Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Tutor:
Integrantes:
POLITECNICO GRANCOLOMBIANO
FACULTAD
BOGOTA
2016
1
INTRODUCCIN
Esencialmente para lograr ciertos resultados basados en unos datos establecidos, es menester
como se pona en consideracin anteriormente, la obtencin de informacin que sea acorde con la
vida real, sin que esta sea manipulada o distorsionada porque el hecho de llevar a cabo un anlisis
con informacin que no sea de calidad puede generar resultados engaosos y que no aporten en
gran medida a un estudio serio. Por lo tanto, la manera como se recolecten los datos y la
pertinencia de estos para el estudio que se pretenda realizar, asume un papel relevante para el
desarrollo de hiptesis y de pronsticos para as tomar decisiones eficientes.
Como se ha mencionado anteriormente, la recoleccin de los datos para establecer los diversos
modelos economtricos vienen a tener un rol de preponderancia porque en s, estos permitirn
tomar decisiones las cuales pueden tener o no, un impacto significativo en un resultado que se
busque obtener. Los modelos que se establezcan implicaran por ende, una herramienta para el
emprendimiento de medidas y porque no decirlo, de polticas econmicas con las cuales se pueda
definir una manera de actuar referente por ejemplo al tema que aqu se trata como es el de los
apartamentos usados en la ciudad de Bogot, donde estas polticas podran estar representadas
por restricciones, impuestos y dems.
Teniendo en cuenta el carcter analtico y propositivo que implica el hecho de recolectar datos
que sean de carcter real con los cuales se puedan establecer modelos que permitan poner en
perspectiva el mundo econmico en el que se desenvuelven las sociedades, esta segunda entrega
grupal, tiene por objetivo hacer uso de la informacin recopilada referente al valor de los
apartamentos usados en Bogot, y a partir de estos, dar respuesta de manera analtica a lo que
representan los valores obtenidos en dichos modelos con los cuales en una entrega posterior se
pueda explicar qu modelo representa en un buena medida el precio de un apartamento usando en
Bogot.
2
OBJETIVOS GENERALES
OBJETIVOS ESPECIFICOS
Calcular el valor que toman las diversas variables como son rea, alcobas, entre otras.
Se ha hecho una investigacin previa del precio de los apartamentos usados en Bogot en
diferentes sectores de la ciudad, tomando en su efecto, precios de inmuebles del Norte, Sur,
Oriente y Occidente. Los valores obtenidos fueron consultados en dos pginas web de
reconocimiento a nivel nacional como lo son Finca Raiz.com y Metro Cuadrado.com.
Frente a lo anterior, se estableci una muestra de cien apartamentos usados de los cuales se
busco conocer el valor de estos en millones de pesos, los metros cuadrados de los mismos,
nmero de garajes y habitaciones, aos de antigedad, ubicacin geogrfica y precio que se suele
pagar por conceptos administrativos. Poniendo en consideracin la diversidad de valores y
aspectos que pueden encontrarse en esta muestra, se llevo a cabo un anlisis comparativo
solamente con el objetivo de ofrecer una visin muy general de lo que se encontr producto de la
recopilacin de datos:
Zona norte: Para esta zona se tiene un total de 26 elementos de los cuales se destaca que
el precio de estos inmuebles va desde $ 135.000.000 hasta los $ 2.150.000 millones de
pesos, el valor que se paga por administracin va desde los $ 56.000 hasta
$ 1.300.000, en cuanto a los otros aspectos como antigedad y dems, estos tienen
bastante variacin o son muy continuos en algunos casos, por lo que no se puede
establecer un precedente importante a destacar como si lo puede ofrecer el valor del
apartamento y valor que se paga por administracin.
Zona sur: De la muestra hay un total de 25 elementos que pertenecen a esta zona de la
ciudad, igual que en la zona norte, se quiso destacar en este corto bosquejo lo
concerniente al precio y valor que se cancela por administracin. Se tiene por tanto, que
los apartamentos de esta zona se encuentran en un rango de $ 45.000.000 a
$ 190.000.000, en tanto que la administracin va desde $ 25.000 hasta $ 360.000.
MODELO 1.
