Después de elaborar los análisis pertinentes, fue necesario hacer una transfor- mación del modelo original con el fin de corregir las imprecisiones que tenía. Dicha modificación se hizo utilizando el método de Box-Cox, que es una transformación de potencia que consiste en hallar un valor de λ (lambda) con el cual se transforma el precio real, para maximizar la función de log-verosimilitud, en este caso, el lambda fue -0,222.
Luego de aplicar el método anteriormente mencionado se obtuvo un nuevo modelo
(3)
En el siguiente cuadro se presentan los nuevos valores que presentó dicho modelo, transformado con respecto a las estimaciones obtenidas del modelo inicial.
Tabla 2. Datos obtenidos de los modelos.
Modelo ajustado Valor-P Modelo transformado Valor-P
Intercepto 42.5361 0.506 3.214e-01 2e-16 Área 2.5698 9.43e-07 -3.262e-04 3.49e-05 Alcobas 17.1762 0.420 -3.744e-03 0.265 Baños -9.7955 0.614 2.124e-03 0.486 Piscina -43.4495 0.266 3.395e-04 0.956 Parqueadero -19.2616 0.637 2.187e-03 0.733 61.34% 57.47% ajustado 56.95% 52.64% 88.18 0.01384 Valor- P 2.613e-07 3.511e-08
El coeficiente de determinación ajustado indica que el 52,64 % de la variabili- dad (precio) fue explicada por el modelo; como se puede observar, dicho coeficiente disminuyó en comparación con el obtenido en primera instancia, lo cual explica que este modelo no es muy confiable ni seguro, además, su porcentaje es relativamente bajo para tomar decisiones al momento de la compra de apartamentos, específicamente, en la zona de El Poblado.
Figura 7. Gráficos de diagnóstico para el modelo transformado.
La variable regresora que manifiesta la mayor significancia en el modelo es el
área, ya que en el modelo ajustado indica un coeficiente de , además
de un valor-p de lo que se puede deducir que esta covariable es la más
significativa para realizar el análisis acerca de la toma de decisión a la hora de adquirir una propiedad raíz. Las otras variables explicativas no son significativas en el modelo.
Una diferencia notable es el valor arrojado sobre la desviación estándar de los errores, debido a que en el modelo ajustado es de 88,18 y comparándolo con el modelo transformado, este es de 0.01384, lo cual describe que el segundo modelo mencionado es más aceptable, así los resultados entre los dos modelos manifiesten poca diferencia.
los modelos no explican de una manera clara la media de la variabilidad del precio, además, las variables regresoras ejercen una información importante que genera una seguridad al tomar la decisión de comprar un apartamento; además, el coeficiente de determinación ajustado y el valor-p del modelo transformado bajaron con respecto al modelo ajustado, confirmando que el primer modelo mencionado no es fehaciente, como ya se insinuó anteriormente.
Debido a que no se presentó mucha diferencia entre ambos modelos se vio la necesidad de elaborar una nueva gráfica que refleje el precio estimado, teniendo en cuenta los nuevos coeficientes que arrojó el modelo transformado.
La nueva figura muestra cómo el precio estimado, a pesar de no ser cien por ciento preciso, se acerca más al precio real y el canal que se forma de sumar y restar tres desviaciones estándar abarca muchos más valores reales, reduciendo así el posible ruido de mercado.
Figura 9. Precio real vs. estimado con bandas a +3 y -3 desviaciones estándar para el modelo transformado.
Conclusiones
• En la actualidad, los mercados son cambiantes y la globalización hace que este cambio sea cada vez más rápido y drástico, creando así la necesidad de evolucionar y profundizar en estudios de este tipo para tener alguna herramienta a la hora de tomar una decisión de compra; sin embargo, como se mencionó anteriormente, esta no es la única herramienta ni la más óptima para crear un clima de confianza entre el comprador y los resultados arrojados; gracias a este artículo se destaca que la ayuda de estadísticos genera una mayor credulidad para invertir, adquirir y tomar la decisión precisa cuando se presenta la oportunidad de negocio. • Las variables utilizadas en el modelo fueron necesarias para el análisis expuesto,
aunque en este tema en específico se pueden tratar otras variables significativas, por ejemplo, el número de personas en la familia que van a habitar, el poder ad- quisitivo del comprador, el barrio en particular, entre otras; ya que si se hubieran tomado en cuenta, el modelo sería más completo y se prestaría para una mejor asesoría a la hora de tomar la decisión en cuanto a obtener una propiedad raíz. • El análisis realizado no puede ser tomado como única herramienta al momento
de adquirir una propiedad, es importante tener presente más información perti- nente, como, por ejemplo, la fiducia del proyecto, la constructora, los años de la construcción, el manejo del espacio y demás factores que deben ser considerables cuando se quiere realizar una inversión valiosa, como lo es la adquisición de un apartamento; dichos factores son cambiantes, dependen del mercado y de la variable dependiente, que para este caso es el precio.
• La transformación del modelo no manifiesta ser óptima para la variable precio, ya que los resultados arrojados en el estudio, como lo es el valor-P que es de , no enseñan justificaciones necesarias ni explícitas para los consumi- dores que aspiren a realizar este tipo de inversión.
• En el caso de las variables cuantitativas, la variable regresora que causó más influencia en el modelo tomado durante el análisis sobre el precio de las propie- dades es el área que poseen los apartamentos; por otro lado, cuando se habla de las variables cualitativas (piscina, parqueadero), la más relevante es poseer o no piscina, ya que la oscilación del precio es sobresaliente.
1. Análisis en R de las observaciones obtenidas. Recuperado de https://www.dropbox.com/sh/ yqe5oi6tvjw4nt6/VJoMRJc2MM/codigo.pdf
2. Florencio, L. et al. (2012). Real state appraisal of land lots using GAMLSS models.
3. M. Clapp John et al. (2002). Predicting spatial patterns of house prices using LPR and bayesian smoothing.
4. McMillen y Thorsnes (1998). Land value and parcel size: a semiparametric analysis. 5. Recuperado de http://www.vivareal.com.co/inmobiliarias/antioquia/medellin/ 6. Recuperado de http://office.microsoft.com/es-es/excel-help/que-es-excel-HA010265948. aspx 7. Recuperado de http://www.r-project.org/ 8. Recuperado de http://boxplotcaja.blogspot.com 9. Recuperado de http://www.ditutor.com/estadistica/variable_cuantitativa.html 10. Recuperado de http://www.ditutor.com/estadistica/variable_cualitativa.html