MuñozFernandez.pdf
Anuncio
Universidad de Córdoba Departamento de Estadística, Econometría, I. O., Organización de Empresas y Economía Aplicada Análisis de la vivienda en Córdoba. Estudio econométrico Directores: Doctorando: Dr. D. José María Caridad y Ocerín Drª. Dª. Nuria Ceular Villamandos D. Guzmán Antonio Muñoz Fernández Enero, 2012 TITULO: El mercado de la vivienda: estudio econométrico AUTOR: GUZMÁN ANTONIO MUÑOZ FERNÁNDEZ © Edita: Servicio de Publicaciones de la Universidad de Córdoba. Campus de Rabanales Ctra. Nacional IV, Km. 396 A 14071 Córdoba www.uco.es/publicaciones [email protected] Departamento De Estadística, Econometría, I.O., Organización De Empresas Y Economía Aplicada UNIVERSIDAD DE CÓRDOBA Aptdo. 3048 E–14080 Córdoba TÍTULO DE LA TESIS: ANÁLISIS DE LA VIVIENDA. ESTUDIO ECONOMÉTRICO Memoria presentada por D. Guzmán Antonio Muñoz Fernandez en satisfacción de los requisitos necesarios para optar al grado de Doctor por la Universidad de Córdoba. Dirigida por los Profs. Dres. D. José María Caridad y Ocerín y Dña. Nuria Ceular Villamandos. Vº. Bº. de los Directores: Prof. Dr. D. José María Caridad y Ocerín Profª. Dra. Dña. Nuria Ceular Villamandos El Doctorando: Guzmán Antonio Muñoz Fernández Córdoba, enero 2012 Agradecimientos: A los Dres. D. José María Caridad y Ocerín y Dª Nuria Ceular Villamandos, mis directores de tesis, por sus aportaciones en el desarrollo de este trabajo. A mis compañeros del Área de Organización de Empresas por su ayuda cuando les he requerido, y en especial a los más cercanos físicamente, por su ánimo y aliento cuando la moral ha decaído. A mi querida Inmaculada por su infinita paciencia y a mis hijos por mi ausencia. A mi padre por su apoyo, correcciones y aportaciones y a mi madre… Índice ÍNDICE ASPECTOS GENERALES ............................................................................................................... 13 1. 2. INTRODUCCIÓN: ASPECTOS GENERALES ......................................................................... 15 1.1 . INTRODUCCIÓN.............................................................................................................. 15 1.2. MARCO DE REFERENCIA. ............................................................................................... 17 1.1.1 OBJETIVOS DE LA TESIS.......................................................................................... 17 1.1.2 MARCO TEÓRICO...................................................................................................... 19 1.1.3 METODOLOGÍA Y ESTRUCTURA DE LA TESIS. ...................................................... 20 EL PARQUE DE VIVIENDAS ................................................................................................... 25 2.1. INTRODUCCIÓN................................................................................................................ 25 2.2. INFORMACIÓN ESTADÍSTICA. ......................................................................................... 27 2.3. EL PARQUE DE VIVIENDAS EN LA UNIÓN EUROPEA ................................................... 31 2.3.1. INTRODUCCIÓN. ....................................................................................................... 31 2.3.2. EL NÚMERO DE VIVIENDAS ..................................................................................... 32 2.3.3. TIPOLOGÍA DE LAS VIVIENDA .................................................................................. 34 2.3.4. SUPERFICIE DE LAS VIVIENDAS. ........................................................................... 35 2.3.5. ANTIGÜEDAD ............................................................................................................ 36 2.3.6. ESTRUCTURA DE TENENCIA EN LA E.U. .............................................................. 38 2.4. 2.4.1. INTRODUCCIÓN. ....................................................................................................... 40 2.4.2. ANTIGÜEDAD Y ESTADO DE CONSERVACIÓN EN ESPAÑA ................................. 47 2.4.3. SITUACIÓN DE TENENCIA DE LA VIVIENDA HABITUAL ......................................... 51 2.4.4. SUPERFICIE............................................................................................................... 53 2.5. 3. EL PARQUE DE VIVIENDAS EN ESPAÑA ........................................................................ 40 EL PARQUE DE VIVIENDAS EN CÓRDOBA (CAPITAL) .................................................. 55 2.5.1. ANTIGÜEDAD Y ESTADO DEL PARQUE. ................................................................. 59 2.5.2. SITUACIÓN DE TENENCIA DE LA VIVIENDA HABITUAL ......................................... 61 2.5.3. SUPERFICIE............................................................................................................... 63 2.5.4. HABITABILIDAD ......................................................................................................... 67 2.5.7. ENTORNO DE LA VIVIENDA...................................................................................... 79 LA DEMANDA, LA OFERTA Y EL PRECIO DE LA VIVIENDA ............................................... 85 3.1. INTRODUCCIÓN................................................................................................................ 85 3.2. LA DEMANDA.................................................................................................................... 87 3.2.1. FACTORES DEMOGRÁFICOS .................................................................................. 88 3.2.2. CICLO ECONÓMICO .................................................................................................. 98 3.2.3. DISPONIBILIDAD FINANCIERA Y RENTABILIDAD ................................................. 102 7 Índice 3.2.4. 3.3. LA OFERTA ..................................................................................................................... 114 3.3.1. EL STOCK DE VIVIENDA ......................................................................................... 114 3.3.2. COSTE DE LA EDIFICACIÓN Y EL RENDIMIENTO ESPERADO ............................ 122 3.3.3. VARIABLES FINANCIERAS Y ECONÓMICAS ......................................................... 126 3.4. 4. FACTORES FISCALES ............................................................................................. 108 EL PRECIO ...................................................................................................................... 128 3.4.1. INTRODUCCIÓN....................................................................................................... 128 3.4.2. FUENTES DE DATOS DE LOS PRECIOS DE LA VIVIENDA ................................... 129 3.4.3. LOS PRECIOS DE LA VIVIENDA EN ESPAÑA ........................................................ 131 MODELOS DE ESTRUCTURA ESPACIAL DE LA CIUDAD .................................................. 147 4.1. INTRODUCCIÓN ............................................................................................................. 147 4.1.1. TEORÍAS CLÁSICAS. RICARDO Y VON THÜNEN ................................................ 149 4.2. MODELO MONOCÉNTRICO........................................................................................... 151 4.3. MODELO DE LOS SECTORES RADIALES .................................................................... 159 4.4. MODELO DE LOS NÚCLEOS MÚLTIPLES .................................................................... 161 5. ESTADO DEL ARTE EN LA MODELIZACIÓN DEL PRECIO EN EL MERCADO DE LA VIVIENDA ....................................................................................................................................... 169 5.1. INTRODUCCIÓN TEÓRICA AL MERCADO DE LA VIVIENDA ...................................... 169 5.1.2. EL PROCESO DE AJUSTE EN EL MERCADO ....................................................... 170 5.2. ENFOQUES DE LOS MODELOS DEL MERCADO DE VIVIENDA. ............................... 174 5.3. MODELOS TRADICIONALES. (ENFOQUE MACROECONÓMICO) .............................. 176 5.3.1. MODELOS DE DECISIÓN DE COMPRA. ................................................................ 182 5.3.2. MODELOS ECONOMÉTRICOS DE TENENCIA Y LOCALIZACIÓN DE LA VIVIENDA. ............................................................................................................................... 184 5.4. MODELOS DINÁMICOS AGREGADOS ......................................................................... 187 5.5. MODELO DE ESTIMACIÓN DEL MINISTERIO DE VIVIENDA DE ESPAÑA. ............... 193 5.6. EL MÉTODO DE VENTAS REPETIDAS ......................................................................... 195 5.7. TEORÍA DE LAS VARIABLES REGIONALIZADAS Y MÉTODO DE KRIGAJE ............. 196 5.8. MÉTODO DE PRECIOS HEDÓNICOS ........................................................................... 200 5.8.1. INTRODUCCIÓN ...................................................................................................... 200 5.8.2. FORMA FUNCIONAL ............................................................................................... 205 5.8.3. METODOLOGÍA DE LA ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS 206 5.8.4. METODOLOGÍA DE ESTIMACIÓN POR MÍNIMOS CUADRADOS PARCIALES...... 207 5.9. REDES NEURONALES ARTIFICIALES .......................................................................... 211 5.9.1. INTRODUCCIÓN ...................................................................................................... 211 5.9.2. DEFINICIÓN DE UNA RNA. ..................................................................................... 213 5.9.3. ESTRUCTURA DE UNA RNA .................................................................................. 214 5.9.4. EL APRENDIZAJE DE UNA RNA ............................................................................ 217 5.9.5. LA VALIDACIÓN Y EL TEST .................................................................................... 220 5.9.6. RELACIÓN ENTRE LAS REDES NEURONALES ARTIFICIALES Y LOS MODELOS 8 Índice DE REGRESIÓN..................................................................................................................... 221 5.10. REVISIÓN DEL ESTADO DEL ARTE SOBRE LAS METODOLOGÍAS HEDÓNICAS EN EL MERCADO INMOBILIARIO. ................................................................................................. 223 5.11. REVISIÓN DEL ESTADO DEL ARTE SOBRE LAS REDES NEURONALES EN EL MERCADO INMOBILIARIO. ....................................................................................................... 230 6. ESTUDIO DESCRIPTIVO DE LOS MATERIALES UTILIZADOS .......................................... 239 6.1. INTRODUCCIÓN.............................................................................................................. 239 6.2. MARCO FÍSICO. .............................................................................................................. 240 6.3. POBLACIÓN DE CÓRDOBA. ........................................................................................... 241 6.4. ESTADO DEL MERCADO DE LA VIVIENDA EN CÓRDOBA .......................................... 248 6.5. FUENTES DE INFORMACIÓN......................................................................................... 251 6.5.1. 6.6. DIVISIÓN GEOGRÁFICA PARA DE LA CIUDAD...................................................... 255 VARIABLES EMPLEADAS. DESCRIPCIÓN ESTADÍSTICA DE LA MUESTRA. .............. 259 6.6.1. TAMAÑO DE LA MUESTRA ..................................................................................... 259 6.6.2. ELECCIÓN DE LAS VARIABLES DEPENDIENTE Y EXPLICATIVAS ...................... 259 6.6.3. VARIABLE DEPENDIENTE (PRECIO DE OFERTA) ................................................ 261 6.6.4. VARIABLES EXPLICATIVAS .................................................................................... 265 6.7. CONCLUSIONES DEL ANÁLISIS DESCRIPTIVO. .......................................................... 295 7. ESTIMACIÓN DE UN MODELO DE PRECIOS DE LA VIVIENDA PARA LA CIUDAD DE CÓRDOBA ..................................................................................................................................... 301 7.1. INTRODUCCIÓN.............................................................................................................. 301 7.2. HIPÓTESIS DE TRABAJO DEL ANÁLISIS METODOLÓGICO. ....................................... 302 7.3. ESTIMACIONES POR MÍNIMOS CUADRADOS ORDINARIOS ...................................... 303 7.3.1. PAQUETE ESTADÍSTICO ELEGIDO ........................................................................ 304 7.3.2. ELECCIÓN DE VARIABLES EXPLICATIVAS ........................................................... 304 7.3.3. DETERMINACIÓN DEL MODELO MEDIANTE AJUSTE POR MCO. ....................... 305 7.3.4. BONDAD DE AJUSTE ............................................................................................. 306 7.3.5. RESULTADOS DEL AJUSTE POR MÍNIMOS CUADRADOS ORDINARIOS ........... 310 7.4. ALGORITMO DE MÍNIMOS CUADRADOS PARCIALES (PLS) ....................................... 311 7.4.1. PAQUETE ESTADÍSTICO ELEGIDO ........................................................................ 311 7.4.2. ELECCIÓN DE VARIABLES EXPLICATIVAS ........................................................... 312 7.4.3. DETERMINACIÓN DEL MODELO MEDIANTE AJUSTE POR PLS .......................... 312 7.4.4. BONDAD DE AJUSTE ............................................................................................. 314 7.4.5. RESULTADOS DEL AJUSTE POR MÍNIMOS CUADRADOS ORDINARIOS ........... 315 7.4.6. EL AJUSTE DE MÍNIMOS CUADRADOS ORDINARIOS VS MÍNIMOS CUADRADOS PARCIALES............................................................................................................................. 315 7.5. ESTIMACIÓN DEL PRECIO POR METODOLOGÍA RNA ................................................ 317 7.5.1. PAQUETE ESTADÍSTICO ELEGIDO ...................................................................... 318 7.5.2. SELECCIÓN DE LAS VARIABLES RELEVANTES Y PREPROCESAMIENTO DE LOS DATOS............................................................................................................................ 318 7.5.3. CREACIÓN DE LOS CONJUNTOS DE APRENDIZAJE, VALIDACIÓN Y TEST ... 319 9 Índice 7.5.4. ARQUITECTURA DE LA RED ................................................................................. 320 7.5.5. FUNCIONES DE ACTIVACIÓN DE LAS NEURONAS ............................................ 322 7.5.6. ENTRENAMIENTO O APRENDIZAJE DE LA RNA ................................................. 322 7.5.7. ELECCIÓN DEL MODELO RNA .............................................................................. 323 7.5.8. VALIDACIÓN DEL MODELO ................................................................................... 325 7.5.9. FUNCIONAMIENTO DE LA RED NEURONAL .......................................................... 326 7.6. COMPARACIÓN DE LA CAPACIDAD DE AJUSTE DE LOS MODELOS ......................... 328 7.6.1. 7.7. 8. VARIACIÓN MARGINAL DEL PRECIO DE OFERTA ................................................ 333 ANÁLISIS COMPARATIVO DEL PERIODO (1999-2009). CONCLUSIONES. .................. 335 7.7.1. ANÁLISIS DE SENSIBILIDAD DE LOS INPUTS ....................................................... 335 7.7.2. VALIDACIÓN DE LOS MODELOS ............................................................................ 343 CONCLUSIONES Y FUTURAS LÍNEAS DE ACTUACIÓN .................................................... 351 8.1. CONCLUSIONES ............................................................................................................. 351 8.2. COMPROBACIÓN DE LAS HIPÓTESIS DE TRABAJO ................................................... 357 8.3. LIMITACIONES DEL TRABAJO Y DIFICULTADES.......................................................... 360 8.3.1. LIMITACIONES ......................................................................................................... 360 8.3.2. DIFICULTADES ......................................................................................................... 360 8.4. FUTURAS LÍNEAS DE ACTUACIÓN................................................................................ 361 ANEXO I ......................................................................................................................................... 365 ANEXO II ........................................................................................................................................ 371 BIBLIOGRAFÍA ............................................................................................................................... 425 10 PARTE 1 11 Análisis de la vivienda en Córdoba. Estudio Econométrico CAPÍTULO 1 INTRODUCCIÓN: ASPECTOS GENERALES 13 Análisis de la vivienda en Córdoba. Estudio econométrico 1. INTRODUCCIÓN: ASPECTOS GENERALES 1.1 l . INTRODUCCIÓN. La vivienda es un componente fundamental de la riqueza de las familias y por tanto, uno de los factores que contribuyen a explicar sus decisiones de gasto, ya que supone un 60%, aproximadamente, del PIB en el conjunto de los países desarrollados y un 65% del PIB español. Por ello, el precio de este activo ocupa un lugar destacado entre los indicadores de cualquier análisis de la estabilidad macroeconómica o financiera de un país. De hecho, existe evidencia, que episodios de fuertes aumentos en el precio inmobiliario, en el crédito para la construcción y adquisición de vivienda han tendido a alimentarse entre sí, y han venido seguidos de otros más o menos largos e intensos de corrección de los consiguientes desequilibrios, con implicaciones, en ocasiones, muy negativas para el sistema bancario y la economía en general.1 A partir del segundo quinquenio de los noventa, en la economía española, se produjo una intensa expansión inmobiliaria con fuertes tasas de crecimiento, inversión residencial e incrementos de precios, en lo que fue llamado la “burbuja inmobiliaria”, hasta su repentino parón en 2008. Este auge residencial ha sido clave en la prolongada fase de expansión de nuestra economía, a través del efecto riqueza, pues impulsó el crecimiento del consumo y del empleo. Además el dinamismo se reflejó en el endeudamiento de las familias, que aumentó considerablemente, así como en general, en la financiación ligada a la construcción y los servicios inmobiliarios que constituyeron la partida más dinámica del crédito concedido a empresas, tanto de forma directa, como indirecta y que ha sido a la larga, la responsable de la crisis financiera que precedió a la crisis económica. 1 Martínez Pagés J. y Maza L.A. (2003). 15 Análisis de la vivienda en Córdoba. Estudio econométrico Pero la administración no ha sido ajena a la evolución de este mercado. La política de vivienda desarrollada durante ese período fue dirigida principalmente a fomentar la propiedad a través de importantes ventajas fiscales en la compra de la vivienda habitual. A esta circunstancia, hay que añadir la tendencia cultural de este país, que considera la vivienda en propiedad como una inversión y el alquiler un derroche, y que ha hecho que el mercado inmobiliario español se caracterice por tener uno de los mayores porcentajes de vivienda en propiedad de la Unión Europea. Otro aspecto que caracteriza este mercado, es la gran cantidad de viviendas vacías existentes, situándose alrededor de 3,8 millones en el año 20102. A la pregunta de cuál es la evolución de los precios, se puede responder que no existe una información realmente fiable de los mismos en las compraventas declaradas, ya que es un mercado opaco y de la información existente en la calle es complicado conocer la situación. La información disponible por el vendedor y el comprador suele ser muy inferior a la del intermediario inmobiliario, lo que ha permitido especular con el miedo. Por la parte demandante se plantea las incertidumbres de la evolución futura del precio o poder acceder a una vivienda con las características deseadas y por parte del oferente, no venderlo o vender más barato del precio de mercado. Al hacer un estudio de mercado por la parte de la oferta, surge la duda sobre la cantidad a la que está dispuesta a bajar el vendedor para llevar a cabo una transacción; en este caso no existe acuerdo y los autores llegan a basarse en el uso de los adjetivos con los que califican a sus pisos, para determinar si están o no dispuestos a realizar grandes rebajas. “Así anuncios generalistas (casa fantástica, espaciosa, gran oportunidad, etc.) indicarían una actitud bajista, mientras que de expresiones concretas (granito, lo último en construcción, etc.) denotarían una posición de firmeza” (Campos, 2008). 2 Estimaciones de 2010; resultado de aplicar el porcentaje de viviendas vacías del Censo de Población y Vivienda de 2001 (14,8%) al total del parque de viviendas en esa fecha. 16 Análisis de la vivienda en Córdoba. Estudio econométrico Tampoco podemos confiar en la fiabilidad de la estadística nacional de los precios inmobiliarios en el último medio siglo, ya que su información es deficitaria. El precio de la vivienda recogido por el Instituto Nacional de Estadística y el Ministerio de Fomento hallaba medias de precios de cada provincia, para posteriormente ponderar a nivel provincial y así llegar la media nacional. Una medida más real para conocer el precio sería realizar un seguimiento de un número de viviendas, comprobando su evolución cuando se vende, no cuando se tasan y considerando las mejoras o pérdidas en la habitabilidad de las mismas, como ya se viene realizando en Estados Unidos con el Índice de Ventas Repetidas. Pero otros autores consideran que debe ser un índice híbrido, a través de precios hedónicos (Bover y Velilla, 2001) y venta de casas repetidas, intentando unificar tamaño, estructura, localización, etc. Otro hecho que influye, cada vez más en el mercado nacional, es la mayor calidad de las viviendas nuevas y esto debería tenerse en cuenta a la hora de hallar la estimación de precios medios. En consecuencia, resulta muy importante poder identificar los factores que explican la evolución de los precios de la vivienda y detectar a tiempo los riesgos que pueda entrañar. 1.2. 1.1.1 MARCO DE REFERENCIA. OBJETIVOS DE LA TESIS La etapa en la que me planteé elegir temática para la investigación de mi tesis doctoral, coincidió con los años de mayor actividad constructora jamás vista en España, paralela a su vez, con el ciclo de mayor crecimiento de nuestra economía. Este círculo virtuoso entre construcción, empresas y economía supuso con una importante aportación al PIB, de tal magnitud, que no tiene ningún parangón con ningún otro período de nuestro pasado, y no es comparable con ningún otro país 17 Análisis de la vivienda en Córdoba. Estudio econométrico desarrollado, en cuanto a evolución de precios, amplísimo número de viviendas edificadas y crecimiento del crédito, para lograr lo que en algunos sectores denominaron "la década prodigiosa". Toda investigación parte de dos aspectos: uno teórico y otro metodológico. Si la parte teórica se centra en el planteamiento de los objetivos de la investigación y la formulación de las hipótesis de trabajo; la parte metodológica se refiere al planteamiento, de forma coherente, de las relaciones que se quieren aplicar entre las variables objeto de estudio; que para nuestro caso sería la determinación del precio de la vivienda desde la perspectiva de la oferta, en función de las características que definen la calidad este bien. Puesto que este planteamiento teórico tiene una dimensión básicamente microeconómica, hemos considerado conveniente, también, la necesidad de describir los factores que intervienen en el precio desde el punto de vista el macroeconómico, puesto que sin estos factores sería imposible comprender la evolución cíclica de los precios inmobiliarios y este trabajo hubiera quedado sesgado con una sola perspectiva. Dentro de este planteamiento -al que hemos añadido una parte descriptiva- los objetivos generales de la tesis que queremos alcanzar son: 1º Objetivo: Analizar, desde el punto de vista estadístico, las características del parque de viviendas para comprender y analizar el resultado del estudio metodológico. 2º Objetivo: Obtener una visión proceso de urbanización de ciudad desde el punto de vista de la economía urbana en su doble vertiente: de lugar donde viven y trabajan los individuos, y en la influencia que el sector público tiene en ella mediante la política fiscal, de servicios públicos, jardines, transporte, seguridad, etc., que determinan que los ciudadanos decidan uno u otro lugar para vivir y/o trabajar. 3º Objetivo: Definir los factores de oferta y demanda que determinan el precio del mercado de la vivienda. 18 Análisis de la vivienda en Córdoba. Estudio econométrico 4º Objetivo: Modelizar el precio de una vivienda a través de sus propias características y del entorno socioeconómico en la ciudad. Para conseguir el 4º objetivo (estudio metodológico), este trabajo se centra en la ciudad de Córdoba y analiza el precio de la vivienda -por el lado de la oferta- en función de las cualidades que la determinan; estudiando si su aportación al precio final varía durante un período temporal, que para este caso está comprendido entre los años 1999-2009, e intentando relacionar su evolución con la desarrollo económico y social, a nivel local, regional y nacional. A su vez, los objetivos del estudio metodológico van encaminados a: Objetivo metodológico 1: Estudiar la influencia marginal, en el precio de la vivienda, de las características que la definen (dimensión, localización, calidades constructivas, etc.). Objetivo metodológico 2: Comprobar si el uso de diferentes metodologías estadísticas incluyen en el mayor o menor ajuste del precio en el periodo objeto de estudio. Objetivo metodológico 3: Ver si las cualidades que definen el precio de un inmueble varía a lo largo de un horizonte temporal, o por lo contrario, es posible establecer una relación única entre cualidades y precio. 1.1.2 MARCO TEÓRICO El marco teórico de una tesis tiene como función, la síntesis de los conocimientos teóricos y conceptuales que permita enfocar la investigación, aportar información sobre las variables objeto de estudio y definir el contexto de verificación para interpretar los resultados que se han obtenido y poderles dar significado. Para ello, se ha recopilado bibliografía sobre el tema de la investigación y también bibliografía genérica, tal como: 19 Análisis de la vivienda en Córdoba. Estudio econométrico Metodología de las ciencias sociales y técnicas de investigación con el objeto de conocer cómo se investiga y cómo se debe estructurar una tesis doctoral. Bibliografía sobre Economía General, con el objeto de conocer los factores determinantes del precio de la vivienda, que ha servido como base para el desarrollo de la investigación. Bibliografía específica sobre Economía Urbana para conocer las pautas y los patrones espaciales que definen el funcionamiento de un "sistema urbano". Series estadísticas de entes públicos y privados sobre economía, población y vivienda. Artículos, comunicaciones y publicaciones de organismos públicos y privados, tanto nacionales como internacionales, sobre el precio de la vivienda. Monografías, estudios, tesis doctorales sobre el objeto de estudio. Las tesis de las doctoras Celular y Núñez han sido una buena referencia como punto de partida para enmarcar este estudio longitudinal del precio de la vivienda, aunque nos hemos centrado en otros aspectos distintos; la visión desde de la oferta y la evolución en un espacio temporal de más de una década. 1.1.3 METODOLOGÍA Y ESTRUCTURA DE LA TESIS. La metodología desarrollada en la tesis que se realizó en tres fases: La primera fase consistió en una revisión bibliográfica y estadística con el objeto de conocer y definir que es una vivienda, sus características, las pautas y patrones de localización espacial que define un sistema urbano; además del analizar el parque de viviendas existente a nivel nacional, autonómico y local. La segunda fase se refiere al análisis del marco teórico de referencia en la formación del precio de la vivienda a nivel macroeconómico y microeconómico. La tercera fase se ha desarrollado a partir de los datos de campo, con el objeto de contrastar el marco de referencia teórico y verificar o rechazar las hipótesis de 20 Análisis de la vivienda en Córdoba. Estudio econométrico trabajo en función de los resultados obtenidos, finalizando con una exposición de las conclusiones a las que ha llegado esta investigación. Por lo que, para alcanzar los objetivos, la estructura de este trabajo ha quedado dividido en las siguientes partes: La primera parte, formada por los capítulos segundo y tercero, tiene como objetivos conocer el parque de viviendas desde el punto de vista de sus características tipologías más habituales, su superficie, su antigüedad, etc., y conocer la demanda, la oferta y el precio de los inmuebles. A continuación se describen los capítulos indicados: El segundo capítulo se inicia definiendo el concepto de vivienda, para posteriormente analizar la información estadística disponible. Se hace un análisis descriptico para conocer las características del parque de viviendas en la Unión Europea y en España, para centrarnos posteriormente en la capital cordobesa. Antes de comenzar con el modelo teórico que sustenta la especificación empírica de este trabajo, en el tercer capítulo se analiza los factores macroeconómicos que afectan a la demanda de viviendas, a la oferta y su relación con los precios, factores que no aparecen en la especificaciones teóricas del modelo, que tiene una visión microeconómica, y que sin embargo, son citados en estudios similares al que aquí nos ocupa. Para ello se ha dividido el capítulo en tres partes: factores que afectan a la demanda, los que afectan a la oferta, aunque en algunos casos ambos aspectos están entrelazados, terminando con un análisis evolutivo del precio de la vivienda. La segunda parte, formada capítulos cuarto y quinto tiene como objetivo resaltar la importancia de la localización como factor determinante del precio y conocer el estado del arte. A continuación se describen los capítulos indicados: En el capítulo cuatro se profundiza en la importancia que la componente localización tiene en la determinación final del precio. Por lo que se hace un repaso de las aportaciones teóricas sobre la estructura espacial urbana, teniendo como punto de 21 Análisis de la vivienda en Córdoba. Estudio econométrico partida, las aportaciones de las teorías clásicas de estructura espacial, hasta llegar a las últimas aportaciones sobre la existencia de ciudad multicéntrica. En el capítulo cinco se hace una revisión de las teorías sobre la modelización del precio en el mercado de la vivienda y la situación del estado del arte. La tercera parte, formada por los capítulos sexto y séptimo tiene como objetivo exponer las herramientas para el análisis y el desarrollo empírico propiamente dicho. A continuación se describen los capítulos indicados: En el capítulo sexto se hace una presentación de los materiales utilizados objeto de estudio así como un análisis descriptivo y evolutivo de la muestra. Con este objetivo, se realiza un análisis unitariamente y bivariante de la vivienda en función de su localización, dimensión y otras características importantes. En el séptimo capítulo se ha desarrollado un modelo para determinar los precios de los inmuebles en función de sus características, aplicando la Metodología de Precios Hedónicos. La modelización paramétrica se ha realizado mediante un ajuste por mínimos cuadrados ordinarios y mínimos cuadrados parciales. A continuación se ha utilizado la metodología de Redes Neuronales Artificiales con el objeto de comparar cuál de las tres tiene mejor ajuste. Estas técnicas se han desarrollado de forma detenida para un año concreto de la serie (2008), especificando todas las actuaciones realizadas, para después generalizarlo al resto del período (1999-2009). La cuarta y última parte, formada por el capítulo octavo se presenta la interpretación de los resultados, la aceptación o rechazo de las hipótesis de partida y las conclusiones finales del trabajo. 22 El mercado de la vivienda en Córdoba. Estudio Econométrico CAPÍTULO 2 EL PARQUE DE VIVIENDAS 23 Análisis de la vivienda en Córdoba. Estudio econométrico 2. EL PARQUE DE VIVIENDAS 2.1. C INTRODUCCIÓN. on este capítulo se pretende alcanzar el primer objetivo del trabajo, que consiste en conocer las características del parque de viviendas con el objeto de analizar, comprender e interpretar los resultados que el estudio metodológico proporcione. Para ello analiza la evolución del parque de viviendas, dividiendo en tres partes el capítulo: la primera consiste en análisis en el parque de viviendas en los países de la Unión Europea, en la segunda parte se ha realizado una descripción a nivel nacional de parque inmobiliario, centrándose en las diferencias entre los distintas provincias del estado y en la tercera se analiza las características de las viviendas de Córdoba y sus distritos censales. La primera cuestión que nos planteamos, a pesar de su simplicidad, comienza con la propia definición de vivienda por la propia característica del bien que le confiere atributos tanto de alojamiento, como de inversión. La definición elaborada por el Instituto Nacional de Estadística (INE) en sus trabajos preparatorios para el Censo de Población y Vivienda del 20014 define vivienda como al “recinto estructuralmente separado e independiente que, por la forma que fue construido, transformado o adaptado, está concebido para ser habitado por personas o, aunque no fuese así, constituye la residencia habitual de alguna persona en el momento censal”. Como excepción, no se consideran viviendas aquellos recintos que, a pesar de haberse concebido inicialmente para habitación humana, en el momento del proceso censal estaban dedicados totalmente a otros fines, por ejemplo, los utilizados exclusivamente como locales, oficinas, establos, etc. 4 Último censo disponible hasta la finalización de este trabajo. 25 Análisis de la vivienda en Córdoba. Estudio econométrico Para que un recinto se considere separado, debe estar rodeado por paredes, tapias, muros, vallas..., se encuentra cubierto por techo y permite que una persona o un grupo de personas, se aíslen de otras con el objeto de protegerse contra las inclemencias del tiempo y puedan preparar y consumir sus alimentos. Para que se considere independiente, el recinto debe tener acceso directo de éste a una zona pública o privada, común o particular, o bien desde una escalera, pasillo, corredor, etc.; es decir, siempre que los ocupantes de la vivienda puedan entrar o salir de ella sin pasar por un recinto ocupado por otras personas. De esta definición se derivan dos tipos de viviendas: viviendas colectivas, que son aquellas destinadas a ser habitadas por un colectivo de personas sometidas a una autoridad común no basados en lazos familiares, entre ellas se encuentran las residencias de mayores o de trabajadores, colegios mayores, hospitales, prisiones, etc., y las viviendas familiares que son aquellas ocupadas por una o varias personas con algún parentesco5. También, el Ministerio de Fomento6 tiene su propia definición de vivienda en la Orden Ministerial ECO/805/2003, del 27 marzo, sobre normas de valoración de bienes inmuebles y de determinados derechos para finalidades financieras, en la que la define como: “es un recinto con una o varias piezas de habitación y anejos, que puede ocupar la totalidad de un edificio o una parte del mismo, estando en este último caso el conjunto estructuralmente separado e independiente del resto. La vivienda está concebida para ser habitada por personas, generalmente familias, y dotada de acceso directo desde la vía pública o recintos privados”. Algunas administraciones autonómicas tienen su propia definición de vivienda, algunas como EUSTAT (Instituto Vasco de Estadística) similar a la definición del INE, otras como la administración catalana, define vivienda como “toda edificación fija destinada a que residan en ella personas físicas o utilizada a este fin, incluidos los 5 Se consideran viviendas familiares tanto las consideradas como convencionales (viviendas ocupadas por una o varias personas con algún parentesco o relación), como los alojamientos (viviendas consideradas como móviles, semipermanentes o improvisadas, como por ejemplo: chabolas, garajes, cuevas habilitadas, etc.). 6 Antiguo Ministerio de la Vivienda. 26 Análisis de la vivienda en Córdoba. Estudio econométrico espacios y servicios comunes del inmueble en el que está situada y los anexos que están vinculados al mismo, si acredita el cumplimiento de las condiciones de habitabilidad que fije la presente Ley y la normativa que desarrolle y cumple la función social de aportar a las personas que residen en ellas el espacio, la instalaciones y los medios materiales necesarios para satisfacer sus necesidades personales ordinarias de habitación” 7 Los estados necesitan tener una información fiable para el conocimiento de la realidad sobre las necesidades de techo y establecer las prioridades que necesita cada territorio. Para realizar una política de vivienda, es lógico pensar que se debe tener un conocimiento profundo del parque existente en cuanto al número, atributos, tenencia, oferta y demanda. Una información deficiente o defectuosa obstaculizará la puesta en marcha de políticas eficaces y acordes con la realidad. 2.2. INFORMACIÓN ESTADÍSTICA. Las estadísticas oficiales que se publican en España son a menudo contradictorias y de una calidad deficiente, variando según la fuente. Por su periodicidad podemos citar las siguientes: - De periodicidad decenal se publica: el número de viviendas existentes, las distintas tipologías de viviendas: principales, secundarias, desocupadas y otras; las viviendas principales por régimen de tenencia: en propiedad, en alquiler, en cesión y otras formas; y una serie de indicadores sobre las características de habitabilidad y dotación de servicios de las viviendas principales. Siendo su fuente, el Censo de Viviendas del Instituto Nacional de Estadística. - De periodicidad trimestral se publica: el índice de precios de las viviendas nuevas y usadas, el número de transacciones de compraventas, el número de hogares (partiendo del Censo del 2001, se actualiza utilizando la EPA), el número de viviendas en alquiler (partiendo del Censo del 2001, se actualiza utilizando la 7 Ley de Derecho de la Vivienda de Cataluña de 28 diciembre de 2007. 27 Análisis de la vivienda en Córdoba. Estudio econométrico ECPF), el precio medio del suelo por metro cuadrado, el volumen de inversión extranjera en inmuebles, las condiciones de financiación de las viviendas (plazo medio nuevas hipotecas, la relación entre el préstamo medio y valor de la vivienda, etc.), las medidas de esfuerzo en la compra de viviendas (esfuerzo teórico anual sin deducciones y con deducciones, así como la relación entre el precio medio de la vivienda y la renta bruta por hogar). Aunque no son datos del mercado de la vivienda, si hay indicadores que influyen y se publican, como son: el mercado de trabajo, las variables demográficas (número de hogares, población de 25 años o más, número de viviendas por hogar). Las fuentes de estos indicadores son principalmente: el Instituto Nacional de Estadística, el Ministerio de Fomento, el Banco de España y el Colegio de Registradores. - De periodicidad mensual se publica: el número de viviendas visadas, iniciadas y terminadas en los últimos doce meses, el IPC de alquileres, el índice de costes de edificación, el crédito hipotecario y la rentabilidad de inversiones alternativas a la inversión inmobiliaria. Las fuentes de estos indicadores son principalmente: el Instituto Nacional de Estadística, el Ministerio de Fomento y el Banco de España Pero no existe información estadística sobre los precios reales de transacción (existe estadísticas de precios registrales que en la mayor parte de los casos no son acordes con la realidad). La principal fuente de información disponible para el conocer las características del parque de viviendas es el Censo de Población y Viviendas y Censos de Edificios que con carácter decenal publica el Instituto Nacional de Estadística, siendo la principal fuente de información8. En periodos intercensales, los datos existentes para conocer el número de viviendas son estimaciones a partir de los datos censales de 20019 que realiza el Ministerio de Fomento. La serie publicada en este momento se refiere al periodo 2001 y 2010. 8 Esta fuente de información es que se ha utilizado para cuantificar el stock de viviendas en 2001. A nivel regional y local se recogió la información del IEA (Instituto de Estadística de Andalucía) publica de la misma forma un Censo de Edificios, así como un Censo de Población cuya fuente es el INE. 9 Según el Ministerio de Fomento, la estimación en un ejercicio "t" se da la siguiente identidad: Número de viviendas en t = Número de viviendas en t-1 + Número de viviendas construidas de obra nueva en t + Número de viviendas construidas por rehabilitación en t - Número de viviendas demolidas en t 28 Análisis de la vivienda en Córdoba. Estudio econométrico La Unión Europea no publica series estadísticas sobre las características del parque europeo, los datos existentes se derivan de los obtenidos de cada país miembro o derivados del estudio de los hogares publicados en Eurostat (Housing Statistic 2010). Algunos estados miembros publican series a nivel europeo sobre características de los hogares, como el Ministerio de Infraestructura de la República Italiana, en colaboración con Federcasa, que presenta el Housing Statistics in the European Union. Existen diferencias en los datos proporcionados por cada fuente de información, hecho que dificulta un análisis homogéneo de sus cifras. Además, también hay que tener presente la fecha de referencia de cada uno de los censos en los diferentes países estudiados, ya que la regularidad sus censos no es la misma. Como se ha citado anteriormente, la primera dificultad comienza a la hora de establecer el concepto de vivienda y su clasificación. El Instituto Nacional de Estadística distingue varios tipos de vivienda, que representan importantes diferencias de uso: "Vivienda principal: una vivienda familiar se considera principal cuando es utilizada la mayor parte del año como residencia habitual de una o más personas". El resto de las viviendas son consideradas viviendas no principales y a su vez se clasifican en: "Vivienda secundaria: se trata de una vivienda familiar que suele utilizar alguno de los miembros del hogar de forma temporal o esporádica (en vacaciones, fines de semana, trabajos temporales, etc.), durante un mínimo de 15 días a lo largo de todo el año, y que no constituye residencia habitual de ninguna persona". "Vivienda desocupada: una vivienda familiar se considera desocupada o vacía cuando no es residencia habitual de ninguna persona, ni es utilizada de forma estacional, periódica o esporádica por nadie. Se trata de viviendas deshabitadas, disponibles para la venta, alquiler o, simplemente abandonadas". 29 Análisis de la vivienda en Córdoba. Estudio econométrico "Otro tipo: Por ejemplo, las destinadas a alquileres sucesivos de corta duración usada de manera continua y no estacional (por lo que no deben considerarse secundarias) pero que tampoco constituyen la residencia habitual de alguna persona" El censo proporciona una imagen fija del número de viviendas y su utilización en un momento dado, pero a la hora de realizar un análisis del parque inmobiliario es necesario tener en cuenta su situación cambiante en el espacio temporal. Lo que obliga a dudar de la fiabilidad de los datos tanto en la cuantificación, como en la clasificación de las viviendas que analizaremos más adelante. La información oficial que tiene el gobierno sobre la evolución del precio de mercado inmobiliario es denominado “Índice de Precios de la Vivienda” que publicada por el Ministerio de Fomento. Este índice estima como valor de referencia, el valor por metro cuadrado construido de las tasaciones de viviendas realizadas por las principales entidades de tasación, aunque se ha utilizado también la estadística registral inmobiliaria que el Colegio de Registradores de la Propiedad pública regularmente. Existen importantes diferencias en la información proporcionada en las distintas series que dificulta un análisis homogéneo de sus cifras. Consideramos que la estadística publicada por el Ministerio de Fomento, que c están basadas en las entidades de tasación (que suelen ser filiales de las entidades financieras), han padecido la práctica no despreciable en años anteriores, tan poco seria, de sobretasar, en ocasiones, viviendas con el objeto de conceder créditos por un valor igual o superior al valor de la vivienda para poder cumplir, al menos formalmente, la recomendación de no conceder préstamos por encima del 80% de su valor, en unos momentos donde la coyuntura económica propiciaba la concesión de créditos hipotecarios con pocas garantías. De la misma forma, debido al procedimiento de valoración usual en las transacciones inmobiliarias donde la comparación con otras viviendas cercanas es fundamental para determinar su valoración; este sobreprecio generó externalidades en los precios de tasación de las viviendas próximas. 30 Análisis de la vivienda en Córdoba. Estudio econométrico Otro aspecto destacable, en esta metodología, es el hecho de utilizar únicamente para la determinación del precio de la vivienda aquellas que han sido tasadas y no incluir las que sus propietarios no han precisado un préstamo para pagarlas y en consecuencia no han necesitado tasación. Este tipo de selección introduce un sesgo en la selección de las viviendas que influye el precio calculado. De la misma forma, cuando el mercado inmobiliario está en recesión, como ocurre actualmente, y hay un exceso de oferta, algunos propietarios terminan vendiendo a precios inferiores a los de tasación; que sin embargo, no tienen el suficiente reflejo estadístico10. En todo caso, esta es la fuente más fiable, ya que los valores escriturados en los registros suelen ser inferiores a los de compraventa. 2.3. EL PARQUE DE VIVIENDAS EN LA UNIÓN EUROPEA 2.3.1. INTRODUCCIÓN. Es importante para los estados, conocer y detectar las necesidades de vivienda de su población para establecer las políticas necesarias en esta materia. La recogida de datos específica sobre su parque inmobiliario se realiza en otros países europeos a la hora de elaborar su norma nacional sobre vivienda. De este modo, en países como Finlandia se elabora el "barómetro del residente", o se forman grupos de trabajo ante una modificación de la política de vivienda o incrementos de precios, como en el caso del Reino Unido o Irlanda. Para el caso español, la situación es diferente, por lo que dificulta el conocimiento de su parque y como consecuencia, la toma de medidas legislativas y fiscales necesarias a la realidad existente. "La periodicidad de la recopilación de datos sobre el parque de viviendas (censos) es otro ejemplo del desinterés del gobierno español por la situación en la materia de vivienda. En Alemania y Finlandia se recoge información sobre el parque 10 En el año 2008 el Índice de precios de la vivienda todavía recogía un incremento de precios de 0,7%. cuando el resto de los índices recogía disminuciones mayores del precio de transacción de la vivienda. 31 Análisis de la vivienda en Córdoba. Estudio econométrico viviendas cada cuatro años, en Francia cada 3 y en Holanda anualmente. En España, en cambio, se recoge cada 10 y el padrón de habitantes, con el traspaso de competencias local y autonómico, ha ido eliminando muchas de las variables que incluía" (Rodríguez Alonso, 2005). 2.3.2. EL NÚMERO DE VIVIENDAS No existen estadísticas recientes sobre sobre el volumen del parque de viviendas europeo, por lo que este análisis se realiza sobre los últimos datos publicados. Considerando de forma global, el parque inmobiliario en la Europa de los 15, tiene 171 millones de viviendas11 y un superávit global en torno al 10,5%. Este superávit no se reparte de forma uniforme entre los distintos países, sino que se encuentran importantes diferencias. Tabla 2.1: Relación entre stock de viviendas y hogares en la Unión Europea (2001) Stock de viviendas (millones) viviendas por 1.000 habitantes Nº de hogares (millones) Diferencia % viviendas/hogares Alemania 37,1 452 37,8 -1,9% Austria Bélgica Dinamarca España Finlandia Francia Grecia Holanda Irlanda Italia Luxemburgo Portugal Reino Unido Suecia 3,8 4,6 2,5 21,0 2,5 29,0 4,5 6,6 1,3 25,0 0,2 4,6 24,6 4,3 465 455 470 519 483 494 429 416 345 434 391 465 411 483 3,3 4,2 2,4 13,8 2,3 24,0 3,5 6,9 1,3 20,6 0,2 3,4 25,1 4,2 13,1% 9,6% 3,6% 34,5% 4,8% 17,2% 22,7% -3,7% 0,5% 17,7% -2,4% 26,9% -2,0% 2,2% 170,0 452 152,2 10,5% UE-15 Fuente: Euroconstruct. The prospective construction in Europe (2001). Censo de Población y Viviendas 2001 11 Según Euroconstruct. The prospective construction in Europe (2001), últimos datos unificados . 32 Análisis de la vivienda en Córdoba. Estudio econométrico España con 519 por cada mil habitantes, es el país con más disponibilidad de viviendas, a distancia de un segundo grupo formado por Francia (494), Finlandia (483), Suecia (483) en Dinamarca (470). En el lado opuesto se encuentra Irlanda (345), Luxemburgo (391), Reino Unido (411) y Holanda (416). Pero este primer análisis descriptivo no define por sí, la existencia de un parque de viviendas suficiente en cada uno de los países, ya que el número medio de miembros que tienen los hogares en cada país no es homogéneo, además no recoge la existencia de viviendas colectivas como colegios mayores, residencia de ancianos, etc. Para obtener una mejor visión sobre el déficit o superávit de viviendas en los países mencionados se hace necesario observar la diferencia existente entre el número de viviendas y el número de hogares (tabla 2.1). En efecto, puede observarse la existencia de déficits de viviendas en algunos países, básicamente: Holanda, Luxemburgo, Reino Unido y Alemania por distintas causas. Mientras en Holanda y Luxemburgo se debe a un espectacular crecimiento del número de hogares en el periodo comprendido entre 1980 y 2000, Alemania ha debido asumir las carencias de vivienda heredados de la reunificación con la República Democrática Alemana. El problema inglés es más difuso y probablemente se deba a un desajuste producido por la falta de capacidad constructiva, debido a la recesión, que en el sector de la construcción, sufrió el Reino Unido en la década de los noventa, unido a un incremento de la inmigración, con la correspondiente necesidad de vivienda. El parque español (gráfica 2.1) es, proporcionalmente, el que mayor superávit tiene de la comunidad europea, con una diferencia del 34,5% entre el número de inmuebles residenciales y el número de hogares, seguido de Portugal y Grecia. En un segundo bloque se encuentran, también, países mediterráneos con un importante superávit como Italia (17,7%) y Francia (17,2%). Mientras que los estados del centro y norte de Europa tienen un escaso superávit, o existe un déficit de vivienda. Esta diferencia entre países mediterráneos y países del norte-centro de Europa, puede explicarse por la tradición cultural extendida en el sur de Europa de disponer de segundas residencias, y su convencimiento de que la inversión en 33 Análisis de la vivienda en Córdoba. Estudio econométrico patrimonio inmobiliario como una forma de ahorro y de reconocimiento social. Sin olvidar su carácter turístico y la existencia de un gran parque inmobiliario, básicamente en la costa, propiedad de ciudadanos de otros países. Esta proporción de segunda residencia varía del 35,4% en Grecia, al 1,3% en los Países Bajos. Obviamente, Grecia, España y Portugal son los países con vivienda temporal significativa. Sin embargo, España tiene una característica especial, ya que según las mismas fuentes, el 48% de estas unidades de vivienda no principales, se mantienen vacías (entre el 14,8% y 15,1% de la población total). Gráfica 2.1: Diferencia nº de viviendas Vs nº de hogares (UE-15) España Francia Italia Portugal Grecia Austria Bélgica Finlandia Suecia Dinamarca Irlanda Luxemburgo Holanda Reino Unido Alemania UE 34,5% 17,2% 17,7% 26,9% 22,7% 13,1% 9,6% 4,8% 2,2% 3,6% 0,5% -2,4% -3,7% -2,0% -1,9% 10,5% Fuente: Euroconstruct. The prospective construction in Europe (2001). Censo de Población y Viviendas 2001 y elaboración propia 2.3.3. TIPOLOGÍA DE LAS VIVIENDA Los ciudadanos europeos habitan mayoritariamente en casas unifamiliares (56,9%), de ellas el 34,2% son viviendas unifamiliares aisladas y el 22,7% son viviendas adosadas, solamente el 43,1% de viviendas son apartamentos. Los países que tienen una mayor proporción de ciudadanos cobijados en pisos o apartamentos son Letonia (66,5%), Estonia (65,2%) y España con el 64,4%. 34 Análisis de la vivienda en Córdoba. Estudio econométrico En el otro extremo se puede citar Irlanda, con tan sólo un 5,3% de población que vive en apartamentos. Es reseñable también el Reino Unido, Holanda o Bélgica con porcentajes inferiores al 20%. Los ciudadanos que habitan en viviendas unifamiliares aisladas son mayoritarios eslovenos (68,1%), húngaros (65,4%), rumanos (59,7%) y daneses (59,0%). Para el caso de viviendas adosadas, la mayor incidencia está en los Países Pajos (62,0%), Reino Unido (60,5%) e Irlanda (55,4%). Gráfica 2.2: Tipología de las viviendas europeas 100% 75% 50% 25% otros Fuente: Eurostat: Housing Conditions of Population 2008 y elaboración propia. De la observación de la gráfica 2.2 se puede concluir que la población europea vive mayoritariamente en áreas rurales o urbanas con poca densidad de población. Esta tipología de ciudad domina preferentemente en los países del norte, frente a los países del sur, con mayor proporción de ciudadanos en viviendas de propiedad horizontal, a la excepción, como se citado, de los países bálticos y Alemania con un importante volumen de viviendas de tipología consistente en pequeños apartamentos heredados de la época soviética. 2.3.4. SUPERFICIE DE LAS VIVIENDAS. La superficie media europea varía entre los 77m2 útiles de Finlandia y los 35 Noruega Irlanda Pisos Islandia reino Unido Holanda Chipre Belgica Eslovenia Dinamarca Hungria Vivienda aislada Luxemburgo Francia Finlandia Portugal Rumania Suecia Vivienda adosada Bulgaria Malta Austria Polonia Eslovaquia Italia Republica Checa Alemania Grecia España Lituania Estonia EU 16 Letonia EU-27 0% Análisis de la vivienda en Córdoba. Estudio econométrico 113,1m2 de Dinamarca (excluyendo Luxemburgo por su reducida dimensión). España con 90 m² se situaba ligeramente por encima de la media de la Europa de los quince. Países como Reino Unido, Francia, Bélgica, Portugal o Grecia se encuentran por debajo de la media citada. Tabla 2.2: Relación entre stock de viviendas y superficie útil en los hogares en la Unión Europea Año de la encuesta Medida de superficie útil (m2) Tamaño medio de los hogares personas/hogar Tamaño medio de hogar por persona (m2) Alemania Austria Bélgica Dinamarca España Finlandia Francia Grecia Holanda Irlanda Italia Luxemburgo Portugal Reino Unido Suecia 2002 2001 2001 2003 2001 2002 2002 2001 2005 2002 2001 2004 2001 2005 2005 89,7 93,9 81,3 113,1 90,0 77,0 89,7 81,3 98,0 104,0 96,0 125,0 83,0 86,9 91,5 2,1 2,5 2,4 2,2 3,0 2,3 2,5 3,0 2,3 2,9 2,8 2,5 2,9 2,4 2,1 40,1 38,3 *sd 52,4 31,3 36,3 37,5 30,6 41,0 35,0 36,5 49,0 *sd 44,0 44,5 UE-15 2000 87,1 2,5 *sd Fuentes: Housing Static in the European Union 2005/2006 (Ministry of Infrastructure of the Italian Republic). Datos de España: Censo de Población y Viviendas 2001; INE. Tamaño medio hogares: The prospects for construction in Europe. Euroconstruct, junio 2001. * sd: sin datos Una menor dimensión de la vivienda no supone menores condiciones de habitabilidad, ya que se debe considerar el número de personas que forman los hogares. En efecto, al introducir esta variable se observa que la mayoría de los países citados (Reino Unido, Francia, Bélgica, etc.) disponen de más habitabilidad por persona que en España, al tener de media, menos individuos en sus hogares. 2.3.5. ANTIGÜEDAD El estado de conservación y los niveles de equipamientos como son la disponibilidad de cuarto de baño, agua corriente, gas, etc., constituye un elemento crucial en las políticas, cada vez más importantes, de mantenimiento y utilización del parque existente, pero también es un elemento de difícil comparación por la 36 Análisis de la vivienda en Córdoba. Estudio econométrico falta de criterios homogéneos para la confección de la estadísticas en los distintos países de la Unión Europea. Como no es el objeto de este estudio establecer, o no, la necesidad de una posible rehabilitación, nos hemos centrado en un criterio más homogéneo como es la antigüedad del parque de viviendas. Con el objeto de simplificar el análisis se ha dividido la antigüedad del parque en tres grandes grupos: anteriores a 1946, los construidos en el periodo 1946-1980 y los construidos con posterioridad a 1980. Sin duda el país que tiene el parque de viviendas más moderno de la Unión Europea es Irlanda con un 52,5% de sus viviendas construidas después de 1980; también destaca en este aspecto Holanda (37,8%) y Finlandia (35,6%), en estos países se está realizado un gran esfuerzo para paliar el déficit de alojamiento (ver gráfica 2.3). Los parques de viviendas más antiguos se localizan en Bélgica con un 50% de construcciones anteriores a 1946, aunque otros países también tienen un parque antiguo como son: Dinamarca (40%), Reino Unido (34%) y Francia (33,2%). Pero si la variable a considerar es la vivienda construida antes de 1980, Los mayores porcentajes corresponderían a Alemania (88%), Austria (84%) y especialmente Bélgica (94%). Una mayor antigüedad del parque de viviendas derivará en el futuro a necesidades potenciales de rehabilitación más elevadas. Por la antigüedad del parque europeo, se puede afirmar que una vez satisfechas las necesidades de vivienda, el futuro de las empresas inmobiliarias no puede estar en la construcción de nuevas viviendas, sino en la rehabilitación de sus respectivos parques, donde alrededor de “un 24% de estas viviendas europeas (40 millones) estarían afectadas por un déficit significativo y requeriría políticas de renovación” 12. Luego los grandes proyectos de complejos urbanísticos deben dejar paso a proyectos de rehabilitación, modernización y adaptación de los inmuebles existentes a las necesidades sociales y tecnológicas de la nueva sociedad. 12 Trilla (2001). 37 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 2.3: Antigüedad del parque de viviendas en la UE-15 (%) Fuentes: Housing Statistics in the European Union 2005/2006 (Ministerio de Infraestructura de la República Italiana) y el Censo de Población y Viviendas de 2001 de INE y elaboración propia. 2.3.6. ESTRUCTURA DE TENENCIA EN LA E.U. El régimen de tenencia más extendido en Europa es el de propiedad con un 73,6%, de los cuáles, el 26,6% tiene pendiente hipoteca. El alquiler de viviendas, a precio de mercado, representa un volumen poco importante, tan sólo un 12,5% de las viviendas, aunque existe una importante cantidad de inmuebles a bajo coste que asciende al 13,9%, entre los tienen alquiler con tarifa reducida, alojamiento en usufructo o figuras jurídicas similares (gráfica 2.4). En todos los países, más de la mitad de su población tiene la vivienda en régimen de propiedad, estas cifras oscilan entre el 57,7% de Austria y el 96,5% de Rumania. Aunque al analizar el porcentaje de propietarios con la vivienda totalmente pagada, se observa dos grupos diferenciados (gráfica 2.4); en el primero, se situarían los países más débiles desde el punto de vista económico y localizados principalmente en el este europeo, donde la proporción de primera vivienda totalmente pagada es muy alta (con porcentajes de hogares sin deudas hipotecarias por encima del 60%). En el otro grupo, se encuentran los países más desarrollados, pero paradójicamente con sus ciudadanos más hipotecados; entre estos países se pueden citar: Suecia, Holanda, Noruega e Islandia, con porcentajes 38 Análisis de la vivienda en Córdoba. Estudio econométrico del 55,6%, 59,6%, 61,5% y 72,2% respectivamente, sobre el total del parque inmobiliario. En países como Alemania, las ayudas fiscales a los propietarios de viviendas en alquiler han hecho posible mantener un parque de alquiler de buena calidad. “la alta proporción de inmuebles en alquiler se debe a las siguientes circunstancias: 1) constante adaptación a las circunstancias del mercado, la normativa sobre el alquiler; 2) la garantía al propietario ante una posible insolvencia del inquilino, mediante subvenciones al alquiler; 3) establecimiento de sistemas de financiación privilegiados; 4) tratamiento fiscal favorable de la inversión inmobiliaria. En este grupo de países la opción de compra es menos interesante” Trilla (2001). Gráfica 2.4: Distribución del régimen de tenencia de los hogares europeos 100% 75% 50% 25% Vivienda en propiedad sin deuda pendiente Vivienda en propiedad con deuda pendiente Alquiler a precio de mercado Alquiler a precio reducido o libre Islandia Noruega Suecia Holanda Dinamarca Austria Reino Unido Finlandia Belgica Luxemburgo Irlanda Francia Portugal Cipre España Italia Grecia Polonia Malta República Checa Hungría Estonia Eslovenia Lituania Bulgaria Lituania Eslovaquia Rumania EU-27 Euro area (EA-16) 0% Fuentes: Eurostat: Housing conditions of population (2010) El porcentaje de hogares europeos que tienen una vivienda en régimen de alquiler, a precio de mercado, no excede del 10% en 14 estados miembros (entre ellos España), mientras que en Suecia, Países Bajos y Dinamarca, más del 30% de la población tiene este tipo de alquiler. Otra figura importante se refiere a la vivienda en alquiler a precio reducido, o de forma gratuita (usufructo o cesión gratuita), con cifras superiores al 15% en siete países, entre los que se encuentra: Chipre, Finlandia, Francia, Reino Unido, Malta, República Checa y Polonia. 39 Análisis de la vivienda en Córdoba. Estudio econométrico Existe un grupo de países con un claro predominio de la propiedad sobre el alquiler, entre los que se encuentran la citada Rumania, Repúblicas Bálticas, Hungría, Bulgaria, Noruega y España, con porcentajes superiores al 80%. En el otro bloque se encuentran los países en los que se ha apostado más decisivamente por el alquiler, como son: Holanda, Dinamarca, Alemania y especialmente Suecia. Este último país tiene un importante porcentaje de inmuebles en régimen cooperativo13 (17%). La mayor parte de este parque de alquiler se encuentra situado en las zonas urbanas, representando más del doble del porcentaje nacional y el triple en las capitales. Aunque durante este último periodo se ha producido una bajada de la oferta debido a la existencia de grandes stocks, subvenciones destinadas a otras viviendas y reglamentos de alquiler estrechos. 2.4. EL PARQUE DE VIVIENDAS EN ESPAÑA 2.4.1. INTRODUCCIÓN. El parque de viviendas español tenía en el año 2010 un total de 25.837.108 viviendas14, de las que 17.762.862 son viviendas principales15, lo que supone el 68,7% del total. Es decir, 547 viviendas por cada 1000 habitantes (frente a las 519 en el año 2001), o lo que es lo mismo, existe una vivienda por cada 1,82 habitantes residentes censados en el Padrón Municipal. El ritmo de construcción en este último periodo 13 Se denomina también "arrendamiento- propiedad". Los edificios son propiedad de los asociados en su conjunto, por lo que los cooperativistas no pueden comprar y vender su piso, físicamente su parte no puede ser segregada porque, en Suecia, hasta la fecha, no existe ley de propiedad horizontal que permita dividir un inmueble, sino que disfrutan del derecho a alojarse en arrendamiento en su propiedad. Cualquier ciudadano puede inscribirse en una cooperativa. Sólo tiene que abonar una cuota de entrada y una cuota mensual que puede fijar libremente el asociado que va generando una cuenta vivienda cooperativa-personal que, en función de su cuantía acumulada, sirve como puntuación para tener prioridad al acceso y elección a una vivienda. 14 Estas cifras son una estimación del Ministerio de Fomento a partir de los datos del Censo de Población y Vivienda de 2001 y los flujos de viviendas construidas, rehabilitadas y demolidas anualmente (serie: Estimación del Parque de Viviendas 2001-2010) 15 Según la definición del INE, vivienda principal es la residencia habitual de al menos una persona. 40 Análisis de la vivienda en Córdoba. Estudio econométrico expansivo ha sido frenético, se han construido casi 4,8 millones de viviendas en el periodo 2001-2010, lo que supone un ritmo de construcción en torno a 0,48 millones de viviendas más cada año. El porcentaje de viviendas principales se ha reducido desde un 94,6% en 1950 hasta el 68,7% en el 2010, lo que indica la existencia de un superávit de viviendas de los más altos de Europa. El porcentaje de uso en la vivienda en 1950 se explica por el grave déficit originado por la destrucción producida en la guerra civil y por el estancamiento del sector de la construcción en los años de la posguerra. El salto cualitativo, en cuanto número de viviendas no principales, no comienza hasta la década de los años 60 con el éxodo del campo a la ciudad y el incremento de viviendas desocupadas en las zonas rurales (91,6% de viviendas principales). Esta tendencia se mantuvo en la década de los 70 con el desarrollismo económico, que supuso un incremento en el abandono de viviendas básicamente rurales del 43,4% respecto a la década anterior, y la progresiva adquisición de segundas viviendas destinadas al ocio, al uso vacacional o turístico (incremento del 58,1%). La gráfica 2.5 ayuda a formarse una idea más precisa de la importancia que han cobrado estos fenómenos en las últimas décadas. Gráfica 2.5: Variaciones en el uso del parque de viviendas intercensales 100% 80% 60% 40% 20% 0% 1950 1960 1970 1980 1991 2001 0 0 0 0 84.769 295.475 Stock de viviendas secundarias 177.900 331.000 795.700 1.899.800 2.923.615 3.360.631 Stock de viviendas vacías 181.500 366.700 1.355.700 2.396.200 2.475.639 3.106.422 6.327.800 7.028.700 8.504.300 10.430.900 11.736.376 14.184.026 Otros tipos de vivienda Stock de viviendas principales Fuente: Censos de población y viviendas y elaboración propia. 41 Análisis de la vivienda en Córdoba. Estudio econométrico La década de los años 80 supuso un parón en el crecimiento demográfico y paralelamente, un descenso del número de viviendas construidas (40,1%). Del total, un porcentaje importante fue a la adquisición de segunda vivienda incrementando su número en un 35%, mientras que el número de viviendas desocupadas solamente se incrementó en el 3,2%. Entre 1991 y 2001, el número total de viviendas en España aumentó en más de 3,7 millones de viviendas, de las que 2,45 millones corresponden a viviendas principales. Se vuelve a producir un importante incremento de viviendas vacías (630.783 viviendas) y una fuerte disminución en el ritmo de compras de segundas viviendas, frente a las dos décadas anteriores (437.016 en esta década, frente a cifras superiores al millón en las dos anteriores) Tabla 2.3: Evolución del parque de viviendas en España Años Total de viviendas Viviendas principales Viviendas no principales Viv/1000 hab 1950 1960 1970 1980 1991 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 6.687.200 7.726.400 10.657.000 14.726.000 17.160.677 21.033.759 21.551.426 22.059.220 22.623.443 23.210.317 23.859.014 24.495.844 25.129.207 25.557.237 25.837.108 6.327.800 7.028.700 8.504.300 10.430.900 11.736.400 14.184.026 14.587.227 15.016.057 15.442.540 15.996.763 16.508.248 16.936.413 17.396.800 17.628.199 17.762.862 359.400 697.700 2.152.700 4.295.100 5.424.277 6.849.733 6.964.199 7.043.163 7180903 7.213.554 7.350.766 7.559.431 7.732.407 7.929.038 8.074.246 239 253 313 391 441 510 515 516 524 226 534 542 544 546 547 Fuente: Ministerio de Fomento, INE (Revisión Anual del Padrón Municipal) y elaboración propia. Del estudio de la última década, sólo se puede extraer el porcentaje de viviendas principales y no principales hasta que se publique el próximo censo de viviendas (posiblemente a finales de 2012). El número de viviendas no principales se incrementó en 1,2 millones de nuevas viviendas, lo que hace suponer un ligero 42 Análisis de la vivienda en Córdoba. Estudio econométrico repunte en el número de segundas viviendas, pero no con la intensidad de las décadas de los setenta y ochenta16. De la observación de la serie (tabla 2.3), aparte de analizar las variaciones en la composición de tipos de viviendas, permite comprobar la consistencia de los datos estadísticos oficiales. Dado que el número de viviendas en el momento t+1 (V2001) es el resultado de sumar al parque de viviendas del momento anterior t (V1991), la vivienda construida durante ese periodo (VC(1991,2001)), restar las viviendas derribadas (VD(1991,2001)) y añadir el saldo neto de los posibles cambios de usos entre viviendas y otro tipo de inmuebles (VCU(1991, 2001)). Quiere decir, que para el periodo intercensal (1991-2001) la operación sería: V 2001 = V 1991 + VC(1991, 2001) - VD (1991, 2001) + VCU (1991, 2001) Las viviendas construidas entre 1991 y 2001, según el censo de 2001, ascienden a 3.281.420. Por lo que despejando: V 2001 - V 1991 - VC(1991, 2001) = (- VD (1991, 2001) + VCU (1991, 2001)) 20.946.554 - 17.160.677 - 3.281.420= 504.45717 En el cálculo de estimación del número de viviendas susceptibles de ser demolidas o rehabilitadas publicadas en las notas metodológicas de "Estimación del Parque de Viviendas” de la serie 2001-2008, se estima en un 2,11% de viviendas del censo de 2001. Si se aplica la misma tasa al censo de 1991, se obtiene que el número de viviendas demolidas en torno a 362.090. Luego el número de viviendas que han debido de cambiar de uso en el periodo intercensal ascendería a: (- VD (1991, 2001) + VCU (1991, 2001)) = 362.090. 16 El gran número de segundas viviendas incorporadas al parque, en las décadas de los sesenta, setenta y ochenta (2,6 millones), hace suponer que existe importante número de padres del baby boom próximos a finalizar su ciclo vital y propietarios de inmuebles de segunda recidencia, que tendrá una repercusión importante en el mercado futuro. 17 Estos datos corresponden a INE, 1991 y 2001, por lo que difieren a su vez, con los datos del Ministerio de Fomento respecto al número de viviendas. 43 Análisis de la vivienda en Córdoba. Estudio econométrico Lo que supone que el número de viviendas que han cambiado de uso VCU(1991,2001) asciende a 866.547, cifra que no parece verosímil y que invita a pensar que existe desajuste importante en el número de viviendas entre ambos censos. Aunque la mayoría de los trabajos sobre el parque de viviendas insisten sistemáticamente en un análisis por CC.AA. como entes uniformes, la realidad de los datos demuestran que esta simplificación no representa una imagen de la situación, por la existencia de importantes variaciones intrarregionales dentro de las propias comunidades autónomas. Hemos creído oportuno realizar el análisis a nivel provincial para dar un perfil más exacto de la realidad. “La mayoría de los 14,5 millones de viviendas incorporadas (en términos netos) ese durante medio siglo se localiza en una reducida parte del territorio español. Tres provincias18 han construido un tercio del aumento del stock nacional de viviendas; ocho una mitad y 15 en más de dos tercios” (Carreras y Tafunell, 2005). Gráfica 2.6: Construcción de viviendas protegidas y libres. Obras iniciadas (1970-2009) 800.000 600.000 400.000 200.000 0 Fuente: Banco de España y elaboración propia Como puede observarse en la gráfica 2.6, la construcción anual de viviendas en España ha sido espectacular. Para comprender mejor este proceso se analiza, a continuación, la evolución del parque de viviendas, por provincias, entre 1991 y 2009. El crecimiento intercensal entre 1991-2001 en la construcción de nuevas viviendas ha sido dispar entre las diferentes provincias. Las que han padecido un estancamiento o declive demográfico como Zamora, Ourense o Teruel han tenido 18 Madrid, Barcelona y Málaga. 44 Análisis de la vivienda en Córdoba. Estudio econométrico crecimientos inferiores al 5%, mientras provincias como Las Palmas muestra un crecimiento del 53,9%, que duplica el incremento del conjunto del país. Sin embargo, esta diferencia agregada, esconde, según la tipología de viviendas consideradas, importantes variaciones que son muy marcadas en el caso de viviendas secundarias y vacías. El mapa 2.1 recoge los incrementos provinciales del parque de viviendas familiares (formado por principales, secundarias y vacías), agrupando los incrementos entre 1991 y 2001 en cuatro grandes grupos. El primero, aquellas provincias que han experimentado un incremento inferior al 15% en su parque, estas provincias coinciden con zonas del interior peninsular que han sufrido una progresiva despoblación y envejecimiento. Pero también, en este grupo, aparecen provincias antes dinámicas y fuertemente industrializadas, como Asturias (13,1%) y muy especialmente Vizcaya con sólo un 10,6%; es decir, la mitad del crecimiento medio a nivel nacional. En un segundo grupo, compuesto por veintiuna provincias, se encuentran aquellas que están en la media o ligeramente inferior (15%- 21%). En este grupo se pueden citar algunas provincias altamente pobladas como: Zaragoza (15,3%), Coruña (17,1%), Valencia (17,6%), Barcelona (19,2%), o Baleares (20,8%), pero también, provincias como Córdoba, con una variación del 19,6%. Mapa 2.1: Variación porcentual del parque de viviendas según provincias. 1991-2001. Variación media 22,6% Fuente: Censo de Población y Viviendas de 1991-2001 de INE y elaboración propia. 45 Análisis de la vivienda en Córdoba. Estudio econométrico El tercer grupo está formado por provincias con un crecimiento ligeramente superior a la media (21%-27%), que se sitúan mayoritariamente en el arco mediterráneo y en una franja en el centro de la península, formada por las provincias de Cáceres (24,1%), Toledo (26,6%) y Guadalajara (25,7%). También aparecen provincias del norte como: La Rioja (21,8%) y Cantabria (25,9%), esta última situada entre dos provincias Asturias y Vizcaya con un lento crecimiento en su parque de viviendas. Por último, en un cuarto grupo se encuentran provincias con un incremento muy superior a la media. En este grupo vuelven a aparecer provincias turísticas como Alicante (27,2%) y Cádiz (27,3%). Finalmente, se refleja también el crecimiento de la provincia de Madrid, con un notable 27,9%, y especial mención, a la citada provincia de Las Palmas, que incrementó su parque en un 53,9% durante este periodo. Mapa 2.2: Proporción de edificaciones construidas en el periodo 2001-2009 Variación media 21,5% <17,2% 17,2% a 23,7% 23,7 % a 21,4% 27,3% a 23,7% > 27,3 % Sin datos Fuente: Ministerio de Fomento. Atlas Digital de las Áreas Urbanas, elaboración propia Si analizamos el período 2001-2009, también por provincias (mapa 2.2), se observa que el mayor crecimiento sigue situándose en el arco mediterráneo, destacando especialmente Almería, Málaga y Alicante; por porcentajes superiores al 30% de nuevas viviendas. En Málaga se construyó en este período 315.575 viviendas y en Alicante 283.645 viviendas. Otras provincias que experimentaron un amplio 46 Análisis de la vivienda en Córdoba. Estudio econométrico crecimiento fueron: Madrid, las provincias limítrofes a la capital, el triángulo formado por Sevilla, Huelva y Cádiz y las comunidades de Cantabria y La Rioja. Las provincias menos afectadas por boom inmobiliario, en este período, siguen siendo aquellas en proceso de despoblación, ocupando el último lugar la provincia de Cuenca (10,3%) con tan sólo 19.139 viviendas y un ritmo inferior a las dos décadas anteriores. 2.4.2. ANTIGÜEDAD Y ESTADO DE CONSERVACIÓN EN ESPAÑA El parque de viviendas español, con una antigüedad media de 34,4 años, es relativamente moderno en comparación con el resto de los países de la Unión Europea. Aquellas zonas que experimentaron un mayor boom constructivo son las que tiene el parque más moderno, como: Málaga con una edad media de 27,1 años, pero también, Murcia, Cádiz, Sevilla, Las Palmas y Toledo, todas ellas con menos de 30 años de antigüedad. Por su distribución geográfica, la mayoría de estas provincias se sitúan en un triángulo que tiene por vértices Madrid, Huelva y el levante español. Mapa 2.3: Antigüedad del parque de viviendas según provincias. Antigüedad media 34,4 años Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, 2007), elaboración propia 47 Análisis de la vivienda en Córdoba. Estudio econométrico La mitad norte tiene el parque más antiguo coincidiendo, en su mayoría, con las provincias que han mantenido un menor ritmo constructor desde 1980 hasta la actualidad; con la citada excepción de Cantabria y La Rioja que tuvieron un ritmo de construcción oscilante en la últimas tres décadas. Teruel es la provincia con el parque más antiguo con 51,2 años, seguida de Soria (47,3 años) y Guipúzcoa (47,1 años). En términos absolutos, existe un gran volumen de viviendas construidas en el decenio de los 60 (3,7 millones), y muy especialmente, en la década de los setenta con 5 millones de viviendas familiares. Así, estos veinte años se produjo una enorme aportación al stock actual, en relación a la construcción de los decenios anteriores y posteriores. Pero al estudiar los datos estadísticos de los censos de 1991 y 2001, se observan incongruencias en el número de viviendas construidas en las mismas décadas (grafica 2.7) que vuelven a corroborar la debilidad de nuestros datos estadísticos. Puesto que sería lógico que entre un censo y el siguiente haya menos viviendas de décadas pasadas, y lo natural es que alguna vivienda se derribe para construir otras nuevas, y los posibles cambios de usos siempre suelen ser insignificantes. Gráfica 2.7: Viviendas familiares según periodo de construcción. Fuente: INE (1991, 2001) y elaboración propia. En la década de los ochenta, la construcción vivió una severa crisis, repuntando en los noventa con 3,39 millones de viviendas hasta alcanzar un notable boom en los primeros años del 2000 hasta el segundo semestre de 2007. 48 Análisis de la vivienda en Córdoba. Estudio econométrico Teniendo en cuenta que un edificio se considera amortizado a los 90 años, los datos nos indican que en los próximos años, alrededor de 2 millones de viviendas deben de ser sustituidas por otras edificaciones nuevas. Pero además, podría cifrarse entre un mínimo de 1,5 millones y un máximo de 3,8 millones, los inmuebles que deberán ser reemplazados o rehabilitados en los próximos años al haber sido construidos entre 1921 y 1960 que, probablemente, tienen grandes deficiencias, básicamente de disponibilidad de ascensor y otros tipos de servicios considerados ahora básicos. Si suponemos un máximo de tasa de amortización del 10%, podemos intuir que entre 150.000 y 380.000 viviendas deben de ser rehabilitadas en los próximos años y considerarse en la oferta de rehabilitación de vivienda. Existe, también, un importante volumen de viviendas construidas en la década de los años sesenta (3,7 millones) que necesitarán, seguramente, transformaciones de cierta relevancia19 por la escasa calidad de un gran porcentaje de estas construcciones, pensadas principalmente para dar cobijo a las clases obreras procedentes de la inmigración interior del campo a la ciudad. Tabla 2.4: Viviendas familiares según periodo de construcción. Censo 2001 Antes 1920 España 1921-1960 1961-1970 1971-1980 1981-1990 1991-2001 Total 2.058.088 3.896.623 3.694.967 5.003.676 2.893.248 3.396.808 20.943.411 237.981 551.093 572.402 900.809 608.917 657.886 3.529.088 Aragón 96.992 128.674 107.635 126.569 95.019 99.556 654.445 Asturias 78.566 112.706 93.860 104.607 57.989 75.796 523.524 Baleares 55.012 96.269 82.452 126.824 79.111 62.124 501.793 Canarias 44.993 154.276 147.004 217.967 138.369 148.707 851.317 Cantabria 43.331 56.799 44.722 49.836 35.434 54.101 284.224 Castilla y León 197.332 310.163 224.498 280.242 207.409 229.694 1.449.337 C.-La Mancha 99.942 192.203 129.360 204.360 172.390 187.750 986.006 Cataluña 391.912 629.411 652.574 842.034 337.050 461.092 3.314.073 C. Valenciana 198.756 471.686 464.176 667.645 345.403 400.060 2.547.727 Extremadura 80.619 132.475 64.412 98.732 91.361 106.163 573.763 Andalucía 19 Se debe distinguir entre conservación: concepto que supone una adecuada técnica de mantenimiento de los edificios y su entorno, y rehabilitación: se dirige intentar recuperar lo ya degradado. Se trata de volver a hacer habitable un espacio deteriorado. 49 Análisis de la vivienda en Córdoba. Estudio econométrico Galicia 179.857 237.793 193.024 284.577 195.006 217.877 1.308.134 Madrid 121.200 439.460 544.857 672.454 300.699 399.355 2.478.024 Murcia 34.752 91.576 92.844 144.736 114.354 114.311 592.572 Navarra 39.494 42.573 49.107 50.437 27.812 49.256 258.679 122.942 204.798 208.495 188.806 66.212 98.296 889.551 29.063 28.916 20.131 36.339 15.810 25.671 155.931 1.148 15.752 5.925 4.906 4.921 3.413 6.701 País Vasco Rioja Ceuta y Melilla Fuente: INE (2001) y elaboración propia. A nivel andaluz se puede observar la existencia de un parque más moderno que la media nacional, puesto que el número de viviendas construidas antes de 1960, asciende a 789.074, lo que supone un 22,4% sobre el total de las viviendas censadas, porcentaje inferior al del estado (28,4%). En posteriores décadas los porcentajes de viviendas construidas también son favorables a Andalucía (gráfica 2.8). Gráfica 2.8: Viviendas familiares por comunidad autónoma, según periodo de construcción. Fuente: INE (1991, 2001) y elaboración propia. El estado de conservación de las viviendas españolas es el general bueno, alrededor del 90% del total presentan un estado calificado como bueno20 y sólo el 20 El estado de la vivienda se califica como: - Ruinoso: cuando el edificio se encuentra en alguna de las siguientes situaciones: se encuentra apuntalado, se está tramitando la declaración oficial de ruina o existe declaración oficial de ruina. - Malo: cuando el edificio se encuentra en una o en varias de las siguientes situaciones: existen grietas acusadas o abombamientos en alguna de sus fachadas, hay hundimientos o falta de horizontalidad en techos o suelos o se aprecia que ha cedido la sustentación del edificio (por 50 Análisis de la vivienda en Córdoba. Estudio econométrico 2,8% es calificado como ruinoso o malo. Las viviendas vacías presentan un peor estado de conservación, ya que el porcentaje de buena conservación disminuye al 81% y el 12% de las viviendas deben ser rehabilitadas. Gráfica 2.9: Estado de conservación de las viviendas 100% 80% 60% 90% 91% 81% 92% 40% 20% 0% TOTAL Principales Secundarias Ruinoso Malo Deficiente Vacías Bueno Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, 2007), elaboración propia 2.4.3. SITUACIÓN DE TENENCIA DE LA VIVIENDA HABITUAL La propiedad es lo que caracteriza a los hogares españoles respecto a su vivienda en el último período histórico, con un 82,16%. “Esta situación se ha agudizado en los últimos años debido a una fuerte expansión de la demanda de vivienda en propiedad, debido a una coyuntura de crecimiento estable económico, caracterizada por un aumento en la renta disponible de las familias, una bajada del paro, pero sobre todo, al descenso continuado experimentado por unos tipos de interés del mercado hipotecario” (García Montalvo, 2003). Desde el punto de vista demográfico se ha producido un aumento en el número de hogares fundamentado en varias causas: aumento de la población en las últimas décadas principalmente por la inmigración y cambio sociológico en las pautas de formación de hogares, que ha supuesto que los nuevos hogares tengan menor ejemplo porque los peldaños de la escalera presentan una inclinación sospechosa). - Deficiente: cuando el edificio presenta alguna de las circunstancias siguientes: tiene las bajadas de lluvias o la evacuación de aguas residuales en mal estado, hay humedades en la parte baja del edificio o tiene filtraciones en los tejados o cubiertas. - Bueno: cuando el edificio no presenta ninguna de las circunstancias indicadas para los estados ruinoso, malo y deficiente. 51 Análisis de la vivienda en Córdoba. Estudio econométrico número de miembros. Asimismo, la política fiscal practicada en España, similar a otros países europeos, ha favorecido de forma persistente la inversión en vivienda habitual en propiedad, en detrimento del alquiler21. A esta circunstancia hay que unir, en estos años, una fuerte reducción de la oferta de vivienda de protección oficial, tanto de promociones privadas, como públicas. “Estas circunstancias han favorecido, a partir del año 1998, una escalada de precios en el mercado de la vivienda en España” (García Montalvo, 2003). Mapa 2.4: Porcentaje de viviendas en propiedad de los hogares según provincias. Censo 2001. Media nacional: 82,16 % Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, 2007) y elaboración propia A nivel nacional, la situación de tenencia de las viviendas familiares es bastante homogénea entre provincias. Sólo las provincias insulares mantienen porcentajes de vivienda en propiedad claramente por debajo de la media (<75%), debido al aumento de la presión urbanística, los altos precios que provocaron una reducción de la accesibilidad a la vivienda y altos porcentajes de población inmigrante. A este grupo hay que sumar las provincias gallegas que también están por debajo de la media nacional (75%-81%), pero por razones socioculturales y de estructura de la 21 Banco Central Europeo (B.C.E. 2003). 52 Análisis de la vivienda en Córdoba. Estudio econométrico propiedad rural, donde es habitual la cesión y uso a bajo precio de la vivienda, con porcentajes por encima del 12%, que duplica la proporción de hogares en alquiler. La provincias de Barcelona, Girona y Cádiz tienen un número relativamente alto de viviendas en alquiler, alcanzando Barcelona el 17,77%, en todo caso, superior a la media nacional que tan sólo alcanza un pobre 11,38%. En el otro extremo, un gran numero viviendas familiares pertenecientes a las comunidades de Castilla-León, Castilla-La Mancha, La Rioja, Cantabria, País Vasco, Andalucía (a excepción de Cádiz) o Levante tienen un alto número de viviendas en propiedad, con porcentajes entre el 80-87%. Las provincias vascas y Navarra son los territorios con mayor número de domicilios familiares en propiedad, superando ampliamente la media nacional. 2.4.4. SUPERFICIE Las dimensiones de las residencias principales convencionales22 (tabla 2.5) más habituales están comprendidas entre los 76 y 90 m² (29,3%). También tiene una proporción importante las viviendas con una superficie de entre 61- 75 m² (18,7%) y de 91 a 105 m², con el 16,1% del total. En síntesis, la mayor parte de la viviendas principales (más de dos tercios del total) mantienen dimensiones medias que oscilan entre los 61 y los 105 m². Las otras categorías de viviendas menores de 60 m² o mayores de 120 m² tienen porcentajes muy inferiores. Finalmente, una última caracterización se realiza a partir del cruce entre antigüedad y el tamaño de las viviendas. Esta consideración permite deducir la tipología de las viviendas construidas en las últimas décadas. En los años 80 se construyeron cerca de millón y medio de viviendas nuevas, menos que la década anterior, y de estas, cerca del 80% tenían una superficie comprendida entre 61 y 105 m². 22 No se incluyen alojamientos 53 Análisis de la vivienda en Córdoba. Estudio econométrico A partir de los noventa se recupera en todos los segmentos, pero especialmente la construcción de inmuebles más pequeños (un incremento del 23,6%), frente a un menor aumento de viviendas medianas y mayores. Tabla 2.5: Superficie útil de las viviendas principales por autonomías (número de viviendas) TOTAL España 14.184.026 Andalucía Hasta 45 m2 46-60 m2 76-90 m2 91-105 m2 106-120 m2 Más 150 m2 483.427 1.527.792 2.652.889 4.162.623 2.276.807 1.315.680 1.764.808 2.415.143 90.612 227.417 Aragón 443.205 10.794 Asturias 389.310 17.370 Baleares 305.431 Canarias Cantabria Castilla y León Castilla-La Mancha 61-75 m2 451.038 712.814 398.666 229.954 304.642 55.485 96.482 131.207 62.441 37.082 49.714 61.273 104.517 117.160 46.266 19.321 23.403 9.207 17.529 29.221 74.653 66.752 45.161 62.908 552.351 31.128 54.533 93.663 151.016 94.975 56.064 70.972 182.645 5.421 24.704 38.100 49.376 29.354 14.398 21.292 889.197 21.239 83.750 167.225 269.442 146.824 88.839 111.878 610.227 11.282 34.363 64.212 183.199 119.473 82.867 114.831 Cataluña 2.315.774 76.720 319.027 537.459 629.810 326.275 170.157 256.326 C. Valenciana 1.492.744 19.845 80.508 186.590 510.208 283.156 189.545 222.892 366.893 9.614 25.987 45.939 129.976 67.298 40.213 47.866 Extremadura Galicia 900.376 23.974 74.127 123.524 263.822 180.130 108.284 126.515 Madrid 1.873.671 125.474 317.225 426.005 447.273 231.273 115.034 211.387 Murcia 378.211 5.124 15.676 30.585 151.307 82.016 46.083 47.420 Navarra 188.730 2.535 9.318 28.949 72.945 29.912 19.091 25.980 País Vasco 741.399 15.638 113.061 206.864 219.826 90.795 40.850 54.365 Rioja 101.439 1.684 7.477 15.230 40.352 16.420 10.532 9.744 Ceuta 19.397 3.174 3.583 4.162 3.864 2.473 1.061 1.080 Melilla 17.883 2.592 2.749 3.124 4.373 2.308 1.144 1.593 Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, julio 2007) y elaboración propia Los últimos estudios existentes sobre el tamaño de la vivienda en España se realizaron durante los años 2004 y 2005, aunque no han tenido continuidad con posterioridad. Es un estudio estadístico descriptivo realizado por el antiguo Ministerio de Vivienda sobre información proporcionada por ATASA23, doy como resultado una tipología de vivienda con una superficie media de 128,6 m2/construidos para la vivienda libre de nueva construcción y 123,2 m2 / construidos para la usada. Mientras 23 Asociación Profesional de Sociedades de Valoración. Este estudio tiene en cuenta si la vivienda es libre o protegida y dentro de la vivienda libre, si tiene más de los años (segunda mano) o hasta dos años de antigüedad (obra nueva), aunque estos estudios no tuvieron continuidad y se refieren a viviendas tasadas en compra-venta. 