Tasaciones Economtricas

de Inmuebles Urbanos

Miguel Camacaro Prez

M.Sc. Gerencia de la Construccin
Ingeniero Civil Tasador
camacaro@pellisistemas.com.br
mundovalor@cantv.net

PARTE VI
SOLUCIONES ESTADSTICAS PRCTICAS

9Caso 1 Investigacin de Datos

9Caso 2 Una variable adicional.
9Conclusiones e Interpretacin de Resultados.
9Representacin Grfica.
9Ejercicio Didctico del MRL Simple (sin uso de

computadora).
9Solucin del Ejercicio a travs del EXCEL
Microsoft y Essential Regression. (Estimacin Lineal
y Anlisis de Datos Regresin).
9Ejercicio del MRL Mltiple aplicando Excel y
Essential Regression - Microsoft.
9Ejercicio Comparativo de Transformacin de las
Variables.
9Ejercicios de Regresin Mltiple.

CASO 1 - INVESTIGACIN DE DATOS

Valor Rental Mensual Tipologa de Locales

Muestra

Precio (R$)

Dato 1

500,00

Dato 2

1.000,00

Dato 3

700,00

Dato 4

1.200,00

Dato 5

600,00

Media Aritmtica
4.000 / 5 = R$ 800,00

Pelli (2005)

DISPERSIN DE LOS DATOS

Media Aritmtica
1400
1200

1200
1000

1000

R$ 800,00

800
700
600

600
500
400
200
0
0

6
Pelli (2005)

VARIACIN TOTAL
ALREDEDOR DE LA MEDIA

Muestra

Precio

Media

Precio Media

(Precio
Media)2

Dato 1

500,00

800,00

-300,00

90.000,00

Dato 2

1.000,00

800,00

200,00

40.000,00

Dato 3

700,00

800,00

-100,00

10.000,00

Dato 4

1.200,00

800,00

400,00

160.000,00

Dato 5

600,00

800,00

-200,00

40.000,00

0,00

340.000,00
Pelli (2005)

CASO 2 - VALOR REA

Muestra

Precio
(R$)

rea
(m2)

Dato 1

500,00

10,00

Dato 2

1.000,00

70,00

Dato 3

700,00

30,00

Dato 4

1.200,00

80,00

Dato 5

600,00

10,00
Pelli (2005)

CASO 2 - VALOR REA

1400
Valor = 454,55 + 8,6364 x rea

1200
Valor

1000
800
600

Media Aritmtica

400
200

Regresin Lineal

0
0

20

40

60

80

100

rea
Pelli (2005)

CLCULO DE LA
ECUACIN DE REGRESIN

Yi nb0 b1 X i ) = 0
2
X iYi b0 X i b1 X i ) = 0

Pelli (2005)

CLCULO DE LA
ECUACIN DE REGRESIN

yi

xi

xi2

xi yi

500

10

100

5.000

1.000

70

4.900

70.000

700

30

900

21.000

1.200

80

6.400

96.000

600

10

100

6.000

4.000

200

12.400 198.000
Pelli (2005)

CLCULO DE LA
ECUACIN DE REGRESIN

4.000 5 b0 200 b1 = 0
198.000 200 b0 12.400 b1 = 0

Valor = 454,55 + 8,6364 x rea

Pelli (2005)

VARIACIN TOTAL ALREDEDOR

DE LA MEDIA

Muestra

Precio

Media
Regresin

Dato1

500,00

540,91

-40,91

1.673,55

Dato2

1.000,00

1.059,09

-59,09

3.491,74

Dato3

700,00

713,64

-13,64

185,95

Dato4

1.200,00

1.145,45

54,55

2.975,21

Dato5

600,00

540,91

59,09

3.491,74

0,00

11.818,00

(Precio
Media)

(Precio
Media)2

Pelli (2005)

ANLISIS DE LA REGRESIN

Variacin Anterior = 340.000,00

Variacin Actual = 11.818,00
Variacin Explicada = 328.182,00
340.000,00 11.818,00

Coeficiente de Determinacin = 0,9652

328.182,00 / 340.000,00

Coeficiente de Correlacin =

0,9652= 0,9824
Pelli (2005)

CONCLUSIONES
Analizando los coeficientes
Correlacin, tenemos :

de

Determinacin

de

9El coeficiente de determinacin representa el poder de

explicacin de las variables independientes (en el ejemplo,
solamente el rea), sobre la variable dependiente (en el
ejemplo, el Valor).
9As, al decir que el Coeficiente de Determinacin es igual a
0,9652 significa decir que 96,52% de la variacin del Valor
alrededor de la media es explicada por la variacin del rea
de los inmuebles.
9La variacin restante no explicada de 3,48% sera causada
por otras variables y por la aleatoriedad en la recoleccin de
los datos de la muestra.
Pelli (2005)

REPRESENTACION GRFICA

O
O
O
O
O

O
O
O
O
O
O

CASO 1: Dispersin alrededor de

la
media
de
la
variable
dependiente.

