Con método estadístico se conoce con mayor precisión el valor de la vivienda en Bogotá

En países como Colombia uno de los mayores anhelos de las personas a lo largo de su vida es comprar su casa o apartamento, sueño que no siempre es fácil de cumplir debido a los precios y sus fluctuaciones en la economía. Solo en Bogotá el DANE estima 2,8 millones de hogares (Encuesta Multipropósito), un tema fundamental para la planeación y el desarrollo de la ciudad.

Además, en 2019 el DANE también mostró datos acerca de la construcción de nuevas viviendas en Bogotá: en el primer trimestre se registró un incremento cercano al 14,9 % más que en 2018, con 7.320 unidades. Por otro lado, frente a otras ciudades también aumentó 2,6 veces su producción en este sector, y los precios durante el cuarto trimestre de 2023 se incrementaron hasta en un 12,48 % con respecto a 2022.

Con toda esta información, las personas buscan determinar cuál es el conjunto o la casa que mejor se adecúa a su presupuesto, y tener un análisis riguroso por parte de las inmobiliarias o vendedores de los inmuebles. Por eso la estadística emerge como un socio ideal, ya que al utilizar métodos como el de “efectos mixtos espaciales”, y softwares especializados para el procesamiento de datos y predicción y estimación de resultados, se puede calcular el precio de la vivienda en Bogotá con mayor precisión.

Fue así como el investigador Daniel Humberto Camargo Rincón, magíster en Estadística de la Universidad Nacional de Colombia (UNAL), implementó este método estadístico –poco usado en el campo inmobiliario– para analizar unos 1.000 barrios de Bogotá y generar un mapa con los factores principales que influyen en la distribución espacial y el valor de la vivienda.

En total se recopilaron 33.000 datos de 3 portales web: Fincaraiz, Metrocuadrado y Mercadolibre, los cuales ofrecen un amplio catálogo de casas y apartamentos a la venta. Después de aplicar varios filtros de información esta cifra bajó a 7.850 datos, en los que se buscaba tener las viviendas delimitadas para Bogotá; dentro de las características puestas en estas ventas está el espacio total que las componen, el valor, así como si tienen parqueadero y cuál es su dirección (lo cual facilita generar un mapa por zonas).

“En Colombia se ha trabajado poco el tema espacial con este modelo estadístico y de vivienda, por lo que comparamos sus resultados con las propuestas estudiadas en investigaciones anteriores y pudimos determinar que el de ‘efectos mixtos espaciales’ tenía el mejor desempeño en cuanto a los tiempos en que genera una respuesta y la precisión frente a las características por zona de la ciudad”, indica el magíster Camargo, quien tuvo la dirección y guía del profesor Óscar Orlando Melo Martínez, del Departamento de Estadística.

Añade que “el modelo determinó que el rango en el que una vivienda es dependiente de otra para estimar su valor y precio es de cerca de 924 m, lo cual quiere decir que en este espacio las casas y apartamentos que hay allí influyen en los valores. Esto no se conocía a ciencia cierta con los análisis o peritajes realizados por las inmobiliarias cuando determinan el valor de un inmueble; o que un banco no tiene con tal certeza cuando está adelantando estos procesos.

“Si la vivienda es una casa, tiene una mayor valoración inicial en el precio de venta deseado, con un valor de aproximadamente un 5 % más alto que en apartamentos; de la misma manera, y como se esperaba, los estratos 4, 5 y 6 tienen precios más altos, aunque es importante resaltar que en estos portales no hay mucha información sobre las viviendas en estratos más bajos”, indica el experto.

Por otro lado, en las valoraciones de estos precios, hoy las inmobiliarias no tienen muy en cuenta factores como la movilidad, seguridad o las zonas verdes alrededor, lo cual también podría estimarse con el método de efectos mixtos espaciales, una herramienta fiable para que los vendedores y compradores tengan un estimado rápido de cuánto pueden valer estos inmuebles en Bogotá.

El modelo también puede determinar los puntos en que existen diferencias marcadas entre los valores de las viviendas de un mismo sector, es decir, si en barrios de una localidad como Suba hay puntos en los que solo a pocos metros ya hay una fluctuación grande dependiendo del tipo de casa o apartamento. El análisis se realizó en el lenguaje de programación R, que permite trabajar con una gran cantidad de datos y establecer relaciones entre cada una de las variables recopiladas.