Formation of housing rental prices in Machala, Ecuador: Hedonic prices analysis

www.elsevier.es/cesjef

Cuadernos de economía

ARTÍCULO

Formación de los precios de alquiler de viviendas en Machala (Ecuador): análisis mediante el método de precios hedónicos

Manuel A. Zambrano-Monserrate

EscuelaSuperiorPolitécnicadelLitoral,ESPOL,FacultaddeCienciasSocialesyHumanísticas,CampusGustavo, Guayaquil,Ecuador

Recibidoel4dejuniode2015;aceptadoel7deoctubrede2015

CÓDIGOSJEL C01;

C21;

C51;

Q53

PALABRASCLAVE Áreasverdes;

Preciosimplícitos;

Alquiler

Resumen EnEcuador,lospreciosdelaviviendasehanincrementadoconsiderablementeenlos últimosa˜nosdebidoalaexistenciadefactoresexternoseinternosdelaregión.Enesteestudio seanalizaelmercadoinmobiliarioenla ciudaddeMachala.Atravésdelmétododeprecios hedónicosseexplicalaformacióndelospreciosdealquilerdelasviviendasenlalocalidaden 2013.Paraamortiguarelproblemadelasvariablesomitidas,seutilizaelmodelodefrontera heteroscedástica.Seincluyenvariablessociales,ambientales,demográficasyestructurales.Se encontraronresultadossignificativosenvariablesambientales,comoeltipodeabastecimiento de agua, la distancia al parque centralcon áreas verdes y la eliminaciónde desechos. Se encuentraquelospreciosdealquilerdelasviviendasconabastecimientodeaguairregularson inferioresenun5,79%alosdeaquellasconunabastecimientoregular.Además,loshogarescuyo métododeeliminacióndedesperdiciosesatravésdelserviciomunicipalpaganenpromedioun 3,58%másdealquilerqueaquellosquenoloposeen.Másaún,lasviviendascercanasalparque tienenunamayorrenta:porcada100 madicionalesentrelaviviendayelcentrodelaciudad, larentadisminuyeenun5%.Loshogarescuyacondicióndevidaesbuenaalquilanviviendas máscaras.

© 2015AsociaciónCuadernosde Economía. Publicadopor ElsevierEspaña, S.L.U.Todoslos derechosreservados.

JELCLASSIFICATION C01;

C21;

C51;

Q53

FormationofhousingrentalpricesinMachala,Ecuador:Hedonicpricesanalysis Abstract InEcuador,thehousingpriceshavebeenrisingsharplyinrecentyearsduetoexternal andinternalfactorsoftheregion.Inthisstudy,ananalysis isperformedontherealestate marketinthe cityofMachala. Thehedonicprices method was usedto explain thesetting ofpricesforrentalhousingfortheyear2013.Tocushiontheproblemofomittedvariablesa

Correoelectrónico:[email protected] http://dx.doi.org/10.1016/j.cesjef.2015.10.002

0210-0266/©2015AsociaciónCuadernosdeEconomía.PublicadoporElsevierEspaña,S.L.U.Todoslosderechosreservados.

KEYWORDS Greenareas;

Implicitprices;

Rental

heteroskedasticfrontierregressionmodelisused.Social,environmental,demographic,finan- cial,variables,amongotherswereused.Significantresultswerefoundintheenvironmental variables,suchasthetypeofwatersupply,distancetocentralpark(greenareas),andwaste disposal.Rentalpricesofhouseswithirregularwatersupplyare5.79%lowercomparedtothose witharegularsupply.Inaddition,householdsforwhichthemethodofwastedisposalisthrough themunicipalservice,payonaverage,3.58%morerentthanthosethatdonothavethis.The housesnearthecentralparkarethemostvalued,assuchforevery100awaymetresfromthe city centre,rentalpricesdecreaseonaverageby5%.Householdswhere lifeenvironmentis good,rentmoreexpensiveproperties.

© 2015 Asociación Cuadernos de Economía. Published by Elsevier España, S.L.U. All rights reserved.

1. Introducción

ElmercadodelaviviendaenEcuadorhacambiadoradical- menteenlosúltimos8a˜nos(ENALQUI,2013).Lacreacióndel BancodelInstitutoEcuatorianodeSeguridadSocialen2007 ampliósignificativamenteladisponibilidaddecréditoshipo- tecarios,inclusoparacompradoresdebajosrecursos.Esto llevóalcrecimientodelademandadeviviendayalacons- truccióndealrededorde14.000casaspora˜no.Sinembargo, sehanregistradoaumentosenelíndicedepreciosalconsu- midordelosalquileresefectivospagadosporlosinquilinos deviviendas residenciales,de 121,65 enenero de 2005 a 155,97endiciembre de2014,esdecir,unincrementodel 28%anivelnacional(ÍndicedePreciosalConsumidor,2014).

LaciudaddeMachala,ubicadaenelsurdeEcuador,noha estadoexentadeestoscambiosenelmercadodeviviendas.

Ademásdelaexpansióndelcrédito,desdeela˜no2007seha dadounaltoniveldeinversiónpúblicaeninfraestructura, comoampliaciónyarreglosdecallesyavenidas(principal- menteenlazonacentral)ycoberturadeserviciospúblicos (agua, recolección debasura).Enconjunto, estosefectos hanpromovidoeldesarrolloeconómicodelaregión.

Sinembargo,enEcuadornosehallanestudiospublicados sobrelosfactoresestructuralesyambientalesquemotivan elaumentoylaformacióndelospreciosdealquilerdelos inmuebles.Esasíqueseproponellenarestevacíoenlalite- ratura medianteelmétodode losprecioshedónicos.Este método ha tenido amplias aplicaciones en temas relacio- nadosconeldeesteestudio.TyrvainenyMiettinen(2000) mostraron que enFinlandia sepaga un4,8% máspor una viviendaque tengavista aun bosquerespecto aotraque nola tenga. Igualmente, por cada kilómetro adicional de distancia deunacasa a unparque forestal, el preciodis- minuíaenun5,7%.Bondetal.(2002)mostraron elefecto delpaisajesobreelvalordeunacasa.Paraelcasodellago Erieen(Cleveland,EE.UU.),unacasaconvistaallagocuesta 256.544USD(89,9%)másqueunacasasinestetipodeame- nidadambiental.DesRosiers(2002)analizóelimpactoque lostendidoseléctricosdealtatensióntienensobreelprecio delasviviendasenBrossard,cercadeMontreal(Canadá).Se encontróqueelimpactovisualquetienelavistadirectade unatorredealtatensiónreduceelvalordelacasaenaproxi- madamenteun10%.Porúltimo,Wilhelmsson(2000)estudió

elimpactoquetieneelruidoprocedentedeltráficorodado sobreel valor de viviendas unifamiliares en un barrio de Estocolmo(Suecia).Los resultadosmostraron que,enpro- medio,porcadadecibelioadicionalelpreciodelavivienda sereduceun0,6%.

Otra razón por la cual en Ecuador noexisten estudios conprecios hedónicosespor asuntosde confidencialidad, esdecir,lasempresasinmobiliariassonrenuentesapropor- cionardatossobrelastasaciones.Deahíque esteestudio apliqueelmétododeprecioshedónicosalmercadodealqui- lerdeviviendasenlaciudaddeMachala,apartirdelabase de datos de la Encuesta Nacional de Alquileres del INEC (ENALQUI, 2013).Además derecogerlospreciosde alqui- lerde las viviendas, la encuesta proporciona datossobre el monto, la distribución y la estructura del ingreso y el gastodeloshogares,ysobrelascaracterísticasdemográficas ysocioeconómicas desusmiembros.Seestima unmodelo deprecioshedónicosutilizandolametodologíadefrontera heteroscedásticaparaamortiguar elsesgodelasvariables omitidas,dondeseencuentraquefactorescomolapavimen- tacióndelascalles,lacoberturadeserviciospúblicosyla distanciaalcentrodelaciudadafectansignificativamente elpreciodealquilerdelasviviendas.

