Pontificia Universidad Javeriana

Econometría
Ejercicio Heteroscedasticidad.
Nicolás Marín.

1. Referencia bibliográfica.
En el presente documento analizaremos el precio de una vivienda por medio de unos
determinantes que estableceremos y profundizaremos más adelante. Para esto analizaremos
un poco más a fondo de donde proviene el precio de una vivienda. El mercado de la vivienda
es dinámico y la exposición completa de su análisis necesita ser explicado por medio de la
demanda y de la oferta, así como el déficit habitacional y las políticas públicas
correspondientes. Las características de la vivienda como un bien de consumo a largo plazo,
su comportamiento inelástico dado que no tiene un bien sustituto equivalente y sus elevados
costos de producción dada su durabilidad caracterizan los elementos fundamentales de este
mercado. Dado que la vivienda es un bien necesario el cual por su precio debe ser financiado
en el largo plazo y con un déficit concentrado en su población de más bajos ingresos se hace
necesaria la intervención del Estado a través de instrumentos de política pública (Metro
vivienda, 2011). La vivienda como tal es un bien que depende de ciertas condiciones del
mercado y dependencia del suelo tanto como la necesidad y la valoración. Por tanto, los
precios de la vivienda no son fácilmente visibles y dada su composición puede considerarse
como riqueza. Sin embargo, en 1992 se presentó un estudio por parte de Lever y Figueroa1
en donde su principal objetivo era plasmar matemáticamente los determinantes de una
vivienda en Santiago de Chile. Dentro de su metodología y planteamiento usan ya la
utilizadas por Rosen (1974) y de esta manera se llega a la función del precio de la vivienda:
𝑃𝑣 = 𝑔(𝐼, 𝑉, 𝑈, 𝑍, 𝜃)
En donde:
 𝑃𝑣 corresponde al precio de la vivienda
 𝐼 corresponde a un grupo de variables que están inherentes al edificio de la vivienda:
superficie construida, área en metros, número de habitaciones.
 𝑉 corresponde a las características del vecindario: Ingreso promedio familias del
vecindario, densidad de la población.
 𝑈 corresponde a la ubicación de la vivienda dentro de la ciudad.
 𝑍 está relacionado con la densidad de la ubicación.
 𝜃 da cuenta de parámetros de la forma funcional de 𝑔.

1 Economistas y profesores del departamento de economía en la Universidad de Chile.

Finalmente, después de la modelación respectiva, se llegó a la conclusión que ocho variables
eran significativas estadísticamente como determinantes del precio de un inmueble y según
los autores logrando explicar el 70% de su comportamiento. Las variables con rendimientos
positivos fueron las siguientes: Superficie del terreno, presencia de cuartos de servicio,
estrato socioeconómico y densidad de la construcción, y las variables con rendimientos
negativos fueron: Área Construida, pertenencia al área céntrica y densidad poblacional del
barrio.
Años más tarde en la literatura, se observó que existen numerosos métodos que pueden
utilizarse para poder hallar el precio de un inmueble. Como otra referencia está presente la
investigación de Fernández, Llorente, Lafuente y Galguera2 (2003) que sugieren una
estimación econométrica mediante un modelo intertemporal de vivienda para llegar al
resultado final de poder obtener los determinantes del precio de una vivienda. La unidad de
análisis que utilizan es la vivienda nueva según sus distintos usos, bien fuera habitacional
(A), comercial (C), Institucional (I), lote urbanizado (Q) o lote urbanizado no edificado (R).
De acuerdo a lo expresado llegaron a la siguiente función:
𝑃𝐻 = 𝑓(𝑌, 𝑃𝑠, 𝑃𝑐, 𝐿, 𝐻, 𝑆)
En donde:
 𝑃𝐻 es la variable dependiente para la modelo ósea el precio de la vivienda.
 𝑌 es el ingreso de las familias.
 𝑃𝑠 es el precio de los bienes sustitutos de la vivienda.
 𝑃𝑐 es el precio de los bienes complementarios de la vivienda.
 𝐿 son los gustos de las familias.
 𝐻 es el inventario que afecta nuestras viviendas.
 𝑆 son las demás variables que puedas afectar la cuerva de oferta.
Llegaron a la conclusión que dadas las limitaciones de información usarían un proxy al precio
de la vivienda y sería el avaluó catastral de la misma, y así mismo se decidió que: el estrato
socioeconómico sería un proxy del ingreso (Y), el área en metros cuadrados sería el proxy
de los gustos familiares (L) además del área construida y las destinaciones económicas, el
valor de arriendo sería un proxy de los bienes sustitutos (Ps) y el valor del acabado en metro
cuadrado como proxy del inventario de vivienda (H). Finalmente se llega a la conclusión que,
suavizando las fluctuaciones del avaluó, la regresión seria la siguiente:
𝐿𝑛 𝐴𝑣𝑎𝑙ú𝑜 = 𝛽0 + 𝛽1 𝐴𝑟𝑒𝑎𝑚𝑒𝑡𝑟𝑜 + 𝛽2 𝐿𝑛 𝐴𝑟𝑟𝑖𝑒𝑛𝑑𝑜 + 𝛽3 𝐸𝑠𝑡𝑟𝑎𝑡𝑜 + 𝛽4 𝐴𝑐𝑎𝑏𝑎𝑑𝑜𝑚𝑒𝑡𝑟𝑜
+ 𝜀𝑖
Para la siguiente parte del documente utilizare la regresión ya mencionada como modelo base
para hacer una estimación y encontrar si existe o no un problema de heteroscedasticidad con
una base de datos respectiva y así poder dar una conclusión más precisa sobre el precio de
un inmueble.

