N. de la R.: El texto de esta nota reproduce
la Tesis de Maestría en Economía Urbana (Universidad
Torcuato Di Tella, Buenos Aires) presentada por el autor
en junio
de 2008.

Introducción
En
la Ciudad Autónoma de Buenos Aires existe un consenso
generalizado sobre la necesidad de inversiones en infraestructuras
de transporte público, dada la crítica situación del
actual sistema de transporte. Las principales obras
actualmente en ejecución son las extensiones de las
líneas A y B (radiales) y una nueva línea, la H, de
tipo transversal, cuya primera etapa se inauguró a fines
de 2007 y de la cual recientemente se inauguró otra
estación.
Existe
un ambicioso plan de ampliación de la red de subterráneos
que incluye la construcción de 3 nuevas líneas (F, G
e I), buscando (originalmente para 2010, objetivo no
logrado) que el 80% de los porteños esté a menos de
500 metros de una estación de subte. Una rápida estimación
de los costos de construcción de las líneas muestra
que el citado plan se transformará en una de las principales
erogaciones del Presupuesto de la ciudad. En efecto,
con costos aproximados de 30 millones de dólares por
kilómetro y 1,8 millones de dólares por vagón, las inversiones
ascenderán a varios miles de millones de pesos.
La
magnitud de las inversiones a realizar lleva inmediatamente
a la pregunta sobre las alternativas de financiamiento
de las obras. Uno de los mecanismos utilizados internacionalmente
implica que los propietarios de viviendas situadas en
las cercanías solventen al menos parte de las obras.
En
el caso de Buenos Aires puede citarse el caso de la
ley nacional 23.514 de 1987, que crea el Fondo Permanente
para la Ampliación de la Red de Subterráneos para la
habilitación de nuevas líneas subterráneas o la ampliación
de las existentes. La norma establece que entre los
distintos recursos con que contará este fondo se encuentra
una contribución de mejoras a cargo de los propietarios
de los inmuebles comprendidos dentro de la zona de influencia
de cada línea o tramo que se habilite.
La
contribución, dice la ley, “recaerá sobre los inmuebles ubicados dentro
de un radio de 400 metros de tránsito directo
a la boca de acceso a cada línea o tramo, fueran titulares
de dominio o poseedores a título de dueños de los inmuebles
alcanzados por la presente contribución”. Esta contribución,
además, “no
podrá exceder en ningún caso el 15 por ciento del valor
fiscal de la propiedad”
La
idea subyacente es que las obras de subte mejoran la
accesibilidad de las propiedades y entonces esto se
refleja en un aumento de sus valores. Por lo tanto,
al ser beneficiados los propietarios con un incremento
en su patrimonio atribuible a la ejecución de las obras
públicas, deben financiar al menos parte de las mismas.
Los
operadores inmobiliarios tienden a confirmar este razonamiento
e incluso realizan afirmaciones públicas sobre el aumento
del valor de las propiedades cercanas a las nuevas líneas.
Por ejemplo, es posible leer en los diarios que un agente
inmobiliario afirma que las propiedades aumentarán un
14% en la zona de influencia de la nueva línea H. Lo
que no se suele encontrar es una explicación sobre cómo
ha llegado a tal conclusión y en qué datos se ha basado.
La
mejora en la accesibilidad de las zonas beneficiadas
implica una reducción de los tiempos de viajes de sus
habitantes, que implica un beneficio social que se debe
tomar en cuenta al realizar la evaluación de los proyectos
de subterráneos. Debe tenerse en cuenta que (al menos
en primera instancia) el aumento del valor de las propiedades
constituye un “espejo” de estos beneficios sociales:
los precios más altos pagados se explican (al menos
parcialmente) por los menores tiempos de viajes. No
debe caerse en el error de contabilizar el aumento del
valor de las propiedades como un beneficio adicional
(al menos, no totalmente), aunque es posible que las
propiedades aumenten de precio más de lo que el argumento
de la accesibilidad mejorada indicaría (al respecto,
ver Banister y Berechman, 2000). Por ejemplo, si la
accesibilidad de un lugar es mejorada significativamente,
sus habitantes pueden mejorar sus oportunidades laborales
y entonces los precios de las propiedades pueden reflejarlo.
En
síntesis, el tema es relevante tanto para la evaluación
de los proyectos como para su financiamiento, con implicancias
que pueden resumirse en las siguientes cuestiones:
a)
¿Aumentan los valores de las propiedades por la construcción
de nuevas líneas de subte? ¿Qué relación guarda este
aumento con los ahorros de tiempos de viaje? Analizar
el aumento de los valores de las propiedades puede servir
para verificar ex post si los beneficios por ahorros
de tiempo de viaje han sido correctamente cuantificados
y valorados.
b)
Si el aumento se verifica y es atribuible a las nuevas
infraestructuras de transporte entonces esto implica
que los propietarios se han visto beneficiados por las
mismas, por lo que sería justo que contribuyan a su
financiamiento. Es decir, la evaluación del impacto
de las nuevas líneas sobre el valor de las propiedades
se relaciona con los posibles esquemas de financiación
de las obras.
Este
trabajo se divide en las siguientes secciones:
a) Definición
del problema
b) Caracterización
de las zonas de estudio (Almagro y Boedo)
c) Aspectos
teóricos
d) Investigaciones
previas
e) Datos
Utilizados
f) Metodología
g) Resultados
h) Conclusiones
En
la primera sección se define brevemente el problema
a ser analizado. En la segunda sección se caracterizan
las zonas de estudio, incluyendo datos sobre población,
densidad, características socioeconómicas, medios de
transporte y otros aspectos urbanos. En las secciones
tercera y cuarta se analizan los aspectos teóricos del
trabajo (metodologías de valuación) y se presenta una
breve reseña de investigaciones previas en el tema.
