Entrega Final Econometria

Facultad de ciencias administrativas, económicas y contables
TRABAJO GRUPAL ECONOMETRIA ENTREGA FINAL
INTEGRANTES
tu
COLOMBIA
Octubre 2018
INTRODUCCIÓN
En el presente documento vamos a abordar las diversas interrelaciones de la

economía y la importancia del uso de herramientas econométricas que admitan
cotejar las hipótesis con el escenario real, sin lugar a duda, desplegar métodos
estadísticos con los cuales se indague 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.
Inicialmente, se realizará la recolección de datos para instaurar los diversos

modelos econométricos, y su rol predominante 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.
Objetivo General
Analizar y determinar el modelo econométrico más acertado y claro para evaluar y

estudiar el valor de los apartamentos usados en las diferentes zonas de Bogotá.
Basados en la recopilación de datos en donde se aplicó la teoría econometría
básica.
Objetivos específicos
1. Seleccionar el modelo que mejor explique el análisis de la variación de

precios de apartamentos en las diferentes zonas de Bogotá.
2. Determinar los datos de inferencia estadística de la función en las variables
explicativas, para obtener parámetros útiles al momento de realizar análisis
de sensibilidad
3. Analizar el comportamiento de la variable en función de los precios de los
diferentes apartamentos
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) Plantear e aclarar diferentes métodos estadísticos que admitan
examinar el precio de los apartamentos en la ciudad de Bogotá.
b) Expresar y refutar el modelo seleccionado, para explicar el precio
de un apartamento usado en Bogotá.
c) Facilitar 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 5, zona centro de Bogotá,

