdError t-Statistic Probability Robust_SE Robust_t Robust_Pr VIF [1]
Intercept -11468043,953241 22320129,850924 -0,513798 0,607457 23362330,628075 -0,490878 0,623575 --------
EDUCACION 1181,260424 22086,671114 0,053483 0,957337 21719,893151 0,054386 0,956618 1,192050
SEG_ALIMENTARIA 2133,780044 3359,053649 0,635232 0,525344 3395,774574 0,628363 0,529833 2,047899
SALUD_PUB 55373,314228 6856,000781 8,076620 0,000000* 6966,580561 7,948421 0,000000* 1,648028
SALUD_PRIV 538,636487 5648,233299 0,095364 0,924018 6244,595595 0,086256 0,931254 2,174406
INTEGRA_SOCIAL -11580,164709 16883,667536 -0,685880 0,492857 18843,942190 -0,614530 0,538932 1,196075
PARQ_METRO -1640,557716 3553,059317 -0,461731 0,644335 3793,301763 -0,432488 0,665445 1,838941
PARQ_VECIN -12591,847263 29933,275067 -0,420664 0,674058 29764,614901 -0,423048 0,672318 1,263448
PARQ_BOLSI 10808,783329 12198,984162 0,886040 0,375679 11506,351860 0,939375 0,347628 1,352925
PARQ_ZONA -9348,309494 5007,042165 -1,867032 0,062031 4903,018536 -1,906644 0,056695 1,904494
CAI -17217,331488 6108,985139 -2,818362 0,004874* 5932,687953 -2,902113 0,003751* 1,414682
INST_POLI_MILITAR -36188,767296 4139,193458 -8,742951 0,000000* 3780,079458 -9,573547 0,000000* 2,108226
CULTURA 52928,281116 13289,719866 3,982648 0,000078* 13876,752761 3,814169 0,000151* 1,248951
CULTO 9973,604810 16066,057165 0,620787 0,534806 16314,159341 0,611347 0,541037 1,326188
CEMENTE_SERVICIOS 8735,557822 3220,442689 2,712533 0,006728* 2987,964066 2,923582 0,003504* 2,148565
HUMEDAL -4313,524182 3564,758626 -1,210047 0,226394 3569,862780 -1,208317 0,227058 2,048097
ZAMPA -30927,381561 5851,317786 -5,285541 0,000000* 6030,211484 -5,128739 0,000001* 1,474691
ESTACION_TM -9294,479852 4393,270281 -2,115618 0,034477* 4673,788493 -1,988639 0,046858* 1,963717
NODO_TRANSPORTE -98529,756594 35540,004469 -2,772362 0,005614* 35702,444599 -2,759748 0,005834* 1,064148
CORRED_CARGA 2973,353255 6899,673394 0,430941 0,666569 6727,724173 0,441955 0,658581 1,327468
RED_CICLORUTA 26841,768363 8178,998907 3,281791 0,001064* 8429,113686 3,184412 0,001486* 1,761327
ALCOBAS -1648484,916265 1406759,819841 -1,171831 0,241392 1657575,771506 -0,994516 0,320069 4,173681
PISOS 9470019,764797 3948537,813046 2,398361 0,016537* 5089994,348075 1,860517 0,062947 2,363429
BAÑOS 14397765,928525 2236727,889014 6,436977 0,000000* 2573454,395821 5,594724 0,000000* 3,137473
COCINAS -10320271,942894 2942778,790455 -3,506982 0,000478* 3553668,583465 -2,904118 0,003727* 3,792921
GARAJES 13841851,318234 2417498,698620 5,725691 0,000000* 3275279,636035 4,226159 0,000030* 1,222634
VETUSTEZ 397662,827334 210380,497394 1,890208 0,058861 246346,302229 1,614243 0,106633 2,047613
CALIFICACION 2759344,808069 306838,898410 8,992813 0,000000* 313661,037031 8,797219 0,000000* 1,560354
AREA_TERRENO 1102314,907169 54395,815627 20,264700 0,000000* 80606,617970 13,675241 0,000000* 3,085930
AREA_CONSTRUIDA 461101,790095 37802,921185 12,197517 0,000000* 57307,629171 8,046080 0,000000* 2,963135

OLS Diagnostics
Input Features: Loteo_Residencial Dependent Variable: PRECIO
Number of Observations: 2214 Akaike's Information Criterion (AICc) [2]: 87651,642508
Multiple R-Squared [2]: 0,677825 Adjusted R-Squared [2]: 0,673547
Joint F-Statistic [3]: 158,445691 Prob(>F), (29,2184) degrees of freedom: 0,000000*
Joint Wald Statistic [4]: 3859,485578 Prob(>chi-squared), (29) degrees of freedom: 0,000000*
Koenker (BP) Statistic [5]: 251,087207 Prob(>chi-squared), (29) degrees of freedom: 0,000000*
Jarque-Bera Statistic [6]: 1266,044117 Prob(>chi-squared), (2) degrees of freedom: 0,000000*
Notes on Interpretation
* Statistically significant at the 0.05 level.
[1] Large VIF (> 7.5, for example) indicates explanatory variable redundancy.
[2] Measure of model fit/performance.
[3] Significant p-value indicates overall model significance.
[4] Significant p-value indicates robust overall model significance.
[5] Significant p-value indicates biased standard errors; use robust estimates.
[6] Significant p-value indicates residuals deviate from a normal distribution.
WARNING 000851: Use the Spatial Autocorrelation (Moran's I) Tool to ensure residuals are not spatially autocorrelated.
Completed script OrdinaryLeastSquares...
Succeeded at Mon Sep 05 10:30:02 2016 (Elapsed Time: 8,00 seconds)

Figura 16. Reporte iteraciones intermedias resultados modelo OLS.

Fuente: Elaboración propia.

Luego de realizar varias iteraciones se obtuvo el modelo óptimo que cumple con los
parámetros esperados y el cual arroja el resultado de la figura 17, para las 12
variables que son las más relevantes dentro de la explicación del modelo. Un caso
particular ocurre con la variable del número de cocinas la cual no resulto ser
significativa dentro del modelo y adicionalmente presentó un comportamiento
negativo con respecto al precio de la vivienda, esto se podría explicar en el estilo de
vida de las personas en una gran ciudad, donde las viviendas con grandes y

70
numerosos espacios destinados para cocinas no tienen mayor preferencia para las
personas en el momento de comprar vivienda; por lo tanto los amplios espacios
destinados para las cocinas tienden a ocupar lugares secundarios en las preferencias
de las personas, adicionalmente existen estudios que demuestran que un número
grande de cocinas da indicio de apariciones de inquilinatos lo que reduce
significativamente el precio de una vivienda residencial, por lo cual esta variable se
excluyó del modelo final. A continuación se ilustra el resultado del modelo OLS en la
figura 17.

Executing:OrdinaryLeastSquaresLoteo_ResidencialIDENTIFICADOR1
D:\Contenedor\Users\jamartinez\Documents\ArcGIS\Default.gdb\Loteo_Residencial_OrdinaryLe21PRECIO
Salud_Pub;CAI;Inst_Poli_Militar;Cultura;ZAMPA;Nodo_Transporte;Red_Cicloruta;BAÑOS;GARAJES;CALIFICACION;AREA_TERRENO;AREA_CONSTRUIDA
# # Start Time: Fri Sep 16 20:02:43 2016
Running script OrdinaryLeastSquares...
Summary of OLS Results
Variable Coefficient StdError t-Statistic Probability Robust_SE Robust_t Robust_Pr VIF [1]
Intercept 1670708,405151 14703763,086725 0,113625 0,909530 15068738,776359 0,110872 0,911712 --------
SALUD_PUB 66249,086022 6062,717213 10,927293 0,000000* 6403,754847 10,345350 0,000000* 1,253201
CAI -18609,271132 5648,712665 -3,294427 0,001018* 5378,783488 -3,459755 0,000567* 1,176205
INST_POLI_MILITAR -39468,471347 3506,867561 -11,254623 0,000000* 3460,046607 -11,406919 0,000000* 1,471592
CULTURA 57554,122331 12778,206730 4,504084 0,000009* 13569,719556 4,241364 0,000028* 1,122837
ZAMPA -38820,914741 5228,629004 -7,424683 0,000000* 5217,451284 -7,440590 0,000000* 1,145071
NODO_TRANSPORTE -106202,724612 35351,528942 -3,004190 0,002704* 34411,785672 -3,086231 0,002066* 1,023874
RED_CICLORUTA 16455,129909 6540,304322 2,515958 0,011931* 6323,648138 2,602158 0,009319* 1,095214
BAÑOS 6811376,369076 1407229,275434 4,840275 0,000002* 1799478,084259 3,785196 0,000169* 1,207665
GARAJES 15238794,256628 2386528,217694 6,385340 0,000000* 3231525,497580 4,715666 0,000004* 1,158672
CALIFICACION 3347280,078962 291150,596999 11,496731 0,000000* 296090,020552 11,304941 0,000000* 1,366157
AREA_TERRENO 1061296,927205 40597,081874 26,142197 0,000000* 55088,326897 19,265369 0,000000* 1,671505
AREA_CONSTRUIDA 464637,749822 28473,525399 16,318237 0,000000* 41504,610010 11,194847 0,000000* 1,634731

OLS Diagnostics
Input Features: Loteo_Residencial Dependent Variable: PRECIO
Number of Observations: 2214 Akaike's Information Criterion (AICc) [2]: 87695,963998
Multiple R-Squared [2]: 0,666116 Adjusted R-Squared [2]: 0,664295
Joint F-Statistic [3]: 365,925189 Prob(>F), (12,2201) degrees of freedom: 0,000000*
Joint Wald Statistic [4]: 3195,777892 Prob(>chi-squared), (12) degrees of freedom: 0,000000*
Koenker (BP) Statistic [5]: 203,693131 Prob(>chi-squared), (12) degrees of freedom: 0,000000*
Jarque-Bera Statistic [6]: 1290,360000 Prob(>chi-squared), (2) degrees of freedom: 0,000000*

Notes on Interpretation
* Statistically significant at the 0.05 level.
[1] Large VIF (> 7.5, for example) indicates explanatory variable redundancy.
[2] Measure of model fit/performance.
[3] Significant p-value indicates overall model significance.
[4] Significant p-value indicates robust overall model significance.
[5] Significant p-value indicates biased standard errors; use robust estimates.
[6] Significant p-value indicates residuals deviate from a normal distribution.

WARNING 000851: Use the Spatial Autocorrelation (Moran's I) Tool to ensure residuals are not spatially autocorrelated.
Completed script OrdinaryLeastSquares...
Succeeded at Fri Sep 16 20:02:50 2016 (Elapsed Time: 7,00 seconds)

Figura 17. Reporte Final resultados modelo OLS

Fuente: Elaboración propia.

Los resultados del modelo OLS, tendrá los siguientes coeficientes y la siguiente
fórmula para el modelo global obtenido:

71
Precio = 1670708,405(Intercept)
- 66249,08602 (Salud_Pub)
- 18609,27 (CAI)
-39468,47135 (Inst_Poli_Militar)
+ 57554,12233 (Cultura)
- 38820,91474(ZAMPA)
- 106202,7246(Nodo_Transporte)
+ 16455,12991(Red_Cicloruta)
+ 6811376,369(BAÑOS)
+ 15238794,26(GARAJES)
+3347280,079(CALIFICACION)
+ 1061296,927 (AREA_TERRENO)
+ 464637,7498 (AREA_CONSTRUIDA) + e

Para evaluar el anterior modelo OLS, se realizaron seis pruebas las cuales dan
evidencia de que el modelo si cumple con los parámetros para ser una estimación
acorde con la explicación del mismo. Las comprobaciones se relacionan a
continuación:

PRUEBA 1: Aporte de las variables independientes seleccionadas al modelo

definido.

Las variables independientes deben se estadísticamente significativas, el software

determina si cada una de las variables aporta al modelo y calcula un coeficiente para
cada variable dentro del modelo. Cuando la probabilidad es pequeña para una
variable exploratoria demuestra que es poco posible que el coeficiente sea igual a
cero. Cuando la probabilidad es menor que 0,05 indica que la variable exploratoria
tiene relevancia dentro del modelo dado que tiene un nivel de confianza del 95%, en
el resultado del modelo este valor va a acompañado con un asterisco (*) como
muestra en la tabla 14 para las 12 variables exploratorias que componen el modelo. El
software también indica la no estacionariedad revelando que las relaciones espaciales
varían en el área de interés. En el resultado del modelo OLS la estadística de Koenker
con un asterisco en el valor de P de Koenker, significa que las relaciones modeladas

72
presentan no estacionariedad estadísticamente significativa, lo cual indica que es
probable mejorar los resultados del modelo pasando a una Regresión Ponderada
Geográficamente WGR.

Tabla 14. Resumen modelo OLS.

RESUMEN MODELO OLS

Variable Coefficient StdError t-Statistic Probability Robust_Pr VIF [1]
Intercept 1670708,405 14703763,09 0,113625 0,90953 0,911712 --------
Salud_Pub 66249,08602 6062,717213 10,927293 0,000000* 0,000000* 1,253201
CAI -18609,27113 5648,712665 -3,294427 0,001018* 0,000567* 1,176205
Inst_Poli_Militar -39468,47135 3506,867561 -11,25462 0,000000* 0,000000* 1,471592
Cultura 57554,12233 12778,20673 4,504084 0,000009* 0,000028* 1,122837
ZAMPA -38820,91474 5228,629004 -7,424683 0,000000* 0,000000* 1,145071
Nodo_Transporte -106202,7246 35351,52894 -3,00419 0,002704* 0,002066* 1,023874
Red_Cicloruta 16455,12991 6540,304322 2,515958 0,011931* 0,009319* 1,095214
BAÑOS 6811376,369 1407229,275 4,840275 0,000002* 0,000169* 1,207665
GARAJES 15238794,26 2386528,218 6,38534 0,000000* 0,000004* 1,158672
CALIFICACION 3347280,079 291150,597 11,496731 0,000000* 0,000000* 1,366157
AREA_TERRENO 1061296,927 40597,08187 26,142197 0,000000* 0,000000* 1,671505
AREA_CONSTRUIDA 464637,7498 28473,5254 16,318237 0,000000* 0,000000* 1,634731
DIAGNOSTICO MODELO OLS
Numero de observaciones 2214
Numero de variables 12
R 2 ajustado 0,664295
R2 0,666116
AICc 87695,964
Grados de libertad 12,2201
F-Statistic 365,925189 Prob(>F), (12,2201) degrees of freedom: 0,000000*
Koenker (BP) Statistic 203,693131 Prob(>chi-squared), (12) degrees of freedom: 0,000000*
Jarque-Bera Statistic 1290,36 Prob(>chi-squared), (2) degrees of freedom: 0,000000*
Fuente: Elaboración propia.

En la figura 18 se observa el valor obtenido para el índice de Koenker (BP) =203,69

de acuerdo al resultado obtenido del modelo de regresión OLS:

73
 Executing:OrdinaryLeastSquaresLoteo_ResidencialIDENTIFICADOR1
D:\Contenedor\Users\jamartinez\Documents\ArcGIS\Default.gdb\Loteo_Residencial_OrdinaryLe21PRECIO
Salud_Pub;CAI;Inst_Poli_Militar;Cultura;ZAMPA;Nodo_Transporte;Red_Cicloruta;BAÑOS;GARAJES;CALIFICACION;AREA_TERRENO;AREA_CONSTRUIDA
# #
Start Time: Fri Sep 16 20:02:43 2016
Running script OrdinaryLeastSquares...

Summary of OLS Results

Variable Coefficient StdError t-Statistic Probability Robust_SE Robust_t Robust_Pr VIF [1]
Intercept 1670708,405151 14703763,086725 0,113625 0,909530 15068738,776359 0,110872 0,911712 --------
SALUD_PUB 66249,086022 6062,717213 10,927293 0,000000* 6403,754847 10,345350 0,000000* 1,253201
CAI -18609,271132 5648,712665 -3,294427 0,001018* 5378,783488 -3,459755 0,000567* 1,176205
INST_POLI_MILITAR -39468,471347 3506,867561 -11,254623 0,000000* 3460,046607 -11,406919 0,000000* 1,471592
CULTURA 57554,122331 12778,206730 4,504084 0,000009* 13569,719556 4,241364 0,000028* 1,122837
ZAMPA -38820,914741 5228,629004 -7,424683 0,000000* 5217,451284 -7,440590 0,000000* 1,145071
NODO_TRANSPORTE -106202,724612 35351,528942 -3,004190 0,002704* 34411,785672 -3,086231 0,002066* 1,023874
RED_CICLORUTA 16455,129909 6540,304322 2,515958 0,011931* 6323,648138 2,602158 0,009319* 1,095214
BAÑOS 6811376,369076 1407229,275434 4,840275 0,000002* 1799478,084259 3,785196 0,000169* 1,207665
GARAJES 15238794,256628 2386528,217694 6,385340 0,000000* 3231525,497580 4,715666 0,000004* 1,158672
CALIFICACION 3347280,078962 291150,596999 11,496731 0,000000* 296090,020552 11,304941 0,000000* 1,366157
AREA_TERRENO 1061296,927205 40597,081874 26,142197 0,000000* 55088,326897 19,265369 0,000000* 1,671505
AREA_CONSTRUIDA 464637,749822 28473,525399 16,318237 0,000000* 41504,610010 11,194847 0,000000* 1,634731

OLS Diagnostics
Input Features: Loteo_Residencial Dependent Variable: PRECIO
Number of Observations: 2214 Akaike's Information Criterion (AICc) [2]: 87695,963998
Multiple R-Squared [2]: 0,666116 Adjusted R-Squared [2]: 0,664295
Joint F-Statistic [3]: 365,925189 Prob(>F), (12,2201) degrees of freedom: 0,000000*
Joint Wald Statistic [4]: 3195,777892 Prob(>chi-squared), (12) degrees of freedom: 0,000000*
Koenker (BP) Statistic [5]: 203,693131 Prob(>chi-squared), (12) degrees of freedom: 0,000000*
Jarque-Bera Statistic [6]: 1290,360000 Prob(>chi-squared), (2) degrees of freedom: 0,000000*

Notes on Interpretation
* Statistically significant at the 0.05 level.
[1] Large VIF (> 7.5, for example) indicates explanatory variable redundancy.
[2] Measure of model fit/performance.
[3] Significant p-value indicates overall model significance.
[4] Significant p-value indicates robust overall model significance.
[5] Significant p-value indicates biased standard errors; use robust estimates.
[6] Significant p-value indicates residuals deviate from a normal distribution.

WARNING 000851: Use the Spatial Autocorrelation (Moran's I) Tool to ensure residuals are not spatially autocorrelated.
Completed script OrdinaryLeastSquares...
Succeeded at Fri Sep 16 20:02:50 2016 (Elapsed Time: 7,00 seconds)

Figura 18. Primera Prueba modelo OLS

Fuente: Elaboración propia.

PRUEBA 2. Comportamiento esperado de las relaciones

Se verifica el signo del coeficiente para el caso de estudio, se obtuvo coeficiente

negativo entre la variable precio y las variables explicativas de distancia a CAI,
distancia a Instituciones de Policía Militar, distancia a ZAMPA y distancia a nodos de
transporte. Por el contrario se obtuvo un coeficiente positivo entre la variable
dependiente Precio con las variables independientes de distancia a equipamientos de
Salud Pública, distancia a equipamientos de cultura, distancia a red cicloruta, y las
variables físicas de la vivienda como de número de baños, número de garajes,
calificación de la vivienda, área de terreno y área construida.

74
En la figura 19, se observa la relación que presenta cada una de las variables
exploratorias dentro del modelo con respecto a la variable dependiente:

Executing:OrdinaryLeastSquaresLoteo_ResidencialIDENTIFICADOR1
D:\Contenedor\Users\jamartinez\Documents\ArcGIS\Default.gdb\Loteo_Residencial_OrdinaryLe21PRECIO
Salud_Pub;CAI;Inst_Poli_Militar;Cultura;ZAMPA;Nodo_Transporte;Red_Cicloruta;BAÑOS;GARAJES;CALIFICACION;AREA_TERRENO;AREA_CONSTRUIDA
# #
Start Time: Fri Sep 16 20:02:43 2016
Running script OrdinaryLeastSquares...
Summary of OLS Results
Variable Coefficient StdError t-Statistic Probability Robust_SE Robust_t Robust_Pr VIF [1]
Intercept 1670708,405151 14703763,086725 0,113625 0,909530 15068738,776359 0,110872 0,911712 --------
SALUD_PUB 66249,086022 6062,717213 10,927293 0,000000* 6403,754847 10,345350 0,000000* 1,253201
CAI -18609,271132 5648,712665 -3,294427 0,001018* 5378,783488 -3,459755 0,000567* 1,176205
INST_POLI_MILITAR -39468,471347 3506,867561 -11,254623 0,000000* 3460,046607 -11,406919 0,000000* 1,471592
CULTURA 57554,122331 12778,206730 4,504084 0,000009* 13569,719556 4,241364 0,000028* 1,122837
ZAMPA -38820,914741 5228,629004 -7,424683 0,000000* 5217,451284 -7,440590 0,000000* 1,145071
NODO_TRANSPORTE -106202,724612 35351,528942 -3,004190 0,002704* 34411,785672 -3,086231 0,002066* 1,023874
RED_CICLORUTA 16455,129909 6540,304322 2,515958 0,011931* 6323,648138 2,602158 0,009319* 1,095214
BAÑOS 6811376,369076 1407229,275434 4,840275 0,000002* 1799478,084259 3,785196 0,000169* 1,207665
GARAJES 15238794,256628 2386528,217694 6,385340 0,000000* 3231525,497580 4,715666 0,000004* 1,158672
CALIFICACION 3347280,078962 291150,596999 11,496731 0,000000* 296090,020552 11,304941 0,000000* 1,366157
AREA_TERRENO 1061296,927205 40597,081874 26,142197 0,000000* 55088,326897 19,265369 0,000000* 1,671505
AREA_CONSTRUIDA 464637,749822 28473,525399 16,318237 0,000000* 41504,610010 11,194847 0,000000* 1,634731

Figura 19. Segunda Prueba modelo OLS.

Fuente: Elaboración propia.

A partir del resultado del modelo, se pueden identificar variables que tienen
coeficiente positivo, lo cual significa que estas variables tienen una relación negativa
con el precio de la vivienda dado que a medida que aumenta la distancia a estos
equipamientos el precio también aumenta o por el contrario a medida que la distancia
disminuye el precio de la vivienda también disminuye. Esto se puede explicar debido
al alto impacto que tienen los equipamientos de cultura, los cuales tienden a presentar
condiciones de inseguridad, afectaciones sonoras e intranquilidad para los habitantes
de las viviendas próximas. Igualmente puede ocurrir con los equipamientos de salud,
ya que su misión social y atención de 24 horas en servicios de urgencias, las
afectaciones de ruido y congestión pueden desvalorizar las viviendas que se
encuentran más próximas a este tipo de equipamientos.

