Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RESUMEN
La idea principal de ste artculo es identificar en las viviendas de propiedad individual, cuales son las caractersticas que determinan la fijacin del precio de oferta en la estructura del mercado inmobiliario considerando la heterogeneidad espacial. El estudio fue realizado en la zona metropolitana de la ciudad de Cochabamba donde la oferta de mercanca inmobiliaria, responde a mltiples factores incluida la localizacin por lo que en el anlisis, se utiliza un modelo de precios hednicos, asociado a tcnicas de econometra espacial (I de Moran, modelo de autocorrelacin espacial, GWR), los resultados del trabajo son presentados en mapas temticos generados en el entorno del Sistema de Informacin Geogrfica ArcGis mostrando de acuerdo a la ubicacin, la variacin porcentual de la influencia individual de las variables explicativas (caractersticas o atributos) sobre el precio.
Palabras Clave: Precios de vivienda, precio hednico, ponderaciones espaciales, I de Moran, correlacin espacial, regresin geogrficamente ponderada (GWR), SIG (Sistemas de informacin geogrfica).
1 2
Elda Collazos: investigadora CEPLAG UMSS E-mail ecollazos@hotmail.com Wilma Gamboa: Investigadora CEPLAG- UMSS E- mail suwilga@hotmail.com 3 Pablo Prado: UMSS E-mail pabloepv@hotmail.com 4 Vincenzo Verardi : ECARES, CEE, Universit Libre de Bruxelles, CP-139, Av. F.D. Roosevelt, 50. B-1050 Bruxelles (Belgique). E-mail : vverardi@ulb.ac.be.
1. INTRODUCCIN
Los precios establecidos en los mercados inmobiliarios donde los bienes transados son considerados capital esttico, arraigado espacialmente, estn muy relacionado, tanto con la estructura espacial del paisaje urbano (infraestructura, servicios, localizacin, etc.) como con los atributos particulares que caracterizan el bien (superficie, funcionalidad, esttica, etc.). Todo esto, es transado en el mercado como una totalidad donde existe una variedad de productos con mayor o menor oferta de atributos.
En el rea metropolitana de Cochabamba, la fijacin de los precios de oferta de bienes inmobiliarios en general, guarda una estrecha relacin con la experiencia y la referencia respectivamente, si el precio ha sido fijado por un agente inmobiliario o si por el propietario que oferta su vivienda.
Pese a la diversidad de medios de ofertar bienes inmobiliarios, el factor comn presente es la manera en la que los vendedores dueos o intermediarios, ponen en consideracin del comprador los atributos particulares del bien.
Sin embargo sobre la oferta, un comprador pagar por una vivienda de acuerdo a sus preferencias, dando importancia a las caractersticas funcionales y de ubicacin (atributos) que a l le convengan. No obstante de ser esta una eleccin totalmente subjetiva, es posible que existan ciertos atributos implcitos que permitan establecer algn patrn al momento de fijar el precio del bien.
Tomando en cuenta que la vivienda es un bien determinante para el desarrollo social y econmico de un pas, en la medida en la que posibilita la disminucin de la pobreza, la reactivacin de la economa y la generacin de empleo, resulta de gran importancia analizar aquellos factores que determinan su costo.
Por esto, muchos anlisis, abordan el tema del valor de las viviendas, a partir de mltiples enfoques, entre los cuales est el enfoque hednico, cuya metodologa permiten estimar el valor
marginal de cada atributo de la propiedad y sus factores externos es decir, caractersticas del barrio. En la mayora de los modelos hednicos, de cada atributo observado resulta un coeficiente que puede variar de acuerdo a un patrn sistemtico, por lo que se han desarrollado varios mtodos para tratar estas variaciones (Anselin, 1988; Brunsdon et al. , 1996; Casetti, 1972;
Fotheringham et al. , 2002; Griffith, 1988). De tal manera que, integrando la heterogeneidad que podra ser espacial en el modelo, este estara mejor calibrado y permitira una mayor comprensin de la dinmica del mercado inmobiliario.
El propsito de ste artculo, es realizar un anlisis de las caractersticas que determinan el precio de oferta de la vivienda en las diferentes zonas del rea Metropolitana de la ciudad de Cochabamba, considerando la heterogeneidad espacial,5 bajo la hiptesis de que el precio de la vivienda est influenciado por sus caractersticas o atributos diferenciados de acuerdo a su localizacin.
Para ste fin y despus de hacer una revisin de la literatura, utilizamos la metodologa de precios hednicos, identificando en una primera parte la correlacin espacial mediante el ndice de Moran, medida de asociacin basada en una matriz de ponderaciones espaciales, posteriormente se aplic un modelo autorregresivo espacial, para identificar cuanta es la influencia de los precios de las viviendas vecinas en la determinacin del precio de una vivienda; el siguiente paso fue correr una regresin geogrficamente ponderada que, como resultado nos permiti ver cuales y en que porcentaje son las variables que tienen efecto positivo en la fijacin del valor de la vivienda de acuerdo a su localizacin, los resultados obtenidos con sta regresin fueron graficados en mapas temticos en el entorno del sistema de informacin Geogrfica ArcGis. Finalmente, presentamos las conclusiones del artculo
Tanto la heterogeneidad espacial como la dependencia espacial han sido inicialmente propuesta por Anselin (1988); la hetrogeneidad espacial puede ser definida como inestabilidad estructural en forma de varianza no constante de los residuos de una regresin (heterosedasticidad) o en los coeficientes del modelo.