Opción 2: Galerías, Palermo, Alfonso López, La Soledad.
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)
N° FUENTE
hab
Valor del inmueble itac
ion
N° Valor
MTS años es garaje administración Remodelar ubicación
Centro -
1 $ 460.000 1 www.fincaraiz.com
Chapinero
$ 330 000 000 74 16 4
Centro -
1 1 www.fincaraiz.com
Chapinero
$ 267 000 000 56 4 1 $170 000
Centro -
Chapinero
$ 235 000 000. 54 16 2 $177 000
Centro -
Chapinero
$ 379 000 000. 105 18 3 $397 000
Centro -
Chapinero
$ 520 000 000 106 1 3 $307 000
Centro -
Chapinero
$ 380 000 000 101 16 3 $242 000
Centro -
Chapinero
$ 380 500 000 115 16 3 $497 000
Centro -
Chapinero
$ 320 000 000 94 12 3 $320 000
Centro -
Chapinero
$ 440 000 000 85 1 3 $250 000
Centro -
Chapinero
$ 355 000 000 82 16 3 $244 000
Centro -
Chapinero
$ 290 000 000. 71 16 3 $205 000
Centro -
Chapinero
$ 663 626 100 104 1 3 $466 000
Centro -
Chapinero
$ 359 900 000 92 9 3 $350 000
Centro -
Chapinero
$ 220 000 000 54 16 1 $210 000
Centro -
Chapinero
$ 255 000 000 53 1 1 $194 000
Centro -
Chapinero
$ 220 000 000 63 20 3 $214 000
Centro -
Chapinero
$ 580 000 000 99 1 3 $369 000
Centro -
Chapinero
$ 355 000 000 85 5 3 $306 000
Centro -
Chapinero
$ 450 000 000 100 1 3 $447 000
Centro -
Chapinero
$ 170 000 000 35 10 1 $190 000
Centro -
Chapinero
$ 305 000 000 48 4 1 $220 000
Centro -
Chapinero
$ 520 000 000 115 5 3 $357 000
Centro -
Chapinero
$ 285 000 000 67 20 2 $280 000
Centro -
Chapinero
$ 290 000 000 76 10 3 $300 000
Centro -
Chapinero
$ 500 000 000 144 10 3 $483 000
Centro -
Chapinero
$ 550 000 000 129 5 3 $450 000
Centro -
Chapinero
$ 385 000 000 85 15 3 $320 000
Centro -
Chapinero
$ 440 000 000 97 10 3 $342 000
Centro -
Chapinero
$ 280 000 000 74 10 2 $300 000
Centro -
Chapinero
$ 147 000 000 38 3 1 $120 000
Centro -
Chapinero
$ 430 000 000 94 2 3 $380 000
Centro -
Chapinero
$ 620 000 000 104 3 3 $410 000
Centro -
Chapinero
$ 360 000 000 107 5 3 $280 000
Centro -
Chapinero
$ 830 000 000 129 1 2 $457 000
Centro -
Chapinero
$ 245 000 000 60 9 3 $220 000
Centro -
Chapinero
$ 350 000 000 78 16 2 $340 000
Centro -
Chapinero
$ 270 000 000 40 5 1 $200 000
Centro -
Chapinero
$ 633 580 000 133 2 3 $325 000
Centro -
Chapinero
$ 340 000 000 75 9 2 $230 000
Centro -
Chapinero
$ 450 000 000 78 2 2 $306 000
Centro -
Chapinero
$ 620 000 000 100 2 2 $240 000
Centro -
Chapinero
$ 710 000 000 159 16 3 $494 100
Centro -
Chapinero
$ 575 000 000 164 16 3 $800 000
Centro -
Chapinero
$ 560 000 000 84 16 3 $380 000
Centro -
Chapinero
$ 348 000 000 62 8 2
Centro -
Chapinero
$ 465 000 000 71 16 2 $280 000
Centro -
Chapinero
$ 990 000 000 256 4 3 $650 000
Centro -
Chapinero
$ 1 260 000 000. 176 1 3 $414 000
Centro -
Chapinero
$ 698 000 000 153 16 3 $811 000
Centro -
Chapinero
$ 590 000 000 110 16 3 $520 000
Centro -
1 1 www.metrocuadrado.com
Chapinero
$ 460 000 000 104 20 2 $480 000
Centro -
Chapinero
$ 415 000 000 70 2 2 $330 000
Centro -
Chapinero
$ 900 000 000 140 1 3 $630 000
Centro -
Chapinero
$ 890 000 000 165 2 4 $600 000
Centro -
Chapinero
$ 685 000 000 113 5 3 $500 000
Centro -
Chapinero
$ 678 000 000 110 10 3 $450 000
Centro -
Chapinero
$ 915 000 000 155 5 3 $520 000
Centro -
Chapinero
$ 640 000 000 120 10 2 $485 000
Centro -
Chapinero
$ 410 000 000 61 5 1 $310 000
Centro -
Chapinero
$ 473 200 000 98 15 3 $410 000
Centro -
Chapinero
$ 815 000 000 192 5 3 $530 000
Centro -
Chapinero
$ 640 000 000 118 10 3 $450 000
Centro -
Chapinero
$ 710 000 000 132 5 3 $360 000
Centro -
Chapinero
$ 690 000 000 120 15 4 $515 000
Centro -
Chapinero
$ 600 000 000 105 10 3 $495 000
Centro -
Chapinero
$ 570 000 000 94 15 3 $565 000
Centro -
Chapinero
$ 730 000 000 127 9 3 $477 000
Centro -
Chapinero
$ 980 000 000 230 16 3 $650 000
Centro -
Chapinero
$ 1 290 000 000 194 5 3 $780 000
Centro -
Chapinero
$ 660 000 000 98 1 2 $550 000
Centro -
Chapinero
$ 630 000 000 135 8 3 $480 000
Centro -
Chapinero
$ 740 000 000 110 16 3 $530 000
Centro -
Chapinero
$ 710 000 000 180 5 3 $560 000
Centro -
Chapinero
$ 659 000 000 114 8 3 $610 000
Centro -
Chapinero
$ 860 000 000 154 4 3 $410 000
Centro -
Chapinero
$ 710 000 000 115 16 3 $520 000
Centro -
Chapinero
$ 925 000 000 133 8 3 $610 000
Centro -
Chapinero
$ 480 000 000 96 2 1 $420 000
Centro -
Chapinero
$ 850 000 000 210 10 3 $610 000
Centro -
Chapinero
$ 430 000 000 76 8 2 $450 000
Centro -
Chapinero
$ 990 000 000 185 10 3 $555 000
Centro -
Chapinero
$ 498 000 000 100 30 3 $419 000
Centro -
Chapinero
$ 890 000 000 136 9 3 $480 000
Centro -
Chapinero
$ 660 000 000 120 16 3 $510 000
Centro -
Chapinero
$ 700 000 000 119 10 3 $485 000
Centro -
Chapinero
$ 389 000 000 59 10 1 $367 000
Centro -
Chapinero
$ 710 000 000 150 20 3 $484 000
Centro -
Chapinero
$ 840 000 000 135 5 3 $387 000
Centro -
Chapinero
$ 520 000 000 80 2 2 $240 000
Centro -
Chapinero
$ 280 000 000 82 20 3 $270 000
Centro -
Chapinero
$ 620 000 000 114 10 2 $650 000
Centro -
Chapinero
$ 2 100 000 000 286 20 3 $1 284 300
Centro -
Chapinero
$ 1 250 000 000 168 15 3 $768 000
Centro -
Chapinero
$ 450 000 000 91 5 3 $444 000
Centro -
Chapinero
$ 600 000 000 110 2 2 $500 000
Centro -
Chapinero
$ 1 000 000 000 230 10 3
CAPITULO III: ESTIMACIÓN MODELO ECONOMÉTRICO
SEGUNDA ETAPA
De acuerdo a la primera etapa previa de recolección de datos de Apartamentos
usados , Zona 5, zona centro de Bogotá, Opción 2: Galerías, Palermo, Alfonso López, La
Soledad 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:
MODELO A
𝑳𝒐𝒈 𝒑𝒓 = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒖𝒔𝒐 + 𝜷𝟑 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔 + 𝝁
En donde:
𝑳𝒐𝒈 𝒑𝒓 = Logaritmo del precio del apartamento

