Francia.-Angers

 

Extraído de la tesis Análisis económico de un bien público local: espacios verdes de Johanna Choumert

                                                                         Capítulo 6

                       Estudio empírico de la capitalización inmobiliaria de espacios verdes.

Introducción

El método de precios hedónicos permite estimar el valor de un bien no comercial observando las opciones de ubicación residencial de los hogares. Vimos, en el capítulo 5, que la hipótesis de capitalización inmobiliaria de espacios verdes se verifica en varias áreas de estudio (Ahamada et al., 2008; Morancho, 2003; Tyrväinen y Miettinen, 2000).

El propósito de este capítulo es verificar si los residentes valoran los espacios verdes en el municipio de Angers. Por lo tanto, estamos tratando de responder dos conjuntos de preguntas esenciales para comprender las preferencias individuales en términos de espacios verdes: ¿influyen en las elecciones de ubicación residencial? ¿Cuáles son sus características valoradas por los hogares? La revisión de la literatura presentada en la sección 3 del capítulo 5 revela que la mayoría de las aplicaciones del método hedónico a menudo solo adoptan los criterios de distancia y área del espacio verde más cercano a las viviendas. En este trabajo, favorecemos un enfoque multidisciplinario utilizando la ecología del paisaje (cf. Burel y Baudry, 2009). Esto nos permite probar una amplia gama de descriptores de espacios verdes y el paisaje, para identificar aquellos que son valorados por los hogares. Antes de realizar la estimación de la función de precio hedónico, presentamos la base de datos sobre transacciones inmobiliarias en la sección 1, el trabajo de construcción del paisaje y las variables de ubicación en la sección 2. Luego, en la sección 3 , explicamos el enfoque econométrico seguido

Introducción

El método de precios hedónicos permite estimar el valor de un bien no comercial observando las opciones de ubicación residencial de los hogares. Vimos, en el capítulo 5, que la hipótesis de capitalización inmobiliaria de espacios verdes se verifica en varias áreas de estudio (Ahamada et al., 2008; Morancho, 2003; Tyrväinen y Miettinen, 2000). El propósito de este capítulo es verificar si los residentes valoran los espacios verdes en el municipio de Angers.

Por lo tanto, estamos tratando de responder dos conjuntos de preguntas esenciales para comprender las preferencias individuales en términos de espacios verdes: ¿influyen en las elecciones de ubicación residencial? ¿Cuáles son sus características valoradas por los hogares? La revisión de la literatura presentada en la sección 3 del capítulo 5 revela que la mayoría de las aplicaciones del método hedónico a menudo solo adoptan los criterios de distancia y área del espacio verde más cercano a las viviendas. En este trabajo, favorecemos un enfoque multidisciplinario utilizando la ecología del paisaje (cf. Burel y Baudry, 2009). Esto nos permite probar una amplia gama de descriptores de espacios verdes y el paisaje, para identificar aquellos que son valorados por los hogares. Antes de realizar la estimación de la función de precio hedónico, presentamos la base de datos sobre transacciones inmobiliarias en la sección 1, el trabajo de construcción del paisaje y las variables de ubicación en la sección 2. Luego, en la sección 3 , explicamos el enfoque econométrico seguido

  • La elección del tipo de transacciones inmobiliarias

Des Rosiers (2001) ofrece tres tipos de segmentación del mercado. Según el modelo sectorial, la segmentación se lleva a cabo según la base espacial, por ejemplo, por familia de unidades de vecindario1. Según el modelo tipológico, se lleva a cabo según el tipo de propiedad, como casas o apartamentos. Finalmente, el modelo mixto ofrece una combinación de los dos anteriores, como el submercado para apartamentos en una familia de unidades de vecindario.