2. REVISIN DE LA BIBLIOGRAFA
Los estudios realizados sobre precios de vivienda de acuerdo con su caracterizacin de bien heterogneo y cambiante en el tiempo, han abordado diferentes metodologas; una de las primeras utilizadas para elaborar ndices de precios de vivienda fue desarrollada por Bailey, Ruth y Nourse (1963) y basada en la construccin de un ndice sobre datos registrados de viviendas que hayan sido vendidas por lo menos dos veces durante el perodo de estudio. La idea inicial de ste mtodo es que al observar una misma vivienda en dos momentos diferentes, es posible controlar las variaciones entre los atributos de las propiedades obviando la estimacin de aporte marginal de cada uno de stos al precio de las mismas.
En Bolivia, se sabe que entre los aos 1980 - 1986 el Banco Nacional elabor el INCC (ndice Nacional del Costo de la Construccin); posteriormente el INE (Instituto Nacional de Estadstica) se hizo responsable del mismo, manteniendo como principal propsito medir la variacin de precios de un perodo a otro, considerando para esto los precios de materiales de construccin, mano de obra y maquinarias que intervienen en el proceso de produccin de la vivienda.
Ms all de la elaboracin de ste ndice, en Bolivia no existen estudios empricos relacionados con la determinacin de los precios de la vivienda, siendo el nico referente al respecto, los mapas catastrales que se utilizan en algunos municipios para el cobro de impuestos.
Los estudios sobre precios de vivienda han cobrado vital importancia en la actualidad, siendo la metodologa de precios hednicos una aproximacin utilizada mundialmente para dichos estudios. sta se ha convertido en una herramienta de gran utilidad tanto para el anlisis de mercados inmobiliarios como para el anlisis urbano en general.
La teora de ste mtodo fue desarrollada por Lancaster (1966) y extendida al mercado inmobiliario por Rosen (1974), y consiste en estimar economtricamente ecuaciones que tienen como variable dependiente el precio y como regresores, los atributos o caractersticas del mismo. La idea central es que estos atributos no se transan explcitamente en los mercados sino
que componen un paquete de caractersticas que se transfieren junto con los derechos de propiedad del bien o servicio.
Entre los estudios de precios de vivienda que han utilizado el mtodo hednico estn: Nez y Sdrovelin (2002) quienes estimaron un modelo hednico para conjuntos de viviendas nuevas, con objeto de identificar una forma funcional que relacione la variable explicada (precio de la vivienda) con las diferentes variables explicativas utilizadas, determinando la significacin de cada una de ellas para finalmente aplicar los modelos a la oferta inmobiliaria local.
Soto (2004), tambin utiliza mtodos hednicos para hacer un anlisis espacial de la dinmica del valor del suelo rural en Louisiana; aplicando adicionalmente procedimientos de econometra espacial para evaluar el impacto de las caractersticas del suelo en los precios del mercado.
Krister Sandberg (2004) por su parte, estima precios hednicos para pisos cooperativos, identificando las caractersticas ms importantes en la fijacin del valor, abordando adems problemas espaciales mediante la estimacin de Momentos Autorregresivos Generalizados. Este mismo autor, en otro artculo cambios espacio temporales de precios hedonicos para viviendas unifamiliares, compara e identifica los cambios en los precios de acuerdo a la localizacin y los atributos de cada vivienda.
Aportando al anlisis del valor de la vivienda, Straszheim(1975) resalta que La variacin de los atributos de sta y los precios relacionados a su localizacin son caractersticas fundamentales del mercado inmobiliario urbano y en reas metropolitanas, se tiene que, el mercado puede segmentarse de acuerdo al tipo o la estructura que presenten las propiedades (viviendas unifamiliares aisladas, departamentos o condominios). Por lo que es importante la especificacin de cada tipo, en el anlisis.
Corroborando la importancia de la localizacin para fijar el precio de la vivienda Thibodeau (2002), nos dice que stos estn no solo relacionados con sus atributos sino tambin son autocorrelacionados espacialmente por varias razones, primero las viviendas en un mismo barrio comparten atributos numerosos que influencian el precio de la casa, segundo la mayora de los barrios se desarrollan conjuntamente, por consiguiente las viviendas tienden a tener 5
caractersticas estructurales similares como la edad de la construccin, rea, rea construida, etc. Y finalmente en trminos positivos o negativos, las externalidades de proximidad tienen una influencia similar en los valores comerciales de propiedades cercanas, concluyendo que las consideraciones espaciales son importantes cuando se analizan los precios de viviendas.
De acuerdo a la bibliografa revisada y a la disponibilidad de datos para la realizacin de ste artculo, se ha visto por conveniente utilizar precios de oferta de viviendas aisladas y unifamiliares es decir, ni departamentos ni condominios. Ubicadas dentro el rea metropolitana de la ciudad de Cochabamba.
Como mencionamos anteriormente, la falta de informacin sistematizada respecto a los precios de venta de viviendas nos oblig a considerar en el anlisis, los precios de oferta los cuales fueron obtenidos de las empresas inmobiliarias que operan legalmente en el sector.
Conscientes de que la oferta de viviendas no es nicamente manejada por stas empresas, tambin recurrimos a los anuncios clasificados de los peridicos as como a viviendas directamente ofertadas por los propietarios en el rea de estudio, durante el perodo de recoleccin de datos.
De acuerdo a la hiptesis planteada, los datos que se recolectaron hacan referencia al precio de la vivienda ofertada (variable independiente) y a los atributos de sta, incluida la localizacin (variables explicativas).
Inicialmente los datos obtenidos del peridico fueron validados en el terreno completando en la mayora de los casos la informacin faltante,6 para llenar nuestra base de datos es importante mencionar que la consulta a los peridicos se realizo durante el perodo comprendido entre el 22 de agosto y el 5 de septiembre de 2004. En el caso de los datos obtenidos de las empresas inmobiliarias stos estn comprendidos entre diciembre del 2003 y septiembre del 2004.
Las viviendas ofertadas en el peridico, en la mayora de los casos no presentan informacin necesaria relacionada con la ubicacin ni los atributos para ste tipo de anlisis.
