individuales y agregados espaciales: Un caso aplicado a la ciudad de Bogot.

La calidad de la vivienda a partir de enfoques hednicos

Leonardo Morales Zurita

Universidad del Valle

10 de junio de 2005

Introduccin.

La calidad de la vivienda es un aspecto de crucial importancia en la determinacin de los niveles de vida de las personas. De las caractersticas propias de cada unidad habitable se calidad de la vida de una familia o una comunidad en un tiempo y espacio geogrfico pueden deducir muchos de los elementos importantes a tener en cuenta para evaluar la determinado. Este no es un elemento desconocido por las diferentes visiones econmicas que intentan abordar el tema de la pobreza y de las condiciones de vida de los hogares, no necesidades de un hogar o de su nivel de calidad de vida. en vano son elementos imprescindibles a la hora de estructurar una medicin de las

El objetivo implcito a lo largo de todo el trabajo consiste en verificar a travs de la

utilizacin de metodologas hednicas para la vivienda en la ciudad de Bogot, la hiptesis de que los elementos que constituyen lo que se denominar como calidad de la vivienda, juegan un papel determinante en la conformacin de los precios de cada unidad. Para corroborar empricamente estas consideraciones se abordan dos enfoques: uno tradicional en modelos de precios hednicos en donde la unidad de estudio es cada hogar en particular

y otro en donde la unidad de estudio son las (UPZ)1del distrito, en el que se introducen en utilizacin de la econometra espacial). A travs del primer enfoque se utilizan las

la modelacin un conjunto de relaciones geogrficas al interior de la ciudad (mediante la metodologas hednicas para encontrar precios implcitos de un conjunto de caractersticas, en su mayora individuales de cada vivienda, y para estimar una funcin de demanda individual por la calidad de la misma. El segundo enfoque por su parte permite incluir en la aplicacin de las hiptesis hednicas, una serie de dinmicas espaciales de los efectos que las caractersticas propias de cada UPZ tienen sobre la determinacin del precio de la vivienda en Bogot.

La Unidad de Planeacin Zonal es uno de los instrumentos de gestin urbana previstos en el POT. (Plan de ordenamiento territorial) para abordar el planeamiento de escala intermedia en el territorio distrital, que posibilita una adecuada articulacin y precisin entre las directrices generales adoptadas en el modelo de ordenamiento territorial y la planificacin y gestin zonal y vecinal.
1

asociadas a la calidad de una vivienda, elementos tiles en el campo de la evaluacin de

El trabajo contiene elementos descriptivos y valorativos importantes de categoras tericas

proyectos sociales o en el diseo de polticas que pretendan disminuir el nivel de pobreza y disponibilidades marginales a pagar, para una serie de categoras que pueden ser

asociado a los hogares, ya que el manejo estadstico permitir encontrar precios implcitos consideradas como elementos de primera necesidad en la dotacin de una casa. Los valores obtencin de beneficios sociales de cualquier proyecto futuro de mejoramiento de las

monetarios encontrados por los modelos economtricos, pueden ser utilizados para la condiciones de vivienda en la ciudad y ser contrastados con sus respectivos costos.

La primera seccin del trabajo est compuesta por una revisin bibliogrfica de la metodologa de los precios hednicos y los desarrollos de la econometra espacial. La segunda seccin hace una pequea referencia a como se introducen elementos de la composicin de la vivienda en las metodologas de medicin econmica mas estndar del bienestar de las personas. En la tercera seccin se plantea un modelo terico para el precio

de la vivienda el cual ser estimado en las dos secciones posteriores. En la seccin IV se

y en la seccin V se introduce a la hiptesis hednica bsica un conjunto de relaciones seccin VI se establecen conclusiones y recomendaciones.

estima un modelo emprico tradicional de precios hednicos para el mercado de la vivienda

espaciales que sern planteadas, exploradas y posteriormente estimadas. Por ultimo en la

Los principales resultados que se obtendrn sern: desde el primer enfoque la estimacin

de un precio implcito y una funcin de demanda por calidad de la vivienda en la ciudad de

Bogot y desde el segundo enfoque la comprobacin de concentracin geogrfica de altos y vecindario espaciales en la conformacin del precio de la vivienda. Adems este trabajo

bajos niveles para la valoracin de la vivienda, y la posterior estimacin de los efectos de constituye un aporte en si mismo a la difusin de tcnicas estadsticas que incorporan estn revolucionando el estudio de la economa regional y urbana en todo el mundo.

dimensiones espaciales a las relaciones planteadas en los modelos tradicionales, las cuales

I. Revisin Bibliogrfica. a. Los precios hednicos. La metodologa de los precios hednicos constituye herramienta importante para estudiar

las relaciones que existen entre los niveles de calidad que puede asignrsele a una unidad habitable, en trminos de un conjunto de atributos o caractersticas y el precio de la misma habitarla). (bien sea el valor de compra y venta o el valor de la renta que se paga por el derecho de

los bienes son valorados por su utilidad relacionada con atributos o caractersticas. Los precios hednicos son definidos como los precios implcitos de las caractersticas y son revelados por las personas al ejercer transacciones de mercado, ya que en ellas puede observarse los precios de productos diferenciados as como las diferentes cantidades de atributos que el bien posee (Rosen, 1974). La tcnica de los precios implcitos es ya utilizacin de la misma, la segunda de ellas a partir de 1974 es caracterizada por un mayor

La metodologa de los precios hednicos se estructura bsicamente en la hiptesis de que

bastante conocida en la prctica econmica y pueden distinguirse dos etapas en la grado en el refinamiento de la teora. Antes de 1974 se conocen como los pioneros de la

tcnica dos trabajos: el de Frederikc Wuagh (1928) para el mercado de los vegetales, en el

que se intenta descontar el efecto de ciertos factores de calidad en el precio de los vegetales y el de Court (1939) para el mercado de los automviles, en el cual se analizaba distancia entre ejes potencia, etc. los cambios en el precio de los mismos de acuerdo a caractersticas como peso, modelo,

En 1974 con el artculo de Sherwin Rosen, se establece por primera vez un contexto terico utilizacin de la tcnica. Rosen plantea que varios tipos de bienes diferenciados, pueden ser perfectamente descritos por un vector de caractersticas objetivamente consistente y unas bases metodolgicas suficientemente slidas para la justificar

la

mesurables: Z = ( z1 , z 2 ,...z n ) , con z midiendo la cantidad de la caracterstica i. De la

observacin del precio de cada bien y la cantidad de caractersticas asociadas a el, resulta

distinguen perfectamente entre cantidades de las caractersticas, eso implica que toda una variedad de alternativas (diferentes tipos de combinaciones de cada z i ) este disponible.

un conjunto particular de precios hednicos o implcitos. Oferentes y demandantes

Despus de Rosen tal vez el artculo ms reconocido sobre el tema es el de Freeman (1979), bien heterogneo y su precio P (hi ) explicado en funcin de caractersticas que pueden agrupando las caractersticas estructurales de la vivienda, Q j las caractersticas del vecindario y N j las caractersticas ambientales. descomponerse de la siguiente manera: Phi = Ph ( Si1 ,...Sij , N ik ,...N ir , Qi1 ,...Qim ,...Qin ) con S j quien realizo un anlisis para el caso de la vivienda en el cual propone la vivienda hi como

Otra aplicacin que se le ha dado a los precios implcitos es en el mercado laboral, el

mismo Freeman (2002) plantea el problema de encontrar algn tipo de valoracin para la

disminucin del riesgo de muerte en accidentes laborales a travs del uso de la tcnica de una funcin de precio hednico, interpretada como una relacin de equilibrio que refleja no

los precios hednicos en lo que denomin, el salario hednico. En este caso se construye slo la interaccin de la oferta y la demanda por las caractersticas del empleo, si no tambin la interaccin entre oferta y demanda por las caractersticas del trabajador, de tal manera que la derivada parcial de la funcin de salario hednico con respecto a un atributo bien puede reflejar el precio implcito por un atributo del empleo o del trabajador.

Uno de los desarrollos mas interesantes de los precios implcitos se ha dado desde el enfoque de la economa ambiental, donde se ha utilizado para hallar la demanda por calidad ambiental de forma indirecta, a travs del mercado de la vivienda. Muestra de esto

es el trabajo de autores como Koldstad (2002 pp. 542) quien desarrolla un modelo simple al estilo Rosen para el mercado de la vivienda en donde trata de encontrar el precio implcito por una caracterstica ambiental, o Azqueta (1994 pp. 273) otro autor ambiental

expuesta por Freeman.

reconocido quien desarrolla igualmente un modelo hednico cindose a la metodologa

Entre otras aplicaciones reconocidas de la tcnica se destacan las de los siguientes autores:

el fin de determinar si los beneficios de una propuesta de regulacin para la contaminacin

Harrison y Rubinfeld (1978) quienes aplican la metodologa de los precios hednicos con

del aire en Boston superaban los costos, y Palmquist (1984) quien construy una base de datos con informacin de oferentes de vivienda y del censo estadounidense, para estimar la disposicin marginal a pagar por las caractersticas ms relevantes de la vivienda en siete ciudades norteamericanas.

(1991), en el cual se elabora una aplicacin de la tcnica de los precios implcitos a los atributos de las fincas campesinas Colombianas, donde pretende estimar el precio implcito de los diferentes atributos de la finca campesina, en un contexto en el cual la unidad productiva y la familiar son indisociables.