54 Análisis de la vivienda en Córdoba. Estudio econométrico que para la vivienda protegida la dimensión ascendía a 94,1 m2 Tabla 2.6: Distribución de la superficie de las viviendas en España Tipo de vivienda Superficie media de la vivienda Vivienda libre de nueva construcción Vivienda libre de segunda mano Vivienda protegida Media 124,5 128, 6 123,2 94,1 Mediana 105,3 109,8 103,9 96,0 Fuente: Ministerio de Fomento. Encuestas y Estudios; encuesta (2005). 2.5. EL PARQUE DE VIVIENDAS EN CÓRDOBA (CAPITAL) No existen estadísticas oficiales sobre el número de viviendas que actualmente posee la capital de Córdoba. Los datos existentes tienen una desagregación territorial por provincia, además son datos indirectos calculados a partir del Censo del 2001. La Dirección General del Catastro pública estadísticas sobre el número de bienes inmuebles residenciales que ascendería a 135.793 viviendas, cifra que no encaja con el volumen constructor de la provincia (13,6%) en el último periodo (2001-2009) publicado por el Ministerio de Fomento. Para hacer análisis del parque cordobés nos vamos a centrar en el último censo, que aunque presenta deficiencias, puede dar una imagen bastante aproximada de las características. Córdoba tenía 130.563 viviendas, según el Censo de Población y Vivienda de 2001, de las cuales 100.778 eran viviendas principales (77,2%), proporción superior a la media nacional y de la comunidad autónoma y en consecuencia, una menor proporción viviendas no principales, el 22,8% frente al 31,5% nacional y el 30,2% andaluz. Este menor peso de la vivienda no principal es consecuencia de que esta ciudad no tiene una clara vocación turística, que repercutiría en la existencia un parque de vivienda vacacional. Además existe un flujo inmigratorio ligeramente positivo, por lo que no se produce un cambio en el uso de vivienda principal a una 55 Análisis de la vivienda en Córdoba. Estudio econométrico segunda vivienda o vivienda vacía, como ocurre en zonas geográficas del interior de la península, o dentro de la propia provincia de cordobesa, en localidades con crecimiento demográfico negativo. El último censo muestra que se está produciendo un ligero incremento en el número de viviendas secundarias pasando del 6,5% en 1981 a un 8,8% en el censo de 2001. Por el contrario, el número de viviendas vacías o desocupadas ha perdido peso de forma significativa; desde un 18,2% al 12,6% en el mismo periodo, fundamentalmente en la década de los ochenta. El incremento de la segunda vivienda está relacionado con la existencia de núcleos de parcelaciones que a lo largo de esas dos décadas han proliferado en nuestra Sierra y en el Valle del Guadalquivir24. Gráfica 2.10: Tipos de viviendas por destino. Distribución porcentual 100% 80% 18,2 17,1 17,3 6,5 11,5 12,7 75,3 71,4 70,0 Córdoba Andalucía España 0,3 12,7 7,8 0,7 14,4 0,4 14,4 16,3 17,0 68,6 68,2 1,5 12,6 8,8 1,8 14,5 1,6 13,9 14,0 16,0 77,2 69,8 68,5 Córdoba Andalucia España 60% 40% 79,3 20% 0% Córdoba 1981 Viviendas principales Andalucía España 1991 Secundarias 2001 Desocupadas Otras formas Fuente: Censo de Viviendas y censos de Población y Viviendas 1991 y 2001 y elaboración propia. El volumen constructor de la ciudad ha tenido un proceso menos intenso al compararlo que el autonómico y el nacional. Éste menor ritmo constructor sucedió básicamente en el decenio de los ochenta, donde el incremento de viviendas fue tan sólo del 12,4%, frente al 22,8% de Andalucía y el 16,8% nacional. En la década de los noventa esta tendencia se corrige hasta igualar el ritmo de creación de viviendas a nivel nacional, para volver a bajar el crecimiento en el periodo 2001-2009 respecto de la media (13,6%, frente al 26,1% de Andalucía y el 21,5% de España). 24 Según el INE, el 25,84% Hogares que disponen de segunda en Córdoba lo tienen en este municipio. (Censo 2001). 56 Análisis de la vivienda en Córdoba. Estudio econométrico La ciudad, a efectos de análisis por el Instituto Nacional de Estadística, está dividida en diez distritos censales agrupados por barriadas tradicionales con proximidad geográfica y sin uniformidad en el volumen de población. Esta situación provoca disparidad en cuanto al número de viviendas de los respectivos distritos. Del total, cinco: Zona Norte y Nordeste, Zona de Levante, Fuensanta-Cañero, Zona Norte y Noroeste, Zona Sur, Zona Poniente, suman alrededor del 80% de las viviendas familiares del municipio, mientras el resto tienen un escaso número y en consecuencia de habitantes. Estos son los distritos de Santa Marina-San Pablo- San Andrés con 1.131 viviendas, San Lorenzo- La Magdalena- Golondrina con 1959 viviendas y San Pedro-San Francisco-Rivera con 1386 viviendas. Los distritos censales están formados por las barriadas: 1. Norte y Nordeste: formado por las barriadas del Brillante (este a la Avenida del Brillante), Barriada del Naranjo, Camping, Santa Rosa, Valdeolleros, Molinos Alta, Santa Marina, San Cayetano, Zumbacón, Polígono Industrial de Chinales y Polígono Industrial de Pedroches. 2. Levante: formado por San Lorenzo (parte), Viñuela-Rescatado, Levante y Fátima. 3. San Pablo-San Andrés. 4. San Lorenzo-La Magdalena-Golondrina. 5. Fuensanta-Cañero: formado por las barriadas de la Magdalena (parte), Arcángel, Fuensanta, Santuario, Cañero, Parque Fidiana y Polígono del Granadal 6. Norte y Noroeste: formado por las barriadas del Brillante, oeste a la Avenida del Brillante, Arruzafilla, San Rafael de la Albaida, Parque Figueroa, Las Moreras, Huerta de la Reina, Cercadillas, Las Margaritas, Colonia de la Paz, Arroyo del Moro, Santa Isabel, Miralbaida, Electromecánicas y Las Palmeras. 7. Centro - Catedral- Zona Comercial: formado por zona Centro (oeste y entorno de la plaza de las Tendillas) y Mezquita-Catedral. 8. San Pedro- San Francisco-Ribera: formado zona oeste de la Mezquita-Catedral, San Francisco, San Pedro y la Ribera. 9. Zona Sur: formado por la barriadas de Polígono del Guadalquivir, Sector Sur, Barriada de Fray Albino, Campo de la Verdad y Barriada de Miraflores, Vaticano, San Basilio, Mezquita-Catedral (sur) y Ribera (oeste). 57 Análisis de la vivienda en Córdoba. Estudio econométrico 10. Poniente: formado por la barriadas de Parque Azahara, Olivos Borrachos, Las Delicias, Ciudad Jardín, Vista Alegre, Huerta de la Marquesa (Zoco), Parque Cruz Conde Corregidor. Figura 2.1: Distritos Censales de Córdoba Fuente: Ayuntamiento de Córdoba (2009) 58 Análisis de la vivienda en Córdoba. Estudio econométrico Por su parte, el Ayuntamiento de Córdoba ha dividido la ciudad en once zonas vecinales (Centro, Levante, Norte-Centro, Periurbano-Este, Periurbano-Oeste, Poniente-Norte, Poniente-Sur, Sierra-Norte, Sur, Sureste, Polígonos Industriales). Esta división municipal, es más homogénea, aunque siguen existiendo importantes diferencias en volumen de viviendas. En la gráfica 2.11 se presenta la distribución porcentual de las viviendas que tienen los distritos censales, sobre la totalidad del parque de viviendas familiares25 existentes en la ciudad Gráfica 2.11: Distribución de las viviendas principales por distritos censales (porcentual) 8. San PedroSan Francisco Ribera 1,5% 10. Zona Poniente 19,9% 9. Zona Sur 13,8% 7. Zona Centro - CatedralZona comercial 2,3% 6. Zona Norte y Noroeste 17,7% 1. Zona Norte y Nordeste 12,3% 2. Zona de Levante 18,3% 3. Santa Marina -San Pablo San Andrés 1,1% 5. Fuensanta Cañero 11,3% 4. San Lorenzo -La Magdalena Golondrina 1,9% Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, 2007) y elaboración propia 2.5.1. ANTIGÜEDAD Y ESTADO DEL PARQUE. Aunque Córdoba es una ciudad histórica, más del 80% de las viviendas cordobesas fueron construidas con posterioridad al año 1961. Esto implica que es un parque relativamente nuevo, con una media de 29,12 años26 con respecto a la media del estado (34,35 años). El grueso de la intensidad constructiva se desarrolló en la 25 Según el censo de Población y Vivienda la cifra de “Todas las viviendas familiares” en la ciudad de Córdoba asciende a 130.563, que está formado por viviendas familiares principales 100.778, viviendas secundarias 11.434, viviendas vacías y otro tipo de viviendas (no entran dentro de las categorías anteriores) 1.922. Para determinar los indicadores de habitabilidad de las viviendas de la ciudad, se ha utilizado el número de viviendas familiares totales, pero las variables sobre “Problemas de viviendas”, “Regímenes de tenencia” y “otros datos de la vivienda” sólo se obtiene sobre la base de viviendas familiares principales. 26 El año base de antigüedad se refiere respecto al año 2010. 59 Análisis de la vivienda en Córdoba. Estudio econométrico década de los sesenta y setenta, esta situación no es singular para la capital cordobesa, al contrario, es una dinámica que se desarrolló en el resto del territorio nacional para dar solución a las nuevas necesidades de las ciudades y la escasez de viviendas disponibles en los decenios anteriores. Gráfica 2.12: Porcentaje de viviendas familiares según un periodo de construcción. antes 1940 6% 1991-2001 17% 1941-1960 14% 1981-1990 14% 1961-1970 23% 1971-1980 26% Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, 2007) y elaboración propia Pero el hecho de ser una ciudad monumental también se refleja en la proporción de viviendas edificadas con anterioridad a 1940. Distritos como San Pedro-San Francisco-Ribera, Santa Marina-San Pablo-San Andrés o Zona CentroCatedral-Comercial, tienen en porcentajes del 20% de esta antigüedad. En el otro extremo se encuentran las nuevas zonas de expansión urbana entre las que podamos citar: Poniente, Norte-Nordeste y Levante, con pocas edificaciones anteriores a 1940 y altos porcentajes de construcciones posteriores a 1970, 1980 y 1990. Tabla 2.7: Viviendas familiares, por distritos censales, según periodo de construcción. TOTAL Córdoba Antes de 1940 130.563 19411960 19611970 19711980 19811990 19912001 No es aplicable 7.532 17.746 30.163 33.883 18.654 21.953 632 1. Norte y Nordeste 16.091 587 1.514 4.437 5.371 2.190 1.923 69 2. Levante 23.940 1.056 984 6.487 9.417 3.631 2.325 40 1.466 294 139 323 276 217 205 12 3. Santa Marina-San Pablo-San Andrés 4. San Lorenzo-La Magdalena-Golondrina 5. Fuensanta-Cañero 2.432 396 233 130 813 483 366 11 14.727 1.554 2.849 1.708 5.015 1.647 1.929 25 6. Norte y Noroeste 23.074 1.016 1.674 5.125 4.984 3.960 6.148 167 7. Centro - CatedralZona comercial 2.964 574 290 550 776 469 184 121 60 Análisis de la vivienda en Córdoba. Estudio econométrico TOTAL Antes de 1940 19411960 19611970 19711980 19811990 19912001 No es aplicable 8. San Pedro- San Francisco - Ribera 9. Zona Sur 1.938 525 268 301 320 110 395 19 17.963 936 6.262 5.016 1.515 1.887 2.279 68 10. Poniente 25.968 594 3.533 6.086 5.396 4.060 6.199 100 Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, julio 2007) y elaboración propia. Como caso particular, se cita la Zona Sur con una característica específica: un bajo porcentaje de construcciones anteriores a 1940, pero también, menor proporción de viviendas construidas con posterioridad a 1970, porcentaje menor incluso que los distritos históricos, donde se aprecia un proceso de actualización y modernización. La tipología de la Zona Sur se debe a sus orígenes; es decir, viviendas sociales construidas en época de posguerra por un lado, y de otro, reorientación de la expansión poblacional de la ciudad en periodos posteriores hacia el norte del río Guadalquivir; a grandes rasgos de la siguiente forma: clase de mayores recursos al norte, clase media al oeste-noroeste y clases más populares en el este. Gráfica 2.13: Porcentaje de viviendas familiares según un periodo de construcción y distritos. 100% 80% 60% 40% 20% 0% Antes de 1940 1941-1960 1961-1970 1971-1980 1981-1990 1991-2001 No es aplicable Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, 2007) y elaboración propia. 2.5.2. SITUACIÓN DE TENENCIA DE LA VIVIENDA HABITUAL 61 Análisis de la vivienda en Córdoba. Estudio econométrico Desde la segunda mitad del siglo XX se viene produciendo, tanto a nivel nacional como a nivel local, un progresivo aumento del número de viviendas habituales en propiedad hasta situarse en el 85,7%, cinco puntos más que en el año 1991 y una proporción de propietarios superior a media nacional (82,2%) y andaluza (82,7%). La proporción de propietarios es muy heterogénea en el término municipal, distinguiéndose importantes diferencias de hasta dieciséis puntos entre los diferentes distritos censales. En efecto, distritos como San Pedro-San Francisco-Ribera o Zona Catedral tienen porcentajes de propietarios entorno al 74% y la existencia de mayor número de viviendas en alquiler (en torno a la quinta parte del parque de viviendas de los distritos), que muestra la presencia todavía de viviendas con tipología tradicional cordobesa (patios cordobeses). También tiene un escaso porcentaje de propietarios, en comparación con la media local, el distrito Norte y Noroeste (76,6% de propietarios), siendo un área de relativamente nueva urbanización. Aunque no debe olvidarse la ubicación, en el distrito Norte, de la barriada de las Margaritas, formada por viviendas de protección oficial en régimen de alquiler. Los distritos formados por barriadas populares, como Levante (90,7%), Fuensanta-Cañero (91,5%) o Poniente (88,1%) tienen, porcentualmente, el mayor número de viviendas habituales en propiedad. Al observar los propietarios con deuda pendiente, se comprueba que en la capital cordobesa tiene la mayor parte de las viviendas totalmente pagadas, tan sólo un 28,2% tiene pagos pendientes, algo superior a la media andaluza (22,1%) y nacional (22,8%)27. Esta mayor proporción de hogares con deudas pendientes hace que Córdoba sea más vulnerable ante la variación de intereses hipotecarios e incremento de paro, pero también se afirmar que a su vez, que puede ser una de las razones por las que no se esté realizando un rápido ajuste de precios en el mercado de la vivienda a pesar de la paralización del mercado. 27 Nótese que estos porcentajes se refieren a porcentaje sobre el total de viviendas principales, no sobre el total de viviendas en propiedad . 62 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 2.8: Régimen de tenencia (detalle). Distribución por distritos censales (%) Total Propiedad: totalmente pagada Propiedad: con pagos pendientes Propiedad: herencia o donación En alquiler Cedida gratis o a bajo precio Otra forma Córdoba 100.778 55,2% 28,2% 2,4% 10,2% 2,2% 1,9% 1. Norte y Nordeste 12.706 57,7% 27,1% 2,5% 8,4% 2,3% 2,1% 2. Levante 19.612 61,3% 27,6% 1,8% 5,9% 1,8% 1,6% 3. Santa Marina -San Pablo - San Andrés 1.131 49,9% 31,6% 2,8% 11,1% 2,0% 2,7% 4. San Lorenzo -La Magdalena-Golondrina 1.959 57,8% 23,9% 1,8% 13,3% 1,9% 1,3% 5. Fuensanta - Cañero 12.488 59,2% 29,9% 2,4% 5,4% 1,6% 1,5% 6. Norte y Noroeste 17.286 46,4% 28,3% 1,9% 19,2% 2,4% 1,9% 7. Centro - CatedralZona comercial 1.941 51,3% 17,7% 5,5% 16,6% 4,6% 4,3% 8. San Pedro- San Francisco - Ribera 1.386 43,7% 25,5% 5,0% 20,0% 3,2% 2,7% 9. Zona Sur 14.080 51,6% 29,1% 2,7% 12,0% 2,4% 2,2% 10. Poniente 18.189 56,4% 29,2% 2,5% 7,6% 2,1% 2,1% Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, julio 2007) y elaboración propia La tabla 2.8 muestra que las zonas de Levante, Fuensanta-Cañero, San Lorenzo-La Magdalena-Golondrina, Norte, Noreste y Poniente poseen la mayor proporción de viviendas principales pendientes de pago. Frente a estos distritos como San Pedro-San Francisco-Ribera solamente tiene un 17,7% del total de viviendas pendientes de pago. Es significativo el escaso número de viviendas principales en propiedad mediante la fórmula de herencia o donación, que presenta la ciudad de Córdoba, con tan sólo un 2,4%, frente a porcentajes en torno al 8% andaluz y español, derivado, de la juventud del propio parque que se ha citado. 2.5.3. SUPERFICIE La superficie media útil de las viviendas principales de Córdoba es de 88,19 m², inferior a la media andaluza y española con 93,48 m² y 93,34 m² respectivamente. 63 Análisis de la vivienda en Córdoba. Estudio econométrico La vivienda principal más habitual en la capital tiene una dimensión entre 61 y 75 m², pero también es frecuente los inmuebles entre los 75 y 90 m2 (ambos rangos en torno al 26%). Para viviendas de superficies mayores, el rango se sitúa entre los 91-105 m² con un porcentaje de tan sólo el 13,6%, frente al 25% de la media nacional. En conclusión, existe un sesgo hacia los tramos de menor superficie de las viviendas en la capital cordobesa, con respecto a las viviendas del resto del territorio nacional y autonómico. Gráfica 2.14: Distribución de las viviendas por superficie útil (%). 29,3 29,5 30% 25,8 26,1 18,7 18,7 20% 16,1 16,5 13,6 15,1 10,8 9,4 10% 9,3 9,5 6,7 3,4 3,8 2,5 6,5 6,8 5,1 6,0 5,8 5,1 0% < 45 m2 46-60 m2 61-75 m2 España 76-90 m2 91-105 m2 Andalucía 106-120 m2 121-150 m2 > 150 m2 Córdoba Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, julio 2007) y elaboración propia Si el tamaño que predomina en la mayor parte de los distritos son anteriormente mencionados 61-75 m² y 76-90 m², algunas zonas escapan a este patrón derivadas tipologías distintas de vivienda, fruto de su origen y evolución histórica que debe estar presente a la hora realizar este análisis. 1. Zona Centro-Catedral-zona comercial, el rango más predominante está formado por viviendas de más de 150 m². Es más, las viviendas de más de 106 m² son casi la mitad de las viviendas de este distrito. 2. Los distritos de San Pedro-San Francisco-Ribera tienen un importante número de viviendas menores de 60 m2, al igual que Santa Marina-San Pablo-San Andrés, aunque en menor proporción. También poseen un importante 64 Análisis de la vivienda en Córdoba. Estudio econométrico porcentaje de viviendas de mayor tamaño, al igual que el Distrito Norte y Nordeste. 3. En el otro extremo, la zona Sur tiene un elevado número de viviendas con dimensiones reducidas (46 y-60 m²), siendo este tipo de vivienda la más usual con un 32%. De tal forma, que la mayoría de viviendas (59,3%) de esta zona tienen una dimensión útil de entre los 46 y 75 m². Tabla 2.9: Superficie útil de viviendas principales. Distribución porcentual por distritos censales TOTAL <45 m2 46-60 m2 61-75 m2 76-90 m2 91-105 m2 106-120 m2 121-150 m2 > 150 m2 Córdoba 100.778 2,5% 15,1% 25,8% 26,1% 13,6% 6,7% 5,1% 5,1% 1. Norte y Nordeste 12.706 3,3% 10,3% 21,1% 24,0% 16,4% 9,2% 7,6% 8,2% 2. Levante 19.612 2,0% 14,5% 36,5% 29,9% 10,6% 3,5% 1,7% 1,3% 3. Santa Marina -San Pablo - San Andrés 1.131 2,8% 11,1% 14,1% 21,1% 19,7% 11,9% 9,3% 9,8% 4. San Lorenzo -La Magdalena Golondrina 1.959 4,5% 11,4% 32,8% 27,8% 11,2% 4,9% 3,3% 4,0% 5. Fuensanta - Cañero 12.488 1,4% 9,9% 30,6% 31,9% 15,7% 6,0% 2,7% 1,6% 6. Norte y Noroeste 17.286 1,9% 18,1% 23,2% 22,1% 12,3% 7,0% 6,3% 9,1% 7. Centro - CatedralZona comercial 1.941 4,1% 8,4% 8,9% 17,1% 12,8% 13,0% 14,5% 21,2% 8. San Pedro- San Francisco - Ribera 1.386 7,6% 12,8% 15,4% 20,9% 13,1% 10,4% 7,1% 12,6% 9. Zona Sur 14.080 4,0% 32,0% 27,3% 18,7% 7,9% 3,8% 3,5% 2,7% 10. Poniente 18.189 1,5% 8,4% 18,1% 30,6% 18,9% 9,8% 7,3% 5,3% Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, julio 2007) y elaboración propia Si lo que se evalúa es el número de habitaciones28, La vivienda más habitual tiene cinco (gráfica 2.15), con un porcentaje del 41,6%, seguido de las viviendas con cuatro habitaciones (21,9%). La tipología más usual a nivel andaluz y nacional también está formada por cinco habitaciones, pero con un mayor peso las viviendas formadas por seis y siete habitaciones. 28 Según el Censo de Población y Vivienda, en el número de habitaciones que posee una vivienda se computa salas de estar, dormitorios, cocinas y terrazas cerradas. No incluye los cuartos de baño, vestíbulos, pasillos y terrazas abiertas. Es decir, una vivienda tipo con dos dormitorios, salón, cocina y uno o varios baños tendría cuatro habitaciones. 65 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 2.15: Distribución porcentual de las viviendas principales según número de habitaciones. 7 habitaciones 3,5% 1 habitación 8 ò más 0,3% habitaciones 3,1% 2 habitaciones 2,5% 3 habitaciones 9,7% 6 habitaciones 17,4% 4 habitaciones 21,9% 5 habitaciones 41,6% Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, julio 2007) y elaboración propia Del estudio de detalle por distritos censales (tabla 2.10), se observa que las viviendas con mayor número de habitaciones se encuentran en los distritos históricos del Centro-Catedral-Zona Comercial, donde un 42,4% tienen seis o más habitaciones, en coincidencia con su mayor superficie útil disponible. Una situación parecida, aunque en menor proporción, ocurre en los distritos de San Pedro-San FranciscoRibera, donde el 32,4% de las viviendas también tiene seis habitaciones o más. Entre los distritos populares de Levante y Fuensanta-Cañero existe un cierto paralelismo tanto en número de habitaciones como en superficie, en ambas, las viviendas que tienen cuatro o cinco habitaciones alcanzan porcentajes por encima del 70%, y es la forma más habitual (en una vivienda tipo serían tres dormitorios). En referencia al distrito Sur, vuelve a repetirse la vivienda de cinco habitaciones como la más habitual. Pero sus dimensiones útiles son inferiores. Es decir, las viviendas de este distrito tienen un número de habitaciones similar al resto de los distritos, pero con habitaciones de dimensiones más reducidas. 66 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 2.10: Número de habitaciones por viviendas principales. Distribución por distritos censales Total 1 habita. 2 habita. 3 habita. 4 habita. 5 habita. 6 habita. 7 habita. 8 habita. Córdoba 100.778 0,3% 2,5% 9,7% 21,9% 41,6% 17,4% 3,5% 3,1% 1. Norte y Nordeste 12.706 0,3% 2,4% 9,0% 22,1% 34,6% 21,2% 5,2% 5,1% 2. Levante 19.612 0,2% 1,3% 9,4% 23,3% 48,3% 15,0% 1,4% 1,1% 1.131 0,3% 2,6% 12,2% 23,7% 29,1% 18,8% 5,3% 8,0% 1.959 0,3% 2,5% 9,0% 30,2% 39,8% 12,3% 3,1% 2,9% 5. Fuensanta-Cañero 12.488 0,2% 1,5% 7,5% 22,8% 50,6% 14,0% 1,8% 1,5% 6. Norte y Noroeste 17.286 0,2% 2,2% 9,5% 20,6% 41,3% 16,7% 5,0% 4,5% 1.941 0,9% 4,1% 10,3% 17,4% 25,0% 18,6% 10,9% 12,9% 1.386 0,9% 4,6% 13,1% 23,4% 25,5% 14,2% 6,4% 11,8% 9. Zona Sur 14.080 0,5% 5,7% 15,2% 23,4% 40,1% 10,7% 2,4% 1,9% 10. Poniente 18.189 0,3% 1,9% 7,7% 18,8% 38,4% 26,1% 4,1% 2,7% 3. Santa Marina-San Pablo-San Andrés 4. San Lorenzo –La Magdalena-Golondrina 7. Centro - CatedralZona comercial 8. San Pedro- San Francisco - Ribera Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, julio 2007) y elaboración propia La vivienda más característica del distrito de Poniente vuelve a ser la formada por cinco habitaciones, aunque en menor proporción, también existe un elevado porcentaje de viviendas con seis habitaciones, superior al resto de los restantes distritos de la capital. 2.5.4. HABITABILIDAD Un elemento fundamental para determinar el estado de un parque de viviendas es conocer su situación de habitabilidad29, pero la noción utilizada en esta tesis se refiere a las condiciones o características objetivas de la vivienda, en referencia a las necesidades de protección y soporte que posee el objeto mismo, que permiten ofrecer bienestar y confort al habitante, pero también se recoge sus evaluaciones subjetivas sobre el entorno de la vivienda. Luego, también se citará su obsolescencia física, su entorno socioeconómico y actualización tecnológica. No se debe olvidar la existencia de viviendas que resultan incompatibles con los avances mínimos exigidos y exigibles en el siglo XXI. De la misma forma, los mercados de la 29 Según el diccionario de la Real Academia Española, es la cualidad de habitable, y en particular la que, con arreglo a determinadas normas legales (por lo general Normas Técnicas de Edificación), tiene un local o una vivienda. 67 Análisis de la vivienda en Córdoba. Estudio econométrico vivienda también presentan procesos segregativos de precios, en relación con niveles de renta, que se basan en la dinámica de la ecología urbana30. Este proceso de segregación se configura en la existencia de focos de exclusión, pobreza y marginación que influyen en el precio del inmueble de las esas zonas. La sola observación de las áreas residenciales, permite constatar su proceso de crecimiento o deterioro de la calidad ambiental, urbana y arquitectónica. Pero también es importante conocer la percepción subjetiva de los hogares para conocer el grado de satisfacción de la población que habita en cada zona y conocer la problemática en referencia a conceptos como: limpieza de las calles, comunicaciones, zonas verdes, disponibilidad de servicios a la población o delincuencia. En una primera aproximación conjunta sobre la situación de las viviendas familiares (gráfica 2.16), los datos muestran un buen estado (en torno al 90%) de los inmuebles, situación equivalente a la media, tanto andaluza, como nacional. Es necesario especificar que, en la catalogación de una vivienda como buena, deficiente o ruinosa, no se consideran conceptos básicos como la disponibilidad de agua caliente, red de alcantarillado, tendido eléctrico o telefónico e incluso la disponibilidad de ascensor, calefacción/refrigeración… Gráfica 2.16: Situación de las viviendas familiares según estado (porcentual). 100% 80% 60% 40% 20% 0% 89,8% 0,9% 0,9% 0,9% Ruinoso 89,8% 7,2% 1,6% 1,8% 1,9% 7,1% 7,1% Malo Córdoba Deficiente Andalucía 89,5% 0,5% 0,4% 0,4% Bueno No es aplicable España Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, julio 2007) y elaboración propia. 30 Tal como plantea en la escuela de Chicago sobre la Ecología Urbana. 68 Análisis de la vivienda en Córdoba. Estudio econométrico Una de las cuestiones innovadoras del Censo de Población y Viviendas de 2001 (Tablas de 2007) es la posibilidad de conocer el indicador de habitabilidad31 de la vivienda según distintos tipos de tenencia. A la hora de analizar la habitabilidad, los resultados no pueden comprenderse sin estudiar paralelamente cuándo se han construido esas viviendas, ya que su antigüedad, determina en buena parte los requisitos mínimos de habitabilidad, en referencia a Código Técnico de Edificación32 (CTE) exigido, independiente del proceso 31 Indicador de habitabilidad: Se define como la suma de las puntuaciones de habitabilidad obtenida en las vivinedas dividida por el total de las puntuaciones posible, pero solamente considerando las viviendas principales. Las puntuaciones de habitabilidad toman los valores de 0 a 100 en función de las condiciones en las que se encuentre la vivienda. Cada vivienda parte con un valor de 100 y se le va restando cierta cantidad en función de que cumplan las siguientes condiciones, hasta un mínimo de 0: - Por cada problema de la vivienda con valor 1 se le quitan 5, excepto si se trata de falta de servicios de higiene en la vivienda, en cuyo caso se quitan 10 (a una vivienda con todos los problemas se le quitaría, por tanto, 40 de sus 100 unidades de habitabilidad). Los problemas de la vivienda son: ruidos exteriores, contaminación o malos olores provocados por la industria, el tráfico..., poca limpieza en las calles, malas comunicaciones, pocas zonas verdes (parques, jardines...), delincuencia o vandalismo en la zona, y falta de servicios de aseo (retrete, y baño o ducha) dentro de la vivienda. Se valoran como 1 o 0, respectivamente, si, según la percepción subjetiva del hogar, tiene o no tiene ese problema. - 50 si el estado del edificio es ruinoso, 30 si es malo y 15 si es deficiente. - 20 si no tiene evacuación de aguas residuales; 10 si no evacúa a un alcantarillado. - 20 si no tiene agua corriente; 10 si es de un abastecimiento privado. - 5 si no tiene gas por tuberías. - 20 si no es accesible en silla de ruedas y la planta concreta en que está la vivienda está por encima del nivel del suelo; 5, si no es accesible y la planta en la que está la vivienda no está por encima del nivel del suelo. - 5 si no tiene ascensor y la planta en la que está la vivienda es la tercera o la cuarta; 10 si no tiene ascensor y la planta es superior a la cuarta. - 20 si no tiene calefacción y la provincia la requiere (Barcelona, Girona, Tarragona, A Coruña, Pontevedra, y las pertenecientes a las comunidades de Andalucía, Principado de Asturias, I. Balears, Canarias, Cantabria, Extremadura, C. Valenciana, R. de Murcia y Ceuta y Melilla); 10 si sólo dispone de aparatos móviles de calefacción y pertenece a esas mismas provincias. - 20 si la superficie media por habitante es menor o igual a 5 metros cuadrados (hacinamiento severo); 10 si ese cociente está entre 5 y 10, ambos exclusive (hacinamiento ligero). Se refiere a la superficie útil, medida en el interior de los muros exteriores de la vivienda, no comprendiendo los sótanos, desvanes, trasteros y buhardillas no habitables. Tampoco se incluyen las terrazas abiertas ni jardines. - 10 si el año de construcción del edificio es anterior a 1951; 5 si está entre 1951 y 1970. - 100 si se trata de un alojamiento. Un alojamiento es un recinto que no responde totalmente a la definición de vivienda familiar, bien por ser móvil, semipermanente o improvisado, o bien porque no ha sido concebido en un principio con fines residenciales pero, sin embargo, constituye la residencia habitual de una o varias personas en el momento del Censo. 32 Desde 1957 existen normas técnicas básicas que regulaban el sector de la edificación, conocidas como normas MV. Estas reglas se transformaron en las Normas Básicas de la Edificación (NBE) en 1977, cuando el gobierno decidió crear un marco unificado para toda la normativa relacionada con la 69 Análisis de la vivienda en Córdoba. Estudio econométrico de actualización o rehabilitación que haya tenido la vivienda, y que han permitido que esas viviendas obtengan su licencia de primera ocupación. En la tabla 2.11 se presenta la puntuación del indicador de habitabilidad y la edad media en función con el régimen de tenencia de las viviendas familiares principales. Del análisis del indicador de habitabilidad, se observa que a pesar de tener un parque de viviendas moderno (la edad media local es cinco años menor que la nacional) tiene una habitabilidad similar a la media nacional. Al comparar habitabilidad y antigüedad entre Córdoba y Andalucía los índices y edades son similares. No necesariamente esta contradicción puede explicarse de forma simplificada por el hecho de que la construcción sea de inferior calidad. Debe buscarse en otros elementos que forman parte de la costumbre de las empresas inmobiliarias de la ciudad, y de la forma de cálculo del índice de habitabilidad. Como ejemplo explicativo, se debe destacar el hecho que en el cálculo del índice, se detrae cinco puntos si la vivienda no tiene instalación de gas por tubería. Sin embargo, por razones históricas la instalación de gas ciudad es relativamente novedosa, aún hoy, hay áreas de la capital que no ha llegado esta instalación. También podemos citar el hecho de que la vivienda tenga o no calefacción central, situando a Córdoba, al mismo nivel de provincias donde la necesidad de calefacción es superior, y no tiene en cuenta la instalación, hasta hace escaso tiempo, de instalaciones centrales, no de calefacción, si no de refrigeración. Al relacionar el régimen de tenencia y habitabilidad, se comprueba que la habitabilidad es superior en viviendas ocupadas por propietarios que tienen pagos pendientes (hipotecas, préstamos...), frente a los que tienen la vivienda totalmente pagada o el resto de regímenes de tenencia, situación que se repite también a nivel edificación. Su aplicación era de obligado cumplimiento para los agentes del sector. La Ley 38/1999 de Ordenación de la Edificación y finalmente el Código Técnico de la Edificación (Real Decreto 173/2010) vienen a plasmar las distintas etapas en la normativa de la edificación, que han determinado las especificaciones mínimas constructivas del parque de viviendas. 70 Análisis de la vivienda en Córdoba. Estudio econométrico nacional y que se debe a una menor edad de los inmuebles, que varía entre los nueve años de Córdoba y los doce del conjunto del Estado. Por el contrario, las viviendas en alquiler presentan menor habitabilidad que el resto, a pesar de tener una antigüedad similar a la media. Este hecho contrasta con lo que ocurre a nivel nacional, donde el régimen que tiene menor habitabilidad es el formado por viviendas en propiedad recibidas por herencia o donación y que poseen una edad media muy superior al resto de los tipos de tenencia (58,67 años a nivel nacional). La menor habitabilidad en el parque de viviendas en alquiler apoya la hipótesis de la estrechez en el mercado de alquiler, superior en esta localidad y que dificulta la posibilidad de independencia de los jóvenes y una menor movilidad de la población. En la capital cordobesa existe un mercado de alquiler de viviendas a la baja, en cuanto al número de unidades y además el stock disponible es de peor calidad que el resto de las fórmulas de tenencia. Se presentan tres zonas con un claro déficit de habitabilidad que será necesario estudiarlo posteriormente. Estos distritos son San Pedro-San Francisco-Ribera con 50,32 puntos, Santa Marina-San Pablo-San Andrés con 50,97 puntos y la Zona Sur con 54,14 puntos. De los citados, el distrito Sur presenta focos de subvivienda y marginalidad acusada (en una sección censal33 presenta una habitabilidad de 30,38 puntos sobre 100 y en otras dos puntuaciones inferiores a 40 puntos). Los distritos de Poniente con 68,67 puntos y Centro-Catedral-Zona Comercial con 65,43 puntos son los distritos con mayor indicador de habitabilidad de la ciudad. Poniente tiene además un parque de viviendas muy moderno (edad media de tan sólo 25,99 años). Este distrito también presenta secciones con indicadores muy altos, llegando en algunas zonas a 92,17 puntos sobre 100 de habitabilidad, frente a algunos con muy escasa puntuación, llegando alguno a no superar los 50 puntos. Aunque por regla general la mayoría de las secciones que forman este distrito están por encima de la media local, regional y nacional. 33 Se denomina sección censal a cada una de las zonas que se divide un distrito. 71 Análisis de la vivienda en Córdoba. Estudio econométrico La Zona Norte y Noroeste con un parque de viviendas principales de 17.430 unidades, tiene un comportamiento desigual en cuanto a su habitabilidad. Se puede observar que este distrito, a pesar de tener la menor antigüedad en las viviendas (24,1 años), tiene un indicador (61,82 puntos) ligeramente inferior a la media. La explicación de este comportamiento se debe a lo dispar de las barriadas que lo forman. Se puede observar que algunas secciones censales como la 14021060035 y 14021060035, tienen de los niveles de habitabilidad más bajos de Córdoba, siendo el alquiler, prácticamente la única forma de tenencia, con porcentajes superiores al 92 % del total de viviendas y paralelamente con puntuaciones comprendidas entre 32 y 39 puntos en su habitabilidad, a pesar de su modernidad 14-15 años (Margaritas y Moreras). Pero también existen áreas de habitabilidad muy superior a la media y puntuaciones por encima de 80 puntos y antigüedades similares (Arruzafilla, Brillante, etc.). 72 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 2.11: Índices de habitabilidad media de las viviendas principales. Distribución por distritos censales. TOTAL En propiedad por compra, totalmente pagada En propiedad por compra, con pagos pendientes (hipotecas...) En propiedad por herencia o donación En alquiler Cedida gratis o a bajo precio por otro hogar, la empresa... Otra forma Habitabilidad Edad media Habitabilidad Edad media Habitabilidad Edad media Habitabilidad Edad media Habitabilidad Edad media Habitabilidad Edad media Habitabilidad Edad media España 63,0 34,0 63,6 34,7 67,2 22,6 56,0 53,3 59,2 39,1 59,9 36,7 59,5 33,1 Andalucía 62,4 30,3 62,8 32,1 65,3 19,4 58,7 44,9 58,7 33,4 58,2 33,6 59,3 29,8 Córdoba 62,5 29,1 62,4 31,5 65,6 22,6 59,1 39,3 56,0 30,7 61,2 32,4 60,7 33,5 1. Norte y Nordeste 63,7 28,2 63,6 29,1 65,8 23,0 59,0 35,6 59,9 35,5 62,2 29,9 61,1 31,8 2. Levante 63,4 27,8 63,1 28,7 65,2 23,8 59,8 35,5 60,9 33,8 61,3 31,6 62,4 29,8 3. Santa Marina -San Pablo - San Andrés 4. San Lorenzo -La Magdalena-Golondrina 5. Fuensanta-Cañero 51,0 37,4 50,2 39,3 53,8 28,0 48,6 56,2 47,9 46,9 45,7 48,7 50,3 43,1 61,5 32,5 61,7 32,9 63,0 19,4 58,6 45,0 58,5 52,7 59,5 33,6 61,2 31,6 63,7 33,1 62,9 35,5 65,6 27,9 64,0 41,3 61,8 30,0 63,5 33,6 61,7 36,5 6. Norte y Noroeste 61,8 24,1 62,1 27,8 67,0 17,7 61,5 34,2 53,4 22,6 62,4 30,5 63,5 26,4 7. Centro - CatedralZona comercial 8. San Pedro- San Francisco - Ribera 9. Zona Sur 65,4 36,6 66,6 36,1 66,1 30,6 60,4 48,5 63,0 35,9 64,2 36,0 65,7 56,5 50,3 42,1 49,8 45,1 53,0 31,8 45,5 66,0 49,6 40,5 49,8 46,2 48,4 52,7 54,1 35,0 54,3 39,9 57,7 25,6 53,1 45,5 45,5 32,9 54,7 37,6 50,8 39,9 10. Poniente 68,7 26,0 67,7 28,5 72,6 18,3 61,1 33,9 65,3 32,3 65,2 28,6 65,1 29,6 Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, 2007) y elaboración propia. 73 Análisis de la vivienda en Córdoba. Estudio econométrico El resto de los distritos tienen indicadores de habitabilidad y regímenes de tenencia en torno a la media cordobesa, a pesar de la existencia de algunas áreas más o menos desfavorecidas, existiendo los desajustes dignos de mención. La tabla 2.12 muestra la dotación de servicios de las viviendas desde el punto de vista constructivo; considerando parámetros de carencia: agua corriente, evacuación de aguas residuales, instalación de agua y gas, tendido telefónico, refrigeración y calefacción y sus tipos. Para su estudio nos vamos a centrar en la existencia, por un lado de instalaciones de gas, refrigeración y calefacción como elementos internos de la propia vivienda, y más adelante se estudiarán la existencia de ascensor y plaza de garaje como elementos comunes del edificio. Los datos muestran una ciudad sin una red de instalación de gas adecuada, inferior a la media andaluza, aunque superior a la nacional. También recoge la realidad climatológica de una ciudad calurosa, en la que es más importante la refrigeración que la calefacción, aunque que los índices de habitabilidad del censo considera más importante la calefacción. La zona de Poniente es la que tiene índices de calidad superiores, tanto en la instalación de gas, refrigeración e incluso de calefacción. También el Distrito Centro-Catedral-Zona Comercial presenta buenos índices, aunque carece, en un alto porcentaje, de instalación de gas, básicamente en la zona histórica por la dificultad de acometer obras y su baja densidad de población. Así mismo el Distrito Norte y Nordeste también presenta índices de calidad superior a la media. En referencia a la falta de instalaciones sanitarias, de comunicación y confort, las zonas con más carencia los son aquellas pertenecientes al casco histórico; es decir, Santa Marina San Pablo - San Andrés y San Pedro - San Francisco-Ribera, que tienen los peores parámetros en cuanto a instalación de agua caliente central, gas y falta de refrigeración a los que hay que añadir el Distrito Sur. 74 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 2.12: Dotación de servicios de las viviendas principales. Distribución porcentual por distritos censales No tiene agua corriente TOTAL España Andalucía Córdoba 1. Norte y Nordeste 2. Levante 3. Santa Marina -San Pablo - San Andrés 4. San Lorenzo -La Magdalena-Golondrina 5. Fuensanta-Cañero 6. Norte y Noroeste 7. Centro - CatedralZona comercial 8. San Pedro- San Francisco - Ribera 9. Zona Sur 10. Poniente Sin Sin instalación evacuación de agua aguas caliente residuales central Sin Sin instalación tendido de gas telefónico No tiene refrigeración Sin instalación Sin pero con calefacción aparatos que permiten calentar Calefacción con electricidad 14.184.026 0,29% 0,95% 60,10% 53,55% 5,81% 84,48% 52,01% 37,51% 31,64% 2.415.143 0,40% 0,89% 59,59% 75,91% 8,67% 75,27% 85,43% 63,20% 56,95% 100.778 0,38% 0,60% 79,14% 66,21% 4,25% 42,48% 74,04% 62,13% 74,76% 12.706 19.612 0,15% 0,40% 0,20% 0,68% 65,32% 87,67% 59,41% 74,00% 2,09% 3,93% 36,42% 40,76% 67,64% 82,15% 57,95% 69,81% 75,85% 76,86% 1.131 0,00% 0,00% 96,46% 85,50% 3,71% 45,36% 71,62% 54,55% 74,18% 1.959 0,00% 0,00% 54,93% 62,33% 0,10% 46,66% 75,14% 59,26% 77,64% 12.488 17.286 1,60% 0,26% 1,39% 0,29% 77,24% 82,83% 59,26% 67,89% 9,57% 2,58% 46,63% 44,05% 84,60% 65,70% 70,82% 52,75% 77,63% 67,17% 1.941 0,05% 0,21% 80,53% 64,81% 0,57% 31,17% 51,11% 37,04% 66,15% 1.386 0,00% 0,00% 93,07% 97,04% 4,62% 57,14% 79,65% 73,59% 83,77% 14.080 18.189 0,11% 0,11% 0,55% 0,79% 86,34% 72,15% 77,88% 53,75% 3,56% 5,40% 48,26% 39,25% 83,55% 65,14% 72,15% 54,55% 75,85% 76,09% Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, 2007) y elaboración propia 75 Análisis de la vivienda en Córdoba. Estudio econométrico 2.5.5. ASCENSOR La disponibilidad de ascensor y cochera, que aunque en la actualidad son obligatorios para las viviendas de nueva construcción, no ocurría en normativas constructivas anteriores y determina una característica importante en su calidad y habitabilidad. En este análisis (tabla 2.13) no se han considerado las viviendas con menos de tres plantas sobre rasante33, puesto que distorsionaría los datos al entrar en el cómputo viviendas unifamiliares o tradicionales del casco histórico carentes de ascensor. La existencia de ascensor garantiza unos parámetros de habitabilidad que son condicionantes para la movilidad, tanto de personas mayores, como de familias con hijos pequeños e influye en la valoración del inmueble y en su capacidad de salida al mercado. En este caso se puede afirmar que la ciudad de Córdoba tiene un claro déficit de disponibilidad de ascensores en viviendas de más de tres alturas, en total 47.816 viviendas, que representa un 52,0%; muy superior a la media de andaluza (38,6%) nacional (37,6%). Tabla 2.13: Viviendas con más de tres plantas sin ascensor (%). Viviendas con garaje (%) TOTAL España Viviendas más de tres plantas s/rasante Porcentaje viviendas con más de tres plantas s/rasante Porcentaje viviendas con más de 3 plantas sin ascensor Porcentaje viviendas sin garaje 20.946.554 10.759.345 51,4% 37,6% 76,19% 3.531.124 1.374.734 38,9% 38,6% 79,28% 130.563 91.868 70,4% 52,0% 78,9% 1. Norte y Nordeste 16.091 10.529 65,4% 62,5% 73,1% 2. Levante 23.940 19.839 82,9% 59,5% 87,5% 3. Santa Marina -San Pablo - San Andrés 1.466 331 22,6% 94,9% 78,6% 4. San Lorenzo -La Magdalena - Golondrina 2.432 1.151 47,3% 79,4% 78,7% 5. Fuensanta - Cañero 14.727 9.981 67,8% 52,1% 86,7% 6. Norte y Noroeste 23.074 17.363 75,2% 53,9% 74,0% 7. Centro - Catedral- Zona comercial 2.964 1.926 65,0% 29,1% 63,0% 8. San Pedro- San Francisco - Ribera 1.938 358 18,5% 98,0% 85,7% 9. Zona Sur 17.963 11.264 62,7% 63,6% 83,1% 10. Poniente 25.968 19.126 73,7% 29,1% 73,0% Andalucía Córdoba Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, 2007) y elaboración propia 33 En un edificio, la altura o planta 1, se refiere a la primera planta sobre rasante, que se denomina generalmente planta baja, la altura 2 corresponde al primer piso, y así sucesivamente. 76 Análisis de la vivienda en Córdoba. Estudio econométrico Los distritos históricos de Santa Marina - San Pablo - San Andrés y San Pedro -San Francisco - Rivera tienen la práctica totalidad de viviendas de más de tres plantas sin ascensor, aunque su número es reducido (689 viviendas), al ser distritos de una tipología de edificios con un máximo cuatro alturas. Otro distrito histórico con edificios relativamente bajos, son los barrios de San Lorenzo- La Magdalena – Golondrina que también tiene un gran porcentaje de viviendas sin ascensor (79,4%). Las zonas del Norte - Nordeste y Sur tienen importantes carencias, con porcentajes de más de diez puntos por encima de la media, a pesar de ser distritos con una edad media relativamente baja (28,2 y 35,02 años respectivamente), cuando la edad media del parque español es de 34 años. En este grupo también se encuentra Levante, con un porcentaje del 59,5% de viviendas con más de tres plantas sin ascensor y al igual que los anteriores un parque joven (27,8 años). Este porcentaje supone, sólo en ese distrito, hay 11.809 viviendas de más de tres plantas sin ascensor, Gráfica 2.17: Viviendas de más de tres plantas sin ascensor (porcentual). 98,0% 94,9% 100% 79,4% 80% 63,6% 62,5% 59,5% 52,0% 60% 37,60% 38,60% 52,1% 53,9% 29,1% 40% 29,1% 20% 0% Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, 2007) y elaboración propia. Fuensanta-Cañero y Norte-Noroeste tienen porcentajes en torno a la media y solamente Poniente y Centro - Catedral - Zona Comercial, el déficit de ascensor es limitado, un 29,1% en ambos distritos, inferior a la media nacional y andaluza. 77 Análisis de la vivienda en Córdoba. Estudio econométrico En conclusión, existe un grave déficit en la ciudad de Córdoba de instalaciones de ascensor que pueden ser achacados a dos causas: la obligatoriedad de ascensor sólo ha sido necesaria para construcciones de más de cuatro alturas sobre rasante hasta hace relativamente poco tiempo, y esa es la tipología de construcción más habitual en los barrios populares cordobeses, y la falta de una adecuada planificación urbanística local de época anteriores (no ocurre con igual intensidad a nivel nacional ni regional) que supone un lastre a la movilidad y accesibilidad de la vivienda para los mayores, personas dependientes34y niños. 2.5.6. PLAZA DE GARAJE El porcentaje de viviendas sin plaza de garaje en Córdoba es similar a la media nacional y andaluza. La falta de cocheras es particularmente significativa en Levante (87,5%), Fuensanta - Cañero (86,7%), San Pedro - San Francisco - Ribera (85,7%) y en menor medida la Zona Sur con el 83,1%. Estos datos revelan la necesidad urgente de creación de una red de parking públicos en la ciudad. Las zonas con menor déficit siguen siendo aquellas que tienen mayor índice de habitabilidad. Es decir, Centro – Catedral - Zona Comercial con un déficit muy inferior a la media y en un rango intermedio, ligeramente inferior a la media nacional (73-74%), se encuentran los distritos: Norte, Norte-Noroeste y Poniente. El resto de las zonas tienen proporciones similares a la media local. El coche es un instrumento fundamental de movilidad para las familias. Hasta hace relativamente poco tiempo la legislación urbanística lo consideraba como un mero elemento de lujo y explica que amplias zonas de la ciudad de relativa nueva creación, fruto de la expansión del último tramo de la década de los sesenta y ochenta, con índices de habitabilidad altos, tengan graves déficits de disponibilidad de plazas de garaje. Esta concepción urbanística, no sólo se ha producido en la capital cordobesa, sino también a nivel nacional y regional 34 Ver Informe Especial del Defensor del Pueblo Andaluz “El Parque Residencial sin Ascensor en Andalucía: Una Apuesta por la Accesibilidad” de septiembre de 2010. 78 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 2.18 Viviendas sin cochera en el edificio (porcentual) 100% 80% 87,5% 76,19% 79,28% 78,9% 73,1% 86,7% 78,6% 85,7% 78,7% 74,0% 83,1% 73,0% 63,0% 60% 40% 20% 0% Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, 2007) y elaboración propia. . 2.5.7. ENTORNO DE LA VIVIENDA En el último censo se ha planteado preguntas novedosas acerca de "los problemas de la vivienda" que intenta conocer la percepción subjetiva de los hogares sobre algunos aspectos de su entorno: delincuencia y/o vandalismo, pocas zonas verdes, limpieza, contaminación y/o malos olores, ruidos exteriores entre otros (tabla 2.14). Las respuestas sobre la opinión del entorno de la vivienda, son en gran medida subjetivas, variando la percepción de la intensidad de los problemas en función del tamaño de la localidad, de la edad, sexo y nivel cultural del encuestado. Pero se ha considerado importante incluirlo, ya que da una percepción que los propios ciudadanos tienen de su distrito y puede proporcionar información sobre la propensión de la población de una zona a quedarse o marcharse a otras zonas. 79 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 2.14: Entorno de la vivienda y sus problemas (%) TOTAL Delincuencia o vandalismo Pocas zonas verdes Poca limpieza en calles Malas comunicaciones Contaminación y malos olores Ruidos exteriores España 14.184.026 22,4% 36,8% 32,3% 14,3% 19,3% 30,5% Andalucía 2.415.143 25,2% 48,3% 35,1% 14,1% 19,4% 32,7% Córdoba 100.778 33,2% 47,0% 42,5% 16,4% 25,9% 41,2% 1. Norte y Nordeste 12.706 17,2% 35,9% 34,3% 12,2% 21,8% 37,0% 2. Levante 19.612 16,4% 48,8% 38,8% 8,7% 24,5% 42,5% 3. Santa Marina -San Pablo- San Andrés 1.131 19,2% 73,7% 45,4% 14,2% 34,0% 42,5% 4. San Lorenzo -La Magdalena - Golondrina 1.959 29,1% 57,8% 47,4% 17,1% 20,0% 31,5% 5. Fuensanta - Cañero 12.488 26,3% 43,8% 40,5% 15,2% 20,1% 37,3% 6. Norte y Noroeste 17.286 45,3% 42,9% 45,0% 24,7% 23,4% 37,3% 7. Centro - Catedral- Zona comercial 1.941 33,1% 49,0% 30,4% 14,3% 25,8% 43,8% 8. San Pedro- San Francisco - Ribera 1.386 37,1% 80,8% 50,1% 38,6% 30,7% 42,9% 9. Zona Sur 14.080 64,3% 64,5% 52,8% 18,1% 27,6% 47,9% 10. Poniente 18.189 32,5% 39,7% 43,0% 17,9% 34,9% 44,3% Fuente: Censo de Población y Viviendas (INE 2001, resultados detallados, 2007) y elaboración propia La respuesta media de los ciudadanos cordobeses es en general bastante negativa respecto a las preguntas mencionadas, con índices de habitabilidad urbana muy inferior a las medias nacional y regional. Hay que citar como elemento básico en la calidad de vida de un área urbana, la seguridad. Partiendo que en las capitales de provincia, y muy especialmente en el sur, hay una percepción muy acentuada de inseguridad con porcentajes del 57,4% en Sevilla, o capitales como Málaga, Huelva, Valencia, Las Palmas o Granada, todas por encima del 40%. A la pregunta de delincuencia y/o vandalismo, es de destacar que los distritos Norte-Nordeste, Levante y Santa Marina-San Pablo-San Andrés tienen percepciones de inseguridad inferiores a la media nacional. En la parte negativa destacan Norte-Noroeste (45,3%) y Zona Sur (64,3%). Aunque en general se presentan percepciones negativas respecto a la seguridad incluso en los distritos con altos índices de habitabilidad. Analizando en conjunto las respuestas sobre el entorno de la vivienda, la Zona Sur vuelve a destacar negativamente, con porcentajes muy altos en delincuencia y/o vandalismo, pobreza en zonas verdes, falta de limpieza, contaminación y/o malos olores y ruidos exteriores. 80 Análisis de la vivienda en Córdoba. Estudio econométrico En la parte positiva se encuentra el Distrito Norte-Nordeste con índices de calidad ambiental más positivos que el resto de la ciudad y próximos a la media nacional. El resto de los distritos censales tienen una gran disparidad en cuanto a las carencias, sin tener relación con los indicadores de habitabilidad de sus viviendas. Aunque en general, los índices de entorno urbano son inferiores a los índices andaluz y español. Así la percepción de poca limpieza es superior a siete puntos respecto a Andalucía y 10 puntos respecto la media nacional. Igual ocurre a la percepción de los ciudadanos en referencia a la contaminación y malos olores, o contaminación sonora, que alcanza en Córdoba el 41,2%, frente al 32,7% andaluz o 30,5% nacional. Solamente, la percepción que tiene el ciudadano sobre la buena o mala comunicación tiene opiniones similares 81 Análisis de la vivienda en Córdoba. Estudio econométrico 82 Análisis de la vivienda en Córdoba. Estudio econométrico CAPÍTULO 3 LA DEMANDA, LA OFERTA Y EL PRECIO DE LA VIVIENDA 83 Análisis de la vivienda en Córdoba. Estudio econométrico 84 Análisis de la vivienda en Córdoba. Estudio econométrico 3. LA DEMANDA, LA OFERTA Y EL PRECIO DE LA VIVIENDA 3.1. D INTRODUCCIÓN. espues de analizar el parque de viviendas, el siguiente paso es comprobar si los factores contrastados por la literatura, como determinantes de la demanda y la oferta también cumple su función en España, e intentar analizar su aportación en el comportamiento en el mercado de la vivienda y como este mercado puede afectar al resto de los sectores económicos. El mercado de vivienda ha sido considerado como el indicador más importante de la situación en la que encuentra una economía moderna. La razón que justifica esta importancia se debe a que constituye el bien de consumo más importante de las familias, en consecuencia, es la decisión financiera principal de su ciclo vital, puesto que es uno de los bienes necesarios para toda persona; siendo reconocido como uno de los principales derechos en la legislación de los principales países. La vivienda en propiedad suele ser el principal activo donde se concentra la riqueza de las economías familiares35, las perspectivas de precios se trasladan de esta forma al ahorro, al consumo a través del efecto riqueza y a su capacidad de endeudamiento. El mercado de la vivienda también influye de forma determinante en otros mercados como el de trabajo y afecta a las decisiones sobre la movilidad de los trabajadores. También supone un proceso de redistribución de la riqueza mediante la intervención de las administraciones, bien facilitando el acceso a la vivienda de sectores de la población menos favorecidas, bien a través de su tratamiento fiscal que interviene en el proceso de decisión de las familias sobre comprar o alquilar la 35 La Encuesta Financiera de las Familias (Boletín Económico de diciembre de 2007) del Banco de España muestra que las propiedades inmobiliarias representan el 80% del total de los activos de las familias españolas, y que además el 21% de los hogares poseen una vivienda diferente de la principal. 85 Análisis de la vivienda en Córdoba. Estudio econométrico vivienda. Si nos centramos en el periodo bajista que ahora padecemos, para las entidades financieras, una caída de los precios inmobiliarios hace que disminuya el valor de las garantías hipotecaria de los créditos en mora por debajo del valor concedido, afectando a su rentabilidad, y como consecuencia, a su capacidad de financiación y verse obligadas a reducir su oferta de crediticia. Las empresas, a su vez, se ven afectadas en un doble sentido: la caída de valoración de sus activos financieros encarece el crédito, al tener menores garantías que ofrecer, y la reducción de la oferta crediticia por parte las entidades financieras, hace que le exijan mayores garantías para cubrir potenciales eventualidades. Este efecto es determinante en las pequeñas y medianas empresas, al tener menor capacidad de negociación y utilizar más sus activos para garantía crediticia. El efecto agregado de familias, empresas y entidades financieras, unido a una desidia administrativa, puede generar una espiral de recesión en la economía de un país, con consecuencias severas. Esta espiral se puede autoalimentar, ya que la disminución del consumo provoca una reducción de la producción y de la inversión de las empresas, que afectará al mercado laboral, aumentando el paro y en consecuencia la capacidad de pago crediticio de las familias. Por lo que la tensión sobre las entidades financieras aumentará aún más, reduciéndose la oferta crediticia. La administración, ante la caída del consumo y de la inversión, verá reducida su recaudación de impuestos, y el aumento del paro provocará un aumento de gasto por el aumento de las prestaciones de desempleo. Recursos que obtendrá retirándolos de la inversión, aumentando la fiscalidad y presionando a las entidades financieras para poder financiarse, detrayendo, aún más, recursos del mercado crediticio. Esta dinámica puede convertir una recesión del mercado de la vivienda, en una recesión económica. En este capítulo se analiza los factores que la afectan a la demanda de viviendas en el mercado español, en segundo lugar los factores que afectan a la oferta, para posteriormente estudiar la evolución de los precios como principales elementos que componen este mercado a nivel estatal. 86 Análisis de la vivienda en Córdoba. Estudio econométrico 3.2. L LA DEMANDA os factores determinantes de la demanda se pueden clasificar en cinco grandes grupos: 1. Factores demográficos; la evolución de la población, y más concretamente de los hogares, es determinante, aunque no único, para fijar las necesidades de vivienda, constituyendo un factor predominante en la evolución de los parques inmobiliarios a largo plazo. No se puede olvidar, también, la composición de la población, en referencia a su edad, formación y composición de las familias, entre otros. 2. Ciclo económico; medido en términos de ingresos reales, renta disponible, PIB, nivel de desempleo, etc... El conocimiento del ciclo económico y su funcionamiento es esencial para la toma de decisiones de los agentes económicos, financieros o públicos. 3. Disponibilidad financiera; la demanda se ve afectada por la disponibilidad, o no, de financiación para la compra de vivienda, los costes medidos en tipo de interés, nominales o reales, ya que la financiación se suele realizar a través del crédito hipotecario. 4. La rentabilidad por la compra de una vivienda; en este aspecto, factores como la revalorización futura en la compra por inversión para especular con el llamado “efecto riqueza”, frente a la rentabilidad de activos alternativos (bonos y/o bolsa), pueden incentivar la demanda inmobiliaria. 5. Precio de la vivienda; es una variable relevante en el estudio de la demanda, tanto a través del índice medio del mercado, como en base a los indicadores de los atributos que definen la calidad de una vivienda, como es el caso de los precios hedónicos y otras metodologías. Aunque no se puede olvidar la existencia de otros aspectos como la fiscalidad sobre la vivienda o las políticas urbanísticas de las administraciones. 87 Análisis de la vivienda en Córdoba. Estudio econométrico Estas son las variables principalmente admitidas en la demanda de viviendas y son utilizadas en los modelos de demanda más habituales, que forman parte de la literatura, tanto nacional, como internacional. A continuación se analizan estos factores, aplicándolos a nivel español, a excepción del precio que se tratará posteriormente, ya que afecta, tanto a la demanda, como a la oferta de los inmuebles. 3.2.1. FACTORES DEMOGRÁFICOS En la literatura económica existen nutridas aportaciones entre demografía y economía (Maisel, 1963; DiPasquales, 1996; García Montalvo, 2007 y otros). El impacto que la demografía genera en la economía (y a la inversa) se ha estudiado de forma profusa, tanto desde el punto de vista microeconómico, como macroeconómico; combinando ambas aproximaciones de forma que los resultados agregados son la suma de los comportamientos individuales de los agentes. Una primera aproximación parte del diferente comportamiento que tiene el individuo en el transcurso de su ciclo vital, ya que ajusta su conducta a los ingresos que prevé que va a disponer en el futuro. En función de la edad, es posible distinguir cuatro grandes etapas del ciclo vital de un individuo (u hogares): En una primera etapa, los primeros años de vida fuera del hogar paterno (de los 25-40 años), el individuo percibe menores ingresos y tiende a endeudarse para comenzar un proyecto de vida y de familia. En la segunda etapa (décadas de los 40 y primeros años de los 50), el individuo alcanza el máximo consumo en relación a su renta, y su familia se encuentran en el período de máxima demanda económica. A partir de ese momento y hasta su jubilación, se produce acumulación de capital en forma financiera o propiedad inmobiliaria. La última etapa, ya fuera del mercado de trabajo, viene marcada por la disminución de la renta disponible y un desahorro. 88 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 3.1: Riqueza Neta de los hogares españoles 500 miles de euros (2005) 409,6 400 327,1 300 242,5 205,5 200 201,2 226,1 129,1 244,0 185,3 165,9 100 133,9 74,2 0 Menor de 35 Entre 35 y años 44 años Entre 45 y 54 años Mediana Entre 55 y 64 años Entre 65 y Mayor de 74 74 años años Media Fuente: Encuesta Financiera de las Familias (EFF) 2005. Boletín del Banco de España 12/07, elaboración propia Existen estudios que han analizado la relación entre el crecimiento de la población y los efectos expansivos sobre la demanda agregada y los precios36. Ya Keynes (1937) había destacado la influencia del aumento de la población en la actividad económica, indicando que estaba relacionada con las expectativas de inversión a través de una mayor perspectiva de demanda, al esperar que este crecimiento de población incremente la demanda. Easterlin (1987) afirma que existe una relación indirecta entre la expansión demográfica del baby-boom y la expansión del mercado hipotecario. Parte que la llegada al mercado de trabajo de un nutrido grupo de jóvenes originó unos menores ingresos salariales respecto a generaciones precedentes. Ante esta situación, los hogares responderían ampliando la oferta de trabajo familiar mediante la incorporación de la mujer al mercado y reduciendo el tamaño medio de las familias por una caída de las tasas de natalidad. Estos factores afectan al mercado en dos sentidos: al tener un mayor salario medio por hogar, tienen mayores posibilidades de endeudamiento y al tener menos miembros las familias, requieren una vivienda de dimensiones más reducidas. 36 Mankiw y Weil (1989) 89 Análisis de la vivienda en Córdoba. Estudio econométrico Luego desde el punto de vista del mercado inmobiliario y su relación con la demografía es necesario distinguir cuatro componentes para el análisis de la demanda37 a nivel español: 1. Generación de nuevos hogares al año; esto es la demanda generada entre los 25 y 45 años. 2. Demanda por rotación; es la que se genera en los hogares con cabeza de familia con más de 45 años, cuando una vez que se tiene la primera vivienda en propiedad pagada en su totalidad, el hogar obtiene los recursos necesarios para poder cambiar y mejorar de vivienda. En estos procesos de rotación se genera demanda de vivienda pero también nueva oferta, al liberarse la antigua vivienda al mercado (proceso de filtraje). 3. Demanda de segunda residencia (vivienda vacacional) por parte de residentes. 4. Demanda extranjera o realizada por parte de los residentes (vivienda vacacional). 3.2.1.1. LA POBLACIÓN ESPAÑOLA Los censos de población aportan una imagen estructural de la población, clasificándola según edad, sexo, situación de la residencia, condición socioeconómica, vivienda, etc. Estas cifras tienen un carácter estadístico y sirven para elaborar las estimaciones y proyecciones de la población. El total de habitantes en España, a enero de 2010, era de 46,75 millones de habitantes, lo que supone un incremento del 14,2% con respecto al año 2001. Este incremento de población producido en la última década es superior al de la etapa del baby boom. De 1950 a 1980 la población española pasó de 27,98 a 38,87 millones de habitantes, es lo que se conoce como el baby boom español. Durante este período, la mortalidad se fue reduciendo, especialmente la mortalidad infantil, que pasó de un 64,2%o en 1950 a un 12,5 %o en 1981. Paralelamente, la tasa bruta de natalidad, a partir de mitad de la década de los 50, aumentó ligeramente al calor de la bonanza económica. 37 R.R. de Acuña (2009) 90 Análisis de la vivienda en Córdoba. Estudio econométrico Como la mortalidad infantil se había reducido considerablemente respecto a épocas anteriores, se produjo un incremento notable de la población joven, provocando el fenómeno del baby boom. Este crecimiento vegetativo fue continuo, prolongándose en el tiempo hasta 1976 (año de cambio de régimen) cuando se produjo el hundimiento de la natalidad. Así, desde principios de los años setenta hasta los años noventa, es decir, en una generación38, España pasó de tener índices de fecundidad que giraban en torno a los tres hijos (los más altos en Europa), a índices que giraban en torno a un solo hijo (los más bajos del mundo) 39. Para el caso español, entre 1981 y 1991, la población española apenas aumentó un millón de personas y el ritmo anual de creación de hogares se mantuvo estable en torno a 150.000. En este periodo, el proceso de expansión inmobiliaria estuvo vinculado a la demanda de segunda residencia tanto por parte de ciudadanos españoles como extranjeros. En la siguiente década (1991-2001), el incremento de población comienza a tener un ligero repunte debido fundamentalmente al proceso de inmigración que comienza a tener cierta importancia, alcanzando 1,37 millones de extranjeros empadronados, que suponía un 3,3% de la población y una variación relativa sobre la década anterior del 48,4%. Gráfica 3.2: Evolución de la población española Millones 50,0 46,75 45,0 37,68 40,0 40,85 34,04 35,0 30,0 38,87 30,53 27,98 25,0 20,0 15,0 1950 1960 1970 1981 1991 2001 2009 Fuente: INE y EPA, elaboración propia 38 Una generación, en demografía, se considera como un período de 30 años. 39 Martínez-Chacón E.(coord.) (2009). 91 Análisis de la vivienda en Córdoba. Estudio econométrico Desde el año 2001 la población española ha experimentado un crecimiento del 14,4%, con un incremento continuo de la población local y extranjera. Este incremento se debe básicamente por dos razones: 1) La inmigración (en 2009 se había alcanzado la suma de 5.648.671 residentes extranjeros, lo que supone alrededor del 12,1%). De ellos, un 53% son varones frente al 47% mujeres. El crecimiento anual de la población española, ese año, fue tan sólo del 0,5% y el de la población extranjera residente un 7,2%. Además porcentualmente es más joven (el 84,8% de la población extranjera empadronada tiene menos de 50 años frente al 63,7% de la población española). Siendo el origen de la formación de gran parte de los nuevos hogares y demandantes de vivienda para su uso como alojamiento. 2) Ligero aumento de la fecundidad. En el año 2008 se produjeron 518.967 nacimientos, 26.440 más que el año anterior, siendo el número medio de hijos por mujer (índice de fecundidad) del 1,4 hijos frente a 1,23 hijos del año 2000. Aunque la edad media de la maternidad ha aumentado de los 28,2 años en 1980 a los 30,9 años del 2008. La evolución de la última década, en términos absolutos, de los distintos grupos de edad, muestra un importante incremento de la población potencialmente generadora de nuevos hogares (comprendidos entre 25 y 45 años); con un saldo neto, en este tramo de edad, superior a los dos millones de personas. A pesar de estas cifras, de aparente rejuvenecimiento, se puede afirmar que estamos ante un proceso de envejecimiento en la población como socialmente está reconocido, aunque si nos atenemos solamente a las estadísticas a corto; sería cuanto menos discutible; ya que los datos que disponemos indican, que si en el año 2001 había un “Índice de Envejecimiento”40 de un 17,04%, éste descendió al 16,65 % en 2009. Es decir, en un análisis simplista estaríamos ante un proceso rejuvenecimiento de la sociedad española. 40 “Índice de Envejecimiento”: Entendemos como el porcentaje de población mayor de 65 años, lo que en demografía se denomina ([Pt+65/Pt]•100). 92 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 3.3: Pirámides de población 2001, 2009 y 2017 80- 84 años Varones % 80- 84 años Varones % Mujeres % 70- 74 años Mujeres % 70- 74 años 60- 64 años 60- 64 años 50- 54 años 50- 54 años 40- 44 años 40- 44 años 30- 34 años 30- 34 años 20- 24 años 20- 24 años 10- 14 años 10- 14 años 0-4 años 10% 0-4 años 8% 6% 4% 2% 0% 2% 4% 6% 8% 10% 10% 8% 6% 4% 2% 0% 2% 4% 6% 8% Año 2009 Año 2001 Año 2017 80- 84 años Varones % Mujeres % 70- 74 años 60- 64 años 50- 54 años 40- 44 años 30- 34 años 20- 24 años 10- 14 años 0-4 años 10% 8% 6% 4% 2% 0% 2% 4% 6% 8% 10% Fuente: elaboración propia a partir de datos de INE 2001 y Proyecciones de población a corto plazo 20082017. Pero esta situación es sólo temporal y según los datos de las proyecciones de población del Instituto Nacional de Estadística (INE), esta tasa volverá a subir a un 17,92%,41 confirmando la tendencia al envejecimiento de la sociedad española. Es decir: “El incremento de la fecundidad, de la mortalidad y/o de las migraciones podrían parecer la solución al problema del envejecimiento. Partiendo de la hipótesis de que alguno de estos supuestos se diera en la realidad, a corto plazo la población rejuvenecería pero, debido a que el proceso de envejecimiento es un fenómeno estructural, a medio y largo plazo la pirámide de población continuaría teniendo una forma rectangular” (Díez-Nicolás, 2002). 41 Fuente: INE, Proyecciones de población a corto plazo 2002-2017: Escenarios límite de evolución poblacional 93 10% Análisis de la vivienda en Córdoba. Estudio econométrico Previsiblemente, y de no cambiar las tendencias demográficas, en unos veinte años las generaciones del baby boom comenzarán a nutrir los grupos de edad más avanzados, por lo que el ensanchamiento se producirá en la parte superior de la pirámide. 3.2.1.2. STOCK DE HOGARES La creación de hogares por motivo de emancipación, depende de factores económicos y demográficos. El objeto de determinar el número de hogares se debe a la estrecha relación que existe entre el mercado de la vivienda y el número de hogares42 que tiene una población como unidad básica de demanda. Las variaciones del número de hogares que se producen en un año determinan en una proporción importante, los cambios en la demanda global. La forma habitual para determinar el número de hogares en un período se realiza a través del cálculo de las tasas de cabezas de familia, considerándolas por grupos de edad. A partir de los datos obtenidos en el Censo de Población de 2001, en las Estimaciones Intercensales de Población y en la Encuesta de Población Activa. La tabla 3.1 recoge el número de hogares por edad entre los años 1997 y 2009. Tabla 3.1: Hogares por grupos de edad 1997 Unid % 2001 Unid % 2004 Unid % 2007 Unid % 2009 Unid % Total 13.204,4 100,0% 14.187,2 100,0% 14.687,8 100,0% 16.116,2 100,0% 16.978,9 100,0% De 16 a 29 años 991,9 7,5% 1.070,1 7,5% 754,3 5,1% 984,1 6,1% 1.000,6 5,9% De 30 a 44 años 3.829,3 29,0% 4.338,1 30,6% 4.398,3 29,9% 5.115,8 31,7% 5.501,6 32,4% De 45 a 64 años 4.674,3 35,4% 4.834,1 34,1% 5.212,0 35,5% 5.731,5 35,6% 6.028,6 35,5% 65 años ó más 3.708,9 28,1% 3.944,9 27,8% 4.323,2 29,4% 4.284,8 26,6% 4.448,1 26,2% Fuente: INE y elaboración propia. 42 Para el INE, hogar se refiere al conjunto de individuos, sean o no parte de una misma familia, que viven en la misma vivienda y según la Encuesta de Población Activa constituyen un hogar todas las personas que habitan en la misma vivienda, independientemente que compartan o no los gastos comunes. 94 Análisis de la vivienda en Córdoba. Estudio econométrico Los datos reflejan un crecimiento de 1,7 millones de nuevos hogares, cuya cabeza de familia es menor de 45 años, y son como hemos afirmado antes, la principal fuente de incorporación al mercado del uso de vivienda. El tramo de edad 45-64 años afectaría a la demanda de viviendas por rotación (proceso de filtraje); es decir, aunque son potencialmente demandantes de vivienda, habitualmente lo hacen desprendiéndose de la vivienda anterior para financiar la nueva compra. El último tramo se refiere a la población mayor, cuya repercusión en la demanda de vivienda es despreciable. El modelo familiar tradicional ha sufrido importantes variaciones en los últimos años. Cada vez es más frecuente la existencia de hogares constituidos por personas sin parentesco y formas alternativas de familias. La composición de los hogares afecta a la tipología de vivienda a demandar; según la Encuesta de Población Activa, de los 16,9 millones de hogares que había en 2009, el 80,9% corresponde a familias principales y el resto a hogares no familiares, lo que significa una disminución, de hogares familiares de cinco puntos (representaban el 85,4% en el año 2000). Los hogares no familiares son principalmente unipersonales (94,1%). El tamaño medio del hogar español ha evolucionado, pasando de 3,03 personas en 2001 a 2,74 a finales del año 2009. La pareja sin hijos es el tipo de hogar más frecuente (21,5%), seguido de parejas con un hijo (21%) y con dos hijos (17,4%). Las familias con 3 o más hijos pasan a ser marginales (3,7%). El número de hogares unipersonales aumentó significativamente superando los 3 millones (de ellos 814.100 pertenecen al tramo 25-44 años y 191.100 en el tramo 45-64 años). El menor tamaño de las unidades familiares está provocando una variación del tipo de vivienda demandada43. En la última década hubo una impresionante incorporación al trabajo de la mujer. El empleo femenino se incrementó en cuatro millones de puestos de trabajo en los últimos diez años lo que contribuyó a incrementar la demanda inmobiliaria por dos motivos: por el incremento de la renta disponible de las familias y por la formación de nuevas unidades familiares unifamiliares. La mujer casada colaboró cada vez más en el pago de la vivienda que compartía con su pareja, lo que ha llevó a incrementar 43 La tipología de vivienda más demandada en el Salón Inmobiliario de Madrid SIMA 2010 fue por este orden: la vivienda de una habitación por parejas sin hijo, la vivienda de dos o tres habitaciones por parejas condescendencia y ya consolidadas y residencia turística por mayores de 55 años. 95 Análisis de la vivienda en Córdoba. Estudio econométrico fuertemente la proporción de personas por hogar que colaboraban al pago de hipoteca (la proporción de mujeres activas pasó, en el periodo 1999-2009, de un 35% a un 51,51%). También se incrementó el número de hogares unifamiliares cuya persona principal es mujer. Tabla 3.1: Hogares unipersonales formados por mujeres (miles) 2000 2008 De 16 a 24 años 9,2 18,9 De 25 a 34 años 71,1 143,6 De 35 a 44 años 59,4 114,9 De 45 a 54 años 54,8 125,1 De 55 a 64 años 111,2 204,8 De 65 a 74 años 381,9 408,8 De 75 a 79 años 244,2 293,6 De 80 y más años 272,5 417,9 Fuente: Explotación de la Encuesta de Población Activa del INE y elaboración propia. Luego se ha producido un cambio en el modelo familiar en los últimos años. Cada vez con más frecuencia, hogar y familia no son equivalente ya que algunos hogares están constituidos por personas entre las que no existe relación de parentesco, hay familias que no viven en el mismo hogar y han surgido nuevas tipologías de familia. En referencia a la familia tradicional, el número de matrimonios descendió alcanzando en el año 2008 la cifra de 196.613, un 9% menos que en el año 2000. Aumentó la edad media del primer matrimonio en ambos sexos, siendo superior en los varones (31,9 años), que en las mujeres (29,8 años). Y aumentó el número de disoluciones matrimoniales Gráfica 3.4: Número de matrimonios y divorcios, 2003-2008 Fuente: Movimiento Natural de la Población. Estadística de Nulidades, Separaciones y Divorcios. INE (2010). 96 Análisis de la vivienda en Córdoba. Estudio econométrico 3.2.1.3. POBLACIÓN Y DEMANDA DE SEGUNDA VIVIENDA Otro factor importante es la demanda de segunda vivienda muy ligada al crecimiento económico y al efecto riqueza. Partiendo que más del 70% de las familias españolas tienen pagadas sus viviendas y cerca del 18% tienen una segunda vivienda. También ha sido determinante el turismo residencial, con cerca de 52 millones de turistas cada año, una parte de ellos, compró una vivienda para pasar sus vacaciones o retirarse al llegar la jubilación, especialmente en la costa mediterránea, Baleares y Canarias. Este fenómeno ha sido importante en la última década, llegando a calificar algunos analistas a España como la "Florida europea". En España, la segunda residencia constituye un 31,5% del parque. La demanda de vivienda con fines vacacionales se vio impulsada, también, por la inversión inmobiliaria procedente del extranjero, que en el último ciclo llegó a representar alrededor de un 40% de las compras de la vivienda en zonas vacacionales. Aunque actualmente, se está produciendo una huida de compradores foráneos a otros destinos. Por otro lado, el acceso de los españoles a la segunda vivienda se ha realizado fundamentalmente en el tramo de edad 45-64 años, una vez que han terminado de pagar la vivienda principal o con una deuda pendiente reducida (gráfica 3.5). Gráfica 3.5: Familias con segunda residencia en propiedad por tramos de edad (%) 18,1% 20% 13,2% 16% 9,1% 12% 8% 6,1% 4% 0% De 16 a 29 años De 30 a 44 años De 45 a 64 años 65 años ó más Fuente: INE 2007. Censos de Población y Viviendas 2001. Resultados definitivos, elaboración propia 97 Análisis de la vivienda en Córdoba. Estudio econométrico La demanda de extranjeros tiene una clara tendencia a disminuir, a pesar de un ligero repunte en los años 2007- 2008, debido básicamente a la drástica reducción del diferencial entre el precio de la vivienda española y sus países de origen, y a una crisis financiera sin precedentes. Las cifras de compras de extranjero han pasado a ser reducidos en relación al volumen anual (gráfica 3.6) Gráfica 3.6: Inversión extranjera en inmuebles en España 8.000 7.000 6.000 5.000 4.000 3.000 2.000 1.000 - Fuente: Banco de España. BIEST y elaboración propia. 3.2.2. CICLO ECONÓMICO La renta de las familias aparece en la literatura económica como uno de los factores principales que determinan la demanda de vivienda (Norton, 1955, Friedman, 1957, De Leeuw, 1971, Poterba, 1984 y otros). Las familias consumen servicios de vivienda conforme a una restricción presupuestaria, por lo que es interesante conocer la relación que existe entre situación económica y demanda con el objeto de obtener su influencia en el mercado inmobiliario. Aunque existen autores que consideran que son los ciclos del sector inmobiliario los que se trasmiten al resto de la economía, fundamentalmente por la fluctuación del precio, ya que se altera "el efecto riqueza" y la capacidad de endeudamiento de los agentes, que es un factor crucial para el buen funcionamiento de una economía avanzada. “De las 10 recesiones que ha sufrido Estados Unidos después de la Segunda Guerra Mundial, 8 han ido precedidas de una desaceleración en el sector inmobiliario” (Leamer, 2007). 98 Análisis de la vivienda en Córdoba. Estudio econométrico “Cada recesión en el ámbito de la vivienda, nacional o regional, comienza con un exceso de oferta de vivienda disponibles, en la mayoría de los casos por un descenso de la demanda" (Case y Quigley 2008). También existen estudios que utiliza la renta como variable de la función de demanda Modigliani (1970), empleando indicadores tales como: renta familiar disponible, renta per cápita o variaciones del PIB. A raíz de los trabajos de Muth (1969) y su aplicación de la “teoría de la Renta Permanente” al mercado de la vivienda, utilizan el concepto de renta asegurada, o esperada de las familias en un periodo de tiempo largo. Esta tendencia, en un horizonte temporal, será sobre la que se tomen las decisiones de consumo e inversión en bienes duraderos, como es el caso de la vivienda. Es decir, que una perspectiva de renta asegurada a largo plazo provocará un incremento de la demanda de viviendas, mientras que un futuro no claro en la renta familiar y beneficios de las empresas, será determinante para contraer la demanda inmobiliaria. Por lo que consideramos que las desaceleraciones en el sector inmobiliario no son el origen de las recesiones económicas, sino que la desaceleración del mercado de la vivienda, previo a una resección, es un síntoma de agotamiento del ciclo económico. Para otros autores, está suficientemente documentado las implicaciones que los condicionantes económicos tienen sobre la demanda de vivienda. “La expansión de la economía con un uso intensivo de mano de obra, produjo un crecimiento del empleo que a la vez ha sostenido el aumento de renta disponible de las familias e incrementado la capacidad de adquirir vivienda, reforzándose a su vez el círculo de expansión, empleo y capacidad de adquisición de la vivienda como en ningún país de Europa” (Campos, 2008). En el caso español, el considerable crecimiento económico permitió, no sólo aumentar su peso económico, sino que favoreció el proceso de convergencia de renta per cápita con Europa. En concreto, la renta per cápita española, medida en términos de paridad de poder de compra, pasó de representar el 80% de la media de la UE-15 a principios de los 90, a superar el 90% a principios 2008. Luego la renta es un factor 99 Análisis de la vivienda en Córdoba. Estudio econométrico determinante a la hora de adquirir una vivienda. Las fases de crecimiento económico, y en consecuencia de renta familiar, coinciden con periodos de mayores incrementos tanto en el precio de la vivienda, como en el volumen de construcción. Desde la mitad de la década de los noventa, se produjo un periodo expansivo con el crecimiento del PIB, del crédito y una disminución del paro (gráfica 3.7). La fuerte creación de empleo producido -a tasas superiores al 3% entre 1999 a 2008- supuso una gran reducción de la tasa de paro, que pasó del 18% en enero de 1999, al 7,9% en junio de 2007 y discurrió paralelamente a un incremento de la tasa de actividad. Esta expansión promovió la formación de nuevos hogares, favoreciendo a su vez la salida de jóvenes del ámbito familiar. A partir del 2008, se volvió a destruir empleo volviendo a alcanzar tasas similares a la década de los 90 (20,05% en el primer trimestre del 2010). Un crecimiento de la renta real presiona sobre la oferta del mercado inmobiliario, que es más rígida, generando una tendencia de incremento a los precios reales tanto del suelo, como de la vivienda. En el caso de decrecimiento, la situación es inversa y se produce una disminución de precios al aumentar stocks de viviendas sin vender. Gráfica 3.7: Tasa de actividad y Tasa de paro. 62% 25% 60% 20% 58% 56% 15% 54% 10% 52% 50% 5% 48% 46% 0% Tasa de actividad Tasa de paro (eje izquierdo) Fuente: Banco de España (BIEST) y elaboración propia La economía española mostró un patrón de crecimiento sostenido hasta diciembre del 2007; a partir de esa fecha comienza un acelerado deterioro de la actividad 100 Análisis de la vivienda en Córdoba. Estudio econométrico y del consumo de los hogares, llegando a alcanzar tasas negativas del -4,45% para el PIB y del -5,40% para el gasto de consumo de los hogares en junio de 2009. Este proceso se corrigió levemente a tasas menos negativas pero sin repuntar ambos índices en el último año. En este último ciclo, el proceso de contracción del PIB y del consumo ha ido precedido de una previa desaceleración en el sector inmobiliario (ver gráfica 3.8), afectando a la riqueza de familias y empresas por la depreciación de sus activos inmobiliarios; así como al crédito, dificultando la capacidad de financiación y solvencia de la entidades financieras. La caída del consumo en los hogares intensifica el descenso de producción y de la inversión empresarial, que a su vez tiene repercusiones directas en el mercado laboral. La subida del paro acrecienta el descenso de consumo, e incrementa la morosidad de las familias y empresas, por lo que hay más presión sobre el sector financiero. Por añadidura, la menor demanda de las familias y empresas hace que los precios inmobiliarios continúen descendiendo, amplificando así, el efecto inicial del descenso en el precio de la vivienda. Gráfica 3.8: PIB y Gasto de consumo en los hogares (Variación interanual) 20% 15% 10% 5% 0% -5% -10% Var. Precio Vivienda % PIB (anual) Consumo (anual) Fuente: Banco de España. BIEST, IMIE y elaboración propia 101 Análisis de la vivienda en Córdoba. Estudio econométrico 3.2.3. DISPONIBILIDAD FINANCIERA Y RENTABILIDAD Otro grupo de factores de demanda utilizado por la literatura, es el financiero y la rentabilidad de los inmuebles, como determinantes del precio real de los inmuebles (Fallis y Smith, 1984 y otros). La influencia de las variables financieras, aunque inicialmente se relacionan con el ciclo económico, se reconoce, también, en la mayor parte de los modelos macroeconómicos su influencia, tanto en la función de oferta como de demanda, ya que tiene especial relevancia en el coste, la financiación y la disponibilidad de crédito. La variación de los tipos de interés influye en la decisión de compra, porque se encuentran vinculados a los precios finales de los inmuebles y afectan a su accesibilidad a través de la cuota que las familias deben amortizar. Existen trabajos (García-Montalvo, 2005) que relacionan cómo los tipos de interés influyen en la demanda de viviendas por la relación existente entre el rendimiento de poseer una vivienda y la rentabilidad de los activos alternativos; que influyen en la decisión de destinar un capital a la compra de una vivienda o a otro activo del mercado financiero. Es decir, que el interés hipotecario puede ser comparado con el rendimiento de otros activos del mercado al calcular el beneficio generado por la posesión de la vivienda. La literatura considera que la expansión del crédito, los bajos tipos de interés y las mejoras financieras son determinantes para explicar la inflación en los precios de la vivienda entre los que se pueden citar Green (2007), Mishkin (2007) y Scanlon et al (2008). Esta expansión en la deuda de los hogares, ya fue confirmada por Guiroard (2007) que en un estudio sobre quince países de la OCDE afirma entre sus conclusiones: "El incremento de la deuda de los hogares, en particular de tipo hipotecario, hasta niveles históricos en una serie de países, ha sido la consecuencia de la combinación de unas favorables condiciones financieras y unos boyantes mercados residenciales. También ha sido favorecido, desde el lado de la oferta, por unas innovaciones en los mercados de crédito que han facilitado el acceso al crédito a prestatarios de renta baja y que han reducido las restricciones financieras para aquellos que accedían por primera vez a una vivienda". 102 Análisis de la vivienda en Córdoba. Estudio econométrico Para el caso español, si se examina la evolución de los ratios de accesibilidad a la vivienda, definidas por el cociente entre el precio de una vivienda y la renta bruta por hogar44, el esfuerzo teórico anual sin deducciones45, y el esfuerzo teórico anual con deducciones, se observa una reducción en los costes de financiación en los primeros años de la década del 2000, con tasas superiores al 15% en el 2001; gracias en gran medida, al descenso de los tipos de intereses hipotecarios -los tipos hipotecarios pasaron de unos niveles medios del 7,7% en el periodo 1995-1999, al 3,4% en la segunda mitad del decenio, lo que supuso de hecho, unos tipos de interés reales negativos- y a la disponibilidad de créditos a largo plazo superiores a los entonces formados por el mercado. Tras un periodo de inicial reducción en el esfuerzo para la compra de vivienda, se procedió a un paulatino incremento de este esfuerzo, alcanzando valores críticos en el año 2008 (gráfica 3.9), debido a que la disminución, tanto en el coste de financiación, como en la ampliación de pagos de la hipoteca, se fue trasladando progresivamente al precio de los inmuebles, produciendo a su vez un aumento exponencial del crédito hipotecario concedido a los hogares por adquisición de vivienda. Para España, "globalmente, la deuda de los hogares alcanzó el 125% de la renta disponible en 2007 -tres cuartas partes de ella de corte hipotecario-" (Ball, 2008). El incremento del precio medio de las viviendas en la fase expansiva se situó en 6,7 veces el salario anual de una familia media (2010), muy por encima de los máximos alcanzados en los ciclos anteriores, aunque ha llegado a tener valores de 7,7 veces en el punto más alto de la burbuja inmobiliaria (2007). 44 Precio medio de una vivienda libre de 93,75 m² construidos (basado en los datos del Ministerio de la Vivienda) dividido por la renta bruta estimada del hogar mediano. (Encuesta Financiera de las Familias 2009). 45 Importe bruto de las cuotas a pagar por el hogar mediano, en el primer año tras la adquisición de una vivienda tipo financiada por un préstamo estándar por el 80% del valor del piso, en porcentaje de la renta anual disponible del hogar. 