Evaluación ex ante viabilidad proyectos urbanos - Precios Hedónicos - Equilibrio General - Equilibrio Urbano

1. 1
Consideraciones Metodológicas para la Determinación de la viabilidad Económica, Social y Financiera
De los Proyectos Urbanos en Bogotá, D.C.
Frente al Desarrollo Territorial
J.C.Segura-Ortiz
Fama Consultores / Universidad de La Salle / Escuela Colombiana de Ingeniería
Alcaldía Mayor de Bogotá, D.C.
Secretaría Distrital de Planeación
Dirección de Economía Urbana
Bogotá, D.C., Febrero de 2014

2. 2
Síntesis
 La Administración Distrital de Bogotá, D.C. está interesada en la identificación de procedimientos objetivos para la determinación de la viabilidad de proyectos urbanos previstos en el Plan de Desarrollo Territorial de la Ciudad, —POT— y en otras disposiciones para el desarrollo urbano de la ciudad.
 La viabilidad de un proyecto urbano, se debe manifestar en tres ámbitos: el económico, el social y el financiero, y debe adquirir una manifestación cuantitativa / cualitativa que haga posible adoptar decisiones sobre la adopción de proyectos urbanos.
 Un principio de acción fundamental que motiva esta búsqueda es el no juzgar las intervenciones por la bondad de sus intenciones; en contraste, un proyecto se dirá fuertemente viable si su impacto contingente supone que el beneficio neto de su aplicación es estrictamente positivo, dado que es económica, ambiental y financieramente viable; se dirá que el proyecto es débilmente viable, si es estrictamente viable en al menos una de las tres dimensiones.
 La aproximación metodológica que combina distintos procedimientos para la evaluación ex ante de las propuestas de intervención, en un contexto en el que esta no puede ser valorada directamente por carecer de mercados en los cuales su precios se forman en forma colectiva, esto es, por ser bienes no mercadeables.

3. 3
Consideraciones Generales
 La Administración Distrital, tiene presente el concepto de bienestar como criterio de decisión para la elección de los proyectos con los que quiere modificar las condiciones actuales en las que las actividades urbanas tienen lugar y se desenvuelven;
 Así, para el gobierno de la Ciudad, el último de los criterios de elección y priorización es la retórica de la definición axiomática de las bondades de un proyecto: La administración se ha comprometido con la búsqueda de criterios objetivos para la selección de proyectos, entre ellos, el que obliga la determinación de la viabilidad económica, social y financiera de las intervenciones que puedan preverse.

4. 4
Dicho criterio de selección es exigente: se pide para un proyecto que sea:
 Económicamente Viable, esto es, que el beneficio neto privado sea estrictamente positivo,
 Socialmente Viable, es decir, que la suma de los beneficios individuales privados producidos por el proyecto sea estrictamente mayor que los costes agregados (sociales) del mismo, y
 Financieramente Eficiente, en cuanto a que las inversiones que el proyecto involucra, sean cubiertos por los aportes financieros de los individuos, luego de la intervención.

5. 5
 Se puede postular que bajo esta visión, un proyecto urbano será fuertemente viable si es viable en lo económico, lo social y lo financiero; al mismo tiempo, se dirá que una iniciativa pública es débilmente viable, si es viable en al menos uno de las tres dimensiones que permiten juzgar el resultado del proyecto.
 Dichos criterios suponen un ordenamiento racional (i.e. Total y Transitivo) sobre el conjunto de opciones (proyectos) de la administración (Ver Takayama, 1985; Mas-Colell, 1995, Jehle&Reny, 2011, entre otros).
 El problema de la determinación de la viabilidad de un proyecto urbano está relacionado con aquel de averiguar los valores privados, sociales (como la suma de los valores privados individuales) y los valores financieros que añade una intervención que, —por construcción—, ha sido diseñada para mejorar las condiciones esto es, aportan valor.

6. 6
 La principal dificultad de esta aproximación metodológica tiene que ver con que las intervenciones, si bien pueden materializarse en bienes privados, son por lo general bienes no mercadeables.
 Para las Intervenciones bajo consideración no hay un mercado en el cual su precio se pueda definir de modo tal que se puedan reflejar tanto la disponibilidad a parar (DAP) del beneficiario, como la disponibilidad a recibir (DAR) de quienes están a cargo de su provisión.
 Como la determinación de la viabilidad es una búsqueda ex ante, a las dificultades identificadas hay que añadir la incertidumbre que rodea a las iniciativas que quieren ponerse en marcha.

7. 7
Propuesta Metodológica
La propuesta metodológica consiste en reproducir escenarios alternativos de ciudad, contingentes a las posibles intervenciones que desde la Administración de la Ciudad puedan ser previstas.
La propuesta consiste en diseña y construir un dispositivo computacional que con base en los datos actuales de los lugares de intervención combinados con datos de individuos comparables observados ex post, permita simular estados alternativos del mundo, generados por la intervención.
La diferencia de los valores generados en el escenario contrafactual y los observados en el equilibrio de benchmark, dan el impacto contingente de la intervención y constituirán indicador de viabilidad.

8. 8
Se considerará que cada objeto beneficiario, v.g. cada predio privado, puede entenderse como un bien compuesto por una serie de atributos privados y públicos representables mediante una función hedónica.
Bajo la conjetura hedónica, el valor privado de un predio, es la suma de las DAP individuales de cada uno de los atributos que lo integran.
Sin embargo, como para un predio beneficiario los atributos que se desea introducir a través de las actuaciones de la administración no están actualmente disponibles, se requiere computar los aportes marginales que dichos nuevos atributos añaden a los valores privados en zonas donde ya hayan sido introducidos o bien, identificarlos a través de indagaciones cuasi experimentales sobre DAP.

9. 9
Referentes Teóricos
La propuesta metodológica consiste de un modelo numérico de microsimulaciones que computa, para una zona compuesta por un número finito y específico de predios localizados en su interior, situaciones contrafácticas resultantes de variaciones de los parámetros que la caracterizan.
El modelo produce valores privados alternativos para el predio 푖= 1,…,푛 contingentes a economías externas producidas por estados alternativos del espacio donde el predio se localiza, generados por una autoridad de planeación y de ordenamiento urbano.

