Este repositorio contiene un proyecto de econometría aplicada que estudia los determinantes del precio de la vivienda en Colombia, con foco en diferencias por tipo de propiedad y ubicación geográfica.
Estimar modelos hedónicos del precio de la vivienda utilizando datos masivos de propiedades listadas en línea. En particular, se comparan:
- Medellín vs el resto del país
- Bogotá D.C, Medellín y Cali (Big3) vs el resto
Se analizan por separado apartamentos y casas.
Se implementa un modelo de regresión lineal (OLS) con forma semi-logarítmica y errores robustos a heterocedasticidad (HC3), evaluando:
- Impacto de atributos físicos (tamaño, cuartos, baños)
- Prima de localización geográfica
- Diagnósticos del modelo (heterocedasticidad, RESET, multicolinealidad)
- Comparación de coeficientes y visualizaciones
## Datos
* Más de 150.000 registros de propiedades en Colombia
* Variables: precio, superficie, cuartos, baños, ciudad, tipo de propiedad
Por limitaciones de tamaño, los datos completos no se incluyen en este repositorio. Para obtenerlos:
1. Descarga el archivo original desde https://drive.google.com/file/d/1-dYEDcBWE8vJwiNrA-C4DQKFxYmgPHYB/view?usp=sharing.
- Abre el notebook: Cambios en el Precio de la Vivienda en Colombia
- Los apartamentos en las tres principales ciudades cuestan en promedio 80% más que en el resto del país.
- En casas, Medellín muestra un descuento relativo del 15%.
- El tamaño y el número de baños son los atributos físicos más importantes.
- Se detectó heterocedasticidad (corregida), cierta colinealidad, y posible mala especificación.
- Python 3.10
- pandas, numpy, statsmodels, matplotlib, seaborn, scikit-learn
- Rosen, S. (1974). “Hedonic prices and implicit markets.”
- Malpezzi, S. (2003). “Hedonic pricing models: A selective and applied review.”
- Wooldridge, J. M. (2013). Introductory Econometrics.
MIT License