= + + + +
En donde:
= Representa el logaritmo del precio del apartamento
= Hace mencin a los metros cuadrados del inmueble
= Es el nmero de aos potenciales de uso del apartamento
= Numero de alcobas que tiene el apartamento
Los valores entre parntesis se refieren a los errores estndar
n = Numero de observaciones
= Ajuste de bondad
Empleando las 100 observaciones sobre los apartamentos usados en Bogot de la base de
datos APTUS.XLSX se emplearon variables relacionadas con el rea, aos de uso y numero de
alcobas para as buscar explicar el precio del apartamento en trminos porcentuales. La ecuacin
estimada es:
) = , + , , ,
(
(0,25) (0,00066) (0,0089) (0,10009)
n = 100, = 0,699, = 0,690
Interpretacin de coeficientes
Teniendo en cuenta que los coeficientes tienen una interpretacin porcentual, empezando por
el coeficiente que acompaa a la variable rea (0,0085), puede decirse que manteniendo uso y
nalcobas constantes, se predice que un metro cuadrado adicional en un apartamento usado se
traduce en un incremento del 0,85% en el precio del apartamento. Por otro lado, en cuanto al
coeficiente 0,00267 que acompaa a la variable uso y que tiene signo negativo, este valor puede
implicar que por cada ao adicional de uso que tenga el apartamento; el precio del inmueble se
reduce en aproximadamente un 0,27%, por supuesto teniendo en cuenta que tanto el rea como el
numero de alcobas se mantienen constantes. En ltima instancia, si se analiza el coeficiente
0,00705 que acompaa a la variable numero de alcobas, se tiene que este es negativo, por ende,
bajo este modelo se implicara que por cada habitacin adicional que tenga el apartamento el
precio del mismo se reducira en un 0,70%, esto ltimo lleva a pensar si realmente tal efecto
puede darse. Siendo realistas dicha concepcin es poco viable, sea debera analizarse con
detenimiento el hecho que presenta este modelo de que al aumentar el nmero de alcobas el
precio del apartamento tienda a reducirse.
5
Significancia estadstica
Para ver que variables son estadsticamente significativas se puede calcular el estadstico t,
usando una alternativa de dos colas. El valor critico al 5% es aproximadamente 1,96 ya que el
numero de grados de libertad es (100 4 = 96) el cual es suficientemente grande para emplear la
aproximacin normal estndar. El valor crtico de 1% es ms o menos 2,58.
El estadstico t para rea es 12,87, el cual es estadsticamente significativo dentro de este
modelo. El estadstico de uso es -0,3, significando esto que su peso dentro del modelo es
estadsticamente insignificante, aspecto que se refleja de igual manera para el coeficiente
numero de alcobas cuyo estadstico t es -0,070. Por lo anterior, se puede decir que el
coeficiente rea es estadsticamente significativo a cualquier nivel de significancia
convencional, mientras que los otros coeficientes no ejercen un efecto explicativo sobre el precio
del apartamento.
Estableciendo un 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 distribucin t student para calcular el intervalo al 95% es
96
97,5% = 1,96. Teniendo claro lo anterior, lo limites inferior y superior de un intervalo de
confianza estn dados por: ( ) y + ( ).
MODELO 2.
Utilizando la base de datos APTUS.XLSX se emplearon las variables rea, aos de uso y
numero de alcobas para explicar el precio del apartamento por medio del modelo nivel-nivel. La
ecuacin estimada es:
= + + + +
= , + , , ,
(230756061,52) (594897,64) (8049339,87) (90125786,55)
n = 100, = 0,810, = 0,804
Interpretacin de coeficientes
Al analizar el modelo generado, se encuentra que el valor del intercepto no tiene una
interpretacin econmica viable. En hars de brindar una interpretacin sobre el intercepto puede
decirse que si las otras variables valen cero el costo promedio de un apartamento usado seria un
valor negativo de alrededor $ 22.476.801, sin embargo como se recalco anteriormente esto no se
ajusta a la realidad ni tampoco permite sacar conclusiones de relevancia. Al mantener constante
el uso y el nmero de alcobas puede decirse que por cada metro cuadrado adicional que tenga un
apartamento usado, el precio promedio del mismo aumenta en $ 10.757.963. No obstante al
interpretar los aos de uso, se encuentra, manteniendo en este caso el rea y el numero de alcobas
constantes, que por cada ao adicional de uso que tenga el apartamento el precio de dicho
inmueble puede reducirse en aproximadamente $ 14.894.099, aspecto que se da de igual manera
para el numero de alcobas cuando se deja constante tanto el uso y el rea, se encuentra por tanto,
que por cada alcoba adicional el precio del predio disminuye en promedio $ 144.394.567. Este
ltimo aspecto no constituye una posicin realista ms si se tiene en cuenta que cuando un predio
tiene ms reas de privacidad personal el valor promedio de este puede subir y no disminuir
como es el caso que se encuentra en este modelo. En otras palabras se dira, que si se tienen dos
apartamentos usados ambos con la misma cantidad de aos de uso y la misma rea en metros
cuadrados, el apartamento que tenga una habitacin adicional va a hacer que dicho inmueble
cueste en promedio $ 144.394.567 menos que el otro.