Adicionalmente las variables físicas tienen coeficiente positivo, indicando que al

aumentar en número las variables físicas de las viviendas como el número de baños,
de garajes, la calificación y las áreas tanto de terreno como de construcción, tienen
influencia directa en el aumento del precio de la vivienda.

Por otra parte, se observa que existe una relación de externalidad positiva entre el
precio de la vivienda y las variables de distancia a equipamientos como CAI,

75
Instituciones de Policía Militar, ZAMPA (Zonas de Manejo y Preservación
Ambiental) y nodos de transporte, lo cual indica que a medida que la distancia
disminuye de una vivienda a este tipo de equipamientos existe un mayor precio en la
vivienda y se puede explicar dada la cercanía o proximidad a este tipo de
equipamientos que valorizan una vivienda por tener accesibilidad a vías de
comunicación, medios de transporte, gozar de la proximidad a una zona con
naturaleza que brinda bondades paisajísticas y de tranquilidad, y por último, gozar de
un servicio de seguridad permanente dada la cercanía a instituciones militares y de
policía lo que reduce significativamente las percepciones de inseguridad de los
habitantes de un sector.

PRUEBA 3. Selección de variables explicativas sin redundancia

La selección de las variables deben dar cuenta de no explicar lo mismo en el precio

de la vivienda, las variables de área construida en metros cuadrados de la vivienda y
número de alcobas presentan redundancia por cuanto ambas expresan y tienen
significancia en la cabida superficiaria de la misma, por lo anterior la variable número
de alcobas fue excluida del modelo ya puede estar explicada e incorporada en la
variable área construida de la vivienda, como lo indica el modelo de regresión OLS.

Como se evidenció las variables número de pisos y número de cocinas, no fueron

tenidas en cuenta dentro del modelo final, lo que se podría explicar cómo área
construida que ya es tenida en cuenta dentro del modelo y que adicionalmente es
confirmado en estudios similares como el realizado por Collazos en 2006
denominado “Análisis espacial del precio de oferta de la vivienda en el área
metropolitana de Cochabamba”, donde define la selección de variables teniendo en
cuenta su redundancia o poder explicativo de las mismas.

El modelo OLS tiene un factor de inflación de la varianza (VIF) para las variables
explicativas y da cuenta de la redundancia de cada variable y define cuál de estas
debe ser excluida, por lo anterior en el modelo resultante ninguna variable explicativa
posee un valor mayor a 7,5 como se ilustra en la figura 20.

76
 Executing:OrdinaryLeastSquaresLoteo_ResidencialIDENTIFICADOR1
D:\Contenedor\Users\jamartinez\Documents\ArcGIS\Default.gdb\Loteo_Residencial_OrdinaryLe21PRECIO
Salud_Pub;CAI;Inst_Poli_Militar;Cultura;ZAMPA;Nodo_Transporte;Red_Cicloruta;BAÑOS;GARAJES;CALIFICACION;AREA_TERRENO;AREA_CONSTRUIDA
# #
Start Time: Fri Sep 16 20:02:43 2016
Running script OrdinaryLeastSquares...
Summary of OLS Results
Variable Coefficient StdError t-Statistic Probability Robust_SE Robust_t Robust_Pr VIF [1]
Intercept 1670708,405151 14703763,086725 0,113625 0,909530 15068738,776359 0,110872 0,911712 --------
SALUD_PUB 66249,086022 6062,717213 10,927293 0,000000* 6403,754847 10,345350 0,000000* 1,253201
CAI -18609,271132 5648,712665 -3,294427 0,001018* 5378,783488 -3,459755 0,000567* 1,176205
INST_POLI_MILITAR -39468,471347 3506,867561 -11,254623 0,000000* 3460,046607 -11,406919 0,000000* 1,471592
CULTURA 57554,122331 12778,206730 4,504084 0,000009* 13569,719556 4,241364 0,000028* 1,122837
ZAMPA -38820,914741 5228,629004 -7,424683 0,000000* 5217,451284 -7,440590 0,000000* 1,145071
NODO_TRANSPORTE -106202,724612 35351,528942 -3,004190 0,002704* 34411,785672 -3,086231 0,002066* 1,023874
RED_CICLORUTA 16455,129909 6540,304322 2,515958 0,011931* 6323,648138 2,602158 0,009319* 1,095214
BAÑOS 6811376,369076 1407229,275434 4,840275 0,000002* 1799478,084259 3,785196 0,000169* 1,207665
GARAJES 15238794,256628 2386528,217694 6,385340 0,000000* 3231525,497580 4,715666 0,000004* 1,158672
CALIFICACION 3347280,078962 291150,596999 11,496731 0,000000* 296090,020552 11,304941 0,000000* 1,366157
AREA_TERRENO 1061296,927205 40597,081874 26,142197 0,000000* 55088,326897 19,265369 0,000000* 1,671505
AREA_CONSTRUIDA 464637,749822 28473,525399 16,318237 0,000000* 41504,610010 11,194847 0,000000* 1,634731

Figura 20. Tercera prueba modelo OLS

Fuente: Elaboración propia.

PRUEBA 4. Sesgo del modelo

Cuando se tiene un modelo de mínimos cuadrados adecuadamente especificado, los

residuales del modelo se distribuyen normalmente con forma de campana de Gauss
como se ilustra en la figura 21 para el modelo desarrollado:

Figura 21. Distribución normal de residuales modelo OLS.

Fuente: Elaboración propia.

La autocorrelación presente en el modelo de regresión lineal, representa no

estacionariedad en los datos modelados, como se observa en la distribución del

77
histograma de residuales, los cuales indicaron que las relaciones de las variables
trabajadas son dinámicas en la zona de interés. Para lo anterior es necesario recurrir a
modelos de regresión espacial los cuales permiten explicar este tipo de relaciones
complejas que se presentan en el espacio.

Posteriormente, se creó una matriz de gráfico de dispersión para las variables

independientes del modelo y se representó mediante una relación lineal entre la
variable dependiente y cada variable explicativa del modelo, como lo ilustra la figura
22.

Figura 22. Matriz grafico dispersión.

Fuente: Elaboración propia.

78
PRUEBA 5. Identificación de las variables claves para el modelo.

Cuando los residuales del modelo tiene una autocorrelación espacial estadísticamente
significativa se forma el clustering, y se obtiene una puntuación Z30 estadísticamente
significativa.

El modelo de mínimos cuadrados es un modelo global y basa en que las variables

sean estacionarias, sin embargo al modelar relaciones complejas en el espacio se
evidencia el comportamiento heterogéneo en cada zona del área de estudio, por ello
es necesario emplear modelos locales de Regresión Geográficamente Ponderada
WGR, los cuales permiten mejorar las predicciones y ayudan a entender la no
estacionariedad o variaciones regionales que son intrínsecas de las variables
independientes empleadas en este estudio.

Al verificar la autocorrelación espacial de los residuales del modelo OLS, se obtuvo

un valor Z alto que indica que existen variables no estacionarias en el modelo, lo que
conduce a un análisis basado en un modelo local WGR que permita identificar una
predicción más acorde a las variables incorporadas en el mismo. A continuación se
presenta el resultado del modelo calculando la autocorrelación espacial por el índice
de Moran’s I. Figura 23.

Executing: SpatialAutocorrelation Loteo_Residencial_OrdinaryLe21 StdResid GENERATE_REPORT INVERSE_DISTANCE EUCLIDEAN_DISTANCE ROW # #

Start Time: Fri Sep 16 20:51:11 2016
Running script SpatialAutocorrelation...
WARNING 000853: The default neighborhood search threshold was 1037,63694673236.
Global Moran's I Summary
Moran's Index: 0,109752
Expected Index: -0,000452
Variance: 0,000037
z-score: 18,225878
p-value: 0,000000
Writing html report....
D:\Contenedor\Users\jamartinez\Documents\ArcGIS\MoransI_Result43.html
Completed script SpatialAutocorrelation...
Succeeded at Fri Sep 16 20:51:17 2016 (Elapsed Time: 6,00 seconds)

Figura 23.Reporte autocorrelación Moran’s Modelo OLS.

Fuente: Elaboración propia.

30
Las puntuaciones z son desviaciones estándar. Si, por ejemplo, una herramienta devuelve una
puntuación z de +2,5, diría que el resultado son desviaciones estándar de 2,5 Tanto las puntuaciones z
como los valores p se asocian con la distribución normal estándar como se muestra a continuación.
Tomado de https://pro.arcgis.com/es/pro-app/tool-reference/spatial-statistics/what-is-a-z-score-what-
is-a-p-value.htm

79
Partiendo de la hipótesis nula, la cual establece que las entidades o los valores de las
entidades se distribuyen de manera aleatoria (no tienen correlación) y con los
resultados de parámetros Z y P, los cuales son la base para establecer si la hipótesis se
cumple o por el contrario se debe rechazar la hipótesis nula.

Por lo anterior, y una vez obtenido el valor para P (probabilidad) el cual es muy
pequeño, significando que la probabilidad de que se cumpla la hipótesis nula es muy
baja. Adicionalmente como el valor de Z (desviaciones estándar) se acercó a cero no
se cuenta con evidencia estadística para rechazar la hipótesis nula. Por consiguiente y
dado el valor de Z= 18,225878 y P = 0,000000 para el modelo de OLS, no se puede
rechazar esta hipótesis para el caso de estudio.

La autocorrelación de Moran I: este índice representa la distribución de los valores de

la entidad analizada mas no de la entidad en sí misma, define la forma de distribución
de los datos en agrupado, disperso o aleatorio y establece la autocorrelación espacial
de acuerdo a la localización y al valor de los objetos presentes en el análisis. Cuando
los valores se agrupan espacialmente el índice de Moran es positivo en caso contrario
si los valores se dispersan el índice es negativo.

El valor obtenido para el índice de Moran indica que es mayor a cero, lo cual
representó una distribución de clúster o agregación de los datos como se evidencia en
la tabla 15, para cada una de las variables exploratorias del modelo de regresión OLS.

Tabla 15. Valores índices de Moran y Z modelo OLS.

Indice
Variable Z- score Observación
Moran's I
Salud_Pub 0,721323 119,278315 Dado el z-score de 119,279
CAI 0,72032 119,145044 Dado el z-score de 119,14
Hay una
Inst_Poli_Militar 0,888852 146,998794 Dado el z-score de 146,99
probabilidad
Cultura 0,481329 79,635783 Dado el z-score de 79,63
de menos del
ZAMPA 0,759988 125,669909 Dado el z-score de 125,66
1% de que
Nodo_Transporte 0,218205 36,144534 Dado el z-score de 36,14
este patrón
Red_Cicloruta 0,747964 124,057836 Dado el z-score de 124,05
agrupado
BAÑOS 0,05866 9,772527 Dado el z-score de 9,77
podría ser el
GARAJES 0,183856 30,555716 Dado el z-score de 30,556
resultado de
CALIFICACION 0,406963 67,329929 Dado el z-score de 67,32
la casualidad.
AREA_TERRENO 0,477972 79,141829 Dado el z-score de 79,14
AREA_CONSTRUIDA 0,204162 33,834206 Dado el z-score de 33,83
Las variables presentan un índice esperado de -0,000452 Las variables presentan una varianza de 0,000037
Las variables presentan un P- value de 0,000000 Las variables presentan Agrupamiento o Cluoster

Fuente: Elaboración propia.

80
Como se observa en la figura 24 el valor del índice de Moran del modelo OLS de
0,109752; indicó que definitivamente existe clustering en la distribución espacial de
los datos. Ahora, analizando la validez estadística y dado el valor de z-score de 18,22
existe una probabilidad de menos del 1% de que este patrón agrupado pueda ser el
resultado de la casualidad y con el valor P igual a 0,000000 se puede rechazar la
hipótesis nula:

Figura 24.Diagrama autocorrelación Moran Modelo OLS

Fuente: Reporte generado en ArcGis 10.2.

Por tanto y a partir de los resultados anteriores se tiene suficiente evidencia

estadística para afirmar que el precio de la vivienda para las localidades de Kennedy,
Fontibón y Engativá sigue un patrón de distribución agregado o agrupado que indica
que los precios altos de las viviendas se encuentran cerca y que los precios bajos de
las viviendas se encuentra próximos unos a otros. Adicionalmente, se generó un mapa
con los coeficientes residuales para visualizar los clusterin presentes en la
distribución de las variables que intervienen en el modelo, donde los puntos en color
rojo indican zonas donde existe concentración de precios bajos en las viviendas y los
puntos de color azul donde existe concentración de valores altos en las viviendas
(figura 25).

81
 Mapa de Residuales Std
Modelo OLS ·
!!!
!
!

!! ! !! !! !! !
!
! !!! !
!!
!!! ! !!! !!!
!! !! !
!!!
!!! ! !!!
!
!!! ! !!!!!!!
!! !! ! ! !
! ! !
!
! !!!! !
!!!! !! !
!!!
! !!
!!!!!!
! ! !! !! !
! ! !! !
!
! !!
!!! !! ! ! ! !
!!! ! !! !!!! !!! ! ! !!
! ! !!
!
!
! ! ! !!! !! !
!!!! !! ! !!!!! !!!! ! !!!!!! ! ! !! !!! ! !
!! !!!
! !!!! !!! !
! !! ! !! ! !
! !
!
!!
!!
!!!
!! ! !
!
!! !
!! !!
!!!
!!
!!!!! ! ! !! ! ! !
! ! ! !!
!
! !!! !! !!!!!!!! !!!!
!!
! ! ! ! ! !
!!! ! ! ! ! ! ! ! !
!! ! ! ! ! !!!! ! ! !
!!!! ! !!!!!!
!! !
!
!
!
!!!
!
!
! !!!! !!! !! ! !!!
! !
! !!! !!!!!
!!!
! !
!
!
!! ! !!!
! ! ! !!! ! !! ! ! !!! ! ! ! ! !! !! !
! !
!! ! !!
! ! ! !!
!!
! ! ! !! !
!!! !! !!!! ! !! ! !! ! !
!!!!!! !!! ! !
!
! ! !!! !!! ! ! !!!!!!! !! !
! ! !! ! ! !!
! ! !!!! !!!! ENGATIVÁ! ! ! !!
! !!
! !! !
! ! ! ! !!! ! ! !!! !!!! !! ! !
!! ! ! ! ! !
!!!! !! ! !
! ! !! !! ! !
!!! !!! !! !! !!!!
! !!
!! !! !!!! ! !!!
!! !!!! !!! ! !
!
!!! !!
!
!!
! ! ! !! !!! !!!
! !! !
!! !
! !!! ! ! !!
!!!!! ! !!!! !! ! ! ! !!! !!!! ! !
! !!
! !
!! ! !! ! ! ! ! ! ! ! !
!! !!
! !!! !! ! !! !!!!
! !!
! ! !! !! ! !! ! ! !!
!!
! ! !! !! !!!
!!! ! !! ! ! ! ! !!
!!!! !!!! ! ! !!! !!!
! !
!
! !!!!! ! !
! !! ! !! ! ! !
! ! ! !
! !! !! ! !!!! !! ! !! !!! ! !!!
!
!
!!! ! ! !
! ! ! ! !! ! ! !! !!
!
! !!! !! !!!
! ! !! !! !
!!! ! ! ! ! !! ! ! !! !!! ! !!! !!!!!!!!!!
! !!! !
! !! ! ! !! ! ! !! ! !! !
!! ! !!! ! ! !!
! !!!
! ! !!! !!
!!! ! ! ! ! !!!! !!
! !!! !! !!!!! !!
!! ! !!! ! !!! !! ! ! !! !!
!! ! !! !
!! !! !! ! ! !!!
!! !!
!
! ! ! ! !!! !
!! !! ! !!! ! !!!
! ! !
! !!FONTIBÓN
! ! !! !!
!! ! !!! ! ! !
!!!!!
!
!
! ! ! !! ! ! !! ! !!
! ! !
!
! ! ! !
! ! !!! !!! !! !! !! ! ! !
! !
! !! ! ! ! !! ! !!
!
!! ! ! !
! !! ! ! !!!!! ! ! !!! ! ! ! !!
! !! ! ! ! ! ! ! ! ! ! ! !
!!
!!! ! !! !!! !! ! ! ! ! ! !! !!!!
! !! ! ! !
!! ! !
!!
! !
! !
!!!
!!! !! !! ! !
! !! ! !
!
!! !! !! !
!
!! !!
!! ! ! ! !!!! !!!!
! !!
! ! ! !! ! !
! !
!!!! ! !
!! !! !! ! !
!!! !! ! !
!!

! !
!!
!! !!
! !
!!! !
!
!!!
!!!!!
! ! !! !
!
! ! !!
! !!!!!!
!! !!!! ! ! !! !! !!
! ! !!!!
! !!!!!!!!
!!
! ! !
!! ! ! ! ! !! ! !!
!
! ! ! ! ! !!! !!!! !!
!! ! ! ! ! !
!! ! ! ! ! !!! !!!! ! ! !!!!
!! ! ! !!
! !! !! !! !!!
!
!! !! ! ! !! ! ! ! ! ! ! !
! ! ! ! ! ! !! !!!
! ! ! !
! !!! !! !!
!!!
! ! !
! ! !!! !!! ! !! !!! ! ! Convención
! ! !!! ! !!
!! !
! !!!!
! !!!
! KENNEDY !!! ! !
!!! ! ! !!!
! !!
! ! !
!
!! !!!!!!! !! !!!! ! !!
Loteo_Residencial_OrdinaryLe21
!! !!! !! !! ! !! ! ! !! ! !
!!
!! ! ! !! !
! ! StdResid
! !!!!!
! !!! !! !!!
! !!! !!
! !!!!! !
!!
! !! ! ! !! !
! ! !! !!
!
!!
! ! !! ! ! !! ! !
!! ! ! Low-Low
!!! !!
! !!! !!! !!!!!! !! ! !!! !
! !!
! !! ! ! ! !!!
!!!
! !
!
! !! !
!! ! ! !! !!! ! !
!!! !!!! ! ! ! !
!!!! !!
! !!!
!
!
!
!
!
!! !!!
! Low-High
! ! ! ! ! ! !! !
! !
! !!
! !!!
! ! ! !! !! !!
! ! !! !!!!
!
!
! ! ! !!
!!!!!
!! ! ! !! !!! !!!! !! ! !!
! ! ! ! ! ! High-Low
! !! ! !! !! !!!!! ! ! ! !!
! ! ! !!!! ! !
! ! !
!
!!!! ! !! ! !!!
! ! ! !!
!
! !!! !! ! ! High-High
!!!
! ! ! ! !! !! ! ! ! ! ! ! ! !!
!
!!! !
!!
!!
! ! !! ! ! !! ! !
!!!! ! !! !
!! ! ! !! ! ! AREA_EXCLUIDA
! !!
! !! !! ! !
! ! ! ! !!!! !!!
!!!! !!
! !!!! !!!!!!!! !!! !! !!!!! !! ! !!
! !!! !
!
!!! ! !!! ! !
! !! !!!! !!!
!! ! !!! !
!!! ! !! ! !! !! !! ! Localidad
!
!
!!!
!
!!
! ! !!! !
!!
!! !!! !!
! !! ! !!!
!!! !!!
! !! ! !! Sector
! !! ! !
! ! ! ! !
! ! ! !!
!
!!!! ! !
!! !
! Esc 1:75.000
!
!! !
!!! !!!!!
! 0 312,5 625 1.250 1.875 2.500
! Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa Residuales Std Agosto 2016 Unidad de medida: Metros

Modelo OLS Escala:1:75.000

Figura 25.Mapa de residuales Std en Modelo OLS.

Fuente: Elaboración Propia.

82
PRUEBA 6. Porcentaje de explicación del modelo.

El valor de R2 ajustado = 0,66 indica que el modelo está siendo explicado en el 66%
por las variables explicativas, es decir el valor de la vivienda en las localidades de
estudio lo define en un 66% el modelo de regresión de mínimos cuadrados ordinarios.

En conclusión y a partir del valor de Koenker obtenido, se identifica la existencia de

no estacionariedad por parte de alguna o algunas de las variables explicativas
consideradas en el modelo, que permiten explicar el precio de la vivienda para el área
de interés. Por lo anterior, se determina la necesidad de apelar a la herramienta de
Regresión Geográficamente Ponderada WGR, que permite subsanar este tipo de
relaciones complejas, determinadas por las variables que presentan gran dinamismo y
fluctuaciones en el espacio.

4.3 Modelo de Regresión Geográficamente Ponderada WGR.

Las entidades geográficas están autocorrelacionadas espacialmente; lo cual representó

que los objetos cercanos tienden a parecerse más que los objetos más alejados como
lo establece la primera ley de la geografía de Waldo Tobler en 1970. Adicionalmente
en la geografía se establecen procesos y relaciones no estacionarias, que significa que
estas relaciones cambian en cada parte o micro-zona del área de estudio.

Para procesos geográficos como los descritos anteriormente, los modelos de regresión
espacial como WGR correctamente especificado, son una herramienta eficaz que
permiten modelar los fenómenos geográficos, incluyendo las distintas relaciones
complejas que se presentan en el espacio, representando la realidad del mismo y
subsanando los ruidos o distorsiones que pueden aparecer en la estimación de precios
para el caso aplicado.

Se basa en una regresión lineal local fundamentada en análisis de modelos de

relaciones espaciales dinámicas. La Regresión Geográficamente Ponderada -WGR-
crea entonces una ecuación para cada vivienda, incorporando y ponderando las

83
variables explicativas que dan respuesta al valor de la variable dependiente que para
el caso analizado corresponde al precio de la vivienda en el área de interés.

En la figura 27 se ilustra un mapa con los valores residuales de desviación estándar

para cada vivienda.

El modelo WGR, dio como resultado los coeficientes que muestran la relación entre
cada variable explicativa y los cambios de la variable dependiente en toda el área de
estudio. El resultado del modelo de regresión para las doce variables seleccionadas,
se muestra en la figura 26:

Executing: GeographicallyWeightedRegression Loteo_ResidencialPRECIO

Salud_Pub;CAI;Inst_Poli_Militar;Cultura;ZAMPA;Nodo_Transporte;Red_Cicloruta;BAÑOS;GARAJES;CALIFICACION;AREA_TERRENO;AREA_CONSTRUIDA
D:\Contenedor\Users\jamartinez\Documents\ArcGIS\Default.gdb\GeographicallyWeightedRegression63 FIXED "BANDWIDTH PARAMETER" # 30 # #
43,2158845213465 # # #
Start Time: Sat Sep 17 14:05:25 2016
Bandwidth : 1346,843532804922
ResidualSquares : 31125310512464848
EffectiveNumber : 1,4350512333292089
Sigma : 44718064,560556091
AICc : 650,7924065398214
R2 : 0,9165922689484528
R2Adjusted : 0,91426096437385207
Succeeded at Sat Sep 17 14:05:31 2016 (Elapsed Time: 6,00 seconds)

Figura 26. Reporte Final resultados modelo GWR

Fuente: Elaboración propia.