Uno de los trabajos ms reconocidos que se han realizado para Colombia es el de Castellar

b. Desarrollos histricos de la econometra espacial.

Los desarrollos realizados en el campo de la econometra espacial nacen en el intento de ofrecer una solucin prctica a los problemas denominados como efectos espaciales, dependencia espacial se refiere a la ocurrencia de interdependencia entre observaciones de las regresiones, la heterogeneidad espacial por su parte se refiere a la variacin sistemtica en el comportamiento de un proceso a lo largo del espacio (Can, 1990). estos son: La heterogeneidad y la dependencia espacial, sobre todo el segundo de ellos. La vistas en un espacio geogrfico y viola el supuesto de no correlacin en el termino de error

Los desarrollos en la tcnica que pueden ser considerados como fundadores de una lnea de

estudio aparte, se atribuyen a la obtencin de los primeros dos ndices formales para

detectar la presencia de autocorrelacin espacial (Moreno 2000); estos fueron realizados 6

Paelinck y Klassen (1979) quienes lo utilizaron para referenciar el tratamiento de la

por Moran (1948) y Geary (1954). El trmino de econometra espacial se le atribuye a

autocorrelacin espacial en el trmino de error en las regresiones (Moreno 2000). Los desarrollos ms importantes que ha tenido la econometra espacial se han producido en la dcada de los ochentas, con trabajos como los de Cliff y Ord (1981), Blommestein (1983) y Ansellin (1980,1988) y una gran cantidad de artculos en revistas especializadas de modelos tradicionales.

economa regional y urbana que incluyen el desarrollo de tcnicas espaciales en los

Uno de los impulsos ms significativos que ha tenido la econometra espacial es el reciente para el manejo de datos espaciales. El primero de ellos desarrollado por Ansellin en 1992 llamado Space Stats, fue el primer paquete que inclua todas las tcnicas necesarias para el manejo exploratorio de datos espaciales y para su posterior avanzados como el Geo-da. estimacin. Recientes

desarrollo de paquetes estadsticos especializados en la materia o que incluyen mdulos

desarrollos del mismo Ansellin han originado la aparicin de paquetes estadsticos mas

En Colombia los trabajos que incluyen tcnicas exploratorias de datos espaciales no son

muchos, sobresalen algunos desarrollos elaborados por investigadores del centro de

estudios econmicos del Banco de la Repblica sede Cartagena, quienes han utilizado las algunos trabajos del Centro de Estudios de Desarrollo Econmico (CEDE), como el de Snchez (2003) en donde se muestran anlisis espaciales para variables que describen dependencia espacial en modelos de erosin del suelo para territorios del departamento del Valle.

tcnica para el estudio de la distribucin de la pobreza en Colombia (Prez, 2005) y

niveles de violencia en Bogot y el de Goyeneche (2003) en el que se incluye la

II. La vivienda y la calidad de vida. Esta seccin es muy corta, bsicamente en ella se presentan algunos conceptos tericos importantes, con el objetivo principal de construir una definicin apropiada de calidad de la vivienda en Colombia, esta definicin ser importante en adelante ya que es la que se presentan de forma rpida las metodologas de medicin de calidad de vida de la poblacin

incluye al desarrollar los modelos tericos y estadsticos. Para conseguir estos fines, se en Colombia y la manera como dentro de ellas estn presentes elementos de la vivienda, estos elementos han sido incluidos en dichas metodologas pues a la luz de la literatura ms estndar en temas de esta naturaleza, pueden considerarse que tienen una importancia especial en la composicin una unidad de vivienda. Por ser de una importancia resaltada, los elementos de la vivienda que han sido introducidos en metodologas de medicin de asignrsele a una vivienda cualquiera. calidad de vida, sern la base para construir la definicin de la medida de calidad que puede

vida de las personas son variados, para los objetivos de esta seccin van a utilizarse tres de los ms estndar y tradicionales: El ndice de condiciones de vida ICV, Las necesidades bsicas insatisfechas NBI y El Sistema de seleccin de beneficiarios de programas sociales tres ndices, tienen en cuenta elementos de la vivienda, sobre dichas categoras va a ser construida la definicin de calidad.

En Colombia los instrumentos tericos para acercarse a una medicin de las condiciones de

SISBEN. A continuacin van a resaltarse las categoras que para la construccin de estos

En el NBI2 estn presentes dos elementos asociados a la dotacin de servicios de la vivienda estos son: el abastecimiento inadecuado del agua y la carencia de servicios sanitarios para el desecho de excretas.

Por su parte el ndice del SISBEN3 incluye para su construccin las siguientes categoras relacionadas con la vivienda: variables que indican la calidad de los materiales de construccin de las unidades y variables que dan cuenta de los servicios de las mismas. De una forma muy parecida lo hace el ICV4 ya que para la construccin del ndice se material de paredes, pisos y servicio sanitario.

introducen elementos que se encuentran dentro de los siguientes grupos: tipo de vivienda,

Bajo estas consideraciones, variables que describan atributos de la vivienda y que se material de las paredes y material de los pisos, recibirn un tratamiento especial al ser

encuentren dentro de las siguientes categoras: abastecimiento de agua, servicios sanitarios, introducidas en los modelos planteados mas adelante, ya que son elementos que estn asociados a necesidades del hogar, que trascienden por mucho el concepto de deseo o como seres humanos y en la potencializacin de sus capacidades. preferencia y que seguramente juegan un papel importante en la realizacin de las personas

Las necesidades bsicas insatisfechas es una metodologa muy comn en Colombia, en la se hace nfasis en un nmero mnimo de necesidades. Es muy utilizada en estudios relacionados con la incidencia de la pobreza. La escogencia de las variables que incluye el indicador se basa en la discusin acerca de lo que puede ser una necesidad bsica. 3 El Sistema de Seleccin de Beneficiarios de Programas Sociales (SISBEN) utiliza un ndice que surge como respuesta a algunas crticas hechas sobre las necesidades bsicas insatisfechas. Este mtodo permite identificar las caractersticas socioeconmicas de los hogares en Colombia a travs de cuatro grupos de variables de las cuales dos estn basadas en elementos relacionados con la composicin de la vivienda. 4 Muy relacionado con el SIBEN, el ICV utiliza la cuantificacin de variables cualitativas buscando ser un indicador estndar de vida, permitiendo ordenar los hogares segn sus condiciones socioeconmicas y la eleccin de aquellos mas necesitados. El ndice de condiciones de vida construye una escala ascendente, diferenciada por zona rural y zona urbana.
2

vivienda.

III. Planteamiento de un modelo terico para las caractersticas y el precio de la

El modelo que se presenta a continuacin sigue el estndar para modelos de precios puede ser representada por el siguiente vector de

implcitos estilo Rosen. En primer lugar se asume la hiptesis hednica de que la vivienda

las caractersticas implcitas que hacen parte de la composicin de la vivienda, pero que no son vistas desde el punto de vista de los elementos de primera necesidad definidos por las metodologas de medicin del bienestar planteadas en la seccin anterior, en otras palabras son elementos de la vivienda como el numero de cuartos y baos, la presencia de garaje, la cuenta las metodologas de medicin del bienestar en Colombia y que por lo tanto acueducto y de alcantarillado.

Z = (c1 , c 2 ,...c n , c1 , c 2 ,...c n ) , donde cada una de las variables c i representa la cantidad de

caractersticas:

cercana a zonas verdes etc. Las c j son cada una de las variables construidas teniendo en pertenecen a algunas de las siguientes categoras: material de paredes y pisos, servicios de

Se asume que los consumidores poseen una funcin de utilidad estrictamente cncava del diferentes a la vivienda y su precio es igual a la unidad, por otra parte las caractersticas forma funcional que agrupa todas las caractersticas de la vivienda catalogadas como de representada por la siguiente expresin U = [x, c1 , c 2 ,...c n , I ] .
2 primera necesidad [ I = f (c1 , c ,...c n ) ], de tal manera que la funcin de utilidad puede ser

siguiente tipo: U = ( x, c1 , c 2 ,...c n , c i 1 , c i 2 ,...c i n ) donde x representa todos los bienes

c1 , c 2 ,...c n , por conveniencia van a ser agrupadas todas en el trmino (I), siendo I una

El hecho de que existe suficiente cantidad de compradores y vendedores (bien puede ser arrendatarios y arrendadores) garantiza que ningn individuo tenga poder para alterar el mnimo P (I ) para combinacin especfica de caractersticas precio de equilibrio. En estas condiciones la competencia prevalece y slo existe un precio

2 [c1 , c ,...c n ] . El otro

10

condiciones estn garantizadas existe una solucin de equilibrio para el siguiente problema (Rosen 1974).

supuesto importante radica en la existencia de no arbitraje, siempre y cuando estas

estrictamente cncava y de la forma: U = f ( x , c 1 , c 2 ,... c n , I ) donde x es el resto de bienes diferentes a la vivienda. Con el objetivo de facilitar la notacin se deja I como la variable relevante y se incluyen en x las variables (c1 , c2 ,...cn ) , obteniendo: U = f ( X , I ) . As

a. El consumidor: Para el caso del consumidor se asume una funcin de utilidad

que el comportamiento del consumidor en este modelo sencillo se reduce a:

max x , I f ( X , I )
Donde

Sujeto a e y

X + p( I ) = y
se refiere al nivel de renta del

consumidor. De las condiciones de primer orden de resolver el siguiente problema de maximizacin: l = U ( X , I ) ( y x P ( I )) , Se obtiene que siendo p I =

2 X = x + (c1 , c 2 ,...c n ) , I = f (c1 , c ,...c n )

P entonces: I

Teniendo en cuenta la formulacin de la funcin de utilidad, se puede plantear que para un valor cualquiera de X, puede determinarse la cantidad que se debe consumir de I para forma puede definirse una funcin de gasto en I que sea el monto particular de ingreso Introduciendo la expresin anterior en la funcin de utilidad tenemos que: disponible para adquirir cantidades del bien, tal

P U = PI = I I Ux

Donde

UI =

U I

UX =

U . X

alcanzar el nivel de utilidad fijo U , es decir, el valor de I tal que U ( X , I ) = U . De esta

que y X = , donde y = X .