7
Significancia estadstica
Para ver que variables son estadsticamente significativas se puede calcular el estadstico t,
usando una alternativa de dos colas. El valor critico al 5% es aproximadamente 1,96 ya que el
numero de grados de libertad es (100 4 = 96) el cual es suficientemente grande para emplear la
aproximacin normal estndar. El valor crtico de 1% es ms o menos 2,58.
El estadstico t para rea es 18,08, el cual es estadsticamente significativo dentro de este
modelo. El estadstico de uso es 1,85, significando esto que su peso dentro del modelo es
estadsticamente bajo, aspecto que se refleja de igual manera para el coeficiente numero de
alcobas cuyo estadstico t es -1,60. Por lo anterior, se puede decir que el coeficiente rea es
estadsticamente 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 crea 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 crea?
Para responder a esta pregunta se utilizara el modelo estimado para establecer si el precio
promedio del inmueble en realidad aumentaba en $ 800.000, para tal efecto se tendrn en cuenta
las siguientes caractersticas: 1 metro cuadrado, 1 ao de uso y 1 habitacin.
= , + , () , () , ()
= -$ 170.962.505
Los resultados indican que dicha afirmacin es negativa puesto que cada metro cuadrado, ao
de uso y habitacin adicional hacen que el precio promedio del apartamento sea de
$ 147.524.829, si bajo el supuesto practico se incrementara en una unidad mas cada uno de los
factores, el resultado promedio que ofrece el modelo para el precio del apartamento seria
$ 319.448.209. Adems si se analiza el coeficiente que acompaa a la variable rea se encuentra
que por cada metro cuadrado adicional el precio promedio del apartamento aumenta en
$ 10.757.963 y no en $ 800.000 como se afirmaba al comienzo del estudio.
8
Estableciendo un 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 distribucin t student para calcular el intervalo al 95% es
96
97,5% = 1,96. Teniendo claro lo anterior, lo limites inferior y superior de un intervalo de
confianza estn dados por: ( ) y + ( ).
= , + , () , () , ()
=
cabo la nueva regresin que permita establecer un intervalo de confianza para el precio del
apartamento, el modelo obtenido es:
= + , , ,
(163560682,30) (594897,64) (8049339,87) (90125786,55)
n = 100, = 0,810, = 0,804
En comparacin con el anterior modelo lo nico que ha cambiado entre esta regresin 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 tiene que:
MODELO 3.
Por medio de la base de datos APTUS.XLSX se utilizaron las variables rea, nmero de
garajes y aos de uso para explicar el precio del apartamento en trminos porcentuales. La
ecuacin estimada es:
() = + + + +
() = , + , + , + ,
(0,117) (0,000716) (0,0791) (0,00747)
n = 100, = 0,790, = 0,783
Interpretacin de coeficientes
El modelo generado refleja una relacin positiva en todos los coeficientes lo cual podra
implicar que puede haber una relacin entre los valores obtenidos y el precio del apartamento
usado. La interpretacin es la siguiente: Manteniendo constante el numero de garajes y los aos
de uso, se espera que en promedio un metro cuadrado adicional haga que el precio del
apartamento se incremente en un 0,51% aproximadamente, as mismo si se deja constante el rea
y los aos de uso, podra pensarse que si el apartamento tiene un garaje adicional el valor de
venta de un apartamento en promedio puede subir en un 50,98%, esto en otros trminos
significara que si se tienen dos apartamentos con igual nmero de aos de uso e igual nmero de
metros cuadrados pero uno de ellos tiene un garaje adicional, en estas condiciones se esperara
10
que el apartamento con un garaje adicional tenga un precio superior al otro en aproximadamente
un 50,98%. Por ltimo, si se utilizara el concepto Ceteris Paribus para el rea y el nmero de
garajes se podra argumentar que por cada ao adicional de uso que tenga el apartamento el
precio de este puede aumentar en un 0,27%.
