Tercera Etapa - Econometria

Facultad de ciencias administrativas, económicas y contables
Economía
ANALISIS DE PRECIOS PARA VIVIENDAS USADAS EN BOGOTA DC
PRESENTADO POR:
ALEJANDRA CARROLL VARGAS
CARLOS ENRIQUE LUQUEZ GONZALEZ
LAURA MARCELA BLANCO GOMEZ
Bogotá, Colombia
Abril de 2018
INTRODUCCIÓN
Para entender las diversas interrelaciones de la economía es de suma

importancia el uso de herramientas econométricas que permitan comparar las
hipótesis con el escenario real, sin lugar a duda, desarrollar métodos estadísticos
en los cuales se busque conocer las relaciones entre diferentes variables puede
ocasionar un impacto significativo para los resultados que se quiera buscar, debido
a que en la medida en que la recolección de datos y la aplicación de cálculos sean
los correctos, se ofrece una predicción o dar a conocer el comportamiento de un
campo que se pretenda analizar.
Como se ha señalado inicialmente, la recolección de datos para instaurar los

diversos modelos econométricos, tiene un rol preponderante debido a que puede
tener un impacto significativo a la hora de la toma de decisiones. Los modelos
que se construyan involucrara por ende, un instrumento para promover medidas
de políticas económicas con las cuales se obtenga precisar un modo de actuar
concerniente por ejemplo al tema propuesto para este proyecto el precio de
apartamentos usados en la ciudad de Bogotá, donde estas políticas podrían estar
representadas por restricciones, impuestos y demás.
Esta primera etapa, tiene por objetivo recopilar la información referente a los
precios de vivienda usada en Bogotá, en la zona uno, nororiente, barrios: cedritos,
Bella Suiza y La Calleja y a partir de estos, dar respuesta de manera analítica a lo
que representan los valores obtenidos en dichos modelos con los cuales en una
entrega posterior se pueda explicar qué modelo representa en un buena medida el
precio de un apartamento usado en Bogotá.
CAPITULO I: DESCRIPCION
1.1 Objetivos:
1.1.1 Objetivo General.
Analizar modelos econométricos que permitan explicar el precio de una
vivienda usada en Bogotá DC.
1.1.2 Objetivos específicos

a) Proponer e interpretar diferentes métodos estadísticos
que permitan analizar el precio de los apartamentos en la ciudad
de Bogotá.
b) Explicar y argumentar el modelo seleccionado, para
explicar el precio de un apartamento usado en Bogotá.
c) Dar solución a los interrogantes planteados.
1.2 Planteamiento:
La empresa Estadistics S.A. desea contratar a un asesor para llevar a cabo un
proyecto de investigación sobre el valor de precios de los apartamentos en
Bogotá. Para ello, abre una licitación donde se le pide a cada asesor desarrollar
dicho proyecto, que consta de dos etapas y en el que se hace uso de
herramientas econométricas. Dependiendo de la calidad del proyecto la
empresa decide el grupo a contratar. Las dos etapas del proyecto son:
1. Primera etapa, cada asesor realizará un trabajo de recopilación de datos.
2. Segunda etapa, cada asesor realizará un trabajo final en dónde responderá a

interrogantes empíricos pertinentes.
CAPITULO II: RECOLECCIÓN DE DATOS
PRIMERA ETAPA
2.1 Población a estudiar: Apartamentos usados, Zona 1, zona nororiente de

Bogotá, opción 2: Cedritos, Bella Suiza, La Calleja
Fuentes de información:
 Metro Cuadrado - http://www.metrocuadrado.com/

 Finca Raíz - https://www.fincaraiz.com.co/
2.2 Muestra: Se construyó una base de datos con un total de 100 observaciones.
Durante la primera etapa del proyecto se recopilo los siguientes datos para cada
observación:
•Valor del inmueble en millones de pesos
•Metros cuadrados
•Número de habitaciones
•Número de garajes (si aplica)
•Años de construido (antigüedad)
•Valor de la administración (si aplica)
•Si esta para remodelar o esta remodelado (1 si esta remodelado y 0 en caso

contrario)
ZONA I NORORIENTE DE BOGOTÁ
OPCIÓN 2 - CEDRITOS
N° Años de Valor
Observación Valor M2 Habitaciones N° garajes construido Admon Remodelar Fuente
Cedritos $ 330 000 000 74 4 1 16 1 www.fincaraiz.com.co/
Cedritos $ 267 000 000 56 1 1 4 $170 000 1 www.fincaraiz.com.co/
Cedritos $ 235 000 000. 54 2 1 16 $177 000 1 www.fincaraiz.com.co/
Cedritos $ 355 000 000 85 3 1 5 $306 000 1 www.metrocuadrado.com/
OPCIÓN 2 - BELLA SUIZA
N° Años de Valor
Observación Valor M2 Habitaciones N° garajes construido Admon Remodelar Fuente
Bella Suiza $ 830 000 000 129 2 2 1 $457 000 1 www.fincaraiz.com.co/
Bella Suiza $ 348 000 000 62 2 2 8 1 www.fincaraiz.com.co/
$ 1 260 000
Bella Suiza 000. 176 3 2 1 $414 000 1 www.fincaraiz.com.co/
Bella Suiza $ 460 000 000 104 2 2 20 $480 000 1 www.metrocuadrado.com/
OPCIÓN 2 - LA CALLEJA
N° Años de Valor Remodela
Observación Valor M2 Habitaciones N° garajes construido Admon r Fuente
La Calleja $ 730 000 000 127 3 1 9 $477 000 1 www.fincaraiz.com.co/
La Calleja $ 1 290 000 000 194 3 3 5 $780 000 1 www.fincaraiz.com.co/
La Calleja $ 700 000 000 119 3 2 10 $485 000 1 www.metrocuadrado.com/
La Calleja $ 2 100 000 000 286 3 3 20 $1 284 300 1 www.metrocuadrado.com/
La Calleja $ 1 250 000 000 168 3 2 15 $768 000 1 www.metrocuadrado.com/
La Calleja $ 1 000 000 000 230 3 3 10 1 www.metrocuadrado.com/
CAPITULO III: ESTIMACIÓN MODELO ECONOMÉTRICO
SEGUNDA ETAPA
De acuerdo a la primera etapa previa de recolección de datos de Apartamentos
usados en la zona 1, nororiente de Bogotá, opción 2 (Cedritos, Bella Suiza, La
Calleja), se estableció una muestra de 100 observaciones que busca poner en
consideración la diversidad de los aspectos frente a los precios llevándolo a un
análisis comparativo con el objetivo de estimar el efecto del área sobre el precio
de un apartamento usado en Bogotá y de ofrecer una perspectiva general, para
ello, se consideró los siguientes modelos:
3.1. MODELO 1
log pr=β 0 + β 1 area+ β 2 uso + β 3 nalcobas+ μ
En donde:
log pr=¿ Logaritmo del precio del apartamento