10. 10
Desde el punto de vista computacional, el modelo de microsimulaciones es una combinación lineal de los valores observados para los predios en la zona seleccionada, y un vector de parámetros que miden los efectos diferenciales asociados a la disponibilidad de características públicas que pueden introducirse exógenamente ya sea a través de la acción de una autoridad, o bien, a través de otras fuentes de variación como el ambiente general económico y social que identifica la economía en la que la zona está inscrita.
Como se supone que la introducción de configuraciones alternativas del espacio de localización del predio 푖-ésimo, es un bien público, la noción de economía externa o externalidad juega un papel central.

11. 11
Economías de Aglomeración, Economías Urbanas y Externalidades
Una noción clave en el análisis de la organización de las ciudades es el de externalidad o de (des)economía externa: explica de manera sencilla y creíble la tendencia a la aglomeración en puntos particulares del trazado urbano, de actividades fuerte o débilmente homogéneas.
El concepto de externalidad ha estado asociado a la realidad empírica de la concentración espacial y es central al desarrollo de la teoría moderna sobre las economías urbanas (Fujita, Krugman, & Venables, 1999).

12. 12
Economías de Aglomeración, Economías Urbanas y Externalidades
Desde el punto de vista puramente teórico, las pretensiones del POT pueden equipararse con los resultados asociados al llamado Segundo Teorema del Bienestar, de acuerdo con el cual, toda asignación de recursos puede alcanzarse como un equilibrio general, dadas redistribuciones adecuadas de las dotaciones iniciales.
La incertidumbre existente en relación con el carácter de las redistribuciones da lugar a la necesidad de priorizar acciones que puedan llevar a un punto de partida tal que desde allí los agentes urbanos puedan a través de transferencias de suma fija1, alcanzar sus imaginarios colectivos sobre desarrollo.
1 En forma más concreta, “From the second welfare theorem, we know that under suitable convexity hypotheses, any Pareto optimal allocation, can be achieved as a competitive allocation after an appropiate lump-sum redistribution of wealth” Mas-Colell, Whinston & Green (1995:350)

13. 13
Localización, Externalidades y Precios de los Predios
Rosen (1974) que una cierta clase de bienes/productos diferenciados puede ser descrito en forma completa por un vector de características mensuradas en forma objetiva (Rosen, 1974).
Los precios de algunas mercancías y las cantidades concretas de los atributos que constituyen cada bien en cuestión, define un vector implícito de precios hedónicos. El trabajo inicial de Rosen consiste en construir una teoría del valor hedónico en el marco de la economía espacial: los precios relativos caracterizan las decisiones de localización de productores y consumidores en determinados espacios característicos.

14. 14
La popularidad del enfoque hedónico tiene origen en la flexibilidad que ofrece su implementación empírica, a la hora de explicar la forma cómo los precios de los predios reflejan variaciones espaciales en las dotaciones de bienes públicos de diferentes comunidades, clusters, vecindarios, localidades y regiones compuestas de aglomeraciones urbanas entre otros.
Una relación econométrica típica para estimar las DAP marginales de cada componente del bien compuesto, para un bloque de 푖=1,…,푚 individuos (predios, viviendas, establecimientos comerciales) está dado por:
푃푖(푍)=푎0+Σ휃푘퐴푖푘 퐾 푘=1+Σ훾푟퐺푖푟 푅 푟=1+Σ훼푗푋푖푗+휀푖 푗 푗=1

15. 15
퐴푖푘 y 퐺푖푟 son vectores de atributos de la unidad 푖-ésima que se distinguen entre sí porque 퐴푖푘 comprende atributos privados e internos a la unidad como el tipo de actividad económica que se desarrolla allí (comercio, servicios, industria, producción de fuerza de trabajo), el número de cuartos, el área de la construcción, el área del terreno, en tanto que 퐺푖푟 comprende atributos públicos como el estrato socioeconómico (dado que se trata de vivienda), el tipo de zona, (en deterioro urbanístico, en desarrollo progresivo con o sin consolidar inter alia).

16. 16
La naturaleza del agente económico (i.e. su condición socioeconómica) afecta, obviamente, las decisiones asociadas a la elección.
En particular, 푋푖푗 es un vector de datos de características socioeconómicas de los individuos en los predios.
Es de esperarse que las características socioeconómicas como los niveles de educación (capital humano), el tamaño del hogar en términos del número de personas, etc., sean covariantes del ingreso, que es un parámetro fundamental en las posiciones de oferta y demanda por la mercancía compuesta, según se ha explicado.

17. 17
El vector β′=(푎0,휃푘,훾푟,훼푗) ′ contiene parámetros a estimar que describen las DAP marginales por los atributos internos y externos 퐴푖푘 y 퐺푖푟, las elasticidades ingreso de la demanda (inversa) por el bien compuesto (훼푗) y el precio promedio de un bien compuesto, cuando no hay diferencias en los atributos internos/externos entre ninguna de las 푖=1,…,푛 unidades.
Finalmente 휀푖 es un vector de residuales que de cualquier modo puede descomponerse en otros dos vectores: uno de efectos individuales y otro de efectos que se pueden compartir entre otros individuos y que puede representar variaciones generadas por el conjunto de controles 퐺푖푟 de bienes públicos y otras externalidades.

18. 18
La relación es con frecuencia estimable salvo que, normalmente, la ecuación hedónica tiene algún grado de no linealidad exigiendo en algunos casos aproximaciones como las de Box-Cox que buscan exponentes óptimos para el RHS y el LHS de la relación postulada entre precios y atributos. En estas circunstancias, suele estimarse, en lugar de la relación original supra una versión modificada de la misma:
푃푖(푍)휃=푎0+Σ휃푘(퐴푖푘)휆 퐾 푘=1+Σ훾푟(퐺푖푟)휆 푅 푟=1+Σ훼푗푋푖푗+휀푖 푗 푗=1
Siendo 휃=휆=1 es justo uno de los casos plausibles. La principal dificultad para la estimación de no es por supuesto, la búsqueda de valores óptimos para (휃,휆) sino la disponibilidad de información suficiente, que parece ser el caso de Bogotá.