6
Finalmente se logro recabar informacin de 570 viviendas en venta, en un periodo comprendido entre diciembre del 2003 y noviembre del 2004. Sin embargo en el proceso de depuracin se eliminaron aquellas observaciones que no contaban con todos los datos referidos a las variables consideradas quedando 345 observaciones para el anlisis, procurando una variabilidad en cuanto a la ubicacin de las ofertas de vivienda a lo largo de el rea de estudio (ver mapa1).
A medida que se iban consiguiendo los datos de las viviendas ofertadas en el mercado, se fue graficando la ubicacin de cada una de ellas en un mapa de puntos en el SIG teniendo el cuidado de mantener siempre el mismo nmero de identificacin tanto en el mapa como en la matriz de la base de datos.
Para tener la referencia de calles y sus nombres, se utilizaron planos urbanos del rea de estudio; una vez ubicados los puntos se pudo calcular las coordenadas geogrficas de cada uno del ellos en base a la proyeccin Universal Transversal de Mercator, la zona 19 y el Dato 7
horizontal WGS 84. Los pares de coordenadas fueron expresados en metros e incorporados a la matriz de la base de datos.
A continuacin se presenta un cuadro con las variables utilizadas en ste anlisis las mismas que tienen que ver con aspectos relacionados a sus caractersticas o atributos: nmero de dormitorios, superficie de lote, superficie construida, si tiene piscina, telfono, tienda, galpn y antigedad de la construccin, de acuerdo a la bibliografa consultada stas son variables que han sido utilizadas por otros autores en estudios relacionados al precio de la vivienda.
Tambin se han considerado para ste trabajo algunas otras variables relacionadas a servicios e infraestructura urbana como: agua potable, alcantarillado, calidad de vas, recojo de basura y acceso a transporte pblico. (ver cuadro 1). Tabla 1: Variables consideradas en el anlisis7
Nro 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
7
Nombre ID Barrio X Y Precio Supm2 Supcons Nrodorm Dep_aux Nueva Jardn Garaje Tienda Gal_sal Agua* Alcanta Electr* Alumb*
Descripcin Cdigo de identificacin de la observacin Ubicacin de la vivienda Coordenada en x (este) Coordenada en y (norte) Precio de la vivienda en dlares americanos Superficie del lote en metros cuadrados Superficie construida de todos los niveles Nmero de dormitorios Existencia de un departamento auxiliar Vivienda de menos de 5aos Tenencia de un espacio del lote destinado a rea verde, vegetacin Tenencia de un espacio para guardar automvil Existencia de un ambiente que tenga relacin con la calle Existencia de ambiente multifuncional cerrado de mayor proporcin para uso comercial. Acceso al servicio de agua potable Acceso al servicio de alcantarillado Acceso al servicio de energa elctrica Acceso al servicio de alumbrado publico
Escala nominal nominal Razn Razn Razn Razn Razn Razn Dicotmica Dicotmica Dicotmica Dicotmica Dicotmica Dicotmica Dicotmica Dicotmica Dicotmica Dicotmica
Tipo Discreta Continua Continua Continua Continua Continua Discreta Discreta Discreta Discreta Discreta Discreta Discreta Discreta Discreta Discreta Discreta
Las variables identificadas con *, son variables para las cuales no se tienen suficientes variaciones, por esta razn han sido eliminadas de los modelos de regresin, ya que no seria posible calcular errores estndar de manera adecuada.
19 20 21 22 23 24 25
Acceso al servicio de gas domiciliario Acceso al servicio de recojo de basura Existencia de transporte publico en la zona Calidad de va segn recubrimiento Tenencia de documentacin en orden Tenencia de piscina Vivienda vendida por agencia
As mismo para el anlisis se tomaron en cuenta slo las ofertas de viviendas legalmente establecidas, cabe sealar que un anlisis incorporando las zonas de informalidad urbana implica levantamientos de datos en campo bastante complejos y exhaustivos que no son relevantes para ste trabajo, pero que podran brindar resultados de gran inters en investigaciones posteriores.
4. METODOS DE ANALISIS Para ste estudio se aplic inicialmente la metodologa de precios hednicos, realizando previamente un anlisis descriptivo de asociacin espacial (I de Moran) para identificar la dependencia entre precios vecinos.
Posteriormente se estim un modelo de tipo autoregresivo espacial para cuantificar, por una parte la influencia de los precios vecinos sobre el precio de una vivienda y por otra, la influencia global de las variables consideradas en el modelo. Finalmente se utiliz la metodologa GWR (Regresiones Geogrficamente Ponderadas) con Kernels adaptativos para estimar la influencia local de las caractersticas sobre el precio de las viviendas, mostrando los resultados en mapas graficados mediante la interpolacin de distancias inversas en un entorno SIG (ArcGis 8.3).
Los precios hednicos, estn basados en la teora del consumidor, desarrollada por Lancaster (1966) quien manifiesta que, la utilidad de un bien est en funcin de sus caractersticas o atributos asumiendo que las preferencias de los usuarios del bien, estn solamente determinadas por el vector correspondiente a stas.
Sin embargo, la teora de precios hednicos para bienes inmobiliarios, ha sido desarrollada por Rosen (1974) quien da los fundamentos de la hiptesis hednica de que los bienes son valuados por la utilidad que brindan sus atributos o caractersticas, asumiendo que para cualquier bien, hay una relacin funcional f entre su precio p y sus caractersticas vectoriales x.
p = f ( x)
Los coeficientes estimados a partir de regresiones hednicas en general, se refieren a precios marginales implcitos de los atributos. Lo que la regresin hednica estima, es el conjunto de los puntos de interseccin de las curvas de demanda de diferentes consumidores con distintos gustos.