103 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 3.9: Accesibilidad a la vivienda 60% 9 8 50% 7 40% 6 5 30% 4 20% 3 2 10% 1 0% 0 Esfuerzo bruto Esfuerzo neto Precio/Salario medio Fuente: Banco de España (BIEST) y elaboración propia. Mientras el proceso expansivo económico continuaba, este aumento de precio no afectaba, en exceso, al mercado. Aunque se debe distinguir entre capacidad de compra, que es la relación entre el precio de los inmuebles y el salario medio, este indicador depende de la renta disponible por la unidad familiar y está íntimamente ligada a la creación de empleo; y por otro, capacidad de pago, que indica el esfuerzo sobre la renta disponible que supone el desembolso de la cuota, y está ligada a las condiciones de crédito hipotecario: disponibilidad de financiación, porcentaje de financiación sobre la tasación de la vivienda, actitud de los promotores inmobiliarios y entidades ante la morosidad y fundamentalmente el plazo de amortización, que va a determinar la cuota líquida a pagar por la unidad familiar. En este ciclo "la capacidad de compra ha ido a la baja, pero ha sido compensada hasta los últimos años por una capacidad de pago creciente" (Campos Echevarría, 2008). Es decir, los precios de los inmuebles residenciales subieron muy por encima del crecimiento de los salarios, lo que en teoría hubiera producido una menor demanda de viviendas. Pero este incremento fue paralelo a la bajada de intereses y a la dilación de los plazos de amortización de los créditos; lo que ha permitido mantener la accesibilidad a la vivienda a pesar del incremento de los precios. También facilitó este incremento de demanda, el gran aumento de nuevos asalariados, lo que originó un incremento del 104 Análisis de la vivienda en Córdoba. Estudio econométrico número de demandantes de vivienda con posibilidad de endeudarse y de presionar sobre el mercado de vivienda a pesar de una menor capacidad per cápita de compra. La proporción precio de la vivienda/salario anual, pasó en el último decenio de suponer 3,7 años del salario en diciembre del 1996, a 7,7 años en el año 2007. Esto supone que la capacidad de compra se redujo a la mitad y fue necesario, para contrarrestar este descenso de capacidad de compra, un incremento en el número de ocupados por hogar y una disminución de la superficie media de las nuevas viviendas. Mientras la capacidad de compra fue decreciendo por un incremento acelerado del precio medio de la vivienda, la capacidad de pago se fue incrementando por: Una prolongada bajada de los tipos de interés hipotecarios (el interés MIBOR en el periodo 1995-2010 ha pasado del 10,42% al 1,41%). Una política de prolongación en el período de amortización de la deuda hipotecaria (el período de amortización en el período 1995-2010 ha pasado de 17 a 25 años) Una agresiva e imprudente política de concesión de préstamos, tanto a promotores, como a familias sin la exigencia de garantías solicitadas en otros períodos. Luego consideramos que la bajada de tipos nominales, la prolongación del período de amortización de los créditos y un imprudente déficit en las garantías hipotecarias han sido factores determinantes para el incremento acelerado de los precios y la brusca parálisis del mercado de la vivienda que le ha seguido. El periodo final de este ciclo no ha supuesto un encarecimiento excesivo de los intereses hipotecarios, ni ha afectado al período de amortización de una hipoteca media. Pero por contra, se ha procedido a una restricción del crédito y a un férreo control de las garantías de pago, tanto a disposición de las familias, como a empresas inmobiliarias. En referencia a la rentabilidad de la inversión en vivienda, en la mayoría de los estudios realizados sobre mercados de vivienda se ha utilizado el concepto "coste de uso de la vivienda"; de manera que si dicho coste sube frente al precio de alquiler, es señal de una posible sobrevaloración, y si lo que sube es el alquiler en relación al coste de uso de la vivienda, indicaría una infravaloración. Luego existe una relación, desde el punto de vista teórico, entre precio de vivienda y su renta. Como puede observarse en la gráfica 3.10, la renta bruta de alquiler apenas cubre la inflación y restados los gastos de 105 Análisis de la vivienda en Córdoba. Estudio econométrico comunidad, impuestos del inmueble y costes de mantenimiento, la renta neta puede estar cercana a cero. Luego para los propietarios de inmuebles en alquiler, en el anterior periodo expansivo, la principal fuente de rentabilidades sólo ha sido la revalorización del inmueble. Gráfica 3.10: Rentabilidad anual de la vivienda, de alquiler, de deuda pública e inversiones alternativas 25% 20% Rentabilidad anual de la vivienda 15% 10% Rentabilidad anual de alquiler de la vivienda Rendimiento deuda pública 5% 0% Rentabilidad inversiones alternativas FIM Rentabilidad inversiones alternativas FIAMM -5% -10% Fuente: Banco de España (BIEST) y elaboración propia. Nota: La series de rentabilidad de inversiones alternativas FIAMM y FIM del Banco de España termina en junio de 2008. También se observa que la rentabilidad debida a la revalorización de los inmuebles ha sido muy superior a la rentabilidad de otros activos alternativos, como pueden ser renta fija, renta variable y otras inversiones que, unido a la bajada de los tipos reales de interés, han favorecido la tendencia al endeudamiento en la compra de inmuebles, tanto para su uso, como para inversión; por la débil restricción al endeudamiento, que convirtió en atractivo la compra de viviendas con objeto de obtener grandes plusvalías. 106 Análisis de la vivienda en Córdoba. Estudio econométrico 3.2.3.1. FINANCIACIÓN DE LA VIVIENDA EN LA ZONA EURO La deuda hipotecaria representaba, en 2010, aproximadamente el 72% del total de los pasivos que tenían las familias europeas, lo que suponía un aumento de 20 puntos porcentuales respecto al principio de los años noventa. El crecimiento de los préstamos realizados por las entidades financieras mantuvo un crecimiento medio del 11,5% a lo largo del periodo 1999-2007. Pero este crecimiento no fue uniforme en todos los estados de la zona euro. En algunos países como Grecia (GR) o Eslovenia (SI), que tenían un reducido nivel de endeudamiento, registraron crecimientos interanuales de préstamos hipotecarios muy elevados (por encima del 25%), mientras los países como Alemania (DE) el crecimiento del préstamo hipotecario fue muy reducida. Gráfica 3.11: Crecimiento y nivel inicial de los préstamos concedidos por las entidades financieras a las familias para la adquisición de vivienda en los países de la zona euro. Fuentes: BCE y Eurostat. Los factores que determinaron las tendencias de los préstamos para la adquisición de vivienda en la zona euro fueron básicamente: 1. Nivel de endeudamiento de los hogares que estaba relacionado con la del mercado de la vivienda. Entre los años 1999 y 2007 los precios de los inmuebles residenciales registraron un crecimiento interanual por encima del 6%. Aunque países como Irlanda o España, donde los precios se incrementaron en mayor proporción, el endeudamiento de los hogares para la adquisición de vivienda aumentó también notablemente. Por contra, en Alemania donde la evolución de los precios ha sido 107 Análisis de la vivienda en Córdoba. Estudio econométrico negativa, el crecimiento interanual de préstamos ha sido del 0,4% en el periodo considera. 2. La situación macroeconómica en los países de la zona euro también contribuyó al aumento del endeudamiento de los hogares. 3.2.4. FACTORES FISCALES Los efectos que tiene sobre el mercado de la vivienda la fiscalidad es doble. Por un lado el “efecto-renta” que tiende a aumentar o disminuir la demanda de servicios de stock/vivienda y el otro, el “efecto-precio”, asociado a la variación del coste de uso (Lopez García, 1999). Las razones para la intervención pública en el mercado de la vivienda se justifica por: I. razones de eficiencia, por la existencia de fallos de mercado que generan asimetrías en la información; II. argumentos de equidad para evitar la desigualdad de oportunidades de acceso desigualdad horizontal-, para eliminar la desigualdad en la distribución de la renta -desigualdad vertical-; III. razones macroeconómicas, para generar un incremento productivo en el sector inmobiliario por su repercusión económica y en el empleo; IV. argumentos políticos, con el que se pretende buscar la simpatía de los votantes. Una de las formas más comunes de actuar en el mercado de la vivienda de los gobiernos, es mediante su tratamiento fiscal, que tiene dos aspectos diferenciados: el gravamen a que se encuentra sometida y los incentivos o bonificaciones fiscales. La valoración de la vivienda es la base para el gravamen que afecta a tres niveles administrativos; las corporaciones locales, las autonomías y gobierno central. Para las administraciones locales, el impuesto de la propiedad de bienes inmuebles (IBI) es una de las fuentes principales de ingresos, así como otros impuestos derivados de la transmisión de las viviendas, como los impuestos que gravan la plusvalía. Las autonomías se nutren con la recaudación del Impuesto sobre Transmisiones 108 Análisis de la vivienda en Córdoba. Estudio econométrico Patrimoniales y Actos Jurídicos Documentados, mientras que el Impuesto sobre el Valor Añadido (IVA) corresponde al gobierno central. Una variable importante, que afecta al precio, sería el proceso que conduce a la autorización para la construcción de nuevas viviendas, por el cual, las empresas inmobiliarias deben ceder parte del suelo a la entidad municipal, o en el caso de ser suelo consolidado, abonar su equivalencia según los coeficientes aplicados por los ayuntamientos y recogidos en la Ley de Hacienda Locales, además deben abonar la tasa de Licencia Municipal de Obras y otras tasas asociadas con el proceso de construcción. El conjunto de toda esta fiscalidad llegó a alcanzar el 15% del costo total de adquisición (incluidos impuestos) de la vivienda de nueva construcción (Rodríguez López, 2009). Para el caso de viviendas usadas, la incidencia fiscal resulta algo más reducida que en las de nueva construcción. Pero la administraciones también realizan una función redistributiva, los incentivos fiscales han supuesto el equivalente al 0,88% del PIB y corresponde básicamente a la aplicación de un tipo reducido del 8% en el I.V.A. (julio de 2010) y de un 4% para las VPO de régimen especial; y a la reducción en la cuota del impuesto del 15% de las cantidades abonadas (principal más intereses) hasta los 9.000 €. La fiscalidad pues, actúa en direcciones contrarias. Si el impuesto sobre la transmisión y la propiedad suponen un coste añadido, las desgravaciones implican una reducción importante. Las ayudas incrementan la capacidad de pago, por lo que los promotores inmobiliarios, con frecuencia, establecieron precios teniendo en cuenta la renta disponible del comprador, las condiciones de interés, plazo y desgravaciones existentes en el mercado. En este último ciclo, la aportación fiscal a las arcas municipales superó el 50% de sus ingresos, haciendo cada vez más dependientes a los ayuntamientos de los ingresos por la construcción de nuevas viviendas. Esto llevó a un incremento progresivo de la presión fiscal a lo largo de este último período, por lo que se atribuye a las corporaciones locales una importante responsabilidad en los altos niveles de precios alcanzados por el suelo; y por lo tanto, en los precios de la vivienda, no sólo por el incremento fiscal, sino 109 Análisis de la vivienda en Córdoba. Estudio econométrico por la regulación urbanística y el empleo de la enajenación de suelo público mediante subasta, que potenció un encarecimiento derivado por los elevados precios de venta previstos para las viviendas que se construyeron en ese suelo. Gráfica 2.12: Recaudación de los tributos locales (miles de €) 2.097.861 2.934.711 Impuesto sobre construcciones, instalaciones y otras Impuesto sobre actividades económicas 1.544.615 1.435.009 Impuesto sobre el incremento del valor de los terrenos 1.345.214 1.633.655 2.508.132 2.274.978 Impuesto sobre vehículo de tracción mecánica 9.889.932 7.991.858 Impuesto sobre bienes inmuebles 2009 2007 Fuentes: Expansión.com 10/08/10, Banco de España y elaboración propia Paralelamente se ha producido un importante ajuste en la valoración de las fincas urbanas por parte del Catastro para “adecuarse al nivel de mercado”, acercándose a los máximos permitidos por la ley en impuestos inmobiliarios, lo que supone un encarecimiento del uso de vivienda. A modo de síntesis los principales impuestos que soporta la vivienda son: Impuesto sobre la construcción de la venta de vivienda Impuestos del Gobierno Central Impuesto sobre el Valor Añadido (IVA); 4% del precio de la vivienda nueva vendida; 4% para las VPO de régimen especial. Impuesto de la Renta sobre Personas Físicas (IRPF) para el caso de la venta de la vivienda, si no hay reinversión, la plusvalía en un año se grava al tipo marginal del IRPF o al 18% si se ha generado en un período superior. Impuestos de los Gobiernos Autonómicos Impuesto de Transmisiones Patrimoniales (ITP); 7% del precio sobre el solar adquirido por la construcción de nuevas viviendas. 110 Análisis de la vivienda en Córdoba. Estudio econométrico Actos Jurídicos Documentados (AJD) aproximadamente el 0,5-1% en el préstamo hipotecario para la compra del terreno, en la escritura de obra nueva, en la escritura división horizontal y en la escritura de compraventa de la vivienda. Declaración de obra nueva, escritura división horizontal (AJD), un 1% en ambos casos. Corporaciones locales Incremento de Valor de los Terrenos de Naturaleza Urbana (IVTNU), tasa de Licencia Municipal de Obras, Impuesto sobre la Construcción; es variable según el municipio. Impuesto de Construcción (ICIO), un 4% del presupuesto de obra. Tasa de licencia de obras, un 3% del presupuesto de obra. IBI del solar, un 0,8% del valor catastral. Plusvalías e IVTNU del solar sobre el que se ha construido la vivienda, 0,3% de la plusvalía. Escritura pública por la venta de la vivienda ITP y AJD, 1% sobre el precio escriturado. En este gravamen no computa los acuerdos urbanísticos, que frecuentemente las empresas inmobiliarias, realizaron con las corporaciones locales para los Planes Parciales para la urbanización de nuevas áreas. Impuesto sobre la tenencia Gobierno Central IRPF, para el caso de segunda vivienda, se incluye en la base imponible del IRPF la renta imputada de la propiedad de la vivienda correspondiente a un 2% del valor máximo entre valor catastral y coste de adquisición. El rendimiento neto de la vivienda arrendada se integra en la base imponible de IRPF o en el Impuesto de Sociedades (IS), en el que se incluye los ingresos derivados de los arrendamientos (con las reducciones correspondientes). Impuesto Gobiernos Autonómicos Actos Jurídicos Documentados (AJD) con motivo del contrato del alquiler en su defecto. 111 Análisis de la vivienda en Córdoba. Estudio econométrico Gastos fiscales de la vivienda Gobierno Central Por la compra de la vivienda habitual y por las cuentas ahorro-vivienda se deduce en la cuota del impuesto del 15% de las cantidades pagadas en el año hasta 9.000 euros (para el caso de la declaración separada se duplica). Con anterioridad al año 2006, si la vivienda se compró mediante préstamo, los dos primeros años tenía una deducción del 25% de los primeros 4.500 euros pagados y el 15% en los siguientes 4.500 euros. A partir del ejercicio 2011 estas desgravaciones sólo mantienen para rentas anuales inferiores a 17.707,20 euros y se eliminan para rentas superiores a 24.107,20 euros. La deducción es menor para quienes obtienen ingresos comprendidos entre los 17.707,20 y 24.107,20 euros. Por el alquiler de inmuebles destinados a la vivienda habitual, en el caso de ser una persona física el propietario, se deduce de la base imponible del IRPF el 50% del rendimiento neto de las viviendas. La deducción será del 100% si se alquila a personas entre 18-35 años y con unos rendimientos netos del trabajo superior a los 7.455,14 euros. Para el caso del inquilino, en el tramo estatal se incluye una reducción del 10,05% de las cantidades satisfechas en concepto de alquiler siempre que la base imponible sea inferior a 24.020 euros, con una base máxima de deducción de 9.015 euros. Para el caso de Sociedades, el Gobierno Central aplica una bonificación del 85% de la parte de la cuota íntegra del Impuesto de Sociedades que corresponda a las rentas derivadas del arrendamiento. En las viviendas de transmisión libre, el gobierno central aplica un IVA reducido del 8% y en VPO de régimen especial se aplica un tipo reducido del 4%. Gobiernos Autonómicos La normativa es dispersa, aunque la mayoría aplican deducciones por la adquisición o rehabilitación de la vivienda habitual para menores de 35 años. Por el alquiler de inmuebles destinados a la vivienda habitual (entre 5-20%), aunque la normativa es dispersa. Actos Jurídicos Documentados desgravación en los AJD de un 0,5% en la escritura y un 0,5% en la formalización del préstamo. 112 Análisis de la vivienda en Córdoba. Estudio econométrico Corporaciones locales Por la compra de viviendas VPO desgravan el 50% del IBI los tres primeros años después de la calificación definitiva. Los esfuerzos de la administración para facilitar la accesibilidad a la vivienda, a veces se ven neutralizados por otros estamentos de la propia administración, que neutralizan los propios esfuerzos. Se debe realizar una valoración global de las administraciones en relación con su política de vivienda. Es decir, los esfuerzos de desgravaciones fiscales para abaratar el precio de la vivienda se ven contrarrestados con las políticas de regulaciones sobre el suelo y proceso de construcción (licencias, tasas, porcentajes de cesiones de suelo, dilatación del periodo de aprobación de los planes parciales, etc.) cada vez más restrictivas, que han gravado el precio de las promociones inmobiliarias dificultando la accesibilidad a la vivienda. 113 Análisis de la vivienda en Córdoba. Estudio econométrico 3.3. L LA OFERTA a función de oferta, para un determinado bien, expresa la relación entre el precio de mercado y la cantidad de productos que el empresario ofrece por dicho precio. Las empresas estarán dispuestas a producir hasta que el ingreso unitario sea igual al coste marginal de producir una unidad adicional. Este planteamiento de equilibrio corresponde a un mercado de competencia perfecta, donde existen bienes sustitutivos y el precio de equilibrio, en el mercado, determinará si los oferentes aceptan el precio o se retiran. Pero en el mercado de la vivienda no existe información perfecta, el bien tiene unas características heterogéneas y está en continua evolución, tanto en sus características tecnológicas, como en los hábitos de utilización de los servicios de vivienda. También existen factores adicionales que diferencian este mercado como es la existencia de importantes barreras de entrada, la variedad en la dimensión de las empresas, la existencia de intermediación y la intervención del estado, tanto desde el punto de vista normativo, como actuando directamente en él, a través de la vivienda de protección oficial. La oferta depende de factores tales como el stock de viviendas existentes y el coste de producción, que entre otras incluye el precio del suelo, el coste del bien y la capacidad de financiación disponible y el beneficio esperado que se procede a analizar a continuación acotándolo al mercado español. 3.3.1. EL STOCK DE VIVIENDA La mayor parte de la literatura identifica la oferta con stock de nuevas viviendas y usadas46. A corto plazo, la cantidad de vivienda disponibles en un mercado es constante, ya que la construcción de nuevas viviendas supone un porcentaje muy pequeño sobre el 46 Véase: Poterba (1984, 1991), Topel y Rosen (1988), Markiw y Weil (1989) y DiPasquale y Wheaton (1994). 114 Análisis de la vivienda en Córdoba. Estudio econométrico total, por lo que una variación en los precios de mercado no tendrá un efecto inmediato sobre el volumen de la oferta, debido al desfase existente entre el inicio y el final de una construcción; aunque sí afectará a la decisión de construir en el futuro, produciéndose un desfase temporal importante. El precio que toma como referencia una empresa constructora, no es el precio actual, sino el precio que espera obtener cuando finalice la vivienda y la demanda esperada en ese momento. Puede afirmarse que el periodo de maduración desde que se inicia la construcción hasta que se termina es muy amplio. En la determinación de la oferta en el mercado de viviendas se distinguen cuatro tipos de producciones: la producción propiamente dicha, fruto del resultado de la construcción de viviendas nuevas; el resultado del mantenimiento de las viviendas ya existentes en superficie, conservando su localización y estructura; la rehabilitación, que supone incrementar la calidad de las viviendas construidas; y una última actuación que sería la alteración de las viviendas, mediante un cambio de tamaño o de uso de la unidades en un edificio, con el objeto de mejorar su calidad. Dado el estudio de la oferta se suele plantear a partir del estudio de la oferta de nuevas viviendas (inversión bruta en construcción residencial), pero también a partir del stock de viviendas existentes. Para su análisis, se suele aplicar planteamientos de estudios temporales, bien a corto o largo plazo, enfoques macroeconómicos de la edificación y por último, análisis de corte transversal, en los que se suele analizar características desagregadas de la vivienda para la determinación de su precio como es la metodología de precios hedónicos. El stock de viviendas, en un momento dado, se define como la cantidad de unidades residenciales existentes en el periodo anterior, más las terminadas, menos las pérdidas por derribo. El stock, dado que el porcentaje de viviendas iniciadas y derribadas es muy pequeño, se considera fijo a corto plazo, puesto que sólo la proporción de viviendas que estando terminadas están desocupadas y se encuentran disponibles para el mercado, pueden representarse en la función de oferta. Si la demanda disminuye, inicialmente los vendedores consideran su precio como fijo (precio inamovible), esto amplía el diferencial de precios entre oferta y demanda, obstaculizando los acuerdos entre compradores y vendedores. Por tanto, el ajuste de 115 Análisis de la vivienda en Córdoba. Estudio econométrico precios en un período de recesión del mercado de la vivienda son procesos a largo plazo, mientras que los derivados de una expansión se producen rápidamente. La oferta de viviendas se puede dividir en función de la naturaleza del inmueble, en vivienda nueva y usada, y por sus características en vivienda libre y protegida. Además se debe considerar el mercado de la vivienda ofrecida en alquiler. En los siguientes apartados analizamos el stock de viviendas en el ámbito español. 3.3.1.1. EL STOCK DE VIVIENDA EN ALQUILER Y USADA Importa conocer el alcance real del alquiler en España como producto sustitutivo de la oferta de venta de viviendas. La fuente principal de conocimiento que se dispone, son los Censos de Población y Vivienda publicados decenalmente. El número de viviendas en alquiler en España ascendía a 1.61 millones de inmuebles en el último censo (11,4% del parque). Existen estimaciones posteriores como la Encuesta sobre la Vivienda en Alquiler de los Hogares en España publicado por el extinto Ministerio de la Vivienda en el año 2006, y las Encuestas de Condiciones de Vida del INE, esta última se realiza con frecuencia anual. Según la última encuesta del 2010, el número de hogares que residían en alquiler ascendía a 1.89 miilones, lo que supone un porcentaje similar al año 2001. La vivienda usada concentra un volumen significativo de la oferta total. Estas viviendas están formadas básicamente por tres tipos distintos: vivienda de rotación que está constituida por las familias que decidieron cambiarse a una nueva vivienda, vivienda especulativa, tanto de particulares como de empresas puestas en venta, y viviendas pertenecientes a la instituciones financieras. Cuando se habla de vivienda usada es necesario mencionar que todos los años se extinguen del orden de más de 100.000 hogares, bien por resolución de la familia o por defunción, lo que significa la entrada al mercado de un volumen importante de vivienda usada al año (entre el 40-50% de las viviendas de esas disoluciones). No 116 Análisis de la vivienda en Córdoba. Estudio econométrico existen datos estadísticos oficiales a nivel nacional47 que muestren el volumen de oferta de vivienda usada, aunque existen algunos estudios que la cifran entre 620.000 y 720.000 viviendas48. La información de que se dispone es el número de compra-ventas de viviendas usadas y nuevas, donde se puede apreciar que hasta el año 2008, el número de compra-ventas de viviendas usadas era superior al de viviendas nuevas, que no absorbían a su vez, a la oferta de viviendas de nueva construcción incrementando el stock de viviendas sin vender (ver gráfica 3.13). Millares Gráfica 3.13: Viviendas nuevas terminadas / compraventa de vivienda nueva y usadas 700 600 500 400 300 200 100 2004 2005 2006 Nº compraventas vivienda nueva 2007 2008 2009 Nº compraventas vivienda usada Viviendas terminadas Fuente: Banco de España y elaboración propia. 3.3.1.2. LA OFERTA DE VIVIENDAS NUEVAS Desde finales de 1996 se ha producido una fase expansiva de la actividad constructora residencial y de los precios de la vivienda, que terminó en el último tercio del 2007, cuando se frenó la demanda fruto de una crisis financiera, que derivó en una grave recesión del mercado de la vivienda. Durante la última década se ha producido una oferta de viviendas nuevas muy importante, en relación con la población y de la propia vivienda ya existente, superior al resto de los países de la Unión Europea (a excepción de Irlanda); con un ritmo de construcción de viviendas nuevas de 18 por cada mil habitantes, 47 Existen estudios a nivel autonómico, como en la Comunidad Autónoma del País Vasco que realiza una Encuesta sobre Oferta Inmobiliaria, y entre sus objetivos se encuentra el de conocer el volumen de vivienda usada. 48 Anuario Estadístico del Mercado Inmobiliario Español 2010 RR de Acuña & Asociados. 117 Análisis de la vivienda en Córdoba. Estudio econométrico frente a una media europea de 5,7 por mil. Esta situación supone una incorporación de suelo, gestión y producción al mercado sin precedentes, como puede apreciarse en la tabla 3.3. La expansión de la oferta ha sido especialmente importante en las grandes áreas metropolitanas de Madrid, Barcelona y Valencia; sin olvidar todo el arco mediterráneo (resto de Cataluña, Málaga, Murcia, Almería, etc.), donde la actividad de la construcción supuso una fuerte demanda de la mano de obra, tanto nacional como inmigrante. Tabla 3.3: Oferta de viviendas nuevas / Formación de hogares 1992 1997 2000 2004 2006 2008 2009 Viviendas visadas 221.100 338.000 535.000 687.000 864.000 264.800 110.900 Viviendas iniciadas Viviendas iniciadas s/parque viviendas año anterior Viviendas terminadas 210.500 323.200 534.000 692.000 729.000 346.000 159.300 1,4% 1,7% 2,7% 3,1% 3,1% 1,3% 0,6% 206.000 299.600 415.700 565.900 659.000 615.000 387.000 Formación de hogares 206.000 253.000 282.000 414.000 498.000 448.000 226.000 1,467 1,522 1,526 1,539 1.534 1.552 1.563 Parque viviendas/núm. hogares Fuente: Banco de España. Indicadores de la Vivienda y elaboración propia. La proporción de viviendas por hogar en España era de 1,56 en el año 2009, superior al resto de los países de la Unión Europea (1,12%). Lo que indica la existencia de un importante volumen de viviendas vacías, cuyo objetivo era la inversión especulativa ante perspectivas de mayor rentabilidad en el ladrillo que en otras inversiones alternativas. La oferta de vivienda nueva creció de forma sostenida hasta duplicar su peso relativo en el PIB en el periodo 1997-2007, pasando de un 4,7% en el año 1997 a un 9,3% en el año 2007, generando un periodo virtuoso de construcción, de creación de empleo, de incremento de la población y formación de hogares que a la vez originaba más demanda de construcción. El fin de esta etapa de expansión inmobiliaria se inició en el último cuatrimestre del 2007, se agudizó a lo largo del 2008 y continúa en la actualidad, con una reducción de las ventas interanuales y una lenta disminución del precio nominal de las viviendas. 118 Análisis de la vivienda en Córdoba. Estudio econométrico Esta crisis del mercado se ha ampliado al resto de la economía con una desaceleración del crecimiento y un fuerte incremento del paro. El descenso de las ventas en el año 2007 afectó a la oferta de viviendas nuevas en años posteriores (tabla 3.3). Los visados de obra nueva -que se considera un indicador adelantado de la inversión en vivienda- retrocedieron el año 2008 un 52,5% respecto al año 2006. Mientras que el ritmo de creación de nuevos hogares bajó solamente un 10%. Estos datos sugieren que la contracción del mercado de la vivienda continuará, ya que el número de licencias visadas siguió cayendo durante todo el año 2009. El desfase acumulado de viviendas terminadas y ventas entre los años 20052008 produjo un desequilibrio estimado en torno a 688.044 viviendas nuevas en 2010, a las que hay que añadir la vivienda usada ofrecida por el resto de los actores y personas físicas (vivienda de rotación, especulativa, en poder de instituciones financieras y sociedades instrumentales de instituciones financieras) que pueden superar la cifra de 673.323 viviendas49, lo que supone en torno a 1.361.367 viviendas sin vender. Las cifras oficiales también son similares, los datos publicados por el Ministerio de Fomento, que se realizan por métodos indirectos utilizando los certificados de fin de obra del Colegio de Arquitectos Técnicos corregidos, considerando el número de compraventa de viviendas de la estadística de transacciones inmobiliarias del ministerio mediante la fórmula: Stockt = Stockt-1 + VTt,t-1 – VTNSCt,t-1 - VNVt, t-1 Siendo, VTt,t-1 los certificados de fin de obra, VTNSCt,t-1 la viviendas de autopromoción o promocionadas en régimen de cooperativa y VNVt, t-1 número de viviendas vendidas en el período de estudio. En la tabla 3.4 se puede comprobar el rápido crecimiento del stock de viviendas nuevas sin vender entre el año 2005 y 2008. Durante el año 2009 este incremento del 49 Fuente: Informe Anual de la Situación del Mercado Inmobiliario Español a Corto, Medio y Largo Plazo, y sus Repercusiones sobre el Resto de Sectores de 2010 de RR de Acuña & Asociados. 119 Análisis de la vivienda en Córdoba. Estudio econométrico stock se suaviza, ante la disminución de la oferta de viviendas nuevas, y a lo largo de 2010, debido a la parálisis absoluta del mercado, tanto por parte de la oferta como de la demanda, el stock ha permanecido constante. Tabla 3.4: Stock acumulado de viviendas sin vender y variación interanual. Stock acumulado 2004 2005 2006 2007 2008 2009 2010 102.825 195.184 273.363 413.642 613.512 688.044 687.523 Variación % 89,8% 40,1% 51,3% 48,3% 12,1% -0,07% Fuente: Ministerio de Fomento. Stock de viviendas nuevas a diciembre 2010 Este excedente se distribuye de forma muy diferente según los distintos territorios. En el año 2010 el que el mercado ha dado signos de actividad (2010), los mayores stocks de viviendas se concentraban en las provincias de la costa mediterránea, especialmente en la Comunidad Valenciana con 119.798 viviendas sin vender (17,4% del stock total). También presenta un gran volumen Andalucía con 114.147 viviendas (16,6%), concentrándose básicamente en las provincias litorales y Sevilla. Es importante también el parque de vivienda sin vender existente en la provincias de Castellón (7,5%), Toledo (6,2%), Almería (5,9%), Ciudad Real (4,9%) y Lleida (4,8%) tienen una situación más difícil, porque a este volumen, habría que añadir la oferta de vivienda usada y aquellas viviendas que poseen las instituciones de crédito (gráfica 3.5). El Stock de las viviendas sin vender en la provincia de Córdoba se encuentra por debajo de la media nacional, con un 2,1% sobre el total parque de viviendas en el año 2009 y una reducción del stock del 3,1% en el año siguiente. La causa fundamental se debe a la práctica paralización del proceso constructivo, por lo que el stock se está absorbiendo muy lentamente con la creación de nuevas familias. 120 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 3.5: Stock de viviendas nuevas sin vender por comunidad autónoma y provincia Porcentaje sobre total (2010) Stock sobre Variación Variación parque de del stock del stock viviendas 2009 2010 2009 2,7 12,1 -0,1 Stock 2008 Stock 2009 Stock 2010 TOTAL NACIONAL 613.512 688.044 687.387 100 Andalucía 104.861 114.147 112.247 16,3 2,5 8,9 -1,7 Almería 18.240 22.517 23.665 3,4 5,9 23,4 5,1 Cádiz 15.216 17.005 17.080 2,5 2,7 11,8 0,4 -3,1 Córdoba 7.960 8.115 7.863 1,1 2,1 1,9 Granada 11.421 11.491 11.063 1,6 2,2 0,6 -3,7 Huelva 6.374 7.036 5.794 0,8 2,4 10,4 -17,7 Jaén 7.430 7.100 6.536 1,0 2,1 -4,5 -7,9 Málaga 21.092 22.666 21.443 3,1 2,2 7,5 -5,4 Sevilla 17.125 18.217 18.803 2,7 2,1 6,4 3,2 Aragón 15.484 18.168 18.402 2,7 2,3 17,3 1,3 Huesca 3.490 4.101 3.877 0,6 2,5 17,4 -5,5 Teruel 1.621 2.639 3.532 0,5 2,4 60,8 33,8 Zaragoza 10.351 11.428 10.993 1,6 2,3 10,4 -3,8 Asturias 11.865 12.099 11.756 1,7 2 2 -2,8 Balears (liles) 15.224 16.961 16.806 2,4 2,8 10,9 -0,9 Canarias 39.450 41.979 40.892 5,9 4 6,4 -2,6 Palmas (Las) 18.872 18.617 17.484 2,5 3,5 -1,4 -6,1 Santa Cruz de Tenerife 20.578 23.362 23.408 3,4 4,5 13,5 0,2 Cantabria 2.774 3.919 2.897 0,4 1,1 46,6 -26,1 Castilla y León 40.003 44.963 42.724 6,2 2,6 12,4 -5,0 3428 4.157 4.083 0,6 2,5 19,9 -1,8 Burgos 5266 5.581 5.307 0,8 2,2 6 -4,9 León 6.956 9.259 9.799 1,4 2,8 33,1 5,8 Palencia 2 717 2.930 2.782 0,4 2,5 7,8 -5,1 Salamanca 6114 6.028 5.270 0,8 2,6 -1,4 -12,6 Segovia 2240 2.330 2.221 0,3 1,9 4 -4,7 Soria 1624 2.155 1.930 0,3 2,8 27,2 -10,4 Valladolid 7499 8.974 8.017 1,2 3,1 19,7 -10,7 Zamora 4049 3.549 3.315 0,5 2,6 -12,3 -6,6 Castilla-La Mancha 45488 54.718 53.860 7,8 4,4 20,3 -1,6 Ávila Albacete 4.929 5.782 5.214 0,8 2,6 17,3 -9,8 Ciudad Real 12.621 13.912 13.175 1,9 4,9 10,1 -5,3 Cuenca 3.460 4.287 4.322 0,6 2,8 23,9 0,8 Guadalajara 4.968 4.831 4.533 0,7 2,9 -2,8 -6,2 Toledo 19.490 25.906 26.616 3,9 6,2 32,9 2,7 Cataluña 98.163 107.240 103.302 15,0 2,7 9 -3,7 Barcelona 55.315 62.604 60.281 8,8 2,4 13,2 -3,7 Girona 13.450 15.402 15.247 2,2 2,9 14,5 -1,0 Lleida 11.768 11.868 11.577 1,7 4,8 0,8 -2,5 Tarragona 17.830 17.366 16.197 2,4 3,1 -2,6 -6,7 Comunidad Valenciana 94.230 119.798 133.023 19,3 3,8 27,1 11,0 Alicante 46.366 49.343 50.549 7,4 3,8 6,4 2,4 Castellón 17.823 34.366 46.278 6,7 7,5 92,8 34,7 Valencia 30.038 36.089 36.196 5,3 2,5 20,1 0,3 121 Análisis de la vivienda en Córdoba. Estudio econométrico Stock sobre Variación Variación parque de del stock del stock viviendas 2009 2010 2009 0,8 -29,9 -30,2 Stock 2008 Stock 2009 Stock 2010 Porcentaje sobre total (2010) Extremadura 7.424 5.207 3.636 0,5 Badajoz 5.323 3.339 2.004 0,3 0,9 -37,6 -40,0 Cáceres 2.071 1.868 1.632 0,2 0,6 -9,8 -12,6 Galicia 31.798 37.768 39.268 5,7 2,4 18,8 4,0 Coruña 14.821 16.951 17.166 2,5 2,6 14,2 1,3 Lugo 2.808 4.044 5.035 0,7 1,8 44 24,5 Ourense 3.533 3.946 3.944 0,6 1,8 11,7 -0,1 Pontevedra 10.616 12.827 13.123 1,9 2,7 20,8 2,3 Madrid (Comunidad) 51.034 53.009 51.101 7,4 1,8 3,9 -3,6 Murcia (Región) 27.279 29.684 30.183 4,4 3,7 8,8 1,7 Navarra 7.838 6.389 5.286 0,8 2 18,5 -17,3 País Vasco 12.078 13.213 12.516 1,8 1,3 9,4 -5,3 Álava 3.49 5 4.269 2.704 0,4 2,7 22,1 -36,7 Guipúzcoa 4.264 4.448 5.058 0,7 1,3 4,3 13,7 Vizcaya 4.319 4.496 4.754 0,7 0,9 4,1 5,7 Rioja (La) 8.022 8.691 9.488 1,4 4,4 8,3 9,2 327 91 136 0,0 0,2 -72,2 49,5 Ceuta y Melilla Fuente: Ministerio de Fomento. Stock de viviendas nuevas a diciembre 2009 y 2010 3.3.2. COSTE DE LA EDIFICACIÓN Y EL RENDIMIENTO ESPERADO Un segundo elemento del que depende la función de oferta son los costes de edificación entre las que se encuentran las materias primas y el precio del suelo en las que se edifica. Los costes de los materiales de construcción influyen de materia directa en los precios finales, en la medida en que estos son fijados añadiendo un margen de beneficio a aquellos. Este indicador se convierte en una variable importante para incluirla en el estudio de la oferta (Thomas y Stekler, 1983) En el coste del suelo tiene una influencia determinante la localización del inmueble y, en buena parte, influye en las características que contarán las viviendas construidas que allí se construyan. Es decir, “la localización determina las calidades de la construcción en función de las características socioeconómicas del enclave”. . El coste en la edificación representa un papel importante, aunque no crucial. Los materiales de construcción no repercuten en el precio final de la vivienda de la misma manera que el coste del suelo, que es el causante, en numerosa bibliografía, del 122 Análisis de la vivienda en Córdoba. Estudio econométrico incremento de los precios de la vivienda50, como ya sucedió en el boom de finales de la década de los 80 (San Martin et al, 1994), y como ha vuelto a suceder en este último ciclo. Según la Fundación BBVA-Ivie, “durante el boom inmobiliario (1997-2007), el valor de las viviendas en España aumentó un 288%. Ese crecimiento se debió principalmente al incremento de precios (83,9%), correspondiendo el resto al aumento de la superficie construida (16,1%). Del incremento de valor correspondiente a los precios, el 83,6% es debido a la subida del precio del suelo, y el 16,4% restante a la variación de la edificación”. Gráfica 3.14: Descomposición del crecimiento del valor de la edificación y valor del suelo 1990-1997 y 1997-2007 Variación del valor de la vivienda 288% 300% 250% 200% Precios del suelo (83,6%) Precios (83,9%) 150% 100% Variación del valor de la vivienda 41% 50% Precios (74%) 0% Precios de edificación (16,4%) Precios del suelo (15%) Precios de edificación (85%) Superficie (26%) Periodo 1990-1997 Superficie (16,1%) Periodo 1997-2007 Fuente: Fundación BBVA-Ivie (2010) 50 2 Una vivienda, en un efidificio plurifamiliar, puede suponer un coste para el promotor de entre 621 €/m , 2 si la calidad de la edificación es básica y 734 €/m si la calidad es alta, para una construcción menor de 2 2 2.500 m o entre los 678 y 904 €/m si se trata de una vivienda tipo chalet (fuente: Colegio Oficial de Arquitectos de Sevilla, Método de cálculo simplificado de presupuestos estimados de ejecución material de los distintos tipos de obra, 2011). Mientras que el precio del suelo ha tenido valores medios entre los 2 688 €/m2 del segundo trimestre de 2007 y los 373,9 €/m , en el segundo trimestre de 2010 (fuente Ministerio de Fomento). 123 Análisis de la vivienda en Córdoba. Estudio econométrico La hipótesis anterior se corrobora con los datos oficiales de precios de construcción. El INE elabora una estadística de “Índices de precios de materiales e índices nacionales de la mano de obra. Al observar la gráfica 3.15 de la evolución de precios se observa que entre 1995 y 2010, a excepción de los ligantes , con un incremento del 302,7%, el cobre (116,7%) y la energía (79,1%); el resto de los materiales de construcción, incluido la mano de obra, con tan sólo un incremento del 41,0%, han crecido por debajo del IPC, por lo que puede afirmarse que el valor del suelo es fundamental a la hora de determinar el precio de la vivienda. Gráfica 3.15: Costes de construcción 4.000 3.500 3.000 2.500 2.000 1.500 1.000 500 0 MANO DE OBRA ACERO LIGANTES CEMENTO ENERGIA IPC CERAMICA COBRE MADERAS ALUMINIO Fuente: INE y elaboración propia. Nota: MANO DE OBRA tiene como Índice Base: 07/1980; el resto de los materiales tiene como Índice Base: 01/1964 (Península y Baleares); la variación del Índice General Nacional según el sistema IPC, base 2006, parte desde enero de 1964 hasta enero de cada año de la serie. Pero consideramos que “aunque el incremento del precio del suelo es la causa por la que muchos analistas y políticos consideraron que se debían arbitrar medidas para controlarlo, ya que existe una relación positiva entre ambos. Sin embargo, que ambos precios suban o bajen simultáneamente no significa que el incremento o disminución del precio del suelo sea el causante real del precio de la vivienda; al contrario, el precio del suelo se fija en función del valor de las viviendas que se puedan construir en el mismo, y de la rentabilidad que se pueda obtener”. No podemos olvidar que uno de los mayores propietarios de terrenos han sido las propias “administraciones públicas”, que 124 Análisis de la vivienda en Córdoba. Estudio econométrico favorecieron y fomentaron la escalada de precios a través de la subasta, al mejor postor, de suelo público que tenían en su poder, o aquel nuevo suelo al que ascendían a través de los acuerdos urbanísticos con los promotores inmobiliarios y que suponían una fuente de financiación muy importante durante ese ciclo. Si el precio de la vivienda aumenta, por ejemplo; el propietario del suelo querrá beneficiarse, también, del incremento de beneficios que el promotor tenga por la futura venta de las viviendas. Por lo que desde esta perspectiva, la mayoría de las medidas encaminadas a influir en el precio del suelo han fracasado51. Durante el último período expansivo, la oferta y la disposición de suelo, aun consiguiendo cifras récord en el número de viviendas, creció menos que la demanda por lo que encareció su precio. Además, su oferta estuvo, y está, sujeta a la disposición y ordenación de las administraciones locales a través de procesos que requieren: “hasta 54 meses para la gestión del suelo, 24 meses para la organización, 6 meses para la obtención de licencia y más de 20 meses para la edificación” (Trigo, 2003). Este retraso técnico en la edificación de viviendas, desde que comienza una construcción hasta la entrega, momento en el que el promotor puede dar por finalizada la construcción, aumenta la disfunción entre la percepción de las necesidades de viviendas por parte de las empresas y la eficacia de estas decisiones tendentes a satisfacer la demanda, por lo que el mercado ha podido cambiar de forma notable respecto al inicio de la construcción del inmueble y es corresponsable, en buena medida, del actual stock de vivienda existente en España. 51 Un ejemplo del fracaso es la ley del suelo de 1998, a pesar de la existencia de un estudio del Ministerio de Obras Públicas que mostraba la ausencia de correlación entre el precio de la vivienda y la cantidad de suelo urbanizable. 125 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 3.16: Retraso técnico entre el inicio de una vivienda y la finalización. Fuente: Ministerio de la Fomento 3.3.3. VARIABLES FINANCIERAS Y ECONÓMICAS Tanto la financiación, como la precepción sobre la situación económica que las empresas constructoras tienen sobre el futuro, marcarán la oferta de viviendas a medio plazo. Cuando nos referimos a la financiación, se incluyen dos variables como son: los tipos de interés y la disponibilidad de créditos (Whittehead, 1996). La importancia de la financiación viene determinada del hecho que los promotores suelen tener poca liquidez para invertir, debido a la importancia del desembolso en el suelo, por lo que tienen que captar recursos en las instituciones financieras. Esta vinculación hace que aumente su sensibilidad ante variaciones de los tipos de interés (Taltavull, 1996) o una restricción crediticia por encima de otros sectores. Por otro lado, estas empresas son las más receptivas ante un cambio de ciclo económico, puesto que la vivienda es la principal inversión tanto de particulares, como de empresas. Pero debido a su largo periodo de maduración, existe un importante retraso en el ajuste entre la percepción de la situación económica y la oferta. El gráfico 3.17 muestra el desfase entre la percepción que tienen las empresas sobre la situación económica, que es el punto de partida para la toma de la decisión sobre iniciar o no viviendas nuevas, y su finalización y puesta en el mercado, que supone 126 Análisis de la vivienda en Córdoba. Estudio econométrico la certificación de fin de obra y que explica que las viviendas terminadas salgan al mercado en una situación muy diferente al momento que justificó la decisión de los promotores de iniciarlas. De forma, que a pesar de que las viviendas terminadas continuaron con un importante número hasta el año 2008, la viviendas iniciadas se redujeron considerablemente a partir de esa fecha. Gráfica 3.17: Certificados fin de obra y opinión de la empresa constructoras sobre la situación 80.000 60% 70.000 40% 60.000 20% 50.000 0% 40.000 -20% 30.000 -40% 20.000 Certificados fin de obra (viviendas) ene-10 ene-09 ene-08 ene-07 ene-06 ene-05 ene-04 ene-03 ene-02 ene-01 ene-00 ene-99 ene-98 ene-97 ene-96 -80% ene-95 0 ene-94 -60% ene-93 10.000 Encuesta de opinión de empresas constructoras (eje secundario) Fuente: Banco de España. Indicadores de la Vivienda. Elaboración propia. Nota: Escala eje vertical izquierdo: número de viviendas finalizadas; escala eje vertical derecho: encuesta de opinión sobre la situación. 127 Análisis de la vivienda en Córdoba. Estudio econométrico 3.4. EL PRECIO 3.4.1. INTRODUCCIÓN E spaña es una sociedad de propietarios, la primera residencia en propiedad forma parte del 83 %52 de las familias, y es a la vez, garantía de una parte importante de los créditos concedidos por las entidades financieras, luego la evolución de su precio tiene consecuencias importantes a nivel financiero y económico del país. Los precios de la vivienda en España se duplicaron en el período 1999-2009, experimentando una subida intensa hasta el último trimestre del 2007, al que ha seguido un proceso de corrección de precios que dura hasta la actualidad. A pesar de la disminución de precios al final de este periodo, la revalorización en términos reales, descontada la inflación, alcanzó el 85,9%53. Este incremento ha superado a todas las economías desarrolladas, sólo Reino Unido con un 78,2% se aproxima a esta cifra y muy alejado de países como Francia (48,3%) o Estados Unido (23,6%), o inclusive Alemania con una bajada del 17,9% del precio real. Existe un déficit a la hora de determinar el precio de la vivienda en España, ya que su cálculo se ha realizado, en la mayoría de las ocasiones, en base a tasaciones de agencias. Pero este cálculo se ha visto sometido a continuas interferencias de los agentes del mercado. En el ciclo alcista, estas tasaciones se han visto presionadas al alza por las entidades financieras para facilitar la concesión de préstamos como ha ocurrido en el último periodo. Existen autores que consideraran más oportuno determinarlo en base a precios declarados en los contratos de compra-venta (García Montalvo, 2001), aunque también existe el peligro, que el precio declarado no sea el real, por el ánimo frecuente de evitar los impuestos de transacción. 52 Según la Encuesta Financiera de las Familias (EFF), un 83 % de los mismos es propietario de su vivienda principal y algo más del 23 % posee al menos una vivienda que no es su vivienda principal. (Banco de España Boletín Económico, mayo 2011. Rentabilidad de la vivienda y decisiones de compra: evidencia a partir de la EFF). 53 Fuente: Banco de España. 128 Análisis de la vivienda en Córdoba. Estudio econométrico Por último, un elemento que cada vez aporta mayor transparencia es la utilización de Internet como elemento de conocimiento del mercado. 3.4.2. FUENTES DE DATOS DE LOS PRECIOS DE LA VIVIENDA A la hora de ver la evolución del precio, nos encontramos con la existencia de una gran disparidad de datos no coincidentes. Tanto a nivel nacional como el ámbito autonómico, existen entidades, públicas y privadas que publican series estadísticas de precios basándose en diversos criterios (precio de compraventa declarado, tasación del inmueble y precio de oferta). Entre estas fuentes podemos citar: Estadísticas oficiales - Instituto Nacional de Estadística (INE) publicó por primera vez en 2007, con una periodicidad trimestral, los Índices de Precios de Vivienda (IPV). Mide la evolución de precios de compraventa de vivienda nueva y usada así como las tasas de variación trimestral anual y acumulada, haciendo un desglose por comunidades autónomas y provincial de su evolución general. No refleja la evolución de las viviendas protegidas, ya que los precios al estar regulados, no se rigen por los mecanismos habituales de mercado. La fuente de información utilizada para el cálculo del IPV es proporcionada por la Agencia Notarial de Certificación (ANCERT) con los datos de las transmisiones de bienes inmuebles que se producen en España y elaborado bajo parámetros de compatibilidad y homogeneidad exigidos por Eurostat. - Ministerio de Fomento publica su serie histórica de precio, tanto de viviendas libres nuevas, como usadas desde el año 1995. También dispone de datos históricos desde el año 2005 de algunos municipios mayores de 25.000 habitantes, precios de vivienda protegida y precios del suelo urbano. La fuente de información es suministrada por la Asociación Profesional de Sociedades de Valoración (ATASA), que coordina la recogida de datos procedentes de las empresas de valoración, trimestralmente. El precio de tasación es el utilizado por las entidades financieras como referencia a la hora de determinar el importe del crédito hipotecario que pueden conceder en una compraventa con financiación. Este importe no tiene por qué coincidir con el precio al que se cierra las operaciones de compraventa. 129 Análisis de la vivienda en Córdoba. Estudio econométrico Entidades de Tasación. - Tinsa (Tasaciones Inmobiliarias, S.A.) es la compañía tasadora líder en el mercado, pertenece actualmente al fondo de riesgo Advent International54 y que tiene en torno al 20% del mercado español. Esta entidad elabora mensualmente el Índice de Mercados Inmobiliarios Españoles (IMIE) desde el año 2001. La serie histórica que presenta los índices IMIE, reflejan el valor de los productos residenciales, realizando una subdivisión del territorio en cinco grandes zonas, que representan de manera genérica, los distintos mercados de viviendas: capitales y ciudades de más de 50.000 habitantes, áreas metropolitanas, costa mediterránea, Baleares y Canarias y resto de municipios, donde recogiendo la evolución del valor del metro cuadrado de los inmuebles. - Sociedad de Tasación, fue la primera sociedad de tasación que formó una base de datos inmobiliarios. Los datos se refieren a precios de vivienda nueva de tipo medio obtenido por sondeo directo en capitales de provincia que se obtienen para la realización de sus tasaciones. En el estudio no se consideran viviendas unifamiliares, usadas, ni de protección oficial. Tampoco se incluyen las que tienen superficies inferiores a 60 m2 o superiores a 150 m2. Portales inmobiliarios Fotocasa.com e Idealista.com elaboran informes a partir de sus bases de datos. La información del mercado de la vivienda se refiere a precios de mercado de segunda mano, abarcando todo el territorio nacional. Los datos se encuentran desglosados por comunidades autónomas, provincias, municipios y distritos para el caso de las grandes capitales. Estos informes están elaborados sobre precios de oferta de los inmuebles medidos en metros cuadrados construidos, por lo que no tienen por qué coincidir con el precio final de la operación, que se cierra entre comprador y vendedor -que puede ser más bajo de lo que al vendedor le gustaría y del precio que inicialmente puso a su vivienda-. 54 Hasta 2010, Tinsa era propiedad de la Confederación Española de Cajas de Ahorro (CECA) y 35 cajas de ahorros. 130 Análisis de la vivienda en Córdoba. Estudio econométrico La información se refiere a pisos y áticos, excluyendo otras viviendas como apartamentos, dúplex y viviendas unifamiliares, desglosando la información por tamaño de vivienda, al ser un elemento importante la formación de precios. Distinguiendo cuatro tipos de vivienda: hasta 60 m², de 61 a 100 m², de 101 a 150 m² y mayores de 150 m². Los índices de precios parten de enero de 2005. 3.4.3. LOS PRECIOS DE LA VIVIENDA EN ESPAÑA Por definición, el precio es resultado de alcanzarse el equilibrio en el mercado. Pero por las características de este bien, resulta difícil hacer un análisis de su evolución debido a la inexistencia de un precio único La discriminación puede existir para unidades similares pero que varían en función de su localización, tamaño, estructura (viviendas unifamiliares, bloques de viviendas, etc.), calidad de la construcción, etc. Estas características evolucionan a lo largo del tiempo (Martínez 2003). Las fuentes estadísticas citadas, aplican procesos que intentan garantizar la comparabilidad de las mismas. Para corregir el factor diferencial más importante, que es el tamaño, se recurre a la valoración por “precio medio por metro cuadrado” y en algún caso el precio medio de las viviendas de un determinado rango tamaño. La homogeneización también viene por la discriminación de su localización, distinguiendo por número de habitantes de la localidad, e inclusive por situación geográfica, como grandes áreas metropolitanas, capitales de provincia, costa, etc. El comportamiento de los precios, en las áreas geográficas analizadas, ha evolucionado de forma similar, aunque con diferente intensidad (ver gráfica 3.18 y tabla 3.6). En la costa mediterránea, la variación de precios ha sido más acusada, con incrementos nominales por metro cuadrado del 177,7% entre enero de 2001 y diciembre del año 2007, mientras que el descenso de precios entre el primer trimestre de 2008 y julio de 2010 ha sido del 22,04%. En el lado opuesto, se encuentran los territorios insulares de Baleares y Canarias con incrementos nominales del 106,6% y descenso del 13,2% para los períodos indicados. Como punto común, todas las áreas geográficas muestran un punto de inflexión a partir del año 2008. Los precios, que durante el año anterior habían suavizado su 131 Análisis de la vivienda en Córdoba. Estudio econométrico incremento, entran en un periodo de decrecimiento que dura hasta la actualidad, aunque su corrección ha sido lenta. Entre sus causas principales, podemos citar el hecho que gran parte de entidades financieras han favorecido la retención de su stock de viviendas, para no reconocer la pérdida en sus balances, a la espera de un futuro aumento del precio, lo que está imposibilitando un ajuste rápido de los precios que pueda posibilitar un repunte de las ventas. 2 Gráfica 3.18: Precio €/m de vivienda por zonas geográficas 2.600 2.300 2.000 1.700 1.400 1.100 800 General Costa Mediterránea Capitales y Grandes Ciudades Baleares y Canarias Areas Metropolitanas Resto de Municipios Fuente: TINSA, elaboración propia. Tabla 3.6: Evolución Interanual jun-2002 jun-2003 jun-2004 jun-2005 jun-2006 jun-2007 jun-2008 jun-2009 jun-2010 General Capitales y Grandes Ciudades Áreas Metropolitanas Costa Mediterránea 14,9% 15,2% 18,2% 16,0% 15,0% 8,1% -2,5% -10,1% -4,0% 13,5% 16,7% 19,5% 17,5% 13,1% 6,1% -3,7% -9,9% -3,7% 17,2% 16,7% 22,0% 16,0% 15,4% 7,7% -3,6% -10,5% -5,0% 22,0% 18,7% 21,9% 18,9% 15,4% 5,1% -3,0% -12,3% -5,2% Baleares y Canarias 14,0% 10,2% 9,3% 12,0% 12,4% 8,9% -2,0% -9,3% -3,0% Resto de Municipios 9,4% 12,9% 14,5% 16,1% 16,7% 10,6% -0,5% -9,8% -3,0% Fuente: TINSA Este comportamiento no es nuevo en el mercado inmobiliario español donde los episodios de deflación en el sector han sido inferiores a los periodos de incrementos de precios. El ajuste no se realizaron por la vía de disminución de los precios nominales, al menos en porcentajes elevados -fue a comienzos del 2008 cuando los precios de la vivienda empezaron a disminuir de forma nominal-, sino por la vía de los precios reales 132 Análisis de la vivienda en Córdoba. Estudio econométrico de vivienda, una vez descontado la variación del índice -los precios reales de la vivienda en España comenzaron a descender ligeramente en el año 2007 como resultado de un escaso aumento en los precios nominales por debajo de la tasa de inflación de los precios al consumo-. No debe olvidarse, como ya se ha repetido en este trabajo, el importante porcentaje del parque de viviendas que no tienen deuda; por otro, lado las entidades financieras son remisas a bajar el precio de los inmuebles en su poder, porque supondría un reconocimiento de una pérdida que no está recogida en su balance. Mientras que en el anterior episodio de ajuste de precios, período 1992-1997, la caída de precios reales de la vivienda fue del 24%, en el período previo de expansión en los precios, 1985-1991, alcanzó el 138% de incremento real y en el periodo posterior 1997-2007, el 118%. Pero estas series estadísticas no distinguen un elemento importante como es la antigüedad de la vivienda. Si atendemos a la evolución de los precios de inmuebles residenciales en función de la antigüedad, tan sólo existe información proporcionada por el Ministerio de Fomento que distingue dos tipologías: viviendas de más de dos años de antigüedad (vivienda usada) y vivienda de hasta dos años de antigüedad (vivienda nueva). Gráfica 3.19: Variación del precio nominal de la vivienda nueva e IPC anual (nacional 35% 30% 25% 20% 15% 10% 5% 0% -5% -10% -15% IPC % Variación precio vivienda Fuente: Sociedad de Tasación, elaboración propia. Al estudiar la evolución de ambos tipos (nueva y usada), se observa una evolución similar en los precios nominales entre ambas series desde el año 2002; hasta 133 Análisis de la vivienda en Córdoba. Estudio econométrico llegando a tener casi los mismo precios en el último tramo del ciclo. Esta similitud de precios puede deberse a la característica del parque de viviendas en oferta, que identifica viviendas de diversa antigüedad dentro del mismo apartado y a la localización más periférica de la mayor parte de viviendas de nueva construcción, donde el precio es inferior. A esta situación hay que añadir que no se ha producido una degradación del centro urbano como ha ocurrido en las grandes áreas metropolitanas de las ciudades norteamericanas. Gráfica 3.20: Evolución de precios de la vivienda libre 2500 € 2000 € 1500 € 1000 € 500 € 0€ Vivienda nueva Vivienda usada Fuente: Ministerio de Fomento y elaboración propia Además, el parque de viviendas español es relativamente nuevo, por lo que no se está produciendo procesos graves de falta de habitabilidad, primando la localización sobre la modernidad de esa vivienda. También es destacable el hecho estadístico que supone construir un gran volumen de viviendas en poco tiempo hace que pasados un par de los años, estas viviendas pasen a la categoría de viviendas usadas. Lo que hace aumentar el precio de este grupo al estar formado por viviendas de relativa nueva construcción. La tabla 3.7 presenta la evolución del precio, desde el punto de vista provincial, en el periodo 1995-2010. Para su mejor comparación de ha dividido en dos períodos del 1995 al 2008 que coincide con el periodo alcista del precio de la vivienda y desde enero de 2008 a 2010, que coincide con el periodo de recesión. Se observa que la vivienda nueva libre, en la mayor parte de las provincias, ha experimentado un mayor incremento de precios que la vivienda libre usada; aunque en 134 Análisis de la vivienda en Córdoba. Estudio econométrico las provincias con mayor parque inmobiliario, el incremento en los precios de la vivienda nueva ha sido inferior o similar a la variación de precios de la usada, entre estas provincias puede citarse: Madrid, Barcelona, Málaga, Zaragoza, Tarragona, Vizcaya, Huelva, Cantabria, León...; El comportamiento, de esta aparente anormalidad, de la serie general de precios de la vivienda es debido a que la colmatación de espacios libres para construir en torno a los distritos centrales de negocios, hace que la nueva construcción se centre en barrios periféricos de las grandes áreas metropolitanas, donde el precio del suelo es inferior, provocando a su vez un efecto estadístico de menor incremento del precio de la vivienda nueva frente a la vivienda usada, normalmente mejor situada y apreciada para aquellas familias que estaban dispuestas a pagar más, por viviendas que aun siendo más antiguas y de peor calidad, estaban más próximas geográficamente del centro. Las provincias con mayor incremento de precios en el primer período analizado son principalmente las pertenecientes a la cuenca mediterránea, en la que podemos destacar la provincia de Málaga con un incremento del 375,2% y 288,6% para la vivienda libre nueva y usada respectivamente. Otras provincias destacables serían Almería, Murcia, Castellón, Cádiz. De las provincias del interior, la mayor subida de precios corresponde a la provincia de Huesca con una subida del 300,2% para vivienda de menos de dos años y en menor medida para la usada (195,2%); también se debe citar los incrementos en las provincias de Sevilla y Zaragoza. Las de menor crecimiento de precio son aquellas provincias con mayor índice de envejecimiento, mayor índice de senectud, menor densidad de población y menor precio de partida de la vivienda en €/m2. En este sentido, las provincias con menor incremento son: Ourense, Navarra, León, Zamora y Ávila. Para el segundo periodo estudiado comprendido entre enero de 2008 y 2010, las mayores correcciones corresponden a la provincia de Madrid y las limítrofes Guadalajara, Ávila, Segovia y Toledo. Estas zonas se caracterizan por tener un importante parque de vivienda secundaria y zonas de ciudades dormitorio. Otra área geográfica donde se ha producido una fuerte corrección es la cuenca mediterránea, especialmente las provincias de Málaga, Alicante, Murcia y los territorios insulares de Canarias y Baleares. 135 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 3.7: Precios de la vivienda libre provinciales 1995 1999 2008 2010 Var. % Var.% Var. % Var. % Precio Precio Precio Precio Precio Precio Precio Precio vivienda vivienda vivienda vivienda vivien Provincias vivienda vivienda vivienda vivienda vivienda vivienda vivienda libre libre libre libre da libre libre libre libre libre libre libre nueva usada nueva usada libre nueva nueva usada nueva usada nueva usada 1995199520082008usada 2008 2008 2010 2010 983,9 848,8 1442,8 1262,5 2613 2438,4 2424 2185,4 122,1% 157,5% -7,2% -10,4% Álava 492,3 388,2 607,3 478,9 1486,9 1276,9 1411,8 1137 131,0% 192,9% -5,1% -11,0% Albacete 541,1 446,1 661,1 568,6 2004,8 1613,3 1716,3 1347,3 149,0% 202,0% -14,4% -16,5% Alicante 477,6 376,9 611,4 488,9 1866,3 1535,9 1676,5 1332,8 179,1% 253,6% -10,2% -13,2% Almería 664,4 517 691,7 603 1546,9 1362,2 1281,4 1204,3 81,3% 132,9% -17,2% -11,6% Ávila 429,7 353,3 457,5 418,6 1155,2 1003 1122,2 972,1 126,2% 175,1% -2,9% -3,1% Badajoz 638,6 563,7 961,9 815,1 2600,6 2339,9 2328,2 2018 216,0% 258,0% -10,5% -13,8% Baleares 940,5 824 1225,5 1034,9 2845,3 2729,5 2651,7 2484,4 164,2% 201,5% -6,8% -9,0% Barcelona 780,1 661,1 997,8 814,6 1888,7 1754,3 1879,7 1572,6 101,6% 137,9% -0,5% -10,4% Burgos 457,1 425,3 510,8 439,5 1105,7 959,2 1018 927 102,8% 118,0% -7,9% -3,4% Cáceres 564,4 481,3 627,9 528,6 2140,7 1831,1 1893 1671,1 196,1% 247,2% -11,6% -8,7% Cádiz 502,7 403,7 623,7 517,8 1921,5 1571 1703 1362,7 171,1% 237,6% -11,4% -13,3% Castellón 493,7 379,3 493,7 419,9 1221,5 1017,5 1101,7 900,9 82,5% 137,5% -9,8% -11,5% Ciudad Real 505,7 464,7 556,9 509,9 1670,6 1497 1538,7 1317,1 160,5% 183,4% -7,9% -12,0% Córdoba 666,7 632,6 769,4 663,1 1630,4 1466,9 1553,4 1275,7 91,3% 101,7% -4,7% -13,0% La Coruña 506,6 393,3 616,7 415,8 1181,3 1039,6 1014,3 952,2 88,0% 142,1% -14,1% -8,4% Cuenca 647,2 551,8 778,5 665 2359,9 2125,6 2243,2 1912,2 195,5% 246,5% -4,9% -10,0% Girona 523,1 482,9 572,1 526,8 1648,7 1431 1390,4 1286,5 145,9% 166,4% -15,7% -10,1% Granada 663,8 556,6 745,5 682,5 2029,5 1782,2 1668,4 1527,6 130,1% 174,5% -17,8% -14,3% Guadalajara 1115,4 949,5 1334,9 1040 2955,3 3065,5 3019,4 2753,1 146,8% 190,0% 2,2% -10,2% Guipúzcoa 578,5 461 695,9 542 1778,4 1788,6 1591,1 1558,9 169,5% 238,2% -10,5% -12,8% Huelva 521,8 396,9 631,6 494,1 2088,3 1403,1 1777,8 1171,8 124,6% 195,2% -14,9% -16,5% Huesca 428 360,7 465,9 412,1 1228,4 1079,8 1146 999,8 133,6% 177,2% -6,7% -7,4% Jaén 614,7 480,4 613,6 543,2 1385,6 1114,8 1325,4 1088,3 77,0% 126,5% -4,3% -2,4% León 573,7 450,6 650,1 527,2 1647 1326,6 1503,8 1234,6 115,2% 174,0% -8,7% -6,9% Lleida 641,4 547,5 742,6 626,2 1826,4 1499,8 1637,3 1374,2 114,3% 151,0% -10,4% -8,4% La Rioja 480,4 446,9 539,1 455,9 1336,8 1003,5 1146,5 950,2 97,8% 112,6% -14,2% -5,3% Lugo 1185,8 1002,1 1236,5 1054,8 2945,3 3011,6 2452,4 2619,9 120,9% 161,4% -16,7% -13,0% Madrid 535,6 477,5 688,4 569,5 2545,2 2249,9 2151,2 1855,7 246,5% 288,6% -15,5% -17,5% Málaga 478,6 392,6 555,8 460,8 1819,6 1446,2 1497,3 1298,6 171,3% 230,8% -17,7% -10,2% Murcia 778,9 695,8 916,4 800,1 1772 1730,3 1771 1543,3 98,1% 121,8% -0,1% -10,8% Navarra 651,3 540,2 679,2 618,6 1242,4 1042,8 1189,2 1065,5 63,6% 97,2% -4,3% 2,2% Ourense 761,1 614,1 858,9 693,1 2022,9 1677,8 1867,8 1542 102,6% 151,1% -7,7% -8,1% Asturias 583,6 511,6 719,3 558,9 1553,1 1210,7 1370,7 1124,6 92,7% 119,8% -11,7% -7,1% Palencia 604,6 552,9 868 824,8 1949,4 1887,4 1711,9 1578,1 161,0% 185,4% -12,2% -16,4% Las Palmas 608,5 531,1 704 606,4 1922,3 1476,1 1793,3 1407,5 131,3% 165,0% -6,7% -4,6% Pontevedra 612,1 650,5 694,7 712,6 1690,2 1583,6 1386,7 1444,4 136,0% 122,0% -18,0% -8,8% Salamanca 570,7 569,9 808 732,7 1778,8 1723,7 1561,5 1538,1 169,5% 169,9% -12,2% -10,8% Tenerife 808,7 635,1 861,1 746,6 2098,6 1973,6 1949,5 1860,3 130,0% 192,9% -7,1% -5,7% Cantabria 610,1 616,8 681,1 666,8 1663,9 1601,3 1393 1410,8 131,2% 128,7% -16,3% -11,9% Segovia 505,5 517,5 595,9 536,5 1942,9 1729,9 1700,3 1650,1 226,4% 218,9% -12,5% -4,6% Sevilla 789,6 604,8 808,5 636,9 1483,1 1225,3 1455,2 1220 54,5% 101,7% -1,9% -0,4% Soria 637 397,2 805,3 473,8 2151,7 1816,9 1832,6 1637,1 157,0% 312,2% -14,8% -9,9% Tarragona 508,3 350,9 562,1 427,2 1416,1 842,3 1178,7 806 58,6% 129,7% -16,8% -4,3% Teruel 497,9 438,9 542,8 469,3 1546,9 1443,3 1363,3 1137,1 128,4% 159,1% -11,9% -21,2% Toledo 551,2 433,7 687,3 543,9 1893 1550,2 1583,2 1395,9 153,2% 221,9% -16,4% -10,0% Valencia 684,4 634,3 770,6 715,4 1683,6 1624,6 1681,1 1431,7 109,2% 125,7% -0,1% -11,9% Valladolid 1117,3 856,6 1258,1 1038,2 3162,2 3051,4 2794,1 2680,2 139,9% 212,9% -11,6% -12,2% Vizcaya 566,4 455,9 624,1 508,6 1322,1 1080,9 1251,6 1014 79,0% 122,4% -5,3% -6,2% Zamora 737,7 529,7 845,3 658,5 2237,4 1997,8 1999,5 1698 130,2% 220,6% -10,6% -15,0% Zaragoza Fuente: Ministerio de Fomento 136 Análisis de la vivienda en Córdoba. Estudio econométrico 3.4.3.1. EL PRECIO DE LA VIVIENDA PROTEGIDA Cuando se trata de vivienda protegida, la política general de planificación económica y de ayudas a la vivienda es de competencia estatal y corresponde al gobierno central definir las actuaciones merecedoras de ayuda, fórmulas de financiación, nivel de protección requisito de los beneficiarios y precio máximo de venta y corresponde a las comunidades autónomas completar el desarrollo de la política diseñada por el gobierno. Esto explica que se dicten cada cuatro años nuevas normativas de planificación de prioridades y ayudas y la Vivienda de Protección Oficial (VPO). Más tarde, las comunidades autónomas proceden al desarrollo y ejecución de los planes nacionales, previo convenio con la administración central. Es decir, los precios de venta o renta de las viviendas catalogadas como protegidas no pueden exceder de los límites señalados por los reglamentos vigentes. Esta situación explica que el precio de mercado de la vivienda protegida no se vea afectado por los ajustes del mercado de la vivienda libre, como puede observarse en la gráfica 3.21, sino únicamente por reglamentos a nivel nacional y su posterior desarrollo autonómico. Gráfica 3.21: Evolución precios de la vivienda libre y protegida 2.500 2.035 1.901 1.699 2.000 1.994 2.102 2.095 1.957 1.959 1.870 1.857 1.863 1.653 1.500 1.000 977 913 1.020 1.100 1.113 1.133 500 0 2005 2006 Vivienda protegida 2007 2008 Vivienda nueva 2009 2010 Vivienda usada Fuente: Ministerio de Fomento y elaboración propia 137 Análisis de la vivienda en Córdoba. Estudio econométrico 3.4.3.2. EL PRECIO DE LA VIVIENDA EN LOS PAÍSES DEL ENTORNO Muchas economías desarrolladas han experimentado incrementos prolongados de precios inmobiliarios durante los últimos años, pero la evolución ha sido dispersa y ha variado según la naturaleza de los mercados y a factores que intervienen en la oferta y demanda, principalmente locales. La importancia de los factores locales significa que la corrección del mercado de la vivienda en un país, por ejemplo Alemania, no ha presagiado necesariamente correcciones en todos los mercados nacionales como puede observarse en la gráfica 3.22, donde existen dos tipos de tendencias claramente diferenciada, por un lado, países que han sufrido un lento proceso de ajuste de precios reales en la vivienda; básicamente Alemania y Japón. En el otro, países que han tenido incrementos reales de precios más o menos intensos como el caso de España, EE.UU. y en la zona euro (a excepción de Alemania). En los países que han registrado una mayor subida de los precios de la vivienda en el periodo transcurrido hasta el 2007 es donde se han mostrado mayores correcciones de precios. Gráfica 3.22: Índice del precio real de viviendas 250 Base 1996=100 200 150 100 50 0 España Alemania Francia U.E.M. EE.UU Japón Fuente: Banco de España. Indicadores del mercado de la vivienda, elaboración propia. La zona euro ha experimentado un incremento medio anual del 6,4% en el periodo 1999-2005 (tabla 3.8). Luego el boom inmobiliario no ha sido aislado en España, 138 Análisis de la vivienda en Córdoba. Estudio econométrico sino que ha afectado a otros países como Irlanda, Francia y en menor medida Bélgica, Holanda o Italia, con la excepción mencionada de Alemania Irlanda fue el primer país que adelantó el actual ciclo bajista en el año 2007 con un descenso del 0,5% y un 9,1% el año siguiente, aunque ya los precios habían empezado a estabilizarse en el resto de los miembros del euro. En 2009, la fase bajista se generalizó en casi todos los países de la zona euro, siendo los descensos más acusados en Irlanda, Eslovaquia, Eslovenia, España, Francia y Chipre. Según el Banco Central Europeo, este ciclo bajista del mercado de la vivienda se debe, entre otras causas, a la desfavorable perspectiva económica de los hogares y por la gran dificultad de acceso a los mercados de renta fija para financiar los préstamos hipotecarios. Pero son los países que han sufrido mayores correcciones, los que experimentaron aumentos más considerables en los precios en sus inmuebles residenciales. Tabla 3.8: Variación interanual de precios inmobiliarios en la zona euro Ponderación % 2009 1999-2005 Tasa media desv. interanual 2006 2007 2008 2009 Primer Segundo semestre semestre 2010 Bélgica 1) 3,8 7,5 11,8 9,3 4,8 -0,4 -0,6 -0,1 - Alemania 2) Estonia5) Irlanda2) 26,7 0,2 1,8 -0,9 12,0 0,2 13,6 0,7 -0,5 1,0 -9,1 -0,6 -35,9 -13,7 -37,6 -11,3 -34,0 -16,1 2,3 0,1 -15,5 Grecia2) España2) 2,6 11,7 9,5 13,8 13,0 10,4 6,2 5,8 1,5 0,7 -3,7 -7,4 -2,9 -7,6 -4,6 -7,1 -4,0 -4,7 Francia 1) Italia2) 21,3 17,1 12,2 6,9 12,1 5,8 6,6 5,0 1,2 2,6 -7,1 -0,4 -8,1 -02 -6,2 -0,6 6,3 0,1 Chipre2), 3) Luxemburgo 2) Malta 2) 0,2 0,4 0,1 11,1 10,8 10,0 10,8 3,5 15,0 10,1 1,1 13,0 -2,7 -3,9 -5,0 -4,6 -7,9 -3,3 -2,0 1,1 Holanda 1) Austria 2), 4) 6,4 3,1 7,8 0,7 4,6 4,0 4,2 4,1 2,9 1,3 -3,3 3,6 -1,5 4,6 -5,1 2,2 -2,0 5,7 Portugal 2) Eslovenia Eslovaquia 1) 1,9 0,4 0,7 2,9 - 2,1 17,6 16,8 1,3 22,6 23,9 3,9 3,1 22,1 0,4 -8,2 -11,1 1,5 -8,4 -8,9 -0,7 -8,0 -13,3 1,8 2,8 -3,9 Finlandia 1) Zona del euro 2,0 - - 5,5 0,6 -0,3 -4,5 4,1 8,7 100,0 6,4 6,6 4,5 1,5 2,8 -2,9 -2,7 1,8 Fuente: BCE. Nota: Las ponderaciones se basan en el PIB nominal de 2007. 1) Viviendas de segunda mano (casas y apartamentos); todo el país. 2) Todas las viviendas (casas y apartamentos, nuevos y de segunda mano), todo el país. 3) Para estimar el índice de precios de la vivienda, el Banco Central de Chipre utiliza los datos de valoración de los inmuebles recibidos de distintas IFM y otros indicadores relevantes del mercado de la vivienda. 4) Datos hasta el año 2000, únicamente para Viena. 5) Total pisos. 139 Análisis de la vivienda en Córdoba. Estudio econométrico A lo largo del año 2010, se comprueba un ligero crecimiento global de los precios en los inmuebles, con una recuperación de los precios, especialmente en Finlandia, Francia, Eslovenia y Estonia, aunque se comprueba que todavía existe un grupo de países que continúan con la caída de precios, entre los que se pueden citar Irlanda. Grecia, Eslovaquia, Holanda y España. Pero estos ciclos de precios reales de la vivienda no son procesos regulares, ni coinciden exactamente con los ciclos económicos, sino se asemejan a olas que suelen tener mayor amplitud que estos ciclos económicos. Desde 1970 la mayoría de los países pertenecientes a la OCDE han tenido entre dos o tres ciclos alcistas, y dos o tres caídas de precios reales de la vivienda con una duración variable entorno a los cinco años de promedio (ver tabla 3.9). Tabla 3.9: Ciclos de los precios de la vivienda en países de la OCDE Media para los 18 países de la OCDE EE.UU. Alemania España Expansiones: 2,7 3 3 3 duración media número 22,7 T 17,4 T 21, 3 T 15,0 T 63,6% cambio en el precio medio real 45,6% 15,3% 12,1% duración máxima 32,7 T 23 T 27 T 23 T cambio máximo en el precio real 67,6% 17,0% 15,7% 134,8% Recesiones: número duración media cambio en el precio medio real duración máxima cambio máximo en el precio real Última expansión * - incremento del precio 2,6 3 2 3 18,5 T 14,3T 16,5 T 19,3 T -233% -9,9% -10,7% -21,6% 25,4 T 21 T 25 T 31 T -32,4% -13,9% -153% -32,2% 1995 T1-2005 T2 52,7% 1976T2-1981Q2 1996 T4-2004 T4 15,7% 114,2% Fuente: Girouard et al. (OECD, 2006). * Con la excepción de Alemania, el final de los períodos obedece a que los autores publicaron su trabajo en enero de 2006. Nota: T = trimestres 140 Análisis de la vivienda en Córdoba. Estudio econométrico En España han existido otras crisis en el mercado de la vivienda, durante el periodo 1978-1986 el precio real de la vivienda llegó a caer un 32%, también puede encontrarse otros periodos con incrementos menores entre los que podemos citar 19701974, 1976-1978 y 1986-1991 (Lunde, 2008). 141 Análisis de la vivienda en Córdoba. Estudio econométrico 142 PARTE 2 143 Análisis de la vivienda en Córdoba. Estudio econométrico 144 Análisis de la vivienda en Córdoba. Estudio Econométrico CAPÍTULO 4 MODELOS DE ESTRUCTURA ESPACIAL DE LA CIUDAD 145 146 Análisis de la vivienda en Córdoba. Estudio Econométrico 4. MODELOS DE ESTRUCTURA ESPACIAL DE LA CIUDAD 4.1. E INTRODUCCIÓN n este capítulo se tiene como objetivo determinar la importancia de la localización de la vivienda dentro del entorno urbano como una de la variables principales en la determinación de su precio. Está generalmente aceptado, aunque algunos autores consideran que sólo depende de sus características internas, que el precio de la vivienda está afectado por factores ligados al entorno socioeconómico. Por la heterogeneidad del bien y a las desigualdades entre los demandantes, en realidad no nos encontramos ante un mercado único, sino diversos mercados con distintas formas de acceso caracterizado por los atributos de las viviendas, por su uso diferencial y por las características de los demandantes. La combinación de las variables mencionadas conforman los diversos mercados de la vivienda, según se trate del mercado de viviendas en alquiler o en propiedad, según la localización, la dimensión y calidad de la vivienda, la tipología, etc. La aplicación de un análisis de localización de las distintas actividades en una ciudad moderna, revelaría la existencia de distintas subzonas que actúan dentro del sistema urbano. Esta división es recurrente en todas las ciudades contemporáneas y ha dado origen a la formación de diversos modelos de localización que son tomados como elementos de análisis en el precio de la vivienda. Las características que se observan en el núcleo interno de la ciudad se basan en dos principios: principio de 147 Análisis de la vivienda en Córdoba. Estudio Econométrico accesibilidad y principio de interacción espacial, que intentan explicar la distribución urbana tomando como elementos de análisis: el precio del suelo, los servicios propios de una zona específica, las comunicaciones, la delincuencia o el proceso de crecimiento por densificación y otros elementos socioculturales. El principio de accesibilidad, se fundamenta en la competencia entre las diversas actividades económicas para asegurarse las localizaciones más ventajosas. Dado que existe un indudable vínculo entre localización de las actividades económicas-residenciales y la renta del suelo. La renta surge de la demanda de ciertas áreas y al mismo tiempo constituye el principio organizador de la localización de las actividades sobre el territorio. Luego, al estudiar la ciudad se hace necesario conocer lo que se denomina "centro" respecto al cual se forma la demanda de accesibilidad. El principio de interacción espacial se refiere a los mecanismos por el cual todas las actividades localizadas en una zona geográfica o ciudad, desarrolla con el entorno una compleja red de relaciones, a múltiples niveles, que se materializan en un complejo campo de fuerzas de atracción, irradiación, repulsión o de cooperación con el entorno. Muchos de estos mecanismos señalados están basados en la interacción entre los diferentes agentes económicos. Las economías de organización se originan en la unidad geográfica donde se localizan los agentes económicos, dependiendo del tamaño de la ciudad en cuanto a su población (Mc Donald, 1997 101 ), la formación de la fuerza trabajadora especializada o la disponibilidad de servicios. También hay que añadir la presencia de infraestructuras de transportes: ferrocarriles, carreteras, aeropuertos,... Las externalidades pueden ser tanto positivas como negativas en el análisis de la localización. Los modelos explicativos que se presentan a continuación están basados en densidades urbanas, en las rentas, en teorías económicas del espacio urbano (localización de actividades urbanas), precio del suelo e incidencia del transporte en el precio del suelo. Con el objeto de presentar de manera reducida las aportaciones teóricas sobre la estructura espacial, este capítulo se ha dividido en tres apartados: en 101 Muñiz (1998) 148 Análisis de la vivienda en Córdoba. Estudio Econométrico el primero se describen las aportaciones de las teorías clásicas de Ricardo y Von Thünen, en un segundo apartado se describen los estudios realizados a mediados del siglo XX entorno a la existencia de un modelo urbano concéntrico entorno a un centro de negocios (CBD102) en el tercer apartado se expone una estructura urbana basada en la existencia de diversos núcleos que actúan como nuevos centros de actividad de forma simultánea conocida como estructura de núcleos múltiples. 4.1.1. TEORÍAS CLÁSICAS. RICARDO Y VON THÜNEN La importancia de David Ricardo (1817)103, dentro de la teoría económica urbana, viene del hecho ser el primero en considerar el carácter de renta diferencial del suelo e igualarla a la variación de la fertilidad marginal, "la escasez comparativa de los terrenos más fértiles es la fuente de la renta". Según este concepto, a medida que se incorporan nuevas tierras al proceso productivo, el producto marginal por unidad adicional incorporada tiende a crecer. Como debido a la presión poblacional, se requiere la incorporación de tierras adicionales para aumentar la producción de alimentos, estas tierras marginales tienden a ser menos fértiles, y en consecuencia, decrece su productividad. Sin embargo, los propietarios de las tierras más fértiles y con mayor productividad perciben ingresos extraordinarios en función de esta mayor productividad de sus tierras. Luego, las rentas diferenciales tienden a crecer por brecha diferencial creciente; el precio valor de la tierra viene dado como inverso al rendimiento decreciente. A los terrenos menos fértiles hay que añadirle además el coste de transporte, lo que provoca que aparezcan mejores rentas a las zonas más próximas al mercado. Johann Henrich Von Thünen104, a los inicios del siglo XIX, incorpora el concepto espacial en la teoría económica y relaciona la localización del uso del suelo con las rentas de accesibilidad. Metodológicamente la obra de Von Thünen considera una explanada agrícola perfectamente homogénea que puede suministrar una gran 102 Distrito Central de Negocios (siglas en inglés CBD de Central Business District) 103 David Ricardo: 1817, "Principios de la economía política y tributación" 104 Thünen, Johann Henrich. Von:1826, Der Isoliert Staát in Beziehung auf Landwirtschaft und Nationalekonomic 149 Análisis de la vivienda en Córdoba. Estudio Econométrico variedad de productos a un único mercado que es una ciudad aislada. Evalúa los rendimientos en el espacio rural, pero intuye que la rentabilidad del suelo agrario aparece vinculada con las posibilidades de salida ordenada de sus productos hacia los mercados urbanos centralizados "accesibilidad". Figura 4.2: Rentas de suelo según disposición de cultivos de Von Thünen Renta ra rb rc (p-c)/t d r(d)=p-c-t·d)·x Fuente: Elaboración propia a partir de Méndez 1997 Cada cultivo tendrá su curva de localización según sus precios de mercado, coste de producción, productividad de la tierra y costes de transporte. La ecuación de la renta de localización se establece según: r(d)= (p-c-t·d)·x Donde: r (d ) = renta de localización de la tierra por unidad de superficie. x = producción unitaria de la tierra. p = precio de mercado de los productos agrícolas (unitario). c = coste de producción de los productos agrícolas (unitario). t = coste de transporte (unitario). d = distancia al mercado. En función de la rentabilidad de la tierra propone una posición en coronas alrededor de la ciudad (mercado) con los siguientes usos: Una primera corona formada por productos intensivos (productos de huerta y gran intensivo), una segunda corona 150 Análisis de la vivienda en Córdoba. Estudio Econométrico correspondiente a la silvicultura (producción de madera para construcción), una tercera corona correspondiente al cultivo de cereales y cultivos extensivos y una cuarta corona dedicada al cultivo extensivo de forraje y ganado. 4.2. MODELO MONOCÉNTRICO Formulado por Ernest W. Burgess entre 1923 y 1927, se considera el primer modelo generalizado de crecimiento en función de las relaciones de competencias socioeconómicas entre usos especializados del suelo urbano. Pero los estudios de Walter Isard (1956), Martin Beckmann (1958) y Wingo (1961) prepararon el terreno para la formalización un modelo realizado por William Alonso (1964), Muth (1969) y Mills (1967). Estos análisis del sistema de ciudades fueron por el lado de la demanda y se centraron fundamentalmente en el estudio del papel que juega la riqueza en la formación y crecimiento de las aglomeraciones urbanas. El modelo parte de la hipótesis que en el ámbito urbano, la competencia se expresa a través de relaciones de supremacía económica establecida entre las distintas capas sociales. Los diferentes segmentos de población pugnan por las localizaciones más ventajosas que se consideran entorno al espacio central. Burgess clasifica los usos del suelo y las áreas residenciales en diferentes categorías en torno a la formación de anillos concéntricos alrededor del espacio central (CBD). Este modelo también se denomina de “accesibilidad” y considera que, dentro de la estructura espacial de las ciudades modernas, existen zonas diferenciables por las categorías socioeconómicas y usos del suelo dispuestos entorno al distrito central de negocios. Este modelo reconoce la importancia del sistema de transporte en la definición de la estructura interna de las ciudades, ya que asume que en el CBD, se localiza un nodo productor que concentra el empleo de la ciudad. Por lo anterior, los trabajadores buscan también una ubicación más céntrica para disminuir el costo del transporte. La competencia entre los distintos usos del suelo se basa en un estricto 151 Análisis de la vivienda en Córdoba. Estudio Econométrico principio económico: las actividades que requieren una localización central tienen que pagar rentas más elevadas, o si optan por asentarse la periferia, pagarán un alto costo por el trasporte. En esta circunstancia, el comercio, los servicios y la industria están dispuestos a pagar más renta por el suelo para establecerse lo más cerca posible del centro de negocios. De la misma manera, las familias estarán dispuestas a residir en una vivienda más pequeña con tal de localizarse lo más cerca del centro. El beneficio que obtendrían es el ahorro al disminuir el costo del transporte y también por el tamaño de la vivienda (Capello, 2007). Alonso extendió la teoría de los usos del suelo agrícola a la ciudad, al sustituir el trasporte que realizan los agricultores hacia el mercado, por el desplazamiento de las familias que acuden al centro para trabajar y/o comprar (commuter). Los costes de transporte en los desplazamientos constituirán el mecanismo por el cual se agrupan las diferentes rentas. Dando lugar a un modelo de ciudad que genera anillos concéntricos con distintos usos del suelo alrededor de su CBD. Las actividades que tienden a localizarse en el Distrito Central de Negocios son básicamente: Actividades con alto rendimiento espacial. Actividades sujetas a una alta densidad en la demanda. Actividades que usan estructuras urbanas centrales. Actividades de la Administración, judicial, de información, etc. Actividades con elevados costos de transporte y mercado urbano central. Figura 4.2: Modelo monocéntrico I.- C.B.D. Central Business District. II.- Zona de Transición - Construcciones deterioradas. - Fábricas. III.- Zona clase trabajadora IV.- Zona residencial burguesa. V.- Zona de transición - Suburbios (zona dormitorio) 152 Análisis de la vivienda en Córdoba. Estudio Econométrico Fuente: Alonso (1964) En definitiva, el modelo de Alonso está basado en la consideración de que la renta de una vivienda es decreciente respecto a la distancia al centro urbano, también introdujo el concepto de "bid rent function", es decir; el máximo precio que una empresa o una familia está dispuesta a pagar por ocupar un lugar a una distancia dada del centro. Este modelo presenta algunas anomalías, como son personas con bajos ingresos bajos que viven cerca del distrito central de negocios, donde el suelo es más caro, y que familias con ingresos más altos decidan vivir sobre suelo más barato (más alejados del centro). Esta contradicción fue resuelta bajo la óptica de la ecología humana105. También Solow (1988) parte de unos supuestos básicos que no siempre pueden ser asumibles. Los puestos de trabajo y los servicios disponibles se hallan localizados en el Distrito Central de Negocios (C.B.D.). La inversión en la vivienda y el coste de transporte detrae la mayor parte del presupuesto familiar. El coste del transporte es proporcional a la distancia al centro. El precio del suelo se establece en relación con la superficie de los solares; por lo que ésta, es la variable a considerar a efecto de precios. 105 Los teóricos de la ecología humana ponen su énfasis en la competencia por la localización de la ciudad, lo que implica que los individuos mejor posicionados tenderán a situarse en los mejores sectores, mientras los más desfavorecidos ocuparán el resto del espacio. Park (1926 c.p. Jargowsky, 1996) afirma que los cambios en el estatus económico y social tienden a ser registrados en cambios en localización. Hawley, A. H. (1966 c.p. Díez-Nicolás 1992) en su " Ecología humana", considera que los patrones de segregación de los extranjeros se iría modificando por la existencia de una correlación positiva entre asimilación y tiempo de estancia en los EE. UU. Massey y Denton (1988), propusieron cinco dimensiones de segregación espacial: la igualdad (distribución diferencial de los grupos sociales en áreas de una ciudad), la exposición (y grado de interacción entre los de los distintos grupos), la concentración (y el espacio, o físico, o relativo ocupado por un grupo minoritario), la centralidad (grado en que un grupo está situado cerca del centro una ciudad) y el clustering grado en el que lindan una con otras distintos grupos étnicos o raciales). 153 Análisis de la vivienda en Córdoba. Estudio Econométrico No existe externalidades (economías/ deseconomías) en el consumo de la vivienda106. Colin Clark (1951), estudió la variación de población espacial intraurbana, observando que la densidad de población disminuía de forma exponencial conforme se incrementaba la distancia respecto al centro de la ciudad. Según Clark, el patrón espacial de densidad de población en las ciudades sigue la siguiente expresión exponencial: 107D x=Do·e -tx siendo: Dx: la densidad de población “d ” a una distancia “x ” del centro. Do: la densidad de población en el centro de la ciudad. t : el gradiente de densidad. La propuesta empírica de Clark fue ampliada conceptualmente por Wingo (1963), Alonso (1964), Muth (1969) y Mills (1967) a partir de la consideración de un mercado competitivo del suelo y de la vivienda que influye en las decisiones de localización de la población con recursos financieros limitados. Wingo en su modelo, señala que las familias tienen un límite de renta disponible que limita el coste de desplazamiento y de servicios de vivienda, estableciendo comportamientos diferenciales según su nivel de renta. La hipótesis de partida se basa en que los costes de transporte aumentarán conforme a la distancia recorrer y en consecuencia disminuirá el precio del suelo, ello explicaría la formación de coronas más alejadas para rentas más altas. Su modelo intenta explicar cómo se forma el precio por la localización residencial de las familias, que es el más habitual en el suelo urbano. Parte de la 106 La externalidad es un elemento clave del análisis económico urbano y regional, ya que se relaciona directamente a la noción de “espacio geográfico”. El espacio puede considerarse también todo lo que nos rodea como nuestro vecindario o el acceso al transporte. Cada lugar tiene su propia externalidades positivas o negativas. Cuando las penalidades son positivas se habla de economía externa y cuando son negativas de deseconomías externas (contaminación, cogestión, etc.). 107 Esta función de densidad negativa también es conocida en la literatura de la Teoría Económica Urbana como gradiente de Muth-Mills. 