Este artículo se estructura como sigue: la sección 2 describelos antecedentes del mercado de la vivienda en Machala.Lasección3presentaelmarcoteórico.Lasección 4describelosdatosutilizadosylaimplementacióndelestu- dio.Lasección5presentalosresultados.Laúltimasección concluye.

2. Mercado de la vivienda en Machala

Machalaeslacapital delaprovincia deEl Oroyseubica alsurdeEcuador,conunapoblaciónde231.260habitantes (CensodePoblaciónyVivienda,2010).Esuncantónagrícola congranmovimientocomercialybancario.Lasprincipales actividades económicas son el cultivo y la exportación de banano, la acuacultura, el comercio y el turismo.

Desde2007 las políticas dedesarrollo urbanohan atraído inversión haciaal sector inmobiliario,en particular hacia ciudadelas cerradas y privadas con diferentes tipos de viviendaoapartamentos.Segúncifras delINEC(2013),en

240,00

IPC_CASA

IPC_PIEZA IPC_Apartamento 220,00

200,00 180,00 160,00 140,00 120,00 100,00

Ene-05 Ago-05 Mar-06 Oct-06 May-07 Dic-07 Jul-08 Feb-09 Sep-09 Abr-10 Nov-10 Jun-11 Ane-12 Ago-12 Mar-13 Oct-13 May-14 Dic-14

Figura1 EvolucióndelÍndicedepreciosdelconsumidor(IPC)delsectorinmobiliario.

Fuente:InstitutoNacionaldeEstadísticasyCensos(ÍndicedePreciosalConsumidor,2014).

Machala existen 75.473 viviendas, lo cual representa el 47%deltotaldelaprovincia;deestas,ungranporcentaje correspondeaviviendasdetipo«casavilla».Lasviviendas arrendadasrepresentan aproximadamenteel 29%deltotal delosinmueblesdelsector. Eltipodeviviendaconmayor porcentaje de arriendo son los «apartamentos» (53,80%), seguido de «casa» (31,39%), «cuarto» (11,89%) y «otros»¹ (2,91%) (ENALQUI, 2013). La actividad económica se ha incrementadorápidamenteencomparaciónconotrosa˜nos, dondeelnúmerodeempresasconstructorasenMachalaha aumentadode77 en2005a casi120 en2012(Númerode Compa˜nías,2013).Los preciosdealquilerdelas viviendas enlaciudadsehanincrementadoconsiderablementedesde enerode2005hastadiciembrede2014(fig.1)enlos3tipos deviviendaidentificados:casa,apartamento,pieza(cuarto encasadeinquilinato).Esteúltimoeseldemayorcuantía.

Enlasviviendastipo«casa»lospreciosdealquilerseincre- mentaronun70%,un65%enlos«apartamentos»yun121%en losdetipo«pieza»(ÍndicedePreciosalConsumidor,2014).

Según Choumert et al. (2014), entre las condiciones de desarrollo que afectan los precios de alquiler de las viviendas está la cobertura de entrega de agua. El con- sumo de agua promedio por habitante en Machala es de 160 l/habitante/día. La empresa que administra actual- menteelabastecimientodelaguaesTripleoroCem,lacual esunacompa˜níadeeconomíamixta. Parafinalesde2013 aproximadamenteel90%delaciudadteníaaguapotable.

Sinembargo,Machalanodejabadeserunadelasciudades conmenorpercepcióndecalidaddelagua.Loshogaresdan unacalificaciónde2,46sobre5(siendo1lademenorcali- dady5lademayorcalidad),locualsonvariospuntospor debajodeciudadescomoCuenca,QuitoyAmbato(ENEMDU, 2012).Portanto,estavariablepodríaserfundamentalpara explicarlaformacióndelospreciosimplícitosdealquilerde vivienda.

Brasington y Hite (2005) consideran que el grado de contaminacióndeunazonaespecíficaafectanegativamente alospreciosdelasviviendas.Actualmentelamayoríadela población (96,4%) tiene acceso al servicio municipal de recolección de basura.Sin embargo, un número reducido

1Incluye:suite,mediagua,rancho,choza,covachayotra.

de hogares aún continúa eliminando los desperdicios a travésdeotrosmedios,comotirarlabasuraalacalle,que- marla, enterrarla,entreotros.Estoocurreprincipalmente en zonas urbanas marginales, donde el servicio de reco- lecciónmunicipalaúnesineficiente.Esporelloporloque esta variable ambiental resulta importante por el hecho, porejemplo, dequeexistandesperdicioscuyométodode eliminaciónsea«tirarlosalacalle».Enellargoplazoesto resultaríaenelincrementodelacontaminacióndelsector.

Más aún,respectoa las condicionesde vida,actualmente loshogaresafirmanensumayoríavivir«másomenosbien», lo cualtieneunimpactodirecto ensuestilodevidayen suscondicionesdesubsistencia(tipodeviviendaenlaque habitan). Estoesconsistentecon DonovanyButry (2011), quienesmencionanquelasdiferenciassocialesinfluyenen laeleccióndelsectorderesidencia.

Porotrolado,la OMSrecomiendaqueexistan 9 m² de área verde por habitante. Sin embargo, la ciudad cuenta soloconunpromediode0,82m²deáreaverdeporciuda- dano(ÍndiceVerdeUrbano,2012).Respectoaesteindicador, esimportantemencionarqueunodelosprincipalescambios enlaciudadenlosúltimosa˜noshasidolareconstrucciónde suzonacentral,conlainclusióndeparquesyáreasverdes, justamente. Se instalaron adoquines, piletas artificiales, árboles,plantasyáreasconcéspednatural.Alrededordel parquecentral giralamayor parte delaactividad econó- micaysocial delcantón,porlo quelosinmuebles quese encuentrancercanosaesteganaronplusvalía.Esdeesperar entonces unarelaciónentrelospreciosdelas viviendasy ladistanciaalparquecentralconáreasverdes(Tyrvaineny Miettinen,2000;DonovanyButry,2011;LiaoyWang,2012;

PanduroyVeie,2013;Grislain-LetrémyyKatossky,2014).

LasviviendasenMachalatienendiversascaracterísticas estructurales que las convierten en unbien heterogéneo.

Seha demostradoenestudios previosquetales variables, comonúmerodedormitorios,metroscuadradosdeconstruc- ción,materialeseneltecho,antigüedaddelinmueble,entre otras,afectanalospreciosdelascasas.Dehecho,Sander (2009)determinaqueporcadaa˜nodeantigüedadqueposea unaviviendaenMinnesota(EE.UU.)disminuyesupreciode ventaalrededordel5%.Lang(2015),porsulado,afirmaque cada dormitorioadicionalque poseaunacasaenKingston (EE. UU.)incrementasuprecioun4%.Así mismo,Zabely

Guignet(2012)incluyenensumodelodeprecioshedónicos losmetroscuadradosdeconstruccióndelasviviendas.Sus resultadosmuestranque cadametroadicional incrementa el precioalrededor de un2%. Otros autores,como Boxall (2005) ySander yHaight (2012), incluyen ensus estudios variables estructurales como material enel suelo y enel techo.Enamboscasoslasvariablesresultansignificativasy conlossignosesperados.

3. Marco teórico

Elmétododeprecioshedónicosesunmétodoindirectode valoraciónambiental,dentrodelosmétodosdelasprefe- renciasreveladas,yesutilizadoparaidentificarlainfluencia de variables ambientales sobre el precio de las viviendas (JimyChen,2006).Estemétodosebasaenelhechodeque algunosbienesofactoresdeproducciónnosonhomogéneos;

deporsí,lafunciónhedónicaesunarelaciónentreelprecio deunbienheterogéneoysuscaracterísticasdiferenciadas.