En la quinta sección se detallan las características
de los datos utilizados y los procedimientos seguidos
en la construcción de la base de datos de propiedades.
A continuación se presenta qué metodología se aplicó
a los datos para responder a la pregunta guía de investigación.
Por último, las dos últimas secciones presentan los
resultados obtenidos con los distintos modelos de regresión
y las conclusiones finales del trabajo.
A)
Definición del problema
1)
Tema: Líneas de subterráneos y valor de la propiedad
residencial en Buenos Aires.
2)
Pregunta guía de la investigación: ¿Cuánto afecta a
los valores de la propiedad residencial la cercanía
a las estaciones de subterráneo?
B)
Caracterización de la zona de estudio
La
zona de estudio corresponde a los barrios de Abasto,
Almagro, Balvanera, Boedo y San Cristobal. Se tomó esta
zona por su relativa homogeneidad (si bien se incluyeron
variables dicotómicas correspondientes a los barrios
en las regresiones para controlar la heterogeneidad
dentro de la zona de estudio).
La
zona es (relativamente) homogénea en términos socioeconómicos,
en términos edilicios y de usos y en lo referido a ubicación
en la ciudad, ya que todos los barrios se ubican a una
distancia similar al centro de negocios. Además, si
uno se traslada desde el centro de negocios hacia el
oeste es en esta zona donde los usos residenciales comienzan
a hacerse predominantes, siendo que el trabajo investiga
los efectos de la distancia a las estaciones sobre el
valor de la propiedad residencial.

Ubicación
del área de estudio dentro de la Ciudad de Buenos Aires
Cuadro
1

Fuentes:
Elaboración propia en base a datos del Censo de Población
2001 y
Unidad de Sistemas de Información Geográfica (GCBA)
La
ubicación de la zona dentro de la ciudad le otorga una
excelente accesibilidad, que se ve acentuada por la
presencia en la misma de numerosos medios de transporte.
En
el período analizado (Abril, Mayo y Junio de 2005) la
zona era abastecida por 3 líneas de subte de tipo radial
(las líneas A, B y E). La línea H (de tipo transversal)
se encontraba en construcción en Abril de 2007. En la
zona existen 19 estaciones de subte (7 de la línea A,
6 de la línea B y 6 de la línea E). El ex-ferrocarril
Sarmiento atraviesa la zona pero cuenta con una sola
estación en el área, la terminal Plaza Miserere, que
constituye un centro de transbordo intermodal de de
pasajeros (ferrocarril, subterráneos y microómnibus).
Respecto al transporte automotor, la zona está muy bien
abastecida por numerosas líneas de autotransporte de
pasajeros.
Las
principales avenidas presentes en el área son las radiales
Córdoba (en el límite norte), Corrientes, Rivadavia,
Belgrano, Independencia, San Juan, Pavón y Garay y las
transversales Av. La Plata, Medrano-Castro Barros, Boedo
y Pueyrredón.
C)
Aspectos teóricos
Responder
a la pregunta guía implica en primer lugar construir
un modelo de valuación de las propiedades y en segundo
lugar observar si la variable distancia al subte es
significativa.
Es
necesario construir un modelo de valuación porque las
viviendas son muy heterogéneas. El valor de una propiedad
es función de muchas variables (atributos de la misma),
entre las que se encuentra (o al menos eso es lo que
se busca investigar en el trabajo) la cercanía a las
estaciones del subterráneo.
Existen
2 tipos de modelos de valuación: los modelos de valuación
por ventas repetidas y los modelos de valuación hedónica.
Los
modelos de valuación por ventas repetidas utilizan los
precios registrados por una misma unidad en dos momentos
distintos del tiempo. Esto permite controlar la heterogeneidad
en la muestra considerada. Estos modelos requieren de
grandes bases de datos que contengan operaciones por
20 o 30 años. Los modelos de ventas repetidas no se
adaptan al objetivo de este trabajo, que no es medir
la variación de los precios en el tiempo sino analizar,
para un instante del tiempo, ver cómo varían los precios
de propiedades situadas a diferentes distancias de las
estaciones del subte, obviamente controlando la heterogeneidad
de las mismas.
Los
modelos de valuación hedónica sí son adecuados al objetivo
del trabajo. La idea que subyace a estos modelos es
que el precio de una propiedad se puede explicar a partir
de los atributos que ésta posee. Una vez conocido el
valor que el mercado otorga a cada una de estas características
es posible establecer una relación funcional cierta
entre dichos atributos y el precio de mercado de las
propiedades. Los atributos a los que se hace referencia
incluyen tanto características estructurales (superficie,
número de baños, cocheras, número de ambientes, antigüedad,
etc.) como características del entorno en el que la
propiedad se encuentra (espacios verdes, cercanía a
centros escolares y de transporte, etc.).
Las
técnicas estadísticas y econométricas disponibles permiten
cuantificar la valoración otorgada a cada característica
considerada, como así también el grado de significatividad
que cada una de ellas tiene en la formación de los precios
de las propiedades. De esta forma, los modelos de valuación
hedónica permiten explicar cómo varía el precio de las
propiedades en función de la distancia a las estaciones
de subte, quedando controlados los cambios en las restantes
características de las viviendas.
