Resultados

Bogotá reporta en construcción el 4.8% del producto interno bruto de Colombia, que a su vez corresponde al 35% del total nacional en este sector. Según metro cuadrado, Bogotá presenta un número de viviendas igual a 1,794,204 y actualmente existe un déficit que sobrepasa las 650.000 unidades. De este número de viviendas se escogieron 970, tanto casas como apartamentos, de las 19 localidades de Bogotá y de los diferentes estratos económicos.² Para el modelo de precios hedónicos utilizamos las siguientes variables:

• Precio. Variable continua que representa el precio de las viviendas en pesos.

• PM10. Variable continua que representa el nivel promedio de contaminación por partículas menores a diez micras de la localidad.

• Tipo. Variable dummy que toma el valor de uno si la vivienda es apartamento y cero si es casa.

• Área. Variable continua que representa al área de construcción de la vivienda.

• Estrato. Variable continua que representa el estrato al cual pertenece la vivienda.

• NBI. Necesidades básicas insatisfechas de la vivienda. Variable continua dependiendo de la localidad.

• Tiempo de construcción. Variable continua que representa el número de años que tiene la vivienda de construida.

• Seguridad. Variable dummy que toma el valor de uno si la vivienda presenta seguridad las 24 horas y cero en caso contrario.

• Transmilenio (Sistema de Transporte Masivo). Variable dummy que toma el valor de uno si la vivienda esta cerca de una estación de transmilenio y cero en caso contrario.

• Zona Verde. Variable dummy que toma el valor de uno si la vivienda esta cerca de una zona verde y cero en caso contrario.

Cuadro 1. Estadísticas Descriptivas

Fuente: Elaboración Propia, 2009.

En promedio, el precio de la vivienda en Bogotá es de 14 mil dólares americanos, con un nivel de contaminación de 63,2 mg/m3 de partículas menores a diez micras en las localidades. Las viviendas en promedio presentan 156 m2. El promedio de estrato está entre tres y cuatro, un 90% de las viviendas presentan algún tipo de seguridad, aproximadamente un 80% presenta, por la cercanía, una zona verde y una estación de Transmilenio (Sistema de Transporte Masivo), un 70% son edificios y en promedio las viviendas tienen una vida de construcción de 13 años. La siguiente es la función hedónica que se estima:

En el caso de precios hedónicos se deben estimar varias formas funcionales con el fin de estimar la forma funcional más apropiada (Amemiya & Powell, 1981; Cropper et al., 1988; Green, 2000).

Cuadro 2. Formas Funcionales

Fuente: Carriazo, 1999.

Se realizaron las estimaciones para las seis formas funcionales posibles, para identificar si mantienen la robustez respecto a signos y significancia, para finalmente realizar unas pruebas de hipótesis de razón de verosimilitud y determinar la forma funcional de la regresión hedónica, donde la hipótesis nula presenta una forma funcional conocida y la hipótesis alternativa una regresión Box-Cox no restringida.

El siguiente cuadro presenta las diferentes estimaciones, donde se observa que las variables, que están relacionadas con el entorno de la vivienda, por ejemplo, el nivel de contaminación (partículas menores a 10 micras), en todos los modelos se presenta un signo negativo, lo que indica que a mayor nivel de contaminación el precio de la vivienda es menor, además que en los diferentes modelos la variable es significativa, exceptuando el modelo logarítmico lineal (log – lin). La variable zona verde no presenta estabilidad respecto al signo y su significancia ya que en algunos modelos es positivo o negativo y significativa o no significativa.

Cuadro 3. Resultados de las Estimaciones

Fuente: Elaboración Propia, 2009.

Otra variable relacionada con el entorno es la presencia de servicio masivo de transporte (transmilenio) cerca de la vivienda. Por lo general (exceptuando el modelo log – lin) presenta signo negativo indicando que la presencia de ese servicio origina una disminución en el precio de la vivienda pero lo importante es indicar que en la mayoría de modelos la variable no es significativa. En este caso, es necesario identificar cómo afecta esta variable el precio de la vivienda dependiendo del nivel económico de las personas que en ellas habitan, situación que es estudiada más adelante en los ejercicios econométricos, considerando zonas económicas.

Respecto a variables no relacionadas con el entorno, es decir, variables de características estructurales de la vivienda, la variable área en todos los modelos es positiva y significativa, indicando que a medida que aumenta el área de la vivienda el precio es mayor. Otra variable es el tipo de vivienda, por lo general si la vivienda es de tipo apartamento tiene un mayor precio que si es una casa, aunque dependiendo del modelo puede ser significativa o no. La variable seguridad en cuatro modelos presenta signo positivo, indicando que si la vivienda presenta algún mecanismo de seguridad el precio de la vivienda es mayor. Entre las variables estructurales, tenemos la relacionada con el tiempo de construcción de la vivienda, en todos los modelos la variable presenta signo negativo indicando que a mayor el número de años construida menor el precio. Es importante señalar que en todos los modelos la variable es significativa.