β 1 area=¿ Metros cuadrados del inmueble
β 2 uso = Número de años de uso del apartamento
β 3 nalcobas = Número de Habitaciones del apartamento
Los valores entre paréntesis se refieren a los errores estándar
n = Numero de observaciones
R2 = Ajuste de bondad
Empleando las 100 observaciones sobre los apartamentos usados en Bogotá en la

zona ya identificada de la base de datos recopilado, se emplearon variables
relacionadas con el área, años de uso y número de habitaciones para así buscar
explicar el precio del apartamento en términos porcentuales.
^
log ( pr apto )=18,720+0,0085 area−0,00267 uso−0,00705nalcobas
(0,25) (0,00066) (0,0089) (0,10009)
n = 100, R2=0,699 , R2 ajustado=0,690
En un inicio se prevé que cada metro cuadrado adicional en un apartamento

usado genera un incremento de 0.86% en el precio del apartamento usado
siempre y en cuando los coeficientes tengan una interpretación porcentual,
iniciando por el coeficiente a la variable metros cuadrados y manteniendo la
antigüedad del apartamento y n habitaciones constantes
Por otra parte, en cuanto a la variable de la antigüedad del apartamento se refiere,
implica que el precio del inmueble se reduce en alrededor de 0.27% por cada año
de antigüedad adicional del apartamento manteniendo constantes n habitaciones y
los metros cuadrados.
Interrogante ¿Es cierto que el valor de un apartamento aumenta en relación

con el área manteniendo constante la antigüedad y número de alcobas?
Tal como se demostró anteriormente, el valor del apartamento tiende a

incrementar por cada metro cuadrado adicional, por lo contrario se refleja que los
coeficientes que acompañan a la antigüedad del apartamento y n habitaciones no
influyen en un aumento del precio según el aporte de este modelo.
Significancia
Por medio del estadístico t se puede llegar a comprender que variables son
significativas, usando una alternativa de dos colas. El valor critico al 5% es
aproximadamente 1,96 ya que el número de grados de libertad es (100 – 4 = 96)
el cual es suficientemente grande para emplear la aproximación normal estándar.
El valor crítico de 1% es más o menos 2,58.
El estadístico t para “área” es 12,87, el cual es estadísticamente significativo
dentro de este modelo. El estadístico de “uso” es -0,3, significando esto que su
peso dentro del modelo es estadísticamente insignificante, aspecto que se refleja
de igual manera para el coeficiente “numero de alcobas” cuyo estadístico t es
-0,070. Por lo anterior, se puede decir que el coeficiente “área” es
estadísticamente significativo a cualquier nivel de significancia convencional,
mientras que los otros coeficientes no ejercen un efecto explicativo sobre el precio
del apartamento.
Intervalo de confianza del 95% para cada una de las variables

Los grados de libertad para realizar el intervalo de confianza son n – k – 1= 100 –
3 – 1 = 96, por lo cual, el percentil 97,5 en la distribución t student para calcular el
intervalo al 95% es t 96
97,5 =1,96 .
Teniendo en cuenta lo anterior, lo limites inferior y superior de un intervalo de
confianza están dados por: β− j ≡ ^
β j−c∗ee ( ^β j ) y β− j ≡ ^
β j +c∗ee ( ^β j ) .
Intervalo de confianza para el coeficiente de la variable metros cuadrados:
Li :0,0085−( 1,96 )∗( 0,00066 )=0,007206
Ls :0,0085+ ( 1,96 )∗( 0,00066 )=0,009793
Analizando los resultados del intervalo de confianza del 95% se puede confirmar
que manteniendo constante el N° de años de antigüedad y el número de
habitaciones en el modelo, por cada metro cuadrado adicional el valor del
apartamento puede aumentar entre un 0,72% y un 0,98%.
Intervalo de confianza para el coeficiente de la variable años de antigüedad:

Li :0,00267−( 1,96 )∗( 0,0089 )=−0,014774
Ls :0,00267+ ( 1,96 )∗( 0,0089 )=0,20114
Lo anterior indica, que con una confianza del 95% manteniendo el área y numero
de alcobas contantes, por cada año adicional de uso que se haga del
apartamento, el precio promedio del mismo disminuirá entre un -1,48% y 20,11%.
Intervalo de confianza para el coeficiente de la variable número de

habitaciones:
Li :0,00705−( 1,96 )∗( 0,10009 )=−0,189126
Ls :0,00705+ ( 1,96 )∗( 0,10009 )=0,203226
Manteniendo constante el área y el uso en el modelo descrito, la utilización de un

intervalo de confianza al 95% indica que por cada habitación adicional que tenga
el apartamento, el precio promedio del mismo se reduce entre un -18,91% y
20,32%.
Hecho que hace poco viable este modelo puesto que no se puede llegar a
aseverar que entre menos habitaciones tenga un apartamento usado mayor será
su precio.
3.2. MODELO 2
Usando la base de datos de la primera etapa se recurrió a las variables: años de

antigüedad y número de habitaciones para explicar el precio del apartamento
usado en Bogotá.
Pr=β 0+ β1 area+ β 2 uso + β 3 nalcobas + μ
^
Pr apto=−22476801,33+10757963,96 area−14894099,20uso−144349567,60 nalcobas
(230756061,52) (594897,64) (8049339,87) (90125786,55)
2 2
n = 100, R =0,810 , R ajustado=0,804
Interpretando este modelo, se halla que manteniéndose las variables en cero, el

costo promedio de un apartamento usado tiene un precio negativo de
aproximadamente $ 22.000.000, sin embargo, como se mencionó anteriormente,
no aplica a la realidad, puesto que al mantener constante el Número de años de
antigüedad y el número de habitaciones puede expresarse que por cada metro
cuadrado adicional que tenga un apartamento usado, el precio promedio del
mismo aumenta en $ 10.757.963.
Pese a interpretar los años de antigüedad, se halla que manteniendo los metros
cuadrados y el número de habitaciones constantes, cada año adicional de
antigüedad que tenga el apartamento, el precio puede decrecer $ 14.894.099,
aspecto que de igual manera se observa para el numero de habitaciones cuando
manteniendo constante la antigüedad en años y el área, el precio disminuye. Este
último aspecto no constituye una posición realista.

El modelo muestra que manteniendo constante el tiempo de antigüedad como el

número de habitaciones, el precio del apartamento aumenta por cada metro
adicional. Así mismo, el precio del apartamento usado no se incrementa al tener
más años de antigüedad y mayor número de habitaciones. El precio del
apartamento disminuye por cada año adicional de antigüedad que tenga, sin
embargo, se encuentra que el número de habitaciones disminuye el precio del
apartamento.
En el análisis de las variables estadísticamente significativas se calcula el
estadístico t, empleando una alternativa de dos colas. El valor critico al 5% es
aproximadamente 1,96 ya que el número de grados de libertad es (100 – 4 = 96)
el cual es suficientemente amplio para utilizar la aproximación normal estándar. El
valor crítico de 1% es más o menos 2,58.
El estadístico t para “metros cuadrados” es 18,08, el cual es estadísticamente
significativo dentro de este modelo. El estadístico de “antigüedad” es –1,85,
significando que es estadísticamente bajo, aspecto que se muestra para el
coeficiente “número de habitaciones” cuyo estadístico t es -1,60. Por lo mismo, se
puede decir que el coeficiente “metros cuadrados” es estadísticamente
significativo a cualquier nivel de significancia convencional, mientras que los otros
coeficientes no tienen un fuerte poder explicativo sobre el precio del apartamento.
Antes de realizarse el estudio se creía que, por cada metro adicional el

precio promedio del inmueble aumentaba en $ 800.000. La evidencia en la
muestra ¿reafirma o contradice lo que se creía?
Inicialmente se usa el modelo estimado para construir si el precio promedio del

inmueble aumenta en $800.000, para ello se cuenta con las siguientes
características: 1 metro cuadrado, 1 año de antiguedad y 1 habitación.
^
Pr apto=−22476801,33+10757963,96 ( 1 )−14894099,20 ( 1 )−144349567,60 ( 1 )
^
Pr apto=¿ -$ 170.962.505
Se evidencia que la muestra contradice la afirmación debido a que cada metro

cuadrado, año de antiguedad y habitación adicional hacen que el precio promedio
del apartamento sea de $147.524.829, es decir, si se incrementara en una unidad
más cada uno de las variables, el resultado del modelo para el precio del
apartamento es de $ 319.448.209.

96
intervalo al 95% es t 97,5 =1,96 . Teniendo en cuenta lo anterior, el límite inferior y
superior de un intervalo de confianza están dados por:
β− j ≡ ^
β j−c∗ee ( ^β j ) y β− j ≡ ^
β j +c∗ee ( ^β j ) .

Li :10757963,96−( 1,96 )∗(594897,64 )=9591964,586
Ls :10757963,96+ ( 1,96 )∗(594897,64 )=11923963,33
Analizando el intervalo al 95% de confianza y manteniendo constante el número
de años de antigüedad y el número de habitaciones, por cada metro cuadrado
adicional el valor del apartamento aumentara entre 9.591.964 y 11.923.963.
Intervalo de confianza para el coeficiente de la variable antigüedad:

Li :14894099,20−( 1,96 )∗( 8049339,87 )=−882606,9452
Ls :14894099,20+ ( 1,96 )∗( 8049339,87 )=30670805,35
Analizando el intervalo al 95% de confianza y manteniendo constantes los metros
cuadrados y el número de habitaciones, se afirma que por cada año adicional de
uso que se haga del apartamento, el precio promedio del mismo disminuirá entre
-882.606 y 30.670.805.
Intervalo de confianza para el coeficiente que acompaña a la variable número

de habitaciones:
Li :144349567,60− ( 1,96 )∗( 90125786,55 )=−32296974,04
Ls :144349567,60+ ( 1,96 )∗( 90125786,55 )=320996109,2
cuadrados y la antigüedad, por cada habitación adicional que tenga el
apartamento, el precio promedio disminuye entre 32.296.974 y 320.996.109.
Intervalo de 90% de confianza para el precio promedio de los apartamentos,

con 80 metros cuadrados (variables valor promedio reportado en las
estadísticas descriptivas).
Para establecer el precio promedio de apartamentos de 80 metros cuadrados

suponiendo que el apartamento tiene un año de antigüedad y una habitación se
obtiene:
^
Pr apto=−22476801,33 +10757963,96 ( 80 ) −14894099,20 ( 1 ) −144349567,60(1)
^
Pr apto=678916649
Así mismo podemos observar, que en promedio el precio de un apartamento de 80

metros cuadrados suponiendo que tiene un año de antigüedad y una habitación es
de $678.916.649. De igual manera la regresión que establece un intervalo de
confianza para el precio del apartamento es de:
^
Pr apto=678916649+ 10757963,96 area−14894099,20uso−144349567,60 nalcobas
(163560682,30 (594897,64) (8049339,87)
(90125786,55)
n = 100, R2=0,810 , R2 ajustado=0,804
Suponiendo que se desea establecer un intervalo de confianza del 90%, y siendo

los grados de libertad: 100 – 4 = 96 se obtiene:
Li :678916649−( 1,64 )∗( 163560682,30 )=410677130

Ls :678916649+ ( 1,64 )∗( 163560682,30 )=947156168
Utilizando un nivel de confianza del 90%, el apartamento de 80 metros cuadrados

de una habitación y un año de antigüedad tiene un valor entre $410.677.130 y
$947.156.168.
3.3. MODELO 3
A partir de la base de datos construida en la primera etapa se tomó de referencia
las variables: metro cuadrado, número de garajes y años de antigüedad para
exponer el precio del apartamento en términos porcentuales.
ln( precio)=β 0+ β 1 area+ β 2 númerogaraje+ β3 uso+ μ
^
ln ( precio )=18,318+ 0,00506 area+ 0,5097 númerogaraje+0,00265 uso
(0,117) (0,000716) (0,0791)
(0,00747)
n = 100, R2=0,790 , 2
R ajustado=0,783
Manteniendo constante el número de garajes y los años de antigüedad del

apartamento, se plantea que en promedio un metro cuadrado adicional aumenta
en un 0,51% aproximadamente el precio del apartamento, de igual manera
manteniendo constante el área y los años de antigüedad, teniendo un
parquedadero adicional el precio del apartamento en promedio puede incrementar
en un 50,98%. Para finalizar, si usamos el concepto Ceteris Paribus para los
metros cuadrados del apartamento y el número de garajes se podría aseverar que
por cada año adicional de antigüedad del apartamento el precio puede aumentar
en un 0,27%.

Definitivamente manteniendo constantes el número de parqueaderos y el tiempo

de antigüedad, existe una relación del precio con los metros cuadrados en cuanto
mayor sea el área mayor será el precio.
En el análisis estadísticamente significativo se calcula el estadístico t, usando una
alternativa de dos colas. El valor critico al 5% es aproximadamente 1,96 ya que el
número de grados de libertad es (100 – 4 = 96) el cual es suficientemente amplio
para emplear la aproximación normal estándar. El valor crítico de 1% es más o
menos 2,58.
96
intervalo al 95% es t 97,5 =1,96 . Teniendo en cuenta lo anterior, el límite inferior
y superior de un intervalo de confianza están dados por:
β− j ≡ ^
β j−c∗ee ( ^β j ) y β− j ≡ ^
β j +c∗ee ( ^β j ) .
Intervalo de confianza para el coeficiente de la variable Metros cuadrados:

Li :0,00506−( 1,96 )∗( 0,000716 )=0,003656
Ls :0,00506+ ( 1,96 )∗( 0,000716 )=0,006463
Analizando el intervalo al 95% de confianza y manteniendo constantes el número
de garajes y la antigüedad, por cada metro cuadrado adicional el valor del
apartamento aumentara entre un 0,37% y un 0,65%.
Intervalo de confianza para el coeficiente de la variable número de garajes:

Li :0,5097−( 1,96 )∗( 0,0791 )=0,354664
Ls :0,5097+ ( 1,96 )∗( 0,0791 )=0,664736

cuadrados y la antigüedad del apartamento, por cada garaje adicional que tenga el
apartamento, el precio promedio del mismo aumentara entre 35,47% y 66,47%.
Intervalo de confianza para el coeficiente de la variable uso:
Li :0,00265−( 1,96 )∗( 0,00747 )=−0,011991
Li :0,00265+ (1,96 )∗( 0,00747 )=0,017291
cuadrados y el número de garajes, por cada año adicional de uso del apartamento,
el precio promedio del mismo se aumenta entre -1,20% y 1,73%.
3.4. MODELO 4

las variables: área, número de habitaciones y número de garajes para analizar el
precio del apartamento.
Precio=β 0 + β 1 area+ β2 nhabitaciones + β 3 Nogarajes + μ

^
Precio=−133.222.777 +10747366,21area−160163481,91nhabit +10843337,47 Nogarajes
(243950051,35) (873074,27) (92041007,33)
(87058174,61)
n = 100, R2=0,803 , R2 ajustado=0,797
Interpretando el modelo se puede concluir que por cada habitación adicional del
apartamento, el precio disminuye, manteniendo constante el número de garajes y
la antigüedad. En cuanto al coeficiente del número de garajes, si se mantienen
constantes las demás variables, el precio del apartamento aumenta en promedio
$10.483.337 por cada garaje adicional.