U(y , I) = U

Y despejando para obtenemos que = ( I ; y, U ) .

11

el consumidor representativo est dispuesto a hacer por una alternativa de valores de I.

caractersticas en una funcin f (c1 , c, 2 ...cn ) .

Esta funcin a la que denominar funcin de licitacin, representa entonces el gasto que

Resulta importante resaltar que I, a su vez recoge una combinacin particular de Dado que se asume la estricta concavidad de U esto implica que es de la funcin es creciente en decreciente. importante I a una Es

cncava5 en I, el valor tasa en

tener

cuanta que I = tasa I,

sustitucin entre dinero e marginal implcita de una posicin de consumo de alguna cantidad positiva del atributo, dejando fijos la utilidad y el ingreso. La funcin de licitacin indica la cantidad que el consumidor esta dispuesto a pagar por cantidades del atributo, de esta manera el y U sean cantidades ptimas y dado que el precio mnimo viene dado por P(I), el ptimo se o la valoracin

marginal

es la I
de

consumidor maximiza su utilidad siempre que ( I *; y, U *) = p ( I *) , es decir siempre que I

funcin de licitacin ( I *; y,U *) como se ilustra en la grfica nmero uno. Hay un mapa
de curvas de licitacin que se definen sobre todas las dems caractersticas que componen
Se asume que

localiza espacialmente justo en la tangencia de la funcin de precio hednico p (I *) y la

2 >0 y 2 <0 I I

12

funciones de licitacin y de precio hednico definidas sobre cada caracterstica resultan los ptimos de cantidades y precios implcitos para cada caso en particular.

la vivienda y que no han sido agrupadas en I, de las respectivas tangencias entre las

decisiones acerca de que estado de calidad conferirle y en que precio ofrecerla bien sea para la venta o en alquiler6. Se asume que el productor representativo enfrenta una funcin de costos tal que se presentan rendimientos constantes a escala, esa funcin de costos depende en primera instancia de un parmetro que denota el precio de los insumos necesarios para un determinado nivel de I y de la cantidad del caractersticas (agrupadas en La funcin de costos puede representarse entonces como C = c ( , I ) ,

b. El productor: En el caso de los productores son propietarios de vivienda que toman

I) que cada productor particular decida conferirle a la vivienda que ofrece [Kolstad 2002].

C = c( , I ) es convexa con

se asume que

C ( ,0) = 0 y que

Dado que cada productor tiene implcitamente asignado un precio para cada caracterstica, vienen dados por la siguiente expresin: = * I c( , I ) . debe cumplirse que = C I = C .

C C y > 0. I

se asume que es el precio que ofrece el productor para I, de esta manera los beneficios

Resolviendo el problema del productor se obtiene que dada la maximizacin de beneficios I

Un nivel de beneficio cualquiera equivale a = c ( , I ) , despejando de esta

expresin puede obtenerse lo que se denominar en adelante funcin de la oferta de I) ofrecida por el productor dado un nivel de beneficios y un valor particular de I.

= ( , I ; ) , una expresin para el precio de cada unidad de calidad (medida en trminos

Cuando el ptimo sea alcanzado el ingreso marginal por una unidad adicional del atributo
6

En adelante simplemente productores

13

caso de la demanda, la funcin de la oferta indica los precios que los productores estn beneficio.

iguala su costo marginal de produccin por unidad vendida. Simtricamente como en el

dispuestos a aceptar sobre diferentes niveles del atributo manteniendo constante el

creciente en I, dado que se supuso Mientras P(I) sea el mercado, los

Se asume que la funcin de oferta es

convexidad en la funcin de costos. obtenible por los productores en el maximizados beneficios cuando son mximo precio

los productores maximizan beneficios aceptar es el mximo que pueden

p( I *) = ( I *; y,U *) en otras palabras

cuando el precio que estn dispuestos a obtener. Igual que el caso de la de la

demanda como se ilustra en la figura el equilibrio en la produccin es caracterizado por la En la figura slo es mostrado el ptimo para el atributo I, que funcin de precio implcito para cada caracterstica en particular. c. El equilibrio de mercado.

tangencia entre la funcin de precio implcito p (I *) y la funcin de la oferta ( I *; y, U *) .

caractersticas de las viviendas. Existe un ptimo particular, un nuevo mapa de curvas y una

recoge algunas

Sobreponiendo las figuras anteriores se tiene un equilibrio en el que vendedores y compradores estn perfectamente emparejados, justamente en el punto geomtrico de precio hednico corresponde a la tangencia entre las funciones respectivas de algn tangencia entre sus respectivas funciones de oferta y licitacin. Cada punto de la funcin de

14

el hecho de que vendedores y compradores al igual que el mercado como tal, tienen la misma valoracin para la caracterstica de inters de la vivienda.

vendedor y algn comprador. Esta situacin de tangencia mltiple puede interpretarse como

El concepto de la tangente es importante porque se refiere a la pendiente de la funcin de precio todas con respecto a I al mismo implcito, de oferta y de licitacin, tiempo, o lo que es equivalente, la derivada de cada funcin con respecto al atributo. La pendiente hace referencia al cambio marginal en el precio de la vivienda cuando

de la funcin de precio implcito

de la vivienda en unos trminos muy especficos, definidos ya en secciones anteriores) se incrementa en una unidad, lo que puede ser identificado como un precio para el atributo.

el atributo I, (que denota la calidad

IV. Estimacin de un modelo hednico para la vivienda en la ciudad de Bogot.

a. Informacin

La Encuesta de Calidad de vida 2003 realizada por el DANE (ECCV) es una fuente de condiciones socioeconmicas de la poblacin, del impacto de las crisis econmicas, del efecto de las polticas del gobierno y de las condiciones econmicas de la poblacin. El 15

informacin actualizada con la que se cuenta en Colombia, recoge informacin sobre las

detallada acerca de las condiciones fsicas de la construccin, abastecimiento de servicios pblicos, dotacin, equipamiento del hogar etc. La ECCV 2003 contiene registros de ms las 19 localidades que componen el mapa administrativo de la ciudad. b. Construccin de un puntaje de calidad para cada vivienda. categoras que en secciones anteriores se catalogaban como de 12.000 hogares encuestados en la ciudad de Bogot y est subdivida entre cada una de

mdulo de inters para esta investigacin es el de vivienda, donde aparece informacin

Existen en la encuesta una serie de variables que ofrecen informacin acerca de las composicin de una casa, estas categoras son: el nivel calidad de la dotacin de la unidad el nivel de calidad en el abastecimiento del servicio de agua y los servicios sanitarios.

necesidades primarias en la

de vivienda en trminos de los materiales de construccin de pisos y paredes, e igualmente

Utilizando la informacin presente en el modulo de hogares de la ECCV se construye una puntuacin

mencionadas, basndose en la ordenacin que realiza el ndice de Condiciones de Vida (ICV). Los puntajes corresponden a valores de 100 para el mximo nivel de calidad y 0 las paredes, la tabla nmero uno sintetiza el valor del puntaje en cada nivel de calidad.
Tabla No.1 Puntaje de calidad para paredes Categora Bloque ladrillo, piedra madera pulida Tapia pisada adobe Bareque revocado Bareque sin revocar Madera burda, tabla, tabln Material prefabricado Guadua, caa, esterilla, otro vegetal Zinc, tela, lona, cartn, latas, etc. Sin paredes Fuente: Clculos del Autor

relativa de calidad para cada vivienda en cada uno de las categoras

para el nivel de calidad mnimo, as por ejemplo para la puntuacin del nivel de calidad de

Puntaje 100 87,5 75 62,5 50 37,5 25 12,5 0

16

El promedio simple de todos los puntajes se constituye en un buen indicador de la calidad de una vivienda y ser una variable importante en la especificacin del modelo a estimar. Distribucin geogrfica del puntaje de calidad En el mapa nmero uno se presenta la distribucin

Como esta tabla se construyeron otras tres para la puntuacin de las categoras restantes.7

geogrfica del puntaje promedio de calidad de vivienda, cuanto a la calidad de la vivienda, en el mapa han sido El distrito capital de Bogot aparece con el objetivo de presentar un contexto nacional en

construidas las Regiones en las que la encuesta esta desagregada. demarcado por un circulo rojo, como puede observarse la ciudad al igual que toda la regin central del pas en color marrn, incluyendo al eje cafetero, presentan los

niveles mas altos del puntaje de calidad en todo el pas, por otro lado las regiones perifricas como la costa Atlntica y la Pacifica, la Amazona y la Orinoqua son las que tienen los ms bajos puntajes de calidad de vivienda.

