El ejerciciopropuestomuestraque, almodificar losusos de suelo, así comomejorando las áreas verdes y el equipa- miento, se generaunvalor equivalente a26000000pesos por plusvalía, además de generar un flujo vía impuesto predial (en caso de actualizar los valores catastrales, por lamodificación), con lo que se podría justificar e, incluso, financiar este proyecto de áreas verdes y equipamiento. Conclusión Los resultados obtenidos en este estudio muestran que es posible aproximar el efecto de las externalidades de las diferentes variables que influyen en el valor del suelo; enparticular, para el caso de las viviendas.Mostramos el impactopara losmunicipios del AMM, donde se observa en quémagnitud se puede incidir en el valor del suelo al modificar las variables dependientes.
La utilidad de este tipo de modelos es que permite analizar, a priori , el efecto que tendrían diferentes estra- tegias de urbanización, lo que posibilitaría evaluar la ren- tabilidad privada o social de aplicarla. También ayudaría a justificar intervenciones urbanas, al poder cuantificar el efecto que tendrá sobre el valor del suelo. Una de las limitantes del modelo es que se basa en valores catastrales, por lo que los resultados probable- mente estén subestimados en valores absolutos, no así en el impacto porcentual. Es decir, en el ejemplo que se utilizó, probablemente el valor comercial de la vivienda sea mayor al catastral (que es el valor estimado por el modelo); no obstante, el impacto porcentual, el incre- mento de 16% en el valor, es aplicable tanto al valor catas- tral como al comercial, por lo que la utilidad en términos porcentuales de impacto sí aplica.
En aquellas zonas donde se genera movilidad o existe una mayor proporción de habitantes por hectárea, las viviendas tenderán a valer menos que en zonas con menor generación de movilidad o con menores niveles de densidad.
Existe una relación positiva entre la proporción de área destinada a los usos de suelo habitacional, comer- cial, de equipamiento y vial. Es decir, si una zona tiene mayores proporciones de estas variables, las viviendas dentro de ella tendrán un mayor valor. Caso contrario ocurre con los usos de suelo industrial y sin uso que, al ser mayores, generan una pérdida de valor de la vivienda . Con respecto a la densidad y el logaritmo natural de los viajes diarios, se tiene un valor negativo, lo que implicaría que, en aquellas zonas donde se generamovi- lidad o existe una mayor proporción de habitantes por hectárea, las viviendas tenderán a valer menos que en zonas conmenor generación demovilidad o conmenores niveles de densidad. El caso contrario genera el hecho de que las viviendas conmás metros cuadrados de terreno tienden a tener mayores precios (hasta cierto punto es lógico de esperar). En lo que se refiere al municipio donde se ubica la vivienda, se tiene que, en losmunicipios de San Pedro y Escobedo, viviendas con características similares tienen unmayor valor con respecto a las ubicadas enMonterrey o SanNicolás (el valor del coeficiente de ambosmunici- pios es igual). Por el contrario, losmunicipios deApodaca, Santa Catarina, García y Juárez, poseen viviendas con valores inferiores a los deMonterrey. Finalmente, al considerar el grado demarginación, los resultadosmuestran que, amayor nivel demarginación, los valores de las viviendas son menores; y en aquellas zonas con niveles bajos omuy bajos demarginación, los valores sonmayores. Hasta aquí, los resultados, en general, “son los espera- dos”. Sin embargo, no se estima unmodelo para demos- trar lo obvio, sino para modelar o cuantificar efectos con el fin de proponer alternativas que generen valor, o mitigar aquellas que resten valor , porque, al final del día,
los cambios en los valores de las viviendas de alguna forma reflejan las diferentes externalidades que generan las variables consideradas, por lo que implícitamente, estamos “cuantificando las externalidades”. Con el fin de aplicar los resultados del modelo a un caso hipotético, podría suponerse que se tiene un desa- rrollo habitacional constituido por 250 viviendas, con un terreno promedio de 160 metros cuadrados, en el municipio de Escobedo. De acuerdo con el modelo, y considerando los usos de suelo de la Tabla 5 (usos actuales), tenemos que el valor de la vivienda sería de 682009. Si semodificara el uso de suelo, incrementando el área verde y de equipamiento, tal como semuestra en lamisma tabla (usos propuestos), el valor de la vivienda se incrementaría en 16 %, con un precio de 788069 pesos. Si este diferencial se multipli- cara por las 250 viviendas del desarrollo propuesto, el resultado sería una generación de valor equivalente a 26514868 pesos.