Este mtodo se basa en una estadstica de regresin mltiple que permite identificar el aporte individual de cada atributo al precio de la vivienda independientemente de los otros, Ejemplo: (el precio que representa para una vivienda dada el poseer un cuarto adicional independientemente de las otras variables o atributos).
La especificacin utilizada aqu es del tipo:
k n
ln pi = + j X ij +
j =1
k j =1
j = k +1
ln X ij + i
(1)
j xij
Donde las X son las variables dicotmicas que no pueden ser tomadas en logaritmo y las X , las variables continuas tomadas en logaritmo. Para simplificar la notacin llamaremos genricamente a todas las variables x que representan las caractersticas de la vivienda. Naturalmente, para leer el coeficiente de las variables dicotmicas adoptaremos la transformacin necesaria sea, tomaremos el exponencial del coeficiente estimado y le restaremos uno. La variable p representa el precio de oferta de las viviendas. Como se especifico anteriormente, la primera parte del estudio consiste en un anlisis de correlacin espacial de los precios basada sobre el ndice de Moran.
10
I=
Cov ( pi , m ( pi ) ) Var ( pi )
(2)
Donde m es el valor medio de los vecinos -definidos por cercana- en el punto i. Al respecto podemos decir que si el valor promedio de los vecinos (para una variable p i ) es similar a la variable pi en una localidad determinada, la autocorrelacion espacial es positiva lo que indica que los precios en una localidad y en su entorno estn asociados positivamente. Caso contrario, la autocorrelacin espacial es negativa; y si no estn relacionadas, no existe autocorrelacin. Este ndice es similar pero no equivalente al coeficiente de correlacin, y no esta centrado alrededor de cero, de hecho la media terica del I de Moran es 1/(N-1). As, el valor esperado es negativo y solo una funcin del tamao de la muestra (N). Sin embargo, la media va a tender a cero cuando el tamao de la muestra crezca. El I de moran mayor que su valor esperado indica autocorrelacin especial positiva, y un I de moran menor que el valor esperado, indica autocorrelacin espacial negativa. (Anselin, 1993). Debido a que el I de Moran solo es una medida de asociacin, nos puede decir si existe o no correlacin pero no nos dice el grado de dependencia espacial que hay. Para determinar esto ha sido necesario correr un modelo autoregresivo espacial que nos permita saber de cuanto es la relacin existente entre los precios p de vivienda de un lugar y el promedio de los precios vecinos m(p) como se expresa en la formula siguiente:
n
ln pi = m(ln pi ) + j xij + i
j =1
(3)
Donde el coeficiente indica cuanto vara el precio de una vivienda, en un lugar especifico, si el precio promedio de los vecinos aumenta en un 100%, dndonos una idea de como los precios se propagan en el espacio. An no tenemos ninguna informacin sobre las diferentes influencias en el precio que las variables explicativas van a tener en funcin de su ubicacin geogrfica. Para hallar este 11
resultado, fue necesario correr una regresin geogrficamente ponderada que nos dio una estimacin de cada parmetro en cada punto del espacio de anlisis. Tcnicamente, esta regresin utiliza la informacin proveniente de todos los puntos que estn alrededor de un punto de anlisis, atribuyendo ms peso a los datos prximos al punto de anlisis y menos a los alejados; en funcin de una curva de peso de tipo gaussiano llamada kernel. Esta estimacin se hace en todos los puntos para los cuales hay observaciones en la muestra. En la regresin geogrficamente ponderada, el Kernel adaptativo espacial, se usa para estimar un ancho de banda, en la medida de las variaciones de densidad de los datos, asignndoles medidas mas grandes, donde los datos estn esparcidos, y medidas menores donde los datos estn mas juntos o son abundantes. La formula del kernel adaptativo espacial utilizado aqu es:
WLi L j WLi L j
dL L = 1 i j b =0
si si
d Li L j b d Li L j > b
(4)
Donde
y b es el ancho de banda. La ponderacin de datos en ese punto ser unitaria y la ponderacin de otros datos va a decrecer de acuerdo a la curva gaussiana en tanto la distancia ente Li y Lj se incremente. wLiLj
12
En la figura 1, la regresin es en el punto Li; WLi L j es la ponderacin asociada (al dato) en el punto situado en Lj; dij es la distancia entre el punto (de regresin) Li y el punto Lj.
La regresin ponderada geogrficamente (GWR) esta basada en un marco tradicional de regresiones que incorpora relaciones espaciales locales de una manera intuitiva y explcita. La frmula es la siguiente:
(5)
Donde ( LiN , LiE ) son las coordenadas del punto Li en el espacio, jLi ( LiN , LiE ) es el coeficiente de regresin asociado a la variable j, en la regresin estimada en el punto Li y i Li es el error en este punto. Esto significa, que permitimos que haya una superficie de valores parmetro, y medidas de esta superficie tomadas en los puntos, para denotar la variabilidad espacial de la superficie. Los resultados de los parmetros estimados, pueden ser observados, graficndolos en un mapa. En la prctica los resultados de las regresiones geogrficamente ponderadas, (GWR) son relativamente no sensibles a la eleccin del Kernel pero si son sensibles al ancho de banda. Por lo tanto la determinacin del ancho de banda ptimo es necesaria como parte de la regresin geogrficamente ponderada. (Fotheringham, Brunsdon y Charlton 2002). Para calibrar la funcin de ponderacin espacial e identificar el b ptimo, se utiliza la validacin cruzada (VC), es decir, se escoge el ancho de banda que minimiza las diferencias entre los valores observados y los valores estimados de los precios de las viviendas.