CASO 2: Dispersin de los datos

alrededor de la lnea de mejor
ajuste.
Chapra (2003)

EJERCICIO SOLUCIN MANUAL

Dantas (2002)

TABLA DE DATOS - CLCULOS

Yi

X i2

X i . Yi

(Xi X) (Xi X )2 (Yi Y) (Yi Y)2 (Xi X).(Yi Y)

Yi

(Yi Yi ) = ei

ei2 = (Yi Yi )2

(Yi Y) (Y Y)2
i

(ei ei 1)2

e*i

Camacaro (2006)

FORMULARIO
Interpretacin de la
Figura:

Ecuacin de la Recta:

MMC -Ecuacin N 1
b . n + b . X i = Yi
0

b0=

MMC -Ecuacin N 2
2
b 0 . X i + b1 . X i = X i Yi

Coeficiente de Correlacin:

r=

(X i X

)(Yi Y )
)2 . (Yi Y )2

(X i X

Variacin

Sumatoria de los
Cuadrados

Explicada (regresin)

2
SQR = Yi Y

No Explicada (error)

Total
Estadstico de Prueba del
Parmetro:

t *j =

bj

( )

Intervalo de Confianza

n-2

2
(Yi Y )

n-1

Desviacin del
Parmetro:

( )

s b j = se .

s bj

Valor Unitario

Grados de Libertad

Y0
I = Y0

2
(X i X )

b0 + b1 . X 0

( )

. s Y0

I = bj

( )

Vn

(Yi Yi )

exp =

n2

(Yi Y )

Vtot =

( )

(X 0 X )2
1
+
2
n
(X i X )

n 1

d =

e i e i 1

i=2

ei2

i =1

n2

Yi Y
1
FC =
Y Y

n2
Comparar con
Ftab(;1;n-2)

Estadstico Durbin-Watson:
Con ; n; K se busca dL y dU
en la tabla y se consigue (4dU) y (4- dL)
n

)2
2

t1 / 2 ;( n 2 ) . s b j

s Y0 = s e .

(Yi

(Yi Yi )

Estadstico de
Prueba del modelo.

Varianza
V exp =

Intervalo de Confianza
del Parmetro:

t 1 / 2 ; ( n 2 )

Desviacin Estndar del

Modelo:

R = r2

2
Yi Yi

SQE =
SQT =

Coeficiente de
Determinacin:

b1=

Error
Estandarizado:

ei* =

ei
se

Normalidad:

[ 1; + 1 ] el 68 % de resid .es tan d .

[ 1,64 ; + 1,64 ] 90 %
[ 1,96 ; + 1,96 ] 95 %

Camacaro (2006)

RESULTADOS
N
1
2
3
4
5

Xi

0
1
1
2
1
5

Yi
3
2
1
1
3
10

r=
2

r =

Se =

(Yi Y)

(Yi Y)2 (Xi X ).(Yi Y)

(Xi X )2

0
1
1
4
1
7

0
2
1
2
3
8

-1
0
0
1
0
0

1
0
0
1
0
2

1
0
-1
-1
1
0

1
0
1
1
1
4

-1
0
0
-1
0
-2

3
2
2
1
2
10

0
0
-1
0
1
0

0
0
1
0
1
2

1
0
0
-1
0
0

-0,71

Vexp =

2,00

Fcal =

3,00

s(b j ) =

0,58

b jmin =

-0,05

d=

1,50

0,50

Vnexp =

0,67

0,82

V tot =

1,00

b0 . n + b1 . Xi =Yi

10,13

t* =

1,73

b jmax =

-1,95

dL=

bj =

-1,00

t (0,975;3) =

3,18

t (0,90;3) =

1,64

dU=

(Xi X )(Yi Y )

r=

) (

2
2
Xi X . Yi Y

Coeficiente de Determinacin

b0 . Xi + b1 . X i = Xi Yi

Desviacin Estndar

se

t =

bj

s (b j )

Desviacin del parmetro

Y0

= b0 + b1 . X 0

Vexp

Desviacin del parmetro

( )

s bj = se .

2
Yi
n p

2
(X i X )

()

s Y0 = se .

