Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Autores
Nicolas Alvarado Rodriguez - 20171025084
Lina Paola Talero- 20162025047
Nicolas Osma Vargas- 20191025049
Presentado a:
PhD. Carlos E. Melo. M.
Facultad de Ingeniería
Ingeniería Catastral y Geodesia
Econometría
Bogotá D.C.
Diciembre 2021
P á g i n a 1 | 20
Tabla de Contenido
1. INTRODUCCIÓN..............................................................................................................3
2. OBJETIVOS.......................................................................................................................3
3. ESTADO DEL ARTE.........................................................................................................4
4. MARCO TEÓRICO............................................................................................................9
5. ESTADÍSTICAS DESCRIPTIVAS .................................................................................11
6. CONCLUSIONES............................................................................................................19
7. PLANTEAMIENTO DEL MODELO…………………………………………………..19
8. BIBLIOGRAFÍA ..............................................................................................................20
Índice de Tablas
P á g i n a 2 | 20
1. INTRODUCCIÓN
Es importante que para cualquier persona la cual desea por algún motivo adquirir un
inmueble, sin importar el motivo de su compra o el deseo de esta persona para adquirir algún
predio, con este fin analizaremos las diferentes variables que pueden afectar el precio de este
bien inmueble sean factores externos al bien inmueble o también las características que posea
este bien los factores internos, esto debido a que muchas veces las personas tienen este
proceso o estas factores muy bien especificados.
Debido a esto realizares este trabajo para dar a conocer a aquellas personas como se trabajan
estas variables, por lo tanto en nuestro trabajo tendremos como primer medida como vamos
a darles un contexto como se analizaron varios estudios para dar un contexto global y analizar
estos modelos de diferentes investigaciones para posteriormente intentar llegar a nuestra zona
de estudio para así tener una aproximación mas clara de como puede llegar a funcionar
nuestro planteamiento, ya posterior a esto tendremos que conocer cuales son los conceptos
que tendremos que tener claro para el desarrollo de nuestro modelo, esto debido a que es
importante tener claros los conceptos básicos de estadística y sobre todo la normativa básica
que maneja la republica de Colombia con respecto a estos temas, ya con estos conceptos
podremos analizar las bases de datos las cuales fueron proporcionadas para el desarrollo de
estas, con este información de las bases de datos, podremos realizar nuestra ultima parte la
cual es plantear un modelo econométrico, esto con el fin de desarrollar los diferentes
conceptos no solos vistos en el espacio académico sino a lo largo de la carrera que nos
llevaron a esta asignatura, también es importante debido a que gracias a estos conocimientos
podremos llevar a cabo tareas a las cuales como estudiantes de Ingeniería Catastral Y
Geodesia nos estamos formando como profesionales.
2. OBJETIVOS
P á g i n a 3 | 20
3. ESTADO DEL ARTE
Como segundo punto de vista la autora nos plantea los problemas que tienen los
inmuebles rústicos más allá de los anteriormente planteados como nos dice “La
preocupación por mantener los precios resultantes en las operaciones de transacción
en secreto” (Martínez. A 1998), esto nos lleva a varios problemas que como lo dice
ella son “Históricos” (Martínez. A 1998) también habría que definir otros problemas
como los son los problemas “Técnicos” (Martínez. A 1998), los cuales afectan mas a
los inmuebles rústicos públicos, cabe resaltar que la autora nos expresa ella como
divido los bienes rústicos, en dos grandes grupos los cuales son de interés público y
de interés privado esto con el fin de mirar su valoración, este seria el problema sin
embargo nos plantea varias cosas importantes mas como ella nos dice en un concepto
el cual es #el valor catastral en función de la rente de la tierra, no es otra cosa que la
capitalización de la renta de la tierra a un tipo de interés dado” (Martínez. A 1998),
pero ella nos planea que este concepto tiene varios errores conceptuales los cuales
quiero rescatar uno “Definir del concepto de renta de la tierra como canon de
arrendamiento o bien como renta calculada a través de la cuenta de gastos y
productos” (Martínez. A 1998), lo cual nos lleva a el planteamiento que la tierra no
podemos tratarla como el manejo de la tierra de un manejo homogéneo de
valorización.