Notas 1 Está conformada por los municipios de Apodaca, García, Escobedo, Guadalupe, Juárez, Monterrey, San Nicolás, San Pedro y Santa Catarina. 2 Estos dos municipios fueron los últimos en incorporarse al AMM, en 1988. 3 De acuerdo con el documento “Delimitación de las zonas metropolitanas de México 2015”, editado por Conapo, Sedatu, Sedesol, Segob e Inegi, la ZMM está integrada por los municipios del AMM, además de Abasolo, Cadereyta Jiménez, El Carmen, Ciénega de Flores, General Zuazua, Pesquería, Salinas Victoria, Hidalgo y Santiago. 4 El criterio de Akaike permite analizar la capacidad explicativa de un modelo, lo cual posibilita hacer comparaciones entre los diferentes modelos. Su definición es: AIC=e^(2k/ n)*SRC/n, donde k es el número de parámetros y n es el número de observaciones. 5 Al igual que el criterio de Akaike, permite realizar comparaciones según la capacidad explicativa de los modelos. Su definición es: SIC=n^(k/n)*SRC/n. Donde k es el número de parámetros y n es el número de observaciones. 6 Se da cuando las variables del modelo están altamente correlacionadas entre sí, por lo que genera mayores valores de la desviación estándar, con lo que podríamos rechazar la significancia de algunas variables, como consecuencia de la multicolinealidad. Referencias Anas, A. y Yu, L. (2007). A Regional Economy, Land Use, and Transportation Model (RELU-TRANC©): Formulation, Algorithm Design, and Testing. Journal of Regional Science, 47 (3), 415-455. Ball, M., Cigdem, M., Taylor, E. y Wood, G. (2014). Urban growth boundaries and their impact on land prices. Environment and Planning A: Economy and Space, 46, 3010-3026. Boyle, M. A. y Kiel, K. A. (2001). A Survey of House Price Hedonic Studies of the Impact of Environmental Externalities. American Real Estate Society, 117-144. Instituto Nacional de Estadística y Geografía (Inegi) (1990). Censo General de Población y Vivienda 1990. Censos y Conteos de Población y Vivienda. https://www.inegi.org.mx/programas/ccpv/1990/ Instituto Nacional de Estadística y Geografía (Inegi) (2000). Censo General de Población y Vivienda 2000. Censos y Conteos de Población y Vivienda. https://www.inegi.org.mx/programas/ccpv/2000/ Instituto Nacional de Estadística y Geografía (Inegi) (2010). Censo General de Población y Vivienda 2010. Censos y Conteos de Población y Vivienda. https://www.inegi.org.mx/programas/ccpv/2010/ Instituto Nacional de Estadística y Geografía (Inegi) (2020). Censo General de Población y Vivienda 2020. Censos y Conteos de Población y Vivienda. https://www.inegi.org.mx/programas/ccpv/2020/ Instituto Nacional de Estadística y Geografía (Inegi) (1995). Conteo de Población y Vivienda 1995. Censos y Conteos de Población y Vivienda. https://www.inegi.org.mx/programas/ccpv/1995/ Instituto Nacional de Estadística y Geografía (Inegi) (2005). II Conteo de Población y Vivienda 2005. Censos y Conteos de Población y Vivienda. https://www.inegi.org.mx/programas/ccpv/2005/ Instituto Nacional de Estadística y Geografía (Inegi). (2015). Encuesta Intercensal 2015. Encuestas en Hogares. https://www. inegi.org.mx/programas/intercensal/2015/ Moreno, R. y Alvarado, E. (2011). El entorno social y su impacto en el precio de la vivienda: un análisis de precios hedónicos en el área metropolitana de Monterrey, Trayectorias , 14 (33-34). Rosen, S. (1974). Hedonic Prices and Implicit Markets: Product Differentiation in Pure Competition, Journal of Political Economy , 82 (1): 34-55. Wen, H., Sheng-hua, J. y Xiao-yu, G. (2005). Hedonic price analysis of urban housing: An empirical research on Hangzhou, China, J. Zheijang Univ.-Sci. A 6, 907-914. https://doi.org/10.1631/jzus.2005.A0907
Tabla 5. Escenario de cambio de usos de suelo (%)
Uso de suelo
Actual
Propuesta
Habitacional
36
36
Comercial
10
10
Industrial
3
3
Verde
10
15
Equipamiento
1
6
Sin uso
11
0
Vial
29
29
Fuente: Elaboración propia.
132 Vivienda Infonavit • JUNIO 2021
133
Made with FlippingBook flipbook maker