Modelo Econometrico

[pic 1]

PROYECTO DE INVESTIGACIÓN SOBRE FACTORES QUE AFECTAN EL PRECIO DE LAS OFICINAS  EN ARRIENDO.

 Una aproximación econométrica del efecto de las características de las oficinas en Bogotá, sobre el precio del mismo.[pic 2]

Este documento analiza y cuantifica los efectos  de cada una de las características que tiene las oficinas tales como metros, estrato, ubicación, entre otras; para ver cómo estas afectan tanto positivamente como negativamente el precio de del arriendo de las oficinas part en Bogotá, tal análisis se lleva a cabo para La inmobiliaria Econometría S.A. Para tal efecto se empleará el método de estimación de mínimos cuadrados ordinarios en un modelo de regresión lineal múltiple, el cual arrojará las relaciones de cada una de las variables que se eligieron y el precio arriendo de las oficinas.

Una vez obtenidos los datos para las oficinas. Datos que fueron seleccionados de forma aleatoria, se elaborará el modelo de regresión para encontrar la relación que existe entre cada una de las variables explicativas sobre la variable dependiente que en este caso es el precio del automóvil usado. Finalmente, se expondrán las conclusiones.

 Objetivo.

El objetivo principal es encontrar una relación del efecto de cada uno de las características de las oficinas sobre el precio de las mismas, con el fin de brindar información suficiente para saber en cuánto cambia en promedio el precio del arriendo de dichos espacios  en Bogotá.

Análisis de variables.

Una vez definida la estructura del modelo, se espera que exista una relación directa (si realmente existe la relación) entre el precio del arriendo de la ofina  y alguna de las variables explicativas del modelo seleccionado. Se quiere saber cómo cambia en promedio el precio de del arriendo de la oficina en  Bogotá cuando aumenta por ejemplo  el número de metros cuadrados ETC. Es decir, un aumento o disminución  potencial en el metraje o una ubicación más favorable o alguna de las características puestas a prueba, de la oficina se traduce se traduce en un cambio en el precio del arriendo.

Especificación Funcional del Modelo de Regresión Lineal

Para estimar  en cuánto cambia en promedio el precio del arriendo de una oficina  en Bogotá vamos a tener en cuenta el siguiente modelo.

Arr = β0 + β1mts + δ1estr + δ2 nva + β2 NCUB + β3NLINEAS + error

Variables de la regresión:

• Arr= Es la variable dependiente del modelo la cual representa el precio del arriendo de la oficina.
• mts: Es el espacio de la oficina en arriendo medida en metros.
• Estr: El estrato de la oficina.
• Nva: Variable binaria, si la oficina es nueva (1).
• Ncub: Número de espacios en la oficina (cubículos).
• CC: número de líneas telefónicas.
• Error: termino de error del modelo.

Supuestos de Gauss Markov

1. Lineal en parámetros: El modelo que se quiere estimar es evidentemente lineal en todos sus parámetros como lo muestra el modelo establecido en la parte de arriba.
2. Muestra aleatoria: La muestra para la realización del trabajo se obtuvo de forma aleatoria, las cuales fueron tomadas de diferentes fuentes  tales como; Revistas, periódicos e internet.
3. Media condicional igual a cero (0): La covarianza entre u, es decir el termino de error u/o inobservable del modelo y las variables explicativas o independientes del modelo es cero, (cov (u,x)= 0).
4. No perfecta multicolinealidad: no existe perfecta correlación entre las variables independientes del modelo que se quiere estimar, además una función lineal no es combinación de las demás.
5. Homocesaticidad: Todos los términos de la perturbación tienen la misma varianza.  El supuesto de homoscedasticidad implica que la distribución relevante para cada observación es la misma.

Organizar la base de datos.

• Reporte en dos tablas las estadísticas descriptivas y correlaciones de todas las variables ele su base de datos.

Solución

Estadísticas de las Series.

preciodelarriendo

                Percentiles              Smallest

1%                350000                 350000

5%                600000                 430000

10%                830000                 463000               Obs                92

25%                2550000                 520000               Sum of Wgt.        92

50%                5250000                                    Mean                8828434

                                Largest               Std. Dev.                1.06e+07

75%                1.32e+07               2.90e+07

90%                1.70e+07               3.50e+07               Variance                1.11e+14

95%                2.50e+07               6.00e+07              Skewness                2.968252

99%                6.21e+07               6.21e+07               Kurtosis                14.22808

mtrs2

                Percentiles              Smallest

1%                13                     13

5%                22                     14

10%                40                     18                       Obs                92

25%                70.5                     22                       Sum of Wgt.        92

50%                158.5                                              Mean                213.1739

...