Definitivamente el precio del apartamento aumenta en promedio por cada metro

cuadrado adicional así mismo se refleja el aumento con respecto al número de
garajes, la excepción que se encuentra esta por el lado del número de
habitaciones ya que dicha variable no produce efecto alguno sobre el precio del
apartamento.
En el análisis estadísticamente significativo se calcula el estadístico t, usando una

alternativa de dos colas. El valor critico al 5% es aproximadamente 1,96 ya que el
número de grados de libertad es (100 – 4 = 96) el cual es suficientemente grande
para emplear la aproximación normal estándar. El valor crítico de 1% es más o
menos 2,58.
Significancia

significativo dentro de este modelo. El estadístico de “numero de garajes” es
-1,74, lo cual indica que dicha variable, no es estadísticamente significativa, para
el caso de “número de habitaciones” cuyo valor de 0,12, indicaría que este
coeficiente no es estadísticamente significativo para ejercer un papel relevante
sobre el precio del apartamento. Por lo anterior, se puede concluir que el
coeficiente “metros cuadrados” es estadísticamente significativo a cualquier nivel
de significancia convencional, ejerciendo un efecto explicativo sobre el precio del
apartamento.

Inicialmente se usa el modelo estimado para construir si el precio promedio del

inmueble aumenta en $800.000, para ello se cuenta con las siguientes
características: 1 metro cuadrado, 1 año de uso y 1 habitación.
^
Precio=−133.222.777 +10747366,21 ( 1 )−160163481,91 ( 1 )+ 10843337,47(1)
^
Precio=¿ -$ 271.795.555
Para este caso, por cada metro cuadrado adicional el precio promedio del
apartamento es de -$ 271.795.555. Es decir, en el análisis del coeficiente de la
variable área se encuentra que por cada metro cuadrado adicional el precio
promedio del apartamento aumenta en $ 10.747.366 y no en $ 800.000 como se
afirma en el comienzo del estudio.

96
intervalo al 95% es t 97,5 =1,96 . Teniendo en cuenta lo anterior, el límite inferior y
β− j ≡ ^
β j−c∗ee ( ^β j ) y β− j ≡ ^
β j +c∗ee ( ^β j ) .
Intervalo de confianza para el coeficiente de la variable área:

Li :10747366,21−( 1,96 )∗( 873074,27 )=9036140,641
Ls :10747366,21+ ( 1,96 )∗( 873074,27 )=12458591,78
Analizando el intervalo al 95% de confianza y manteniendo constantes el número
de habitaciones y el número de garajes, por cada metro cuadrado adicional el
valor del apartamento aumentara entre 9.036.140 y 12.458.591.
habitaciones:
Li :160163481,91−( 1,96 )∗( 92041007,33 ) =−20236892,47
Ls :160163481,91+ ( 1,96 )∗( 92041007,33 ) =340563856,3
cuadrados y el número de garajes, por cada habitación adicional que tenga el
apartamento, el precio promedio del mismo disminuirá entre -20.236.892 y
340.563.856.
Intervalo de confianza para el coeficiente de la variable número de garajes:
Li :10843337,47−( 1,96 )∗( 87058174,61 )=1,52832E-07
Ls :10843337,47+ ( 1,96 )∗( 87058174,61 )=1,52832E-06
cuadrados y el número de habitaciones, por cada garaje adicional, el precio
promedio del apartamento se incrementa aproximadamente entre un 1,52832E-07
y 1,52832E-06.
Intervalo de 90% de confianza para el precio promedio de los apartamentos,

con 80 metros cuadrados (variables valor promedio reportado en las
estadísticas descriptivas).
Para establecer el precio promedio de apartamentos de 80 metros cuadrados

suponiendo que el apartamento tiene un garaje y una habitación se obtiene:
^Precio=−133.222.777 +10747366,21 ( 80 )−160163481,91 ( 1 ) +10843337,47(1)
^Pr apto=577246375
En promedio el precio de un apartamento de 80 metros cuadrados bajo los

supuestos de poseer una habitación y un garaje es de $ 577.246.375.
De igual manera la regresión que establece un intervalo de confianza para el
precio del apartamento es de:
^Precio=577256375+10747366,21 area−160163481,91 nhabit+ 10843337,47 Nogarajes
(161947552,24) (873074,27) (92041007,33)
(87058174,61)
n = 100, R2=0,803 , 2
R ajustado=0,797
Suponiendo que se establezca un intervalo de confianza del 90%, y siendo los

grados de libertad: 100 – 4 = 96 entonces:
Li :577256375−( 1,64 )∗( 161947552,24 )=550692389
Ls :577256375+ ( 1,64 )∗ ( 161947552,24 )=842850361
Se puede concluir que un apartamento de 80 metros cuadrados con una sola
habitación y un solo garaje en promedio tiene un valor entre $550.692389 y
$842.850.351, con un nivel de confianza del 90%.
3.5. MODELO 5

las variables: Metros cuadrados, precio administración y antigüedad del
apartamento para analizar el precio.
ln ( precio )= β0 + β 1 area+ β 2 uso+ β3 valoradmin+ μ
^
ln ( precio )=18,77+ 0,00472area+ 0,00064 uso+8,40531787613118 E−07 valor admin
(0,12) (0,00167) (0,00875) (3,50867290813629E-
07)
n = 100, R2=0,716 , 2
R ajustado=0,708
Se puede concluir que manteniendo constante el tiempo de antigüedad y el valor

