Rodriguez Mojica 2008

7/22/2019 Rodriguez Mojica 2008

http://slidepdf.com/reader/full/rodriguez-mojica-2008 1/61

Capitalización de los efectos de red del sistema de tránsito rápido deautobuses (BRT) en los precios del suelo

Daniel A. Rodríguez PhD, Carlos H. Mojica, MST

© 2008 Lincoln Institute of Land Policy

Lincoln Institute of Land Policy Documento de trabajo

Los resultados y conclusiones de este artículo no se han sometido a una revisión detallada y noreflejan necesariamente la posición y las políticas oficiales del Lincoln Institute of Land Policy.

No fotocopiar sin el permiso de los autores.

Todas las preguntas y solicitudes de permiso deben ser dirigidas directamente al los autores.{0>[email protected]<}0{>[email protected]

Lincoln Institute Product Code:



Resumen

Se utiliza una evaluación generalizada antes-y-despues con base a modelos hedónicos paraevaluar los efectos de la red y del acceso local de una extensión del sistema de tránsito rápido de buses (BRT por las iniciales en ingles Bus Rapid Transit ) de Bogotá. Se utilizan para evaluar losefectos de red de la inversión las propiedades que ya contaban con el servicio de tránsito rápidode buses pero que se benefician del acceso regional mejorado proporcionado por la extensión, enrelación con las propiedades en un área de control. En forma similar, las propiedades desde lasque antes no se podía llegar caminando hasta el sistema de BRT pero que ahora reciben dichoservicio se utilizan para determinar los efectos locales, en relación con las propiedades decontrol. Los resultados sugieren que las propiedades que fueron puestas a la venta durante el añoen el que se inauguró la extensión y en los años siguientes tenían precios de oferta más altos, queoscilaban entre un 15 por ciento y un 20 por ciento, en relación con las propiedades en el área de

control. En lo que se refiere al efecto sobre el acceso local, los precios de oferta no presentaronun aumento uniforme después de que se introdujo el servicio de BRT. Se examinan laslimitaciones del estudio y las implicancias de los resultados.

Palabras llave: BRT; Impacto de inversiones en transporte: Valor de propiedades inmobiliarias; Transporte y desarrollo urbano; Transporte públicomasivo; Efectos de las intervenciones públicas sobre los precios del suelo.



Acerca de los autores

El Dr. Rodríguez es Director del Programa de Transporte de Carolina (ctp.unc.edu) y Profesor Asociadodel Departamento de Planeamiento Municipal y Regional de la University of North Carolina-Chapel Hill.Su investigación se concentra en la conexión entre los sistemas de transporte y el desarrollo urbano, y larelación entre el ambiente urbano y el comportamiento. Su trabajo ha sido financiado por la Robert WoodJohnson Foundation, la Environmental Protection Agency y el Transportation Department of NorthCarolina, entre otros. Es autor de más de 35 publicaciones evaluadas por sus pares en el campo deltransporte y coautor de la 5.a edición del libro Urban Land Use Planning (University of Illinois Press). ElDr. Rodríguez actualmente es miembro de tres comités permanentes de la National Academies’Transportation Research Board. En 2000 el profesor Rodríguez recibió el premio Fred Burggraff (2000)de la Transportation Research Board y en 1998 la Eno Foundation Fellowship. Ha trabajadointernacionalmente con el Banco Mundial y la Universidad de los Andes, Bogotá, Colombia. El Dr.Rodríguez es, también, Eno Transportation Foundation Leadership Fellow y Fellow en el Institute forCivil Infrastructure Systems de la New York University. Forma parte de la junta editorial de prestigiosasrevistas, como la Journal of the American Planning Association, la Journal of Transport and Land Use, la Journal of Architectural Planning and Research y la Landscape & Urban Planning .

Correo electrónico: [email protected]

Carlos Mojica recibió una licenciatura en Ingeniería Civil de la Universidad de Los Andes (Colombia)en 2004 y actualmente es candidato a una doble maestría en Urban Studies and Transportation Science atthe Massachusetts Institute of Technology (MIT). Desde 2005, se ha desempeñado como asistente deinvestigación y asistente de cátedra en el Department of Urban Studies and Planning and in theDepartment of Civil and Environmental Engineering (CEE) del MIT. Sus intereses de investigaciónincluyen el transporte público, la interacción entre el uso del suelo y los sistemas de transporte y el

financiamiento de transportes. Ha trabajado, además, en la División de Financiamiento e Infraestructuradel Banco Interamericano de Desarrollo y en el Departamento de Planeamiento Estratégico de laAutoridad de Tránsito de Chicago. Participó, en calidad de ingeniero civil, en el planeamiento ydesarrollo de proyectos de transporte y vivienda en Colombia.

Correo electrónico: [email protected]

Reconocimientos

Los autores reconocen con gratitud al Lincoln Institute of Land Policy por el respaldo financiero de

este proyecto. Metrocuadrado.com y Camilo Sastoque nos ayudaron también con los datos de este proyecto. Felipe Targa y Nicolás Estupiñán nos ayudaron aportando sus bancos de datos del SIG deBogotá. Este informe se benefició de los comentarios de los participantes del seminario Efectos de las

intervenciones públicas sobre los precios del suelo organizado por el Lincoln Institute of Land Policy.Agradecemos mucho los comentarios de Martim Smolka, Ciro Biderman y Greg Ingram. Todos loserrores y omisiones de este artículo son nuestra responsabilidad.

Índice



1. Introducción 1 2. Revisión de literatura 2 3. Métodos 5 4. Área de estudio 7

4.1 Variable dependiente 84.2 Variables independientes 95. Resultados 10

5.1 Cambios de los precios debido a los efectos de red de las extensiones del sistemade BRT 115.2 Cambios de los precios debido a los efectos del acceso local o directo de lasextensiones del sistema de BRT 155.3 Debate 16

6. Conclusiones 17 Cuadros 21



Capitalización de los efectos de red del sistema de tránsito rápido de autobuses (BRT) en

los precios del suelo

1. Introducción

Los planificadores y dirigentes siguen demostrando contínuo interés en coordinar las inversionesen transporte y el desarrollo del suelo para proporcionar alternativas al transporte en automóvilesy para disminuir sus efectos negativos. Las expresiones como “crecimiento inteligente”,“desarrollo concebido en función del tránsito” y “comunidades habitables” plasman la creenciade que las ventajas de accesibilidad que proporciona el transporte público se pueden coordinarcon el desarrollo compacto del suelo. Se espera que dicho desarrollo, a su vez, respalde yrefuerce la viabilidad del tránsito público y otras modalidades de transporte que dispensan deautomóviles.

Simultáneamente, la reaparición de los sistemas de servicio de buses de alto nivel estárevolucionando los sistemas de tránsito en todo el mundo. El bus de tránsito rápido (BRT) es unsistema de transporte masivo a base de buses que proporciona movilidad cómoda y rentable queemula el tránsito ferroviario (Wright y Hook 2007; p. 11). El BRT depende de mejorascoordinadas de la tecnología, la infraestructura y el equipo para brindar un tratamiento de altonivel de calidad a los buses (Oficina General de Contraloría de los E.U.A. 2001). Doce ciudadesde América Latina en Brasil, Chile, Colombia, Ecuador, Guatemala y México, tres ciudades deAustralia, siete ciudades de los Estados Unidos, ocho ciudades de Asia y dieciocho ciudades deEuropa cuentan con sistemas de BRT. Hay sistemas de BRT en proceso de construcción en todoel mundo: desde Dar-es-Salaam, en Tanzania; Jinan, en China; Bolonia, en Italia; Mérida, enVenezuela, hasta Auckland, en Nueva Zelandia. GTZ estima que, hasta marzo de 2007, por lomenos, 27 ciudades tienen procesos activos de planeamiento para la construcción de sistemas deBRT y otros 14 sistemas consideran la expansión (Wright y Hook 2007).

El espectacular éxito del BRT se debe, en parte, a la rentabilidad y la relativa flexibilidad de lasinversiones requeridas. Los sistemas de BRT, con frecuencia, pueden movilizar tantos pasajeroscomo los sistemas ferroviarios livianos convencionales a una fracción del costo. Los sistemas deBRT también se comparan satisfactoriamente con los sistemas ferroviarios pesados, excepto encircunstancias de una alta demanda de pasajeros que exceda las 50,000 personas por hora pordirección en una línea. Al igual que los sistemas ferroviarios, sin embargo, la rentabilidad de lossistemas de BRT depende de la posibilidad de que el suelo se use de una manera que respalde elsistema y concentre la demanda a lo largo de los corredores de tránsito. Por lo tanto, en lamayoría de los casos, los sistemas de BRT se han construido en corredores cuya demanda estádemostrada. No obstante, cabe la posibilidad de que los sistemas de BRT atraigan un desarrollo

denso que, a su vez, beneficie dichos sistemas en el futuro. Esta relación recíproca entre lasinversiones en el BRT y el desarrollo del suelo ha sido la piedra angular del desarrollo deCuritiba. A pesar de la importancia de esta relación en lo que se refiere a la viabilidad y larentabilidad futuras de los sistemas de BRT, se cuenta, sin embargo, con evidencia empíricalimitada para sustentar o descartar la relación entre las inversiones en el BRT y los cambios en eldesarrollo del suelo. Aunque esta relación es fundamental para el potencial del BRT comocatalizador del crecimiento urbano y el redesarrollo, un estudio reciente del Banco Mundial



(2000) señaló: “…los efectos de los carriles de autobuses sobre el uso del suelo y la estructura dela ciudad se han investigado poco”.

Este estudio analiza las lagunas prácticas y conceptuales de la literatura anterior para investigarla relación entre el acceso al BRT y su capitalización en el valor de las propiedades residenciales

utilizando una evaluación generalizada realizada antes y después. En una economía de mercado,los cambios del valor del suelo son el primer paso para instigar a los promotores inmobiliarios atomar decisiones respecto a la inversión. Nos valemos de sistemas de información geográfica para medir el acceso a las líneas de BRT y la distancia hasta la vía troncal exclusiva comorepresentación de sus efectos nocivos.