Conella seanalizatanto suproducción como suconsumo mediante la desagregación en sus unidades más básicas, sobrelasquesebasaelprocesodecomprayventa.Dadoque cadaatributonotieneunprecioporseparado,elpreciodel bienheterogéneorepresentalavaloracióndelconjunto,es decir,elefectoagregadodeprecios«implícitos»ohedónicos decadacaracterísticaydesucantidad.Elmarcoteóricode estemétodoseatribuyeaRosen(1974),enelquelafunción deprecioshedónicossedefinecomounpreciodemercado quevaríaenfuncióndelascaracterísticasdelbien.Esdecir, lademandadeatributosdeterminaelcambioenlosprecios.

Epple(1987)indicaquelosmodeloshedónicosseenfocanen elmercadodondeunbienincluyeunacantidadvariablede atributos,entreestructuralesydelentornooambientales.

SegúnLabandeiraetal.(2007),unadelaslimitacionesdel modelo estáenque el supuestodeequilibriodemercado nosiemprese cumple,yaque pueden existirimportantes costesdebúsqueda,detransacciónydemovilidad(especial- menteenseriesdetiempo).Además,losprecioshedónicos noreflejanelvalordenousodelosbienesambientales,ya queexistenusuariosquepuedenserafectadosporunbien ambiental,perononecesariamenteatravésdelaposesión deotrobienprivadoligadoaél(Azqueta,1994).

Esasí que unaviviendapuede serdescrita porunvec- tordecaracterísticasestructurales,Z=(z1,z2,...zn),yun vectordeatributosdelentorno,A=(a1,a2,...an).Dadala caracterizacióndelavivienda,elpreciodeventaesunafun- cióndesuscaracterísticasyatributos.Lafunciónhedónica delprecio,Psedefinecomosigue:

P=f (Z,A) (1)

Elproblemademaximizacióndelautilidadserepresenta como:

MAXZ,A,X U= (Z,A,X;˛) s.a. P (Z,A) +X =Y (2)

dondeU(·)esunafuncióndeutilidaddoblementediferen- ciable,˛sonlascaracterísticassocioeconómicas,Xsonlos gastosenbienesdiferentesalaviviendaeYrepresentael ingresodelasfamilias.Delasolucióndeesteproblemase obtienela función depostura deregateo del consumidor,

(Z,A,X,;˛),lacualrepresentaladisposiciónapagarde lasfamiliasporunaunidaddeviviendaconcaracterísticasZ

yatributosA,dadouningresoYyunniveldeutilidadu.La utilidadestáimplícitamentedefinidaporU (Z,A,Y−;˛) = u.Lascondicionesdeprimerordenestablecenquelatasa marginaldesustituciónentreelvectordecaracterísticasZ ylosgastosenbienesdiferentesalbienviviendaYseaigual alpreciomarginaldelvectorZ,estoes:

UZi(Z,A,X;˛)

UX(Z,A,X;˛) =PZi(Z,A) =Z_i(Z,A,Y,u,;˛) i=1,...n (3)

DondeUZieslautilidadmarginaldelvectordecaracte- rísticas,UXieslautilidadmarginaldelbiencompuesto,PZi

esel preciomarginal delvector de características.Igual- mente,la tasamarginal de sustituciónentre elvector de atributosAyel biencompuestoXdebeserigualalprecio marginaldelatributo,elcualtambiénesigualalapostura marginalporelatributo.

Parael casodelospropietarioslafuncióndecostosse representacomo:

C(Z,A,N;ˇ) (4)

dondeNeselnúmerodeviviendasproducidasyˇrepresenta unvectordetecnologíaespecíficaydepreciodefactores.

Elproblemademaximizacióndegananciasparalosproduc- toreses:

MAX=NP(Z,A)−C(Z,A,N,ˇ)

Z,A,N (5)

Lafuncióndeofertaϑ(Z,A,;ˇ)representaelprecio unitarioqueunpropietario puedeaceptarpor unaunidad deviviendaconcaracterísticasZyatributosA,ytenerunos beneficios,loscualessehallanresolviendo(Rosen,1974):

=Nϑ−C (Z,A,N,ˇ) y ϑ=CN(Z,A,N;ˇ) (6) Elequilibrioselogramediantelainteracciónentrecon- sumidores(familias)ypropietarios,locualimplicaque:

∂P

∂Zi

= ∂C

∂Zi

(7) Lafuncióndepreciohedónicorepresenta laestructura delpreciodeequilibrioyesdeterminadaporlainteracción enelmercadodelospropietariosydeloshogares.Enequi- librio,las funciones depostura yde ofertason tangentes ylafunción depreciohedónico es laenvolvente superior (inferior)paralafuncióndepostura.

Lafuncióndepreciohedónicorepresenta laestructura delpreciodeequilibrioyesdeterminadaporlainteracción enelmercadodelospropietariosydeloshogares.Enequi- librio,las funciones depostura yde ofertason tangentes ylafunción depreciohedónico es laenvolvente superior (inferior)paralafuncióndepostura(fig.2).Lafunciónde precioshedónicospuedeestimarsemediantelaespecifica- cióndeunaformafuncionaladecuadabajoelsupuestode queelmercadodeviviendaestáenequilibrio.

BaranziniyRamirez(2005)utilizanelenfoquehedónico paradeterminarel impactodelruidosobrelospreciosde alquilerdeviviendasenGinebra(Suiza).Concluyenqueel impactodelruido nodependede laestructura institucio- nal del mercado, esdecir, es relativamente similaren el sectordelalquiler privadoyenlosapartamentosdirecta- mentebajoelcontroldelgobierno, aunqueenel primero

P

P(z) ϑ2(Z, A, y, π²0, β)

ϑ1(Z, A, y, π¹₀, β) ϑ1(Z, A, y, π¹₁, β)

ϑ2(Z, A, y, π₁², β) φ2(Z, A, y, u₀; α) φ1(Z, A, y, u₀; α)

φ1(Z, A, y, u₁; α)

φ2(Z, A, y, u₁; α)

Z

Figura2 EquilibrioHedónico.

Fuente:Rosen(1974).

ladinámica deruido tiene un impacto mayor. Zhao yLiu (2010) analizan el mercado de las viviendas usadasen la ciudaddeShijiazhuang(China).Lasvariablesusadasensu modelolasclasificancomo:característicasestructuralesde losinmuebles(númerodedormitorios,tipodepiso,forma delavivienda,a˜nosdeconstrucción),tipodebarrio(edu- cación,serviciosmédicos, tiendas, ambiente)y ubicación (regiónadministrativa,tipo detransporte).Susresultados muestranque lascondiciones delbarrioinfluyen significa- tivamenteenlospreciosdeventa;porejemplo, porcada unidadmédicaadicionalque poseael barrio,supreciode ventase incrementa enun 3,8%. Donovan y Butry (2011) analizanelefectodeatractivosambientales,comoárboles, sobreel preciodelalquilerdeviviendasenPortland(Ore- gón, EE. UU). Determinaron que un árbol adicional en el terreno de la vivienda aumenta el alquiler mensual en 5,62USD,mientrasqueunárbolenlavíapúblicaaumenta larenta en21 USD. Zabel yGuignet(2012) cuantifican el impactodelas fugasdepetróleoentanquesdealmacena- miento subterráneo sobre los precios de las viviendas en 3 condados de Maryland (EE. UU). Sus resultados indican que,aunqueestavariablenoafecta significativamentelos valoresdelaspropiedadescercanas,síafectaríaalosluga- res máspublicitados de la ciudad, disminuyendo su valor de venta en un 10%. Panduro y Veie (2013) analizan el impactoalospreciosdelasviviendasdelosdistintosespa- cios verdes en Aalborg (Dinamarca). Encontraron que las áreasverdesconunacalificaciónaltaentérminosdeacce- sibilidadydeniveldemantenimientotienenaltosprecios implícitos.Conrespectoalosotrostiposdeespaciosverdes, susresultadossonambiguos. ChangyKim(2013) determi- nanel impacto que tiene el ruido del sistemaferroviario urbano sobre los precios de las viviendas en Seúl (Corea delSur). Concluyen que con un aumentodel ruido en un decibelio disminuye el valor de la propiedad en 0,53%.

