Universidad Privada de Tacna

Escuela de Ingeniería Ambiental

Curso: Economía Ambiental
TALLER
Aplicación del Método de Precios Hedónicos

Estimación de Precios Hedónicos mediante transformación Box Cox para la determinación de la

Disponibilidad a Pagar por Atributos Ambientales en Fincas Ganaderas en el Caquetá - Colombia 1

Al adquirir una finca  ganadera, en efecto, no  solo se está comprando unas hectáreas de

tierra, sino que también se está seleccionando un entorno que tiene una serie de
características (disponibilidad de agua, distancia del predio a los centros de distribución de
insumos, etc.), como también a  la elección de determinadas características de tipo
ambiental. Muchas de estas por ser de tipo ambiental, son precisamente las que nos
interesan, es decir, las personas están dispuestas a pagar por ellas. Por ejemplo, si
encontramos dos fincas muy similares en sus características,
excepto en la disponibilidad de agua en la época  de  verano, la diferencia de precio entre
ellas reflejará el valor de ese atributo, que en principio, carece de un precio explícito en el
mercado.

Objetivo General
Identificar, por medio del método de los Precios Hedónicos, los principales atributos (incluyendo
ambientales) que determinan el precio por hectárea de 20 predios ganaderos en el Departamento de
Caquetá, Colombia.

Objetivos Específicos

 Estimar la forma funcional Box – Cox para el modelo de precios hedónicos e interpretar los
coeficientes asociados a cada variable explicativa.
 Comprobar si los atributos ambientales influyen en el precio de la tierra, del mismo modo
como pueden influir otros atributos como la disponibilidad de las vías, la presencia de
energía eléctrica y otros atributos típicos de las fincas ganaderas.
 Interpretar el comportamiento de las variables cuantitativas y cualitativas
 Interpretar las variaciones porcentuales de cada atributo.

Información disponible

Características Cuantitativas (distancia e ingreso) y Cualitativas (Atributos típicos y ambientales) de

20 predios ganaderos del Departamento de caquetá.

Si en realidad los atributos de tipo ambiental tienen influencia en el precio de la tierra, entonces,
cualquier inversión dirigida al mejoramiento de estos atributos, tendrá también un impacto positivo
en el precio de mercado de las fincas ganaderas.

PRECIO: Variable dependiente continua que representa el precio del predio por hectárea.
DIST: Variable independiente continua que representa la distancia en kilómetros de la finca hasta la
ciudad de Florencia, capital del Departamento.
1
Ejercicio Adaptado de la Tesis de Ramírez (1998) – Programa de Magíster en Economía del Medio Ambiente y Recursos Naturales,
Universidad de los Andes – Bogota D.C. Colombia.

1
ING: Variable independiente continua que representa el ingreso neto mensual por hectárea de cada
una de las fincas ganaderas.
NIT: Variable independiente continua que representa el porcentaje de nitrógeno revelado por el
muestreo de suelo en la zona de estudio.
BOS: Variable independiente continua que expresa el porcentaje de área boscosa en la finca.
SEG: Variable independiente dicotómica que toma el valor de 1 si el predio es seguro (no es afectado
por el conflicto armado) y 0 si el predio no es seguro.
ENER: Variable independiente dicotómica que toma el valor de 1 si el predio cuenta con energía
eléctrica y 0 lo contrario.
AGUA: Variable independiente dicotómica que toma el valor de 1 si la finca dispone de fuentes agua
en periodos de verano y 0 si no cuenta con estas.
ESC: Variable independiente dicotómica que toma el valor de 1 si el predio tiene estrictamente mas
de 40 hectáreas y 0 si tiene 40 hectáreas o menos.
EST: Variable independiente dicotómica que toma el valor de 1 si el predio tiene establo y 0 si no lo
tiene.