154 Análisis de la vivienda en Córdoba. Estudio Econométrico hipótesis de que los individuos buscan aumentar su renta situándose lo más cerca de su lugar de trabajo para minimizar el coste de desplazamiento. La diferencia de costes generalizados de transporte entre dos situaciones posibles dará lugar a una renta de situación y como consecuencia, el precio del terreno se adaptará a esa renta y podrá deducirse el mapa de valores del suelo. Para ello, toma la diferencia entre el exterior y el centro de la ciudad y deduce los valores de renta de posición por metro cuadrado (r), que será igual a la cantidad de suelo consumido por precio unitario de suelo; para este cálculo es necesario saber el tamaño la vivienda (q ), deduciendo una relación del tamaño de suelo. Siendo α y θ constantes. Luego la relación diferencial de coste generalizado de desplazamiento entre dos localizaciones (0, 1) viene reflejada por la fórmula: Wingo consideraba que el valor del tiempo de transporte es igual al valor marginal del tiempo de ocio. La dificultad viene determinada por saber cuánto vale ese tiempo, por la relatividad y la dificultad en la contestación. Ya que por ejemplo, a la hora de realizar un viaje, un individuo pueda ir por el camino más corto, pero pagar un peaje de sobrecoste o por el camino más largo y más barato. Para los viajeros, el tiempo puede ser una limitación, mientras para otros puede serlo el dinero. Trasladada esta situación a la geografía urbana, estas decisiones pueden aplicarse a la población de acuerdo con sus niveles de renta. Normalmente la disponibilidad monetaria constituye una restricción limitativa para los grupos de rentas más bajas, mientras el tiempo lo será para los grupos de rentas más altas. Su modelo establece una curva de salario/hora con una relación de proporcionalidad inversa al tiempo trabajado. Es decir, los que trabajan menos horas tiene más valor en valor monetario, mientras los que trabajan más horas tienen un valor menor. Se puede ajustar las curvas de valor marginal del tiempo de ocio de cada 155 Análisis de la vivienda en Córdoba. Estudio Econométrico estrato social (renta). Como se puede observar en la figura 4.3, el salario efectivo por hora “S’ ” está formado por el salario percibido “S” más el estimado por el valor marginal del tiempo de ocio, que disminuye con el incremento del tiempo de viaje. Aunque la lógica puede llevar a pensar que el tiempo de ocio vale menos que el tiempo de trabajo, la curva de utilidad depende de la clase social. Si “T” representa el tiempo trabajado por un individuo y “t” es un tiempo suplementario en el que no se trabaja. Si la curva de ingresos se desplaza pero no se ha aumentado en el precio/hora trabajada que nos queda igual. La cuestión sería determinar cuánto está dispuesto a pagar por t. Figura 4.3: Valor marginal del tiempo de ocio L: Valor marginal tiempo de ocio. T : Tiempo de trabajo efectivo. t: Tiempo de viaje por día. Salario/hora L S` B C` A S C T T+t Tiempo Fuente: elaboración propia Para Alonso, el problema que enfrenta a cada consumidor básicamente consiste en maximizar su utilidad, y depende del tamaño de la vivienda, de la ubicación y del consumo de otros bienes; sujeto a una restricción presupuestaria en el que se considera los costos de transporte y sus efectos en el precio de la vivienda. Este problema de maximización se presenta de la siguiente forma: Max: V (m, d, x) Siendo las restricciones: Y = x + P (d )m + T (d ) Donde: m es el tamaño de la vivienda; d es la distancia al centro de negocios; x es la cesta de otros bienes consumidos por la familia; P(d ) es el precio por metro 156 Análisis de la vivienda en Córdoba. Estudio Econométrico cuadrado de la vivienda; T(d ) es la función de costo del transporte y Y el mismo es la renta disponible. A cada posición territorial habrá una función de utilidad V (m,d,x), ya que en cada espacio de suelo habrá unos servicios que competirán con él. Suponiendo que la función de “V” es continua y dos veces diferenciable, se obtienen las siguientes ecuaciones de localización en equilibrio: Esta primera condición de equilibrio establece que la relación marginal a la cual el consumidor está dispuesto a sustituir el consumo en metro cuadrado de la vivienda “m”, por consumo de otros bienes “x”, es proporcionar al precio de la vivienda. En esta segunda condición muestra que el ingreso marginal que una persona está expuesta a pagar por un metro de vivienda disminuye cuando tiene mayores gastos en trasporte. Alonso concluye que un alza de ingresos superior al de los costes de transporte, determina un incremento de localizaciones periféricas; y que una mejora de los trasportes reduce los valores territoriales en el centro y aumentan los de la periferia, tendiendo al incremento del territorio ocupado. Aunque la suposición, dada por cierta, que el precio del suelo varía del centro hacia fuera, tiene detractores. Mayer (1965, c.p. Hercé, 2005) se basó en la hipótesis que el precio del suelo se forma de fuera hacia el centro. Al crear una nueva infraestructura, por ejemplo un centro comercial, modifica el precio de la vivienda a su alrededor. Ello provocará nuevas tensiones de compra y la creación de demanda nueva que genera una onda que va alterando los territorios que existen entre el centro y dicho punto de alteración. Para Muth, el empleo tiene lugar en un punto del espacio y los ciudadanos se trasladan de su residencia a la localización de su lugar de trabajo a costes homogéneos en cualquier dirección. Con estas premisas se deduce que el valor de la renta de 157 Análisis de la vivienda en Córdoba. Estudio Econométrico servicios de vivienda disminuye conforme aumenta la distancia al distrito central de negocios. Por lo tanto, los precios del suelo también seguirán el mismo comportamiento en función de su localización. Cada familia intentará maximizar la utilidad de consumo de servicios de vivienda dentro de su presupuesto, entre los que se contabilizará el coste de trasporte a partir de su situación en la ciudad. Edwin S. Mills (1967) puso de manifiesto la importancia de las economías de aglomeración a la hora de analizar la formación de las ciudades. El epicentro de negocios ya no es un punto, sino es una zona donde se concentra la actividad económica no residencial. La aproximación por la vertiente de la producción plantea que la concentración de la actividad económica y social en torno a las ciudades viene definida por tres fuerzas económicas: la reducción del coste de trasporte, la presencia de economías de escala y la existencia de efectos externos de aglomeración. Respecto estos últimos, distingue entre los actos de localización, que son externos a la empresa e internos a la industria y que permiten mantener los supuestos de competencia perfecta y los efectos de urbanización, que son externos a la industria y a la empresa pero internos del área urbana. Mills incluye la problemática del transporte en su análisis, ya que los requerimientos de estructuras en las ciudades, provoca la asignación de diferentes usos al suelo. También estudia la posibilidad de congestión de la ciudad y analiza los posibles efectos que puede tener sobre el tamaño de la ciudad y la distribución espacial de la población. En la ilustración 4.1 se presenta la vista nocturna de la ciudad de Moscú donde se puede apreciar claramente la formación de la ciudad en torno a un núcleo central. Ilustración 4.1: Vista nocturna de Moscú 158 Análisis de la vivienda en Córdoba. Estudio Econométrico Fuente: Google.maps 4.3. MODELO DE LOS SECTORES RADIALES El Modelo de Burguess fue el punto de partida del estudio urbano de áreas sociales para otros investigadores, entre los Homer Hoyt108 (1961) que propuso el Modelo de los Sectores Radiantes. Este modelo se apoya en la tenencia de los distintos grupos sociales a agruparse en zonas diferentes que pueden representarse gráficamente por medio de sectores delimitados en torno al centro de la ciudad. De acuerdo con este modelo, el cambio urbano obedece a un movimiento sectorial. El cambio, la movilidad y el crecimiento de la población, tienen como principal motor la atracción ejercida por las clases sociales con mayor poder adquisitivo. Son estas las que emplazadas inicialmente en el centro de la ciudad, se van desplazando a lo largo de las vías de comunicación principales y más rápidas, en busca de mejores enclaves que el congestionado centro. Esta expansión tiene forma de cuña y obedece a un movimiento centrípeto del centro hacia la periferia, y en él se libera un espacio que deteriorado será ocupado por capas de menor poder adquisitivo. Pese a ello, según Hoyt "la tendencia natural de las áreas de renta elevada es la de desplazarse hacia la periferia, pero sin abandonar el sector en el que primitivamente se localizaba". Son pues, los ejes de comunicación, los que definen la división especializada de las actividades urbanas, desde el centro hacia la periferia, definiendo los sectores de crecimiento de usos fuertemente especializados. El esquema se organiza desde CBD, del cual se expanden diversos sectores radiales que siguen a los ejes de comunicación con funciones específicas: sobre los bordes de las carreteras se desarrollan áreas industriales, sobre los ejes de valoración 108 Capel, (1969). 159 Análisis de la vivienda en Córdoba. Estudio Econométrico ambiental o social se desenvuelven ejes residenciales de clase alta; en los intersticios se agrupan selectivamente la residencia de las clases trabajadoras, junto al eje industrial y de las clases medias, que buscan alejarse de estos ámbitos. Figura 5.4: Sectores radiales de la estructura urbana de la ciudad de Chicago. Vías principales 1. C.B.D. 3 2. Industria Pequeña 4 2 3. Clases trabajad. 3 4. Clases medias 5. Clases altas 5 1 3 3 2 3 4 Fuente: Theodorson (1974), elaboración propia El pronóstico que realiza Hoyt en la ocupación de zonas residenciales es de inmovilismo y explica que en aquellas zonas de precio más bajos (clase obrera), los precios tienden a seguir siendo bajos incluso ante el crecimiento de la ciudad. Dicho inmovilismo también ocurre en las zonas de más alto nivel donde las viviendas más caras tienden a situarse en la parte más externa, dentro de su propio sector. En la medida que aumenta la población y se amplía en los límites exteriores de las zonas residenciales de más alto nivel, se van produciendo vacíos internos en dichas zonas, que son ocupados por aquellos grupos con niveles económicos más débiles que no les permite desplazarse hacia enclaves de mayor nivel, originando un proceso de sustitución residencial109. La crítica fundamental para este modelo es el hecho de hacer hincapié en ausencia de consideraciones sociales y la supeditación de todo el modelo a las posibilidades económicas que tiene cada actividad y clase social. La crítica también reside en la falta de universalidad de los postulados y en la simplicidad en el planteamiento de organización y 109 Se entiende el proceso por el que en una determinada zona las viviendas pasan de un grupo social a otro. Éste proceso suele darse en aquellas viviendas que son relativamente antiguas de zonas que pierden categoría social. 160 Análisis de la vivienda en Córdoba. Estudio Econométrico distribución del nuevo uso del suelo. Ilustración 4.2: Buenos Aires Fuente: Google.maps 4.4. MODELO DE LOS NÚCLEOS MÚLTIPLES Desde el punto de vista económico, las ciudades habían estado asociadas hasta relativamente poco tiempo al concepto "centralidad" debido a que las economías capitalistas concentran economías de aglomeración, de mercado, de información, etc., en torno al CBD. De hecho, la mayoría de las planificaciones urbanas reproducían las pautas descritas anteriormente, fomentando usos del suelo homogéneos. Pero el actual proceso de globalización y de revolución en las comunicaciones ha originado que este modelo de centralidad, aunque se mantiene en parte, se vea sometido a algunas variaciones y críticas. El crecimiento urbano no suele ser homogéneo en forma de una circunferencia, sino tiende a ser desigual según las diferentes partes de la ciudad. La incapacidad para explicar el surgimiento de subcentros y los cambios balance-costo del transporte-renta del suelo modifica el balance (trade off) entre los costes de desplazamiento y los precios del suelo de acuerdo con el modelo concéntrico y sectorial. De la misma forma, la aparición de subcentros incrementa la renta del suelo en ese lugar y además disminuye el costo de traslado a la periferia. El crecimiento de 161 Análisis de la vivienda en Córdoba. Estudio Econométrico las ciudades modernas suele producirse en más de un punto, y cada foco presenta su gradiente de uso y escalonamiento de valor propio. Los modelos monocéntrico y de sectores radiales no han tenido en cuenta la especificidad geográfica e histórica de las ciudades, dejando reducido el principio de competencia a una manifestación natural e inevitable, sin considerar que es un proceso social en un momento histórico concreto. En la sociedad contemporánea se ha producido una fragmentación del distrito central de negocios en varios nodos de actividad productiva ubicados en diferentes localizaciones intraurbanas y fruto de nuevos procesos de urbanización en el extrarradio. Esta dispersión territorial de la actividad económica a nivel metropolitano, regional y nacional se ha visto facilitado por el desarrollo de las tecnologías de la información y comunicación; lo que contribuye a nuevas formas de centralización territorial y a la fragmentación en el espacio de los procesos productivos (Sassen, 1998). Esta fragmentación favorece la dinámica de la suburbanización y la dispersión de los servicios de carácter rutinario que pueden localizarse en zonas más periféricas. Por otra parte, existe una reconcentración de las funciones administrativas y directivas de alto nivel dentro de los procesos productivos, siendo el resultado de una nueva centralización en las grandes ciudades. En las áreas metropolitanas ya no existe una relación directa entre centralidad y la presencia de un único distrito central de negocios, pero se puede hablar de una nueva centralidad metropolitana que viene expresada por la existencia de varios subcentros urbanos que se manifiestan dentro del área metropolitana. Para dar respuesta a esta concepción de ciudad aparece un nuevo modelo, considerado como clásico, denominado modelo de Núcleos Múltiples o Policentrismo, que cierra la visión estructural antes presentada de la ecología humana clásica. Fue presentado inicialmente por MacKenzie (1933) y ampliado por los geógrafos Chauncy D. Harris y Edward L. Ullman en 1945. Ullman y Harris reconocieron la existencia de múltiples núcleos y procesos de desarrollo urbano más complejos, logrando romper en cierto modo con el modelo de espacio urbano monocéntrico, cada centro seguía siendo considerado como capaz de dar forma a los espacios urbanos ordenados regularmente alrededor de sí mismos, 162 Análisis de la vivienda en Córdoba. Estudio Econométrico versiones en miniatura del modelo original monocéntrico. Este trabajo supuso una transformación en la Escuela de Chicago, dando un empuje al enfoque ecológico con el fin de estudiar los modelos de ciudad, empezando por los estudios de Amos Hawley (1950) continuados por Beverly y Otis (1957) y Duncan y Schnore (1958). Se volvió hacia un análisis estadístico multivariable de la nueva disciplina de la ecología factorial110. Los núcleos múltiples surgen de la descentralización del empleo. Los nuevos subcentros que aparecen, bien en la periferia, colonizando espacios no colmatados, o bien ocupando espacios degradados. Parques tecnológicos, distritos industriales, centros universitarios, etc., recogen lo que CBD ha ido expulsando. Por lo tanto, se buscan las ventajas de localización en el territorio urbano que facilitan su funcionalidad. Es decir, las actividades económicas comunes tienden a concentrarse en las mismas zonas para beneficiarse de las mismas ventajas del emplazamiento definidas por las características propias del entorno. Esta concentración espacial de las actividades económicas parecidas configuran las denominadas economías externas de aglomeración. Este mismo principio puede aplicarse al resto de las actividades urbanas. Las actividades con características parecidas, tenderán a concentrarse en espacios definidos, a efectos de reunir las ventajas externas más favorables para su sector. Siguiendo esta premisa, las actividades no compatibles tenderán a separarse parcialmente, sobretodo vivienda e industria. Pero la ocupación del territorio quedará fijada por la capacidad de pagar por la localización que tenga cada actividad. El Distrito Central de Negocios será el suelo más caro. Las áreas de comercio especializado buscarán emplazamientos fácilmente accesibles bien peatonales o bien comunicadas por transportes públicos en el centro de la ciudad o por carretera en la periferia (grandes centros comerciales). Las áreas industriales se ubicarán en espacios bien comunicados por esa estructura de transporte, y tendrán una tendencia 110 La ecología factorial es una adaptación del "análisis de factores", este método consiste en la reducción de una gran cantidad de información estadística a una serie de factores o componentes comunes basados en sus intercorrelaciones. 163 Análisis de la vivienda en Córdoba. Estudio Econométrico hacia emplazamientos más periféricos. Por último, la función residencial buscará alejarse de la industria, mediante un proceso regulado por el poder adquisitivo de la familia Figura 4.5: Modelo Policéntrico de ciudad 1 C.B.D. 9. Indust. suburbana 2. Industria Pequeña 3. Clases trabajad. 4. Clases medias 5. Clases altas 6. Industria pesada 7. Centro neg. urbano 8. Resid. suburbana Fuente: Zárate y Vázquez (1991) Michelle J. White111(1999) se refiere a su vez, a dos modelos policéntricos: modelos endógenos y modelos exógenos. Los primeros centran su análisis en el efecto de las economías de aglomeración y de los costes de transporte en los comportamientos de localización espacial del empleo y de la residencia; los segundos se centran en los efectos que la suburbanización del empleo provoca en las decisiones de localización de la vivienda y de otros aspectos referentes a la asignación de infraestructuras en la ciudad. Según García-López y Muñiz “una pauta descentralizadora policéntrica o dispersa depende de la interacción de tres fuerzas: a) las economías de aglomeración (externalidad es de conocimiento –learning-, el contar con un amplio mercado de trabajo –matching- y tener una escala suficiente como para que aparezcan suministradores especializados de productos intermedios y servicios a la empresa – sharing-); b) las deseconomías de aglomeración (congestión, precio elevado del suelo) y c) los costes de transporte”. La caída de los costes del transporte favorece la 111 García-López M. A. y Muñiz, I. (2007) 164 Análisis de la vivienda en Córdoba. Estudio Econométrico descentralización del empleo hacia la periferia. Figura 4.6: Cambios en la forma urbana ante la formación de subcentros Al aumentar el radio de la ciudad de X0 a X1. Surgen subcentros a una distancia Xsub del centro. La densidad de empleo se distorsiona en t1 presentando picos a una distancia Xsub del centro. Fuente: García-López M. A. y Muñiz, I. (2007) El modelo de los núcleos múltiples ha sido considerado por diversos autores como un simple boceto con pretensiones más o menos generalistas, que toma como punto de partida a los modelos de círculos concéntricos y sectoriales. Ilustración 4.3: Brasilia Fuente: http://stgo.es/2010/12/modelos-de-ciudad-y-territorio-juan-freire/ 165 Análisis de la vivienda en Córdoba. Estudio Econométrico 166 Análisis de la vivienda en Córdoba. Estudio econométrico CAPÍTULO 5 REVISIÓN BIBLIOGRÁFICA EN LA MODELIZACIÓN DEL PRECIO DE LA VIVIENDA 167 Análisis de la vivienda en Córdoba. Estudio Econométrico 168 Análisis de la vivienda en Córdoba. Estudio econométrico 5. ESTADO DEL ARTE EN LA MODELIZACIÓN DEL PRECIO EN EL MERCADO DE LA VIVIENDA INTRODUCCIÓN TEÓRICA AL MERCADO DE LA VIVIENDA 5.1. E n la economía moderna, el mercado de la vivienda ha tenido un papel destacado, los promotores inmobiliarios canalizan el ahorro del mercado financiero para poder producir un conjunto de bienes llamados vivienda y necesitan recuperar rápidamente su inversión para poder remunerar a sus intermediarios financieros. Todo ello ocurre en el mercado local de vivienda nueva, que se considerará en equilibrio, si logra abastecer la demanda a un precio justo y no tiene excedentes de producción. Pero, ya no se puede considerar el mercado inmobiliario de una ciudad como único y aislado, porque está en competición con otros núcleos próximos en lo que se ha llamado área metropolitana. Además, cuando una familia se traslada a otra área, libera una vivienda usada que puede ser alternativa para otro hogar. Luego, la vivienda usada está en competición con la nueva, por lo que a la hora de describir un mercado global de una ciudad, se deberá reunir información acerca de las cantidades, calidades y precios tanto de la vivienda nueva como de la usada para cada área. La característica de este mercado ha hecho que algunos autores hablen de la existencia de mercados regionales e incluso mercados locales más o menos interconectados entre sí. La definición del mercado inmobiliario no se presenta fácil por la naturaleza del bien, heterogéneo e inmóvil, y que hace que la oferta existente varíe según las características tanto internas (tamaño, antigüedad, calidad, etc.), como externas a la vivienda (situación geográfica, entorno socio-económico, facilidades de comunicación, etc.). 169 Análisis de la vivienda en Córdoba. Estudio Econométrico En el presente capítulo se hace un repaso de las aportaciones teóricas al funcionamiento del mercado de la vivienda. Inicialmente se habla de los modelos de ajuste del precio desde el punto de vista macroeconómico y con un enfoque tradicional. En una segunda parte se presentan los modelos decisión de compra y de tenencia de la vivienda. En una tercera parte se comentan los modelos de determinación del precio donde las características propias de la vivienda son determinantes para hallar el precio, haciendo una especial descripción a los métodos que vamos a utilizar para desarrollar nuestros objetivos metodológicos, entre los que se encuentra: Método de Precios Hedónicos y la Metodología de Redes Neuronales. En la última parte de este capítulo se hará una breve reseña bibliográfica sobre el Estado del Arte. 5.1.2. EL PROCESO DE AJUSTE EN EL MERCADO Puesto que un tratamiento detallado de la diferente literatura excedería la finalidad perseguida, no será expuesto de manera pormenorizada las diferentes perspectivas, sino que se presentan las teorías consideradas más importantes, con el objeto de clarificar el funcionamiento del mercado de viviendas, la determinación del precio y la visión que sobre ella se tiene del ajuste entre oferta y demanda. En el proceso de ajuste del mercado de la vivienda no se cumplen los mecanismos convencionales que la teoría plantea para los mercados de bienes. Por lo que ha originado que se formulen una “jungla de teorías” sobre mismo problema, pero con diferentes enfoques de teoría económica que dificultan la recopilación requerida. Dado que, ni las cantidades de viviendas, ni los precios se ajustan de manera simultánea, los estudios han desarrollado distintas explicaciones sobre este fenómeno. Por ejemplo, para Stahl (1985), el problema del ajuste y del equilibrio del mercado de viviendas es debido a diferentes concepciones del equilibrio. Mientras que para los oferentes de viviendas les resulta difícil ajustar en un corto periodo de tiempo, la cantidad o calidad de las viviendas en exceso sobre la demanda que encuentran, aunque ello fuese positivo para sus intereses, sí pueden hacerlo vía precios, o desbordamiento de cantidades. En el desequilibrio del mercado de viviendas, mientras converge hacia el equilibrio, puede haber cuestiones exógenas que desestabilicen el 170 Análisis de la vivienda en Córdoba. Estudio econométrico modelo de ajuste; por otro lado, la vivienda no es un bien que tenga propiedades de convergencia endógeno en su comportamiento. Esta doble problemática implica dos cuestiones: la primera es la correcta concepción del comportamiento del mercado de viviendas agregado, y la segunda, como consecuencia de ello, la elección del modelo más apropiado para su explicación. En ambas tiene una gran influencia las características específicas de este bien. La larga duración de las viviendas, supone que su vida económica es duradera, lo que hace que los fuertes cambios en la demanda de vivienda u otras condiciones del mercado tengan un efecto marginal. En estos casos, el mercado de segunda mano es determinante para explicar fluctuaciones en el equilibrio inmobiliario. Por otro lado, la gestación de la inversión en viviendas necesita de un largo período, por lo que la oferta de nuevas viviendas y como consecuencia el aumento o disminución de stocks en un determinado tiempo, es el resultado de decisiones tomadas anteriormente, y posiblemente de situaciones muy diferentes de la evolución del mercado en ese espacio temporal, siendo además situaciones irreversibles. Luego, la variación del volumen de viviendas en el mercado pueden ser considerado como producto de previsiones de los inversores inmobiliarios. Mientras, la demanda de viviendas tiene que acomodarse a una oferta bastante rígida de volumen y estructura. Los cambios en la demanda son mucho más aleatorios y pueden ser causados por razones ajenas al mercado residencial, como el incremento de la población debido a las migraciones, la formación de familias, variaciones en la renta y la restricción del crédito entre otras. Debido a estas rigideces, y como consecuencia de que la vivienda es consumida como bien indivisible y unitario, el proceso de equilibrio está acompañado de numerosas fricciones, por los precios de demanda y oferta inelástico66. La información que tiene los actores del mercado inmobiliario es imperfecta, dado que no se conocen los acontecimientos futuros que pueden afectar, luego existe una relación entre lo que está ocurriendo en periodos actuales y las decisiones tomadas en tiempos pasados, que será uno de los factores que explique las 66 Taltavull, (1996) 171 Análisis de la vivienda en Córdoba. Estudio Econométrico fluctuaciones características en el mercado67. Este claro déficit de información, sobretodo en cuanto al precio de viviendas de similares características presentes en el mercado, es lo que provoca una gran variedad de precios tomados individualmente de los que son difíciles diferenciar entre los que reflejan imperfecciones de información o los condicionamientos parciales, bien del propio producto, bien de otros factores ajenos. Es decir, en la vivienda, según Arnott (1987), se unen una serie de características que no se producen en ningún otro bien: 1. La necesidad, dado que satisface un requisito de las personas fundamental. 2. Importancia, para la mayoría de las familias es la inversión más importante. 3. Fijación espacial, puesto que la vivienda no puede ser transportada. La inmovilidad hace que una vivienda experimente el efecto de externalidades, producto de cambios en el entorno en que se haya ubicado (transporte público, delincuencia, limpieza, etc.). 4. Durabilidad, de todas las inversiones que realiza una familia, será la más duradera y afectando a las decisiones de consumo/ahorro de los hogares en el futuro. 5. Indivisibilidad, puesto que, salvo rara excepciones, no puede ser fraccionada. 6. Complejidad y heterogeneidad, dada la multiplicidad que cada vivienda tiene, y que proviene de las características físicas tales como: superficie, calidad de sus materiales, servicios dotados, entorno y ubicación, la actuación del propietario en lo referente al mantenimiento u otra actuación de reforma. 7. Estrechez en el mercado, las familias y las viviendas tienen distintas características de espacio temporal. 8. No convexidad en la producción, dado que no sólo se limita a la construcción de viviendas, sino que también hay que considerar, las rehabilitaciones, reconstrucciones y las conversiones de utilización en los inmuebles, que provocan un cambio continúo en la función de producción. 9. 67 La importancia en las asimetrías en la información, puesto que los demandantes Rosen y Smith (1983). 172 Análisis de la vivienda en Córdoba. Estudio econométrico de vivienda no son conscientes de las características de las todas las existentes en el mercado. Esta falta información produce la existencia de una dispersión en los precios de viviendas con similares características, de entre los cuales es difícil detectar, cuál es la que refleja las imperfecciones de información, o condicionamientos de la propia vivienda o factores exógenos. 10. La importancia de los costes de transacción, tanto en la búsqueda (intermediación), como en el cambio de vivienda y gastos de compra. En este ámbito, la tarea de los intermediarios del mercado inmobiliario es reducir las restricciones de información entre oferta y demanda de vivienda. 11. La inexistencia de mercados de futuros y sistemas de aseguramiento de precios. 12. La intervención pública, afectando directamente a la creación de nuevas unidades de vivienda, mediante la promoción de viviendas públicas. Pero también interviniendo directamente en los procesos de regeneración de zonas urbanas. Aunque en la mayoría de los bienes también tienen algunas de estas características, en las viviendas están más pronunciadas, por lo que ocasiona que el proceso de ajuste sea muy diferente a los demás bienes del mercado. A las especificaciones citadas por Arnott hay que añadirle que por la naturaleza del bien, duradero a lo largo del tiempo, tiene mayor importancia la existencia de un stock o parque de viviendas permanente en el tiempo, que el incremento anual de nuevas construcciones en el equilibrio del mercado. Dado que el citado incremento anual de viviendas será muy pequeño en comparación con el total del parque total existente, y aunque habitualmente se estudia de forma diferenciada la vivienda nueva y la vivienda usada, es necesario contar con la oferta total del mercado para llevar a cabo un análisis de la demanda. Puesto que una de las características principales de la vivienda que hemos citado es su duración en el tiempo, se puede realizar una aproximación, según la teoría económica, al análisis de la demanda de bienes duraderos que considera el consumo de dichos bienes como si fuesen generados a través de un flujo asociado de servicios. Luego el consumo-utilización de una vivienda puede asociarse, en cierto modo a un servicio de alojamiento. 173 Análisis de la vivienda en Córdoba. Estudio Econométrico Esta perspectiva abre dos conceptos distintos del análisis del mercado de la vivienda: el enfoque de la vivienda considerada como un bien de inversión para obtener una rentabilidad efectiva destinándolos al alquiler o a su posterior compraventa (inversionistas) y el enfoque de un bien para uso residencial (consumidores de servicio de alojamiento). Estos a su vez pueden optar entre alquilar una vivienda o ser propietario. La elección entre una u otra, dependerá de una serie de circunstancias del consumidor entre las que se puede citar, la renta disponible, la situación laboral, edad, disponibilidad de crédito o ventajas fiscales, etc.. Algunos análisis agrupan ambas opciones (alquilar o comprar vivienda para alojamiento) en un solo estudio: el mercado de alquiler, ya que consideran que los propietarios se autoalquilan la vivienda y el valor del importe de la renta generada y consumida por el uso residencial, es la medida del coste del usuario, formado por los costes de compra de la vivienda, más o menos la depreciación, menos las ventajas fiscales. 5.2. ENFOQUES DE LOS MODELOS DEL MERCADO DE VIVIENDA. El mercado de la vivienda y la evolución del precio han sido objeto de un continuo estudio en la Economía. El sector de la construcción desempeña un importante papel tanto en la inversión, como en la demanda agregada. Los estudios empíricos realizados para ese mercado adoptan generalmente las formas de modelos globales, tanto para definir el mercado de la vivienda, como para establecer una ecuación explicativa en la inversión del sector de la construcción, o la determinación de una ecuación de determinación del precio de la vivienda. Aunque existen modelos que intentan determinar la oferta y la demanda simultáneamente, pocos se centran en la modelización donde predominan los factores de oferta. La mayoría optan por considerar fundamentalmente los factores que afectan a la demanda. 174 Análisis de la vivienda en Córdoba. Estudio econométrico La mayor parte de las investigaciones, que se centran en la oferta, la identifican con el nivel de stock en un momento de tiempo. En la medición de la oferta en un mercado se debe distinguir cuatro tipos de procesos: el primero sería la construcción de nuevas viviendas propiamente dicha; el segundo sería el mantenimiento de las viviendas existentes con superficie localización y densidad estructural fija68; el tercer proceso se refiere a la rehabilitación; y el cuarto sería la conversión de la viviendas, que supondría un cambio en el tamaño de la viviendas en un edificio con localización dada. Por las características del bien, la vivienda se debe considerar en sus dos aspectos: como un bien de consumo duradero: bien para su uso, lo que significa demandar el consumo de la vivienda o los servicios que ella genera; o como un activo de inversión, en este caso, el objetivo se centra en obtener un rendimiento económico de la inversión realizada en vivienda, bien a través de los ingresos por alquiler, bien por la ganancia de capital que pueda generar la revalorización, o por ambas razones. Estos dos aspectos suponen una amplitud de variables que van a condicionar la demanda. En los modelos sobre la demanda de uso existen básicamente dos tipos de planteamientos: los que analizan la opción de tenencia del bien vivienda (uso servicios de vivienda), con dos opciones, alquilar o vivienda en propiedad; y aquellos que estudian el comportamiento de esta demanda a través de los efectos del nivel de renta, variación demográfica, características de la vivienda en cuanto a propiedades y localización (precios hedónicos), entre otros. La mayor parte de estos análisis se desarrollan a partir de estudios de corte transversal intemporales. Los estudios que utilizan análisis temporales se centran en factores tales como la evolución de la renta familiar, disponibilidad financiera, coste del crédito hipotecario, niveles de ingresos, etc. La parte de ellos representan la vinculación entre el mercado de viviendas y los ciclos económicos. Pero, tanto en los estudios de corte transversal como los que utilizan el análisis temporal; los demandantes deciden la forma de tenencia de la vivienda. Esta elección de 68 Densidad estructural hace referencia a la intensidad de construcción sobre una superficie determinada. 175 Análisis de la vivienda en Córdoba. Estudio Econométrico tenencia ha originado una importante literatura en torno al concepto de utilidad, y en la mayor parte de estos se miden los precios de las viviendas asimilándolos a los de alquiler. En la demanda de viviendas, como bien inversión, habitualmente los estudios se centran en los análisis temporales que utilizan factores financieros como: el valor actualizado de ingresos esperados, tipos de interés, rentabilidad, variable de comportamiento... Aquellos modelos que parten del supuesto de un equilibrio en el mercado, se basan en la existencia de mecanismos para corregir los posibles desajustes que puedan producirse, tanto a corto plazo, que se manifiestan en sus aspectos dinámicos, como a largo plazo, basado en la noción del flujo de inversión deseado y de stock de capital deseado, aunque también existen estudios que en función de las características de la vivienda y localización (precios hedónicos), según los precios de compra-venta declarados. 5.3. MODELOS TRADICIONALES. (ENFOQUE MACROECONÓMICO) El análisis tradicional del precio de la vivienda, deriva de la teoría del consumo de bienes duraderos, tratándolos como un bien homogéneo para explicar el mercado. La demanda inmobiliaria durante un período temporal determinado, depende fundamentalmente de su renta y del coste de mantenimiento, denominado "coste de uso", que equivaldría al coste de oportunidad de la inversión en vivienda, menos/más la revalorización/devaluación de la misma. El coste de oportunidad dependerá de las alternativas de inversión y de financiación existente en cada momento. La demanda será mayor, cuanto mayor sea la renta media disponible en las familias y menor el coste de uso, influenciado a su vez, por el coste de financiación y la rentabilidad de inversiones alternativas. A la hora de estimar el precio teórico de la vivienda, la ecuación de demanda 176 Análisis de la vivienda en Córdoba. Estudio econométrico pasa a ser la variable explicada en función de las variables mencionadas anteriormente y por el stock de inmuebles. Dado que este último es endógeno, a menudo se sustituye por variables que caracterizan el comportamiento de la oferta en este mercado. En la práctica, en las ecuaciones se suelen incluir otras variables, como las demográficas y factores relacionados con la existencia de restricciones al crédito. Además, estas ecuaciones de tipo estático, se suelen complementar con variables en términos dinámicos, que pueden aparecer como consecuencia de elementos subjetivos, como son: las expectativas de precios futuros sobre el coste de uso, costes de ajuste en la oferta por la llamada "aversión a las pérdidas’, por parte de los potenciales vendedores de viviendas de segunda mano, o los efectos de las variaciones del precio por las restricciones al crédito. Este tipo de modelos, han sido considerados como estáticos o de competencia perfecta, siendo Muth (1969) el primero que modelizó el mercado de la vivienda desde esta perspectiva, haciendo referencia principalmente a la demanda deseada por la población, que la considera función y de dos variables, la renta y el precio. Argumenta, que en el largo plazo la oferta es muy elástica, pero en el corto plazo existe un proceso de ajuste rezagado, del parque actual al el stock deseado. Ante cualquier variación de la función de demanda, la traslación de la curva como consecuencia de la misma, producirá un incremento o disminución del precio de los servicios de vivienda temporal. Esta variación servirá para que se ajusten gradualmente el precio de nuevas viviendas hasta equilibrar el mercado. La figura 5.1 muestra el enfoque del modelo estático - a más alto el precio, mayor será la oferta-. El equilibrio será el punto donde se interceptan las dos funciones y se igualan los precios y volumen de la curva de oferta y demanda. Las funciones de oferta y la curva de demanda, inicialmente, se cortan en el punto (P0, Q0), que es el punto de equilibrio. Si la curva de oferta, por alguna razón cambia de S0 a S1, el punto de equilibrio también se desplazará a un nuevo punto de equilibrio (P1, Q1). Un cambio en la curva de oferta, para cualquier cantidad el precio es más bajo de la curva S1 en comparación con S0. 177 Análisis de la vivienda en Córdoba. Estudio Econométrico Figura 5.1 Funciones de oferta y demanda en el mercado de viviendas Básicamente el modelo de Muth, al proponer un proceso de ajuste rezagado, considera que para cualquier volumen de stock de viviendas, el equilibrio no es un punto real, sino un punto intermedio de “tanteo” camino hacia su valor de equilibrio. En un estado estacionario, que es el entorno en el que realiza su análisis, el equilibrio se conseguirá en el punto en el que los promotores inmobiliarios obtengan unos ingresos marginales iguales a sus costes marginales. Otro planteamiento, que se basa en introducir los stocks en el modelo de ajuste, lo define Maisel (1963) con su “Teoría de Inventarios”, en ella observa las grandes variaciones que experimenta el mercado de la vivienda, dejando una proporción de viviendas sin ocupar. Su existencia es la causa principal del desequilibrio en el mercado inmobiliario, al generar fluctuaciones que pueden provocar problemas en el mercado hasta que el exceso se reabsorba. Considera que el número de viviendas que se empiezan a construir en un momento dado, es aquel que mantiene constante el nivel de inventario, de forma que el número de viviendas que están en construcción, más aquellas que estando terminadas o rehabilitadas no se encuentran ocupadas, constituye un termómetro del equilibrio del mercado. Para Maisel, el número de viviendas iniciadas en un instante de tiempo (St) es igual a la suma de las cuatro fuerzas que hacen variar el mercado inmobiliario; es decir, la formación de familias netas (∆HF), más la rehabilitación de viviendas (Rem), 178 Análisis de la vivienda en Córdoba. Estudio econométrico más las variaciones en el stock de equilibrio69 (∆V), más la variación de viviendas en construcción (∆I). St ∆HF + Rem + ∆V + ∆I En su modelo teórico, Maisel especifica los factores que explican cada uno de los cuatro componentes de la construcción de viviendas. Es decir, esta ecuación no es realmente una ecuación reducida, ya que sus componentes dependen a su vez de una serie de variables entre las que pueden citarse. La formación neta de familias ∆HF ) depende de los parámetros de población, renta disponible, nivel de desempleo, posibilidad de crédito disponible en el mercado, el nivel precios tanto de la vivienda en propiedad como la de alquiler, factores sociales que hacen incrementar el número de las familias y otros factores residuales (r). En la capacidad de rehabilitación de viviendas (Rem), depende, entre otros de: la acción gubernamental, al que hay que añadirle la renta disponible por las familias, el volumen de viviendas libres (stocks) que existen en el mercado, el volumen del parque de vivienda y otros factores residuales (r ). A las variaciones en las vacantes sobre su tendencia de equilibrio (∆V), le afectan factores como los costes de construcción, las expectativas futuras de las empresas inmobiliaria, el acceso al crédito- aunque Maisel considera que sólo tienen efecto temporal y que sólo afecta a la oferta del mercado de la vivienda y no a la demanda (no siendo responsable de las fluctuaciones)-, la posibilidad de viviendas en alquiler, el nivel de precios tanto de la vivienda en propiedad como la de alquiler y otros factores residuales. Los cambios de las viviendas en construcción (∆I). Por su parte Smith (1969), considera que la ecuación de oferta, depende del volumen de viviendas iniciadas en el sector de la construcción. La oferta es una función del precio de las casas, del stock de viviendas en construcción, del precio del suelo y del coste y disponibilidad del crédito hipotecario. 69 Los inventarios en viviendas están formadas por las unidades de vivienda para la venta más las que están en construcción. 179 Análisis de la vivienda en Córdoba. Estudio Econométrico Con respecto a la disponibilidad del crédito hipotecario, la utilizó como variable explicativa de la ecuación de construcción de nuevas viviendas, el diferencial de rendimiento entre el crédito hipotecario y los bonos y bolsa, para representar los efectos de racionamiento del crédito privado y una variable de disponibilidad del crédito por parte de las instituciones públicas. La oferta en un momento dado, es igual a la oferta en el periodo anterior, más la suma de las viviendas ya concluidas en el mismo periodo, menos las viviendas que salen del mercado (por demolición, depreciación del stock o salir al mercado del alquiler). Luego suponiendo que los precios de los alquileres, que ocupados por sus propietarios y las viviendas en alquiler, varían proporcionalmente; el volumen de construcción de viviendas nuevas (HS ) puede resumirse como una función del precio de las casas (Ph ), el stock de viviendas vacantes (V ), los costes del suelo y de la construcción (CC ), el costo del crédito hipotecario (rm), disponibilidad de estos créditos hipotecarios de particulares (MT ) y disponibilidad de créditos hipotecarios públicos (CMHC ). HS = h (Ph, V, CC, rm, MT, CMHC) Por el lado de la demanda, queda determinado por: 1. Componentes demográficas como la composición de la población y básicamente el número de familias (HF ). 2. La renta real disponible por las familias (Yd). 3. El precio de alquiler por unidad de vivienda (R). 4. El nivel de precios de las viviendas en propiedad (Ph). 5. Coste y disponibilidad de créditos hipotecarios asociados con los propietarios (MT ). Dt = f(HF, Yd, R, Ph, MT) Brady (1967) adopta un enfoque empírico y elige como variables explicativas en las ecuaciones de la vivienda, un índice de rigor monetario, la tasa de interés hipotecaria, el diferencial entre la tasa de interés hipotecaria, la rentabilidad de los bonos y la duración del período de amortización de los préstamos hipotecarios. 180 Análisis de la vivienda en Córdoba. Estudio econométrico Considera que la mercancía "viviendas" se puede dividirse en sectores que se corresponden con el tipo de instrumento hipotecario utilizado en su financiación y las incorpora como variables explicativas. Divide el mercado hipotecario residencial en tres sectores (préstamos FHA, VA y convencional)70, cada uno exhibiendo un patrón cíclico diferente y cada uno sujeto a diferentes restricciones institucionales. Esta ecuación también se podría interpretar como una ecuación de oferta del sector financiero si no fuera por la inclusión de la relación de los precios de alquileres al consumidor, que es una variable relevante para la ecuación de la demanda y tal vez en la ecuación de oferta del sector de la construcción, pero no para la ecuación de oferta del sector financiero. En el modelo MPS71, la demanda per cápita de casas de la población es una función de la renta disponible per cápita y del precio relativo del alquiler de viviendas respecto a los precios generales de consumo. Ya que “en equilibrio, el mercado para los propietarios requiere que el costo de capital sea igual a la relación entre el precio del alquiler implícito y el precio de equilibrio del parque de viviendas”, es decir, el precio del alquiler implícito debe ser igual a los costes de capital del precio de las viviendas. La oferta de construcción de nuevas viviendas per cápita, es una función de la razón entre el precio de las viviendas en stock y los costes de construcción. La ecuación de la demanda, la utilizó para resolver el precio del alquiler y la hipótesis de equilibrio se utiliza para reemplazar el precio del alquiler por el coste de capital de las viviendas. El porcentaje de viviendas en construcción, es una función que depende de la 70 Los préstamos de la FHA están asegurados por la “Administración Federal para la Vivienda” (siglas en inglés FHA), están diseñados para ayudar a las personas con ingresos bajos o moderados, o a compradores que acceden por primera vez a la vivienda, o a solicitantes que no tienen ahorrado un pago inicial del 20%. Los préstamos VA son ofrecidos por entidades de crédito pero asegurados por el Departamento de Asuntos de Veteranos de las Fuerzas Armadas de Estados Unidos. 71 El modelo MPS (MIT-Penn-SSRC) fue el modelo macroeconométrico operativo en la Federal Reserve Board hasta 1996. - SSRC Social Science Research Council. - MIT Massachussets Institute of Techonology - Penn Jersey Transportation 181 Análisis de la vivienda en Córdoba. Estudio Econométrico relación de precios de consumo, del costo de capital para la construcción de nuevos inmuebles, del porcentaje de viviendas en stock y de la renta disponible per cápita. En el modelo de mercado nuclear utiliza una ecuación de ajuste de precios no estocástica. Laffont y Monfort72 (1979); consideraban que en un momento determinado "t" la oferta depende del vector de variables observables exógenas de oferta como: el stock de viviendas disponibles, precio del suelo, precio de la construcción, la fiscalidad... y del precio de la vivienda. St α1·Xi + β1·Pi + ε1 Por el lado de la demanda, Dt depende de un vector observables exógenas de demanda como: la renta disponible, de variables cuestiones demográficas, preferencias de localización, fiscalidad sobre la compra de vivienda... Dt α2·Zi + β2·Pi + ε2 Donde la variable α y β son parámetros de ajuste econométrico y ε variables aleatorias. El ajuste de variación de precios entre dos periodos t y t-1 será el resultado de: Pt – Pt-1 = θ·(St – Dt) + ϕ Donde θ es un parámetro de ajuste en y ϕ una variable aleatoria de equilibrio. 5.3.1. MODELOS DE DECISIÓN DE COMPRA. Se basan en los factores que influyen en la decisión de las familias para comprar una vivienda, utilizando principalmente los costes de uso de las viviendas para la obtención del ajuste. El enfoque de estos modelos se desarrollan utilizando la "Hipótesis del Ciclo de Vital" de Modigliani (1954, 1970), según la cual, se supone que los individuos maximizan la utilidad derivada de su consumo, a lo largo de toda su vida, sujetos a 72 Vergués (1998) 182 Análisis de la vivienda en Córdoba. Estudio econométrico restricción presupuestaria formada por todos los recursos que pueda disponer a lo largo de su existencia. Esto supone, que la función de consumo para cada periodo depende de la renta corriente, de las rentas futuras, de la riqueza heredada o acumulada hasta el momento, de la edad y de otras variables como las preferencias, tipo de interés, etc. Es decir, la utilidad de una familia es función del consumo de servicios de vivienda y de otros bienes en un instante “t” de su ciclo vital, y asumen como valor de la función, al valor de los activos en la fecha del retiro. El problema de las familias consiste en maximizar su función de utilidad agregada y su función riqueza para todas las familias, en su periodo activo: + : Consumo de servicios de vivienda en el momento “t”. Consumo de otro bien y servicios en el momento “t”. : Riqueza al final de su vida activa. El consumidor elegirá el tamaño de la vivienda y el crédito necesario para financiarla, con el objeto de maximizar su utilidad a lo largo de su ciclo de vida. Las familias realizarán su gasto óptimo en el periodo (0, T) con el objeto de igualar la utilidad marginal del gasto en vivienda a los costes de oportunidad, teniendo en cuenta el impacto que, en el futuro, tenga una variación de los precios de la vivienda en la decisión presente de comprar. En estos modelos, basados en los factores que influyen en la decisión de compra, también se tiene en cuenta los costes de transacción y las posibles restricciones en la movilidad que pueden servir como limitación al consumo de viviendas como puede ser la intervención de las administraciones públicas73 en el mercado de la vivienda. 73 Las Administraciones Públicas pueden influir decisivamente en el precio de equilibrio del mercado inmobiliario mediante políticas como: liberalizar los contratos del alquiler, política de incentivos fiscales en la compra de la vivienda, intervención sobre impuestos o de trasmisiones patrimoniales, políticas de construcción o alquiler de viviendas de protección oficial, etc. 183 Análisis de la vivienda en Córdoba. Estudio Econométrico Por otro lado, el trabajo de Ioannides (1995) analiza qué factores colaboran a la decisión de que una familia decida comprar una vivienda o en su defecto consumir servicios de alojamiento, a través de la definición de probabilidad de ser o no propietario. La probabilidad de ser propietario se obtiene mediante la comparación de las funciones de utilidad del individuo durante su vida laboral, que depende de variables endógena es como la riqueza, la familia, la edad, educación, tamaño y precio de la vivienda, y otros factores tales como el vecindario. 5.3.2. MODELOS ECONOMÉTRICOS LOCALIZACIÓN DE LA VIVIENDA. DE TENENCIA Y Los modelos econométricos de elección de tenencia se basan en el estudio de la función de demanda, en las que se introducen varios condicionantes que permiten discriminar entre adquirir o el alquilar en el momento de la decisión de consumo de la vivienda. Esta elección entre alquilar o comprar la vivienda se realizará comparando la máxima utilidad obtenida por el inquilino, con la que pudiera tener la vivienda en propiedad y se consideran interdependientes y simultáneas (Rosen, 1983). Si consideramos las dos formas de tenencia más generalizadas, la propiedad y el alquiler, la función de régimen de tenencia será: RT = f(CUV/CRV, YP, D) Donde CUV/CRV es la relación entre los costes de uso en de la vivienda en propiedad y en alquiler, YP representa lo que se ha venido denominando renta disponible permanente y D es una variable de características demográficas y sociales. Desde la perspectiva macroeconómica se intentó modelizar básicamente la vivienda en propiedad con el objeto de explicar, entre otras cosas, el fuerte incremento experimentado por el precio vivienda en los Estados Unidos en ese periodo, a través de la componente del uso relativo del capital residencial en posesión sobre el alquiler, analizando la incidencia que los cambios en las leyes impositivas, que recaen sobre la vivienda, puedan provocar sobre la decisión de adquirir o no dicha vivienda. 184 Análisis de la vivienda en Córdoba. Estudio econométrico Estos modelos presentados eran eminentemente estáticos y se han empleado fundamentalmente en estudios empíricos limitados a muestras de corte transversal. Sin embargo, en diferentes estudios se pusieron de manifiesto la naturaleza dinámica de la toma de decisiones en materia de tenencia de vivienda. Por lo que desde el punto de vista macroeconómico, es de suponer que los consumidores toman sus decisiones de vivienda en cada periodo, atendiendo no sólo al coste del uso relativo actual, sino también a la evolución pasada del mismo. Es decir, los individuos establecen sus expectativas sobre la trayectoria futura del coste de uso relativo en función de los valores observados del mismo. Para el consumidor, el problema es el determinar la cantidad de consumo de otros bienes, de la vivienda y decisiones de mudanza-tenencia de vivienda, con el objetivo de maximizar la utilidad esperada a lo largo de su ciclo vital. Dentro de los modelos de elección discreta, los modelos más utilizados son los denominados Logit, completados por Goodman (1995) y (2002), Ioannides y Kan (1996) que modelizan el comportamiento dinámico de los individuos que se enfrentan simultáneamente a las decisiones de movilidad residencial, de tenencia de vivienda y consumo (vivienda consumida y de otros bienes de consumo). Duce Tello (1995) especifica, para el caso español, un modelo considerando cuatro alternativas: propiedades de vivienda libre, de protección oficial, de alquiler libre y con renta antigua74. Este modelo depende del precio de la demanda de servicios de vivienda, o lo que es lo mismo, de alquiler por unidad de servicios. El coste marginal de dichos servicios tienen tres componentes: el tipo de interés (a mayor interés mayor coste de oportunidad), la depreciación (cuanto mayor es la depreciación mayor es el coste de capital debido a la pérdida de valor) y la ganancia de capital (a mayor ganancia de capital por revalorización menor será el coste de oportunidad). Este modelo estructura la demanda y la oferta de viviendas a partir de la 74 Viviendas en alquiler sujetas a la normativa previa al Decreto Boyer de 1985. 185 Análisis de la vivienda en Córdoba. Estudio Econométrico distinción entre el mercado de servicios de vivienda y el mercado del stock de viviendas considerando dos submercados: vivienda usada y la nueva. La curva de oferta que se genera a partir del stock de viviendas disponibles (a mayor stock menor será el alquiler), y es una variable fija a corto plazo. A más largo plazo, la inversión bruta en vivienda dependerá del precio al que pueda venderse las viviendas y del precio de los factores de producción (entre los que un factor muy importante es el suelo). La función de demanda tendrá una pendiente negativa, porque cuando el número de viviendas se incrementa, el precio del alquiler disminuye, y como consecuencia, el precio de la vivienda también, dado que el alquiler es función del precio. La oferta de viviendas tiene una pendiente positiva, dado que al aumentar el precio la vivienda aumentará su oferta. El modelo de elección entre alternativas de localización y tenencia (logit) para el caso que el modelo de elección sea con alternativas no ordenadas de localización y tenencia se denomina logit mixto75. Desde el punto de vista del modelo, los individuos se enfrentan a la elección entre "N" alternativas, modelizándose la utilidad obtenida por un individuo “i” a causa de la alternativa “j” como: + Siendo un vector de variables observables exógenas (del individuo i y alternativas j), es un vector de parámetros que varía entre los individuos con densidad conjunta f β/Ω , donde Ω representa los parámetro fijo de distribución. Dado que el valor Pij es la probabilidad de que un individuo “i” escoja la alternativa “j” condicionada a este valor de βi.. Por tanto, la probabilidad de decisión vendrá dada por la integral: / 75 Rodríguez-Hernández, J.; Barrios-García, J. A.; (2006). 186 Análisis de la vivienda en Córdoba. Estudio econométrico Siendo: En este modelo no existe una expresión matemática cerrada, ya que normalmente no podrá resolverse la integral de forma analítica. Por lo que se realizan procesos de simplificación a través de métodos de simulación. 5.4. MODELOS DINÁMICOS AGREGADOS El valor de mercado de una vivienda no permanece constante a lo largo del tiempo, una vivienda es función de sus características estructurales (tamaño, antigüedad, tipo de vivienda, calefacción, ascensor, garaje, trastero, aire acondicionado, número de cuartos de baño, etc.) y de su localización (distancia al centro, a colegios, a guarderías, estaciones del metro y autobús, supermercados, nivel socio-económico de la zona, etc.). Como la localización de una vivienda es fija, el valor de la misma puede cambiar como respuesta a una variedad de cambios microeconómicos de la zona (construcción de carreteras, instalación de superficies comerciales, líneas de autobuses, zonas verdes, etc.). Para capturar estos aspectos dinámicos de la localización, existen algunos modelos con efectos dinámicos. Sin ánimo de ser exhaustivo, los enfoques utilizados tradicionalmente al trabajar series de temporales en los estudios agregados en este campo se centran en tres tipos de aproximaciones: 1. Estudios cuya ecuación es fruto del equilibrio entre las funciones de oferta y demanda de vivienda76. 2. Trabajos cuya hipótesis de partida se basa en la maximización de la función de utilidad en un marco intemporal.77 La elección en este caso se refiere 76 Entre los autores que siguen este tipo de aproximación se pueden citar Mayes (1979), Nellis y Longbotton (1981) 77 Meen (1990), Bover (1992), Díaz-Fernández (1995). 187 Análisis de la vivienda en Córdoba. Estudio Econométrico básicamente a los tipos de bienes de los servicios de vivienda y un bien de consumo compuesto; maximización que está sometida a una serie de restricciones de tipo técnico presupuestario. 3. Modelos que parten de la existencia en el plano teórico de dos mercados: el de servicios de vivienda y viviendas como activo78. El modelo de Nellis y Longbottom, considera que en el mercado de la vivienda a largo plazo, los precios de las viviendas se ajustan hasta conseguir el vaciado de stock. Pretenden hacer una aproximación al mercado mediante una ecuación a estimar que relaciona, de forma resumida, los argumentos específicos de funciones de oferta y demanda para la vivienda, reflejando la influencia de los tres agentes económicos que operan en el mercado: compradores potenciales, vendedores e intermediarios financieros. La demanda de viviendas viene determinada por la renta de la familia, precios, factores demográficos, coste y disponibilidad de financiación hipotecaria y preferencia de los consumidores mediante la siguiente ecuación: + Donde ( + + + + + ) la demanda de vivienda es función de (Ph) el precio de la nueva viviendas (Yd) renta personal, (Pop) población, (IM) stock de activos hipotecarios, (rm) el tipo de interés hipotecario y (PC ) el detractor del consumo. La función de oferta, es el resultado del stock de viviendas del periodo anterior, más las viviendas terminadas en el periodo de estudio, más rehabilitaciones menos las demoliciones. Dado que estas últimas dependen del stock pasado, la oferta de viviendas Hs, depende del precio de la misma y esta existente. + + Para este modelo, el factor más importante para la determinación de los precios de la vivienda es la renta real permanente y en menor medida, el tipo de 78 Kearl (1979), Manchester (1987), Martínez y Maza (2003). 188 Análisis de la vivienda en Córdoba. Estudio econométrico interés hipotecario y el stock de activos hipotecarios en poder de las entidades financieras. Meen (1990) construyó un modelo de precios de la vivienda en el Reino Unido, utilizado también por Bover (1993) para el caso español. Las ecuaciones de Meen y Bover se basan en el modelo de Poterba (1984) que estructura la función de oferta y demanda a partir de la distinción entre mercado de servicios de la vivienda y mercado de stock de viviendas, considerando dos submercados: el de viviendas nuevas y usadas. Este modelo permite combinar diversos elementos en el análisis: Permite que los agentes tomen sus decisiones en un contexto intertemporal, es decir, que las decisiones afectarán a su bienestar futuro. Introduce en la función de utilidad dos tipos de bienes: servicios de vivienda y otro de consumo. Permite introducir restricciones presupuestarias. Posibilita la incorporación del coste derivado del préstamo hipotecario a través del tipo de interés, distinto al de oportunidad, que deriva de los usos alternativos de los recursos utilizados. Posibilita la discusión de los efectos de la fiscalidad e incluso de la presencia de dinero negro. El punto de partida, es el equilibrio de demanda y oferta de servicios de la vivienda, y por tanto, el alquiler que vacía el mercado de servicios de la vivienda. Este alquiler representa el valor del ingreso marginal de los servicios generados por el stock de viviendas. R = f (H, Yd ) Donde (R) es el precio que los consumidores están dispuestos a pagar por los servicios de vivienda y que depende del stock de viviendas (H ) y de la renta disponible (Yd ). Esta función se refiere al funcionamiento del mercado de vivienda, pero el consumidor se plantea maximizar su función de utilidad intertemporal (μ ), compuesta de dos bienes: el número de viviendas en stock (H ) y el consumo combinado (C ). 189 Análisis de la vivienda en Córdoba. Estudio Econométrico Estos bienes están sujetos a una restricción presupuestaria de la familia. Max: μ (H,C ) C + S + Pv X =(1- )Yd + (1- )iA Siendo (S ) el ahorro, (Pv) el precio de la vivienda en términos de bienes de consumo (se supone un precio unitario, por lo que se debe descontar las deducciones por adquisición de la vivienda habitual), (X ) la dimensión de la nueva vivienda, ) es el tipo impositivo marginal, (r ) es el tipo de interés nominal y (A ) los archivos reales que dispone la familia. La ecuación explicativa de los precios se obtiene de la decisión que supone la maximización de la utilidad sujeta a la restricción presupuestaria, y a la forma de acumular activos. De estas condiciones, se obtiene la tasa de sustitución entre vivienda y bien de consumo que viene a ser el coste marginal del uso de la vivienda. + Siendo ∆ la inflación nominal de la vivienda. A partir de esta expresión, surgen consideraciones relevantes para el mercado de la vivienda como la relación entre el interés hipotecario (rm) y el interés de otros activos financieros que determinan un coste de oportunidad (io). Por lo que se puede considerar una media ponderada del mercado de capitales. + Siendo + ∆ + Existen efectos a considerar sobre los precios y el stock de viviendas, que las modificaciones en las variables que definen el modelo puedan traer. Utilizando este esquema, puede explicarse como propuestas políticas pueden suponer un aumento o contención de los precios de la vivienda. Cualquier cambio que contribuya a disminuir el coste de uso, implica un desplazamiento de la curva de demanda hacia la derecha. En el nuevo equilibrio, tanto 190 Análisis de la vivienda en Córdoba. Estudio econométrico el precio de la vivienda como el stock de viviendas aumentarían. Por ejemplo, una disminución del tipo de interés implica una caída en el coste de uso de la vivienda al reducir la rentabilidad de los activos alternativos y, por tanto, provocaría un aumento del stock de vivienda y el precio de las mismas. Sucedería igual al disminuir los impuestos ligados a la transmisión de vivienda, o una desgravación en el impuesto sobre la renta puesto que reduciría el coste de uso y aumenta el precio de la vivienda. En cuanto a la influencia del rendimiento de otros activos, la literatura económica introduce dos tipos de variables: el rendimiento de la Bolsa y la que contabiliza tanto rendimiento alternativo de la inversión realizada, como la pérdida esperada originada por las expectativas de la evolución del propio precio de la vivienda. Uno de los factores determinantes en el desplazamiento de la función de oferta de viviendas, es el coste de construcción (materiales, salarios, impuestos, etc.). El precio del suelo se determina a partir de descontar las expectativas de las viviendas que podrán ser construidas en dicho suelo. La condición de equilibrio en el mercado de activos determina el comportamiento óptimo de los agentes y el precio marginal de los servicios de vivienda en el mercado. En equilibrio, ambos rendimientos coincide, por lo que la condición de equilibrio queda: + + ∆ Que tomando logaritmos se llegara a una especificación lineal del modelo empírico: + + + + + Siendo negativos, los efectos que el tipo de interés y el stock de viviendas tienen sobre los precios, y positivos los incrementos de renta e inflación. 191 Análisis de la vivienda en Córdoba. Estudio Econométrico A esta ecuación básica se le suele incorporar otras variables como la variable demográfica, la tasa de desempleo, el volumen de viviendas en construcción y otras variables no especificadas en este modelo simple. El último enfoque citado, hace una distinción entre la vivienda considerada como un activo de inversión y el servicio de vivienda. Por lo que permite hablar de los mercados diferenciados teóricamente: el mercado de servicios de vivienda y activo de vivienda. Entre los trabajos se pueden citar los de) Kalchbrenner (1972), Manchester (1987) y Martínez y Maza (2003). En relación con el mercado de servicios de vivienda, supone que el mercado de demanda de servicios de viviendas (HS D), depende del precio del alquiler por unidades se dice de vivienda (R ), la renta disponible por consumidores YD y variables de tipo demográfico (Pop). HS D= f(R, YD, Pop) Considerando que el flujo de servicios de vivienda es proporcional al stock de vivienda existente (K ). HS S α K Como el número de viviendas que se construye en un determinado periodo es muy pequeño, en relación con las viviendas existentes, la variación que se puede producir por la construcción de nuevas viviendas, tiene un efecto limitado sobre el stock, que puede considerarse fijo corto plazo, y por lo tanto, el flujo de servicios ofertados se considera inelástico. HS S= HS D R=φ (K, Y, Pop), donde φ es la función de demanda inversa. Para el mercado de vivienda, los stocks de viviendas se consideran como activos para los inversores. La oferta del stock de vivienda en un momento dado se considera como fija y las decisiones de invertir en bienes inmuebles, se basarán en la rentabilidad del activo en relación con otros activos alternativos. La rentabilidad derivada de la posesión (R ) de una vivienda viene determinada 192 Análisis de la vivienda en Córdoba. Estudio econométrico por el alquiler percibido (o que el propietario paga asimismo por el uso de vivienda), la expectativa de ganancia derivadas del incremento esperado su valor (π). A este valor habrá que prestarle la posible depreciación (δ ), los pagos de intereses de préstamos hipotecarios (i ), el coste de los impuestos y los gastos de mantenimiento de la vivienda. R = PH (δ+i(1-θ) - πexp) El precio de equilibrio es el resultado de capitalizar el alquiler de equilibrio determinado en el mercado de los servicios de vivienda por la llamada tasa de coste de uso de capital de residencias (CU) que se considera exógena al mercado. 5.5. MODELO DE ESTIMACIÓN DEL MINISTERIO DE VIVIENDA DE ESPAÑA. La variable objeto de su análisis es la serie estadística del precio medio de la vivienda por metro cuadrado, que publica el Ministerio de Vivienda. Dicha serie, se construye a partir de los valores de tasación de vivienda, y por lo tanto no reflejan necesariamente los valores de mercado utilizados en las transacciones. La serie utilizada por el ministerio no tiene en cuenta la heterogeneidad del “bien vivienda”, ya que se trata de una valoración del precio medio por metro cuadrado, no teniendo en cuenta tamaño, situación o calidad de la construcción79. Su función de demanda de viviendas viene determinada por la siguiente 79 A partir de octubre de 2008, el Instituto Nacional de Estadística (INE) ha empezado a publicar el Índice de Precios de la Vivienda (IPV), con base 2007. La fuente de información utilizada para el cálculo del IPV procede de la base de datos sobre vivienda escrituradas que proporciona el Consejo General de Notariado, utilizando el total de la población objeto del estudio. El sistema de cálculo del IPV está basado en la combinación de los precios de las viviendas escrituradas y unas ponderaciones en función de la tipología de vivienda según el gasto que los hogares realizan en la compra de vivienda. La combinación de estos dos elementos para la obtención del IPV se realiza mediante la fórmula del índice de Laspeyres encadenado. Al tratarse de un indicador trimestral, el periodo utilizado para el encadenamiento es el último trimestre de cada año. La metodología del cálculo permite superar los problemas existentes con las series del Ministerio de Vivienda, pero es una serie nueva que cubre todavía un período de tiempo muy limitado. 193 Análisis de la vivienda en Córdoba. Estudio Econométrico ecuación: ∆Dt β0+α It-1+ β1Yt-1+ β2Tt-1)+β3∆Yt+β4∆Ut-2+β5∆Pvt-1+β6∆Pvt-2+β7∆Pvt-3+εt Donde las variables β0 β7 son parámetros de ajuste econométrico y ε una variable aleatoria Siendo: β1 β3 β5 β6 y β7 > α β0 y β4 <0 Las variaciones de la demanda de vivienda se explican por las variaciones de la renta real (Yt), de la tasa de desempleo (Ut), de los tipos de interés reales (Tt) y de las expectativas de revalorización de los precios de la vivienda reales ∆Pvt). Por el lado de la oferta se utiliza la ecuación de McCarthy-Peach (2002). ∆Pvt α Pvt-1+ γ1(It-1/St-1 +γ2CCt-1+γ3Tt-1 +γ4∆Tt+γ5∆Tt-1+γ6∆CCt-2+∆Cseas+γ7Pvt-1 +εt Donde las variables γ1 γ6 son parámetros de ajuste econométrico y εt una variable aleatoria Siendo: γ1, γ 2 γ4 γ 5 > α γ3 <0 La variación de los precios de oferta, depende del ratio de inversión en vivienda sobre el parque de viviendas (It-1/St-1), que es una aproximación al opuesto de la sobreoferta, los costes reales de edificación (CCt), tipo de interés real (T) y también variables estacionales (Cseas). De esta forma, los menores ratios inversión-stock de vivienda estarán asociados a una desaceleración de los precios de vivienda. Si el signo del coeficiente asociado a los costes de edificación tiene signo positivo, significa que un mayor coste de construcción se reflejará en precios de vivienda más elevados. También se supone una relación inversa entre los tipos de interés y los precios de vivienda, de tal forma, que un descenso en los tipos de interés fomentará inversiones en vivienda. La estimación de estas variables, se realizan mediante logaritmos neperianos, excepto los tipos de interés y la tasa de desempleo. 194 Análisis de la vivienda en Córdoba. Estudio econométrico 5.6. EL MÉTODO DE VENTAS REPETIDAS Consiste en la construcción de un índice sobre los datos registrados de viviendas que hayan sido al menos vendidas más de una vez dentro del período de estudio. El primer método desarrollado para la elaboración de índices de precios de vivienda fue el de ventas repetidas “repeated sales” desarrollado por Bailey, Ruth y Nourse (1963). Sin embargo este método limita la extensión de aplicación a la muestra usada para la estimación, lo que puede influir en el índice estimado. Éste método se basa en utilizar información de los valores de las mismas viviendas en dos periodos de tiempo, se comprueban las diferencias entre los atributos de las distintas propiedades sin tener que estimar directamente sus contribuciones marginales al valor de la propiedad. Más tarde se completó el alcance de esta metodología al considerar que los precios de las viviendas cambian en un proceso de difusión estocástica80, en lo que se llamó método de ventas repetidas ponderadas. A partir de estos desarrollos, la corporación Freddie Mac 81, construyó el primer índice de ventas repetidas en 1989 para los EE.UU.; la asociación Fannie Mae 82 más tarde desarrolló otra versión actualizada en 1991 de este índice (actualmente aportan los datos básicos sobre el valor de la hipotecas). Con estas dos sociedades, 80 La teoría de los procesos estocásticos, integra la dimensión temporal en el análisis de los fenómenos aleatorios. Son adecuados para formalizar la evolución de un sistema dinámico cuando esta evolución no puede ser prevista con certidumbre a partir del estado inicial del sistema y una ecuación de evolución. Un "proceso estocástico” es una sucesión o familia de variables aleatorias indizadas sobre un t,t ϵ mismo espacio de probabilidad (Ω, ξ, P). Los valores del "índice" T, están asociados al tiempo en procesos temporales. 81 Freddie Mac (Federal Home Loan Mortgage Corporation). 82 Fannie Mae (Federal National Mortgage Association). 195 Análisis de la vivienda en Córdoba. Estudio Econométrico actualmente la OFHEO83 estima y publica un índice trimestral de precios de vivienda basados en la metodología de ventas repetidas ponderadas, que constituyen la base sobre la que se propone la construcción del índice de Precios de la Vivienda Usada (IPVU). El método de ventas repetidas ponderadas84, consta de un procedimiento de regresión de tres etapas: en la primera se realiza una revisión simple entre el logaritmo del cambio relativo de los precios observados, entre la segunda y la primera transacción. En una segunda etapa, se realiza una regresión ponderada de los residuos de la primera etapa al cuadrado sobre un término constante, que es el tiempo transcurrido entre la dos venta de cada vivienda. La tercera etapa consiste en una regresión de mínimos cuadrados generalizados de manera, que se repita la revisión de la primera etapa después de ponderar cada observación por la raíz cuadrada del valor ajustado la segunda etapa. El inconveniente de este tipo de análisis se debe al hecho de que las viviendas que se venden más de una vez suelen ser un bajo porcentaje, por lo que los resultado obtenidos son segados y poco eficientes. 5.7. TEORÍA DE LAS VARIABLES REGIONALIZADAS Y MÉTODO DE KRIGAJE La localización de las viviendas plantea una dificultad a la hora de especificar un modelo explicativo en la determinación del precio por la presencia de autocorrelación espacial de los precios de las viviendas. Esto explica que las viviendas de una misma zona presenten precios semejantes debido a este factor de cercanía, al contrario, viviendas más alejadas pertenecientes a otros barrios acusarán menos esta 83 OFHEO (Office of Federal Housing Enterprice Oversight). 84 Case, K. y Shiller R.(1988). 196 Análisis de la vivienda en Córdoba. Estudio econométrico correlación. Según esta teoría, las características que influyen en el precio de la vivienda son de tres tipos: un microlocalizativas, macrolocalizativas y generales (Derycke, 1983). Las características microlocalizativas son las que explican la diferencia entre el precio de una vivienda individual y el precio medio de su barrio. Los factores que influyen pueden ser factores físicos como: la forma y tamaño del solar, orientación de la vivienda, localización dentro del barrio, etc., otra de las características que influyen es: la proximidad a comercios, servicios públicos, transporte urbano, etc. No menos importantes que las citadas son las características socioeconómicas del barrio como renta media, nivel social, delincuencia, etc., características de la denominada economía urbana. Entre las características macrolocalizativas se pueden citar principalmente los factores urbanísticos como: la densidad de población y comercial, las de comunicaciones y accesibilidad al centro de la ciudad, etc. Estas características explican básicamente la diferencia de precios entre un barrio y el precio medio de la ciudad. Por último, se encuentran las características generales, que son aquellas que afectan a los precios generales de las viviendas en un área metropolitana o región. Son básicamente: la coyuntura económica, factores políticos, demográficos y sociales. La aplicación de un modelo de estimación basado en la situación espacial de la vivienda es lo que se conoce como la Teoría de las Variables Regionalizadas (PVR), que surgió en el ámbito de la Geoestadística, cuyos orígenes y aplicaciones fundamentales se encuentran en las ciencias de la tierra. Geoestadística es un término concebido por Krige (1962) y G. Matheron (1965), ampliamente usada en ingeniería minera, sirve para definir a la estadística aplicada basada en el estudio de variables distribuidas espacialmente (variable regional izada), es decir, cada valor observado perteneciente a una distribución que se 197 Análisis de la vivienda en Córdoba. Estudio Econométrico encuentra asociado a una porción espacial. En consecuencia, los valores de la variable dependerán también de su localización. Desde un punto de vista matemático, una variable regionalizada es una función ϕ(x) que tiene un cierto valor para todas las coordenadas del espacio (bien en una, dos o tres dimensiones). La variable regionalizada está compuesta de dos aspectos contradictorios: a) un aspecto general estructurado, el cual puede caracterizarse como una función determinista y b) un aspecto errático, aleatorio y local, que representa una variación imprevisible de un punto a otro. La representación de la variación espacial de una variable regionalizada se realiza mediante la suma de tres componentes: Z (xi) = m (xi + ε (xi) + ε’ (xi) Siendo Z(xi) el valor de la variable en la posición x0, m(xi) representa la función determinista (la media o cualquier tendencia espacial), ε(xi) la componente correlacionada espacialmente pero localmente variable y ε’(xi) un término de error residual distribuido normalmente, o ruido aleatorio, con una media nula y una varianza σ2(xi), siendo espacialmente independiente. La correlación espacial de los valores de los bienes urbanos, significarán que éstos dependan de su localización espacial, pero no tanto de su localización propia, sino de su localización relativa, es decir, de su ubicación respecto de los demás bienes urbanos. Entre las razones para justificar la dependencia espacial en la fijación de precios estaría el denominado contagio espacial, fruto de la interacción de bienes próximos y la transmisión de información de los agentes económicos (a la hora de fijar el precio de una vivienda, el vendedor tomará como referencia los precios que conozca de la viviendas cercanas). Otro efecto, será la atracción por los mismos usos del suelo; o en su defecto, su repulsión. El efecto de atracción o repulsión entre los usos del suelo, también tienen como resultado la concentración de grupos sociales o étnicos en distintas zonas de una ciudad. Esta jerarquización se refleja en la formación de barrios de clase acomodada, con precio de viviendas altos que impiden la entrada 198 Análisis de la vivienda en Córdoba. Estudio econométrico a familias con rentas más reducidas, que tienden a concentrarse en otras zonas. La dependencia espacial entre los distintos valores de las viviendas, se detectará mediante la función denominada “variograma”, que se define como un medio de la esperanza de los incrementos cuadráticos de primer orden de Z(xi), que a partir de unos datos muestrales, que obtienen un estimador insesgado denominado variograma experimental: + + siendo dos valores muestrales situados a una distancia hθ en el espacio. De este análisis, se comprueba el comportamiento espacial de la variable a través de otra función denominada “variograma teórico” que analiza entre otras cosas: la dependencia espacial, grado de continuidad y regularidad, radio de influencia de los factores que actúan a pequeña escala espacial, si la variable presenta estacionalidad, u otros comportamientos particulares. Esto se debe a la imposibilidad de trabajar con un variograma experimental (fruto de datos muestrales), ya que carece de una función matemática precisa (o al menos difícil de caracterizar). En la siguiente fase, se lleva a cabo el proceso de interpolación, conocido como “algoritmos del método de interpolación óptima”, o denominadas genéricamente krigeado o krigeaje, que generan mejores. Ésta fase se nutre de la información aportada por los datos muestrales, por un lado, y de la información sobre la variabilidad del fenómeno proporcionado por el variograma por el otro. El estimador de Krigeaje proporciona una estimación del valor más probable del precio de la vivienda en xi teniendo en cuenta los precios de las viviendas situadas en un entorno más próximo. + + El estimador de Krigeaje que obtiene, además de lineal, debe ser insesgado y 199 Análisis de la vivienda en Córdoba. Estudio Econométrico óptimo. Para que sea óptimo se minimiza la varianza del error de estimación y para ser insesgado el langragiano debe ser mínimo. 5.8. 5.8.1. MÉTODO DE PRECIOS HEDÓNICOS INTRODUCCIÓN La perspectiva del enfoque hedónico, surge ante la dificultad del análisis en el funcionamiento del mercado de un bien tan heterogéneo como es el de la vivienda. Esto supone que, bajo una denominación común (vivienda), existe un bien con distinto tamaño, características, calidad, composición, localización, que provoca diferencias significativas en su precio. En la metodología hedónica, la utilidad del consumidor es función de las cantidades de todos los bienes consumidos y de los niveles de los atributos o características con que cuentan estos bienes, como sería el caso de la vivienda. Estos modelos se emplean para estudiar los efectos que tienen estos atributos en el precio del bien para luego extender el análisis a las demandas por dichos atributos cualitativos. La literatura sobre la metodología de precios hedónicos (MPH) es amplia, siendo el primero en utilizar el término "hedonic", Andrew Court 85 (1939). Ridker y Henning (1967) aportaron evidencia experimental de que el entorno urbano, concretamente la polución, afectaba al precio de las viviendas. Pero es a partir de los trabajos de Rosen (1974) cuando se popularizó el método de Precios Hedónicos y se propuso por primera vez, un tratamiento unificado del modelo teórico de los mercados implícitos subyacentes en este método. Shervin Rosen (1974) planteó los modelos de oferta y demanda de bienes heterogéneos, compuestos por una serie de atributos diferentes. Así pues, las distintas variantes de un mismo producto pueden entenderse como combinaciones de 85 Allen C. Goodman (1998): Andrew Court and tree Invention of Hedonic Price Analysis”, Journal of Urban Economic”, nº 44, pp. 291-298; en su artículo, afirma que los trabajos de Court sobre el sector del automóvil reconocía la necesidad de un modelo muy específico, donde se incluyen las características de la potencia del motor, el frenado, amplitud de ventanas, asientos y llantas. Court, enfocó su trabajo, principalmente, a tratar de relacionar el peso del coche con el precio del automóvil o potencia del motor. 200 Análisis de la vivienda en Córdoba. Estudio econométrico los atributos o características de los que están compuestos. El mercado no fija precios para estas características por separado, sino que el precio total del producto estará formado por el conjunto de las características que lo forman. A través de un modelo adecuado puede determinarse la parte del precio que está asociado a cada uno de los atributos del bien. Luego, el precio de mercado de un bien puede ser considerado de la siguiente forma: P = P (Z) = P (z1, z2 .. zn) Donde zi es la cantidad del atributos i-iésimos contenidos en dicho bien, de forma que la percepción de las cantidades objetivas contenidas, en cada bien, es idéntico para todos los consumidores; no así la valoraciones subjetivas de las que pueden ser objeto. Un producto tiene un precio de mercado asociado a un valor del vector fijo Z. Es decir, para un atributo concreto i-ésimo zi , se puede obtener la función de precio del mercado de equilibrio para dicho atributo P(zi) implícito en P(Z). A igualdad de atributos, los consumidores elegirán el bien de menor precio. Para generalizar el modelo, si se supone que un bien tiene n atributos: z1, z2 .. zn, donde existen oferentes y demandantes de ese bien. Si en un atributo concreto zi, éste varía de cantidad, por ejemplo de z1 a z2, el precio de oferta variará en función de la renta proyectada por la función de precio hedónico (P(z1)-P(z2)). Si un individuo tuviera que decidir entre la compra de una vivienda y tiene dos opciones: vivienda con un dormitorio y vivienda con dos dormitorios. La diferencia entre ambas viviendas se explica porque refleja la disposición del cliente a pagar por el número de habitaciones. Esta diferencia entre ambos precios se denomina Disponibilidad a Pagar de las familias (DAP). P(z2)-P(z1)= DAP por dormitorio adicional. Es decir, reflejará el límite superior de la Disponibilidad a Pagar de las familias por la variación de esa característica específica. Para una mejora marginal en un atributo concreto, la función de precio hedónico respecto a dicha característica será: 201 Análisis de la vivienda en Córdoba. Estudio Econométrico Dado que la función hedónica P(Z) analiza el precio de los artículos según sus características, supone que la decisión de compra de las familias se basan en la maximización de la utilidad dada por la función U(z1, z2 .. zn X α . Las familias se encuentran sometidas a una restricción de ingreso y=X+P(z1, z2 .. zn), donde X representa los gastos en bienes diferentes al bien vivienda. Por tanto, los consumidores maximizan su utilidad eligiendo unas cantidades de productos no hedónicos X y de productos hedónicos de características Z, con sujeción a una restricción presupuestaria. Como se supone que el mercado es competitivo, la decisión de compra individual de los consumidores no influye sobre el precio de mercado, sólo se limitan a comprar ese artículo, siendo su precio, una combinación de características del vector Z. La maximización de la utilidad sujeta a restricción presupuestaria da lugar a un vector de "n" parámetros que es la función de demanda para las características del bien. Función de demanda será: Φ Z X La derivada de la función de demanda respecto a un atributo determinado "i", nos indica cuánto está dispuesta la familia a cambiar en su gasto en vivienda para esa característica. La maximización de la utilidad con su restricción presupuestaria, da lugar a un vector de n funciones de demanda para cada una de las características del bien . La compra, por parte de los demandantes, se efectuará en el lugar donde la superficie de la curva de la función de demanda Φ sea tangente a la superficie de precios hedónicos. Luego, se deduce que la pendiente de demanda del consumidor óptimo es igual a la pendiente de la función del precio e igual a la postura marginal por característica "i". Si distintos compradores tienen distintas funciones de apetencia, algunos comprarán más de una característica que otros dada la función de oferta 202 Análisis de la vivienda en Córdoba. Estudio econométrico determinada. La función de distribución conjunta de apetencias e ingresos determinan un conjunto de funciones de valor. Cada una de estas funciones, si es tangencial a la función de precios, representa una compra y define la función de precios hedónicos del mercado. De modo que los puntos de compra representados por la función hedónica dependen del presupuesto y del gusto de los consumidores que compran un conjunto individual de características. Por otro lado, los productores deben elegir la cantidad y la calidad de vivienda a producir, luego deben hacer frente a su función de costes: C(Z, Q) Donde Q representa el número de unidades de productos con características Z que se oferta y β es un vector que depende de las características del productor y de la tecnología específica. Por el lado de la oferta también intentan maximizar su beneficio (π). Max: = Q·P(Z)- C(Z, Q) Se supone que el mercado de oferta es competitivo y que los productores no tienen influencia en el precio, por lo tanto, su decisión individual de producción no afectará al precio. La decisión de cuánto producir de cada tributo zi está determinado por el precio de zi, suponiendo que se puede variar a corto plazo la cantidad Q y Z. . La función de oferta representa el precio unitario que un propietario puede aceptar por unidad de vivienda con características Z y obtener unos beneficios π. El oferente producirá individualmente tantas cantidades hasta el punto en el que los ingresos unitarios P(Z) igualen a su costo marginal de producción. Dado que debe seleccionar la combinación óptima de características a producir constituye un problema de maximización del beneficio. 203 Análisis de la vivienda en Córdoba. Estudio Econométrico La función de oferta será φ Z Q Como las características de una vivienda, representada por el vector Z, están relacionadas a través de la función del precio hedónico P(Z). Esta función del precio hedónico es determinada por la intersección, en el mercado, de las funciones de oferta y demanda, y representa la estructura del precio de equilibrio. En esta situación de mercado, oferta y demanda son tangentes y la función de precio hedónico es la envolvente superior/inferior para la función de oferta/demanda (figura 5.7). Disponibilidad de P Figura 5.7 Precios Hedónicos de equilibrio 2 0) φZ φZ φZ φZ 1 1) 2 1 β P(Z) Φ Z X 𝑢12 ) 1 0) Φ Z X 𝑢11 ) Φ Z X 𝑢02 ) Φ Z X 𝑢01 ) Cantidad de zi Fuente: Revollo (2009) Desde el punto de vista teórico se puede definir cada bien como un punto en un plano de varias dimensiones formado por sus características (z1, z2 .. zn), dado que las características no se adquieren por separado, sino en conjuntos de características. Se supone que los mercados estarán diferenciados y que existe un amplio abanico de acciones posibles. También se supone que el mercado es perfectamente competitivo y tanto los consumidores como los oferentes no tienen influencia en el precio, pretendiendo en todo momento optimizar sus recursos a la hora de decidir qué artículos y con qué características se compran y se vende. 