ANÁLISIS ESTADÍSTICO DE UNA MUESTRA DE DATOS DE BOGOTÁ, PARA LA

DETERMINACION DE UN MODELO ECONOMETRICO PARA LAS OFERTAS

FINALES DE VENTA DE LOS ESTRATOS 1 A 3 AÑO 2011

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

Tabla 1. Descripción de variables modelo planteado……………………………………….8

Tabla 2. Descripción de variables………………………………………………………….11
Tabla 3. Datos validación cruzada…………………………………………………………12
Tabla 4. Estadísticas de la variable Área…………………………………………………..14
Tabla 5. Estadísticas de la variable Precio Oferta…………………………………………18
Índice de Figuras

Grafica 1. Diagrama de barras de la variable Estrato……………………………………...12

Grafica 2. Diagrama de dispersión entre el Estrato y el Precio Oferta…………………….13
Grafica 3. Diagrama de barras de la variable UPZ………………………………………...13
Grafica 4. Diagrama de barras de la variable Tipo de inmueble……………………………...14
Grafica 5 y 6. Histograma de frecuencia y diagrama de caja y bigotes del área…………..14
Grafica 7. Diagrama de dispersión entre el Área y el Precio Oferta………………………15
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.15
Grafica 10. Diagrama de dispersión entre la distancia al rio y el Precio Oferta…………..16
Grafica 11. Diagrama de dispersión entre la Topografía y el Precio Oferta………………17
Grafica 12 y 13. Gráfico circular del número de baños de cada predio y el número de
cocinas de cada predio……………………………………………………………………..17
Grafica 14. Diagrama de dispersión entre el número de alcobas y el Precio Oferta………18
Grafica 15. Histograma de frecuencia y diagrama de caja y bigotes del Precio Oferta…...18

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

2.1. Objetivo General

• Conocer, estudiar y comprender cuales son las variables que están
interviniendo en la base de datos de la oferta final 2011.

2.2. Objetivos Específicos

• Conocer, analizar y comprender que significa cada una de las variables de
nuestra base de datos, relacionando estos con los conceptos de estadísticos,
para poder ponerlos en práctica.

• Establecer un modelo econométrico, esto gracias a la base de datos de la

oferta final 2011, esto analizando, comprendiendo, cada una de las variables
presentadas para entender cuales pueden ser significativas en nuestro modelo.

P á g i n a 3 | 20
3. ESTADO DEL ARTE

3.1 Modelos econométricos aplicados a la valoración de inmuebles rústicos.

Nuestro primer articulo es “Modelos econométricos aplicados a la valoración

de inmuebles rústicos” (Martínez. A 1998), en este articulo nos plantean diferentes
sucesos los primeros nos hablan de dos partes importantes primero nos hablan de
varios aspectos en los que remarcamos que son los valores de compra-venta en un
mercado libre, que este este sujeto a una cantidad muy alta o como dice la autora del
texto “Se haya sujeta a infinidad de variables difíciles de cuantificar” (Martínez. A
1998), sin embargo, nos presenta varias circunstancias que tenemos que destacar
como ejemplo “El anonimato que casi siempre caracteriza la demanda” (Martínez. A
1998) una de las que a mi parecer me parece mas significante esto por que como nos
plantea la autora estos son problemas que vienen acarreando desde ya hace mucho
tiempo los métodos tradicionales de la valorización.

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 una vez la autora divide en dos partes la creación de su nuevo modelo