de administración, el precio del apartamento se incrementa en promedio en un
0,47% por cada metro cuadrado adicional que pueda tener el predio. Así mismo,
manteniendo constante el valor de administración y el número de metros
cuadrados; en promedio el precio del apartamento aumenta por cada año
adicional de antigüedad del apartamento en un 0,064%, sin embargo, el costo de
la administración tiene un efecto sobre el precio.
¿Aumenta el precio del apartamento en relación con su área dejando

constante el uso y el valor por administración?
El precio de la propiedad aumenta por cada metro cuadrado adicional que tenga el
apartamento, esta particularidad también aplican para las variables antiguedad y
valor de la administración-
Significancia
Para las variables estadísticamente significativas se calcula el estadístico t,

usando una alternativa de dos colas. El valor critico al 5% es aproximadamente
1,96 ya que el número de grados de libertad es (100 – 4 = 96) el cual es
bastantemente amplio para emplear la aproximación normal estándar. El valor
crítico de 1% es más o menos 2,58.
significativo dentro de este modelo a una significancia tanto del 5% como del 1%.
El estadístico de “antiguedad” es 0,073, lo cual indica que dicha variable no es
estadísticamente significativa. En cuanto al nivel de significancia de “valor de
administración” representado por 2,39, indicaría que este coeficiente no es
estadísticamente significativo a un 1% pero si lo seria a un 5%.

intervalo al 95% es t 96
97,5 =1,96 . Teniendo en cuenta lo anterior, los límites inferior
y superior de un intervalo de confianza están dados por:

β− j ≡ ^
β j−c∗ee ( ^β j ) y β− j ≡ ^
β j +c∗ee ( ^β j ) .
Li :0,00472−( 1,96 )∗( 0,00167 )=0,0014468
Ls :0,00472+ ( 1,96 )∗( 0,00167 )=0,0079932
Analizando el intervalo al 95% de confianza y manteniendo constantes la
antigüedad y el valor de la administración, por cada metro cuadrado adicional el
valor del apartamento aumenta entre un 0,14% y 0,80%.
Intervalo de confianza para el coeficiente de la variable antigüedad:
Li :0,00064−( 1,96 )∗( 0,00875 ) =−0,01651
Ls :0,00064+ ( 1,96 )∗( 0,00875 ) =0,01779
cuadrados y el valor de la administración, por cada año adicional que tenga el
apartamento, el precio promedio del mismo aumentara entre -1,65% y 1,80%.
Intervalo de confianza para el coeficiente de la variable valor de la
administración:
Li :8,40531787613118E-07−( 1,96 )∗( 3,50867290813629E-07 )=−159790684
Ls :8,40531787613118E+07−( 1,96 )∗( 3,50867290813629E-07 )=181477359
cuadrados y el número de habitaciones, por cada garaje adicional, el precio
promedio del apartamento se incrementa entre $-159.790.684 y $181.477.359.
3.6. MODELO 6
A partir de la base de datos construida en la primera etapa se tomó como

referencia las variables: metros cuadrados, años de antigüedad, número de
garajes y número de habitaciones para analizar el precio.
Precio=β 0 + β 1 area+ β2 uso+ β 3 Nogarajes + β 4 Nohabitaciones+ μ

^
Precio=−17251285,97+10793743,99 area−14940687,68 uso−4971906,32 Nogarajes−144998413,87 Noh
(249115857,81) (862837,28) (8131882,92)
(86430284,35) (91296754,17)
n = 100, R2=0,810 , R2 ajustado=0,802
Podemos observar que respecto al área, manteniéndose contante la antigüedad

del apartamento, el número de garajes y el número de habitaciones, el precio del
apartamento se incrementa en $ 10.793.743 por cada metro cuadrado adicional
que pueda tener el predio
¿Aumenta el precio del apartamento en relación con su área dejando

constante el uso, número de habitaciones y número de habitaciones?
A mayor metros cuadrados del apartamento, su valor aumentara en $ 10.797.743,

lo que significa que los metros cuadrados tiene un efecto explicativo sobre el valor
que pueda llegar a tener un apartamento usado en Bogotá.
Significancia
Para las variables estadísticamente significativas se calcula el estadístico t,

usando una alternativa de dos colas. El valor critico al 5% es aproximadamente
1,96 debido a que el número de grados de libertad es (100 – 4 = 96) el cual es
suficientemente grande para emplear la aproximación normal estándar. El valor
crítico de 1% es más o menos 2,58.
El estadístico t para “área” es 12,50, el cual es estadísticamente significativo
dentro de este modelo. El estadístico de “uso” es -1,83, lo cual indica que dicha
variable no es estadísticamente significativa ni al 1% ni al 5

Se establece si el precio promedio del inmueble en realidad aumentaba en

$800.000, para tal efecto se tendrán en cuenta las siguientes características: 1
metro cuadrado, 1 año de uso, 1 garaje y 1 habitación.
^
Precio=−17251285,97+10793743,99 ( 1 )−14940687,68 ( 1 )−4971906,32 ( 1 )−144998413,87(1)
^
Precio=¿ -$ 26.370.135
Para esta afirmación podemos asegurar que es negativa puesto que por cada
metro adicional el valor del apartamento no aumenta en 800.000 como se asegura
si no que aumenta en 26.370.000

96
intervalo al 95% es t 97,5 =1,96 . Teniendo claro lo anterior, lo limites inferior y
β− j ≡ ^
β j−c∗ee ( ^β j ) y β− j ≡ ^
β j +c∗ee ( ^β j ) .
Intervalo de confianza para el coeficiente de la variable área:

Li :10793743,99− ( 1,96 )∗( 862837,28 )=9102582,921
Ls :10793743,99+ (1,96 )∗( 862837,28 )=12484905,06
Analizando el intervalo al 95% de confianza y manteniendo constantes los años de
antiguedad, el número de habitaciones y el número de garajes, se puede afirmar
que por cada metro cuadrado adicional que tenga el apartamento el valor de este
aumentara entre 9.102.582 y 12.484.905.
Intervalo de confianza para el coeficiente de la variable uso:
Li :14940687,68−( 1,96 )∗( 8131882,92 ) =−997802,8432
Ls :14940687,68+ ( 1,96 )∗( 8131882,92 ) =30879178,2
cuadrados el número de garajes y el número de habitaciones, puede establecerse
que cada habitación adicional que tenga el apartamento puede hacer que el precio
promedio del mismo disminuya entre -997.802 y 30.879.178.
Intervalo de confianza para el coeficiente de la variable numero de garajes:
Li : 4971906,32−( 1,96 )∗( 86430284,35 )=−164431451
Ls :4971906,32+ ( 1,96 )∗( 86430284,35 )=174375263,6
cuadrados, los años de antigüedad y el número de habitaciones, por cada garaje
adicional que tenga el apartamento, el precio promedio del mismo disminuirá en
promedio entre -164.431.451 y 174.375.263.
habitaciones:
Li :144998413,87−( 1,96 )∗( 91296754,17 )=−33943224,37
Ls :144998413,87+ ( 1,96 )∗( 91296754,17 )=323940052
Haciendo uso de un nivel de confianza del 95%, no sin dejar constantes el
área, el uso y el número de garajes, por cada habitación adicional que tenga el
apartamento, el precio promedio del mismo disminuirá en promedio entre
-339.432.224 y 323.940.052.
Intervalo de 90% de confianza para el precio promedio de los apartamentos

con 80 metros cuadrados
Bajo el supuesto de que se quisiese establecer el precio promedio de los

apartamentos con 80 metros cuadrados, se procedió a realizar una predicción con
el modelo anteriormente establecido teniendo en cuenta que el apartamento tiene
un año de uso, un garaje y solamente una habitación. Al reemplazar estos valores
en el modelo se tendría:
^
Precio=−17251285,97+10793743,99 ( 80 )−14940687,68 ( 1 )−4971906,32 ( 1 )−144998413,87(1)
^
Pr apto=681337226
Este valor indica entonces, que en promedio el precio de un apartamento de 80
metros cuadrados que tiene un año de uso, un solo garaje y tan solo una
habitación es de $ 681.337.226. Llevando a cabo la nueva regresión que permita
establecer un intervalo de confianza para el precio del apartamento, el modelo
obtenido es:
^
Precio=681337226+ 10793743,99area−14940687,68uso−4971906,32 Nogarajes−144998413,87 Nohabit
(169715554,92) (862837,28) (8131882,92)
(86430284,35) (91296754,17)
2 2
n = 100, R =0,810 , R ajustado=0,802
En comparación con el anterior modelo lo único que ha cambiado entre esta
regresión y la primera es el intercepto. Asumiendo que se desea establecer un
intervalo de confianza del 90%, y siendo los grados de libertad: 100 – 4 = 96 se
tendría que:
Li :681337226−( 1,64 )∗( 169715554,92 )=403003716

Ls :681337226+ ( 1,64 )∗( 169715554,92 )=959670736
Los límites obtenidos implican, que teniendo un nivel de confianza del 90% un
apartamento de 80 metros cuadrados con una sola habitación, un solo año de uso
y un solo garaje en promedio tiene un valor entre $ 403.003.716 y $ 959.670.736.
CAPITULO IV: ARGUMENTACIÓN DEL MODELO ECONOMETRICO
TERCERA ETAPA
Dado los diferentes modelos estadísticos y las diferentes relaciones entre los
factores a estudiar, en esta etapa se pretende explicar e interpretar los resultados
de los modelos econométricos que permitieron analizar las variables de un
apartamento usado en la ciudad de Bogotá, suponiendo que no hay observaciones
directas de precios de la vivienda, pero que hay observaciones de características,
o atributos que lo acompañan y que los inmuebles se describen así por
características físicas, de área, número de habitaciones, numero de garajes entre
otros, sobre las cuales se realizan las estimaciones mediante la cual puede valorar
el precio implícito de cada característica y su impacto en el precio total.
4.1 CONCLUSIÓN
Inicialmente partimos del hecho que los precios de la vivienda no son fácilmente
observables y, por ello, se utilizan diferentes métodos para establecer los
determinantes del mismo. Así, mismo los modelos econométricos ayudan a
establecer el valor que las personas pueden llegar a dar a la vivienda usada en
este sector de la ciudad, dadas las condiciones de las observaciones estudiadas,
así como las características físicas del inmueble. En el caso de la zona Nororiente,
barrios Cedritos, La calleja y Bella Suiza de Bogotá, se puede observar que los
precios promedio del metro cuadrado de la vivienda oscilan entre $2.100.000 y
$3.232.000, adicionalmente al analizar los datos recolectados, se encontró que el
número de parqueaderos, los años de antigüedad y el valor de la administración
son variables que no tienden a afectar el precio y en cambio las variables que más
pueden llegar a afectar el precio de una vivienda es el área del apartamento y el
número de habitaciones, por ende al usar más variables para analizar el
comportamiento del precio de la vivienda, no permite una mejor estimación, toda
vez que las variables entre ellas tienen correlaciones altas, y para la mayoría de
los casos el área y el número de habitaciones condiciona las características para
establecer el precio de un inmueble.
Finalmente, cabe mencionar que la aplicación de los modelos en algunos casos,

asevero que las conclusiones inicialmente propuestas, tal como que el valor del
inmueble crecía en $800.000 por cada metro adicional, es falso, ya que su precio
varía en mayor cantidad al propuesto.
Bibliografía
- Rodríguez, C, A (2013). La econometría moderna como método de
análisis de la estructura económica; tomado de:
http://economia.uprrp.edu/DepartamentodeEconomia.html
- Pulido, A (1985); Pérez J. Modelos econométricos. Editorial
Pirámide,813 p.
- G. S. Maddala (1996). Introducción a la Econometría, Segunda Edición.