Para finalmente saber que este problema tiene como afectados a los dos puntos de
vista, para todo esto mostrarnos e intentar plantear un modelo econométrico que
solucione los problemas vistos anteriormente planteados esto con el fin de dar
solución a estos problemas:
𝑉𝑚 = 𝑓(𝑋1 , 𝑋2 , . . , 𝑋𝑛 ) (𝟏)
𝑉𝑚 = 𝑎1 𝑋1 + 𝑎2 𝑋2 + ⋯ + 𝑎𝑛 𝑋𝑛 (𝟐)
Cabe mencionar que la autora, utilizando este método nos dice da varias cosas que a
ella le parecen ventajosas a la hora de usar este método, las cuales voy a mencionar
una de ellas “Conseguir una mayor eficacia en la asignación de los valores tal que
P á g i n a 4 | 20
logran eliminar las deviaciones provocadas por información desacertada” (Martínez.
A 1998), también es importante lo que nos dice la autora sobre los parámetros o cuales
son 𝑎1 𝑎2 … . 𝑎𝑛 siendo este una regresión múltiple.
Ya aplicando buscando directamente el problema que nos plantea el autor nos habla
sobre las variables que determinan el valor de un bien inmueble las cuales son “la
suma de un conjunto de variables que contribuyen en mayor o menor grado a explicar
P á g i n a 5 | 20
el comportamiento de dicho valor” las cuales son dice en algunos términos que la
conservación, área, entre otras las variables que normalmente usamos para la
determinación del valor de un bien inmueble, estos siendo los métodos tradicionales,
sin embargo lo que el autor quiere buscar en este articulo es comprar todos los
métodos que existen para dar una valorización, con este fin el autor plantea comprar
los procedimientos de aplicaciones y análisis a través de modelos econométricos de
regresión múltiple.
Por lo tanto, el autor usa como el modelo econométrico un modelo de regresión lineal
el cual es:
𝑉𝑚 = 𝑓(𝑥) = 𝛽0 + 𝛽1 ∗ 𝑋1 + ⋯ + 𝛽𝑛 ∗ 𝑋𝑛 (𝟓)
Ya posterior a este nos donde esta la zona de estudio la cual esta en la cuidad de
Bogotá limitada por Norte: Calle 116, Sur: Calle 80, Este: Carrera 70; Oeste: Av.
Boyacá, ya una vez el hecho de sacar la definición del polígono nos dice que tomo
una muestra significativa de 112 referencias, por lo tanto, nos da ya las un modelo
que posteriormente busca sus parámetros, teniendo en cuenta que “por defecto, las
variables numéricas a utilizar serán: Área, Distancia al C.C. Titán Plaza y Distancia
al Transmilenio. En el caso del No de Habitaciones, No de Baños, No de Garajes y la
Edad” (Bernal. L 2016).
Ya una vez trabajado y analizado como lo dijimos en la anterior parte utilizando una
muestra de 112 referencias todas ellas apartamentos tenemos que el modelo nos da el
siguiente nos arroja el resultado que es:
P á g i n a 6 | 20
confiables, que ayuden a eliminar las diferentes deviaciones que provocan la
información erróneas, todo esto para ayudar a eliminar distorsiones de tiempo y que
ayude a determinaciones del valor de los inmuebles rústicos, esto con el fin de tener
una mayor certeza a la hora de hacer una valorización adecuada.
El autor nos plantea un estudio que el mismo realizo en diferentes fincas para ser
exacto en 55 fincas de naturaleza agraria y que se encuentran en zonas de alta
influencia agraria en diferentes ciudades importantes del país de México, sin
embargo, ya al momento de realizar en análisis encontraron de 44 de las fincas con
23 variables, por lo que el decidido manejar estas 44 fincas y descartas las otras 11
fincas, teniendo en cuenta esto se plante el modelo de general econométrico.
