Professional Documents
Culture Documents
TASACIN DE INMUEBLES
METODOLOGA PARA LA
TASACIN DE INMUEBLES
Presentacin y Agradecimientos
11
ndice
13
Introduccin
El mercado inmobiliario es uno de los sectores ms complejos de la economa.
Las principales dificultades del anlisis estn vinculadas a algunas caractersticas
especiales de los inmuebles, que son bienes heterogneos, estando conformados por
un conjunto diversificado de atributos, lo que dificulta o impide la comparacin
directa de las unidades.
Asociada al mercado de transacciones, la produccin realizada por la industria
de la construccin tambin tiene peculiaridades que la diferencian de otras
actividades productivas. La construccin civil tiene una gran importancia en el
contexto econmico y social del pas.1 Pero, por otro lado, es un sector conservador
y tecnolgicamente atrasado, con grandes desperdicios y baja calidad de producto.2
En este ambiente es donde acta la Ingeniera de Tasaciones, con la finalidad
bsica de obtener valores para los inmuebles, esto es, buscar representaciones e
interpretaciones numricas para los fenmenos del mercado inmobiliario. Hace
veinte aos, los mtodos eran rudimentarios, porque los profesionales estaban
limitados a clculos simplificados. El desarrollo de los computadores personales y
la aplicacin de tcnicas ms avanzadas (principalmente la inferencia estadstica),
proporcionaron un aumento razonable de calidad en los anlisis realizados.
En el Brasil, la tasacin de inmuebles urbanos es una atribucin legal de
ingenieros civiles y arquitectos, derivada de la Ley Federal N 5914/66 (art. 7, tem
c). Sin embargo, no siempre los profesionales poseen la necesaria preparacin para
este tipo de anlisis de valor, principalmente por la deficiente formacin en
economa urbana, tcnica de tasaciones y estadstica. La bibliografa en lengua
portuguesa es escasa y, en su mayora, trata la tasacin de inmuebles por los
mtodos antiguos o presentan la estadstica de una forma genrica. A excepcin del
trabajo de Rubens Dantas y de nuestro libro anterior.3
Este texto tiene la finalidad de proporcionar una introduccin a la tasacin de
inmuebles, especialmente en cuanto a la inferencia estadstica. Se incluyeron
algunos ejemplos, bajo la forma de problemas tpicos con los cuales se enfrentan
los tasadores, para la demostracin de las tcnicas. No existe la pretensin de
abarcar detalladamente todos los asuntos tratados, y se sugiere la bsqueda, para
profundizar en las reas de mayor inters, en las obras citadas a lo largo del texto o
en otras.
Ermnia Maricato (1987, p.15) recuerda que, en 1980, 7,2% de la poblacin econmicamente activa en
Brasil trabajaba, directa o indirectamente, en la construccin.
2
Soibelman (1993), Souza et al. (1995) y Vargas (1994).
3
Dantas (1998) y Gonzlez (1997, 2003). En este libro, se trata de los inmuebles urbanos. La tasacin de
inmuebles rurales involucra bienes con otras caractersticas. Aunque los procedimientos y tcnicas sean
similares, interesa ms la renta potencial. Las obras de Carlos Daudt (1996) y de Guilherme Vegni-Neri
(1979) pueden ser consultadas por los interesados.
Mercado Inmobiliario
El mercado inmobiliario tiene un comportamiento muy diferente a los
mercados de otros bienes. Los inmuebles son considerados bienes compuestos,
pues existen mltiples atributos que despiertan el inters de los agentes, impidiendo
la comparacin directa de las unidades. Entre los factores que diferencian los
inmuebles, los ms importantes son: la gran vida til, la fijacin espacial, la
singularidad, el alto costo de las unidades y la fuerte interferencia gubernamental.
La combinacin de estos elementos permite explicar en gran parte las variaciones
de precios.4
La falta de informacin emprica (datos de las transacciones) y el
conocimiento deficiente se constituyen en obstculos para el estudio. En este
contexto, es difcil determinar el valor ms probable, o el valor de mercado, que un
inmueble puede alcanzar en un momento dado.
Los principales fenmenos locales identificados estn asociados a la dinmica
inmobiliaria y a la estructura intra-urbana, que continuamente modifican los valores
por efecto de las transformaciones de los usos del suelo, en lo que se refiere a su
tipo y densidad. La actuacin simultnea y no coordinada de emprendedores
intermediarios, poder pblico y poblacin en general, genera transformaciones en
las condiciones del mercado y en los valores observados. En forma ms genrica,
las transformaciones extra-urbanas (regionales y nacionales) tambin influyen
sobre el mercado local. Todas estas modificaciones se reflejan en los cambios de
los valores de los inmuebles, que suceden en forma heterognea en el rea urbana,
y a travs de ciclos econmicos de mediano o largo plazos.5
Existen otras causas ms generales, de naturaleza tecnolgica, que tambin
pueden provocar variaciones en los precios del suelo. Pueden ser citados los casos
del transporte, de la informtica y de las telecomunicaciones. La mejora de los
medios de transporte masivo recorta, en forma relativa, las distancias a los puntos
de inters. El desarrollo de las comunicaciones y de la informtica podr hacer una
revolucin en las relaciones funcionales, al permitir el trabajo a distancia o en casa,
modificando las necesidades de espacio para los usos comerciales e industriales y,
Segn Balchin y Kieve (1986, p.12-13), Evans (1995), Lavender (1990), Lucena (1985), Muth (1975) y
Robinson (1979, p.4-10). Los precios de los inmuebles varan, en el tiempo, y resultan de las condiciones
especficas de la oferta y la demanda. En un momento dado, hay un equilibrio instantneo, del cual
resulta el valor de mercado. Cambios en la oferta y en la demanda provocan un nuevo equilibrio, en otro
nivel de precios.
5
Sobre la dinmica espacial inmobiliaria, ver Abramo (1988, 1995, 1995a, 2001, 2001a), autor que
presenta un profundo anlisis del fenmeno. Balarine (1996) y Lucena (1985) indican influencias macroeconmicas en el mercado.
17
ofrecidos por el inmueble, tales como los citados en los prrafos anteriores, y los
precios de los inmuebles pueden ser entendidos como la sumatoria de los productos
de las cantidades de cada uno de estos servicios por sus respectivos precios
implcitos. Inmuebles con mayor cantidad global de servicios de vivienda sern
ms caros. Inicialmente, no se conocen los montos relativos (participaciones en el
precio) de cada una de las caractersticas contenidas en el paquete. Solo se
conoce el precio integral del inmueble. Los precios implcitos (expresin creada por
Rosen), tambin llamados precios hednicos o precios-sombra, son los precios
relacionados, indirectamente, con cada uno de los atributos de los inmuebles, tales
como: rea, edad y localizacin. En el anlisis emprico por inferencia, los
coeficientes que multiplican las variables estiman cunto se paga, en promedio y en
reales, por cada m2 adicional de rea, para obtener un inmueble con un ao menos,
o en determinada urbanizacin, por ejemplo.8
Singularidad
Los bienes del mercado inmobiliario son singulares. No existen,
rigurosamente, dos inmuebles iguales. En general, la localizacin y las diferentes
caractersticas fsicas impiden la comparacin directa. Los inmuebles pueden ser
vistos como un conjunto indivisible de atributos. Para comparar diversos
inmuebles, se debe recurrir a la comparacin simultnea de sus caractersticas. Las
diferenciaciones aparecen en algunos o en todos los variados aspectos que
conforman los inmuebles.
Durabilidad
Las construcciones tienen elevada vida til econmica. En Europa, por
ejemplo, existen construcciones centenarias en uso, generando frutos y participando
en el mercado inmobiliario al lado de inmuebles nuevos. La construccin de nuevas
unidades es lenta, y ellas tienen una participacin proporcionalmente reducida en la
oferta (generalmente, 1% al ao). As, la mayora de los inmuebles en oferta y
vendidos forman el stock. Este factor provoca uno de los efectos ms importantes
en este mercado, que es la fijacin de los precios a travs de los niveles observados
en las operaciones de inmuebles viejos (del stock), esto es, no es el constructor
quien define los precios, pero s el mercado. Hay excepciones, pero generalmente
son casos de oligopolios, en mercados de pequeas dimensiones. El emprendedor
inmobiliario no tiene libertad para fijar precios, por el contrario, necesita realizar un
cuidadoso estudio de viabilidad, construyendo solo s el costo es inferior a los
precios observados en el mercado, para inmuebles similares.9
Esta interpretacin es comn, siendo encontrada, entre otros, en Evans (1995, p.7), Lucena (1985),
Robinson (1979, p.3-5) y Rosen (1974).