Prentice Hall Hispanoamericana, S. A; primer capítulo.
- Sánchez G (2000). Introducción a la Econometría. Facultad de
Economía de la UNAM, primera edición.
- Portillo, F (2006). Introducción a la Econometría: tomado de:
http://www.unirioja.es/cu/faporti/ieTEMA01.pdf

Tercera Etapa - Econometria

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Tercera Etapa - Econometria

Transféré par

Droits d'auteur :

Formats disponibles

Facultad de ciencias administrativas, económicas y contables

ANALISIS DE PRECIOS PARA VIVIENDAS USADAS EN BOGOTA DC

Para entender las diversas interrelaciones de la economía es de suma

Como se ha señalado inicialmente, la recolección de datos para instaurar los

1.1.2 Objetivos específicos

1. Primera etapa, cada asesor realizará un trabajo de recopilación de datos.

2. Segunda etapa, cada asesor realizará un trabajo final en dónde responderá a

CAPITULO II: RECOLECCIÓN DE DATOS

2.1 Población a estudiar: Apartamentos usados, Zona 1, zona nororiente de

 Metro Cuadrado - http://www.metrocuadrado.com/

•Valor del inmueble en millones de pesos

•Número de garajes (si aplica)

•Años de construido (antigüedad)

•Valor de la administración (si aplica)

•Si esta para remodelar o esta remodelado (1 si esta remodelado y 0 en caso

log pr=β 0 + β 1 area+ β 2 uso + β 3 nalcobas+ μ

log pr=¿ Logaritmo del precio del apartamento

Empleando las 100 observaciones sobre los apartamentos usados en Bogotá en la

En un inicio se prevé que cada metro cuadrado adicional en un apartamento

Interrogante ¿Es cierto que el valor de un apartamento aumenta en relación

Tal como se demostró anteriormente, el valor del apartamento tiende a

Intervalo de confianza del 95% para cada una de las variables

Intervalo de confianza para el coeficiente de la variable años de antigüedad:

Intervalo de confianza para el coeficiente de la variable número de

Manteniendo constante el área y el uso en el modelo descrito, la utilización de un

Usando la base de datos de la primera etapa se recurrió a las variables: años de

Interpretando este modelo, se halla que manteniéndose las variables en cero, el

Interrogante ¿Es cierto que el valor de un apartamento aumenta en relación

El modelo muestra que manteniendo constante el tiempo de antigüedad como el

Antes de realizarse el estudio se creía que, por cada metro adicional el

Inicialmente se usa el modelo estimado para construir si el precio promedio del

Se evidencia que la muestra contradice la afirmación debido a que cada metro

Intervalo de confianza del 95% para cada una de las variables

Los grados de libertad para realizar el intervalo de confianza son n – k – 1= 100 –

Intervalo de confianza para el coeficiente de la variable metros cuadrados:

Intervalo de confianza para el coeficiente de la variable antigüedad:

Intervalo de confianza para el coeficiente que acompaña a la variable número

Intervalo de 90% de confianza para el precio promedio de los apartamentos,

Para establecer el precio promedio de apartamentos de 80 metros cuadrados

Así mismo podemos observar, que en promedio el precio de un apartamento de 80

Suponiendo que se desea establecer un intervalo de confianza del 90%, y siendo

Li :678916649−( 1,64 )∗( 163560682,30 )=410677130

Utilizando un nivel de confianza del 90%, el apartamento de 80 metros cuadrados

ln( precio)=β 0+ β 1 area+ β 2 númerogaraje+ β3 uso+ μ

Manteniendo constante el número de garajes y los años de antigüedad del

Interrogante ¿Es cierto que el valor de un apartamento aumenta en relación

Definitivamente manteniendo constantes el número de parqueaderos y el tiempo

Intervalo de confianza para el coeficiente de la variable Metros cuadrados:

Intervalo de confianza para el coeficiente de la variable número de garajes:

Analizando el intervalo al 95% de confianza y manteniendo constantes los metros

A partir de la base de datos construida en la primera etapa se tomó de referencia

Precio=β 0 + β 1 area+ β2 nhabitaciones + β 3 Nogarajes + μ

Interrogante ¿Es cierto que el valor de un apartamento aumenta en relación

Definitivamente el precio del apartamento aumenta en promedio por cada metro

En el análisis estadísticamente significativo se calcula el estadístico t, usando una

El estadístico t para “metros cuadrados” es 12,30, el cual es estadísticamente

Antes de realizarse el estudio se creía que, por cada metro adicional el

Inicialmente se usa el modelo estimado para construir si el precio promedio del

Intervalo de confianza del 95% para cada una de las variables

Los grados de libertad para realizar el intervalo de confianza son n – k – 1= 100 –

Intervalo de confianza para el coeficiente de la variable área:

Intervalo de 90% de confianza para el precio promedio de los apartamentos,

Para establecer el precio promedio de apartamentos de 80 metros cuadrados