1
+
n

(Yi Yi )

( X0 X )
2
(Xi X )
2

n2

Varianza Total

(Yi Y )
=

Intervalo de Confianza del Parmetro

1
0
0
1
0
2

ei*
0,00
0,00
-1,22
0,00
1,22
0,00

4-dL =

3,39

X0

1,50

2,86

Y0

1,50

s Y0 =

0,47
Imax
2,26

4-dU =

1,14<d<2,86 No autoreg.

(ei*)
0,00
0,00
1,50
0,00
1,50
3,00

(ei-ei-1)

()

Imin
0,74

0,00
1,00
1,00
1,00
3,00

[1; +1 ] el 68% de resid.estand.

[1,64; + 1,64 ] 90%
[1,96; + 1,96] 95%

(Yi Y )

Vtot =

n 1

Residuo Estandarizado

( )

I = bj t1 / 2;(n2) . s bj

Desviacion en torno a (X0,Y0) e Intervalo de confianza

1,14

Vn exp =

R = r2

b0=

(Y i

0,61

(Yi Y)2

Varianza No Explicada

Varianza Explicada

3
Estadstico de Prueba del Parmetro

Yi

Ftab(0,05,1;3)=

Coeficiente de Correlacin

-1

*
j

(Yi Yi ) = ei (Yi Yi )2 = ei2 (Yi Y)

Xi X

Clculo de los Regresores de la Ecuacin de Regresin

b1=

TABLA CON RESULTADOS DEL EJERCICIO N 5.13.1

X i . Yi

X i2

e
ei* = i
se

Normalidad de los errores

Min * Desv. Max. Desv.
%
-0,82

0,82

60

-1,34

1,34

100

-1,60

1,60

100

Estadstico de Durbin - Watson

()

I = Y0 t1 / 2; ( n 2) . s Y0

ei ei 1

d = i =2

ei2

i =1

Camacaro (2006)

RESULTADOS
Distancia vs. Precio Unitario
3,5

0; 3

1; 3

Precios Unitarios ( R/m2)

2,5

1; 2

y =3 -x
1,5

1; 1

2; 1

0,5

0
0

0,5

1,5

2,5

Distancia (Km)

Camacaro (2006)

RESULTADOS

Yest. vs e*
1,5

e*

0,5

0
0

0,5

1,5

2,5

3,5

-0,5

-1

-1,5

Yest
Camacaro (2006)

SOLUCIN USANDO EXCEL

Dist.
0
1
1
2
1

ENFOQUE MATRICIAL:
Insertar funcin : ESTIMACION.LINEAL

P.Unita
3
2
1
1
3

Introducir los datos correspondientes a Y y X, adems colocar Verdadero en las dos

casillas siguientes. Dar aceptar y se obtiene el resultado del ltimo regresor. Luego
haciendo un campo matricial de dos columnas y cinco filas, se aprieta la tecla F2 y
luego se teclea simultneamente Control y Shift, se dejan pisadas y despus la tecla
enter, para obtener la siguiente matriz:

enter

Ctrl

La matriz de salida representa:

Salida del ejercicio

b1

b0

-1,00

3,00

deb1
2
R

deb0

0,58

0,68

dey

0,50

0,82

3,00
2,00

3,00
2,00

Fcal
Sum. Cuad. Reg.

G.L.
Sum.Cuad. Res.

Camacaro (2006)

SOLUCIN USANDO EXCEL

ANLISIS DE DATOS:
Herramientas-Anlisis de Datos Regresin. Luego, introducir los datos y se obtiene:
Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones

Dist.
0
1
1
2
1

0,71
0,50
0,33
0,82
5,00

P.Unita
3
2
1
1
3

ANLISIS DE VARIANZA
Grados de libert Suma de cuadrados Promedio de los cuadrados
1,00
2,00
2,00
3,00
2,00
0,67
4,00
4,00

Regresin
Residuos
Total

Intercepcin
Dist.

Coeficientes
3,00
-1,00

Error tpico

Estadstico t
0,68
0,58

4,39
-1,73

0,00
0,00
-1,00
0,00
1,00

Residuos estndares
0,00
0,00
-1,41
0,00
1,41

F
3,00

Valor crtico de F
0,18

Probabilidad
0,02
0,18

Inferior 95%
0,83
-2,84

Anlisis de los residuales

Observacin

onstico P.Un
1,00
3,00
2,00
2,00
3,00
2,00
4,00
1,00
5,00
2,00

Residuos

Camacaro (2006)
Camacaro (2006)

SOLUCIN USANDO
ESSENTIAL REGRESSION
Essential Regression:

P.Unita = b0 + b1*Dist.