Como se observa en la figura 26, el resultado con respecto al modelo de mínimos

cuadrados presenta una mejora y un mayor rendimiento explicativo, por cuanto el
valor del coeficiente akaike se reduce notablemente mientras el valor de R ajustado
presenta una explicación del 91% para las variables seleccionadas, indicando que
pasa del 66% en OLS a 91% en el modelo WGR.

84
 Mapa de Residuales Std
Modelo WGR ·
!!!
!
!

!! ! !! !!!! !!
! !!! !!
!
!!! ! !!!
! !! !! !!!
!
!!
!!! ! !!
! !
!!! ! !!!!!!!
! !! !! !
! ! !!! !
!
! !!!! !!!
!!! ! !
!
!!!
!!!
!!!
!! !
! ! !! !! !
!! ! ! !
! !!!!! !!! ! ! ! !
!!!! !!! !! !!
!
!
!!
!! ! !
!!! ! !
!!! !!
!!
!!!! ! !
!!!! !!!
!! !!!!!! !! ! !! !! !!!
!
!! !!!
! !!!!!! !
!! ! ! ! !!
! !!
!
!!! ! ! !!! !! !! ! !! ! ! ! !
! ! ! !!!! !!! !
!!!!! !!!!
!
!!!
!! !
!!
!!
!!
!!!! ! !
!! !!!! !! ! ! !! ! ! ! ! !!! !
!! ! !! ! ! ! ! !!!!
!! !!
!!!
! ! !!!
!
!
!
!!!
!
!
! !!!! ! ! !! ! !!!
!
!
!!!
! !!
! ! !!!!!!!
! ! !! !! !!!! ! !! ! ! !!! ! !! ! ! ! ! !
! ! ! !! ! ! ! ! ! ! !
!!
! ! ! !!! !!
!!! !!!!! !!
! ! !! !!! !! !
!!!!!! !!! ! !
!
! ! ! !! !
! !!
! !
! ! !!!!! !!! !!
!! ! ! ! !!
! ! ! ! ENGATIVÁ
! !!! !! ! !!
! ! ! !
! !! ! ! ! !!! !!
! !! ! !! ! ! !
! ! ! ! !
!!!!! ! !!!! !! !
!!!!!!!! ! ! !! ! !! !! ! ! !!!
! !!
!! !! !!!! ! !!! ! !!!! ! !! ! ! !
! !! !!! !
!
!
! !! ! !! !!! !
!! !
!!! ! !!!! ! ! ! !! !!! !! !
!! ! !! ! ! !
!! ! !! ! ! !!
!
!
!! !! !!
! !!!
!
!!
! ! ! ! ! !! ! !!!
! !!
!
!!!!
!
!
! !! ! !!!
! ! ! ! ! !! ! !
! !! !!!
! ! !!
! ! !!
!!! !! ! ! ! ! !! ! ! !
!!!! ! ! ! ! !!! !!!
! !
!
! ! !! ! !
!!
! !!! !! ! !!! !!! ! !! !
!! !!!
! ! !! ! !
!
!!! ! ! !
! !! !! !
! ! ! !!! ! ! ! ! !!
! !!!
!
!
!
! !!
! !! !!! !! ! !
!! ! !! !!! !!
!!! !!
! ! !! ! !! !! ! ! ! ! !! !
! ! !! ! !! ! !!! ! !!!!!!!
! ! ! ! !!! ! !! ! !! !
! !!!
! !!!! ! !!!
! !!! ! !! !!! !! !! !!
! !!!!! ! !! ! ! !! ! ! ! !
!! !!! !! ! ! !
! !! !! ! !! !! !! ! !! !!! ! !!!
!! !!!
! ! ! ! !!! ! ! !!!
! !!FONTIBÓN
! ! !! ! !!
!! ! ! !
! ! !!
! ! ! !! ! ! ! ! ! !! !!!!!!!
!
!
!
! ! ! ! !
! ! ! ! ! !
!
! ! !! !! !! ! !! ! ! ! !! ! !
!!
! !! !! ! !
! ! ! !!!! ! ! ! !! !! !
! ! !! ! !! ! ! ! !!!!! ! ! ! !!! ! ! !!!
!
!!! ! !! !!! ! ! ! !
! !!
!
! ! !! ! !
!! ! ! ! ! ! !
!! ! ! ! !!!!
!! ! !! !
! !! ! !
!! !!
! ! !
!
!! !!
!! ! ! ! !! !!!! ! !!!!!
!! !!! ! !
!
!! !!!!!!!!!! !
!!
!
!! !! ! ! !

! !
!!
!! !!
! !
!!! !
!
!!!
!!!!! !!
! !!
!
! !!! !!!!!
!! ! !!!! !
!
! ! !! !! !!!!
!! ! ! !!!
!!
! ! !! ! !
!! ! !
! ! ! !! ! !
!!!!
!! !!! !! !
!!
!
!! ! ! !! !
! ! !
!! ! ! !! ! ! !! !
!! ! ! !!! ! ! !!! !! !! !!!! ! !
! !!
! !!
! !
! ! !! ! ! ! ! ! !!
! ! !
! !
! !!
!
! !!!! ! !
!! !!
!!!
! ! !
! ! !!! ! !! ! !! !!! ! !
! !! !! !!
! !! !
! !!!!
! !! !
!!!! KENNEDY !!! ! !
! !!!
! ! !!
! ! !
!
!! !!!!!!! !! !!!! ! !!
! !!! ! ! !! ! !! !! ! !! ! ! Convenciones
!!! ! ! !
!
!! !!! ! !
!! !!
! !!!!!
! !! ! ! !! !!
! !!! ! GeographicallyWeightedRegression63
! !! ! ! !! !
!
!!
! !!
! !!
!!
!!
! ! !! ! ! !! !!! !!! !
!!!!! !! !!
! !! !
!!!! ! ! ! ! Std. Residual
!!!! !! !
!!! !!! !
!!
!
!
!!
!! !!
!
!!
! ! ! !! !
!!!!!! !!!! ! ! ! !
! !!!!! !!
! !!!!
! ! !
!
!
!! !!!
! Low-Low
! ! ! !
! !
! !!!
! !! ! ! ! !! ! ! !!
! ! !! !!!!
!!
!!!! !! !!! ! !! ! Low-High
!
! ! !! ! ! !! ! !! ! ! ! !
! ! ! ! !
! !! !!
! !!
!! ! !! !!!
!! ! !
!! !
!!! ! !! ! ! ! ! !!
! ! ! ! !!! !! !! ! ! !!! !!
!
! High-Low
!!!
! ! !! !! ! ! ! ! ! ! ! !! High-High
!
!! ! ! !
!! ! !! ! ! !

! ! ! ! ! ! !! ! ! !
! !! ! !! !!! !
! ! ! !
!! !!!! ! !!
! ! ! ! !!!
! !!!
Area Excluida
!!!! !!
! !!!! !! !!!!!! !!! !! !!!!! !! ! !!
! !!! !
!!!!! ! ! ! ! !
! !!
!
!
!!!!
!
!!!!!
! ! !!!
!
!
!!! ! ! ! !! ! !! !! !! !
!!
Localidad
!!!!! ! !
!!!
!!! !!
!!! ! !!! ! !! ! !! !!
! !! !!
! ! !
!
! ! ! !! Sector
! ! ! !!
!
!!! ! !
!
!!! !
!!
! ! Esc 1:75.000
!!! !!!!!
!
! 0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Agosto 2016 Unidad de medida: Metros

Mapa Residuales Std
Modelo WGR Escala:1:75.000

Figura 27.Mapa de residuales Std en Modelo WGR

Fuente: Elaboración Propia.

85
Índice de Moran I: El valor del índice de Moran es de -0,000114, analizando la
validez estadística y dado el valor de z-score de 0,055820, el patrón de distribución
espacial es aleatorio como lo indica el figura 28 del reporte de la regresión WGR:

Executing: SpatialAutocorrelation GeographicallyWeightedRegression63 StdResid GENERATE_REPORT INVERSE_DISTANCE EUCLIDEAN_DISTANCE ROW #

#
Start Time: Sat Sep 17 14:07:38 2016
Running script SpatialAutocorrelation...
WARNING 000853: The default neighborhood search threshold was 1037,63694673236.
Global Moran I Summary
Moran Index: -0,000114
Expected Index: -0,000452
Variance: 0,000037
z-score: 0,055820
p-value: 0,955485
Writing html report....
D:\Contenedor\Users\jamartinez\Documents\ArcGIS\MoransI_Result56.html
Completed script SpatialAutocorrelation...
Succeeded at Sat Sep 17 14:07:45 2016 (Elapsed Time: 7,00 seconds)

Figura 28. Reporte autocorrelación Moran Modelo GWR.

Fuente: Elaboración propia.

El diagrama de la autocorrelación espacial del índice de Moran I para la regresión

geográficamente ponderada se presenta en la figura 25. Teniendo en cuenta que la
puntuación Z de 0,06 indico que el patrón de distribución no parece ser
significativamente diferente de azar y obedece a una distribución aleatoria como se
observa en la figura 29.

86
Figura 29. Diagrama autocorrelación Moran Modelo GWR.
Fuente: Reporte generado en ArcGis 10.2.

87
A continuación se presentan los mapas de las 12 variables independientes que ilustran
para cada punto de oferta de vivienda los coeficientes del modelo GWR en toda el
área de estudio, en donde los puntos de color rojo muestran los sectores donde la
relación de la variable es débil y los puntos de color azul, ilustra las zonas donde la
relación de la variable exploratoria con respecto a la variable dependiente precio de la
vivienda es fuerte.

4.3.1 Distancia a equipamientos de Salud Publica

La relación negativa de esta variable dentro del modelo indica que la cercanía a este
tipo de equipamientos desvaloriza la vivienda, que puede explicarse por el gran
impacto (negativo) que genera este tipo de equipamientos en un determinado sector.
Los sectores donde más influencio el precio de la vivienda esta variable en el modelo
fueron Modelia Occidental, Hipotecho y las Ferias como se muestra en la Tabla 16 y
la figura 30.

Tabla 16. Sectores representativos con variable Salud Pública

VARIABLE SALUD PUBLICA

LOCALIDAD SECTOR No. DE VIVIENDAS
FONTIBON MODELIA OCCIDENTAL 35
HIPOTECHO 28
KENNEDY
CIUDAD KENNEDY 23
ENGATIVA LAS FERIAS 26
Fuente: Elaboración propia

La configuración espacial de esta variable se puede atribuir a que estos sectores no

tienen dentro de su área de influencia uno o varios centro de salud pública próximos a
su límite o área de influencia por lo cual esta variable es muy relevante en los
sectores en mención para conservar un precio de vivienda alto.

88
 Mapa de Coeficientes Modelo WGR
Variable Salud Pública ·
!!!
!
!

!! ! !! !! !! !!
! !!!! !
!
!
!!! !!!! ! !!!!! !!!
!
!!
!! !
! !!!!
!!
! !
!!!! ! !!! !! ! ! !!
! !!! !!! ! !!!!!!! !!! ! !
! !
!
!
! !!!! ! ! !!! !
!! ! ! !!! !!!
! ! ! ! !!!! !!
!!!! !!! !! !
!!!!!
!! ! ! !!! ! !!! ! ! !!
!
!!!! !!!
!!! ! !!!!!! !! ! !! !!!!!! ! !!
!
!
! !! ! !!!
!
!!! !
! !! ! !! ! !
!!! !!
!! !!
!! !
!!
!!
! !!
!
!!
! !
!
!!! !
!!! !!!! !
! ! ! ! !
! ! !!! !
!
!! !!
!!
!!! !!!! ! ! !! !
! ! !
! !!! ! ! ! !
!! ! ! ! ! ! !!!! ! ! !
!!!! ! !!!!!!
!! !
!!
!
!!!!! !!!! !!! !! ! !!!! !!!! !!!!!
!!!!
!
!
! ! !
!! ! ! ! !! ! ! ! !
! ! !! ! ! !!!!!
! ! !! !
! !!!
!
!! ! ! ! ! ! !! !
!!
! ! ! ! !!!!!
! ! !!! ! !! ! !! !! !
! ! ! !! !
!! !
!!! !!! !
! ! !! ! ! ! !!!
! !! ! !! ! !!! !!
!
! ! ! ENGATIVÁ
! ! !! !! !
! !!!! !!!! ! !! !!! ! !!!! !! !
!! ! !!
!!!
!!! !! ! ! ! ! ! !!!! ! !! !!!! !!
!! ! !!!
!!!!
! ! !! !! ! !
! !!
!! !! !!!! !!!!!! !!!!
! !! ! ! !!!
!
! !! !!
! ! ! ! !! ! !
!! !!! !! ! !
!! ! !! ! ! !!!!
!
! ! ! !!!! !! ! ! ! !! ! !!
!
!
!! !! !!
! !!! !! ! !! ! ! ! !!
! ! !!! !
!
! !!!!!! !! !
! !! !! !! ! !! ! ! !! !!!
! ! !!
!!
!! ! !! !
! !!!!! ! ! ! !!!! ! !! !!! !
! ! !
!!!!
! ! !!!
! ! ! !! ! ! !! ! !! !!
! !
!
!! !! ! ! !! !! !! ! !
!
!!! ! ! !
! ! !! !
! ! ! !!! ! ! !! ! ! ! !! !!
!!
!!
!!
!
! !!
! ! ! !
! ! ! ! ! !! ! ! ! !! !! !!! !!!
!
! !!! ! !!!!!!!!
!!!!! !!
! ! ! !! ! ! !! ! !!! !! ! ! !!
!
! !!! ! !!! !
!!!! ! ! ! ! !
! !!!! ! !! !!
!! ! !!
! !!! !! !! !!!!!!! ! !!! ! ! !! !! ! ! !!! !!! !!
! ! !! !
!! !! !! ! !!! ! !!! ! !!!
! !! ! ! !!
!FONTIBÓN
!! !!! ! !!! ! !
!
! ! !!! ! ! !! ! ! ! ! ! !!!!
!! ! ! !!
! ! ! ! !
!
! ! !! !! ! !!
! ! !!! !!! !! ! !! ! !
!
! !! ! !
!!
! !! !! ! ! !
! ! ! ! !!!! !! ! ! ! !! ! ! !!!
!
! ! ! !! ! ! ! ! ! ! ! ! ! ! !! !
!
!!! ! ! !!! !
! !! !! ! ! !!! ! ! !!!
! ! ! !
! ! ! ! ! ! ! ! !
!! ! ! !
! !! ! !
!
!! !!
!!!!
! ! ! !! !!
!! ! ! !! !!!! ! !! !
!
!! !! ! ! ! !! !!
!! !! !! !!!! ! !
! !
!! ! ! !
!! !

!
!!!
!! !!
! !
!!! !
! !
!!
! ! !
!
! !!
!! ! !! !! !
! !!!!!
!! ! !!
!! !
! ! !! !! !!
!! ! ! ! !!!!!!!!
!!
!! !! ! ! ! ! ! ! ! !! ! !!
! !! !! ! !!! !!!! !!
!! ! ! !! ! ! ! ! !
! !!! !!! !
!
!! !! ! ! !!! ! ! !! !! !!! ! !!
! !!
! !!
!! !! !! ! ! ! ! ! !!
! !
! !
! ! !!
!
! !!!! !!! !
!!
!!!
!
! !
! ! !!! ! !! ! !! !!! ! !
! ! ! !! !! !!
!
!
! ! !
!!!!!! ! Convención
!!!! ! KENNEDY
!! !
!!!!! !
!!!!!!!
!! ! !! ! ! !! !! !!!! ! !!
!!
! ! !!! !! !! ! !!!! ! !! ! ! GeographicallyWeightedRegression
! ! ! !
!
!! !! ! ! !
! !!!!
! !!! !! !!! ! !
!! !!!!! !!!
!
!!
! !! ! ! !! !
! ! !! !! !! Coefficient #1 Salud_Pub
! ! ! ! ! ! ! !
!! ! !
!!! ! ! !!! !!! !!!!!! !! ! !!!!!
!!! !
!
!!!! ! ! !
!
!!!
!!!
! !
!
!! !! !
!!! !! Low-Low
!
! ! ! !! !!!! ! !
! !!! !!!
! ! !!!! ! ! ! ! ! !! ! !!
! ! ! ! ! !!
!
!
!! !!
!
! !! !!!! ! !! !! ! !! !! ! !!!! ! Low-High
!
!
!! ! !!!! !
! !
! ! ! !! !!! !! !
! !
! !!
! ! ! ! !
! ! !!
!
!! ! ! !!
!!! ! !
! ! !
!!! ! !!! !!! ! ! ! ! !!
! ! ! ! !!! !!
!
!! ! !!
!
! High-Low
!
!!!! ! !! !! ! ! ! ! ! ! ! !!
!! ! ! !
! ! ! High-High
!!!! ! !! ! ! !! ! !
!!!!! !!!
!
!! ! ! ! !! ! !
!! !!! !! ! !
! ! ! ! !!!! !!!
Area Excluida
!!!!! !!!! !!!!!!!!
! !!! !
! !!!!! !! ! !!
! !!! !
!!!!!
!! !
! !! ! ! !
! !! !
!
! !
!!! ! ! !!! !
!!! !! !! ! !! ! ! !!!! Localidades
!!!!!! ! !!!!
!!! !!
!!!
! !!
! ! !!! !!! !!! ! !!
!
! !! ! !
! ! ! ! !
! ! ! !! Sectores
!
!
!!!! ! !
!! !
!
!
!! ! ! Esc 1:75.000
!! !!!!
!
! !! 0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa Coeficientes Modelo WGR Agosto 2016 Unidad de medida: Metros

Variable Salud Pública Escala:1:40.000

Figura 30. Mapa Coeficientes Salud Publica, modelo GWR.

Fuente: Elaboración propia.

89
4.3.2 Distancia al Centro de Atención Inmediata CAI

La relación positiva de la variable distancia al CAI, con respecto al precio de la

vivienda, se puede describir como la valorización que generan este tipo de
equipamientos en la viviendas más próximas o en una área de influencia cercana,
debido a la percepción de seguridad captada por las preferencias de los habitantes y
que se refleja en un valor agregado en el precio total de la vivienda, los sectores que
tienen gran influencia de esta variable son los que se relacionan en la tabla 17.
Tabla 17. Sectores representativos con variable CAI
VARIABLE CAI
LOCALIDAD SECTOR No. DE VIVIENDAS
LAS DELICIAS 24
KENNEDY PROVIVIENDA ORIENTAL 19
PROVIVIENDA 16

Fuente: Elaboración propia.

Esta variable afecta a los sectores ya descritos dado que dentro de su área de
influencia cuentan con uno o más CAI, adicionalmente se trata de sectores que
presentan altos índices de inseguridad por lo que la cercanía a un CAI tiene gran
influencia en la valoración del precio de la vivienda. La configuración espacial de
esta variable permite identificar áreas desprovistas de este tipo de equipamientos, lo
cual genera una subvaloración al precio de la vivienda, adicionalmente es un aspecto
a ser tenido en cuenta para la formulación de planes de seguridad que promuevan la
construcción de este tipo de instituciones. Figura 31.

4.3.3 Distancia a Instituciones de Policía

Igual que en el caso de los CAI, la variable de distancia a instituciones de policía

presenta una relación positiva, indicando que las viviendas próximas a estos sectores
tienen un mayor precio que las que se encuentran más alejas a estos. Los sectores
donde esta variable tiene mayor influencia son el Cedro, San Pablo y en gran parte
del sur oriente y sur occidente de la localidad de Kennedy, sectores donde se registran
altos índices de criminalidad no solo para el área de estudio sino dentro de la ciudad.
Tabla 18 y figura 32.
Tabla 18. Sectores representativos con variable Inst. Policía.
VARIABLE INSTITUCIONES DE POLICA MILITTAR
LOCALIDAD SECTOR No. DE VIVIENDAS
LAS DELICIAS 32
KENNEDY
PROVIVIENDA 16
ENGATIVA EL CEDRO 22
FONTIBON SAN PABLO JERICO 12
Fuente: Elaboración propia.

90
 Mapa de Coeficientes Modelo WGR
Variable CAI ·
!!!
!
!

!! ! !! !!!! !!
! !!!
! !! !!
!
! ! !! ! !! !! !!!
!!! ! !!!
!!!
!! ! ! !!!
! !! ! ! !
!!
!!!!!! !! ! ! !!
! !!! !!! ! ! !!!!!! !
! !!
!
!!!
!
!
!!
! !!
!
! ! !! !
!! ! ! !!! !!
! !
!!!! !!! !! !!!!
!
!! ! ! !! !! !! ! ! !!
!
! !!
!!!! !!!!!! ! ! !! !!! ! !
!!!! !! !!!
!!
!! !! !!! ! ! ! !! !!! !
!! !
! ! ! ! ! !! !
!!
!! ! !!!!!!
! !!
! !!
!!
! ! !! !
! !!! ! ! !!!
!
! ! !! ! !! !!! !
!
!
!!
! ! !!! !! !
!!
! !! !! !!!!!!!! ! ! !! !
!
! !!!! ! !!
! !!
!! !!
!! !
! ! !!!
! ! ! !! !!!! ! ! ! !!!!
! ! !
!! ! ! ! ! !
! !
! ! !
!! ! !!!
! !
!
!! ! ! !! ! ! !! ! !! ! !! ! !
! !! ! !!!!!!! ! ! !!! !!!
! ! ! ! !
!
!!
! ! !!! !! !!
! !!! ! !! ! !! !!
!! !!!! !!! ! !
!!
! ! !!! ! ! !! !! !! !
! ! ! !! !! !
!! !! ! ! ! ! !
! ! !! !! !! ! ! ENGATIVÁ
! ! !!! !
!
! !!
! ! ! !! !! ! ! !!! !! !!
! ! ! ! !
!!!!! ! !!!! !! !
!!!!!!!! ! !
! ! !! !
! !! !! ! ! !!!!
! !!
!! !! !!!! ! !
!! !!!!
!! ! ! !!
!!!! ! ! !!! !
!
! ! ! !! !! !
!! !
!! ! !! ! ! !!!!
!
! ! ! !!!! !! ! ! ! ! !!! !!!! !!
!
!
!! !! !!
!!
! ! ! !! !! !!
!!!!! !
! ! !! !
! !!! ! ! ! !!!! ! ! !!
!
! ! !! !
!
! ! !! ! !! !! ! !!
!! !! ! !! !!! ! ! ! ! ! !! ! !
!!!! ! ! ! ! ! ! ! ! !!
!
!! ! ! ! ! ! !! ! ! !
! !!! !
! ! !!!!
! !! !
!! !!!
!
!!! ! ! !
! !! !! !
! ! ! !! ! ! ! ! !! !!
!! !!!
!
! !!
! !! !!! ! !!! ! !
!!! ! ! ! ! !! ! !!
! !!!
! ! ! ! ! ! ! !! ! ! !! !
! ! !
!! !
! !! ! !!! ! !!!!!!!
!
!! !!!
! ! ! !! ! ! !! !! ! !!! ! !!
! !!! ! !!!!
! ! !
! !! ! !! !!
! !!!!! ! !! ! ! !! !!! ! !! !!! ! !! !! !!!
! !! !! !
! ! ! ! !! ! !!! ! !!!
! !! !!
! !
! !!FONTIBÓN
! ! !! ! !!
!! ! !!! ! ! ! !
! ! !!
! ! ! !! ! ! ! ! ! !! !!!!! !!
!
!
!
! ! ! ! !
! ! ! ! ! !
!
! ! !! !! !! ! ! !!!
! !! !!
! !!!
! ! !!! !
! ! ! !!!!! ! ! !!! ! !!!
!!
! !
!!! ! !! !!! !! ! !! ! !
! ! !!!
! !! ! ! !!! ! !
!
! ! ! ! ! ! ! ! !!
!
! ! ! ! ! ! !
!! ! ! ! !! ! ! ! !! !
! !! ! !
!
!! !!!! ! !
!! !!
!
!!
! !!
! ! ! !! !!!! !
!
!!!!!
! ! !!!
!! !! !!!! !! ! !
!!!
!! !! ! ! !