El estudio tiene dos objetivos. El primero es cuantificar, en lo que se refiere a las propiedadesque ya contaban con el servicio del BRT, los cambios del valor del suelo que son el resultado delas expansiones de la red en otros lugares de la ciudad. En otras palabras, la intención es medircómo los efectos de red de las expansiones del BRT se capitalizan en los valores de las propiedades que ya contaban con el BRT. Hasta donde sabemos, este efecto nunca se ha

estudiado en el caso de los sistemas de BRT; no obstante, actualmente se planifican expansionesde la red del BRT en muchas ciudades de todo el mundo. El segundo objetivo es determinar lacapitalización de la inversión en sistemas de BRT en el valor del suelo cuando las extensionesdel sistema de BRT ofrecen servicios directamente a propiedades que antes no contaban con elmismo.

En la próxima sección, se revisa la literatura concerniente a los efectos esperados de la inversiónen sistemas de transporte en general y en los de BRT en particular. La tercera y la cuartasecciones describen la metodología del análisis hedónico utilizado y los datos recopilados. Losresultados del análisis empírico y las conclusiones se proporcionan en las últimas dos seccionesdel informe.

2. Revisión de literatura

La teoría de la renta del suelo, desarrollada en el contexto urbano por Alonso (1964) y Muth(1969), se utiliza comúnmente para entender la relación entre los beneficios de acceso de lasinversiones en transporte y el valor del suelo. La hipótesis central es que los hogares estándispuestos a hacer un compromiso entre comprar accesibilidad y comprar área de suelo y otrosatributos. Así pues, se espera que las inversiones en transporte proporcionen ventajas de acceso aunas parcelas más que a otras. Debido a que el número de parcelas que se beneficia del accesomejorado es finito y suponiendo que el acceso es un bien escaso, se espera que los hogares y lasempresas que valoran dichos beneficios en un mercado competitivo estén dispuestos a pagar más por las propiedades con buen acceso en comparación con las que no lo tienen, ceteris paribus.

Por consiguiente, se espera que los beneficios de acceso proporcionados por las inversiones entransporte se capitalicen en el valor de las propiedades.

La evidencia reciente sugiere que las inversiones en transporte se asocian a valores más altos delas propiedades. Tan sólo en los últimos cinco años, varios estudios han relacionado el valor delsuelo a las inversiones en el transporte urbano (cuadro 1). En los suburbios de Seúl, Londres, SanDiego y Massachusetts, se han identificado valorizaciones por acceso que sustentan esta teoría.Sin embargo, otros estudios no han logrado identificar efectos apreciables. Las características del



mercado local de suelos, las variables omitidas y la especificación del acceso a la infraestructurade transporte pueden ayudar a explicar las diferencias entre los resultados de los estudios.

Respecto al BRT, una buena parte del debate acerca del tema de los efectos del BRT sobre elvalor del suelo se basa en las expectativas teóricas (Banco Mundial 2000; Polzin y Baltes 2002).

Exceptuando el caso de Curitiba, donde el BRT ha sido la piedra angular en el diseño de unaestrategia integrada para el transporte y el uso del suelo (Rabinovitch y Leitman 1996), hasta lafecha, la evidencia acerca de la relación entre el BRT y el valor del suelo es limitada. El primerestudio analizó los carriles de autobuses HOV en Washington, D.C., California, Seattle, yFlorida (Knight y Trygg 1977) utilizando informes publicados anteriormente, entrevistas,fotografías aéreas y otras fuentes secundarias disponibles para llegar a la conclusión de que loscarriles exclusivos de autobuses incorporados a autopistas no parecen afectar el uso del suelo, yasea para el desarrollo residencial o comercial. Mullins et al. (1990) encontraron que solamentelos sistemas de BRT de Ottawa, Canadá, parecen tener algún efecto en el desarrollo del suelo enlas áreas que rodean las estaciones. En lo que se refiere a los demás casos analizados por Mullinset al. (Houston, Pittsburgh, San Francisco), los resultados coincidieron con los de Knight y Trygg

(1977). Más recientemente, un análisis hedónico hecho en Los Ángeles tras el primer año delBRT (Cervero y Duncan 2002) no detectó evidencia alguna de beneficios conferidos a parcelasmultifamiliares cercanas, aunque la falta de una vía troncal exclusiva y la novedad del servicioexplican, en parte, dichos resultados.

Por lo menos, cuatro estudios se han concentrado en analizar los efectos del sistema de BRT deBogotá, que muchos consideran el ejemplo por excelencia del BRT (Cain et al. 2006), sobre elvalor del suelo. El primer estudio utilizó los precios de oferta del alquiler de apartamentos paraestimar los modelos de precios hedónicos espaciales del acceso a las estaciones de BRT y elvalor del suelo en 2003 (Rodríguez y Targa 2004). Tomando en cuenta la autocorrelaciónespacial, los autores detectaron una valorización de un 6.8 por ciento a un 9.3 por ciento por cada5 minutos que se le resten a la caminata hasta la estación de BRT. En el segundo estudio,Muñoz-Raskin utilizó datos del valor de las propiedades proporcionados por una agencia local devivienda para determinar que las propiedades en las cercanías inmediatas (caminatas de 0-5minutos) valoraban más el acceso a las líneas alimentadoras en comparación con las propiedadesa una distancia de caminata de 5-10 minutos (Muñoz-Raskin 2006). Sus hallazgos tambiéndemuestran que las propiedades de altos ingresos se valoraban si se encontraban cerca de unalínea alimentadora, pero el efecto era opuesto en el caso de las líneas troncales.

El tercer estudio se completó en 2007 utilizando datos catastrales respecto al valor tasado de las propiedades para analizar la relación entre la distancia al sistema de BRT y el valor de las propiedades (Mendieta y Perdomo 2007). Suponiendo que se camine con una rapidez de 4.39km/h (Knoblauch, 1996), los resultados demuestran que los precios de las propiedadesaumentaron de un 0.12 por ciento a un 0.38 por ciento, dependiendo de la distancia hasta elsistema de BRT, por cada 5 minutos que se le resten a la caminata hasta la estación de BRT. Elcuarto y último estudio utilizó la probabilidad de similitud ( propensity score matching ) paracomparar los precios de oferta de las propiedades residenciales y comerciales de dos zonas: unacon y otra sin acceso al sistema de BRT (Perdomo et al. 2007). Los resultados fueron mixtos; lamayoría de las comparaciones rindió resultados insignificantes en términos estadísticos. En sólo



uno de los casos, se detectó una valorización de un 22 por ciento respecto a las propiedades conacceso al BRT con un nivel de confianza de un 95 por ciento.

Aunque la evidencia recopilada hasta la fecha acerca de la relación entre el BRT y el valor de las propiedades proporciona un fundamento para investigaciones futuras, la posibilidad de que

influencie las políticas sigue siendo limitada. Por ejemplo, todos los estudios realizados hasta lafecha utilizan datos de secciones transversales. Por consiguiente, es imposible determinar si elBRT causó el cambio del valor del suelo o si los planificadores ubicaron la estación en lugaresque los residentes valoraban ya. Además, a pesar del interés de los dirigentes en expandir lossistemas de BRT establecidos y encontrar la manera de financiarlos, ningún estudio ha analizadosi las expansiones proporcionan beneficios a las propiedades que ya contaban con el servicio delsistema de BRT. Los beneficios potenciales conferidos por las mejoras de la conectividad a otras partes de una ciudad caen bajo la definición de “efecto de red” (Katz y Shapiro 1994). Aunquedichos efectos están presentes en todas las redes de transporte (Garrison y Levinson 2006), sucapitalización en el valor del suelo se ha estudiado poco. En lo que se refiere particularmente alservicio de tránsito de alta calidad, el hecho de que las mejoras del acceso regional se capitalicen

o no en el valor de las propiedades que se beneficien del servicio existente determinará laviabilidad y la extensión del uso de técnicas de recuperación de plusvalías para recuperar partede la capitalización imprevista que reciban los dueños de estas propiedades.

En resumen: Aunque el BRT está siendo adoptado como una solución innovadora para eltransporte urbano y el redesarrollo urbano, quedan ciertas preguntas acerca de la utilidad de lossistemas de BRT en lo que se refiere a la forma urbana. Aunque la investigación con la que secuenta sugiere que los efectos de las inversiones recientes en el BRT sobre el desarrollo del suelo pueden ser importantes, los diseños de secciones transversales y las variables omitidas siguenmereciendo consideración. Por lo tanto, este estudio responde a la falta de investigación acercade la naturaleza y la magnitud de los cambios del valor del suelo debidos a las inversiones delsector público en el BRT y la importancia creciente de los sistemas de BRT como soluciones demovilidad por transporte en varias ciudades del mundo. Por consiguiente, nuestras hipóteses son:1) las propiedades que ya contaban con el servicio de BRT se capitalizan por los cambios delvalor del suelo que son el resultado de las expansiones de la red de BRT que ocurren en otroslugares de la ciudad, y 2) se espera que las propiedades que se benefician de un nuevo acceso auna estación de BRT, y que antes no contaban con dicho acceso, se capitalicen debido a la presencia de dicho acceso, ceteris paribus.

3. Métodos

Se emplea una estrategia generalizada de evaluación antes y después respecto a las funciones de precios hedónicos (Rosen 1974) para probar las hipóteses. En un modelo hedónico, las

propiedades se caracterizan como un grupo de bienes heterogéneos complejos. Cada propiedadse compone de un conjunto inseparable de bienes o atributos homogéneos con diferentes valoresy características. La teoría subyacente del mercado de bienes heterogéneos propone que el preciode un bien es una función de los niveles, o el valor, de cada atributo del conjunto.

Las funciones de precios hedónicos nos permiten estimar los precios de los atributos que no seintercambian explícitamente en las transacciones observables del mercado. En el mercado deviviendas, dichos atributos, por lo general, son las características de la estructura y el lugar de la



propiedad. Las características del barrio, la calidad de los servicios locales y los atributos dellugar — tales como la accesibilidad a los sistemas de transporte o a los centros de actividad —también son parte del conjunto de atributos. En forma similar, las funciones de precios hedónicos pueden incluir variables temporales que miden las variaciones de las condiciones del mercadoque influyen en los precios, incluidos los cambios debidos a las inversiones y la accesibilidad

relacionadas con el transporte. En nuestro caso, la inversión en transporte, ya sea, extiende elservicio de BRT a otras partes de la ciudad (hipótesis 1) o lleva el servicio (y una estación) deBRT a una distancia de acceso razonable de un grupo de propiedades (hipótesis 2).

Para probar la primera hipótesis, utilizamos propiedades que ya tenían acceso a una estación deBRT, pero que ahora se benefician del alcance extendido del sistema de BRT debido a lasextensiones de la red. Para probar la segunda hipótesis, nos concentramos en las extensiones delsistema de BRT que llevan el servicio a propiedades desde las que antes no se podía llegarcaminando hasta el sistema.