Significancia estadstica
Para ver que variables son estadsticamente significativas se puede calcular el estadstico t,
usando una alternativa de dos colas. El valor critico al 5% es aproximadamente 1,96 ya que el
numero de grados de libertad es (100 4 = 96) el cual es suficientemente grande para emplear la
aproximacin normal estndar. El valor crtico de 1% es ms o menos 2,58.
El estadstico t para rea es 7,07, el cual es estadsticamente significativo dentro de este
modelo. El estadstico de numero de garajes es 6,43, lo cual indica al igual que la variable rea
que esta es estadsticamente significativa, sin embargo, el estadstico de la variable uso es de
0,35, este aspecto indicara que los aos de uso no son estadsticamente significativos para ejercer
un papel relevante sobre el precio del apartamento. Por lo anterior, se puede decir que el
coeficiente rea y nmero de garajes son estadsticamente significativos y ejercen un efecto
explicativo sobre el precio del apartamento.
Estableciendo un 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 distribucin t student para calcular el intervalo al 95% es
96
97,5% = 1,96. Teniendo claro lo anterior, lo limites inferior y superior de un intervalo de
confianza estn dados por: ( ) y + ( ).
Con una confianza del 95% y manteniendo constantes tanto el rea como el uso, se puede
afirmar que por cada garaje adicional que tenga el apartamento, el precio promedio del mismo
aumentara entre 35,47% y 66,47%.
MODELO 4.
Utilizando la base de datos APTUS.XLS que consta de 100 observaciones, se emplearon las
variables rea, nmero de habitacin y nmero de garajes para explicar el precio del apartamento
por medio del modelo nivel-nivel. La ecuacin estimada es:
= + + + +
= . . + , , + ,
Interpretacin de coeficientes
Interpretando el modelo obtenido, se encuentra en primera instancia un elemento que no tiene
un anlisis practico para el estudio que se pretende llevar a cabo como lo que es que el intercepto
sea negativo porque lo que implica con este hecho, es que el precio promedio de un apartamento
usado es de $ -133.222.777, lo cual como se indico anteriormente no se ajusta a la realidad
porque se tendra que inferir que un apartamento tiene 0 metros cuadrados, 0 habitaciones y 0
garajes. Manteniendo constante tanto el nmero de habitaciones como el nmero de garajes
puede decirse que en promedio el precio del apartamento se incrementa en $ 10.747.366 por cada
metro cuadrado adicional.
del apartamento aumenta en promedio $ 10.483.337 por cada garaje adicional que tenga el
predio.
Significancia estadstica
Para ver que variables son estadsticamente significativas se puede calcular el estadstico t,
usando una alternativa de dos colas. El valor critico al 5% es aproximadamente 1,96 ya que el
numero de grados de libertad es (100 4 = 96) el cual es suficientemente grande para emplear la
aproximacin normal estndar. El valor crtico de 1% es ms o menos 2,58.
El estadstico t para rea es 12,30, el cual es estadsticamente significativo dentro de este
modelo. El estadstico de numero de garajes es -1,74, lo cual indica que dicha variable, no es
estadsticamente significativa, aspecto este que tambin se da para el caso de nmero de
habitaciones cuyo valor de 0,12, indicara que este coeficiente no es estadsticamente
significativo para ejercer un papel relevante sobre el precio del apartamento. Por lo anterior, se
puede decir que el coeficiente rea es estadsticamente significativo a cualquier nivel de
significancia convencional, ejerciendo un efecto explicativo sobre el precio del apartamento.
Antes de realizarse el estudio se crea 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 crea?
Para responder a esta pregunta se utilizara el modelo estimado para establecer si el precio
promedio del inmueble en realidad aumentaba en $ 800.000, para tal efecto se tendrn en cuenta
las siguientes caractersticas: 1 metro cuadrado, 1 habitacin y 1 garaje.