El
modelo a estimar será de la forma:
Precio
= a + B (atributos de la propiedad).
Donde
a es una constante y B son los coeficientes de regresión
de cada uno de los atributos de la propiedad.
También
se probarán otras formas funcionales, por ejemplo:
Log(precio)
= a + B (log (atributos de la propiedad), es decir,
un modelo logarítmico.

D)
Investigaciones previas
Existe
una gran cantidad de literatura dedicada a describir
investigaciones sobre el valor de la propiedad usando
metodologías del tipo de precios hedónicos. La mayoría
de los trabajos se focalizan sobre la propiedad residencial.
La
siguiente recopilación cubre, brevemente, la teoría
de la economía urbana relacionada con esta investigación
y, en mayor detalle, la historia de la aplicación de
la metodología de precios hedónicos a la valuación de
la propiedad inmobiliaria.
Economía
urbana
La
teoría económica afirma que el valor de un activo es
igual al valor presente de los beneficios netos asociados
con su posesión. Para aplicar este modelo al valor de
la tierra, la propiedad debe ser vista como un conjunto
de servicios, derechos y obligaciones. El valor de la
tierra es una función de características tales como
su ubicación (es decir, accesibilidad), mejoras realizadas
o potenciales (p.ej.: provisión de infraestructura),
factores históricos y culturales, entre otros atributos.
En
esta sección presentaré la teoría de la elección de
la localización dentro de estos modelos teóricos. El
precio de la tierra se explica por la teoría de la elección,
ya que los precios son un resultado de la competición
entre los hogares por la propiedad residencial, enfrentando
en dicha competencia a otros hogares y a las empresas,
que además luchan contra otras empresas para conseguir
propiedades comerciales.
Teoría de la localización residencial (esquema teórico de Alonso, Muth,
Mills)
Como
en otras elecciones del consumidor, los resultados de
la localización residencial reflejan las preferencias
de los hogares sobre un conjunto de atributos que poseen
las propiedades. Los hogares pujan por aquellas propiedades
que mejor satisfacen sus particulares necesidades y
deseos. Sujetos a sus restricciones presupuestarias,
los hogares pagarán
mayores precios por las viviendas que contengan la mayor
cantidad de características por ellos deseadas.
El
tamaño del presupuesto de cada hogar destinable a vivienda
dependerá de sus ingresos y sus otros gastos. Un gasto
que es variable y concomitante según sea la elección
sobre localización realizada es el gasto en transporte.
En la medida que el hogar gasta más dinero en transporte
dispondrá de menos recursos para destinar a otros gastos.
Si el gasto en transporte efectivamente se constituye
en una restricción operativa sobre el presupuesto hogareño,
el hogar pagará más (hasta el costo de transporte) por
ubicarse lo más cerca posible de las localizaciones
deseadas. En este cálculo, los costos de transporte
pueden ser pensados tanto en términos de tiempo como
de dinero.
Evidencia empírica
Los
primeros modelos de valuación hedónica se remontan a
1935, cuando Andrew Court, un economista de la Asociación
de Fabricantes de Automóviles de los Estados Unidos,
desarrolló índices de precios que relacionaban diferentes
características de los vehículos con sus precios. Court
llamó “hedónicos” a sus modelos en base a su entendimiento
de que “el utilitarismo, buscando el bien a través de
la mayor felicidad de la comunidad como un todo, es
la principal doctrina hedonista”. En consecuencia, creó
un índice de utilidad y deseabilidad en el que el índice
de precios es una función ponderada de atributos que
caracterizan al bien.
Una
recopilación de la evidencia empírica muestra que se
han realizado básicamente dos tipos de estudios para
medir los efectos de las infraestructuras de transporte
sobre el valor de las propiedades. Existen estudios
del cambio en los patrones de desarrollo urbano y densidad
y estudios sobre el cambio del valor de la tierra. El
presente trabajo pertenece al segundo tipo, si bien
su objetivo no es exactamente estimar el cambio del
valor de la tierra atribuible a la construcción de infraestructuras
de transporte, por lo cual me centraré en los estudios
de ese tipo.
La
mayor parte de los estudios en este área se refiere
a propiedad residencial. Desde 1970 se han publicado
numerosos trabajos sobre el impacto de los ferrocarriles
suburbanos sobre los precios de venta de la propiedad
residencial -en Huang (1994) y Vessali (1996) se presentan
dos excelentes recopilaciones sobre tal bibliografía.
La
mayoría de los primeros estudios se referían a los trenes
suburbanos (“heavy rail”) y ellos analizaban los efectos
sobre los precios de las viviendas en función de la
distancia a las estaciones o ahorros de tiempo de viaje
asociados con las nuevas infraestructuras de transporte,
o de ambas cosas. Davis (1970) y Nelson (1992) se basan
en la distancia a las estaciones, en tanto que Boyce
et al (1972) y Allen et al (1986) en los ahorros de
tiempo de viaje. Por último, Mudge (1974) examina ambas
medidas de accesibilidad.
En
su gran mayoría, los investigadores intentaron controlar
las características de las viviendas: características
de la vecindad, distancia al centro de la ciudad, etc.
En los casos de estudios multi-período, se incluyeron
variables que reflejaran el ciclo económico.
Aunque
la calidad de los datos y las metodologías son muy variables,
casi todos estos estudios encontraron algún beneficio
capitalizado en el valor de la tierra residencial atribuible
a la cercanía al tren suburbano. Habitualmente, las
formas funcionales utilizadas fueron lineales o semi-logarítmicas.