2 El precio de la vivienda en Asturias. Una modelización econométrica.

2. Prueba heteroscedasticidad.
En la programación que adjuntare junto con este documento determine los siguientes
resultados:
1. Encontré los betas estimados por el método de Mínimos Cuadrados Ordinarios.
2. Por medio de la prueba de Breusch-Pagan-Godfrey y White logre demostrar que en
la base de datos utilizada se encontraba un problema de heteroscedasticidad.
3. Seguido a esto corregí el modelo por medio de Mínimos Cuadrados Generalizados.
4. Realice pruebas de significancia individual para comprobar cuales de estas variables
eran o no significativas para el modelo
5. Finalmente, realizo las predicciones pertinentes con respecto a la Tabla 1.
Dentro de la parte de la significancia individual realice las hipótesis correspondientes para
ver si las variables eran significativas para el modelo. H0: Bi = 0 (B1=0, B2=0, B3=0, B4=0)
y Ha ≠ 0. A un nivel de significancia del 5% no hay evidencia estadística para decir que no
se puede rechazar H0 en las variables X2, X3 y X4. En el caso de la variable X1 si hay
evidencia para rechazar H0. De esta manera podemos concluir que la única variable
significativa para el modelo es esta última, X1. Finalmente, de las predicciones
correspondientes:
1. El precio de un inmueble que posee 64m2, que su valor promedio del costo del
arriendo es de 0.6 millones de pesos, sea estrato 2 y el valor promedio del gasto en
acabados sea de 0.16 millones de pesos seria de aproximadamente 214 millones de
pesos.
2. El precio de un inmueble que posee 72m2, que su valor promedio del costo del
arriendo es de 1.2 millones de pesos, sea estrato 4 y el valor promedio del gasto en
acabados sea de 1.98 millones de pesos seria de aproximadamente 339 millones de
pesos.
3. El precio de un inmueble que posee 241m2, que su valor promedio del costo del
arriendo es de 3.5 millones de pesos, sea estrato 4 y el valor promedio del gasto en
acabados sea de 0.43 millones de pesos seria de aproximadamente 885 millones de
pesos.
Referencias Bibliográficas:

 Lever y Figueroa (1992). Determinantes del Precio de Vivienda en Santiago: una

Estimación Hedónica. Obtenido de
http://biblioteca.universia.net/ficha.do?id=39897288.
 López, M. (2009). La vivienda como colateral: Política monetaria, precios de la
vivienda y consumo en Colombia. Recuperado el 2009, de
http://www.banrep.gov.co/docum/ftp/borra299.pdf.

 Fernández, Llorente, Lafuente y Galguera (2003). El Precio de Vivienda en Asturias

una modelización econométrica. Recuperado el 2009, de
http://www.uv.es/asepuma/X/H60C.pdf.