econométrico siendo la primera según la autora “La elección de las variables
exógenas o explicativas que e considera pueden para justificar la variable endógena
o variable explicativa” (Martínez. A 1998), ya con esto primera parte lo que la autora
plantea es partir de la anterior analizar cuales son las variables que influyen, pero esta
vez al valor de un inmueble rústico, cabe resaltar que este ultimo punto ella lo divide
en varias partes, las cuales son ya, la relación que pueden tener las variables exógenas
y endógenas, ya una vez hecho esto ajusta las funciones seleccionadas y por ultimo
le da un contraste económica, esto es que los coeficientes se relacionen en un
contraste económico de la función obtenido la cual es:
𝑃𝑟𝑒𝑐𝑖𝑜 𝑑𝑒 𝑚𝑒𝑟𝑐𝑎𝑑𝑜 = 𝛽0 + 𝛽1 𝑐𝑢𝑙𝑡𝑖𝑣𝑜𝑠 + 𝛽2 𝑝𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑟𝑒𝑔𝑎𝑑í𝑜
+ 𝛽3 𝑚𝑢𝑛𝑖𝑐𝑖𝑝𝑖𝑜 + 𝛽4 𝑒𝑠𝑝𝑒𝑐𝑡𝑎𝑡𝑖𝑐𝑣𝑎 + 𝛽5 𝑎𝑐𝑐𝑒𝑠𝑜𝑠 + 𝛽6 𝑐𝑎𝑙𝑖𝑑𝑎𝑑
+𝛽7 𝑚𝑒𝑗𝑜𝑟𝑒𝑎𝑠 + 𝛽8 𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑎𝑑 𝑑𝑒 𝑎𝑛𝑒𝑥𝑖ó𝑛 (3)
Ya con sus respectivos coeficientes con respecto a la valoración agraria.
𝑃𝑟𝑒𝑐𝑖𝑜 𝑑𝑒 𝑚𝑒𝑟𝑐𝑎𝑑𝑜 = 126,49263 + 21,305296 𝑐𝑢𝑙𝑡𝑖𝑣𝑜𝑠 +
30,692358 𝑝𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑟𝑒𝑔𝑎𝑑í𝑜
− 1,088812 𝑚𝑢𝑛𝑖𝑐𝑖𝑝𝑖𝑜 + 18,368286 𝑒𝑥𝑝𝑒𝑐𝑡𝑎𝑡𝑖𝑐𝑣𝑎 +
6,192498 𝑎𝑐𝑐𝑒𝑠𝑜𝑠 + 10,938341 𝑐𝑎𝑙𝑖𝑑𝑎𝑑
+2,805474 𝑚𝑒𝑗𝑜𝑟𝑒𝑎𝑠 + 16,146678 𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑎𝑑 𝑑𝑒 𝑎𝑛𝑒𝑥𝑖ó𝑛 (4)
Como conclusiones finales de esto tenemos que “la variable con más peso tiene en el
modelo son los cultivos, con un coeficiente de correlación de 0,610, el cual nos indica
que la variable explica el 37,3% del modelo” (Martínez. A 1998).

3.2 Comparación entre un modelo econométrico y un modelo multicriterio

aplicados en el barrio Pontevedra, Bogotá, Colombia.

Nuestro segundo articulo a presentar es “comparación entre un modelo

econométrico y un modelo multicriterio aplicados en el barrio Pontevedra, Bogotá,
Colombia” (Bernales. L 2016), dentro de este articulo nos presenta como primer lugar
un contexto el cual nos dice “En Iberoamérica y Europa, las últimas décadas han sido
de imparables avances en la creación y aplicación de métodos para obtener el valor
de los bienes inmuebles” (Bernal. L 2016) con esta frase el abre la introducción, la
cual nos permite ver cual es el tema que aborda, nos dice la importancia de los
modelos econométricos y como han llevado estos a tomar importancia, ya con esta
introducción nos vamos a mirar un modelo de regresión nos explica el autor como
funciona su comportamiento y que es lo que tiene, gracias a esto nos daremos la idea
de que es lo que vamos a trabajar, también nos habal de un modelo multicriterio
apoyándose en un AHP aplicándolo todo a la valorización.

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).

Valor del inmueble = 𝛽0 + 𝛽1 ∗ Área – 𝛽2 ∗ E1a8años –

𝛽2 ∗ E9a15años + 𝛽3 ∗ E16a30años + 𝛽4 ∗ DistTitánPlaza (6)

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:

Valor del Apartamento = 70.333.591,25 + 3.766.160,704 ∗ Área –

52.700.523,12 ∗ E1a8años – 50.039.635,58 ∗ E9a15años –
100.061.159,60 ∗ E16a30años + 48.595,029 ∗ DistTitánPlaza (7)
Ya como conclusiones el nos planta que las cualidades que nos da que las cualidades
que debemos tener en cuenta para conocer el comportamiento de un inmueble son
siempre varadas tiene que ser externas e internas del inmueble, siendo estas según el
autor en muchas veces de mayor importancia que las propias variables cuantitativas.