Summary
|R|
2
R
2
R adjusted
Standard Error
# Points
PRESS
2
R for Prediction
Durbin-Watson d
First Order Autocorrelation
Collinearity
Coefficient of Variation
Precision Index

0,707
0,500
0,333
0,816
5
3,13
0,219
1,500
0,000
1,000
40,825
3,162

Dist.
0
1
1
2
1

Instalacin
directa
desde
www.essentialregression.com, se baja
la versin para analizar datos
estadsticos.

P.Unita
3
2
1
1
3

ANOVA
Source
Regression
Residual
LOF Error
Pure Error
Total

b0
b1

SS
SS%
2,000
50
2,000
50
0 0 (0)
2,000 50 (100)
4,000
100

MS
F
F Signif
2,000 3,000
0,182
0,667
0 0,0000
1,000
1,000

P.Unita = b0 + b1*Dist.
P value Std Error
-95%
3,000 0,02188
0,683 0,826
-1,000
0,182
0,577 -2,837

df
1
3
1
2
4

95% t Stat
5,174 4,392
0,837 -1,732

Camacaro (2006)

EJERCICIO - SOLUCIONES VARIAS

rea
(m2)
300,00
520,00
420,00
280,00
736,00
360,00
475,00
305,00
360,00
610,00
580,00
320,00

Distancia
(m)
8,15
6,20
7,65
6,90
7,35
8,50
7,30
8,00
7,75
8,50
6,00
7,90

Local
(adim)
8,00
7,00
6,00
8,00
7,00
5,00
4,00
9,00
8,00
4,00
9,00
7,00

Precio
( USD)
26.250,00
48.360,00
33.285,00
33.600,00
50.048,00
20.250,00
30.260,00
28.500,00
31.700,00
29.750,00
59.000,00
24.500,00

Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones

0,99
0,99
0,99
1.402,31
12,00

ANLISIS DE VARIANZA
Regresin
Residuos
Total

Intercepcin
rea
distancia
local

Grados de libertad Suma de cuadrados Promedio de los cuadrados

3,00
1.475.961.236,34
491.987.078,78
8,00
15.731.741,91
1.966.467,74
11,00
1.491.692.978,25
Coeficientes
52.331,40
49,94
-7.341,06
2.277,14

Error tpico
7.147,13
3,46
647,91
298,69

Estadstico t
7,32
14,45
-11,33
7,62

F
250,19

Valor crtico de F
0,00

Probabilidad
0,00
0,00
0,00
0,00

Inferior 95%
35.850,08
41,97
-8.835,14
1.588,35

Camacaro (2006)

EJERCICIO - SOLUCIONES VARIAS

Precio = b0 + b1*rea + b2*distancia + b3*local

rea
(m2)
300,00
520,00
420,00
280,00
736,00
360,00
475,00
305,00
360,00
610,00
580,00
320,00

Distancia
(m)
8,15
6,20
7,65
6,90
7,35
8,50
7,30
8,00
7,75
8,50
6,00
7,90

F
250,19

F Signif
3,03145E-08

Precio = b0 + b1*rea + b2*distancia + b3*local

P value
Std Error
-95%
52331,4 8,21231E-05
7147,1 35850,1
49,94 5,14947E-07
3,456
41,97
-7341,1 3,31655E-06
647,91
-8835,1
2277,1 6,16699E-05
298,69
1588,4

95%
68812,7
57,91
-5847,0
2965,9

Summary
|R|
2
R
R adjusted
Standard Error
# Points
PRESS
2
R for Prediction
Durbin-Watson d
First Order Autocorrelation
Collinearity
Coefficient of Variation

0,995
0,989
0,985
1402,3
12
34904287,73
0,977
2,367
-0,291
0,591
4,050

Source
Regression
Residual
Total

SS
1475961236
15731741,91
1491692978

b0
b1
b2
b3

ANOVA
SS%
MS
99 491987078,8
1 1966467,738
100

Local
(adim)
8,00
7,00
6,00
8,00
7,00
5,00
4,00
9,00
8,00
4,00
9,00
7,00

Precio
( USD)
26.250,00
48.360,00
33.285,00
33.600,00
50.048,00
20.250,00
30.260,00
28.500,00
31.700,00
29.750,00
59.000,00
24.500,00

df
3
8
11

t Stat VIF
7,322
14,45
1,426
-11,33
1,553
7,624
1,527

Camacaro (2006)

EJERCICIO USANDO
SISREN WINDOWS

Camacaro (2006)

EJERCICIO USANDO
SISREN WINDOWS

Camacaro (2006)