c. Estimacin de un modelo de precio hednico tradicional para el precio del arriendo La ecuacin que se proceder a estimar por mnimos cuadrados ordinarios es la siguiente:

P = + 1 pI j + i Ci + ui
n i =2

En el anexo A se presentan las tres tablas restantes para el material de los pisos, el servicio de acueducto y los servicios sanitarios.
7

17

En donde la variable independiente (P) se refiere al arriendo pagado por cada hogar en particular,

calidad de la vivienda, Ci es un conjunto de variables que describen alguna caracterstica describe las variables utilizadas:
Tabla No. 2 Descripcin de las variables del modelo. Nombre de la variable prom c01 c08 ica hom casa solar canal basura peligro zver gar jar b04012 gas telefono seguridad Fuente: El autor Descripcin Puntaje promedio de calidad Numero de cuartos Numero de Baos Indice de calidad ambiental de la localidad8 Tasa de homicidio localidad Casa (1) Apto (0) Tiene solar (1) otro caso (0) Cerca de canales de aguas lluvias (1) otro caso (0) Cerca de basuseros (1) otro caso (0) En zona e peligro de desastre natural (1) otro caso (0) Zona verde cercana(1) otro caso (0) Tiene garaje (1) Otro caso (0) Tiene jardin (1) otro caso (0) Estrato Tiene servicio de Gas (1) otro caso (0) Tiene telefono (1) Otro caso (0) Se siente seguro en el sector (1) otro caso (0)

I j se refiere a la variable que se ha definido como el puntaje promedio de

de la vivienda o de su entorno y ui representa la perturbacin aleatoria. La siguiente tabla

quienes argumentan que las ecuaciones lineales no tienen necesariamente que ofrecer el
Este ndice es construido con base en la metodologa de los componentes principales desarrollado por Escobar (2002) incluye las siguientes categoras: Densidad de zona verde, rea verde por habitante, Densidad de poblacin, densidad de viviendas, espacio pblico, nmero de rboles plantados, nmero de vallas y avisos publicitarios, influencia de la industria y comercio.
8

Adicionalmente, siguiendo la recomendacin de algunos autores como Carriazo (1999),

18

transformado por mxima verosimilitud.

mayor ajuste, se realiza una transformacin Box Cox

y se estima el siguiente modelo

P = + I + i Ci

n

( )

Donde:

i =2

+ i C j ( ) + ui
N i =n

P ( ) =

( P 1)

C ( ) =

(C 1)

, si 0 _ y _ P ( ) = LnP, si = 0 , si 0 _ y _ C ( ) = LnC , si = 0

Se utilizan las mismas variables descritas en el cuadro numero dos, en este caso cada una

estimadas se presentan a continuacin en la tabla nmero tres. Los dos primeros modelos corresponden a la estimacin por mnimos cuadrados ordinarios de modelos Log-Lin yLogLog, los siguientes dos modelos son mxima verosimilitud las transformaciones Box Cox estimadas por

variables C j fueron transformadas9. Los resultados obtenidos para las ecuaciones

de las variables C i no se transformaron por ser variables dicotmicas y cada una de las

promedio de puntajes, numero de cuartos, estrato en el que est ubicada la vivienda, numero de baos y tasa de homicidio de la localidad.

Las variables independientes a las que se les realiz la transformacin fueron las siguientes:

19

Tabla No. 3 Resultados de las estimaciones

(Log-Lin)
Variable Prom Lc01 Lc08 ica Hom Casa solar canal basura Peligro Zver Gar Jar b04012 Telefono Seguridad R^2 Coef. .0184*** .181*** .143*** .1205** -.00034** -.0.056** -.0196 -.033 -.029 -.068** .0920** .151** -.0361** .2294*** .1753* .00894 0.6462
10

(Log-Log)
Coef. 1.467** .4830** .3161** 0.110*** -.0140 -.0505** .0038 -.0273 -.0214 -.0806*** .0893*** .1574*** -.0277** .2315*** .145654** .0145

1Box Cox
coef. 2.665413*** 1.181194*** 1.002376*** .3732186*** -.077922*** -.1577566*** -.0265026 -.08910522 -.05969017 -.2092992*** .2628245*** .5775098*** -.1116833*** 1.296881*** .3782661*** .0443390

11

2Box Cox
coef. .133577*** .115854*** .074961*** .036241*** -.002578 * -.019325*** -.000056 -.010241 -.089069 -.021998** .027056*** .051984*** -.010616*** .122268*** .0453046*** .0037616

12

Box Cox1

13

Boxcox2

11

Elasticidad 1.41 .4750 .3796 -.0002 -.0398 -.0135 -.0003 -.0030 -.0006 -.0042 .0100 .0420 -.0163 .5200 .1109 .0118

Elasticidad 1.628 .5290 .2774 -.0001 -.0273 -.0152 -.0009 -.0032 -.0008 -.0041 .0095 .0348 -.0143 .5527 .1222 .0092

0.6342 Prob>F 0.0000 0.000 LFMV NR. -2994.01 -2886.26 -8081.34 -3292,31 LFMV R. -5599.78 -5599.78 -71979.55 -71979.5543 RV 5211.54 5427.04 127796.2 137374.4886 (***) Estadsticamente significativo a un nivel de confianza del 99% (**) Estadsticamente significativo a un nivel de confianza del 95% (**) Estadsticamente significativo a un nivel de confianza del 90%

Fuente: Clculos del Autor

Para la estimacin de los modelos por MCO (Log-Lin, Log-Log) se utiliz el paquete estadstico Stata 8.2, se escogi porque estima los errores estndar de forma robusta evitando as posibles problemas de heterocedasticidad. 11 Corresponde a un modelo transformado en variable dependiente e independientes pero con la restriccin = , estos parmetros son encontrados por el mtodo de bsqueda de rejilla entre el intervalo (0,1). La estimacin se realizo el paquete estadstico Lidep 7.0. 12 Corresponde a un modelo transformado en variable dependiente e independiente en el que , nuevamente los parmetros son encontrados por el mtodo de rejilla y el modelo fue estimado por mxima verosimilitud en el paquete Limdep 7.0 13 Dado que Y = X , los efectos marginales se obtienen de derivar implcitamente, como
10

resultado se obtiene la siguiente expresin

1

dX Y

utilizando la siguiente expresin dY X = X

dY X 1 = 1 , las elasticidades estn calculadas dX Y X X .

= Y

20

d. Resultados de la estimacin: En trminos generales se puede decir que las estimaciones conservan un nivel alto de estabilidad, las variables que resultaron significativas, lo fueron para todas la estimaciones y salvo el ndice de calidad construido por Escobar(2002) variable que tiene un efecto marginal con signo contrario en las estimaciones por mxima verosimilitud14, todas las dems variables conservan coeficientes y efectos marginales ms calculando el pseudo R-cuadrado de Mcfadden15 resulta ser el modelo Box Cox con

o menos estables a lo largo de todas las estimaciones. La estimacin con mayor ajuste

transformacin en variables independientes y dependientes.

Puede observarse que variables como el nmero de cuartos, el nmero de baos, la existencia de garaje, de zona verde y de servicio telefnico as como el estrato incrementan el valor de la vivienda. Vale la pena resaltar el caso de la variable casa y de variables muy

propias a unidades de vivienda que son casas y no apartamentos, como la existencia de solar o jardn, estas resultaron tener una influencia negativa en el valor pagado por el ciudad, este resultado es comn estimaciones de este tipo para la ciudad de Bogot (Rojas, 2004). arriendo, lo que dice esto es que los apartamentos son mas valorados que las casas en la

Aunque slo se analiza en el prximo apartado de forma cuantitativa el coeficiente de la

variable de mayor inters para la investigacin que es el promedio del puntaje de calidad, las elasticidades arrojadas por las estimaciones son la base para el clculo de los precios tienen como variable dependiente un precio real de mercado, es algo valioso porque
Lo que puede explicarse por la poca variabilidad que tiene este ndice dado que solo hay datos diferenciados para 19 localidades. L 15 R 2 = 1 NR , donde LNR es el valor del logaritmo de la funcin de mxima verosimilitud del LR
14

implcitos de los dems atributos. Es importante resaltar que las estimaciones realizadas

modelo normal y LR es el del modelo bajo la restriccin de que todos los coeficientes sean iguales a cero. Se utiliza esta medida de Bondad de ajuste para hacer comparables los modelos lineales y los no lineales ya que el R 2 tradicional no puede utilizarse para las estimaciones no lineales.