204 Análisis de la vivienda en Córdoba. Estudio econométrico En situación de equilibrio, las funciones de oferta y demanda son tangentes de manera que la función de precios hedónicos es la envolvente superior/inferior de las funciones de demanda/oferta. Es decir, la función del precio hedónico será la que representa todos los puntos de compraventa de viviendas a diferentes precios y con viviendas diferenciadas en cuanto su atributos. 5.8.2. FORMA FUNCIONAL En la elección de la forma funcional de ajuste, debe primar que mejor concilie los atributos de las viviendas y precios y que proporcione desviaciones más pequeñas posibles (Goodman, 1978). La solución más plausible a este dilema consiste en definir la forma funcional más flexible que represente la relación de dependencia entre el precio implícito. Las formas funcionales en la estimación de los modelos hedónicos pueden realizarse mediante aproximaciones lineales, cuadráticas, logarítmicas, semilogarítmicas o doble-logarítmicas, entre otras. A partir de mediados de la década de los 80 existen diversos ensayos se aplicaron habitualmente la forma funcional del tipo Box-Cox86. Para hallar la forma funcional más robusta es necesario ensayar las diferentes formas funcionales hasta encontrar el que mejor representa al mercado que se quiere estudiar. Siendo el modelo hedónico muy utilizado en la literatura, y el que se va a emplear en este trabajo, de la forma: + + donde cit, son las k-ésimas cualidades de la vivienda “i” en el período “t”, es el término de error y representa la medida de los precios de la vivienda no ajustada por calidad, es 86 El enfoque mediante transformación de Box-Cox (1964), se utiliza cuando existe un modelo no lineal, lo suficientemente amplio como para incluir particularidades de modelos no lineales intrínsicamente linealizables, utilizado en diversos trabajos de precios hedónicos, al considerar que los modelos encontrados eran lo suficientemente ajustados. 205 Análisis de la vivienda en Córdoba. Estudio Econométrico decir, este coeficiente representa las variaciones generales de precios de la vivienda respecto al año “t”, definidos en términos de precios por metro cuadrado; coeficiente del término independiente y es el el conjunto de los coeficientes de las variables de características físicas de la vivienda. 5.8.3. METODOLOGÍA DE LA ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS La mayor parte de la literatura emplea para la elaboración de un modelo de regresión múltiple lineal, la metodología de mínimos cuadrados ordinarios. La linealidad del modelo se puede comprobar a través del test F de Snedecor, sobre la hipótesis nula de que el parámetro obtenido para el término de mayor orden es cero. La estimación mediante regresión obliga a examinar si cumplen los supuestos necesarios para desarrollar empíricamente el modelo de regresión lineal de forma válida87. Al intentar realizar un buen ajuste pueden surgir problemas econométricos por la existencia de multicolinealidad, que hace referencia a la existencia de relaciones aproximadamente lineales entre los regresores del modelo, representa una amenaza a la hora de determinar los precios implícitos de los atributos considerados en el modelo. Puesto que en este caso se presentan los siguientes problemas al realizar las inferencias del modelo: las varianzas de los estimadores son grandes; se acepta la hipótesis nula de que un parámetro es cero, siendo la variable relevante; y los coeficientes estimados pueden ser muy sensibles ante pequeños cambios de datos. Otro problema importante en el modelo de precios hedónicos se puede producir por la omisión de una variable, que por alguna causa, no se incluya en la función hedónica de precios y pueda producir un sesgo afectando al precio y que al mismo tiempo esté correlacionada con una de las variables incluidas en la función. Por lo que el coeficiente estimado de la variable correlacionada estará sesgado. 87 Ver Gularati, 2003, pp. 63-72. 206 Análisis de la vivienda en Córdoba. Estudio econométrico En muchos trabajos la forma funcional que se selecciona, por encima de otras, es la que alcanzar un mejor ajuste de los datos (R2 o R2 ajustada88 ) o es la de que tiene una especificación con la menor varianza de los errores. Además de los criterios mencionados, como medida de bondad de ajuste, a menudo se utiliza en otro criterio para juzgar la bondad entre los que se citan el criterio información de Akaike y el criterio de predicción de Amemiya. 5.8.4. METODOLOGÍA DE ESTIMACIÓN POR MÍNIMOS CUADRADOS PARCIALES. , Las técnicas de regresión lineal múltiple suelen presentar inconvenientes a la hora de trabajar con variables de tipo espacial por la existencia de multicolinealidad y el autocorrelación entre las variables. Esto hace que, en ocasiones, no sean las técnicas más adecuadas cuando se emplean variables con datos territoriales. Como alternativa en algunos estudios, básicamente en aplicaciones químicas, ambientales y de información geográfica; se ha venido aplicando la Regresión por Mínimos Cuadrados Parciales (PLS89). Con la aplicación de la metodología PLS se busca un conjunto de variables latentes incorreladas, combinaciones lineales de las variables explicativas, que maximicen sucesivamente su covarianza con la variable endógena. Con esto se consigue una reducción de la dimensión de los regresores y evitar el problema de la multicolinealidad. Esta técnica se puso en práctica entre las décadas de los 60 y 70 por el noruego Herman Wold. Originalmente esta técnica recibió nombre de Mínimos Cuadrados Parciales No-lineales e Iterativas90 (Wold, 1973) y posteriormente PLS (Wold, 1979; 88 “Henri Theil (1978) en Introduction to Economics, Prentice-Hall, Englewood, p 135 considera que debe 2 2 emplearse R ajustada sobre R , puesto que esta última tienda a dar una imagen demasiado optimista, aunque esta opinión no es compartida por otros autores”, (Gujatati, 2004, p. 210). 89 Partial Least Squares. 90 Non-linear Iterative Parcial Least Squares: NIPLS) 207 Análisis de la vivienda en Córdoba. Estudio Econométrico 1982, 1985). El método toma en cuenta la estructura latente que existe en una base para un conjunto de Xi (variables explicatorias) e Yi (variables dependientes). Dado un modelo lineal con k variables explicativas, y p variables endógenas, + siendo un modelo similar al de regresión lineal. Sin embargo, el método de estimación difiere del método de mínimos cuadrados ordinarios. La metodología PLS descompone las matrices de las variables dependientes así como de las variables exógenas en una estructura latente mediante un proceso iterativo. De tal forma que la estructura latente de las variables dependientes e independientes se expliquen lo máximo posible. Es decir, La estructura latente que corresponde a la mayor variación de la variable dependiente, se extrae y se explica por estructura latente de las variables independientes que mejor lo expliquen. X2 Y2 u1 X3 Y3 Y1 t1 Dirección del vector que mejor explica la variación para y por u1 X1 Dirección del vector que mejor explica la variación de u1:t1 El vector t1 no tiene por qué ser el que mejor explique la variación de X u1 t1 Relación entre X e Y 208 Análisis de la vivienda en Córdoba. Estudio econométrico 5.8.4.1. EL MODELO DE ECUACIÓN Para el caso de una sola variable dependiente, como es éste, la entrada de datos corresponde a la matriz predictora X(nxp) y el vector respuesta Y(nx1). A continuación se describen los pasos de este algoritmo adaptado de Vega-Vilca y Guzmán (2011). 1.- Son los datos iniciales, estandarizados por columnas. Entrada: X(0) , Y(0) 2.- Se procede al inicio del cálculo del primer componente PLS 3.- Se calcula el vector w = (w1 . wp)’, cada elemento wi es la covarianza de la variable respuesta con cada predictora. Finalmente, w es un vector unitario. 4.- Se calcula el componente PLS Th = Xw = (X1 Xp)(w1 wp)’ 5.- Se calcula el coeficiente de regresión simple de la variable respuesta sobre el vector componente PLS, calculado anteriormente. 6.- Se calcula el vector b = (b1 bp); cada elemento de este vector es el coeficiente de regresión simple de Xi Sobre Th 7.- Se actualiza la matriz de predictoras X(h) = X(h-1) – Th b 8.- Se actualiza el vector de respuestas Y(h) = Y(h-1) – Th v 9.- Se calcula el próximo componente PLS, iterativamente, a partir del paso 3. 209 Análisis de la vivienda en Córdoba. Estudio Econométrico 5.8.4.2. BONDAD DE AJUSTE Y DE PREDICCIÓN En la determinación del modelo de regresión interesa que el modelo tenga el mejor ajuste posible a los datos y además pueda predecir nuevas observaciones con el mínimo error, pero estos conceptos son diferentes. En general, cuando se incrementa el número de componentes que un modelo de regresión su bondad de ajuste aumenta. Sin embargo, la capacidad predictiva frente a nuevas observaciones, bondad de predicción, no tiene que aumentar necesariamente. La bondad de ajuste suele ser mayor que la punta de predicción y se dice que un modelo está sobre ajustado cuando la diferencia entre ambas es grande. Para el cálculo de la bondad de ajuste del modelo, la variabilidad total de los datos se descompone en dos términos: la variabilidad explicada por el modelo y la variabilidad residual. La variabilidad total para una única variable se define como el sumatorio del cuadrado de las observaciones del valor observado respecto de su media. Por otra parte, la variabilidad residual para una única variable se define como el sumatorio del cuadrado de las observaciones de cada valor observado respecto de su valor predicho por el modelo. 𝑢 𝑢 donde variable j, 𝑢 𝑢 𝑢 es el valor de la variable j en la observación i, es el valor medio de la es el valor estimado por el modelo con A componentes para la variable j en la observación i, J esa el número de variables de la matriz de datos y n el número de observaciones. 210 Análisis de la vivienda en Córdoba. Estudio econométrico La bondad de la predicción (Q2) del modelo obtenido se obtiene utilizando un grupo de registros no utilizados para ajustar el modelo, calculando la suma de los cuadrados de los errores de predicción (SCEPRED). 5.9. REDES NEURONALES ARTIFICIALES 5.9.1. INTRODUCCIÓN Los Sistemas Neuronales Artificiales (RNA) se inspiraron inicialmente en la simulación de los sistemas nerviosos biológicos, con el objeto de comprender el funcionamiento del cerebro. El objetivo era reproducir un modelo que simulara el proceso de razonamiento humano. Inicialmente los modelos RNA estaban formados por un conjunto de unidades llamadas "nodos" interconectados a semejanza de las céntricas y axones de los sistemas nerviosos biológicos. Figura 5.1: Fisiología de una neurona elemental El primer modelo un red neuronal fue propuesto en por McCulloch y Pitts (1943) que presentaron la estructura de la unidad elemental de procesamiento de una red conexionista con un funcionamiento simple: si las entradas de excitación superaban el mínimo de activación y no tiene entrada inhibidora, la neurona se activa y emite respuesta (valor 1); si no alcanza este umbral la neurona no se activará (valor 0), ver figura 5.9. En 1957, Frank Rosenblatt comienza el desarrollo de la primera red neuronal con capacidad de generalización denominada Perceptron, siendo una red que, una vez aprendido una serie de patrones, era capaz de reconocer otros similares (aprendizaje). Más tarde Bernanrd Widrow y Marcial Hoff (1960), desarrollaron un 211 Análisis de la vivienda en Córdoba. Estudio Econométrico nuevo modelo neuronal llamado ADALINE91 pionero en la aplicación de problemas reales. A finales de la década de los 60, Marvin Minsky y Seymour Parpert (1969) publicaron el Preceptrons en el que demuestran importantes limitaciones en este tipo de redes, ya que sólo podían resolver problemas linealmente separables, lo que provoca el abandono de esta línea de investigación y una época gris para las redes neuronales, exceptuando algunas investigaciones de Anderson (1977) sobre modelos de memorias asociativas, estudiando el autoasociador lineal conocido como modelo brain-state-in-a-box (BSB). Figura 5.9: Neurona de McCulloch-Pitts Fuente: McCulloch-Pitts (1943) Hopfield (1982) elabora un modelo de red consistente en unidades de proceso interconectadas que alcanzan mínimos energéticos. El modelo de Hopfield resultó muy ilustrativo sobre los mecanismos de almacenamiento y recuperación de la memoria. Su presentación dio un nuevo impulso al RNA y provocó un incremento de las investigaciones. A partir de esa fecha, surgen organizaciones prestigiosas como International Neural Network Society (INNS), International Joint Conference on Neutral Network (UICN), la alternativa europea conocida como International Conference on Artifitial Neural Networks (ICAN), la Neural Information Progressing Systems (NIPS) entre otras. Rumelhart, McClelland & Hinton (1986-1988) crean el grupo PDP (Parallel Distributed Processing). Como resultado de los trabajos de este grupo se desarrolló el 91 Adaptative Linear Neuron 212 Análisis de la vivienda en Córdoba. Estudio econométrico algoritmo de aprendizaje y retroprogramación (back-propagation) para redes neuronales multicapa, que solucionan los problemas planteados por Minsky y Papert y extiende enormemente el campo de aplicación de los modelos de computación conexionistas. Actualmente son numerosos los grupos de investigación repartidos por universidades de todo el mundo que trabajan en redes neuronales, con un amplio espectro de aplicaciones desde el reconocimiento de patrones, voz y comprensión de imágenes; al estudio y predicción de sucesos muy complejos como la Bolsa. 5.9.2. DEFINICIÓN DE UNA RNA. El RNA es un modelo de procesamiento de información inspirado en el funcionamiento del cerebro humano en su proceso de aprendizaje. Las Redes Neuronales Artificiales funcionan como las neuronas de los seres vivos. Las neuronas funcionan a través de reacciones químicas e impulsos eléctricos que se utilizan para intercambiar información con las demás neuronas. El impulso eléctrico (información) viaja por el axón que hace contacto con las dentritas de la neurona vecina mediante la sinapsis. Las redes neuronales artificiales se caracterizan por: Aprendizaje: tienen la habilidad de ir aprendiendo en una etapa inicial, consistente en proporcionar a la RNA datos como entrada y a su vez se indica cuál es la respuesta esperada (etapa de entrenamiento). Auto organización: crea su propia representación de la información en su interior. Tolerancia al error: almacena información de forma redundante, de forma que pueda seguir trabajando aunque pierda parte de información. Flexibilidad: puede tolerar cambios no importantes en información de entrada, como ruidos u otros cambios. Respuesta en tiempo real. Al ser una estructura paralela, puedo tener respuesta en tiempo real. 213 Análisis de la vivienda en Córdoba. Estudio Econométrico 5.9.3. ESTRUCTURA DE UNA RNA De forma resumida, las neuronas que forman una RNA se distribuyen en forma jerárquica formando distintas capas. Una capa es un grupo de neuronas cuya información proviene de la misma fuente, que puede ser del exterior o de otra capa de neuronas que se encuentre oculta. Por lo tanto, se distinguen tres tipos de capas: la capa de entrada, a través de la cual se presentan los datos a la red y recibe la información del exterior; la capa o capas ocultas, que son aquellas cuyas entradas y salidas se encuentran dentro del sistema y no tienen contacto con el exterior; y la capa de salida que envía la respuesta de la red al exterior. Según la distribución de las neuronas, pueden definirse dos tipos de arquitectura: redes monocapa y redes multicapa. - Las redes monocapa son las más sencillas; en esta red, cada neurona está conectada con todas las demás. Éste tipo de redes se utilizan para tareas autoasociativas. Para ello, se almacena en los pesos de la red, informaciones a través de un proceso o etapa de entrenamiento. Posteriormente, cuando se presenta unos datos a la capa de entrada, la RNA responde proporcionándole la información más parecida posible de las que tenga almacenadas; es decir, las redes intenta asociar una información de entrada a una de las que tenga almacenada. Este tipo de redes se suelen utilizar para regenerar informaciones de entrada, por ejemplo imágenes que se presentan a la red, incompletas o con errores. Supone que existe una relación lineal entre un conjunto de entradas representadas por el vector de entrada Xjt (neuronas de entrada), y una variable de salida Yt : Siendo los pesos sinápticos que ponderan los efectos de las variables de entrada sobre la a salida Yt,. Este modelo es simétrico, por lo que el y efecto de un cambio en la variable de entrada Xjt , será 214 ∆ , independiente del hecho de que la Análisis de la vivienda en Córdoba. Estudio econométrico variación sea positiva o negativa. Sin embargo, para una actividad, está suficientemente aceptado suponer que las señales negativas producen mayores efectos sobre el nivel de actividad que las positivas. Luego esta relación puede ser no lineal, sino estar determinada por otra función: Pero además, puede ocurrir que la relación entre las variables de entrada y salida no tenga una relación directa. Por ejemplo, una disminución en coste del dinero puede provocar un incremento en el precio de la vivienda, ya que el menor coste de financiación en la compra lo asuma el vendedor o promotor, mientras que el comprador, que se financia por préstamos hipotecarios, sólo percibe que la mensualidad del pago no varíe, o baje ligeramente. Esta situación indica la existencia de variables intermedias, que en la literatura se conoce como “neuronas ocultas” y van a redistribuir la ponderación de los pesos a través de los cuales, las variables de entrada afectan a las de salida. Si llamamos wjk a los pesos sinápticos a través de los cuales se relacionan las neuronas ocultas con las de salida, la función de salida queda: donde θ es una función de activación, siendo la función sigmoidea,92 la más utilizada por las RNAs y en la mayoría de los paquetes estadísticos. Se puede aproximar cualquier función con un margen pequeño error siempre 92 / 215 Análisis de la vivienda en Córdoba. Estudio Econométrico que haya en la red un número suficientemente grande de neuronas ocultas93 (aproximación universal). La determinación de la estimación de los coeficientes wjk y se realizan por un procedimiento de "aprendizaje", por la que la RNA aprende de la información recibida hasta obtener una diferencia mínima entre lo determinado por la red y las observaciones reales de la neurona de salida Yt. Figura 5.10: Arquitectura de un perceptrón multicapa Fuente: Rosenblatt (1969) A este tipo de arquitectura se le denomina redes multicapa y están formadas, además de una capa de entrada y una capa de salida, de una o más capas intermedias denominadas ocultas, donde cada neurona está conectada con todas las neuronas de la siguiente capa con el objeto que la red a tenga pareja de datos, de forma que ante una determinada información “Xjt”, responderá generando la correspondiente salida asociada “Yt”, por este motivo se les puede denominar como redes y heteroasociativas. Este tipo de sistemas son adecuados para la clasificación de patrones y sirve como un aproximador universal de funciones, ya que pueden aprender virtualmente cualquier relación entre un conjunto de variables de entrada y variables de salida. Esta característica se debe a la adopción, por parte de las neuronas de las capas ocultas, de una función de salida no lineal anteriormente descrita. 93 Hornik y Cybenko (1989) 216 Análisis de la vivienda en Córdoba. Estudio econométrico Es decir, la RNA busca minimizar los residuos, al cuadrado, entre las variables de salida y los valores determinados por la red. Por tanto es posible calcular la función de error de los pesos sinápticos E . Se puede buscar el mínimo de esta función error utilizando cualquier algoritmo numérico para alcanzar el objetivo de ajustar los coeficientes hasta obtener, que el error sea igual o menor a un valor prefijado94. A la hora de aplicar RNA es necesario fijar la configuración de la red en cuanto al número de unidades en la capa de entrada, el número de capas ocultas y la composición de cada una de ellas. No existe ninguna teoría que proponga los tamaños concretos de la red en función de los parámetros del problema. Estos valores se suelen determinar de forma empírica. 5.9.4. EL APRENDIZAJE DE UNA RNA En la etapa de aprendizaje, como ya hemos descrito, la respuesta de una RNA viene dada por los pesos que las conexiones entre las neuronas, que forman la red, aplican a la entrada de un determinado estímulo. El proceso de aprendizaje consiste en ir modificando los valores de los pesos de la red o ponderaciones sinápticas en respuesta a un conjunto de ejemplos que se denomina grupo de entrenamiento, según unos criterios llamados regla de aprendizaje (Fausett, 1994), que modifiquen los pesos de la red, de tal forma que se consiga aprender a obtener una solución a un determinado problema. Se consideran dos tipos de reglas de aprendizaje: aprendizaje supervisado y aprendizaje, no supervisado e híbrido. En el aprendizaje supervisado existe la figura de un profesor o supervisor que controla el proceso de aprendizaje comprobando la salida de la red ante una determinada entrada y en el caso que la salida no coincida con la esperada, se modificaron los pesos de las conexiones con el objeto de conseguir una salida que se 94 A este dato se le llama criterio de convergencia. 217 Análisis de la vivienda en Córdoba. Estudio Econométrico aproxime a la deseada minimizando el error de salida. Este proceso se repite las veces necesarias hasta alcanzar una solución óptima con un error menor al valor prefijado. En el aprendizaje no supervisado, la red no necesita ninguna respuesta asociada a cada patrón de entrada para ajustar los pesos de las conexiones entre sus neuronas. Es decir, que no recibe ninguna información del entorno que le indique si la salida generada, ante un determinado estímulo, es correcta o no, sino que se basa en encontrar las características o categorías similares que se pueden establecer entre los datos que se presentan en entrada, por lo que este método también se denomina autoorganizativo. En el aprendizaje híbrido combina se combina los dos aprendizajes anteriores en una misma red, normalmente en capas diferentes. En el aprendizaje reforzado utiliza la información sobre el error cometido pero a diferencia del aprendizaje supervisado no existe una única señal de error, que represente el rendimiento global de la red, sino que sólo se le indica que tan bien o mal se están obteniendo los resultados sin dar más detalles. En ocasiones se denomina aprendizaje por premio o castigo. Aunque el número de RNAs desarrolladas es extenso, se puede reducir a 40 modelos más importantes95 que se presentan en la tabla 5.1. Entre los algoritmos de aprendizaje, el más utilizado es el backpropagation error (Rumelhart, et al, 1986) que consiste en la propagación de los errores cometidos hacia atrás, ya que el error que se comete en una capa intermedia, depende del error cometido por las unidades de salida a las que está conectada. La base matemática de este algoritmo se fundamenta en variar los pesos en dirección opuesta al gradiente ; es decir, en la dirección opuesta que determina la disminución más rápida del error (método del gradiente). 95 (Sarle, 1998 c.p. Montaño, 2002) 218 Análisis de la vivienda en Córdoba. Estudio econométrico Figura 5.11: Modelos de Redes Neuronales Artificiales Fuente: Cruz (2009) La forma de modificar las ponderaciones sinápticas de forma interactiva consiste en aplicar la regla de la cadena al gradiente, al que se añade una tasa de aprendizaje η. La fórmula que la neurona de salida será: ∆ + donde: - es la función de los pesos de la red. es la salida deseada para una neurona de salida k ante un patrón p. es la entrada neta que recibe una neurona de salida k ante un patrón de comportamiento. n indica el número de la iteración. De la misma forma en la neurona oculta: ∆ + donde: En esta expresión se observa que el error cometido por una neurona oculta j, 219 Análisis de la vivienda en Córdoba. Estudio Econométrico viene determinado por la suma de los errores que cometen las k neuronas de salida que reciben como entrada la neurona oculta j. En la modificación de las ponderaciones sinápticas, una vez presentado los patrones de entrenamiento, existen básicamente dos tipos de procedimientos: el denominado aprendizaje por lotes o modo batch, donde la actualización se realiza después de haber presentado todos los patrones de entrenamiento posibles, y el aprendizaje en serie o modo on-line, en el que se actualizan los pesos tras la presentación de cada patrón de entrenamiento. Este algoritmo tiene dos deficiencias (Masters, 1993): por un lado el gradiente es un indicador local de una función, de forma que en el entorno de la superficie del error, el gradiente puede tomar direcciones opuestas, provocando fluctuaciones que hacen que el tiempo de búsqueda del mínimo error sea considerablemente más la largo; otra deficiencia detectada es el desconocimiento del tamaño del cambio de los pesos más adecuado para una tarea larga. Este tamaño es determinado por los valores de la tasa de aprendizaje (η) y el factor momento (α). El proceso de convergencia de las ponderaciones sinápticas se puede acelerar añadiendo un factor momento (α) que tiene en cuenta la dirección del incremento tomará en la iteración anterior, por lo que la neurona de salida quedaría: ∆ 5.9.5. + + ∆ VALIDACIÓN Y TEST Como se ha definido anteriormente, durante la fase de entrenamiento, los pesos de la red neuronal multicapa, van modificando sus valores de forma iterativa para minimizar el error cometido entre la salida obtenida por la red y la salida real. Pero puede ocurrir que a partir de un determinado momento el sistema comience ajustarse en exceso a elementos irrelevantes (ruido), en lugar de ajustarse a la función que relaciona entradas y salidas. En este momento, se podrá afirmar que la red tiene un sobreaprendizaje, por lo que disminuye la habilidad de generalización. 220 Análisis de la vivienda en Córdoba. Estudio econométrico Para evitar este problema de sobreaprendizaje, es conveniente la utilización de un segundo grupo de entradas, llamado grupo de prueba o validación distinto al de aprendizaje, que permite controlar este proceso. Con este segundo grupo, la red, a la vez que va modificando los pesos en función a los datos de aprendizaje, también va obteniendo el error al aplicarlos a los datos de validación, con lo que se puede hallar el error que comete la red ante valores diferentes a los utilizados en el entrenamiento, denominado error de validación. En las primeras fases de aprendizaje los errores de validación se van reduciendo progresivamente, pero llega un punto a partir del cual comienza a aumentar, por lo que se debe detener el aprendizaje e intentando hallar el punto donde el error de validación alcanza el mínimo, pero evitando un sobreentrenamiento, porque la red empieza a aprender particularidades de los datos de aprendizaje. Pero el error que comete la red ante los datos de validación es una estimación sesgada, puesto que como hemos afirmado anteriormente, el grupo de validación también ha participado, aunque de forma indirecta, en el entrenamiento. Por lo que es necesario disponer de un tercer grupo de datos, denominado grupo test, que no haya colaborado en el aprendizaje y que proporcionará una estimación insesgada del error de generalización. Si los resultados de este grupo de test siguen siendo satisfactorios, se puede asumir el modelo hallado por la red. 5.9.6. RELACIÓN ENTRE LAS REDES NEURONALES ARTIFICIALES Y LOS MODELOS DE REGRESIÓN Tradicionalmente se ha intentado diferenciar las RNAs de la estadística clásica, presentándola como una nueva forma de predicción que sobrepasa en eficiencia a las técnicas convencionales estadísticas. Una de las causas principales que ha fomentado esta idea errónea es la distinta terminología utilizada en la literatura para los dos campos. Pero en realidad las redes neuronales y la estadística utilizada terminología diferente para nombrar las mismas técnicas. En la siguiente tabla se muestra la similitud existente entre los modelos de redes neuronales y los modelos estadísticos clásicos (Sarle, 1994) 221 Análisis de la vivienda en Córdoba. Estudio Econométrico Tabla 5.2: Terminología de Redes Neuronales y Estadística Terminología de RNA Patrón Datos de entrenamiento Datos de validación, test Variables de entrada Variable de salida Arquitectura Error Ruido Entrenamiento, aprendizaje Generalización Conexión funcional Pesos de conexión Peso umbral Aprendizaje supervisado o heteroasociación Aprendizaje no supervisado o autoasociación Aprendizaje competitivo - - Terminología estadística Observación Muestra Muestra de validación Variables explicativas Variable de respuesta Modelo Residuo Error aleatorio y perturbación Estimación Interpolación Interacción Coeficientes Constante Regresión y análisis discriminante Reducción de conglomerado Análisis de cluster Fuente: Revollo (2009) Tabla 5.3: Terminología modelos de Redes Neuronales y Estadística Clásica Modelos de redes neuronales - Perceptrón simple con función lineal Perceptrón simple con función logística Perceptrón simple con función umbral Perceptrón multicapa con función lineal en la salida Perceptrón multicapa con función logística en la salida Perceptrón multicapa autoasociativo Mapas autoorganizados de Kohonen Learning Vector Quantization (LVQ) Funciones de Base Radial (RBF) Estadística clásica - Regresión lineal múltiple Regresión logística Función discriminante lineal Regresión no lineal múltiple - Función discriminante no lineal - Análisis de componentes principales Análisis de conglomerado Metodología de K vecinos más cercanos Regresión kernel Fuente: Revollo (2009) 222 Análisis de la vivienda en Córdoba. Estudio econométrico 5.10. REVISIÓN DEL ESTADO DEL ARTE SOBRE LAS METODOLOGÍAS HEDÓNICAS EN EL MERCADO INMOBILIARIO. Desde que Rosen en 1974 formuló, por primera vez, la posibilidad de aplicar la metodología hedónica, que se había estado utilizando en otros mercados de bienes heterogéneos al mercado de la vivienda, centrando las causas de decisión de consumo y de producción para alcanzar el equilibrio en los atributos del bien vivienda, más que en los factores que intervienen en el propio mercado como es la renta, la población, el stock de vivienda, la financiación, etc. Abundante ha sido la literatura a nivel nacional e internacional que ha buscado modelizar el mercado de la vivienda a través de la metodología hedónica, intentando relacionar su precio, no sólo con las características estructurales de la vivienda (dimensión, antigüedad, calidad,..), sino con elementos ajenos a ella, pero que influyen, como son: el entorno que rodea al inmueble, que afecta a la “calidad de vida” de sus moradores y que ha demostrado la literatura que forma importante del precio. Entre estos factores ajenos que se han investigado aparecen: el entorno socioeconómico desde el punto de vista de agrupación de la población por clases sociales o étnicas, divisiones puramente administrativas como zonas postales (características de vecindario), o cómo afecta al precio de la vivienda situaciones como: la distancia al trabajo, la posibilidad de acceso a servicios escolares y urbanos, la limpieza del aire, disponibilidad de zonas verdes, cercanía de instalaciones industriales, ruido en viviendas cercanas a aeropuertos, etc. (características de localización). Otras aportaciones han ido encaminadas a generar índices de precios que permitan determinar las variaciones de precios producidos como consecuencia de la variación en alguna de las características. En un cuarto grupo se encuentran trabajos basados en la estimación de funciones de demanda de inmuebles en función de sus características, estimando a partir de estas funciones las elasticidades de precio y renta de demanda. 223 Análisis de la vivienda en Córdoba. Estudio Econométrico Tabla 5.4: Aportaciones a la literatura de metodología hedónica 1 . Obtención del precio hedónico de la vivienda. Autores 1.1. Características estructurales Bartik (1997c), Bil (2000), Bover y Velilla (2001), Brueckner y Colwell (1983), Can (1 992), Caridad y otros (1996), Clapp y Giaccotto (1998), Fleicher y otras (2000), García Pozo (2005), Jim y Chen (2009), Kestens y otros (2006), King (1976), Linneman (1980), Mok y otros (1995), Morris y otros (1979), Straszhelm (1975), 1 .2. Características de localización Adair y otros (1996), Adaír y otros (2000), Benson y otros (1998), Brown (1985), Hodgson y otros (2006), Lipscomb (2003), McMillen (2004), Palmquist (1992). Quigley (1979), So y otros (1996), Tránchez Martín (2002), Wheaton (1979), Yim Yiu (2008) 1 .3. Características de vecindario Bao y Wan (2004), Bengochea (2003), Boxall y otros (2005), Cervero y Duncan (2004), Chattopadhyay (1999), Cheshire y Sheppard (1998), Fitch y García Almirall (2008), Freeman (1979), Goodman y Thibodeau (2003). Harding y otros (2003), Hidano (2002), Kaín y Quigley (1975), Leggett y Bockstael (2000), Li y Brown (1980), Michaels y Smith (1990), Nelson (2004), Ogwang y Wang Í2003), Schafer (1979), Theebe (2004), Tajima (2003), Thaler(1978), 2. Obtención de índices de precios Butler (1982), Case y otros (1991), Case y Shiller (1987), Englund y otros (1998), Goodman (1978), Haurin y otros (1991), Meese y Wallace (1997), Meese y Wallace (2003), Mills y Simenauer (1996), Palmquist (1980), Straszheim (1975), Wallace (1996) Bartik (1987a), Bartik (1987b), Blomquist y Wofley (1981) y (1982), Brown y Rosen (1982), Ermisch y otros (1996), 3. Obtención de funciones de demanda Follain (1979), Follain y Jiménez (1985), Goodman (1988), Hansen y otros (1996), Hanushek y Quigley (1980), y elasticidades precio y/o renta. Jiménez y Keane (1984), King (1980), Lee y otros (2000), Linneman (1981), Mayo (1981), Mayo y Malpezzi (1985), Nelson (1978), Ohsfeldt (1988), Palmquist (1984), Polinsky (1977), Sheppard (1999), Wilhelmsson (2002) Fuente: García Pozo (2007) y elaboración propia. También diversos han sido los enfoques, registros y metodologías estadísticas empleadas. En cuanto a los enfoques, predominan los estudios transversales con pocos años, puesto que en series longitudinales aparecen otros elementos ajenos a los atributos del propio bien como son factores macroeconómicos. En referencia a los registros de datos, los precios suelen ser precios oficiales de transacciones, precios de tasación de los inmuebles, tomando como características de las viviendas lo declarado o anunciado en las transacciones y en algunos casos, los precios de compra-venta aportados por las propias agencias inmobiliarias. Mientras que los factores ajenos a las viviendas suelen basarse en datos estadísticos sobre la condición económica de las familias, mediciones oficiales de contaminación, ruido, servicios, equipamientos, etc., o encuestas sobre percepción de situación el entorno urbano. Desde el punto de vista de la metodología estadística también ha sido diversa, empleando modelizaciones paramétricas y no paramétricas, incorporando software de Sistemas de Información Geográfica, y en menor medida, aproximaciones mediante redes neuronales. Este punto, que no intenta ser exhaustivo, presenta algunas aportaciones a la literatura de precios hedónicos más actuales que hemos entendido como interesantes, 224 Análisis de la vivienda en Córdoba. Estudio econométrico intentando conocer la tendencia sobre las metodologías aplicadas en la determinación del precio de la vivienda por precios hedónicos. En el ámbito internacional: Goodman y Thibodeau en 1998, basan su trabajo en valorar la influencia que tiene sobre el precio, las características de los individuos del vecindario del inmueble, para ello examinaron la segmentación del mercado de vivienda dentro del área metropolitana de Dallas, utilizando modelos jerárquicos (modelos jerárquicos lineales: Aplicaciones y Métodos de análisis de datos en la zona de Sage, Newbury Park) en transacciones comprendidas entre el primer trimestre de 1995 y el primero de 1997 con el objeto delinear los límites los distintos submercados de vivienda en función de la calidad de la educación pública (medida por el rendimiento de los estudiantes), como elemento que determinación del entorno sociocultural de las zonas donde se ubican las viviendas. Más tarde, en 2003 delimitaron estos submercados en función de secciones censales y distritos según código postal, con 28.000 datos en el mismo periodo. Llegando a la conclusión que una buena desagregación espacial produce significativos aumentos en la precisión de la estimación hedónica. Thériault et al. (2003), estudiaron 3.600 transacciones de vivienda entre los años 1990 y 1991 en la ciudad de Quebec, examinando las interacciones entre las características de las zonas y atributos de las viviendas, para ello utilizó metodología SIG (Sistema de Información Geográfica) y estadística espacial para definir los componentes principales que determinan la accesibilidad socioeconómica de las familias con los precios de transacción de las viviendas unifamiliares, En el año 2005, estudiaron la relación, por un lado de la movilidad de las familias y su percepción sobre accesibilidad a los equipamientos urbanos y, por otro lado, el precio de la vivienda a través de modelos hedónicos. Para este estudio tomó índices tanto objetivos, como subjetivos de accesibilidad, basados en el primer caso en los tiempos de viaje al trabajo y al centro y, en este último caso, en criterios subjetivos de percepción de alejamiento y accesibilidad. Este estudio pretendía utilizarlo como complemento al índice de centralidad en un modelo de ciudad, encontrando diferencias estadísticamente significativas en cuanto a accesibilidad y perfiles de los hogares. 225 Análisis de la vivienda en Córdoba. Estudio Econométrico Bao y Wan (2004) Se basan en el análisis de las características estructurales y del vecindario de la vivienda, pero sugieren un enfoque semiparamétrico para la estimación de funciones hedónicas de precios, mediante la técnica de suavizado de Splines a la hora de estimar los modelos hedónicos del precio de la vivienda en Hong Kong, proporcionando, según estos autores, mejores resultados que el tradicional método paramétrico de las transformaciones de Box-Cox. Nelson (2004), centra sus estudios en las características de localización de la vivienda, realizando un meta-análisis para estudiar la relación negativa entre la exposición al ruido en los aeropuertos y la depreciación de los valores de los inmuebles residenciales en 23 aeropuertos de Canadá y Estados Unidos, aplicando relaciones funcionales logarítmicas y semilogarítmica, llegando a la conclusión que existe una disminución del precio de la vivienda por ruido acumulado en los EE.UU. de aproximadamente entre un 0,5% y 0,6% por el incremento de cada decibelio, en niveles de exposición al ruido de 75 dB o menos, mientras que en Canadá es superior, siendo la disminución de entre el 0,8% al 0,9% por cada decibelio. Por encima de los cuales, no cumpliría la normativa de ruidos. A este respecto, también Cohen y Coughlin en el año 2009 analizan los efectos de la proximidad y el ruido en los precios de la vivienda en los barrios cercanos de Hartsfield-Jackson (Aeropuerto Internacional de Atlanta) en el período 1995-2002, mediante técnicas lineales y semilogarítmicas. Stevenson en el año 2004, presentó un trabajo sobre determinación de precios hedónicos basado en las características estructurales (superficie, edad, dormitorios, baños garaje, chimenea, climatización,..) de viviendas unifamiliares antiguas de Estados Unidos, en distintas zonas geográficas. El objetivo de este estudio era comparar la variación de los coeficientes de los atributos que definen la vivienda entre las distintas zonas de país. Kestens, Thériault y Des Rosiers (2006) relacionan las características de sus moradores con los precios de vivienda (vecindario), midiendo la heterogeneidad de los precios implícitos en relación con el tipo de hogar, edad, nivel educativo, ingresos, y el estado de la tenencia previa de los compradores. Se utilizan dos métodos: en una primera serie de los modelos utiliza términos de expansión en torno al centro, mientras 226 Análisis de la vivienda en Córdoba. Estudio econométrico que una segunda serie se aplica, geográficamente, regresiones ponderadas. En ambos métodos, las principales conclusiones se refieren al efecto significativo de los ingresos en la ubicación, así como la prima pagada por el alto nivel de educación las familias con el fin de cumplir con la homogeneidad social. Yim Yiu (2008) estudió los cambios de precios en las viviendas situadas entre dos poblaciones (enfoque de localización) incorporadas recientemente a la República Popular China como es Macao y Hong Kong, y como la comunicación entre las dos ciudades puede influir, mediante un enfoque espacio temporal. El estudio demuestra que precio de la vivienda en Macao se va aproximando al precio de Hong Kong (antes más caro) conforme aumenta el número de trabajadores que viajan desde Hong Kong a Macao, conformado modelos de ciudad policéntrica. Jim y Chen en 2009, evaluaron el valor que la vista de la vivienda tiene en el precio (características estructurales), caracterizando dos diferentes tipos de paisajes naturales que existen que la populosa Hong Kong: el puerto y la montaña. El estudio se basó en 1.474 operaciones en 2005 y 2006 y en 18 urbanizaciones privadas de barrios residenciales. El método de fijación de precios hedónicos mediante metodología paramétrica, pretendía calcular la parte proporcional que las opiniones sobre la orientación y las características de los atributos de las viviendas tienen en los precios de transacción. Este estudio llegó a determinar que una vivienda con vista al puerto podría aumentar el valor de la vivienda en el 2,97%, mientras que una vista a la montaña hace disminuir los precios de las viviendas en un 6,7%, De Vor y Groot publicaron en el año 2011, un estudio del impacto que la cercanía de los polígonos industriales (perspectiva de localización) tienen en los valores de las propiedades residenciales cercanas, desde la perspectiva del análisis de precios hedónicos, y utilizando una metodología paramétrica, cuantificando estos efectos negativos en distintas áreas de los Países Bajos para el año 2005. Llegando a la conclusión que este efecto está localizado a una distancia relativamente corta de las instalaciones industriales más cercana. Rambaldiand y Prasada Rao, (2011) desarrollaron un modelo hedónico con coeficientes variables en el tiempo y errores espacialmente correlacionadas, 227 Análisis de la vivienda en Córdoba. Estudio Econométrico basándose en las ventas de propiedades de Brisbane (Australia) en el período 1985 a 2005, construyendo un modelo predictivo que compara la serie correspondiente índice de precios. A nivel nacional: De las primeras aplicaciones sobre el cálculo de precios hedónicos de la vivienda se realizó en Córdoba (Caridad y Brañas, 1996), donde se analizó, desde el punto de vista de modelos hedónicos el precio de la vivienda. El origen de sus datos fueron a través de encuestas realizadas entre febrero y marzo de ese año a las Agencias de la Propiedad Inmobiliaria, el enfoque de este trabajo se realizó desde el punto de vista de las características estructurales de la vivienda y de las características del vecindario. El modelo para México empleado fue mediante ajustes de mínimos cuadrados ordinarios. En 1997 García Almirall, realizó un enfoque de precios hedónicos desde el punto de vista de localización, estudiando el valor implícito de ciertas variables medioambientales como, la contaminación, el ruido, etc., que repercuten en los valores de los inmuebles urbanos. En su análisis estadístico empleó técnicas multidimensionales y de análisis espacial SIG. En este sentido, para el análisis de los datos combinó una técnica de regresión múltiple y análisis factorial para obtener un modelo de precios hedónicos para contrastarlos con mapas temáticos sobre la base de Sistemas de Información Geográfica (SIG). En el año 2000, Bover y Velilla presentan un trabajo con el objetivo de estimar un índice de precios para las promociones de viviendas nuevas, ajustando los precio por calidad y localización, para ello proponen un enfoque hedónico sobre el precio de viviendas de nueva promoción, analizando una serie tomada en nueve ciudades importantes de España entre los años 1993 y 1997, ajustando el modelo en base a cambios de calidad y creando un indicador de provincia, ciudad y distrito municipal. La función hedónica asumida fue una doble logarítmicas entre el precio y la superficie en metros cuadrados. Ceular y Caridad (2000) analizaron los precios hedónicos de compra-venta 228 Análisis de la vivienda en Córdoba. Estudio econométrico mediante encuestas realizadas en Agencias de la Propiedad Inmobiliarias aplicando la metodología de componentes principales y asumiendo un ajuste funcional lineal por mínimos cuadrado ordinarios y determinación de estos precios por redes. Gómez-Gómez (2002), estudió desde una perspectiva de precios hedónicos, la influencia que tiene el ruido en las viviendas de las poblaciones cercanas al aeropuerto de Barajas, ajustando la función de ajuste mediante una transformación de Box-Cox. Bengoechea Morancho (2003), investigó la relación entre el precio de la vivienda urbana y la dotación de zonas verdes en la ciudad de Castellón (enfoque de localización), utilizando estimaciones por mínimos cuadrados ordinarios, doblelogarítmica y modelo de reciprocidad. Chica-Olmo et al. (2007) presentaron un modelo para interpretar la variabilidad espacio-temporal de la ciudad de Granada, aplicando un análisis espacio-temporal del precio de la vivienda mediante un análisis radiográfico directo y un modelo de regresión hedónica, utilizando un ajuste por mínimos cuadrados generalizados. En 2007 Nuñez realizó un ajuste en lineal en la ciudad de Córdoba en el periodo comprendido entre 2002 y 2005, sobre la base de las características estructurales y de vecindad, comparando este ajuste lineal con redes neuronales. Tomando como datos base precios reales de transacción proporcionados por las Agencias de la Propia Inmobiliaria. García-Pozo (2008) aplica un enfoque sobre las características estructurales y de localización de la vivienda de segunda mano tales como superficie, aseos, garaje, luminosidad, proximidad al mar o al centro, y ubicación. Emplea la forma funcional semilogarítmica, utilizando un criterio de estimación por mínimos cuadrados ordinarios, para establecer los determinantes del precio de la vivienda usada en la ciudad de Málaga, e identificando aquellas características de las viviendas que más inciden en la determinación de su precio y cuantificándolas monetariamente. Marmolejo Duarte (2008) En su trabajo intenta medir el impacto del ruido urbano percibido sobre el valor de la viviendas, incorporando en el modelo otras 229 Análisis de la vivienda en Córdoba. Estudio Econométrico variables ambientales que repercuten sobre la variación del precio residencial como es la es la existencia de empresas manufactureras en el ámbito de la ciudad de Barcelona. Emplea el modelo de precios hedónicos ajustado mediante log-lineal, según el procedimiento de mínimos cuadrados ordinarios. Fitch Osuna y García Almirall (2008), fundamenta su trabajo en la economía ambiental y en la organización territorial dentro del área Metropolitana de Barcelona. El estudio intenta detestar factores localizadores que las familias valoran positiva o negativamente a la hora de tomar decisiones en la inversión en vivienda. El análisis de los datos lo relizaron mediante regresión múltiple lineal, contrastando con mapas temáticos producidos mediante Sistemas de Información Geogréfica (SIG). En su trabajo llegan a la conclusión que las familias con mayores ingresos son las que a la vez, consumen los mejores entornos en términos de calidad ambiental. 5.11. REVISIÓN DEL ESTADO DEL ARTE SOBRE LAS REDES NEURONALES EN EL MERCADO INMOBILIARIO. Los análisis de regresión lineal múltiple presentan serias dificultades para hacer frente a la complejidad del mercado inmobiliario, especialmente por la correlación espacial y la falta de forma funcional de la formación del precio. La literatura considera que todos los atributos, la ubicación es la característica más importante y está intrínsicamente relacionada con la especificidad del bien (inmovilidad). El valor de la ubicación está relacionado, a su vez, con otras características como la accesibilidad –medios transportes o buena comunicación de carretera-, con las características socioculturales del barrio, con las características de servicios, salubridad y uso del suelo del entorno, etc. Las mediciones, que de las características del entorno se puedan realizar, son difícilmente medibles, utilizando frecuentemente variables proxy, entre las que se pueden citar, la distancia al centro o el tiempo de transporte. La estimación de precios implícitos por redes neuronales, al ser una metodología no paramétrica, puede ser un instrumento importante para resolver la no 230 Análisis de la vivienda en Córdoba. Estudio econométrico linealidad antes citada. Pero la falta de topología de una red, a su vez, presenta el inconveniente de su difícil interpretación desde el punto de vista económico, ya que es difícil analizar la variación marginal que algunos de los atributos, pueda repercutir en el precio final, como sí se puede hacer en el análisis paramétrico. En este apartado se va a realizar una breve descripción de la bibliografía más reciente, que creemos más interesante para nuestro trabajo. Tabla 5.5.: Aportaciones a la literatura de metodología neuronal AÑO AUTOR Borst Tay y Ho Do y Grudnitski Collins y Evans Worzala, Lenk y Silva Borst Me Cluskey Rossini Haynes y Tan Bonissone Cechin Karakozova Nguyen y Cripps Kauko Limsombunchai et al Zhang et al Khalafallah Selim Peterson Lin 1991 1992 1992 1994 1995 1995 1996 1997 1998 1998 2000 2000 2001 2003 2004 2004 2008 2009 2009 2011 ÁREA DE ESTUDIO Nueva Inglaterra Singapur California (U.S.A.) Reino Unido Colorado (U.S.A.) Nueva Inglaterra Sur de Australia Gold Coast en Australia Porto Alegre (Brasil) Helsinki (Suecia) Tennessee (U.S.A.) Helsinki (Finlandia) Nueva Zelanda Orlando Turquía Carolina del Norte Costa Este (EE.UU) Fuente: Nuñez y elaboración propia Kauko (2003), estudió el mercado de la vivienda en Helsinki en función de factores de localización, ambientales y sociales que pueden afectar a la demanda de la vivienda y cómo consecuencia de estos atributos de su precio. Comparó la metodología paramétrica con las redes neuronales. Como conclusión a su trabajo, Kauko considera que las redes neuronales pueden ser consideradas como un complemento a los modelos hedónicos y además son una herramienta poderosa para la valoración de grandes cantidades de propiedades. Limsombunchai et al (2004) estimó los precios de la vivienda para una muestra de 200 viviendas en el distrito de Christchurch (Nueva Zelanda), empleando la 231 Análisis de la vivienda en Córdoba. Estudio Econométrico metodología de redes neuronales y comparándolos con el ajuste mediante los modelos hedónicos. Los factores utilizados para la determinación de los precios hedónicos fueron: superficie de la vivienda, antigüedad, tipo de casa, número de habitaciones, número de baños, número de garajes, instalaciones, ubicación; dando mejores resultados las redes neuronales artificiales. En este trabajo se presenta como limitación al estudio por redes, el efecto que el tiempo tiene en los precios de la vivienda, y que puede afectar a los resultados estimados si se pasa por alto las variaciones de precios en los diferentes años, en el supuesto que el factor edad (de la vivienda) sea constante. Dentro de la literatura de redes neuronales, algún autor como Khalafallah (2008) planteó un Sistema de Soporte de Decisiones para determinar el precio de una casa y sus variaciones a corto plazo. Esta experiencia se realizó en Orlando. Para el funcionamiento de esta red, se incluyeron datos relativos a un período de nueve años. La salida de la red neuronal devolvía la relación entre el precio de venta de la casa y el precio de oferta. Esta herramienta se diseñó para aconsejar si un vendedor debe optar por vender la casa o esperar. Selim, en 2009, utilizó los datos del Instituto Turco de Estadística (TurkStat), sobre la base de unas encuestas de presupuestos familiares realizadas en 8.600 hogares en el que ofrecía información sobre la situación socioeconómica, composición familiar, situación laboral y valoración ingresos, los gastos de consumo por un lado y por el otro las características de la vivienda. En este estudio se demostró que dada la no linealidad de los modelos de regresión hedónica, las redes eran mejores para determinar los precios inmobiliarios. Zhang et al (2004) compararon la precisión de un ajuste univariante lineal y multivariante con los ajustes de los modelos de redes neuronales univariados y multivariante. Llegando a la conclusión, que el enfoque de redes neuronales tenían mejor precisión que los modelos lineales, tanto para modelos univariados como multivariados. Peterson (2009) utiliza una muestra de 46.467 viviendas que abarca el período 1990-2005 sobre observaciones de venta residencial en el condado de Wake (Carolina 232 Análisis de la vivienda en Córdoba. Estudio econométrico del Norte). En este trabajo compara el comportamiento de las redes neuronales artificiales de una capa, que funcionalmente equivale a un ajuste por mínimos cuadrados ordinarios (OLS) con redes multicapas. Considera que las redes multicapas son capaces de modelar funciones no lineales, debido a que la estimación de los parámetros de la red no dependen de la fila de matriz de regresores, y la redes se adaptan mejor que los modelos hedónicos que suelen utilizar un gran número de variables ficticias. Lam y Yu (2009), analizan las variables claves para determinar la capacidad predictiva de las redes neuronales artificiales, diseñando varios tipos de redes monocapa y multicapa para llegar al modelo óptimo para la ciudad de Hong Kong. En el año 2011 Canavarro realiza un estudio sobre el precio de la vivienda en la ciudad de Castelo Branco (Portugal), sobre un total de 225 compraventas a lo largo de un período temporal comprendido entre 2005 y 2009, comparando los ajustes paramétricos por mínimos cuadrados ordinarios y redes neuronales. Lin (2011) este trabajo compara la precisión de la predicción empleando el modelo de regresión múltiple, la regresión no paramétrica aditiva y la red neuronal. El estudio se realizó sobre una pequeña ciudad del Este de EE.UU. con 33.340 viviendas, confirmando que tanto el uso de los modelos estadísticos, como las de redes neuronales son confiables para la valoración masiva de vivienda residencial. En esta evaluación se encontró que ninguno de los tres modelos puede utilizarse para las casas de bajo y medio precio, sin embargo, la red artificial es más precisa para la vivienda de mayor precio. A nivel nacional: En el año 2001 Ceular analiza el mercado de la vivienda en Córdoba a partir de los datos proporcionados por las Agencias Inmobiliarias, comparando los resultados con un ajuste de mínimos cuadrados ordinarios, con resultados mejores en comportamiento para la red neuronal. Gallego Mora-Esperanza (2004), en base a los registros del catastro plantean 233 Análisis de la vivienda en Córdoba. Estudio Econométrico una valoración de los inmuebles de Madrid en base a la utilización de las redes neuronales artificiales. En el año 2004 García Rubio desarrolla un sistema automático de valoración de viviendas mediante la metodología RNA para la coloración de la vivienda libre en la ciudad de Albacete, a partir de la información suministrada por 14 inputs, entre los que se encuentra las coordenadas de la vivienda, antigüedad, superficie, etc. obteniendo un error medio del 5,65%. Núñez (2007) compara la utilización de la metodología de redes neuronales con la metodología paramétrica por mínimos cuadrados ordinarios de los precios hedónicos del precio de la vivienda. Ramos Ramos (2009), presenta un estudio, en base al proyecto que está desarrollando la Dirección General de Registro, sobre la valoración del mercado del suelo rústico, Ramos considera que es un buen instrumento la red neuronal artificial para obtener resultados útiles, sin necesidad de un conocimiento previo del terreno y sin necesidad de aplicar un criterio de personal por ningún técnico. . 234 Análisis de la vivienda en Córdoba. Estudio econométrico PARTE 3 235 Análisis de la vivienda en Córdoba. Estudio Econométrico 236 Análisis de la vivienda en Córdoba. Estudio econométrico CAPÍTULO 6 Los organismos públicos se inclinan mucho por la acumulación de estadísticas -las reúnen, las suman, las elevan a la enésima potencia o extraen su raíz cúbica y preparan diagramas notables. Sin embargo, lo que usted no debe olvidar nunca es que cada una de esas cifras antes que nada proviene del guardián del pueblo, quien sólo registra lo que le place. Sir Josiah Stamp ESTUDIO DESCRIPTIVO DE LOS MATERIALES UTILIZADOS 237 Análisis de la vivienda en Córdoba. Estudio econométrico 238 Análisis de la vivienda en Córdoba. Estudio econométrico 6. ESTUDIO DESCRIPTIVO DE LOS MATERIALES UTILIZADOS 6.1. INTRODUCCIÓN. En este capítulo se hace una descripción de las fuentes de información en las que se ha basado la investigación intentando dejar hablar a los datos. Esto hace imprescindible realizar un análisis exhaustivo de las variables predictoras y su relación con el precio de oferta desde el punto de vista estático y dinámico, haciendo un estudio paralelo univariante y bivariante para comprender la evolución de los registros e identificar sus características estocásticas, con el objeto de elegir las variables más adecuadas en la posterior modelización. La estructura de este capítulo está dividido en dos partes: en la primera parte definimos el marco físico de la ciudad, presentando un estudio demográfico que pueda ayudar a comprender algunos de los resultados, se expone la división geográfica realizada en función de las características socioeconómicas de sus vecinos, para introducir la componente de localización en el estudio metodológico de nuestra muestra y se hace una descripción del mercado de la vivienda. En la segunda parte se describen las fuentes de información, realizando comprobación inicial sobre la fiabilidad de los precios de oferta obtenidos en la muestra, comparándola con los de otras fuentes de información publicadas (Entidades de Tasación); finalmente se describen la variable dependiente (precio de oferta), así como las variables explicativas que condicionan el comportamiento de los precios de las viviendas. 239 Análisis de la vivienda en Córdoba. Estudio econométrico 6.2. MARCO FÍSICO. La ciudad de Córdoba se haya enclavada en la provincia que lleva su nombre, creada por Real Decreto de 30 noviembre 1833, es la heredera del Reino de Córdoba al que se unió algunas localidades96 limítrofes y algunos enclaves interiores. La provincia está integrada en la Comunidad Autónoma de Andalucía, ocupa una extensión de 13.769 km² y que se extiende sobre los tres ámbitos típicos andaluces: Sierra Morena, Depresión del Guadalquivir y Sierras Béticas. Córdoba capital está situada en el sector central de las campiñas béticas (latitud 37º53’, longitud -4º28’), en el punto donde el valle del Guadalquivir se estrecha, asentándose sobre una terraza fluvial de 123 m de altitud, próxima al borde de Sierra Morena, con el término municipal más grande de la provincia (1.253,5 km²) que hace que su territorio se expanda tanto en la campiña como hacía la sierra. El clima es templado medio, caracterizado por un invierno suave. La temperatura media anual es de 17,6 °C, siendo de 9,6 °C en invierno, 15,7 °C en primavera, 26,6 °C en verano y 18,6 °C en otoño, las precipitaciones medias anuales son de unos 664 litros/m2 por año, lo que hace que sea una zona más bien árida. La provincia tiene actualmente una población de 805.10897 habitantes lo que supone una densidad de población de 58 hab/ km² frente a los 767.175 habitantes que tenía en el año 1998 y una densidad de 55 hab/km². Esta provincia tiene un índice de infancia algo superior a la media nacional (15,7% frente a 14,6%), aunque a la vez tiene un mayor porcentaje de envejecimiento (17,2% frente a 16,7%). 96 Belalcázar, Fuente la Lancha, Hinojosa del Duque y Villanueva del Duque de Extremadura y Belmez (con Peñarroya-Pueblonuevo) y Villafranca de Córdoba del Reino de Jaén. 97 INE (01/01/2010), 395.570 varones y 409.539 mujeres. 240 Análisis de la vivienda en Córdoba. Estudio econométrico 6.3. POBLACIÓN DE CÓRDOBA. Como se ha afirmado anteriormente, el análisis demográfico es un instrumento imprescindible para el conocimiento del mercado inmobiliario. La población evoluciona constantemente, por lo que es necesario conocer su tendencia, sus movimientos naturales y las posibles incidencias que pueden generarse en la ciudad. En este punto se ha considerado una desagregación de datos en distritos vecinales proporcionado por el Servicio de Estadística del Ayuntamiento. La población de la ciudad alcanza los 329.72398 habitantes, esta cifra supone un incremento del 6,0% respecto al año 1998 (año inicio de los registros), e inferior a la media nacional (18,41%). El aumento de población en esta década, aunque superior a la década anterior, confirma que la ciudad, no se ha visto beneficiada por la expansión demográfica ocurrida en el estado como consecuencia de los fuertes flujos migratorios. Desde el punto de vista histórico, el principal crecimiento poblacional de la ciudad se produjo en periodo comprendido entre 1950 y 1980, coincidiendo también con el baby boom español y la emigración del campo a la ciudad. En estas décadas, el crecimiento medio de la ciudad estuvo entre el 18% y el 20%, lo que supuso una revolución demográfica y una transformación económica de una ciudad centrada hasta entonces en una economía básicamente rural, con algunas islas industriales (Electromecánica, CENEMESA,..), a una ciudad de servicios, tanto en el plano privado (comercio), como en el plano público, con una amplia concentración de funcionarios (delegaciones provinciales, sanidad, colegios, institutos, Universidad,...). Es en este intervalo temporal cuando nacen las barriadas más populares de la ciudad en zonas que antes apenas eran huertas: Barriada de Fray Albino, Sector Sur, Ciudad Jardín, Parque Figueroa, Santa Rosa, Fuensanta, Polígono de Levante, Barriada de Fátima,... 98 INE (01/01/2010), 158.735 hombre y 170.988 mujeres. 241 Análisis de la vivienda en Córdoba. Estudio econométrico En la década de los 80, el crecimiento poblacional de décadas anteriores se modera, aumentando la población un 8,15%, para prácticamente estancarse en la década siguiente (década de los 90) con tan sólo un pobre 1,96%. década marcada, en sus inicios, por una grave crisis económica (gráfica 6.1). Gráfica 6.1: Evolución de la población en Córdoba 350.000 302.154 279.386 300.000 235.632 250.000 200.000 308.072 329.723 198.671 165.403 150.000 100.000 50.000 0 1950 1960 1970 1981 1991 2001 2010 Fuente: Instituto de Estadística de Andalucía En la última década (2001-2010) la población de la capital aumentó en 21.651 habitantes, con un importante número de extranjeros residentes (9.263), que actualmente supone el 2,81% de la ciudad, aunque todavía muy alejada de la media nacional, que en esa misma fecha suponía el 12,1% de la población residente española. Este incremento oscilante de la población se fue asentando en las distintas barriadas de nueva creción, determinando en buena medida, la estructura de ciudad y su su actual la pirámide de población. Las zonas más pobladas son distritos de nueva creación como: el distrito 6 (Norte y Noroeste), el distrito 2 (Levante y Fátima) y el distrito 10 (Poniente) con 64.947, 60.133 y 59.282 habitantes respectivamente99. En el otro extremo se encuentran los distritos históricos de San Pablo-San Andrés; San Pedro-San Francisco-Ribera; Centro-CatedralZona Comercial y el distrito formado por San Lorenzo-La Magdalena-Golondrina; entre los cuatro apenas suman 19.652 habitantes. Estas cifras reflejan la gran desproporción, en la división censal que existe en la ciudad entre los distritos más antiguos y aquellos donde la población se ha ido asentando en su proceso de expansión, a la vez muestra el continuo proceso de despoblación del casco histórico y del centro comercial, situación 99 Estadística de población del Excmo Ayuntamiento de Córdoba (2010) 242 Análisis de la vivienda en Córdoba. Estudio econométrico que aunque se repite en la mayoría de las ciudades modernas, en esta ciudad se agrava al tener un “casco histórico” muy importante. Los indicadores de estructura de edades (6.1) muestran un creciente envejecimiento de la población, que se manifiesta en el índice de vejez100 que alcanza un valor del 100,6%; es decir, que hay más personas mayores de 65 años que niños menores de 15 años. Tabla 6.1: Indicadores que la estructura de edades Córdoba España Índice de infancia (%) 15,7% 14,6% Índice de envejecimiento (%) 15,8% 16,7% Índice de senectud (%) 11,5% 12,7% 39,6 40,3 Edad media de la población Fuente: Instituto Nacional de Estadística (2009) Las pirámides de edad también reflejan un progresivo envejecimiento. Los grupos de edad más numerosos en 1998 eran los jóvenes de edades comprendidas entre los 20 y los 24 años, seguido del grupo de edad de los 30 a 34 años, básicamente la generación nacida durante el baby boom. Pero la estructura poblacional en el año 1998, ya indica una población madura, como refleja el estrechamiento en la base -tramos de edad comprendidos entre 0 y 19 años- y un ensanchamiento de la parte superior de esta pirámide, típica de este tipo de poblaciones. Una década después, en el año 2010, este proceso se agrava elevándose el estrechamiento en diez años -edades comprendidas entre 0 y 29 años- y paralelamente se produce un importante incremento de la población mayor de 80 años. Por sexo, se observa cómo en los grupos de edad superiores, las mujeres son las más numerosas; esta mayor presencia de la mujer frente al hombre, similar al que ocurre en el resto del estado, aparece por la disminución de enfermedades de origen infeccioso, el predominio de las enfermedades degenerativas y la extensión de modos de vida y hábitos no saludables como son: el estrés, el tabaco y el alcoholismo entre otros para el 100 Cociente entre la población mayor de 65 años y la población menor de 15 años. 243 Análisis de la vivienda en Córdoba. Estudio econométrico sexo masculino. En este caso, la Organización Mundial de la Salud prevé que estas diferencias en la mortalidad entre ambos sexos disminuirán en el futuro por la difusión de modos de vida y hábitos similares entre hombres y mujeres. Gráfica 6.2: Pirámide de población (1998 y 2010) 85 - años 80- 84 años 75- 79 años 70- 74 años 65- 69 años 60- 64 años 55- 59 años 50- 54 años 45- 49 años 40- 44 años 35- 39 años 30- 34 años 25 - 29 años 20- 24 años 15- 19 años 10- 14 años 5- 9 años 0-4 años Mujeres 10% Varones % (1998) Hombres 5% Mujeres % (1998) 0% 5% Varones % (2010) 10% Mujeres % (2010) 101 Fuente: Excmo. Ayuntamiento de Córdoba, Estadística de Población El envejecimiento poblacional de la ciudad se produce pues, por la conjunción de dos factores: un incremento de la esperanza de vida que supone un mayor número de personas mayores y especialmente mayores de 80 años, unido a una progresiva disminución de la natalidad. Pero además, los hogares cordobeses cada vez son menos numerosos. La unidad familiar tipo cordobesas no tiene hijos o en su defecto uno o dos a lo sumo. Esta tendencia se ha acentuado en el decenio 2001-2010102. El porcentaje de unidades familiares sin hijos se ha incrementado un 5%, disminuyendo a su vez las familias con uno o dos hijos, mientras que las familias denominadas numerosas; es decir, con tres o más hijos aparecen en porcentajes muy reducidos y en tendencia descendente. Este 101 Las cifras corresponden a 01/01/1998 y 01/01/2010 según padrón municipal. 102 Datos a uno de enero de los respectivos años, comienzo y final de la serie estadística del Excmo. Ayuntamiento de Córdoba (Estadística de Población). 244 Análisis de la vivienda en Córdoba. Estudio econométrico dato supone un cambio radical en la estructura familiar tradicional, donde las familias numerosas (cuatro o más hijos) representaban un alto porcentaje. Tabla 6.2: Número de hijos menores unidad familiar ( menos de 18 años) Año Nº unidades familiares con 0 hijos menores de edad con 1 hijo menor de edad con 2 hijos menores de edad con 3 hijos menores de edad con 4 hijos menores de edad 2001 105.296 62,5% 18,7% 15,1% 3,0% 0,7% 2010 121.652 67,2% 17,1% 13,0% 2,1% 0,6% Fuente: Excmo. Ayuntamiento de Córdoba (Estadística de Población) Al desagregar por distritos vecinales (ver anexo I), se observa la existencia de áreas de crecimiento poblacional, con estructuras de edades más jóvenes e índices de infancia superiores a la media local y nacional, entre las que destaca el distrito vecinal de Poniente Norte con un índice de infancia del 19,6%, por tan sólo un 9,6% de envejecimiento; o los distritos: Periurbano Oeste (18,5% índice de infancia y 11,6% índice de envejecimiento) y Levante (19,9% índice de infancia y 15,5% índice de envejecimiento), que también se caracterizan por tener un crecimiento y estructura poblacional joven. Pero se aprecian áreas de estancamiento poblacional como consecuencia de su envejecimiento, entre estas zonas destaca el distrito Poniente-Sur, con un índice de infancia de tan sólo el 13,1%, frente a un índice de envejecimiento del 19,7%, o los distritos: Centro (14,2% índice de infancia y 19,3% índice de envejecimiento) y Sureste (14,4% índice de infancia y 17,8% índice de envejecimiento), (ver tabla 6.3). Esta zonificación de la vejez es consecuencia de la evolución histórico-urbana de la ciudad. A partir de las décadas de los años 50-60, la capital fue creciendo mediante la construcción de “polígonos de viviendas” para dar acogida a una nueva población fruto del boom demográfico y de la inmigración interior del campo a la ciudad. Estos barrios fueron envejeciendo, pero también la población acogida en ellos determinando su fisiología actual, entre otras causas, por la escasa rotación en el cambio de vivienda dentro de la ciudad. 245 Análisis de la vivienda en Córdoba. Estudio econométrico El envejecimiento de la población cordobesa repercutirá a medio plazo en el mercado de la vivienda de no corregir esta tendencia, vía incremento de la natalidad o población inmigrante. Tabla 6.3: Índices de y envejecimiento en los distritos vecinales de Córdoba Distrito vecinal Población Índice de infancia Índice de envejecimiento Distrito Centro 48.675 14,2% 19,3% Distrito Levante 52.893 14,5% 15,5% Distrito Norte-Centro 35.945 18,8% 13,4% Distrito Poniente-Norte 13.538 19,6% 9,6% Distrito Poniente-Sur 42.535 13,1% 19,7% Distrito Sierra-Norte 38.621 16,4% 14,2% Distrito Sur 37.106 17,4% 16,2% Distrito Sureste 30.337 14,4% 17,8% Distrito Periurbano Este 11.168 15,8% 13,3% Distrito Periurbano Oeste 18.655 18,5% 11,6% 240 11,7% 8,3% Polígonos Industriales Fuente: Excmo. Ayuntamiento de Córdoba (Estadística de Población) Evaluado el número de habitantes y el crecimiento de la población, la etapa siguiente consiste en estudiar las necesidades de vivienda como consecuencia de la evolución demográfica. La literatura al respecto coincide en afirmar que la tasa de formación de unidades familiares suele ser más rápida que la tasa de crecimiento de la población, entre otras cosas por la disminución del número de componentes de cada unidad familiar, ya analizado a nivel nacional, y otros factores demográficos y sociales entre los que se puede citar: la mayor longevidad; el mayor número de matrimonios o parejas de hecho y la creciente proporción de solteros, divorciados y viudos que tienden a formar su propio hogar103. La consecuencia más importante para la vivienda es el crecimiento de la demanda de pequeñas viviendas. La evolución del número de unidades familiares creadas en el periodo 2000-2010 queda reflejada la gráfica 6.3, donde se evidencia que tras un inicial estancamiento, el 103 Aunque existen autores que plantean que es precisamente la oferta del mercado de la vivienda y su regulación política la que incentivan el adelanto o retraso de formación de nuevos hogares, especialmente en España. Considerando que la configuración del mercado de la vivienda entorpece la difusión de las parejas de hecho y de los hogares unipersonales; ver Leal (1997), Jurado (2003) y otros. 246 Análisis de la vivienda en Córdoba. Estudio econométrico incremento en el número de unidades familiares creadas en la ciudad ha sido incluso mayor al aumento poblacional. Gráfica 6.3: Evolución del número de unidades familiares Unidades familiares 125.000 118.172 116.306 114.785 120.000 112.140 115.000 110.000 107.353 105.299 121.652 120.440 119.638 112.926 105.000 105.296 100.000 95.000 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Fuente: Excmo. Ayuntamiento de Córdoba (Estadística de Población); elaboración propia Al contrastar el incremento porcentual de la población, con el incremento de las unidades familiares (gráfica 6.4), se observa la existencia de una correlación104 positiva entre ambas series de 0,64 (coeficiente de correlación de Pearson), que aunque resulta difícil precisar a partir de qué valor podemos considerar que existe una correlación lineal entre dos variables, tomando los valores dados por Bisquera (1989), podemos afirmar que es una correlación alta. Gráfica 6.4: Incremento proporcional de la población y unidades familiares 5% 4% 3% 2% 1% 0% -1% 2001 2002 2003 2004 Incremento población % 2005 2006 2007 2008 2009 2010 Incremento unidades familiares % Fuente: Excmo. Ayuntamiento de Córdoba (Estadística de Población); elaboración propia 104 Se habla de correlación cuando se refiere a la relación existente entre dos variables, su intensidad y su sentido (positivo o negativo). 247 Análisis de la vivienda en Córdoba. Estudio econométrico 6.4. ESTADO DEL MERCADO DE LA VIVIENDA EN CÓRDOBA Para conocer su situación es necesario considerar que el mercado de vivienda usada está indisolublemente unido al funcionamiento de la vivienda nueva, no se puede hablar de la existencia de dos mercados diferenciados, sino dos enfoques de un mismo mercado. No se puede afirmar que el mercado de la vivienda nueva funciona bien, mientras el mercado de la vivienda usada funciona mal; al contrario, el buen o mal funcionamiento de ambos tipos de mercados marcharan de forma paralela, y la crisis en uno repercutirá en el otro. Otra cosa distinta será, en qué grado afectará al precio de la vivienda, la expansión o la contracción de dichos mercados, pues dependerá de la característica del bien, de la situación, de la antigüedad y de otros elementos de fijación del precio hedónico. El número de compraventas tanto de viviendas nuevas como usadas en la ciudad tenía un volumen importante hasta el año 2008, donde se produce un importante descenso respecto al año anterior (37,4%). Inicialmente esta contracción es más importante en la vivienda usada (-44,48%) que en la vivienda nueva (-26,15%). Pero en los dos años siguientes, es en la vivienda nueva la que más disminuye en número de operaciones, entre otras causas, porque la construcción se paraliza y son las viviendas usadas las que absorben el 72,5% del número de operaciones. Tabla 6.4: Número de compraventas en la ciudad de Córdoba Numero de Compraventas 2.004 2.005 2.006 2.007 2.008 2.009 Viviendas nuevas 1.582 1.023 1.433 1.778 1.313 1.130 770 Viviendas usadas 3.995 3.061 3.330 2.801 1.555 1.567 2.027 Total 5.577 4.084 4.763 4.579 2.868 2.697 2.797 2.010 Fuente: Ministerio de Fomento La construcción era una de las actividades económicas de mayor importancia en la ciudad, con una presencia creciente hasta el 2008. Este protagonismo se vio favorecido por la bonanza de un sector que creció por encima del resto de los sectores configurándose como uno de los motores de la economía local. 248 Análisis de la vivienda en Córdoba. Estudio econométrico Si en España, en el año 2009, a pesar de la crisis, la construcción representaba el 10,7% del PIB, en Andalucía y en Córdoba, su peso era mayor. Se estima en el 11,4% del PIB andaluz tenía relación con el sector de la construcción, con un volumen de empleo de 285.000 trabajadores (9,75% del total de la población ocupada), dos años antes, en 2007 representaba 15,58% y 501.600 trabajadores. El descenso, en este sector, de la ocupación ha sido generalizado, con caídas del 32,9% (-23% en España), lo que suposo que casi las dos terceras partes de la pérdida de empleo ocurrida en la región fue este sector (61,5%)105. En 2009 sólo se iniciaron 36.379 viviendas en Andalucía, lo que suponía un 31,2% inferior al ejercicio precedente, y la menor cifra de construcción en un año desde el comienzo de la serie estadística en 1979. Por su parte, el número de viviendas terminadas en Andalucía, fue de 69.848 viviendas, un 41,4% menor que el año anterior. Tanto para las viviendas iniciadas, como las terminadas, el descenso viene explicado exclusivamente en el segmento de renta libre, donde número de viviendas iniciadas disminuyó en un 67,6% y las terminadas en un 45,2%. Gran parte de la promoción de nuevas viviendas se derivó a la vivienda de protección oficial, ya que el número de este tipo de viviendas aumentó un 67,8% (viviendas iniciadas) y las terminadas en 3,9%. A nivel local, la caída fue mayor, si el número de inmuebles tipo vivienda que había en la ciudad a finales del año 2010 ascendía a 139.475106, sólo 626 vivivendas se dieron de alta en ese año, con un descenso del 62,87% respecto al año anterior y un volumen inferior al número de operaciones de compraventa de viviendas nuevas que se hicieron ese año. Por lo que se plantea la duda si se ha producido un realmente un importante desfase entre las viviendas nuevas construidas en este ciclo y el número de posibles demandantes107. La grafica 6.5 muestra la diferencia existente entre el número de viviendas nuevas registradas en la Delegación del Catastro en Córdoba (Urbana) y el 105 Incluido las industrias auxiliares y las industrias anexas al sector (fuente: IEA) 106 Fuente: Oficina del Catastro en Córdoba (Urbana). 107 Un indicador bastante aproximado del número de posibles demandantes de vivienda es el número de unidades familiares. 249 Análisis de la vivienda en Córdoba. Estudio econométrico número de nuevos núcleos familiares creados en la ciudad. Puede observarse que, mientras que en ese período se han dado de alta en el Registro Catastral 18.764 nuevas viviendas, el número de nuevos núcleos ha ascendido a 16.353; es decir, si se parte de la tendencia que cada núcleo familiar108 deba ocupar una vivienda, existe al menos un exceso de 2.411 viviendas nuevas. Esta cifra no es excesivamente alta, si se considera que según el Censo de Población y Viviendas del año 2001, el porcentaje de viviendas principales alcanza el 77,2% del parque inmobiliario (en el año 1991 alcanzaba el 79,3%). Debe notarse, que estas cifras corresponden al término municipal, por lo que no recogen datos de municipios, que estando fuera del término municipal cordobés, forman parte de su área de influencia, ni las parcelaciones que hay que añadir al mercado de vivienda usada rehabilitada (aunque número es reducido) Este superávit comienza a amortizarse, aunque ha disminuido el número de nuevos núcleos familiares (1.212 nuevos núcleos familiares) en el año 2010, este descenso ha sido bastante menor que el producido en la construcción, que ha sufrido un fuerte parón (sólo 770 viviendas nuevas). De continuar este ritmo constructivo el exceso de inmuebles en la ciudad puede ser absorbido en tres-cuatro años. Las cifras de stocks en viviendas no es un dato que pueda aplicarse únicamente a vivienda de nueva construcción, no debe olvidarse que en la evolución dinámica de una ciudad se produce un proceso de filtraje, ya definido en capítulos anteriores, que explica el nexo que existe entre la vivienda nueva y usada. Las familias al evolucionar en su proceso vital, también evolucionan socioeconómicamente, por lo que tienden a comprar viviendas nuevas de más calidad o usadas en buenas condiciones. Este traslado de una vivienda usada a otra, ha estado financiado por las entidades crediticias, sirviendo generalmente la vivienda usada como parte del pago de esta nueva vivienda 108 Preguntada la oficina de Estadística del Ayuntamiento de Córdoba sobre qué considera “núcleo familiar”; siendo su respuesta, que no necesariamente, un núcleo familiar ocupa una vivienda individual. Es decir, en una vivienda puede residir más de un núcleo familiar. 250 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 6.5: Diferencia entre creación de núcleos familiares nuevos y viviendas nuevas inscritas 2001 1.723 2002 61 2003 -2.521 2004 794 2005 50 2006 934 2007 657 2008 415 2009 2010 884 -586 Fuente: Excmo. Ayuntamiento de Córdoba (Estadística de Población) y Catastro de Córdoba; elaboración propia . 6.5. FUENTES DE INFORMACIÓN. La fuente de información de este estudio metodológico ha sido las ofertas de viviendas que las Agencias de la Propiedad Inmobiliaria y particulares anuncian en la revista de tirada local especializada en venta de bienes inmuebles “DIRECTO A CASA”. Esta revista mensual tiene una tirada en torno a los 60.000 ejemplares mensuales y se reparte en más de 300 establecimientos de Córdoba. En ella, publicitan las principales agencias entre las que podemos citar: Grupo Inmobiliario Barin, UNICASA, Inmobiliaria Aranda, Califal, SUR Inmobiliaria, GESTIMARS, Vallehermoso, Tejares, SANGO, Casabank, DOBLE ELLE, INJUPISA, Grupo Inmobiliario Soto y otras; además de particulares. Los datos recogidos corresponden al periodo comprendido entre septiembre de 1998 y julio de 2009. Los registros (5.930) fueron sometidos inicialmente a un proceso de filtración y homogenización, con el objeto de alcanzar toda la estructura espacial de la ciudad. Por lo tanto, se consigue una muestra representativa de la oferta mensual de viviendas en el período considerado que se ha efectuado en la ciudad. 251 Análisis de la vivienda en Córdoba. Estudio econométrico Para conseguir el objetivo del análisis territorial, la ciudad se divididiò en 36 áreas o zonas de estudio pertenecientes a los 10 distritos censales (sólo en el municipio de Córdoba). No obstante, no se puede comprobar de forma fehaciente, los aspectos de aleatoriedad y representatividad, ya que no existen estadísticas publicadas que recojan de forma desagregada la información correspondiente al universo de población considerada. La elección de los datos recogidos, en esta publicación, como fuente apropiada para la investigación, se justifica en la medida que cumple una serie de condiciones: 1. La fuente recoge un amplio número de observaciones sobre las características de las viviendas, su localización y su precio de oferta, tratándose de observaciones individuales de cada vivienda. 2. Las observaciones pueden considerarse que cumplen las condiciones de aleatoriedad, a través de un muestreo aleatorio simple y una buena representatividad al tener la publicación más de 1.100 ofertas mensuales clasificadas por precios y áreas geográficas, lo que permite considerar a los resultados obtenidos en el estudio de la muestra, como representativos. El universo de los datos está formado por la oferta de viviendas de carácter libre, básicamente con más de dos años de antigüedad109. Al tratarse del ámbito territorial de Córdoba, se ha optado por un muestreo aleatorio estratificado por zonas geográficas, escogiendo aleatoriamente, cada mes, observaciones en todas las áreas que se han ofertado viviendas. A efectos de estudio, las 36 zonas de la ciudad se han integrado en 5 áreas socioeconómicas para conseguir mayor homogeneidad y equilibrio en las observaciones, compensando la falta de datos de alguna zona en algún período temporal. 109 Aunque la oferta de la vivienda no recoge la antigüedad, atributo que se considera importante en la literatura. Por lo que uno de los objetivos de nuestro estudio metodológico es comprobar si la ausencia de ese atributo puede condicionar un buen ajuste en el modelo de determinación de precios. 252 Análisis de la vivienda en Córdoba. Estudio econométrico 3. Las observaciones de cada una de las unidades de vivienda, tienen suficiente información sobre sus atributos que permiten definir las variables explicativas (características físicas, dimensión, localización, etc.) determinantes del precio del inmueble. Por esta razón, podemos afirmar que el conjunto de datos obtenidos son lo suficientemente nutridos como para realizar un análisis metodológico ceteris paribus convincente. Una vez estudiada la variabilidad de los datos y garantizada su homogeneidad, se ha realizado una comprobación inicial para determinar si los resultados obtenidos muestran diferencias notables con las series estadísticas de otras fuentes y detectar posibles desviaciones. Se ha contrastado los precios medios por metro cuadrado con los valores estadísticos de la Sociedad de Tasación110. Las estadísticas públicas de esta sociedad se obtienen a partir de los valores medios de tasación, obtenidos a partir de los informes que son usados como garantía para la consecución de créditos hipotecarios. El contraste entre ambas series, muestra que existe una relación entre los precios de oferta de la vivienda de nuestra muestra (POV) y los precios de venta que proporciona la Sociedad de Tasación (PST) de: POV = 1,187 PST También se demuestra que ambas series están asociadas a la población de la que provienen, y que dicha asociación muestra una elevada correlación directa (0,992). Al estudiar la relación lineal entre ambas variables, se obtiene un coeficiente de determinación de 0,996 con un error típico de 106,13 €/m2. 110 La elección como precio de referencia proporcionado por La Sociedad de Tasación, se debe a que su base de datos contiene la evolución de los precios por metro cuadrado de vivienda para la capital cordobesa. A diferencia de otras bases que tienen una desagregación a nivel provincial. 253 Análisis de la vivienda en Córdoba. Estudio econométrico 2 Gráfica 6.5: Evolución de precios de oferta y precios de la Sociedad de Tasación (€/m ) 3000 € 2500 € 2000 € 1500 € 1000 € 500 € Prec. Oferta Prec. Sociedad de Tasación Fuente: Elaboración propia La gráfica 6.5 presenta la evolución de los precios de oferta en €/m2 obtenidos en la muestra de estudio y en la serie estadística de Sociedad de Tasación. A medida que se produce un proceso alcista en el mercado inmobiliario, los precios de la muestra crecen por encima de los precios de tasación, por la apreciación que tiene los oferentes individuales sobre el valor de su vivienda. Éste fenómeno está descrito como “efecto dotación” (the endowment effect); cuando un bien forma parte de la dotación, esto es, del patrimonio de una persona, el valor aumenta para ésta; o en otras palabras, pedimos más por desprendernos de algo que ya tenemos, que lo que estaríamos dispuestos a pagar por adquirirlo. En la medida que la crisis inmobiliaria se hace pública y notoria, también se corrige la apreciación, que sobre el propio bien, tiene el oferente y vuelve a aproximarse al valor de tasación. No debe olvidarse que estas entidades de tasación, también tienden a suavizar la caída de precios, puesto que en caso contrario, estarían reconociendo que los inmuebles en poder de las entidades financieras, a las que pertenecen y son clientes, tienen un menor valor. 254 Análisis de la vivienda en Córdoba. Estudio econométrico 2 Tabla 6.5: Evolución de precios de oferta y precios de la Sociedad de Tasación (€/m ) Fecha Prec. Oferta Prec. Sociedad de Tasación dic-98 jun-99 dic-99 jun-00 dic-00 jun-01 dic-01 jun-02 dic-02 jun-03 dic-03 jun-04 dic-04 jun-05 dic-05 jun-06 dic-06 jun-07 dic-07 jun-08 dic-08 jun-09 709 € 751 € 838 € 875 € 1.038 € 1.008 € 1.174 € 1.152 € 1.237 € 1.350 € 1.595 € 1.693 € 2.034 € 2.073 € 2.073 € 2.243 € 2.467 € 2.470 € 2.507 € 2.506 € 2.374 € 2.149 € 754 € 778 € 790 € 841 € 893 € 951 € 989 € 1.038 € 1.150 € 1.218 € 1.321 € 1.391 € 1.565 € 1.638 € 1.755 € 1.872 € 1.927 € 2.055 € 2.086 € 2.081 € 1.991 € 1.909 € Fuente: Sociedad de Tasación y elaboración propia. Los precios medios de oferta de la muestra son un 18,7% superiores a los precios de la Sociedad de Tasación (tabla 6.5), que se considera un valor aceptable y se encuentra dentro del porcentaje de variación que las entidades financieras y la Sociedad de Tasación consideran a la hora de la valoración de una vivienda para la concesión de un préstamo con garantía hipotecaria, y además, existe un alto grado de correlación directa, por lo que podemos afirmar que es una buena aproximación a los precios de oferta en el período analizado. 