19. 19
Ejemplo 1: Relación Hedónica? Existe Evidencia?
A partir de una muestra aleatoria de 5000 observaciones aportada por el SDP se ha estimar una relación estadística entre el avalúo (promedio) de un conjunto de predios localizados en un lugar particular de la ciudad y una serie de características observadas al interior de ellos y en su entorno.
Entre las características incluidas se han incorporado, en relación con los atributos internos variables como el uso económico que se le da al predio, que es el conjunto de controles que registran los niveles de empleo por gran clasificación de actividad económica (industria, comercio, servicios, etc.) y el número de establecimientos donde estos individuos venden su fuerza de trabajo.

20. 20

21. 21
Valor y Características Privadas
_cons -812.9115 235.0844 -3.46 0.001 -1273.78 -352.0427 t_otro -44.79865 16.01031 -2.80 0.005 -76.18589 -13.4114 t_cuarto -17.3922 5.55811 -3.13 0.002 -28.28854 -6.495857 t_apto -3.787267 2.206144 -1.72 0.086 -8.112281 .5377458 t_casa -17.58532 3.067017 -5.73 0.000 -23.59803 -11.57262 eotr 167.5979 72.85284 2.30 0.021 24.77426 310.4215 esrv 98.21553 19.55399 5.02 0.000 59.88111 136.5499 ecom 19.55089 12.07096 1.62 0.105 -4.113497 43.21528 eind -282.4635 46.93222 -6.02 0.000 -374.4713 -190.4557 ha_constr 1.110692 .0112103 99.08 0.000 1.088715 1.132669 ha_land .0203894 .0028454 7.17 0.000 .0148112 .0259676 ic -926.3435 117.1158 -7.91 0.000 -1155.942 -696.7451 avaluo Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 1.1176e+12 4997 223663918 Root MSE = 7685.2 Adj R-squared = 0.7359 Residual 2.9448e+11 4986 59061890.7 R-squared = 0.7365 Model 8.2317e+11 11 7.4833e+10 Prob > F = 0.0000 F( 11, 4986) = 1267.03 Source SS df MS Number of obs = 4998. reg avaluo ic ha_land ha_constr eind ecom esrv eotr t_casa t_apto t_cuarto t_otro

22. 22
Valor y Características Públicas: Externalidades
_cons 7.494216 .0607435 123.37 0.000 7.375132 7.6133 est06 2.227899 .3346182 6.66 0.000 1.5719 2.883899 est05 1.269168 .3165594 4.01 0.000 .6485724 1.889764 est04 .6008626 .2591791 2.32 0.020 .0927572 1.108968 est02 -.4235703 .0567991 -7.46 0.000 -.5349217 -.312219 est01 -1.435565 .0723205 -19.85 0.000 -1.577345 -1.293785 zh_resbd .5333521 .4381417 1.22 0.224 -.3255989 1.392303 zh_resexcl .7123659 .3078326 2.31 0.021 .1088783 1.315854 zh_resint .9140811 .2659829 3.44 0.001 .3926374 1.435525 zh_rescom 1.524285 .4360553 3.50 0.000 .6694242 2.379146 zh_inst .5537061 .1821184 3.04 0.002 .1966737 .9107385 zh_comprd 1.284892 .0982923 13.07 0.000 1.092196 1.477589 zh_ind 1.131268 .166067 6.81 0.000 .8057031 1.456832 zh_dpcs .3511926 .0568966 6.17 0.000 .2396502 .4627351 zh_ztol 1.025029 .2387627 4.29 0.000 .5569485 1.493109 zh_pobreza -.5085437 .0825727 -6.16 0.000 -.6704226 -.3466649 lcbdk2 -.0178609 .0037388 -4.78 0.000 -.0251905 -.0105313 denstot .0038642 .0014337 2.70 0.007 .0010534 .0066749 densrv .0095059 .0030494 3.12 0.002 .0035278 .015484 denscom .0263471 .0044841 5.88 0.000 .0175564 .0351378 densind .0057254 .0015129 3.78 0.000 .0027595 .0086913 lavaluo Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 10165.2136 4994 2.03548531 Root MSE = 1.0058 Adj R-squared = 0.5030 Residual 5032.17619 4974 1.01169606 R-squared = 0.5050 Model 5133.03744 20 256.651872 Prob > F = 0.0000 F( 20, 4974) = 253.68 Source SS df MS Number of obs = 4995> resbd est01 est02 est04 est05 est06. reg laval densind denscom densrv denstot lcbdk2 zh_pobreza zh_ztol zh_dpcs zh_ind zh_comprd zh_inst zh_rescom zh_resint zh_

23. 23
Avalúos Máximo, Mínimo y Promedio
Según Zonificación Hábitat

24. 24
Externalidades: Avalúo vs Zona Hábitat I
_cons 5640.189 2078.087 2.71 0.007 1566.223 9714.155 zh_resbd 29919.6 4274.383 7.00 0.000 21539.92 38299.27 zh_resexcl 27162.85 2365.53 11.48 0.000 22525.37 31800.33 zh_resint 9552.688 2226.453 4.29 0.000 5187.861 13917.51 zh_rescom 26048.68 5195.219 5.01 0.000 15863.77 36233.6 zh_lot 13627.35 2831.956 4.81 0.000 8075.474 19179.23 zh_zv 6204.618 3544.398 1.75 0.080 -743.9614 13153.2 zh_inst 4021.213 3082.302 1.30 0.192 -2021.456 10063.88 zh_comprd 5427.337 2330.488 2.33 0.020 858.5544 9996.12 zh_ind 10241.84 2874.261 3.56 0.000 4607.022 15876.66 zh_deturb -1781.087 3360.714 -0.53 0.596 -8369.566 4807.392 zh_dpcs -1424.151 2104.057 -0.68 0.499 -5549.028 2700.727 zh_dpnc -4168.524 2097.124 -1.99 0.047 -8279.81 -57.23876 zh_ztol 783.8484 3794.051 0.21 0.836 -6654.162 8221.859 zh_pobreza -5148.251 2287.899 -2.25 0.024 -9633.54 -662.9618 avaluo Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 1.1176e+12 4997 223663918 Root MSE = 13468 Adj R-squared = 0.1891 Residual 9.0379e+11 4983 181374786 R-squared = 0.1913 Model 2.1386e+11 14 1.5276e+10 Prob > F = 0.0000 F( 14, 4983) = 84.22 Source SS df MS Number of obs = 4998. reg avaluo zh_pobreza zh_ztol zh_dpnc zh_dpcs zh_deturb zh_ind zh_comprd zh_inst zh_zv zh_lot zh_rescom