𝜷𝟏 𝒂𝒓𝒆𝒂 = Metros cuadrados del inmueble
𝜷𝟐 𝒖𝒔𝒐 = Número de años de uso del apartamento
𝜷𝟑 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.
̂𝒂𝒑𝒕𝒐) = 𝟏𝟖, 𝟕𝟐𝟎 + 𝟎, 𝟎𝟎𝟖𝟓 𝒂𝒓𝒆𝒂 − 𝟎, 𝟎𝟎𝟐𝟔𝟕 𝒖𝒔𝒐 − 𝟎, 𝟎𝟎𝟕𝟎𝟓 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔

𝑳𝒐𝒈(𝒑𝒓
(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.
Utilizando las 100 observaciones 1-100
Variable dependiente: valor
Variable coeficiente desv. Típica
m² 5655599.88081 393005.717512
N°hab. 1626396.37583 19001379.2286
N° garaje -30970716.7708 30805803.1153
Media de la var. dependiente= 590286061
Desviación típica de la var. Dependiente. = 289443197.545
Suma de cuadrados de los residuos = 2.03492377677e+018
Desviación típica de los residuos = 144839896.565
R=cuadrado= 0.952827278309
Estadístico F (3,97)=653.091042759 (valor p < 0.00001)
Log=verosimilitud= -2019.48484582
Criterio de la información de akaike (AIC) = 4044.96969164
Criterio de la información bayesiano de schwarz (BIC) = 4052.7852022
Criterio de hannan-quinn (HQC) = 4048.13276939
El valor P mas alto fue de la variable 3 (n° hab)
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
96
intervalo al 95% es 𝑡97,5% = 1,96.
Teniendo en cuenta lo anterior, lo limites inferior y superior de un intervalo de
confianza están dados por: 𝛽−𝑗 ≡ 𝛽̂𝑗 − 𝑐 ∗ 𝑒𝑒(𝛽̂𝑗 ) y 𝛽−𝑗 ≡ 𝛽̂𝑗 + 𝑐 ∗ 𝑒𝑒(𝛽̂𝑗 ).
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.
MODELO B
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 = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒖𝒔𝒐 + 𝜷𝟑 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔 + 𝝁
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = −𝟐𝟐𝟒𝟕𝟔𝟖𝟎𝟏, 𝟑𝟑 + 𝟏𝟎𝟕𝟓𝟕𝟗𝟔𝟑, 𝟗𝟔 𝒂𝒓𝒆𝒂 − 𝟏𝟒𝟖𝟗𝟒𝟎𝟗𝟗, 𝟐𝟎 𝒖𝒔𝒐
− 𝟏𝟒𝟒𝟑𝟒𝟗𝟓𝟔𝟕, 𝟔𝟎 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔
(230756061,52) (594897,64) (8049339,87) (90125786,55)
n = 100, 𝑹𝟐 = 0,810, 𝑹𝟐 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 número 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.
Utilizando las 100 observaciones 1-100
Variable dependiente: valor
Variable coeficiente desv. Típica estad t valor P
m² 5.65560e+06 393006. 14.391 <0.00001
N°hab. -3.09707e+07 3.08058e+07 -1.005 0.31723
N° garaje 1.62640e+06 1.900014e+07 0.086 0.93197
Media de la var. dependiente= 5.90286e+008
Desviación típica de la var. Dependiente. = 2.89443e+008
Suma de cuadrados de los residuos = 2.03492e+018
Desviación típica de los residuos = 1.4484e.+008