Según McDonald y Osuji (1995), la relación empírica que se ha de evaluar es el valor de las

propiedades residenciales en función de los atributos de la propiedad, de la forma general:(1)

en la cual, V i es el valor nominal de la propiedad i; X ij es el atributo j de la propiedad i; ! j es el precio marginal empírico implícito estimado del atributo j; c es el término constante de laintersección, y "i es el término del error aleatorio. La ecuación (1) se puede generalizar pararepresentar el año en el que las propiedades fueron puestas a la venta. Si se cuenta con datos delos períodos antes y después de que se hicieran las inversiones, se podrían detectar los cambiosde valor asociados con la intervención del BRT. Por lo tanto, se estimaría una ecuación por cadaaño en el que se vendieron propiedades.

Los datos utilizados para estimar las ecuaciones anuales se pueden combinar para proporcionarmayor flexibilidad al comparar los parámetros a través de los años y ganar eficiencia.Suponiendo que los coeficientes ! j de cada atributo X ij no cambian con el tiempo, la ecuacióncombinada resultante se puede expresar como:

(2)en la cual, añoit son las variables binarias que toman el valor de uno en las observacionesrepresentadas en el año t y cero en los otros casos, y #t es el coeficiente estimado de cadavariable binaria. La variable binaria del añoi1 (el primer año) se excluye de la ecuación. Loscoeficientes #t determinan la apreciación anual del valor del suelo, después de controlar todas lasdemás variables observables. En lo que se refiere a las hipótesis, se espera un aumento mayor delvalor de las propiedades en los años después de la inversión en el BRT.

Una limitación de la ecuación (2) es que el efecto de la inflación y otros cambios seculares delmercado de propiedades no se pueden segregar de la apreciación causada por las inversiones enel BRT. En otras palabras: Cabe la posibilidad de que los precios hayan aumentado porque elmercado de suelos de la ciudad en general mostraba una mejoría, y no por la inversión en elBRT. Por consiguiente, además de ofrecer datos de los períodos anteriores y posteriores enrelación con las propiedades en las áreas afectadas por la inversión (un área de intervención),



incluimos, en nuestro análisis, propiedades de un área que no se contaminó o se afectódirectamente por las inversiones en el BRT (un área de control).

La derivación de la ecuación hedónica combinada que incluye las áreas de control y deintervención sigue la misma lógica de la derivación de la ecuación (2), con la excepción de que,

además, se hace la suposición de que los precios implícitos de cada atributo X ij son similarestanto en el área de control como en el área de intervención. La ecuación resultante se puedeexpresar como:

(3)

en la cual, I es una variable binaria que toma el valor de cero en las observaciones efectuadas enel área de control y el valor de uno en las observaciones efectuadas en el área de intervención.Los coeficientes de $2…. $t miden la apreciación estimada del valor de las propiedades cada año

en la zona de intervención después de controlar la apreciación del valor de las propiedadesdurante el mismo año en la zona de control. Comparados entre sí, los coeficientes de $2…. $t determinan los cambios de la apreciación antes y después de la inversión, en la zona deintervención.

La suposición de que los precios implícitos de los atributos de las propiedades son iguales con eltiempo así como en las áreas de intervención y de control puede ser inapropiada. Esta suposiciónse puede probar formalmente mediante la interacción, ya sea, de las variables binarias o lavariable binaria de intervención (o ambas) y los atributos sospechados de la propiedad,introduciendo así variables adicionales al modelo.

Por último, la estimación de las ecuaciones (2) y (3) por medio de la regresión de MínimosCuadrados Ordinarios (MCO) es óptima sólo cuando se satisface un número de suposiciones y, por consiguiente, también cubriremos las dos formas de autocorrelación espacial que puedenocurrir. Una forma se relaciona con un término de retardo de la variable dependiente. La otraocurre cuando el término del error sigue un proceso espacial autorregresivo. Anselin (1993)define la primera como una dependencia espacial sustantiva y, la segunda como una dependenciaespacial del error. Los coeficientes estimados serán sesgados de acuerdo con los efectosespaciales sustantivos mientras que, en el caso de la dependencia espacial del error, loscoeficientes serán ineficientes pero se mantendrán sin sesgo. Nuestra estrategia, por lo tanto, esdiagnosticar la presencia y el tipo de la autocorrelación espacial por medio de las pruebas delmultiplicador de Lagrange (Anselin y Getis 1992) y sus contrapartes robustas (Anselin et al.1996). Donde se detecta la autocorrelación espacial, utilizamos métodos de probabilidad máxima para estimar una función del precio hedónico espacial que incorpore la misma forma funcionaldel modelo de MCO y que represente, simultáneamente, el tipo específico de la autocorrelaciónespacial detectada.

4. Área de estudio

Los datos provienen de una muestra de las propiedades del área metropolitana de Bogotá de2001 a 2006. El sistema de BRT de Bogotá se inauguró en diciembre de 2000; se añadieron



extensiones en junio de 2001, diciembre de 2003, julio de 2005 y abril de 2006. La extensión dediciembre de 2003, a lo largo de la Avenida de de las Américas, proporciona el escenario delestudio. Para probar la primera hipótesis, utilizamos una muestra de conveniencia de las propiedades que se encontraban dentro de 1 km de distancia del sistema de BRT antes dediciembre de 2003 y que se beneficiaron de los efectos de red de la expansión del sistema. Las

propiedades a lo largo de las líneas del BRT de la Avenida Caracas y la Calle 80, mostradas en lafigura 1, cumplen con este requisito. Para probar la segunda hipótesis, utilizamos propiedadesdentro de 1 km de distancia de la Avenida de las Américas. Dichas propiedades no contaban conacceso local al BRT antes de diciembre de 2003 y se beneficiaron de la extensión del sistema deBRT. Las propiedades en el área de control no cuentan con el servicio del BRT ni de otrasinversiones mayores en infraestructura de transporte y no existen planes de que cuenten condichos servicios. La figura 1 muestra las áreas de estudio de la hipótesis 1, la hipótesis 2 y el áreaque proporciona el control de ambas áreas.

Figura 1. Propiedades seleccionadas del mercado de suelos (2001-2006)

Los datos de las propiedades provienen de un portal Web en el cual los agentes de bienes raícesde Bogotá anuncian las propiedades para venta o alquiler (www.metrocuadrado.com). Nosconcentramos exclusivamente en todas las propiedades incluidas en el banco de datos:unifamiliares (adosadas y separadas) y unidades en apartamentos multifamiliares. Los datosincluyen la latitud y la longitud de la propiedad, los atributos de la propiedad (edad, tipo de propiedad, área cubierta, número de habitaciones, número de espacios de estacionamiento ynúmero de baños) y precio de oferta. La latitud y longitud facilitaron el cálculo de la distanciahasta la vía troncal exclusiva del BRT, los usos pertinentes del suelo y las característicascircunstanciales relacionadas de cada propiedad.

4.1 Variable dependiente

La variable dependiente es el logaritmo natural del precio de venta nominal anunciado (precio deoferta). El uso de la variable dependiente transformada logarítmicamente es útil para reducir laheteroscedasticidad, ya que con frecuencia comprime la escala en la que se mide la variabledependiente. Una limitación de utilizar el precio al cual el propietario o el gerente ofrece la propiedad para la venta como una variable dependiente es que no está directamente vinculadacon un precio de equilibrio, en el cual se han encontrado la oferta y la demanda de las propiedades. Aunque exploramos varias maneras de recopilar la información del precio de ventareal o del precio de alquiler real, las consideraciones de privacidad y de seguridad nos lo

impidieron. No obstante, este no es el único estudio en el cual se utilizan los precios de ofertacomo una variable dependiente en el análisis hedónico. Otros estudios que utilizan modelos de precios hedónicos para relacionar la accesibilidad de la estación de tránsito con el valor del suelode propiedades residenciales (Cheshire y Sheppard 1998; Henneberry 1998; Benjamin y Sirmans1996; Du y Mulley 2007; Rodriguez y Targa 2004) o con el valor del suelo de propiedadescomerciales (Cervero y Susantono 1999) también han utilizado los precios de oferta. Laestrategia supone que las mismas influencias sobre los precios de oferta actuarán sobre los precios reales o del mercado; es decir, la primera es una buena representación de la segunda.



4.2 Variables independientes

Debido a que las propiedades incluidas en este estudio fueron puestas a la venta entre enero de2001 y diciembre de 2006, se incluyeron cinco variables binarias, una por año, en el modelo,utilizando el año 2001 como categoría de referencia. Como se explica en la sección de métodos,las variables de interés son las variables de años en interacción con una variable binaria que

indican si la propiedad pertenece al área de intervención. Se incluyeron seis interacciones en elmodelo, una por año, comenzando con el año 2001 ( intx2001, intx2002, intx2003, intx2004,

intx2005 e intx2006 ). Como reiteración: Los coeficientes estimados de estas variables miden elaumento anual del precio de oferta correspondiente a la zona de intervención en relación con lazona de control. Comparados entre sí, los coeficientes también determinan los cambios de laapreciación antes y después de las inversiones en el BRT.

Se controlaron varios atributos estructurales de la propiedad, como el tipo de propiedad (casa oapartamento), su edad aproximada codificada como un grupo de variables binarias (nuevareferencia de categoría, 0-10 años de edad, 10-20 años de edad o más de 20 años de edad), elnúmero de habitaciones, el número de baños, el número de espacios de estacionamiento (si

alguno), el área cubierta (metros cuadrados) y, si se trataba de un apartamento, el piso en el queestaba localizada la unidad. Los datos originales estaban notablemente incompletos respecto alos atributos del tipo y la edad de la propiedad, de manera que estos valores fueron imputados por la regresión del mejor subgrupo y se crearon variables binarias que tomaban el valor de unoen cada observación con datos impugnados y cero cuando la observación contaba con los datoscompletos.

En lo que se refiere al acceso de una propiedad a los centros de actividad regionales, se mide ladistancia de la carretera hasta el Distrito Comercial Central (CBD por sus iniciales en ingles –Central Business District ) de Bogotá, definido como la estación central del BRT localizada en laCalle 13. Aunque hay un segundo distrito comercial extendido más al norte, la variable que

medía el acceso al segundo centro era altamente colineal con la primera medida y, por lo tanto, la primera medida fue la única medida que se utilizó respecto al acceso regional.