25. 25
Avalúo vs Zona Hábitat II [Eliminación de variables no aportantes]
_cons 4372.859 318.3079 13.74 0.000 3748.835 4996.882 zh_resbd 31186.93 3749.678 8.32 0.000 23835.91 38537.95 zh_resexcl 28430.18 1174.408 24.21 0.000 26127.82 30732.54 zh_resint 10820.02 860.3937 12.58 0.000 9133.267 12506.77 zh_rescom 27316.01 4773.291 5.72 0.000 17958.26 36673.76 zh_lot 14894.68 1950.555 7.64 0.000 11070.74 18718.63 zh_zv 7471.948 2889.581 2.59 0.010 1807.098 13136.8 zh_comprd 6694.668 1102.087 6.07 0.000 4534.093 8855.242 zh_ind 11509.17 2011.514 5.72 0.000 7565.717 15452.62 zh_dpnc -2901.194 425.2524 -6.82 0.000 -3734.876 -2067.513 zh_pobreza -3880.921 1008.863 -3.85 0.000 -5858.736 -1903.106 avaluo Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 1.1176e+12 4997 223663918 Root MSE = 13471 Adj R-squared = 0.1887 Residual 9.0496e+11 4987 181463923 R-squared = 0.1903 Model 2.1269e+11 10 2.1269e+10 Prob > F = 0.0000 F( 10, 4987) = 117.21 Source SS df MS Number of obs = 4998. reg avaluo zh_pobreza zh_dpnc zh_ind zh_comprd zh_zv zh_lot zh_rescom zh_resint zh_resexcl zh_resbd

26. 26
Valor y Condiciones de Vida: Carácter de la Pobreza
_cons 7.647364 .093124 82.12 0.000 7.4648 7.829929 est06 2.833316 .1558896 18.18 0.000 2.527703 3.138929 est05 1.774148 .1349667 13.15 0.000 1.509553 2.038743 est04 1.205231 .1031645 11.68 0.000 1.002983 1.40748 est03 .849423 .1085495 7.83 0.000 .6366175 1.062229 est02 .3157313 .1234632 2.56 0.011 .0736884 .5577743 est01 -.6240243 .1313329 -4.75 0.000 -.8814953 -.3665534 zh_deturb -.8090221 .2069454 -3.91 0.000 -1.214727 -.4033168 zh_dpcs -.8543471 .0700006 -12.20 0.000 -.9915795 -.7171146 zh_dpnc -1.1314 .0923459 -12.25 0.000 -1.312439 -.9503611 zh_ztol -.1229787 .2465603 -0.50 0.618 -.6063469 .3603894 zh_pobreza -1.649844 .1202867 -13.72 0.000 -1.88566 -1.414029 razdep -.3525221 .0966375 -3.65 0.000 -.5419747 -.1630696 ptot .0014699 .0000527 27.90 0.000 .0013666 .0015732 lavaluo Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 9942.17001 4935 2.01462411 Root MSE = .95502 Adj R-squared = 0.5473 Residual 4489.19999 4922 .912068263 R-squared = 0.5485 Model 5452.97001 13 419.459232 Prob > F = 0.0000 F( 13, 4922) = 459.90 Source SS df MS Number of obs = 4936. reg lavaluo ptot razdep zh_pobreza zh_ztol zh_dpnc zh_dpcs zh_deturb est01 est02 est03 est04 est05 est06

27. 27
Densidad de la Actividad Económica y distancia al DCN (Inicial!):
_cons 2394.001 470.5803 5.09 0.000 1471.457 3316.545 sl_jobsrch -597.8526 41.78621 -14.31 0.000 -679.7719 -515.9333sl_nlab_empl -404.4155 55.16274 -7.33 0.000 -512.5587 -296.2723 sl_lab 89.61726 3.678765 24.36 0.000 82.40527 96.82926 densotr 22.27024 5.574678 3.99 0.000 11.34142 33.19906 densrv 175.9628 38.95215 4.52 0.000 99.59945 252.3261 denscom 932.9337 58.45975 15.96 0.000 818.3269 1047.54 densind 36.67192 18.66161 1.97 0.049 .0869711 73.25687 lcbdk -656.1747 200.3729 -3.27 0.001 -1048.994 -263.3557 avaluo Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 1.1176e+12 4997 223663918 Root MSE = 13330 Adj R-squared = 0.2056 Residual 8.8648e+11 4989 177686000 R-squared = 0.2068 Model 2.3117e+11 8 2.8897e+10 Prob > F = 0.0000 F( 8, 4989) = 162.63 Source SS df MS Number of obs = 4998. reg avaluo lcbdk densind denscom densrv densotr sl_lab sl_nlab_empl sl_jobsrch

28. 28
¿Se mantienen las Relaciones Estimadas?: Resultados con Base en Otra Muestra (n=3011).
Statistics Ouput 1rho0,953368865R^20,908912193R^2 adj0,908122104S.E.2244,210721obs3011ANALYSIS OF VARIANCEg.l.SSmean squareFp(F) Regression161,50517E+1194073173461992,3574250,00000Residual2995150842628775036481,762Total30111,65601E+11bS.E.tp(t)Inf 95%Sup 95% _intercept1.532,56703- 231,72443 6,61375- 0,00000 1.986,92218- 1.078,21187- empcom11,10658 1,81730 6,11159 0,00000 7,54330 14,66985 empser5,03836 1,32795 3,79408 0,00015 2,43457 7,64214 empno espec4,78876 1,41600 3,38189 0,00073 2,01232 7,56520 total empl mz0,57933 1,18799 0,48766 0,62583 1,75003- 2,90869 industria74,80069 11,16191 6,70143 0,00000 52,91491 96,68647 comercio84,79358 8,12638 10,43436 0,00000 68,85972 100,72744 servicios42,00460 8,36074 5,02403 0,00000 25,61122 58,39799 total_establecimientos65,20465- 6,86380 9,49979- 0,00000 78,66289- 51,74641- raz_dep92,60660- 42,12189 2,19854- 0,02799 175,19736- 10,01584- total_poblacion4,98617- 0,26806 18,60074- 0,00000 5,51177- 4,46056- estrato_06225,07820- 57,63317 3,90536- 0,00010 338,08282- 112,07359- codigo_zona157,92420 18,85211 8,37700 0,00000 120,95980 194,88860 numero predios19,25956 0,66949 28,76773 0,00000 17,94687 20,57226 ha_terr0,16789 0,00344 48,81671 - 0,16115 0,17464 area construida0,52635 0,00970 54,28608 - 0,50734 0,54536