3.3 Un modelo econométrico para la valoración de la tierra en México.

Nuestro tercer artículo nos relaciona “Un modelo econométrico para la

valoración de la tierra en México” (Hernández. J 2016), lo que nos plantea el siguiente
articulo es el problema que tiene el país de México que según la experiencia empírica
de dice que la valorización agraria, en la actualidad, esta parte de o se limita de “la
asignación de un valor partiendo de metodologías propias de la valoración urbana”
(Hernández. J 2016) también en los lleva a recordar unos casos bastante graves que
es la determinación de valor comercial y que este no es razonable, por lo tanto nos
dice que en México existe una necesidad de formular métodos de valorización

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)

3.4 Environmental Spillovers and their Impacts on Housing Prices: A Spatial

Hedonic Analysis: Este trabajo busca a través de un modelo de precios hedónicos,
determinar qué determinar el impacto de los factores ambientales en el precio oferta
de una muestra de 1.989 bienes inmuebles ubicados en la región del Bajo Loira,
Francia (Maslianskaïa-Pautrel M & Baumont C, 2016) tiene, cercanos al mar, a
ríos, como el río Loira, humedales y canales por medio de la estimación de un
modelo hedónico espacial con la inclusión de variables ambientales en relación con
factores geográficos.
La base de datos fue construida a partir de la adquisición de información del censo
DIA y fue analizado con datos SIG y atributos ambientales de diversos mapas
temáticos. Para la elección de las variables fue necesario una clasificación previa de
estas según la naturaleza de sus atributos. Obteniéndose el siguiente modelo:

𝒍𝒏𝑷 = 𝛽0 + 𝛽1 ln 𝐿𝑂𝑇 + 𝛽2 𝑆𝑁𝐴𝑍 + 𝛽3 𝑇𝑌𝑃𝐸 + 𝛽4 𝑆𝐸𝐴 + 𝛽5 𝐿𝑂𝐼𝑅𝐸 + 𝛽6 𝑅𝐼𝑉 + 𝛽7 𝑊𝐸𝑇

+ 𝛽8 𝑃𝑂𝑁𝐷 + 𝛽9 𝑃𝑂𝑅𝑇 + 𝛽10 𝑁𝑂𝐼𝑆𝐸 + 𝜀
P á g i n a 7 | 20
 En donde tenemos que:

Variable Definición variable

P Precio de venta del inmueble.
LOT Área en metros cuadrados de la vivienda.
SNAZ Variable Dummy de la ubicación de la vivienda en la ciudad.
TYPE Tipo de edificio según sus grados de urbanización.
LOIRE Distancia al rio Loira.
RIV Distancia a ríos o canales secundarios.
SEA Distancia al litoral marino.
WET Distancia al humedal más cercano.
POND Distancia al estanque más cercano.
Indica si la vivienda esta a menor de 150 metros de areas industriales
PORT causantes de emisiones contaminantes.
NOISE Nivel de ruido causado por el trafico.

Tabla 1. Descripción de variables modelo planteado,

Fuente. Elaboración propia.
El trabajo realizado concluyó finalmente que las viviendas más próximas al mar
fueron las que tenían un valor mayor. También que la proximidad a las vías de
acceso principales a su vez aumenta el valor del precio de venta, dando a conocer
que la contaminación auditiva por parte de esta no genera repercusiones en su valor
y finalmente la proximidad a servicios ambientales naturales, generan un
decrecimiento en el precio de venta de la vivienda.

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).