Además de la información de las propiedades, se utilizó información contemporánea (antes ydespués de la extensión del BRT) acerca de la demografía, características sociales, el uso delsuelo, la vivienda, los homicidios (por cada 1,000 residentes) y los servicios de transporte del barrio en el cual se localiza la propiedad, de estar disponibles. Para esto, fue necesario recopilarlos datos de una gama de organizaciones públicas y privadas, por ejemplo: DANEel DANE, elCentro Interdisciplinario de Estudios Regionales, de la Universidad de los Andes, TransMilenioy los Departamentos de Planeamiento y de la Policía de Bogotá. En el proceso de vincular ycalcular las variables del barrio, se utilizó una definición de barrio como un círculo de 250 m

alrededor de cada propiedad. Debido a que el área de influencia resultante puede llegar aatravesar uno o más lindes, cada atributo del barrio se calculó como el valor promedio de loslindes intersecados por el área de influencia (buffer ), ponderados por el área de cada lindecontenido en el área de influencia.

Las variables del barrio incluyen el estrato socioeconómico (ESE), que es una medida directa del pago de impuestos, los servicios públicos y las cargas relacionadas. El estrato socioeconómico seespecificó como una variable continua, que variaba de 1 (bajo) a 6 (alto). Se controló, además, la



densidad de población, junto con los usos del suelo del barrio medidos como un porcentaje detoda el área dedicada a usos comerciales, industriales, institucionales, parques/espacios abiertos ylotes vacantes o abandonados. La seguridad personal se midió vinculando los datos de cada propiedad con el número de homicidios por cada 100 residentes.

Se incluyeron dos últimos tipos de variables para representar el efecto de la cercanía a las víastroncales sobre el valor de las propiedades. La primera ( prox150m) es una variable binaria querepresenta los efectos negativos potenciales de la cercanía a la vía troncal exclusiva del BRT. Se puede esperar que los precios de venta de las propiedades localizadas muy cerca de la vía troncalexclusiva sean más bajos debido a los niveles altos de ruido y de contaminación (Rodríguez yTarga, 2004). El segundo tipo de variable se creó para controlar el acceso relativo a los serviciosde buses que compiten con el BRT y que funcionan en otras vías principales. Respecto a dichas propiedades, es posible que los cambios de la accesibilidad causados por el BRT no se valorentanto como en las propiedades con acceso limitado a otras alternativas de transporte público. Porlo tanto, se incluyeron en el modelo seis variables binarias (cra7, cll72, av_ccali, avboyaca,av68, cra50 y av_long ) que indican si una propiedad se encuentra dentro del área de influencia

de 500 m de una vía principal que cuente con transportes públicos que compitan con el BRT. Elcuadro 2 ofrece un resumen de todas las variables utilizadas en el análisis y sus fuentes.

5. Resultados

El cuadro 3 recoge las características seleccionadas de las propiedades utilizadas para probar lasdos hipótesis. Las propiedades se dividen en tres grupos: propiedades en el área de control; propiedades que se espera que se beneficien de los efectos de red de la expansión del sistema(hipótesis 1) y propiedades que se espera que se beneficien de los efectos de la extensión sobre elacceso local (hipótesis 2). Las propiedades, también, se dividen en dos grupos de tiempo a basede la fecha en la cual la propiedad fue puesta a la venta, antes o después de la intervención dediciembre de 2003. Esta comparación espacial y temporal es importante para analizar las

diferencias entre los submercados de bienes raíces.

Las propiedades en el área de los efectos de red son más costosas que las de las otras dos áreasantes y después (p>0.00), pero las propiedades en el área de acceso local tuvieron preciossimilares a las del área de control antes (p= 0.60) y después (p= 0.67). La tasa de aumento de los precios de oferta fue diferente en las tres áreas. El promedio de apreciación de las propiedades enel área de control fue de un 7.7 por ciento entre los períodos anteriores y posteriores, mientrasque el promedio de apreciación de las propiedades en el área de los efectos de red fue de un 5.1 por ciento, y la apreciación de las propiedades en el área de los efectos sobre el acceso local fuede 9.5 por ciento en el mismo período. Los modelos hedónicos determinarán el grado en el cualestos cambios de los precios reflejan aumentos generales de precio en el mercado de bienes

raíces o el efecto de nuevas amenidades públicas tales como la expansión del BRT u otrastendencias seculares.

Las diferencias de los precios en todas las áreas pueden ser el resultado de diferencias en losatributos de la estructura y del barrio de las propiedades. El cuadro 3 muestra que las propiedades de las tres áreas tienen un número similar de habitaciones y baños. Sin embargo, elárea de los efectos de red tiene propiedades más grandes que las otras dos áreas. Las



propiedades en el área de acceso local parecen ser más nuevas que las propiedades en las otrasdos áreas, aunque algunos de estos datos son imputados.

En lo que se refiere a los atributos del barrio, todas las áreas tienen un estrato socioeconómicosimilar. El área de control tiene una cantidad significativa de usos industriales (22.7 por ciento) y

de lotes vacantes (14.1 por ciento), en relación con las otras dos áreas (área de los efectos de red:0.5 por ciento industrial y 0.8 por ciento vacante; área de acceso local: 13.7 por ciento industrialy 7.0 por ciento vacante), aunque las densidades de población son similares. Las áreas de controly de acceso local tienen pocos usos comerciales o ninguno, mientras que el área de los efectos dered tiene una combinación más balanceada de usos residenciales y comerciales del suelo. En loque se refiere a los homicidios, el área de los efectos de red tiene una tasa de 72.8 homicidios porcada 1,000 residentes, mientras que el área de acceso local (198.5) y el área de control (155.9)tienen tasas significativamente más altas. Por último, el cuadro 3 muestra que las propiedades enlas tres áreas se encuentran a una distancia promedio de 8.1 a 9.3 km del CBD (estación de laCalle 13), mientras que el 18 por ciento de las propiedades en el área de los efectos de red y el 25 por ciento de las propiedades en el área de acceso local se encuentran dentro de 150 m de

distancia de la vía troncal exclusiva del BRT.5.1 Cambios de los precios debido a los efectos de red de las extensiones del sistema deBRT

El cuadro 4 presenta los resultados de cuatro modelos diferentes. El primero es un modelo deMCO con errores estándares robustos, mientras que el segundo es un modelo de cuadradosmínimos ponderados (MCP). El modelo de MCO mostró una dependencia espacial significativaen la forma tanto del retardo espacial como del error espacial, de acuerdo con las pruebasrobustas del multiplicador de Lagrange (p<0.00). Por lo tanto, el tercer y el cuarto modeloscontrolan la dependencia espacial en las formas del retardo y del error, respectivamente. Lamatriz de ponderaciones espaciales de los últimos dos modelos se creó utilizando una matriz de

ponderaciones espaciales de filas estandarizadas (row-standardized ) definidas según lasobservaciones dentro de una distancia de 0.5 km de cada propiedad individual. La variableW_LOGPRICE del cuadro 4 es el retardo espacial de la variable dependiente. La variable LAMBDA es la variable instrumental que representa el error de dependencia espacial.

Comenzando con las variables que miden los cambios anuales del precio (YR_2002 a YR_2006 ),con respecto al año de la línea base 2001, se encuentra poca evidencia de cambios de los precioshasta 2005. En contraste, el modelo de MCP sugiere, respecto a 2005, una apreciación de un 8.8 por ciento y, respecto a 2006, el modelo de MCP y el modelo de retardo espacial muestran unaapreciación de un 12.2 por ciento y de un 10.3 por ciento en relación con los precios de 2001,respectivamente. Las variaciones de precios mostradas parecen ser una buena representación del

mercado de Bogotá a principios de la década, cuando el país experimentaba una fuerte recesióneconómica. La figura 2 muestra la variación del índice de precios al consumidor de bienes raícesde Bogotá, según publicado por el Departamento Administrativo Nacional de Estadística(DANE). A efectos de comparación, los cambios en los precios se muestran en términos porcentuales en relación con el primer trimestre de 2001. En coherencia con nuestros resultados,sólo hay evidencia de una apreciación de las propiedades de bienes raíces de toda la ciudad en2004.



Figura 2. Cambios de los precios de las propiedades en toda la ciudad

(Fuente: DANE)

Para probar si la expansión del BRT causó cambios de los precios debido a los efectos de red,nos valemos de las variables INTXYR_2001 a INTXYR_2006 . Estos coeficientes miden loscambios anuales de los precios de oferta correspondientes a la zona de intervención en relacióncon la zona de control, ceteris paribus. El cuadro 4 muestra que los precios de 2001 y 2002fueron similares entre las zonas de intervención y de control, donde no hubo apreciación. Sinembargo, se muestra una apreciación constante positiva en el área de intervención a partir de2003. Dicha apreciación se detecta con los modelos de MCO, de MCP y de retardo espacial; losmodelos de error espacial muestran resultados similares pero con niveles más bajos de confianza.

Los precios de oferta resultantes de los coeficientes modelo del área de intervención en relacióncon el área de control se muestran en la figura 3. La figura 3 se construyó con un programaestadístico que utiliza técnicas de simulación estocástica para ayudar a interpretar y presentar losresultados estadísticos (King, Wittenberg y Tomz 2007; King, Tomz y Wittenberg 2000). En elcaso del modelo de MCO estimado, utilizamos para trazar 1,000 simulaciones de los parámetros principales de una distribución asintótica normal multivariada con una media igual a loscoeficientes estimados y una varianza igual a la matriz de varianza-covarianza de los estimados.Para calcular los valores predichos de cada simulación, se hizo la suposición de que la propiedadtenía de 10 a 20 años y se establecieron todas las demás variables en sus valores medios mientrasse cambió a 1 el valor de la variable del año de interés (2001-2006).