29. 29
Observaciones:
La hipótesis de la competencia de los usos parece tener una verificación aquí, toda vez que los destinos distintos a la vivienda, aportan más al valor promedio del avalúo en tanto que la razón de dependencia, la población y el estrato, al ser mayor operan en dirección contraria del avalúo2.
Características internas como el área del terreno y el área de la construcción tienen signo correcto y alta significancia. Finalmente, no deje de notar que el número total de establecimientos lleva signo negativo identificando patrones de congestión relacionados con deseconomías externas, en detrimento de los precios.
2 La columna “estrato” en la muestra aportada tiene ceros en el caso de los usos predominantes de no vivienda. Un test simple de diferencia de muestras entre los dos grupos (con varianzas distintas) que se pueden conformar por aquellas observaciones con estrato “0” y estrato “>0”, muestra que el avalúo promedio para esta zona es mayor en el primer caso que en el segundo.

30. 30
Impactos, Tratamientos y Tratados: Microsimulaciones
Suponga que en la relación estimada es posible, para una observación o un subconjunto de observaciones como las que conformarían una vecindad, cambiar el valor observado en la variable codigo_zona del valor actual a un valor que esté asociado a mejores condiciones externas.
Si la variable está bien orientada, un cambio que involucre pasar de “deterioro urbanístico” a “residencial intermedio “debería producir un cambio en el avalúo;
Desde una óptica cualitativa, por ejemplo, pasar de “deterioro urbanístico (-)” a “comercial predominante” debería generar un impacto cuantitativo en el LHS del modelo.

31. 31
Se acaba de describir es la ejecución de un ejercicio what-if, esto es de una micro-simulación:
“qué pasaría a un individuo si los valores de variables de control son modificadas por un tomador de decisiones”.
Con el ejercicio descrito, se evalúa ex ante el valor del predio, contingente a un cambio de régimen que suponga modificaciones en algunos de los atributos públicos/privados del mismo.

32. 32
« (…) la pregunta básica de la evaluación de impacto es esencialmente un problema de inferencia causal. Evaluar el impacto de un programa sobre una serie de resultados es equivalente a evaluar el efecto causal del programa sobre ellos. La mayoría de las preguntas de políticas conllevan relaciones de causa y efecto: ¿La capacitación de los profesores mejora las calificaciones de los estudiantes en los exámenes? ¿Los programas de transferencias monetarias condicionadas mejoran la salud de los niños? ¿Los programas de formación profesional incrementan los ingresos de quienes los han cursado? » (Gertler, Martínez, Premand, Rawlings, & Vermeersch, 2011)

33. 33
Bajo la normativa del POT en concreto, una intervención de política busca alterar las condiciones de bienestar del sujeto de la política: en general, es posible observar cambios ex post en el empleo o en el gasto del beneficiario, pero el punto es si estos cambios están asociados directamente a la intervención.
La pregunta es si la intervención causa cambios en el empleo o en el gasto. La respuesta es: no necesariamente. En efecto, con solo una observación posterior al tratamiento, es difícil lograr una conclusión sobre el impacto (Khandker, 2010:22).
Y no hay ex ante observaciones posteriores al tratamiento.

34. 34
La idea detrás de la noción de contrafactual en el contexto de la evaluación de impacto, puede ayudar a comprender el problema que se enfrentará en el momento de comprobar la viabilidad de un proyecto urbano cualquiera.
El problema, en consecuencia, es que mientras el impacto del programa solo puede ser estimado mediante comparación entre los resultados actual y contrafactual, el resultado contrafactual no se observa en el mundo real (Khandker, 2011, id.).

35. 35
Suponga 퐷푖 un indicador de tratamiento. Si el tratamiento es binario, entonces, ∀푖=1,2,…,푛, siendo 푛 el tamaño de la población de referencia se tendrá:
- 퐷푖=1 si el individuo recibe el tratamiento
- 퐷푖=0 en caso contrario
Sean los resultados 푌푖(퐷푖) tales que:
 푌푖(퐷푖=1)=푌푖(1) es el resultado del individuo i si ES tratado, y
 푌푖(퐷푖=0)=푌푖(0) es la variable de resultado cuando el individuo i NO recibe el tratamiento.

36. 36
El impacto del proyecto, /el efecto del tratamiento es:
휏푖=푌푖(1)−푌푖(0)
Solo uno de los dos resultados, 푌푖(1) ó 푌푖(0) puede verificarse en la práctica, es decir, en la base de datos para la evaluación solo existen 푌푖(1) si 퐷푖=1 o bien 푌푖(0) si 퐷푖=0.
Solo uno de los dos resultados es observado en tanto que el otro es no observable por lo que , el análisis debe concentrarse en el impacto promedio del programa en la población de referencia.

37. 37
El impacto promedio del programa, el efecto promedio del tratamiento o ATE (Average Treatment Effect) puede estimarse mediante:
휏퐴푇퐸=퐸(휏푖)=퐸[푌푖(1)−푌푖(0)]
Que es el cambio promedio en la variable de resultado cuando un individuo escogido al azar pasa aleatoriamente de ser participante a ser no participante.
La variable aleatoria 휏퐴푇퐸 aproxima el impacto.