𝑺𝒂𝒍𝒆𝒔𝑽𝒂𝒍𝒖𝒆 = 𝛽1 𝐴𝑟𝑒𝑎 + 𝛽2 𝑁𝑢𝑚𝑏𝑒𝑟𝑜𝑓𝑅𝑜𝑜𝑚𝑠 + 𝛽3 𝐹𝑙𝑜𝑜𝑟 + 𝛽4 𝐷𝑖𝑟𝑒𝑐𝑡𝑖𝑜𝑛𝑆𝑐𝑜𝑟𝑒 +

1
𝛽5 𝐵𝑢𝑖𝑙𝑑𝑖𝑛𝑔𝐶𝑜𝑚𝑝𝑙𝑒𝑥𝑆𝑐𝑜𝑟𝑒 + 𝛽6 𝐴𝑔𝑒 + 𝛽7 (𝐷𝑖𝑠𝑡𝑎𝑛𝑐𝑒𝑡𝑜𝑚𝑒𝑡𝑟𝑜𝑆𝑡𝑎𝑡𝑖𝑜𝑛) +
1
𝛽7 (𝐷𝑖𝑠𝑡𝑎𝑛𝑐𝑒𝑡𝑜𝐾𝑜𝑛𝑦𝑎𝑅𝑜𝑎𝑑) + 𝜀 (12)

En donde:

• Area: Hace referencia al área de la edificación (Positivo).

• Number of Rooms: Hace referencia al número de habitaciones (Positivo).
• Floor: Hace referencia al número de pisos de la edificación (Positivo).

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).

Concluyendo que la inclusión de características de la localización del predio era de

gran importancia, pues permite conocer de manera más acertada el verdadero valor de
mercado de un predio, a pesar de que el modelo no funcionara eficazmente para el caso
de algunos predios.

4. MARCO TEORICO

4.1. Modelos econométricos:

Los modelos econométricos son una formulación de modelos económicos en forma
matemática que establecen cual es la relación funcional que existe una o varias
variables endógenas y las variables exógenas, además, este modelo se utiliza mucho
para tomar decisiones tanto en el ámbito microeconómico como en el
macroeconómico. (Tobergte & Curtis 2013)

4.2. Regresión lineal múltiple:

El termino de regresión es uno de los pilares estadísticos más modernos el cual hace
referencia al análisis simultaneo de dos o más variables relacionadas entre sí, una de
las variables se le conoce como variable dependiente (y) y la otra como variable
independiente (x). (Martinez & Feranadez 2013)
𝑉 = 𝛽0 + 𝛽1 ∗ 𝑋1 … … . . . +𝛽𝑛 ∗ 𝑋𝑛

4.3. Métodos avalúos

4.3.1. Método de comparación o de mercado:

Es un de los métodos de avalúos más conocidos y utilizados este consiste en tener
como muni 6 “inmuebles testigos” que serán ponderados por coeficientes para
asemejarlos al inmueble de variolización.

4.3.2. Método de capitalización de rentas o ingresos:

Se define el método de capitalización de rentas o ingresos como la técnica valuatoria
que busca establecer el valor comercial de un bien a partir de las rentas o los ingresos
que se puedan obtener del mismo bien, o inmuebles semejantes y comparables por
sus características físicas. (Medrano. J 2011)

4.3.3. Método de costo de reposición:

P á g i n a 9 | 20
 Es el que busca establecer el valor comercial del bien objeto de avalúo a partir de
estimar el costo total de la construcción a precios de hoy, un bien semejante al del
objeto de avalúo, y restarle la depreciación acumulada. (Lonja 2020)

4.3.4. Método (técnica) Residual:

Es el que busca establecer el valor comercial del bien, normalmente para el terreno,
a partir de estimar el monto total de las ventas de un proyecto de construcción, acorde
con la reglamentación urbanística vigente y de conformidad con el mercado del bien
final vendible, en el terreno objeto de avalúo. (Lonja 2020)

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)

Tabla 2. Descripción de variables

Fuente. Elaboración propia.

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

Tabla 3. Datos validación cruzada

Fuente. Elaboración propia.
Análisis de variables
Se realizará un análisis de las variables de la muestra, mediante el uso de diferentes gráficos
y estadísticas descriptivas, con el fin de comprender el comportamiento de estas variables.