La figura 3 muestra que la apreciación de las propiedades del área de intervención ocurrió mástemprano y fue mayor que la apreciación de las propiedades en el área de control. No obstante,los errores estándares de cada estimado (no mostrados) son altos debido, en parte, a laespecificación del modelo semilogarítmico, que hace imposible distinguir, entre sí, los valores decada área en términos estadísticos. La figura 4 muestra las diferencias de los cambios de los precios entre las áreas de intervención y de control en términos porcentuales. El pico de los precios en 2003 en el área de intervención puede ser el resultado de que los propietarios seanticiparan a la apertura de la extensión del BRT o de otros cambios en el submercado de bienesraíces que las variables no hayan representado. Aunque, en otros lugares, se han documentadoefectos anticipados similares relacionados con extensiones de sistemas de tránsito masivo(Knaap, Ding y Hopkins 2001), los efectos de red causados por dichas extensiones no se habíananalizado ni documentado.Figura 3. Cambios anuales estimados de precios de las propiedades en las áreas de intervención yde control a base de los coeficientes estimados de los Mínimos Cuadrados Ordinarios

Figura 4. Diferencia del por ciento anual estimado de precios de las propiedades en las áreas deintervención y de control a base de los coeficientes estimados de los Mínimos Cuadrados Ordinarios

Aunque nuestro interés era analizar los cambios del valor de las propiedades con el paso deltiempo en la zona de intervención, otros coeficientes analizados dan crédito a nuestrosresultados. El coeficiente de cercanía a la vía troncal exclusiva es negativo con un nivel deconfianza de un 95 por ciento en el modelo de retardo espacial solamente. El coeficiente sugiereuna depreciación de precio de un 3.6 por ciento en comparación con las propiedades que no se



encuentran dentro de 150 m de distancia de la vía troncal exclusiva. En forma similar, el efectode la distancia del CBD es negativo pero significativo sólo en los modelos de MCO y de MCP.Como se esperaba, el aumento de 1 km de distancia del CBD se relaciona con una disminuciónde un 0.8 por ciento a un 0.9 por ciento. Los coeficientes de las variables binarias que miden elacceso a las vías principales (Carrera 7a, Calle 72, Avenida Boyaca y Avenida 68) son

estadísticamente insignificantes o muestran un efecto positivo sobre los precios. Esto es deesperarse, ya que demuestra que las propiedades valoran el acceso a diferentes opciones detransporte por rutas diferentes.

Los atributos del barrio, como el estrato socioeconómico, el por ciento de espaciosabiertos/parques y el por ciento de usos industriales tienen coeficientes positivos y significativos.La densidad de residencias del barrio sólo fue significativa respecto al modelo de error espacial ytuvo un signo negativo. Por último, los atributos de estructura son altamente significativos en ladirección esperada en todos los modelos. Las variables como el número de habitaciones, baños yespacios de estacionamiento son positivas con un nivel de confianza de un 99 por ciento. Enforma similar, la variable del área construida también se correlaciona de forma positiva con el

precio de la propiedad, y su coeficiente también es altamente significativo.5.2 Cambios de los precios debido a los efectos del acceso local o directo de lasextensiones del sistema de BRT

Los cuatro modelos presentados en la sección 5.1 (modelos de MCO, MCP, retardo espacial yerror espacial) se presentan en el cuadro 5 para examinar los cambios del precio de ofertadebidos a la disponibilidad de una estación local del BRT. Los coeficientes de las variables quemiden los cambios anuales del precio (YR_2002 a YR_2006 ), con respecto al año de la línea base2001, muestran aumentos de precio estadísticamente significativos en 2005 y 2006 en los cuatromodelos. Los dos modelos espaciales también muestran una disminución del precio en 2003. Losvalores de los coeficientes estimados también son bastante similares a los informados en la

sección 5.1. En 2006, se estimó que las propiedades eran de un 10.9 por ciento a un 15.4 porciento más costosas que las propiedades puestas a la venta en 2001.

Para probar si los precios aumentaron al inaugurar la extensión del BRT, se examinaron loscoeficientes de las variables INTXYR_2001 a INTXYR_2006 . El cuadro 5 muestra evidenciamixta: los coeficientes estimados mediante los MCP son significativos en 2001, 2003, 2004 y2006, y los coeficientes de 2002 y 2003 son significativos en el modelo de retardo espacial, conniveles de confianza estándares. Además, no se puede rechazar la hipótesis de que loscoeficientes de 2004 y 2006 son iguales a los coeficientes de 2002 y 2003. Por lo tanto,encontramos poca evidencia de una apreciación constante de la propiedad en la muestraanalizada.

El coeficiente de cercanía a la vía troncal exclusiva es negativo con un nivel de confianza de un95 por ciento en el modelo de error espacial y con un nivel de confianza de un 90 por ciento en elmodelo de MCO. Se estima una depreciación de un 2.8 por ciento a un 4.4 por ciento respecto alas propiedades dentro de 150 m de distancia de la vía troncal exclusiva del BRT en relación conlas que se encuentran más lejos. El efecto de la distancia del CBD es negativo y significativo entodos los modelos, excepto en el modelo de retardo espacial. Como se esperaba, el aumento de 1km de distancia del CBD se relaciona con una disminución de un 3.3 por ciento a un 5.1 por



ciento, lo cual representa un efecto mucho más alto que el que se encontró en la sección 5.1. Loscoeficientes de las variables binarias que miden el acceso a las vías principales (Avenida Boyaca,Avenida 68, Avenida Longitudinal y Avenida Ciudad de Cali) muestran un efecto positivo yestadísticamente significativo sobre los precios en todos los modelos.

Al igual que el análisis de la hipótesis 1, los atributos del barrio — tales como el estratosocioeconómico, el por ciento de espacios abiertos/parques y el por ciento de usos industriales yla densidad de residencias tienen signo positivo. Los atributos de estructura también sonaltamente significativos en todos los modelos. Las variables, como el número de habitaciones,área construida, baños y espacios de estacionamiento son positivas y significativas con un nivelde confianza de un 99 por ciento.

5.3 Debate

Nuestros resultados presentan un cuadro mixto acerca de la apreciación de los precios debido alas extensiones del BRT. Por un lado, la evidencia sustenta nuestra primera hipótesis respecto ala apreciación de los precios debido a los beneficios de red de las extensiones de tránsito masivo.

Esto es significativo, dado que los estudios anteriores no habían analizado ni cuantificado lamagnitud de dichos efectos. La evidencia no es concluyente, sin embargo, porque dichaapreciación puede ser el resultado de las fluctuaciones del submercado de bienes raícesrelacionadas con las inversiones anteriores en el BRT, hechas en el año 2000. Por ejemplo, el período de estudio coincide con la recuperación del mercado tras la recesión que hubo en toda laciudad en los primeros años del siglo XXI. Es posible que el mercado de viviendas del área deintervención haya tenido una apreciación mayor que el mercado en el área de control por razonesrelacionadas con dicha recesión. Esto da testimonio de consideraciones más amplias en el diseñode la investigación, como el sesgo potencial que pueden introducir las diferencias no observadasentre la zona de intervención y la zona de control.

Por otro lado, y contrario a nuestra segunda hipótesis, encontramos evidencia limitada respecto aaumentos de los precios de oferta de las propiedades a lo largo del corredor que antes no contabacon una estación local del BRT, pero que ahora cuenta con la extensión del BRT. Hay muchasexplicaciones posibles de este resultado. En primer lugar, la capitalización de los beneficios de laextensión puede tomar tiempo en ocurrir. Nuestros estimados de los efectos sobre los preciossólo cubren los tres años después de la inauguración de la extensión, pero los efectos deldesarrollo de proyectos de transporte tienden a tomar tiempo en ocurrir. Una segunda explicaciónrelacionada es que las propiedades tuvieran una apreciación anticipada a la inversión en el BRT,en vez de simultánea a la inauguración de la extensión. No obstante, nuestras variables de tiemporespecto al área de intervención deberían haber capturado este efecto, que datan de 2001. Latercera explicación es que nuestras áreas de estudio fueron bastante amplias y abarcaban varios

barrios y grados de acceso variados a las estaciones del BRT. Aunque intentamos estimar efectos promedio, es posible que los precios hayan aumentado pero sólo respecto a un subgrupo de propiedades (por ejemplo, las que se encontraban dentro de 300 m de distancia de la estación).Incluso en lo que se refiere a nuestro análisis de la hipótesis 1, es posible que un subgrupo de propiedades haya estado rezagado respecto a los efectos promedio medidos.

La cuarta consideración pertinente a nuestros dos análisis es que es posible que el área de controlno sea directamente comparable con nuestras áreas de intervención debido a características



observadas o no observadas. Para analizar esto más a fondo, estimamos un modelo antes ydespues para cada hipótesis, excluyendo el área de control. Los resultados coincidieron, en granmedida, con nuestros hallazgos, lo cual sugiere que, aunque el área de control no seadirectamente comparable, no sesga los resultados del estudio.

Otras consideraciones incluyeron la alta colinealidad entre muchas de las variables y el modelode heterocedasticidad. Los factores de inflación de la varianza se incluyen en los cuadros 4 y 5.Un factor de inflación de la varianza alto sugiere una colinealidad alta. Por ejemplo, las variables binarias de año (YR_2002 a YR_2006 ) tienen factores de inflación de la varianza que van de 10 a14, lo cual sugiere que de un 7 por ciento (1/14) a un 10 por ciento (1/10) de su varianza no puede ser explicado por otras variables independientes. Por lo tanto, es posible que la altacolinealidad eleve los errores estándares de los coeficientes estimados. Ésta es una consideraciónmenor respecto al producto de las variables de intervención y las variables binarias de año( INTXYR_2001 a INTXYR_2006 ), que tienen factores de inflación de la varianza < 10.

La especificación funcional de la ecuación de regresión también puede influenciar los resultados.

Parte de la evidencia sugiere que las formas funcionales simples — tales como las formas lineales, semilogarítmicas, de logaritmo doble y lineales de Box-Cox — dan mejores resultados que las más complejas (Cropper et al. 1988). Otra evidencia empíricaacerca del acceso a las instalaciones de transporte y el valor del suelo permite llegar a laconclusión de que la mejor especificación de una forma funcional es la forma semilogarítmica(Garrod y Willis 1992, Forrest et al. 1996). En los casos en los que se han utilizado variasespecificaciones funcionales, la especificación semilogarítmica tiende a producir mejoresresultados (Damm et al. 1980, Bajic 1983, Laasko 1992, Forrest et al. 1996, Henneberry 1998,Rodríguez y Targa, 2004).

Todos los modelos espaciales tienen una heterocedasticidad significativa (véase la estadística dela prueba Breusch-Pagan al final de los cuadros 4 y 5), incluso después de representar ladependencia espacial de los datos. Esto sugiere que los errores estándares se pueden subestimar.La inspección visual de los lotes residuales sugirió que las variables ( INTXYR_2001 a INTXYR_2006 ) fueron, en parte, la causa de esto. Incluimos varios términos polinómicos en otrasvariables asociadas con las variables binarias para remediar el problema, pero laheterocedasticidad se mantuvo. Para salvar la parquedad de los modelos, dichos términos seeliminaron del modelo final.