= . . + , () , () + , ()
= -$ 271.795.555
Los resultados indican que dicha afirmacin es negativa puesto que por cada metro cuadrado
adicional el precio promedio del apartamento es de -$ 271.795.555. Vale la pena poner en
consideracin que este valor obtenido ciertamente no se ajusta a la realidad, por ende debe
analizarse si el modelo es vlido para el estudio que se est llevando a cabo. Por otro lado, si se
analiza el coeficiente que acompaa la variable rea 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 afirmaba al comienzo del estudio.
13
Estableciendo un 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 distribucin t student para calcular el intervalo al 95% es
96
97,5% = 1,96. Teniendo claro lo anterior, lo limites inferior y superior de un intervalo de
confianza estn dados por: ( ) y + ( ).
= . . + , () , () + , ()
=
regresin que permita establecer un intervalo de confianza para el precio del apartamento, el
modelo obtenido es:
= + , , + ,
En comparacin con el anterior modelo lo nico que ha cambiado entre esta regresin 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 tendra que:
MODELO 5.
() = + + + +
() = , + , + , + ,
(0,12) (0,00167) (0,00875) (3,50867290813629E-07)
n = 100, = 0,716, = 0,708
Interpretacin de coeficientes
Las interpretaciones que se desprenden de este modelo implican en primera instancia que
manteniendo constante el uso y el valor de administracin, el precio del apartamento se
incrementa en promedio en un 0,47% por cada metro cuadrado adicional que pueda tener el
predio. Llevando a cabo el anlisis con la variable uso, se encuentra que manteniendo constante
tanto valor de administracin como el numero de metros cuadrados; en promedio el precio del
apartamento aumenta por cada ao adicional de uso en un 0,064%, no obstante, el valor
administracin tiene un efecto significativamente bajo sobre el precio del predio, si se deja
constante tanto el uso como el rea puede decirse que en promedio el efecto que tiene esta
variable sobre el precio del inmueble es de un 0,000084% por cada peso adicional que se pague
por este concepto.
15
Significancia estadstica
Para ver que variables son estadsticamente significativas se puede calcular el estadstico t,
usando una alternativa de dos colas. El valor critico al 5% es aproximadamente 1,96 ya que el
numero de grados de libertad es (100 4 = 96) el cual es suficientemente grande para emplear la
aproximacin normal estndar. El valor crtico de 1% es ms o menos 2,58.
El estadstico t para rea es 2,82, el cual es estadsticamente significativo dentro de este modelo
a una significancia tanto del 5% como del 1%. El estadstico de uso es 0,073, lo cual indica
que dicha variable no es estadsticamente significativa. En cuanto al nivel de significancia de
valor de administracin representado por 2,39, indicara que este coeficiente no es
estadsticamente significativo a un 1% pero si lo seria a un 5%, y con base en este ultimo
porcentaje se dira que puede ejercer un papel relevante sobre el precio del apartamento. Por lo
anterior, se puede decir que la variable rea es estadsticamente significativa al igual que la
variable valor de administracin las cuales pueden ejercer un efecto explicativo sobre el precio
del apartamento. Sin embargo se pone en consideracin que la variable valor de
administracin debe interpretarse con precaucin.
Estableciendo un 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 distribucin t student para calcular el intervalo al 95% es
96
97,5% = 1,96. Teniendo claro lo anterior, lo limites inferior y superior de un intervalo de
confianza estn dados por: ( ) y + ( ).
-Intervalo de confianza para el coeficiente que acompaa a la variable valor por administracin:
: 8,40531787613118E 07 (1,96) (3,50867290813629E 07) = 159790684
: 8,40531787613118E + 07 (1,96) (3,50867290813629E 07) = 181477359
Manteniendo constante el rea y el nmero de habitaciones, un intervalo de confianza al 95%
indica que por cada garaje adicional, el precio promedio del apartamento se incrementa entre
-159.790.684 y 181.477.359.
MODELO 6.