9
Balchin y Kieve (1986), Cadman y Topping (1995), Weimer y Hoyt (1948).
Alto costo
Las unidades habitacionales son los bienes ms caros que la mayora de las
familias adquieren en toda su vida. Una parte de los niveles de precios son
explicados por la durabilidad (capitalizacin de los ingresos futuros). El
financiamiento tiene especial importancia, pues sin crdito la adquisicin es muy
difcil. An con financiamiento, los plazos de pago son largos y las personas
realizan pocas transacciones en su vida. De esta forma, las polticas habitacionales
oficiales (y su estabilidad) son fundamentales en el comportamiento del mercado.
Los perodos donde se facilita la obtencin de crditos, generalmente, coinciden
con los perodos de mayor actividad del mercado inmobiliario, lo que puede ocurrir
en forma segmentada. Por ejemplo, la oferta de financiamiento solo para inmuebles
nuevos incide en la cada de los precios de los inmuebles usados, por la
disminucin de la demanda (solo acuden las personas que tienen condiciones para
comprar con capital propio).10
Localizacin
La localizacin es fija, en trminos fsicos. No hay transacciones en mercados
amplios o transporte de unidades hacia las regiones de oferta pequea. Los precios
son determinados con base en las ofertas y bsquedas relativas, dentro del rea
urbana, y el exceso de demanda provoca aumento de precios, porque la oferta es
inelstica, a corto plazo.11 Robinson dice que la demanda es diferente en cada
localizacin y que existen sub-mercados en partes de la ciudad. Con precios
diferentes en cada segmento.12 La transformacin continua de la ciudad provoca
cambios en la calidad del vecindario y en la accesibilidad al lugar. Maricato, con
otra visin, afirma que:
La distribucin desigual de los equipamientos urbanos en el territorio
genera los llamados efectos de vecindario o externalidades otorgando
renta a los propietarios de inmuebles privados que se benefician directa o
indirectamente por las inversiones (Maricato, 1987. p.26).
Con este tipo de efecto, los precios pagados para ocupar determinado lugar
varan, en el tiempo, de acuerdo con las facilidades ofrecidas. La espacialidad del
mercado es una caracterstica extremadamente importante. Existen varios polos de
atraccin en las reas urbanas.
Es fcil notar que, en general, las ciudades no son monocntricas.
Probablemente, solo pequeas reas urbanas presentan una regin nica de valor
elevado. El propio proceso desordenado de crecimiento de los municipios,
10
Ver Balarine (1996), Balchin y Kieve (1986), Lavender (1990) y Robinson, (1979, p.7-8).
La oferta es inelstica por causa del plazo de desarrollo de las nuevas construcciones. Existe
normalmente un intervalo de uno a dos aos entre la necesidad y la disponibilidad de inmuebles. En este
perodo, el mercado se ajusta aumentando los precios. Al contrario, cuando hay un exceso de oferta, los
precios bajan. Naturalmente, la inestabilidad de la economa nacional es perjudicial, pues obstaculiza las
decisiones de los emprendedores.
12
Robinson (1979, p.33-34).
11
19
Robinson (1979, p.36) habla de ciudad multi-nuclear y de un ndice de acceso al inmueble para los
usos de inters de las personas.
14
Dubin (1992), Gonzlez (1995, 1995a, 1996c), Schroeder y Sjoquist (1976).
15
Segn Maraschin (1993), Spolidoro (1994) y Tavares (1993).
16
Segn Balchin y Kieve (1986, p.12-13), Evans (1995), Franchi (1991, p.11-12) y Robinson (1979, p.410).
17
Balchin y Kieve (1986, p.12) y Robinson (1979, p.7-8).
21
Segn Blank (1981), F.Gonzlez (1994), Lucena (1985), Muth (1975), Smolka y Furtado (2001) y
Richardson (1978).
21
Ver Gonzlez (1995a, 1996a, 1996b, 1996d, 1996e) y Zancan (1996).
22
Bolaffi (1981) y Maricato (1987).
23
23
Sobre este asunto, ver Abramo (1995), Gondim (1995), Fernando Gonzlez (1994), Meirelles (1996) y
Rovatti (1990).
24
Este mecanismo est confirmado por la presin para cambiar reglas, ejercida en repetidas ocasiones, por
los grandes propietarios, intermediarios y promotores. Este esfuerzo no sera lgico, desde el punto de
vista del capitalista, si las ventajas no fuesen obtenidas por ellos mismos (Rovatti, 1990).
25
26
26
En algunos pases, tal como se realiza en los Estados Unidos, es comn que los
tasadores utilicen tres mtodos, determinando los valores mediante el Comparativo,
de la Renta y del Costo (Evolutivo), y examinan en conjunto los resultados,
realizando al final un promedio de los resultados. Esta prctica le da ms seguridad
al tasador.
El mtodo Involutivo puede ser considerado como una variacin del mtodo
de la Renta, y no toda la literatura lo identifica como un mtodo aislado. Tambin
puede ser recordado el mtodo Residual, el cual no es propiamente un mtodo,
pero si una forma de utilizacin del mtodo Involutivo, que es aplicado a diversos
inmuebles, obtenindose los precios implcitos del terreno, siendo adoptado en
regiones donde no hay oferta suficiente de informacin sobre terrenos.
Cualquiera que sea el mtodo empleado, la intencin es obtener siempre el
valor de mercado del inmueble. Las formas de abordar el clculo son distintas, cada
cual con sus peculiaridades y limitaciones. Antes de discutir los mtodos, no
obstante, es necesario definir algunos conceptos relacionados con el objeto de las
tasaciones, identificando las diferencias entre valor, precio y valor de mercado.
Concepto de valor inmobiliario
Existen varias definiciones e interpretaciones para valor, valor de mercado y
precio. El enfoque del anlisis, bien sea en el rea cientfica de quien los estudia,
tiene influencia en los trminos y en los sentidos en que son empleados, pero
interesa conceptuar desde el punto de vista especfico de la tasacin de bienes
inmuebles. Segn Bonright, todas las definiciones del valor, si se analizan bajo una
visin crtica, contienen ambigedades e invocan conceptos aceptables slo en
casos especficos. Para l, definir valor es una tarea necesaria, pero difcil.27
Fiker afirma que valor es la relacin entre la intensidad de las necesidades
econmicas del hombre y la cantidad de bienes disponibles para satisfacerlas,
siendo determinado a travs de la relacin entre oferta y demanda del bien. Segn
Fernndez, el valor no es una propiedad intrnseca del bien, pero si una
caracterstica definida por el mercado, resultante de la oferta y de la demanda,
nico en un momento considerado. Por otro lado, Berrini afirma que el valor de un
bien se origina por diversas causas, siendo la mayora de ellas de origen
psicolgico, por tanto, no susceptibles de medicin. Segn Weimer y Hoyt, para
una nacin como un todo, valor es la materia de importancia comparativa para los
ciudadanos, de diferentes mercancas que son esenciales para su bienestar, de
acuerdo con sus estndares, pero que no existen en cantidad suficiente para la
demanda de todos.28 Kinnard afirma que el valor es un precio que tiende a
prevalecer con variaciones en las condiciones de oferta y demanda.29
27
Bonright (1937).
Berrini (1957), Fiker (1993), Weimer y Hoyt (1948).
29
Kinnard (1971).
28
27
30
Moreira (1994)
American Institute of Real Estate Appraisers, apud Pellegrino (1983). Idem, apud McMichael (1962).
32
Franchi (1991), Ratcliffe et al. (1993), Seeley (1976), Weimer y Hoyt (1948).
33
Balchin y Kieve (1986, p.12-13) y Robinson (1979, p.7-8).