! !
!!
!
!
! !!
!
!!! !
!
!!!
!!!!!
! ! !! !
!
! ! !!! !!!!!!!
!! !!
!! ! ! !! ! !!
! ! !!!!
! !!!!!!!!
!!
! !!
!! ! ! ! ! !! ! !!
!
! ! ! ! ! !!! !!!! !!
!! ! ! ! ! ! ! !
! !! !! !
! !
!!
! !
! !! !! !! !!!!
!! ! ! !!!
!!
! !!
!! !! ! !! !! ! ! ! ! !
!! !! ! ! !! !!
!
!! !
!!
! !! ! ! !!
!!
! ! ! ! !
! ! !!! ! !!! !! !!! ! ! ! ! ! !!
!!
! ! !
!
!
!!! !
!!! !
Convención
!
!!! ! ! KENNEDY
!! !
!!!! !!!! !!!
! !!! ! ! !! !!! ! !!
!!! !! GeographicallyWeightedRegression
!!
! !!!
!! !! !! ! !! ! !! ! !
!!
! !! ! !
!
!! !
! !! ! !!
! !!!!
! ! !! ! !!! ! !!!!! !!
!!
! Coefficient #2 CAI
! !! ! ! !! !
! ! ! !!! !
! ! !! ! ! ! !! !!
!!! !! !!! !!!!!!!!! ! !!! !
! !!
! !! ! ! ! !!
!!!
! !! !! ! Low-Low
!!! !! !!!! ! ! ! ! !
! ! !!! !!
!! !
!
! !!! !!!
!! ! !!! ! ! ! !!! !
! !!
! !! ! !!! ! !!
!
!
!! !!! ! Low-High
!! !! !! ! !!!!
! !! !! !!
!!!! !! ! ! ! ! !!!! !!!
!! ! ! ! !
! !
! ! !
! ! !! !!! ! ! !
! ! !!
!
!! ! !
!!
!!
!
!!!! ! !
!!! ! !! ! ! ! ! !! High-Low
! ! ! ! !!! !!
!
!! ! ! !!!
!!
!
!
!!!! ! !! !! ! ! ! ! ! ! ! !! ! ! High-High
!! ! ! !
! !
!!!!! !! ! ! !! ! !
!!!! ! !! ! ! ! !! ! !
! !!! !! !! ! ! ! !!!
! !! Area Excluida
!! ! ! ! !
!!!!! !!!!! !!!!!!!! !!! !! !!!!! !! ! !!
! !!! !
!
!
!!!! !
! !! ! ! ! Localidades
!
! !! !
!
! ! !
!! !! ! ! !
!!!!! ! ! !
!! !! ! ! ! ! !
! !!!
!! ! !!! ! !! !!! !!
!!!!! ! !!!
!!! !!
! !! ! !! Sectores
! !! ! !
! ! ! ! !
! ! ! !!
!
!!!! ! !
!! !
! Esc 1:75.000
!
!! !
!!! !!!!!
! 0 312,5 625 1.250 1.875 2.500
! Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa Coeficientes Modelo WGR Agosto 2016 Unidad de medida: Metros

Variable CAI Escala:1:75.000

Figura 31. Mapa Coeficientes CAI, modelo GWR

Fuente: Elaboración propia.

91
 Mapa de Coeficientes Modelo WGR
Variable Instituciones Policia Militar ·
!!!
!
!

!! ! !! !! !! !!
! !!! !
!
!
!!! !!!! ! !!!!! !!!!
!!
!!! ! !!!!
!! ! !!!!!! !!! !! ! ! !
! !!! !!! ! ! !
! ! !!! ! !
!
! !
!
!!!!
!!!
! !
! ! !! !! !
!! ! ! !!!
! ! !! !!!! ! !
!!!! !! !! !
!!!
!
!
!!
!! ! ! !!! !
!!! ! !
! ! !
!!
!
!!!! !! ! !!!
!!!
!!! !!! ! !!!!!! ! ! !
!!! ! !
!! !!! !
! !! !
! ! ! ! !
! !! !
!! !!
!
! !
!!
!
! !
!!!
!!!! !! ! ! !!! ! !!! ! ! !! !!! !
!!!!! !
! !!!!!! !
!
!!!! !!! ! ! !
! ! ! ! ! ! !!! !! !
!
!! !!!! ! ! ! ! !!!! ! ! !
!!!! ! !!
! !
!
!!
!
! !
! ! !!!!!! !! ! ! !!! ! ! !! !
!
! !!
!!!
!
!! ! ! !! ! !
!! !
!!! ! !! !!
!
! !! !
!
!
!!! ! ! !!!!! !!
! ! ! !
!! ! !
! ! !
!!
! ! !
!!!!!!! !!!! !!! ! !! ! !! !!
!! !! !! !
!!!!!! !!! ! ! ! ! !! !
! ! !
!
! ! !!! ! !! !!
ENGATIVÁ
! !
!
!! !! !! ! ! !
!! !!!! !
!!
! !!! !!! !!! ! !!
! !
! ! ! ! !! !! !!!!!! !
!!! !
!!!!!!!! ! !
! ! !! ! !! !!! !!
! !!
!
!!!!
! !!
!! !! !!!! ! !
!! !!!!
! ! ! !
!
!!!! ! ! ! ! !
!
!
! ! ! !! !!! !!! !
!! ! !! ! ! !!!!
! ! ! !!!! !! ! ! ! !!! !!!! !!
!
!
!! !! !!
! !!!
!!
! ! ! !! !
! !!
!!!!! !
! ! !! !
! ! ! !!!! ! ! !!
!
! ! !!
!
!
!
! ! !! ! !! !! ! !!
! ! ! ! ! !
!
!!!! ! !!
! ! ! !
!
!! !!!
! !
! !
! ! !!! ! ! !
!!! ! ! !! ! !! ! ! ! !! ! !
! ! ! !!!! !! ! ! !! !!! ! !!!
!
!
!!! ! ! !
! ! ! !!! ! !! ! ! ! ! !! !!
!!
!!! ! ! ! ! !! ! ! !! !!! !! !!! ! !
! !!!
! ! ! ! ! ! ! ! !! ! ! !! !! ! !
!! !
! !! ! !!! ! !!!!!!!
!
! ! !! ! ! !!
! !!!
! ! !!! !! !!! ! ! !!!! ! !!
!!
! !!! !! !! !!!!! !! ! !!! ! !!!!! !
!! !! ! ! !!! !!
! ! !! !
!! !! !! ! !!! ! !!! !! !! !
! ! ! ! ! !!
!FONTIBÓN
!! !!
!!
!
! !!! ! !
! ! !
! ! ! !! ! ! ! !!!!! !
! ! !! ! ! ! ! !
!
! !! !
! ! !! !! ! !
! ! !!! !!! !! ! !! ! !
! !
! !! ! !
!!
! ! !! ! ! !
! !! ! ! !!!! !
! ! ! !!! ! ! ! !!
!
!!! ! !! !!! !! ! !!! ! ! ! ! ! ! ! ! ! !
!!
! ! ! ! ! !! ! !! !!
!
! ! !!!! ! !
! ! !!!!! ! !
!! !
!! ! ! !
! !! ! !
!
!! !!
! ! !!
! !!!! ! ! !!
!
!!
! !!
! !
! ! !! ! ! !!!!!
!!!! !! !
!! !! !! ! !
!!
! !! ! !
!!

! !
!!
!! !!
! !
!!! !
!
!!!
!!!!!
! ! !! !
!
! ! !
!! !!!!!!
!! !!!! ! ! !! !! !!
! ! !!!!
! !!!!!!!!
!!
! !! ! ! ! ! ! !! ! !!
!
! ! ! !! ! !!! !!!! !!
!! ! ! ! ! !! ! ! !
! !! ! ! !
!! ! ! ! ! ! !
!
! !
! ! !!! !
! !! !! !! !
!
!! !! ! ! !! ! ! ! ! ! ! !
! ! ! ! ! ! !! !!!
!
! !!!! !!! ! !
!!
! !
!
! !
! ! !!! ! !! ! !! !!! ! !
! ! !!! ! !!
!! !
! !!!
!
! !!! !
!!!! ! KENNEDY
!! !
!!!! !
!!!!!!!
!! !!! ! ! !! !! !!!! ! !! Convención
! !
!! ! !! !! ! !! !! ! ! !
! !!! !! !! !!! ! ! !! !
!
! !! ! ! !!! ! !! !! !
!! !!!!! !
!!
!
! ! GeographicallyWeightedRegression
! !! ! ! !! !
! ! !! ! !!
! ! !! ! ! !! ! !
!! !
!!! !! !!! !!! !!!!! !!
! ! !
!!! ! !
!!!! ! ! !
!
!!!
!!!
! !
!
!
! !! !
Coefficient #3 Inst_Poli_Militar
!!!! ! ! !!! !!!
!! !!!! ! !
! !!! !!!
!! ! !!! ! ! ! ! !!
! !
!!! !! ! !!
!
!
!! !!
! ! Low-Low
! ! ! ! ! ! !! ! ! ! !!!!
! ! !!
!!!! !
! ! !!! ! !
! !! ! !! !
! !! !!!!
!
!!
!!
!
!
! !!
!! !! !! !! ! ! ! !! !
!!
! Low-High
! ! ! !!!! ! !
! ! !
!
!!!! ! !! ! !!!
! ! !
! !!
!!! ! !!! !!
! ! !! ! ! ! ! !
! ! High-Low
! ! ! ! ! ! !
! !! ! ! ! !
! ! ! !! !!
!
!! ! ! !! ! ! High-High
!!!!! !! !! !! !
!
! !! !!! ! !
!!
!
!
! ! !!! !!!
!!!! !!
! !!!! !!!!!!!!
! !!
! !!!!! !! ! !!
! !!! !
Area Excluida
! ! ! !
!
!
! ! ! !
! ! !
! !!
!
!
!
!!!! !!!!!
! ! !!!!
!!! ! !! ! !! !! !! !! !
!!
Localidades
!!!!
!! ! !!
!!!!
!!! !
!!! ! !!! ! !! !!! !!
! !! !!
!
! !
! ! ! !! Sector
! ! ! ! !!
!
!!!! ! !
!! !
! Esc 1:75.000
!
!! !
!!!! !!!!! 0 312,5 625 1.250 1.875 2.500
! Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Mapa Coeficientes Modelo WGR Fuente: SDP-UAECD 100.000 E KENNEDY

Variable Instituciones Agosto 2016 Unidad de medida: Metros

Policia Militar Escala:1:75.000

Figura 32. Mapa Coeficientes Inst. Policía, modelo GWR.

Fuente: Elaboración propia.

92
4.3.4 Distancia a Centros de cultura
La variable distancia a centros de cultura tiene una relación negativa con respecto al
precio de la vivienda, indicando que las viviendas más cercanas a estos
equipamientos tienden a disminuir su precio y se podría entender por la gran
afectación que traen consigo los eventos y horarios en que los mismos se desarrollan
en los centros culturales, generalmente en la noche con gran afluencia de público y
presentando altos niveles de ruido en escenarios de conciertos. Los sectores que
presentan mayor influencia de esta variable se describen en la tabla 19 y se localizan
en el oriente del área de estudio, principalmente en la localidad de Kennedy donde
son muy conocidos los corredores comerciales donde se ubican numerosos centros de
expresión cultural (música) como se observa en la figura 33.

Tabla 19. Sectores representativos con variable Cultura.

VARIABLE CULTURA
LOCALIDAD SECTOR No. DE VIVIENDAS
CIUDAD KENNEDY 38
HIPOTECHO 30
CIUDAD KENNEDY CENTRAL 29
KENNEDY
CIUDAD KENNEDY ORIENTAL 29
MANDALAY 26
PROVIVIENDA OCCIDENTAL 24
MODELIA OCCIDENTAL 35
FONTIBON
SANTA CECILIA 26
LA ESTRADA 23
ENGATIVA
LAS FERIAS 22

Fuente: Elaboración propia.

4.3.5 Distancia a Zona de Manejo y Preservación Ambiental

La variable distancia a ZAMPA presenta relación positiva con respecto a la
determinación del precio de la vivienda, lo que explica que a medida que las
viviendas se encuentran más cercanas a la ZAMPA tienen un mayor precio, que se
evidenciaría en las zonas naturales que tienen buen estado de conservación en la
cuidad, con bondades paisajísticas, ambientales y de descanso. Generalmente en el
límite externo de la ZAMPA se construyen alamedas y equipamientos deportivos que
ofrecen espacios de esparcimiento y recreación, alejadas de impacto del centro de una
localidad. Los sectores que están más influenciados por esta variable se localizan en
la parte suroriental del área de estudio, principalmente en el oriente de la localidad de
Kennedy como se observa en la tabla 20 y figura 34 en los cuales la ausencia de este
tipo de externalidad genera desvalorización en el precio de la vivienda.
Tabla 20. Sectores representativos con variable ZAMPA.
VARIABLE ZAMPA
LOCALIDAD SECTOR No. DE VIVIENDAS
LAS DELICIAS 32
PROVIVIENDA ORIENTAL 19
KENNEDY
LA CAMPINA 16
PROVIVIENDA 16

Fuente: Elaboración propia.

93
 Mapa de Coeficientes Modelo WGR
Variable Cultura ·

ENGATIVÁ

FONTIBÓN

Convención
KENNEDY GeographicallyWeightedRegression
Coefficient #4 Cultura
! Low-Low
! Low-High
! High-Low
! High-High
Area Excluida

Localidad
Sector

Esc 1:75.000
0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa Coeficientes Modelo WGR Agosto 2016 Unidad de medida: Metros

Variable Cultura Escala:1:75.000

Figura 33. Mapa Coeficientes Cultura, modelo GWR.

Fuente: Elaboración propia.

94
 Mapa de Coeficientes Modelo WGR
Variable ZAMPA ·

ENGATIVÁ

FONTIBÓN

Convenciones
KENNEDY
GeographicallyWeightedRegression
Coefficient #5 ZAMPA
! Low-Low

! Low-High

! High-Low

! High-High
Area Excluida

Localidad
Sector

Esc 1:75.000
0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Mapa Coeficientes Modelo WGR Fuente: SDP-UAECD 100.000 E KENNEDY

Variable ZAMPA Agosto 2016 Unidad de medida: Metros

Zona de Manejo y
Escala:1:75.000
Preservacion Ambiental

Figura 34. Mapa Coeficientes ZAMPA, modelo GWR

Fuente: Elaboración propia.

95
4.3.6 Distancia a nodos de transporte
La variable distancia a nodos de transporte está representada por los paraderos y
estaciones tanto del Sistema Integrado de Transporte Público -SITP- como de
Transmilenio, y presenta una relación positiva con respecto al precio de la vivienda
reflejado en la valorización mayor que tienen los predios que se encuentra más
cercanos a este tipo de infraestructuras, lo cual implicaría una mejora notable en las
preferencia de las personas debido a la accesibilidad a medios de trasporte masivos
públicos, en donde una ciudad como Bogotá la movilidad es cada día más restringida.
Los sectores más influenciados por esta variable se presentan en la tabla 21 y figura
35, en donde la ausencia de este tipo de externalidad genera subvaloración en el
precio de la vivienda.

Tabla 21. Sectores representativos con variable Nodo Transporte.

VARIABLE NODO TRANSPORTE
LOCALIDAD SECTOR No. DE VIVIENDAS
VERSALLES FONTIBON 25
FONTIBON BELEN FONTIBON 17
SAN PABLO JERICO 15
LA CAMPINA 16
KENNEDY PROVIVIENDA 16
PROVIVIENDA OCCIDENTAL 11

Fuente: Elaboración propia.

4.3.7 Distancia a red de cicloruta

La variable de red de cicloruta presenta relación negativa con respecto al precio de la
vivienda que indica que a medida que la vivienda se encuentra cerca a esta red su
precio decrece e igualmente si la vivienda se encuentra lejos de la red su precio
aumenta, este comportamiento permite inferir que la cercanía a este tipo de red,
genera percepción de inseguridad, adicionalmente en largos trayectos de la red no se
cuenta con buena señalización, iluminación, servicio de vigilancia, conexión de la red
a vías principales de las localidades y una malla asfáltica adecuada, ocasionado
numerosos accidentes en sus usuarios de la red. Los sectores que presentan mayor
influencia para esta variable se describen en la tabla 22 y se observan en la figura 36
en los cuales la presencia de esta externalidad afecta negativamente el precio de la
vivienda.
Tabla 22. Sectores representativos con variable Red Cicloruta.
VARIABLE RED CICLORUTA
LOCALIDAD SECTOR No. DE VIVIENDAS
MODELIA OCCIDENTAL 35
FONTIBON
SANTA CECILIA 26
LOS CEREZOS 24
ENGATIVA
FLORIDA BLANCA 23
KENNEDY PATIO BONITO 5

Fuente: Elaboración propia.

96
 Mapa de Coeficientes Modelo WGR
Variable Nodos de Transporte ·
!!!
!
!

!! ! !! !!!! !!
! !
!!!
! !! !
!
!
! !!!!! !! !! !!!
!! !
! !!!!
!!
!!
! !
!!!! !!! !! !! !!
! !!! !!! ! !!!!!!!!!! !
! !
!
! !!!! ! ! !
! ! !!! !!! !!! ! ! !
! !
!!!!! !! !! !
!
! !!! !! ! !! ! ! !!
!!!! ! !! ! !!
!! ! ! ! ! !
!!!! !!!
!!! ! !!!!!! !! ! !! !!!!!! ! !!
!
!
! !! !
!
!!
!
! !! !
! !! ! !! ! !
!!! !!
!! !!
!! !
!
!!
!
! !!
!
!!!!
!
!!!!!
!!! !!!! ! ! ! !
!! ! ! !!!
!
!! !!
!!
!!! !!!! ! ! !! !
! ! !
! ! !
!! !! ! ! !
!! !
! !!!!
! ! ! ! !!!!!! ! ! !!!
! !! ! !!!!!!
!! !
!!
!
!
!!!!
! !
!!! !! ! !!
! !! !
!!!! !!!!! !!
!
!
! ! !! ! ! ! ! !
!! ! ! !! ! ! !
!!
!!!!!
! ! ! !!
!! !!!! !!! !
! ! !
! !! ! !! ! ! ! !
! ! ! ! !! !!
! ! !
!
!! !!
!! !
!! !!!
! ! ! !! ! ! ! !!! !
! ! !! ! ! ! !! !
! ! ENGATIVÁ
! !
! !!! !! !
! ! ! !!
! !!!! !!!! ! !! !!! ! !!!! !!! !
!!
!!!
!!! !! ! ! ! ! ! !!!! ! !! !!!! !!
!! ! !
!
! !!!!
!! !!! !! !!!! ! ! !! !! !
! !
! !! !!!! !! ! ! !!! ! ! !!!
!
!
! !! !!
! !
! !!! ! !! ! !!! !!
!! ! !! ! ! !!!!
!
! ! ! !!!! ! ! !! ! !!
!
!! !! !!
! !!!
!!
!! ! ! !! !
! !!
!!!!!!!!
!! !! !
! ! ! !! !! !! ! !! !
! ! !!
!
!!
! ! !! !!!
!! ! ! !
!! ! ! !
! !!!!! ! ! !!!! ! !! !!
!
!!!!
! ! !!!
! ! !!!! ! ! !! ! !! ! !
!! !
!
!! !! ! ! !! ! ! ! !
!
!!! ! ! !
! ! !! !
! !
!
! ! ! ! ! ! ! ! !!
!!
!!
!
! !!
! !! !!!! ! !! ! !
!
!!! ! ! ! ! !! ! ! ! !!! !!! ! !!! !!!!!! ! !!!!
!! !!
! !! ! ! !! ! !! !! ! !!
!! !! ! ! !!
!
! !!!
! ! !!! !! ! ! ! ! !
!! !
! ! ! !! ! ! !!
!! ! !
! !!!!! ! ! !!!!!!! !! !!! ! ! !! !!! ! ! !!!
! !! !! ! !! !! ! !!! ! !!!
!! !! !! !
! !! ! ! !!
!FONTIBÓN
!! !! ! !!! ! !
! ! ! !!!
!!
! ! !! ! ! ! ! !!
! !!!! ! ! !!
! ! ! !!!
! ! ! !! !! ! ! ! !!
! ! ! ! ! ! ! !!
! !!
! !!!
! ! !
! !
! !!!! !
! ! !!!! !
!
!!! ! ! ! ! !! !!!
!
!
!
!
!! ! !! !!! !! ! !! ! !
! ! !
! ! ! ! ! !!! !
!
!! !!
!! ! ! ! ! !!! ! ! !! ! !
!! ! !
! ! !
!
! !!!!
!!!
! !
! !!
!
!
! !! ! ! ! ! !!
!! !
!
!!
! !!
! ! ! !! !!!! !
!
!!!
! ! ! ! !!! !
!
! !!! !! !
!!
!
!! !! ! ! !