VC = pi pi ( b )
i =1
(6)
13
5. ANLISIS ESPACIAL
Para calcular la asociacin espacial, varios ndices de Moran fueran calculados, considerando como vecinos las viviendas en rangos de distancia de 500 metros, desde 0 hasta 4000 metros (valor cercano a la mediana de la distancia mxima entre dos observaciones). Los resultados son graficados en el grafico 1.
Figura 2: I de Moran por intervalos de distancia
0.5 0.4 0.3 0.2 0.1 0
00 00 00 00 00 00 00 0 -5 0-1 5 0-2 0 0-2 5 0-3 0 0-3 5 -10 500 0035 400 0
100
150
200
250
Los resultados obtenidos con el ndice de Moran nos muestran que existe correlacin espacial del precio hasta los 4000 metros de distancia. Sin embargo se ve como sta correlacin baja a partir de los 2500 metros de distancia, donde se tiene 31 % de correlacin llegando en los 3500 metros hasta un 7 %. (ver grfico 1).
Para tener una idea precisa de cuanto los precios de las viviendas vecinas afectan el precio de una vivienda en un lugar especifico, estimamos una regresin de tipo autoregresivo espacial. Y para la matriz de ponderacin espacial, vamos a considerar como vecinas, todas las viviendas que estn en un radio de 2183 metros, la distancia minima-maxima encontrada entre las viviendas en nuestra muestra. Presentamos los resultados en la Tabla 2. En la tabla presentamos el coeficiente y la estadstica t asociada. Todos los coeficiente significativamente diferentes de cero, han sido resaltados para facilitar su lectura, en el caso de las variables dicotmicas, presentamos en la segunda columna el exponencial del coeficiente estimado y restamos uno
14
300
Ln(precio)=f(caracteristicas) Coeficiente Ln(Superficie Lote) 0.49 Ln(Superficie Construida) 0.56 Nro Dormitorios 0.05 Departamento Auxiliar -0.01 Vivienda Nueva 0.35 Jardin 0.17 Garaje 0.01 Tienda 0.02 Galpon 0.04 Alcantarillado 0.25 Telefono 0.14 Gas 0.01 Recojo de Basura 0.10 Asfaltado 0.21 Empedrado 0.11 Vendido por Agencia 0.18 Constante -0.11 Coeficiente 0.38 R2 N. Observaciones
Exp(coef)-1 -0.01 0.41 0.18 0.01 0.02 0.04 0.28 0.14 0.01 0.10 0.23 0.12 0.20 0.81 345
t-stat 12.28 8.56 2.21 -0.19 2.96 2.51 0.08 0.39 0.50 3.26 2.97 0.15 1.24 2.50 1.50 4.25 -0.23 8.39
Antes que nada, es interesante notar que el R 2 es de 81%, lo que significa que el modelo permite explicar 81% de las variaciones del precio global de la vivienda en el rea de estudio. Vemos tambin que la influencia de los vecinos es importante ya que el valor estimado del coeficiente de autocorrelacin espacial es de 0.38, lo que significa que proporcional a un aumento del 100% en el precio promedio de los vecinos, los precios de una vivienda aumentar en un 38% independientemente de las otras caractersticas. Si analizamos las caracteristicas de las vivienda, vemos que 9 de estas afectan el precio: la superficie del lote, la superficie construida, el numero de dormitorios, la edad de la vivienda, el echo de tener jardn, de tener alcantarillado, de tener telfono, de estar sobre una calle asfaltada y de ser vendida por agencia. En el caso de la superficie del lote, vemos que si esta dobla, el precio de la vivienda aumentara de un 49%. De manera similar, si dobla la superficie construida, el precio aumentara de un 56%. Cada dormitorio adicional aumentara el precio de un 5%. El echo que la vivienda sea nueva aumenta el precio de 41%, el hecho de tener jardn aumenta el precio de 18%, el echo de tener
15
alcantarillado aumenta el precio de 28%, el echo de tener telfono de 14% y el echo de estar sobre una calle asfaltada, del 23%. Adems, vemos que las agencias, en media, venden sus casas a 20% ms que los propietarios que ofertan sus viviendas de manera directa.
Con este anlisis ahora conocemos los variables que determinan el precio de una vivienda, pero, no sabemos si estas variables afectan el precio de la misma manera en todo el territorio. Por esta razn es interesante hacer un anlisis mas local que permita determinar como los precios son afectados de manera diferente por la caractersticas de la vivienda, en funcin de la ubicacin geogrfica. Por esta razn corremos una estimacin geogrficamente ponderada de la especificacin anterior8. De acuerdo al anlisis local, emergen 8 variables que explican muy bien el precio de la vivienda y que tienen un efecto que cambia en funcin de la ubicacin geogrfica (no estacionalidad espacial). Estas son la superficie de lote, la superficie construida, el nmero de dormitorios, el alcantarillado, el recojo de basura, el telfono y el tipo de calle.
Vamos a presentar los resultados de la regresin geogrficamente ponderada de estas variables en mapas graficadss en un entorno SIG (Arc Gis 8.3) utilizando tonos ms oscuros en los lugares donde el efecto es mas importante. En los lugares donde la t-statistic es inferior al valor crtico de 1.96, se diferenciar la superficie con una textura de lineas para mostrar que en esta zona, la variable es simplemente no significativa. Para poder hacer una mejor interpretacin de los resultados obtenidos antes de presentar los mapas, se har una caracterizacin de la zona de estudio.
Debido a que el anlisis geogrfico del precio de la vivienda implica bastante complejidad, es necesario que la referencia espacial de ste sea fcilmente comprensible. Para poder explicar los resultados se caracteriz el rea metropolitana de Cochabamba tomando en cuenta la influencia de los centros urbanos, realizando de esta manera una aproximacin a la identificacin de grandes zonas homogneas, que son:
16
Zona Oeste (Quillacollo, Vinto) cuyo lmite es la latitud 790000, a partir de donde se inicia la siguiente zona que es la conurbacin Cochabamba Quillacollo, que llega hasta la latitud 79750; Tiquipaya, que establece un lmite de longitud entre 8078000 8083000 y latitud 796120 800000 zona central, central norte, central sud, conurbacin Cochabamba Sacaba entre la
latitud 825000 - 810000 y Sacaba delimitada por la latitud 810000 (estos lmites por ser aproximaciones, son vlidas nicamente para efectos de interpretaciones grficas del presente documento).