Grislain-LetrémyyKatossky (2014) utilizan modelospara- métricosysemiparamétricosparacuantificarelimpactode las plantas industriales sobre los precios de las viviendas en3 ciudadesdeFrancia.Sus resultadosmuestranimpac- tossignificativamentediferentesentreciudades.Destacala

inclusióndevariablesambientales,talescomodistanciaal parque, exposición a riesgos naturales, residuos contami- nantesyexposiciónalsonidodeltransporteterrestre.Entre susresultadosmásimportantesconcluyenqueenBurdeos, DunkirkyRouen, porcadametroadicional decercaníade unaviviendaaunaplantaindustrial,supreciodeventadis- minuyeen0,003,0,009y0,01%,respectivamente.Choumert etal.(2014)estudianlosfactoresdeterminantesdealqui- lerdeviviendasenKigali(Ruanda).Enparticular,estudian el valordelacceso a aguapor ca˜nería.Debidoa losaltos costosasociadosconlainstalacióndenuevasconexionesde tubería,elalquilerdeunapropiedadconunaconexiónexis- tenteesamenudolaúnicamaneradequeloshogaresde bajosingresospuedanaccederaaguaporca˜neríaenesaciu- dad.Susresultadosindicanquelaampliacióndelaredde abastecimientoaunanuevacasaenmuchoscasosaumenta elvalordelalquilerdelaviviendalosuficienteparapagarel costodela instalacióndelanuevaconexiónenmenosde 2a˜nos.Dehecho,las viviendasque poseenaccesoa agua potabletienenunpreciodealquilersuperiorenun68%en comparaciónconlasquenolotienen.Chiarazzoetal.(2014) estimanelefectodelacontaminacióndelairesobrelospre- cios de las viviendasen Taranto (Italia).Concluyen que a mayorcontaminaciónambientaldelaire,menoreselpre- ciodelavivienda.Además,esteefectoesdegranmagnitud puestoqueunaumentoenunmicrogramopormetrocúbico depolucióncausaunadisminucióndeaproximadamenteun 50%enelpreciodelinmueble.Palmquist(2014) estimala demandadelascaracterísticasdelasviviendasde7áreas metropolitanasdeEE.UU.Paraello utilizalametodología deprecioshedónicosyelcarácterendógenodelosprecios marginales.Losresultadosencontradosindicanquelaelas- ticidadpreciodelademandafueaproximadamenteunitaria paralosmetroscuadradosdeconstrucción,mientrasquelas demandasparalasdemáscaracterísticasfísicassoninelásti- cas.Beekmansetal.(2014)buscanprobarsielmétodoque seutilizaconvencionalmenteenlosestudiosdelapropiedad individualtambiénsepuedeaplicardemanerasignificativa en el nivel de las zonas urbanas, en particular, en sitios industriales. Utilizan mínimos cuadrados ordinarios (MCO)

paraidentificarlarelevanciadelassiguientescategoríasde variables explicativas: tipo de zona industrial, accesibi- lidad, distancia céntrica (distancia al centro), molestias, tipodezonaindustrialporaccesibilidaddecarretera,región yratiodeurbanización.Losfactoresrelevantesyquemás inciden positivamente enel valor medio de la propiedad industrialsonlaszonas deserviciosfinancieros ydenego- cios(categoría«zonaindustrial»),laaccesibilidadalolargo de autopistas(categoría «accesibilidad»), la distancia del centromunicipal(categoría«distanciacéntrica»),lapresen- ciadecasas(categoría«molestias»),laindustria(categoría

«tipodezonaindustrialporaccesibilidaddecarretera»),el centro(categoría«región»)ylaaglomeraciónurbana(cate- goría«ratiodeurbanización»).Lasedificacionesconstruidas antesde1950(categoría«edad»)afectannegativamenteen elvalormediodelapropiedadindustrial.Cuandosebusca estimarelefectodeunincidenteindeseable,otraopciónes usardatosdeseriestemporalesopaneles.PorejemploFink yStratmann(2015)exploranlaposibilidaddequeeldesas- trenuclearenFukushimaenel2011hayatenidounefecto negativo enel preciodelas viviendasque estáncerca de plantasnucleares enEE. UU. Usando datosde panelcon- cluyenquenohayevidenciasignificativaenfavordedicha hipótesis.

4. Método

El problema más frecuente cuando se realizan estudios medianteprecioshedónicoseslacarenciadedatos.Apesar dequeenEcuadorlasestadísticasanivelnacionalhanmejo- radoconsiderablemente,porasuntosdeconfidencialidadlas empresasinmobiliariassonrenuentesaproporcionardatos sobrelastasacionesrealizadas.Esporelloporloquepara elpresenteanálisissetomócomobasededatoslaEncuesta Nacional de Alquileres del INEC (ENALQUI, 2013). Esta encuestaproporcionadatossobrelospreciosdelalquileren viviendasarrendadas,coninformacióncorrelacionadasobre suscaracterísticasprincipales:tipo,condición,acceso,régi- mendeocupaciónyubicacióngeográfica,ademásdeotras variables quela hacen apropiadapara laaplicación de la metodologíahedónica.Laencuestatieneuntotalde1.124 datossobreviviendaseneláreaurbanadeMachala.Sobre esta muestra se realizó un filtro de los datos tomando en cuenta categorías como: ciudad autorrepresentada y la vivienda queocupa (si esarrendada). El muestreo que utiliza el INEC es probabilístico bietápico, donde las uni- dades primarias de selección son los sectores censales (unidades primarias de muestreo [UPM]) y las unidades secundarias son las viviendas (unidades secundarias de muestreo).LasUPMsonseleccionadasconprobabilidadpro- porcional altama˜noylas viviendas dentrode laUPM son seleccionadasmediante unmuestreo aleatorizadosimple, considerandoquetodaslasviviendasdentrodelsectortie- nenigualprobabilidaddeserseleccionadas.Lamuestrase realizóconun95%deconfianzayunerrordedise˜nodel5%.

El númerodedatossobreviviendasproporcionadospor la encuestaes de635, divididos en3 zonas,a saber: norte, centro ysur de la ciudad.Las variablesexplicativas pue- denagruparsealmenosen2categorías:lascaracterísticas

estructurales(internas)delaviviendaylascaracterísticas externas. Se detallana continuación las variables usadas inicialmente.

4.2. Modelo

Elsupuestocentraldelosprecioshedónicosesquelospre- ciosdelasviviendasestándeterminadosporlainteracción entralaofertaylademandadeatributosdelinmueble,por lo que se debería estimar simultáneamente ambas ecua- cionespor mínimos cuadrados en2 etapas.Sin embargo, Freeman(1979)indica que la oferta esrígida en el corto plazo,porlotanto,laecuaciónhedónicapuedeserestimada porMCOuotrométodoalternativo.

Es así que la metodología empleada en el análisis de precioshedónicos es bastante amplia,a pesarde que las variablesque determinan elprecio delas casasnovarían cuantiosamente. Sin embargo, un tema bastante discu- tidoenla literatura esel sesgo devariable omitiday los problemasdeheteroscedasticidadquepresentanlasestima- ciones.Lasvariablesomitidassoncaracterísticasenestudios hedónicosdeunapropiedadquesonobservablesporelcom- pradoryvendedor,peronoparalosinvestigadores.Cuando unavariableomitida influyeenel valordela propiedady tambiénestácorrelacionadaespacialmenteconunamedida decalidadambientaldeinterés,porejemplo,contamina- cióndelaire,agua,nivelesderuidoo laproximidada los vertederos, el precio implícito estimadopara esa medida ambientalestarásesgado.

