Un índice de precios espacial para la vivienda urbana en Colombia: Una aplicación con métodos de emparejamiento

Documentos de Trabajo sobre Economía Regional y Urbana
Número: 
173
Publicado: 
Clasificación JEL: 
C43, O18, R21, C21
Palabras clave: 
Regresión por cuantiles, Propensity score matching, Índice de precios hedónicos de Fisher

Lo más reciente

María Teresa Ramírez-Giraldo, Karina Acosta, Olga Lucia Acosta Navarro, Lucia Arango-Lozano, Fernando Arias-Rodríguez, Oscar Iván Ávila-Montealegre, Oscar Reinaldo Becerra Camargo, Leonardo Bonilla-Mejía, Grey Yuliet Ceballos-Garcia, Luz Adriana Flórez, Juan Miguel Gallego-Acevedo, Luis Armando Galvis-Aponte, Luis M. García-Pulgarín, Andrés Felipe García-Suaza, Anderson Grajales, Daniela Gualtero-Briceño, Didier Hermida-Giraldo, Ana María Iregui-Bohórquez, Juliana Jaramillo-Echeverri, Karen Laguna-Ballesteros, Francisco Javier Lasso-Valderrama, Daniel Márquez, Carlos Alberto Medina-Durango, Ligia Alba Melo-Becerra, María Fernanda Meneses-González, Juan José Ospina-Tejeiro, Andrea Sofía Otero-Cortés, Daniel Parra-Amado, Juana Piñeros-Ruiz, Christian Manuel Posso-Suárez, Natalia Ramírez-Bustamante, Mario Andrés Ramos-Veloza, Jorge Leonardo Rodríguez-Arenas, Alejandro Sarasti-Sierra, Bibiana Taboada-Arango, Ana María Tribín-Uribe, Juanita Villaveces
Carlos David Ardila-Dueñas, Joel Santiago Castellanos-Caballero, Carlos David Murcia-Bustos

La formulación de un índice que permita la comparación de precios de vivienda en el espacio es relevante para aspectos económicos tales como la asignación del gasto social habitacional. Desafortunadamente en el contexto colombiano no existe un índice que permita hacer comparaciones sobre los costos de la vivienda entre diferentes regiones geográficas. El presente trabajo se propone llenar vacíos existentes en este respecto. Para este efecto se emplea el método de emparejamiento PSM (por sus siglas en inglés: Propensity Score Matching), donde se simulan escenarios contrafactuales en los que se identifican viviendas de una ciudad base, en nuestro caso Bogotá, que son estadísticamente similares a las de otras ciudades. Con dicho método se busca establecer comparaciones más homogéneas entre los inmuebles de cada ciudad al evaluar el diferencial de precios. Se realizan dos ejercicios adicionales, que consisten en: (i) comparar las viviendas según rangos de precios (bajo, medio y alto) entre las ciudades empleando regresiones hedónicas por cuantiles; (ii) examinar cómo cambia la diferencia promedio de precios cuando varía la canasta de características de la unidad habitacional. Entre los principales resultados se encuentra que Bogotá tiene el precio más alto de vivienda estándar, seguida de Cartagena y Villavicencio. En términos prácticos, las brechas de precios halladas son importantes y alcanzan cifras cercanas al 30%. Dichas brechas no son homogéneas entre diferentes clases de vivienda estándar, ni entre rangos del precio.