Estimación de precios de vivienda en Ecuador mediante modelos hedónicos y geoestadísticos: Un análisis comparative

Contenido principal del artículo

Livino M Armijos-Toro
Sergio Castillo-Páez
Fernando Ortega

Resumen

En el presente trabajo se comparan los resultados de dos modelos, uno hedónico y otro geoestadístico, al momento de obtener estimaciones de precios de vivienda en el cantón Rumiñahui, Ecuador. En el primer modelo, se recurren a distintas parametrizaciones de las variables que conforman el modelo hedónico para obtener las mejores predicciones. Para el caso geoestadístico, las predicciones se componen de una función tendencia que depende de ciertas características de la vivienda y un termino de error espacial, el cual es modelado a partir de un variograma residual. El comportamiento de cada modelo es comparado mediante un análisis de errores de predicción a partir de un conjunto de datos de validación. Los resultados indican un mejor rendimiento para el modelo geoestadístico, pues este considera además de ciertas características inherentes a cada vivienda, el efecto de su ubicación espacial sobre el precio de venta.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Armijos-Toro, L. M., Castillo-Páez, S., & Ortega, F. (2022). Estimación de precios de vivienda en Ecuador mediante modelos hedónicos y geoestadísticos: Un análisis comparative. Journal of Business and Entrepreneurial Studie, 6(2). https://doi.org/10.37956/jbes.v6i2.286
Sección
Artículos

Citas

Bover, O. and Velilla, P. (2001). Hedonic house prices without characteristic: the case

of new multiunit housing. Economic Studies, 73, Bank of Spain.

Camelo, M. and Campo, J. (2016). Analysis of housing policy in Bogotá: An approach

from supply and demand. Revista Finanzas y Política Económica, 8 (1), 105,122.

Chica-Olmo, Jorge and Cano-Guervos, Rafael & Olmo, Mario. (2007). Spatio-temporal

hedonic model and variographic analysis of housing prices. Geofocus: International

Journal of Geographic Information Science and Technology, ISSN 1578-5157, No.

, 2007.

Cressie, N. (1993). Statistics for Spatial Data. Rev. ed. John Wiley & Sons.

Chica, J. (1995). Spatial estimation of housing prices and locational rents. Urban studies,

(8), 1331-1344.

Chilès, J.P. and P. Delfiner (1999). Geostatistics: modeling spatial uncertainty. Wiley,

New York.

Derycke, P.H. (1983). Economía y Planificación Urbana. Instituto de Estudios de

Administración Local, Madrid.

Figueroa Benavides, E. and Lever D., G. (1992-06). Determinants of housing prices in

Santiago: A hedonic estimation. Available at

https://repositorio.uchile.cl/handle/2250/128244

Gaetan, C., & Guyon, X. (2010). Spatial statistics and modeling (Vol. 90). New York:

Springer.

Griliches, Z. (1971). Price indices and quality change. Harvard U.P. Cambrige.

INEC, (2018). Encuesta de Empleo Desempleo y Subempleo Urbano. Retrieved

www.ecuadorencifras.gob.ec/enemdu-2018/.

Journel, A.G. and C.J. Huijbregts (1978). Mining Geostatistics. Academic Press, New

York.

Lever, G. (2000). Determinants of housing prices in Santiago: A Hedonic estimation.

Paper. Santiago, Chile: Editorial.

Martínez, M. G., Lorenzo, J. M. M. M., & Rubio, N. G. (2000). Kriging methodology for

regional economic analysis: Estimating the housing price in Albacete. International

Advances in Economic Research, 6(3), 438-450.

Matheron, G. (1962). Traite de geostatistique appliquee, Tome I. Memories du Bureau

de Recherches Geologiques et Minieres, 14. Editions Bureau de Recherches

Geologiques et Minieres, Paris.

Montero, J. (2004). The average price of the square meter of free housing: A

methodological approach from the perspective of Geostatistics. Estudios de

Economía Aplicada, 22(3),675-693.

Wackernagel, H. (1998). Multivariate Geostatistics. 2nd ed. Springer, Berlin