En la presente investigación se utiliza el modelo de fronterasestocásticaspropuestoporAigneretal.(1977)y laalternativa metodológica que presentanCarriazo etal.

(2013)paramitigarelsesgodevariableomitidabasadoen estemodelo,tomandoventajadelaformadeladistribución delavariablequeseomite.Paralocualsedefineunavaria- bleUQ(calidadnomedida),quecapturatodoslosaspectos nomedidosdelacalidaddeunapropiedad.EstavariableUQ puedeincluirmuchasdiferentescaracterísticasnomedidas.

Sepuedeargumentarqueestascaracterísticasnomedidas, amenudo,sedistribuirándeformaasimétrica.

Esasí, queunmodelohedónico defronteraestocástica sepuederepresentarcomo:

P=P(Zi,Aj,Njˇ)exp(ui)exp(vi) (8) Donde Pi es el precio (en este caso el alquiler) de la propiedad i, Zi es un vector de características estructu- ralesmedias dela propiedad (tama˜no, edad, etc.), Ai es unvectordelasmedidasambientalesdelalocalizaciónde la propiedad(calidad del aire, agua, ruido, etc.) y Ni es unvector de la relación entreel arrendatario yarrenda- dor(parentesco,laantigüedaddelinquilinoenlavivienda, etc.).Dadounvectordeparámetrosˇ,P(·)esunafunción quedeterminaelpreciodeunapropiedadconcaracterísti- casZi,AiyNi.Hay2términosdeerror.Elsimétrico,conun términodeerroraleatoriodemediacero,vi,quecaptura todoloserroresidiosincrásicosdistribuidossimétricamente paralapropiedad(i),yseasumequesedistribuiránN(0,_u²).

Unsegundotérmino deerrorui representalavariaciónno medidaenUQ,yseasumequedistribuyeconmedianormal, ui= |zi| dondezi∼N(0,_u²). Ladistribución deui es,por lo tanto,asimétrica,acotadapordebajode0ysesgadahacia

la derecha. Finalmente, la varianza del término de error asimétricopuede variar através de las observaciones.Se obtieneentonces el siguientemodelo deerror heterosce- dástico:

_u²=exp(ı0+ı1Q1+ı2Q2+...) (9) Donde Q1 y Q2 son las características medidas del vecindario(elementosdeAiyNi)quepodríanestarcorrela- cionadasconUQ,incluyendolacalidaddelmedioambiente, yı⁰,ı¹,ı²... sonparámetrosquedebenserestimados. Si unacaracterísticadelvecindario,Q1,semidecomounmal, seesperaría que la relación entrela calidad inobservada dela vivienda (UQ)yla calidaddel medioambiente (Q1) presentaseunı1consignonegativo.

AsumiendounaformaCobb-DouglasparaP(·)conyk1,k2, k3elementos enelvectordecaracterísticasestructurales, ambientales y relaciones entre arrendatario y arrendador (Z,AyN),respectivamente,laecuacióndepreciossepuede expresarcomounmodelosemilogarítmico(log-lin).

ln(Pi)=ˇ⁰+

k1



k=1

ˇkZki+

k2



j=1

ˇjAji+

k3



l=1

ˇlNli+ui+vi (10)

Losparámetrosıyˇpuedenestimarsedeformasimul- tánea utilizando técnicas de máxima verosimilitud. Este modelopresenta2 pasos.Enprimera instancia,seestima unmodelohomoscedástico(conı¹,ı²iguala0),parapro- barsi _u²essignificativamentediferentedecero,esdecir, paracomprobarsihayuntérminodeerrorasimétricoposi- tivo.Parallevaracaboestaestimaciónseutilizaunaprueba derazóndeverosimilitudgeneralizadaunilateral.Lahipó- tesisnulaparaestapruebaesHo:_u²=0contralahipótesis alternativaHa:_u²>0.Silahipótesisnulaesverdadera,se estimaríaelmodeloatravésdeMCOconerroresnormales.

Por otrolado,las estimacionesdel modelode frontera heteroscedásticausadoporAigneretal.(1977)parametri- zanlafuncióndedensidaddelerrorcompuesto,εi=vi+ui, esdecir:

f(ε)= 2

f^∗

_ε





[1−F^∗(ε⁻¹)],−∞≤ε≤+∞ (11) Donde²=v²+u²,= ^_^u_v,F^* yf^* sonlas funcionesde densidaddeprobabilidadylafunciónacumuladadeproba- bilidad deuna normalestándar, respectivamente. Usando estosparámetros,sehaexaminadolavariabilidadrelativa deloscomponentessimétricosyasimétricosdelerroralea- torio.Silavariabilidaddelerrorsimétricodomina,v²→∞ y/o²u→0y,porlotanto,²→0.SerealizaeltestdeWald, dondelahipótesis nulaesHo:␭=0ylaalternativaesHa:

␭>0.EltestdeWaldsecalculacomoelcocientedelaesti- macióndemáximaverosimilitudde␭,paraestoseestima unerrorestándarW= _S^

.Estaestadísticasedistribuyeasin- tóticamentecomounavariablealeatorianormalestándar.

Ensegundo lugar, si sedetecta unaestructura asimétrica delerror,entoncesel modelo másgeneralseestima,yla hipótesisnuladeı¹=0secalcula.Unvalorestimadode␦1 noigualaceroesconsistenteconlacorrelaciónpropuesta entreUQylacalidaddelmedioambiente,Q1.

Respecto al modelamiento de la ecuación, numerosos estudios han utilizado la ecuación de la transformación Box-Coxparamodelar susfunciones.Sinembargo,algunos autores(CasselyMendelsohn, 1985;Cropperetal.,1988;

Sheppard,1999)hanargumentadoqueestetipodemodela- mientopresentainconvenientesensusestimaciones,yaque susresultadossonmuysensiblesavariacionesdelosdatos ysondifícilesdeinterpretar.Esporelloporloqueresulta convenienteutilizarfuncionessencillascomolalogarítmica ylasemilogarítmica.Sobreestaúltimaestructurafuncional, autorescomoGrislain-LetrémyyKatossky(2014),Baranzini yRamirez(2005),DonovanyButry(2011)yChoumertetal.

(2014)lahanutilizadoparamodelarsusfuncioneshedóni- cas,obteniendoresultadoseficientes ensusestimaciones.

Estoesdebidoaquesudinamismoreflejaloscambiosdel entorno, particularmente, de las características que son objetodeestudio.Portanto,tomamoscomovariabledepen- diente los valores mensuales de alquiler pagados por los inquilinosendólares.

Esasí,queinicialmenteseestimóunmodelolog-linuti- lizando MCO con todaslas variables propuestas (tabla 1).

Posteriormenteaesto,seeliminaronlasvariablesqueresul- taron no significativas. Seguidamente, se realizó el test deBreusch-Paganysecomprobóque existeheteroscedas- ticidad en el modelo estimado. Asimismo, se examinó el problema de la multicolinealidad, lo que ocasiona coefi- cientesinestablesqueprovocanunainflacióndeloserrores estándar,porloqueseincluyeronvariablesinteractivaspara amortiguardichoproblema.Seanalizóestefenómenoatra- vésdelosfactoresdeinflacióndevarianza(),quemuestra lamedida enlacualseelevalavarianzadeunestimador comoconsecuenciadelanoortogonalidaddelosregresores.

Losresultadosindicanlanopresenciademulticolinealidad, ya que, enpromedio, el VIFde las variables exógenas es inferiora10.Sobreesto,ChatterjeeyHadi(2006)mencio- nan queun valoraceptable esuna mediadelVIF inferior a2.