21

precio de las casas, lo que le resta validez terica a las estimaciones. El precio implcito de la calidad de vivienda

tradicionalmente este tipo de modelos han sido estimados con informacin catastral del

Recapitulando un poco, lo que se ha hecho hasta aqu es definir la calidad de una vivienda unidad habitable que van mas all de las preferencias de los individuos, para establecerse como lo que aqu se ha llamado atributos o caractersticas de primera necesidad. Esa

utilizando herramientas de la medicin de calidad de vida que resaltan los elementos de la

definicin cuantitativa de la calidad fue introducida en un modelo economtrico, con la realizar un anlisis de precio implcito y estimar una funcin de demanda.

elasticidades obtenidas de la estimacin de dicho modelo se tienen las herramientas para

La elasticidad del precio de la vivienda ante variaciones porcentuales en el puntaje de que ante una variacin del 1% en el puntaje de calidad, el arriendo se incrementa en 1.6% promedio por incrementos en los niveles de calidad en las viviendas en la ciudad de calidad se mantuvo en todas las estimaciones anteriores alrededor del 1.5% y 1.6%, es decir

aproximadamente. Esto permitir encontrar un precio implcito y una disponibilidad a pagar

Bogota. El precio implcito calculado para una unidad del puntaje es de aproximadamente cantidad de dinero en el arriendo por el hecho hipottico de vivir en una vivienda con un equilibrio a lo largo de toda la muestra:

4300 pesos por mes, es decir que un hogar promedio en la ciudad est dispuesto a pagar esa nivel de calidad mayor en un punto. La siguiente tabla resume el precio implcito de

Tabla no. 4 Estadsticas descriptivas del precio implcito de la calidad de la calidad de la vivienda
Obs 5207 Media 4.298 Std. Dev. 3.949 Min. 1052,846 Max. 57571,43

Fuente: Clculos del autor

22

determinan un equilibrio individual para cada hogar en el mercado implcito de elementos Toda esa informacin de consumidores de vivienda, permite establecer una estimacin de la funcin inversa de la demanda para el puntaje de calidad de la vivienda, siempre y de primera necesidad de una vivienda, o lo que aqu se ha denominado como la calidad.

La

tabla nmero 4, describe las estadsticas bsicas de un conjunto de pecios que

homogneas, de tal manera que las diferentes observaciones de cada hogar en particular pueden tomarse como alteraciones del hogar representativo16.

cuando se adopte el supuesto de que los hogares en la ciudad puedan considerarse unidades

Estimacin por MCO de una funcin de demanda para el puntaje de calidad puntaje de calidad de vivienda:

Se estimo la siguiente ecuacin que define una funcin inversa de la demanda para el
PI = + 1 I + 2 I 2 + 3Y + 4 E

Grfica No. 4: Funcin de demanda por puntajes de calidad

30000 25000 20000 15000 10000 5000 0 0 20 40 60 80 100 120 Fuente: Clculos del Autor

En

precio implcito encontrado para el puntaje, I es el puntaje de

donde

PI corresponde

al

calidad, Y es el ingreso del hogar cursados

al promedio de aos en formal el sistema por los de

educacin miembros

resultados de la estimacin por cuestiones de extensin

del

hogar.

Los se

presentan en el anexo B, pero en la grfica nmero 4 se muestra la funcin de demanda obtenida con los resultados de la regresin.
16

Una forma prctica de relajar el supuesto de que los hogares son unidades homogneas es calcular diferentes funciones de demanda por estrato o deciles de ingreso, estos caculos se muestran en el anexo C del trabajo.

23

pagar17 (rea bajo la curva) de hogares en Bogot por mejoras en sus unidades de vivienda, lo que esta diciendo es que cuando el precio de una unidad del puntaje esta por encima de los $25.000, los hogares no consumen ninguna unidad del bien. Por otro lado la funcin de

Este acercamiento, es una herramienta importante para tener una idea de la disponibilidad a

demanda se comporta como una demanda tradicional hasta ms o menos 90 puntos del

indicador de calidad, los hogares estn dispuestos a consumir ms unidades de calidad siempre y cuando el precio sea menor, pero dado que la funcin no es lineal, ante reducciones en el precio, el consumo aumenta en una proporcin siempre mayor. A partir

de un puntaje de calidad mayor que aproximadamente 90 puntos, aunque el precio se incremente existe la disponibilidad a pagar por las unidades marginales restantes hasta llegar al puntaje mximo. A partir de un puntaje de 90 el comportamiento de la funcin es poco usual para una funcin de demanda, ante incrementos en el precio la cantidad demandada tambin se incrementa, lo que quiere decir que el efecto ingreso ante la variacin, va en el mismo sentido de dicha variacin y supera en magnitud el efecto

sustitucin. Esto puede justificarse tericamente porque a niveles de calidad superiores de 90 puntos el hogar representativo considera la calidad de la vivienda un bien tan necesario que ante la reduccin del ingreso ocasionada por el incremento en el precio de los puntajes, los dems.

entonces decide consumir ms de este bien necesario, sin sustitutos cercanos y menos de

Si se observa el comportamiento de la funcin se puede encontrar que a medida que se

consumen mas puntos de calidad la funcin se vuelve cada vez mas elstica, es decir, reducciones en el precio ocasionan incrementos cada vez mayores en el consumo, hasta que llegado cierto punto las personas estn dispuestas a pagar por este bien inclusive aunque en la ltima porcin de la funcin el precio se incremente.
17

El clculo de la disponibilidad a pagar por un nivel de puntaje P esta dado por el rea bajo la curva de

demanda entre cero y P.

f ( pc) = DAP( P).

P 0

24

en la ciudad de Bogot.

V. Planteamiento de las relaciones espaciales que afectan la valoracin de la vivienda

espacial, se intenta flexibilizar la premisa segn la cual cada una de las unidades de estudio, independientes las unas de las otras. Se van a introducir tcnicas de manejo de datos espaciales con el fin de determinar si existen dinmicas espaciales operando en el mercado

En esta seccin con la ayuda de tcnicas desarrolladas en el campo de la econometra

que en este caso no son hogares en particular sino las unidades de planeacin zonal, son

promedio por Unidad de Planeacin Zonal, que pueden actuar como una externalidad de vecindario en la determinacin del precio de la vivienda (Can, 1990).

seccin, incluyendo las que se refieren a la calidad de la vivienda, son valores y atributos

de vivienda en la ciudad. Las variables explicativas del modelo espacial estimando en esta

Realizando un manejo a la base original (ECCV) se obtuvieron los promedios por UPZ de una serie de variables como: el valor de la vivienda, la cantidad pagada por arriendo y los puntajes de calidad. Con estos datos y requerimientos adicionales de informacin se

1. Datos y resumen de la metodologa desarrollada en esta seccin.

elabor una base de datos que contiene informacin importante sobre la vivienda y informes de cada una de las localidades que componen el mapa administrativo de Bogot, en donde aparecen variables claves como nmero de parques, metros cuadrados de zona verde por habitante, presencia policial, tasa de homicidio, delito etc.18

caractersticas de cada una de las UPZ. La informacin adicional que se utiliz fueron los

La forma como se plantean las ideas ms importantes de esta seccin es la siguiente: en

muestra la distribucin espacial de las variables; y adicionalmente se trata de contrastar la

18

primer lugar se hace un anlisis espacial exploratorio de variables de inters, en donde se

Estos informes son realizados por la Secretaria de hacienda distrital en colaboracin con planeacin distrital y tienen por titulo Recorriendo Bogot y sus localidades, se encuentran disponibles en red en la pagina de planeacin (www.dapd.gov.co)

25

hiptesis de autocorrelacin espacial19 para la especificacin y posterior estimacin de un modelo que la tenga en cuenta en el caso de que exista. 2. Anlisis exploratorio de la muestra.

Si existiese correlacin espacial en el precio de la vivienda, esta variable no estara explicada nicamente por las relaciones que plantean las hiptesis hednicas, sino tambin por el valor que toma la variable en unidades geogrficas cercanas o vecinas, en otras palabras para explicar el precio de la vivienda habra que tener en cuenta en dnde est ubicada espacialmente. Si se tiene la intuicin de que a lo largo de la muestra pueden

estarse presentando este tipo de relaciones se deben entonces realizar las pruebas para detectar la correlacin espacial en una variable determinada, para las cuales existen dos enfoques diferentes: los contrastes globales20 y los contrastes locales de autocorrelacin

espacial21

A continuacin en este apartado se realizan los siguientes procedimientos prcticos para la deteccin de un posible patrn de correlacin: en primer lugar, se realiza un anlisis grfico de la distribucin de algunas variables de inters, como primer acercamiento a la localizacin de algn tipo de relacin espacial entre los datos, posteriormente se realizan correlacin espacial. los contrastes estadsticos globales y locales adecuados para determinar la existencia de la

La dependencia espacial o autocorrelacin espacial, aparece como consecuencia de la existencia de una relacin funcional entre lo que ocurre en un punto determinado del espacio y lo que ocurre en otro lugar (Clif y Ord, 1973; Paelink y Klassen, 1979; Ansellin 1988 a). 20 En los cuales se contrasta la hiptesis de que la variable se encuentre aleatoriamente distribuida en el espacio, o si por el contrario existe una asociacin significativamente positiva o negativa entre las diferentes unidades geogrficas que componen la muestra. (Moreno 2000). 21 Se diferencian de los primeros porque permiten mayor sensibilidad en el anlisis de los datos ya que se calcula el valor de los estadgrafos de contraste para cada regin de la muestra, a travs de este tipo de procedimientos se puede conocer la situacin de cada unidad espacial por separado (Moreno 2000).
19

26

a. Distribucin geogrfica de la variable arriendo: El mapa numero dos muestra la arriendo. Como puede apreciarse en la figura existe distribucin geogrfica por cuartiles22 de la variable

para la variable un indicio notable de no aleatoriedad

en la distribucin geogrfica de la muestra. Se ve claramente como las viviendas ms costosas estn mientras que en todo el sur de la ciudad y una porcin niveles de precios para el arriendo. concentradas en el centro y nororiente de la ciudad, del occidente existe una concentracin de bajos Dado que se tienen serios indicios de que el arriendo aleatoria deben plantearse contrastes estadsticos formales para la deteccin de la

promedio por UPZ no est distribuido de forma

correlacin.