! !
!!
!
!
! !!
!
!!! !
!!!
!
! !!
!! !! !! !
!
!
! !!! !!!!!
!! !!
!! !
! ! !! !! !!!
! ! !!!! ! ! !!!!!!!!!
! ! ! ! ! ! !! ! !!
!
!!!! ! ! !! ! ! !!! !!!! !!
! ! ! ! ! ! !
! ! ! ! !! ! !
!!
! ! ! !
!!
! !! ! !!! ! ! !! !! ! !!
! !! ! !
! !!
!! !! !! ! ! ! ! ! !!
! !
! ! !!
!
! !!!! !!! !!!
!
! !
!
! !
! ! !!! ! !!! !! ! !
! !! ! ! !!!! !!
!! !
! !!!
!
! !!! !
Convenciones
!!!! ! KENNEDY
!! !
!!!! ! !
!!!!!!!
!! !!! ! ! !! !! !!!!! !! GeographicallyWeightedRegression
!! !!! !! !! ! !!!! ! ! ! !
!! ! !
!! !!!
!
!!! !!! !!!!!
!
!! !!
! !
!!
! !
!!!!! !
!
!!
!
Coefficient #6 Nodo_Transporte
! !! ! ! !! !! ! !! !!!
! ! !! ! ! !! ! !! !
!!!!! ! !! ! ! ! !! ! Low-Low
! !
! ! ! !!!
!!! !! !!! !!! !! !!!!
!!! !
!!! !! ! ! !!
!!! ! ! !
!!! !!! ! ! !
!
!
! !!! !!!
! ! !!! ! ! ! ! !!
! !
!!
!
! !! ! !
!
!!
!
! !!
! ! Low-High
! !!
! ! ! ! !
! ! ! !! ! ! !! !
! !
!!
!! ! !! ! !
!!!! ! ! !!
! !! ! ! !! !!
! !!!
!
!! ! !! !! !! !! ! ! ! !! ! ! High-Low
! ! ! !!!! !!!! !
!!!! ! !!! !!! ! ! ! !!
!
!
! ! ! !! !
!!!
! ! ! !! !! !! ! ! ! ! ! !!! ! High-High
!!! ! ! ! !
! ! ! !
!
! ! ! ! ! !
!!!! ! !!! ! !! ! !
! !!!!! !
!!! !! ! !
! !
! !
! !!! !!
! Area Excluida
!!!!!!! !!!! !!
! !!!!!! !!
!
!!!!! !! ! !!
! !!!
!
! !!
! !!
!
!
!
!
!!!
!! !
!
!
!!!!
! ! !
! !!
! ! ! !! ! ! !!! Localidad
! !! ! !!!!
!
!! ! ! !! ! !!! ! !!
!!!!! ! !!!!!
!!! ! !! !! !! !!
! !! !!
!! ! !
! ! ! !! Sector
! ! ! ! !!
!
!!
! ! ! !
!!!
!
!
! ! !
!
!!! !!!! ! Esc 1:75.000
! !! 0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa Coeficientes Modelo WGR

Agosto 2016 Unidad de medida: Metros
Variable
Nodos de Transporte Escala:1:75.000

Figura 35. Mapa Coeficientes Nodo Transporte, modelo GWR.

Fuente: Elaboración propia.

97
 Mapa de Coeficientes Modelo WGR
Variable Red Cicloruta ·

ENGATIVÁ

FONTIBÓN

KENNEDY
Convención
GeographicallyWeightedRegression
Coefficient #7 Red_Cicloruta
! Low-Low
! Low-High
! High-Low
! High-High
Area Excluida

Localidad
Sector

Esc 1:75.000
0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Agosto 2016 Unidad de medida: Metros

Mapa Coeficientes Modelo WGR
Variable Red Cicloruta Escala:1:75.000

Figura 36. Mapa Coeficientes Red Cicloruta, modelo GWR.

Fuente: Elaboración propia.

98
4.3.8 Número de baños
La variable número de baños tiene relación positiva con respecto al precio de la
vivienda, indicando que un mayor número de baños refleja un aumento en el precio
de la vivienda, como ocurre en los sectores centrales de la localidad de Engativá,
donde la variable es más significativa y el comportamiento podría explicarse debido a
las altas densidades poblacionales que presentan no solo a nivel de la localidad sino
de todo Bogotá. Los principales sectores donde la variable es relevante se presentan
en la tabla 23 y figura 37.
Tabla 23. Sectores representativos con variable número de baños.
VARIABLE No. BAÑOS
LOCALIDAD SECTOR No. DE VIVIENDAS
VILLA AMALIA 36
ENGATIVA VILLAS DE GRANADA I 34
BOLIVIA 27
LA GIRALDA 18
FONTIBON CENTRO FONTIBON 16
VILLEMAR 15

Fuente: Elaboración propia.

4.3.9 Número de Garajes

Esta variable tiene relación positiva con el precio de la vivienda, dado que al
aumentar el número de garajes incrementa su precio, esto se podría inferir dado que
los hogares capitalinos de estratos medios y altos, tienden a comprar más vehículos
debido a las restricciones normativas de su uso en la ciudad, provocado
principalmente por la insuficiencia y la falta de alternativas que persisten en el
sistema de trasporte público. Se genera una demanda de parqueaderos proveniente de
los miles de vehículos que ingresan al año al parque automotor de la ciudad y donde
cada vez el número de parqueaderos toma más relevancia en la subjetividad del
comprador de vivienda. Los principales sectores se encuentran en las localidades de
Engativá y Kennedy, que ocupan las posiciones seis y siete en cuanto al porcentaje de
área dedicada a garajes del total de la ciudad, Fontibón ocupa el cuarto lugar. Esto
último se puede observar en la figura 38 y tabla 24, en donde la tenencia de
parqueaderos en los predios Fontibón es más habitual con respecto a las otras dos
localidades en las cuales afecta en mayor medida el precio de los inmuebles.
Tabla 24. Sectores representativos con variable número de garajes.
VARIABLE No. GARAJES
LOCALIDAD SECTOR No. DE VIVIENDAS
CIUDAD KENNEDY 38
CIUDAD KENNEDY ORIENTAL 29
KENNEDY
CIUDAD KENNEDY CENTRAL 29
PROVIVIENDA OCCIDENTAL 24
NORMANDIA OCCIDENTAL 24
ENGATIVA BOYACA 30
SANTA CECILIA 26

Fuente: Elaboración propia.

99
 Mapa de Coeficientes Modelo WGR
Variable Baños ·
!!!
!
!
!! ! !! !!!! !
! !!
!!! !
!!
!
!!! ! !!! !! !! !!!! !
!! !
! !!!!
!!
! ! !!!!!!!
! ! ! !
! !
! ! !! !! ! !!!!! ! ! !!
!
! ! !! !
! !!
!!
!! !!! !!!!
!
!!!! !!
! !!!
!!
! !
! ! !! !
!!!! !! !! !!!!!
!
!! ! ! !!!!!
! !! ! ! !!
!
!
!!!!! !!!!!! !! ! !! !!! ! !
!!!! ! !!
!!!
!! !!!
!
! ! !!!! !
!
!!! !
! ! ! !
! !!! !!
!
!!
!! ! !!!
!! !!
!!!!
!!
! !
! !
!! ! ! !! ! ! !
! ! ! !
!
!
!
!
!!!! !!!!
! !!!!! !!!!
!!
! ! ! ! !!
! !! ! ! ! ! ! !
! !
!! !! ! ! !
!! !!!! !!!!! !!!! ! !!!
! !!!! ! ! ! !!!!
! !!! !! !
!
!
!
!
!
!!! !
!!!!! !! !
!! !!!
! !! !!!!! !
!
! ! !! ! !
!
!! !
!! !! !
!
!!!
!
!!!
! ! ! ! ! !! !
!
! !
!!
! ! ! ! !!! !! ! ! !!!! ! !! !!! ! !
!!!!!! !!! ! !! ! ! ! !!! ! !!!!!!! !! !
! ! ! ! ! !
!! ! !!!! !!! !! ENGATIVÁ
! ! ! !!
! !!!
! !! !
!
! !!
! ! ! ! !!
! !! !!!!!! !!
! ! ! ! ! !
!!!! ! ! !
! !!! ! !!! !
! !!!! !!! !
!! !! !!!!
! !! !! !!!! !! ! !! !!!! ! !! ! ! !
!
! !! !!
!
! ! ! !
! ! !
!! ! !!
! !
!!! !
! ! !!!! !
!!! ! ! ! ! ! !!!! !!
!! ! !! ! ! !!!
!
!! !! !!
! !!!
!!
! ! ! ! ! !! ! !!! !
!!
! !!!!!! ! !!
! ! ! !!! !! ! !! !
! ! !!!!
! ! !! !!!
!! ! ! !! !! ! ! !
! !!! ! ! !!!! ! !! !!!
!
!!!!
! !!
!! !
! ! !!!! ! ! ! ! ! !
! !
!! !
! !! !! ! ! !! !! !! ! !
!
!!!! ! !
!! ! !! !
! ! ! !! ! ! ! ! ! !!
!!
!!
! ! ! !
! !!
! !! !!! !!
! ! !
!!
! ! ! ! ! ! !! !!
! ! ! !!! !!!!!! ! !!!!
!
! !!! !!
! ! ! !! ! ! !! ! !!! !! ! ! !!
!! !!
! ! !!! !! !
! ! ! ! ! !!! !
! ! ! !! ! ! !!
!! ! !
! !!! !! !! !!!!!!! !! !
!! ! ! !! !!! ! ! !!!
! ! !! !
!! !! !! ! !!! ! !!!
!!!! !! !
! ! ! ! ! !!
!FONTIBÓN
!! !! ! !!! ! !
! ! !! !! ! !! ! !!
! !! ! ! !! ! ! !
! ! !! !! !!!
!!
! ! ! ! !! !! ! ! ! !!
! ! ! ! ! ! ! !!
! !! !!!!! ! ! !! ! !
! ! ! !
! ! ! !!!! ! ! ! !! ! !!
! !
!!! ! !! !!! !! ! !! ! ! ! !!!!! ! ! ! !!! ! !! !!
! ! ! ! !
! !!! ! ! !! ! !
!! ! ! ! ! ! !!! ! ! !! !
!! ! ! ! !! ! !!
! ! !!
!
! ! !! !
! !! !
!!
!! !!
! ! ! !! !!!! ! !!!
! ! ! ! !! !
! !
! !! ! !
!! !
!!
!
!! !! ! ! !

!
!!
!
!! !!
! !
!
!! !
!
!!!
!!!!! !!
! !!
!
! !!
!!! ! !!!!!!
!! ! ! !!! ! ! ! !! !!
!!!!! !!!!
! ! ! !! ! !
!! ! ! ! ! !! ! !
!!!!
! !! ! ! !!! !! !
!!
!
!! ! ! ! ! ! ! !! !
! !! ! ! !
! !!! ! ! !!!!! !
!
!! ! ! !! ! ! ! ! !
! !! ! !
! !!
!! ! ! !! ! ! ! ! ! !! !
! !
! !!!
!! !
! !!!! ! !
!!!
!! ! !
! ! !!! ! !! !
! !! !!! ! !
! !! !! !! Convenciones
!! !
! !!!
!
! ! !!
!!!! KENNEDY !!! ! !
!
! !!!
! !!!! !
!
!! !!!!!!! !! !!
!! ! !! !! !
! ! !! GeographicallyWeightedRegression
!! !!! !! !! !! ! ! ! ! !
!! !!!
!
! !!! !!! !!!!!
!!! !
!!! !!
! !!!!! !
!
!! Coefficient #8 BAÑOS
! !! ! ! !! ! !!
!
! ! !!! !! !!
! ! !! ! !!! !
!! !
!!! !!
!!!!!! ! !
!! !
!!!! ! ! ! !!! !
! !! ! Low-Low
! !!! !!! !! !!!! !!
! !!! ! !
!! ! !
!!!!!! !!!!!! !! ! !!!!!
! !!!!
! !
!! !!!
! ! ! ! !! ! !
!
! !!!
! !! ! !
!! ! !! ! ! !! !! ! !! !! !
Low-High
! ! !!!!!! ! ! !! !!! !!! ! ! !! ! ! ! !!
! ! ! ! ! !
! !! !!
! !!
!! !!! !!!!!!
!!! !
!!! ! !! ! ! ! !!! !
! ! High-Low
! ! ! ! !!! !! !! ! ! !!! !
!!!
! ! !! !! ! ! ! ! ! ! ! !! !
!
!! ! ! !
!! ! !! ! !! ! ! High-High
! ! !! ! !! ! ! !! ! ! !
! !! !! !!!! ! !
!!!!!! ! ! !! ! ! ! !!!! !!!
! Area Excluida
!!!! !!
! ! !!!!!!!! !!! !
! !!!!! !! ! !!
! !!!
!!!!! ! ! ! ! !
! !!
!
! !!!
!
!!!!!
! ! !!
!
!
!
!!!!! !! ! !! ! !! !! !! !
!! Localidad
! !
!!!!!
!!! !!! !!! ! !! !!! !!
!!!! ! !! ! !!
! ! !
! ! ! !!
! ! ! ! !! Sector
!
!!! ! !
!
!!! !
!!
! !
!!! !!!!!
! Esc 1:75.000
! 0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa Coeficientes Modelo WGR Agosto 2016 Unidad de medida: Metros

Variable Baños Escala:1:75.000

Figura 37. Mapa Coeficientes número baños, modelo GWR.

Fuente: Elaboración propia.

100
 Mapa de Coeficientes Modelo WGR
Variable Garajes ·
!!!
!
!

!! ! !! !! !! !
!
! !!!!
! !! !
!!
!
!! !!!!! !! !! !!
!
!!! ! !!!!
!! ! !!!! !!!! !! !! ! !! !
! !!! !!! ! !!!!!!!!!! ! !
! !
!!!
! !! ! !! !! !
!! ! ! !!! !!!
! ! ! ! ! !!!
! !
!!!! !!! !! !
!!!!!
!! ! ! !! !
! !!! ! ! !!
!
!!!! !!
!!! ! !!!!!! !! ! !! !!! ! !
!! !!!
!
!! !!!! !!!!
!
!!! !
! ! ! !
! !! !!
!
!! !!!!
! ! !! !! !!! !! ! ! ! !! !!! !
!!!! !!
!! ! !!! !!
!!
!
!! ! !
! !!!!!!!! ! !! ! ! ! ! !!! !
! ! !!! !! !
!
!! ! ! ! ! !!!! ! ! !
!! !!! !!!! !!!!! !!!! ! !! !!!
!
! !!! !! ! ! !
!
!
!
!
!
!!!
!
!!!!! !! !! ! ! !! !!!
! !! ! ! !!
!!
!
! ! !
! ! ! !! ! ! !
! ! ! !! !
!!
! !
! ! ! !!!!
!!!!
! !! !!!! !
!!!! ! !! ! !! ! ! ! !
!! ! !!! ! !
!!! ! ! !! !
! ! !! ! !!
!
!
! ! !!! ! !! ENGATIVÁ!
!
!
!
!
!! !! ! ! ! ! !!
! !!! ! ! !! !! ! !
! !! !!! !! !!!!!!!! ! ! !
! !!
!!! !! ! ! ! ! !! !! !!! !! !! !! !! !
! !
! !!!!
!!
! ! !!! !! !!!! ! ! !!! !!
!! !!!! !! ! ! ! ! !
!!! ! !! !! !
!
! !! ! ! !!
! ! !! ! !
!! !
! !!! ! ! !!!!
! ! ! !!!! !! ! ! ! ! !!!! !!
! !
!! ! !!
! !!!
!!
! ! ! !! !
! !!
!!!!!
! ! !! !
! ! ! !!! ! ! !!
! ! !
! ! ! ! !! !
!!!
! !
! !
! !
!
! ! !! !! !! !! !
!!!! ! !! ! ! !! ! !!! ! !! ! !
!!
! ! ! ! !
! !!! !! ! !!!
! !!!
!! ! !
! !! !
!! !!!
! ! !! ! !
!!!
!
!
!!! ! ! !
! !!
! !!!
! !! !! !
! !!! !!
! ! ! !!
!
! !
!! ! ! ! ! ! !! ! ! !!
! !! !!! ! !!! ! !!!!!!!!
! !!!!! !!
! ! ! !! ! ! !! ! !! !
!
! ! !!! ! ! !!
! ! !
!! !!!! !! !! ! ! ! ! ! ! !!
! ! ! ! !!
! !! !
!
! !!! !! !! !!!! !! !! ! !!! ! ! !!!!! ! !!! !
! ! !! !
!! !! !! ! !!! ! !!!
!! !! !! !
! !! ! ! !!
!FONTIBÓN
!! !!! ! !!! ! !
! ! ! !! ! ! ! ! !
! ! !
!!!!!!! ! ! !
! ! ! ! ! ! !
!
! ! !! !! ! !
! ! !!
! !!! !! ! !! !
! !
! !! ! !
!!
! !! ! !!! ! !
! ! ! ! !!!! !! ! ! !!! ! ! ! ! !!
! ! ! ! ! ! ! ! ! !
!!
!!! ! !! !!!! !
!!
!! ! !! ! ! ! ! ! !!
! !! !! !!!! ! !
!! ! !
! ! !! !
! !!!!!
!! !
! !! !
! !! ! ! ! !! !!
! !! !!!!
!
!! !
! !!! !! ! !! ! !
!
!
!
!!! ! ! !
!! !! !!
!
!!
! !! ! !
!!

!
!!!
!
!
! !!
!
!!! !
!!!
!
! !!!! ! !! !!
!! ! ! !!!!!
!!!!! !
! ! !! !! !!!
!!
! ! !!!! !!! ! !!!!!!!
!!
! ! ! ! ! ! !! ! !!
!!! ! ! !! ! !!! !!!! !!
!! ! ! ! ! ! ! !
! ! ! ! ! !
!! !! !
! ! !!! ! ! !! !! !! !!! ! ! ! !!
! !! ! !
! !!
!! ! ! !! !! ! ! ! ! !! !
! ! !!
!
! !!!! !!! !
!!
!!!
!
!
! !
! ! !!! ! !!! !! !
! !! ! ! !! ! !!
!!!
!! !!
! !
! !!! !
!!!! ! KENNEDY
!! !
!!!! ! !
!!!!!!!
! !!!
! ! ! !! !! !!
!!! ! !!
Convenciones
!! !! ! !! !! !!
!!
!! !!! !! !! !!!!! ! ! !! ! GeographicallyWeightedRegression
!
! ! !! !!! !! ! ! ! !
!! !!!!! !!!
!
! !! ! ! ! !! !
! ! !!
!
!!
!!
! ! !!!! ! ! ! ! !!!!! !
!! ! Coefficient #10 GARAJES
! !! !!! !!!! !
!
!
!!! !
!
! !! ! ! !
! !
!!! ! ! !!
! ! !
! !
!!!! ! ! !
! !!!!
! !
!! !!!!! ! ! !
!
! !!! !!!
!
! ! !! ! ! ! ! !!! !
! !!! ! !!
!
!
!! !!
!
Low-Low
! !! ! ! ! !
! ! !!! ! ! ! !! !
! ! !
!
!! !! ! !
! ! ! ! !! !
!! ! ! !
! !! ! ! Low-High
! !! ! !! !! ! !!!!!!!! !! !! !! ! !!
!!
! ! ! !!!! !!!! !
!!!! ! !!! !!! ! ! ! !!
! ! ! !! ! ! ! High-Low
!!!
! ! ! !! !! !! ! ! ! ! ! !! !
! !! ! ! ! !
! !
! ! !
!! ! ! !! ! ! ! High-High
!!!!
! !!!
!!
! !! ! ! !! ! !
!! !!! !! ! !
!
! ! ! ! ! !!!
!!
!!!!! !!!! !!!!!!!!
! !!
! !! !!!!! !! ! !!
! !!! ! Area Excluida
!
!!
! !! !! !
!! ! !
! ! !! ! ! !!!
! !!
!
! !!
! !!! ! ! !!
!
!! ! !
!! ! !! !
! ! ! !! Localidad
!
!!!! ! !!!!
!!! !!!!
! !!
! ! !! ! !!!! !!
! !! ! !
! ! ! ! !! ! ! !! Sector
!
!!!! ! !
!!
!! !!
! !
!
!!! !!! !! Esc 1:75.000
! 0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Agosto 2016 Unidad de medida: Metros

Mapa Coeficientes Modelo WGR
Variable Garajes Escala:1:75.000

Figura 38. Mapa Coeficientes número garajes, modelo GWR.

Fuente: Elaboración propia

101
4.3.10 Calificación
La variable calificación al igual que todas las variables físicas, tiene relación positiva
con respecto al precio de la vivienda, lo cual refleja un comportamiento esperado ya
que si una vivienda cuenta con un puntaje de calificación alto, significa que tiene
buenos materiales, acabados y buen estado de conservación, lo que influye
directamente en la valorización incrementada de la vivienda. Los sectores donde la
variable tiene alta significancia corresponden en su mayoría a la localidad de
Fontibón como se observa en la tabla 25 y figura 39 en donde esta variable influye
negativamente el precio en razón a bajas puntuaciones en la calificación.

Tabla 25. Sectores representativos con variable calificación.

VARIABLE CALIFICACIÓN
LOCALIDAD SECTOR No. DE VIVIENDAS
BELEN FONTIBON 21
LA CABANA FONTIBON 19
FONTIBON LA GIRALDA 19
CENTRO FONTIBON 16
VILLEMAR 15
KENNEDY PIO XII 10

Fuente: Elaboración propia.

4.3.11 Área de terreno

La variable área de terreno tiene relación positiva con respecto al precio de la
vivienda, indicando que cuando esta área aumenta también aumenta el precio de la
vivienda. Esto se podría explicar en cuanto a la demanda del suelo urbano disponible
para construir e igualmente las viviendas con grandes áreas de terreno, que son ya
muy escasas en la ciudad lo cual incrementa considerablemente el precio de las que
aún no han dado pasó a la construcción de propiedad horizontal. Algunas de estas
viviendas aún se conservan pese a que son castigadas severamente en su gravamen de
impuestos por parte de la hacienda pública del distrito capital y cuyos valores serán a
mediano plazo inviables para la clase media. Los sectores con mayor influencia de
esta variable se relacionan en la tabla 26 y figura 40, se trata de sectores en donde las
viviendas tienen grandes áreas de terreno favoreciendo el aumento del precio
Tabla 26. Sectores representativos con variable área terreno.
VARIABLE AREA TERRENO
LOCALIDAD SECTOR No. DE VIVIENDAS
NORMANDIA OCCIDENTAL 24
NORMANDIA 19
ENGATIVA
VILLA LUZ 15
BOSQUE POPULAR 13
SANTA CECILIA 23
MODELIA 14
FONTIBON
LOS ALMENDROS 10
ALQUERIA LA FRAGUA NORTE 9
Fuente: Elaboración propia.

102
 Mapa de Coeficientes Modelo WGR
Variable Calificación ·

Convención
GeographicallyWeightedRegression
Coefficient #10 CALIFICACION
! Low-Low
! Low-High
! High-Low
! High-High
Area Excluida

Localidad
Sector

Esc 1:75.000
0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
Elaboró: John Alexander Martinez Coordenada: 100.000 N ENGATIVA

Fuente: SDP-UAECD 100.000 E

Agosto 2016 Unidad de medida: Metros
Mapa Coeficientes Modelo WGR
Variable Calificaión Escala:1:75.000

Figura 39. Mapa Coeficientes variable Calificación, modelo GWR.

Fuente: Elaboración propia.