Como referencia se caracterizan brevemente las zonas comprendidas en el anlisis es decir aquellas que estn dentro del rea Metropolitana de la ciudad de Cochabamba.
Municipio de Cercado:
Zona central Sud.- zona con grandes equipamientos urbanos, altas densidades
demogrficas y al mismo tiempo barrios de muy baja calidad de vida. Bastante expansin urbana en zonas agrcolas y en laderas.
Zona central Este.- zona muy influenciada por la Universidad y los servicios
relacionados a esta actividad.
De acuerdo a los resultados obtenidos con el anlisis de regresin geogrficamente ponderada, podemos decir cuanto en las diferentes zonas, el precio de la vivienda es influenciado o no de manera independiente por cada variable.
7. MAPEO DE COEFICIENTES DE LA REGRESION GEOGRAFICAMENTE PONDERADA LOCAL (beta y t- statistic) PARA CADA VARIABLE
En primer lugar, los resultados muestran los rangos de significacin o influencia de las
diferentes variables sobre el precio de la vivienda donde se puede ver que las de mayor influencia extendidas y diferenciadas a lo largo de todas las zonas son: Superficie Construida y Superficie de lote Sin embargo tambin pueden hacerse interpretaciones individuales para cada una de las variables consideradas significativas en el modelo. Por lo que los resultados han sido graficados mediante el procedimiento de interpolacin de distancias inversas calculada en el SIG, pero tomando en cuenta una comparacin con un mapa de polgonos Thiessen o Voronoi generado a partir de los puntos. Para as se tener superficies continuas que permita explicar cada variable.
18
El nmero de dormitorios como puede verse en el mapa, es una variable cuyo efecto sobre el precio de la vivienda, influye en las zonas de Tiquipaya y parte de la conurbacin Cochabamba Quillacollo donde se ha podido probar mediante los resultados obtenidos que, por el
incremento de un dormitorio, el valor de la vivienda podra aumentar entre un 3% y un 7%. En el municipio de Tiquipaya, el aporte marginal al precio de oferta de esta variable es del 7% lo que representa su valor mximo. Como lo habamos mencionado anteriormente este lugar se caracteriza por ser un centro urbano de menor escala que el municipio de Cercado sin embargo tiene una particularidad en su proceso de conformacin, se trata de un rea de transicin ruralurbano donde los bajos costos de la tierra han promovido la compra de grandes extensiones por parte de gente, que aprovechando la coyuntura construy casas de campo de gran ostentacin y confort que alojan no solo a los propietarios sino a familiares y amigos que se renen para disfrutar fines de semana. Esta situacin aunque no es general, podra justificar de cierta manera el incremento del valor con la adicin de dormitorios.
19
Por otro lado en el municipio de Tiquipaya, se encuentra la Universidad Privada del Valle la misma que recibe estudiantes extranjeros que han promovido en los ltimos aos, una nueva percepcin de la gente respecto al valor de su vivienda, los alquileres han revolucionado el sector convirtindose en un negocio de buena rentabilidad para los propietarios que arriendan dormitorios a estudiantes extranjeros. Esta podra ser otra de las razones por la cual, en Tiquipaya el nmero de dormitorios es directamente proporcional al valor de la vivienda. En la conurbacin Cochabamba Quillacollo, sta variable tiene un efecto sobre el precio diferenciado en el recorrido. La parte ms cercana al Cercado presenta un incremento al valor del 4 % relacionado con el numero de dormitorios, sin embargo hacia Quillacollo el porcentaje vuelve a elevarse al 7%, la zona mencionada alberga actividades comerciales por lo que la oferta de viviendas no es exclusiva de uso residencial, ms bien es comn que sta se combine con algn tipo de comercio por lo tanto el nmero de dormitorios de acuerdo al uso que a estos se les d significar mayor demanda en viviendas ubicadas en ste sector.
Figura 4: Efecto del alcantarillado en la estructura del precio de la vivienda
20
De acuerdo al anlisis, la variable alcantarilladoinfluye el precio de la vivienda en las zonas definidas como central norte, conurbacin (Quillacollo Cochabamba), Tiquipaya y central sud donde de acuerdo a los resultados, tener alcantarillado aumenta el precio de la vivienda entre 7% y 45%. El mayor porcentaje de incremento en el precio relacionado con el alcantarillado, corresponde a la zona central norte, Tiquipaya, Quillacollo-Vinto donde vemos que las viviendas si tendran conexin de alcantarillado, podran aumentar su valor hasta un 37%. En el caso de la zona central norte este resultado est relacionado con zonas residenciales consideradas en proceso de conformacin, lo que significa que corresponden a la expansin urbana no planificada y por lo tanto aunque no se niega su carcter de asentamiento urbano los procesos de dotacin de servicios an no se han consolidado. Tiquipaya Quillacollo-Vinto tienen el mismo 45% de incremento en el precio, vinculado a la variable alcantarillado que relacionamos con su carcter de zonas en transicin rural urbano, con recientes procesos de dotacin de servicios en general, por lo que en trminos de oferta lgicamente resulta importante sta variable. En el caso de las zona central el incremento del precio al ofertar una vivienda es del 23% se debe a que antiguamente no existan conexiones de servicios bsicos y pese a que en la actualidad se han instalado redes de alcantarillado, an en el centro de la ciudad de Cochabamba se ofertan viviendas que no cuentan con este servicio.