R=cuadrado= 0.952827
Estadístico F (3,97)=653.091 (valor p < 0.00001)
Log=verosimilitud= -2019.48
Criterio de la información de akaike (AIC) = 4044.97
Criterio de la información bayesiano de schwarz (BIC) = 4052.79
Criterio de hannan-quinn (HQC) = 4048.13
El valor P mas alto fue de la variable 3 (n° hab)
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 $800.000, para ello se cuenta con las siguientes
características: 1 metro cuadrado, 1 año de antigüedad y 1 habitación.
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = −𝟐𝟐𝟒𝟕𝟔𝟖𝟎𝟏, 𝟑𝟑 + 𝟏𝟎𝟕𝟓𝟕𝟗𝟔𝟑, 𝟗𝟔 (𝟏) − 𝟏𝟒𝟖𝟗𝟒𝟎𝟗𝟗, 𝟐𝟎 (𝟏)
− 𝟏𝟒𝟒𝟑𝟒𝟗𝟓𝟔𝟕, 𝟔𝟎 (𝟏)
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = -$ 170.962.505
Se evidencia que la muestra contradice la afirmación debido a que cada metro

cuadrado, año de antigüedad 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 𝑡97,5% = 1,96. Teniendo en cuenta lo anterior, el límite inferior y
superior de un intervalo de confianza están dados por:
𝛽−𝑗 ≡ 𝛽̂𝑗 − 𝑐 ∗ 𝑒𝑒(𝛽̂𝑗 ) y 𝛽−𝑗 ≡ 𝛽̂𝑗 + 𝑐 ∗ 𝑒𝑒(𝛽̂𝑗 ).

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 95% 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:
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = −𝟐𝟐𝟒𝟕𝟔𝟖𝟎𝟏, 𝟑𝟑 + 𝟏𝟎𝟕𝟓𝟕𝟗𝟔𝟑, 𝟗𝟔 (𝟖𝟎) − 𝟏𝟒𝟖𝟗𝟒𝟎𝟗𝟗, 𝟐𝟎 (𝟏) −
𝟏𝟒𝟒𝟑𝟒𝟗𝟓𝟔𝟕, 𝟔𝟎 (𝟏) 𝑷𝒓̂
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:
𝑷𝒓̂
𝒂𝒑𝒕𝒐 = 𝟔𝟕𝟖𝟗𝟏𝟔𝟔𝟒𝟗 + 𝟏𝟎𝟕𝟓𝟕𝟗𝟔𝟑, 𝟗𝟔 𝒂𝒓𝒆𝒂 − 𝟏𝟒𝟖𝟗𝟒𝟎𝟗𝟗, 𝟐𝟎 𝒖𝒔𝒐
− 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 95%, 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.
MODELO C
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) = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 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, 𝑹𝟐 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 parqueadero
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%.
T (98, 025) = 1.984
Variable coeficiente intervalo de confianza 95%

m² 5.26081e06 ( 4.74697e+006, 5.77466e+006)
N° garaje 3.88338e+07 (2.10206e+007, 5.66470e+007)

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 𝑡97,5% = 1,96. Teniendo en cuenta lo anterior, el límite inferior y
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%.
MODELO D
A partir de la base de datos construida en la primera etapa se tomó de referencia

las variables: Metros cuadrados, precio administración y antigüedad del
apartamento para analizar el precio.
𝑳𝒏 (𝒑𝒓𝒆𝒄𝒊𝒐) = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒖𝒔𝒐 + 𝜷𝟑 𝒗𝒂𝒍𝒐𝒓𝒂𝒅𝒎𝒊𝒏 + 𝝁
̂
𝑳𝒏(𝒑𝒓𝒆𝒄𝒊𝒐) = 𝟏𝟖, 𝟕𝟕 + 𝟎, 𝟎𝟎𝟒𝟕𝟐 𝒂𝒓𝒆𝒂 + 𝟎, 𝟎𝟎𝟎𝟔𝟒 𝒖𝒔𝒐 + 𝟖, 𝟒𝟎𝟓𝟑𝟏𝟕𝟖𝟕𝟔𝟏𝟑𝟏𝟏𝟖𝑬
− 𝟎𝟕 𝒗𝒂𝒍𝒐𝒓 𝒂𝒅𝒎𝒊𝒏
(0,12) (0,00167) (0,00875) (3,50867290813629E-07)
n = 100, 𝑹𝟐 = 0,716, 𝑹𝟐 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 antigüedad 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.
El estadístico t para “metros cuadrados” es 2,82, el cual es estadísticamente
significativo dentro de este modelo a una significancia tanto del 5% como del 1%.
El estadístico de “antigüedad” 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%.