𝑉 = 𝑓(𝑋1 , 𝑋2 , . . , 𝑋𝑛 ) (8)
Con base a estos datos se cuantificaron las variables que afectan de la tierra ya con
este análisis cuantitativo, se pudo llegar usar un modelo en este caso será una fórmula
sencilla con una sola variable explicativa.
𝑉 = 𝛽0 + 𝛽1 ∗ 𝑋1 + 𝛽2 ∗ 𝑋2 + 𝛽3 ∗ 𝑋3 + 𝛽4 ∗ 𝑋4 + 𝛽5 ∗ 𝑋5 + ϵ (9)
Ya una vez el modelo de estudio analizando las pruebas y poniendo que las variables
V = Valor/ha X1 = Rendimiento o Ingreso bruto/ha X2 = Distancia a la ciudad de
Puebla X3 = Índice de siniestralidad X4 = Superficie X5 = Costo de producción, ya
una vez analizando las pruebas y haciendo los respectivos cálculos tenemos que los
betas significativas solo es uno el rendimiento por lo tanto el modelo queda
𝑉 = 𝛽0 + 𝛽1 ∗ 𝑋1 (10)
Tenemos también que los datos que se analizaron tenemos que nuestro modelo ya
ajustado para tener las consideraciones que esta variable de Beta sub 1 nos da el
modelo explicado que con un valor alfa de 0,01 por ciento tenemos que la variable
explica en 96,2818 de la variable.
𝑉 = 2806.69 + 4360.91 ∗ 𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 (11)
3.5 Estimation of the hedonic valuation model in housing markets: the case of
cukurambar region in cankaya district of ankara province: En este artículo, se
estimó el valor de los avalúos catastrales de diferentes viviendas, con la ayuda de un
modelo econométrico, basado en factores estructurales, ambientales y económicos
para distintos predios, en la provincia de Ankara, Turquía. Con la ayuda de una base
de datos de 327 registros, en donde se eligieron las variables con más alto grado de
multicolinealidad (Hayrullahoglu et al., 2018).
En donde:
P á g i n a 8 | 20
• Direction Score: Hace referencia a un valor dependiente de la posición cardinal
• en la que se ubique el predio. En donde el sur, este, norte y oeste, tienen los valores
• 4, 3, 2 y 1 respectivamente (Variable Dummy).
• Building Complex Score: Hace referencia a un valor dependiente de los materiales
• de construcción de la edificación (Positivo).
• Building Age: Hace referencia a la edad de la construcción (Negativo).
• (1/Distance to Metro Station): Hace referencia a la distancia a la estación del
• metro a la menos uno (Positivo).
• (1/Distance to Konya Road): Hace referencia a la distancia a la carretera Konya
• a la menos uno (Positivo).
4. MARCO TEORICO
4.4 Normas:
• Ley 388 de 1997: Por la cual se dictan los principios de, normas y procedimientos
para el ordenamiento territorial, “Por la cual se modifica la Ley 9 de 1989, y la Ley
2 de 1991 y se dictan otras disposiciones.” (Congreso de la Republica de Colombia
1997)
• Decreto o 1420 de 1998: “Por el cual se reglamentan parcialmente el artículo 37 de
la Ley 9 de 1989, el artículo 27 del Decreto-ley 2150 de 1995, los artículos 56, 61,
62, 67, 75, 76, 77, 80, 82, 84 y 87 de la Ley 388 de 1997 y, el artículo 11 del Decreto-
ley 151 de 1998, que hacen referencia al tema de avalúos” (Congreso de la Republica
de Colombia 1997).
P á g i n a 10 | 20
5. ESTADÍSTICAS DESCRIPTIVAS
El presente trabajo parte de una muestra de datos de corte transversal, en la que se detalló la
información de 7038 predios vendidos en la localidad de Suba (Bogotá D.C) desde en año
2005 hasta el 2011. Para la finalidad del presente trabajo fueron requerido los datos del año
2011, estratos 1 al 3, para un total de 963 predios.