Utilizando la base de datos APTUS.XLSX que consta de 100 observaciones, se emplearon las
variables rea, aos de uso, numero de garajes y numero de alcobas para explicar el precio del
apartamento. La ecuacin estimada es:
= + + + + +
= , + , , ,
,
(249115857,81) (862837,28) (8131882,92) (86430284,35)
(91296754,17)
n = 100, = 0,810, = 0,802
Interpretacin de coeficientes
Al ser este modelo algo ms complejo por la cantidad de variables involucradas, se proceder
a realizar las interpretaciones pertinentes. En el caso del intercepto, puede decirse que el valor
que all se refleja no representa un hecho fehaciente de la realidad ya que no puede argumentarse
que en promedio si las dems variables fueran cero el precio de un apartamento usado fuera un
valor negativo de aproximadamente $ 17.251.285, por lo cual este nmero no tiene ninguna
interpretacin econmica viable. En cuanto al rea, si se mantiene contante tanto el uso, el
nmero de garajes y el nmero de habitaciones; podra decirse que en promedio el precio del
apartamento se incrementara en $ 10.793.743 por cada metro cuadrado adicional que pueda tener
el predio. El anlisis que se puede hacer de la variable uso se desprende de igual manera, sea,
manteniendo constante el rea, el nmero de garajes y el nmero de habitaciones; podra llegar a
decirse que en promedio el precio del apartamento usado disminuye en $ 14.940.688 por cada
ao adicional que se utilice el inmueble. Ahora bien, el nmero de garajes indica que si las
dems variables se dejan constantes, al igual que el caso anterior el valor del apartamento se
17
reducir en $ 4.971.906 por cada garaje adicional que pueda llegar a tener dicho apartamento.
Por ltimo, interpretando el coeficiente que acompaa a la variable nmero de habitaciones
puede inferirse que si se deja tanto el rea, el uso y el numero de garajes constantes; el valor del
predio se puede reducir en aproximadamente $ 144.998.414 por cada habitacin adicional. Lo
relacionado con esta ltima variable debe analizarse con detenimiento debido a que si se trae el
modelo a la realidad, por cada habitacin adicional se supondra que el valor del inmueble
debera aumentar y no lo contrario.
Significancia estadstica
Para ver que variables son estadsticamente significativas se puede calcular el estadstico t,
usando una alternativa de dos colas. El valor critico al 5% es aproximadamente 1,96 ya que el
numero de grados de libertad es (100 4 = 96) el cual es suficientemente grande para emplear la
aproximacin normal estndar. El valor crtico de 1% es ms o menos 2,58.
El estadstico t para rea es 12,50, el cual es estadsticamente significativo dentro de este
modelo. El estadstico de uso es -1,83, lo cual indica que dicha variable no es estadsticamente
significativa ni al 1% ni al 5%. En cuanto al nivel de significancia de numero de garajes
establecido por -0,057, se encuentra que de igual manera este no es estadsticamente significativo
para este modelo que se est analizando, el mismo caso sucede con la variable nmero de
habitaciones ya que el valor del estadstico t de esta variable es -1,58. Se infiere por tanto, que
la variable rea es estadsticamente significativa ejerciendo un poder explicativo sobre el precio
del apartamento.
Antes de realizarse el estudio se crea 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 crea?
Para responder a esta pregunta se utilizara el modelo estimado para establecer si el precio
promedio del inmueble en realidad aumentaba en $ 800.000, para tal efecto se tendrn en cuenta
las siguientes caractersticas: 1 metro cuadrado, 1 ao de uso, 1 garaje y 1 habitacin.
= , + , () , () , ()
, ()
= -$ 26.370.135
18
Los resultados indican que dicha afirmacin es negativa puesto que por cada metro cuadrado
adicional el precio promedio del apartamento es de -$ 26.370.135. Vale la pena poner en
consideracin que este valor obtenido ciertamente no se ajusta a la realidad, por ende debe
analizarse si el modelo es vlido para el estudio que se est llevando a cabo. Por otro lado, si se
analiza el coeficiente que acompaa la variable rea se encuentra que por cada metro cuadrado
adicional el precio promedio del apartamento aumenta en $ 10.793.743 y no en $ 800.000 como
se afirmaba al comienzo del estudio.
Estableciendo un 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 distribucin t student para calcular el intervalo al 95% es
96
97,5% = 1,96. Teniendo claro lo anterior, lo limites inferior y superior de un intervalo de
confianza estn dados por: ( ) y + ( ).