SeutilizóeltestdeRamseyparadeterminarlacorrecta especificación funcionaldel modelo, en el que la hipóte- sis nulasignifica que no presentavariables omitidas. Con unniveldesignificacióndel1%,noserechazalahipótesis planteada,esdecirlaecuaciónaestimartieneunproblema de variable omitida. Dado esto, se utilizó la metodolo- gíadefronteraheteroscedástica(tabla4),tomandocomo función dela varianzadeltérmino de error idiosincrásico el «abastecimiento deagua», lacual resultasignificativa.

Finalmente,lasinterpretacionesparalasvariablescategó- ricassiguieronelprocedimientopropuestoporHalvorseny Palmquist(1980).

5. Resultados

A continuación se muestran los resultados obtenidos en la investigación.Se iniciaexplicando las estadísticas des- criptivas delas principalesvariables, paraprocederluego al análisis inferencial de los datos. Las rentas mensuales muestran unadispersiónconsiderable. Elvalor mínimode alquilerquesepagaesde20USDyelmáximode1.000USD.

El número mínimo de dormitorios es de 5, y los metros cuadrados de construcción de vivienda son en promedio 28,02. Las viviendas más antiguas se construyeron hace 25a˜nos,mientrasquelas nuevashace menosdeuno.Las viviendas más alejadas del parque central se encuentran a 2.750 m, mientras que las máscercanas estána 55 m (tabla2).

Tabla1 Variablesexplicativas

Variables Subclasificación Variable Tipodevariables

Internas Básicas Númerodedormitorios Continua

Tipodeserviciohigiénico:inodoroyalcantarillado=1;inodoro ypozoséptico=2;inodoroypozociego=3;letrina=4;notiene=5

Categórica

Númerodeservicioshigiénicos Continua

Duchaeléctrica:sí=1;no=2 Categórica

Metroscuadradosdeconstruccióndelavivienda Continua Espacioparaba˜narseoducharse:sí,coninstalacionespara

ducha=1;sí,sininstalacionesparaducha=2;sí,coninstalaciones fueradelavivienda=3;Notiene=4

Categórica

Teléfonoconvencional:sí=1;no=2 Categórica

Ambientales Abastecimientodelagua:permanente=1;irregular=2 Categórica Formadeeliminacióndebasura:labotanalacalle,quebrada,

río=1;laqueman=2;serviciomunicipal=3;entierran=4;

reciclan=5;otro=6

Categórica

Distanciaaáreasverdes:distanciaenmetrosalparquecentral delaciudad

Continua

Generales Materialpredominanteeneltecho:hormigón,losa,cemento=1;

asbesto=2;cinc=3;teja=4;madera=5;palma,paja,hoja=6;

otro=7

Categórica

Materialpredominanteenlasparedes:hormigón,bloque, ladrillo=1;asbesto,cemento,fibrolit=2;adobe,tapia=3;

madera=4;behareque=5;ca˜na=6;otro=7

Categórica

Materialpredominanteenelsuelo:duela,parquet,tabloncillo, pisoflotante=1;cerámica,baldosa,ninyl=2;mármol,marmetón=3;

cemento,ladrillo=4;tabla,tablónnotaladro=5;ca˜na=6;tierra=7;

otro=8

Categórica

A˜nosdeconstrucciónquetienelavivienda Continua Sociales Condicióndevidadelhogar:vivenbien=1;vivenmásomenos

bien=2;vivenmal=3

Categórica

Externas Demográficas Víadeaccesoprincipalalavivienda:carretera,calle pavimentada=1;empedrado=2;lastradocalledetierra=3;

sendero,chaqui˜nán=4;río,mar,lago=5;otro=6

Categórica

Tipodezona:sur=1;norte:2;centro=3 Categórica Fuente:EncuestaNacionaldeAlquileres(ENALQUI,2013).

Porotrolado,seobserva(tabla3)queexisteunamarcada diferenciaentrezonasconrespectoalpreciodealquiler.De hecho,existeunatendenciaapagarunvalormayor enla zonadelcentrodelaciudadqueenelsur,porejemplo.Es porelloporloquelainclusióndelavariable«zona»como categoríadentrodelmodeloesesencialparacaptarelvalor marginal delospagosmensuales entrecada unadeellas.

Asimismo,sepuedeapreciarquelamayoríadelosprecios dealquilerfluctúanentrelos50ylos200USD.

Los resultadosdelaestimaciónporfronteraheterosce- dástica (tabla4) indican que la principalvía deacceso a

lavivienda es undeterminante importante en losprecios dealquileres.Demodoqueaquellasviviendascuyaavenida principal eslastrada/calle de tierra, tienen unprecio de alquilerinferiorenun2,57%encomparaciónconaquellas cuyaavenidacentralseencuentrapavimentada.

Analizandolasvariablesbásicas,porcadadormitorioadi- cional que posee el inmueble el alquiler aumenta en un 1,82%.Lavariable«metros cuadradosdeconstrucción»es significativa, esdecir, a mayor espacio construido, mayor seráelpreciodealquilerdelinmueble.Paralas viviendas quenoposeenespaciosparaba˜narseelvalordealquileres

Tabla2 Estadísticasdescriptivas

Variable Media Desviaciónestándar Mín Máx

Valorpagadomensualendólares 139,62 99,24 20 1.000

Númerodedormitorios 2,64 0,55 0 5

Metroscuadradosdeconstrucción 28,02 18,20 4 165

A˜nosdeconstruccióndelavivienda 10 3,50 0 25

Distanciaalparqueconáreasverdesenmetros 535,90 315,26 55 2.750

Tabla3 Rentasmensualesporzona

Rentamensualendólares Zona

Sur Norte Centro Total

0 18 1 0 19

50 182 212 77 471

200 0 1 133 134

500 0 0 7 7

800 0 0 4 4

Total 200 214 221 635

inferiorenun7,96%respectoalasqueposeeninstalaciones conducha.Porotrolado,ladisponibilidaddetelefoníafija (convencional)incrementasignificativamentelospreciosde alquiler.

Todaslasvariablesambientalesresultaronsignificativas.

Lospreciosdealquilerdelasviviendasconabastecimiento deaguairregularsoninferioresenun5,79%respectoaaque- llasconabastecimiento regular.Porotrolado,loshogares cuyométododeeliminacióndedesperdiciosesatravésdel serviciomunicipalpaganenpromedioun3,58%másdealqui- lerqueaquellosquenoloposeen.Lavariable«distanciaal parquecentral»tambiénessignificativayguardaunarela- ciónnegativaconla variableprecios dealquiler;esdecir, lasviviendasalejadasdelparquecentraltienenunalquiler másbajoquelasqueseencuentrancerca.

Conrelaciónalasvariablesgenerales,«materialdecons- truccióndeltecho»resultósignificativa,esdecir,lascasas contechodecinctienenunpreciodealquilerqueesenpro- medioun11,57%menorquelasqueposeentechodelosa.

Porotrolado,porcada a˜noadicional deantigüedaddela vivienda,elpreciodisminuye enun1,8%. Lacondiciónde vidadelhogartambiénafectaalosalquileres.Lasfamilias queafirmanvivirmalhabitaneninmueblescuyoprecioes inferiorenalrededordel17%encomparaciónconlasfami- liasqueafirmanvivirbien;esdeesperar,entonces,queestos hogaresocupenviviendasdemenorcalidad(material),ale- jadasdelsectorcéntricodelaciudad,cuyasvíasdeacceso principalseencuentrenenmalascondiciones.

Porotrolado,seobservanpreciosdealquilerestadística- mentesignificativosentrezonas.Enpromedio,unavivienda quesealquilaenelcentro delaciudadcuestaun20,56%

másqueotralocalizadaenelsur.Siestavariablelarelacio- namosconladistanciaalparquecentral,seobservaquepor cadametroadicionalquelosinmueblescéntricossealejen delparquecentral, el preciode alquilerdisminuye en un 2,37%encomparaciónconlasviviendasqueseencuentran enelsur.