21
La siguiente variable, es telfono y tiene influencia sobre el precio de la vivienda en las zonas oeste (Quillacollo, Vinto) y la parte oeste de la conurbacin Cochabamba Quillacollo donde los resultados muestran que si la vivienda es ofertada con telfono su costo podra aumentar hasta un 20 % y en el caso de la conurbacin Cochabamba Quillacollo el precio de oferta podra incrementarse en un 3% si la oferta incluira este servicio. De acuerdo a la disponibilidad de datos observamos que las viviendas ofertadas disponibles en el sector no incluyen telfono y debido a la intensa relacin de actividades entre Cochabamba y Quillacollo ste servicio cobra mucha importancia.
22
El contar con recojo de basura incrementa entre 7% y 42% el valor de oferta y su significacin dentro de ste rango se presenta en las zonas central sud, Quillacollo, conurbacin este Cochabamba Quillacollo, central, central norte y Tiquipaya. Coincidentemente con los resultados, las zonas en las que menor incremento de precio se presenta con el recojo de basura es decir del 11% que son central, central norte y Tiquipaya son aquellas donde existe frecuente atencin por parte de los municipios correspondientes a este aspecto, el centro y centro norte cuenta con contenedores de basura distribuidos a distancias muy accesibles donde no existe restriccin de horario para depositar la basura; contrariamente a los lugares donde la valoracin del precio de oferta se incrementa con esta variable hasta un 35%; que son central sud, Quillacollo y conurbacin este Cochabamba Quillacollo donde eventualmente existen problemas de acumulacin de basura debido a las actividades comerciales con las convive la actividad residencial.
23
La superficie de lote, es una de las variables de mayor influencia en el precio de la vivienda en toda el rea de estudio, su significacin presenta un rango entre 38% y 58% lo que significa que el precio de las viviendas en el rea Metropolitana de Cochabamba esta estrechamente relacionado con las dimensiones del terreno donde sta se asienta, lo que demuestra el valor que tiene el suelo urbano de uso residencial en el mercado inmobiliario. El precio de la vivienda en Quillacollo, Vinto y la conurbacion este Cochabamba Quillacollo estn influenciados por esta variable en un 58% lo que significa que por cada unidad de cambio en la superficie del lote, el valor de la vivienda se incrementa hasta un 58%. En estas zonas donde es evidente la vocacin agrcola del suelo y posiblemente la oferta esta dirigida a usuarios que le den ms importancia a la superficie del lote que a la vivienda misma. En la zona central la variable influye al precio en un 43%, incremento que podra justificarse por la localizacin en el corazn de actividades comerciales y de servicios donde el uso
24
residencial podra combinarse con cualquiera de estas actividades asignando un plus valor a la vivienda y si el lote tiene mayores dimensiones ofrece mayores posibilidades de ganancia para el propietario. En el caso de Tiquipaya, el incremento del precio que influye la variable superficie de lote es de 40% ste como se dijo anteriormente es un municipio donde, debido a la transicin rural urbano se han vendido grandes extensiones de terrenos a gente que demanda vivir en un rea urbana con caractersticas rurales. Finalmente la zonas central sud, conurbacin Cochabamba Sacaba y Sacaba, donde coincidentemente existen similitudes en la calidad del suelo, existe una influencia de la variable en el precio de 38%, lo que significa que si la superficie del lote dobla la vivienda se incrementa en un 38%.
Figura 8: Efecto de la superficie construida en la estructura del precio de la vivienda
25
La superficie construida es la variable con mayor porcentaje de influencia en la explicacin del precio de la vivienda en toda el rea de estudio y presenta un rango de elasticidad que va del 84 al 58% de incremento al precio por unidad de cambio. La inversin que se realiza en la construccin de viviendas en cualquier zona del rea de estudio, es similar en relacin a los costos de construccin y materiales, por esta razn el efecto de esta variable en el precio tendra que ser similar en cualquier ubicacin geogrfica, ya que el mercado de construccin en el departamento es homogneo y las variaciones se dan solo por el efecto de los costos de transporte de materiales y mano de obra. Sin embargo, las superficies construidas tiene grandes variaciones de una zona a otra y los resultados han permitido identificar variaciones en el rea Metropolitana de Cochabamba, teniendo que la variable tiene una mayor influencia en Vinto, Quillacollo, Colcapirhua, donde sta influye en un 84% el precio de la vivienda (al doblar la superficie). En la conurbacin Cochabamba Quillacollo y Central sur la relacin nos dice que en tanto dobla la superficie construida, el valor de la vivienda se incrementar en un 68%. En Sacaba y la conurbacin Cochabamba Sacaba,central, central norte y Tiquipaya la influencia de la variable es menor, alcanza a un 58%.
26
La infraestructura viaria en zonas urbanizadas tiene gran influencia en la determinacin de la calidad del barrio, el acceso a servicios de transporte y accesibilidad a la vivienda, por esta razn esta variable es de gran importancia en la oferta de este bien. La variable vas pavimentadas presenta un coeficiente de incremento al precio, entre el 63% y 25% en el eje noreste del rea Metropolitana, con gran influencia en las zonas de Sacaba, zona central sur, central norte y parte de Tiquipaya. Existe una fuerte demanda de mejoramiento de la infraestructura vial, sobre todo en la zona de Sacaba y central sur, donde la mayora de las calles son de tierra y producen contaminacin y problemas de accesibilidad sobre todo en poca de lluvias y precisamente es en stos sectores donde de acuerdo a los resultados, el valor de oferta, si las vas estn pavimentadas incrementa en un 63%. La situacin se replica en algunas reas de crecimiento de la zona central norte, sobre todo en aquellas cercanas al pie de monte de las serranas, en la medida de que existan 27
mayor cantidad de calles y avenidas con pavimento, el precio de oferta de las viviendas podr ser incrementado en un 50%. Por otro lado las zonas de Quillacollo, Vinto, Colcapirhua y parte de Tiquipaya, si bien son zonas de expansin con ndices bajos en cuanto a dotacin de servicios, forman parte de la conexin interdepartamental de abastecimiento y comercializacin de Cochabamba, por lo tanto existe mayor cantidad de vas pavimentadas, esto permite entender que el porcentage mas bajo de incremento al precio25 %, se encuentre en estas zonas. La variable vas empedradas -como muestra el mapa- influyen en el precio de la vivienda nicamente en las zonas de la conurbacin Cochabamba Sacaba con un 32 % que demuestra por una parte cual es la zona con mas baja calidad de vas y el empedrado, incrementa en un 32% el precio de oferta de la vivienda, pero si se tiene una va pavimentada su precio aumenta hasta un 63%.