6.5.1. DIVISIÓN GEOGRÁFICA PARA DE LA CIUDAD Dado que la mayoría de las ofertas publicadas corresponden a Agencias de la Propiedad Inmobiliaria, la localización de los inmuebles está considerada como confidencial. A la hora de anunciar una vivienda, se promociona el barrio donde se encuentra, por lo que fue necesario dividir la ciudad en las zonas como popularmente se conocen. Se desechó una división por distritos censales111 para el estudio metodológico, 255 Análisis de la vivienda en Córdoba. Estudio econométrico porque la división existente en Córdoba no es homogénea, unificando dentro de los mismos distritos, barrios con realidades socioculturales muy distintas de ciudad, lo mismo ocurre en la división por distritos vecinales que el Ayuntamiento realiza a efectos de contabilización de la población cordobesa. La división adoptada se ha realizado considerando: - División administrativa de barriada (Ciudad Jardín, Sta. Rosa, Parque Azahara, Parque Figueroa, etc.) - Áreas con características socioculturales de los habitantes (Centro, ColónOllerías, Vistalegre-Ministerios, Zoco, Plan RENFE, Arroyo del Moro, Camping etc.). - Características urbanísticas de las zonas en función de su evolución urbanística e histórica que determinan edificaciones de características similares y morfología constructiva (Sta. Marina - S. Lorenzo - S. Agustín - S. Pedro - S. Andrés, etc.). - Zonas periurbanas donde existen edificación legales y porcentajes importantes de construcciones irregulares (Carretera del Aeropuerto, Cuevas Bajas, El Higuerón, Encinarejo, La Barquera, Villarrubia, Alcolea, etc.). La división geográfica adoptada se presenta en la tabla 6.6: Tabla 6.6: Zonificación de Córdoba 1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.111 Centro Colón - Ollerías Ciudad Jardín Vistalegre - Ministerios Vallellano - Fleming Poniente-Zoco Sta. Rosa – Huerta de Machaquito - Cruz de Juárez Mirasíerra - Camping - Carrefour El Carmen - Valdeolleros Avd. Barcelona - Viñuela - Rescatado Brillante Parque Cruz Conde Carlos III Fátima Levante Parque Azahara Miralbaida Los datos existentes en los Distritos Censales han sido utilizados, únicamente, para la descripción del stock del mercado inmobiliario en Córdoba. 256 Análisis de la vivienda en Córdoba. Estudio econométrico 18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.- Fuensanta Fidiana Cañero Santuario Figueroa - Margaritas - Barriada de la Paz Huerta de la Reina Polígono del Guadalquivir - Cerro Judería - San Basilio El Naranjo Sta. Marina - S. Lorenzo - S. Agustín - S. Pedro - S. Andrés Sector Sur -Plaza Andalucía Arroyo del Moro Barriada Occidente - Periodista Quesada Chacón El Tablero - Patriarca Estación RENFE - Vial Norte Campo de la Verdad, Fray Albino Carrera del Caballo, Cerro Muriano, Assuan, II Columnas. La Colina, Las Jaras, Carretera del Aeropuerto, Cuevas Bajas, El Higuerón, Encinarejo, La Barquera, Villarrubia, Alcolea, Alcolea, Encinares de Alcolea, Parcelación el Sol, 35.36.- Estas áreas, a su vez, se han homogeneizado en cinco zonas agrupadas por el nivel socioeconómico, en función de los datos del callejero fiscal proporcionado por el Excelentísimo Ayuntamiento de Córdoba. Tabla 6.7: Agrupación de las zonas por niveles socioeconómicos ZONAS NIVEL DE RENTA BARRIOS QUE AGRUPA Zona 1 Renta Baja Zona 2 Renta Media - Baja 1 2, 1 3, 1 4, 1 5, 1 6, 19, 20, 21, 22, 23, 26, 30, 33, 35, 36 Zona 3 Renta Media 3, 7,9, 10,25,27, 34 Zona 4 Renta Media - Alta 4, 5, 6, 8, 29 Zona 5 Renta Alta 1,2,11,31,32 1 7, 18, 24, 28 En la siguiente página se presenta un plano con las divisiones socioeconómicas de la capital cordobesa. 257 Análisis de la vivienda en Córdoba. Estudio econométrico 258 Análisis de la vivienda en Córdoba. Estudio econométrico 6.6. VARIABLES EMPLEADAS. DESCRIPCIÓN ESTADÍSTICA DE LA MUESTRA. 6.6.1. TAMAÑO DE LA MUESTRA Se evalúan 5.930 ofertas de viviendas comprendidas entre septiembre de 1998 y julio de 2009 publicadas en la revista de tirada local especializada en venta de bienes inmuebles “DIRECTO A CASA”. Las ofertas publicadas corresponden en su mayoría a las Agencias de la Propiedad Inmobiliaria, aunque los particulares también publicitan sus viviendas. 6.6.2. ELECCIÓN EXPLICATIVAS DE LAS VARIABLES DEPENDIENTE Y La variable dependiente elegida, que define la ecuación del modelo, toma como dato el precio de oferta de cada vivienda analizada, expresada en euros. Estos precios suponen la valoración de una realidad homogénea en referencia a un tipo concreto de vivienda, pero no supone que realmente sea el valor de intercambio que alcanza ese bien en el mercado, como se ha referido anteriormente en este trabajo. Para la elección de las variables explicativas utilizadas, se han seguido los siguientes criterios: - Son atributos observables tanto para el vendedor como para el comprador. - Son variables no sometidas a un proceso de agregación para evitar la existencia de multicolinealidad y por ente, permita estudiar su significación. - Permiten definir las principales características del bien. - Son variables explicativas fundamentadas en estudios teóricos empíricos precedentes. Las variables explicativas utilizadas son las siguientes: 259 Análisis de la vivienda en Córdoba. Estudio econométrico Superficie: variable de tipo cuantitativa, representa los metros cuadrados de superficie construida de las viviendas. Índice de zona: variable ficticia correspondiente a la ubicación de la vivienda (zona de estudio estadístico). Se definen 36 zonas estadísticas que pertenecen a los 10 distritos censales en los que el INE tiene dividida la capital cordobesa. Número de dormitorios: variable de tipo cuantitativo que representa el número de dormitorios que tiene la vivienda Número de baños: variable de tipo cuantitativa que representa el número de baños y/o aseos de la vivienda. Cocina amueblada: variable binaria. Se codifica 1 si tiene cocina amueblada, 0 si no lo tiene. Ascensor: variable binaria. Se codifica 1 si el edificio de la vivienda tiene ascensor, 0 si no lo tiene. Climatizado: variable binaria. Se codifica 1 si la vivienda tiene climatización o máquinas de aire acondicionado, 0 si no dispone de ellas. Nuevo: variable binaria. Se codifica 1 si la vivienda tiene menos de dos años, 0 tiene más de dos años. Terraza: variable binaria. Se codifica 1 si la vivienda tiene terraza, 0 si no dispone de ella. Exterior: variable binaria. Se codifica 1 si la vivienda es exterior (al menos una habitación), 0 si no tiene ninguna habitación al exterior. Garaje: variable binaria. Se codifica 1 si la vivienda dispone de plaza de aparcamiento o cochera cerrada, 0 si no dispone de ella. Trastero: variable binaria. Se codifica 1 si la vivienda tiene trastero, 0 si no tiene. Jardines: variable binaria. Se codifica 1 si el edificio tiene entre sus zonas comunes jardín o espacio abierto, 0 si no tiene. Piscina: variable binaria. Se codifica 1 si el edificio tiene entre sus zonas comunes piscina, 0 si no tiene. Vivienda individual: variable binaria. Se codifica 1 si la vivienda es unifamiliar, 0 si no es. Estas variables se agrupan en dos grandes bloques: variables internas de la vivienda y variables del edificio donde se ubica la vivienda. A su vez las variables internas se han dividido en variables que determinan la característica básica de la vivienda, 260 Análisis de la vivienda en Córdoba. Estudio econométrico variables que determinan la orientación o luminosidad y elementos extras. Para las variables del edificio se consideran características básicas de la construcción, localización y elementos extras. La tabla 6.8 resume las variables correspondientes a cada una de las características mencionadas. Tabla 6.8: Variables explicativas empleadas Trastero Cochera Ascensor Localización Exterior Terraza Característica básicas de la construcción Superficie construida Nº de dormitorios. Nº de baños/aseos. Climatización. Nuevo. Lujo. VARIABLES DEL EDIFICIO Zona Extras Extras Orientación/ luminosidad Característica básicas de la vivienda VARIABLES INTERNAS DE LA VIVIENDA Jardines Piscina Una vez definidas las variables con las que se va a trabajar, se procede un análisis univariante estático y dinámico de los atributos intrínsecos y a un análisis bivariante, en los que se relaciona los atributos con nivel socioeconómico de la zona en la que se ubica. 6.6.3. VARIABLE DEPENDIENTE (PRECIO DE OFERTA) Se analiza el comportamiento del precio de oferta desde el punto de vista estático y dinámico. 6.6.3.1. ANÁLISIS DINÁMICO En la tabla 6.9 puede observarse la evolución de los resultados precios de oferta de la muestra, tanto en precios corrientes como deflactados112. Siendo el incremento 112 Para calcular los precios índices del IPC, base 2008, se utiliza la definición del gasto de consumo de la EPF (Encuesta de Presupuestos Familiares): “el gasto de consumo es el flujo monetario que destina el 261 Análisis de la vivienda en Córdoba. Estudio econométrico medio del precio medio de la serie de un 11,13% según precios corrientes y de un 8,04% de medio anual al deflactar los precios. Tabla 6.9: Precio medio de la muestra €/m2 Precio €/m2 sin deflact Precio €/m2 deflactado Var. % precio €/m2 sin deflac. Var. % precio €/m2 deflac. 4º trim. 1998 709 973 1999 790 1.066 11,5% 9,6% 2000 949 1.236 20,1% 16,0% 2001 1.084 1.366 14,3% 10,5% 2002 1.194 1.455 10,1% 6,5% 2003 1.472 1.740 23,3% 19,6% 2004 1.863 2.136 26,6% 22,8% 2005 2.073 2.301 11,3% 7,7% 2006 2.414 2.586 16,4% 12,4% 2007 2.488 2.596 3,1% 0,4% 2008 2.446 2.446 -2,0% -5,8% 1º sem 2009 2.149 2.169 -11,9% -11,3% Pero la variación de precios no ha sido uniforme, en el gráfico 5.6 puede observarse dientes sierra en las variaciones anuales de precios, que coinciden en tiempo, con ciertos momentos temporales sociopolíticos; a decir: se produce un menor incremento porcentual en los años 2001 y 2002 coincidiendo con una ralentización de la economía internacional, y en menor medida, en la economía española de la época Aznar, en el año 2005 se produce la alternancia en el gobierno con la entrada del Presidente Rodríguez Zapatero, que fue precedida por la masacre de Atocha y que originó incertidumbre en la sociedad española, recuperándose al año siguiente con la evolución del gobierno. A partir del año 2007, ya se puede observar claramente el comienzo de la crisis inmobiliaria en la que nos encontramos actualmente, con el estancamiento, primeramente de los precios, para en los años siguientes entrar en una clara fase de recesión. hogar y cada uno de sus miembros al pago de determinados bienes y servicios, con destino al propio hogar o para ser transferidos gratuitamente a otros hogares o instituciones”. Para la determinación del IPC anual se utiliza la fórmula de Laspeyres, ya utilizada en el IPC, base 2001. El índice general correspondiente al mes m del año t se expresa matemáticamente del siguiente modo: Un índice encadenado establecer comparaciones entre período corriente (t) y el período base (0) pero considerando las estaciones intermedias (K). 262 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 6.6: Variación porcentual del precio de la vivienda 30% 26,6% 25% 20,1% 20% 15% 14,3% 11,5% 10% 5% 23,3% 16,0% 9,6% 19,6% 10,1% 11,3% 6,5% 10,5% 16,4% 22,8% 7,7% 12,4% 3,1% -2,0% 0% 0,4% -5% -5,8% -10% -15% -11,9% -11,3% 1999 2000 2001 2002 2003 Var. % precio viv. deflac. 2004 2005 2006 2007 2008 2009 Var. % precio viv. sin deflac. Al contrastar los precios por áreas geográficas socioeconómicas (gráfica 6.7), se observa la existencia de dos grupos de viviendas definidos por su precio medio: en la parte superior se sitúan los inmuebles de las zonas asociadas a renta alta y media-alta, y en la parte inferior el grupo de viviendas pertenecientes a zonas asociadas a renta media, media-baja y renta baja. El precio medio de los inmuebles ubicados en zonas calificadas de renta mediaalta y alta siguen un comportamiento similar hasta el año 2006, donde los precios de las viviendas de renta media-alta se modera y tienden a la baja, mientras, los inmuebles de renta alta mantienen su progresión hasta el año 2008. Consideramos que la causa fundamental es la salida al mercado de segunda mano, en estas fechas, de viviendas de lujo situadas en el eje Vial Norte y viviendas del Tablero Bajo, que antes se habían detectado en cantidad muy reducida en la ofertas de ventas. Un porcentaje importante de estas viviendas se compraron por motivos especulativos. La evolución en las zonas de renta media, media baja y baja, es similar, aunque se observa que las viviendas situadas en zonas de renta baja fueron las primeras en sufrir los efectos de la desaceleración inmobiliaria, un año antes como puede apreciarse la gráfica 6.7. 263 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 6.7: Evolución del precio medio de las viviendas por zonas de renta 500.000 € 400.000 € 300.000 € 200.000 € 100.000 € 0€ 1998 Renta Alta 1999 2000 2001 Renta Media-Alta 2002 2003 2004 Renta Media 2005 2006 2007 Renta Media-Baja 2008 2009 Renta Baja Al realizar el estudio comparando estos precios de las cinco zonas de división por m² construido, se observa la existencia de tres grupos de vivienda según zona: por un lado las viviendas situadas en las zonas calificadas de renta alta y media-alta, las viviendas situadas en zonas de renta media y de media-baja y en el último escalón se situarían las zonas con renta baja. Puede observarse en la misma forma que las zonas que mejor aguantan el comienzo de la fase de recesión de los precios son las áreas calificadas como de renta alta. Gráfica 6.8: Evolución del precio por metro cuadrado de las viviendas por zonas de renta 3.500 € 3.000 € 2.500 € 2.000 € 1.500 € 1.000 € 500 € 0€ 1998 1999 Renta Alta 264 2000 2001 2002 Renta Media-Alta 2003 2004 Renta Media 2005 2006 2007 Renta Media-Baja 2008 2009 Renta Baja Análisis de la vivienda en Córdoba. Estudio econométrico 6.6.4. VARIABLES EXPLICATIVAS Se realiza un análisis descriptivo de las variables exógenas seleccionadas, que se han citado anteriormente y que definen la estructura de los precios de oferta de las viviendas. 6.6.4.1. CARACTERÍSTICA BÁSICAS DE LA VIVIENDA En función de la clasificación de las variables exógenas de la tabla 5.8, en este apartado se describen las variables que definen la estructura de las viviendas de esta muestra, entre las que se encuentran: superficie construida, número de dormitorios, número de baños/aseos, climatización de la vivienda, nueva construcción o no y terminaciones de lujo. Procede a realizar un análisis descriptivo univariante, tanto estático como dinámico. A la vez, con el objeto de caracterizar las viviendas según las distintas zonas socioeconómicas en las que se ha dividido la ciudad, se hace un análisis bivariante, relacionando cada atributo con dichas zonas. 6.6.4.1.1. SUPERFICIE CONSTRUIDA ANÁLISIS ESTÁTICO La superficie construida113 media de las viviendas ofertadas en este periodo (1998-2009) es más bien reducida, 105,57 m2, con desviación típica de 35,83 m2, además tan sólo el 25% tienen más de 120 m². Partiendo que las estimaciones indican que la superficie habitable de una vivienda queda reducida entre un 15 y un 20% de la superficie construida (aunque estos porcentajes pueden variar según la característica de 113 El INE define superficie construida como la encerrada por el contorno exterior de los muros perimetrales de cerramiento y los ejes de las medianerías. Los balcones, terrazas y porches se computan de la siguiente forma: Terrazas descubiertas (balcones, cubiertas planas transitables,...) no computarían. Terrazas cubiertas, porches,... cubiertos: al 50% salvo que estén cerradas por 3 de sus 4 lados, en cuyo caso se computarían al 100%. Espacios aprovechables bajo cubierta: computarían aquella superficie con altura libre no inferior a 1,5 m. Se descontaría los patios de luces, pero no huecos de ascensor, ojos de escalera y similares. 265 Análisis de la vivienda en Córdoba. Estudio econométrico la edificación), nos encontramos con una tipología de vivienda de dimensión mediareducida114. Gráfica 6.9: Superficie de las viviendas m2 construidos 800 Nº Media Mediana Moda Desv. típ. Varianza Asimetría Mínimo Máximo Percentiles Frecuencia 600 400 200 Válidos Perdidos 25 50 75 5930 0 105,57 100,0 100,0 35,83 1284,088 2,149 40,0 360,0 80,5 100,0 120,0 0 0,0 100,0 200,0 300,0 400,0 Metros Construídos Se ha clasificado la dimensión de las viviendas en cuatro tipos, con los siguientes resultados globales: - Vivienda muy grande; más de 156 m2/construidos: 6,65% de la muestra. - Vivienda media-grande; superficie [114, 156) m2/ construidos: 25,88% de la muestra. - Vivienda mediana-pequeña; superficie [72, 114) m2/construidos: 12,48% de la muestra. - Vivienda pequeña, superficie menor de 72 m²/construidos: 54, 98% de la muestra. 114 La diferencia para una vivienda tipo entre la superficie construida y la superficie media oscila entre el 15 y 20%. Eso significa que la superficie media útil de la muestra tiene un valor comprendido entre 84,5 y 2 89,7 m . Según el Censo de Población y Vivienda de 2001, la media de superficie útil en la capital 2 cordobesa es de 88,19 m , por lo que apoya la hipótesis de consistencia de los registros de este estudio (ver apartado 2.5.3., pag 57). 266 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 6.10: Superficie Construida 80% 70% 60% 50% 40% 30% 20% 10% 0% Renta Alta Renta Renta Media Renta Renta Baja Media-Alta Media-Baja menos de 72 m2 (72 - 114] m2 (114 - 156] m2 Total viviendas más de 156 m2 Existe una relación directa entre localización y superficie de la vivienda, mientras que la dimensión media en las zonas calificadas como de renta baja es de 87,9 m² construidos, la dimensión se va incrementando hasta alcanzar los 127,3 m² construidos en las zonas calificadas como de renta alta. Se aprecia la existencia de dos grandes grupos de viviendas: en un primer grupo, situamos las viviendas de zonas de renta baja, media-baja y media con dimensiones medias de hasta 100,4 m2; en el segundo, las viviendas experimentan un salto considerable en cuanto a superficie media, lo que les confieren una habitabilidad muy superior (por encima de 119,2 m2 construidos). 2 Tabla 6.10: Zonas de Renta-Superficie de las viviendas m /construidos menos de 72 m2 9,3% (72 - 114] m2 37,9% (114 - 156] m2 33,8% más de 156 m2 18,9% Superficie media Renta Media-Alta 2,9% 39,6% 49,1% 8,4% 119,2 931 Renta Media 14,0% 58,0% 25,0% 3,0% 100,4 1573 Renta Media-Baja 15,8% 69,9% 11,9% 2,5% 93,9 1673 Renta Baja 23,2% 70,5% 5,8% 0,5% 87,9 780 Total general 12,5% 55,6% 25,4% 6,4% 105,6 5930 Renta Alta 127,3 Número de viviendas 973 Por tramos de superficie, se observa (tabla 6.10) que en la zonas socioeconómicas de menos renta, el 93,7% de las viviendas tiene hasta 114 m2 construidos, mientras que tan sólo el 6,3% tiene más 114 m2 construidos. Conforme aumenta el índice de zona a zonas de mayor renta, decrece el porcentaje de inmuebles pequeños, tramo (72, 114] m2, a favor de las viviendas con superficie comprendidas en el tramo (114, 156] m2. Mención aparte merece la dimensión en las zonas de renta alta, donde el tramo de viviendas de grandes dimensiones se incrementa de forma notable. 267 Análisis de la vivienda en Córdoba. Estudio econométrico ANÁLISIS DINÁMICO En Córdoba, la dimensión media de los inmuebles se ha reducido lentamente con el transcurso de los años de estudio, por lo que se puede afirmar que existe una dependencia entre los años del ciclo y la superficie de las viviendas. Se observa una tendencia a la baja de las viviendas de tamaño medio-grande [114, 156) m2/c; si en 1998 este tipo de viviendas representaba el 38,0%, en el año 2009 descendió hasta el 22,2%. Por el contrario se ha incrementado las viviendas del tipo medio-pequeño [72, 114) m2/c; pasando de un 4% en inicio del periodo, al 18,1% al final del primer semestre del año 2009. Como caso particular, en la vivienda grande, se observa un ligero aumento, aunque, este tipo de inmueble, sólo supone un porcentaje en torno al 10% de la oferta. Gráfica 6.11: Evolución de viviendas según superficie 70% 60% 50% 40% 30% 20% 10% 0% 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 < 72 m2/C [72, 114) m2/C [114, 156) m2/C >= 156 m2/C 2008 2009 Hasta el año 2005, el metro cuadrado más caro correspondía a las viviendas de mayor dimensión, puesto que suelen situarse en áreas de mayor poder adquisitivo. A partir de ese año, es la vivienda pequeña (menos de 72m2/c) la que se oferta a un mayor precio alcanzando un valor de 2.880,7 €, frente a los 2.767,5 € de vivienda grande, aunque ha tenido un comportamiento más oscilante que el resto de viviendas (tabla 6.11). Al comparar los incrementos medios de precios, la vivienda pequeña es la que ha tenido un mayor incremento porcentual, habiendo una relación inversa entre incremento medio porcentual del precio y su dimensión, de forma que cuanto mayor ha sido la 268 Análisis de la vivienda en Córdoba. Estudio econométrico superficie de la vivienda, menor ha sido su incremento porcentual en el periodo alcista, 15,71%, 13,26%, 12,91% y 11,89%; respectivamente para la vivienda pequeña, mediana-pequeña, mediana-grande y grande (periodo 1998-2006). También se ha producido un fenómeno similar en el período bajista (2007-2009), de tal forma que a mayor dimensión de la vivienda, mayor ha sido el porcentaje que ha bajado su precio (-3,8%, -2,7%, -3,7% y -6,65%; respectivamente para la vivienda pequeña, medianapequeña, mediana-grande y grande). Tabla 6.11: Evolución del precio de la vivienda según superficie construida 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 menos 72 m2 (72 - 114] m2 (114 - 156] m2 más 156 m2 900,0 1.055,7 1.150,1 1.315,3 1.584,7 1.915,5 2.166,1 2.459,5 2.880,7 2.718,0 2.662,9 2.115,8 929,6 986,8 1.195,6 1.303,1 1.423,7 1.641,6 2.037,9 2.156,8 2.485,5 2.481,2 2.353,3 2.078,9 1.028,0 1.126,4 1.293,0 1.470,9 1.555,7 1.795,7 2.259,3 2.495,8 2.686,7 2.736,6 2.480,9 2.375,5 1.147,5 1.223,0 1.470,5 1.545,1 1.612,0 2.057,8 2.323,1 2.583,5 2.767,5 2.774,8 2.398,4 2.386,4 Variac.% Variac.% Variac.% Variac.% menos (72 - 114] (114 más 156 72 m2 m2 156] m2 m2 17,3% 8,9% 14,4% 20,5% 20,9% 13,1% 13,5% 17,1% -5,6% -2,0% -20,5% 6,2% 21,2% 9,0% 9,3% 15,3% 24,1% 5,8% 15,2% -0,2% -5,2% -11,7% 9,6% 14,8% 13,8% 5,8% 15,4% 25,8% 10,5% 7,6% 1,9% -9,3% -4,2% 6,6% 20,2% 5,1% 4,3% 27,7% 12,9% 11,2% 7,1% 0,3% -13,6% -0,5% 6.6.4.1.2. NÚMERO DE DORMITORIOS ANÁLISIS ESTÁTICO El número medio de dormitorios en los inmuebles ofertados es 3,1 por vivienda, con una desviación típica de 0,81. La vivienda más habitual tiene tres dormitorios, seguido de la vivienda con cuatro dormitorios. Esta cifra supone que el número de habitaciones es relativamente elevado comparado con su dimensión, lo que nos lleva a deducir que existe un gran volumen de viviendas con habitaciones de reducidas dimensiones. 269 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 6.12: Número de dormitorios Nº 4.000 Media Mediana Moda Desv. típ. Varianza Asimetría Mínimo Máximo Percentiles 3.000 Frecuencia Válidos Perdidos 2.000 25 50 75 5930 0 3,1 3,0 3 0,81 0,65 -0,027 0 9 3,0 3,0 4,0 1.000 0 -2 0 2 4 6 8 10 Nº de Dormitorios Su distribución geográfica no es uniforme, las zonas calificadas como de renta baja se caracterizan por tener fundamentalmente viviendas de tres dormitorios (75,5%), y un porcentaje bastante más reducido de viviendas con dos o cuatro dormitorios (11,6%), siendo su promedio de 3,04 dormitorios. En las zonas de renta media-alta y alta, aun siendo la vivienda más característica aquella que tiene 3 dormitorios, aparece un volumen importante de inmuebles con 4 dormitorios. Las zonas de renta alta se caracterizan, a su vez, por tener una variada tipología de viviendas que va de desde los dos dormitorios (19,2%), hasta un importante volumen de viviendas con cinco o más dormitorios (8,6%). Tabla 6.12: Número medio de dormitorios por zonas de renta ZONA 1 2 3 4 dormitorio dormitorios dormitorios dormitorios 5 o más dormitorios Renta Alta 3,9% 19,2% 39,4% 28,9% 8,6% Renta Media-Alta 1,1% 12,1% 46,1% 36,9% 3,8% Renta Media 2,2% 16,0% 52,0% 28,0% 1,8% Renta Media-Baja 1,3% 14,8% 62,2% 20,8% 1,0% Renta Baja 0,5% 11,6% 75,5% 11,6% 0,8% Total general 2,0% 15,3% 53,2% 26,5% 3,0% 270 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 6.13: Disponibilidad de Nº de Dormitorios 80% 70% 60% 50% 40% 30% 20% 10% 0% 1 dormitorio 2 dormitorios 3 dormitorios 4 dormitorios Renta Alta Renta Media-Baja Renta Media-Alta Renta Baja 5 o más dormitorios Renta Media Al analizar la relación entre el número de dormitorios y superficie de la vivienda se observa que la vivienda reducida suele tener dos dormitorios, la vivienda media-pequeña tres dormitorios, la vivienda media-grande cuatro dormitorios y en menor medida tres, y la vivienda grande cuatro o cinco dormitorios. Gráfica 6.14: Nº de dormitorios/Superficie 70% 60% 50% 40% 30% 20% 10% 0% 1 dormit. <72 m2 2 dormit. [72-114) m2 3 dormit. 4 dormit. [114-156) m2 5 ò más dormit. >156m2 Entre los atributos de número de dormitorios y superficie existe una relación significativa del 0,651 (coeficiente de correlación de Pearson) con una probabilidad límite de p=0,01. 271 Análisis de la vivienda en Córdoba. Estudio econométrico ANÁLISIS DINÁMICO En el análisis dinámico se observa un progresivo descenso en el número de dormitorios fruto de la salida al mercado de viviendas de menor superficie, para satisfacer la creciente demanda de núcleos familiares de menor tamaño. Gráfica 6.15: Evolución del número de dormitorios 3,40 3,30 3,30 nº dormitorios 3,20 3,10 3,00 3,33 3,28 3,21 3,10 3,14 3,07 3,06 3,08 3,03 3,02 2,99 2,90 2,80 2,70 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Dormitorios No existe una relación clara entre el nivel adquisitivo de la zona y número de dormitorios porque existe un comportamiento oscilante. La causa es la dualización, principalmente en áreas con nivel adquisitivo alto, de la tipología de la vivienda: por una parte se encuentran barriadas con viviendas de grandes dimensiones y alto número de dormitorios (Brillante, El Patriarca,...), en la otra, inmuebles situados en el Centro, CentroComercial y de Negocios (Plan Renfe) donde, aunque existen viviendas de grandes dimensiones, cada vez más, el proceso de nueva construcción y de rehabilitación de viviendas está configurando nuevos inmuebles de dimensiones más reducidas, por la carestía del metro cuadrado construido. Esta tendencia explica el comportamiento en el período 2003-2006, donde el número medio de dormitorios en la zona de renta más alta es inferior a la de otras zonas por la salida al mercado de numerosas viviendas del Plan Renfe que no siguen la tipología de viviendas grandes, siendo en general, el número de dormitorios inferior a las zonas de renta media-alta. 272 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 6.13: Evolución del número de dormitorios por zonas de renta. Año Revista Renta Alta 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Total general 3,22 3,38 3,26 3,47 3,22 2,95 2,99 3,11 3,02 3,45 3,34 3,47 3,2 Renta Media-Alta 3,40 3,34 3,49 3,34 3,30 3,16 3,25 3,55 3,20 3,20 3,21 3,24 3,3 Renta Media 3,12 3,33 3,43 3,23 3,12 3,13 3,11 2,99 2,98 2,85 2,86 2,67 3,1 Renta Media-Baja 3,40 3,21 3,18 3,28 3,06 3,03 2,99 2,99 3,07 2,95 2,97 2,91 3,1 Renta Baja 3,08 3,07 3,09 2,97 3,07 3,13 2,93 2,88 2,88 2,96 2,98 3,10 3,0 Total general 3,25 3,30 3,33 3,28 3,14 3,07 3,08 3,10 3,06 3,02 3,03 2,99 3,1 6.6.4.1.3. NÚMERO CUARTOS DE BAÑOS/ASEOS ANÁLISIS ESTÁTICO Se ha contabilizado para esta variable el número de baños y/o aseos que dispone la vivienda. La media resultante es 1,61 baños/aseos por vivienda, con una mediana de 2, aunque el número de inmuebles que poseen un solo cuarto de baño es importante (43,7%). Existe una relación del 0,677 (coeficiente de correlación de Pearson) entre el número de aseos y su dimensión, con una probabilidad límite de p =0,01. Gráfica 6.16: Número medio de baños/aseos 5.000 Nº Media Mediana Moda Desv. típ. Varianza Asimetría Mínimo Máximo Percentiles Frecuencia 4.000 3.000 2.000 1.000 Válidos Perdidos 25 50 75 5930 0 1,61 2,0 2 0,577 0,333 0,431 1 5 1,0 2,0 2,0 0 0 1 2 3 4 5 6 Nº de baños 273 Análisis de la vivienda en Córdoba. Estudio econométrico Las viviendas situadas en las zonas calificadas de renta media-alta son las que tienen mayor probabilidad de tener más de un cuarto de baño/aseo, ya que tan sólo el 14,3% tienen uno. En las zonas calificadas de renta alta aparecen dos tipos de tipologías: viviendas más reducidas con tan sólo un cuarto de baño/aseo en proporción superior a las zonas de renta media-alta, pero a la vez se observa la existencia de otro tipo de viviendas de grandes dimensiones con tres y más baños/aseos (11,6%), siendo la media del número de baños/aseos en ambos casos 1,9 (ver tabla 6.17). Gráfica 6.17: Disponibilidad de Número de baños 100% 1,3% 10,3% 4,9% 80% 60% 1,6% 48,1% 61,5% 2,4% 39,6% 31,6% 80,8% 40% 50,2% 20% 26,9% 0,5% 58,0% 67,9% 14,3% 0% Renta Alta 1 baño Renta Renta Media Renta Renta Baja Media-Alta Media-Baja 2 baños 3 baños 4 o más baños Para las zonas de renta media, media-baja y baja, aparece una clara relación inversa entre nivel de renta de la zona y el número de baños/aseos. ANÁLISIS DINÁMICO No existe una variación de tendencia en el número de baños/aseos, a diferencia con la evolución observada en la evolución de dormitorios. A pesar de un lento descenso en cuanto a la dimensión y en consecuencia al número de dormitorios, no se aprecia disminución en el número de baños/aseos. 274 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 6.18: Evolución del número de baños/aseos en las viviendas 1,75 1,69 1,70 1,67 1,64 1,59 1,60 1,55 1,63 1,62 1,65 1,55 1,52 línea de tendencia 1,57 1,59 1,61 1,54 1,50 1,45 1,40 Total general Lineal (Total general) Se comprueba una progresiva tendencia de los inmuebles pertenecientes a rentas altas y medias-altas a tener dos baños/aseos de medida. Por el contrario, las viviendas pertenecientes a zonas de renta media, media-baja y baja experimentan evolución pequeña en cuanto a incremento del número de baños/aseos, especialmente en las zonas de renta baja. Tabla 6.14: Evolución del número medio de baños/aseos por zonas socioeconómicas Año Revista Renta Alta 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Total general 1,59 1,81 1,98 2,09 1,74 1,75 1,83 1,90 1,85 2,02 2,05 2,17 1,90 Renta Media-Alta 1,70 1,88 1,88 1,93 1,94 1,90 1,91 1,98 1,87 1,93 1,86 1,97 1,91 Renta Media 1,56 1,66 1,67 1,51 1,47 1,46 1,46 1,39 1,46 1,51 1,52 1,46 1,52 Renta Media-Baja 1,38 1,44 1,45 1,56 1,43 1,41 1,41 1,42 1,42 1,43 1,55 1,46 1,44 Renta Baja 1,32 1,36 1,36 1,28 1,17 1,39 1,40 1,32 1,46 1,31 1,25 1,15 1,33 Total general 1,52 1,64 1,69 1,67 1,54 1,55 1,62 1,59 1,57 1,59 1,63 1,61 1,61 6.6.4.1.4. CLIMATIZACIÓN ANÁLISIS ESTÁTICO Esta variable dicotómica informa si vivienda está climatizada115. El 50,9% de las viviendas estudiadas tienen climatización, frente al 49,1% que no están. Este dato 115 Se ha considerado que una vivienda está climatizada cuando dispone de aparatos de climatización central o en su defecto aparatos portátiles, apareciendo en la oferta como climatizado. 275 Análisis de la vivienda en Córdoba. Estudio econométrico contrasta con la información del Censo de Población y Vivienda que el 2001 reflejaba un 57,52% de las viviendas de Córdoba capital estaban climatizadas. Tabla 6.15: Número de viviendas climatizadas Válidos Frecuencia Porcentaje No climatizada 2.914 49,1% Climatizada 3.017 50,9% Total 5.931 100% 50,90% No climatizada 49,10% Climatizada Las áreas con más viviendas climatizadas son las situadas en las zonas de renta media-alta, (85,07%) y en menor medida, las áreas de renta alta con un 68,87%. Este resultado se debe a la mayor antigüedad del parque, fundamentalmente en la zona Centro y zona Brillante. Por debajo de la media de la ciudad se sitúan aquellas viviendas que se encuentran en las zonas de renta media, media-baja y baja con porcentajes de: 40,07%, 37,78% y el 27,11% respectivamente. Gráfica 6.19: Disponibilidad de climatizadas 100% 80% 60% 85,1% 68,9% Media=50,9% 40% 40,1% 20% 37,8% 27,1% 0% Renta Alta Renta Media-Alta Renta Media Renta Renta Baja Media-Baja ANÁLISIS DINÁMICO Se observa un progresivo incremento de viviendas que se ofertan con climatización a lo largo del periodo de estudio (gráfica 6.20). 276 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 6.20: Evolución de las viviendas climatizadas 80% 64,62% 60% 49,54% 46,73% 39,74% 46,73% 40% 46,74% 61,14% 47,09% línea de tendencia 53,04% 46,91% 52,81% 44,67% 20% 0% 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Total general Lineal (Total general) Esta progresiva dotación de sistemas de climatización en las viviendas, afecta a todas las zonas de renta a excepción de las zonas consideradas de renta baja, cuya proporción de sistemas de climatización se mantiene constante aunque existen fuertes oscilaciones. Tabla 5.16: Evolución de los sistemas de climatización por zonas socioeconómicas Año Revista Renta Alta 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Total general 55,95% 62,40% 64,71% 66,67% 58,59% 66,92% 82,17% 71,30% 66,32% 80,00% 80,33% 80,56% 68,87% Renta Media-Alta 90,00% 82,14% 68,54% 86,41% 81,01% 80,88% 90,15% 83,91% 88,10% 92,11% 94,44% 81,82% 85,07% Renta Media 37,29% 36,68% 38,78% 40,50% 35,98% 35,23% 47,83% 37,27% 45,70% 50,41% 46,67% 46,87% 40,07% Renta Media-Baja 30,67% 34,51% 36,15% 35,66% 36,42% 32,34% 52,86% 33,14% 44,25% 34,10% 40,22% 40,23% 37,78% Renta Baja 26,05% 37,04% 21,21% 20,56% 21,74% 36,84% 32,50% 24,00% 37,69% 30,61% 25,00% 25,00% 27,11% Total general 39,74% 46,73% 46,73% 49,54% 44,67% 46,74% 64,62% 47,09% 61,14% 52,81% 53,04% 46,91% 50,87% 6.6.4.1.5. TERMINACIONES DE LUJO ANÁLISIS ESTÁTICO Esta variable dicotómica informa si la vivienda tiene terminaciones constructivas de lujo en su oferta de venta. Tan sólo el 17,65 % de las ofertas de viviendas se califican como terminaciones de lujo116. 277 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 6.17: Número de viviendas de lujo Válidos Lujo No lujo Total Frecuencia Porcentaje 1.047 4.884 5.931 17,65% 82,35% 100% 50,90% 49,10% No climatizada Climatizada Las zonas definidas como de renta alta y media-alta con un 35,57% y 34,95% respectivamente son las que tienen más viviendas con más terminaciones de lujo, frente a viviendas en zonas de renta media, media-baja y renta baja que tienen porcentajes muy inferiores (gráfica 6.21). Gráfica 6.21: Terminaciones de lujo 40% 35,57% 34,95% 30% 20% Media=17,66% 10% 10,54% 7,60% 3,97% 0% Renta alta Renta Media-Alta Renta Media Renta Renta Baja Media-Baja ANÁLISIS DINÁMICO Se observa un progresivo incremento de viviendas con terminaciones de lujo en el periodo estudiado (gráfica 6.22). 116 La cualidad de vivienda de lujo es una característica subjetiva del bien por parte del vendedor. 278 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 6.22: Evolución de las viviendas con terminaciones de lujo 30% 22,5% 25% 19,3% 20% 13,8% 15% 10% 23,9% 23,9% 17,0% 15,1% 16,6% 16,5% 15,9% 11,6% 8,0% 5% 0% 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Afirmar que una vivienda tiene una terminación de lujo es asumir como propio un calificativo subjetivo del oferente; ya que no existe un intermediario neutral que confirme esta característica. Sin embargo, puede proporcionar una buena imagen de cómo está evolucionando la calidad constructiva de los inmuebles que salen al mercado. La evolución de este atributo ha seguido un comportamiento oscilante en la mayoría de las zonas en las que se dividió la ciudad, pero mientras que en las áreas calificadas como de renta alta o media-alta esta tendencia ha sido claramente positiva, en el resto de las zonas este comportamiento no ha tenido una tendencia positiva, coincidiendo en muchos casos. Los incrementos importantes de terminaciones de lujo coinciden en el tiempo con importantes promociones de nueva construcción en barriadas. Tabla 6.18: Evolución de viviendas con terminaciones de lujo por zonas socioeconómicas. Año Revista Renta Alta 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Total general 16,22% 29,60% 40,20% 37,04% 24,24% 36,84% 29,46% 27,83% 38,42% 58,33% 44,84% 53,89% 35,57% Renta Media-Alta 20,00% 28,57% 31,46% 25,24% 48,10% 42,94% 34,85% 19,54% 26,19% 49,21% 43,66% 31,21% 34,95% Renta Media 3,39% 6,55% 16,84% 9,00% 14,49% 17,01% 9,32% 8,90% 12,03% 15,45% 3,33% 4,29% 10,54% Renta Media-Baja 4,55% 6,19% 16,15% 4,65% 4,32% 12,65% 11,43% 4,14% 9,20% 5,78% 3,80% 8,14% 7,60% Renta Baja 2,00% 3,70% 3,03% 8,33% 4,35% 10,53% 2,50% 8,00% 3,85% 3,90% 2,15% 3,04% 3,97% Total general 8,00% 13,82% 22,55% 15,12% 17,00% 23,87% 19,27% 11,64% 16,58% 23,91% 15,93% 16,46% 17,66% 279 Análisis de la vivienda en Córdoba. Estudio econométrico 6.6.4.2. VARIABLES DE ORIENTACIÓN Y LUMINOSIDAD Este tipo de características no afecta a la habitabilidad de la vivienda, pero sí a su precio final, ya que la posibilidad que un inmueble tenga "vistas al exterior” afecta a la iluminación de la vivienda y a la percepción de confortabilidad. Otro aspecto que consideramos importante hubiera sido la planta en el que se encuentra la vivienda, en especial en la capital cordobesa, por su temperatura externa en verano que hace que inmuebles situados en últimas plantas se vendan con más dificultad. Esta variable que consideramos importante no forma parte del estudio debido a que esta información no estaba disponible en un importante número de viviendas de nuestra muestra. 6.6.4.2.1. VIVIENDA EXTERIOR ANÁLISIS ESTÁTICO El 87,83% de las viviendas estudiadas presenta la característica de exterior. Consideramos que una vivienda es exterior, si al menos salón principal está orientado a una vía pública, por el contrario se considera que vivienda interior cuando todas las habitaciones de la vivienda dan a un patio interior, pasaje privado o en su defecto no se dispone de información. Tabla 6.19: Viviendas exteriores Válidos Frecuencia Porcentaje Exterior 5.209 87,83% Interior 722 12,17% Total 5.931 100% 50,90% 49,10% No climatizada Climatizada La zona que tiene mayor índice de viviendas exteriores corresponde con las zonas calificadas de renta media-alta. Para el resto de las zonas, no existen variaciones significativas por renta. La razón de esta distribución se debe al diseño urbanístico de manzana cerrada de algunas barriadas de la ciudad entre las que podemos citar: Ciudad Jardín, Zona Centro, Valdeolleros, Margaritas y Axerquía. 280 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 6.23: Exterioridad de la vivienda 100% 80% Media=87,8% 87,2% 94,5% Renta Alta Renta Media-Alta 84,9% 88,3% 85,5% 60% 40% 20% 0% Renta Media Renta Renta Baja Media-Baja ANÁLISIS DINÁMICO Se observa un progresivo incremento de las viviendas con la característica de exterior. Gráfica 6.24: Evolución de la exterioridad de las viviendas 88,4% 94,5% 100% 84,5% 80% 90,9% 84,6% 91,2% línea de tendencia 83,3% 78,1% 88,8% 90,2% 93,8% 94,1% 60% 40% 20% 0% 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Las zonas clasificadas como de renta media-alta tienen un mayor porcentaje de viviendas clasificadas como “exterior”; mientras que las viviendas clasificadas como de renta media y baja son las que poseen un porcentaje menor. La razón que consideramos se centra en la tipología de barriadas en las que se encuentran (manzanas cerradas), donde existen frecuentes patios interiores; entre las que se pueden citar: Ciudad Jardín, Valdolleros, Margaritas, etc. (tabla 6.20). 281 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 6.20: Evolución de viviendas exteriores por zonas socioeconómicas 78,38% Renta Media-Alta 80,00% Renta Media 76,27% Renta Media-Baja 80,00% 78,50% Total general 78,15% 84,80% 91,07% 86,03% 80,53% 80,07% 84,55% 2000 93,14% 92,13% 85,71% 84,62% 93,94% 88,36% 2001 95,06% 99,03% 95,00% 89,92% 94,44% 94,54% 2002 80,71% 84,81% 78,69% 80,40% 83,04% 83,33% 2003 80,45% 91,18% 82,90% 89,22% 80,32% 84,64% 2004 86,82% 93,18% 91,30% 92,86% 92,50% 91,20% 2005 90,43% 97,70% 88,31% 89,35% 96,00% 90,91% 2006 90,53% 95,24% 84,18% 86,78% 92,31% 88,77% 2007 95,00% 100,00% 80,49% 91,33% 89,80% 90,23% 2008 95,08% 100,00% 90,00% 96,20% 85,00% 94,13% 2009 Total general 97,22% 96,97% 91,04% 93,10% 95,00% 93,83% 87,23% 94,52% 84,90% 88,28% 85,53% 87,83% Año Revista Renta Alta 1998 1999 Renta Baja 6.6.4.2.2. VIVIENDAS CON TERRAZA ANÁLISIS ESTÁTICO Esta variable dicotómica informa si la vivienda dispone de terraza. Se considera “no terraza” cuando la vivienda no la tiene o no hay información. El 54,21% de las viviendas estudiadas presenta la característica de tener terraza. Tabla 6.21: Viviendas con terraza Válidos Terraza No terraza Total Frecuencia Porcentaje 3.215 2.716 5.931 54,21% 45,79% 100% 50,90% 49,10% No climatizada Climatizada Las zonas calificadas de renta media-alta tienen los mayores porcentajes de viviendas con terraza 72,9%. En el resto de las zonas no existen variaciones significativas por renta. 282 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 6.25: Disponibilidad de terraza 80% 72,9% 60% 40% Media=54,2% 51,5% 47,3% 52,9% 46,8% 20% 0% Renta AltaRenta Media-Alta Renta Media Renta Media-Baja Renta Baja ANÁLISIS DINÁMICO En el periodo estudiado existe un ligero descenso en las viviendas con terraza que salen al mercado. Gráfica 5.26: Evolución de las viviendas con terraza 80% 62,3% 62,2% 59,1% 59,6% 60% 62,7% 55,6% línea de tendencia 40% 56,3% 46,7% 59,3% 49,1% 41,3% 45,3% 20% 0% 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Se observa dos tendencias: en las zonas de renta alta y sobre todo de rentas media-altas, existe una tendencia a incrementarse la proporción de viviendas con terraza, en las zonas de renta media, media-baja y baja el proceso es inverso, observándose un ligero descenso en las viviendas ofertadas con este elemento (tabla 6.22). 283 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 6.22: Evolución de las viviendas con terraza por zonas socioeconómicas Año Revista Renta Alta 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Total general 54,05% 41,60% 45,10% 53,09% 49,49% 35,34% 50,39% 50,43% 36,84% 45,00% 59,02% 80,56% 47,25% 6.6.4.3. Renta Media-Alta 80,00% 51,79% 68,54% 66,02% 78,48% 64,71% 65,15% 79,31% 63,49% 92,11% 100,00% 90,91% 72,93% Renta Media 62,71% 46,72% 54,59% 55,50% 57,01% 63,73% 57,76% 35,71% 37,34% 38,21% 61,67% 46,27% 51,55% Renta Media-Baja 64,44% 46,02% 65,38% 65,89% 72,22% 58,68% 48,57% 40,24% 32,18% 45,09% 56,52% 51,72% 52,90% Renta Baja 48,07% 33,33% 68,79% 55,56% 50,00% 55,26% 67,50% 28,00% 34,62% 28,57% 32,50% 45,00% 46,84% Total general 62,25% 45,27% 59,09% 59,56% 62,17% 55,59% 56,31% 46,73% 41,28% 49,06% 62,68% 59,26% 54,21% VARIABLES DE EXTRAS DE LA VIVIENDA Este tipo de variables pueden venderse junto a la vivienda o por separado. Pero que estos elemento se oferten junto el inmueble o no haya posibilidad de compra por separado afectan a la decisión de compra de la vivienda, especialmente en el caso de plaza de garaje. 6.6.4.3.1. TRASTERO ANÁLISIS ESTÁTICO Esta variable dicotómica informa si la vivienda tiene asociada a la oferta de venta, un trastero; o en su defecto no tiene este elemento asociado o no existe información en el anuncio de venta. El 25,31 % de las viviendas estudiadas tienen asociadas a su venta un cuarto trastero. Tabla 6.23: Viviendas con trastero Frecuencia Válidos Porcentaje Trastero 1.501 25,31% No trastero 4.130 74,69% Total 5.931 100% 50,90% 49,10% No climatizada Climatizada 284 Análisis de la vivienda en Córdoba. Estudio econométrico Los inmuebles situados en las zonas definidas como renta media-alta son las que tienen un porcentaje mayor de trasteros (55,48%) y en menor medida las zonas renta alta con 36,03%. En el resto de las zonas, el porcentaje de viviendas con trastero es reducido, siendo del 15, 97%, 15,15% y 11,90% para las zonas de renta media, mediabaja y baja respectivamente (gráfica 6.27). Gráfica 6.27 Disponibilidad de trasteros 60% 55,48% 50% 40% 30% 36,03% Media=13,84% 20% 10% 15,97% 15,15% 11,90% 0% Renta alta Renta Media-Alta Renta Media Renta Renta Baja Media-Baja ANÁLISIS DINÁMICO La presencia de trastero tiene una tendencia positiva en el periodo analizado, si al principio del periodo estudiado se situaba en una media del 16,7% en el último cuatrimestre de 1998 o el 19,6% en el año 1999, en el primer semestre de 2009 el 33,7% de viviendas se ofertaban con trastero. Gráfica 6.28: Evolución de las viviendas con trastero 40% 35% 30% 25% 20% 34,2%33,7% 28,9% 26,5%27,6% 25,3% 23,2% 22,8% 22,7% 21,4% 19,6% 16,7% 15% 10% 5% 0% 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 285 Análisis de la vivienda en Córdoba. Estudio econométrico En todas las zonas se ha aumentado el porcentaje de viviendas con trastero, a excepción, de las calificadas como de renta baja. Las áreas de renta alta y media-alta son las áreas con más incremento de las viviendas con trastero, llegando en algunos años a superar el 60%. Tabla 6.24: Evolución de las viviendas con trastero por zonas socioeconómicas Año Revista Renta Alta 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Total general 29,73% 31,20% 40,20% 27,16% 31,31% 33,08% 27,91% 38,26% 35,79% 40,01% 62,90% 67,78% 36,03% Renta Media-Alta 30,00% 44,64% 44,94% 62,14% 54,43% 67,65% 59,09% 49,43% 66,67% 42,11% 57,75% 51,52% 55,48% Renta Media 13,56% 16,59% 12,76% 17,00% 15,89% 11,86% 15,53% 18,18% 12,66% 18,70% 22,50% 21,43% 15,97% Renta Media-Baja 6,82% 3,54% 12,31% 11,63% 12,96% 13,25% 20,00% 16,57% 10,34% 14,45% 28,80% 23,26% 15,15% Renta Baja 6,04% 7,41% 9,09% 11,11% 17,39% 10,53% 17,50% 12,00% 15,38% 10,20% 10,50% 11,11% 11,90% Total general 16,67% 19,64% 22,73% 25,32% 22,83% 23,21% 28,90% 26,55% 27,63% 21,41% 34,17% 33,74% 25,31% 6.6.4.3.2. VIVIENDA CON PLAZA DE GARAJE/COCHERA ANÁLISIS ESTÁTICO Esta variable informa si la vivienda tiene asociada, en la oferta de venta, una plaza de cochera/garaje; o en su defecto carece de ella o no existe información. El 30,37% de las viviendas estudiadas tienen asociados a su venta una plaza de cochera. A pesar de esta cifra, estos resultados son superiores a la encuesta de Población y Vivienda del año 2001 donde el 21,72% de las viviendas de la capital disponen de aparcamiento en el inmueble (tabla 6.25). Tabla 6.25: Viviendas con plaza de cochera Válidos Frecuencia Porcentaje Garaje 1.801 30,37% No garaje 4.130 69,63% Total 5.931 100% 50,90% 49,10% No climatizada 286 Análisis de la vivienda en Córdoba. Estudio econométrico Se distinguen tres grandes grupos respecto a viviendas con garaje: zonas de renta media-alta que tienen un alto porcentaje de inmuebles con plaza de cochera (72,4%), zonas definidas como de renta alta con una proporción inferior (45,1%) y a gran distancia se encuentran el resto de las zonas con porcentajes muy reducidos (menores al 20%). Gráfica 6.29: Disponibilidad de garaje 80% 72,4% 60% 40% 45,1% Media=30,4% 20% 15,8% 17,8% 12,9% 0% Renta Alta Renta Media-Alta Renta Media Renta Renta Baja Media-Baja ANÁLISIS DINÁMICO Se aprecia un claro e incremento en el número de viviendas que se ofertan con plaza de cochera conforme avanza el periodo de estudio (gráfica 6.30). Gráfica 6.30: Evolución de viviendas con plazas de cochera 50% 39,0% 40% 33,9% 27,3% 30% 20% 17,9% 19,6% 36,4% 32,9% 32,2% 32,7% 28,4% 26,7% 27,2% 10% 0% 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 287 Análisis de la vivienda en Córdoba. Estudio econométrico Aunque este incremento de plazas de cochera se debe fundamentalmente a las zonas de renta alta y media-alta, mientras en el resto de las zonas no se aprecia ninguna tendencia de aumento. Tabla 6.26: Evolución de viviendas con plaza de cochera por zonas socioeconómicas Año Revista Renta Alta 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Total general 32,43% 28,00% 41,18% 34,57% 38,38% 44,36% 59,69% 44,35% 47,37% 61,67% 57,38% 69,44% 45,11% 6.6.4.4. Renta Media-Alta 40,00% 62,50% 52,81% 80,58% 72,15% 85,29% 72,73% 71,26% 79,37% 73,68% 77,78% 60,61% 72,40% Renta Media 8,47% 11,79% 12,76% 21,50% 20,09% 10,36% 11,80% 12,34% 22,78% 22,76% 16,67% 16,42% 15,80% Renta Media-Baja 13,33% 8,85% 22,31% 21,71% 9,26% 12,57% 25,00% 26,63% 14,94% 16,76% 23,37% 12,64% 17,81% Renta Baja 10,73% 10,70% 21,21% 11,11% 15,22% 13,16% 20,00% 16,00% 15,38% 10,20% 9,00% 10,00% 12,89% Total general 17,88% 19,64% 27,27% 33,88% 26,67% 27,21% 39,04% 32,91% 36,44% 32,22% 32,70% 28,40% 30,37% CARACTERÍSTICA BÁSICAS DE LA CONSTRUCCIÓN Estos atributos no son característicos de la vivienda, pertenecen al edificio en el que se encuentra, pero afecta a su valoración puesto que influye en la movilidad de los habitantes, o posibilidad de esparcimiento. 6.6.4.4.1. DISPONIBILIDAD DE ASCENSOR ANÁLISIS ESTÁTICO El 63,9% de los inmuebles estudiados tienen ascensor, frente al 36,1% que no lo tienen. Este dato contrasta con el obtenido del Censo de Población y Vivienda de 2001 para esta capital, que reflejaba tan sólo un 48,0% de las viviendas de más de tres plantas sobre rasante disponían de ascensor117. 117 La información sobre la muestra estudiada no considera la altura de la vivienda y por lo tanto no tiene información si la vivienda en cuestión tiene o no más de tres plantas sobre rasante. Para realizar la comparativa, se ha considerado la existencia de viviendas unifamiliares, restando su número del total de la muestra considerada. Luego podemos afirmar que los porcentajes de disponibilidad de ascensor en el inmueble son aproximados. 288 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 6.27: Disponibilidad de ascensor Frecuencia Porcent aje 2088 36,1% 3696 63,9% 5784 100% 36,10% no tiene ascensor tiene ascensor Válidos Total 63,90% no tiene ascensor tiene ascensor Las zonas con mayor disponibilidad de ascensor son aquellas calificadas como de renta media-alta, con un porcentaje superior a la de renta alta (81,5% frente al 92,5%). A gran distancia se encuentran las viviendas pertenecientes a las zonas de renta media, media-baja y baja. Gráfica 6.31: Disponibilidad de ascensor 100% 92,5% 80% 81,5% Media=63,3 60% 54,2% 40% 49,4% 46,8% 20% 0% Renta Alta Renta Media-Alta Renta Media Renta Renta Baja Media-Baja ANÁLISIS DINÁMICO Existe una tendencia ligeramente a la baja de oferta de viviendas sin ascensor... Gráfica 6.32: Evolución de viviendas con ascenso r 100% 80% 58,3% 72,1% 65,5% 63,6% 64,1% 56,0% 59,8% 65,8% 70,6% 55,1% 56,2% 55,1% 60% línea de tendencia 40% 20% 0% 1998 1999 2000 2001 2002 Total general 2003 2004 2005 2006 2007 2008 2009 Lineal (Total general) 289 Análisis de la vivienda en Córdoba. Estudio econométrico Por nivel de renta, se observa una ligera tendencia positiva en las viviendas de renta baja118 que disponen de ascensor, lo mismo ocurre con las zonas de renta mediaalta, puesto que a lo largo de la serie, el número de viviendas con ascensor se incrementa hasta llegar a la totalidad de viviendas ofertadas. En las otras tres zonas, la línea de tendencia muestra un ligero descenso. Tabla 6.28: Evolución de viviendas con ascensor por zonas socioeconómica Año Revista Renta Alta 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Total general 81,1% 86,4% 82,4% 81,5% 72,7% 81,2% 92,2% 79,1% 88,4% 79,7% 77,2% 80,8% 81,5% 6.6.4.5. Renta Media-Alta 80,0% 94,6% 84,3% 97,1% 84,8% 94,1% 87,1% 96,6% 91,3% 100,0% 98,6% 100,0% 92,5% Renta Media 54,2% 60,7% 59,2% 55,0% 53,3% 49,2% 62,7% 59,7% 59,5% 42,3% 49,7% 49,9% 54,2% Renta Media-Baja 40,0% 55,8% 59,2% 50,4% 43,2% 43,1% 57,1% 49,7% 58,6% 37,6% 47,3% 50,6% 49,4% Renta Baja 39,0% 51,9% 60,6% 30,6% 38,3% 50,0% 47,5% 44,0% 53,8% 59,2% 47,5% 45,0% 46,8% Total general 58,3% 65,5% 63,6% 64,1% 56,0% 59,8% 72,1% 65,8% 70,6% 55,1% 56,2% 55,1% 63,3% EXTRAS Se refiere a la disponibilidad de zonas lúdicas o esparcimiento como zonas comunes o piscina 6.6.4.5.1. JARDINES/ZONA DE RECREO ANÁLISIS ESTÁTICO Esta variable dicotómica informa si el inmueble de la vivienda tiene jardín, zona de recreo o patio común (diferente a patio de luces); o en su defecto carece de ella o no existe información en el anuncio de venta. Sólo el 15,28 % de las viviendas estudiadas tienen en sus inmuebles zonas comunes de recreo. 118 Esta tendencia puede deberse a la política, por parte de las administraciones, de dotar a amplias zonas de la ciudad entre las que se puede citar: Zona Sur y Barriada del Parque Figueroa. 290 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 6.29: Viviendas con zonas de recreo Válidos Frecuencia Porcentaje 906 15,28% No jardín 5025 84,72% Total 5.931 100% Jardín 15,28% 84,72% Jardín No jardín La gráfica 6.33 muestra que la mayor parte de las viviendas que disponen de una zona común de recreo o esparcimiento corresponden a las zonas socioeconómicas calificadas de renta media-alta a distancia de la segunda renta alta. En estas zonas que son en su mayoría de nueva creación, las normas urbanísticas han permitido una menor densidad poblacional por una menor edificabilidad y se caracterizan por un trazado urbanístico de manzana cerrada realizada por la misma empresa promotora que forma urbanizaciones en cuyo especio interior se dedica a esparcimiento de los vecinos. Gráfica 6.33: Disponibilidad de zonas de recreo 60% 50% 52,3% 40% 30% Media=15,3% 20% 10% 14,3% 4,0% 10,1% 5,8% 0% Renta Alta Renta Renta Media Renta Renta Baja Media-Alta Media-Baja ANÁLISIS DINÁMICO Conforme se produce la expansión urbanística de la ciudad. Se observa que se está conformando una nueva tipología urbanística en las zonas de nueva creación, y en consecuencia, repercutiendo en el mercado de la vivienda con un progresivo incremento de inmuebles con zonas de esparcimiento. 291 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 6.34: Evolución de viviendas con zonas de recreo 22,8% 25% 20% 15% 10% 10,9% 6,7% 18,2% 16,1% 12,8% 8,5% 23,7% 22,2% 18,3% 12,0% 10,8% 5% 0% 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Esta tendencia, aunque ya hemos citado que corresponde a zonas de renta media-alta, también se está observando en otras zonas, también de nueva creación, ocupadas por familias con menores recursos (Levante y Polígono del Guadalquivir). Es destacable mencionar el importante aumento en zonas de renta alta, debido a la salida al mercado de segunda mano de numerosas viviendas pertenecientes al entorno de la Avenida de la Libertad (Plan RENFE). Tabla 6.30: Evolución de viviendas por zonas socioeconómicas Año Revista Renta Alta 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Total general 8,50% 10,40% 7,84% 6,17% 9,09% 16,02% 24,81% 18,26% 13,53% 25,00% 30,65% 27,78% 14,34% Renta Media-Alta 40,00% 37,50% 42,70% 43,69% 45,57% 57,65% 59,09% 55,52% 53,17% 46,05% 59,15% 51,52% 52,26% Renta Media 2,03% 0,87% 1,02% 4,50% 3,27% 1,03% 2,48% 3,90% 3,16% 10,57% 13,33% 14,29% 7,05% Renta Media-Baja 6,82% 8,85% 8,46% 7,75% 6,17% 6,63% 15,00% 8,88% 4,02% 12,14% 18,48% 17,44% 10,06% Renta Baja 3,03% 3,70% 3,03% 2,78% 6,52% 2,63% 5,00% 4,00% 8,38% 8,16% 5,00% 11,11% 5,82% Total general 4,67% 8,55% 10,91% 12,75% 10,83% 12,02% 22,76% 18,18% 16,06% 18,30% 23,69% 22,22% 15,28% 6.6.4.5.2. PISCINA ANÁLISIS ESTÁTICO Esta variable dicotómica informa si el inmueble de la vivienda tiene piscina; o en su defecto carece de ella o no existe información en el anuncio de venta. El 13,84 % de las viviendas estudiadas tienen en sus inmuebles piscina. 292 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 6.31: Viviendas con piscina Válidos Frecuencia Porcentaje Piscina 821 13,84% No piscina 5110 86,15% Total 5.931 100% 13,84 % 86,15 % Piscina No piscina La zona de renta media-alta es la que tiene mayor porcentaje de viviendas con piscina la gran diferencia del resto. Se observa una alta correlación entre viviendas con zonas de recreo y viviendas con piscina. Gráfica 6.35: Disponibilidad de piscina 60% 50% 51,51% 40% 30% 20% 10% Media=13,84% 13,97% 2,61% 7,60% 4,24% 0% Renta alta Renta Media- Renta Media Renta Media- Renta Baja Alta Baja ANÁLISIS DINÁMICO Vuelve aparecer un incremento importante de inmuebles que disponen de piscina entre sus elementos comunes. Su evolución es similar a la característica “jardín/zonas comunes”. 293 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 36: Evolución de la disponibilidad de cocina 25% 22,8% 20% 16,7% 17,6% 15,9% 16,2% 16,9% 15% 11,6% 10% 5% 10,7% 10,5% 7,8% 10,7% 2,7% 0% 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Por zonas de renta vuelve a destacar la evolución en las zonas de renta mediaalta y en menor proporción a las zonas de renta alta. Se ha detectado entre disponibilidad de zonas de recreo y piscina una correlación significativa del 0,81 (coeficiente de correlación de Pearson) con un grado de significación superior al 0,01. Tabla 5.32: Evolución de disponibilidad de piscina por zonas de renta Año Revista Renta Alta 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Total general 5,08% 8,80% 7,84% 4,94% 8,08% 7,52% 26,36% 15,65% 12,63% 25,00% 29,03% 33,33% 13,97% 294 Renta Media-Alta 30,00% 39,29% 49,44% 40,78% 45,57% 66,18% 57,58% 62,07% 51,59% 44,37% 56,34% 48,48% 51,51% Renta Media 0,00% 0,44% 0,51% 3,00% 1,87% 1,97% 1,86% 3,25% 3,16% 8,13% 6,67% 8,57% 2,61% Renta Media-Baja 2,27% 7,96% 6,15% 5,43% 7,41% 4,82% 14,71% 8,28% 3,45% 9,25% 9,24% 8,14% 7,60% Renta Baja 0,00% 0,00% 9,09% 1,70% 6,52% 2,63% 5,00% 4,00% 10,38% 2,04% 2,50% 2,87% 4,24% Total general 2,67% 7,83% 11,64% 10,75% 10,50% 10,68% 22,76% 16,73% 15,89% 16,22% 17,61% 16,87% 13,85% Análisis de la vivienda en Córdoba. Estudio econométrico 6.7. CONCLUSIONES DEL ANÁLISIS DESCRIPTIVO. A continuación se detallan las principales características de las viviendas de la muestra que se han detectado: PRECIO DE LA VIVIENDA Puede afirmarse que conforme aumenta el nivel de renta de las familias donde se ubican los inmuebles, el precio medio de la vivienda también se incrementa. No puede comprobarse que el precio medio por metro cuadrado construido siga el mismo patrón. Se observa la existencia de tres zonas con tres niveles de precios: la primera formada por viviendas situadas en zonas de renta alta y media-alta, una segunda zona formada por viviendas ubicadas en zonas de renta media y mediabaja y una última zona formada por viviendas de renta baja. La vivienda pequeña es la que ha tenido con mayores incrementos porcentuales de precios en los períodos alcistas y menor descenso en los períodos bajistas. La vivienda más grande es la que ha tenido menores incrementos porcentuales en los períodos alcistas y mayores descensos en los períodos bajistas. VARIABLES EXPLICATIVAS La superficie media construida se sitúa en torno a 105,57 m², siendo la vivienda más frecuente ofertada en Córdoba de dimensiones reducidas, en el rango (72 114] m2 construidos. Se observa una tendencia a la reducción del tamaño de las viviendas cuando se estudia desde el punto de vista de la evolución temporal. La vivienda media cordobesa ofertada tiene 3,1 dormitorios aunque su tendencia es a ir reduciendo el número de habitaciones acorde con el tamaño. Al comparar la superficie media de los inmuebles cordobeses con su número de dormitorios, nos lleva a la conclusión que las habitaciones de las viviendas, en la ciudad, tienen dimensiones reducidas. 295 Análisis de la vivienda en Córdoba. Estudio econométrico Conforme aumenta la superficie de la vivienda también se incrementa el número de dormitorios, aunque su relación es más bien discreta. Se comprueba que conforme aumenta el nivel de ubicación socioeconómico, aumenta el número de dormitorios, aunque la vivienda de tres sigue siendo la más usual. Las viviendas que tienen mayor número de baños/aseos están localizadas en zonas socioeconómicas calificadas de renta media-alta con una proporción del 85,7%. Conforme disminuye la renta, las viviendas tienen cada vez mayor probabilidad de tener un solo baño. Las viviendas situadas en zonas de renta alta presentan dos tipologías: vivienda pequeña con un baño y vivienda grande con un importante porcentaje de inmuebles con más de dos baños/aseos. No existe una evolución positiva en el número de cuartos de baño/aseo durante el período estudiado. Existe mayor probabilidad que la vivienda esté climatizada conforme aumenta el nivel de ubicación socioeconómica. Cada vez más, las viviendas cordobesas se encuentran climatizadas conforme transcurre el período analizado, con excepción de las viviendas situadas en las zonas de renta baja. Se existe una relación positiva entre nivel de renta donde se sitúa el inmueble y las calidades de lujo. En el análisis temporal se comprueba un incremento de viviendas con terminaciones de lujo. No existe relación entre la localización de la vivienda y la mayor o menor exterioridad. Se observa un progresivo incremento de viviendas con características de exterior conforme evoluciona el período de estudio. Existe una mayor probabilidad que las viviendas ubicadas en zonas de renta media-alta tenga trastero, en menor medida las localizadas en renta alta. En el resto de zonas las viviendas que disponen de trastero es pequeño. 296 Análisis de la vivienda en Córdoba. Estudio econométrico Existe una tendencia positiva a que la vivienda tenga trastero conforme evoluciona el período de estudio. Esta situación no ocurre en las viviendas situadas en zonas de renta baja. Las viviendas situadas en zonas de renta media-alta tienen proporcionalmente plaza de cochera. En menor medida las localizadas en renta alta. En el resto de zonas las viviendas que disponen de cochera es reducido. En el análisis temporal se comprueba una evolución positiva en las viviendas que tienen plaza de cochera. Esta situación no ocurre en las viviendas situadas en las zonas de renta alta. Conforme aumenta el nivel de renta, aumenta la probabilidad que el edificio del inmueble esté provisto de ascensor. Para el caso de zonas de renta alta, la disponibilidad de ascensor baja ligeramente respecto a las viviendas de zonas de renta media-alta. Las viviendas situadas en las zonas de renta media-alta tienen una mayor probabilidad de tener zonas comunes de jardines y piscina, y en menor medida las situadas en zonas de renta alta. Existe una fuerte tendencia, conforme evoluciona el periodo de estudio, a un aumento de inmuebles con zonas comunes de jardines y piscina. 297 Análisis de la vivienda en Córdoba. Estudio econométrico 298 Análisis de la vivienda en Córdoba. Estudio econométrico CAPÍTULO 7 La estadística es la primera de las ciencias inexactas. Edmon Gouncourt (1854) ESTIMACIÓN DE UN MODELO DE PRECIOS DE LA VIVIENDA PARA LA CIUDAD DE CÓRDOBA 299 Análisis de la vivienda en Córdoba. Estudio econométrico 300 Análisis de la vivienda en Córdoba. Estudio econométrico 7. ESTIMACIÓN DE UN MODELO DE PRECIOS DE LA VIVIENDA PARA LA CIUDAD DE CÓRDOBA 7.1. E INTRODUCCIÓN. n este capítulo se modeliza el precio de oferta de la vivienda en función de las características que la definen y del entorno socioeconómico donde se ubica el inmuble con los registros descritos en el capítulo anterior. Los atributos utilizados en la muestra fueron aquellos que se consideraron relevantes, según el criterio del investigador y, como ocurre siempre, la disponibilidad de datos. Con este fin se utilizó tres metodologías distintas: mínimos cuadrados ordinarios (MCO), mínimos cuadrados parciales (PLS) y redes neuronales artificiales (RNA) con el objeto de determinar la que tiene mejor ajuste. Una vez realizada la estimación de los modelos, se contrastó en términos de especificación y predicción para calcular un índice de precios ajustados por la calidad de las características de la vivienda para cada año. En los resultados que se presenta en este capítulo y se explican de forma detallada, es el procedimiento empleado para el año 2008 y generalizada para el resto de los años objeto de estudio. Como se ha referido en el anterior capítulo, el modelo se basa en el estudio de 5.930 registros de precios de oferta, en el período temporal comprendido entre noviembre de 1998 y junio del 2009 en esta capital. Aunque, dado el escaso número de datos disponibles de 1998, la modelización se realizó entre los años 1999 y 2009. 301 Análisis de la vivienda en Córdoba. Estudio econométrico 7.2. HIPÓTESIS DE TRABAJO DEL ANÁLISIS METODOLÓGICO. Tras revisar bibliografía, realizar un análisis descriptivo de los registros y una reflexión, planteamos las hipótesis de partida del análisis metodológico con el objeto de verificar su cumplimiento o rechazo de las mismas. Hipótesis 1. La localización de la vivienda es un factor determinante en la formación del precio, por lo que su contribución tendrá un peso fundamental. Hipótesis 2. Dado que los atributos que caracterizan una vivienda suelen estar correlacionados, la función de precios hedónicos con ajuste por el método de regresión por mínimos cuadrados parciales (PLS) puede dar mejores resultados que la metodología por mínimos cuadrados ordinarios (MCO), al resolver el problema mencionado. Hipótesis 3. Existe un mejor comportamiento de las Redes Neuronales respecto a los Métodos de Regresión en cuanto a la precisión de los resultados obtenidos, inclusive trabajando con información de baja calidad, como suele ocurrir en el mercado inmobiliario general y especialmente cuando la información es proporciona desde el punto de vista de la oferta. Hipótesis 4. No es posible obtener una modelización estable, a lo largo de un ciclo largo, del precio de la vivienda, cuando el mercado está sometido a grandes variaciones en el precio medio del mercado. La finalidad de la investigación metodológica es eminentemente empírica. Los trabajos que se han analizado a través de la investigación bibliográfica previamente mencionada en el capítulo anterior, nos hacen constar la existencia de modelos ligados al precio en función de los atributos del bien vivienda. La novedad que tiene este estudio sobre otros precedentes se refiere a dos aspectos: Se analiza el precio de la vivienda con información proporcionada por el oferente que supone una información, en teoría, de menor calidad y neutralidad-, cuando en la abrumadora mayoría de los estudios precedentes, estos datos son 302 Análisis de la vivienda en Córdoba. Estudio econométrico proporcionados por Agencias de la Propiedad Inmobiliaria (intermediarios), o bien por organismos públicos o privados -Agencias de Tasación-. La utilización del ajuste de regresión por mínimos cuadrados parciales (PLS), que se está convirtiendo en una herramienta de elección en las ciencias sociales, pero actualmente existe escasa literatura en esta técnica en la determinación de Precios Hedónicos del mercado inmobiliario. 7.3. ESTIMACIONES POR MÍNIMOS CUADRADOS ORDINARIOS Puesto que el tipo de especificación considerada inicialmente fue la regresión múltiple ajustada por mínimos cuadrados ordinarios, el modelo hedónico finalmente propuesto fue de la forma: + + Inicialmente se realizó un análisis pormenorizado de las variables de atributos, probando distintos modelos para comprobar aquellos que se mejor realizaran el ajuste, entre los que podemos citar119: - Modelos lineales, que presentan una estructura lineal en los parámetros. - Modelos no lineales, pero intrínsecamente linealizables, son modelos no lineales en variables y/o parámetros, para los que es posible encontrar una transformación que convierta el modelo en lineal, entre ellos el modelo semilogarítmico y modelo doblemente logarítmico. Finalmente se eligío el modelo lineal que presentó un buen ajuste (modelo semilogarítmicopresentó también un buen ajuste, aunque sus resultados fueron similares al modelo lineal) 119 No se ha probado el enfoque mediante transformación de Box-Cox (1964), utilizado cuando existe un modelo no lineal, lo suficientemente amplio como para incluir particularidades de modelos no lineales intrínsicamente linealizables, utilizado en diversos trabajos de precios hedónicos, al considerar que los modelos encontrados eran lo suficientemente ajustados. 303 Análisis de la vivienda en Córdoba. Estudio econométrico 7.3.1. PAQUETE ESTADÍSTICO ELEGIDO A ser un ajuste habitual, todos los programas estadísticos existentes en el mercado tienen herramientas para su cálculo. En este ajuste se ha utilizado dos programas distintos: el paquete estadístico SPSS (Versión 18) y el XLSTAT (2011). El programa SPSS es unos de los más utilizados y comercializados a nivel científico y profesional, mientras que el programa XLSTAT es menos conocido, pero presenta unas importantes prestaciones, tanto de cálculo estadístico como de herramientas gráficas que se han utilizado en este trabajo. 7.3.2. ELECCIÓN DE VARIABLES EXPLICATIVAS Entre las variables a incluir en la función hedónica, nos planteamos encontrar el “mejor modelo” que describa la relación entre la variable dependiente (precio de oferta) y las características de las viviendas. Es decir, que sea capaz de explicar lo máximo posible (R2 alto), pero al mismo tiempo, utilizar el menor número de variables exógenas; sólo las necesarias, utilizando el principio de parsimonia. Pero nos encontramos con el problema añadido de que las variables independientes, generalmente, comparten variabilidad, no sólo con la dependiente, sino también con el resto de las variables exógenas. En la práctica, es usual que las variables explicativas aparezcan relacionadas en cierto grado, pero un buen modelo será aquel que sus variables independientes están altamente relacionadas con la dependiente, pero no presentan correlaciones entre sí. Por lo que no se han empleado en el ajuste aquellas variables independientes que tras su análisis resultaron no significativas o presentaban problemas de correlación con otras más significativas. Hecha esta apreciación, el método de selección de variables empleado fue el denominado BACKWARD” o “hacia atrás” siguiendo el criterio de Abad y Vargas (2002). Aunque la mayoría de las variables explicativas fueron utilizadas en el periodo objeto de estudio, no todas pudieron ser empleadas todos los años. Las variables de característica de la vivienda elegidas para el modelo fueron: 304 Análisis de la vivienda en Córdoba. Estudio econométrico Superficie construida: variable continua que representa la superficie construida de la vivienda (periodo 1999-2009). Índice de zona: variable nominal correspondiente a la ubicación de la vivienda (zona de estudio estadístico) según su estructura socio-económica de la población que habita120 (periodo 1999-2009). Lujo: variable dummy que toma el valor uno si la vivienda tiene características de terminaciones de lujo y cero si no las tiene (periodo 1999-2008). Climatizado: variable dummy que toma el valor uno si la vivienda tiene climatización o máquinas de aire acondicionado y cero si no tiene (periodo 19992009) Ascensor: variable dummy que toma el valor uno si el edificio de la vivienda tiene ascensor y cero si no dispone de este servicio ((periodo 1999-2009, menos de la vivienda. El resto de las variables estudiadas en análisis descriptivo fueron desechadas, bien por su escasa significabilidad, bien por alta correlación o multicolinealidad121 que presentaban las variables explicativas. 7.3.3. DETERMINACIÓN DEL MODELO MEDIANTE AJUSTE POR MCO. El modelo obtenido mediante el ajuste por MCO para el año 2008 de la serie es: Precio Oferta = -5936,1 + 21.338,7·Índice de Zona + 1.532,1·Superficie Construida + 10.449,8·Ascensor+17.795,9·Climatizado + 26.181,1·Garaje + 50.339,7·Lujo +ε 120 Inicialmente, se realizó un modelo considerando los 10 distritos censales en los que está dividida la ciudad de Córdoba según aparece en abundante literatura realizada a nivel nacional e internacional, pero esta división fue desechada al aportar esta variable una información confusa, ya que la división censal de esta capital recoge dentro de los mismos distritos barriadas y polígonos de diferente estrato socioeconómico. Por ello, en este estudio se ha seguido los criterios de Ceular (2000) y Núñez (2007), completando nuevos polígonos de vivienda y modificando algunas barriadas que en el transcurso de este periodo han variado sus condiciones socioeconómicas. 121 La multicolinealidad no viola supuestos básicos de la regresión, su efecto tiene que ver con la de obtener coeficientes estimados con errores estándar pequeños. “Por tanto, a la pregunta “¿qué ha de hacerse entonces con la multicolinealidad?”, es similar al interrogante “¿qué debe hacerse si no se tienen muchas observaciones?” A este respecto no se puede dar una respuesta estadística” (Christopher, 1982) 305 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 7.1: Coeficientes Coeficientes no estandarizados B Error típ. -5936,050 8146,671 21338,745 2148,716 1532,082 67,639 10449,793 4425,635 17795,932 4884,185 26181,086 5635,219 50339,729 6553,304 Modelo 1 Coeficiente Índice de Zona Superficie Construida Ascensor Climatizado Garaje Lujo t -0,729 9,931 22,651 2,361 3,644 4,646 7,682 Sig. 0,467 < 0,0001 < 0,0001 0,019 0,000 < 0,0001 < 0,0001 Estadísticos de colinealidad Tolerancia FIV 0,686 0,682 0,850 0,677 0,620 0,588 1,459 1,466 1,177 1,477 1,613 1,700 Variable dependiente: Precio Este modelo tiene un ajuste R2 del 0,851 y un valor ajustado de 0,841, es decir, el 85,5% de la variabilidad de los precio está definido por la variables explicativas. Dos variables independientes: “Superficie construida” y “Índice de zona económica” explican la mayor parte la variable independiente, aunque el resto de las variables propuestas, con menos peso, han proporcionado significabilidad y estabilidad al modelo en su conjunto. Gráfica 7.1: Precio/Coeficientes estandarizados (95%) Metros Construidos 0,555 Coeficientes estandarizados 0,7 0,6 0,5 0,4 0,3 Índice de Zona 0,241 Lujo 0,202 Garaje Climatizado 0,118 0,089 Ascensor 0,051 0,2 0,1 0 Coeficientes de ajuste: Observaciones 414,000 Suma de los pesos 414,000 GDL 409,000 R² 0,851 R² ajustado 0,849 MEC 1500719672,932 RMEC 38739,123 MAPE 12,543 DW 1,966 Cp de Mallows 7,000 AIC de Akaike 7845,870 SBC de Schwarz 7873,284 PC de Amemiya 0,155 Press RMEC 39787,188 Variable 7.3.4. BONDAD DE AJUSTE En referencia a la significabilidad estadística global del modelo, el coeficiente F de Snedecor, presenta un valor de P(F>346,733)=0,000; por consiguiente, las variables independientes en conjunto sirven para explicar el precio de oferta de la vivienda. Al 306 Análisis de la vivienda en Córdoba. Estudio econométrico estudiar individualmente los coeficientes de regresión, las probabilidades muestran probabilidades límite muy pequeñas, por lo que nos permite aceptar la significabilidad de todas las variables explicativas elegidas. No existen problemas de multicolinealidad, ya que al examinar los valores de inflación de varianza (FIV), estos muestran valores bajos122. De la misma forma, este indicio se corrobora con los datos de la columna autovalor, que contiene los valores de la matriz X’·X y que representan los cuadrados de los elementos diagonales de la matriz “D”. La no existencia de valores bajos en comparación con el máximo, supone indicios de no colinealidad. También los índices de condición corroboran este aspecto al comparar, por cociente, cada elemento de la diagonal principal de la matriz con su valor máximo123. Tabla 7.2: Diagnóstico de colinealidad Modelo Dimensión Autovalores 1 2 3 4 5 6 7 1 5,020 ,849 ,404 ,343 ,265 ,075 ,043 Índice de condición 1,000 2,431 3,524 3,824 4,352 8,158 10,827 Proporciones de la varianza Superficie Índice de ClimatizaConstante ConstruiAscensor zona do da ,00 ,00 ,01 ,01 ,01 ,01 ,00 ,00 ,03 ,03 ,00 ,00 ,01 ,01 ,01 ,02 ,05 ,31 ,31 ,31 ,00 ,00 ,64 ,51 ,51 ,01 ,34 ,03 ,06 ,06 ,96 ,60 ,01 ,08 ,08 Lujo Garaje ,01 ,40 ,43 ,00 ,02 ,04 ,10 ,01 ,09 ,68 ,01 ,08 ,03 ,10 Variable dependiente: Precio Se observan valores de correlaciones bajos entre los pares de variables explicativas. Tabla 7.3: Correlaciones de los coeficientes Modelo 1 Índice de Zona Superficie Construida Correlaciones Ascensor Climatizado Garaje Lujo Precio Oferta Índice de Zona 1,000 Superficie Construida 0,305 0,305 0,249 0,424 0,328 0,469 0,594 1,000 -0,021 0,300 0,472 0,461 0,803 Ascensor Climatizado Garaje Lujo 0,249 0,424 0,328 0,469 Precio Oferta 0,594 -0,021 1,000 0,281 0,161 0,174 0,179 0,300 0,281 1,000 0,427 0,426 0,509 0,472 0,161 0,427 1,000 0,499 0,606 0,461 0,174 0,426 0,499 1,000 0,677 0,803 0,179 0,509 0,606 0,677 1,000 122 En la literatura se presenta como regla práctica, que si una variable presenta un FIV con un valor superior a 10, se dice que dicha variable es altamente colineal. 123 Se considera que existe multicolinealidad moderada si el IC tiene valores comprendidos entre 10 y 30. 307 Análisis de la vivienda en Córdoba. Estudio econométrico Modelo 1 Índice de Zona Superficie Construida Correlaciones Ascensor Climatizado Garaje Lujo Precio Oferta Índice de Zona 1,000 Superficie Construida 0,305 0,305 0,249 0,424 0,328 0,469 0,594 1,000 -0,021 0,300 0,472 0,461 0,803 Ascensor Climatizado Garaje Lujo 0,249 0,424 0,328 0,469 Precio Oferta 0,594 -0,021 1,000 0,281 0,161 0,174 0,179 0,300 0,281 1,000 0,427 0,426 0,509 0,472 0,161 0,427 1,000 0,499 0,606 0,461 0,174 0,426 0,499 1,000 0,677 0,803 0,179 0,509 0,606 0,677 1,000 Variable dependiente: Precio Referente a las asunciones sobre los errores del modelo clásico sobre no existencia de autocorrelacion el estadístico Durbin-Watson tiene un valor 1,966. Una vez elegido el modelo se procedió a realizar el chequeo de los datos utilizados en el ajuste. Es decir, “si las desviaciones en el modelo están normalmente distribuidas, los residuos deberán estar normalmente distribuidos” Moore (2004). Gráfica 7.2: Precio de oferta (estimado)/Precio de oferta 900000 800000 Precio Oferta 700000 600000 500000 400000 300000 200000 100000 0 0 200000 400000 600000 800000 Pred(Precio Oferta) Activas Validación Para verificar el supuesto de normalidad se ha recurrido al histograma de residuos y al gráfico P-P normal de regresión de residuos tipificados. En dichas gráficas se comprueba que los residuos o errores se distribuyen alrededor de la recta de regresión en forma normal y media entorno a cero. Se buscaron outliers, observaciones influyentes, evidencia de una relación no lineal (en contraposición a una lineal) y todo aquello que ha sido inusual. Los outliers se han encontrado como valores elevados dentro de los residuos studentizados, detectados 308 Análisis de la vivienda en Córdoba. Estudio econométrico con la ayuda de los valores DFFITs (difference between fitted values) y pueden provocar una desviación de la línea de regresión por su presencia. Por último, no existe evidencia de relaciones curvas en el análisis de la gráfica de residuos; nubes de puntos con una forma curvilínea nos hubiera exigido la modificación de nuestro modelo. Gráfica 7.3: Precio /Residuos estandarizados 4 Residuos estandarizados 3 2 1 0 100000 -1 200000 300000 400000 500000 600000 700000 800000 -2 -3 Pred(Precio Oferta) Activas Validación Se consideró, tras la observación de estos datos y su estudio, que por el origen de los datos (precio de oferta de viviendas publicadas) en su mayoría a ofertas sobredimensionadas que no han pasado el filtro del mercado. En este caso se depuró 24 registros, consiguiendo una notable mejora en el ajuste de la función. Gráfica 7.5: P-P normal de regresión. Residuos tipificados. Gráfica 7.4: Histograma con residuos. 309 Análisis de la vivienda en Córdoba. Estudio econométrico Al analizar la distancia de Cook124 de las observaciones restantes se comprueba que ninguna de las distancias calculadas es significativa125, aunque existe un registro con características especiales126 (Obs 5.457). Gráfica 7.6: Distancia de Cook 0,4 5457; 0,375 Distancia de Cook 0,35 0,3 0,25 0,2 0,15 0,1 0,05 5178 5194 5177 5225 5240 5250 5272 5287 5293 5313 5330 5335 5355 5372 5384 5407 5416 5437 5450 5469 5482 5494 5513 5531 5548 5569 5564 5594 5586 0 Observaciones 7.3.5. Activas RESULTADOS DEL AJUSTE POR MÍNIMOS CUADRADOS ORDINARIOS De la función de precios hedónicos obtenida podemos afirmar: 1. El precio de la vivienda se incrementa en 1.532,1 € por metro cuadrado construido, considerando el resto de las características constantes127. 2. El precio de la vivienda aumenta en 22.254,3 al aumentar el índice de zona en una unidad. 3. La disponibilidad de climatización en la vivienda hace incrementar en 17.795,9 € el valor de venta. 124 Hay diferentes opiniones en relación con el valor máximo para considerar que un valor es atípico. Una orientación simple considera que se considera cuando Di>1 (Cook y Weisber, 1982), otros consideran el valor como dato orientativo si Di>4/n, siendo n el número de observaciones (Bollen y Jackman (1990). 125 El valor máximo de la distancia de Cook en la muestra es de 0,375 (Obs5457), con un valor medio de 0,004 y una desviación típica de 0,0181. 126 Esta observación corresponde a una vivienda de 350 m2, vivienda con más superficie registrada, con características especiales. 127 Según los datos publicados por del Ministerio de Fomento para el año 2010, el metro cuadrado de superficie construida oscilaba entre 1.497 €/m2 para la vivienda usada y 1.670,6 €m2 para la vivienda nueva en la provincia de Córdoba (tabla 3.7). 310 Análisis de la vivienda en Córdoba. Estudio econométrico 4. La información sobre la disponibilidad de ascensor aumenta la cotización del inmueble en 10.449,8 €. 5. La consideración de terminación de lujo incrementa el valor en 50.339,7 € 6. La disponibilidad de plaza de aparcamiento (elemento anejo a la vivienda) aumenta su valor en 26.181,1 €. 7.4. ALGORITMO DE MÍNIMOS CUADRADOS PARCIALES (PLS) “Las técnicas de regresión lineal presentan una serie de inconvenientes a la hora de trabajar con variables de tipo espacial, tales como: exigencias en la valoración de la multicolinealidad y autocorrelación de las variables, gran número de observaciones, etc. Lo que provoca que dichas técnicas no sean, en ocasiones, las más adecuadas a la hora de trabajar con datos que tienen variables espaciales, como alternativa a los inconvenientes que presenta dicha técnica, se ha venido aplicando la regresión por mínimos cuadrados parciales”, PLS128 (Baluja et al, 2010) El algoritmo de mínimos cuadrados parciales tiene como objetivo la predicción de la variable dependiente, no basándose en la varianza, sino en la maximación de las covarianzas entre convinaciones de variables independientes y la variable dependiente. Por lo tanto, el objetivo es encontrar las variables latentes de los inputs de entrada que expliquen no sólo su varianza, sino aquella parte de la varianza que mejor maximice la varianza explicada (R2) de la variable dependiente, por lo que la estimación de los parámetros se basa en la capacidad de minimizar las varianza residuales de las variables explicativas. 7.4.1. PAQUETE ESTADÍSTICO ELEGIDO Existen diferentes paquetes de sowftware para el análisis mediante mínimos cuadrados parciales entre los que podemos citar: Statistica 7, SPSS 18 (anexo al programa), XLSTAT y otros. Pero la difusión de programas para PLS es limitada, a lo que 128 Partial Least Squares 311 Análisis de la vivienda en Córdoba. Estudio econométrico está llevando a la no muy amplia difusión de esta metodología, aunque cada vez más se está ampliando la base. El fundamento principal en el que se basó la elección del programa estadístico XLSTAT, fue principalmete su funcionamiento bajo Excel, lo que permite explotar la disponibilidad y las salidas gráficas que proporciona el programa Excel. 7.4.2. ELECCIÓN DE VARIABLES EXPLICATIVAS Con el objetivo de determinar el mejor ajuste en la determinación del precio de oferta de la vivienda, se han utilizado las mismas variables explicativas que en la metodología de regresión lineal múltiple por mínimos cuadrados ordinarios. Las variables exogenas son: Índice de zona, Superficie Construida, Ascensor, Climatizado, Garaje, Lujo (terminaciones). 7.4.3. DETERMINACIÓN DEL MODELO MEDIANTE AJUSTE POR PLS El modelo obtenido mediante el ajuste por PLS para el año 2008 de la serie es: Precio = -20.045,22 + 22.746,28 Índice de Zona + 1.648,99 Superficie Construida + 10.280,55 Ascensor + 18.622,89 Climatizado +33.311,20 Garaje + 35.265,86 Lujo + ε Al igual que ocurre con el ajuste por mínimos cuadrados ordinarios, dos variables exógenas presentan una elevada influencia; las variables son “superficie construida” con un 61,6% e "índice de zona" con un 24,0%, a gran diferencia del resto de las variables explicativas, con menor peso, pero que proporcionan significación y estabilidad al modelo. Este dato se corrobora con Q² acumulada129 tiene un valor de 0,839 para los tres componentes principales. Se observó que no existe correlación alta entre las variables exógenas que definen el modelo, en este sentido, las que muestran mayor correlación son: superficie 129 Q² acumulada mide la bondad global del ajuste y la calidad predictiva. XLSTAT-PLS selecciona automáticamente las tres primeras componentes. Éste valor debe estar cercano a uno posible. 312 Análisis de la vivienda en Córdoba. Estudio econométrico construida y garaje con 0,478 y la existente entre índice de zona y lujo con un valor de 0,493 Gráfica 7.7: Precio/coeficientes estandarizados Coeficientes estandarizados 0,8 Metros Construios 0,616 0,7 0,6 0,5 0,4 0,3 Índice zona 0,24 0,2 Ascensor 0,046 0,1 Garaje 0,142 Climatizado 0,086 Lujo 0,114 0 Variable La gráfica 7.8 muestra la correlación sobre un eje de dos factores t1 y t2 entre las variables exógenas entre sí y la variable dependiente. De las variables utilizadas resultaron relevantes en el ajuste del modelo, todas a excepción la variable ascensor, puesto que para ser considerada como significativa los coeficientes “VIP” deben superar 0,8 como umbral de significación. Como se consideró compararlos de modelos para determinar el ajuste, y dado que está próximo a ese nivel de significación, se optó por no por no eliminar dicha variable. Gráfica 7.8: Correlaciones entre variables dependientes y la variable dependiente Variable Importance in the Projection (VIP) VIP Desviación típica Superficie Construida 1,460 0,037 Garaje 1,044 0,028 Índice de Zona 1,010 0,073 Lujo 0,972 0,029 Climatizado 0,805 0,078 Ascensor 0,767 0,039 Metros Construidos 0,75 0,5 Precio Oferta 0,25 t2 Variable 1 Garaje 0 Índice zona -0,25 Lujo -0,5 Climatizado Ascensor -0,75 X Y -1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 t1 313 1 Análisis de la vivienda en Córdoba. Estudio econométrico 7.4.4. BONDAD DE AJUSTE La característica del modelo obtenido (tabla 7.4) se ajustó con cuatro componentes para capturar al menos un 80% de la varianza de la matriz de datos originales siguiendo las recomendaciones de Wold et al. (1998). En este caso se muestra la bondad de ajuste que explica en un 86,2% la variabilidad de respuesta (precio de oferta), R2y (acum), con un 80,6% de poder explicativo de las variables latentes explicativas, R2x (acum),y una capacidad predictiva obtenida por validación cruzada, Q2 (acum), del 85,0%. Tabla 7.4: Bondad del ajuste y de predicción Índice Q² acum R²Y acum R²X acum Comp1 Comp2 Comp3 Comp4 0,783 0,789 0,441 0,845 0,851 0,609 0,849 0,862 0,723 0,850 0,862 0,806 El modelo obtenido presenta una buena bondad de predicción de los valores de los precios de la vivienda a partir de los valores de las variables explicativas del año analizado. La nube de puntos formada por los precios estimados vs precios observados (gráfica 7.9), muestra un ajuste del 0,862, con un buen comportamiento para un intervalo de confianza del 95%, igual ocurre con los registros de validación de representados en la misma gráfica. Al aplicar la metodología PLS, la raíz del error cuadrático medio (RMEC) tiene un valor de 40.518,38€. Gráfica 7.9: Precio de oferta (estimado)/ Precio de oferta 900000 Coeficientes de ajuste: Observaciones 414,000 Suma de los pesos 414,000 GDL 409,000 R² 0,862 Desviación típica 40.518,381 MEC 1.621.911.449,150 RMEC 40.272,962 800000 PrecioOferta 700000 600000 500000 400000 300000 200000 100000 0 0 100000 200000 300000 400000 500000 600000 700000 800000 900000 Activas 314 Validación Pred(PrecioOferta) Análisis de la vivienda en Córdoba. Estudio econométrico 7.4.5. RESULTADOS DEL AJUSTE POR MÍNIMOS CUADRADOS ORDINARIOS De la función de precios hedónicos obtenida por la metodología PLS se puede afirmar: 1. El precio de la vivienda se incrementa en 1.648,99 € por metro cuadrado construido, considerando el resto de las características constantes130. 2. El precio de la vivienda aumenta en 22.746,28 al aumentar el índice de zona en una unidad. 3. La disponibilidad de climatización en la vivienda hace incrementar en 18.622,89€ el valor de venta. 4. La información sobre la disponibilidad de ascensor aumenta la cotización del inmueble en 10.280,55 €. 5. La consideración de terminación de lujo incrementa el valor en 35.265,86 € 6. La disponibilidad de plaza de aparcamiento (elemento anejo a la vivienda) aumenta su valor en 33.311,20 €. 7.4.6. EL AJUSTE DE MÍNIMOS CUADRADOS ORDINARIOS VS MÍNIMOS CUADRADOS PARCIALES. Con los resultados obtenidos puede afirmarse que es posible determinar el precio de oferta de la vivienda en función de las características de la vivienda y de su entorno socioeconómico , en este caso, empleando la metodología de Precios Hedónicos como nos planteamos como objetivo. Ante la igualdad de variables exógenas, se obtienen mejor ajuste utilizando la metodología de regresión lineal múltiple mediante un ajuste por mínimos cuadrados ordinarios (MCO), frente a un ajuste por mínimos cuadrados parciales (PLS). Los resultados no son muy superiores, afectando más, una adecuada selección de las características de la vivienda a ofertar que la metodología de ajuste. 130 Según datos, de 2010, publicados por del Ministerio de Fomento, el metro cuadrado de superficie construida oscilaba entre 1.497 €/m2 para la vivienda usada y 1.670,6 €m2 para la vivienda nueva en la provincia de Córdoba (ver tabla 3.7, pag. 134). . 