Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MAGISTER EN GEOGRAFÍA
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.
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 mis hijos Samuel, Aleja y Santi, para ustedes el motor de mi vida, lo mejor de mis
logros.
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 personas que contribuyeron con sus valiosos aportes y sugerencias en la
estructuración de este documento.
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
viii
LISTA DE FIGURAS
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
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.
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 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.
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%.
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.
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.
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:
8
1.2 Hipótesis y Objetivos
9
2 MARCO DE REFERENCIA
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.
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).
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
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:
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:
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.
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.
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.
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:
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).
18
interfiere en su determinación. (Borrero, B. 2007). En complemento, la primera
convención panamericana de avalúos en lima Perú en 1949 define:
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 PRECIO
Términos de intercambio Dinero disponible
Costos de factores Utilidad marginal
Apreciación objetiva Concepto Subjetivo
Condiciones de la oferta Exigencias de la demanda
Valor de uso Adquisición en un momento dado
Libertad de presiones Urgencias de venta o de compra
Normalidad de mercado Crisis económica, iliquidez, desempleo
Crédito disponible Crédito escaso y altas tasa de interés
Objetividad: Fuerzas del mercado Subjetividad: utilidad del demandante
Oferta y demanda suficiente Demasiada oferta, poca demanda
Tiempo de exposición al mercado Urgencia de venta
Condiciones de monopolio, (precios altos especulativos) y
Régimen de Competencia de oligopsonio (precios bajos subvaluados)
Dato en un momento dado (tiempo)
Dato de un mercado estable con una moneda determinada (lugar)
20
• Pago de contado o equivalente
• Comprador y vendedor motivados
• Tiempo razonable sin presiones
• Facilidad de financiación.
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).
21
del aporte marginal de cada una de estas características en la conformación del
precio.
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.
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.
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.
25
2.3 Aspectos Metodológicos.
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
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
28
2.3.2 Identificación de fuentes de información.
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:
30
2.3.4 Construcción de base de datos.
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).
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.
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:
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.
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:
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).
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.
35
modelamiento espacial como principal objetivo ya que muchos estudios se detienen
en el básico análisis econométrico. (Chasco, 2003).
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.
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.
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)
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).
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.
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).
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 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.
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
42
2.5 Densidad Poblacional
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).
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.
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.
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.
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.
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
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
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
49
2.7 Sistema de Equipamientos
Fontibón
Engativá
Kennedy
Servicio
Tipo de
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
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
52
3 CARACTERIZACIÓN DE VIVIENDAS.
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).
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).
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%
Localidad
Esc 1:75.000
0 365 730 1.460 2.190 2.920
Meters
55
Tabla 11. Tenencia de vivienda por número de hogares.
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).
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
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.
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.
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
60
3.4 Déficit de Vivienda
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.
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.
65
4.1 Herramienta de Regresión exploratoria.
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.
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.
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)
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)
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)
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:
72
presentan no estacionariedad estadísticamente significativa, lo cual indica que es
probable mejorar los resultados del modelo pasando a una Regresión Ponderada
Geográficamente WGR.
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...
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)
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
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.
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.
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
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.
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.
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.
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.
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
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:
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
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.
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.
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.
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:
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
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:
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.
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.
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
89
4.3.2 Distancia al Centro de Atención Inmediata CAI
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.
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
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
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.
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
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
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.
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
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
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
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
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
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.
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
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
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.
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
106
4.4 Comparación de los Modelos de Regresión OLS vs WGR
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.
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
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
110
4.4.1 Puntos calientes y fríos para los 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
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
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
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
115
4.4.3
116
POSITIVA CALIFICACION vivienda, en caso contrario al disminuir la cuantificación de cualquier
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
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
118
Tabla 33.Precios de Modelos. Comprobación vivienda 3. Fuente: Elaboración propia
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
120
Tabla 37. Precios de Modelos. Comprobación vivienda 7. Fuente: Elaboración propia
121
Figura 57. Mapa ofertas de vivienda.
Fuente: Elaboración propia.
122
5 DISCUSIÓN Y CONCLUSIONES
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. (1988b). Lagrange multiplier test diagnostics for spatial dependence and
spatial heterogeneity. Geographical analysis, 20(1), 1-17.
Anselin, L., & Griffith, D. A. (1988). Do spatial effecfs really matter in regression
analysis?. Papers in Regional Science, 65(1), 11-34.
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.
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.
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.
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.
128
DANE. (2005). Censo de Población y Vivienda. En http://www.dane.gov.
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.
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.
Jaramillo, S. Hacia una teoría de la renta del suelo urbano (2ª Edición) Bogotá,
Universidad de Los Andes, 2009. 445 p
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.
131
Moran, P. A. (1948). The interpretation of statistical maps. Journal of the Royal
Statistical Society. Series B (Methodological), 10(2), 243-251.
Rodriguez, D., & VERGEL, E. (2013). Sistemas de transporte público masivo tipo
BRT (Bus Rapid Transit) y desarrollo urbano en América Latina''. Land Lines.
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.
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.
Vinuesa, J., & Vidal, M. J. (1991). Los procesos de urbanización. Síntesis, Madrid.
133