b. Estadsticos de contraste formal para detectar la correlacin Espacial Moran Global: Para detectar formalmente la correlacin espacial se
N conocido como I de Moran23 presenta la siguiente expresin: I = S0
N

contrastes globales y locales de Moran (Moran 1948). El contraste de Moran o tambin

utilizaron los

W ( x x )( x x ) (x x)
ij ij i =1 N i j i

Medida de localizacin estadstica que divide la muestra en cuatro partes iguales, quedando en el primer cuartil los valores ms bajos y en el ltimo los ms altos. 23 En muestras suficientemente grandes (Moreno 2000), la I de Moran sigue una distribucin normal asinttica.
22
2 /1

Z (I ) =

I E(I ) ~ N (0,1) [V ( I )]

27

pesos24 y S 0 equivale a

Donde xi es la variable que se cree est autocorrelacionada en el espacio, Wij es matriz de

W
i j

ij

tambin el contraste de correlacin espacial local de Moran26 el cual tiene la siguiente expresin: I i =

Moran Local: Para le deteccin de Clusters25 en la distribucin de las variables se utiliz

Para el clculo de los estadsticos de contraste de esta seccin se utilizaron matrices de pesos no estocsticas del siguiente tipo:

0 a12 L a1N En donde cada uno de los elementos aij , describe una relacin a 0 L a12 espacial entre la unidad i y la j. Se trabaj con matrices en 12 W= M M M M donde los aij son variables dicotmicas que indican si las a N 1 a N 2 L 0 unidades son vecinos en diferentes grados de contigidad. En el Anexo D son presentados
algunos ejemplos de este tipo de matrices.

Una de las caractersticas ms distintivas de la tcnica es que la distribucin espacial de los datos es muy tenida en cuenta, esto es formalmente expresado por la Matriz de pesos. (Ansellin, 1992). Este tipo de matrices son necesarias ya que al contrario de la correlacin serial en donde la relacin nicamente puede ser unidireccional, la dependencia espacial es multidirecccional (Moreno, 2000), esto quiere decir que una unidad de estudio puede estar influenciada por la contigua, pero tambin por todas las que la rodeen y ella, al mismo tiempo, puede influenciar el comportamiento de todos sus vecinos. 25 Los clusters pueden ser definidos como agrupaciones de unidades geogrfica para las cuales el comportamiento de una variable cualquiera muestra que esta correlacionada espacialmente. 26 De nuevo en muestras suficientemente grandes el estadgrafo se distribuye como una normal N(0,1).
24

Zi 2 Zi / N

W Z
j j ij

28

continuacin se utiliz una matriz de pesos tradicional en el anlisis de datos espaciales, conocida como reina27.

c. Resultados de la exploracin: Para las pruebas que se computaron y que se muestran a

Primero se realiz el contraste de correlacin espacial

global de Moran y se obtuvo como resultado una fuerte evidencia emprica de la existencia de correlacin, el valor del estadgrafo es de 0.67, ubicndose en la zona de rechazo

(dado que la hiptesis nula del contraste es la distribucin distribucin mostrada en el grfico numero seis.28 El grfico de la derecha (No.7) es llamado el Scatterplot

aleatoria de la variable en el espacio), Como lo indica la

variable Logaritmo del arriendo normalizada y en el eje rezago vertical el rezago espacial de la variable normalizada. El espacial es definido por la siguiente

de Moran, en el se representa en el eje horizontal la

expresin j Wij Pj . El grfico indica la existencia de una marcada correlacin espacial para la variable arriendo.

27

aquellos con los que comparta vrtices. Con esa matriz se construyo el rezago espacial de la variable arriendo como la expresin
28

La cual considera la relacin espacial de una unidad con todos sus vecinos prximos incluyendo

arriendo promedio en la UPZ j.

W
j

ij

Pj en donde Wij es la matriz de pesos y Pj es el

La construccin de la distribucin del estadgrafo fue realizada a 5000 permutaciones.

29

Por ltimo, se realizaron contrastes de correlacin locales representados por el mapa a la derecha, todas las de Moran, los resultados

estn

zonas en color son aquellas para las cuales se rechaza la hiptesis de distribucin aleatoria a un nivel de significanca al menos del 5%. Este mapa bajos valores para el valor del arriendo, el color rojo indica un grupo de unidades

permite la identificacin de clusters de altos y de

concentracin de altos valores del precio de la

vivienda y el color azul indica lo mismo para los valores ms bajos. El anlisis muestra como resultado una fuerte evidencia de existencia de efectos espaciales. Algo interesante que las pruebas permitieron ver es la marcada diferencia que tienen algunas zonas geogrficas en la ciudad, mientras en el nor-occidente se presentan las

concentraciones mejor dotadas y ms valoradas, en el sur ocurre todo lo contrario, estn las zonas de concentracin de menor valor de los arriendos.

3. Especificacin y estimacin de un modelo espacial para explicar el precio de la vivienda. a. Especificacin: Para la correcta especificacin de un modelo espacial se realizaron test
Tabla No. 5 Test de multiplicadores de Lagrange
Lagrange Multiplier (lag) Robust LM (lag) Lagrange Multiplier (error) Robust LM (error) Fuente: Clculos del autor 40,204219 42,541295 0,7383413 3,0754169 0,0000000 0,0000000 0,3901927 0,0794842

permiten definir si se trata de un modelo espacial rezagado o un modelo presentan en la tabla 5.

de multiplicadores de Lagrange29 estos

de error espacial, los resultados se

29

Este tipo de test fueron realizados en el paquete estadstico GEO-DA

30

La interpretacin de los anteriores test es la siguiente: Los dos primeros (LM-lag y robust siguientes (LM-error y robust LM-error) se refieren al modelo de error espacial como

LM-lag) pertenecen a la alternativa de estimacin de un modelo espacial rezagado, los dos

alternativa (Ansellin 2005). Lo que sugieren los test es que debe estimarse un modelo rezagado espacial, es decir, un modelo que incluye como variable dependiente el rezago espacial de la variable independiente como una de las variables explicativas.

vivienda: La ecuacin que se estima puede representarse de la siguiente manera:

b. Estimacin mximo verosmil de un modelo espacial rezagado para el precio de la

P = + i X i + W p + u i
N i =1

Con

W p = WP

Donde P representa el logaritmo del arriendo promedio de la vivienda por UPZ, es el

parmetro autorregresivo, W p es el operador de rezago espacial, X i es cada una de las cuadro describe cada una de las variables explicativas exgenas X i .
Tabla No.6 Descripcin de las variables explicativas
Variable W_LARR CONSTANT AESTRATO2 LHOM ACASA AGAS AESTRATO PROMARR LDELITO LPVIV ICA TOCUP BIEN CULT REC Fuente: El autor Descripcin Variable independiente rezagada Constante Estrato al cuadrado Logaritmo de la tasa de homicidio Proporcin de unidades que son casa por localidad Proporcin de viviendas con servicio de gas domiciliario Estrato Promedio de puntaje de calidad de vivienda por UPZ. Log ( la tasa de delitos de gravedad) Log (precio de la vivienda promedio por localidad) Indicador de Calidad ambiental Tasa de ocupacin 2003 por localidad Numero de establecimientos para el bienestar Numero de establecimientos para la cultura Numero de establecimientos para la recreacin

variables explicativas exgenas y ui es el trmino de perturbacin aleatoria. El siguiente

31

mnimos cuadrados ordinarios (MCO) como alternativa de estimacin, esto se debe a las consecuencias de realizar MCO en presencia de correlacin espacial, estas consecuencias pueden ser anlogas a las conocidas en el contexto temporal.30 Por esta razn, tal como lo

La estimacin de modelos con presencia de efectos espaciales como ste, no incluye los

plantea Moreno (2000), la estimacin mximo verosmil se ha perfilado a lo largo de estos (Ripley 1981; Cliff y Ord, 1981; Upton y Fingleton, 1985; Ansellin, 1988; Hainning, 1990;

aos de desarrollo de la econometra espacial como una de las alternativas dominantes Ansellin y Berra, 1998).

Tabla No. 6 31 Estimacin modelo espacial rezagado (**) , (*) Dependent Variable : LARR Mean dependent var : 12.3694 Pseudo R-squared : 0.942663 Log likelihood : 60.9339 Variable **W_LARR *CONSTANT LN_HOM LN_DELITO AESTRATO2 **PELIGRO **ACASA *AGAS Test Breusch-Pagan test Likelihood Ratio Test
Fuente: Clculos del autor

32

Coeficiente -0,1270105 2,643123 -0,005152152 0,02331216 -0,003022683 -0,4751701 0,3329457 0,1469783

Variable **PROMARR **LPVIV *ICA **TOCUP *REC *CULT BIEN **AESTRATO Prob. 0,3699947 0,0000000

Coeficiente 0,05916717 0,200102 0,06639138 0,02083964 0,01678745 -0,002055056 -0,001144653 0,3468195

Las estimaciones obtenidas son insesgadas, pero ineficientes dado que la matriz de varianzas y covarianzas del trmino de perturbacin ser no esfrica, lo cual lleva a que la varianza del vector de coeficientes estimado por MCO este sobreestimada, en comparacin a la obtenida tras aplicar Mnimos Cuadrados Generalizados al modelo con perturbaciones autorregresivas. En los modelos que incluyen un rezago espacial de la variable endgena como variable explicativa, la estimacin por MCO puede implicar consecuencias incluso peores a tal punto que la insesgadez tampoco est garantizada [Moreno 2000]. 31 Estadsticamente significativa a un nivel de confianza del 99% 32 Estadsticamente significativa a un nivel de confianza del 95%
30

32

c. Correccin de la correlacin espacial.