Nombre Variable Tipo de Variable Definición
ID_1 Cualitativa Nominal Identificador del predio
COORD_X Cuantitativa Continua Coordenada en el eje de las X (Metros)
COORD_Y Cuantitativa Continua Coordenada en el eje de las Y (Metros)
AÑO Cuantitativa Discreta Año de la oferta del predio (Años)
PRECIO_OFERTA Cuantitativa Continua Precio de la oferta del predio (Pesos Colombianos)
PRECIO_INTEGRAL Cuantitativa Continua Precio del predio (Pesos Colombianos)
PERIODO Cualitativa Ordinal Año de la oferta de venta del predio (1 2005, 2 2006)
ESTRATO Cualitativa Ordinal Estrato socioeconómico (1,2,3,4,5,6)
BARRIO Cualitativa Nominal Área del suelo urbano (1 a 124)
UPZ Cualitativa Nominal Unidad de planeación zonal (1 a 12)
TIPO_INMUEBLE Cualitativa Nominal Categorización
BAÑOS Cuantitativa Discreta Número de baños del predio
COCINAS Cuantitativa Discreta Número de cocinas del predio
ALCOBAS Cuantitativa Discreta Número de alcobas del predio
Posición dentro de la manzana catastral (1 esquinero, 2 medianero, 3
medianero con dos frentes, 4 cabecero de manzana, 5 manzanero, 6 al
UBICACIÓN_LOTE Cualitativa Nominal
fondo en calle sin salida, 7 lateral en calle sin salida, 8 interior sin acceso
propio)
Cercanía de la vivienda a las vías de acceso (0 sin influencia, 1 via local,
INFLUENCIA_VIA Cualitativa Nominal
2 vía zonal, 3 arterial complementaria, 4 arterial principal)
ELEVACION_MSNM Cuantitativa Continua Altura del predio con respecto al nivel del mar (msnm)
Tipo de terreno donde se encuentra el predio (1 plana, 2 inclinada, 3
TOPOGRAFIA Cualitativa Nominal
empinada)
DENS_POBL Cuantitativa Discreta Número de personas residentes del barrio
AREA Cuantitativa Continua Área del lote (m2)
DIST_CULT Cuantitativa Continua Distancia al centro cultural más cercano (m)
DIST_SUPERM Cuantitativa Continua Distancia al supermercado más cercano (m)
DIST_HUMEDAL Cuantitativa Continua Distancia al humedal más cercano (m)
DIST_SALUD Cuantitativa Continua Distancia al centro de salud más cercano (m)
DIST_COMERCIAL Cuantitativa Continua Distancia al centro comercial más cercano (m)
DIST_RIO Cuantitativa Continua Distancia al rio más cercano (m)
DIST_TRANSMILENIO Cuantitativa Continua Distancia a la estación de Transmilenio más cercana (m)
DIST_CLUB Cuantitativa Continua Distancia al club más cercano (m)
DIST_CAI Cuantitativa Continua Distancia al C.A.I más cercano (m)
DIST_EDU Cuantitativa Continua Distancia al centro educativo más cercano (m)
DIST_VIA Cuantitativa Continua Distancia a la avenida principal más cercana (m)
DIST_PARQUE Cuantitativa Continua Distancia al parque más cercano (m)
P á g i n a 11 | 20
Datos de validación cruzada
Se escogieron un total de 15 datos de validación cruzada, no se utilizó ningún criterio de
selección para su elección. Simplemente fueron tomados al azar.