96
intervalo al 95% es 𝑡97,5% = 1,96. Teniendo en cuenta lo anterior, los límites inferior
y superior de un intervalo de confianza están dados por:
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.
MODELO E
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 = 𝜷𝟎 + 𝜷𝟏 𝒂𝒓𝒆𝒂 + 𝜷𝟐 𝒖𝒔𝒐 + 𝜷𝟑 𝑵𝒐𝒈𝒂𝒓𝒂𝒋𝒆𝒔 + 𝜷𝟒 𝑵𝒐𝒉𝒂𝒃𝒊𝒕𝒂𝒄𝒊𝒐𝒏𝒆𝒔 + 𝝁
̂ = −𝟏𝟕𝟐𝟓𝟏𝟐𝟖𝟓, 𝟗𝟕 + 𝟏𝟎𝟕𝟗𝟑𝟕𝟒𝟑, 𝟗𝟗 𝒂𝒓𝒆𝒂 − 𝟏𝟒𝟗𝟒𝟎𝟔𝟖𝟕, 𝟔𝟖 𝒖𝒔𝒐
𝑷𝒓𝒆𝒄𝒊𝒐
− 𝟒𝟗𝟕𝟏𝟗𝟎𝟔, 𝟑𝟐 𝑵𝒐𝒈𝒂𝒓𝒂𝒋𝒆𝒔 − 𝟏𝟒𝟒𝟗𝟗𝟖𝟒𝟏𝟑, 𝟖𝟕𝑵𝒐𝒉𝒂𝒃𝒊𝒕𝒂𝒄𝒊𝒐𝒏𝒆𝒔
(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 mayores 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
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?
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.
̂ = −𝟏𝟕𝟐𝟓𝟏𝟐𝟖𝟓, 𝟗𝟕 + 𝟏𝟎𝟕𝟗𝟑𝟕𝟒𝟑, 𝟗𝟗 (𝟏) − 𝟏𝟒𝟗𝟒𝟎𝟔𝟖𝟕, 𝟔𝟖 (𝟏)

− 𝟒𝟗𝟕𝟏𝟗𝟎𝟔, 𝟑𝟐 (𝟏) − 𝟏𝟒𝟒𝟗𝟗𝟖𝟒𝟏𝟑, 𝟖𝟕(𝟏)
̂ = -$ 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 𝑡97,5% = 1,96. Teniendo claro lo anterior, lo limites inferior y
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
antigüedad, 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 número 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.
Intervalo de confianza para el coeficiente de la variable número de
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 95% 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:
̂ = −𝟏𝟕𝟐𝟓𝟏𝟐𝟖𝟓, 𝟗𝟕 + 𝟏𝟎𝟕𝟗𝟑𝟕𝟒𝟑, 𝟗𝟗 (𝟖𝟎) − 𝟏𝟒𝟗𝟒𝟎𝟔𝟖𝟕, 𝟔𝟖 (𝟏)

− 𝟒𝟗𝟕𝟏𝟗𝟎𝟔, 𝟑𝟐 (𝟏) − 𝟏𝟒𝟒𝟗𝟗𝟖𝟒𝟏𝟑, 𝟖𝟕 (𝟏)
𝑷𝒓̂
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:
̂ = 𝟔𝟖𝟏𝟑𝟑𝟕𝟐𝟐𝟔 + 𝟏𝟎𝟕𝟗𝟑𝟕𝟒𝟑, 𝟗𝟗 𝒂𝒓𝒆𝒂 − 𝟏𝟒𝟗𝟒𝟎𝟔𝟖𝟕, 𝟔𝟖 𝒖𝒔𝒐

