Obtención De Precios Implícitos Para Atributos Determinantes En La Valoración De Una Vivienda (Implicit Prices Associated to the Main Causal Attributes in Real Estate Valuation)

Abstract:     
La valoración de una vivienda a partir de sus principales atributos (externos e internos) resulta de interés en nuestra sociedad para numerosos colectivos. En este trabajo se plantean dos objetivos principales: en primer lugar la obtención de modelos econométricos de valoración inmobiliaria utilizando metodologías alternativas (Metodología de Precios Hedónicos vs. Redes Neuronales Artificiales) y, en segundo lugar, la obtención de precios implícitos de los atributos de una propiedad efectuando una comparativa entre las dos metodologías seleccionadas. La utilización de las redes neuronales artificiales permite un mayor ajuste al valor real de las transacciones de vivienda. Asimismo, en cuanto al cálculo de los precios implícitos o marginales obtenidos para cada uno de los atributos determinantes del valor de una vivienda se concluye que la red proporciona un valor más congruente y próximo a la realidad que el modelo tradicional hedónico. Para las estimaciones se ha dispuesto de una base de datos de 2.888 transacciones en una ciudad de tamaño medio del sur de España.

An important question in many real estate markets is how to effectively identify property fair values using internal or external variables. In this paper, there are two main objectives. First, we estimate the value of a dwelling using the econometric models Artificial Neural Networks (ANN) and Classical Hedonic pricing models. Second, we obtain implicit prices of the main variables associated with the valuation process, comparing both in a case study. The ANN approach is preferred for two reasons. First because the degree of fit is better than for hedonic models and forecasted values are closer to observed transaction prices. Second because implicit prices for the main causal variables are closer to the buyer’s valuation. The ANN models are thus closer to the real behavior of the agents involved, than hedonic models. A case study with 2888 transactions is presented, corresponding to a medium size urban area in the South of Spain.

Note: Downloadable document is in Spanish.

Number of Pages in PDF File: 14

Keywords: housing prices, urban economics, Artificial Neural Networks, classical Hedonic price

JEL Classification: C45, C51, R31

Accepted Paper Series