ID_1 COORD_X COORD_Y AÑO PERIODO ESTRATO BARRIO UPZ TIPO_INMUEBLE BAÑOS COCINAS ALCOBAS UBICACIÓN_LOTE ELEVACION_MSNM
TOPOGRAFIA
5547 96141.601 116044.635 2011 26 2 47 11 1 3 3 8 2 2551 1
5835 103005.807 119124.601 2011 26 3 60 1 1 2 1 4 1 2558 1
5605 97216.706 115344.997 2011 26 2 10 10 1 3 1 4 2 2552 1
6947 96658.787 117494.208 2011 25 3 84 11 1 1 1 3 1 2551 1
6977 103419.735 117793.255 2011 25 3 66 2 1 2 2 4 2 2557 1
5602 97435.187 115146.362 2011 26 2 10 10 1 4 4 12 2 2554 1
6025 96661.869 117170.916 2011 27 3 84 11 0 1 1 3 1 2552 1
5551 96562.47 115805.76 2011 26 2 47 11 1 3 2 7 1 2551 1
6953 96698.566 117840.963 2011 25 3 84 11 1 2 1 4 1 2552 1
6556 97158.231 117323.268 2011 28 3 101 9 0 1 1 3 1 2554 1
5838 102991.884 118914.068 2011 26 3 60 1 0 2 1 3 2 2555 1
6945 96659.554 117233.659 2011 25 3 84 11 0 2 1 2 1 2554 1
6257 102503.078 117281.791 2011 27 3 17 3 0 2 1 5 1 2557 1
6949 96694 117525.297 2011 25 3 84 11 1 2 1 3 1 2551 1
5722 97971.596 117922.807 2011 26 3 108 9 0 1 1 3 1 2552 1
800
600
Frecuencia
400
200
0
Estrato 2 Estrato 3
Estrato
P á g i n a 12 | 20
1.40E+09
1.20E+09
Precio oferta
1.00E+09
8.00E+08
6.00E+08
4.00E+08
2.00E+08
0.00E+00
0 0.5 1 1.5 2 2.5 3 3.5
Estrato
400
350
300
Frecuencia
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11
UPZ
P á g i n a 13 | 20
540
520
Frecuencia
500
480
460
440
420
400
1 0
Tipo Inmueble
Media 92.51
Mediana 62.1
Máximo 513.9
Mínimo 20.72
Curtosis 8.62
Ahora bien, luego de realizar los correspondientes gráficos de dispersión de las diferentes
variables de “localización” (DIST_CULT, DIST_SUPERM, DIST_HUMEDAL,
DIST_SALUD, DIST_COMERCIAL, DIST_RIO, DIST_TRANSMILENIO,
DIST_CLUB, DIST_CAI, DIST_EDU, DIST_VIA, DIST_PARQUE), variables
cuantitativas continuas, se observa que no existe indicio alguno de una relación lineal entre
estas y el precio de la vivienda. Por poner ejemplos en concreto, a continuación, se
muestran dos dispersogramas. El de la izquierda establece la relación entre la distancia al
centro cultural más cercano en metros y el precio de la vivienda. mientras que el de la
derecha establece la relación entre la distancia al centro comercial más cercano en metros y
el precio de la vivienda. Todo en metros.
1.40E+09 1.40E+09
1.20E+09 1.20E+09
1.00E+09 1.00E+09
Precio Oferta
Precio Oferta
8.00E+08 8.00E+08
6.00E+08 6.00E+08
4.00E+08 4.00E+08
2.00E+08 2.00E+08
0.00E+00 0.00E+00
0 2000 4000 6000 8000 0 1000 2000 3000 4000
Distancia Distancia
P á g i n a 15 | 20
Grafica 8 y 9. Diagrama de dispersión entre la distancia al centro cultural y el Precio
Oferta, y diagrama de dispersión entre la distancia al centro comercial y el Precio Oferta.
Fuente. Elaboración propia.
¿Esto significa que es inexistente una relación entre el precio y las distancias a diferentes
lugares alrededor de estos? No. Se cree que esto sucede por dos motivos. El primero, el más
básico, es debido a que no se han depurado los datos. Esto permite que las gráficas
muestren datos atípicos que solo generan “ruido”. El segundo motivo, es debido a que, tal
vez, estos datos no influyan tanto a la hora de determinar el precio de una vivienda (caso
contrario al que sucede con el área), datos que aportan poco, pero que deben ser tenidos en
cuenta en cualquier modelo de precios hedónicos. Esto es posible observar en el siguiente
dispersograma, en donde se comparó la distancia al rio más cercano con el precio de la
vivienda, en donde es posible observar una muy leve correlación positiva en los datos.