El autor especifica que la elección de la segmentación está guiada por las restricciones del mercado inmobiliario, es decir, el tamaño del stock de viviendas y el volumen de transacciones. Idealmente, se debería proponer una segmentación completa del mercado inmobiliario para aislar los submercados correspondientes a características de primer nivel, es decir, características que están sujetas a requisitos estrictos por parte de los compradores. (Napoleón, 2005). En el marco de esta tesis, consideramos que los apartamentos y las casas son segmentos de mercado distintos y limitamos nuestro análisis a los apartamentos2. De hecho, es difícil llevar a cabo una segmentación completa del mercado inmobiliario debido a la diversidad de características de primer nivel según los diferentes hogares (proximidad a una escuela, presencia de una habitación por niño, proximidad a la estación, etc.) Hay dos razones para nuestra elección. Primero, para analizar las preferencias de espacios verdes, nos parece a priori que estos son diferentes dependiendo de si tiene un jardín privado o no. Esto significa que los compradores solo considerarán ofertas de bienes raíces con ciertas características desde el principio. Si un hogar desea adquirir un casa con jardín, solo tendrá en cuenta este segmento de mercado. Además, el parque de Angevin está compuesto por el 74,8% de los apartamentos. Luego, en este trabajo, nos enfocamos en compras en lugar de alquileres. Hay varias razones para esta elección. El primero es que los propietarios son mayoría en Francia.

Según la Unión Sociale pour l’Habitat, el 57% de los hogares franceses son propietarios de viviendas, el 20% son inquilinos de un propietario privado, el 16% son inquilinos de una organización de vivienda social y el 7% ocupan otros tipos de vivienda. (alojamiento gratuito, etc.)

Francia.-Angers.-Jardin Botanico
rancia.-Angers.-Place-Sainte-Croix

. En vista de estas cifras, se debe elegir el segmento más representativo del mercado inmobiliario.

En Angers, la proporción de propietarios (30.7%) es menor que el promedio nacional. Los residentes son principalmente inquilinos (36.9% de inquilinos de un propietario privado y 30.7% de viviendas de bajo costo) . Sin embargo, nuestra elección sigue estando justificada porque, por un lado, los alquileres de viviendas de bajo costo no dependen directamente de los precios en el mercado inmobiliario y, por otro lado, porque el mercado de alquileres privados es muy limitado en Francia. En segundo lugar, los hogares no experimentan el alquiler y la compra de bienes inmuebles de la misma manera. En el segundo, las sumas comprometidas por los hogares son altas. A corto y mediano plazo, la decisión es en cierta medida irreversible debido a la importancia del compromiso financiero (Travers, 2007). Como resultado, los hogares que deciden comprar una propiedad darán más importancia a ciertas características. Por el contrario, el acto de alquiler puede ser considerado temporal por algunos hogares. Un error en la elección de la ubicación (ruido, olores, etc.) puede rectificarse sin incurrir en costos de transacción excesivamente altos. Se observa a este respecto que los inquilinos son más favorables al cambio de residencia que los propietarios. Por ejemplo, entre 1988 y 1992, el 49.7% de los inquilinos (excluyendo las viviendas de bajo costo) cambiaron su residencia principal contra solo el 9.5% de los propietarios (Beckerich, 2000).

. Algunos estudios hedonistas usan el precio de venta como un indicador del valor de la vivienda, otros usan el precio de oferta o el valor declarado por los propietarios. Cheshire y Sheppard (1995) o Gravel et al. (2006) utilizan el precio de oferta ofrecido por los vendedores para estimar la función de precio hedónico. En su estudio en Reading y Darlington (Reino Unido), Cheshire y Sheppard (1995) verifican la validez de esta elección pidiéndole a los vendedores que completen otro cuestionario tres meses después del primero para obtener los precios de venta reales. Concluyen que el uso del precio de oferta no sesga demasiado las estimaciones. Travers (2007) analiza este argumento: las viviendas vendidas durante estos tres meses se agotaron relativamente rápido. Por lo tanto, esto no implica una caída de precios significativa, lo que explicaría la pequeña diferencia entre los precios de oferta y los precios de transacción reales. Sin embargo, esta crítica debe mitigarse, porque incluso si la diferencia fuera significativa, el uso de los precios de oferta no sesgaría los precios implícitos estimados si el poder de negociación de compradores y vendedores no está correlacionado con las características de los bienes. . Algunos, como Jim y Chen (2006b), utilizan el valor declarado por el propietario.

