Estudio estadístico clásico y espacial para la valoración de bienes inmuebles urbanos en el municipio de Guadalajara, Jalisco, México

Resumen

Durante la última década, el municipio de Guadalajara, Jalisco (México) enfrenta los retos de una urbanización acelerada y dispersa en la que resalta la fuerte demanda de viviendas asequibles que garanticen el bienestar de la población que en la urbe habita. No obstante, el municipio carece de un criterio de valoración objetivo. Razón por la que la investigación se centra en realizar el análisis estadístico clásico y geoestadístico para evaluar el mercado inmobiliario local. La aplicación de la estadística en el ámbito de la valoración inmobiliaria pretende el análisis de datos provenientes de una muestra representativa de viviendas del municipio que permita explicar las correlaciones y dependencias de las mismas con la finalidad de estimar su valor. Por tanto, el análisis valorativo de las viviendas particulares del municipio de Guadalajara parte de la recopilación y homogenización de la información espacial disponible del Catastro y del Instituto Nacional de Estadística y Geografía (INEGI) categorizando variables, a nivel de manzana, que influyen en el precio de las viviendas. Tras obtener estas variables, se utilizaron dos técnicas estadísticas para su análisis. El modelo de Regresión Lineal Múltiple de los datos que identifica las variables que influyen en el valor del inmueble permitiendo comprender la relación entre distintas variables y el valor inmobiliario, así como predecir o estimar los precios de las viviendas. La segunda técnica aplicada fue el análisis estadístico espacial mediante el Kriging Ordinario, que permitió estimar valores desconocidos o no muestreados considerando no solo la proximidad de los puntos conocidos, sino también la relación espacial entre ellos, generando un mapa de las estimaciones de los valores inmobiliarios en toda la zona de estudio. La combinación de estos métodos nos permite abordar de manera integral la complejidad de las relaciones espaciales y multivariadas del mercado inmobiliario en la zona de estudio.