6. Conclusiones

Este estudio utilizó una metodología generalizada de evaluación antes y despué para analizar dosefectos de las extensiones del BRT en Bogotá, Colombia. El primer efecto que se examinó fue elefecto de red resultante del acceso mejorado experimentado por las propiedades residencialesque ya contaban con el servicio de BRT cuando se expandió el sistema de BRT a otras partes dela ciudad. El segundo efecto fue la mejora del acceso local más tradicional resultante de unaextensión del BRT en propiedades que antes no contaban con una estación del BRT hasta la cualse pudiera llegar caminando y que ahora sí cuentan con una.



Los resultados proveen un cuadro mixto de los efectos de las extensiones del BRT sobre el valorde las propiedades. En lo que se refiere al efecto de red, encontramos valorizaciones de propiedades entre un 15 por ciento y un 20 por ciento, aunque la apreciación comenzó un añoantes de que se inaugurara la extensión. En lo que se refiere a los efectos sobre el acceso local,no encontramos evidencia constante de la apreciación con el paso del tiempo. Además,

estimamos que los precios de oferta de las propiedades dentro de 150 m de distancia de la víatroncal exclusiva del BRT son de un 3 por ciento a un 4.4 por ciento más bajos que los de otras propiedades. Este cambio mide los efectos nocivos de la cercanía a la vía troncal,independientemente de que se utilice para el BRT o el tráfico mixto. Investigaciones futuras pueden analizar los cambios de estos efectos nocivos con el paso del tiempo.

Aunque nuestros resultados no se pueden generalizar a otras ciudades o períodos, presentan uncuadro cauteloso de los efectos de las extensiones del BRT sobre el valor del suelo. En el caso dela ciudad de Bogotá en particular, cómo financiar las futuras extensiones se convierte en unasunto más complicado, ya que la evidencia presentada aquí no respalda decididamente lautilidad de las técnicas de recuperación de plusvalías.

Existen varias posibles razones por las cuales nuestros resultados no fueron los esperados. En primer lugar, puede haber un sinfín de variables omitidas. Por ejemplo, las posibles variacionesincluyen la cobertura de los servicios públicos locales, como la policía, y las condicionesambientales del barrio, como la calidad del aire. En segundo lugar, nuestras medidas del uso delsuelo son de secciones transversales. Por consiguiente, es posible que la anticipación a laextensión del BRT indujera cambios en los patrones de desarrollo que pudieran afectar el valorde las propiedades. En tercer lugar, es posible que la apreciación en ciertos submercados seaconsiderablemente mayor que en otros. En la medida en que el diseño de nuestra investigaciónno captura dicha heterogeneidad, se introducirán sesgos en nuestros modelos.

Referencias

Alonso, W. 1964. Location and land use. Cambridge, MA: Harvard University Press.Anselin, L. 1993. Discrete space autoregressive models. In Environmental modeling with

gis, edited by M. Goodchild, B. Parks and L. Steyaert. New York: Oxford UniversityPress.Anselin, L., A. Bera, R. Florax, and M. Y. Yoon. 1996. Simple diagnostic tests for spatialdependence. Regional Science and Urban Economics 26 (1):77-104.Anselin, L., and A. Getis. 1992. Spatial statistical analysis and geographic informationsystems. Annals of Regional Science 26 (1):19-33.Armstrong, R. J., and D. A. Rodriguez. 2006. An evaluation of the accessibility benefitsof commuter rail in Eastern Massachusetts using spatial hedonic price functions.Transportation 33 (1):21-43.Bae, C. C., M.-J. Jun, and P. Hyeon. 2003. The impact of Seoul's subway line 5 onresidential property values. Transport Policy 10:85-94.Bajic, V. 1983. The effects of a new subway line on housing prices in MetropolitanToronto. Urban Studies 20 (2):147-158.Benjamin, J. D., and S. G. Sirmans. 1996. Mass transportation, apartment rent and property values. Journal of Real Estate Research 12 (1):1-8.



Cain, A., G. Darido, M. R. Baltes, P. Rodriguez, and J. C. Barriors. 2006. Applicabilityof Bogota's Transmilenio brt system to the united states. Tampla, FL: National Bus RapidTransit Institute.Cervero, R., and M. Duncan. 2002. Land value impacts of rail transit services in LosAngeles County. Washington, DC: National Association of Realtors & Urban Land

Institute. ———. 2002. Land value impacts of rail transit services in San Diego County.Washington, DC: National Association of Realtors & Urban Land Institute.Cervero, R., and B. Susantono. 1999. Rent capitalization and transportation infrastructurein jakarta. Review of Urban and Regional Development Studies 11 (1):11-23.Cheshire, P., and S. Sheppard. 1998. Estimating the demand for housing, land, andneighborhood characteristics. Oxford Bulletin of Economics and Statistics 60 (3):357-382.Cropper, M. L., L. B. Deck, and K. E. McConnell. 1988. On the choice of functionalform for hedonic price functions. Review of Economics and Statistics 70 (4):668-675.Damm, D., S. Lerman, E. Lerner-Lam, and J. Young. 1980. Response to urban real estate

values in anticipation of the washington metro. Journal of Transportation Economics and Policy 14 (3):315-336.Du, H., and C. Mulley. 2007. The short-term land value impacts of urban rail transit:Quantitative evidence from Sunderland, UK. Land Use Policy 24:223-233.Forrest, D., J. Glen, and R. Ward. 1996. The impact of a light rail system on the structureof house prices. Journal of Transportation Economics and Policy 30 (1):15-27.Garrison, W., and D. Levinson. 2006. The transportation experience. Cambridge: OxfordUniversity Press.Garrod, G. D., and K. G. Willis. 1992. Valuing goods characteristics - an application ofthe hedonic price method to environmental attributes. Journal of Environmental

Management 34 (1):59-76.Gibbons, S., and S. Machin. 2005. Valuing rail access using transport innovations. Journal of Urban Economics 57:148-169.Henneberry, J. 1998. Transport investment and house prices. Journal of PropertyValuation & Investment 16 (2):144-158.Katz, M. L., and C. Shapiro. 1994. Systems competition and network effects. Journal of

Economic Perspectives 8 (93-115).King, G., M. Tomz, and J. Wittenberg. 2000. Making the most of statistical analyses:Improving interpretation and presentation. American Journal of Political Science 44(2):347-361.King, G., J. Wittenberg, and M. Tomz. 2007. Clarify: Software for interpreting and presenting statistical results. Version 2.1. Stanford University, University of Wisconsin,and Harvard University 2000 [cited March 5 2007]. Available fromhttp://gking.harvard.edu/.Knaap, G. J., C. R. Ding, and L. D. Hopkins. 2001. Do plans matter? The effects of lightrail plans on land values in station areas. Journal of Planning Education and Research 21(1):32-39.Knight, R., and J. Trygg. 1977. Evidence of land use impacts of rapid transit systems.Transportation 6 (3):231-247.



Laakso, S. 1992. Public transport investment and residential property values in helsinki.Scandinavian Housing and Planning Research 9 (4):217-229.McDonald, J. F., and C. I. Osuji. 1995. The effect of anticipated transportationimprovement on residential land values. Regional Science and Urban Economics 25(3):261-278.

McMillen, D. P., and J. F. MacDonald. 2004. Reaction of house prices to a new rapidtransit line: Chicago ’s midway line, 1983-1999. Real Estate Economics 32 (3):462-486.Mendieta, J. C., and J. A. Perdomo. 2007. Especificación y estimación de un modelo de precios hedónico espacial para evaluar el impacto de TransMilenio sobre el valor de la propiedad en Bogotá. Bogota, Colombia: CEDE.Mullins, J. A., E. Washington, and R. W. Stokes. 1990. Land use impacts of the HoustonTransitway System. Transportation Research Record 1237:29-38.Muñoz-Raskin, R. 2006. Walking accessibility to bus rapid transit in Latin America:Does it affect property values? The case of Bogotá, Colombia. In TRB 86th Annual

Meeting Compendium of Papers CD-ROM .Muth, R. F. 1969. Cities and housing . Chicago: University of Chicago Press.

Perdomo, J. A., J. C. Mendieta, C. A. Mendoza, and A. F. Baquero. 2007. Investigaciónsobre el impacto del proyecto de transporte masivo TransMilenio sobre el valor de las propiedades en bogotá, colombia. Cambridge, MA: Lincoln Institute of Land Policy.Polzin, S. E., and M. R. Baltes. 2002. Bus rapid transit: A viable alternative? Journal of

Public Transportation 5 (2):47-70.Rabinovitch, J., and J. Leitman. 1996. Urban planning in Curitiba. Scientific American 274 (3):46-53.Rodríguez, D. A., and F. Targa. 2004. Value of accessibility to Bogotá's bus rapid transitsystem. Transport Reviews 24 (5):587-610.Rosen, S. 1974. Hedonic prices and implicit markets: Product differentiation in purecompetition. Journal of Political Economy 82 (1):34-55.The World Bank. 2000. World bank urban transport strategy review - mass rapid transitin developing countries. Washington, D.C.: The World Bank.US General Accounting Office. 2001. Bus rapid transit shows promise. Washington,D.C.: General Accounting Office.Wright, L., and W. Hook. 2007. Bus rapid transit planning guide. New York City:Institute for Transportation & Development Policy.

Cuadros

Cuadro 1. Estudios seleccionados de las relaciones entre la inversión en transporte y elvalor del suelo, 2002-presente

Autores Fuente de los datos Resultados seleccionados Tránsito rápido ferroviario

pesado

(Du y Mulley 2007)



Los precios de oferta de las propiedades dentro de 500 m de una distancia de las estaciones de laextensión de Sunderland Metro en relación con las propiedades, por lo menos, a 1,000 m de distancia deestaciones 1 año después de la apertura. No se detectó ningún cambio en el valor de las propiedades (utilizando ANOVA). (Armstrong y Rodríguez 2006) 1,860 propiedades residenciales unifamiliares de cuatro municipalidades con servicio de transporteferroviario y tres municipalidades sin servicio de transporte ferroviario. Valorización de un 9.6 por ciento y un 10.1 por ciento en las municipalidades con servicio ferroviario.