28
CONCLUSIONES.
Respecto al mtodo de recoleccin de datos permiti generar una muestra representativa tanto en nmero de variables como en distribucin geogrfica, teniendo en cuenta que el proceso de completar los datos para todas las observaciones fue complicado en el sentido de acceder a estos ya sea de los propietarios, de las empresas inmobiliarias o de los corredores de bienes races.
A lo largo del proceso de anlisis se valid exitosamente el modelo adoptado en todas sus etapas desde la verificacin de la correlacin espacial, la generacin de la matriz de ponderaciones, los resultados de las regresiones geogrficamente ponderadas global y local, hasta la visualizacin grfica de los mapas.
Los resultados del ndice de Moran muestran que los precios de la vivienda en el rea de estudio estn correlacionados espacialmente dentro un radio comprendido entre 500 y 4000 metros. El analisis autoregresivo espacial, permite explicar un 81 % el precio de la vivienda en el rea de estudio de acuerdo al R2. Globalmente las variables superficie del lote, superficie construida, nmero de dormitorios, departamento auxiliar, alcantarillado, telfono, tipo de va y agencia son las variables que explican el precio de la vivienda, siendo la superficie construida y la
superficie de lote las mas significativas y con influencia en toda el rea de estudio. Tambin podemos concluir que el precio de los vecinos afecta en un 38% el precio de una vivienda independientemente de sus caractersticas.
Localmente, como se present mediante la observacin de resultados de una anlisis geogrficamente ponderado en los mapas generados en un entorno SIG, vemos que cada zona presenta caractersticas particulares relacionadas a cada variable de acuerdo a una determinada ubicacin. El resultado demuestra claramente que en Cochabamba, no hay estacionariedad espacial para los determinantes de los precios de las viviendas.
29
Referencias bibliogrficas
ANSELIN, Luc,. (1988). Lagrange multiplier test diagnostics for spatial dependence and spatial heterogeneity, Geographical Analysis, 20, pp 1-17.
ANSELIN, Luc., and Rey, S., (1991). Properties of tests for spatial dependence in linear regression models, Geographical Analysis, 23, pp 112-131.
ANSELIN, Luc., and Hudak, S., (1992). Spatial econometrics in practice: A review of software options, Regional Science and Urban Economics, 2, pp 509-536.
ANSELIN, Luc y Varga, Acs, (1997), Local Geographic Spillovers between University
Research and High Technology Innovations, Journal of Urban Economics, 42
ARANGO, Gilberto. La vivienda en Colombia en el cambio de siglo. En: BRAND, Peter. Trayectorias urbanas en la modernizacin del Estado en Colombia. 2001. pp 227 263.
BOVER, O y Belilla, P (2002) Hedonic house prices without characteristics: The case of
multiunit housing European Central Bank Working Paper Series Germany
30
Madrid.
COWLING, K. y CUBBIN, J. (1972). Hedonic price indexes for United Kingdom cars, Economic Journal n 82, pp 963 -978.
Vancouver, Canada
DUBIN, R. A., (1988). Estimation of regression coefficients in the presence of spatially autocorrelated error terms, Review of Economics and Statistics, 70, pp 466-474.
DUBIN, R. A., (1998). Predicting house prices using multiple listings data, Journal of
Real Estate Finance and Economics, 17(1), pp 35-59.
31
ECONOMETRIA Espacial: Mtodos y modelos: Estudios en la ciencia regional operacional, Luc Anselin, agosto de 1988, editores acadmicos de Kluwer; ISBN: 9024737354
ESCOBAR, J y Romero, J; (2003) Mtodos de construccin de ndices de precios de la vivienda. Teora y experiencia internacional. Centro regional de estudios econmicos. Banco de la Repblica Colombia
ESTADSTICA para los datos espaciales (serie de Wiley en probabilidad y estadstica matemtica de Statistics/applied), Noel Cressie, el 5 de octubre 1993, Juan Wiley y hijos de inc.; ISBN: 0471002550
OCERIN JM, Caridad y Braas G, Pablo. (s.f) New applications in urban economic
through hedonic price models 37Th European Congress of the regional Science
32
SANDBERG, Krister. (2004). On Space Time Changes of Hedonic Price for Single
Family Homes. Departament of Economics and CERUM. Umea University
SANDBERG, Krister. (2004). Growth of GRP in Chinese Provinces: A test for Spatial
Spillovers. Departament of Economics and CERUM. Umea University
SOTO, Patricia. (2004). Spatial Econometric Analysis of Louisiana. Rural Real State
Value.
THIBODEAU, Thomas (2002) The determinants of house prediction accuracy E.L. Cox School of Business. Southern Methodist university. Dallas
WOLFGANG B, Hans (s.f.). True Hedonic Price Indices: Concepts and Estimation
Problems Seminar of Statistics, University of Fribourg.
33
34