Data generada

N PRECI DIS ING NIT BO SE ENE AGU ESC EST

º O T S G R A
1 600000 17 7894 0.08 0.15 0 1 0 0 1
2 500000 50 1417 0.1 0.03 1 1 1 0 1
9
3 550000 40 1530 0.16 0.1 1 1 1 0 1
0
4 600000 20 2252 0.19 0.09 1 1 1 0 1
4
5 550000 35 5271 0.16 0.05 0 1 1 1 1
4
6 900000 5 1652 0.13 0.09 1 1 1 0 1
1
7 200000 150 4856 0.17 0.5 1 0 0 0 0
0
8 20000 160 4576 0.15 0.65 0 0 1 0 0
0
9 380000 160 4776 0.15 0.1 0 0 1 0 0
0
1 380000 160 5568 0.13 0.06 0 1 1 1 0
0 0
1 380000 150 1586 0.08 0.11 1 0 0 0 0
1 3
1 450000 65 2213 0.53 0.13 1 0 0 0 1
2 3
1 450000 65 2912 0.24 0.1 1 0 0 0 1
3 0
1 450000 70 3255 0.33 0.33 1 0 0 0 1
4 7
1 450000 71 2008 0.22 0.14 1 0 0 0 1
5 6
1 450000 71 1512 0.27 0.1 1 0 0 0 1
6 1
1 100000 180 1750 0.1 0.33 1 0 1 1 0
7 0
1 300000 73 3910 0.13 0.06 1 1 1 1 0

2
 8 0
1 400000 165 4330 0.17 0.2 0 1 1 1 1
9 0
2 430000 90 4110 0.15 0.19 0 1 1 1 1
0 0

Pasos:

1. Pasar datos a NLOGIT

 Active Data Editor

 Click derecho, nueva variable.

 Introducir el nombre de la variable y ok. Repetir el proceso hasta ingresar todas las
variables.

3
 Digitar los datos de cada variable.

 Click en modelo, data description y descriptive stadistics

4
  Trasladar todas las variables, a excepción de ONE y corremos.

Obtenemos las estadísticas descriptivas

--------+---------------------------------------------------------------------
| Standard Missing
Variable| Mean Deviation Minimum Maximum Cases Values
--------+---------------------------------------------------------------------
PRECIO| 427000.0 187703.6 20000.0 900000.0 20 2202
DIST| 89.85 57.52096 5.0 180.0 20 2202
ING| 30138.6 15224.3 7894.0 55680.0 20 2202
NIT| .182 .103191 .08 .53 20 2202
BOS| .1755 .160311 .03 .65 20 2202
SEG| .65 .48936 0.0 1.0 20 2202
ENER| .5 .512989 0.0 1.0 20 2202
AGUA| .6 .502625 0.0 1.0 20 2202
ESC| .3 .470162 0.0 1.0 20 2202
EST| .65 .48936 0.0 1.0 20 2202
--------+---------------------------------------------------------------------

5
Se pueden observar todas las variables, incluyendo las independientes y dependientes.
Tenemos la media, desviación estándar, máximos, mínimos y casos. Se encuentran datos
perdidos debido a que no se ha establecido el rango de análisis; NLOGIT reconoce todos los
campos que existen y por defecto analiza la cantidad de celdas, por ello se va a establecer el
rango de datos a trabajar.

 Para arreglar los datos perdidos, ir al editor de datos para establecer variables y cantidad
de observaciones. Click derecho, set sample y rango. Establecer rango de 1 a 20 en la
ventana y dar ok.

6
  De nuevo Click en modelo, data description y descriptive stadistics. Trasladar todas las
variables, a excepción de ONE y _SAMPLE_ y corremos.

Obtenemos las estadísticas descriptivas y en datos perdidos obtenemos el valor de 0.

Interpretar.

--------+---------------------------------------------------------------------
| Standard Missing
Variable| Mean Deviation Minimum Maximum Cases Values
--------+---------------------------------------------------------------------
PRECIO| 427000.0 187703.6 20000.0 900000.0 20 0
DIST| 89.85 57.52096 5.0 180.0 20 0
ING| 30138.6 15224.3 7894.0 55680.0 20 0
NIT| .182 .103191 .08 .53 20 0
BOS| .1755 .160311 .03 .65 20 0
SEG| .65 .48936 0.0 1.0 20 0
ENER| .5 .512989 0.0 1.0 20 0
AGUA| .6 .502625 0.0 1.0 20 0
ESC| .3 .470162 0.0 1.0 20 0
EST| .65 .48936 0.0 1.0 20 0
--------+---------------------------------------------------------------------

7
 Artificio para reducir la explosión de datos. Crear otra variable a partir de la variable
PRECIO para poder calcular sin problemas el modelo. Click sobre el editor de datos,
proyecto, nuevo y procedimiento.

 Crear variable nueva a partir de la variable PRECIO.

8
 Introducir los comandos para crear la variable.

CREATE;PREC=PRECIO/100000$

Seleccionar y correr.