34
Existe otra visin, segn el cual existen diversos valores, segn la finalidad de la tasacin. Como
ejemplo de esta otra corriente, pueden ser citados Stanley McMichael (1962) y Hely Lopes Meirelles
(1996). Meirelles (1996. p.291) lista diferentes tipos de valores y afirmando que: usualmente se busca,
en las tasaciones judiciales, el valor de mercado, valor de venta, valor venal, dejando a un lado otros
valores para situaciones especiales. No obstante, de los otros valores listados por el, solo recae en los
tasadores de inmuebles, por atribucin profesional, la determinacin de valores fiscales, que Meirelles
incorrectamente, diferencia de valor venal. Efectivamente, se sabe que la base de clculo de los tributos
inmobiliarios generalmente es el valor venal (Baleeiro, 1984, p.359-361; Brito, 1995, p.78-80). As, no
hay que hablar de valor fiscal diferente de valor de mercado. Lo que sucede es que, en virtud de la
cantidad de bienes tasables, el grado de precisin es diferente en la tasacin masiva. En este sentido, De
31
28
El anlisis de regresin se adapta bien a este tipo de estudio, pues el resultado calculado por la ecuacin
es una media, ponderada por las diferentes caractersticas de los inmuebles. Hay una distribucin de
valores alrededor de esta media, siguiendo bajo hiptesis la curva Normal, con posibilidad creciente de
que el valor realizado se aproxime al valor central. Efectivamente, ms adelante, en el estudio de la
estadstica inferencial, sern adoptados los supuestos de Normalidad de los residuos, de no aleatoriedad de
las variables independientes, y de aleatoriedad de las variables dependientes, entre otros. Estos supuestos
deben ser siempre verificados y la hiptesis de la distribucin Normal de los precios es probada en cada
caso (la distribucin Normal es comnmente adoptada para fenmenos de la naturaleza y para fenmenos
socio econmicos donde existen innumerables agentes, lo que puede ser sustentado con base en el
Teorema del Lmite Central).
29
30
Precio Unitario
(US$/m2)
28,00
31,50
31,50
30,00
29,25
30,05
39
Berrini (1957), Chandias (1954), Fiker (1993), McMichael (1962) y Moreira (1994).
31
(i=1,...,n)
(1)
Donde los Fj son los factores que deben corregir los precios a un
estndar de mercado, considerado medio o normal. El proceso se repite para
todos los inmuebles de la muestra (i=1,...,n), con los factores asumiendo los pesos
segn sea el caso, y se obtiene entonces una media homogeneizada de la muestra.
Este nuevo conjunto de datos es revisado, sacando los valores extremos.
Es un anlisis simple de outliers. Los datos son tratados con la media aritmtica y
la desviacin estndar. Los elementos considerados extremos pueden ser
condicionados como excedentes a una o dos desviaciones estndar, en valor
absoluto. Son retirados y se calcula la nueva media general.
Luego, se invierte el proceso de clculo con la media de los valores
unitarios remanentes, obtenindose el valor del inmueble tasable (2):
VUt = VHmedio / (F1t*F2t*...*Fkt)
(t=tasable)
(2)
32
40
Existen diversas opciones. Los costos de los equipos y software no son obstculos, visto que en la
actualidad difcilmente un profesional trabaje sin el uso del computador, y los clculos pueden ser
realizados hasta en el MS-Excel (ver Anexo I). Una buena opcin es el SISREN
(http://www.pellisistemas.com.br).
41
Ver Gonzlez (2002), y Soibelman y Gonzlez (2002).
33
suficiente para explicar estas variaciones.42 Adems de esto, como ya fue visto, la
cantidad de transacciones de inmuebles viejos es mucho mayor que con inmuebles
nuevos, y los precios en verdad, son definidos por los niveles de precio de los
inmuebles en stock y no por el costo de los nuevos.
Tambin se debe recordar que existen otras variables econmicas que confieren
comportamientos diferentes al mercado inmobiliario y a la construccin civil. Los
precios de algunos materiales de construccin estn sujetos a la accin de
oligopolios, por ejemplo, los cuales pueden efectivamente fijar sus precios. En este
caso, en determinadas pocas, los costos se pueden alejar de los precios de los
inmuebles, provocando errores en la estimacin.
No obstante, el mtodo del Costo puede ser usado para construcciones que
raramente cambian de dueo, como: hospitales, escuelas, o para edificios
comerciales e industriales especiales para los cuales existe poca o ninguna
evidencia en forma de precios de venta. Es un mtodo ampliamente utilizado para
el clculo de impuestos prediales, en funcin de la facilidad de aplicacin. Otro uso
se da en la tasacin de bienhechuras (sin el terreno), de edificios sin terminar o en
psimo estado de conservacin (exigiendo remodelaciones significativas). 43 El
mtodo puede ser resumido por la siguiente relacin (4):
VI = (VT+VB)*FC
(4)
42
Al contrario, los precios de los terrenos son explicados por los precios de venta de los inmuebles
construidos en su entorno (la demanda por el suelo se deriva de la demanda por construcciones).
43
Ratcliffe et al. (1993), Seeley (1976) y Weimer e Hoyt (1948). Para los impuestos, es ms adecuado
emplear la comparacin de datos de mercado, a travs de inferncia estadstica (Gonzlez, 1996b).
34
35
% Depreciado
36
(5)
37
Comercio, el propietario del inmueble puede ser perjudicado por la ineptitud del
comerciante. En este caso, es ms interesante adoptar la ganancia media de
establecimientos similares o la ganancia potencial, tasada por un especialista en el
sector.
Factor de Comercializacin
Despus del clculo de los costos, el mercado debe ser analizado con
cuidado. Puede existir una gran demanda para el segmento de mercado del
inmueble tasable, la cual origina un aumento de precios en los inmuebles existentes
en virtud del plazo de construccin de los sustitutos. La determinacin del valor del
inmueble por el mtodo del costo debe tomar en cuenta la ventaja relativa de la
construccin ya lista con relacin a la que est en proyecto. Existen diversos
elementos que diferencian estas dos alternativas. Los inmuebles listos (ya
construidos) no estn sujetos a riesgos, costos financieros, tasas, multas,
desperdicios, huelgas, errores de proyecto o de ejecucin. As, el inmueble ya listo
presenta ventajas con relacin a otro, y esta diferencia se debe reflejar en una
cuanta a ser agregada al costo de reproduccin (en este caso, se habla de Ventaja
de la Cosa Hecha o Goodwill value).
Por otro lado el aprovechamiento del terreno puede no ser el mejor y la
construccin puede estar obsoleta, funcionalmente, perdiendo mercado por su
inadaptabilidad a la sociedad actual. Adems, algunas construcciones pueden tener
acabados excesivamente caros y no usuales, y el valor de la propiedad no ser
necesariamente aumentado en la misma proporcin de estos costos extras.
Igualmente, una vivienda proyectada para necesidades especficas de los ocupantes
puede tener pocos interesados (o tal vez no encontrar compradores), y el precio de
venta ser muy inferior al costo de produccin. En esos casos, el Factor de
Comercializacin puede ser menor a uno.
Ejemplo No2 Tasacin de una vivienda unifamiliar
Problema El inmueble tasable es una vivienda, construida en albailera con
acabado estndar, de 100 m2, 20 aos de uso, situada en un terreno de 400 m2.
Suponga que hay transacciones u ofertas de casas similares en el entorno, pero
existen algunas informaciones sobre terrenos vacos.
Solucin: Se utiliza el mtodo del Costo, que consiste en determinar el valor de la
construccin a travs de su costo de reedicin, agregndose el valor del terreno,
cuyo valor debe ser obtenido por el mtodo Comparativo. Suponga que el terreno
sea el que se tas en forma simplificada en el Ejemplo N 1, ya citado, por US$
30,00/m2. En la investigacin de datos pueden ser obtenidas informaciones sobre
transacciones y sobre el comportamiento del mercado en el vecindario.
Una inspeccin detallada permite identificar el estndar de acabado y el estado de
conservacin, atribuyndose una edad aparente e identificando el costo unitario
de la construccin. Digamos que el costo de construccin sea estimado en US$
600,00/m2. Incrementando 15% por los honorarios del proyecto y construccin,
ms 5% por tasas e impuestos (sobre el costo de construccin), y tambin 7,5%
38
48
49
39
(3)
Balarine (1996) Porto Alegre es la capital del estado de Rio Grande do Sul, ubicado en el sur de
Brasil.