Esto plantea un problema de medición (particularmente en la precisión) y un problema de pérdida de información (una encuesta que permite acceder solo a un número limitado de observaciones). Existen varios argumentos a favor del precio de venta observado, datos proporcionados por PERVAL. En comparación con el alquiler y el valor declarado por el propietario, presenta menos sesgos como una estimación del valor de una vivienda (Michelangeli, 2005). Además, es preferible realizar transacciones efectivas, es decir, haber observado precios de mercado

Francia.-Angers.-Catedral de San Mauricio y jardines

1.2 Datos inmobiliarios

1.2.1 Presentación de la base de datos PERVAL ( PERVAL es una compañía cuyo capital es 100% propiedad de Notariat.)

El conocimiento microscópico del mercado inmobiliario es necesario para llevar a cabo nuestro estudio. Desde 1994, la base de datos notariales PERVAL ha identificado transferencias de bienes inmuebles en todo el territorio (excluyendo Ile-de-France). A través de esto, obtuvimos información para 1,499 ventas de apartamentos en la ciudad de Angers para los años 2004 y 2005. Los principales campos de información son sus características intrínsecas (espacio habitable, número de habitaciones, piso, etc.). .), las características de la venta (tipo de transferencia, monto de la venta, etc.) y las características socioeconómicas de los vendedores y compradores (origen geográfico, categoría socioprofesional, etc.). También tenemos la parcela catastral de cada apartamento. Todas las características disponibles para los apartamentos, así como las tarifas de información, se presentan en el apéndice 4.

1.2.2      Ventajas y límites de la base de datos PERVAL

La ventaja de la base de datos PERVAL es que ofrece un gran número observaciones e información en formato informático . Aunque esta base de datos ofrece una amplia variedad de información, existen limitaciones. De hecho, ciertas características de las viviendas están mal informadas: la tasa de información, por ejemplo, es baja para la calidad de la vista (20%). Además, existe el riesgo de que no se registren todas las transacciones. Nosotros no por lo tanto, no podemos garantizar la integridad de las transacciones inmobiliarias en el mercado inmobiliario en nuestra área de estudio. A modo de ilustración, en junio de 2006, la tasa de cobertura de la base de datos PERVAL durante los 12 meses anteriores se estimó en 63% en todo el territorio francés con 80% para Ile de France y 56% en la provincia con grandes disparidades entre departamentos. Sin embargo, los estudios realizados por el INSEE no han revelado ningún sesgo significativo (Senado, 2007).

 1.2.3 Homogeneización de la base de datos

La primera tarea es “limpiar” la base de datos PERVAL. El paso de homogeneización de la muestra tiene como objetivo eliminar las observaciones cuyas ciertas características faltan o cuyos valores tomados son extremos o atípicos. Este paso es esencial ya que la calidad de las estimaciones depende en particular de los datos del modelo. Primero, seleccionamos ventas extrabursátiles, es decir, transferencias por una tarifa entre un vendedor y un comprador (99% de las transacciones)

. Luego, elegimos las observaciones para las cuales el comprador tiene la calidad de persona individual o física (88% de las transacciones) ya que buscamos, en este trabajo, verificar que los residentes valoren los espacios verdes. Finalmente, verificamos que nuestra base de datos contiene solo usos relacionados con el hogar (100% de las transacciones) y no usos profesionales. En un segundo paso, eliminamos ciertas variables innecesarias, aquellas sin variabilidad y aquellas que están mal informadas (por ejemplo, la presencia de una bodega y un ascensor).

También retiramos las observaciones cuyo precio de venta es cero y cuyo número de piezas es cero. También eliminamos las observaciones para las cuales no se indica la información sobre el número de baños, la antigüedad del edificio, el número de anexos y el piso. Para algunas variables creamos variables indicadoras. Para el número de baños, creamos una variable indicadora que toma el valor 1 si el apartamento tiene al menos 2 baños (≥ 2), 0 en caso contrario. Por lo tanto, diferenciamos entre los bienes con baño y los demás, siendo el baño una característica principal de los hogares. Finalmente, a partir del identificador de cada transacción creamos variables indicadoras para el año de la transacción y el mes de la transacción. Al final de la fase de purificación de la base de datos, tenemos 1,260 transacciones de bienes raíces, o el 84% de la muestra inicial.

1.2.4 Representatividad de la muestra

Para evaluar la representatividad de la muestra en relación con el stock de viviendas y las características del hogar, comparamos su estructura con los datos de los censos de población de 1999 y 20063.

La Tabla 10 presenta la estructura de la población según la categoría socioprofesional (CSP). Observamos que dentro de nuestra muestra, algunos CSP están sobrerrepresentados, en particular artesanos, comerciantes, empresarios, ejecutivos y profesiones intelectuales superiores y profesiones intermedias. Esto parece coherente, ya que es probable que estas personas tengan mayores ingresos4 y, por lo tanto, sean más inclinado a adquirir bienes inmuebles. Esto implica que nuestros resultados no serán representativos de toda la población angevina per se, sino que estarán sesgados a favor de CSP más altos.