Finalmente, y como ya se mencionó, existieron varia- bles que resultaron no significativas en el estudio y, por ende,fueronexcluidasdelmodelo,asaber:tipodeservicio higiénico,númerodeservicioshigiénicos,duchaeléctrica, materialpredominanteenlas paredesymaterialpredomi- nanteenelsuelo.

6. Discusión

Elobjetivodeestainvestigaciónesdeterminarlasvariables que expliquen las diferencias de los alquileres de las

viviendasenlazonaurbanadelaciudaddeMachala.Para ello se utilizó la metodología hedónica, con la que se buscabaestablecerlospreciosimplícitosdelosinmuebles con base en sus característicasy enlas del entorno. Una vezanalizadoslosresultados,sepuedeconcluirqueexisten variablesinternassignificativas,talescomolosmetroscua- dradosdeconstrucción,losa˜nosdeantigüedad,latenencia de teléfono convencional, el espacio para ba˜narse, el númerodedormitoriosyelmaterialeneltecho.

Lasvariablesambientalespropuestasresultaronsignifica- tivasparaelestudio.Así,lacalidaddelsuministrodeagua (medida a través del tipo de abastecimiento) resultó con elsignoesperadoyconcuerdaconelestudiorealizadopor Choumertetal.(2014),enelquelasviviendasconacceso a agua potableyabastecimiento regulartienenun mayor precio de alquiler. Si bien es ciertoque gran parte de la poblacióncuentaconunaprovisiónregulardeagua,haysec- toresenloscualesel suministroaúnesirregular.Por eso, el municipiodela ciudaddeberíapreocuparse porfiscali- zarcorrectamentealaempresadistribuidoradeaguaenla ciudad,paraqueelserviciobrindadoseaeficienteyeficaz.

El tipo de eliminación de desechos sólidos influye en lospreciosdealquiler;esasíquelosinquilinosvalorande mejor formalas viviendasque se encuentran en sectores relativamentelimpios,locualsedebeaqueelsistemade recoleccióndedesechosserealizavíamunicipio.

Estosresultadossonacordesconlosdelainvestigación realizadaporBrasingtonyHite(2005),endondedemuestran quela contaminacióndelsectorinfluyesignificativamente en los precios de las viviendas. Al igual que el agua, el manejodedesechos escompetencia delmunicipio,porlo quelasrecomendacionessedirigenaél,paraquecontrole yregule correctamentea lafirma encargadadel servicio.

Sedebería,asímismo,concientizaralosciudadanosdela localidadparaquerespetenloshorariosderecolecciónde desechosydeestamaneracontribuyanaldesarrollodeuna ciudadlimpiayordenada.

Losinmueblesmásalejadosdelparquecentraltienenun preciodealquilermenorquelosqueseencuentranpróxi- mos;esasíqueporcada100 mdedistanciadelavivienda alcentro, elpreciodealquilerdisminuye enpromedioun 5%.Estarelaciónnegativaseobserva,asímismo,eneltra- bajorealizadoporBengochea(2003),dondeporcadametro que laviviendasealeja deunazona conáreasverdes, su preciodisminuyeen3,83euros.Dehecho,Beekmansetal.

(2014)demuestran queesta variabletambiénafecta alos preciosdelosdepósitosindustrialesenHolanda,dondepor cada kilómetroque lapropiedadsealejedelparque cen- tralel preciodisminuyeun10%.Esimportante, entonces,

Tabla4 Estimaciónporfronteraheteroscedástica

Variables Coeficiente

Víadeaccesoprincipal

Empedrado −0,057^***(0,014)

Lastrado/calledetierra −0,026^***(0,005) Númerodedormitorios 0,018^*(0,010) Metroscuadradosdeconstrucción 0,004^***(0,001) Espacioparaba˜narse

Sí,sininstalacionesparaducha 0,006(0,005) Sí,coninstalacionesfuerala

vivienda

−0,021(0,015)

Notiene −0,083^**(0,014)

Poseeteléfonoconvencional

No −0,007^*(0,004)

Abastecimientodeagua

Irregular −0,059^***(0,013)

Eliminacióndebasura

Laqueman 0,023^*(0,012)

Serviciomunicipal 0,035^***(0,012)

Otro −0,014(0,013)

Distanciaalparquecentral −0,001^***(0,000) Materialeneltecho

Asbesto −0,002(0,006)

Cinc −0,123^***(0,006)

Teja −0,007(0,020)

A˜nosdeconstruccióndelavivienda −0,018^***(0,003) Condicióndevidadelhogarsegúnsuingreso

Másomenosbien −0,086^***(0,020)

Vivenmal −0,182^***(0,034)

Zona

Norte −0,019^*(0,011)

Centro 0,187^***(0,026)

Zona^*distanciaalparquecentral

Norte −0,165^**(0,002)

Centro −0,024^***(0,000)

Ln²v −4,281

v² 0,312

Funcióndevarianza (Lnu²)

Intercepto −3,450^**(1,126)

Abastecimientodeagua −0,028^**(0,011) Erroresestándaresentreparéntesis.

*** p<0,01.

** p<0,05.

* p<0,1.

quetantolasagenciasinmobiliariascomolosgobiernossec- cionales y centrales consideren dentro de sus planes de ordenamiento territorial la construcción de áreas verdes, yaqueestas,comosehademostrado,influyenenelcreci- mientoeconómicodelaciudad(sevalorandemejorforma lasviviendasconespaciosverdes)y,además,producenefec- tosqueayudanalaeliminacióndelpolvoydecontaminantes gaseosos,lareduccióndelruido,el enriquecimientodela biodiversidadylaproteccióndelsuelo.

Lacondicióndevidadelhogarestáligadaalosprecios delosinmuebles.Lasfamiliasquevivenencondicionesbue- nashabitanenviviendasmáscaras(mejores)queaquellos cuyascondicionesdevidasonmalas.Estosresultadoscoin- cidenconlainvestigaciónrealizadaporGrislain-Letrémyy Katossky(2014),loscualesencuentran,asímismo,unarela- ciónsignificativaynegativaentrelavariable«condiciónde pobreza»y losprecios de las viviendas, a saber,a mayor

«pobreza», menores oportunidades de adquirir viviendas máscarasyenmejorescondiciones.Elestadoecuatoriano debe,entonces,garantizar el«buenvivir»plasmadoenla constituciónde2008.Másqueelotorgamientodesubsidios alsector inmobiliario, se debegenerar un marco jurídico estable,conleyeslaboralesclarasquepermitaneldesarro- lloeconómicodelapoblación y,deesta forma,lamejora delacalidaddevidaenloshogares.

Losestudioshedónicosrequiereninformacióncuantiosa delobjetodeestudio,lamismaqueesproporcionadapor organismosespecializadosensucolecta, condatosactua- lizadosygeorreferenciados.Dadalapocadisponibilidadde datosenlalocalidaddeestudio,quedacomotarealaincor- poracióndeinformaciónadicionalquenosehaincluidoenel presenteestudioporlaslimitacionesse˜naladas.Dichopro- blemapodríagenerar erroresdeespecificaciónysesgoen lasestimaciones;sinembargo, elpresente trabajorefleja unaaproximaciónrealdelcomportamientodelmercadode alquilerenlaciudaddeMachala,ydejaelcaminoabiertoa futurasinvestigacionessobreeltema,anivellocalynacio- nal.

Enestudiosfuturossepodríaincorporarinformaciónde variables ambientales adicionales, como nivel de ruido, grado de contaminación del agua, número de árboles por sector, entre otras. Los gobiernos seccionales, con- juntamente con el gobierno nacional, deberían generar estadísticas ambientales detalladas por ciudad y, de esta manera,permitirlacuantificacióncorrectadelvaloreconó- micodeaquellosbienesquenoposeenmercado,esdecir, delosbienesambientales.

Bibliografía

Aigner,D.,Lovell,C.,Schmidt,P.,1977.Formulationandestima- tionofstochasticfrontierproductionfunctionmodels.Journal ofEconometrics6,21---37.