40
el apartamento est alquilado por US$ 500,00, segn el antiguo contrato. Cul es
el valor de mercado de este inmueble?
Solucin El valor del alquiler del propio inmueble es una informacin importante,
pero debe ser analizado con cuidado, comprobndose el real valor de mercado.
Puede haber distorsiones en el contrato, que resultan del acuerdo entre las partes,
pero pueden no representar el normal comportamiento del mercado. Digamos que,
verificando el valor de diversos inmuebles similares, el tasador identific que el
alquiler ms adecuado era de US$ 600,00 (utilizando el mtodo comparativo).
Descontando el 10% de la tasa de administracin, 5% por perodo no alquilado, 5%
de impuestos, 1% por incumplimientos de contratos no recuperados y 4%, por
mantenimiento, esto es, 25%, el alquiler neto (AN) es de:
AN = US$ 600 x 0,75 = US$ 450,00
Para el inmueble tasable, el rendimiento neto que puede ser obtenido mediante
aplicaciones financieras, se aproxima al 0,8%, a.m. En este caso, se calcula el valor
de mercado en forma simplificada como:
VM = AN / i = US$ 450 / 0,008 = US$ 56.250,00
Sin embargo, como los inmuebles tienen durabilidad elevada, pero no son eternos,
un mejor resultado ser obtenido por la consideracin de la vida til econmica
restante. La vida til econmica para un inmueble como este puede ser estimada en
100 aos, se asume 85 aos para el inmueble tasable, resultando en n = 85 x 12 =
1.020 meses. Adems, deber ser considerado que el rendimiento es decreciente (un
inmueble ms viejo ofrecer menor rendimiento), alcanzando un alquiler = 0 en el
final del perodo.
Construyendo un flujo de caja con la tasa de descuento i=0,8% (adecuada al
volumen de recursos), el valor de mercado puede ser calculado fcilmente,
resultando US$ 49.753,52, esto es, el valor de mercado del apartamento puede ser
asumido como VM = US$ 50.000,00.
41
42
Recoleccin de informaciones
La bsqueda de informaciones es fundamental para la tasacin de inmuebles,
principalmente, para los mtodos basados en la comparacin de precios. En otros
mtodos, no se habla de modelos de precios ni de variables, por esto, este
captulo se coloca despus de la presentacin de aquellos y antes de los
procedimientos que utilizan la comparacin de datos de mercado (homogeneizacin
e inferencia). Se exponen a continuacin las caractersticas de las fuentes de
informacin, la forma de obtencin de datos, la organizacin de los datos para el
anlisis (a travs de recoleccin y separacin de ellos en variables) y la
formacin de bancos de datos.
Fuentes de Informacin
A travs de la investigacin en peridicos e inmobiliarias pueden ser obtenidas
diversas informaciones, entre las cuales estn: valor del inmueble, nmero de
habitaciones, existencia de puestos de estacionamientos, Penthouse, dependencias
del servicio, salas o baos extras, localizacin y fecha. El procesamiento de estas
informaciones da como resultado diversas variables. Las fuentes de informacin
ms comunes son: los corredores inmobiliarios, las propias partes (comprador y
vendedor), clasificados de peridicos, oficinas de registro inmobiliario, agentes
financieros y las administraciones municipales.
En las ciudades pequeas es comn obtener informaciones de la poblacin
local, entrevistndolas en los puntos usuales de concentracin (plazas, bares,
iglesias, etc.). En estas ciudades, el mercado inmobiliario es reducido, y
generalmente, los detalles de las transacciones son conocidas por todos.
Agentes e intermediarios de las transacciones
En funcin de la fuerte competencia en el sector, los corredores y las
inmobiliarias tienden a restringir las informaciones. Antes de que suceda una
transaccin, es ms fcil obtener los datos que estn siendo divulgados por la
Internet. De todas maneras, se hace difcil descubrir el valor final, resultante de un
intenso proceso de negociaciones, y que puede efectivamente ser bastante inferior
al precio base de la oferta. Despus de la transaccin, la dificultad para obtener
los datos es mayor. Es interesante establecer algn tipo de sociedad profesional,
para hacer viable la creacin de una base de datos. Por otro lado, los propios
compradores y vendedores no tienen inters en divulgar el valor exacto y las
caractersticas del inmueble y de la transaccin, por varios motivos, entre ellos los
impuestos sobre los inmuebles (impuestos sobre la propiedad y sobre las ventas) y
sobre la renta.
44
Clasificados de peridicos
Para las transacciones de compra y venta, los anuncios en los peridicos
raramente contienen todos los datos sobre el inmueble, tales como: rea o edad.
Muchas veces, ni la direccin es suministrada, exigiendo mucho tiempo para
contactar a los vendedores. Adems de esto, los valores representan precios de
ofertas, que incluyen, como regla, un razonable margen de negociacin. En general,
los anuncios son ms completos para los alquileres y pueden ser aprovechados,
necesitndose solo la informacin sobre el valor final pactado. En perodos de baja
oferta de inmuebles para alquiler, la tendencia es la permanencia de los valores
publicados, mientras que en pocas de exceso de oferta, suceden variaciones
apreciables, derivadas de la negociacin.
Agentes financieros
Los agentes financieros, muchas veces con una baja participacin en el
nmero de transacciones y con un pblico representado por las clases econmicas
ms altas, pueden no representar una buena fuente de informacin, ya que no
atienden una parte del mercado. Adems de esto, el financiamiento para
transacciones de terrenos o inmuebles comerciales no es comn.
Alcaldas municipales
Existen diversos datos de inters que son recabados por las
administraciones municipales. Los registros de aprobacin de proyectos y las
inspecciones para la habitabilidad son indicativos tiles de la actividad
inmobiliaria, principalmente si estn organizados por regiones o urbanizaciones.
Los catastros del impuesto sobre la propiedad tambin son interesantes, aunque por
razones prcticas y polticas no se revisan constantemente. As, generalmente los
valores de los inmuebles estn desactualizados, y a veces hasta el catastro entero
est lejos de la realidad, adems de ello hay una cierta dificultad para acceder a la
informacin.
Por otro lado, el impuesto sobre las ventas es bastante interesante debido
al volumen de informaciones archivadas. Es cierto que una parte de las
transacciones evade la tributacin, como el mercado informal (especialmente de
baja renta) o los inmuebles financiados que cambian de poseedor sin cambiar
formalmente de propietario (para evitar la transferencia y consecuente
refinanciamiento). Pero an as, es la fuente de amplia cobertura, en alcance
temporal y espacial. La cuestin de la falsa declaracin puede ser resuelta con un
simple anlisis de outliers, que siempre es necesaria, cualquiera que sea la fuente de
datos.51
En el Brasil, las alcaldas municipales necesitan, por va legal, archivar
sus guas de declaracin del impuesto sobre las ventas. Si se obtiene el permiso
51
Los outliers son elementos anormales (valores muy grandes o muy pequeos) y distorsionan el anlisis.
Sern estudiados en detalle, ms adelante. El uso de datos del impuesto sobre las ventas en tasaciones,
principalmente en tasaciones masivas (para el impuesto sobre la propiedad) fue descrito en Gonzlez
(1996b).
45
52
Gonzlez (1996b).
46
aleatoriedad o chance igual de seleccin para todos los elementos del universo, por
ejemplo.53
Inspeccin y obtencin de otros datos
La tasacin de un inmueble exige una muestra de elementos similares y
cercanos al tasable, y la inspeccin del lugar es importante, adems de los datos
sobre el inmueble en s.
Mltiples informaciones pueden ser obtenidas en inspecciones al lugar. La
tarea es difcil y exige conocimientos de construccin, para la calificacin de los
edificios. La rutina de inspeccin debe ser bien gerenciada, para evitar prdidas de
tiempo y recursos. La etapa de la investigacin de mercado debe cerrarse, una vez
obtenida la muestra definitiva de inmuebles, que luego sern inspeccionados.
Despus, el profesional debe elaborar una lista con las direcciones y un plan
de visitas, marcando en un mapa los inmuebles a ser inspeccionados. Juicios y
calificaciones deben ser efectuados dentro de criterios rgidos, evitando la divisin
del trabajo dentro de una muestra, pues los criterios de cada profesional son
evidentemente distintos, lo que causa errores en el anlisis.