Haciendo uso de un nivel de confianza del 95%, no sin dejar constantes el rea, el uso y el
nmero de garajes, por cada habitacin adicional que tenga el apartamento, el precio promedio
del mismo disminuir en promedio entre -339.432.224 y 323.940.052.
= , + , () , () , ()
, ()
=
Este valor indica entonces, que en promedio el precio de un apartamento de 80 metros
cuadrados que tiene un ao de uso, un solo garaje y tan solo una habitacin es de $ 681.337.226.
Llevando a cabo la nueva regresin que permita establecer un intervalo de confianza para el
precio del apartamento, el modelo obtenido es:
= + , , ,
,
(169715554,92) (862837,28) (8131882,92) (86430284,35)
(91296754,17)
n = 100, = 0,810, = 0,802
En comparacin con el anterior modelo lo nico que ha cambiado entre esta regresin 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 tendra que:
MODELO 1.
) = , + , , ,
(
(0,25) (0,00066) (0,0089) (0,10009)
n = 100, = 0,699, = 0,69
MODELO 2.
= , + , , ,
(230756061,52) (594897,64) (8049339,87) (90125786,55)
n = 100, = 0,810, = 0,80
MODELO 3.
() = , + , + , + ,
(0,117) (0,000716) (0,0791) (0,00747)
n = 100, = 0,790, = 0,78
MODELO 4.
= . . + , , + ,
MODELO 5.
() = , + , + , + ,
(0,12) (0,00167) (0,00875) (3,50867290813629E-07)
n = 100, = 0,716, = 0,70
MODELO 6.
= , + , , ,
,
(249115857,81) (862837,28) (8131882,92) (86430284,35)
(91296754,17)
n = 100, = 0,810, = 0,80
Despus de analizado el R2 ajustado que presenta cada uno de los modelos presentados, el
modelo 2 y el modelo 6 son los mejores en trminos de bondad de ajuste, mientras que el R2
ajustado del modelo 1 no es el mejor de los modelos, esto segn el R cuadrado ajustado que
presenta. Por lo dicho anteriormente, el R2 ajustado del modelo 2 indica que las variables rea,
uso y numero de alcobas explican de manera conjunta el precio promedio de un apartamento en
un 80%; se sobre entiende que el 20% restante corresponde a otros factores que pueden contribuir
a la explicacin del precio del apartamento. Para no ser reiterativos, el mismo anlisis aplica para
el modelo 6, por ende, la tarea consiste en analizar qu modelo de los presentados tiene el mejor
ajuste y puede ser capaz de explicar convincentemente el precio de un apartamento usado.
21
CONCLUSIONES
Los anlisis llevados cabo para cada uno de los modelos arrojo interesantes aspectos que
deben ser tomados en cuenta para determinar cul de los modelos presentados puede ser el que
mejor responda al problema que se tiene, como lo es, saber el precio de un apartamento usado.
Frente a esto debe tenerse en cuenta que la tarea no simplemente consiste en buscar el modelo
que responda en mejor medida a lo que se pretende, sino que tambin el trabajo consiste en
entender cual es la relevancia de cada uno de los parmetros con que se cuenta, como se ha visto,
una seleccin adecuada de lo dichos parmetros puede tener un impacto significativo para el
resultado que se busque obtener.
En cuanto a los clculos realizados puede decirse que sin lugar a dudas, los seis modelos
establecidos poseen cada uno desde su propia perspectiva sus pros y sus contras, razn por la cual
se considera como se dijo anteriormente, que la idea consiste en determinar que variables deben
descartarse o incluirse en los modelos presentados para encontrar un modelo que se ajuste a las
necesidad que se requieren.
En general los modelos se caracterizan por ciertos aspectos que son recurrentes en la mayora
de los casos como son que el intercepto sea negativo, desafortunadamente esto hace que dicho
coeficiente que se obtenga pierda validez econmica por cuanto no puede decirse que un precio
es negativo, esencialmente por el caso que se est tratando como lo es el precio de un
apartamento usado, no obstante, se encontr de manera especial que en la mayora de los casos y
segn los clculos efectuados a los modelos presentados, la variable rea tiene un papel de peso
para explicar el precio de un apartamento usado en Bogot.