EJERCICIO CON TRANSFORMACIN DE

LA VARIABLE INDEPENDIENTE
rea
(m2)
300,00
520,00
420,00
280,00
736,00
360,00
475,00
305,00
360,00
610,00
580,00
320,00

Distancia
(m)
8,15
6,20
7,65
6,90
7,35
8,50
7,30
8,00
7,75
8,50
6,00
7,90

Local
(adim)
8,00
7,00
6,00
8,00
7,00
5,00
4,00
9,00
8,00
4,00
9,00
7,00

Ln Precio
(adm)
10,18
10,79
10,41
10,42
10,82
9,92
10,32
10,26
10,36
10,30
10,99
10,11

Resumen

Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones

0,99
0,97
0,96
0,06
12,00

ANLISIS DE VARIANZA
Regresin
Residuos
Total

Intercepcin
rea
distancia
local

Grados de libertad Suma de cuadrados Promedio de los cuadrados

3,00
1,05
0,35
8,00
0,03
0,00
11,00
1,08
Coeficientes
10,96
0,00
-0,20
0,06

Error tpico

Estadstico t
0,31
0,00
0,03
0,01

35,25
8,64
-7,19
4,45

F
93,85

Valor crtico de F
0,00

Probabilidad
0,00
0,00
0,00
0,00

Inferior 95%
10,25
0,00
-0,27
0,03

Camacaro (2006)

EJERCICIO
ESSENTIAL REGRESSION
Ln Precio = b0 + b1*rea + b2*distancia + b3*local

rea
(m2)
300,00
520,00
420,00
280,00
736,00
360,00
475,00
305,00
360,00
610,00
580,00
320,00

Summary
|R|
2
R
R adjusted
Standard Error
# Points
PRESS
2
R for Prediction
Durbin-Watson d
First Order Autocorrelation
Collinearity
Coefficient of Variation

0,986
0,972
0,962
0,06103
12
0,05
0,952
1,260
0,270
0,591
0,587

Source
Regression
Residual
Total

SS
1,049
0,02980
1,078

b0
b1
b2
b3

ANOVA
SS%
97
3
100

MS
0,350
0,00372

F
93,85

F Signif
1,41816E-06

Ln Precio = b0 + b1*rea + b2*distancia + b3*local

P value
Std Error
-95%
10,96 4,59409E-10
0,311
10,25
0,00130 2,48994E-05 0,000150 0,000953
-0,203 9,33136E-05 0,02820
-0,268
0,05788
0,00213 0,01300 0,02790

95%
11,68
0,00165
-0,138
0,08786

Distancia
(m)
8,15
6,20
7,65
6,90
7,35
8,50
7,30
8,00
7,75
8,50
6,00
7,90

Local
(adim)
8,00
7,00
6,00
8,00
7,00
5,00
4,00
9,00
8,00
4,00
9,00
7,00

Ln Precio
(adm)
10,18
10,79
10,41
10,42
10,82
9,92
10,32
10,26
10,36
10,30
10,99
10,11

df
3
8
11

t Stat
35,25
8,644
-7,190
4,453

VIF
1,426
1,553
1,527

Camacaro (2006)

EJERCICIO USANDO
SISREN WINDOWS

Camacaro (2006)

EJERCICIO TODAS LAS

TRANSFORMACIONES

Camacaro (2006)

EJERCICIOS USO DEL SISREN

WINDOWS

9Ubicar el archivo Ejercicio1.xls y llevar los datos

al programa SisReN, siguiendo las instrucciones del

facilitador.
9Realizar el clculo en la opcin general sin
transformaciones y analizar los datos.
9Agregar variables y/o datos para mejorar los
resultados obtenidos.
9Si
no
hay
mejora
posible
emplear
transformaciones en las variables.
9Revisar los puntos atpicos.
9Definir la ecuacin de regresin y de estimacin.
9Analizar los resultados variando los datos del
inmueble tasable.
9Anlisis de resultados y conclusiones.
Camacaro (2006)

EJERCICIOS USO DEL SISREN

WINDOWS

9Ubicar el archivo Ejercicio2.xls y llevar los datos

al programa SisReN, siguiendo las instrucciones del

facilitador.
9Realizar el clculo en la opcin general sin
transformaciones y analizar los datos.
9Agregar variables y/o datos para mejorar los
resultados obtenidos.
9Si
no
hay
mejora
posible
emplear
transformaciones en las variables.
9Revisar los puntos atpicos.
9Definir la ecuacin de regresin y de estimacin.
9Analizar los resultados variando los datos del
inmueble tasable.
9Anlisis de resultados y conclusiones.
Camacaro (2006)