103
 Mapa de Coeficientes Modelo WGR
Variable Area Terreno ·
!!!
!
!

!! ! !! !!
!! !!
! !!! !!
!
!!! !!!!! !!!
!! !!!
!
!!
!!! ! !!
! !
!! ! !!!!!!! !! !! !!
! !!! !!! !!
! ! ! !!!
!! !
! ! ! !
! !! !
! !
!!!!! !!!!!
! ! ! ! !! !
!! ! !! !!!
!!!! !!! !! !!! !!! !!! !!
!
!
!
!!
!! ! ! !!! !! !
!!!! !!!!
!! ! !!!!!! !! ! !! !!!!!! ! !!
!!
! !! !
!
!!
!
!!!! ! !! !! !! ! !
!!! !!
!! !!
!! !
!!!
!! !!
!
!! !
!
!!!!!
!!! !!!! ! ! !!
!! !
! ! ! ! !
!
!! !!
!!
!!!! !!!!!!!! ! !! !
! !
!!! ! ! ! ! ! !
!! ! ! ! ! ! ! !!!!
!! !! ! !!!!!!
!! !
!
!!!!
!
!
! !!!!!
!! ! !!!!
!!!
!!!
!!! ! ! !!!!
!
! ! !!! ! !
!
!!
! !
!!! ! !! !!!
!! !
! ! !
! ! ! !! ! ! ! !
!!
! ! !! ! !!!
!!! !!!!!
! !!!!! ! !! !!! !!! !
!!!!!! !!! ! ! !
! ! ! !!! ! ! !!!!!!! !! !
! ! !! ! ! !!
!! ! ENGATIVÁ
! ! ! !! ! !!
! !!!! !!!!
! !!! !!
! !!! !
!! !
!! ! !
! ! ! !!!!!! ! !!!! !!
! !
!!!!!!!! ! ! !! ! !! !! ! ! !!!
! !!
!! !! !!!! ! !!! ! !!!! ! !! ! ! !
! !! !!! !
!
!
! !! ! !! !!! !
!! !
!!! ! !!!! ! ! ! !! !!! !! !
!! ! !! ! ! !
!! ! !! ! !
! !!
!
!! !! !!
! !!!
!
!!
! ! ! ! ! !! ! !!!
! !! !!!!!
!!
!! ! !!!
! ! ! ! !! !!!
! ! ! !!
!
! ! !! ! !! !!
!!
! !! ! !! !!! ! ! !! ! ! !
!!!! ! ! ! ! !
! ! !
!
! ! !! ! !
!!
! !!! !! ! !!! !!! ! !! ! !! ! !! ! !
!
!!! ! ! !
! !! !! !
! ! !
!!
! ! !
! ! ! ! !
!
! !!!
!
!
!
! !! !! !!! ! ! ! !
!! ! ! !! !!! !!
!!! !!
! ! !! ! !! !! ! ! ! ! !!
!! !
!! !
! !
!! ! !!! ! !!!!!!!
! ! !!! ! ! !! ! !! ! !! !! ! ! !!
! ! !!
! ! ! ! !! !! ! ! !
! ! !
! !!!!! !! !!!! !!!! !! !
!! ! ! !! !!! ! !!!! !! ! !
!
! !! !! ! !! !! ! !!! ! !!! !! !! !
! ! ! ! !FONTIBÓN
!
! ! !! ! !! ! !!! ! !
! ! !
!!
! ! !!
! ! ! !! ! ! ! ! ! !! !!!!!!
!
!!
!
! ! ! ! !
! ! !!
! !!! !! ! !! !
!! ! !
! !
! !! ! !
!!
! !! ! ! ! ! !
! ! ! !!!! ! ! ! !! !!
! ! !! ! !! ! ! !!!!
! ! ! ! !!! ! ! !!!
!
!!! ! !! !!! ! !! ! ! !
! !! !! !! ! !
!! ! !
!!! ! ! ! ! !!!
! !!!
! !!!! !! !
! !! ! !!
! !
! ! !! !
!! ! ! ! !! !!!! ! !! !
!
!! !!! ! !!
!
!
!! !! !!!!!!!! !
!!
!
!! !! ! ! !

! !
!!
!! !!
! !
!!! !
!
!!!
!!!!! !!
! !
!
!
! !!! !!!!!
!! ! !!
!! !
!
! ! !! !! !!!!
!! ! ! !!!
!!
! ! !! ! ! ! ! ! ! ! !! ! !
!!!!
!! ! !!! !! !
!!
!
!! ! ! !! !
! !
! ! ! !
!! ! ! ! !!! ! ! !!!
!!
!! !! !!!! ! ! !!!
!! !
! !!
! !!
! !
! ! !! ! ! ! ! ! !!
! ! !
! !
! !!
!
! !!!! ! !
!! !!
!!!
! ! !
! ! !!! ! !! ! !! !!! ! !
! !! !! !!
! !! !
! !!!!
! !!!
!!!! KENNEDY !!! ! ! Convención
!! !!!
! !!
!! !
!
!! !!!!!!! !! !!
!! ! !! !! !
! ! !!
!! !!! !! !! ! ! ! ! ! GeographicallyWeightedRegression63
!! !!!
!
! ! !! !!! !! !!!!!
!!! !
!!! !!
! !!!!! !!
!!
! !! ! ! !! ! !!
!
! ! !!! !! !! C11_AREA_TERRENO
! ! !! ! !!! !!! !
!!! !! !!! !!! !!!!!! !! ! !
!
!!! !
!!
! !! ! ! ! !!!
!! !
!! !! !
!!!! ! ! ! !!! !!!
!! ! !
!
!!! ! ! !
! Low-Low
! !!! !!
! !
!! ! ! !! !
!! ! !!! !
!
!!
! !!!
! !!
! !! ! !
!! ! !! ! ! ! !!!! ! !! !!!! ! Low-High
! ! !!!! ! ! !!!! ! ! ! ! !
! !! ! ! ! !! !!
!! !!
! !! ! !! !! ! !! !! ! ! !! !
! ! ! !!!! ! !! ! ! !!! ! !!!
! ! ! !! ! High-Low
! ! !!
!
! !!! !! ! !
!!!
! ! ! !! ! ! ! ! !
! ! ! !
! !! ! ! ! !
! ! ! !
!! ! ! !! ! !
! High-High
!!!!! !! !! !!! ! !! ! !
!! ! !!!!! !! ! !
! ! ! ! !!!! !!! Area Excluida
!!!!! !!!! !!
! !!!!!! !!! !
! !!!!! !! ! !!
! !!! !
!
!
!!!! !
! !! ! ! ! ! ! !!
!
!
! ! !!
!! ! !
! ! ! !!!!
!!! ! !
! ! !
! !! ! ! Localidad
! !
!!!!!! ! !!!
!!! !
!!
!
!!!
! !!
! !! ! ! ! !!! !!
!
! !! ! !
! ! ! !! ! ! ! !! Sector
!
!! !
! ! !
!! !
!
!
!! ! Esc 1:75.000
!! !!!!!
!
! ! 0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Agosto 2016 Unidad de medida: Metros

Mapa Coeficientes Modelo WGR
Variable Area Terreno Escala:1:75.000

Figura 40. Mapa Coeficientes variable área terreno, modelo GWR.

Fuente: Elaboración propia.

104
4.3.12 Área de construcción

La variable área de construcción tiene gran influencia dentro del modelo, la relación
positiva indica que cuando existe un aumento en el área construida de una vivienda su
precio también aumenta. En la tabla 27 y la figura 41 se observa que esta variable
tiene gran peso en el precio de la vivienda hacia el noroccidente y centro del área de
estudio particularmente en el sector de Villas de Granada en la localidad de Engativá
y en menor proporción en el norte de la localidad de Kennedy en sectores de Alsacia
y Castilla, donde las áreas construidas son superiores.

Tabla 27. Sectores representativos con variable área construcción.

VARIABLE AREA CONTRUCCIÓN

LOCALIDAD SECTOR No. DE VIVIENDAS
CENTRO ENGATIVA II 39
ENGATIVA VILLA AMALIA 36
VILLAS DE GRANADA I 33
VILLA ALSACIA II 29
KENNEDY CASTILLA 18
MARSELLA 16

Fuente: Elaboración propia.

105
 Mapa de Coeficientes Modelo WGR
Variable Area Construcción ·

ENGATIVÁ

FONTIBÓN

KENNEDY
Convenciones
GeographicallyWeightedRegression63
C12_AREA_CONSTRUIDA
! Low-Low
! Low-High
! High-Low
! High-High
Area Excluida

Localidad
Sector

Esc 1:75.000
0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Agosto 2016 Unidad de medida: Metros

Mapa Coeficientes Modelo WGR
Variable Area Construcción Escala:1:75.000

Figura 41. Mapa Coeficientes variable área construcción, modelo GWR.

Fuente: Elaboración propia

106
4.4 Comparación de los Modelos de Regresión OLS vs WGR

Los modelos resultantes se comparan de acuerdo al ajuste global y a la distribución

de los residuos obtenidos en cada modelo.

La comprobación de la autocorrelación espacial por mínimos cuadrados presento una

distribución de los residuos con agrupaciones espaciales o clustering que debe
corregirse para obtener un mejoramiento del modelo global que presenta la técnica de
regresión geográficamente ponderada. Esto se puede observar en los mapas generados
para los residuos de los dos modelos, así como el cálculo y los resultados obtenidos
del análisis de la autocorrelación espacial del índice de Moran I.

Posteriormente, se realiza un análisis de la distribución espacial de los valores locales

de R2 y de los coeficientes locales β, los cuales se interpolan mediante la herramienta
de IDW, que permite conseguir superficies continuas en toda el área de estudio,
visualizando el grado de correlación de las variables dentro del modelo WGR.

Tabla 28. Coeficientes de los modelos OLS y GWR.

MODELO OLS MODELO WGR

Variable Coefficient min max media std estándar

Intercept 1670708,405 -212844483,2 332221153 57025326,72 75125431,18
Salud_Pub 66249,08602 -28487,79026 142839,2207 40162,50702 30435,43592
CAI -18609,27113 -114548,6935 103349,8839 -8761,404591 26536,86476
Inst_Poli_Militar -39468,47135 -121531,8263 54404,54526 -29953,76337 23688,6333
Cultura 57554,12233 -241669,4532 127881,4172 16872,59679 54520,51437
ZAMPA -38820,91474 -92331,17312 87891,0805 -20636,85282 33933,6596
Nodo_Transporte -106202,7246 -547862,9233 258955,4062 -107297,7566 126396,5498
Red_Cicloruta 16455,12991 -162013,1793 124743,6397 12133,88077 48759,5671
BAÑOS 6811376,369 -7300253,724 21466965,64 5814439,014 5226497,691
GARAJES 15238794,26 -43780846,83 30970447,65 9804221,218 13236118,45
CALIFICACION 3347280,079 -884805,0856 6868451,73 2095124,035 1488004,552
AREA_TERRENO 1061296,927 442334,7474 1648854,54 917751,3269 227577,8676
AREA_CONSTRUIDA 464637,7498 199936,5458 930511,4105 504403,3875 157958,2878
DIAGNOSTICO
R2 0,666116 0,916592269
R2 Ajustado 0,664295 0,914260964
AICc 87695,964 650,7924065
Sigma 9264986000000000 44718064,56

Fuente: Elaboración propia.

107
Los valores de los coeficientes R2 y R2 ajustado, presento una mejora significativa
para el modelo WGR, con respecto al modelo original calculado por OLS, igualmente
se observó una mejoría en los parámetros de AICc y sigma, que se refieren al error
presentado en los modelos. Tabla 28.

Se verificaron los resultados obtenidos de los coeficientes calculados para cada

modelo con respecto al índice de autocorrelación espacial de Moran I, en el cual este
índice se aproxima más al valor esperado en la regresión del modelo WGR, dando
como resultado una mayor probabilidad de distribución aleatoria, como se puede
observar en la tabla 29 comparativa de los modelos.

Tabla 29. Índice de Moran I para los modelos OLS y GWR.

ATRIBUTO METODO OLS METODO WGR

I Calculado 0,109752 -0,000114
I Esperado -0,000452 -0,000452
Varianza 0,000037 0,000037
z-score 18,225878 0,05582
p-value 0,000000 0,955485

Fuente: Elaboración propia.

Adicionalmente, se mapean los residuales para cada modelo, en donde se observa la

conformación de clusters de valores positivos y negativos altos en el modelo
tradicional de OLS, mientras que en el modelo de regresión ponderada WGR, se
observan zonas libres de agrupamiento o clusters. Los residuales obtenidos del
modelo permiten identificar las predicciones escasas y excesivas del modelo de
regresión especificado correctamente, los cuales tendrán una distribución aleatoria.

El clustering otorga evidencia de que en el modelo faltan variables explicativas que

den un mejor comportamiento del mismo.31En las figuras 42 y 43, se observan las
predicciones escasas en color rojo y las excesivas en color azul. Los residuales se
obtienen de restar los precios obtenidos menos los precios observados de las
viviendas Para cada una de las observaciones de la muestra. Las predicciones escasas
y excesivas para un modelo de regresión bien especificado se distribuirán
aleatoriamente y el agrupamiento de predicción excesiva o escasa es evidencia de que
en el modelo hacen falta variables explicativas.

31
Definición tomada de http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-
toolbox/interpreting-ols-results.htm

108
 Mapa de Modelo OLS
Coeficientes Residuales ·
!!!
!
!

!! ! !! !!!! !!
! !!! !
!!
!!! !!!! ! !!!!! !! !
!!!
!!! ! !!!!
!! ! !! !! ! !!! !! ! ! !
! !!! !!! ! !!!!!!! !!! ! !
!!!
!
!!!!
!!!!!
! ! !! !! !
!! ! !
! !!! !!
! ! ! ! ! !
!!!! !! !! !!!
!
!
!! ! ! !!! !! !! ! ! !!
!
! !! !!!!!! !!! ! !
!!!! !! ! !!!!!
!!!!!
!
!!! ! ! ! !!
! ! !! !!! !
!! !
! ! !
! ! ! !! !
!! !!
!! !
!
!!
! !
!!
!!!
!! !! ! ! !!! ! !!! ! ! !! !!! !
!
!! !!
! !!!!!! !
!
!!!! !!! ! ! !
! ! ! ! ! ! !!! !! !
!
!! !!!! ! ! ! ! !!!! ! ! !
!!!! ! !!!! !
!
!!
!! !
! ! ! !!! ! ! ! !! ! !! !
!!!!
!
!! ! ! !! ! !! !
!!! ! !!! ! ! !! !!! ! !!
!!
! ! !
! ! !!! !! ! !!!! !!!
! ! ! ! !
!
!!
! ! ! ! !!
!
! !!! !!!!
! !!! ! !! ! !! !!
!!! !
! !! ! ! !! ! ! !! !! !! !
!! !! ! !! ! ! !! !!!!! !! ! ! !!
! !!!! !!! ENGATIVÁ! !
! ! ! ! !! ! !! !!!!! !! !!! ! !!
!! ! ! !
! ! ! ! ! !! !!!!!! ! !!!! !!
! !
! !!!!!!! !!!! !!! ! !!!! ! ! !!!!
! !!
!! !! !!!! ! !!!
!
! ! ! !
!
!!! !!
!!! !!
! ! !! !! !!!
! !
!! ! !! ! ! !
!!!!
! ! ! !!!! !! ! ! ! !!! !!!! !!
!
!
!! !! !!
! !!!
!!
! ! ! !! !
! !!
!!!!! !
! ! !! !
! ! ! !!!! ! !!
! ! !!!!
! !! ! !! ! ! !!
!! ! ! ! ! !! !! !
!! ! ! !
!
!!!! ! !! ! !! !!! ! ! !
!!! ! ! ! !! ! !! ! !! !
! !!! !
! ! !!!! ! !! ! !!
! !
!!! ! ! !
!
! ! !! !
! ! !!
!! ! ! ! ! ! ! !! !!!
!
!
! !!
! !! !!!
! !
!!
! !! !
!!! ! ! ! ! !! ! ! ! !!! ! !
! ! !!! !!!!!! ! !!!!
! !
! !! ! !! ! ! ! !!
!!! !! ! ! !!
!! ! ! !
!!
!! ! !
! !
!!!!
! ! ! ! ! !
!! ! !!
! !!!!! !!!! ! ! !!!! ! ! !!! ! !!! !! ! !! ! ! !!
!! !! !
!! !! !! ! !!!
!! !!
!
! ! ! ! !!! !
!! !! ! !!! ! !!!
! ! !
! !
!!FONTIBÓN !!
!! ! !!! ! ! ! !
! ! !!
! ! ! !! ! ! ! ! ! !! !!!!! !!
!
!
!
! ! ! ! ! ! ! ! ! !
!
! ! ! ! ! ! !! ! ! !
! ! !!! ! ! ! !! ! !
! ! ! ! !
!! ! ! !!!!! ! ! !!! ! !!!
!!
! !
!!! ! !! !!! !! ! !! ! !
! ! !! !
! ! ! ! ! !!! !
! !
! ! !! !! ! !
!! ! !
!!
! !
! !
! !!!!
!!!
! !!! !!
! !! !
! !! ! !
!!!! !
! ! !! !
!! ! ! ! !! ! ! ! !! !
!
!! !! ! ! !!
!!!! !! ! !
!! !! !! !
!!
!
!! !! ! ! !

! !
!!
!! !!
! !
!!! !
!
!!!
!!!!!
! ! !! !
!
! ! !!! !!!!!!
!! !!
!! ! ! !! !! !!
! ! !!!!
! !!!!!!!!
!!
! !! ! ! ! ! ! !! ! !
!
! ! ! !! ! !!! !!!! !!!
!! ! ! ! ! !! ! ! !
! ! ! ! !
!
! !
! !! ! !!! ! !!
!! !! !! !!! ! ! !
!
!
!! !! ! ! !! ! ! ! ! ! ! !
! ! ! ! ! ! !! !!
!
!
! !!!! !!! !
!!!
! !
!
! !
! ! !!! ! !!! !! !!! ! !
!
! !!
! ! !!! ! ! !!
!
!!!!!! !
Convención
!
!!! ! ! KENNEDY
!! !
!!!! !
!!!!!!! Loteo_Residencial_Ordinary
! !!! ! ! !! !! !!!!! !!
! !
!! !! !! !! ! !! !! ! ! !
!! !
! ! ! ! !
!! !
! ! ! Residual
!
! !!!! !!! !! !!!! !
!! !!!!! !!!
!
!!
! !! ! ! !! !
! ! !! !! ! ! ! Low-Low
! ! ! ! ! ! ! !
!! ! !
!!! !! !!! !!!!!!!!! !! ! !!!!!
!! ! !!
! !! ! ! ! !!!
!!!
! !
!! !! !
!!!! ! ! !!
!! !!
!! ! ! ! ! Low-High
! !!! !!!
!! ! !!! ! ! ! !!! ! !!
!
! !!
! !
!!
! ! !!
!
!
!! !!!
!! !! !! ! !!!!
! !! !! !!
!!!! !! ! ! ! ! !!!! !!!
!! ! ! ! ! ! ! High-Low
! !
! ! !
! ! ! !! !! ! !
! ! !!
!
!! ! ! !!
! !
!! ! !
! ! !
!!! ! !! ! ! ! ! !!
! ! ! ! !!! !!
!
!
! ! !!! !!
!
! ! !! !! ! ! ! ! ! ! ! !! ! High-High
!!!! ! !
! !
!! ! ! ! !! !! !! ! ! !! !
!!!!! !! !!
!!!!! ! ! Area Excluida
!! ! !! !! !! ! !
! ! ! ! !!!! !!!
!!!!! !!!!! !!!!!!!! !!! !! !!!!! !! ! !!
! !!! !
!
!
!!!! !
! !! ! ! ! Localidad
!
! !! !
!
! ! !
!!! ! ! !!! !
!!! ! ! !
!! !! ! ! ! !!
!
!!!!
!! ! !!!
!!! !!
!!!!
! !!
! !!! ! !! !!! ! !!
!
! !! ! ! Sector
! ! ! ! !
! ! ! !!
!
!!!! ! !
!! !
! Esc 1:75.000
!
!! !
!!! !!!!!
!
! 0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa Modelo OLS Agosto 2016 Unidad de medida: Metros

Coeficientes Residuales Escala:1:75.000

Figura 42. Mapa Coeficientes residuales, modelo OLS.

Fuente: Elaboración propia.

109
.
Mapa de Modelo WGR
Coeficientes Residuales ·
!!!
!
!

!! ! !! !!!! !!
! !!! !
!!
!
!! !!!!! !!!!! !!!
!
!!
!!! ! !!!!
!! ! !! !!!! !! !! !
! !!! !!! !!
!!!!!!!!!! ! !!!
!!!!! ! ! !!
!! ! !
! !!! !! ! ! !
!
! !!
! !
! ! !! !
! !!!
!!!! !!! !! !! !!
!
!
!! ! !
!
!!! !! !! ! ! !!
!!!! ! !
!!!! !!!
!! !!!!!! !! ! !! !! !!!
!! !!!
! ! !!!!!! !
!
! ! ! ! !
!!
!!
!! ! !
!!!! !! !! !!! ! ! ! ! ! !
!!!! !
!! ! !!! !!!
!!
! !
! !
! ! ! !
!
! !!! !! !!!
! ! !! !! ! !!! !
!! ! !!!!!!!! ! ! !
!! !! !!!
! !!
!! !!
!! ! !!!!
! ! ! ! !!! ! ! ! !!!!
! ! ! ! !! ! ! ! ! ! !
! !!!
! !! ! !
! !!!
!! ! !! !! ! !!!!!!! ! !!!!! !!!
! ! !
! !! !! ! ! ! !
!!
! !!! ! !!! ! !!!!!
! !
!!! ! !! !!! !!!
!! !!!! !!! ! !
!!!!
! ! !! ! ! !! !! !! !
! ! ! !! ! !! !
!! !! ! ! ! ! !
!! ! ENGATIVÁ
! ! !
! !!
! !! !! !!!!
! !! !!
! !! !!!!! !! !
!!
! ! ! !!!!!! ! !!!! !!
! !
!!!!!!!! ! !
! ! !! !
! !!!! ! ! ! !!!!
! !!
!! !! !!!! ! !! !!!!
! ! ! ! ! ! !
!
!!!
! !!! !
!! !
!
! ! ! !! !!! ! ! !!
!! ! !! ! ! !
!!!!
! ! ! !!!! ! ! !!! !!!! !!
!
!
! !! !!
! !!!
!!
! ! ! ! !! ! !!! !!
! !!!!!! !! !
! !
! ! ! !!!! !! ! !! !
! ! !! !
!! ! !! !!!
!! ! ! ! ! ! !
!
! ! !! ! ! !
!
!!!! ! !! ! !! !!! ! ! !
!!! ! ! !! ! ! !! ! ! ! ! !!
! !!! !! ! !!! !! !! ! ! ! !
!
!!! ! ! !
! ! !! !
! ! ! !!
!! ! !
! ! ! ! ! !!
!!
!!
! ! ! !
! !!
! !! !!! !
!! ! !
!!
! ! ! ! ! ! !!! ! !
! ! !!! !!!!!! ! !!!!
!
! !!!
! !! ! ! ! !
! !! ! ! ! !!
!!! ! ! !! ! !!
!! ! !!!! ! !!!
!!
! ! ! ! ! !!! ! ! !!
! ! !!! ! ! ! ! !
! !!!!! !! !!! !! ! !! !
!! ! ! !! ! !! ! !! !!!
! !! !! !
! ! !
!! !! ! !!! ! !!! ! !!!
! !FONTIBÓN
!
! ! !! ! !!
!! ! !!! ! ! ! !
! ! !!
! ! ! !! ! ! ! ! ! !! !!!!!!
!
!!
!
! ! !! !! ! !
! ! !!! !!! !! ! !! ! !
! !
! !! ! !
!!
! !! ! ! ! ! !
! ! ! !!!! ! ! ! !! !!
! ! !! ! !! ! ! ! !!!!! ! ! ! !!! ! ! !!!
!
!!! ! !! !!! ! ! ! ! !! !! !! !! ! !
!! ! !
!!
! ! ! ! ! !!!!!
!!! !!!
! !! !
! !! ! !!
! !
! ! !! !
!! ! !! !! !!!! ! !! !
!
!! !!! ! !!
!
!
!! !! !!!!
!!!! !
!!
!
!! !! ! ! !