1.40E+09
1.20E+09
1.00E+09
Precio Oferta
8.00E+08
6.00E+08
4.00E+08
2.00E+08
0.00E+00
0 1000 2000 3000 4000 5000 6000 7000
Distancia
P á g i n a 16 | 20
1.40E+09
1.20E+09
1.00E+09
Precio Oferta
8.00E+08
6.00E+08
4.00E+08
2.00E+08
0.00E+00
0 0.5 1 1.5 2 2.5 3 3.5
Topografia
40 18 5 4 1 18 4 1
1 Baño 6
1 Cocina
2 Baños 58
69 2 Cocinas
132 272 3 Baños
3 Cocinas
4 Baños
4 Cocinas
5 Baños
5 Cocinas
6 Baños
807 6 Cocinas
491 7 Baños
7 Cocinas
8 Baños
Grafica 12 y 13. Gráfico circular del número de baños de cada predio y el número de
cocinas de cada predio.
Fuente. Elaboración propia.
En general las viviendas que tienen 2 baños son las más representativas dentro de la
muestra ocupando valores más altos 491 predios (50.98%), seguidas por las de un baño y
tres baños, 28.24% y 13.70% respectivamente. Viviendas con más de 3 baños son escasas y
tienen poca participación en la muestra. Podemos apreciar que predominan las viviendas
con una sola cocina (83.80%), mientras que las de más de 5 cocinas son valores muy raros
en general.
P á g i n a 17 | 20
Luego de realizar las respectivas gráficas, se denota que, de las tres variables presentadas,
con la que tiene una mayor relación es con la del número de alcobas, como se observa a
continuación:
1.40E+09
Precio Oferta 1.20E+09
1.00E+09
8.00E+08
6.00E+08
4.00E+08
2.00E+08
0.00E+00
0 5 10 15 20 25 30
Numero de Alcobas
Grafica 15. Histograma de frecuencia y diagrama de caja y bigotes del Precio Oferta
(metros cuadrados).
Fuente. Elaboración propia.
Media 1.932e+08
Mediana 1.350e+08
Máximo 2.800e+09
Mínimo 3.500e+07
Curtosis 40.8031
Con base a la revisión bibliográfica expuesta anteriormente en el apartado del estado del
arte, fue posible realizar la respectiva selección de las variables pertinentes para formular
un modelo econométrico que permita estimar el precio de venta de las viviendas ubicadas
en la localidad de Suba para los estratos 1,2,3 el año 2011.
7. CONCLUSIONES
• Se logro analizar los estados del arte y gracias a estos nosotros sabremos como
manejar e identificar un articulo relacionado con el análisis econométrico, para tener
una guía clara de como se hacen y como se estructuran.
• Tenemos una mayor claridad de como funciona conceptualmente nuestra base de
datos, para poder sacar de una forma mas clara las variables que nos presentas y
poderlas saber interpretar y analizar, para realizar un modelo de una forma más
adecuada.
• Al realizar el análisis estadístico de las variables se encontró que hay datos atípicos
que están muy separados de la concentración de la mayoría de datos y ocasionan
alteraciones en las graficas e impiden ver si existe cierta correlación entre las
diferentes variables.
• Las variables seleccionadas para el análisis se escogieron a partir del modelo
propuesto donde se tuvo en cuenta sus características propias y las características de
su entorno, en consecuencia, se debieron omitir variables consideradas como
irrelevantes
P á g i n a 19 | 20
8. BIBLIOGRAFÍA
Fernandez, L. A., Martínez Menchaca, A. H., Pat Fernández, J. M.,& Martínez Luis, D.
(2013). Introducción a los Modelos de Regresión. Ciudad del Carmen: Plaza y Valdes.
Pat Fernandez, L. A., Martínez Menchaca, A. H., Pat Fernández, J. M.,& Martínez Luis, D.
(2013).
P á g i n a 20 | 20