Estudios
sobre propiedad residencial
Lewis-Workman
y Brod (1997) analizaron 3 ciudades: Pleasant Hill (California),
servida por el sistema de transporte BART (sigla en
inglés de Bay Area Rapid Transit), Forest Hill y Rego
Park (New York), ambas servidas por la Autoridad de
Transporte de la Ciudad (CTA, su sigla en inglés)) y
Portland (Oregon), abastecida por el Expreso del Area
Metropolitana (MAX,
su sigla en inglés).
Ellos
especificaron modelos separados para cada ciudad describiendo
el valor de las propiedades dentro de 1 milla de cada
estación en la zona. En general los modelos incluyeron
variables descriptivas del tamaño, la edad, tamaño del
terreno, distancia a las estaciones y distancia a la
autopista más cercana. En 2 casos (BART y CTA), los
estudios concluyeron que “el tren suburbano provee beneficios
medibles y grandes a las viviendas situadas cerca de
las estaciones”. En estos casos las conclusiones además
indicaron que los beneficios excedían a los ahorros
de transporte, lo que implicaba un valor agregado adicional
para las zonas, relacionado con la atracción de actividad
comercial más eficiente y de mejor nivel.
El
caso de Portland (MAX, tipo “light rail”) no fue tan
claro. Contrastando con otros estudios para la misma
zona que mostraban claros beneficios (por ejemplo, Al-Mosaind
et al (1994) y Chen et al (1998), el estudio de Lewis-Workman
y Brod mostraba una correlación negativa entre la proximidad
a las estaciones y los valores de las propiedades. Las explicaciones sugeridas por los autores para
el anómalo resultado fueron:
a)
que el sistema MAX corría cerca de un tren suburbano
y que los beneficios del tren suburbano eran más pronunciados.
b)
que el MAX corría cerca de una gran autopista y que
por lo tanto el resultado en realidad estaría reflejando
el efecto negativo de la autopista, que también demuestran
en el estudio.
Al
Mosaind et al desarrollaron dos modelos hedónicos para
explicar los precios de las propiedades en una zona servida por el mismo sistema MAX,
en Portland. En el primer modelo una variable dummy
fue incluida para propiedades dentro de un cuarto de
milla de las estaciones. El segundo modelo, limitado
a propiedades dentro de un cuarto de milla de las estaciones,
mide la distancia a las mismas en forma continua. Este
modelo mostró una correlación negativa que implicaba
que el valor de las propiedades aumentaba a medida que
la distancia a las estaciones disminuía.
Un
estudio posterior sobre el MAX de Portland (Chen et
al (1998)) intentó separar el efecto proximidad a las
estaciones del efecto negativo relacionado con la cercanía
a las vías (ruidos, inseguridad, etc.). Usaron datos
de ventas de propiedades de 6 a 8 años luego de la apertura
de la línea analizada (Al-Mosaind et al usaron datos
de ventas de propiedades a 2 años de la apertura de
la línea)
Incluyeron
variables relacionadas con la localización para representar
la distancia a la estación más cercana (efecto proximidad),
distancia a la línea (efecto contaminación), distancia
al parque más cercano y distancia al centro de actividad
de la ciudad.
Los
resultados mostraron que el precio de las viviendas
disminuía con la distancia a las estaciones pero a una
tasa decreciente. También encontraron apoyo (aunque
no significativo desde el punto de vista estadístico)
para el “efecto contaminación” y concluyeron que los
efectos combinados produce un patrón de precios de las
propiedades que puede ser descrito como parábola de
pendiente negativa, sesgada hacia la izquierda y truncada,
alcanzando un valor máximo a 700 pies (233 metros, aproximadamente)
de las vías.
Un
estudio anterior (Landis et al (1994)) sobre el sistema
BART también buscó separar el efecto proximidad del
efecto contaminación, usando variables de adyacencia
a las vías y a las autopistas además de las variables
de distancia habituales. Landis et al no encontraron
una relación estadísticamente significativa entre “adyacencia”
(una variable dummy definida para propiedades a menos
de 300 metros de las vías o las autopistas) y el valor
de las propiedades.
En
cambio, sí encontraron una correlación entre el precio
de las propiedades y la distancia caminando (o sea,
no medida en línea recta) a las estaciones y los puntos
de acceso a las autopistas.
En
la literatura internacional se encuentran trabajos que
analizan los efectos de las infraestructuras de transporte
sobre el valor de las propiedades de distintas maneras.
Están los trabajos que analizan cómo cambió el valor
de las propiedades luego de la construcción de un nuevo
subte (es decir, comparan las situaciones anterior y
posterior a la realización de la nueva infraestructura)
y están los que buscan analizar en un instante dado
del tiempo las diferencias de valor entre propiedades
situadas a diferentes distancias de las estaciones del
subte. Este trabajo pertenece al segundo grupo.
Cuando
el tratamiento del tiempo no es un problema (por analizarse
un instante en el tiempo) el principal tema que surge
de la bibliografía internacional sobre el tema es la
determinación del tamaño de las áreas afectadas por
la presencia de las estaciones (“catchment areas”).
En
general se usan áreas de influencia de 800 metros para
propiedad comercial y 1000 metros para propiedad residencial.
Existe alguna evidencia de que el valor de las propiedades
más cercanas a las estaciones es afectado negativamente.
La mayoría de los estudios impone el tamaño de las zonas
de influencia en lugar de permitir que los datos sugieran
cuáles son sus dimensiones.