! !
!!
!! !!
! !
!!! !
!
!!!
!!!!! !!
! !!
!
! !! ! !!!!!
!! ! !!!! !
!
! ! !! !! !!!!
!! ! ! !!!
!!
! ! !! ! ! ! ! ! ! ! !! ! !
!!!!
! !! !! ! !!! !! !
!!
!
!! ! ! !! ! ! ! ! !
!! ! !!
!
!! ! ! !!! ! ! !!! !! !! !!!! ! ! !!
! !!
! !!
! !
! ! !! ! ! ! ! ! !!
! ! !
! !
! !!
!
! !!!! !!! !!
!!!
!
!
! !
! ! !!! ! !! ! !! !!! ! ! Convenciones
! ! ! !
! !! !!
!
!
! ! !!!
! !!! ! GeographicallyWeightedRegression
!!!! ! KENNEDY
!! !!!
!
! !
!!!!!!!
!! !!! ! ! !! !! !!!!! !!
!!
! ! !!! !! !! ! !! ! ! !! ! !
!! Residual
!
! !!!! ! !!! ! !
!
! !
! !! !! !! !!!!! !!
! ! ! !!
!
! !! ! ! !! !
!
!!
! !!
! !!
!
! ! Low-Low
! ! !! ! ! !! !!! !!! ! !
!!! !!
! !!! !!! !!!!!! !! ! !
!!
!! !
!!
! !! ! ! ! !!!
!! !
!! !! !
!! ! ! ! !!! !
!!
!! !
!!!! ! ! ! ! Low-High
! !!! !!
! !!!!!! ! ! ! !! !!
!! !
!!!
!!!! !! !
!
!!
! !!!
!
! !!
! !! ! ! ! !! ! ! !
! ! !! ! ! !! !!!! !!! ! ! !!! ! High-Low
! ! !
!! ! !! !!
! ! ! !
! !! !!
! !!
!! ! !! !!!
!! ! !
!! !
!!! ! !! ! ! ! ! !
!
! ! ! ! !!! !! ! ! !! ! !!! !!
!
! ! ! ! !! ! High-High
!!!! ! !! !! ! ! !
!! ! ! ! !
! ! ! !! ! ! !! !
!
!
!!!!! !! !! !!! ! !! ! ! Area Excluida
! !!!
! !! !! ! !
! ! ! !! !
!!
! ! !! !!
!!!! !!
! !!!! !! !!!!!! !! !
!! !
!! ! ! !!
!!!!! !
!
!
!! ! ! !! ! Localidad
! !!
!
! !!!! !!!
!! ! ! !!! !
!!! ! ! ! !! ! !! !! !! !
!!!!! ! !!
! ! !!! ! !! ! !! !!
! !!!
!!! !!!!
! !! ! !!
! !! ! ! Sector
! ! ! !! ! ! ! !!
!
!!! ! !
!
!!! !
!!
! ! Esc 1:75.000
!!! !!!!!
!
! 0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Agosto 2016 Unidad de medida: Metros

Mapa No. Modelo WGR
Coeficientes Residuales Escala:1:75.000

Figura 43. Mapa Coeficientes residuales, modelo GWR.

Fuente: Elaboración propia.

110
4.4.1 Puntos calientes y fríos para los modelos.

Calcula la estadística para cada entidad en un dataset. Las puntuaciones Z y los

valores P resultantes indican dónde se agrupan espacialmente las entidades con
valores altos o bajos. Esta herramienta funciona mediante la búsqueda de cada
entidad dentro del contexto de entidades vecinas. Una entidad con un valor alto es
interesante, pero es posible que no sea un punto caliente estadísticamente
significativo. Para ser un punto caliente estadísticamente significativo, una entidad
debe tener un valor alto y también estar rodeada por otras entidades con valores
altos32. Figuras 44 y 45.

Este procedimiento permite identificar espacialmente donde existe clustering o

agrupamiento de los datos, así mismo la existencia de algún tipo de patrón siguiendo
las relaciones complejas que se presentan en el espacio o sin por el contrario estos
patrones obedece a la casualidad, finalmente lo que se busca es cuantificar los
patrones espaciales que presenta el área de estudio.

4.4.2 Interpolación de modelos

El valor de salida para una celda que utiliza la distancia inversa ponderada (IDW) se
limita al rango de valores utilizados para la interpolación. Dado que la IDW es un
promedio de distancia ponderada, el promedio no puede ser mayor que la entrada
máxima o inferior que la entrada mínima. Por lo tanto, no puede crear crestas o valles
si estos extremos aún no se han muestreado (Watson y Philip 1985)33.

Esta herramienta permitió obtener una superficie más homogénea a partir de los
puntos muestra donde se conocía el precio de la vivienda, para finalmente crear un
área o sectores que tienen un comportamiento similar en cuanto al precio de la
vivienda se refiere. Figuras 46 y 47.

32
Tomado de https://pro.arcgis.com/es/pro-app/tool-reference/spatial-statistics/h-how-hot-spot-
analysis-getis-ord-gi-spatial-stati.htm
33 Tomado de https://pro.arcgis.com/es/pro-app/tool-reference/3d-analyst/idw.htm

111
 Mapa de Hot Spot
Modelo OLS ·
!!!
!
!
!! ! !! !!!! !
! !
!!!
! !! !
!!
!
! !!!!! !!
!! !!!
!
!!! ! !!!
!
!
!
!! ! !!!!!!! !! ! !!! !
! !!! !!! ! ! !! ! !!! !
!
! !!
!
!
! !!
!!
! !
! ! !! !! !
! !!! ! !!!
!
! !!
!! !
!
!!!!
! ! ! ! !! !!
!
!!!! ! !! !
! ! ! !
!! ! !
!! !
! !! ! !!!! ! !
!!!! !! !!!
! !
!!!
!!
!!!!!!!!! !!
! !!!! ! !! ! !! !!! ! !!
!
!! !
! ! ! !! ! ! ! ! !! !!
! !
! !!!!!!!!
!!
!!
! !
!!! !! !!! ! !
!
! !!!!!! !!! !!
! ! ! !! !
!! ! !! !!!!!! ! ! ! ! !! !
!! !!!! ! !! ! !
!!!!!! !
!
! ! !!
!!!
! !!!
!!! !! ! !!!
!
! !!!! ! ! !
!!! !! !
!
! !!
!!
!!
!
!
! ! !!! ! ! !!
!!
!
!!
!!! ! !! !!!!!!
! !
! ! ! ! !! !! ! !
! ! !
!! ! ! ! ! !!!! ! !
! ! !!
!! ! ! ! ! !! !! !
!!! !!! ! ! ! !! !! ! !
!!!! ! ! !
! ! ! !!!
! ! ! ! !! !! ! ! !!
!! ! !
!!! !!!! ENGATIVÁ! ! ! !!
! ! ! !!
! !! ! ! !! !!! ! !
!
!
!!!! !
! !! ! ! ! ! !! ! ! !!!!!!!!! !
! !!! !!!
! !! !!!!!! !!!! ! !! !!! !! ! !
! !! !
!!!
!! !! !!!! !
! ! !! ! ! !!! !!
! !
!!!
! ! !
! ! !
!! ! !! ! ! !!!!
! !! !!!! !! ! ! ! !!! !! ! ! !!
!
!! !! !!
! !!!
!!
! ! !! !! ! ! !!
!!
!!!!! !!!
! ! ! !!! !! !! ! !! ! ! !! !
! ! !! !
! !!
!! ! ! ! !! !
!
!!!! !
!!!! ! !
!
!
! !! ! ! !
!! ! !
! !! !
!!! !
! !
! !
!!!! ! !!!! ! ! ! ! ! ! !! ! !
! ! !!
!
!!!! ! !
! ! !!! ! !!
!!
!!!! !
!! !! ! ! !! !!
!! !!
!!! ! ! ! ! !! !
! !! !! !!
! ! ! !
! !! !!! ! !!! ! !!!!!!!!
!
! !!
!!!
! !! ! ! !! ! !! !! ! !! !
!!
! !! ! ! ! !
!
! ! !
!!
! ! !!! !!!! !
!!! ! ! ! ! !
!!
! !!! ! ! ! !! ! ! !!
!! !!!!! !!!! ! ! !
!! ! ! !!!! !!! !! !!!
!! !! ! !! !! !! ! !! !
!! ! !!!
! !! ! ! !!
!FONTIBÓN
!!!! !!
! ! !! !!
! ! !
!!! ! ! !! !! !!
! !
!
! ! ! !! ! !!
!
!! !
! ! !
!
! !! !! !
!
! ! !! !! ! !! ! ! ! !
!! ! ! ! !
!
! !! ! !!! ! !!
! ! ! !!!!! ! ! !!!
! ! !!!! ! !!
!!
!!
!! ! !! !! !!!! ! !!! !! ! !!!!!!
! ! ! !
!! !
! !
!! ! ! !
! ! ! ! ! !!!!
!!
!
!
!
!
!!!! !! !!! !
! !!! !
!! ! ! ! !
!! ! !
!
!! !
! !!! ! ! !! !!!! ! !!!
!!!! !! !!
!! ! !!!!! !
!! !!!! ! !!

! !!
!
!! !!
! !
!!! !
! !
!!
!!!
!!! ! !! !!
! ! !!!!!
!!!!! !
! ! !! !! !!!!
!! ! !!!! ! !!!
!!!
!! !!! ! !
!! ! !
! !
!! ! ! !
!
!
!
!!!
!
!!!! ! !! ! !
! ! !! !!!
! !! ! !! ! ! !!! !! ! !!
!
!!!!! ! ! !!!!
! ! ! ! ! ! !
!!! !! ! ! !! ! ! ! ! ! ! !
! ! ! ! ! ! !! !!
!
!
! !!!! !!! !!
!!!
!
!
! !
! ! !!! ! !!! !! !!! ! !
! ! !! !
! !!!
!!!!! !!
! !!! !
Convención
!!!! ! KENNEDY
!!! ! !!!
! !!!
! !!!
! !!!
! ! !! !!! ! !!
!!! ! !!
!! !!! !! !! ! !! !! ! ! !! ! Loteo_Residencial_OrdinaryLe
!! !!! !! ! ! !!
!
! !! !!! !!!!!! ! !!
! !!!!!!!!
!
! !! !
! ! !! !
! ! !!! !!
!! GiZScore(Estimated)
! ! !! ! ! ! ! !! !
!!!! !! !!! !!!!!!!!! ! !
! !!!
!
!!
!! !
!
!!!! ! ! !
!
!!!
!!! !
!
!
! !!!
! ! ! !!
!! !! ! ! ! Hot-Hot
! !!! !
! ! !!
! !!! !!! !!!
! ! !! !! !!!! !! ! ! ! !
!
!
!
!! !!
!
! !! ! !!! !! !!! !! ! ! !!
! !!!
!!!!!!! ! ! !! !!! !! !!! ! !!! ! ! !!! !!
! Hot-Cold
! !! ! ! !!!! !!
!!
! ! !
!!
!!! ! !
!!! !!! ! !
!
! ! ! !! !
! !!! !! !
! ! !!! ! !!
! ! Cold-Hot
!!!
! ! !! !! !! ! ! ! ! ! !! !
!!!! ! ! !! !!
! ! ! ! ! ! ! ! ! ! !
! !!! !! !
! !! ! ! ! ! Cold-Cold
! ! !!! !! !! ! !
!
! ! !! !!! !!!
!!!!!!
! !!!! !!!!!!!! !!! !
! !!!!! !! ! !!
! !!! !
!!!!! ! ! !!
! ! Area Excluida
!!!
!
! !!!!
!!!!!
! ! !!!
!
!
!!! ! ! ! !! ! !! !! ! !! !
!!
! !
!!!!!
!!! !
!
!!! ! !! ! ! !!
!!!! ! !! !
! !!
!
!
!
!
! !! ! ! !! ! ! !! Localidad
!!!
! ! !
!!! !
!!! ! Sector
!!!! !!!!!
!

Esc 1:80.000
0 335 670 1.340 2.010 2.680
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa de Hot Spot Agosto 2016 Unidad de medida: Metros

Modelo OLS Escala:1:75.000

Figura 44. Mapa de Hot Spot, modelo OLS.

Fuente: Elaboración propia.

112
 Mapa de Hot Spot
Modelo GWR ·
!!!
!
!

!! ! !! !!!! !!
! !!! !
!
!
!!! !!!!! !!!
!! !!!
!
!!
!!! ! !!
! !
!! ! !!!!!!! !! !! !!
! !!! !!! !!
! ! ! !!!
!! !
! ! ! !
! ! !! ! !!!! !! !
! !
!!!!! !!!!!
! ! !
!! !! !
!
! ! ! ! !!
!!!! ! !! !
!
!!!
!!
!! ! ! !!! !!!! ! !
!!!! !!!!
!! ! !!!!!! !! ! !! !!!!!! ! !!
!!
! !! !
!
!!
!
! !! !
! !! ! ! ! ! !
!!! !!
!! !!
!! !
!
!!
!
! !!
!
!!!!
!
!!!! !
!!! !!!! ! !! !
!! !
! ! ! !!!
!
!! !!
!!
! !! !!!!!! ! !! !
! ! !
! !
! ! ! ! !
!! ! ! ! ! ! ! ! !!!!
!! !! ! !!!!!!
!! !
!
!
!
!!!
!
!
! !!!! !!! !! ! !!!!!
!!!
!!
!!! ! ! !!!!
! !
! ! !! ! !
!
!!! !
!!! ! ! ! ! !
!!!! ! !
! ! ! !! ! ! ! !
!!
! ! ! ! !!! ! !
!
!!
!! ! ! ! !!! !!! !
!!!! !!! ! !
!!!! ! !!! ! !
!!
! ! ! ! !
! ! ! !!!
! !! ! !!!!! !!! !!
! ! ! ENGATIVÁ
! ! !! !! !
! !! !! !!!! ! ! !!! !
!! !
!! ! !!
! ! ! !!! !! !!!!!! ! !!!! !!
! !
!!!!!!!! ! ! !! ! !!!! ! ! !!!
! !! ! !!! !!!! ! !! ! !!! !! !!! !
!! !! !!!! !!
! ! !! ! !
!
!
!! !!! !!! ! !
!!! !
! ! !!!! !
!!! ! !
!! ! !! ! ! !!! ! !! ! !!
!
!
!! !! !!
! !!!
!!
!! ! ! ! !! ! !!! !
!
! !!!!!! !! !
! !! ! !!!
! !! !! ! !! ! ! !! !!!
! !!!
! ! !
!!! ! ! ! ! !! !
! !! ! ! !
!!!! !! !! ! ! !
! ! !!
!!!
! !! ! !! ! !
! !!! !! ! !!! !!! ! !
!! !!!
! !! ! ! !
!!! ! ! !
!
! !! !! !
! ! ! !! ! ! ! ! ! !!
!!
!!
! ! ! !
! !!
! !! !!! !
!! ! !
!!
! ! ! ! ! ! !!! ! !
! ! !!! !!!!!! ! !!!!
!
! !!!
! !! ! ! !! ! !! !! ! !!! !! ! ! !!
!! !!!
! ! !!! !!!! ! ! ! ! !!! !
! ! ! !! ! ! !!
!! ! !!
! !!!!! ! ! !!!!!!! ! !
!! ! ! !! !! ! !!!! !!!
! !! !! ! !! !! ! !!! ! !!! !!!
! ! ! ! !
! ! !!! !
!FONTIBÓN !! ! !!! ! !
! ! !
!!
! ! !!
! ! ! !! ! ! !! ! !! !!!!!!
!
!!
!
! ! ! ! !! ! ! ! !!
! ! !! !! !! ! !!
! !! !!! ! ! ! !! ! !
! ! ! ! !
! ! ! !!!! ! ! ! !! !!
! ! !! ! !! ! ! !!!!
! ! ! ! !!! ! ! !!!
!
!!! ! !! !!! ! !! ! ! !
! !! !! !! ! !
!! ! !
!!! ! ! ! ! !!!
! !
!!! !!!
! !! !
! !! ! !!
! !
! ! !! !
!! ! !! !! !!!! ! !! !
!
!! !!! ! !!
!
!
!! !! !!!!
!!!! !
!!
!
!! !! ! ! !

! !
!!
!! !!
! !
!!! !
!
!!!
!!!!! !!
! !!
!
! !! ! !!!!!
!! ! !!!! !
!
! ! !! !! !!!!
!! ! ! !!!!!
! ! !! ! !
!! ! ! ! ! !! ! !
!!!!
!!!! ! ! ! !!! !! !
!!
!
! ! ! ! ! !! ! ! !
! ! ! !! ! !!! ! !
!
!
! ! !! !!! ! ! !! !! ! !!
! !!
! !!
!! ! ! !! ! ! ! ! ! !!
! ! !
! !
! !!
!
! !!!! !!! !!!
!!
!
!
! !
Convenciones
! ! !!! ! !! ! !! !!! ! !
! !! !! !!
! !! !
! !!!
!
! !!! ! GeographicallyWeightedRegres
!!!! ! KENNEDY
!! !!!
!
! !
!!!!!!!
! !!!
! ! ! !! !! !!!! ! !! GiZScore (Predicted)
!!
! ! !!! !! !! ! !! !! ! ! !
! !! !
!
! ! ! ! ! !! !
!!!!! ! !
! ! !!! !!
! !! ! ! ! !! !! ! !!
!
!! ! Hot-Hot
! !! ! ! !! !
! ! !! !!!
! ! !! ! ! !! !!! !!! !
!!! !!
! !!! !!! !!!!!! !!! !
!!
!! !
!!
! !! ! ! ! !!!
!! !
!! !! ! ! Hot-Cold
!! ! ! ! !!! !!!
!! !
!!!! ! ! !
! !!! !!
! !!!!!! ! ! ! !! !!
! !
!!!
! !! ! !
!
!!
!
! !!!
! ! !!
! ! !!
!!!! ! !
!
! ! ! ! !! !
! !
! !!!! ! Cold-Hot
! ! ! !! ! ! ! !
! !! ! ! ! !! !!
!! !!
! !! ! !! !! !! !! ! !! !
! ! ! !! !! ! !! ! ! !!! !! ! !!!
! ! ! !! ! Cold-Cold
! ! !!
!
! !!! !! !
!!!
! ! ! !! ! ! ! ! !
! ! ! !
! !! ! ! ! !
! ! ! !
!
! ! ! !! ! ! Area Excluida
!!!!! !! !! !!!! ! !! ! !
!! ! !!! !! !! ! ! ! ! ! !!! ! !!!
!!!! ! !!!! !!
! !!!!!! !!! !! !!!!! !! ! !!
! !!! ! Localidad
! !!
!
!
!
!
!
!!!
!! !!!
!
! !!
! ! !
! !!
!!! ! ! ! !! ! ! ! !!
! ! ! !! ! ! !
!!!!!! ! !!!
!!! !
!!
!
!!!
! !!
! !!! ! !! ! !!! !!
!
Sector
! !! ! !
! ! ! ! !! ! ! !!
!
!!! ! !
!
!!! !
!!
! ! Esc 1:75.000
!!! !!!!!
!
! 0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa de Hot Spot Agosto 2016 Unidad de medida: Metros

Modelo GWR Escala:1:75.000

Figura 45. Mapa de Hot Spot, modelo WGR

Fuente: Elaboración propia.

113
 Mapa de Interpolación
Modelo OLS (Valores estimados- Hot Spot) ·

ENGATIVÁ

FONTIBÓN

Convención
KENNEDY Extract_Idw
<VALUE>
10,24931368 - 20,76869965
1,357927903 - 10,24931367
-5,028842155 - 1,357927902
-11,16515064 - -5,028842156

Area Excluida

Localidad
Sector

Esc 1:75.000
0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa Mapa de Interpolación Agosto 2016

Modelo OLS Unidad de medida: Metros
(Valores estimados- Hot Spot) Escala:1:75.000

Figura 46. Mapa de Interpolación, modelo OLS.

Fuente: Elaboración propia.

114
 Mapa de Interpolación
Modelo WGR (Valores predicted - Hot Spot) ·

ENGATIVÁ

FONTIBÓN

Convenciones
Extract_Idw_
KENNEDY
<VALUE>
0,529365149 - 2,217021465
-0,071051041 - 0,529365149
-0,622784837 - -0,071051041
-1,920982003 - -0,622784837
Area Excluida

Localidad
Sector

Esc 1:75.000
0 312,5 625 1.250 1.875 2.500
Meters

Sistema de Proyeccion Magna Sirgas Localización:

Origen Bogotá
MAESTRÍA EN GEOGRAFIA
ENGATIVA

Elaboró: John Alexander Martinez Coordenada: 100.000 N FONTIBON

Fuente: SDP-UAECD 100.000 E KENNEDY

Mapa Mapa de Interpolación

Agosto 2016 Unidad de medida: Metros
Modelo GWR
(Valores predicted- Hot Spot) Escala:1:75.000

Figura 47. Mapa de Interpolación, modelo WGR.

Fuente: Elaboración propia.

115
 4.4.3

TIPO DE RELACIÓN TIPO DE

VARIABLE OBSERVACIÓN
SIGNO COEFICIENTE EXTERNALIDAD
Nodo_Transporte

Fuente: Elaboración propia.

A medida que la vivienda se aleja un metro más de estas
Inst_Poli_Militar
NEGATIVO POSITIVA externalidades, el precio de la vivienda disminuye, o en caso de que
ZAMPA
se aproxime un metro más la vivienda tenderá a aumentar de precio.
CAI
Red_Cicloruta A medida que la vivienda se aleja de estas externalidades, el predio
NEGATIVA Cultura de la vivienda aumenta, o en caso de aproximarse a estos
Salud_Pub equipamientos, el precio se reduce.
AREA_CONSTRUIDA A medida que se incrementa alguna de las variables físicas o la
POSITIVO
AREA_TERRENO puntuación de calificación, igualmente aumenta el precio de la

116
POSITIVA CALIFICACION vivienda, en caso contrario al disminuir la cuantificación de cualquier

Figura 48. Significancia de variables dentro del modelo.