(Gibbons y Machin 2005) 7,474 transacciones de viviendas en la Nationwide Building Society, en Londres, y un área más ampliadel sureste de Inglaterra de 1997 a 2001.Los precios de las casas aumentaron 9.3 puntos porcentuales más durante ese período en los lugaresafectados por estos cambios de la infraestructura de transporte. (McMillen y MacDonald 2004) 17,034 transacciones de casas unifamiliares y 4,056 observaciones de ventas repetidas delDepartamento de Recaudaciones de Illinois.

Valorización de un 3 por ciento por cada .25 millas más cerca de la estación de tránsito.

(Bae, Jun y Hyeon 2003) Datos del Banco de Budongsan de 241 propiedades a lo largo de cuatro años en Seúl. Valorización de un 8.9 por ciento dentro de 1,000 m de distancia de la estación debido a la apertura de laestación. (Cervero y Duncan 2002) 3,803 ventas de propiedades en viviendas multifamiliares en Los Ángeles en 2000. Ninguna evidencia de efectos apreciables.

Tránsito ferroviario liviano/ servicio de tranvía

(Cervero y Duncan 2002) 1,495 ventas de propiedades en viviendas multifamiliares en San Diego en 2000. Valorización de unidades multifamilares que varía de un 2 por ciento a un 6 por ciento. BRT

(Munoz-Raskin 2006) 130,692 propiedades registradas en el Departamento de Control de Vivienda de Bogotá de 2001 a 2004. Valorización de propiedades a menos de 5 minutos de caminata desde las líneas de acceso de

TransMilenio. (Perdomo et al. 2007) 304 propiedades residenciales y 40 propiedades comerciales con o sin acceso al sistema TransMilenio deBogotá. No se detectó ninguna valorización en 5 de 6 pruebas. Cuando fue significativa, se detectó unavalorización de un 22 por ciento en las propiedades con acceso al BRT. (Rodriguez y Targa 2004)



494 propiedades residenciales multifamiliares en un área de 1.5 km alrededor de dos corredores delsistema TransMilenio de Bogotá. Una valorización de un 6.8 por ciento a un 9.3 por ciento por cada 5 minutos menos de caminata hasta laestación de BRT.(Cervero y Duncan 2002) 3,803 ventas de propiedades en viviendas multifamiliares en Los Ángeles durante 2000. Ninguna evidencia de efectos apreciables. Nota: Los resultados son pertinentes sólo al área y las propiedades estudiadas. Consulte cada estudio particular paraconocer los detalles.

Cuadro 2. Descripciones de las variables y fuentes de los datos Variable Descripción Fuente PRECIO Precio de venta ($Col mil pesos) a www.metrocuadrado.com Atributos de estructura

APT =1 si la propiedad es un apartamento www.metrocuadrado.com o imputación PISO

Número del piso www.metrocuadrado.com EDAD_1-10 =1 si tiene de 1-10 años www.metrocuadrado.com o imputación EDAD_10-20 =1 si tiene de 10-20 años www.metrocuadrado.com o imputación EDAD_20-30 =1 si tiene > 20 años www.metrocuadrado.com o imputación DORMITORIO

Número de dormitorios www.metrocuadrado.com BAÑO

Número de baños www.metrocuadrado.com GARAJE

Número de lugares de estacionamiento www.metrocuadrado.com ÁREA

Área cubierta (metros cuadrados) www.metrocuadrado.com Atributos del barrio

ESE Estrato socioeconómico del barrio 1-6 (1=más bajo) www.metrocuadrado.com POP_DENS



Densidad de población (residentes por km2)DANEPCNT_INDU % de uso industrial del área del barrio, 1998 DANEPCNT_COMM % de uso comercial del área del barrio, 1998 DANEPCNT_INSTIT % de usos institucionales del área del barrio, 1998 DANEPCNT_VACANT % vacío o vacante del área del barrio, 1998 DANEPCNT_GREEN % de parques/espacios abiertos del área del barrio, 1998 DANEHOMICIDIOS Homicidios en el barrio por cada 100,000 residentes, 2001 y 2004 DAPD Accesibilidad

PROX_150M =1 si está dentro de 150 m de distancia de la vía troncal exclusiva del BRT SIG CLL13 Distancia entre la propiedad y la estación de la Calle 13 (km) SIGCRA7 =1 si está dentro de 500 m de distancia de la Cra 7a SIG CLLE72 =1 si está dentro de 500 m de distancia de la Calle 72 SIG CCALI =1 si está dentro de 500 m de distancia de la Av Ciudad de Cali SIG AVBOYACA =1 si está dentro de 500 m de distancia de la Av Boyaca SIG AV68 =1 si está dentro de 500 m de distancia de la Av 68 SIG CRA50 =1 si está dentro de 500 m de distancia de la Cra 50

SIG AVLONG =1 si está dentro de 500 m de distancia de la Av Long SIG a 1 $E.U.A. = 1,980 $Col a mayo de 2007.



Cuadro 3. Resúmenes descriptivos de las características de las propiedades por área yperiodo

Área de control

Área de efectos de red (hipótesis 1)

Área de efectos locales (hipótesis 2)

Antes (n=267)

Después (n=732)

Antes (n=1407)

Después (n=1570)

Antes (n=1055)

Después (n=874) Variable Media

Desv. est.

Media Desv. est.

Media Desv. est.

Media Desv. est.

Media Desv. est.

Media Desv. est. Precio (miles)

76,517.63 77040.87

82,387.20 73135.49

95,222.23 72,526.76

100,053.90 77,995.21

73,931.77 44,465.33

80,990.11 55,113.80

APT 0.76 0.43

0.84 0.36



0.55 0.50

0.70 0.46

0.53 0.50

0.59 0.49

PISO 2.31 1.95

2.65 1.89

1.87 2.37

2.66 2.87

1.56 1.86

1.76 1.93

EDAD_1-10 0.26 0.44

0.22 0.41

0.16 0.36

0.14 0.35

0.53 0.50

0.51 0.50

EDAD_10-20 0.66 0.48

0.64 0.48

0.61 0.49

0.59 0.49



0.37 0.48

0.34 0.47

EDAD_20-30 0.04 0.21

0.07 0.25

0.23 0.42

0.25 0.43

0.09 0.28

0.12 0.33 DORMITORIO 3.04 0.74

3.01 0.79

3.12 1.03

3.02 1.19

3.19

0.76

3.30 0.91

BAÑO 2.04 0.78

2.09 0.87

2.38 1.12

2.14 1.04

2.14 0.94

2.18 1.00

GARAJE 0.96 0.63



0.87 0.65

0.92 0.72

0.83 0.71

1.04 0.69

0.93 0.73

ÁREA 95.38 68.19

92.15 67.42

141.51 93.61

122.11 84.60

115.27 76.89

115.94 84.55

ESE 3.37 0.91

3.41 0.81

3.57 0.73

3.54 0.73

3.09 0.60

3.02 0.50

POP_DENS 540.37 226.56

427.09 206.67

506.27 256.11



446.35 228.13

434.62 184.49

436.64 176.38 PCNT_INDU

22.76 28.63

16.39 22.28

0.48 2.91

0.87 3.85

13.71 25.52 13.91 26.55

PCNT_COMM 0.00 0.03

0.09 0.49

2.46 5.83

2.26

5.12

0.00 0.00

0.00 0.00

PCNT_INSTIT 1.47 1.96

1.71 2.23

5.86 8.51

8.24 10.17

4.49 8.64

4.57



10.40 PCNT_VACANT

14.08 13.02

14.12 11.28

0.82 3.30

1.63 5.11

7.04 8.93

7.19 9.80

PCNT_GREEN 3.96 8.22

8.78 15.88

2.02 2.41

1.97 2.37

1.87 2.37

1.84 2.47

HOMICIDIOS 155.89

85.14

116.00 79.33

72.81 37.93

77.71 38.82

198.45 54.41

196.22 56.78

PROX_150M 0.00 0.00

0.00 0.00



0.18 0.38

0.12 0.32

0.25 0.43

0.23 0.42

CLL13 9.95 1.61

10.19 1.37

8.38 3.41

8.56 3.67

8.14 1.78

8.15 1.82

CRA7 0.00 0.00

0.00 0.00

0.34 0.47

0.43 0.50

0.00 0.00

0.00 0.00

CLLE72 0.00 0.00

0.00 0.00

0.36 0.48

0.28 0.45

0.00



0.00

0.00 0.00

CCALI 0.12 0.33

0.23 0.42

0.07 0.25

0.06 0.25

0.01 0.10

0.01 0.11

AVBOYACA 0.42 0.49

0.16 0.37

0.08 0.27

0.08 0.28

0.35 0.48

0.31 0.46

AV68 0.01 0.12

0.02 0.13

0.06 0.24

0.04 0.19

0.13 0.33

0.12 0.32

CRA50 0.00 0.00



0.00 0.00

0.00 0.00

0.00 0.00

0.06 0.23

0.05 0.22

AVLONG 0.15 0.36

0.31 0.46

0.10 0.30

0.11 0.32

0.00 0.00

0.00 0.00



Cuadro 4. Modelo hedónico combinado de los efectos de red de las extensiones del sistemade BRT (hipótesis 1), N = 3976

Errores robustos MCO

MCP

Mod. retardo espacial

Mod. errorespacial

Variable

FIV Coef.

Err. est.

Coef. Err. est.

Coef. Err. est.

Coef. Err. est.