Es importante definir las escalas de calificacin anticipadamente. Deben ser
establecidos los niveles y criterios objetivos enmarcados en cada nivel. Es
interesante realizar una prueba antes de la inspeccin, por ejemplo, con inmuebles
cercanos a la oficina del profesional. Las inspecciones deben ser realizadas en
horarios de poco movimiento, como los fines de semana o en las primeras horas de
la maana. El trabajo nocturno no es conveniente, por la falta de iluminacin
natural, que perjudica el anlisis en detalles de los inmuebles.
Otra forma de trabajo, que minimiza los problemas, es el uso de fotografas de
todos los elementos de la muestra. Efectivamente, mientras mayor es la muestra
ms importante es la eficiencia de las inspecciones. Pueden ser utilizados cmaras
digitales para captar mltiples vistas del inmueble y del entorno. Las fotografas
ofrecen un anlisis ms tranquilo y detallado del que se realiza en campo, y puede
ser obtenida por los asistentes. Es conveniente registrar la fachada del inmueble y
una panormica de la va donde se sita, para la evaluacin del vecindario. De
cualquier manera, el profesional que conoce bien la ciudad sabe calificar la regin,
sin necesidad de inspeccin, necesitando solamente detalles del edificio, tarea para
lo cual las fotografas son importantes.
Con la direccin completa del inmueble pueden ser buscadas, en los catastros
municipales, diversas informaciones sobre el terreno y la construccin, de gran
inters para el anlisis.54
53
Sobre muestreo ver Hansen et al. (1953), Raj (1972) y Sudman (1976).
Efectivamente, variables tpicas del catastro, como: rea, edad, tipo y calidad de construccin, son
elementos que generalmente aparecen en las ecuaciones de regresin.
54
47
48
49
muestra presente varios casos de cada situacin (al menos 5 casos), para que los
coeficientes calculados sean relevantes.
Esas variables indican la presencia o ausencia de determinada
caracterstica. Un ejemplo, es el caso de la variable que identifica la existencia o no
del puesto de estacionamiento. La condicin implcita en la ecuacin es que los dos
grupos (con o sin la caracterstica) difieren solo en el trmino constante
(intercepto), pero no en la inclinacin de la lnea de regresin. Grficamente,
podran ser representados por dos lneas paralelas.56
Variables cualitativas de varios niveles
Existen varias caractersticas que son medidas directamente e
identificadas a travs de nmeros, pero cada parte de la escala es, en verdad, una
clase diferente. Normalmente son medidas a travs de variables discretas, aunque
no siempre haya informacin suficiente para concluir que los valores reales sean
separados por intervalos de igual tamao. Estas variables con ms de dos
situaciones pueden ser sustituidas por un grupo de variables binarias, siempre una
menos que la cantidad de situaciones, posibilitando medir el real distanciamiento de
las clases de calidad, ejemplo de ello, cuando se trata del nmero de habitaciones.
En este caso, tambin es interesante disminuir la cantidad de niveles, para reforzar
la calidad de los coeficientes calculados.
Por otro lado, cuando se mide el estado de conservacin se emplean este
tipo de variables, con puntuaciones provenientes del juicio del tasador, en cualquier
escala, tal como [0-10]. La calificacin del entorno (regin) tambin puede ser
hecha de esta forma.
Para facilitar la clasificacin, es interesante que se limiten las categoras,
a pocas opciones, a menos que el profesional tenga una gran experiencia y criterios
definidos. Por ejemplo, la clasificacin del estado de conservacin podra contener
tres opciones: (malo: 1; medio: 2; bueno: 3) o cinco (malo: 1; razonable: 2; medio:
3; bueno: 4; excelente: 5). La precisin aumenta, en la prctica, cuando disminuyen
los errores de clasificacin.
Nada impide que sean usados nmeros con decimales, sin embargo,
como provienen de observaciones subjetivas, se hace complejo establecer criterios
razonables para las mediciones. Es difcil, por ejemplo, diferenciar el estado de
conservacin de inmuebles en valores como 7; 7,3 6,8; en una escala de cero a
diez. Probablemente no existen diferencias significativas entre ellos. Es
conveniente limitar las clases a nmeros enteros o, como mximo, emplear un valor
intermedio (7; 7,5; 8). En este caso, tal vez sea ms conveniente emplear una escala
[0-20], manteniendo solo nmeros enteros.
Otro camino es tener objetividad en los juicios, estableciendo una lista de
elementos a ser verificados, cada uno ellos recibiendo una apreciacin simple. Por
56
Por esto las variables binarias pueden ser representadas por 0/1 y no deben sufrir transformaciones
matemticas que, efectivamente, son innecesarias. Ms adelante, en el captulo sobre inferencia
estadstica, en la seccin transformaciones de las variables se profundiza este asunto.
50
Inferencia estadstica
La aplicacin de la estadstica inferencial en la tasacin de inmuebles permiti
el aumento de la precisin en las estimaciones. La tasacin utilizando inferencia
posee caractersticas cientficas, no encontradas en los mtodos anteriores, las
cuales emplean una gran dosis de subjetividad, aunque estn basados en tcnicas
reconocidas en el medio profesional. Hace algunos aos, el principal obstculo para
la difusin de la inferencia estadstica era la complejidad de los clculos exigidos
para la determinacin de las ecuaciones de regresin. Con el uso de computadoras
personales y de softwares estadsticos poderosos, ese tipo de anlisis se volvi
efectivamente accesible a los profesionales en ejercicio en el rea, dependiendo
solo de la comprensin de la teora estadstica. En este captulo, son repasados los
principales elementos de la teora, presentndose tambin algunos ejemplos.57
Modelos estadsticos
Un modelo es una representacin de la realidad, en general, contiene un cierto
grado de imperfeccin. Un fenmeno puede ser modelado para su mejor
comprensin o para permitir la estimacin de valores para nuevas situaciones. Por
ejemplo: un croquis, una maqueta y un conjunto de fotografas pueden representar
un edificio, cada uno con sus ventajas y limitaciones. El modelo puede ser
deliberadamente simplificado, para facilitar el entendimiento (como en las
ecuaciones de movimiento de la Fsica que estudiamos en educacin media) o
derivado de limitaciones de tiempo o de recursos financieros. En este caso, es
importante establecer los lmites aceptables para los errores.
Los modelos numricos asumen la forma de ecuaciones o funciones,
relacionando las variaciones de una variable respuesta (variable dependiente o
explicada) con las variaciones de aquellos elementos que son sealados como
causantes de esas variaciones (variables independientes o explicativas). En el
caso del mercado inmobiliario, los modelos que relacionan el precio de un
inmueble con sus caractersticas son conocidos como modelos de formacin de
precios o modelos de precios hednicos, siendo casos particulares de los
modelos economtricos en los cuales las ecuaciones son modelos microeconmicos.
La relacin existente entre dos variables X e Y puede ser definida como una
funcin entre ellas, tal como Y=f (X). Conociendo la funcin f, podemos calcular el
valor de Y para cualquier valor de X dentro del intervalo de validez de esta funcin.
Generalmente, la funcin f es determinada a partir de los datos recabados sobre el
57
Para este captulo, fueron consultados, en general: Belsley et al. (1980), Cuthbertson et al. (1992),
Daniel y Wood (1980), Draper y Smith (1966), Harnett y Murphy (1976), Intriligator (1990), Johnston
(1970), Kmenta (1994), Maddala (1988), Neter et al. (1990) y Nie et al. (1975).
52
53
54
(6)
(i=1,2,...,n)
Estimacin de los parmetros de la regresin por el MMC
El Mtodo de los Mnimos Cuadrados (MMC) es un proceso de ajustes
que busca los coeficientes que minimizan la sumatoria de los cuadrados de los
residuos. Para ello, una de las condiciones es que la forma seleccionada para la
ecuacin sea adecuada, esto es, debe al menos acercarse a la forma real.
Si la forma seleccionada para la ecuacin a ser ajustada y la forma de
distribucin del error aleatorio son conocidas, cada conjunto posible de coeficientes
de la ecuacin tiene una probabilidad de ajustar el modelo a los datos. Existe
58
Las tcnicas de inteligencia artificial fueron examinadas y comparadas con la regresin convencional en
Gonzlez (2002).