315 Análisis de la vivienda en Córdoba. Estudio econométrico Entre la elección de los atributos más significativos para la determinación del precio de oferta, se resalta que características, a priori tan importantes, como el número de dormitorios o de cuartos de baño/aseos no han sido variables significativas en los modelos hallados para el año 2008131, lo que induce a suponer que tiene relación con el tamaño, cada vez menor, de las unidades familiares. Al examinar los coeficientes estandariazos (gráficas 7.1 y 7.7) de ambos ajustes se observa que la variable exógena “superficie construida” es la que más importancia relativa tiene en la formación del precio, a gran diferencia del resto de las variables con valores de 1.532,08 €/m2 y 1.648,99 €/m2 para la metodologías de MCO y PLS respectivamente. “Este atributo está presente prácticamente en la totalidad de los modelos hedónicos relacionados en la literatura” (Nuñez, 2007). La segunda variable en importancia, según los coeficientes estandarizados, es la variable “índice de zona”, que aparece con un peso importante en ambas metodologías. Este índice se realizó basándose en el trabajo de Ceular (2000), actualizando zonas y ha dado mejores resultados que los obtenidos aplicando una simple división geográfica por códigos postales, como frecuentemente se ha empleado en la literatura. Hubiera sido interesante conocer la localización exacta, bien con el dato de la calle o por coordenadas geográficas de las viviendas analizadas para acotar con más precisión el índice de zona, puesto que en la mayoría de los casos la localización ha sido por barriada. No obstante, dando el origen de los registros tomados en nuestra muestra, por motivos de confidencialidad no se proporciona la localización de los inmuebles. La disponibilidad de garaje es una variable presente en la mayoría de los modelos, y en este representa un peso porcentual del precio entre el 11,8% y el 14%. En la literatura unos atributos presentes habitualmente son: la antigüedad del inmueble y en menor medida las calidades constructivas. Dado que estas características no suelen estar presente en las ofertas publicadas de forma directa, consideramos que en nuestro modelo aparece de forma indirecta a través de las variables: climatización, 131 La características de número de cuartos de baño/aseo, si fue significativa en el resto de los años realizados. 316 Análisis de la vivienda en Córdoba. Estudio econométrico calidades de lujo y ascensor. Esta última variable, a pesar del escaso porcentaje que representa en el precio, ha proporcionado consistencia y estabilidad a los modelos hallados por ambas metodologías. En resumen, se puede estimar el precio de oferta de una vivienda mediante las características de esta. Estas características básicamente se pueden dividir en tres atributos básicos: dimensión, situación132 y calidad133. 7.5. ESTIMACIÓN DEL PRECIO POR METODOLOGÍA RNA Una vez comprobado que se puede determinar el precio de la vivienda por la Metodología de Precios Hedónicos y que lo verdaderamente importante en el ajuste es la adecuada elección de las variables atributos del inmueble más que el tipo de ajuste, se procedió a estimar los precios implícitos por Redes Neuronales. Se utilizó los mismos registros y las mismas variables explicativas que las metodologías anteriores correspondientes a las ofertas de venta en el año 2008, en un apartado posterior se expondrán los resultados de todo el periodo objeto de estudio. Resolver un problema mediante el uso de la metodología redes neuronales es aplicar una metodología que presenta aspectos comunes a las técnicas convencionales de estadísticas, pero con particularidades que solamente se dan en el campo de las RNAs. A continuación, se describen los pasos que se han seguido para la construcción de un modelo de red neuronal capaz de determinar el precio de una vivienda. 132 Enfoque ecológico urbano. 133 Entendemos que la calidad de un inmueble viene definido básicamente por confort que proporciona a sus moradores, siendo éste una combinación calidades constructivas, posibilidad de utilización de las nuevas tecnologías de comunicación y la movilidad personal, en esta última se encuentra la posibilidad de acceso al vehículo personal. 317 Análisis de la vivienda en Córdoba. Estudio econométrico 7.5.1. PAQUETE ESTADÍSTICO ELEGIDO Para la generación de las arquitecturas neuronales se empleó el software correspondiente al programa estadístico SPSS V.18 que permite simular el comportamiento de una red perceptrón multicapa asociada al algoritmo gradiente. Su elección se debe a la sencillez de manejo y la capacidad de representar la estructura de la red. 7.5.2. SELECCIÓN DE LAS VARIABLES RELEVANTES Y PREPROCESAMIENTO DE LOS DATOS Para obtener una aproximación funcional óptima, se debe elegir cuidadosamente las variables empleadas. Más concretamente, lo que se trata es de incluir en el modelo las variables explicativas que realmente determinen la variable dependiente, pero que a su vez no haya covarianza entre ellas (Smith, 1993). La introducción de variables explicativas irrelevantes o que covaríen entre sí, puede provocar un sobreajuste innecesario en el modelo. Este fenómeno aparece cuando el número de parámetros o pesos de la red resulta excesivo en relación al modelo a determinar y al número de patrones de entrenamiento disponibles. La consecuencia más directa del sobreajuste es una disminución sensible en la capacidad de generalización del modelo; es decir, la capacidad de la red de proporcionar una respuesta adecuada ante situaciones que no han sido empleadas para su entrenamiento. Teniendo en cuenta lo comentado, se seleccionó las mismas 6 variables predictoras utilizadas previamente y validadas para las estimaciones anteriores. Ítem más en este caso, puesto que entre los objetivos del estudio metodológico se encuentra el comparar el comportamiento de distintas metodologías de ajuste en la determinación de precios, utilizando modelos estadísticos clásicos y metodología de redes neuronales. Una vez determinadas las variables que forman parte del modelo, se procedió al preprocesamiento de los datos para adecuarlos a su tratamiento por la red neuronal. 318 Análisis de la vivienda en Córdoba. Estudio econométrico Para trabajar con el modelo de red neuronal, mediante backpropagation, es muy aconsejable, aunque no imprescindible, conseguir que los datos tengan una serie de cualidades (Sarle, 1998; SPSS Inc., 2010). Entre estas, se cita que el rango de los posibles valores (inputs) deberían tener valores aproximados y estar acotados dentro del intervalo de trabajo de la función de activación empleada en las capas ocultas y en la capa salida de la red neuronal. Existen diferentes procesos para la acotación o escalonamiento de los registros, la mayoría de los valores se encuentran entre [-3, 3], [-1, 1] y [0,1]. El objetivo de esta técnica es conseguir que los valores numéricos de entrada tengan magnitudes semejantes para evitar que exista una tendencia a ponderar más a aquellas variables con valores numéricos más grandes. En este estudio, los valores de las covariables y las variables independientes sufrieron un proceso de tipificación, y las variables dummmy se recodificaron para su conversión de rango a variables cuantitativas de valores tipo (0,1). El procedimiento realizado a las variables dummy permitió obtener mejores resultados que otros métodos de codificación comúnmente usados para el caso de variables cualitativas como, por ejemplo, los métodos 1-de-N y 1-de-N-1. 7.5.3. CREACIÓN DE LOS CONJUNTOS DE APRENDIZAJE, VALIDACIÓN Y TEST En la metodología de RNA, comúnmente, el total de los datos de la muestra se divide en tres grupos llamados: de entrenamiento, de validación y de test (Bishop, 1995; Ripley, 1996). El grupo de test tiene como función encontrar la red que tenga la mejor aproximación, con casos nuevos que no ha participado en el aprendizaje, proporcionando una estimación insesgada del error de generalización; es decir, que es capaz de generalizar la muestra de datos. En el estudio del año 2008, se obtuvieron los tres conjuntos de datos mediante asignación aleatoria de los 454 registros que formaban la muestra. Así, se contó con 319 Análisis de la vivienda en Córdoba. Estudio econométrico 272 registros de viviendas para el entrenamiento (60%), 91 registros para la validación (20%) y 91 registros para el test (20%). 7.5.4. ARQUITECTURA DE LA RED El modelo empleado es una red Perceptrón Multicapa (MLP)134, que aplicada a este problema, es la función de las medidas que minimiza el error al pronosticar el precio de oferta de la vivienda. La red genera un modelo predictivo para una o más variables dependientes (de destino) basada en los valores de las variables predictoras, formada por una capa de entrada, una capa de salida y una o más capas intermedias. La información se transmite desde la capa de entrada hasta la primera capa intermedia y cada neurona está conectada con todas las neuronas de la siguiente capa. En este tipo de arquitecturas, las conexiones entre las neuronas son hacia adelante, desde las neuronas de la capa de entrada hacia las neuronas de la capa siguiente, no existiendo conexiones entre neuronas pertenecientes a una misma capa ni conexiones hacia atrás. Esta estructura se denomina arquitectura feedforward (SPSS Inc., 2010). Las variables exógenas que hemos utilizado son las mismas empleadas en la estimación de los modelos estadísticos de ajuste hedónicos. Luego la capa de entrada está compuesta por seis neuronas que corresponden a las variables predictoras y la capa de salida tiene una única neurona -variable dependiente precio de oferta de la vivienda pronosticada-. El siguiente paso consiste en el elegir el número de capas ocultas y el número de neuronas o nodos de cada capa oculta. Para la mayoría de los casos prácticos es suficiente utilizar una sola capa oculta (Funahashi, 1989), como la empleada en la arquitectura de este modelo135. No hay ninguna metodología que determine el número 134 Multiplayer Perceptron. 135 Aunque SPSS permite hasta dos capas ocultas, el empleo de una segunda capa oculta no supuso una mejora en el rendimiento de los resultados obtenidos tanto en el grupo de validación como en el de test. 320 Análisis de la vivienda en Córdoba. Estudio econométrico óptimo de neuronas ocultas para un modelo, se debe usar el número de neuronas ocultas para los que la red tenga el ajuste más óptimo. Esto se consigue evaluando el rendimiento de diferentes arquitecturas y los resultados obtenidos en los grupos de validación y test (Palmer y Montaño, 1999). Figura 7.1: Arquitectura de la red neuronal Finalmente la arquitectura seleccionada corresponde a una estructura 6:6-71:1. Que corresponde a una RNA con seis neuronas o nodos de entrada -variables predictoras-, una capa oculta con siete neuronas y una neurona de salida -variable dependiente-. Esta estructura da lugar a un total de 57 conexiones o pesos estimados (49 hasta la capa oculta y 8 hasta la capa de salida) de las cuales 8 son constantes (bias)136. La figura 7.1 presenta la arquitectura de la red neuronal estimada y el signo de los pesos sinnápticos de los nodos. 136 La salida de una neurona viene dada por la función + , (Rosenblatt ,1962). 321 Análisis de la vivienda en Córdoba. Estudio econométrico 7.5.5. FUNCIONES DE ACTIVACIÓN DE LAS NEURONAS Cada nodo o neurona de la capa oculta es una función resultado de la suma ponderada de sus entradas a través del conjunto de conexiones que la unen con neuronas de la capa anterior, siendo esta, a su vez, una función de activación. Una vez activada, la neurona transmite señales a las neuronas que están conectadas a su salida. Y asociada a ella, hay una función de activación o transferencia que transforma su entrada, como resultado de estar conectada a las neuronas que le han proporcionado información y los valores de los pesos ponderados, que se determinan mediante el algoritmo de estimación. Las funciones de activación disponibles en SPSS son, para la capa oculta: la tangente hiperbólica137 y la función sigmoide138. Para el caso de la capa de salida, que contiene la variable dependiente, las funciones de activación disponibles son, además de las funciones citadas anteriormente: la función identidad y función softmax139. En nuestro caso, la función de activación empleada en la capa oculta fue la tangente hiperbólica y para la capa de salida la función de identidad. 7.5.6. ENTRENAMIENTO O APRENDIZAJE DE LA RNA En la etapa de entrenamiento, el objetivo es minimizar el error cometido entre la salida obtenida por la red y la salida real, ante un conjunto de patrones de funcionamiento denominado regla de aprendizaje. En esta fase se va produciendo un progresivo ajuste de los parámetros como consecuencia del proceso de estimulación, de tal forma que el tipo de entrenamiento o regla de aprendizaje elegida determinará el modo en que la red procesa los datos. Pudiéndose considerar el aprendizaje adquirido por la red, las ponderaciones obtenidas en las conexiones entre las neuronas. Es decir, se puede afirmar que una red aprende modificando los pesos de la red. 137 La función tangente hiperbólica es aquella que tiene la forma 138 La función sigmoide es aquella que tiene la forma 139 La función softmax es aquella que tiene la forma 322 Análisis de la vivienda en Córdoba. Estudio econométrico El algoritmo de aprendizaje utilizado en la estimación de las ponderaciones sinápticas es el denominado “gradiente”, siendo el tipo de aprendizaje por lotes o modo batch140. Los cambios en las ponderaciones sinápticas o pesos de cada iteración está definido por la tasa de aprendizaje inicial “η”. En general este valor suele estar comprendido entre 0,05 y 0,5 (Marín, 2011), pero se debe evitar los extremos, puesto que un ritmo de aprendizaje demasiado alto puede producir inestabilidad en la función de error, porque se pueden producirse grandes saltos en torno a un mínimo sin llegar a alcanzarlo y por el contrario, un valor en exceso pequeño, ocasiona una disminución en los saltos para alcanzar la convergencia y puede quedar atrapado en un mínimo local. Para este estudio se optó por un valor de tasa de aprendizaje inicial de 0,15. Otro elemento a tener en cuenta es el factor momento (α) que permiten incrementar la convergencia de las ponderaciones sinápticas. Su valor suele estar próximo a 1, en este caso el valor elegido fue de 0,9. En referencia a los criterios que parada de entrenamiento se especificó un cambio mínimo relativo del error de entrenamiento de 10-4 o un máximo de 40 registros sin una disminución del error. 7.5.7. ELECCIÓN DEL MODELO RNA La red neuronal que se eligió, y cuya arquitectura hemos visto anteriormente, fue la que presentó un comportamiento más uniforme en cuanto al error relativo 141 en el conjunto de las muestras mencionadas (de entrenamiento, prueba y test) y a la vez tenían un mejor ajuste. El ajuste de la red se presenta en la tabla 7.5. 140 Ver apartado 5.9.4 141 El error relativo para obtener la eficiencia del modelo que proporciona SPSS se obtiene a través de la suma de cuadrados de error (SSE) y es igual a: 323 Análisis de la vivienda en Córdoba. Estudio econométrico Tabla 7.5: Resumen del modelo Entrenamiento Suma de errores cuadráticos Error relativo Regla de parada utilizada Prueba 20,493 ,141 40 pasos consecutivos sin disminución del errora Suma de errores cuadráticos Error relativo Reserva Error relativo Variable dependiente: Precio a. Los cálculos del error se basan en la muestra de prueba. 6,928 ,136 ,131 En la tabla 7.6 puede observarse la influencia que tiene cada una de las variables explicativas en la determinación del precio de oferta del inmueble. Al igual que en los modelos de precios hedónicos, la variable que más contribuye a la fijación del precio es la superficie construida con el 60,4% del total, pero a diferencia de los modelos citados, la segunda característica con más importancia es terminación de lujo con un 14,8% por delante de índice de ubicación (zona económica) con el 11,8%. Con menor peso aparece el resto de las variables: climatización (5,2%), disponibilidad de plaza de garaje (4,1%) y en último lugar disponibilidad de ascensor (3,7%). Vuelve a ocurrir que, aunque estas últimas características de vivienda, porcentualmente, proporcionan poca información sobre el valor a la vivienda, aportan gran estabilidad al modelo, al igual que ocurría con los modelos clásicos utilizados anteriormente, la no incorporación de estos inputs produce un modelo mucho más inestable y con menos capacidad de predicción. Tabla 7.6: Importancia de las variables exógenas SuperficieConstruído s Lujo Zonaeconómica Climatizado Garaje Ascensor 324 Importancia Importancia normalizada ,604 100,0% ,148 ,118 ,052 ,041 ,037 24,5% 19,5% 8,7% 6,8% 6,1% Análisis de la vivienda en Córdoba. Estudio econométrico 7.5.8. VALIDACIÓN DEL MODELO Este ajuste mejora los resultados alcanzados mediante los Modelos de Precios Hedónicos. La media de los errores medios absolutos entre los precios pronosticados y precios reales de oferta asciende a 24.121,10 €, presentando un coeficiente de determinación R2 de 0,865 y la nube de puntos que representa el ajuste entre precio de oferta real y precio ajustado tien un buen comportamiento para un intervalo de confianza del 95%. El error relativo del modelo en las tres muestras puede observarse en la tabla 7.5. Tanto la muestra de prueba, formada por registros de datos que se utilizan para realizar el seguimiento de errores durante el entrenamiento con un valor de 0,136; como la muestra de reserva o test, que muestra una estimación “sincera” de la capacidad predictora del modelo con un valor de 0,131, e inferiores al error estimado en la muestra de entrenamiento (0,141)142. Con estos datos, puede afirmarse que el modelo tiene un buen ajuste. Gráfica 7.10: Precio de Oferta (pronosticado)/precio de oferta El gráfico de residuos por valores pronosticados de la variable dependiente (gráfica 7.11) muestra que los errores cometidos por la red no presentan ninguna 142 La “muestra de reserva” ofrece una estimación más “sincera” de la capacidad predictiva de un modelo, puesto que sus registros no se utilizan para crearlo, frente a la muestra de “prueba” en la que sus datos influyen de forma indirecta en la construcción del modelo puesto que sus datos se utilizan para realizar el seguimiento de los errores durante el entrenamiento . 325 Análisis de la vivienda en Córdoba. Estudio econométrico tendencia significativa, ni pueden distinguirse variación en los errores en función del precio. Gráfica 7.11: Residuos por pronosticados 7.5.9. FUNCIONAMIENTO DE LA RED NEURONAL Definido y validado el modelo de la muestra para la red neuronal. Para comprender su funcionamiento se procede a estimarlo para un caso particular. El registro elegido (nº 5409) correspondiente a una vivienda de 105 metros construidos, situada en zona de Colón – Ollerías (índice de zona máximo). La vivienda tiene terminaciones de lujo, tiene climatización, dispone de plaza de garaje y la finca está dotada con ascensor. Los valores de las variables exógenas, previo proceso de tipificación, entran en la red a través de la capa de entrada, que sería: Para esta vivienda los inputs tipificados de entrada son143: 143 Metros Construidos Índice de zona, Climatizado, Ascensor, Lujo y Garaje 326 Análisis de la vivienda en Córdoba. Estudio econométrico Estos inputs se multiplican por las ponderaciones sinápticas de cada una de las neuronas de la capa oculta. De forma que para la primera neurona de la capa oculta H(1:1), es decir, primer nodo de la capa oculta recibe una entrada neta que es igual a: + De la misma forma se calcula para el resto de las neuronas de la capa oculta (H(1:2),…H(1:7), que reciben una entrada neta igual a: + ……….. + Donde n es igual a 6, que corresponde con inputs de las 6 variables exógenas de entrada, son las ponderaciones sinápticas de las conexiones entre la capa de entrada y la capa oculta, y son los inputs de entrada tipificados, es el sesgo de la capa oculta tiene valor unitario. Tabla 7.7: Estimadores de los parámetros Predictor Pronosticado Capa de entrada Capa oculta 1 (Sesgo) Superficie Construida Índice zona Climatizado Ascensor Lujo Garaje (Sesgo) H(1:1) H(1:2) H(1:3) H(1:4) H(1:5) H(1:6) H(1:7) H(1:1) -,083 -,280 H(1:2) -,132 ,238 -,084 -,661 ,409 ,291 ,366 ,429 -,173 ,429 -,205 -,101 Capa oculta 1 H(1:3) H(1:4) ,774 ,343 -,389 ,048 ,108 -,135 ,004 ,042 -,296 ,033 -,303 -,119 -,847 -,194 H(1:5) -,299 ,100 H(1:6) -,412 ,087 H(1:7) -,372 ,457 -,308 ,106 -,467 ,031 -,176 ,194 -,524 ,040 ,078 ,185 ,484 ,054 -,344 ,157 ,413 Capa de salida Precio 1,404 -,640 ,959 -1,052 -1,080 ,537 ,978 -,292 La función de activación de la capa oculta es la tangente hiperbólica, que para la primera neurona con pesos sinápticos H(1:1) queda definida de la forma: 327 Análisis de la vivienda en Córdoba. Estudio econométrico + El valor de la función de activación de las demás neuronas de la capa oculta se calcula de manera similar, partiendo de los ponderaciones sinápticas H(1:2),..,H(1:7). El valor de la única neurona de salida se obtiene de forma similar a las neuronas de la capa intermedia, pero la función de activación de la capa de salida es la función de identidad, por lo que queda definida por: + donde m es igual a 7 (el número de neuronas de la capa oculta), son las ponderaciones sinápticas de las conexiones entre la capa oculta y la capa de salida, son los inputs de entrada tipificados, es el sesgo de la capa oculta y tiene valor unitario. El valor obtenido para en la neurona de salida es un valor tipificado. Por lo que es preciso deshacer los cambios dada por la transformación + , obteniendo un resultado de 355.425,8 €, frente a los 354.597,1 € del precio real de oferta publicado. 7.6. COMPARACIÓN DE LA CAPACIDAD DE AJUSTE DE LOS MODELOS En este apartado se analiza la capacidad de ajuste de los modelos obtenidos por las tres metodologías utilizadas: Precios Hedónicos mediante una ajuste lineal por mínimos cuadrados ordinarios (MCO), ajuste lineal por mínimos cuadrados parciales (PLS) y Redes Neuronales (RNA). Inicialmente se realiza una comparación exhaustiva para el año 2008 y que se presentan en la tabla 7.8., donde se presenta R2, MAD144, 144 MAD(Mean Absolute Deviation), es error medio absoluto 328 Análisis de la vivienda en Córdoba. Estudio econométrico MAPE145, MSE146, RMSE147 y PMAD148. Posteriormente se analizará en conjunto de todo el periodo presentando las conclusiones de este trabajo. Tabla 7.8: Evaluación de los modelos R2 MAD MAPE MSE RMSE PMAD MCO 0,851 29.202,3 12,54% 609.806.742.823,8 38.739,12 12,09% PLS 0,862 30.389,1 13,35% 663.657.336.399,2 40.518,4 12,58% RNA 0.865 24.121 ,1 10,79% 418.156.837.684,3 32.053,3 9,99% Al estudiar los coeficientes de determinación R2, se observa un ajuste similar en las tres metodologías. Mientras que el ajuste por Mínimos Cuadrados Ordinarios se consiguió un 85,1%, el empleo de Mínimos Cuadrados Parciales mejoró el ajuste muy ligeramente (86,2%) y en el caso de utilizar la Red Neuronal ascendió al 86,5%. Aunque los coeficientes de determinación son similares, no significa tengan la misma capacidad de ajuste, puesto que un indicador importante es el error relativo en el conjunto del test y registros de validación. En este caso se observa un menor error relativo utilizando la red neuronal (13,6%) frente a la utilización de las metodologías de MCO con un 18,2% y la metodología PLS con un 19,7%. 145 MAPE (Mean Absolute Percent Error) es el error medio absoluto relativo 146 MSE (Mean Square Error) media del error cuadrático 147 RMSE (Root Mean Square Error) es raíz cuadrada de la media del error cuadrático 148 PMAD (Percent Mean Absolute Deviation), es desviación porcentual absoluta media. 329 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 7.12: Precio de oferta estimado/precio de oferta 900.000 Precio de oferta (estimado) 800.000 700.000 600.000 500.000 400.000 300.000 200.000 100.000 0 0 100.000 200.000 300.000 400.000 500.000 600.000 700.000 800.000 900.000 MCO PLS RNA Lineal (MCO) Lineal (PLS) Lineal (RNA) Precio de oferta € La desviación porcentual absoluta media (PMAD) tiene un comportamiento similar, un mejor comportamiento (9,99%) de la red neuronal frente a las metodologías de ajuste por mínimos cuadrados ordinarios con un 12,09% y mínimos cuadrados parciales con 12,58%. Al analizar los errores absolutos medios la red neuronal vuelve a comportarse mejor la RNA con un error absoluto medio de 24.121,1 € mientras que el ajuste por las otras metodologías son de 29.202,3 € y 30.389,1 € para mínimos cuadrados ordinarios y mínimos con los parciales respectivamente. Similar comportamiento tiene también el error cuadrático medio, donde la RNA vuelve a tener un mejor comportamiento (38.739,12 €) que el empleo de la metodología de MCO (38.739,12 €) y PLS (40.380,71 €). 330 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica 7.13: Errores de los modelos estimados 150.000 125.000 100.000 75.000 50.000 25.000 0 -25.000 -50.000 -75.000 -100.000 78.000 120.000 137.256 139.600 144.063 150.253 153.000 153.739 159.268 162.275 165.579 170.808 171.650 174.293 177.299 180.000 180.905 186.300 190.000 192.324 201.500 208.400 209.016 210.354 213.510 215.763 216.500 222.375 222.660 227.150 231.800 237.500 240.000 246.414 257.000 264.445 270.455 276.465 282.475 299.425 311.114 330.000 336.567 341.615 348.587 355.000 366.617 378.650 396.668 436.000 480.810 -125.000 MCO PLS RNA En la gráfica 7.13 se presenta los errores (positivos y negativos) obtenidos en las tres metodologías. Puede observarse, que mientras en el primer tramo de precios más bajos los errores son mayoritariamente negativos; es decir, los modelos sobrevaloran los precios de las viviendas, en el último tramo ocurre lo contrario, puesto que lo errores son positivos y los modelos tienden a infravalorar. El mejor comportamiento de los modelos se desarrolla en el tramo intermedio de precios, en un tramo de precios comprendido aproximadamente entre los 165.000 y 350.000 €. Al estudiar individualmente los registros con mayores errores, se puede comprobar que la mayoría de los inmuebles se encuentran en áreas de la ciudad donde la variable explicativa de localización de la vivienda tiene un mayor peso en la determinación del precio de la vivienda. A modo de ejemplo, se han observado viviendas, que teniendo un índice de zona máxima, su precio real de oferta es muy superior a otras zonas de Córdoba con el mismo índice, entre estas zonas pueden citarse principalmente las viviendas situadas en el Plan RENFE o localizaciones muy principales (Ronda de Tejares, Avda. de la Victoria, etc.) y que no son suficientemente valorados por los modelos. Igualmente ocurre en el tramo de viviendas con menor precio, donde aparecen viviendas que, aunque tengan índice de zona mínima, por el contexto de localización, su valoración real es bastante inferior a otras con índice similar; estas viviendas se localizan principalmente en el Sector Sur149. 331 Análisis de la vivienda en Córdoba. Estudio econométrico Puede pensarse que un mayor ajuste hubiera sido en ampliar el número de rangos de índices de zona, pero por la propia estructura de la que se ha obtenido la serie objeto de estudio, tampoco hubiera sido posible, puesto que por la confidencialidad que observan las sociedades inmobiliarias en la información, la ubicación de la vivienda se realizara por grandes zonas urbanas. Pero la situación específica dentro de una misma zona (secciones censales) lleva a una distinta valoración de la vivienda porque su mayor o menor degradación urbana varía sustancialmente, e influye la tipología socioeconómica de sus habitantes. Aun así, consideramos que esta división para Córdoba es sustancialmente mejor a una división por distritos postales realizados en otros trabajos a nivel nacional150 e internacional, puesto que la división postal existente en Córdoba (y en la mayoría de las ciudades) corresponden a criterios administrativos históricos, incorporando en las mismas áreas con gran diferencia socioeconómica. En resumen, la red neuronal tiene una mayor precisión para alcanzar aproximaciones a los precios de oferta de la vivienda, que las aproximaciones mediante ajustes de regresiones lineales o linealizables. Cuando el objeto a modelizar es sencillo y homogéneo como una urbanización, o un municipio pequeño o mediano, los resultados son de una precisión similar en ambas técnicas. Pero cuando el objeto es más complejo y el territorio aumenta de tamaño, las redes muestran una mayor precisión. Luego la valoración de precios implícitos por redes neuronales puede emplearse en la valoración de grandes territorios, manteniendo una precisión aceptable y consiguiendo un nivel de producción de valores muy elevado. Una última ventaja que conviene citar es su capacidad para aproximar mejor el valor de las propiedades especiales o atípicas que los modelos lineales o linealizables. Estas últimas ventajas proceden del hecho de que las redes no ajustan la relación entre las variables y el precio a una ecuación sencilla, como en la regresión, sino que aprenden de una relación más compleja con muchos más parámetros, pues sus funciones no lineales, las dotan de mayor flexibilidad. 149 Según la encuesta de población y vivienda, algunas secciones censales del Distrito Sur tienen índices de habitabilidad y marginalidad acusada ( una sección censal presentaba una habitabilidad de 30,38 puntos sobre 100 y en otras dos puntuaciones inferiores a 40 puntos), frente a otras secciones censales con mayores índices de habitabilidad 150 Zaragoza, Asturias, Barcelona y otros. 332 Análisis de la vivienda en Córdoba. Estudio econométrico Pero las redes en general presentan el inconveniente de carecer de un modelo que interprete, desde el punto de vista económico, los resultados obtenidos, más allá de la mayor o menor aproximación entre los precios estimados y precios de oferta reales. Aunque los coeficientes de los atributos hallados mediante la ecuación hedónica tampoco resultaría, desde la ortodoxia económica, correcto afirmar que influyen de forma individual en el precio del valor vivienda como se ha hallado, ya que estas características forman parte de un todo y la existencia de un atributo influenciará de distinta forma en cada una de las distintas situaciones de la vivienda. 7.6.1. VARIACIÓN MARGINAL DEL PRECIO DE OFERTA Una vez realizadas estas apreciaciones, se ha decidido estudiar cómo afectan a los precios implícitos de la red y comparar estos precios implícitos con los provenientes del modelo de regresión el cambio en los atributos de la vivienda. Se analizar las dos de las características más importantes de la vivienda que definen el precio de oferta: superficie e índice de zona. A efectos ilustrativos se ejemplariza a través de 16 registros relativos a viviendas con las mismas características y en la misma ubicación, en la que sólo varía entre sí la superficie. Las viviendas van desde los 40 m2 hasta 200 m2, siendo el resto de las características: índice de zona 3 (correspondiente a la zona de clase media), está dotada la vivienda de asesor, climatización y plaza de garaje; las viviendas no tiene terminaciones de lujo. Como las viviendas son iguales, lo único que hace variar el valor es la superficie, por tanto, para estos ejemplos, el valor sólo está en función de la superficie. En la gráfica 7.14 se presenta una serie de valores correspondiente a la muestra hallada por la metodología de redes neuronales y los resultantes de aplicar las regresiones aditivas por mínimos cuadrados ordinarios y mínimos cuadrados parciales151. 151 Para el cálculo del precio de oferta por metodología hedónica se ha multiplicado el vector de entrada, donde solamente ha variado la superficie, por la matriz de pesos de las conexiones entre la capa de entrada y la oculta (siendo la función de activación utilizada en la capa oculta la tangente hiperbólica). Los pesos que las conexiones entre la capa oculta y la capa de salida fue la función identidad. La pendiente de las rectas de precios hedónicos se ha obtenido de las funciones de precios hedónicos hallados por ambas metodologías. 333 Análisis de la vivienda en Córdoba. Estudio econométrico En esta gráfica se observa el incremento marginal que se produce en el precio de oferta de las viviendas conforme aumenta la superficie construida, siendo los incrementos constantes y lineales cuando se aplica las metodologías hedónicas (1.532,1 €/m2 y 1.648,9 €/m2, para MCO y PLS respectivamente). Mientras que la red neuronal presenta una respuesta curva y creciente, con mayores precios en los puntos extremos que los estimados en ambas MPH, y menores precios en superficies intermedias. La RNA tiene precios más altos que los obtenidos por metodología de mínimos cuadrados parciales para superficies de hasta 60 m2 y de mínimos cuadrados ordinarios de hasta 70m2; y en el extremo superior aparece con precios más altos para viviendas por encima de 140 m² y 170 m² de superficie en las metodologías antes citadas respectivamente. Es necesario aclarar que las funciones marginales con ajustes por MCO y PLS, de una vivienda con otro índice de zona, tienen una pendiente igual ante las mismas variaciones de superficie, sólo se hubiera modificado la ordenada en el origen; mientras que la función de red neuronal, con una forma curva, no tiene por qué tener el mismo comportamiento, ni la misma forma, puesto que el comportamiento de la red ante este nuevo dato varia totalmente su respuesta. 2 Gráfica 7.14: Precios implícitos por RNA Vs MPH ante la variable superficie (m ) 450.000 € 400.000 € 350.000 € 300.000 € 250.000 € 200.000 € 150.000 € 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200 MCO PLS NEURONAL Para describir la variación marginal del precio en función de la variable explicativa índice de zona (gráfica 7.15), se ha puesto como ejemplo una vivienda con una superficie 334 Análisis de la vivienda en Córdoba. Estudio econométrico construida de 100 m²; el inmueble dispone de ascensor, climatización, plaza de garaje y no tiene terminaciones de lujo. En este caso, al igual que en el ejemplo anterior, la variación marginal del precio en función de la variación del índice de zona, es constante y lineal cuando se aplican precios hedónicos por la metodología de mínimos ordinarios y mínimos cuadrados parciales, siendo esta variación marginal de 21.338,7€ y 22.746,23 €, respectivamente, al aumentar en una unidad el índice de zona. Para el caso de la red neuronal vuelve a presentar una forma curva creciente cóncava-convexa, con un punto de inflexión en la zona tres. Esta forma indica que el precio de oferta, para la red, es inferior a las determinadas por dos las metodologías hedónicas, hasta la zonas socioeconómicas calificadas como de renta media (zona 3), y conforme aumenta el índice de ubicación, los precios marginales aumentarán de forma más que proporcional hasta la zona cuatro, donde este incremento de precios pasa a crecer de forma lenta. Gráfica 7.15: Precios implícitos por RNA Vs MPH ante variable índice de ubicación 325.000€ 300.000€ 275.000€ 250.000€ 225.000€ 200.000€ 175.000€ 1 2 MCO 7.7. 3 PLS 4 5 NEURONAL ANÁLISIS COMPARATIVO DEL PERIODO (1999-2009). CONCLUSIONES. 7.7.1. ANÁLISIS DE SENSIBILIDAD DE LOS INPUTS 7.7.1.1. ESTIMACIÓN POR METODOLOGÍA DE PRECIOS HEDÓNICOS El proceso de modelización realizado para el año 2008 se generalizó en toda la serie de forma similar a la descrita, empleando también las tres metodologías, aunque no 335 Análisis de la vivienda en Córdoba. Estudio econométrico se vuelve a describir. Se procede a analizar sus resultados de forma global para poder presentan conclusiones. Inicialmente se intentó generalizar la modelización del precio de oferta de inmuebles para los 11 años objeto de estudio (1999-2009), tanto en los modelos de precios hedónicos, como para las arquitecturas de red neuronal, con unos resultados no satisfactorios. Estas pruebas se hicieron en funciones tanto lineales, como semilogarítmicos152 y logarítmicos. También se procedió a deflactar los precios de oferta con el objeto de homogeneizar datos con idéntico resultado. Por lo que se llegó a la conclusión que no era posible obtener, para una serie larga de tiempo, un buen modelo de precios hedónicos único, ni tampoco una misma arquitectura de red neuronal153, cuando la dinámica del mercado ha tenido una alta variabilidad, como ha ocurrido en el mercado español y específicamente cordobés. Por lo que se procedió a buscar el mejor modelo posible para cada año, intentando mantener los mismos inputs de partida. Como resultado de esta premisa de trabajo, si bien en la mayoría de los casos las variables explicativas que determinan el precio de la vivienda han sido las mismas, existen años en los que alguna de estas variables no fueron significativas, por lo que hubo de suprimir o sustituir otra variable; por ejemplo la variable “ascensor” en el inmueble fue necesaria suprimirla de la función y se sustituyó por una nueva variable “número de baños” para 2005 y 2007. Esta última variable no se ha podido generalizar y suprimir en toda la serie la variable ascensor suponía una pérdida de ajuste reseñable en los primeros años154. En el anexo II se presentan los modelos de precios hedónicos ajustados por las metodologías de mínimos cuadrados ordinarios, mínimos cuadrados parciales y 152 En la literatura existente se usa frecuentemente las funciones semilogarítmicas, en nuestro caso también dieron buenos resultados pero prácticamente similares a la funciones lineales puras, por lo que se opto por el tipo de función lineal, que incluso a la hora de la red neuronal daba un ligerísimo mejor resultado. 153 Aunque la función proporcionaba una buena correlación, los coeficientes de dispersión no se consideraron adecuados. 154 Sospechamos que esta variable puede ser indicativa, de forma indirecta, de la antigüedad de la vivienda en importantes zonas de la ciudad. 336 Análisis de la vivienda en Córdoba. Estudio econométrico estimación de precios implícitos por red neuronal artificial del precio de oferta de los inmuebles recogidos en las muestras efectuadas entre los años 1999 al 2009. En las tablas 7.9 y 7.10 se presentan los coeficientes de las variables exógenas que definen el precio de oferta la vivienda durante el periodo objeto de estudio por la metodología precios hedónicos con los ajustes de mínimos cuadrados ordinarios y mínimos cuadrados parciales. 7.7.1.2. COEFICIENTES ORDINARIOS. DEL AJUSTE POR MÍNIMOS CUADRADOS En la determinación de precios hedónicos, aplicando un ajuste lineal por mínimos cuadrados ordinarios, se realizó a la función obtenida inicialmente el test de significación global F-Snedecor por lo que se admite que al menos una de las variables exógenassirve para explicar la variable dependiente “precio de oferta”. Tabla 7.9: Resumen de coeficientes de modelos (1999-2009) con ajuste MCO Constante Índice zona Superficie Term. Lujo Ascensor Climatizado Garaje 1999 -24.785,2 8.057,3 634,2 23.264,0 5.539,2 9.651,2 23.992,9 2000 -46.819,8 12.615,5 815,9 16.029,0 12.152,7 5.387,5 24.991,8 2001 -45.366,0 11.373,2 963,5 13.689,3 12.123,7 12.097,4 25.534,8 2002 -28.898,1 12.801,2 869,1 27.235,4 13.311,9 9.308,8 19.508,6 2003 -37.712,4 16.004,5 1.069,2 27.271,7 10.071,1 9.746,6 33.846,2 2004 -49.686,6 21.698,8 1.296,9 24.533,5 11.226,3 13.001,2 29.838,9 2005 -48.916,9 20.719,7 1.495,0 16.688,8 15.291,9 31.681,8 2006 -20.034,0 19.104,5 1.518,4 42.856,0 16.632,9 41.659,2 2007 -20.534,9 22.923,2 1.607,2 56.397,5 10.146,9 23.771,4 2008 -5.936,1 21.338,7 1.532,1 50.339,7 10.449,8 17.795,9 26.181,1 2009 -44.611,7 23.664,2 1.680,5 46.906,4 12.629,5 8.261,8 45.640,0 19.358,3 Nº baños 13.216,9 9387,79 También se estudió la significación individual de cada una de las variables exógenas utilizadas y, como se ha dicho anteriormente, se encontró que el atributo “ascensor” no era significativo en algún año bajo el contraste de t-Student, por lo que ha sido necesario eliminarlo (en la tabla 7.9 no aparecen estos coeficientes). En este caso, en el año 2005 y 2007 se admitió, en el modelo, una nueva variable independiente (“número de baños”155). Dada en la variabilidad de significación de los coeficientes, a 155 Este atributo no se ha incorporado al modelo en el resto de los años, puesto que solamente es 337 Análisis de la vivienda en Córdoba. Estudio econométrico partir del año 2005, se puede afirmar que no existe estabilidad en los parámetros en la serie temporal y lo corroboró el test de Chow para probar la existencia o no de estabilidad156. 7.7.1.3. COEFICIENTE PARCIALES DEL AJUSTE POR MÍNIMOS CUADRADOS Puesto que uno de los objetivos de este trabajo es determinar la metodología que tenga mejor ajuste para la determinación de precios hedónicos, en el ajuste lineal por mínimos cuadrados parciales se tomaron las mismas variables exógenas. Se presentan, en la tabla siguiente, los coeficientes de los atributos de la función de precios hedónicos. Tabla 7.10: Resumen de coeficientes de modelos (1999-2009) con ajuste PLS Constante Índice zona Superficie Term. Lujo Ascensor Climatizado Garaje 1999 -25.816,8 8.289,6 627,8 21.185,0 6.561,8 10.266,5 25.094,4 2000 -45.258,8 11.512,5 832,3 17.046,5 12.705,9 5.399,0 23.432,1 2001 -42.832,9 11.554,5 940,5 14.528,3 13.152,4 10.384,0 24.127,7 2002 -29.126,5 12.232,2 914,8 25.204,5 14.050,6 8.546,3 20.446,5 2003 -40.953,3 16.010,3 1.101,5 26.637,9 9.381,6 9.826,5 37.110,1 2004 -49.802,1 22.362,2 1.278,6 25.250,5 11.555,8 13.359,3 28.713,9 2005 -48.512,2 20.954,6 1.475,2 17.400,0 14.768,0 30.771,7 2006 -22.680,0 18.728,2 1.551,3 41.916,4 17.200,8 43.017,3 2007 -25.156,4 26.072,2 1.527,6 57.072,4 6.060,6 57.072,4 2008 -20.045,2 22.746,3 1.649,0 35.265,9 10.280,6 18.622,9 33.311,2 2009 -45.923,2 24.302,7 1.653,1 38.411,4 10.995,9 7.570,8 57.517,9 18.498,9 Nº baños 13.428,2 13.568,56 En el ajuste por PLS se calculó la bondad de ajuste y de predicción. Para obtener un buen modelo interesa que la función tenga el mejor ajuste, y que además, con dicho modelo se puedan predecir nuevas observaciones con el menor error. Por lo que se procedió a calcular la bondad de ajuste R2y, que es el cociente entre la variabilidad explicada por el modelo y la variabilidad total, dando resultado bueno en todos los años (igual o superior a 0,832), también se calculó la bondad de predicción (Q2)157 de los significativo en algunos años, teniendo mejor comportamiento el atributo ascensor. También, se pensó de quitar la variable ascensor en todo el periodo, pero el modelo perdía calidad. 156 En la investigación económica interesa sobremanera la estabilidad de las funciones econométrica calculadas. En no cumplimiento del supuesto de estabilidad de los coeficientes implica que una estimación de los coeficientes a lo largo de un periodo puede producir resultados incorrectos y proyecciones erróneas. 157 Los resultados de la bondad de ajuste y predicción de cada año se presentan en el ANEXO II 338 Análisis de la vivienda en Córdoba. Estudio econométrico modelos, calculando la suma de los cuadrados de errores de predicción de una parte de la muestra que no han sido utilizadas para el ajuste, obteniendo también unos buenos resultados. Por lo que se consideró que los modelos obtenidos eran adecuados (ver anexo II). 7.7.1.4. CONCLUSIONES EVOLUCIÓN COEFICIENTES DE AJUSTE MCO Vs PLS Al evaluar los coeficientes de las variables exógenas en los modelos hedónicos se observa que existe una relación proporcional positiva con todas las variables, no existiendo ninguna con relación negativa. Esto es lógico, puesto que los registros son ofertas de venta y es normal que los vendedores, al intentar dar salida a su bien, solamente proporcionen información positiva, mostrando los atributos que dan valor e intentando ocultar aquellas características, de cuya existencia, suponga una minusvaloración de la vivienda. En las gráficas 7.16 y 7.17 se presenta la evolución de la variable “superficie”, que es la que mayor aportación tiene al precio final de oferta de la vivienda y en segundo lugar aparece la variable “índice de zona” que ocupa el segundo lugar, siendo ambos atributos, los que tienen mayor peso en el precio de oferta. Euros/m2 (MCO) Euros/m2 (PLS) Índice zona (MCO) Índice zona (PLS) 339 2009 2008 2007 2006 2005 2004 2003 2002 2001 5.000 € 2009 600 € 2008 10.000 € 2007 800 € 2006 15.000 € 2005 1.000 € 2004 20.000 € 2003 1.200 € 2002 25.000 € 2001 1.400 € 2000 30.000 € 1999 1.600 € 2000 Gráfica 7.16: Evolución de la aportación de la variable “Índice de zona” al precio de oferta (€/unidad) 1999 Gráfica 7.17: Evolución de la aportación de la 2 variable “Superficie” al precio de oferta (€/m ) Análisis de la vivienda en Córdoba. Estudio econométrico El coeficiente “superficie” ha experimentado un crecimiento del 165% para el ajuste por MCO y un 163,3% para el ajuste por PLS, pasando de un valor de 634,2 € (832,3 € para PLS) el primer año a 1.680,6 € (1.653,1 € para PLS) en el último año de la serie. La evolución de este coeficiente tiene un primer ajuste, fruto de una ralentización de los precios en el año 2002, para luego continuar la tendencia alcista hasta el año 2006 que comienza una estabilización de la componente superficie hasta el año 2009. En este último tramo el comportamiento de los ajustes por MCO y PLS tienen un comportamiento dispar; mientras que en el primer ajuste se sigue incrementando el coeficiente en el segundo muestra un comportamiento oscilante. El coeficiente “índice de zona” (gráfica 7.16) presenta un comportamiento oscilante durante el periodo de estudio. Si el precio de oferta se incrementaba en 8.057,3 €, ante la mejora de zona en una unidad, en el año 1999; en el 2009, esta cantidad ascendía a 23.664,2 € cuando el ajuste era por (MCO), lo que supone un incremento del 193,7%. Para ajuste por PLS, el precio de oferta aumentaba, para la misma situación, en 8.289,6 € en el año 1999, y 24.302,7 €, en el año 2009, lo que supone un incremento del 193,3%. En el coeficiente de la variable “garaje” (gráfica 7.18) se observa un comportamiento similar en ambos ajustes hasta el año 2006, pero en el año 2007 el incremento del precio que supone que la vivienda tenga o no de plaza de garaje varía en función de las metodologías empleadas. Volviendo en los años 2008 y 2009 a tener un comportamiento oscilante similar. Gráfica 7.18: Evolución de la aportación de la variable "Garaje" al precio de oferta 65.000 € 57.518 57.072 55.000 € 43.017 45.000 € 37.110 35.000 € 25.000 € 15.000 € 28.714 25.094 23.432 24.128 20.447 33.846 29.839 33.311 45.640 30.772 41.659 31.682 23.993 24.992 25.535 23.771 26.181 19.509 Garaje MCO 340 Garaje PLS 2009 2008 2007 2006 2005 2004 2003 2002 2001 2000 1999 5.000 € Análisis de la vivienda en Córdoba. Estudio econométrico La variable “climatización” tiene un comportamiento muy similar en ambos ajustes a lo largo del periodo de estudio, con unos valores comprendidos entre los 5.387,5 € para el año 2000 y 17.795,9 € para el año 2008 en el ajuste por MCO. En el ajuste por PLS esta contribución al precio de la vivienda se sitúa entre los 5.399 € del año 1999 y los 18.622,9 € del año 2008. La aportación de la variable “ascensor” ha tenido un comportamiento irregular a lo largo de la serie. Su incorporación al modelo ha sido importante en el primer tramo del periodo 1999-2004, mientras que a partir del segundo tramo no ha sido significativa en algunos años. 7.7.1.5. ESTIMACIÓN POR REDES NEURONALES Con el objeto de comparar cuál es la metodología más adecuada se estimó el precio de oferta por RNA en esta serie. El modelo empleado fue una red Perceptrón Multicapa, con una capa oculta que tiene una función de activación la tangente hiperbólica y para la capa de salida la función de identidad. La tasa de aprendizaje inicial fue de 0,15 y el factor momento 0,9. Para el criterio de paro del entrenamiento se optó entre 35 y 40 pasos sin mejora158, según el año. El número de neuronas más frecuentes en la capa oculta es de 5, aunque no se aplicó de forma uniforme en el periodo de estudio, puesto que la generalización producía resultados no satisfactorios en la muestra de reserva. Los registros se dividieron en tres muestras: de entrenamiento (60%), de prueba (20%) y reserva (20%). Los errores de la muestra de reserva no participaron en la determinación de la red, al contrario que la muestra de entrenamiento y de forma indirecta también la muestra de prueba, por lo que entendemos que era un dato muy a considerar. La salida de la red muestra el precio de oferta calculado en función de las variables exógenas, utilizando las mismos inputs que en los ajustes de metodologías de precios hedónicos. La tabla 7.19 se presenta la importancia normalizada (%) de las variables de entrada, en las que se puede comprobar que el poder explicativo de los inputs no se mantienen constantes para la serie, siendo las características más destacables: 158 El ajuste de la red variaba de forma importante al modificar los criterios de paro. 341 Análisis de la vivienda en Córdoba. Estudio econométrico - La variable “superficie” es el inputs que más influencia tiene en la determinación del precio total de la vivienda, oscilando entre el 47,8% en el año 1999 y el 70,8% en el año 2001; teniendo en la mayoría de los años una influencia superior al 50%. - La siguiente variable con mayor peso corresponde a “índice de zona” con un valor relativo comprendido entre el 8,5% y el 19,2%; estando en la mayoría de los casos por encima del 14%. Se puede comprobar que existe una relación inversa entre la importancia de la variable “superficie” y la variable “índice de zona”; ya que al aumentar la primera disminuye el peso de la segunda y viceversa. - La tercera variable en importancia se refiere la variable con “terminaciones de lujo”, con pesos comprendidos entre el 8,7% en el año 2000 y el 14,8% en el año 2008, siendo su influencia en la mayoría de los casos superior al 10%. - La cuarta variable en importancia corresponde a "garaje" con una importancia normalizada que varía entre el 3,6% en el año 2007 y el 11% en el año 1999 aunque la mayoría de los casos su influencia está por debajo del 9%. - El cuarto y quinto lugar corresponde a las variables "ascensor" y "climatizado", inputs que la red considera que tienen una influencia bastante escasa, y en todo caso, muy inferior a las calculadas por las metodologías hedónicas. Gráfica 7.19: Evolución del Precio/Importancia normalizada de las variables exógenas 80% 70% 60% 50% 40% 30% 20% 10% 0% 1999 2000 2001 2002 Índice zona Ascensor 342 2003 2004 2005 Superficie Climatizado 2006 2007 Term. Lujo Garaje 2008 2009 Análisis de la vivienda en Córdoba. Estudio econométrico 7.7.2. VALIDACIÓN DE LOS MODELOS En este apartado se analizan los estadísticos que hemos considerado más importantes en la serie 1999-2009, a efectos de comparar y determinar la metodología que mejor ajuste tiene a la hora de modelizar los precios de oferta de la serie. Todos los coeficientes de determinación R2 de la serie estudiada, tiene un ajuste por encima de 0,816 si se emplea los mínimos cuadrados ordinarios, 0,807 cuando la técnica empleada es mínimos cuadrados parciales y 0,843 cuando se utilizó redes neuronales. En referencia de los errores: la media de los errores medios absolutos relativos MAPE son de 14,30%, 15,53% y 12,91% para MCO, PLS y RNA respectivamente. Mientras que la media desviación porcentual absoluta de la serie sería: 13,35%, 13,40% y 11,79% respectivamente, como valores más representativos. Por lo que se puede afirmar que en las tres técnicas utilizadas han obtenido un buen ajuste. De los resultados de la validación se puede deducir que las redes neuronales mejoran en general los resultados obtenidos por los dos modelos de precios hedónicos, como pueden comprobarse en estos resultados globales y en las tablas que se presentan a continuación. En la tabla 7.28 se presentan los resultados de los coeficientes de determinación 2 R , en el que se aprecia un mejor ajuste en todos los años de la serie estudiada, independientemente de la mejor o peor calidad de ajuste en cada año. Sin embargo, al analizar los coeficientes de determinación por los dos ajustes de precios hedónicos, se puede afirmar que los resultados son similares, alternándose en los años a la hora de obtener de mejor coeficiente R2. 2 Gráfica 7.20: Resultados de los coeficientes de determinación R ; (1999-2009) 0,94 0,92 0,9 0,88 0,86 0,84 0,82 0,8 MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA 0,78 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 343 Análisis de la vivienda en Córdoba. Estudio econométrico Si analizamos los errores medios absolutos (MAD), se comprueba que la red neuronal vuelve a tener mejores resultados y menores errores con diferencias comprendidas entre 844,3 para el año 2002 y 6.064,6 para el año 2007, si nos referimos al ajuste por MCO ( 823,5 en 2002 y 6267,7 en 2011 para el ajuste por PLS). En este caso, tampoco existen diferencias significativas entre los dos ajustes de precios hedónicos calculados. Gráfica 7.21: Evolución de los errores medios absolutos (MAD); (1999-2009) 35.000 € 30.000 € 25.000 € 20.000 € 15.000 € 10.000 € 5.000 € MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA 0€ 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 A lo largo de la serie, al observar las desviaciones porcentuales medias, se comprueba el mejor comportamiento de la red neuronal artificial, mientras que los resultados obtenidos en los dos ajustes de precios hedónicos tienen un comportamiento similar. Gráfica 7.22: Evolución de la desviación porcentual absoluta media (1999-2009) 16% 14% 12% 10% 8% 6% 4% 2% MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA MCO PLS RNA 0% 1999 344 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Análisis de la vivienda en Córdoba. Estudio econométrico En las tablas siguientes, se presentan los coeficientes de determinación R2, los errores medios absolutos (MAD), los errores medios absolutos relativos (MAPE), la media del error cuadro cuadrático (MSE), la raíz cuadrada de la media del error cuadro errático RMSE y la desviación porcentual absoluta media PMAD de los años estudiados (1999 al 2009). 1999 2000 2001 2002 2003 R2 MAD MAPE MSE RMSE PMAD MCO 0,855 11.917,7 14,71% 219.274.601,3 14.807,9 13,93% PLS 0,855 11.931,1 14,99% 215.945.110,3 14.762,3 13,94% RNA 0,879 10.986,6 13,95% 202.510.706,3 14.230,6 12,84% R2 MAD MAPE MSE RMSE PMAD MCO 0,816 15.465,1 17,37% 395.998.057,8 19.899,7 15,83% PLS 0,807 15.858,5 17,37% 403.450.250,2 20.086,1 15,76% RNA 0,843 14.499,6 15,68% 356.831.538,7 18.889,9 14,41% R2 MAD MAPE MSE RMSE PMAD MCO 0,873 16.357,7 15,82% 401.113.649,4 20.028,4 14,25% PLS 0,862 16.355,4 16,01% 390.751.311,2 19.857,3 14,25% RNA 0,901 13.675,2 13,45% 320.097.776,7 17.891,3 11,91% R2 MAD MAPE MSE RMSE PMAD MCO 0,828 17.678,2 16,13% 536.815.627,3 23.169,3 14,83% PLS 0,862 17.657,4 16,07% 522.493.932,7 22.858,1 14,81% RNA 0,901 16.833,9 15,66% 469.916.922,6 21.677,6 14,12% R2 MAD MAPE MSE RMSE PMAD MCO 0,832 21.537,4 16,39% 754.431.538,3% 27.464,8 15,05% PLS 0,832 21.715,3 16,57% 800.033.887,1% 28.397,8 15,17% RNA 0,859 19.286,0 14,06% 688.799.838,0% 26.245,0 13,48% 345 Análisis de la vivienda en Córdoba. Estudio econométrico 2004 2005 2006 2007 2008 2009 346 R2 MAD MAPE MSE RMSE PMAD MCO 0,849 24.873,4 13,56% 1.000,066.883,3 31.633,3 12,98% PLS 0,845 24.842,4 14,07% 1.003.528.806,2 31.678,5 12,97% RNA 0,869 21.983,8 12,79% 843.128.853,7 29.036,7 11,51% R2 MAD MAPE MSE RMSE PMAD MCO 0,864 25.714,1 13,01% 1.190.501.928,7 34.503,6 12,22% PLS 0,855 25.649,6 13,15% 1.192.943.010,2 34.539,0 12,19% RNA 0,905 21.599,8 11,07% 793.811.238,6 28.174,7 10,29% R2 MAD MAPE MSE RMSE PMAD MCO 0,834 27.543,4 11,92% 1.251.948.175,6 35.415,5 11,26% PLS 0,832 27.456,9 12,04% 1.281.739.271,1 35.801,39 11,23% RNA 0,872 24.777,6 10,98% 1.059.520.848,9 32.550,3 10,17% R2 MAD MAPE MSE RMSE PMAD MCO 0,880 28.098,0 11,78% 1.385.034.308,8 37.216,1 11,21% PLS 0,875 28.119,2 11,87% 1.355.816.165,9 36.821,4 11,21% RNA 0,920 22.033,4 9,67% 781.532.544,9 27.955,9 8,88% R2 MAD MAPE MSE RMSE PMAD MCO 0,851 29.202,3 12,54% 609.806.742.823,8 38.739,12 12,09% PLS 0,862 30.389,1 13,35% 663.657.336.399,2 40.518,4 12,58% RNA 0.865 24.121 ,1 10,79% 418.156.837.684,3 32.053,3 9,99% R2 MAD MAPE MSE RMSE PMAD MCO 0,891 29.363,5 14,02% 1.220.731.940,4 34.939,0 13,25% PLS 0,868 27.816,4 14,36% 1.280.930.381,1 35.790,1 13,29% RNA 0,907 25.308,2 13,91% 962.155.144,1 31.018,6 12,09% Análisis de la vivienda en Córdoba. Estudio econométrico PARTE 4 347 Análisis de la vivienda en Córdoba. Estudio econométrico 348 Conclusiones y futuras líneas de investigación CAPÍTULO 8 CONCLUSIONES Y FUTURAS LÍNEAS DE ACTUACIÓN 349 Análisis de la vivienda en Córdoba. Estudio econométrico 8. CONCLUSIONES Y FUTURAS LÍNEAS DE ACTUACIÓN E n el capítulo primero se presentaron los objetivos que queríamos alcanzar con este trabajo, y en función de los mismos se ha estructurado. Este capítulo pretende ser una síntesis de lo realizado, por lo que se ha estructurado de la siguiente manera: en la primera parte se exponen las conclusiones a las que se ha llegado sobre el mercado de la vivienda y las características del parque, en la segunda parte se contrastan las hipótesis de trabajo del estudio metodológico y en la última se proponen las futuras líneas de actuación. 8.1. CONCLUSIONES La idea básica que ha sustentado este trabajo se ha centrado en dos pilares: el primero es el conocimiento del mercado de la vivienda – que tiene unas características muy específicas-, para ello se ha realizado una descripción de las características del parque de viviendas, así como los factores que determinan la demanda y la oferta, para la formación del precio; y el otro pilar consiste comprobar si es posible llegar a ese precio de mercado a través de las características que proporciona el oferente. Se presentan las conclusiones que se consideran más importantes de este trabajo de tesis: SOBRE EL PARQUE DE VIVIENDAS 1.- A pesar de la pobre información estadística oficial y los evidentes errores en esta información, se puede afirmar que España es el país que tiene mayor disponibilidad de viviendas por número de hogares de Europa con una diferencia entre ambos del 34,5%, a gran distancia del resto de los países. 2.- Aunque la mayoría de los estudios insisten sistemáticamente en analizar el parque de viviendas por comunidades autónomas, realmente esa simplificación no representa una imagen fiel de la realidad constructiva ni de stock, puesto que más de los dos tercios de 351 Análisis de la vivienda en Córdoba. Estudio econométrico los 14,5 millones de viviendas incorporadas en el último siglo al parque de viviendas español corresponden solamente a 15 provincias. Y es la imagen fiel de la evolución demográfica española. 3.- El régimen de tenencia de la vivienda de las familias españolas es la propiedad (82,16%), pero como característica fundamental se debe citar que tan sólo el 22,8% de las viviendas principales españolas no están totalmente pagadas, un 22,1% si se refiere a Andalucía y un 28,2% para la ciudad de Córdoba. Consideramos que puede ser un factor muy influyente por el que, a pesar de recesión en la que se encuentra el mercado inmobiliario, no se esté realizando un rápido ajuste de precios. 4.- El parque de viviendas de la ciudad de Córdoba es relativamente nuevo, el 57% de las viviendas cordobesas fueron construidas con posterioridad al año 1971, a pesar de la de tener un amplio casco histórico, la antigüedad en las viviendas sólo se ve reflejada en algunos distritos como San Pedro, San Francisco-Rivera, Santa Marina, San Pablo, San Andrés y Zona Centro-Catedral con una población reducida. 5.- Según las estadísticas del INE, la vivienda cordobesa tiene unas dimensiones medias de 88,19 m² útiles, algo inferior a la media nacional, aunque se observan diferencias de tamaños entre las distintas zonas de Córdoba, mientras La zona Centro-Catedral y zona Comercial la vivienda más usual tiene más de 150 m²; en la zona Sur se reduce considerablemente y el 59,3% de las viviendas de este distrito tiene una dimensión útil entre los 46 y 75 m². No existe una relación clara entre el tamaño de la vivienda y el número de habitaciones, las estadísticas muestra que en las zonas con menor superficie la vivienda también tienen un número de habitaciones en torno a la media (cinco habitaciones por vivienda). SOBRE EL MERCADO DE LA VIVIENDA 6.- Los factores determinantes de la demanda de viviendas que han influido en la evolución de los precios en España son: Factores demográficos: Este país ha experimentado, en el último decenio, un incremento poblacional del 14,2%, superior al producido en el baby-boom de la década de los 60, fundamentado básicamente en dos razones: la inmigración (que supone más del 12,1% del total de la población española) y un ligero aumento de la fecundidad. Este incremento 352 Análisis de la vivienda en Córdoba. Estudio econométrico de la población ha sido muy importante en los tramos de población generadora de nuevos hogares (comprendido entre los 25 y 45 años) y por lo tanto demandantes de nueva viviendas. También ha contribuido a la demanda, los nuevos modelos de familia que han reducido el tamaño medio del hogar español, evolucionando de 3,03 personas al principio de la década, a 2,74 a finales. Otro factor importante para la demanda es la segunda vivienda: cerca del 18% de las familias tiene otra vivienda. Ciclo económico: la demanda de viviendas está íntimamente relacionada con el concepto de renta asegurada o esperada de las familias en un periodo de tiempo largo. Un incremento de la perspectiva de renta a largo plazo provocará, un aumento de la demanda, mientras que un futuro no claro en la renta familiar y en los beneficios de las empresas a medio plazo, será determinante para contraer la demanda inmobiliaria. Por lo que consideramos que las desaceleraciones en el sector inmobiliario no son el origen de las recesiones económicas, sino que la desaceleración del mercado de la vivienda, previo a una resección, es un síntoma más del agotamiento del ciclo económico. En España se observa como los períodos de fuerte creación de empleo ha ido paralelo a la formación de nuevos hogares y a la demanda de vivienda. Ha sido a partir del año 2008 cuando se volvió a destruir empleo, al caer la tasa de actividad y por ende la demanda de vivienda. Es necesario aclarar que estos procesos están interrelacionados y se influyen mutuamente. Disponibilidad financiera y rentabilidad de la vivienda. La variación de los tipos de interés influye en la decisión de compra. Para el caso español, en este anterior ciclo económico, con el aumento de precios, se produjo una reducción de la capacidad de compra inmobiliaria de las familias -o lo que es lo mismo, un aumento del esfuerzo para su compra-, que fue contrarrestada por un incremento de su capacidad de pago originadas por: una prolongada bajada de los tipos de interés hipotecarios-en algunos momentos hasta un interés real negativo-, una política de prolongación del período de amortización de la deuda y una agresiva e imprudente política de concesión de préstamos a promotores y familias, sin la exigencia de garantías solicitadas en otros períodos, y con la aquiescencia de las autoridades y bancos centrales. A esto, hay que unir que la rentabilidad debida a la revalorización de los inmuebles fue muy superior a la rentabilidad de otros activos alternativos que, unidos a la bajada de los tipos de interés, favoreció la 353 Análisis de la vivienda en Córdoba. Estudio econométrico tendencia al endeudamiento en la compra de inmuebles para obtener plusvalías. Para una familia que hubiera tenido que elegir entre comprar o alquilar una vivienda y el remanente dedicarlo a inversiones alternativas, la elección estaba clara. Factores fiscales: los esfuerzos de la administración por facilitar la vivienda se han visto neutralizados por otros estamentos de la propia administración. Es decir, las desgravaciones fiscales para abaratar el precio de la vivienda se han visto contrarrestadas con regulaciones en políticas de suelo, tasas, licencias y actualizaciones del valor catastral para “adecuarse al nivel de mercado”, con el objeto principal de financiar a corporaciones locales. 7.- La oferta, depende de factores tales como el stock de viviendas existentes y el coste de producción, -que incluye el precio del suelo, el rendimiento del capital, el precio del bien y la capacidad de financiación disponible- y el beneficio esperado, entre otros. En el mercado inmobiliario, la oferta se considera fija a corto plazo, puesto que el período de maduración de la vivienda nueva requiere entre 24-26 meses de media para suelo consolidado, pero cuando se necesita la gestión del suelo, este período aumenta en 54 meses más. La vivienda usada concentra el principal volumen de la oferta total y está formada por tres tipos: vivienda de rotación que está constituida por las familias que decidieron cambiarse a una nueva vivienda, vivienda especulativa y viviendas de instituciones financieras. La construcción de vivienda nueva supone un porcentaje reducido sobre el stock total de la vivienda. El actual excedente de stock de inmuebles se debe a decisiones de inversión tomadas, al menos, dos años antes de comenzar el ciclo de recesión. 8.- Una de las causas del incremento de precios en los inmuebles que se produjeron en este ciclo, ha sido achacado al incremento del precio del suelo, por lo que se deben arbitrar medidas para controlarlo. Pero que los precios del suelo y de la vivienda suban o bajen simultáneamente, no significa que sea el causante real de esta variación, al contrario, el precio del suelo se fija en función del valor de las viviendas que se puedan construir en el mismo, y lógicamente, ante un aumento del margen final, el propietario del suelo querrá beneficiarse también de este incremento de beneficios; por otro lado, el promotor saliendo cuál será el precio final de salida, podrá determinar hasta cuánto está dispuesto a pagar por el terreno para obtener el margen exigido a su inversión. Tampoco podemos olvidar que uno de los mayores propietarios de terrenos han sido las propias 354 Análisis de la vivienda en Córdoba. Estudio econométrico administraciones públicas que favorecieron y fomentaron esta escalada de precios a través de subastas, al mejor postor, de suelo público que tenían en su poder, o aquel nuevo suelo al que ascendían a través de los acuerdos urbanísticos, y que suponían una fuente de financiación muy importante. 9.- Para conocer el precio, las fuentes estadísticas nacionales recurren a la valoración del precio medio por metro cuadrado, intentando homogeneizar en algunos casos por localización o situación geográfica muy generales. Durante el último ciclo se ha producido un incremento nominal por metro cuadrado del 177,7% hasta diciembre del año 2007, mientras que el ajuste ha sido escaso (22,04% hasta septiembre del 2010). Este comportamiento no es nuevo en el mercado inmobiliario español, puesto que los episodios de deflación han sido muy inferiores a los períodos de incrementos de precios. Los ajustes no se han realizado vía disminución de precios nominales sino por la vía de precios reales, una vez descontado la variación del índice de precios. Una de las causas que consideramos importantes es el amplio porcentaje de viviendas pagadas en poder de las familias con el consiguiente efecto dotación, que hace que ante una disminución del precio, se retira el inmueble del mercado antes de recibir un precio no satisfactorio. 10.- El comportamiento de los precios de la vivienda en las distintas áreas geográficas, se ha desarrollado de forma similar, aunque con diferente intensidad. Las zonas geográficas que mayor incremento del precio fueron fundamentalmente la costa mediterránea, capitales y grandes ciudades, y Áreas metropolitanas. Fueron precisamente estas zonas, las que han tenido el mayor ajuste de precios a partir del año 2008. 11.- El boom inmobiliario también ha afectado a otros países del entorno, entre los que se pueden citar Irlanda, Francia, Bélgica, Holanda o Italia. Pero también existen países que la evolución de precios reales ha sido negativa, como ha ocurrido en Alemania o Japón. Se puede decir que los ciclos de precios de vivienda no son procesos regulares, ni coinciden exactamente con signos económicos, sino que se asemejan a hondas y suelen tener mayor amplitud que los ciclos empresariales. 355 Análisis de la vivienda en Córdoba. Estudio econométrico - SOBRE CÓRDOBA Y LA MUESTRA. 12.- La ciudad de Córdoba está sufriendo un proceso progresivo de envejecimiento poblacional que se manifiesta especialmente en algunos distritos de la ciudad. Paralelamente, las unidades familiares cada vez tienen menos componentes, apareciendo una nueva tipología de familias monoparentales. Este nuevo hecho social debe ser incorporado en la política de viviendas, ya que producirá una modificación en las necesidades de vivienda, con un importante crecimiento de demanda de pequeños inmuebles. 13.- A pesar de la intensidad constructiva en la última década, la diferencia entre viviendas nuevas y nuevos núcleos familiares ascienden a 2.411 (año 2010). Esta cifra consideramos que no es excesivamente alta y además, debido al fuerte parón constructivo, el exceso de inmuebles en la ciudad puede ser absorbido en tres-cuatro años. 14.- Partiendo del análisis descriptivo de la muestra de viviendas correspondiente al periodo de estudio, puede considerarse que las viviendas tienen la siguiente morfología: - La superficie media se oferta es de 105,57 m² construidos; siendo la vivienda más habitual, la que se encuentra en el rango (72-114] m2 construidos, aunque tiende a disminuir su tamaño medio conforme avanza la serie de estudio. - La vivienda tipo que se oferta tiene 3,1 dormitorios de media, aunque se tiende a ir reduciendo el número de dormitorios conforme avanza el periodo. - El número más frecuente de baños/aseos que tiene una vivienda es dos baños, aunque existe un importante porcentaje de viviendas que tiene solamente uno (43,7%); no existe una evolución positiva en cuanto su aumento. Conforme aumenta el índice de zona socioeconómica se incrementa el número de baños por inmueble. - Las viviendas cordobesas cada vez están más climatizadas, existiendo una evolución positiva a lo largo del periodo de estudio. - Se comprueba que existe una relación positiva entre las terminaciones de lujo y el índice socioeconómico donde su ubica la vivienda. Conforme evoluciona el período, aumenta el número de viviendas con terminaciones de lujo en general. - Tan sólo el 30,37% de las viviendas que salen al mercado tienen asociado garaje, concentrándose básicamente en las viviendas de zonas asociadas a rentas altas 356 Análisis de la vivienda en Córdoba. Estudio econométrico y muy significativamente a rentas medias-altas (72,4%). La tendencia del mercado es a una mayor presencia de este elemento junto con la vivienda. - El ascensor está presente principalmente en las viviendas ubicadas en las zonas catalogadas como renta alta (81,5%) y media-alta (92,5%), mientras que en el resto hay un claro déficit. - Los elementos extras como jardín y piscina aparecen en un porcentaje escaso, centrándose básicamente en las viviendas ubicadas en las zonas socioeconómicas de renta media-alta (52,3%) a distancia del resto de zonas. 8.2. COMPROBACIÓN DE LAS HIPÓTESIS DE TRABAJO En este apartado, como resultado del desarrollo metodológico realizado, se contrastastan las hipótesis de trabajo que fueron formuladas en el capítulo 7. Hipótesis 1. La localización de la vivienda es un factor determinante en la formación del precio, por lo que su contribución tendrá un peso fundamental. Esta hipótesis se cumple parcialmente, hemos comprobado que la localización es un factor importante en el precio de la vivienda. A igualdad del resto de atributos, los modelos presentan una diferencia de precios, entre dos zonas extremas de índice de localización socioeconómica, que puede estar entre el 40% y el 60%159. La variación de precio que una familia cordobesa está dispuesta a pagar para pasar de una zona socioeconómica inferior a otra de mayor rango, siendo una cantidad importante, inicialmente considerábamos que podría ser mayor si tenemos en cuenta las aportaciones teóricas clásicas de estructura espacial. Pero la ciudad de Córdoba tiene una estructura multicéntrica con formación de pequeños núcleos de atracción que hacen difícil su encuadre social. 159 Esta diferencia se refiere al índice menor y mayor de localización, y están tomadas sobre la base de una vivienda de 100 m² construidos con garaje y sin terminaciones de lujo en el año 2008. 357 Análisis de la vivienda en Córdoba. Estudio econométrico Por otro lado, existe una extendida cultura de barrio que provoca un importante efecto dotación; y por lo tanto, que la consideración hacia su propia vivienda aumente, aunque esté en zonas socioeconómicas consideradas menos favorecidas. Esta situación ha provocado que familias que han ascendido en la escala social tiendan a quedarse en la misma barriada, rehabilitando u ocupando viviendas de mayor calidad en la zona160. Esta situación ha sido favorecida, además, por el hecho de que esta ciudad tiene una dimensión mediana-pequeña que provoca que no existan grandes focos de marginalidad y de concentración de clases sociales. Hipótesis 2. Dado que los atributos que caracterizan una vivienda suelen estar correlacionados, la función de precios hedónicos con ajuste por el método de regresión por mínimos cuadrados parciales (PLS) puede dar mejores resultados que la metodología por mínimos cuadrados ordinarios (MCO), al resolver el problema mencionado. Esta hipótesis se rechaza, se ha comprobado que una vez realizada una buena elección de componentes principales en las variables explicativas del modelo, la utilización de una u otra técnica no afecta significativamente a la capacidad de ajuste de los resultados. Esto es así porque se han usado pocas variables exógenas. Los atributos que determinan el bien vivienda suelen estar fuertemente correlacionados. La regresión por mínimos cuadrados parciales fue presentada como algoritmo en la década de los 80 con el propósito de evitar la multicolinealidad con datos químicos; por lo que se puede afirmar que la metodología PLS es “un método de regresión para los datos colineales, y puede ser visto como un competidor a la regresión de componentes principales” (Helland, 2004); por lo que ha llegado a ser en años recientes cada vez más popular y muy a menudo la mejor opción, “puesto que maneja la multicolinealidad por medio del cálculo de vectores latentes, los cuales explican tanto los predictores o variables independientes, como los datos correspondientes a las medidas o variables dependientes” (Abdi, 2003). Pero en nuestro caso, al analizar la validación, se 160 Ejemplos de este comportamiento pueden citarse en las barriadas de Cañero, Fray Albino, Santa Marina, San Lorenzo, San Agustín, San Basilio ,.. 358 Análisis de la vivienda en Córdoba. Estudio econométrico observa que no existe una diferencia significativa entre los estadísticos obtenidos en los ajuste por mínimos cuadrados ordinarios (MCO) y mínimos cuadrados parciales (PLS) a lo largo de todo el periodo objeto de estudio, por lo que este resultado contradice nuestra hipótesis número 2. Esta técnica, sí puede con ser considerada como más cómoda cuando pretendemos hacer una regresión, puesto que podemos prescindir del engorroso procedimiento de comprobar la correlación entre las variables predictoras, pudiendo incorporar un mayor número de variables exógenas. Hipótesis 3. Existe una supremacía clara de las Redes Neuronales respecto a los Métodos de Regresión en cuanto a la precisión de los resultados obtenidos, inclusive trabajando con información de baja calidad, como suele ocurrir en el mercado inmobiliario general y especialmente cuando la información es proporciona desde el punto de vista de la oferta. Esta hipótesis se acepta, los estadísticos obtenidos al determinar el precio utilizando Redes Neuronales mejoran los resultados que se obtienen utilizando los métodos de regresión de hedónicos estudiados. En general, se observa un mejor coeficiente de determinación R2 entre los precios reales y estimados por la red neuronal. Lo mismo ocurre con los indicadores de errores, donde se aprecia que los errores medios tanto absolutos, como relativos, suelen ser superiores en la regresión hedónica que en la RNA. Lo que no confirma la hipótesis número 3. Hipótesis 4. No es posible obtener una modelización estable, a lo largo de un ciclo largo, del precio de la vivienda, cuando el mercado está sometido a grandes variaciones en el precio medio del mercado. Se acepta esta hipótesis. Al estudiar la evolución de los coeficientes de las variables exógenas de las funciones de precios hedónicos se han encontrado diferencias significativas entre los distintos años del periodo. La evolución de los coeficientes de las variables predictoras no tiene una evolución que tenga relación con el incremento de precios de las viviendas, a excepción del coeficiente de la variable superficie. También al 359 Análisis de la vivienda en Córdoba. Estudio econométrico analizar la red neuronal y la importancia normalizada de la variables predictoras, tampoco tienen una aportación homogénea al precio final de la vivienda. Esta inestabilidad en la contribución que los coeficientes de las variables exógenas tienen al precio, se produce en un ciclo económico largo, caracterizado por fuertes variaciones de precio y un alto nivel constructivo. 8.3. 8.3.1. LIMITACIONES DEL TRABAJO Y DIFICULTADES LIMITACIONES La principal limitación que consideramos que tienen los datos, viene relacionada por la propia característica de la muestra, ya que al ser ofertas de venta de vivienda, es difícil contrastar la veracidad de la información que se presenta y hasta cuánto está dispuesto a bajar el vendedor, el precio del inmueble en la transacción. Como consecuencia de lo anterior, una limitación importante a la hora de modelizar es la cantidad de variables predictoras de tipo dummy, y en especial, no poder hacer uso de una variable que consideramos también importante, “la antigüedad de la vivienda”, que hace difícil emplear algunos modelos de ajuste o de cálculo de precios implícitos. Aunque hemos obtenido han tenido una buena aproximación en nuestros resultados. Aunque este problema no es particular para este estudio, tanto la metodología hedónica, como la de redes tienen algún problema en modernizar los precios de las viviendas situados en los rangos extremos (por exceso en el rango inferior y por defecto en el rango superior). 8.3.2. DIFICULTADES Dado el elevado número de divisiones geográficas en las que inicialmente se dividió la ciudad de Córdoba, resultó muy complicado tener registros de todas las zonas en función de su población, por lo que el proceso de selección de datos resultó muy 360 Análisis de la vivienda en Córdoba. Estudio econométrico laborioso. Otro problema, fue la cantidad de registros que se desecharon puesto que la información no era completa. Una dificultad importante en el estudio metodológico fue la precariedad que tiene la Universidad de Córdoba en software estadístico adecuado para realizar el estudio metodológico, teniendo que hacerlo en ocasiones con paquetes de demostración. 8.4. FUTURAS LÍNEAS DE ACTUACIÓN En el desarrollo de este trabajo han surgido algunas ideas para trabajar en el futuro motivadas principalmente por los resultados obtenidos durante el trabajo metodológico que se presentan a continuación: - las metodologías que se han empleado en este trabajo han buscado determinar el precio del bien vivienda teniendo en cuenta su heterogeneidad. Pero cuando se habla de una serie temporal prolongada, la modernización no se puede generalizar, o al generalizar el ajuste disminuye, especialmente cuando hay una alta variabilidad en los precios generales de la vivienda. Por lo que sería interesante investigar la posibilidad de incorporar una variable explicativa que sea fruto de la modelización desde el punto de vista macroeconómico, con el objeto de intentar generalizar para un ciclo económico. - Puesto que el objeto del estudio metodológico ha sido comparar el mejor ajuste según las misma variables explicativas significativas, sería interesante profundizar en el ajuste por mínimos cuadrados parciales (PLS) incorporando el otros se inputs desechados en este estudio por su no significabilidad. - Puesto que la ajuste con estas variables, que inicialmente no eran de buena calidad, sería interesante poder usar las variables explicativas utilizadas en la ciudad de Córdoba para otras ciudades del estado y comprobar si las variables encontradas se adecúan. - Sería interesante contrastar la abundancia de los modelos que se han determinado en este estudio con otros, especialmente el modelo geoestadístico. 361 Análisis de la vivienda en Córdoba. Estudio econométrico 362 Análisis de la vivienda en Córdoba. Estudio econométrico ANEXOS 363 Análisis de la vivienda en Córdoba. Estudio econométrico 364 Análisis de la vivienda en Córdoba. Estudio econométrico ANEXO I PIRÁMIDES DE EDAD DE CÓRDOBA 365 Análisis de la vivienda en Córdoba. Estudio econométrico ANEXO I ARBOLES DE POBLACIÓN EN LOS DISTRITOS VECINALES DE CÓRDOBA (2010) DISTRITO CENTRO DISTRITO LEVANTE . 