Existen
2 formas diferentes de introducir el efecto de la distancia
en los modelos hedónicos. En primer lugar, como anillos
alrededor de las estaciones con una variable dummy asociada.
En segundo lugar, incluyendo una variable de “distancia
a la estación más cercana” y buscando que los resultados
de la regresión indiquen la tasa de variación del valor
de las propiedades al variar la distancia a las estaciones
(“distance decay effects”).
A
nivel local pueden citarse también varios antecedentes
de utilización de valuación hedónica (aunque aplicada
a otros temas.) En primer lugar, se puede citar el trabajo
“Una primera aproximación a la valuación hedónica de
la contaminación en Buenos Aires” (2001) de Mariana
Conte Grand. En dicho trabajo se incluye una variable
relacionada con el subte (si bien el objetivo central
del trabajo no es estudiar su efecto) con resultados
contrarios a la teoría, ya que el coeficiente de la
variable “distancia a estación” (medida en cuadras)
es significativo y presenta un signo positivo. Esto significa que cuanto más
lejos del subte se encuentran las propiedades mayor
es su valor.
Los
resultados de Conte-Grand (respecto a la variable subte)
fueron los siguientes:
|
Lineal
|
Log-Log
|
Log-Lin
|
Lin-Log
|
Box-CoX
|
Coeficientes
|
4,79
|
0,02
|
0,01
|
6,59
|
0,02
|
Desvio
estándar
|
2,7
|
0,007
|
0,009
|
3,12
|
0,006
|
Nota:
Coeficiente del modelo lineal signficativo al 10%, Coeficientes
de los modelos log-log, lin-log y Box-Cox significativos
al 5%
Conte-Grand, que trabajó con una base de datos de 406 propiedades de Barrio
Norte publicadas el 30/7/1997, sostiene que el signo
positivo del coeficiente podría
relacionarse con que está captando una posible externalidad negativa vinculada
a la cercanía a las estaciones (congestión, ruido, suciedad).
Otro
estudio en el que se utilizó la valuación hedónica es
el trabajo “Determinantes de los precios de mercado
de los terrenos en San Miguel de Tucumán”, de Osvaldo
Meloni y Fernanda Ruiz Nuñez (1998). Por último, Eugenio
Figueroa y George Lever publicaron en 1992 el trabajo
“Determinantes del precio de mercado de los terrenos
en el área urbana de Santiago”.
Como
síntesis de las investigaciones, se puede afirmar que
la evidencia en general es que la cercanía a las estaciones
de subte coincide con valores más altos de las propiedades.
Menor apoyo tiene la hipótesis que sostiene que las
propiedades situadas en las inmediaciones son afectadas
negativamente. La comparación de resultados entre investigaciones
o la obtención de “efectos promedio” no suele ser factible,
dada la heterogeneidad de metodologías, calidad de datos
utilizados, momentos de realización, contextos urbanos,
medios de transporte alternativos, etc.
E)
Datos utilizados
La
fuente de información fue la sección de avisos clasificados
del diario Clarín correspondientes a la zona E (Almagro,
Boedo, Abasto, Balvanera y San Cristobal) de los sábados
de Abríl, Mayo y Junio de 2005. Si bien la calidad de
la información utilizada generaba dudas los resultados
obtenidos sugieren que la misma es al menos aceptable.
La caracterización socioeconómica de la zona bajo análisis
permite esperar que el diario Clarín incluya una alta
proporción de las propiedades en venta en la zona. Tal
vez no sería justificado tal supuesto si la zona de
análisis fuera Palermo Chico, por ejemplo.
Se
trabajó con 820 propiedades. Las siguientes cifras sobre
las escrituraciones en 2005 tal vez permitan ilustrar
la representatividad de la muestra utilizada.
Cuadro 2 
Como
se ve en el cuadro 2, se tienen en el período analizado
(Abril, Mayo y Junio de 2005) alrededor de 22.000 operaciones.
Realizando el supuesto de que el 90% corresponden a
departamentos tenemos 19.800 propiedades. Considerando
que en la zona vive aproximadamente el 10% de la población
de la ciudad y suponiendo que las operaciones se distribuyeron
de acuerdo a la población implicaría que el total de
las operaciones en el área deberían rondar las 2.000.
Por supuesto, estos cálculos son estimaciones sin pretensión
de exactitud realizadas con el único objetivo de contrastar
el tamaño de la muestra con la cantidad de operaciones
realizadas en el periodo.
Comparando
el tamaño de la muestra con otros trabajos se ha verificado
que en Conte Grand (2001) la autora trabajó con una
base de datos de 406 propiedades de Barrio Norte publicadas
en 1997, mientras que Weinberger (2000) trabajó con
3.700 propiedades pero sobre un lapso de 16 años y en
un área de influencia mucho mayor.
Meloni
y Ruiz Nuñez trabajaron con 601 observaciones, obtenidas
de una encuesta de valores inmobiliarios realizada por
empresas locales, en tanto que Figueroa y Lever (1992)
trabajaron con 215 observaciones, constituyendo su principal
fuente de información los avisos clasificados del diario
El Mercurio.
Construcción
de la base de datos
Los
avisos debieron ser interpretados, ya que cada uno está
redactado de diferente forma, usando abreviaturas, etc.
Esto agregó una dificultad adicional a la conformación
de la base de datos. Solamente se utilizaron los avisos
correspondientes a departamentos y PH, excluyéndose
las casas. Esta selección se realizó porque las casas
no solamente son heterogéneas respecto a los departamentos
sino que tienen una gran heterogeneidad entre sí.