800

600
Frecuencia

400

200

0
Estrato 2 Estrato 3
Estrato

Grafica 1. Diagrama de barras de la variable Estrato.

Fuente. Elaboración propia.
Se observa que, en esta base de datos, para el año 2011 no ahí predios de estrato 1. El
mayor número de predios se concentran en el estrato 3, 70.50%. mientras que los predios
del de estrato 2 son tan solo del 29.50%.

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

Grafica 2. Diagrama de dispersión entre el Estrato y el Precio Oferta.

Fuente. Elaboración propia.
Por otra parte, como se aprecia en la gráfica, claramente el precio de una construcción no
depende linealmente del estrato. Esto significa que se pueden diferentes valores de
construcciones sin importar el estrato.

400
350
300
Frecuencia

250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11
UPZ

Grafica 3. Diagrama de barras de la variable UPZ.

Fuente. Elaboración propia.
Respecto a la variable UPZ se analiza que, la UPZ con mayor número de predios es la
numero 9, Suba. Con un total de 334 predios (34,68%). Seguido de esto la UPZ 10 Y 11, El
rincón y Tibabuyes respectivamente, sus predios suman un total de 394 (40,92%). Para
finalizar las UPZ de código 1,2,3,4,6,7,8 muestran una totalidad de predios de 235
(24.40%). No hay viviendas ubicadas en las UPZ’s la Alhambra y Guaymaral.

P á g i n a 13 | 20
 540
520

Frecuencia
500
480
460
440
420
400
1 0
Tipo Inmueble

Grafica 4. Diagrama de barras de la variable Tipo de inmueble.

Fuente: Elaboración propia.
Para el análisis de la variable Tipo de Inmueble, se debe tener en cuenta quedebemos
entender que la gráfica hace referencia a los predios tipo PH y NPH, en este caso PH=0 y
NPH=1, por lo que se muestra hay 445 NPH (46,20%) y 518 predios PH (53,80 %),
respecto a la muestra que seleccionamos. Al igual que el estrato, el tipo de inmueble
tampoco establece un vínculo lineal con el precio de una vivienda.

Grafica 5 y 6. Histograma de frecuencia y diagrama de caja y bigotes del área (metros

cuadrados).
Fuente. Elaboración propia.

Media 92.51

Mediana 62.1

Máximo 513.9

Mínimo 20.72

Desv. Estándar 73.81

Curtosis 8.62

Tabla 4. Estadísticas de la variable Área

Fuente. Elaboración propia.
P á g i n a 14 | 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
0 100 200 300 400 500 600
Area

Grafica 7. Diagrama de dispersión entre el Área y el Precio Oferta.

Fuente. Elaboración propia.
Como se observa en la gráfica anterior a medida que el área aumenta, el precio también lo
hace. Sin embargo, tal como se había mencionado de antemano, para establecer una mejor
relación entre estas 2 variables, es necesario eliminar algunos datos atípicos que solo
generan el aumento del error.

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

Grafica 10. Diagrama de dispersión entre la distancia al rio y el Precio Oferta.

Fuente. Elaboración propia

También, se procedió a analizar la variable Topografía, en donde se observa, tal como se

esperaba, que entre mayor es el puntaje (más empinada), menor termina siendo el precio de
la vivienda. A excepción de cinco datos atípicos en donde esto no ocurre.

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

Grafica 11. Diagrama de dispersión entre la Topografía y el Precio Oferta.

Fuente. Elaboración propia

Para terminar las estadísticas descriptivas del modelo, se procedió a observar el

comportamiento de las variables relacionadas a las partes de la vivienda (baños, cocinas y
alcoba).

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 14. Diagrama de dispersión entre el número de alcobas y el Precio Oferta.

Fuente. Elaboración propia

Por ultimo se analizo el comportamiento de la variable explicada, precio oferta.

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

Desv. Estándar 208361275

Curtosis 40.8031

Tabla 5. Estadísticas de la variable Precio Oferta.