80- 84 años 80- 84 años 70- 74 años 70- 74 años 60- 64 años 60- 64 años 50- 54 años 50- 54 años 40- 44 años 40- 44 años 30- 34 años 30- 34 años 20- 24 años 20- 24 años 10- 14 años 10- 14 años 0-4 años 0-4 años 10% 5% Varones % 0% 5% Mujeres % 10% DISTRITO SUR 10% 80- 84 años 70- 74 años 70- 74 años 60- 64 años 60- 64 años 50- 54 años 50- 54 años 40- 44 años 40- 44 años 10% 30- 34 años 30- 34 años 20- 24 años 20- 24 años 10- 14 años 10- 14 años 0-4 años 0-4 años 5% Varones % 366 0% 5% Mujeres % DISTRITO NORTE-CENTRO 80- 84 años 10% 5% Varones % 0% Mujeres % 5% 10% 10% 5% Varones % 0% Mujeres % 5% 10% Análisis de la vivienda en Córdoba. Estudio econométrico DISTRITO PERIURBANO ESTE DISTRITO PERIURBANO OESTE 80- 84 años 80- 84 años 70- 74 años 70- 74 años 60- 64 años 60- 64 años 50- 54 años 50- 54 años 40- 44 años 40- 44 años 30- 34 años 30- 34 años 20- 24 años 20- 24 años 10- 14 años 10- 14 años 0-4 años 0-4 años 10% 5% Varones % 0% 5% 10% 10% 5% Varones % Mujeres % DISTRITO PONIENTE-NORTE 0% 5% 10% Mujeres % DISTRITO PONIENTE-SUR 80- 84 años 80- 84 años 70- 74 años 70- 74 años 60- 64 años 60- 64 años 50- 54 años 50- 54 años 40- 44 años 40- 44 años 30- 34 años 30- 34 años 20- 24 años 20- 24 años 10- 14 años 10- 14 años 0-4 años 0-4 años 10% 5% Varones % 0% Mujeres % 5% 10% 10% 5% Varones % 0% 5% Mujeres % 367 10% Análisis de la vivienda en Córdoba. Estudio econométrico DISTRITO SIERRA-NORTE DISTRITO SUDESTE 80- 84 años 80- 84 años 70- 74 años 70- 74 años 60- 64 años 60- 64 años 50- 54 años 50- 54 años 40- 44 años 40- 44 años 30- 34 años 30- 34 años 20- 24 años 20- 24 años 10- 14 años 10- 14 años 0-4 años 0-4 años 10% 5% 0% Varones % 5% 10% 10% Mujeres % Varones % POLÍGONOS INDUSTRIALES 80- 84 años 70- 74 años 60- 64 años 50- 54 años 40- 44 años 30- 34 años 20- 24 años 10- 14 años 0-4 años 20% 15% 10% Varones % 5% 0% 5% 10% 15% Mujeres % Fuente: Oficina de Estadística del Excmo. Ayuntamiento de Córdoba 368 5% 0% Mujeres % 5% 10% Análisis de la vivienda en Córdoba. Estudio econométrico 369 Análisis de la vivienda en Córdoba. Estudio econométrico 370 Análisis de la vivienda en Córdoba. Estudio econométrico ANEXO II MODELOS 1999-2009 371 Análisis de la vivienda en Córdoba. Estudio econométrico 372 Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 1999 Metodología de mínimos cuadrados ordinarios: Parámetros del modelo: Fuente Valor Coeficiente Índice de Zona Superficie Construida Ascensor Climatizado Garaje Lujo -24785,223 8057,304 634,179 5539,238 9651,197 23992,937 23264,024 Desviación típica 2944,757 694,837 26,163 1680,588 1607,323 2085,484 2322,085 t Pr > |t| -8,417 11,596 24,240 3,296 6,005 11,505 10,019 < 0,0001 < 0,0001 < 0,0001 0,001 < 0,0001 < 0,0001 < 0,0001 Límite inferior (95%) -30573,018 6691,631 582,757 2236,114 6492,071 19894,006 18700,064 Límite superior (95%) -18997,428 9422,978 685,600 8842,362 12810,323 28091,868 27827,984 Ecuación del modelo Precio = -24.785,22 + 8.057,30 Índice de Zona + 634,18 Superficie Construida + 5.539,24 Ascensor + 9.651,20 Climatizado + 23.992,94 Garaje + 23.264,02 Lujo + ε Estadísticas de multicolinealidad: Estadística Tolerancia VIF Índice Superficie Ascensor Climatizado Garaje de Zona Construida 0,809 0,737 0,810 0,779 0,828 1,236 1,357 1,234 1,284 1,208 Lujo 0,872 1,146 Análisis de la varianza: Suma de los cuadrados Modelo 6 559987161046,867 Error 433 94945902354,251 Total corregido 439 654933063401,118 Calculado contra el modelo Y=Media(Y) Fuente GDL Media de los cuadrados 9.333.1193.507,811 219274601,280 F Pr > F 425,636 < 0,0001 Gráfica A.1: Peso de los coeficientes estandarizados Coeficientes estandarizados 0,6 Coeficientes de ajuste Metros Construídos 0,617 0,5 0,4 0,3 0,2 Índice de Zona 0,236 Garaje 0,231 Climatizado 0,125 Ascensor 0,067 0,1 0 Lujo 0,196 Observaciones Suma de los pesos GDL R² R² ajustado MEC RMEC MAPE DW Cp AIC SBC PC Press RMEC 440,000 440,000 433,000 0,855 0,853 219274601,280 14807,924 14,741 1,879 7,000 8457,511 8486,119 0,150 15105,009 Variable 373 Análisis de la vivienda en Córdoba. Estudio econométrico Precio Gráfica A.2: Precio de oferta (pronosticado)/Precio de oferta 300000 250000 200000 150000 100000 50000 0 0 50000 100000 150000 Activas 200000 250000 300000 Pred(Precio) Validación AÑO 2000 Metodología de mínimos cuadrados ordinarios: Parámetros del modelo: Fuente Coeficiente Índice de Zona Superficie Construida Ascensor Climatizado Garaje Lujo Valor -46819,839 12615,474 815,885 12152,660 5387,487 24991,786 16029,037 Desviación típica 3835,168 912,724 35,959 2127,635 2039,946 2304,068 2502,138 t Pr > |t| -12,208 13,822 22,689 5,712 2,641 10,847 6,406 < 0,0001 < 0,0001 < 0,0001 < 0,0001 0,009 < 0,0001 < 0,0001 Ecuación del modelo Límite inferior (95%) -54357,315 10821,645 745,213 7971,096 1378,264 20463,468 11111,441 Límite superior (95%) -39282,362 14409,303 886,558 16334,224 9396,710 29520,104 20946,632 Precio = -46.819,84 + 12.615,47 Índice zona + 815,89 Superficie Construida + 12.152,66 Ascensor + 5.387,49 Climatizado + 24.991,79 Garaje + 16.029,05 Lujo+ ε Estadísticas de multicolinealidad: Estadística Tolerancia VIF 374 Índice Superficie Ascensor Climatizado de Zona Construida 0,806 0,785 0,868 0,860 1,241 1,274 1,152 1,163 Garaje Lujo 0,899 1,113 0,902 1,108 Análisis de la vivienda en Córdoba. Estudio econométrico Análisis de la varianza: Fuente Suma de los cuadrados GDL Modelo Error Total corregido 6 441 447 Media de los cuadrados 787852713282,505 174635143510,200 962487856792,705 131308785547,084 395998057,846 F Pr > F 331,589 < 0,0001 Calculado contra el modelo Y=Media(Y) Gráfica A.3: Peso de los coeficientes estandarizados (95%) Coeficientes estandarizados 0,6 Coeficientes de ajuste Metros Construidos 0,519 0,5 0,4 Índice zona 0,321 Garaje 0,232 0,3 Lujo 0,137 Ascensor 0,124 0,2 Climatizado 0,058 0,1 0 Variable Observaciones Suma de los pesos GDL R² R² ajustado MEC RMEC MAPE DW Cp de Mallows AIC de Akaike SBC de Schwarz PC de Amemiya Press RMEC 448,000 448,000 441,000 0,819 0,816 395998057,846 19899,700 17,372 1,849 7,000 8875,965 8904,698 0,187 20261,592 Gráfica A.4: Precio de oferta (pronosticado)/precio de oferta Precio 400000 350000 300000 250000 200000 150000 100000 50000 0 0 50000 100000 150000 200000 250000 300000 350000 400000 Activas Validación Pred(Precio) 375 Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2001 Metodología de mínimos cuadrados ordinarios: Parámetros del modelo: Fuente Desviación típica Valor -45366,039 11373,211 963,520 12123,666 12097,348 25534,834 13689,273 Coeficiente Índice de Zona Superficie Construida Ascensor Climatizado Garaje Lujo t 3623,819 1045,736 32,483 2279,726 2203,709 2328,554 3123,571 Límite inferior (95%) Pr > |t| -12,519 10,876 29,662 5,318 5,490 10,966 4,383 < 0,0001 < 0,0001 < 0,0001 < 0,0001 < 0,0001 < 0,0001 < 0,0001 -52488,365 9317,901 899,676 7643,046 7766,133 20958,249 7550,145 Límite superior (95%) -38243,714 13428,521 1027,363 16604,285 16428,562 30111,420 19828,400 Ecuación del modelo Precio = -45.366,04 + 11.373,21 Índice Zona + 963,52 Superficie Construida + 12.123,66 Ascensor + 12.097,35 Climatizado + 25.534,83 Garaje + 13.689,27 Lujo + ε Estadísticas de multicolinealidad: Estadística Índice Superficie Ascensor Climatizado de Zona Construida Tolerancia VIF 0,700 1,428 0,754 1,326 0,745 1,342 Garaje 0,747 1,339 0,756 1,323 Lujo 0,911 1,098 Análisis de la varianza: Fuente Suma de los cuadrados Media de los cuadrados 1198128804569,990 174895511979,238 1373024316549,230 199688134094,999 401136495,365 GDL Modelo Error Total corregido 6 436 442 F Pr > F 497,806 < 0,0001 Calculado contra el modelo Y=Media(Y) Gráfica A.5: Peso de los coeficientes estandarizados (95%) Coeficientes estandarizados 0,7 0,6 Metros Construídos 0,584 Coeficientes de ajuste 0,5 0,4 0,3 0,2 Índice Zona 0,222 Garaje 0,216 AscensorClimatizado 0,105 0,109 0,1 0 Variable 376 Lujo 0,078 Observaciones Suma de los pesos GDL R² R² ajustado MEC RMEC MAPE DW Cp de Mallows AIC de Akaike SBC de Schwarz PC de Amemiya Press RMEC 443,000 443,000 436,000 0,873 0,871 401136495,365 20028,392 15,819 1,671 7,000 8782,691 8811,346 0,131 20422,346 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A. 6: Precio de oferta (pronosticado)/precio de oferta 450000 400000 PrecioOfertaeuros 350000 300000 250000 200000 150000 100000 50000 0 0 50000 100000 150000 200000 250000 300000 350000 400000 450000 Activas Pred(PrecioOfertaeuros) Validación AÑO 2002 Metodología de mínimos cuadrados ordinarios: Parámetros del modelo: Fuente Coeficiente Índice zona Superficie Construida Ascensor Climatizado Garaje Lujo Desviación típica Valor -28898,103 12801,234 896,084 13311,925 9308,803 19508,617 27235,436 4172,870 1011,618 39,385 2343,164 2280,135 2858,650 3096,753 t Pr > |t| -6,925 12,654 22,752 5,681 4,083 6,824 8,795 < 0,0001 < 0,0001 < 0,0001 < 0,0001 < 0,0001 < 0,0001 < 0,0001 Límite inferior (95%) Límite superior (95%) -37097,452 10813,487 818,697 8707,799 4828,524 13891,603 21150,569 -20698,754 14788,980 973,472 17916,051 13789,083 25125,631 33320,303 Ecuación del modelo Precio = -28.898,10+12.801,23 Índice zona+896,08 Superficie Construida + 13.311,92 Ascensor + 9.308,80 Climatizado + 19.508,62 Garaje+27.235,44 Lujo + ε Estadísticas de multicolinealidad: Estadística Índice zona Superficie Construida Tolerancia VIF 0,812 1,231 0,735 1,361 Ascensor Climatizado 0,819 1,222 0,860 1,163 Garaje Lujo 0,703 1,422 0,763 1,311 377 Análisis de la vivienda en Córdoba. Estudio econométrico Análisis de la varianza: Fuente Suma de los cuadrados Media de los cuadrados 1239313082211,560 257671501103,300 1496984583314,860 206552180368,593 536815627,299 GDL Modelo Error Total corregido 6 480 486 F Pr > F 384,773 < 0,0001 Calculado contra el modelo Y=Media(Y) Gráfica A.7: Precio oferta/coeficientes estandarizados (95%) Coeficientes de ajuste Metros Construidos 0,503 Coeficientes estandarizados 0,6 0,5 0,4 0,3 Índice zona 0,266 Ascensor 0,119 Climatizado 0,083 0,2 Garaje 0,154 Lujo 0,191 0,1 0 Variable Gráfica A.8: Precio de oferta (pronosticado)/precio de oferta Precio 450000 400000 350000 300000 250000 200000 150000 100000 50000 0 0 Activas 378 50000 100000 150000 200000 250000 300000 350000 400000 450000 Validación Pred(Precio) Observaciones Suma de los pesos GDL R² R² ajustado MEC RMEC MAPE DW Cp de Mallows AIC de Akaike SBC de Schwarz PC de Amemiya Press RMEC 487,000 487,000 480,000 0,828 0,826 536815627,299 23169,282 16,229 1,771 7,000 9796,217 9825,535 0,177 23609,828 Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2003 Metodología de mínimos cuadrados ordinarios: Parámetros del modelo: Fuente Valor Coeficiente Zona económica Superficie Construida Ascensor Climatizado Garaje Lujo -37712,431 16004,491 1069,237 10071,124 9746,572 33846,233 27271,666 Desviación típica t 5288,402 1153,306 47,633 2752,159 2751,763 3585,919 3253,678 Límite inferior (95%) Pr > |t| -7,131 13,877 22,447 3,659 3,542 9,439 8,382 < 0,0001 < 0,0001 < 0,0001 0,000 0,000 < 0,0001 < 0,0001 -48102,812 13738,536 975,650 4663,823 4340,049 26800,803 20879,007 Límite superior (95%) -27322,050 18270,447 1162,824 15478,425 15153,095 40891,663 33664,326 Ecuación del modelo Precio = -37.712,43 + 16.004,49 Índice Zona + 1.069,24 Superficie Construida + 10.071,12 Ascensor + 9.746,57 Climatizado +33.846,23 Garaje + 27.271,67 Lujo + Estadísticas de multicolinealidad: Estadística Zona Superficie Ascensor Climatizado económica Construida Tolerancia VIF 0,770 1,298 0,766 1,306 0,814 1,228 Garaje 0,807 1,239 Lujo 0,642 1,559 0,702 1,425 Análisis de la varianza: Fuente Suma de los cuadrados Media de los cuadrados 1854443450340,620 374894748468,839 2229338198809,460 309073908390,103 754315389,273 GDL Modelo Error Total corregido 6 497 503 F Pr > F 409,741 < 0,0001 Calculado contra el modelo Y=Media(Y) Gráfica A.9: Precio /Coeficientes estandarizados (95%) Coeficientes estandarizados 0,6 Coeficientes de ajuste Metros Construidos 0,472 0,5 0,4 Zona economica 0,291 Garaje 0,217 0,3 0,2 Climatizado Ascensor 0,073 0,075 0,1 0 Variable Lujo 0,184 Observaciones Suma de los pesos GDL R² R² ajustado MEC RMEC MAPE DW Cp de Mallows AIC de Akaike SBC de Schwarz PC de Amemiya Press RMEC 504,000 504,000 497,000 0,832 0,830 754315389,273 27464,803 16,393 1,867 7,000 10309,377 10338,935 0,173 27926,592 379 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A.10: Precio Oferta (pronosticado) /precio de oferta Precio 500000 450000 400000 350000 300000 250000 200000 150000 100000 50000 0 0 Activas 100000 200000 300000 400000 Validación 500000 Pred(Precio) AÑO 2004 Metodología de mínimos cuadrados ordinarios: Parámetros del modelo: Fuente Valor Desviación típica t Pr > |t| Límite inferior (95%) Límite superior (95%) Coeficiente Índice zona Superficie Construida Ascensor Climatizado Garaje Lujo -49686,620 21698,815 1296,850 11226,301 13001,212 29838,942 24533,500 6060,423 1418,727 56,400 3601,379 3330,956 3371,785 3753,249 -8,199 15,295 22,994 3,117 3,903 8,850 6,537 < 0,0001 < 0,0001 < 0,0001 0,002 0,0001 < 0,0001 < 0,0001 -61593,828 18911,374 1186,038 4150,498 6456,721 23214,232 17159,310 -37779,413 24486,256 1407,662 18302,105 19545,703 36463,651 31907,691 Ecuación del modelo Precio = -49.686,62 + 21.698,81 Índice zona + 1.296,85 Superficie Construida + 11.226,30 Ascensor + 13.001,21 Climatizado + 29.838,94 Garaje + 24.533,50 Lujo + ε Estadísticas de multicolinealidad: Estadística Índice zona Tolerancia VIF 0,675 1,481 380 Superficie Construida Ascensor Climatizado Garaje 0,698 1,433 0,788 1,269 0,808 1,238 0,733 1,363 Lujo 0,653 1,532 Análisis de la vivienda en Córdoba. Estudio econométrico Análisis de la varianza: Fuente Suma de los cuadrados Media de los cuadrados 2802454839306,050 497330919030,895 3299785758336,950 467075806551,009 1000665833,060 GDL Modelo Error Total corregido 6 497 503 F Pr > F 466,765 < 0,0001 Calculado contra el modelo Y=Media(Y) Gráfica A.11: Precio /Coeficientes estandarizados (95%) Coeficientes de ajuste Metros Construidos 0,479 Coeficientes estandarizados 0,6 Observaciones Suma de los pesos GDL R² R² ajustado MEC RMEC MAPE DW Cp de Mallows AIC de Akaike SBC de Schwarz PC de Amemiya Press RMEC 0,5 Índice zona 0,324 0,4 0,3 Garaje 0,180 0,2 Lujo 0,141 AscensorClimatizado 0,076 0,061 0,1 0 Variable 504,000 504,000 497,000 0,849 0,847 1000665833,060 31633,303 13,575 1,765 7,000 10451,812 10481,370 0,155 32119,475 Precio Gráfica A.12: Precio Oferta (pronosticado) /precio de oferta 500000 450000 400000 350000 300000 250000 200000 150000 100000 50000 0 0 100000 Activas Validación 200000 300000 400000 500000 Pred(Precio) 381 Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2005 Metodología de mínimos cuadrados ordinarios: Parámetros del modelo: Fuente Valor Coeficiente Índice Zona Superficie Construida Nºdebaños Climatizado Garaje Lujo Desviación típica -48916,918 20719,649 1495,031 13216,849 15291,908 31681,790 16688,772 t 6338,990 1643,345 64,528 3869,483 3761,450 4003,881 2743,589 Límite inferior (95%) Pr > |t| -7,717 12,608 23,169 3,416 4,065 7,913 6,083 < 0,0001 < 0,0001 < 0,0001 0,001 < 0,0001 < 0,0001 < 0,0001 Límite superior (95%) -61376,016 17489,702 1368,203 5611,495 7898,889 23812,280 11296,328 -36457,820 23949,596 1621,859 20822,203 22684,927 39551,301 22081,215 Ecuación del modelo Precio = -48.916,92 + 20.719,65 Índice de Zona+1.495,03 Superficie Construida + 13.216,85 Nº_baños + 15.291,91 Climatizado + 31.681,79 Garaje + 16.688,77 Lujo + Estadísticas de multicolinealidad: Índice Zona Estadística Tolerancia VIF Superficie Nºdebaños Climatizado Construida 0,698 1,432 0,558 1,793 0,565 1,768 Garaje 0,769 1,301 Lujo 0,762 1,312 0,780 1,282 Análisis de la varianza: Fuente Suma de los cuadrados Media de los cuadrados 3260587728798,030 514296833191,278 3774884561989,310 543431288133,005 1190501928,684 GDL Modelo Error Total corregido 6 432 438 F Pr > F 456,472 < 0,0001 Calculado contra el modelo Y=Media(Y) Gráfica A.13: Precio /Coeficientes estandarizados (95%) Coeficientes estandarizados 0,7 0,6 Metros Construido s 0,551 0,5 0,4 Índice Zona 0,268 0,3 0,2 Garaje 0,161 Climatizado Nºdebaños 0,082 0,081 0,1 0 Variable 382 Lujo 0,122 Gráfica A.14: Precio Oferta (pronos ticado) /precio de oferta Coeficientes de ajuste Observaciones Suma de los pesos GDL R² R² ajustado MEC RMEC MAPE DW Cp de Mallows AIC de Akaike SBC de Schwarz PC de Amemiya Press RMEC 439,000 439,000 432,000 0,864 0,862 1190501928,684 34503,651 13,014 1,827 7,000 9181,008 9209,599 0,141 41986,575 Precio Oferta Análisis de la vivienda en Córdoba. Estudio econométrico 700000 600000 500000 400000 300000 200000 100000 0 0 Activas 100000 200000 300000 400000 500000 600000 700000 Pred(Precio euros) Validación AÑO 2006 Metodología de mínimos cuadrados ordinarios: Parámetros del modelo: Fuente Valor Coeficiente Índice Zona Superficie Construida Ascensor Climatizado Garaje Lujo -20033,948 19104,510 1518,402 19358,323 16632,876 41659,197 42856,009 Desviación típica t 8138,928 1664,001 74,436 3839,105 3646,341 4138,562 4354,569 Pr > |t| -2,461 11,481 20,399 5,042 4,562 10,066 9,842 0,014 < 0,0001 < 0,0001 < 0,0001 < 0,0001 < 0,0001 < 0,0001 Límite inferior (95%) -36027,583 15834,617 1372,130 11814,179 9467,529 33526,596 34298,939 Límite superior (95%) -4040,314 22374,403 1664,675 26902,468 23798,222 49791,798 51413,080 Ecuación del modelo Precio = -20.033,95 + 19.104,51 Índice Zona + 1.518,40 Superficie_Construida + 19.358,32 Ascensor + 16.632,88 Climatizado + 41.659,20 Garaje + 42.856,01 Lujo + ε Estadísticas de multicolinealidad: Estadística Índice Zona Superficie Construida Tolerancia VIF 0,770 1,299 0,766 1,306 Ascensor Climatizado 0,866 1,154 0,828 1,208 Garaje Lujo 0,681 1,468 0,715 1,399 383 Análisis de la vivienda en Córdoba. Estudio econométrico Análisis de la varianza: Fuente Suma de los cuadrados Media de los cuadrados 3816412802941,160 519387865794,656 4335800668735,820 636068800490,193 1385034308,786 GDL Modelo Error Total corregido 6 375 381 F Pr > F 459,244 < 0,0001 Calculado contra el modelo Y=Media(Y) Gráfica A.15: Precio /Coeficientes estandarizados (95%) Coeficientes de ajuste Coeficientes estandarizados 0,6 Metros ConstruIdos 0,440 0,5 Observaciones Suma de los pesos GDL R² R² ajustado MEC RMEC MAPE DW Cp de Mallows AIC de Akaike SBC de Schwarz PC de Amemiya Press RMEC 0,4 0,3 Índice Zona 0,247 Garaje 0,230 Lujo 0,220 Ascensor Climatizado 0,102 0,095 0,2 0,1 0 Variable Precio Oferta Gráfica A.16: Precio Oferta (pronosticado) /precio de oferta 600000 500000 400000 300000 200000 100000 0 0 Activas 384 100000 200000 Validación 300000 400000 500000 600000 Pred(Precio Oferta) 472,000 472,000 465,000 0,834 0,832 1251948175,582 35382,880 11,922 1,849 7,000 9894,388 9923,487 0,171 35924,308 Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2007 Metodología de mínimos cuadrados ordinarios: Parámetros del modelo: Fuente Valor Coeficiente Índice Zona Superficie Construida Nº baños Climatizado Garaje Lujo Desviación típica -20534,926 22923,220 1607,228 9387,792 10146,864 23771,357 56387,508 t 7591,910 2155,780 79,435 4709,639 4673,468 5169,613 5894,277 Límite inferior (95%) Pr > |t| -2,705 10,633 20,233 1,993 2,171 4,598 9,566 0,007 < 0,0001 < 0,0001 0,047 0,031 < 0,0001 < 0,0001 Límite superior (95%) -35462,976 18684,287 1451,034 127,181 957,376 13606,295 44797,532 -5606,877 27162,152 1763,422 18648,403 19336,351 33936,420 67977,484 Ecuación del modelo Precio = -20.534,93 + 22.923,22 Índice Zona + 1.607,23 Superficie Construida + 9.387,79 Nº baños + 10.146,86 Climatizado + 23.771,36 Garaje + 56.387,51 Lujo + ε Estadísticas de multicolinealidad: Estadística Tolerancia VIF Índice Zona Superficie Construida 0,601 1,663 Nº baños Climatizado 0,489 2,046 0,454 2,201 Garaje 0,665 1,505 Lujo 0,630 1,588 0,487 2,055 Análisis de la varianza: Fuente Suma de los cuadrados Media de los cuadrados 3816412802941,160 519387865794,656 4335800668735,820 636068800490,193 1385034308,786 GDL Modelo Error Total corregido 6 375 381 F Pr > F 459,244 < 0,0001 Calculado contra el modelo Y=Media(Y) Gráfica A.17: Precio /Coeficientes estandarizados (95%) Coeficientes estandarizados 0,6 Coeficientes de ajuste Metros Construidos 0,517 0,5 0,4 0,3 0,2 0,1 Índice Zona 0,245 Lujo 0,245 Garaje Nº baños Climatizado 0,104 0,053 0,048 0 Variable Observaciones Suma de los pesos GDL R² R² ajustado MEC RMEC MAPE DW Cp de Mallows AIC de Akaike SBC de Schwarz PC de Amemiya Press RMEC 382,000 382,000 375,000 0,880 0,878 1385034308,786 37216,049 11,781 2,232 7,000 8047,650 8075,267 0,124 38139,336 385 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A.18: Precio Oferta (pronosticado) /precio de oferta PrecioOfertaeuros 900000 800000 700000 600000 500000 400000 300000 200000 100000 0 0 Activas 200000 400000 600000 800000 Pred(PrecioOfertaeuros) Validación AÑO 2009 Parámetros del modelo: Metodología de mínimos cuadrados ordinarios: Fuente Valor Coeficiente Zonaeconomica SuperficieConstruídos Ascensor Climatizado Garaje Lujo -34611,770 23664,201 1680,549 12629,483 8261,807 35640,016 46906,379 Desviación típica 10874,105 2836,988 94,446 6232,552 6728,745 8275,926 10314,812 t Pr > |t| -4,103 8,341 17,794 2,026 0,188 7,931 4,547 < 0,0001 < 0,0001 < 0,0001 0,024 0,045 < 0,0001 < 0,0001 Límite inferior (95%) Límite superior (95%) -66056,364 18069,435 1494,293 338,398 -1207,809 49319,237 26564,755 Ecuación del modelo Precio= -44.611,7 + 23.664,20 Zona económica + 1.680,55 Superficie Construida + 12.629,48 Ascensor + 8.261,81 Climatizado + 45.640,02 Garaje + 46.906,38 Lujo + ε Estadísticas de multicolinealidad: Estadística Tolerancia VIF 386 Índice zona 0,756 1,323 Superficie Construida 0,610 1,640 Ascensor Climatizado 0,767 1,303 0,598 1,673 Garaje 0,449 2,225 Lujo 0,404 2,475 -23167,177 29258,966 1866,804 24920,568 14531,424 81960,796 67248,003 Análisis de la vivienda en Córdoba. Estudio econométrico Análisis de la varianza: Fuente GDL Modelo Error Total corregido Media de los cuadrados Suma de los cuadrados 6 197 203 2453365780631,930 301514720631,025 2754880501262,960 F 408894296771,989 1530531576,807 267,158 Pr > F < 0,0001 Calculado contra el modelo Y=Media(Y) Gráfica A. 19: Precio /Coeficientes estandarizados (95%) Coeficientes de ajuste 0,7 Metros Construídos ; 0,544 Coeficientes estandarizados 0,6 Observaciones Suma de los pesos GDL R² R² ajustado MEC RMEC MAPE DW Cp de Mallows AIC de Akaike SBC de Schwarz PC de Amemiya Press RMEC 0,5 0,4 0,3 Garaje; 0,268 Zonaecono mica; 0,225 Lujo; 0,131 0,2 Ascensor; Climatizado; 0,061 0,043 0,1 0 -0,1 Variable 204,000 204,000 197,000 0,891 0,887 1530531576,807 39122,009 15,538 2,028 7,000 4321,249 4344,476 0,117 40700,021 Gráfica A.20: Precio Oferta (pronosticado) /precio de oferta 700000 600000 Precio Oferta 500000 400000 300000 200000 100000 0 0 Activas 100000 Validación 200000 300000 400000 500000 600000 700000 Pred(Precio Oferta) 387 Análisis de la vivienda en Córdoba. Estudio econométrico MÍNIMOS CUADRADOS PARCIALES: AÑO 1999 Metodología de mínimos cuadrados parciales: Gráfica A. 21: Correlaciones sobre ejes t1 y t2 Coeficientes de ajuste (Variable Precio): Observaciones 440,000 Suma de los pesos 440,000 GDL 436,000 R² 1 0,75 0,5 0,855 Desviación típica t2 215945110,353 RMEC Precio 0,25 14762,326 MEC Metros Construídos Índice de Zona 0 14695,071 Variable Importance in the Projection (VIP) Variable VIP X Garaje -0,5 Desviación típica Superficie Construida 1,418 0,043 Índice de Zona 1,014 0,044 Garaje 0,953 0,132 Climatizado 0,887 0,048 Lujo 0,819 0,094 Ascensor 0,792 0,039 Lujo -0,25 Y Climatizado Ascensor -0,75 -1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 t1 Ecuación del modelo: Precio = -25816,84 + 8289,59 Índice de Zona + 627,83 Superficie Construida + 6561,79 Ascensor + 10266,48 Climatizado + 25094,35 Garaje + 21184,95 Lujo + ε Gráfica A. 22: Precio/coeficientes estandarizados (95%) Metros Construídos 0,512 0,6 Calidad del modelo: Coeficientes estandarizados 0,5 índice 0,4 0,3 Garaje 0,237 Índice de Zona 0,247 Climatizado 0,132 0,2 Ascensor 0,079 0,1 0 Variable 388 Q² acum R²Y acum R²X acum Lujo 0,178 Comp1 0,818 0,823 0,385 Comp2 0,834 0,855 0,510 Comp3 0,837 0,855 0,724 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A.23: Precio de oferta (pronosticado)/precio de oferta Precio 300000 250000 200000 150000 100000 50000 0 0 50000 Activas 100000 150000 200000 250000 300000 Pred(Precio) Validación AÑO 2000 Metodología de mínimos cuadrados parciales: Gráfica A.24: Correlaciones sobre ejes t1 y t2 Coeficientes de ajuste (Variable Precio): Correlaciones con t sobre ejes t1 y t2 Observaciones 449,000 Suma de los pesos 449,000 GDL 444,000 R² 1 0,75 Metros Construido s 0,5 0,807 MEC 0,25 20198,744 403450250,225 RMEC t2 Desviación típica Precio Índice zona Garaje 0 20086,071 -0,25 Variable Importance in the Projection (VIP) Variable VIP -0,5 Desviación típica -0,75 -1 Superficie Construida 1,489 0,064 Índice de Zona 1,128 0,067 Garaje 0,884 0,083 Climatizado 0,890 0,058 Lujo 0,805 0,053 Ascensor 0,790 0,096 Lujo Ascensor Y Climatizado -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 X 1 t1 389 Análisis de la vivienda en Córdoba. Estudio econométrico Ecuación del modelo: Precio = -45.258,77 + 11.512,50 Índice zona + 832,32 Superficie Construida + 12.705,87 Ascensor + 5.398,97 Climatizado + 23.432,12 Garaje + 17.046,54 Lujo + ε Gráfica A.25: Precio/Coeficientes estandarizados (95%) Metros Construidos 0,535 Calidad del modelo: 0,6 0,5 0,4 Índice zona 0,287 Garaje 0,221 0,3 Ascensor 0,132 Climatizado 0,059 0,2 índice Comp1 Comp2 Comp3 Comp4 Q² acum 0,763 0,778 0,781 0,785 R²Y acum 0,772 0,806 0,807 0,807 R²X acum 0,343 0,476 0,589 0,716 Lujo 0,147 0,1 0 Variable Gráfica A.26: Precio de oferta (pronosticado)/precio de oferta 400000 Precio Coeficientes estandarizados 0,7 350000 300000 250000 200000 150000 100000 50000 0 0 50000 100000 150000 200000 250000 300000 350000 400000 Activas 390 Validación Pred(Precio) Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2001 Metodología de mínimos cuadrados parciales: Gráfica A.27: Correlaciones sobre ejes t1 y t2 Coeficientes de ajuste (Variable Precio): Observaciones 443,000 Suma de los pesos 443,000 GDL 439,000 R² 1 0,75 0,862 Desviación típica 19857,283 Precio Oferta 0,25 390751311,165 RMEC t2 MEC Metros Construídos 0,5 19767,431 Superficie Construida 1,458 0,033 Índice zona 1,065 0,055 Ascensor 0,958 0,081 Garaje 0,931 0,111 Climatizado 0,847 0,052 Lujo 0,688 0,239 Zona economica Ascensor Garaje -0,5 Desviación típica VIP Lujo -0,25 Variable Importance in the Projection (VIP) Variable 0 Climatizado -0,75 -1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 t1 Ecuación del modelo: Precio oferta = -42.832,92 + 11.554,46 Zona económica+940,54 Superficie Construida + 13.152,35 Ascensor + 10.383,95 Climatizado + 24.127,66 Garaje + 14.528,28 Lujo + ε Gráfica A.28: Precio Oferta/coeficientes estandarizados (95%) Coeficientes estandarizados 0,7 Calidad del modelo: Metros Construídos 0,572 0,6 0,5 0,4 0,3 0,2 índice Comp1 Comp2 Comp3 Q² acum 0,801 0,838 0,844 R²Y acum 0,811 0,862 0,862 R²X acum 0,408 0,525 0,740 Garaje 0,209 Índice zona 0,234 Ascensor Climatizado 0,045 0,121 Lujo 0,089 0,1 0 Variable 391 X Y Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A. 29: Precio de oferta (pronosticado)/precio de oferta Precio 450000 400000 350000 300000 250000 200000 150000 100000 50000 0 0 Activas 100000 200000 Validación 300000 400000 Pred(Precio) AÑO 2002 Metodología de mínimos cuadrados parciales: Coeficientes de ajuste (Variable Precio): Gráfica A.30: Correlaciones con t sobre t1 y t2 1 Observaciones 487,000 Suma de los pesos 487,000 GDL 483,000 R² Metros Construidos 0,75 0,5 0,837 MEC 0,25 22952,582 522493932,713 RMEC t2 Desviación típica Precio Índice zona 0 Lujo Ascensor 22858,126 -0,25 Variable Importance in the Projection (VIP) Garaje -0,5 Variable VIP Desviación típica Superficie Construida 1,403 0,058 Garaje 0,990 0,073 Índice zona 0,990 0,075 Lujo 0,935 0,075 Ascensor 0,834 0,070 Climatizado 0,808 0,062 392 Y Climatizado -0,75 -1 -1 -0,75 -0,5 -0,25 0 t1 0,25 0,5 0,75 X 1 Análisis de la vivienda en Córdoba. Estudio econométrico Ecuación del modelo: Precio = -29.126,52+12.232,15 Índice zona+914,82 Superficie Construida + 14.050,55 Ascensor + 8.546,27 Climatizado + 20.446,50 Garaje + 25.204,47 Lujo + ε Gráfica A.31: Precio / Coeficientes estandarizados (95%) Coeficientes estandarizados 0,7 Metros Construidos 0,522 0,6 Calidad del modelo: 0,5 0,4 0,3 Índice zona 0,252 Garaje 0,158 Ascensor 0,123 0,2 índice Comp1 Comp2 Comp3 Q² acum 0,792 0,803 0,818 R²Y acum 0,799 0,836 0,837 R²X acum 0,421 0,530 0,756 Lujo 0,171 Climatizado 0,075 0,1 0 Variable Precio Gráfica A.32: Precio de oferta (pronosticado) / precio de oferta 450000 400000 350000 300000 250000 200000 150000 100000 50000 0 0 Activas 50000 100000 150000 200000 250000 300000 350000 400000 450000 Validación Pred(Precio) 393 Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2003 Metodología de mínimos cuadrados parciales: Gráfica A.33: Correlaciones con t sobre t1 y t2 Coeficientes de ajuste (Variable Precio): Correlaciones con t sobre ejes t1 y t2 Observaciones 504,000 Suma de los pesos 504,000 GDL 500,000 R² 1 0,5 0,832 Desviación típica Metros Construídos 0,75 28397,784 MEC 0,25 800033887,116 28284,870 t2 RMEC Precio Zona economica Garaje X 0 Variable Importance in the Projection (VIP) Lujo -0,25 Variable VIP Desviación típica Superficie Construida 1,300 0,061 Garaje 1,108 0,037 Lujo 1,008 0,076 Índice zona 0,982 0,061 Ascensor 0,853 0,044 Climatizado 0,811 0,051 Y Ascensor -0,5 Climatizado -0,75 -1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 t1 Ecuación del modelo: Precio = -40.953,27 + 16.010,30 Zona económica + 1.101,50 Superficie Construida + 9.381,55 Ascensor + 9.826,50 Climatizado + 37.110,11 Garaje + 26.637,91 Lujo + ε Gráfica A.34: Precio / Coeficientes estandarizados (95%) Coeficientes estandarizados 0,6 Metros Construídos 0,477 Calidad del modelo: 0,5 0,4 Índice zona 0,278 Garaje 0,227 0,3 0,2 Lujo 0,176 Climatizado Ascensor 0,071 0,068 0,1 0 Variable 394 índice Comp1 Comp2 Comp3 Q² acum 0,784 0,809 0,814 R²Y acum 0,790 0,830 0,832 R²X acum 0,439 0,568 0,767 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A.35: Precio de oferta (pronosticado) / precio de oferta Precio 500000 450000 400000 350000 300000 250000 200000 150000 100000 50000 0 0 Activas 100000 200000 300000 400000 500000 Pred(Precio) Validación AÑO 2004 Metodología de mínimos cuadrados parciales: Gráfica A.36: Correlaciones con t sobre t1 y t2 Coeficientes de ajuste (Variable Precio): Observaciones 504,000 Suma de los pesos 504,000 GDL 500,000 R² 1 0,75 Metros Construidos 0,845 Desviación típica MEC 31804,984 0,5 1003528806,223 RMEC 31678,523 Precio 0,25 Variable VIP t2 Índice zona Variable Importance in the Projection (VIP) 0 Desviación típica -0,25 -0,5 Superficie Construida 1,295 0,058 Garaje 1,139 0,032 Lujo 1,024 0,052 Índice zona 0,939 0,051 Ascensor 0,841 0,030 Climatizado 0,839 0,017 Garaje Lujo Y Ascensor Climatizado -0,75 -1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 X 1 t1 395 Análisis de la vivienda en Córdoba. Estudio econométrico Ecuación del modelo: Precio = -49.802,05 +22.362,17 Índice zona + 1.278,62 Superficie Construida + 11.555,77 Ascensor + 13.359,25 Climatizado + 28.713,94 Garaje + 25.250,48 Lujo + ε Gráfica A.37: Precio / Coeficientes estandarizados (95%) Coeficientes estandarizados Calidad del modelo: Metros Construidos 0,466 0,6 0,5 Índice zona 0,335 0,4 Garaje 0,174 0,3 índice Comp1 Comp2 Comp3 Q² acum 0,805 0,833 0,828 R²Y acum 0,808 0,844 0,845 R²X acum 0,455 0,564 0,769 Lujo 0,145 Climatizado Ascensor 0,078 0,063 0,2 0,1 0 Variable Precio Gráfica A. 38: Precio de oferta (pronosticado) / precio de oferta 500000 450000 400000 350000 300000 250000 200000 150000 100000 50000 0 0 Activas 396 100000 Validación 200000 300000 400000 500000 Pred(Precio) Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2005 Metodología de mínimos cuadrados parciales: Gráfica A. 39: Correlaciones con t sobre t1 y t2 Coeficientes de ajuste (Variable Precio): 1 Observaciones 439,000 Suma de los pesos 439,000 GDL 435,000 R² 0,5 0,855 Desviación típica 34697,444 MEC Metros Construidos 0,75 Precio Oferta 0,25 1192943010,216 34539,007 t2 RMEC Índice Zona 0 Nºdebaños Variable Importance in the Projection (VIP) Variable -0,25 Desviación típica VIP Superficie Construida 1,388 0,066 Nº de baños 1,051 0,087 Índice Zona 1,020 0,040 Garaje 0,822 0,104 Lujo 0,816 0,268 Climatizado 0,796 0,040 Lujo X Garaje Y -0,5 Climatizado -0,75 -1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 t1 Ecuación del modelo: Precio Oferta = -48.512,18+20.954,58 Índice Zona + 1.475,19 Superficie Construida + 13.428,21 Nº_baños + 14.767,99 Climatizado + 30.771,86Garaje + 17.399,97 Lujo + ε Gráfica A.40: Precio / Coeficientes estandarizados (95%) Coeficientes estandarizados 0,7 0,6 Calidad del modelo: Metros Construidos 0,545 0,5 0,4 Índice Zona 0,277 0,3 0,2 índice Comp1 Comp2 Comp3 Q² acum 0,807 0,792 0,811 R²Y acum 0,812 0,850 0,855 R²X acum 0,450 0,567 0,761 Garaje 0,158 Nº baños Climatizado 0,083 0,081 Lujo 0,130 0,1 0 Variable 397 1 Análisis de la vivienda en Córdoba. Estudio econométrico Precio Oferta Gráfica A.41: Precio de oferta (pronosticado) / precio de oferta 700000 600000 500000 400000 300000 200000 100000 0 0 Activas 100000 200000 300000 400000 Validación 500000 600000 700000 Pred(Precio Oferta) AÑO 2006 Metodología de mínimos cuadrados parciales: Gráfica A.42: Correlaciones con t sobre t1 y t2 Coeficientes de ajuste (Variable Precio): Observaciones 474,000 Suma de los pesos 474,000 GDL 470,000 R² 1 0,75 0,832 Desviación típica 35953,400 0,25 1281739271,067 RMEC 35801,386 Variable Importance in the Projection (VIP) Variable VIP Desviación típica Superficie Construida 1,290 0,044 Garaje 1,110 0,053 Lujo 1,049 0,081 Índice Zona 0,991 0,077 Climatizado 0,804 0,106 Ascensor 0,793 0,078 398 Precio Oferta t2 MEC Metros ConstruIdos 0,5 Lujo 0 Índice Zona Garaje X Ascensor Y -0,25 -0,5 Climatizado -0,75 -1 -1 -0,75 -0,5 -0,25 0 t1 0,25 0,5 0,75 1 Análisis de la vivienda en Córdoba. Estudio econométrico Ecuación del modelo: Precio Oferta = -22679,98 + 18.728,19 Índice Zona + 1.551,25 Superficie Construida + 18.498,90 Ascensor + 17.200,84 Climatizado +43.017,28 Garaje + 41.916,35 Lujo + ε Gráfica A.43: Precio / Coeficientes estandarizados (95%) Calidad del modelo: Coeficientes estandarizados 0,6 0,5 Metros Construidos 0,452 0,4 0,3 Garaje 0,233 Índice Zona 0,238 0,2 índice Comp1 Comp2 Comp3 Q² acum 0,802 0,824 0,821 R²Y acum 0,806 0,832 0,832 R²X acum 0,421 0,555 0,774 Lujo 0,211 Climatizado Ascensor 0,097 0,097 0,1 0 Variable Gráfica A. 44: Precio de oferta (pronosticado) / precio de oferta Precio Oferta 600000 500000 400000 300000 200000 100000 0 0 Activas 100000 Validación 200000 300000 400000 500000 600000 Pred(Precio Oferta) 399 Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2007 Metodología de mínimos cuadrados parciales: Gráfica A.45: Correlaciones con t sobre t1 y t2 Coeficientes de ajuste (Variable Precio): 1 Observaciones 382,000 Suma de los pesos 382,000 GDL 378,000 R² 0,75 0,5 0,875 Desviación típica Metros Construidos Precio Oferta 37015,719 MEC 0,25 1355816165,879 Nº baños 36821,409 t2 RMEC Índice Zona 0 X Lujo Variable Importance in the Projection (VIP) -0,25 Variable Desviación típica VIP Superficie Construida 1,233 0,037 Lujo 1,079 0,030 Índice Zona 1,019 0,040 Nº baños 0,987 0,047 Garaje 0,865 0,039 Climatizado 0,805 0,052 Y Garaje -0,5 Climatizado -0,75 -1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 t1 Ecuación del modelo: Precio = -25.156,43 + 26.072,24 Índice_Zona + 1.527,57 Superficie_Construida + 13.568,56 Nº_baños + 6.060,63 Climatizado + 20.495,37 Garaje + 57.072,42 Lujo + ε Gráfica A.46: Precio / Coeficientes estandarizados (95%) Calidad del modelo: Coeficientes estandarizados 0,6 Metros Construidos 0,467 índice 0,5 0,4 Índice Zona 0,286 Lujo 0,254 0,3 0,2 0,1 Nº baños 0,077 Climatizado 0,029 0 -0,1 400 Garaje 0,091 Variable Comp1 Comp2 Comp3 Q² acum 0,822 0,862 0,866 R²Y acum 0,827 0,870 0,875 R²X acum 0,537 0,667 0,768 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A.47: Precio de oferta (pronosticado) / precio de oferta Precio Oferta 900000 800000 700000 600000 500000 400000 300000 200000 100000 0 0 Activas 200000 400000 Validación 600000 800000 Pred(PrecioOferta) AÑO 2009 Metodología de mínimos cuadrados parciales: Gráfica A. 48: Correlaciones con t sobre t1 y t2 Coeficientes de ajuste (Variable Precio): Observaciones 177,000 Correlaciones con t sobre ejes t1 y t2 Suma de los pesos 177,000 1 GDL 173,000 0,75 R² 0,868 0,5 MEC 1280930381,060 0,25 RMEC 35790,088 Variable Importance in the Projection (VIP) Variable VIP Desviación típica Superficie Construida 1,391 0,052 Garaje 1,075 0,032 Lujo 1,011 0,073 Zona económica 0,983 0,112 Climatizado 0,841 0,077 Ascensor 0,460 0,072 t2 36201,482 Desviación típica Metros Construido s PrecioOfert Lujo aeuros 0 Garaje Zona economica -0,25 -0,5 Climatizado Ascensor -0,75 -1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 t1 401 X Y Análisis de la vivienda en Córdoba. Estudio econométrico Ecuación del modelo: Precio = -45923,16 + 24.302,7 Zona económica + 1.653,1 Superficie Construida + 10.995,91 Ascensor + 7.570,80 Climatizado + 56.946,9 Garaje + 38.411,44 Lujo + ε Gráfica A.49: Precio / Coeficientes estandarizados (95%) Coeficientes estandarizados 0,7 Metros Construídos; 0,559 0,6 0,5 Calidad del modelo: Zona economica; 0,254 0,4 Garaje; 0,222 0,3 Ascensor; Climatizado; 0,080 0,065 0,2 Lujo; 0,117 0,1 0 -0,1 Variable Precio Oferta Gráfica A.50: Precio de oferta (pronosticado) / precio de oferta 600000 500000 400000 300000 200000 100000 0 0 Activas 402 100000 Validación 200000 300000 400000 500000 600000 Pred(Precio Oferta) índice Comp1 Comp2 Comp3 Q² acum 0,807 0,849 0,853 R²Y acum 0,817 0,865 0,874 R²X acum 0,458 0,615 0,734 Análisis de la vivienda en Córdoba. Estudio econométrico REDES NEURONALES AÑO 1999 Metodología de redes neuronales: Resumen del procesamiento de los casos Muestra N 310 Porcentaje 59,5% Prueba 98 18,8% Reserva 113 521 0 521 21,7% 100,0% Entrenamiento Válidos Excluidos Total Estimaciones de los parámetros Predictor Capa de entrada Capa oculta 1 Resumen del modelo Suma de errores 19,222 cuadráticos Error relativo ,124 Regla de parada utilizada 40 pasos consecutivos sin disminución del errora Prueba Suma de errores 5,564 cuadráticos Error relativo ,112 Reserva Error relativo ,126 Variable dependiente: Precio a. Los cálculos del error se basan en la muestra de prueba. Entrenamiento Pronosticado Capa oculta 1 H(1:1) H(1:2) (Sesgo) -,108 ,435 Índice_Zona ,161 ,286 SuperficieConstruida ,255 ,027 Ascensor -,417 ,100 Climatizado ,311 -,281 Garaje ,045 -,176 Lujo ,036 ,342 (Sesgo) H(1:1) H(1:2) H(1:3) H(1:4) H(1:5) H(1:6) H(1:7) H(1:8) H(1:3) H(1:4) H(1:5) H(1:6) H(1:7) -,471 ,581 -,002 ,072 ,487 -,121 -,273 ,114 ,407 ,387 ,490 -,389 -,018 -,133 ,366 -,010 ,142 -,142 ,705 -,498 -,235 ,048 -,030 ,040 -,035 -,082 ,019 -,678 ,172 ,496 ,322 ,527 ,261 -,183 -,267 H(1:8) -,362 ,105 ,420 ,023 ,178 ,019 -,410 Capa de salida Precio ,060 1,042 ,565 ,817 ,511 -,441 ,569 ,098 ,393 403 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A.51: Arquitectura de la red Gráfica A.53: Precio/Importancia normalizada 404 Gráfica A.52: Precio/Precio(pronosticado) Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2000 Metodología de redes neuronales: Resumen del procesamiento de los casos N 329 Porcentaje 62,3% Prueba 99 18,8% Reserva 100 521 0 529 18,9% 100,0% Muestra Entrenamiento Válidos Excluidos Total Resumen del modelo Suma de errores 26,284 cuadráticos Error relativo ,160 Regla de parada utilizada 40 pasos consecutivos sin disminución del errora Prueba Suma de errores 8,341 cuadráticos Error relativo ,151 Reserva Error relativo ,168 Variable dependiente: Precio a. Los cálculos del error se basan en la muestra de prueba. Entrenamiento Estimaciones de los parámetros Predictor Capa de entrada Capa oculta 1 (Sesgo) SuperficieConstruida Índicezona Ascensor Climatizado Garaje Lujo (Sesgo) H(1:1) H(1:2) H(1:3) H(1:4) Pronosticado Capa oculta 1 H(1:1) -,568 ,534 -,273 -,345 ,105 ,121 ,407 H(1:2) ,592 -,240 -,075 ,071 -,038 -,167 ,098 H(1:3) ,504 -,076 -,238 -,203 -,270 -,062 -,717 H(1:4) -,271 -,259 -,271 -,245 ,240 -,022 ,688 Capa de salida Precio ,927 ,341 -1,203 -1,079 -,717 405 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A.54: Arquitectura de la red Gráfica A.56: Precio/Importancia normalizada 406 Gráfica A 55: Precio/Precio (pronosticado) Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2001 Metodología de redes neuronales: Resumen del procesamiento de los casos Entrenamiento Porcent N Muestra Entrenamiento aje 15,137 ,099 Regla de parada utilizada Criterio de cambio 307 58,7% Prueba 108 20,7% Reserva 108 523 0 523 20,7% 100,0% Válidos Excluidos Total Resumen del modelo Suma de errores cuadráticos Error relativo relativo en el error de entrenamiento (,0001) alcanzado Prueba Reserva Suma de errores cuadráticos Error relativo Error relativo 5,616 ,100 ,108 Variable dependiente: Precio a. Los cálculos del error se basan en la muestra de prueba. Estimaciones de los parámetros Predictor Capa de entrada Capa oculta 1 (Sesgo) ZONA Superficie Construida Ascensor Climatizado Garaje Lujo (Sesgo) H(1:1) H(1:2) H(1:3) H(1:4) H(1:5) H(1:1) ,091 -,284 ,264 -,086 ,561 ,464 -,336 Pronosticado Capa oculta 1 H(1:2) H(1:3) H(1:4) -,705 ,495 ,718 -,319 ,074 -,201 ,185 ,265 -,300 ,145 -,060 -,124 -,047 -,274 -,222 ,096 ,063 -,101 ,526 -,507 -,139 H(1:5) -,793 -,404 ,253 ,089 ,171 -,387 ,363 Capa de salida Precio ,923 ,397 1,197 ,881 -1,097 ,276 407 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A. 57: Arquitectura de la red Gráfica A.59: Precio/Importancia normalizada 408 Gráfica A 56: Precio/Precio(pronosticado) Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2002 Metodología de redes neuronales: Resumen del procesamiento de los casos Porce N ntaje 346 61,0% Prueba 99 17,5% Reserva 122 567 0 567 21,5% 567 0 567 Muestra Entrenamiento Válidos Excluidos Total Resumen del modelo Suma de errores 21,014 cuadráticos Error relativo ,122 Entrenamiento 40 pasos consecutivos Regla de parada utilizada sin disminución del error(a Suma de errores 6,695 cuadráticos Prueba Error relativo ,154 Reserva Error relativo ,160 Variable dependiente: Precio a. Los cálculos del error se basan en la muestra de prueba. Estimaciones de los parámetros Pronosticado Predictor Capa de entrada Capa oculta 1 Capa oculta 1 (Sesgo) Lujo Garaje Climatizado Ascensor Índice zona Superficie Construida (Sesgo) H(1:1) H(1:2) H(1:3) H(1:4) H(1:5) H(1:1) ,331 ,033 -,184 -,253 -,167 -,157 -,029 H(1:2) ,113 ,318 ,224 ,007 -,240 -,260 ,225 H(1:3) -,062 ,044 -,271 -,106 ,434 ,070 ,196 H(1:4) -,215 ,411 ,134 -,578 -,360 ,133 ,084 H(1:5) -,484 -,245 ,015 ,357 -,290 ,291 ,394 Capa de salida Precio ,503 -1,096 ,643 ,929 ,603 ,449 409 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A.60: Arquitectura de la red Gráfica A.62: Precio/Importancia normalizada 410 Gráfica A.57: Precio/Precio(pronosticado) Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2003 Metodología de redes neuronales: Resumen del procesamiento de los casos N Muestra Entrenamiento 357 Porcentaje 62,7% Prueba 109 19,2% Reserva 103 567 1 570 Válidos Excluidos Total 18,1% 100,0% Resumen del modelo Entrenamiento Suma de errores cuadráticos Error relativo 25,474 ,143 40 pasos consecutivos Regla de parada utilizada sin disminución del error(a Prueba Suma de errores 7,273 cuadráticos Error relativo ,136 Reserva Error relativo ,166 Variable dependiente: Precio a. Los cálculos del error se basan en la muestra de prueba. Estimaciones de los parámetros Pronosticado Predictor Capa de entrada Capa oculta 1 Capa oculta 1 (Sesgo) Índice_Zona Superficie Construida Lujo Ascensor Climatizado Garaje (Sesgo) H(1:1) H(1:2) H(1:3) H(1:4) H(1:5) H(1:1) -,253 ,559 -,366 ,008 ,030 -,334 ,128 H(1:2) ,154 ,247 ,028 -,375 ,406 ,040 ,196 H(1:3) -,482 -,036 -,311 ,480 ,808 ,038 -,163 H(1:4) -,803 ,158 ,177 ,566 ,094 -,002 ,196 H(1:5) ,316 -,274 -,040 -,298 -,499 ,027 ,157 Capa de salida Precio ,326 -,341 ,661 -1,070 1,141 -,981 411 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A 58: Arquitectura de la red Gráfica A 59: Precio/Importancia normalizada 412 Gráfica A.64: Precio/Precio(pronosticado) Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2004 Metodología de redes neuronales: Resumen del procesamiento de los casos N Muestra Válidos Excluidos Total Entrenamiento 357 Porcentaje 62,7% Prueba 109 19,2% Reserva 103 567 1 570 18,1% 100,0% Resumen del modelo Entrenamiento Suma de errores 22,811 cuadráticos Error relativo ,131 Criterio de cambio relativo en el error de Regla de parada utilizada entrenamiento (,0001) alcanzado Prueba Suma de errores 6,441 cuadráticos Error relativo ,134 Reserva Error relativo ,143 Variable dependiente: Precio a. Los cálculos del error se basan en la muestra de prueba. Estimaciones de los parámetros Pronosticado Predictor (Sesgo) Índice zona Superficie Construida Capa de entrada Lujo Ascensor Climatizado Garaje (Sesgo) H(1:1) H(1:2) Capa oculta 1 H(1:3) H(1:4) H(1:5) H(1:6) Capa oculta 1 H(1:1) 1,622 -,448 -,970 -,582 ,069 ,026 ,069 H(1:2) -,268 ,422 -,847 ,067 -,582 ,284 -,025 H(1:3) ,419 ,343 -,122 ,109 ,238 -,467 ,673 H(1:4) ,797 -,643 -,628 ,045 ,449 -,450 -,111 H(1:5) ,354 ,006 ,298 ,061 ,267 ,372 -,569 H(1:6) -,453 ,034 -,082 ,376 -,344 -,039 ,100 Capa de salida Precio -,195 -1,596 -,801 1,102 -1,347 ,533 -,309 413 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A.66: Arquitectura de la red Gráfica A.61: Precio/Importancia normalizada Gráfica A.60: Precio/Precio(pronosticado) AÑO 2005 Metodología de redes neuronales: 414 Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2005 Metodología de redes neuronales Resumen del procesamiento de los casos Muestra Válidos Excluidos Total N Porcentaje Entrenamiento 305 59,0% Prueba 105 20,3% Reserva 107 517 0 517 20,7% 100,0% Resumen del modelo Entrenamiento Suma de errores cuadráticos Error relativo 20,983 ,129 40 pasos consecutivos sin Regla de parada utilizada disminución del errora Prueba Suma de errores 5,814 cuadráticos Error relativo ,104 Reserva Error relativo ,131 Variable dependiente: Precio a. Los cálculos del error se basan en la muestra de prueba. Estimaciones de los parámetros Pronosticado Predictor (Sesgo) Índice Zona Nºdebaños Capa de entrada Superficie Construida Lujo Climatizado Garaje (Sesgo) H(1:1) H(1:2) Capa oculta 1 H(1:3) H(1:4) H(1:5) H(1:6) Capa oculta 1 H(1:1) 1,748 -,415 -,765 -1,211 -,521 -,004 -,189 H(1:2) -,397 -,603 ,085 -,115 -,251 ,072 -,325 H(1:3) -,532 ,294 -,116 1,273 -,221 -,005 ,239 H(1:4) ,285 -,501 ,027 ,927 ,230 ,180 -,128 H(1:5) ,675 -,304 -,353 -,633 -,134 -,099 ,075 H(1:6) -,223 -,382 -,159 -,449 ,268 ,190 ,332 Capa de salida Precio ,501 -1,506 -,592 1,401 1,114 -,613 -,325 415 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A. 62: Arquitectura de red Gráfica A.63: Precio/Importancia normalizada 416 Gráfica A.64: Precio/Precio (pronosticado) Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2006 Metodología de redes neuronales: Resumen del procesamiento de los casos Muestra N Porcentaje Entrenamiento 327 59,8% Prueba 107 19,6% Reserva 113 547 0 547 20,7% 100,0% Válidos Excluidos Total Resumen del modelo Suma de errores 20,983 cuadráticos Error relativo ,129 40 pasos consecutivos sin Regla de parada utilizada disminución del errora Prueba Suma de errores 8,517 cuadráticos Error relativo ,127 Reserva Error relativo ,158 Variable dependiente: Precio a. Los cálculos del error se basan en la muestra de prueba. Entrenamiento Estimaciones de los parámetros Pronosticado Predictor (Sesgo) Índice Zona Garaje Capa de entrada Lujo Ascensor Climatizado Superficie Construida (Sesgo) H(1:1) H(1:2) Capa oculta 1 H(1:3) H(1:4) H(1:5) Capa oculta 1 H(1:1) -,205 ,294 -,317 -,427 -,586 -,095 -,368 H(1:2) 1,205 -,179 -,036 -,480 ,012 ,112 -,399 H(1:3) -,174 ,001 ,176 -,032 -,123 ,331 ,140 H(1:4) ,191 ,460 ,042 -,298 ,120 -,260 ,073 H(1:5) ,267 -,348 -,222 ,062 -,022 ,006 ,028 Capa de salida Precio ,826 -,360 -1,174 ,758 ,525 -,138 417 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A.65: Arquitectura de la red Gráfica A.67: Precio/Importancia normalizada Gráfica A.66: Precio/Precio(pronosticado) AÑO 2007 AÑO 2007 418 Análisis de la vivienda en Córdoba. Estudio econométrico Año 2007 Metodología de redes neuronales: Resumen del modelo Entrenamiento Suma de errores cuadráticos Error relativo Resumen del procesamiento de los casos Muestra N Porcentaje Entrenamiento 269 58,6% Prueba 93 20,3% Reserva 97 459 0 459 21,1% 100,0% Válidos Excluidos Total Regla de parada utilizada 11,083 ,083 40 pasos consecutivos sin disminución del errora Prueba Suma de errores 3,017 cuadráticos Error relativo ,075 Reserva Error relativo ,065 Variable dependiente: Precio a. Los cálculos del error se basan en la muestra de prueba. Estimaciones de los parámetros Pronosticado Predictor (Sesgo) Índice Zona Nº de baños Capa de entrada Lujo Climatizado Garaje Superficie Construida (Sesgo) H(1:1) Capa oculta 1 H(1:2) H(1:3) Capa oculta 1 H(1:1) 1,613 -,345 ,036 -,379 -,147 -,156 -1,844 H(1:2) ,263 -,228 ,525 ,318 ,572 ,272 ,427 H(1:3) -,238 -,510 ,076 ,185 ,385 ,116 -,937 Capa de salida Precio ,458 -2,446 1,048 -1,250 419 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A.68: Arquitectura de la red Gráfica A.69: Precio/Importancia normalizada 420 Gráfica A.70: Precio/Precio(pronosticado) Análisis de la vivienda en Córdoba. Estudio econométrico AÑO 2009 Metodología de redes neuronales: Resumen del procesamiento de los casos Entrenamie nto Porcent Muestra N aje Entrenamiento 131 63,3% Prueba 42 20,3% Reserva 34 207 0 207 16,4% 100,0% Válidos Excluidos Total Resumen del modelo Suma de errores cuadráticos Error relativo Regla de parada utilizada Prueba 5,192 ,095 Criterio de cambio relativo en el error de entrenamiento (,0001) alcanzado Suma de errores cuadráticos 3,535 Error relativo ,091 Reserva Error relativo ,156 Variable dependiente: Precio a. Los cálculos del error se basan en la muestra de prueba. Estimaciones de los parámetros Pronosticado Predictor Capa de entrada Capa oculta 1 Capa oculta 1 (Sesgo) Índice zona Superficie Construida Ascensor Climatizado Garaje Lujo (Sesgo) H(1:1) H(1:2) H(1:3) H(1:4) H(1:5) H(1:1) 2,260 -,661 H(1:2) ,407 -,437 H(1:3) -,367 -,390 H(1:4) ,367 ,251 H(1:5) ,210 -,315 -1,531 ,603 -,037 -,006 -,323 -,234 ,230 -,127 -,309 -,203 ,528 ,116 ,192 ,104 ,103 ,046 -,455 ,375 -,240 ,322 -,218 ,057 -,406 -,370 -,465 Capa de salida Precio ,114 -2,041 ,912 -,761 ,795 -,221 421 Análisis de la vivienda en Córdoba. Estudio econométrico Gráfica A.71: Arquitectura de la red Gráfica A.72: Precio/Importancia normalizada 422 Gráfica A.73: Precio/Precio(pronosticado) Análisis de la vivienda en Córdoba. Estudio econométrico BIBLIOGRAFÍA 423 Análisis de la vivienda en Córdoba. Estudio econométrico 424 Análisis de la vivienda en Córdoba. Estudio econométrico BIBLIOGRAFÍA ABDI, H. (2003a&b): “PLS-Regression; Multivariate analysis”, In M. Lewis-Beck, A. Bryman, & T. Futing (Eds): Encyclopedia for research methods for the social sciences, Thousand Oaks: Sage, disponible en [http://ftp.utdallas.edu/~herve/Abdi-PLSR2007pretty.pdf], consulta: 07/08/2011 ACUÑA, J. A. (2011): “Anuario Estadístico del Mercado Inmobiliario del 2010”, RR de Acuña y Asociados, Madrid, España. AGUILÓ, P. M. (2002): “El método de valoración de los precios hedónicos. Una aproximación al sector residencial de las Islas Baleares”, Tesis Doctoral, Dept. de Economia y Empresa, Universitat de les Illes Balears. ALCIATURI, C., ESCOBAR, M., DE LA CRUZ, C. et al. (2003): “Partial least squares (PLS) regression and its application to coal analysis”, Rev. Téc. Ing. Univ. Zulia, Vol.26, Nº.3, pp.197-204. ALLEN, F. y Douglas Gale (2007): “Understanding Financial Crises”, Oxford. ALONSO, L. (1964): “Localitation of the Urband Land Market Location and Densities of Dwellings and Businesses Towards a General Theory of Land Rent” Harvard University Press, Cambridge, UK. ANSELIN, L. (2000): “Spatial Econometrics”, B. Baltagi (Ed.). Companion to Econometrics, Basil Blackwell, Oxford, UK. AOKI, K., PROUDMAN, J. y VLIEGHE, G. (2002): “House Prices, Consumption and Monetary Policy: A Financial Accelerator Approach”, Mimeo, presentado en el 2002 CEPR European Summer Symposium in Macroeconomics, Bank of England. ARNOTT, R. (1987): “Economic Theory and Housing”, Handbook of Regional and Urban Economics, Mills E.S., Vol II, pp 959-998, North-Holland, Amsterdam. AYUSO, J. y RESTOY, F. (2003): “House prices and rents: an equilibrium asset pricing approach”, Documento de Trabajo n.º 0304, Servicio de Estudios, Banco de España. BAILEY, M., MUTH, R. y NOURSE, H. (1963): “A Regression Method for Real Estate Price Index Construction”. Journal of the American Statistical Association, 58, pp. 933942. 425 Análisis de la vivienda en Córdoba. Estudio econométrico BALDI, P. y HORNIK, K. (1989): “Neural networks and principal component analysis: learning from examples without local minima”. Neural Networks, 2(1), pp.53-58. BALL, M. (1987): “La cuestión de la vivienda ¿hacia una revisión teórica?”, Revista del Departamento de Sociología, Universidad Metropolitana de Azcapotzaico, vol 2, nº 4. BALL, M. (2004):” RICS European Housing review 2004”, RICS Royal Institution of Chartered Surveyors, Bruselas, Bélgica, [Disponible en www.rics.org]. BALL, MICHAEL (2008):”RICS European Housing Review 2008”, RICS Royal Institution of Chartered Surveyors, Bruselas, Bélgica, [Disponible en www.rics.org]. Banco de España Boletín Económico, mayo 2011. Rentabilidad de la vivienda y decisiones de compra: evidencia a partir de la EFF. Banco Centra Europeo (2009): Boletín mensual agosto, [Disponible en http://www.bde.es/webbde/es/secciones/informes/Publicaciones_de/Boletin_Mensual_/an oactual/]. Banco Centra Europeo (2010): Boletín mensual agosto, [Disponible en http://www.bde.es/webbde/es/secciones/informes/Publicaciones_de/Boletin_Mensual_/an oactual/]. BAO, H. X. y WAN, A. T. (2004): “On the Use of Spline Smoothing in Estimating Hedonic Housing Prices Models: Empirical Evidence Using Hong Kong”, Real State Economics, Nº 32, pp. 487-507. BARCELÓ, C. (2006): “Housing tenure and labour mobility: A comparison across European countries”, Banco de España, Working Paper, Nº 0603. BASU, S. Y THIBODEAU, T.G. (1998): “Análisis of Spatial Correlation in House Prices”. Journal of Real Estate Finance and Economics, Nº 17, pp. 61-85. CAN. BBVA, “Situación inmobiliaria Diciembre 2008”, [Disponible en la web: Diciembre 2009”, [Disponible en la web: Diciembre 2010”, [Disponible en la web: http://serviciodeestudios.bbva.com]. BBVA, “Situación inmobiliaria http://serviciodeestudios. bbva.com]. BBVA, “Situación inmobiliaria http://serviciodeestudios.bbva.com]. BEAMONTE SAN AGUSTIN M.A. (2008): “Análisis estadístico de modelos hedónicos star con efectos de vecindad”, Aplicación al mercado inmobiliario de Zaragoza, Tesis Doctoral. 426 Análisis de la vivienda en Córdoba. Estudio econométrico BELLOD REDONDO, J. F. (2007): “Crecimiento y especulación inmobiliaria en la economía española “, Principios – Estudios de Economía Política nº 8. BENABOU, R. (1993): “Workings of a city: location, education and production”; The Quarterly Journal of Economics, Agosto. BENABOU, R. (1994): “Education, income distribution and growth: the local connection”; NBER Working, Paper Nº 4798. BENGOCHEA MORANCHO, A. (2003): ”A hedonic valuation of urban green areas”, Landscape and Urban Planning Volume 66, Issue 1, 15 December 2003, pp. 35-41. BENGOCHEA, A. (2000): “Valoración económica de zonas verdes: una aplicación para la ciudad de Castellón”, III Encuentro de Economía Aplicada, Valencia. BERNANKE, BEN S. (2008): “Mortgage Delinquencies and Foreclosures”, Speech at the Columbia Business School’s 32nd Annual Dinner, New York, May 5. BILBAO TEROL, C., M. A. GARCÍA VALIÑAS y J. SUÁREZ PANDIELLO (2006): “Intervenciones públicas, haciendas territoriales y precios de la vivienda”, Papeles de Economía Española 109, pp. 237-256. BILBAO, C. (2000): “Relación entre el precio de venta de una vivienda y sus características: en análisis empírico para Asturias”, Revista Asturiana de Economía 18, pp. 141-150. BISHOP, C.M. (1995): “Neural networks for pattern recognition”, New York, Oxford University Press. BISQUERA, R. (1989): “Introducción conceptual al análisis multivariable”, vol I, PPU, Barcelona. BLAUG, M. (1991): “Johann von Thunen 1783-1850, Augustin Cournot 1801-1877, Jules Dupuit 1804-1866”, Ed. Hants, Cambridge, Mass. BOLLEN, K. A. Y JACKMAN, R. (1990): “Regression diagnostics: An expository treatment of outliers and influential cases”, Ed. J. Fox & J. Scott Long, Modern Methods of Data Analysis, Newbury Park: Sage, pp. 257-291 BORGIA SORROSAL, S. Y DELGADO GIL, A. (2010): “Evolución de las políticas de vivienda en España”, Comparativa con la UE-15, Instituto de Estudios Fiscales. 427 Análisis de la vivienda en Córdoba. Estudio econométrico BOVER, O. (1992): “Un modelo empírico de la evolución de los precios de la vivienda en España (1976-1991)”, Documento de Trabajo N. 9217, Banco de España, Servicio de Estudios. BOVER, O. y JIMENO, J. (2000): “House prices and employment reallocation: International evidence”, Banco de España, Papeles de Estudios Nº WP-0705. BOVER, O. y VELILLA, P. (2001): “Precios hedónicos de la vivienda sin características: el caso de las promociones de viviendas nuevas”, Estudios Económicos, Nº 73, Banco de España, Madrid. BOVER, O: y IZQUIERDO, M, (2001): “Ajustes de calidad en los precios: métodos hedónicos y consecuencias para la Contabilidad Nacional (2001)”. BRADY, E., A. (1967): “A Sectorial Econometric study of the Postwar ResidentialHousing Markets”, The Journal of Political Economy” Nº LXXV, pp. 147-158. BRAÑAS, P. y CARIDAD, J. M. (1996): “Demanda de características de la vivienda en Córdoba: un modelo de precios hedónico”, Estudios Regionales, 46, pp. 139-153 BURGES E. W.(1923): “The Growth of the City: An Introduction to a Research Project The Urban Sociology Reader Edited by Lin J. and Mele C (2005)”, Ed Routledge, Nueva York, pp. 73-81 CAMPOS-ECHEVARRÍA (2008): “La burbuja inmobiliaria”, Ed Marcial Pons, Ediciones Jurídicas y Sociales, Madrid, España. CAPEL H. (1969): “El modelo de la economía urbana”, Revista de Geografía, Vol 3, nº 12, pp. 5-39. CAPELLO, R (2007): “Reginal Economics”, Reseña de “Regional Economics” en Investigaciones Regionales, num 12, 2008, pp. 219-221, Asociación Española de Ciencia Regional.España. [disponible en: http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?i Cve= 28913276010]. CARIDAD, J. M. y CEULAR, N. (2001): “Un análisis del mercado de la vivienda a través de Sistemas de Redes Neuronales”, Revista de Estudios de Economía Aplicada, Nº18, pp.67-81. CARIDAD, J. M. y CEULAR, N. (2004): “Determinación de los precios implícitos en bienes inmuebles: Una alternativa a la modelización hedónica”, Revista de Estudios Regionales Nº 71, pp. 85-105. 428 Análisis de la vivienda en Córdoba. Estudio econométrico CARIDAD, J. M., NÚÑEZ J. M. Y CEULAR, N., (2008): “Metodología de precios hedónicos vs. Redes Neuronales Artificiales como alternativas a la valoración de inmuebles”. Un caso real, CT, Nº 62, pp. 27-42. CARIDAD, J.M., NÚÑEZ, J., CEULAR, N. Y MILLÁN, G. (2009): 27th International Conference. Mathematical Methods in Economics 2009, Czech Republic. CARRERAS, A. y TAFUNELL (Coodrs) (2005): “Estadísticas históricas de España siglos XIX-XX, Volumen I.”, Ed. Fundación BBVA, Bilbao. CASE, K. y QUIGLEY J. M. (2008): “How Housing Booms Unwind: Income Effects, Wealth Effects, and Feedback through Financial Markets”, European Journal of Housing Policy, Vol. 8, Number 2, June, pp. 161-180. CASE, K. y SHILLER, R. (1988): “The behaviour of home buyers in boom and post-boom markets”, New England Economic Review, noviembre-diciembre, pp. 29-46. CASE, K. y SHILLER, R. (2003): “Is There a Bubble in the Housing Market?” Brooking Papers on Economic Activity, Vol. 2, pp. 299-342. CASE, K., QUIGLEY J. M. y SHILLER R. (2005): “Comparing wealth effects: the stock market versus the housing market”, Advances in Macroeconomics, Vol. 5, No. 1. CAUDILL, M. y BUTLER, C. (1992). “Understanding neural networks:Computer explorations”, Cambridge, MIT Press. CEULAR, N. y CARIDAD, J. M. (2001): “Un análisis del mercado de la vivienda a travñes de redes neuronales artificiales”, Estudios de Economia de Aplicada, Vol. 18, Nº 2, pp. 44-66. CHANG, C.W., WU C.R., LIN C.T. y LIN H.L. (2007): “Evaluating digital video recorder systems using analytic hierarchy and analytic network processes”, Information Sciences, Nº 177; pp. 3383-3396. CHICA-OLMO, J. M. y CANO GUERVÓS, R. (2003): “Aproximación a la variabilidad espacial de las características y del precio de la vivienda. Una aplicación”, Asociación Científica Europea de Economía Aplicada. Congreso (17. 2003. Almeria, ASEPELT, [Disponible en http://www.asepelt.org/ficheros/File/Anales/2003%20-%20Almeria/ asepeltPDF/ 220.pdf]. CHICA-OLMO, J., et al. (2007): “Modelo Hedónico espacio-tiempo y análisis varigráfico del precio de la vivienda”, GeoFocus (Artículos), nº 7, pp. 56-72. 429 Análisis de la vivienda en Córdoba. Estudio econométrico CHRISTOPHER, H. (1982): “Interpreting and Using Regression”, Sage Publications, Bervely Hills, USA, pp. 82-83. CLARK, C (1968) “Crecimiento Demográfico y utilización del suelo”, Biblioteca de la Ciencia Económica, Ed.: alianza, Madrid. COLEGIO DE REGISTRADORES DE LA PROPIEDAD, “Bienes Muebles y Mercantiles de España”, Estadística Registral Inmobiliaria, Anuario de 2004. COLEGIO DE REGISTRADORES DE LA PROPIEDAD, “Bienes Muebles y Mercantiles de España, Estadística Registral Inmobiliaria, Anuario de 2008. COLEGIO OFICIAL DE ARQUITECTOS DE SEVILLA (2011): “Método de Cálculo simplificado de presupuestos estimados de ejecución material de los distintos tipos de obra”, [disponible en http://www.coasevilla.org/raiz/visado/impresos/Cuadro% 20de% 20precios/10C%C3%A1lculo%20simplificado%20de%20los%20presupuestos%20estimat ivos%20de%20ejecuci%C3%B3n%20material%20a%C3%B1o%202011.pdf] COOK, R. D. y WEISBER, S. (1982): “Residuals and influence in regression”. New York: Chapman & Hall. CRUZ TORRES, I (2009): “Pronósticos en el mercado de derivados utilizando redes neuronales y modelos ARIMA: una aplicación al Cete de 91 días en el MexDer”, Tesis Doctoral Universidad Nacional Autónoma de México,[disponible http://www.mexder.com.mx/inter/info/mexder/avisos/Pronosticos%20en%20el%20mercad o%20de%20derivados%20utilizando%20redes%20neuronales%20y%20modelos%20ARI MA.pdf]. CUBERO, J. J. (2008): “Las estadísticas de vivienda, en construcción”, Servicio de Estudios del BBVA. CUBERO, J., FERNÁNDEZ, C., GARCÍA, J. R., LLORET, V., NAVIA, D., POU, V., RIESTRA, T., RODRÍGUEZ-VÁLEZ, J. y RUBIO, A. (2007): “Situación Inmobiliaria”, Servicio de Estudios del BBVA DANMARKS NATIONAL BANK (2008): ”Statistics on the balance sheets and flows of the MFI secto”, July. DAVIS, E. (1995): “Debt, Financial Fragility and Systemic Risk”, Oxford. De LEEUW, F. (1971): “The Demand for Housing: A Review of Cross-section Evidence”, The Review of Economic and Statistic, Febrero, Vol LIII, p. 3-18. 430 Análisis de la vivienda en Córdoba. Estudio econométrico DEFENSOR DEL PUEBLO ANDALUZ (2010): “El Parque Residencial sin Ascensor en Andalucía: una Apuesta por la Accesibilidad”, Disponible en [www.defensor-and.es]. DÍAZ FERNÁNDEZ, M., COSTA REPARAZ, E., LLORENTE MARRÓN, M. (1995): “Una aproximación empírica al comportamiento de los precios de la vivienda en España”, Documento de Trabajo N. 082/95, Universidad de Oviedo. DÍAZ FERNÁNDEZ, M., COSTA-REPARAZ, E., LLORENTE-MARRÓN, M. (1995): “Una aproximación empírica al comportamiento de los precios de la vivienda en España”, Documento de Trabajo N. 082/95, Universidad de Oviedo. DÍEZ NICOLÁS, J. (1992): “Posición social, información y postmaterialismo”, Revista Española de Investigaciones Sociológicas, nº 52, pp. 21-35 DÍEZ NICOLÁS, J. (2002): “Implications of population decline for the European Union (2000-2050)”, Marquina, Antonio (ed.),”Environment Challenges in the Mediterranean (2000-2050)”, Kluwer Academic Press, London. DiPASQUALE, D y WHEATON, W. (1996): “Urban Economics and Real States Markets”, Prentice Hall. DOUGHERTY, A., y R. VAN ORDER (1982): “Inflation, housing costs, and the consumer price index”, The American Economic Review, Vol. 72, n.º 1, pp. 154-164. DUBIN, R. A., (1988): “Estimation of regression coefficients in the presence of spatially autocorrelated error terms”, Review of Economics and Statistics, 70, pp 466-474. DUBIN, R. A., (1992): “Spatial autocorrelation and neighbourhood quality”, Regional Science and Urban Economics, 22, pp 433-452. DUBIN, R. A., (1998): “Predicting house prices using multiple listings data”, Journal of Real Estate Finance and Economics, 17(1), pp 35-59. DUCE TELLO, R. M. (1995): “Un modelo de elección de tenencia de vivienda para España, Moneda y Crédito”, Nº 201, pp. 127-152. DUNCAN, D. y SCHNORE L. F. (1958): "Cultural, Behavioral, and Ecological Perspectives in Study of Social Organization", American Journal of Sociology; Nº 65, pp. 132-146. EASTERLIN, R. A. (1966): “Economic-Demographic Interactions and Long Swings in Economic Growth”, The American Economic Review, vol 66 (5). 431 Análisis de la vivienda en Córdoba. Estudio econométrico EDMON GOUNCOURT, (1854): Historia de la sociedad francesa durante la Revolución y bajo el Directorio”. ENGLUND, P. y YANNIS M. IOANNIDES, (1997): “House Price Dynamics: An International Empirical Perspective”, Journal of Housing Economics, Vol. 6, issue 2, pp. 119-136. ESCOBAR, J. y VICENTE, J.: (2003): “Métodos de construcción de índices de precios de vivienda Teoría y experiencia internacional”, en “http://www.banrep.gov.co/docum/Pdfeconom-region/CREE/Valle/metodologias-construc-indices-precios.pdf” EUROPEAN MORTGAGE FEDERATION (2007): ”Hypostat 2006.” EMF, Brussels. EUROPEAN MORTGAGE FEDERATION (2008): “Quarterly Statistics”, 1st Quarter 2008”, July. FAUSETT, L. (1994): “Fundamentals of neural networks architectures, algorithms, and applications”, Prentice-Hall, Englewood Cliffs, NJ. FALLIS, G. y SMITH L. B. (1984): “Uncontrolled Prices in a Controlled Market: The Case of Rent Controls”, The American Economic Review, Vol. 74, No. 1 (Mar., 1984), pp. 193200. FEDERAL RESERVE BANK OF KANSAS CITY, (2007): “Housing, Housing Finance, and Monetary Policy”. Symposium proceedings. Federal Reserve Bank of Kansas City’s Jackson Hole Symposium, 31st August –1st September 2007. http://www.kc.frb.org/home/subwebnav.cfm?level=3&theID=10548&SubWeb=5 FITCH OSUNA J.M. y GARCIA ALMIRALL, P. (2008): “la incidencia de las externalidades ambientales en la formación espacial de valores inmobiliarios: el caso de la región metropolitana de Barcelona”, ACE, AÑO II, núm 6, pp. 673-693 FRANK, I. E. y FRIEDMAN J. H. (1993): “A statistical view of some chemometrics regression tools”, Technometrics, 35; pp.109–135. FRIEDMAN, M. (1993) “Teoría de los precios”; traducción, José Vergara y José Vergara de San Román, Ed.: Altaya, Barcelona. FUNAHASHI, K. (1989): “On the approximate realization of continuous mapping by neural networks”, Neural Networks, N º2, 183-192. GALINDO, A., GARCÍA M.A. y MUÑIZ I.: (2003); “¿Es Barcelona una ciudad policéntrica?” Working papers (Universitat Autònoma de Barcelona, Departament d'Economia Aplicada), Nº. 9, 432 Análisis de la vivienda en Córdoba. Estudio econométrico GALLEGO MORA ESPERANZA, J. (2004): “La inteligencia artificial aplicada a la valoración de inmuebles. Un ejemplo para valorar Madrid”. CT: Catastro nº 50, 51-67. GARCIA LÓPEZ M. A. y MUÑIZ II. (2007): “¿Policentrismo o dispersión? Una aproximación desde la nueva economía urbana, Investigaciones Regionales”, nº 11, pp. 25-43. GARCÍA MONTALVO, J. (2001): “Un análisis empírico del crecimiento del precio de la vivienda en las comunidades autónomas españolas”, Revista valenciana de economía y hacienda, Nº 2; pp. 117-138. GARCÍA MONTALVO, J. (2005): «Reconstruyendo la burbuja: expectativas de revalorización y precio de la vivienda en España», Papeles de Economía Española, nº 109. GARCÍA MONTALVO, J. (2007) “Algunas consideraciones sobre el problema de la vivienda en España” en Papeles de Economía Española, 133, octubre, pp. 138-153. GARCÍA MONTALVO, J. (2007b): “¿Cuánto aumenta realmente el precio de la vivienda?”, Revista Índice, INE. GARCIA POZO, A., (2007): “Una aproximación a la aplicación de la metodología hedónica: especial referencia al mercado de la vivienda”, Cuadeenos de CC.EE. y EE, Nº 53, pp-53-81. GARROCHO, C. 1992: "Distribución espacial de la población en la Zona Metropolitana de la Ciudad de México 1950-1990", Estudios Demográficos y Urbanos, Vol 8, Nº1, pp. 69-100. GARTHWAITE, P. H. (1994): “An interpretation of partial least squares”. Journal of the American Statistical Association, Nº89, pp. 122–142. GIL, M. (2008): “Situación actual y perspectivas de evolución de la población en España” en Boletín Económico, Banco de España, febrero, pp. 43-50. GIROUARD, N., KENNEDY, M. y ANDRE, C. (2007): “ Has the rise in debt made households more vulnerable?”, Economics Department Working, Paper number 535, OECD, ECO/WKP(2006)63. GIROUARD, N., KENNEDY, M., VAN DEN NOORD y CHRISTOPHE, A. (2006):” Recent house price developments: The role of fundamentals”, Economics Department Working, Papers No. 475. OECD. ECO/WKP (2006)3. 433 Análisis de la vivienda en Córdoba. Estudio econométrico GÓMEZ GÓMEZ, C. M. (2002): “El precio hedónico de la contaminación del aeropuerto de Madrid-Barajas”. En Proyecto Madrid III: Evaluación económica del impacto ambiental del aeropuerto Madrid-Barajas. AENA-Universidad de Alcalá. GOODMAN, A. C. (1995): ”A dinamic equilibrium model of housing demand and mobility with transaction cost”, Journal of Housing Economics, 4, pp. 307-327. GOODMAN, A. C. (2002): “Estimating equilibrium housing demand for stayers", Journal of Urban Economics, 51, pp. 1-24. GOODMANA, A. C. y THIBODEAU, T. G. (2003): “ Housing market segmentation and hedonic prediction accuracy”, Journal of Housing Economics, Volume 12, Issue 3, September 2003, Pages 181-201 GRACIA, A, et al (2004): “Análisis hedónico de los precios de la tierra en la provincia de Zaragoza”, Estudios Agrosociales y Pesqueros, n.º 202, pp. 51-69. GREEN, RICHARD K y SUSAN WACHTER (2007): “The Housing Finance Revolution”. – In: Federal Reserve Bank of Kansas City, (2007), pp. 21-67. http://www.kc.frb.org/Publicat/Sympos/2007/PDF/Green_Wachter_0415.pdf GUILLERMO AGUILAR, A. (coordinador), (2004): “Procesos metropolitanos y grandes ciudades”, Dinámicas recientes en México y otros países, Universidad Nacional Autónoma de México, pp. 265-277. GUILLERMO-AGUILAR, A. (coordinador), (2004): “Procesos metropolitanos y grandes ciudades”. HARRIS, C y ULLMAN, E. (1945): “The Nature of Cities” Annals of the American Academy of Political and Social Sciencies, Nº 242, pp. 7-17. HAWLEY, A. (1950): Human Ecology: "A Theory of Urban Structure", Nueva York, Ronald Press (Ed. cat,: Ecología Humana, Madrid, Tecnos, 1982). HELLAND, I. (1988): “On the structure of partial least squares”, Communication in Statistics. Simulation and Computation, 17:581–607. HELLAND, I. (2004): “Partial Least Squares Regression”, Encyclopedia of Statistical Sciences.. HENDRY, D.F. (1984): “Econometric modelling of house prices in the United Kingdom”, en HENDRY, D. F. y WALLIS, K.F. (eds): Econometrics and quantitative economics. Oxford, Basil Blackwell. 434 Análisis de la vivienda en Córdoba. Estudio econométrico HENDRY, D.F. (1984): “Econometric modelling of house prices in the United Kingdom”. En HENDRY, D. F. y WALLIS, K.F. (Eds): Econometrics and quantitative economics. Oxford, Basil Blackwell. HERCÉ, M., (2005): “Urbanización, precios del suelo y modelo territorial: la evolución reciente del área metropolitana de Barcelona”, Revista Eure, vol XXXI, nº 93. P.p. 35-51, Santiago de Chile. HERRING, R. y WACHTER, S. (2003): “Bubbles in Real Estate Markets”, Chapter 14, pp. 217-229 in: William C. Hunter, George G. Kaufman, Michael Pomerleano, 2003: Asset Price Bubbles: The Implications for Monetary, Regulatory, and International Policies. MIT Press: Cambridge, MA. HOELLER, PETER y DAVID RAE (2007): ”Housing Market and Adjustments in Monetary Union”, Economics Department Working Paper No. 550. OECD ECO/WKP Nº 10. HOPFIELD, J.J. (1982): “Neural networks and physical systems with emergent collective computational abilities”, Proceedings of the National Academy of Sciences, Nº 79, pp.2554-2558. IMF (2008a): “World Economic Outlook April 2008. Housing and the Business Cycle”, World Economic and Financial Surveys. IMF (2008b): “Global Financial Stability Report Market Update Jullio, Nº 28, . INFORME económico de Andalucía: (2009 y 2010): Consejería de Economía, Innovación y Ciencia. Servicio de Estudios y Publicaciones, D.L. IOANNIDES, Y. M. y KAN, K. (1996): “Structural estimation of residential mobility and housing tenure choice”, Journal of Regional Science, 36 (3), pp. 335-363 IOANNIDES, Y. y HARDMAN, A. (1995): “Moving Behavior and the Housing Market”; Regional Science and Urban Economics; vol.25, pp. 21-39. ISARD, W (1956): “Location and Space Economy”. The –Technology Press of MIT y John Wiley & Son, Nueva York. JARGOWSKY, P (1996) “Take the Money and Run: Economic Segregation in U.S. Metropolitan Areas”, American Sociological Review, vol 61, nº 6, pp 984-998. JEFFREY P. COHEN CLETUS, C. COUGHLIN, (2009): “Changing Noise Levels and Housing Prices Near the Atlanta Airport”, Growth and Change, Volume 40, Issue 2, pages 287–313, June 2009 435 Análisis de la vivienda en Córdoba. Estudio econométrico JIM C.Y. y CHEN W. Y. (2009): “Value of scenic views: Hedonic assessment of private housing in Hong Kong”, Landscape and Urban Planning, Volume 91, Issue 4, pp. 226234. JURADO GUERRERO, T. (2003): “La vivienda como determinante de la formación familiar en España desde una perpectiva comparada, Reis: Revista española de investigaciones sociológicas, Nº 103, pp. 113-157 KALCHBRENNER, J.H. (1972): “A model of the housing sector”. En Saving deposits, mortgages and housing, editado por E.M. Gramlich y D.M. Jaffee. Massachussets. Lexington Books, pp. 209-234. KAMINSKY, GRACIELA, L. y CARMEN M. REINHART. (1999): “The Twin Crises: The Causes of Banking and Balance-Of-Payments Problems”, The American Economic Review, Vol. 89, No. 3. pp. 473-500. June. KAUKO, T. (2003): “On current neural network applications involving spatial modelling of property prices”, Journal of Housing and the Built Environment, 18 (2), pp.159-181. KAUKO, T. (2003): “Social Behaviour as a Basis for Modelling the Urban Housing Market”, A Review Urban Studies, Mayo, Nº 40, pp. 917-935. KEARL, J.R. (1979): "Inflation, mortgages and housing", Journal of Political Economy, Vol. 87, N. 5, pt. 1, pp 1.115-1.138. KESTENS, Y., THÉRIAULT, M. y DES ROSIERS, F. (2006): “Heterogeneity in hedonic modelling of house prices: looking at buyers’ household profiles”, Journal of Geographical Systems, Volume 8, Number 1, Pages 61-96. KEYNES, J.M., (1936): “Teoría General de la Ocupación, el Interés y el Dinero, Fondo de Cultura Económica”, (4ª edición 2003), México. KOHONEN, T. (1982): “Self-organized formation of topologically correct feature maps”, Biological Cybernetics, 43, 59-69. KOHONEN, T. (1988): “Learning vector quantization”,. Neural Networks, 1, 303. KRANENDONK, HENK y JOHAN VERBRUGGEN (2008): ”Are houses overvalued in the Netherlands?” CPB Memorandum, Number 200. Centraal Planbureau. 22 April 2008. KRUGMAN, P. (1996): “La organización espontánea de la Economía”, Antoni Bosch. LEAL, J. (1997): “Emancipación y vivienda” en Vergés-Escuín, R. (ed), “La edad de emancipación de los jóvenes, Seminaris Urbans (I), Centre de Cultura Contemporània de Barcelona, Barcelona, pp. 113-124. 436 Análisis de la vivienda en Córdoba. Estudio econométrico LEAMER, E. (2007) :”Housing is the business cycle”, NBER Working Paper 13428.disponible en http://www.kc.frb.org/publicat/sympos/2007/PDF/Leamer_0415.pdf LIMSOMBUNCHAI, V., GAN, C. y LEE, M. (2004): “House price prediction: Hedonic Price Model vs. Artificial Neural Network”. American Journal of Applied Sciencies, 1(3): pp. 193-201. LIN, C. C. y MOHAN, S. (2011): "Effectiveness comparison of the residential property mass appraisal methodologies in the USA", International Journal of Housing Markets and Analysis, Vol. 4 Iss: 3, pp.224-243 LÓPEZ ANDIÓN, M.C. (1997): “Análisis del mercado de la vivienda: un estudio econométrico de las regiones españolas”, Tesis Doctoral.Universidad de Santiago de Compostela. Servicio de Publicaciones. LÓPEZ GARCÍA, M. A.: (2009); "Precios de la vivienda, expectativas adaptativas y ¿burbujas inmobiliarias?”, XVI Encuentro de Economía Pública "Crisis Financiera y Sector Público"; http://www.ugr.es/~montero/XVIeep/70.pdf LÓPEZ GARCÍA, M.A. (1994): “Precios de la vivienda e incentivos fiscales a la vivienda en propiedad en España”. Documento de Trabajo N. 105/1994, Fundación Fondo para la Investigación Económica y Social. LÓPEZ GARCÍA, M. Á. (1999): “Efectos de la reforma del IRPF sobre la vivienda”, Revista de Economía Aplicada, nº 21, pp. 95-120. LÓPEZ, C, (2002): “El comportamiento de los precios de la vivienda en las regiones españolas”, Estudios Económicos Regionales y Sectoriales. AEEADE. Vol. 2, núm. 1.. LUDVIGSON, SYDNEY C. (2007): “Commentary: Housing, Credit and Consumer Expenditure”, – In: Federal Reserve Bank of Kansas City, (2007), pp. 335-349. http://www.kc.frb.org/publicat/sympos/2007/pdf/Ludvigson_0415.pdf LUNDE, JENS (2005): “The owner-occupiers’ capital structure during a house price boom. – Does negative equity exist as a permanent feature in the Danish housing market”, Working Paper. WP 2005-3. Department of Finance. Copenhagen Business School. LUNDE, JENS (2007): “Distributions of owner-occupiers’ housing wealth, debt and interest expenditure as financial soundness indicators”, Department of Finance. Copenhagen Business School, Working Paper 2007/1. 437 Análisis de la vivienda en Córdoba. Estudio econométrico MAISEL, SHERMAN, J, (1963): “A Theory of Fluctuation in Residential Construction Starts, ”The American Economic review, LIII, pp. 359-379. MANCHESTER, J. (1987): " Inflation and housing demand: a new perspective", Journal of Urban Economics, n. 21, pp. 105-125. MANKIW, N. y WEIL, D. N. (1989): “The Baby Boom, The Baby Bust and the housing Marke”, The Regional science and urban Economics, Noth-Holland, vol. 19, pp-235-258. MARÍN, J.M. (2011). “Introducción a las Redes Neuronales Aplicadas”, [disponible en http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/Expertos/Redes.html]. Universidad Complutense de Madrid. MARÍN, J.M. (2011): “Introducción a las Redes Neuronales Aplicadas”, [disponible en http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/Expertos/Redes.html], Universidad Complutense de Madrid. MARQUÉS, J. M. y NIETO, F. (2003): “Aprovechan los hogares la revalorización de su riqueza inmobiliaria para financiar un aumento del consumo”, Boletín Económico del Banco de España, Marzo, pp.49-55.. MARTÍNEZ, D., RIESTRA, T. y SAN MARTÍN, I. (2006): “La demanda de vivienda, factores demográficos”, Papeles de Economía Española, nº 109, pp. 91-106. MARTÍNEZ, J. y DE LOS LLANOS MATEA, M. (2002): “El mercado de la vivienda en España”, Boletín Económico del Banco de España, Nº 9 (Septiembre), pp. 51-62. MARTÍNEZ PAGÉS, J. y MAZA, L. A. (2003): “Análisis del precio de la vivienda en España”, Documento de Trabajo Nº 0307, Servicio de Estudios, Banco de España, pp. 748. MARTÍNEZ-CHACÓN, E. (coord.) (2009): “Economía Española”, Ed Ariel, Barcelona. MASSEY, D.S. y DENTON, N, A. “The dimensions of residential segregation”, Social Forces, 1988, vol 67, pp. 281-315. MASTERS, P. (1993): “The effects of fire-driven succession and rainfall on small mammals in spinifex grasslands at Uluru National Park”, Northern Territory, Wildl, Res. 20, pp. 803–813. MAYES, D, (1979): “The Property Boom”, Martin Robertson, Oxford. MCCARTHY, J y PEACH, R. W. (2002): “Monetary Policy Transmission to Residential Investment”, FRBNY Economic Policy Review, May 2002, pp. 139-158 438 Análisis de la vivienda en Córdoba. Estudio econométrico MCCLELLAND, J.L. y RUMELHART, D.E. y el grupo de investigación PDP (1986): “Parallel distributed processing: Explorations in the microstructure of cognition vol. 2, Psychological and biological models”. Cambridge, Mass.: The MIT Press. MCKENZIE B.S., (1998, primera publicación 1933): “The Metropolitan Community”, Routledge, Londres. MEEN, G. (1989): “The Removal of Mortage Market Constraints and the Implications for Econometric Modelling of UK House Prices”, Oxford Bulleting of Economics and Statistics, 52, pp.1-23. MEEN. G. (1990): “The removal of mortgage market constraints and the implications for econometric modelling of UK house prices”, Oxford Bulletin of Economics and Statistics, Vol. 52, N. 1, pp. 1-23. MEEN, G. (1993): “The Treatment of House Prices in Macroeconometric Models: A Comparison Exercise. Prices”, Economic Geography 66, pp. 254-272. MEEN, G. (1996), “Ten Propositions in UK Housing Macroeconomics: an Overview of the 1980s and Early 1990”, Urban Studies, 3, pp.425-444. MEEN, G. (2002): “The time series behavior of house prices: a transatlantic divide?”, Journal of Housing Economics 11, pp. 1-23. MEEN, G. (2006): “Ten New Propositions in UK Housing Macroeconomics: An Overview of the First Years of the Century”, ICHUE, Discussion Paper No. 2. MEEN, G. y ANDREW, M., (1998): “On Aggregate Housing Market of Labour Change” Scot, J. Polit Economy, 45,pp. 393-419 MERA, G. S. (2008): "De problema estatal a problema sociológico. Políticas migratorias y discursos científicos en torno a la distribución espacial de los inmigrantes en las ciudades", III Congreso de la Asociación Latinoamericana de Población (ALAP), Córdoba, Argentina. MEVIK BH, y CEDERKVIT, HR (2004): “Mean sequared error of prediction (MSEP) estimates for principal component regression (PCR) and partial least squares regression (PLSR)”. Journal of Chemometrics 18 (9), pp. 422-429 MILES, DAVID (1994): “Housing, Financial Markets and the Wider Economy”, Wiley, MILLS (1967). “Transportation and Patterns of Urban Development”, The American Economic Review, vol 57, nº 2, pp. 197-212. 439 Análisis de la vivienda en Córdoba. Estudio econométrico MINISTERIO DE VIVIENDA (2008a): “Notas metodológicas sobre la Estadística de Vivienda Libre”, Madrid. MINISTERIO DE VIVIENDA (2008b): “Notas metodológicas sobre la Estadística de Vivienda Protegida”, Madrid. MINSKY, M.L. y PAPERT, S.A. (1969). “Perceptrons: An introduction to computational geometry”, The MIT Press, Mass: Cambridge. MISHKIN, F. S. (2007): “Housing and the Monetary Transmission Mechanism”, Finance and Economics Discussion Series. 2007-40. Washington: Board of Governors of the Federal Reserve System, August. – And in: Federal Reserve Bank of Kansas City, (2007), pp. 359-413. [disponible en: http://www.kc.frb.org/Publicat/Sympos/2007/PDF/Mishkin_0415.pdf]. MISHKIN, F. S. (2008): “Outlook and Risks for the U.S. Economy”, Speech at the National Association for Business Economics Washington Policy Conference, Marzo, [disponible: http://www.federalreserve.gov/newsevents/speech/mishkin20080304a.htm]. MODIGLIANI, F. (1970): “The life cycle hypothesis of saving and intercountry differences in the saving ratio”, en W.A. Eltis, M. FG. Scott y J.N. Wolfe (eds.) Induction, Growth and Trade, Clarendon Press, Oxford. MONTAÑO, J.J., PALMER, A. y FERNÁNDEZ, C. (2002). “Redes neuronales artificiales: abriendo la caja negra”, Metodología de las Ciencias del Comportamiento, 4(1), 77-93. MOORE, D. (2004): “Estadística Aplicada Básica, (The Basic Practice of Statistic, (2º Edition)”, Antoni Bosch, Editor, Barcelona. MOORE, D. Y McCABE (2000): “Introduction to the Practice of Statistics, (3ª Edición)”, Freeman and Company, New York, p.p. 724-726. MORAL GARCÍA, F. J. y MARQUES DA SILVA J. R. (2002): “Ejemplo de representación gráfica de una variable regionalizada”; INGEGRAF; Santander, España. MOYA, L. (2007): “Vivienda reducida”, Mairea Libros, Madrid, 215 p. MUELLBAUER, J. (2007): “Housing, Credit and Consumer Expenditure”, Federal Reserve Bank of Kansas City, pp. 267-334. [disponible en http://www.kc.frb.org/publicat/sympos/2007/PDF/Muellbauer_0415.pdf] MUELLBAUER, J. y MURPHY, A. (1997): “Booms and busts in the UK housing market”, Economic Journal, 107(445), pp. 1701-1727. 440 Análisis de la vivienda en Córdoba. Estudio econométrico MUÑIZ, I: (1998): “Externalidades, localización y crecimiento: una revisión bibliográfica”, Estudios Regionales, nº 52, pp. 155-175. MUTH, R.F. (1969), “Cities and Housing”, Chicago University Press, Chicago, EE.UU. NAREDO, J.M., O. CARPINTERO y C. MARCOS (2002): “Los aspectos patrimoniales en la coyuntura económica actual”, Cuadernos de Información Económica Nº 171, pp. 2656. NEGRETE, M. E. (1995): "Evolución de las zonas metropolitanas de México", C. Garrocho y L. J. Sobrino (ed), Sistemas metropolitanos: nuevos enfoques y prospectiva, Toluca, El Colegio Mexiquense, pp. 125-128. NELLIS, J.G.; LONGBOTTOM, J.A. (1981): “An empirical analysis of the determination of house prices in the United Kingdom”, Urban Studies, Vol. 18, Nº 1, pp. 9-21. NELSON J.P., (2004): “Meta-Analysis of Airport Noise and Hedonic Property Values”, Journal of Transport Economics and Policy (JTEP), vol 38, Nº1, pp. 1-27. NELSON, C.R. y PLOSSER, C.I. (1982): “Trends and random walks in macroeconomic time” Journal of Monerary Economics, nº 10, pp. 139-162. NICKELL, S. (2002). “Monetary policy issues: past, present and future”, Quarterly Bulletin, Bank of England, otoño. NORTON, w, a. (1955): “Housing Taxation”, University of Wisconsin Press, citado en SANTILLANA, A. (1972), “Análisis Económico del Problema de la Vivienda”, Ed. Ariel Madrid. NUÑEZ TABALES, J. (2007): “Mercados inmobiliarios: Modelización de precios”, Tesis Doctoral, Córdoba, Universidad de Córdoba, 414 pp O’SULLIVAN, A. (1996). “Urban Economic”, Irwin. Cap.1, 2, 3. OLIVER, J. (2004): “Demografía y vivienda en España y en las CCAA”, Caixa Cataluña, Barcelona. OTEIXEIRA, M.C. (2011): “Modelos econométricos para el precio de los inmuebles: un caso de estudio en Portugal”, Tesis Doctoral, Córdoba, Universidad de Córdoba. 419 pp. OTIS, D Y DUNCAN B.: (1957); "The Negro Population of Chicago: A Study of Residential Succession" Chicago, University of Chicago Press PALMER, A. Y MONTAÑO, J.J. (1999). “¿Qué son las redes neuronales artificiales? Aplicaciones realizadas en el ámbito de las adicciones, Adicciones, 11(3), pp. 243-255. 441 Análisis de la vivienda en Córdoba. Estudio econométrico PETERSON, S y FLANAGAN, A (2009): “Neural Network Hedonic Pricing Models in Mass Real Estate Appraisal”, Journal of Real Estate Research, Publisher American Real Estate Society, pp. 147-164. PLANNER-ASPRIMA (2005): “El mercado inmobiliario español, oportunidades y retos”, Grupo Planner, Madrid. POLÈSE, M. (1998): “Economía Urbana y Regional: Introducción a la relación entre territorio y desarrollo"; Libro Universitario Regional, Cartago, Costa Rica. POTERBA, J.M. (1991): “House price dinamics: the role of tax policy and demography”, Brookings Papers on Economic Activity, Vol. 2, pp. 143-183. POTERBA, J.M. (1984): “Tax Subsidies to Owner-occupied Housing: An Asset-market Approach”, Quarterly Journal of Economics, vol. 99, pp. 729-752. RAMBALDIAND, A. y PRASADA RAO, D. (2011): “Hedonic Predicted House Price Indices Using Time-Varying Hedonic Models with Spatial Autocorrelation” Discussion Papers Series. REINHART, C. M. y KENNETH S. ROGOFF (2008): “Is The 2007 U.S. Sub-Prime Financial Crisis So Different? An International Historical Comparison”, Working Paper 13761, National Bureau of Economic Research, Enero. RIPLEY, B.D. (1996): “Pattern recognition and neural networks”, Cambridge: Cambridge University Press. RODRÍGUEZ ALONSO, R. (2002): “La política de vivienda en España desde la perspectiva de otros modelos europeos”. Boletín CF+S 29/30. Notas para entender el mercado inmobiliario, [disponible en htttp://habitat.aq.upm.es/boletin/n29/arrod2.html]. RODRÍGUEZ ALONSO, R. (2005): “La política de vivienda en España desde la perspectiva de otros modelos europeos”, Boletín CF+S, 29/30, Instituto Juan de Herrera, Madrid, [disponible en http://habitat.aq.upm.es/boletin/n29/arrod2.html]. RODRIGUEZ ALONSO, R. (2010): “La Política de Vivienda en España en el Contexto Europeo: Deudas y Retos”. Revista INVI [online], vol.25, nº 69, pp. 125-159. [Disponible en:<http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S071883582010000200004&l ng=es&nrm=iso>. ISSN 0718-8358.] RODRÍGUEZ LÓPEZ, J.; GÓMEZ CHURRUCA, R. (1993): “El tratamiento de la inversión en vivienda en España a través de los modelos econométricos”, Revista Española de Financiación a la Vivienda, N. 24/25, pp. 77-86. 442 Análisis de la vivienda en Córdoba. Estudio econométrico RODRÍGUEZ HERNÁNDEZ, J.; BARRIOS-GARCÍA, J. A.; (2006): "Elección de tenencia y localización de vivienda: un modelo logit mixto para España, Estadística Española, [disponible en http://www.ea.ull.es/users/jabarrio/PDFs/Pub7.pdf.] RODRÍGUEZ LÓPEZ, J (1978): “Una estimación de la función de inversión en viviendas en España”, Editores: Banco de España, Madrid. RODRÍGUEZ LÓPEZ, J. (2009): 2Auge y derrumbe del sector del mercado de la vivienda en España”, Economistas, nº 119, pp. 78-88, Madrid. RODRÍGUEZ LÓPEZ, J. y FELLINGER, E. (2007): “El mercado de la vivienda en España. Previsiones 2007-2009”, Ministerio de Vivienda, Madrid. RODRÍGUEZ LÓPEZ, J.; GÓMEZ-CHURRUCA, R. (1993): “El tratamiento de la inversión en vivienda en España a través de los modelos econométricos”, Revista Española de Financiación a la Vivienda, Nº 24/25, pp. 77-86. ROSEN, K y SMITH, L., B., (1983): “The Price-Adjustment Process for Rental Housing and Natural Vacancy Rate”, The American Economic Review, September, Vol 73, Nº 4, pp. 779-786. ROSEN, S. (1974): “Hedonic Prices and Implicit Markets: Product Differentiation in Pure Competition”, The Journal of Political Economics, Nº 82, pp. 34-55. ROSENBLATT, F. (1958): “The Perceptron: a probabilistic model for information storage and organization in the brain”, Psychological Review, Nº 65, pp. 386-408. ROSENBLATT, F. (1962): “Principles of neurodynamics Perception and the Theory of Brain Mechanisms”, Edit.: Spartan Books, Washington, DC. RUBIO, M. (2009): “Housing market heterogeneity in a Monetary Union”. Documentos de Trabajo. Nº 0916, Banco de España, Madrid. RUMELHART D. E., HINTON G.E. y WILLIAMS R.J. (1986): “Learning internal representation by error propagation”. In: Rumelhart D.E., McClelland J.L. and the PDP Research Group, (Eds) Parallel distributed processing, Vol 1, cap. 8. MIT Press. SAN MARTÍN, I, LEIRADO, L y RODRÍGUEZ, J. (1994): “Precios de la vivienda en España 1985-1994: Incidencia del coste del suelo”, CT: Catastro, Nº 22,, págs. 73-88. SÁNCHEZ, R. y ZOLOA, J.I., (2008): “Econometría Espacial en los modelos de precios hedónicos: una aplicación empírica”, Trabajo presentado en la Reunión de la AAEP 2008, Córdoba, Argentina. 443 Análisis de la vivienda en Córdoba. Estudio econométrico SARLE, W.S. (Ed.) (2002). “Neural network FAQ. Periodic posting to the Usenet newsgroup comp.ai.neural-nets”, [disponible en ftp://ftp.sas.com/pub/neural/FAQ.html.] SASSEN, S. (1998): “Ciudades en la Economía Global: enfoques teóricos y metodológicos”, Vol. 24, nº 71, pp. 5-25, Santiago de Chile. SCANLON, K, LUNDE, J. y WHITEHEAD, J (2008): “Mortgage product innovation in advanced economies: More choice, more risk”, European Journal of Housing Policy, Vol. 8, Nº 2, June, pp. 109-132. SEGRELLES SERRANO, J. A. (Dir.): (2002): "Geografía Humana"; Editorial Club Universitario; San Vicente (Alicante); España. SELIM, H. (2009): “Determinants of house prices in Turkey: Hedonic regression versus artificial neural network. Expert Systems with Applications”, 36, 2843-2852. Elsevier. SHILLER, R. J. (2005): “Irrational Exuberance”. Second Edition. Princeton and Oxford. SHILLER, R. J. (2007): “Understanding Recent Trends in House Prices and Home Ownership”. In: Federal Reserve Bank of Kansas City, pp. 89-123. [disponible en http://www.kc.frb.org/publicat/sympos/2007/PDF/Shiller_0415.pdf] SHIMIZU C., TAKATSUJI, H. and ONO, H. (2010): “Structural and temporal changes in the housing market and hedonic housing price indices: A case of the previously owned condominium market in the Tokyo metropolitan area”, International Journal of Housing Markets and Analysis, Vol. 3, Nº 4, pp. 351-368. SMITH, L B.,(1969): “A model of the Canadian Housing and Mortgage Markets”, The Journal of Political Economy, Vol 77, The University of Chicago Press, pp. 795-816. SMITH, M. (1993): “Neural networks for statistical modeling”, New York: Van Nostrand Reinhold. SOLOW, R.M. (1988): “Growth Theory and After”, America Economic Review, 3, pp 307317. SOTO, R. “Ajuste estacional e integracion en variables macroeconomicas”. Cuadernos de Economía, Vol 39, Nº 116, pp. 135-155, [Disponible en: http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0717-68212002011600006&lng =es&nrm=iso] SPSS Inc. (1997b). “Neural Connection 2.0: User´s Guide” [Manual de programa para ordenadores]. Chicago: SPSS Inc. 444 Análisis de la vivienda en Córdoba. Estudio econométrico STAHL, Ho. (1985): “Microeconomic Analysis of Housing Markets: Towards a Conceptual Framework”, Springer-Verlag, Berlín, pp. 14-15. STEVENSON, S. (2004): “New empirical evidence on heteroscedasticity in hedonic housing models”, Elsevier, Journal of Housing Economics, Nº 13, pp.136-153. STONE, M. y BROOKS, R. J.( 1990): “Continuum regression: cross-validated sequentially constructed prediction embracing ordinary least squares, partial least squares and principal component regression”, Journal of the Royal Statistical Society B, 52, pp.237–269. SZYMANSKI, B. et al. (2006). “Using efficient supanova kernel for heart disease diagnosis” Proc ANNIE06, Intelligent Engineering Systems. Through Artificial Neural Networks, St Louis vol 16, ASME, pp. 305-310. TABALES, J. M. N. (2007): Mercados Inmobiliarios: Modelización de los Precios, Tesis Doctoral, Departamento de Estadística, Econometría, I. O. y Organización de Empresas, Universidad de Córdoba. CANAVARRO, C. (2011): “Modelos econométricos para el precio de los inmuebles: un caso de estudio Portugal”, Tesis Doctoral, Universidad de Córdoba. TALTAVULL, P., (1996): “La construcción de la vivienda en España”, 1965-1995. Alicante. p. 267. THEODORSON, G. A. (1974): "El crecimiento de la ciudad Introducción a un proyecto de investigación", Estudios de Ecología Humana. Barcelona, Labor, pp. 72- 76. THÉRIAULT, M.; DES ROSIERS, F.; VILLENEUVE, P. y KESTENS, Y. (2003): "Modelling interactions of location with specific value of housing attributes", Property Management, Vol. 21 Iss: 1, pp.25-62. THÉRIAULT,M., DES ROSIERS, F. y JOERIN, F. (2005): "Modelling accessibility to urban services using fuzzy logic: A comparative analysis of two methods", Journal of Property Investment & Finance, Vol. 23 Iss: 1, pp.22-54 THOMAS, R. W. y STEKLER, H.O. (1983): “Regional Forecasting Model for Constrution Activity”, Regional Science and Urban Economics, Nº 13, pp. 557-577. TIEBOUT, C. (1956): “A Pure Theory of Local Expenditures”. Journal of Political Economy, Vol. 64, No. 5 (Oct., 1956), pp. 416-424 TJALLING C., KOOPMANS and BECKMANN, M., (1957) “Assignment Problems and the Location of Economic Activities”, Econometrica, vol. 25, nº 1, pp. 53-76. 445 Análisis de la vivienda en Córdoba. Estudio econométrico TOPEL. R. y ROSEN, S (1988): “Housing Investment in the United States”, Journal of Political Economy, Vol. 96, Nº 4, pp. 718-740 TRÁNCHEZ MARTÍN, J. M. (2001): “La heterogeneidad de la vivienda y el análisis de precios hedónicos: una aproximación”, Cuadernos de Información Económica, Nº 163, pp.28-35. TRÁNCHEZ MARTÍN, J. M. (2001): “La heterogeneidad de la vivienda y el análisis de precios hedónicos: una aproximación”, Cuadernos de Información Económica, nº 163, pp.28-35. TRIGO J. (2003): “Perspectiva del mercado de la vivienda en España”. Boletín Económico de ICE Nº 2774, pp. 12-22. TRILLA, C. (2001): La Política de Vivienda en una Perspectiva Europea Comparada, Colección de Estudios Sociales, Nº 9, La Caixa, p. 208 VEGA VILCA, J.C. y GUZMÁN J., (2011): “Regresión PLS y PCA como solución al problema de multicolinealidad en regresión múltiple”, Revista de Matemática: Teoría y Aplicaciones, nº 18(1), pp. 9-20. VERGUÉS ESCUÍN, R. (1998): “El precio de la vivienda y la formación del hogar”, Seminari Urbans, Collecció Urbanitats, Centre de Cultura Contemporania de Barcelona. VINUESA A, J.(2008): “La vivienda vacía en España: un despilfarro social y territorial insostenible. Diez años de cambios en el Mundo, en la Geografía y en las Ciencias Sociales, 1999-2008”, Actas del X Coloquio Internacional de Geocrítica, Universidad de Barcelona, 26-30 de mayo de 2008. [disponible en http://www.ub.es/geocrit/-xcol/74.htm] VINUESA, J. y PALACIOS, A. (2007): “Estimación y caracterización de la demanda de vivienda en la Comunidad de Madrid por ámbitos geográficos (2006-2016)”, Fundación Asprima, Madrid, p.160. VINUESA, J. (2005): “Dinámica demográfica, mercado de la vivienda y territorio”, Papeles de Economía Española, Nº 104, pp. 253-269. WHITEHEAD, C.M.E. (2006): “Una perspectiva internacional de los mercados de la vivienda”, Papeles de Economía Española, núm. 109, pp. 2-13 WHITEHEAD, CHRISTINE M.E (1996): “Trends in the provision of housing finance in sixteen countries.” European Mortgage Review. Julio, pp. 18-22. WIDROW, B. y Hoff, M. (1960). “Adaptive switching circuits”. En J. Anderson y E. Rosenfeld (Eds.), Neurocomputing, Cambridge, Mass.: The MIT Press. 446 Análisis de la vivienda en Córdoba. Estudio econométrico WINGO, L (1961): “An Economic Model of the Utilization of Urban Land”, Regional Science, Vol 3, issue 1, pp. 191-205. WINGO, L. y LOWDON Jr. (1963). “An analysis of Urban Travel Demand”. The American Economic Review 53, pp. 154-171 WOLD, H. (1966): “Estimation of principal components and related models by iterative least squares”, in: P. R. Krishnaiah (Ed.), Multivariate Analysis. Academic Press, New York. WOLD, H. (1973): “Nonlinear Iterative Partial Least Squares (NIPALS) Modelling: Some Current Developments”, in: P. R. Krishnaiah (Ed.), Multivariate Analysis. Academic Press, New York. WOLD, H. (1975): “Soft modeling by latent variables; the nonlinear iterative partial least square approach”, Perspectives in Probability and Statistics, Papers in Honour of M.S. Bartlett. WOLD, S., TRYGG, J., BERGLUND, A. y ANTTI, H. (2001): “Some recent developments in PLS modeling”, Chemometrics and Intelligent Laboratory Systems, 58, pp. 131-150. WOLD, S.; TRYGG, J.; Berglund, A. and Antti, H. (2001): Some recent developments in PLS modelling. Chemometrics and Intelligent Laboratory Systems, 58, pp. 131–150. XUDONG, J. (2011): "Towards a Microsimulation Residential Housing Market Model: Real Estate Appraisal and New Housing Development" (2011). Open Access Dissertations and Theses, pp. 61-97. YIM YIU, C (2008): “Housing price gradient changes between Macau and Hong Kong: a neighboring city effect” International Journal of Housing Markets and Analysis, Vol. 1 Nº 2, pp. 195-206 ZÁRATE, A. y VÁZQUEZ, A. (1991): “El espacio interior de la ciudad”, Ed. Síntesis, Madrid. ZHANG, Y., ZHOU, CH. y ZHANG, C. (2007): “A partial least-squares regression approach to land use studies in the Suzhou-Wuxi-Changzhou region”, Journal of Geographical Sciences, 17 (2), 234-244. Fotos aéreas de Córdoba: TENA RISQUEZ, R., [disponible en: http://picasaweb.google.com/102495097034033111561/Mezquita?authkey=Gv1sRgCLW Pm5jw3ICZGA&feat=flashalbum#5546876230024134914] 447 Análisis de la vivienda en Córdoba. Estudio econométrico 448