El número promedio de habitaciones por residencia principal para apartamentos fue de 2.7 en 1999 y 2.8 en 2006 (fuente: INSEE). Es 2.7 en nuestra muestra. Desde este punto de vista, nuestra muestra es representativa del stock de viviendas Angevin.

Sección 2. Creación de la ubicación y las características del paisaje

Dado que la base de datos PERVAL no contiene datos de ubicación, tuvimos que crear y medir de antemano las diversas características del vecindario, incluidas las características del paisaje. La construcción de la variable relevante (o variables relevantes) para representar espacios verdes es, de hecho, un problema metodológico en la aplicación del método de precios hedónicos. La distancia al espacio verde más cercano, a menudo utilizado en aplicaciones del método, lleva a definir a priori la influencia de los espacios verdes en la elección de la ubicación residencial (por ejemplo, Ahamada et al., 2008 y Tyrväinen Y Miettinen, 2000). Para crear estas variables, creamos una base de datos a partir del mapa de cobertura del suelo

2.1 Presentación del plan de uso del suelo

Obtuvimos el plan de uso del suelo de la Agencia de Planificación Regional de Angevine (AURA) 2 para el área urbana de Angers. Este es el resultado de la fotointerpretación de imágenes de satélite y orto fotografías que datan de 2005. La nomenclatura ofrece tres niveles, siendo el nivel 3 el más detallado (ver Anexo 5). Este último enumera 34 tipos de uso de la tierra, incluidos los “espacios verdes (parques y jardines)”. La Figura 16 muestra los tipos de uso del suelo según el nivel 3. Los números escritos en la tarjeta son identificadores que indican la ubicación de cada espacio verde.

2.3 La combinación de la base PERVAL y el mapa de uso de la tierra AURA

De la sección catastral provista en la base PERVAL (aproximada por su baricentro, ver Figura 17) y el mapa de uso de la tierra AURA, Hemos localizado cada apartamento gracias al uso de un Sistema de Información Geográfica (para más detalles sobre SIG, consulte el apéndice 6). Desde esta ubicación, podemos calcular las distancias euclidianas para las diferentes características del plan de uso del suelo. En teoría, la distancia se puede medir de varias maneras (cf. Huriot y Perror, 1990). Es razonable pensar que las distancias de la carretera o las distancias para caminar pueden influir en las opciones de ubicación residencial. Por ejemplo, Kong et al. (2007) utilizan el criterio de distancia a pie expresado en minutos. O habría sido interesante considerar la distancia en número de calles divisorias entre las viviendas y los espacios verdes. Sin embargo, debido a los datos disponibles, este cálculo no es posible

2.4 Presentación de los indicadores del paisaje utilizados en el análisis hedónico

En este artículo, adoptamos un enfoque cuantitativo del paisaje. En esta perspectiva, utilizamos métricas de paisaje. Estos son indicadores cuantitativos utilizados para caracterizar los atributos del espacio. Dada su diversidad (cf. Burel y Baudry, 1999), debemos plantearnos la cuestión de los indicadores relevantes desde el punto de vista del análisis económico y desde el punto de vista del análisis del paisaje. Para incluir espacios verdes (y más generalmente el paisaje) en nuestro análisis, primero reflexionamos sobre los objetivos del estudio para identificar los indicadores y escalas relevantes. La mayor parte del trabajo se centra en una amenidad.

Por ejemplo, Morancho (2003) se limita a un análisis de espacios verdes urbanos o Tyrvaïnen (1997) a un análisis de bosques urbanos. Sin cuestionar el interés de estas obras, no reflejan la complejidad del paisaje. Sin embargo, no podemos restringir nuestro análisis a una amenidad, pero debemos, en la medida de lo posible, tener en cuenta el espacio, así como sus atributos, como un todo. Como señaló Napoleón (2005), la formalización del vínculo entre los precios inmobiliarios y las formas del paisaje varía según la elección de las variables. Pocos trabajos han intentado dar cuenta del paisaje en toda su complejidad, con la excepción de algunos autores como, entre otros, Brossard et al. (2007), Cho et al. (2008) o Paterson y Boyle (2002). Estos estudios revelan la dificultad de identificar los criterios del paisaje valorados por los hogares. Incluso si permiten resaltar algunos de estos criterios, la literatura no proporciona un punto de referencia que ayude a definir a priori los indicadores relevantes del paisaje. En esta perspectiva, nuestra contribución es doble. El primero es proporcionar una descripción relativamente detallada de la variable de interés, los espacios verdes. El segundo es incluir la misma representación fina de otros tipos de uso de la tierra y el paisaje.