Se
revisaron un total de 5.620 avisos. De esta cantidad,
1.988 cumplieron con los requisitos necesarios para
ser ingresados en la base de datos (a saber, dirección
exacta, superficie y precio). Se controló la presencia
de avisos que se refirieran a la misma propiedad, permaneciendo
en la base de datos únicamente los últimos avisos en
orden cronológico. Una vez realizado este control permanecieron
en la base de datos los avisos correspondientes a las
820 propiedades que constituyeron la muestra.
Se
supuso que cada vendedor quiere reflejar en los avisos
los mejores aspectos de su propiedad. P. ej.: si un
propietario no dice que su departamento tiene balcón
se supuso que es porque no tiene balcón.
Se
hizo lo posible por no “completar” avisos. En realidad,
la única variable que se completó fue la edad de la
edificación (ver Anexo
I).
Se
trabajó con precios de oferta. Esto tiene la desventaja
de que tales precios no reflejan los valores a los que
efectivamente se vendieron las propiedades. Sin embargo,
no existían otras opciones, tales como usar los precios
de escrituración. En realidad, dada la extendida costumbre
de subescriturar las propiedades, no es claro que tal
información sea de mayor calidad que la utilizada.
La
cuestión del tiempo de venta no se consideró en forma
explícita. Es sabido que dada una misma propiedad un
individuo puede aceptar bajar el precio en poco tiempo
y otro preferir esperar más tiempo. Incluso, el mismo
individuo podría elegir cualquiera de las dos cosas
en determinadas circunstancias. Esto también hace que
el precio efectivo de venta pueda incluir más información
que los atributos de las propiedades (p.ej.: el apuro
por vender del propietario).
Se
debió decidir cuantos meses de avisos tomar. Se optó
por tomar 3 meses, siendo un intervalo de tiempo razonable
para que una propiedad sea publicada en el diario y
vendida (aunque verificar la veracidad de esta afirmación
sería objeto de otra tesis). Se considera que tomar
un intervalo mayor haría necesario incluir una variable
temporal y no podría seguirse considerando al análisis
como uno de corte transversal. De todas formas, se verificó
que la presencia de aumentos de precios de una misma
propiedad no fuera significativa.
No
se incluyeron variables marcadas por la subjetividad,
pese a considerarlas influyentes sobre el valor de las
propiedades. Por ejemplo, no se incluyeron variables
relacionadas con el estado de la propiedad, su luminosidad,
pese a que algunos avisos hacían referencia a tales
atributos de las propiedades. Se buscó así evitar caer
en un “error de medición” que sería perjudicial para
el análisis.
No
puede descartarse la existencia de errores de medición/sobreestimaciones
en la variable superficie. No todos los avisos ofrecen
información discriminada entre superficies cubiertas
y semicubiertas. Más bien, por lo general se incluye
un único valor sin aclarar si éste incluye la superficie
de balcones, patios o terrazas.
En
el Anexo
I se incluye una descripción de las variables
utilizadas en el trabajo.
Estadísticas
descriptivas de la base de datos utilizada
Variable
|
Mean
|
Std. Dev.
|
Min
|
Max
|
Distancia
a Estación
|
383,62
|
236,55
|
9,00
|
1694,00
|
Distancia
a Avenida
|
95,15
|
81,15
|
1,00
|
341,00
|
Precio
|
49098,40
|
21144,15
|
13500,00
|
215000,00
|
Patio
|
0,20
|
0,40
|
0,00
|
1,00
|
terraza
|
0,06
|
0,25
|
0,00
|
1,00
|
cochera
|
0,08
|
0,27
|
0,00
|
1,00
|
a_reciclar
|
0,03
|
0,17
|
0,00
|
1,00
|
por_escale
|
0,07
|
0,26
|
0,00
|
1,00
|
Antiguedad
|
40,78
|
21,53
|
.1
|
105,00
|
Almagrosur
|
0,19
|
.3888312
|
0,00
|
1,00
|
Almagronorte
|
0,33
|
0,47
|
0,00
|
1,00
|
Ph
|
0,19
|
0,39
|
0,00
|
1,00
|
Sup.desc-si/no
|
0,03
|
0,18
|
0,00
|
1,00
|
Superficie
|
75,91
|
36,60
|
22,00
|
270,00
|
subte0400
|
0,59
|
0,49
|
0,00
|
1,00
|
subte400800
|
0,37
|
0,48
|
0,00
|
1,00
|
Miserere(si/no)
|
0,02
|
0,13
|
0,00
|
1,00
|
Balcon
|
0,45
|
0,50
|
0,00
|
1,00
|
La
variable Distancia a Estación es la distancia
(lineal) de la propiedad a la estación del subte
en metros. Distancia a Avenida mide la distancia (lineal)
a la avenida más cercana, en tanto que Precio corresponde
al precio (en dólares) de la propiedad.
Las
siguientes 5 variables son “dummies” que buscan reflejar
si la propiedad tiene patio, terraza, cochera, si debe
reciclarse y si el acceso a la misma es por escalera.
Antigüedad
refleja la antigüedad de la propiedad medida en años.
Almagrosur
y Almagronorte también son variables “dummy” que reflejan
si la propiedad pertenece a tales zonas de la ciudad,
en tanto que PH es una “dummy” que indica si la vivienda
es un PH (1) o un departamento (0).
Sup.desc-si/no
es una variable dummy que refleja si la propiedad tiene
superficies exteriores de gran tamaño, mientras que
Superficie corresponde a la superficie de la propiedad
medida en m2.