Realizando el scatter ploter de Moran de los residuos estimados, se tienen indicios de que el problema ha quedado corregido. Tambin se valor de 0.015, con el cual no se puede rechazar aleatriamente.

calcul el estadgrafo I de Moran, obteniendo un la hiptesis nula de que los errores se distribuyen

d. Interpretacin de los coeficientes

primera necesidad, el promedio por UPZ del puntaje de calidad de vivienda resulta ser una variable muy significativa, el coeficiente es una semielasticidad, lo que quiere decir que unidad de planeacin zonal, incrementa el valor del arriendo promedio en alrededor de 5.9%. Es importante tener en cuenta que el coeficiente no solamente contempla el hecho de positiva para el precio de una vivienda cualquiera de estar en un vecindario de viviendas de alta calidad. que las viviendas con alta calidad tendrn altos precios, si no que tambin la externalidad cada punto de incremento en el puntaje de calidad de vivienda promedio presentado en una

importancia en la composicin del precio de las viviendas de la dotacin de elementos de

Desde esta perspectiva agregada los resultados del modelo tambin corroboran la

paso de un estrato socioeconmico promedio al siguiente representa un incremento en el

Otra variable que resulta estadsticamente significativa es el estrato promedio por UPZ. El

arriendo promedio del 34%, se incluy el estrato al cuadrado para contrastar la hiptesis de que el estrato tena un efecto positivo sobre el arriendo promedio, por el hecho de que las llegado cierto punto, por el mayor costo de los servicios pblicos y el costo de vida en 33

personas estn dispuestas a pagar ms por viviendas ubicadas en estratos ms altos, pero

estratos mas altos; pero la variable no resulto estadsticamente significativa, lo que es un indicio de que en el mercado de la vivienda arrendada esta hiptesis parece no cumplirse33.

general, esa disponibilidad a pagar se va disminuyendo en la medida que se llega dichos

Otras variables que resultan importantes en la determinacin del arriendo promedio que se paga por la vivienda son las siguientes: el ndice de calidad ambiental por localidad, la proporcin de casas sobre la totalidad de unidades tambin incrementa el valor promedio establecimientos para el esparcimiento y la recreacin por localidad; el nmero de

del arriendo por UPZ, de igual manera que variables de otro tipo como, el nmero de establecimientos con los que cuenta la UPZ para la recreacin incrementa el arriendo de

forma positiva aproximadamente en 1.6% , pero ocurre todo lo contrario con los que este tipo de locaciones estn ubicadas en zonas comerciales de la ciudad y no residenciales, estas primeras suelen tener una valorizacin menor que las segundas. establecimientos para el ejercicio de la cultura, esto puede ser explicado por el hecho de

Resulta curioso que las variables que realizan una descripcin de los niveles de seguridad

en la UPZ como los homicidios y delitos no resultan significativos. Los homicidios tienen obtenidas en la seccin anterior, la variable no resulta significativa esto puede ser estadsticos muy bajos.

un efecto negativo sobre el arriendo pero esta vez contrariamente a las regresiones

ocasionado porque el efecto no es de una magnitud muy fuerte por lo que se obtienen T

Por ultimo otras variables como la proporcin de hogares con conexin de gas domiciliario

y una variable que describe caractersticas de las personas que habitan la UPZ que es la tasa de ocupacin, resultaron ser significativas y que influyen de forma positiva en el monto del arriendo promedio pagado por unidad de planeacin zonal.
33

En regresiones similares que se realizaron, en las que la variable dependiente era el precio que cada propietario le confera a su vivienda la hiptesis pareca tener sentido pero por cuestiones de extensin no sern presentadas en este trabajo.

34

estadstico y el parmetro autorregresivo espacial fue negativo, lo que puede estar

El rezago de la variable endgena result muy significativo desde el punto de vista

estn las viviendas mas valoradas y con mejores caractersticas en el sur ocurre todo lo contrario.

evidenciando un patrn de separacin en la distribucin de los datos, mientras en el norte

35

VI. Conclusiones Este trabajo fue una primera exploracin al tema de la vivienda, pero visto desde lo que

aqu se ha llamado la calidad. Este concepto fue construido acorde con las metodologas ms estndar de medicin del bienestar y la pobreza de las personas, pero fue un elemento un precio de mercado y los determinantes para la formacin de clusters al interior de la simple consideracin de preferencias y eleccin de las personas y se adentra en campos de los requerimientos mnimos para le realizacin de las personas. importante en consideraciones de otra naturaleza como la valoracin, la descomposicin de ciudad. La definicin construida para el concepto de calidad de la vivienda trasciende de la estudio que pueden resultar mas profundos, como las necesidades de los seres humanos o

En todos los modelos estadsticos estimados se encontr evidencia de que las hiptesis hednicas aplicadas a elementos de la vivienda necesarios para el desarrollo digno de un categoras que aqu se definieron como calidad de la vivienda, representan cambios en el hogar cobran mucha fuerza, un cambio en las caractersticas pertenecientes a alguna de las arriendo pagado por los moradores de la vivienda en altas magnitudes. Para el modelo estimado desde el punto de vista de hogares individuales, un incremento en el puntaje de calidad de 1% introduce un incremento en el arriendo de 1,6% aproximadamente. El

resultado obtenido para el modelo estimado desde una perspectiva espacial agregada, en la

que las variables eran los promedios por UPZ de una serie de caractersticas de las calidad promedio por UPZ en una unidad, representa un incremento en el valor de arriendo promedio en 5,9% aproximadamente.

viviendas, los resultados tambin va en la misma direccin, un incremento en el puntaje de

Se obtuvo como resultado desde la perspectiva de hogar individual que los hogares en promedio en la ciudad estn dispuestos a pagar alrededor de $4.300 mensuales por un incremento en la calidad de su vivienda en un punto. Se obtuvo tambin un primer

36

cualquiera como el rea debajo de la curva. Segn la funcin de demanda estimada, ante reducciones en el precio, el consumo de puntos de calidad se incrementa en mayor proporcin que dicha reduccin, llegando hasta un punto en el cual, la curva presenta un los hogares estn dispuestos a consumir mas a pesar de que el precio se incremente.

permite tener una idea de las disponibilidades a pagar promedio por un nivel de calidad

acercamiento a la funcin de demanda para los puntajes de calidad de vivienda, la cual

cambio de pendiente para los valores mas altos del puntaje de calidad, sobre estos valores

Se obtuvo desde la perspectiva agregada que la distribucin del arriendo a lo largo de la geografa de la ciudad no es aleatoria, verificando la existencia de dinmicas espaciales que operan en el mercado local de vivienda, existen concentraciones de valores altos y bajos estas razones se estim un modelo espacial con rezago de la variable endgena el cual

para el precio de las unidades, los altos concentrados al noroccidente y los bajos al sur. Por evidenci estadsticamente un patrn de separacin en los datos, lo que corrobora la distribucin asimtrica que en el caso del precio de la vivienda existe en la ciudad. Por otra parte se cuantifico el efecto de atributos agregados y promedios de caractersticas por UPZ,

elementos pueden ser vistos como externalidades de vecindario que afectan de forma diferenciada el precio de la vivienda.

como el estrato

o el nmero de establecimientos para actividades recreativas, estos

Esta investigacin contribuy a entender los procesos de formacin de precios en el de la valoracin de los hogares por la calidad de sus viviendas y desde la perspectiva

mercado de la vivienda en la ciudad, desde la perspectiva individual describe la dinmica agregada describe las dinmicas espaciales de valoracin promedio por unidades de planeacin y el efecto sobre el precio de algunos atributos agregados que pueden entenderse como externalidades de vecindario.

37

Referencias Bibliogrficas Ansellin L. (1988), Spatial Econometrics Methods and Models, Klwer academics publisher,

University of California, Santa Barbara.

Laboratory, University of Illinois, http://www.csiss.org/

Ansellin L. (2005), Exploring Spatial Data With GeoDa: A Work Book, Spatial Analysis

Ansellin L. (1980), Estimations Methods for Spatial Autorregresive Structure Ithaca NY: Cornell University, Regional Science Dissertations and Monographs Series # 8.

Arcos O. et all. (2000), Insercin precaria desigualdad y Eleccin social, CINEP Antropos Bogot (Colombia).

Azqueta D. (1994), Valoracin econmica del impacto ambiental, Mc Graw Hill, Madrid Blommestein H. (1983), Specification and estimations of spatial econometrics models: A 13, 251-270

discussion for alternatives for spatial modeling Regional science and Urban Economics,

Can A. (1990), The measurement of neighborhood dynamics in urban houses prices, Economic Geographic Vol. 66 No. 3, pp. 253-271

Castellar C. (1991), Valoracin de las caractersticas de una finca campesina mediante los precios hednicos Cp. II, Tesis Doctoral. Universidad de Barcelona (Espaa).