2.4.1 Métricas del paisaje calculadas

A partir del mapa de cobertura del suelo, en el que se georreferencian las observaciones, se calculan diferentes métricas del paisaje en tres niveles: paisaje (“paisaje”), clase (“clase”) y el parche (ver figura 18). Los indicadores calculados a nivel del paisaje global caracterizan la morfología y la distribución espacial de todos los tipos de uso de la tierra. Por ejemplo, proporcionan información sobre la diversidad de tipos de uso de la tierra dentro de un determinado radio. Los indicadores calculados a nivel de clase describen la distribución y la morfología de cada tipo de uso de la tierra (por ejemplo, la clase “espacios verdes” corresponde al tipo de “espacios verdes” de uso de la tierra e incluye todos los manchas “espacios verdes”). Finalmente, los indicadores calculados al nivel de cada punto caracterizan cada polígono de acuerdo con índices de forma, regularidad, alargamiento o incluso estrechez (por ejemplo, un punto es un espacio verde o un cuerpo de agua). La ventaja de distinguir entre estos tres niveles es que un análisis a nivel de paisaje mediante la agregación entre clases conduciría a una pérdida de información (Napoleón, 2005)

Luego está la cuestión de la escala relevante. Su definición está en el centro de las reflexiones sobre el paisaje (Burel y Baudry, 1999). Con respecto a nuestro problema, conservamos la escala de percepción humana, que es una escala de vecindario en el caso de las opciones de ubicación residencial.

En la literatura sobre precios hedónicos, no existe a priori una escala adecuada para las variables de amenidad . Especialmente porque dependiendo del trabajo, los niveles de resolución y las mediciones difieren. Por estas razones, probamos tres escalas diferentes para los indicadores calculados a nivel de paisaje: cada indicador se calcula dentro de un radio de 100 m, 500 my 1000 m alrededor de cada apartamento. Las métricas a nivel de clase se calculan dentro de un radio de 1000 m alrededor de cada observación. Además, se calculan diferentes distancias: la distancia a cada punto más cercano a cada observación (por ejemplo, la distancia al espacio verde más cercano) y la distancia al centro de la ciudad (ubicado Place du Ralliement).

También se calculan las áreas de ciertos puntos, como el área del espacio verde más cercano a cada apartamento. El conjunto de indicadores calculados se presenta en el Apéndice 7. Estas métricas del paisaje nos dicen si el paisaje alrededor de una observación tiene muchos tipos diferentes de uso de la tierra (índice de Shannon), si el paisaje es bastante heterogéneo ( de estilo mosaico), si los tipos de uso de la tierra son mixtos, pequeños, agregados, etc. Dada la amplia gama de indicadores de paisaje, no podemos describirlos exhaustivamente1. Sin embargo, presentamos un ejemplo: fragmentación. Esta noción está vinculada al tamaño de las manchas. La disponibilidad de espacios verdes se puede medir por su superficie total o por su superficie ponderada por el número de espacios verdes. La fragmentación permite evaluar su distribución espacial. ¿Los espacios verdes están organizados en puntos grandes o pequeños? La Figura 19 muestra diferentes niveles de fragmentación en un espacio compuesto por edificios (representados en gris) y espacios verdes (representados en negro). En la Figura 19.A, los espacios verdes no están fragmentados, mientras que en la Figura 19.C, están muy fragmentados. La fragmentación es un criterio interesante porque la sensibilidad de la población a la fragmentación de los espacios verdes depende de su radio de movimiento diario (Burel y Baudry, 1999).

2.4.2 Indicadores calculados para espacios verdes

La tesis sobre espacios verdes es apropiada exponer, aquí, los 11 indicadores calculados para estos servicios (ver Tabla 11).