YR_2002

11.29

-0.048 0.059

0.034 0.046

-0.071 0.053

-0.081 0.052

YR_2003

12.02

-0.091



0.060

-0.046 0.044

-0.093

0.050 * -0.105 0.051

** YR_2004

13.75

-0.034 0.054

0.011 0.039

-0.033 0.045

-0.040 0.045

YR_2005

11.94

0.054 0.054

0.088 0.038

** 0.050 0.044

0.042 0.045

YR_2006

9.31

0.095 0.058

0.122 0.041

***



0.103 0.048

** 0.095 0.048

* INTXYR_2001

8.53

-0.008 0.052

0.041 0.040

-0.065 0.046

-0.022 0.080

INTXYR_2002

6.15

0.064 0.040

0.035 0.037

0.031 0.042

0.087 0.078

INTXYR_2003

6.07

0.207 0.040

*** 0.202 0.034

*** 0.141 0.039

*** 0.208 0.076



** INTXYR_2004

4.53

0.152

0.028 *** 0.172 0.025

*** 0.080 0.030

*** 0.136 0.071

* INTXYR_2005

3.49 0.103 0.030

*** 0.138 0.025

*** 0.044 0.029

0.098 0.071

INTXYR_2006

3.5

0.155 0.038

*** 0.215 0.030

*** 0.077 0.036

** 0.128 0.074

* APT

2.94

0.001



0.023

-0.025 0.017

0.001

0.019

0.002 0.019

PISO

1.88

0.016 0.002

*** 0.017 0.002

*** 0.015 0.003

*** 0.015 0.003

*** EDAD_1-10

6.26

-0.101 0.041

*** -0.107 0.030

*** -0.092 0.035

*** -0.084 0.035

** EDAD_10-20

10.49

-0.047 0.042

-0.067 0.030

** -0.043



0.035

-0.035 0.035

EDAD_20-30

7.56

-0.081 0.044

* -0.108 0.031

*** -0.081 0.036

** -0.071

0.036 ** DORMITORIO

2.6

0.078 0.009

*** 0.094 0.007

*** 0.082 0.008

*** 0.081 0.008

*** BAÑO

1.68

0.092 0.007

*** 0.091 0.006

*** 0.086 0.007

*** 0.084 0.007

*** GARAJE



1.27

0.147 0.010

***

0.155 0.007 ***

0.141 0.008

*** 0.137 0.008

*** ÁREA

3.08

0.00326 0.00015 ***

0.00309 0.00009

*** 0.00325 0.00011

*** 0.00326 0.00011

*** ESE

1.41

0.198 0.014

*** 0.219 0.007

*** 0.186 0.008

*** 0.193

0.008 *** POP_DENS

1.51

-0.00005 0.00003



-0.00002 0.00002

-0.00011 0.00003

***

-0.00011 0.00003 *** PCNT_INDU

1.96

0.00287 0.00056

*** 0.00277 0.00043

***

0.00215 0.00050 ***

0.00266 0.00066

*** PCNT_COM

1.21

-0.002 0.001

*

-0.002 0.001 **

-0.007 0.001

*** -0.006 0.002

*** PCNT_INSTIT

1.4

0.00084 0.00085

0.00097 0.00062

0.00214 0.00072

***



0.00370 0.00083

*** PCNT_VACANT

2.26

0.00046 0.00102

0.00025 0.00076

0.00076 0.00087

0.00181 0.00121

PCNT_GREEN

1.79

0.005 0.001

*** 0.006 0.001

*** 0.002 0.001

** 0.004

0.002 ** HOMICIDIOS

3

-0.00016 0.00017

-0.00031 0.00014

** 0.00027 0.00016

* -0.00021 0.00040

PROX_150



1.19

-0.025 0.020

-0.016

0.016

-0.036 0.018

** -0.027 0.018

CLL_13

2.86

-0.009 0.003

*** -0.008 0.002

*** -0.001 0.003

-0.013 0.008

IMP_APT

1.52

0.080 0.017

*** 0.061 0.013

*** 0.072 0.015

*** 0.078

0.015 *** IMP_AGE

1.53

-0.069 0.014

***



-0.071 0.011

*** -0.068 0.013

*** -0.066 0.013

*** CRA7

2

0.088 0.023

*** 0.073 0.017

***

0.088 0.020 ***

0.046 0.024

* CLL72

1.14

0.047 0.015

***

0.033 0.012 ***

-0.003 0.015

0.014 0.020

CCALI

1.37

-0.006 0.020

-0.005 0.017

0.003 0.020



0.007 0.029

AVBOYACA

1.32

0.045 0.021

** 0.065 0.020

*** 0.021 0.023

0.000 0.031

AV68

1.32

0.045 0.030

0.066 0.025

*** -0.026 0.029

-0.133 0.058

** CONSTANTE

9.592 0.096

*** 9.452 0.064

*** 5.454 0.449

*** 9.729 0.120

*** W_LOGPRICE



- -

- -

0.372 0.040

*** - -

LAMBDA

- -

- -

- -

0.805 0.044

***

R 2

0.692

0.701

0.703

Multiplicador Lagrange (retardo)

159.76



Multiplicador Lagrange(error)

128.55

PruebaBreusch-Pagan

673.32

681.89

*, ** y *** denotan la importancia estadística con un nivel de confianza de un 90%, un 95% y un 99% (pruebas dedos colas), respectivamente.Los coeficientes de las variables binarias (en negritas) se han ajustado como sugiere Kennedy (1981).La matriz de ponderaciones espaciales de los modelos de retardo espacial y de error espacial es de filasestandarizadas y se basa en las observaciones dentro de una banda de distancia de 0.5 km.



Cuadro 5. Modelo hedónico combinado de los efectos sobre el acceso local de lasextensiones del sistema de BRT (hipótesis 2), N = 2928

Errores robustos MCO

MCP

Mod. retardo espacial

Mod. errorespacial

FIV Coef.

Err. est.

Coef. Err. est.

Coef. Err. est.

Coef. Err. est.

YR_2002

8.95

-0.038 0.060

0.035 0.042

-0.073 0.047

-0.068 0.047

YR_2003

10.36

-0.067



0.063

-0.020 0.040

-0.085

0.045 * -0.086 0.045

** YR_2004

10.17

0.003 0.057

0.051 0.036

-0.012 0.040

-0.012 0.040

YR_2005

8.38

0.097 0.057 *

0.136 0.036

*** 0.082 0.040

** 0.076 0.040

* YR_2006

6.55

0.118 0.060

* 0.154 0.038

***



0.113 0.043

** 0.109 0.043

** INTXYR_2001

5.34

-0.011 0.059

0.075 0.036

** -0.006 0.041

-0.066 0.049

INTXYR_2002

4.87

0.046 0.039

0.046 0.034

0.081 0.039

** 0.015 0.047

INTXYR_2003

5.06

0.061 0.040

0.084 0.031

*** 0.083 0.035

** 0.027 0.044



INTXYR_2004

3.53

0.021 0.029

0.053 0.025

** 0.034 0.029

-0.023 0.040

INTXYR_2005

2.48

0.008 0.031

0.032 0.027

0.017 0.031

-0.041 0.042

INTXYR_2006

2.56

0.025 0.038

0.077 0.032

**

0.030 0.036

-0.025 0.046

APT

3.8



-0.131 0.025

*** -0.147 0.020

*** -0.131 0.022

*** -0.141 0.022

*** PISO

2.39

0.007 0.004

* 0.010 0.004

** 0.007 0.004

* 0.007 0.004

* EDAD_1-10

7.92

-0.013 0.028

-0.016 0.027

-0.010 0.031

-0.014 0.031

EDAD_10-20

7.63

0.078 0.031

** 0.033 0.029



0.069 0.033

** 0.067 0.033

** EDAD_20-30

4.05

0.096 0.041

** 0.037 0.034

0.084 0.039

** 0.081 0.039

** DORMITORIO

1.99

0.038 0.011

*** 0.039 0.008

*** 0.045 0.009

*** 0.044 0.009

*** BAÑO

2.15

0.165 0.009

*** 0.157 0.008

*** 0.155 0.009

*** 0.154 0.009



*** GARAJE

1.39

0.133

0.011 *** 0.141 0.008

*** 0.127 0.009

*** 0.121 0.009

*** ÁREA

3.37 0.00178 0.00017

*** 0.00192 0.00012

*** 0.00179 0.00013

*** 0.00179 0.00013

*** ESE

1.4

0.264 0.012

*** 0.255 0.008

*** 0.245 0.010

*** 0.247 0.010

*** POP_DENS

1.45

0.00009



0.00004 **

0.00013 0.00003

*** 0.00006 0.00003

* 0.00013 0.00004

*** PCNT_INDU

1.57

0.00068 0.00029

** 0.00059

0.00024 ** 0.00074 0.00027

*** 0.00078 0.00038

** PCNT_COM

1.18

0.010

0.018 0.009 0.021

0.019 0.024

0.002 0.027

PCNT_INSTIT

1.37

-0.00036 0.00067

0.00017 0.00071



-0.00003 0.00081

-0.00109 0.00112

PCNT_VACANT

1.43

0.00054 0.00072

0.00036 0.00054

0.00079 0.00060

0.00069 0.00087

PCNT_GREEN

1.91

0.003 0.001

*** 0.004 0.001

*** 0.001 0.001

* 0.003 0.001

** HOMICIDIOS

2.6

-0.00024 0.00014

* -0.00041 0.00010

*** 0.00024 0.00013

* 0.00005 0.00024



PROX_150

1.25

-0.028 0.016 *

-0.015 0.015

-0.021 0.017

-0.044 0.017

*** CLL_13

2.64

-0.033 0.006

*** -0.039 0.004

*** -0.008 0.006

-0.051 0.010

*** IMP_APT

1.58

0.066 0.018

*** 0.073 0.014

*** 0.062

0.016 *** 0.066 0.016

*** IMP_AGE

1.33



-0.055 0.014

*** -0.063 0.012

*** -0.055 0.013

*** -0.050 0.013

*** AVBOYACA

1.65

0.098 0.016

***

0.121 0.014 ***

0.040 0.016

** 0.042 0.021

** AV68

1.75

0.114 0.026 ***

0.106 0.023

*** 0.097 0.026

*** 0.077 0.036

** CRA50

1.89

-0.150 0.049

*** -0.203 0.036

*** -0.092



0.041 **

-0.084 0.052

* AVLONG

1.69

0.054 0.030

* 0.056 0.022

** 0.082 0.025

*** 0.138

0.036 *** CCALI

1.38

0.057 0.024

** 0.073 0.021

*** 0.071

0.024 *** 0.077 0.033

** CONSTANTE

9.715 0.116

*** 9.734

0.076 *** 6.112 0.417

*** 9.930 0.128

*** W_LOGPRICE



- -

- -

0.306 0.034

*** - -

LAMBDA

- -

- -

- -

0.759 0.056

***

R 2

0.744

0.752

0.752

Multiplicador Lagrange (retardo)

119.23



0.752

0.752

Multiplicador Lagrange(error)

142.93

0.752

0.752

Prueba Breusch-Pagan

569.11

572.35

*, ** y *** = Coeficiente significativamente diferente de cero con niveles de importancia de un 1%, un 5% y un10% (pruebas de dos colas), respectivamente.Los coeficientes de las variables binarias (en negritas) se han ajustado como sugiere Kennedy (1981). La matriz de ponderaciones espaciales de los modelos de retardo espacial y de error espacial es de filasestandarizadas y se basa en las observaciones dentro de una banda de distancia de 0.5 km.

Rodriguez Mojica 2008

Documents

Transcript of Rodriguez Mojica 2008