Luego
se incluyen 2 dummies (subte0400 y subte400800) para
reflejar si la vivienda se encuentra a una distancia
de entre 0 y 400 metros de la estación o a una distancia
de entre 400 y 800 metros.
“Miserere”
es una dummy que refleja si la propiedad se encuentra
a 100 metros o menos de la Estación Plaza Miserere,
en tanto que “Balcón” es una dummy que indica si el
departamento tiene balcón.
F)
Metodología
a)
Tratamiento dado a los datos
En
primer lugar, se seleccionaron los avisos utilizables,
los que debían contener información al menos sobre la
dirección exacta de la propiedad, precio y superficie
en m2. Para los avisos “utilizables” no solamente se
cargaron los datos mencionados sino también todos los
datos incluidos en el aviso.
Luego
se georreferenciaron los avisos mencionados en el párrafo
anterior y se generó una variable llamada “distancia
a estación del subte”.

Se
realizaron regresiones de corte transversal, buscando
evaluar la significatividad de los coeficientes para
diferentes atributos de los departamentos, siendo “distancia
a estación del subte” uno de ellos.
N.
de la R.: Debido a la especificidad técnica y la extensión
del resto de este punto, se desarrolla en archivo
adjunto.
G)
Resultados
N.
de la R.: Debido a la especificidad técnica y la extensión
de este punto, se desarrolla en archivo
adjunto.
H)
Análisis de los resultados y conclusiones
Los
distintos modelos testeados dieron muestran efectos
significativos de la distancia a las estaciones de subte
sobre el valor de las propiedades. Además, los coeficientes
presentan los signos esperados y son estables al agregar
y quitar variables.
Se
ha observado que las propiedades ubicadas a menos de
400 metros de las estaciones valen un
14,4% más que la categoría base (propiedades
ubicadas a más de 800 metros de las estaciones), en
tanto que las ubicadas a una distancia de entre 400
y 800 metros valen un 13% más que la categoría base.
Esto sugiere que no produce mucha diferencia estar dentro
del primer anillo o en el segundo y que las “catchment
areas” son mayores de lo que habitualmente se piensa.
Esto puede tener que ver con la ventaja en tiempos de
viaje del subte respecto a colectivo. En subte se tarda
12 minutos en llegar al centro de negocios (sin contar
la caminata a la estación), en microómnibus el mismo
viaje insume entre 25 y 40 minutos, según las condiciones
del tránsito.
El
modelo 2 (logarítmico, anillos a 500 y 1000 metros)
muestra que las propiedades ubicadas a menos de 500
metros valen un 12,7%
más que las de la categoría base, en tanto que las ubicadas
a una distancia de entre 500 y 1000 metros valen un
9,7% más que la categoría base. En este modelo se observa
un salto más pronunciado del precio al pasar al anillo
siguiente.
La
variable log (distancia a estación), utilizada como
variable explicativa en el modelo 3, también resultó
significativa y con el signo correcto. El coeficiente
–0,026 indica que cuando la distancia a la estación
aumenta un 1% el precio disminuye en 2,6%.
El
modelo 4 (lineal, se utilizó como variable explicativa
el cuadrado de la distancia a las estaciones) muestra
como resultado que cuando el cuadrado de la distancia
a las estaciones aumenta en un metro, el precio disminuye
en medio centavo de dólar (nótese el coeficiente -0,005
asociado a la variable).
Este
descenso del precio (muy leve al principio, mucho más
pronunciado cuando la distancia supera los 500 metros)
parece ser coherente con los resultados de los modelos
1 y 2.
Otros
resultados interesantes del modelo 4 son:
-Si
la propiedad tiene cochera esto implica un aumento de
su valor en 8.000 dólares (en promedio).
-Si
la propiedad es a reciclar esto implica una disminución
de su valor (en promedio) de 4.700 dólares.
-Por
cada año adicional de antigüedad el valor de la propiedad
disminuye en 116 dólares.
-Si
la propiedad se ubica en Almagro esto le agrega en promedio
casi 5.200 dólares (respecto al resto de la zona de
estudio).
-Si
la propiedad es un PH esto resta a su valor 4.824 dólares
(en promedio).
-Si
la propiedad se ubica a menos de 100 metros de la estación
Miserere esto implica una disminución de algo más de
7000 dólares en su valor.
-Disponer
de balcón agrega al valor de la propiedad casi 4.300
dólares (en promedio).
-Un
m2 adicional agrega al valor de la propiedad 479 dólares.
Además,
se estudió la supuesta externalidad negativa asociada
a la adyacencia a las estaciones con resultados negativos.
Un aspecto a considerar es que todas las estaciones
están ubicadas sobre avenidas y entonces la “externalidad
negativa” asociada fundamentalmente a la contaminación
sonora ligada al tránsito intenso no puede aislarse
de la supuesta influencia negativa de la adyacencia
a las estaciones.
En
las primeras etapas del trabajo se probaron dos medidas
de distancia a las estaciones: en línea recta y caminando
por la red de calles. Los resultados no fueron significativamente
distintos y entonces se optó por usar la medida lineal,
mucho más sencilla de obtener mediante un sistema GIS.
Estos
resultados sólo se refieren a la zona investigada y
de ninguna forma se puede afirmar a priori que el efecto
de la cercanía a las estaciones sería el mismo en otras
zonas de la ciudad. Incluso el citado resultado de Conte
Grand (2001) podría ser correcto (si bien la autora
considera que el mismo puede deberse a la presencia
de multicolinealidad), dado que se trata de otro periodo
y sobre todo de otra zona. Podría ocurrir que las “zonas
intersticiales” (relativamente alejadas de las estaciones)
en Barrio Norte tal vez sean más seguras que en Almagro
y Boedo, mientras que las avenidas son ruidosas y por
ende allí menos valoradas.