59
Siendo n el total de datos de la muestra con i=1,2,.n. Para la simplificacin de las ecuaciones, las
sumatorias sern presentadas a seguir con el smbolo . Las sumatorias son siempre desde i=1 hasta i=n,
esto es, considerando todos los elementos de la muestra.
55
(7)
(8)
(i=1,2,...,n)
Para un determinado conjunto de datos (Xi,Yi), son innumerables los
conjuntos (0,1) que permiten ajustar ecuaciones razonables, pero existe un par
especial, que lleva al menor error posible. A travs del MMC, son buscados los
coeficientes que permiten obtener el menor valor para la sumatoria del cuadrado de
los residuos. Los coeficientes tambin podran ser encontrados por ensayo y error o
por procesos iterativos de optimizacin numrica, como Gauss-Newton, pero es
ms productivo determinarlos genricamente a travs del clculo diferencial.
Se sabe que una funcin alcanza sus extremos (mximos o mnimos)
cuando su derivada es nula. En este caso, solo hay mnimos, pues la funcin Q es
de valores positivos (cuadrados de los errores). Los valores muestrales (Xi,Yi) son
constantes, para una muestra dada. As, derivando Q en relacin a 0 y 1
(ecuaciones 9 y 10) y haciendo estas derivadas parciales iguales a cero, podemos
obtener estimaciones para estos coeficientes.
Q/0 = 2 [ Yi 0 1 Xi ]
(9)
Q/1 = 2 [(Yi 0 1 Xi ) Xi ]
(10)
(11)
56
(12)
(13)
(14)
57
58
(15)
Y= X +
(16)
59
(17)
b=(XX)1XY
(18)
(19)
e = YYh = YXb
(20)
Esta seccin fue incluida solo para demostrar la notacin. El resto del
anlisis ser desarrollado con notacin simplificada, para una ms fcil
comprensin. Los interesados pueden encontrar detalles en diversas obras.63
Anlisis de precisin (ajuste) del modelo
Definidos los coeficientes, encontramos un modelo estadstico del fenmeno,
obtenido a travs de una muestra de la realidad en estudio. Es difcil juzgar la
muestra en s y si ella representa bien la realidad. El profesional necesita conocer el
mercado y juzgar subjetivamente este aspecto. Sin embargo, los parmetros del
modelo pueden ser verificados de varias maneras. Inicialmente son analizados los
aspectos que dependen de medidas objetivas y pruebas de hiptesis, que a
continuacin se repasan. Siendo el modelo aceptado preliminarmente, se inicia el
anlisis de los supuestos, basados especialmente en los residuos del modelo, los
cuales son examinados en la prxima seccin.
Coeficiente de determinacin (R2)
En la regresin mltiple, la medida relativa de la adecuacin del ajuste es
llamada coeficiente de determinacin mltiple y se designa por el smbolo (R2). Es
la relacin entre la variacin de la variable dependiente explicada por la ecuacin
de regresin y la variacin total de esta variable dependiente. As, un R2=0,75
significa que el 75% de las variaciones son explicadas por el modelo. El coeficiente
de determinacin es un nmero contenido en el intervalo [0,1], y se calcula por
(21):
variacin explicada
(Yhi Y)2
2
R = =
variacin total
(Yi Y)2
62
63
(21)
Recordando que contiene los valores reales, que son desconocidos, esto es, E(b)=.
Ver Amemiya (1989), Brownlee (1965), Draper y Smith (1966), Maddala (1988) y Neter et al. (1990).
60
(22)
61
(23)
En el Anexo II se presenta una tabla con los valores crticos de la distribucin F para =0,05.
En el Anexo II se presenta la distribucin t, para los niveles =0,05 y =0,10.
62
tj = bj / s(bj)
(24)
(25)
63
(26)
Esta seccin se bas en: Cuthbertson et al. (1992), Draper y Smith (1966), Harnett y Murphy (1976),
Johnston (1970), Kmenta (1994), Maddala (1988) y Neter et al. (1990).
64
67
65
66
trabaja con los residuos en forma estandarizada, ep (27). En esta frmula, ei son los
residuos calculados y s(e) es la desviacin estndar de los residuos (27):68
ep = ei/s(e)
(27)
0,5
Se usa ei para representar los errores del modelo, pues formalmente, los errores i son tericos, y seran
resultantes de la consideracin de los verdaderos coeficientes (0,1), segn Neter et al.(1990).
67
68
contra los valores ajustados por la ecuacin es un medio adecuado para estudiar la
confianza de la varianza de los errores principalmente cuando se trata de regresin
mltiple o cuando sta no es lineal. Se puede encontrar figuras de forma
trapezoidal, con varianza creciendo o direccionando con los valores ajustados, o en
otra forma de relacin. Si las lneas de frontera del grfico de los residuos son
aproximadamente paralelas, la varianza es constante. La figura 7, que a
continuacin se presenta, ayuda el entendimiento de estos casos.
(a) Varianza
creciente
(b) Varianza
inconstante
(c) Varianza
constante
69
69
(a) Autocorrelacin
Positiva.
(b) Autocorrelacin
Negativa.
(c) No Autocorrelacin
70
70
(28)
f(d)
Regin
No conclusiva
Regin
No conclusiva
No autocorrelacin
dL
Autocorrelacin
Positiva
dU
(4 dU)
Autocorrelacin
Negativa
(4 dL)
Multicolinealidad
Formalmente, dos o ms variables son colineales si uno de los vectores es
una combinacin lineal de los otros, esto es, los vectores que ellas representan estn
sobre la misma lnea. En la prctica, la correlacin perfecta raramente sucede.
Entonces, se consideran colineales dos o ms variables que presentan
aproximadamente la misma informacin (el ngulo entre los vectores es pequeo).
El caso normal es el intermedio, con cuidados necesarios cuando la correlacin es
alta. Uno de los problemas es definir el nivel de relacin que debe ser considerado
alto.73
La multicolinealidad tiene serios efectos sobre los valores de los
coeficientes de regresin, y puede causar hasta el cambio de signo en relacin a los
que se obtendran en ausencia de este problema. Cuando una variable es una
combinacin de otras, no existirn coeficientes nicos. Si hay una alta correlacin
71
Las tablas de valores para el estadstico DW pueden ser encontradas en varios libros del rea, tal como
en Neter et al. (1990, p.1140-1141).
72
Kmenta (1994, p.296).
73
Especialmente sobre multicolinealidad fueron consultados: Belsley et al. (1980), Harnett y Murphy
(1976), Johnston (1970), Maddala (1988), Neter et al. (1990) y Nie et al. (1975).
71
(|r| entre 0,8 y 1), los coeficientes de regresin estimados tienden a ser imprecisos y
las estimaciones de los coeficientes varan bastante de una muestra a otra. As, en
presencia de colinealidad, los coeficientes no son confiables, imposibilitando el uso
de los modelos para el anlisis del mercado o estimacin de valores. Otro efecto de
la colinealidad es que dificulta obtener interpretaciones sobre el efecto aislado de
cada una de las variables. El ejemplo anterior, el de la variacin de las reas
tiles en el tiempo, es una forma de correlacin entre rea y Edad.
Cuando sucede la colinealidad, las estimaciones de los mnimos
cuadrados son insesgadas y eficientes, sin embargo, el error estndar de los
coeficientes tiende a ser grande, y la prueba basada en el estadstico t de Student
calcular con una significancia menor que la real. De esta forma, la colinelidad
interfiere en los procesos de seleccin de variables del tipo stepwise, forzando la
inclusin o exclusin de variables. El orden en que las variables son examinadas se
hace importante.
En los casos de correlacin alta, una de las alternativas es la remocin de
la variable ms afectada. Eso puede introducir sesgos, siendo ms adecuado
sustituir esta variable por otra menos colineal pero que tenga aproximadamente la
misma construccin terica. Sin embargo, no siempre la remocin o sustitucin de
la variable afectada es la solucin. Cuando se trabaja con prediccin de valores y
existen indicios de que la colinealidad encontrada continuar en el futuro, el
modelo podr presentar buenos resultados. El uso combinado de series temporales
y cross-sections permite paliar los maleficios de la colinealidad. Una de las
alternativas es el uso del anlisis factorial, para identificar o bien sustituir las
variables colineales por factores (que no son colineales).74
La colinealidad no es un problema estadstico y si de los datos
recolectados. La colinealidad puede ser controlada si los datos provienen de
experimentos. Sin embargo, cuando son no experimentales, como es el caso de
los anlisis sobre el mercado inmobiliario, ese problema gana importancia. Altas
correlaciones entre variables independientes son frecuentes en estudios del campo
de la Economa.