38. 38
En términos econométricos, una representación sencilla de la variable de resultado viene dado por:
푌푖=훽0+휏푖퐷푖+휇푖
Con:
휏푖=푌푖(1)−푌푖(0) e 푌푖(0)=퐸[푌푖(0)]+휇푖=훽0+휇푖 (cfr. Bernal & Peña, 2011:19).
Para el caso que nos ocupa, la función esta función es un caso particular [sin controles adicionales] de la ecuación hedónica.

39. 39
Esta propuesta resulta de gran importancia en el problema que se quiere enfrentar porque establece la posibilidad de medir el efecto de una intervención POT en términos de los valores privados de los elementos cuyo entorno se quiere modificar (valores públicos).
Hay un problema por resolver porque la evaluación exigida es ex ante y la metodología descrita hace referencia a mediciones ex post. Más aún, en la situación presente, los grupos de tratamiento y de control no pueden ser identificados en forma unívoca, ni los avalúos de los predios son resultados posteriores a un tratamiento.
Una forma de tratar este problema consiste en encontrar grupos de vecindades o de clusters o agrupaciones caracterizados por una serie de atributos privados simulares que difieren únicamente en las características externas 퐺푖푟 en la ecuación.

40. 40
En particular, uno de los grupos debería contar con los atributos externos 퐺푖푟 mientras que el otro debe carecer de ellos y, por tanto, si estos elementos añaden valor, deberán observarse diferencias entre los niveles 푌푖 en cada uno de los grupos.
Los dos grupos de observaciones deberían conformar una zona de soporte común de forma tal que su propensión a adquirir un valor 푌푖̅ sea idéntico si los dos grupos de observaciones comparten las características 퐺푖푟.

41. 41
Si es posible identificar estos dos grupos, y es posible estimar el conjunto de parámetros 훾푟 y reemplazarlos en el grupo de tratamiento contingente. Bajo las condiciones descritas, los valores 푌푖 para los dos grupos deberán ser similares en sus primeros momentos (media y varianza) y diferir en términos de las diferencias que introducen los controles socioeconómicos 푋푖푗 en la ecuación el término de error 휀푖, y otros no observables para los cuales no se disponga de información.
Como consecuencia, el modelo de microsimulaciones, no es una cosa distinta a la elaboración de un ejercicio en el que se crea un mundo alternativo para un grupo de observaciones, a través de la modificación de sus valores observados, que serán reemplazados por los valores de benchmark que fija la situación de aquellas observaciones que disponen actualmente de las características 퐺푖푟.

42. 42
Ejemplo 2: Reforma Urbana en el Laboratorio
Considere de nuevo el resultado de estimación propuesto para una muestra de predios (SDP, 2014) (n= 3088):

43. 43

44. 44
Suponga una reforma consistente en desincentivar el uso Industrial en favor del uso Comercial, según alguna conjetura urbanística sobre el funcionamiento de la ciudad (a cargo de los planeadores). La base original (equilibrio base) se ve:
Mz-UAECDempindempcomempserempno espectotal empl mzindustriacomercioserviciostotal_establecimientosraz_deptotal_poblacionestrato_06codigo_zonanumero prediosha_terrarea construidavaluo00110102282152565165310,435897445602610517556,66216900,077481,831001101032101316181120,48584906315268512040,2259899,914218,457001101040004404040,4222222212826353572,43554,78994,6960011010537001013040,5384615418026576942,235194422,471829,21200110106000135135093120,528191004358784,284917837,419602,68001101081254021254110,4615384622826295366,74806,431518,3310011010936184623123141325580,29306931261226131734869,899248982,8531699,593001102016916031271120,416666672722522120222,492213904,699800,704001102020007704170,4545454527225314962,585543507,221233,977001102030008802240,3928571411725201916,53078,95809,14700110204000121202170,29545455114254812879,476683,113790,606001102050002202020,426229518725121145,441800,52493,26100110207000111105380,2919254720825264204,186835481,11687,5510011020822040262124180,31278539575251867368,878079,44945,55800110209722213421120,3333333340025467785,169876756,342519,935001102100008800660,43939394285254713208,88726825,143123,881001102142410723180,3713080232538607890,401168755,922878,928001102170002202020,3647058811625171485,433271,45810,707001102181000110010,383333338325121217,949851563,38510,342001102190002200220,51515152502551227,841018,1369,480011022200020200105150,49006623225254310273,15765476,652352,207001102230004404040,314121044562522616327,6056102957485,243001102240009903030,3660714315325415131,454485,391474,187001102300002222093130,3708609320725324001,75178,731605,641001102310001010064100,3655914381251265320,996988469,113955,926001102330009904150,4146341511625221755,705623186,81949,45001102352711121254120,315625222076,825583792,81087,188001102360000000110,355425111229,354641479,81511,572001102370004402020,352941186924182351,516952293,47869,49400110238132201741280,4835164813525253457,24790,861592,562001102390006605050,56257525131591,562846,06813,89