Fuente. Elaboración propia.
P á g i n a 18 | 20
6. PLANTEAMIENTO DEL MODELO ECONOMÉTRICO

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.

𝑷 = 𝛽0 + 𝛽1 𝐴𝑅𝐸𝐴 + 𝛽2 𝑇𝑜𝑝𝑜𝑔𝑟𝑎𝑓𝑖𝑎 + 𝛽3 𝑇𝑖𝑝𝑜 + 𝛽4 𝐴𝑙𝑐𝑜𝑏𝑎 + 𝛽5 𝐷𝑖𝑠𝑡𝑅𝑖𝑜 + 𝛽6 𝐸𝑑𝑎𝑑

+ 𝛽7 𝑂𝑟𝑖𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛 + 𝛽8 𝐴𝑚𝑏𝑖𝑒𝑛𝑡𝑒𝑒𝑥𝑡𝑒𝑟𝑛𝑜 + 𝛽9 𝑈𝑛𝑖𝑣𝑒𝑟𝑠𝑖𝑑𝑎𝑑
+ 𝛽10 𝐷𝑒𝑐𝑜𝑟𝑎𝑑𝑜 + 𝛽11 𝐴𝑚𝑏𝑖𝑒𝑛𝑡𝑒 𝑖𝑛𝑡𝑒𝑟𝑛𝑜 + 𝜀
En donde:

Área: Área construida. Extraída de la base de datos.

Topografia: Tipo de terreno (1 plano, 2 inclinado, 3 empinado)
Tipo: Tipo de inmueble (0 NPH, 1 PH)
Alcoba: Número de alcobas presentes en la vivienda.
DistRío: Distancia al río más cercano.
Edad: Edad de la casa en años.
Orientación: Variable Dummy: Sur-Norte 1, otro 0
Ambienteexterno: Dividido en 5 categorías, donde 1 es un muy mal ambiente y 5 es un
excelente ambiente, alrededor de la vivienda.
Universidad: Variable Dummy: Se encuentra una universidad dentro de 1km de distancia 1,
otro 0.
Decorado: Dividido en 5 categorías, donde 1 es una decoración simple y 5 es una
decoración lujosa.
Ambiente Interno: Dividido en 5 categorías, donde 1 es un muy mal ambiente y 5 es un
excelente ambiente, alrededor de la vivienda.

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

Bernales Ghacham, l. a. b. g. (2016). Comparación entre un modelo econométrico y un

modelo multicriterio aplicados en el barrio pontevedra, Bogotá, Colombia. xxxi
Congreso pan-americano de avaluadores, 1–24.

DECRETO 1420 DE 1998. (1998). Función Publica. Recuperado diciembre de 2021, de

https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=1508

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.

Hayrullahoglu, G., Aliefendioglu, Y., Tanrıvermi¸s, H., Hayrullahoglu, A. (2018).

Estimation of the hedonic valuation model in housing markets: the case of cukurambar
region in cankaya district of ankara province

LEY 388 DE 1997. (1997). Función Pública. Recuperado diciembre de 2021, de

https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=339

Martínez Blasco, I. M. B. (1998). Modelos econométricos aplicados a la valoración de

inmuebles rústicos. Berceo, 181–212.

Maslianskaïa-Pautrel, M., & Baumont, C. (2016). Environmental spillovers and their

impacts on housing prices: A spatial hedonic analysis. Revue d’Economie Politique,
126(5), 921–945.

Medrano, J. A. M. (2011). Estimación de tasas de capitalización de rentas de vivienda

urbana estrato 3 sometidas al régimen de propiedad horizontal en bogotá mediante
modelos econométricos. Revistas U.Distrital.

Pat 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.

Wakerly, D. D. W., Mendenhall II, W. M., & Scheaffer, R. L. S. (2010). Estadística

matemática con aplicaciones (7.a ed.). CENGAGE Learning.

Wooldridge, J. M. W. (2010). Introducción a la econometría un enfoque moderno (4.a ed.).

CENGAGE.

P á g i n a 20 | 20