Debido
a la mencionada imposibilidad de modelizar el sesgo
de selección, las conclusiones sólo se refieren a la
muestra.
MOC
El
autor es Economista especializado en evaluación de proyectos
de inversión y Magister en Economía Urbana.
“Agradezco
a Agustín Maurín, Director del Archivo del diario Clarín,
por su colaboración; al Dr. Pablo Sanguinetti (Ex Director
de la MEU), Arturo Gil Moore, (profesor en la MEU),
Patricio Dalton (Warwick University), Eduardo Faierman,
Silvana Cavallari y Roberto Pereyra por sus comentarios
y sugerencias y al Lic. Leonardo Perichinsky (Director
General de Inversión Pública GCBA 2004-2007) por su
colaboración y apoyo”.
De su autoría, ver también en café
de las ciudades:
Número 86 | Fútbol y Ciudades
A
30 años del último partido de San Lorenzo en el Gasómetro
| Y Cuestionario a los arquitectos Mario Sabugo, Eduardo Cajide, Sergio
Zicovich Wilson y Hugo Montorfano. | Marcelo Castillo
Sobre subterráneos e indicadores urbanos en
Buenos Aires, ver también en café
de las ciudades:
Número 56 | Tendencias (II)
Asimetrías
Urbanas de Buenos Aires | La
ineficiencia y la inequidad de la metrópolis, en una
investigación de Luís Ainstein. | Marcelo Corti
Y sobre evaluación del mercado inmobiliario
(en este caso de Santiago):
Número 59 | Economía de las ciudades
25
años de mercado de suelo en Santiago
| Desarrollo
urbano, valorización inmobiliaria y equidad territorial
en la capital chilena | Pablo
Trivelli
Bibliografía
Al-Mosaind
M. , J. Dueker and J.G. Stratham (1994) – “Light rail
transit stations and property values: a hedonic price
approach”. Transportation Research Record 1400: pp.90-94
Allen
W.B., K. Chang, D. Marchetti y J. Pokalski (1986) –
“Value capture in transit: the case of Lindenwold high
speed line”. The Wharton School, University of Pennsylvania,
Philadelphia, Pennsylvania.
Boyce
D.E et al (1972) Impact of rapid transit on suburban
residential property values and land development, U.S.
Department of Transportation.
Chen
H., A. Rufolo and J. Dueker (1998) – “Measuring the
impact of Light Rail Systems on single family home values:
a hedonic price approach with geographic information
system application. Transportation Research Record 1617.
pp. 38-43.
Conte
Grand, Mariana: Una primera aproximación a la valuación
hedónica de la contaminación en Buenos Aires, Universidad
del Cema (2001)
Davidson,
J. y MacKinnon, J., 1993, Estimation and inference in
econometrics, Oxford University Press, Oxford.
Davis
F. (1970) – Proximity to a rapid transit station as
a factor in residential property values – The Appraisal
Journal 38 pp. 77-87-
Figueroa,
Eugenio y Lever, George: “Determinantes del precio de
mercado de los terrenos en el area urbana de Santiago”,
en Cuadernos de Economía de la Pontificia Universidad
Católica de Chile (1992)
Greene,
William H. Econometric analysis. 3ª
ed. Englewood Cliffs [New Jersey] : Prentice-Hall, 1997
Gujarati,
Damodar: “Econometría Basica”, Tercera Edición (1997),
McGraw-Hill.
Heckman,
J. “Sample selection as a specification error” (1979).En
Econometrica, Vol.47, No.1 pp 153-161
Hwang,
W.(1994) - The Effects of Transportation Infrastructure
on Nearby Property
Values:
A Review of the Literature. Institute of Urban and Regional
Development,
University
of California, Berkeley, California.
Landis,
J., Guhathakurta, S. And Zhang, M. (1994) Capitalization
of transit investments into single family home prices,
Working paper, University of California Transportation
Center.
Lewis-Workman,
S. y Brod D. (1997) “Measuring the neighborhood benefits
of rail transit accesibility”, Transportation Research
Record 1576, pp 147-153.
Meloni,
Osvaldo y Ruiz Nuñez, Fernanda: “Determinantes de los
precios de mercado de los terrenos en San Miguel de
Tucumán”, Universidad Nacional de Tucumán (1998)
Mudge,
R. 1974. The Impact of Transportation Savings on Suburban
Residential
Property
Values. The Rand Corporation, New York, New York.
Nelson,
A. 1992. Effects of Elevated Heavy-Rail Transit Stations
on House Prices with
Respect
to Neighborhood Income. Transportation Research Record
1359: 127-132.
Scottish
Executive: “Developing a methodology to capture land
value uplift around transport facilities”. (2004)
Vessali,
K. 1996. Land Use Impacts of Rapid Transit: A Review
of the Empirical
Literature.
Berkeley Planning Journal 11: 71-105.
Weinberger,
Rachel, “Commercial Rents and Transportation Improvements:
Case of Santa Clara County´s Light Rail” (2000), Lincoln
Institute of Land Policy Working Paper.
White,
H. “A Heterocedasticity Consistent Covariance Matrix
Estimator and Direct Test for Heterocedasticity”. Econométrica,
vol. 48, 1980,pp. 817-818.