45. 45
La base contrafáctica reemplaza las entradas industriales por ceros y
se las suma al Comercio. La base contra factual se ve:
Mz-UAECD c empcom empser empno espec total empl mz industria comercio servicios total_establecrimaziednetops total_poblacion estrato_06 codigo_zona numero prediohsa_terr area construida
00110102 1 21 5 2 56 0 21 5 31 0,43589744 560 2 6 105 17556,662 16900,07
00110103 1 10 1 3 16 0 9 1 12 0,48584906 315 2 6 85 12040,225 9899,91
00110104 1 0 0 4 4 0 4 0 4 0,42222222 128 2 6 35 3572,4 3554,78
00110105 1 7 0 0 10 0 4 0 4 0,53846154 180 2 6 57 6942,23519 4422,47
00110106 1 0 0 135 135 0 9 3 12 0,528 191 0 0 43 58784,2849 17837,41
00110108 1 5 4 0 21 0 7 4 11 0,46153846 228 2 6 29 5366,7 4806,43
00110109 1 18 46 23 123 0 27 25 58 0,29306931 2612 2 6 1317 34869,8992 48982,85
00110201 1 9 16 0 31 0 9 1 12 0,41666667 272 2 5 221 20222,4922 13904,69
00110202 1 0 0 7 7 0 4 1 7 0,45454545 272 2 5 31 4962,58554 3507,22
00110203 1 0 0 8 8 0 2 2 4 0,39285714 117 2 5 20 1916,5 3078,95
00110204 1 0 0 12 12 0 2 1 7 0,29545455 114 2 5 48 12879,47 6683,11
00110205 1 0 0 2 2 0 2 0 2 0,42622951 87 2 5 12 1145,44 1800,52
00110207 1 0 0 11 11 0 5 3 8 0,29192547 208 2 5 26 4204,18683 5481,1
00110208 1 20 4 0 26 0 14 4 18 0,31278539 575 2 5 186 7368,87 8079,4
00110209 1 2 2 2 13 0 6 1 12 0,33333333 400 2 5 46 7785,16987 6756,34
00110210 1 0 0 8 8 0 0 6 6 0,43939394 285 2 5 47 13208,8872 6825,14
00110214 1 4 1 0 7 0 5 1 8 0,37130802 325 3 8 60 7890,40116 8755,92
00110217 1 0 0 2 2 0 2 0 2 0,36470588 116 2 5 17 1485,43 3271,45
00110218 1 0 0 0 1 0 1 0 1 0,38333333 83 2 5 12 1217,94985 1563,38
00110219 1 0 0 2 2 0 0 2 2 0,51515152 50 2 5 5 1227,84 1018,1
00110222 1 0 0 20 20 0 10 5 15 0,49006623 225 2 5 43 10273,1576 5476,65
00110223 1 0 0 4 4 0 4 0 4 0,31412104 456 2 5 226 16327,6056 10295
00110224 1 0 0 9 9 0 3 0 3 0,36607143 153 2 5 41 5131,45 4485,39
00110230 1 0 0 22 22 0 9 3 13 0,37086093 207 2 5 32 4001,7 5178,73
00110231 1 0 0 10 10 0 6 4 10 0,3655914 381 2 5 126 5320,99698 8469,11
00110233 1 0 0 9 9 0 4 1 5 0,41463415 116 2 5 22 1755,70562 3186,81

46. 46
Y la simulación da lugar a resultados como los siguientes:
En este caso, la política contribuye a aumentar 0.5% del valor total de los predios en la zona de intervención.

47. 47
Ejemplo 3: Se justifica Tumbar el Puente?
Se ha hecho esto antes? En parte si: SDP (2005) contrata la estimación del impacto de TM (Fase I) sobre los precios del suelo.
Se adopta un modelo econometrico similar al propuesto, que arroja como resultados, sensibilidades relativas (elasticidades) de los precios del suelo, por uso, respecto de la cercanía a 100, 200 y 500m de Transmilenio.
Los resultados del estudio son como sigue:

48. 48

49. 49
Funcionarios de otra área de SDP se acercan para pedir concepto (objetivo) acerca de la las razones económicas y financieras para:
1. Ensanchar el Puente Vehicular de la Calle 26 x Av. Américas o bien
2. Demoler el puente para ser sutituido por un paso deprimido.
El modelo estimado (cuyo objeto no era el de la evaluación de impacto), sirvió a la evaluación ex ante de dichas alternativas.

50. 50
Cambios de Uso y Valores Inducidos por el Proyecto:
100 mUsosPrediosValor MedioValor TotalPredialICAPrediosValor TotalPredialICAPrediosValorPredialICAComercio101 152.331.931 15.385.525.000 103.600.000 71.335.000 165 25.118.614.258 169.138.748 116.462.477 49,0%49,0%49,0%49,0% Industria- - - - - - - n.a.n.a.n.a.n.a.n.a.n.a. Institucional8 5.553.128.375 44.425.027.000 8.146.000 - 8 44.425.027.000 8.146.000 - 0,0%0,0%0,0%n.a. Lote8 389.923.250 3.119.386.000 35.755.000 - 8 3.119.386.000 35.755.000 - 0,0%0,0%0,0%n.a. Residencial E3147 38.150.776 5.608.164.000 21.609.000 1.359.000 120 4.560.222.151 17.571.141 1.105.057 -20,7%-20,7%-20,7%-20,7% Residencial E4887 62.182.154 55.155.571.000 264.403.000 17.750.000 851 52.890.553.394 253.545.032 17.021.079 -4,2%-4,2%-4,2%-4,2% 1.151 123.693.673.000 433.513.000 90.444.000 1.151 130.113.802.803 484.155.921 134.588.613 50.642.921 44.144.613 200 mUsosPrediosValor MedioValor TotalPredialICAPrediosValor TotalPredialICAPrediosValorPredialICAComercio180 136.123.850 24.502.293.000 161.317.000 265.734.000 259 35.319.569.452 232.535.256 383.050.291 36,6%36,6%36,6%36,6% Industria- - - - - - - n.a.n.a.n.a.n.a.n.a.n.a. Institucional7 710.412.714 4.972.889.000 6.959.000 1.036.000 7 4.972.889.000 6.959.000 1.036.000 0,0%0,0%0,0%0,0% Lote1 98.112.000 98.112.000 - - 1 98.112.000 - - 0,0%0,0%n.a.n.a. Residencial - E3214 34.668.841 7.419.132.000 31.070.000 12.869.000 182 6.312.208.721 26.434.403 10.948.965 -16,2%-16,2%-16,2%-16,2% Residencial E4606 43.760.547 26.518.891.432 197.718.000 48.012.000 558 24.438.604.570 182.207.919 44.245.676 -8,2%-8,2%-8,2%-8,2% 1.008 63.511.317.432 397.064.000 327.651.000 1.008 71.141.383.742 448.136.578 439.280.932 51.072.578 111.629.932 500 mUsosPrediosValor MedioValor TotalPredialICAPrediosValor TotalPredialICAPrediosValorPredialICAComercio603 189.506.234 114.272.259.000 708.266.000 1.097.873.776 284 53.725.305.473 332.992.518 516.167.305 -75,5%-75,5%-75,5%-75,5% Industria82 308.325.744 25.282.711.000 198.304.000 271.964.000 82 25.282.711.000 198.304.000 271.964.000 0,0%0,0%0,0%0,0% Institucional187 215.459.214 40.290.873.000 20.221.000 7.554.000 187 40.290.873.000 20.221.000 7.554.000 0,0%0,0%0,0%0,0% Lote45 262.027.178 11.791.223.000 58.154.137 - 45 11.791.223.000 58.154.137 - 0,0%0,0%0,0%n.a. Residencial - E31.119 43.760.547 48.968.052.000 194.736.000 32.530.000 1.227 53.677.414.177 213.464.177 35.658.480 9,2%9,2%9,2%9,2% Residencial E43.886 50.946.752 197.979.079.000 953.774.000 775.790.000 4.098 208.773.771.546 1.005.777.965 818.089.492 5,3%5,3%5,3%5,3% 5.922 438.584.197.000 2.133.455.137 2.185.711.776 5.922 393.541.298.196 1.828.913.797 1.649.433.277 -304.541.340 -536.278.499 Cámbios Inducidos por el Proyecto (Uso Unica/.)D (%)Situación Actual