Carriazo L. (1999), Impactos de la contaminacin del aire en el precio de la vivienda: una valoracin econmica para santa fe de bogota. CEDE Memorias y Tesis de Grado, Bogot

38

Cliff A. y J. Ord (1981), Spatial Process: Models and Applications, London Pion. Court A. (1939), Hedonic prices index with automobile examples The Generals Motors

Corporations- the dynamics of automobile demand.

Escobar J. (2004), Evaluacin de la calidad ambiental por localidades en Bogot: Una Ambiente Vol. 2 # 7

aproximacin a la Construccin de ndices de calidad ambiental, Gestion y Medio

Freeman III (1979) Hedonic prices property values and measuring environmental benefits: a survey of issues Scandinavian Journal of Economic Vol. 81 # 2.

Segunda edicin RFF Press

Freeman III (2000), The measurement of environmental and resource values, Cap. 13,

Geary R, (1954), The contiguity ratio and statistical mapping, The incorporates Statistician, 5, 115-145.

Goyeneche M. et all. (2003), Efecto de la Erosin en el precio de la tierra y sus implicaciones de Poltica, Tesis para obtener Master en Economa Ambiental, Universidad de los Andes Bogot.

environmental economics and management, Vol. 5

Harrinson et all. (1978), Hedonic housing prices and the demand for clear air Journal of

Kolstad, C. (2002), Economa ambiental McGraw Hill Oxford, Mxico.

39

society B, 10, 243-251.

Moran P. (1948), The interpretation of statistical maps, Journal of the royal statistical

Moreno R. y Vay E. (2000), Tcnicas economtricas para el tratamiento de datos espaciales. Universidad de Barcelona Espaa.

Paelinck J. y Klassen L. (1979), Spatial Econometrics. Farnborough. Saxon House. Palmquist R. (1984), Estimating the demand for the characteristics of housing Review of economics and statistic, 1984, Vol. 66. 394-404

de Economa Regional # 54, Banco de la Repblica

Perez J. (2005), Dimensin Espacial de la Pobreza en Colombia, Documentos de Trabajo

Rosen S. (1974), Hedonic prices and implicit markets: product differentiation in pure competition. Journal of political economy 82. pp. 34-55.

Rojas O. (2004), Indices de precios como alternativa indispensable para el anlisis econmico, Outlies # 1 Universidad Javeriana Bogot

Sanchez F. et all (2003), Garrote o Zanahoria: Factores Asociados A La Disminucin de Bogot.

La Violencia Homicida y El Crimen En Bogot, Documento CEDE 2003-27, Santa F de

economic, Vol 10 # 2.

Waugh F. (1928), Quality factors influencing vegetable prices Journal of Farm

40

Anexos. Anexo A.

Tablas de puntajes de calidad para pisos servicios de acueducto y de alcantarillado

Material de los pisos Marmol, Parqu, madera pulida o lacada Alfombra o tapete de pared a pared Baldosa, vinilo tableta, ladrillo Madera burda tabla o tabln Cemento gravilla Tierra o arena Puntaje 100,00 83,33 66,66 50,00 33,33 16,66

Tipo de Servicio de acueducto Sin Acueducto y Agua para cocinar alimentos de agua lluvia, ro, quebrada agua embotellada o en bolsa Sin Acueducto y Agua para cocinar alimentos de pila pblica o carro tanque Sin acueducto agua para cocinar alimentos de pozo Sin acueducto agua para cocinar los alimentos de acueducto pblico, comunal o veredal Con Acueducto y Agua para cocinar alimentos de agua lluvia, ro, quebrada agua embotellada o en bolsa Con Acueducto y Agua para cocinar alimentos de pila pblica o carro tanque Con acueducto agua para cocinar alimentos de pozo Con acueducto agua para cocinar los alimentos de acueducto pblico, comunal o veredal Con Acueducto agua para cocinar alimentos de acueducto

Puntaje 11,11 22,22 33,33 44,44 55,55 66,66 77,77 88,88

Tipo de servicio Sanitario Inodoro conectado a alcantarillado Inodoro conectado a pozo sptico Inodoro sin conexin Letrina o bajamar No cuenta con servicio Sanitario

Puntaje 100 75 50 25 0

41

Anexo B.

Estimacin de la funcin de demanda total por puntajes de calidad.

Regresin con errores estndar Robustos

Number of obs = F( 4, 5202) = = = =

5207 236.92 0.0000 0.3415 3205.8

Prob > F R-squared Root MSE

-----------------------------------------------------------------------------| dp | Coef. Robust Std. Err. t P>|t| [95% Conf. Interval]

-------------+---------------------------------------------------------------prom | promsq | i_hogar | mediaeduc | _cons | -587.48 3.841933 .0009131 177.253 23009.79 84.40744 .5116844 .000107 22.23369 3490.658 -6.96 7.51 8.53 7.97 6.59 0.000 0.000 0.000 0.000 0.000 -752.954 2.838817 .0007033 133.6656 16166.64 -422.0059 4.845049 .001123 220.8404 29852.95

Anexo C.

socioeconmicos.

Estimacin de las funciones de demanda de puntajes de calidad por estratos a. Estimacin para la sub-muestra de estratos 1 y 2.
Number of obs = F( 4, 2154) = = = = 2159 39.79 0.0000 0.4070 1643.6

Prob > F R-squared Root MSE

-----------------------------------------------------------------------------| dp1 | Coef. Robust Std. Err. t P>|t| [95% Conf. Interval]

-------------+---------------------------------------------------------------prom1 | promsq1 | yh1 | e1 | -410.2534 2.476991 .0014324 59.99271 81.98592 .4787382 .0002686 22.89872 -5.00 5.17 5.33 2.62 0.000 0.000 0.000 0.009 -571.0331 1.538154 .0009057 15.08681 -249.4736 3.415828 .001959 104.8986

42

_cons |

17976.22

3517.585

5.11

0.000

11078.01

24874.44

------------------------------------------------------------------------------

b. Estimacin para la sub-muestra de estratos 3 y 4.

Number of obs = F( 4, 2803) = = = = 2808 139.52 0.0000 0.2004 2536.7

Prob > F R-squared Root MSE

-----------------------------------------------------------------------------| dp2 | Coef. Robust Std. Err. t P>|t| [95% Conf. Interval]

-------------+---------------------------------------------------------------prom2 | promsq2 | yh2 | e2 | _cons | -98.91299 .8008845 .000548 139.7472 4870.689 163.0331 .906452 .0000709 15.98153 7370.058 -0.61 0.88 7.73 8.74 0.66 0.544 0.377 0.000 0.000 0.509 -418.59 -.9764963 .000409 108.4105 -9580.599 220.764 2.578265 .0006869 171.084 19321.98

------------------------------------------------------------------------------

c. Estimacin para la sub-muestra de estratos 5 y 6.

Regression with robust standard errors Number of obs = F( 4, 230) = = = = 235 5.33 0.0004 0.0644 9242.4

Prob > F R-squared Root MSE

-----------------------------------------------------------------------------| dp3 | Coef. Robust Std. Err. t P>|t| [95% Conf. Interval]

-------------+---------------------------------------------------------------prom3 | promsq3 | yh3 | e3 | _cons | 1386.208 -7.032984 .000462 -284.3855 -52486.49 1146.494 7.394598 .0002085 217.3643 41805.17 1.21 -0.95 2.22 -1.31 -1.26 0.228 0.343 0.028 0.192 0.211 -872.7648 -21.60279 .0000513 -712.6653 -134856.5 3645.181 7.536828 .0008728 143.8942 29883.56

------------------------------------------------------------------------------

43

d. Grficos
TOTAL
20000 18000 16000 14000

Estratos1-2

30000 25000 20000 15000 10000 5000

12000 10000 8000 6000 4000

2000

20

40

60

80

100

120

0 0 20 40 60 80 100 120

Estratos 3-4 6000 5000 4000 3000 2000 1000 0 0 20 40 60 80 100 120

En las anteriores figuras han sido representadas las funciones de demanda estimadas para ltimos estratos porque la muestra para estos es extremadamente pequea en comparacin con las dems.

cada una de las submuestras por estrato socioeconmico, no han sido presentadas las de los

44

Anexo D.

Matrices de pesos tradicionales en la estimacin de modelos espaciales a 0 0 0 a b 1 1 1 0 0 0 0 0 0 c d 1 0 0 e 0 f g 0 h 0 0 i

b d e f i g h c

1 1 0 0

0 0 0 0

1 1 1 1

1 1

1 1

0 0 0 0

0 0

0 0

0 0

1 1 1

0 0 0 0 0 1 0 Matriz de contigidad-Torre a b 0 c d e f g

1 1

0 0 0

b d e f i g h c

0 0

0 0 0 0 0

0 0 1 0 0

1 1

1 1

0 0 0 0

0 0 0 0

0 1

0 0 0 0

0 1 1 0 0

0 0

0 1 0 0

0 0

0 0 0 0

0 1

0 0 0 0

0 1 0 0

0 0 0

1 1

0 0

0 0

0 0

Matriz de contigidad-Alfil

45

b d e f i g h c

0 0

1 1 1 0 0

1 1 1 1 1

1 1 1

0 0 0 0 0

1 1 1 1 1 0 0

1 1 1 1 1 1 1 0

1 1 1 1

0 0 0 0

0 1 1 1 0

0 1 1 1 1 1 0 0

0 1 1 1 0 0 0 0

0 0

0 0

0 0 0 0 1 1 0 Matriz de contigidad-Reina

46