Se puede ver lo realizado en la ventana de datos. La variable PREC ha sido reducida de

PRECIO mediante un artificio para trabajar el modelo sin problemas.

 Calculo de modelo. Con la data trabajada y la variable PRECIO reducida, ir a modelo,

regresión no lineal y BoxCox.

9
 Fijar la variable dependiente: PREC. Y las otras variables independientes, a excepción
de PRECIO, PREC y _SAMPLE_. Se selecciona la variable ONE porque es la variable
estocástica, debe estar por defecto ya que representa otras variables que no se hallan
considerado en el modelo. Y transformación lambda 1, porque se está linealizando el
modelo.

 En la misma ventana, en la pestaña de opciones, seleccionar “Display marginal effects”

(elasticidades que se interpretan al final, es decir, la variación porcentual de cada
variable respecto a la variable PRECIO). Correr.

 Obtenemos los Resultados

10
-----------------------------------------------------------------------------
Box-Cox Nonlinear Regression Model................
Maximum likelihood estimator, Het.:W(i) = ONE
LHS=PREC Mean = 4.27000
Standard deviation = 1.87704
Number of observs. = 20
Model size Parameters = 10
Degrees of freedom = 10
Residuals Sum of squares = 11.8374
Standard error of e = .76933
Fit R-squared = .83201
Adjusted R-squared = .84041
Model test F[ 9, 10] (prob) = 5.5(.0068)
Not using OLS or no constant. Rsqrd & F may be < 0
BxCx transformations: RHS= ONE , LHS= Lambda
Elasticities have been kept in matrix EPSILON
Log-L acctg. for LHS transformation = -23.13423
--------+--------------------------------------------------------------------
| Standard Prob. 95% Confidence
PREC| Coefficient Error z |z|>Z* Interval
--------+--------------------------------------------------------------------
DIST| -.00750 .00880 -.85 .3942 -.02475 .00975
ING| .11913D-04 .1935D-04 .62 .5381 -.26012D-04 .49837D-04
NIT| -1.45532 2.75755 -.53 .5977 -6.86002 3.94938
BOS| -4.63926*** 1.53845 -3.02 .0026 -7.65457 -1.62396
SEG| -.03367 .55127 -.06 .9513 -1.11413 1.04680
ENER| .91169 .80788 1.13 .2591 -.67173 2.49510
AGUA| -.10780 .60863 -.18 .8594 -1.30069 1.08509
ESC| -1.26821* .75446 -1.68 .0928 -2.74692 .21051
EST| 1.14754 .73714 1.56 .1195 -.29722 2.59231
Constant| 3.92908* 2.08697 1.88 .0597 -.16131 8.01947
|Variance and transformation parameters..............................
Lambda| 1.0*** .28205 3.55 .0004 .44719 .15528D+01
Sigma-sq| .59187 .59574 .99 .3205 -.57576 1.75950
--------+--------------------------------------------------------------------
nnnnn.D-xx or D+xx => multiply by 10 to -xx or +xx.
***, **, * ==> Significance at 1%, 5%, 10% level.
Model was estimated on Aug 01, 2020 at 01:14:31 AM
-----------------------------------------------------------------------------

+------------------------------------------------------+
| Marginal Effects for Box-Cox |
| * Total effect = sum of terms |
+----------+----------+----------+----------+----------+
| Variable | Mean | Coeff. | Slope | Elast. |
+----------+----------+----------+----------+----------+
| DIST | 89.85000 | -.00750 | -.00750 | -.00193 |
| ING |********* | .00001 | .00001 | .00103 |
| NIT | .18200 | -1.45532 | -1.45532 | -.00076 |
| BOS | .17550 | -4.63926 | -4.63926 | -.00233 |
| SEG | .65000 | -.03367 | -.03367 | -.00006 |
| ENER | .50000 | .91169 | .91169 | .00130 |
| AGUA | .60000 | -.10780 | -.10780 | -.00018 |
| ESC | .30000 | -1.26821 | -1.26821 | -.00109 |
| EST | .65000 | 1.14754 | 1.14754 | .00213 |
+----------+----------+----------+----------+----------+

11
Se tiene la parte de estadística descriptiva de las variables, aquí podemos describir lo
que interese de las variables, máximo, mínimos, características, cuantos tienen un
comportamiento por cada variable.