BAÑOS variable se verá reflejado en la desvalorización del precio de la
GARAJES vivienda.

Significancia de la variable dentro del modelo

Significancia de variables y comprobación del modelo.
4.4.4 Comprobación del potencial predictivo del modelo

Tabla 30. Valores obtenidos para un punto muestra.

MODELO GWR
OBJECTID * 1
Observed PRECIO 600000000
Condition Number 38,263874
Local R2 0,568986
Predicted 608606652,4
ATRIBUTOS COEFICIENTES APORTE PORCENTAJE
Coefficient Intercept 4723577,309 0,79%
Coefficient #1 Salud_Pub 728,058497 85808,76462 62473800,2 10,41%
Coefficient #2 CAI 960,601674 7466,173489 7172018,752 1,20%
Coefficient #3 Inst_Poli_Militar 1784,128419 -32405,6047 -57815760,27 -9,64%
Coefficient #4 Cultura 187,099761 76056,40355 14230134,93 2,37%
Coefficient #5 ZAMPA 356,194866 26471,47126 9429002,159 1,57%
Coefficient #6 Nodo_Transporte 92,805759 -220751,7616 -20487034,79 -3,41%
Coefficient #7 Red_Cicloruta 290,585862 7088,530525 2059826,753 0,34%
Coefficient #8 BAÑOS 6 -4017869,33 -24107215,98 -4,02%
Coefficient #9 GARAJES 2 19979483,74 39958967,48 6,66%
Coefficient #10 CALIFICACION 45 2191188,4 98603478 16,43%
Coefficient #11 AREA_TERRENO 192,8 864318,559 166640618,2 27,77%
Coefficient #12 AREA_CONSTRUIDA 507,6 602295,5865 305725239,7 50,95%
Residual -8606652,412 -1,43%
PRECIO 600000000 100

MODELO OLS
OBJECTID * 1
PRECIO 600000000
StdResid -0,16538
Estimated 615918575,4
ATRIBUTOS COEFICIENTES APORTE PORCENTAJE
Intercept 1670708,405 0,28%
Salud_Pub 728,058497 66249,08602 48233210 8,04%
CAI 960,601674 -18609,27113 -17876097 -2,98%
Inst_Poli_Militar 1784,128419 -39468,47135 -70416821,38 -11,57%
Cultura 187,099761 57554,12233 10768362,53 1,79%
ZAMPA 356,194866 -38820,91474 -13827810,52 -2,30%
Nodo_Transporte 92,805759 -106202,7246 -9856224,465 -1,64%
Red_Cicloruta 290,585862 16455,12991 4781628,109 0,80%
BAÑOS 6 6811376,369 40868258,21 6,81%
GARAJES 2 15238794,26 30477588,51 5,08%
CALIFICACION 45 3347280,079 150627603,6 25,10%
AREA_TERRENO 192,8 1061296,927 204618047,6 34,10%
AREA_CONSTRUIDA 507,6 464637,7498 235850121,8 39,31%
Residual -15918575,35 -0,02653096
PRECIO 600000000 100

Fuente: Elaboración propia.

En el caso anterior, se extrae un punto de la muestra de las viviendas donde el modelo

WGR, se aproxima más al precio de vivienda que el modelo OLS, adicionalmente y
con el fin de establecer que tan acertados son los valores predictivos de los modelos,
se realiza una consulta de ofertas de vivienda en la web para algunos sectores
seleccionados aleatoriamente de la cual se concluye que nuevamente la regresión
WGR, se aproxima más al precio de la vivienda que el modelo de regresión global
OLS, como se observan en las tablas 31 a la 38 y de figuras 49 a 57.

117
Tabla 31.Precios de Modelos. Comprobación vivienda 1. Fuente: Elaboración propia.
Número Codigo Precio
Precio GWR Precio OLS
Punto Predio Oferta
1 006405086024 310000000 312824006 250780590

Figura 49. Publicación oferta de vivienda 1.

Fuente: http://www.fincaraiz.com.co/casa-en-venta/bogota/fontibon-det-2328962.aspx consultado 15
de septiembre de 2016

Tabla 32.Precios de Modelos. Comprobación vivienda 2. Fuente: Elaboración propia.

Número Codigo Precio
Precio GWR Precio OLS
Punto Predio Oferta
2 005636010020 350000000 291529466 281982660

Figura 50. Publicación oferta de vivienda 2.

Fuente: http://www.fincaraiz.com.co/casa-en-venta/bogota/engativa_centro-det-2174876.aspx.
consultado 15 de septiembre de 2016

118
Tabla 33.Precios de Modelos. Comprobación vivienda 3. Fuente: Elaboración propia

Número Codigo Precio

Precio GWR Precio OLS
Punto Predio Oferta
3 005619007034 425000000 354316872 326225730

Figura 51. Publicación oferta de vivienda 3.

Fuente: http://www.fincaraiz.com.co/casa-en-venta/bogota/florencia-det-2170429.aspx. Consultado 15
de septiembre de 2016

Tabla 34.Precios de Modelos. Comprobación vivienda 4. Fuente: Elaboración propia.

Número Codigo Precio

Precio GWR Precio OLS
Punto Predio Oferta
4 004607011002 460000000 316172693 264352670

Figura 52. Publicación oferta de vivienda 4.

Fuente: http://www.fincaraiz.com.co/casa-en-venta/bogota/dindalito_kennedy-det-2028779.aspx.
Consultado 15 de septiembre de 2016

119
Tabla 35.Precios de Modelos. Comprobación vivienda 5. Fuente: Elaboración propia.
Número Codigo Precio
Precio GWR Precio OLS
Predio Oferta
. Punto
5 005404022020 470000000 555214664 604784580

Figura 53. Publicación oferta de vivienda 5.

Fuente:http://www.fincaraiz.com.co/casa-en-venta/bogota/las_ferias-det-2279680.aspx. Consultado 15
de septiembre de 2016

Tabla 36. Precios de Modelos. Comprobación vivienda 6. Fuente: Elaboración propia.

Número Codigo Precio
Precio GWR Precio OLS
Punto Predio Oferta
6 004510047006 600000000 433036267 423045660

Figura 54. Publicación oferta de vivienda 6.

Fuente:http://www.fincaraiz.com.co/casa-en-venta/bogota/ciudad_kennedy_central-det-2308838.aspx.
Consultado 15 de septiembre de 2016

120
Tabla 37. Precios de Modelos. Comprobación vivienda 7. Fuente: Elaboración propia

Número Codigo Precio

Precio GWR Precio OLS
Punto Predio Oferta
7 006301040004 679000000 680937706 601826370

Figura 55. Publicación oferta de vivienda 7.

http://www.fincaraiz.com.co/casa-en-venta/bogota/modelia-det-2304047.aspx. Consultado 15 de
septiembre de 2016

Tabla 38. Precios de Modelos. Comprobación vivienda 8. Fuente: Elaboración propia

Número Codigo Precio

Precio GWR Precio OLS
Punto Predio Oferta
8 004511023002 800000000 304773279 288602460

Figura 56. Publicación oferta de vivienda 8.

http://www.fincaraiz.com.co/casa-en-venta/bogota/ciudad_kennedy_central-det-2336121.aspx.
Consultado 15 de septiembre de 2016

121
Figura 57. Mapa ofertas de vivienda.
Fuente: Elaboración propia.

122
 5 DISCUSIÓN Y CONCLUSIONES

 La regresión por mínimos cuadrados ofrece un modelo donde el análisis es global,

y las relaciones espaciales complejas no pueden ser explicadas fácilmente, como
se observó en la explicación del modelo pasando del 66% en OLS al 91% en GWR
en cuanto a su poder explicativo, el cual ofrece precios de vivienda mucho más
próximos a la realidad con mayor detalle y demostrando que esta variable no tiene
una distribución dispersa o aleatoria en el espacio sino que presenta
autocorrelación espacial, es decir las viviendas con valores son circunvecinas de
viviendas con valores similares, igualmente ocurre con valores bajos.
 El uso de vivienda NPH en los últimos años ha tenido un crecimiento menor en
relación a la vivienda PH. No obstante el área ocupada por el uso de vivienda NPH
sigue siendo mayor, dado que las localidades de estudio no resultan ser tan
rentables para la construcción PH, debido a que los constructores prefieren
urbanizar en localidades de clases altas en donde se maximiza su ganancia.
 Variable localidad, no fue tenida en cuenta en el modelo final debido a que no
aportaba significancia dentro del mismo, esto se puede explicar en que las
variables analizadas guardan ciertos parámetros de homogeneidad en las
localidades en cuanto al precio de la vivienda, por lo cual sería conveniente
analizar esta variable para todo Bogotá.
 La variable estrato se excluyó del modelo a razón de que dicha variable ha perdido
significancia y no es un indicador diferencial a la hora de fijar el precio de la
vivienda en Bogotá, prueba de ello es que dentro de la nueva metodología de
cálculo del avaluó por parte de la UAECD, esta variable se sustrajo dentro del
proceso de este cálculo ya que no generaba equidad en aspectos tributarios para los
predios gravados.
 El número de alcobas y número de cocinas en el modelo fueron variables
excluidas dada su redundancia con otras variables como el área de terreno y/o área
construida, adicionalmente el incremento de estas variables puede estar asociado a

123
 inquilinatos o múltiples unidades habitacionales, lo cual se traduce en una
desvalorización de la vivienda.
 Las variables que intervienen en la conformación del precio de la vivienda en las
localidades abarcan características físicas propias del inmueble y la cercanía a
cierto tipo de equipamientos o externalidades, siendo las que más influyen en el
precio las variables físicas del inmueble como numero de baños, número de
garajes, área construida y de terreno.
 Entre los equipamientos o externalidades con mayor afectación al precio son
aquellas que desvalorizan el inmueble tales como cercanía de red de ciclorutas,
cercanía a centros culturales y a instituciones de servicios de salud.
 Teniendo en cuenta que el precio de la vivienda es una variable que presenta
autocorrelación espacial y por ende variaciones espaciales dinámicas, el empleo de
estadística espacial y WGR, resulta una herramienta eficaz para conocer el
comportamiento geográfico de los factores que generan el precio y sirven de
referencia para la planeación eficaz en barrios, UPZ y localidades en la ciudad.
 Para futuros trabajos de investigación en donde el empleo de métodos de precios
hedónicos sean considerados en los análisis, sería útil conocer modelos que no
empleen distancias euclidianas, como herramientas de network_analyst, para poder
determinar la diferenciación en los resultados con respecto a estudios similares
como el presentado.
 Al seleccionar un área de interés, es necesario concientizar que existen problemas
de borde, que pueden ocasionar ruido en los extremos de la muestra por lo que se
deben ahondar esfuerzos en la consecución de la información en escalas
geográficas mayores, que permitan en lo posible realizar estudios más específicos
que tengan cubrimiento de la totalidad del distrito capital.
 Aunque técnicas como La Regresión Ponderada Geográficamente comienzan a ser
más utilizadas en campos como la valuación de bienes inmuebles, todavía existen
muchas aplicaciones que se pueden obtener, como serían las determinaciones de
plusvalías y valorizaciones en la cuidad, lo anterior con el objetivo de establecer

124
cargas tributarias más equitativas, que brinden mejores herramientas de
planificación en el territorio.

125
 6 LITERATURA CITADA

Amézquita, L., Sánchez, P., & Abaunza, G. (2012). Determinantes del precio de la
vivienda en Bogotá, 2012. Bogotá. Tomado de http://www. lasalle. edu.
co/wps/wcm/connect/61bbb411-9d41-44e5-97bf-8a52cc1a5c6f/Sanchez+-mezquita.
pdf.

Anselin, L. (1980). Estimation methods for spatial autoregressive structures: A study

in spatial econometrics (Vol. 8). Program in Urban and Regional Studies, Cornell
University.

Anselin, L. (1988a). Spatial Econometrics: Methods and ModelsKluwer

Academic. Boston, MA.

Anselin, L. (1988b). Lagrange multiplier test diagnostics for spatial dependence and
spatial heterogeneity. Geographical analysis, 20(1), 1-17.

Anselin, L. (1998). Exploratory spatial data analysis in a geocomputational

environment. Geocomputation, a primer. Wiley, New York, 77-94.

Anselin, L., & Griffith, D. A. (1988). Do spatial effecfs really matter in regression
analysis?. Papers in Regional Science, 65(1), 11-34.

Anselin, L., & Hudak, S. (1992). Spatial econometrics in practice: A review of

software options. Regional science and urban economics, 22(3), 509-536.

Anselin, L., & Rey, S. (1991). Properties of tests for spatial dependence in linear
regression models. Geographical analysis, 23(2), 112-131.

126
Anselin, L., Varga, A., & Acs, Z. (1997). Local geographic spillovers between
university research and high technology innovations. Journal of urban
economics, 42(3), 422-448.

Astorkiza, I. (2006). El precio de la tierra rústica en un espacio natural protegido:

análisis econométrico en el caso de la reserva de la biosfera de Urdaibai. Universidad
del País Vasco.[Links].

Avendaño, Johan (2011b). Representaciones y expresiones territoriales de la pobreza

urbana en el sur de Bogotá D.C. (Localidades de Ciudad Bolívar, San Cristóbal y
Usme). EHESS-Paris.

Avendaño, Johan (2016) representaciones territoriales de inseguridad, delincuencia y

miedo en el espacio urbano de Bogotá: formas simbólicas de apropiación y
vivencialidad de la ciudad.

Borrero, Oscar. (2007). Efecto de las políticas del suelo en el precio de terrenos
urbanos en Bogotá. Lincoln Institute of Land Policy, working paper.

Borrero Ochoa, O., & Durán de Gómez, E. (1980). El valor del suelo urbano y sus
implicaciones en el desarrollo de la ciudad. Análisis del caso Bogotá.Centro de
estudios nacionales de construcción. Cenac Bogotá.

Brunsdon, C., Fotheringham, A. S., & Charlton, M. E. (1996). Geographically

weighted regression: a method for exploring spatial nonstationarity.Geographical
analysis, 28(4), 281-298.

Capel, H. (1975). La definición de lo urbano. Estudios geográficos, 36(138), 265.

127
Carlos, A. F. A. (2008). De la geografía de la acumulación a la geografía de la
reproducción: un diálogo con Harvey. Scripta Nova: revista electrónica de geografía
y ciencias sociales, (12), 139.

Carter, Harold. (1974). El estudio de la Geografía Urbana. Instituto de Estudios de

Administración Local. Madrid.

Casetti, E. (1972). Generating models by the expansion method: applications to

geographical research. Geographical analysis, 4(1), 81-91.

Chandías, M. E. (1954). Tasación de inmuebles urbanos.

Chasco Yrigoyen, C. (2003). Métodos gráficos del análisis exploratorio de datos

espaciales. Instituto LR Klein, Departamento de Economía Aplicada, Universidad
Autónoma de Madrid. Disponible en:(http://www. asepelt. org/ficheros/File/
Anales/2003% 20-20Almeria/asepeltPDF/93. PDF).

Ciccolella, P., & Mignaqui, I. (2009). Capitalismo global y transformaciones

metropolitanas: enfoques e instrumentos para repensar el desarrollo urbano.Otro
desarrollo urbano: ciudad incluyente, justicia social y gestión democrática. Buenos
Aires: CLACSO.

Collazos Reyes, E., Gamboa Pérez, W., Prado Velasco, P., & Verardi, V. (2006).
Análisis espacial del precio de oferta de la vivienda en el área metropolitana de
Cochabamba. Revista latinoamericana de desarrollo económico, (6), 33-62.

Cuervo, L. M. (2002). Globalización y dinámica metropolitana: el caso de Bogotá en

los años 1990. Ponencia presentada al VII Seminario Internacional de la Red
Iberoamericana de Investigadores (RII), sobre Globalización y Territorio, realizado
en Camagüey, Cuba, mimeo, 2001, 1999.

128
DANE. (2005). Censo de Población y Vivienda. En http://www.dane.gov.

De Mattos, C. (1997). Dinámica económica globalizada y transformación

metropolitana: hacia un planeta de archipiélagos urbanos. Ponencia presentada al 6º
Encuentro de Geógrafos de América Latina (EGAL).

Decreto 190 (2004). Plan de Ordenamiento Territorial, Alcaldía de Bogotá.

Delgado, Ovidio (2003). Debates sobre el espacio en la geografía comtemporánea.

Bogotá, UNAL

Duarte, C. M. (2008). La incidencia de la percepción del ruido ambiental sobre la

formación espacial de los valores residenciales: un análisis para Barcelona.Revista de
la Construcción, 7(1), 4-19.

Duque, J. C., Velásquez, H., & Agudelo, J. (2011). Infraestructura pública y precios
de vivienda: una aplicación de regresión geográficamente ponderada en el contexto
de precios hedónicos. Ecos de Economía, 15(33), 95-122.

Mantovani, Emiliano Teran (2012). David Harvey y la Geografía del capitalismo:

urbanismo, modernidad y desigualdad.
http://forajidosdelanetwar.blogspot.com.co/2012/04/david-harvey-y-la-geografia-
del.html.

Fernández, D. A. (2009). Calidad de la vivienda a partir de la metodología de precios

hedónicos para la cuidad de Bogotá-Colombia.

Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2003). Geographically weighted

regression: the analysis of spatially varying relationships. John Wiley & Sons.

129
Garza, N., & Montaña, J. (2000). Crecimiento Urbano de Bogotá en un Contexto
Especulativo. Lincoln Institute of Land Policy, www. lincolninst. edu [consulta mayo
de 2007].

Geary, R. C. (1954). The contiguity ratio and statistical mapping. The incorporated
statistician, 5(3), 115-146.

Harvey, D. (2006). Spaces of global capitalism. Verso.

Isard, W. (1956). Location and space-economy.

Jaramillo, S. (1994). Hacia una teoría de la renta del espacio urbano.Uniandes-

Instituto de Geografía Agustín Codazzi, Bogotá.

Jaramillo, S. Hacia una teoría de la renta del suelo urbano (2ª Edición) Bogotá,
Universidad de Los Andes, 2009. 445 p

Jaramillo, S., & Cuervo, L. M. (1993). Urbanización latinoamericana: nuevas

perspectivas. Escala,

Krugman, P. (1991). The move toward free trade zones. Economic Review,76(6), 5.

Lotz, J. B. (1937). Los seres y bienestar: la base de una investigación sobre su valor y
(Tesis doctoral, Weltz).

Meisel, A., & Pérez, G. J. (2013). Las ciudades colombianas y sus atractivos.Centro
de Estudios Económicos Regionales (CEER), Banco de la República de Cartagena,
mimeo.

130
Meloni, O., & Ruiz Nuñez, F. (2002). El Precio de los Terrenos y el Valor de sus
Atributos. Económica, 48.

Méndez, R. (1997). Geografía económica: la lógica espacial del capitalismo

global (No. 911.003 MEN).

Mendieta, J. C., & Perdomo, J. A. (2007). Especificación y estimación de un modelo

de precios hedónico espacial para evaluar el impacto de Transmilenio sobre el valor
de la propiedad en Bogotá. Univ. de los Andes, Fac. de Economía, CEDE Centro de
Estudios sobre Desarrollo Económico.

Menger, C. (1985). El origen del dinero. ESEADE.

Mogollón, A. J. P. (2013). Efecto del costo de acceso a centros de empleo sobre el

precio de la vivienda urbana: un modelo hedónico para el caso de Bogotá (Doctoral
dissertation, Uniandes).

Mohan, R., & Villamizar, R. (1986). La evolución de los precios de la tierra en el

contexto de un rápido crecimiento urbano. Lecturas sobre economía urbana. Bogotá:
Fundación Simón Bolívar, Instituto de Estudios Políticos.

Montoya Garay, J. W. (2005). Cambio Urbano y Evolución Discursiva en el análisis

de la ciudad latinoamericana: de la dependencia a la globalización.

Montoya, J. W. (2006). Cambio Urbano y Evolución discursiva en el análisis de la

ciudad latinoamericana. De la dependencia a la Globalización.

Montoya, J. W. (2009). Geografía urbana: trayectorias epistemológicas y agenda

contemporánea. Lecturas en teoría de la geografía, 369, 149.

131
Moran, P. A. (1948). The interpretation of statistical maps. Journal of the Royal
Statistical Society. Series B (Methodological), 10(2), 243-251.

Osuna, J. M. F., & Almirall, P. G. (2008). La incidencia de las externalidades

ambientales en la formación espacial de valores inmobiliarios: el caso de la región
metropolitana de Barcelona. ACE: architecture, city and environment, (6), 673-692.

Perdomo Calvo, J. A. (2011). Una Propuesta Metodológica Para Estimar Los

Cambios Sobre El Valor De La Propiedad: Estudio De Caso Para Bogotá Aplicando
Propensity Score Matching Y Precios Hedónicos Espaciales (A Methodological
Proposal to Estimate Changes of Property Values: Case Study Developed in Bogota,
using Propensity Score Matching and Spatial Hedonic Prices). Available at SSRN
1791067.

Rodriguez, D., & VERGEL, E. (2013). Sistemas de transporte público masivo tipo
BRT (Bus Rapid Transit) y desarrollo urbano en América Latina''. Land Lines.

Rodríguez, M. L. (2011). El valor del suelo y competencia por la ocupación espacial

Estudio de caso: área de influencia Autopista Norte (Calle 200-
Briceño). PERSPECTIVA GEOGRÁFICA, 1(6).

Santana, l., & Nuñez, l. (2011). Una aproximación hedónica al efecto de las
preferencias por segregación en el precio del suelo urbano en Bogotá.

Say, J. B. (1807). Tratado de economía política ó exposición simple del modo como
se forman, distribuyen y consumen las riquezas (Vol. 3). Imp. de Pedro Maria
Caballero.

Secretaria Distrital De Planeación. Encuesta multipropósito 2014. Bogotá.

132
Serrano, R. M., & Valcarce, E. V. (2002). Econometría espacial: nuevas técnicas para
el análisis regional. Una aplicación a las regiones europeas. Investigaciones
regionales, (1), 83.

Student. (1914). The elimination of spurious correlation due to position in time or

space. Biometrika, 179-180.

Thünen, J. V. (1826). Der isolierte Staat. Beziehung auf Landwirtschaft und

Nationalökonomie.

Tobler, W. R. (1970). A computer movie simulating urban growth in the Detroit

region. Economic geography,

UN Hábitat (2009). Urbanización para el desarrollo humano: Políticas para un mundo

de ciudades. Bogotá

Unidad Administrativa Especial De Catastro Distrital 2002-2012. (2013). Dinámica

de la construcción por usos localidad Fontibón, engativa y Kennedy. Bogotá

Villarraga, J. P. J., & Duarte, C. M. (2013). Evaluación del impacto de la

estratificación socioeconómica en la formación del valor del suelo en Bogotá
DC. Arquitectura, Ciudad y Entorno, 8(23).

Vinuesa, J., & Vidal, M. J. (1991). Los procesos de urbanización. Síntesis, Madrid.

133