Presencia de elementos espurios (outliers)
Un outlier es una observacin que tiene un comportamiento muy
diferente del resto de las observaciones. El trmino puede identificar informaciones
sorprendentes o discordantes. Se puede decir que son observaciones sospechosas.
Este concepto es relativo y los lmites pueden ser ms o menos rgidos,
dependiendo en parte de las necesidades de la investigacin.75
Los outliers pueden tener varios orgenes, tales como: errores de lectura,
registro, transcripcin y clculo, los cuales pueden ser corregidos fcilmente
cuando son detectados, con la nueva recoleccin, sustitucin o exclusin. Sin
embargo, puede ser tambin de naturaleza aleatoria. En este caso, la observacin
74
Harmann (1976).
Sobre outliers, fueron consultados: Belsley et al. (1980), Barnett y Lewis (1984), Daniel y Wood
(1980), Draper y Smith (1966), Maddala (1988) y Neter et al. (1990).
75
72
73
Variables omitidas
El grfico de residuos contra las variables que no participan en el modelo
ajustado puede revelar efectos importantes. Si existe un patrn de variacin
sistemtica de los residuos, posiblemente es causado por la variable no incluida en
el modelo. La solucin es la inclusin de la variable en el modelo. Si una variable
no se emplea por la imposibilidad de medicin, se deben usar otras variables, que
puedan simular los efectos de la verdadera. Esas variables sustitutas son conocidas
como variables proxy. Hay diversos ejemplos del uso de variables de este tipo,
como es el caso de la distancia de los inmuebles al centro de la ciudad, que es una
medida aproximada de la accesibilidad.
Anlisis de grficos estadsticos
La parte fundamental del anlisis estadstico de regresin mltiple es el
anlisis del comportamiento de las variables y de los errores, realizado a travs de
los grficos, especialmente en las cuestiones de normalidad de los residuos,
presencia de outliers y omisin de variables importantes. A continuacin, se
presenta un conjunto de grficos tpicos, para evidenciar estos anlisis. Casi todos
los grficos pueden ser usados para detectar outliers, solo se debe verificar en ellos,
los puntos con comportamiento distinto, aislados o alejados de los dems.
Naturalmente, deben ser minora. Una vez detectados, se continua con el anlisis de
los motivos (por ejemplo, errores de tipeo o recoleccin).
Residuos x valores estimados
Resduos
Resduos
74
75
rea (m2)
76
rea (m2)
Varivel Binria
77
Binaria.
Bairro
Distncia ao CBD
78
79
80
#
1
2
3
4
5
6
7
8
9
10
11
12
81
tai (=ai/deai)
7,3220
14,4488
-11,3304
7,6236
82
1
2
3
4
5
6
7
8
9
10
11
12
Medias
26.250,00
48.360,00
33.285,00
33.600,00
50.048,00
20.250,00
30.260,00
28.500,00
31.700,00
29.750,00
59.000,00
24.500,00
34.625,25
25.699,75
48.723,67
30.808,36
33.877,36
51.067,68
19.295,13
31.569,94
29.327,74
31.632,36
29.502,06
57.742,34
26.256,60
34.625,25
550,25
-363,67
2476,64
-277,36
-1019,68
954,87
-1309,94
-827,74
67,64
247,94
1257,66
-1756,60
0,00
0,3924
-0,2593
1,7661
-0,1978
-0,7271
0,6809
-0,9341
-0,5903
0,0482
0,1768
0,8968
-1,2527
0,0000
Las medias de los precios y valores estimados deben ser iguales, as como la
media de los errores debe ser nula, visto que estos puntos son fundamentales del
MMC, utilizado para el clculo de los coeficientes. Los errores y los grficos
desarrollados con ellos tambin indican un buen modelo (Figura 20 y 21). El
anlisis de Normalidad y de los otros supuestos tambin fue favorable.
70000
1,500
60000
1,000
50000
0,500
40000
0,000
30000
-0,500
20000
-1,000
10000
-1,500
-2,000
20000
40000
60000
80000
20000
40000
60000
80000
Figura
20 - Valores Figura 21 - Valores
Estimados x Precios.
Estimados x Errores
Estandarizados.
83
84
Malo
Regular
Medio
Bueno
ptimo
2
3
4
5
85
86
Distancia
Garaje
Edad
Ln(Mes)
Estndar
H2
H3
26,047
51,812
2,207
127,066
54,413
116,775
299,938
4,91
4,09
2,01
5,34
7,79
8,24
10,80
<0,01%
0,01%
4,77%
<0,01%
0,00%
<0,01%
<0,01%
87
88
Cuidados
Anlisis
problema.
89
(=0,05)
(D) Prueba de las variables: tcalc(programa)>
ttab(=0,05)
Anlisis
de
resultados
cuantitativa
Estimacin
Consideraciones finales
Este libro pretende contribuir para la divulgacin de los conocimientos en el
rea de la estadstica inferencial aplicada a las tasaciones de inmuebles. Se busc
conjugar algunos elementos tericos sobre el mercado inmobiliario con las tcnicas
ms modernas empleadas para la determinacin del valor de propiedades urbanas (o
de sus frutos), presentando algunos ejemplos prcticos.
La regresin mltiple fue estudiada, limitndose a la deduccin de las
frmulas indispensables y evitndose el empleo de matrices, ya que actualmente los
clculos pueden ser realizados en programas especficos de computacin.
Reuniendo un buen conjunto de datos, el tasador tiene condiciones de estudiar
complejos modelos de los fenmenos de mercado en cuestin de minutos, siendo lo
ms importante el anlisis de los resultados.
No obstante, no puede existir mistificacin de este avance tecnolgico, que
posibilit el uso de poderosos softwares y anlisis estadstico. La tasacin de un
inmueble slo podr ser realizado por un profesional que conozca bien la regin
donde el bien se ubica, fsicamente y en relacin al comportamiento del propio
mercado. La tasacin exige tambin la atencin permanente sobre las
transformaciones de la ciudad y de la sociedad que en ella habita.
El tasador necesita ser siempre un expert en mercado inmobiliario, conociendo
los fenmenos de la economa urbana, y usando las estadsticas apenas como
herramienta de trabajo. En este sentido, se recomienda el estudio continuo, no slo
de la tcnica de tasacin, sino tambin en las reas relacionadas, como las ciencias
econmicas y jurdicas, con especial atencin en los cambios de las tendencias
econmicas, del funcionamiento de la economa regional, de los planos rectores y
de otros elementos.
92
Referencias Bibliogrficas
ABRAMO, P. A dinmica espacial: O ciclo de vida das localizaes e os processos
de difuso das inovaes espaciais. Anais do XXIII Encontro Nacional de
Economia. Salvador: ANPEC, v.2. p.324-346, Dez. 1995a.
ABRAMO, P. A dinmica imobiliria: Elementos para o entendimento da
espacialidade urbana. Rio de Janeiro: IPPUR/UFRJ, 1988. Dissertao
(Mestrado em Planejamento Urbano).
ABRAMO, P. A regulao urbana e o regime urbano: A estrutura urbana, sua
reprodutibilidade e o capital. Ensaios FEE, v.16, n.2, p.510-555, 1995.
ABRAMO, P. Mercado e ordem urbana: Do caos teoria da localizao
residencial. Rio de Janeiro: Bertrand Brasil/FAPERJ, 2001.
ABRAMO, P. (Org.). Cidades em transformao: Entre o plano e o mercado. Rio
de Janeiro: Ed. Autor, 2001a.
AMEMIYA, T. Advanced econometrics. Oxford: Basil Blackwell, 1989.
ARKIN, H. y COLTON, R. R. Statistical methods. 5ed. New York: Barnes y
Noble, 1970.
BALARINE, O. F. O. Determinao do impacto de fatores scio-econmicos na
formao do estoque habitacional em Porto Alegre. Porto Alegre: EDIPUCRS,
1996.
BALCHIN, P. N. y KIEVE, J. L. Urban land economics. 3ed. London:
MacMillan, 1986.