− 𝟒𝟗𝟕𝟏𝟗𝟎𝟔, 𝟑𝟐 𝑵𝒐𝒈𝒂𝒓𝒂𝒋𝒆𝒔 − 𝟏𝟒𝟒𝟗𝟗𝟖𝟒𝟏𝟑, 𝟖𝟕𝑵𝒐𝒉𝒂𝒃𝒊𝒕𝒂𝒄𝒊𝒐𝒏𝒆𝒔
(169715554,92) (862837,28) (8131882,92) (86430284,35)
(91296754,17)
n = 100, 𝑹𝟐 = 0,810, 𝑹𝟐 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 95%, 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 95% 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.
Bibliografía
- https://bookboon.com/es/econometra-ebooks
- /www.youtube.com/watch?v=p9q004TLa-g
- https://books.google.com.co/books?id=5vnq3IZS7a8C&printsec=frontcov
er&dq=enfoque+latinoamericano+introducci%C3%B3n+econometria&hl
=es&sa=X&ved=0ahUKEwiC-
svmkYneAhWQjVkKHQTZD20Q6AEIMDAC#v=onepage&q=enfoque%2
0latinoamericano%20introducci%C3%B3n%20econometria&f=false
-
- https://books.google.es/books?hl=es&lr=&id=u1DFsje4lMcC&oi=fnd&pg
=PA441&dq=enfoque+latinoamericano+introducci%C3%B3n+a+la+econ
om%C3%ADa&ots=xcTHuh7PSQ&sig=vbVIpjXsWDCWz9fEIzhHXD3nB
DU#v=onepage&q=enfoque%20latinoamericano%20introducci%C3%B3
n%20a%20la%20econom%C3%ADa&f=false.
-
- 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

Entrega Final Econometria

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Entrega Final Econometria

Caricato da

Copyright:

Formati disponibili

Facultad de ciencias administrativas, económicas y contables

TRABAJO GRUPAL ECONOMETRIA ENTREGA FINAL

En el presente documento vamos a abordar las diversas interrelaciones de la

Inicialmente, se realizará la recolección de datos para instaurar los diversos

Analizar y determinar el modelo econométrico más acertado y claro para evaluar y

1. Seleccionar el modelo que mejor explique el análisis de la variación de

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 5, zona centro de Bogotá,

 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

CAPITULO III: ESTIMACIÓN MODELO ECONOMÉTRICO

𝑳𝒐𝒈 𝒑𝒓 = Logaritmo del precio del apartamento

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

̂𝒂𝒑𝒕𝒐) = 𝟏𝟖, 𝟕𝟐𝟎 + 𝟎, 𝟎𝟎𝟖𝟓 𝒂𝒓𝒆𝒂 − 𝟎, 𝟎𝟎𝟐𝟔𝟕 𝒖𝒔𝒐 − 𝟎, 𝟎𝟎𝟕𝟎𝟓 𝒏𝒂𝒍𝒄𝒐𝒃𝒂𝒔

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

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

Utilizando las 100 observaciones 1-100

Variable dependiente: valor

Variable coeficiente desv. Típica

N°hab. 1626396.37583 19001379.2286

N° garaje -30970716.7708 30805803.1153

Media de la var. dependiente= 590286061

Desviación típica de la var. Dependiente. = 289443197.545

Suma de cuadrados de los residuos = 2.03492377677e+018

Desviación típica de los residuos = 144839896.565

Estadístico F (3,97)=653.091042759 (valor p < 0.00001)

Criterio de la información de akaike (AIC) = 4044.96969164

Criterio de la información bayesiano de schwarz (BIC) = 4052.7852022

Criterio de hannan-quinn (HQC) = 4048.13276939

El valor P mas alto fue de la variable 3 (n° hab)

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

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

Utilizando las 100 observaciones 1-100

Variable dependiente: valor

Variable coeficiente desv. Típica estad t valor P

m² 5.65560e+06 393006. 14.391 <0.00001

N°hab. -3.09707e+07 3.08058e+07 -1.005 0.31723

N° garaje 1.62640e+06 1.900014e+07 0.086 0.93197

Media de la var. dependiente= 5.90286e+008

Desviación típica de la var. Dependiente. = 2.89443e+008

Suma de cuadrados de los residuos = 2.03492e+018

Desviación típica de los residuos = 1.4484e.+008

Estadístico F (3,97)=653.091 (valor p < 0.00001)

Criterio de la información de akaike (AIC) = 4044.97

Criterio de la información bayesiano de schwarz (BIC) = 4052.79

Criterio de hannan-quinn (HQC) = 4048.13

El valor P mas alto fue de la variable 3 (n° hab)

En el análisis de las variables estadísticamente significativas se calcula 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