Azqueta,D.,1994.Valoracióneconómicadelacalidadambiental.

McGraw-Hill,Madrid.

Baranzini,A.,Ramirez,J.,2005.Payingforquietness:Theimpact ofnoiseonGenevarents.UrbanStudies42,633---646.

Beekmans,J.,Beckers,P.,Krabben,E.,Martens,K.,2014.Ahedonic priceanalysisofthevalueofindustrialsites.JournalofProperty Research31,108---130.

Bengochea,A.,2003. Ahedonicvaluationof urbangreenareas.

LandscapeandUrbanPlanning66,35---41.

Bond,M., Seiler,V.,Seiler,M., 2002.Residentialrealestatepri- ces:Aroom witha view.JournalofRealEstateResearch23, 129---138.

Boxall,P.,2005.Theimpactofoilandnaturalgasfacilitiesonrural residentialpropertyvalues:Aspatialhedonicanalysis.Resource andEnergyEconomics27,248---269.

Brasington,D.,Hite,D.,2005.Demandforenvironmentalquality:A spatialhedonicanalysis.RegionalScienceandUrbanEconomics 35,57---82.

Carriazo,F., Ready,R., Shortle,J., 2013. Usingstochastic fron- tiermodelstomitigateomittedvariablebiasinhedonicpricing models:AcasestudyforairqualityinBogotá,Colombia.Ecolo- gicalEconomics,80---88.

Cassel,E.,Mendelsohn,R.,1985.Thechoiceoffunctionalformsfor hedonicpriceequations:Comment.JournalofUrbanEconomics 18,135---142.

Censo de Población y Vivienda (2010). Instituto Nacional de Estadísticas y Censos, INEC [consultado 2 Abr 2015].

Disponible en: http://www.ecuadorencifras.gob.ec/censo-de- poblacion-yvivienda/.

Chang,J.,Kim,D.,2013.HedonicestimatesofrailnoiseinSeoul.

TransportationResearchPartD:TransportandEnvironment19, 1---4.

Chatterjee,S.,Hadi,A.S.,2006.RegressionAnalysisbyExample.

JohnWileyandSons,Hoboken.

Chiarazzo,V.,dell’Olio,L.,Ibeas,Á.,Ottomanelli,M.,2014.Mode- lingtheeffects ofenvironmentalimpactsandaccessibilityon realestatepricesinindustrialcities.Procedia-SocialandBeha- vioralSciences111,460---469.

Choumert,J.,Stage,J.,Uwera,C.,2014.Accesstowaterasdeter- minantofrentalvalues:AhousinghedonicanalysisinRwanda.

JournalofHousingEconomics26,48---54.

Cropper,M.L.,Deck,L.B.,McConnell,K.E.,1988.Onthechoiceof functionalformforhedonicpricefunctions.ReviewofEconomics andStatistics70,668---675.

DesRosiers,F.,2002.Powerlines,visualencumbranceandhouse value:Amicrospatialapproachtoimpactmeasurement.Journal ofRealEstateResearch23,276---330.

Donovan,G.,Butry,D.,2011.Theeffectofurbantreesontherental priceofsingle-familyhomesinPortland,Oregon.UrbanForestry

&UrbanGreening10,163---168.

EncuestaNacionaldeAlquileres ENALQUI(2013).InstitutoNacio- nal deEstadísticas y Censos,INEC[consultado 20Abr 2014].

Disponible en http://www.ecuadorencifras.gob.ec/encuesta- nacional-de-alquileres-enalqui.

EncuestaNacional de Empleo, Desempleo y Subempleo ENEMDU (2012).InstitutoNacionaldeEstadísticasyCensos,INEC[consul- tado12Abr2015].Disponibleenhttp://www.ecuadorencifras.

gob.ec/documentos/web-inec/Encuestas Ambientales/

Ambientales2012junio/PresentacioJunio%202012.pdf

Epple,D.,1987.Hedonicpricesand implicitmarkets:Estimating demandandsupplyfunctionsfordifferentiated products.The JournalofPoliticalEconomy95,59---80.

Fink,A.,Stratmann,T.,2015.UShousingpricesandtheFukushima nuclearaccident.JournalofEconomicBehavior&Organization 117,309---326.

Freeman,A.M.,1979.Thehedonicapproachtomeasuringdemand forneighbourhoodcharacteristics.TheEconomicsofNeighbor- hood,191---217.

Grislain-Letrémy,C.,Katossky,A.,2014.Theimpactofhazardous industrialfacilitiesonhousingprices:Acomparisonofparame- tricandsemiparametrichedonicpricemodels.RegionalScience andUrbanEconomics49,93---107.

Halvorsen,R.,Palmquist, R.,1980. Theinterpretationofdummy variablesinsemilogarithmicequations.TheAmericanEconomic Review70,474---475.

Índice de Precios al Consumidor (2014). Instituto Nacional de Estadísticas y Censos, INEC [consultado 29 Mar 2015].

Disponible en http://www.ecuadorencifras.gob.ec/indice-de- precios-alconsumidor-2014/

Índice Verde Urbano (2012). Instituto Nacional de Estadísticas y Censos, INEC[consultado 9 Abr 2015]. Disponible en http://

www.ecuadorencifras.gob.ec/documentos/webinec/Encuestas Ambientales/Verde Urbano/Presentacion Indice%20Verde

%20Urbano%20-%202012.pdf

Jim,Y.C.,Chen,W.,2006.Impactsofurbanenvironmentalelements onresidentialhousingpricesinGuangzhou(China).Landscape andUrbanPlanning78,422---434.

Labandeira,X.,León,C.,Vázquez,M.,2007.EconomíaAmbiental.

Pearson,Madrid.

Lang, C.,2015. Thedynamicsof housepriceresponsivenessand locationalsorting:Evidencefromairqualitychanges.Regional ScienceandUrbanEconomics52,71---82.

Liao,W.,Wang,X.,2012.Hedonichousepricesandspatialquanti- leregression.JournalofHousingEconomics21,16---27.

Número de Compa˜nías (2013). Superintendencia de compa˜nías [consultado18Ago 2014].Disponible enhttp://181.198.3.71/

portal/cgi-bin/cognos.cgi.

Palmquist,R.,2014.Estimatingthedemandforthecharacteristics ofhousing.TheReviewofEconomicsandStatistics66,394---404.

Panduro,T.,Veie,K.,2013.Classificationand valuationofurban greenspaces----Ahedonichousepricevaluation.Landscapeand UrbanPlanning120,119---128.

Rosen,S.,1974.Hedonicpricesandimplicitmarkets:Productdiffe- rentiationinpurecompetition.TheJournalofPoliticalEconomy 82,34---55.

Sander, A.,2009.The valueofviewsand openspace:Estimates from a hedonicpricingmodelfor Ramsey County, Minnesota, USA.LandUsePolicy26,837---845.

Sander, H., Haight, R., 2012. Estimating the economic value of cultural ecosystem services in an urbanizing area using hedonic pricing. Journal of Environmental Management 113, 194---205.

Sheppard,S.,1999.Hedonicanalysisofhousingmarkets.Handbook ofRegionalandUrbanEconomics3,1595---1635.

Tyrvainen,L.,Miettinen,A.,2000.Propertypricesandurbanforest amenities. Journalof Environmental Economics and Manage- ment39,205---223.

Wilhelmsson,M., 2000.Theimpactoftrafficnoiseonthevalues ofsinglefamilyhouses.JournalofEnvironmentalPlanningand Management43,799---815.

Zabel,J.,Guignet,D.,2012.Ahedonicanalysisoftheimpactof LUSTsitesonhouseprices.ResourceandEnergyEconomics34, 549---564.

ZhaoY.,LiuX.,2010.Hedonicpricestudyonurbanhousing:The caseofShijiazhuangcity.En:ManagementandServiceScience (MASS),2010InternationalConference.China.