BALEEIRO, A. Uma introduo cincia das finanas. 14ed. Rio de Janeiro:
Forense, 1984.
BARNETT, V. y LEWIS, T. Outliers in statistical data. 2ed. New York: John
Wiley, 1984.
BELSLEY, D. A., KUH, E. y WELSCH, R. E. Regression diagnostics: Identifying
influential data and sources of collinearity. New York: John Wiley, 1980.
BERRINI, L. C. Avaliaes de imveis. 3ed. So Paulo: Freitas Bastos, 1957.
BLANK, G. Brs de Pina: Experincia de urbanizao de favela. In:
VALLADARES, L. do P. (org). Habitao em questo. 2ed. Rio de Janeiro:
Zahar, p.93-124, 1981.
BOLAFFI, G. Para uma nova poltica habitacional e urbana: Possibilidades
econmicas, alternativas operacionais e limites polticos. In: VALLADARES,
L. do P. (org). Habitao em questo. 2ed. Rio de Janeiro: Zahar, p.167-196,
1981.
BONRIGHT, J.C. The valuation of property. v.1. New York: McGraw-Hill, 1937.
BRITO, E. IPTU - Competncia para a atualizao monetria da base de clculo no
regime jurdico Plano Real. Cadernos de Direito Tributrio e Finanas
Pblicas, n.10, p.73-88, 1995.
94
77
Algunas
de
las
publicaciones
de
mi
http://www.exatec.unisinos.br/~gonzalez/public.html.
autoria
pueden
ser
encontradas
en:
95
96
97
98
100
a1
dea1
#N/A
#N/A
#N/A
a0
dea0
#N/A
#N/A
#N/A
Frente
-7341,0634
647,9070
1402,31
8
15731741,91
rea
49,9363
3,4561
#N/A
#N/A
#N/A
constante
52331,3996
7147,1320
#N/A
#N/A
#N/A
Las pruebas t pueden ser determinadas por la razn entre los datos de la
primera y de la segunda lneas (ta1=a1/dea1). Los errores son calculados utilizando
los coeficientes determinados.
La produccin de modelos alternativos se facilitar si los datos originales se
copian para otro sector de la hoja de clculo, trabajndose las variables en un sector
fijo. Modelos semi-logartmicos, usando LN(Precio), pueden ser obtenidos
aplicando la funcin LN a los datos o directamente en la funcin
ESTIMACION.LOGARITMICA (o LOGEST).
101
Anexo II Distribuciones F y t
Los parmetros de la tabla indican los valores crticos para las pruebas del
modelo y de las variables, considerando el nmero de variables incluidas en el
modelo (k) y los Grados de Libertad (GL=nk1). La distribucin F fue calculada
para un nivel =0,05 y la distribucin t para los niveles =0,05 y =0,10, ambos
para el caso de dos colas.
GL
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
1
161,
18,5
10,1
7,71
6,61
5,99
5,59
5,32
5,12
4,96
4,84
4,75
4,67
4,60
4,54
4,49
4,45
4,41
4,38
4,35
4,32
4,30
4,28
4,26
4,24
4,23
4,21
4,20
4,18
4,17
4,08
4,00
3,92
3,84
2
199,
19,0
9,55
6,94
5,79
5,14
4,74
4,46
4,26
4,10
3,98
3,89
3,81
3,74
3,68
3,63
3,59
3,55
3,52
3,49
3,47
3,44
3,42
3,40
3,39
3,37
3,35
3,34
3,33
3,32
3,23
3,15
3,07
3,00
3
216,
19,2
9,28
6,59
5,41
4,76
4,35
4,07
3,86
3,71
3,59
3,49
3,41
3,34
3,29
3,24
3,20
3,16
3,13
3,10
3,07
3,05
3,03
3,01
2,99
2,98
2,96
2,95
2,93
2,92
2,84
2,76
2,68
2,60
4
224,
19,2
9,12
6,39
5,19
4,53
4,12
3,84
3,63
3,48
3,36
3,26
3,18
3,11
3,06
3,01
2,96
2,93
2,90
2,87
2,84
2,82
2,80
2,78
2,76
2,74
2,73
2,71
2,70
2,69
2,61
2,53
2,45
2,37
5
230,
19,3
9,01
6,26
5,05
4,39
3,97
3,69
3,48
3,33
3,20
3,11
3,03
2,96
2,90
2,85
2,81
2,77
2,74
2,71
2,68
2,66
2,64
2,62
2,60
2,59
2,57
2,56
2,55
2,53
2,45
2,37
2,29
2,21
Distribucin F - =0,05
k
6
7
8
9
234, 237, 239, 240,
19,3 19,3 19,4 19,4
8,94 8,89 8,85 8,81
6,16 6,09 6,04 6,00
4,95 4,88 4,82 4,77
4,28 4,21 4,15 4,10
3,87 3,79 3,73 3,68
3,58 3,50 3,44 3,39
3,37 3,29 3,23 3,18
3,22 3,14 3,07 3,02
3,09 3,01 2,95 2,90
3,00 2,91 2,85 2,80
2,92 2,83 2,77 2,71
2,85 2,76 2,70 2,65
2,79 2,71 2,64 2,59
2,74 2,66 2,59 2,54
2,70 2,61 2,55 2,49
2,66 2,58 2,51 2,46
2,63 2,54 2,48 2,42
2,60 2,51 2,45 2,39
2,57 2,49 2,42 2,37
2,55 2,46 2,40 2,34
2,53 2,44 2,37 2,32
2,51 2,42 2,36 2,30
2,49 2,40 2,34 2,28
2,47 2,39 2,32 2,27
2,46 2,37 2,31 2,25
2,45 2,36 2,29 2,24
2,43 2,35 2,28 2,22
2,42 2,33 2,27 2,21
2,34 2,25 2,18 2,12
2,25 2,17 2,10 2,04
2,18 2,09 2,02 1,96
2,10 2,01 1,94 1,88
10
242,
19,4
8,79
5,96
4,74
4,06
3,64
3,35
3,14
2,98
2,85
2,75
2,67
2,60
2,54
2,49
2,45
2,41
2,38
2,35
2,32
2,30
2,27
2,25
2,24
2,22
2,20
2,19
2,18
2,16
2,08
1,99
1,91
1,83
15
246,
19,4
8,70
5,86
4,62
3,94
3,51
3,22
3,01
2,85
2,72
2,62
2,53
2,46
2,40
2,35
2,31
2,27
2,23
2,20
2,18
2,15
2,13
2,11
2,09
2,07
2,06
2,04
2,03
2,01
1,92
1,84
1,75
1,67
20
248,
19,4
8,66
5,80
4,56
3,87
3,44
3,15
2,94
2,77
2,65
2,54
2,46
2,39
2,33
2,28
2,23
2,19
2,16
2,12
2,10
2,07
2,05
2,03
2,01
1,99
1,97
1,96
1,94
1,93
1,84
1,75
1,66
1,57
30
250,
19,5
8,62
5,75
4,50
3,81
3,38
3,08
2,86
2,70
2,57
2,47
2,38
2,31
2,25
2,19
2,15
2,11
2,07
2,04
2,01
1,98
1,96
1,94
1,92
1,90
1,88
1,87
1,85
1,84
1,74
1,65
1,55
1,46
254,
19,5
8,53
5,63
4,37
3,67
3,23
2,93
2,71
2,54
2,40
2,30
2,21
2,13
2,07
2,01
1,96
1,92
1,88
1,84
1,81
1,78
1,76
1,73
1,71
1,69
1,67
1,65
1,64
1,62
1,51
1,39
1,25
1,00
Distribucin t
- bilateral
0,05 0,10
12,7 6,31
4,30 2,92
3,18 2,35
2,78 2,13
2,57 2,02
2,45 1,94
2,36 1,89
2,31 1,86
2,26 1,83
2,23 1,81
2,20 1,80
2,18 1,78
2,16 1,77
2,14 1,76
2,13 1,75
2,12 1,75
2,11 1,74
2,10 1,73
2,09 1,73
2,09 1,72
2,08 1,72
2,07 1,72
2,07 1,71
2,06 1,71
2,06 1,71
2,06 1,71
2,05 1,70
2,05 1,70
2,05 1,70
2,04 1,70
2,02 1,68
2,00 1,67
1,98 1,66
1,96 1,64