Por último, las variables relacionadas con las condiciones socioeconómicas del hogar indican que la variable estrato presenta en todos los modelos un signo positivo, indicando que a medida que aumenta el nivel de estrato el precio de la vivienda es mayor, siendo la variable significativa en todos los modelos al uno por ciento.

Cuadro 4. Prueba de Hipótesis Fuente:

Elaboración Propia, 2009.

El cuadro 4 presenta las diferentes pruebas de hipótesis para identificar la forma funcional que mejor se ajusta a los datos. Como se observa, todas las pruebas se rechazan, y por ende, no se tiene una forma funcional conocida. Se deben buscar valores tanto para lambda como para theta para la función de precios hedónicos, se recurre a un modelo Box-Cox sin restringir.

Cuadro 5. Modelo Box-Cox sin Restringir

Fuente: Elaboración Propia, 2009.

El cuadro anterior presenta la mejor forma funcional de un modelo Box-Cox sin restringir, con valores tanto para lambda (-0.59) como para theta (-1). Observamos que la variable contaminación, representada por las partículas menores a diez micras, presenta signo negativo: a mayor nivel de contaminación menor el precio de la vivienda. La variable área de la vivienda presenta un signo esperado positivo: a mayor el número de metros cuadrados mayor el precio. La variable estrato con signo positivo nos muestra que a medida que la estratificación aumenta, sigue la misma dirección el precio de la vivienda. La variable NBI presenta un signo negativo como lo que se esperaba, indicando que a medida que la casa presenta menor calidad en los materiales y menor acceso a servicios públicos el precio es menor, es decir, a mayor nivel de NBI menor el precio.

La vivienda es de tipo apartamento tiene un mayor precio a si es una casa. La variable seguridad indica que si la vivienda presenta algún tipo de seguridad, el precio de la misma aumenta. Si cerca de la vivienda se tiene la presencia de zonas verdes o de sistema de transporte masivo el precio de la vivienda es mayor. Y finalmente, el tiempo que lleve la construcción determina el precio en forma inversa, es decir, a mayor número de años de construcción menor el precio de la vivienda. Cabe indicar que casi todas las variables son significativas, exceptuando la variable transporte masivo.

Ya que se ha definido la forma funcional, se puede obtener tanto la elasticidad como la disponibilidad a pagar, por un aumento o disminución de los diferentes atributos de la vivienda, de los habitantes de las distintas localidades del Distrito Capital. Por ejemplo, la elasticidad de la variable PM10 nos indica que ante un aumento del uno por ciento en el nivel de contaminación, el precio de la vivienda se reduce en un 0.012%:Es importante indicar que las elasticidades y sus disposiciones marginales a pagar en las variables, que son consideradas dummy, no puede ser interpretadas, ya que no son valores continuos. La variable área nos indica que ante el aumento de un metro cuadrado de construcción el precio de la vivienda aumenta en un 1.7% y la gente estaría dispuesta a pagar por esa unidad adicional 31.000 pesos.

Es interesante identificar qué atributos son importantes para explicar el precio de las viviendas, tanto para localidades que tengan los mayores niveles de ingreso como los menores e identificar, si la aplicación de una inversión en la construcción de un área verde o la implementación de transporte masivo como Transmilenio afecta de distinta manera en los precios de los dos grupos. Para poder identificar a los dos grupos de poblaciones ricas y pobres, nos basamos en las Necesidades Básicas Insatisfecha y en el nivel de ingreso de las localidades de la ciudad.
1) Necesidades Básicas Insatisfechas (NBI): Contempla viviendas inadecuadas (viviendas con piso de tierra o material inadecuado en las paredes); vivienda sin servicios (hogares sin agua por acueducto o sin conexión a alcantarillado o pozo séptico); hacinamiento crítico (hogares en donde el número de personas por cuarto es superior a tres); inasistencia escolar (hogares con niños entre los siete y once años que no asisten regularmente al colegio o escuela) y alta dependencia económica (hogares cuyo jefe de hogar tiene un nivel educativo inferior a cuarto de primaria y tenga más de tres personas dependientes).

2) Nivel de Ingresos Per Cápita: A través de los niveles de ingreso per cápita podemos identificar la situación en que vive una familia o los agentes económicos en las diferentes localidades. Con base en los datos que se tienen en el cuadro 6 con respecto a las necesidades básicas insatisfechas y el nivel de ingresos, se decidió armar dos grupos para localidades pobres y ricas:
• Grupo Localidades Pobres: Ciudad Bolívar, San Cristóbal, Usme y Bosa.
• Grupo Localidades Ricas: Teusaquillo, Chapinero, Suba y Barrios Unidos.

Cuadro 6. Necesidades Básicas Insatisfechas e Ingreso Per Cápita por Localidad (2003)

Fuente: Elaboración propia.