51. 51
Cambios de Valor, Valores Escénicos Incluidos:
100 mUsosPrediosDUSODTMDAMBDVECDTotalDPredialDICADPredialDICAComercio101 9.733.089.258 -1.195.166.143 363.498.295 176.486.437 9.077.907.848 161.090.975 110.921.088 164.727.017 113.424.728 Industria- - - - - - n.a.n.a.n.a.n.a. Institucional8 - -1.693.108.977 642.886.643 312.135.640 -738.086.695 7.835.543 - 8.010.661 - Lote8 - - 45.141.483 21.917.185 67.058.668 35.755.000 - 36.523.639 - Residencial E3147 -1.047.941.849 -236.332.833 65.992.214 32.040.675 -1.186.241.793 16.660.519 1.047.788 17.038.253 1.071.544 Residencial E4887 -2.265.017.606 -2.741.045.044 765.393.577 371.615.457 -3.869.053.616 240.405.098 16.138.964 245.855.655 16.504.873 1.151 6.420.129.803 -5.865.652.997 1.882.912.212 914.195.394 3.351.584.412 461.747.135 128.107.840 472.155.226 131.001.144 200 mUsosPrediosDUSODTMDAMBDVECDTotalDPredialDICADPredialDICAComercio180 10.817.276.452 -2.387.560.856 511.119.091 248.159.588 9.188.994.275 216.816.150 357.156.547 221.815.052 365.391.130 Industria- - - - - - n.a.n.a.n.a.n.a. Institucional7 - -303.575.115 71.964.029 34.940.123 -196.670.964 6.534.181 972.756 6.683.781 995.028 Lote1 - - 1.419.805 689.347 2.109.152 - - - - Residencial E3214 -1.106.923.279 -464.275.563 91.345.688 44.350.346 -1.435.502.808 24.490.100 10.143.646 25.058.371 10.379.021 Residencial E4606 -2.080.286.862 -1.797.508.194 353.657.690 171.708.606 -3.352.428.759 168.806.162 40.991.318 172.723.158 41.942.485 1.008 7.630.066.311 -4.952.919.729 1.029.506.304 499.848.010 4.206.500.895 416.646.593 409.264.268 426.280.361 418.707.663 500 mUsosPrediosDUSODTMDAMBDVECDTotalDPredialDICADPredialDICAComercio603 -60.546.953.527 -5.608.773.288 777.473.501 377.480.527 -65.000.772.788 298.229.020 462.280.866 305.387.491 473.377.118 Industria82 - 17.445.070.590 365.872.984 177.639.401 17.988.582.975 335.133.760 459.619.160 339.396.779 465.465.677 Institucional187 - -4.173.071.805 583.060.176 283.088.571 -3.306.923.057 18.126.638 6.771.605 18.561.337 6.933.996 Lote45 - - 170.633.993 82.846.566 253.480.560 58.154.137 - 59.404.299 - Residencial E31.119 4.709.362.177 -6.134.250.525 776.780.453 377.144.037 -270.963.859 189.069.508 31.583.431 193.658.432 32.349.996 Residencial E43.886 10.794.692.546 -23.858.649.628 3.021.222.003 1.466.869.896 -8.575.865.184 890.837.741 724.598.292 912.459.346 742.185.083 5.922 -45.042.898.804 -22.329.674.657 5.695.043.111 2.765.068.997 -58.912.461.353 1.789.550.804 ######################1.720.311.870 -30.992.702.691 -33.148.247.382 8.607.461.627 4.179.112.400 -51.354.376.046 2.667.944.532 ######################2.270.020.678 Situación ActualPlusvaloresProyecto BaseCon Paso Deprimido

52. 52
Referencias
Fujita, M., Krugman, P., & Venables, A. J. (1999). The Spatial Economy. Cities, Regions and International Trade. Cambridge (MA): MIT Press.
Fundenberg, D., & Tirole, J. (1992). Game Theory. Cambridge: MIT Press.
Heckman, J., Matzkin, R., & Nesheim, L. (2005). Simulation and Estimation of Hedonic Models. En T. J. Kehoe, T. N. Srinivasan, & J. Whalley, Frontiers in Applied General Equilibrium Modeling (págs. 277-339 Cap 12). Cambridge (MA): Cambridge University Press.

53. 53
Kiel, K. A., & Zabel, J. E. (2007). Location, location, location: The 3L Approach to house price determination. Journal of Housing Economics, 17, 175-190.
Mas-Colell, A., Winston, M. D., & Green, J. G. (1995). Microeconomic Theory. Oxford: Oxford University Press.
Mendieta, J. C., & Perdomo, J. A. (2007). Especificación y estimación de un modelo de precios hedónico espacial para evaluar el impacto de transmilenio sobre el Valor de la Propiedad en Bogotá. Bogotá: Documentos CEDE Nº 22, Universidad de los Andes.
Panduro, T. E., & Lausted, V. K. (2013). Classification and Valuation of Urban Green Spaces - A Hedonic Hose Price Valuation. Landscape and Urban Planning, 120, 119-128.
Rosen, S. (1974). Hedonic Prices and Implicit Markets:. Journal of Political, 82(1), 34-55.

54. 54
Tiebout, C. M. (1956). A pure Theory of Local Public Expenditures. Journal of Political Economy, 64(1), 416-426.
Varian, H. R. (1993). Análisis Microeconómico. Barcelona: Antoni Bosch.