El modelo que se tiene es una regresión lineal con transformación BoxCox, con
estimador de máxima verosimilitud. La variable dependiente que es el precio, su media,
desviación estándar, su número de observaciones (20), parámetros del modelo (10),
grados de libertad, sumas de cuadrados, r- cuadrado (mientras sea cercano a 1, mejor),
como calza el modelo con la tabla F con 9 grados de libertad y 10 observaciones, su p-
valor que es 0.0068 lo que es significativo.

Seguidamente tenemos las variables y sus coeficientes, error estándar, el valor z tabular,
la probabilidad y los intervalos de confianza. Si revisamos directamente los
coeficientes y sus signos, distancia tiene una relación negativa, es decir, indirecta con el
precio; teóricamente es correcto, debido a que mientras más distante este el predio de
los centros comerciales probablemente cueste menos, entonces mientras más aumente la
distancia el precio del predio disminuye. El ingreso es directamente proporcional por el
signo positivo, entonces mientras más ingreso, los predios aumentarán de precio lo cual
es certero con la realidad. Con respecto al nitrógeno, mientras más nitrógeno menos
valor del predio, esta variable tiene un comportamiento extraño, porque si es más fértil
el suelo los predios deberían tener mayor precio (relación directa). La variable bosque
tiene un comportamiento adecuado, porque mientras más área boscosa el precio del
predio será menor. En seguridad, mientras más inseguridad exista (presencia de
guerrillas), los precios del predio deben disminuir. En el caso de energía, al ser una
variable dicotómica, consideramos al 1 como positivo o que tiene y al cero como que
no, al ser su valor 0.91169 si la tiene el precio de los predios aumenta. La variable agua
tiene comportamiento extraño por el signo, significa que mientras más agua tenga, el
precio disminuye, debería tener una relación directa. Con respecto al tamaño de los
predios, donde 1 es que tiene más de 40 hectáreas y 0 es que tiene menos de 40
hectáreas, aquí el signo negativo hace que se tome en cuenta el 0, esto nos dice que los
predios que tienen menos de 40 hectáreas tienen un valor inferior con respecto a los
predios que tienen más de 40 hectáreas, lo cual está interpretado correctamente acorde a
la realidad. En establo, se interpreta que mientras tenga establo, el precio del predio
debe aumentar, por lo que tiene una relación directa.

En términos de coeficiente, relacionado al nitrógeno que es un componente ambiental,

podría ser un indicador de erosión, cuando el suelo está erosionado pierde su capacidad
productora y lo que se supone es que tiene menos nitrógeno, su contenido puede
representar cuánto está erosionado el suelo y esto es determinable en términos de
contenido de nitrógeno. Esta variable es extraña y difícil de interpretar.

En el caso de que el predio disponga de agua y está variable esté relacionada con la
escasez, si hablamos de ese término, no habría una relación adecuada ya que sería
contario decir que mientras más agua exista, menos debe costar le predio.

Recurriendo a la probabilidad o significancia de cada variable en el modelo, si

comparamos toda esa columna de la probabilidad z con la restricción de alfa igual a
0.05, ninguno es significativo, por tanto las variables de este caso no son significativas.
No obstante, hay un comportamiento adecuado en unas variables como distancia,
ingreso, área boscosa, seguridad, energía, si el predio es mayor o menos a 40 hectáreas
y si tiene establo o no. Excepto por las variables ambientales como nitrógeno y
disponibilidad de agua no se comportan adecuadamente. A partir de esto se descartan a
las de forma extraña, independiente mente si es ambiental o no, se descartaría nitrógeno
y agua porque no se comportan adecuadamente en el modelo.

12
En el agua, se interpreta en no disponibilidad de agua, porque es dicotómica
*REVISAR*

En el caso de efectos marginales se tiene medias, coeficientes, pendiente y elasticidades.

La elasticidad es la variación de la variable respecto a la variable PRECIO
(dependiente). En el caso de la variable DISTANCIA el precio del predio varía en
-.00193 %, disminuye en este caso, lo cual es correcto ya que varía en aproximadamente
1%, entonces el precio de los predios disminuye en -0.00193%, siendo la relación
porcentual. En el caso de la variable ING, es positiva ya que el predio aumenta el precio
en 0.00103%

….. analizar cada varaible

Lo que interesa de los efectos marginales son las elasticidades, que es el cambio
porcentual de cada variable respecto al cambio porcentual de la variable dependiente
PRECIO.

Completar la interpretación

13