La distancia promedio al espacio verde más cercano es de 309 m1. Muestra una fuerte heterogeneidad entre los hogares como se muestra en la Tabla 12 y la Figura 20. Tabla 12. Estadísticas descriptivas de la distancia al espacio verde más cercano

Variable Promedio Mediano Mínimo Máximo Desviación estándar Distancia 309,285 1,921,1

2.4.3 Límites de los indicadores calculados

Cabe señalar que las métricas del paisaje que definimos anteriormente son medidas objetivas de los atributos del espacio. Como tales, no permiten dar cuenta de la percepción de los espacios verdes por parte de los individuos, ni de su calidad o atributos (por ejemplo, la presencia de un patio de recreo o paisajismo). Sin embargo, la descripción de los espacios verdes no puede reducirse a indicadores cuantitativos. Se refieren a fenómenos sociales complejos que requieren percepción y apropiación como señalamos en el Capítulo 1 de esta tesis. Estos fenómenos no pueden ser tomados en cuenta en nuestro análisis. Una encuesta adicional ayudaría a integrar estas preguntas. Por ejemplo, ¿se valora un jardín botánico debido a la calidad del paisaje? ¿O se valora porque atrae a cierto tipo de población?

Estas preguntas sobre la percepción y apropiación de los espacios verdes y, más en general, del paisaje van más allá del campo de competencia de los economistas. Por supuesto, son fundamentales para informar el debate público y recordarnos que la gestión eficaz de los espacios verdes requiere un enfoque multidisciplinario.

Aún relacionado con la percepción, no tenemos en cuenta la atmósfera del paisaje. Esto habría sido posible sobre la base de una evaluación experta (Napoleón, 2005). “Una apreciación inconsciente de las relaciones entre los elementos visuales y sus efectos recíprocos de mejora o devaluación entre ellos y en relación con todo el paisaje, permite al observador sentir la atmósfera creada por una ‘unidad de paisaje'” (Napoleón , 2005, p. 194). La evaluación experta permite tener en cuenta elementos subjetivos. Incluso si es difícil integrarse en modelos económicos cuantitativos, habría permitido refinar nuestro análisis empírico.

Dado que se supone que las variables explicativas de la función hedónica reflejan las preferencias individuales, necesitamos identificar variables que sean realistas y efectivamente percibidas por la población. Baranzini y col. (2006) comparan el uso de mediciones científicas y percibidas de ruido en Ginebra (Suiza). Encuentran que los resultados obtenidos convergen para los dos tipos de medición (con la excepción de los bajos niveles de ruido). Desde el punto de vista de las políticas públicas, este resultado es interesante porque las medidas científicas son más fáciles de obtener que las percepciones subjetivas de los hogares. Sería interesante reproducir este tipo de análisis en espacios verdes. Esto implica tener acceso a los datos de la encuesta con una muestra representativa.

Otros estudios muestran que las métricas del paisaje pueden usarse para evaluar la calidad de los paisajes percibidos por los individuos (De la Fuente de Val. Et al., 2006; Herbst et al., 2009; Uuemaa et al., 2009) Il Tenga en cuenta que, por la naturaleza misma del mapa de uso de la tierra, no pudimos definir un cierto número de elementos. Por ejemplo, solo se consideran carreteras con un ancho mínimo de 25 m. No se tienen en cuenta caminos o calles. Lo mismo es cierto para las estaciones. Sería interesante evaluar la influencia de la proximidad a la estación SNCF en la elección de la ubicación residencial. Pero la variable disponible para nosotros “infraestructura ferroviaria principal” incluye estaciones, así como vías TGV y vías con un ancho mínimo de 25 m. Asimismo, el plan de uso del suelo no permite hacer una distinción entre zonas comerciales e industriales.

Verde urbano

El tipo de uso de suelo “zonas de actividad económica y comercial” incluye zonas industriales, zonas comerciales, zonas de actividad y zonas artesanales en su conjunto. Desde el punto de vista del análisis económico, sentimos que ciertos usos juegan un papel particular en la elección de la ubicación residencial. Sin embargo, en el mapa de uso del suelo tenemos estos tipos de uso agregados

Sección 3. Metodología para especificar el modelo hedónico

En esta sección, presentamos el enfoque econométrico seguido. De acuerdo con el desarrollo del método de precio hedónico, el primer paso consiste en estimar la función de precio hedónico mediante la regresión de los precios de transacción en las diferentes características intrínsecas y extrínsecas de los apartamentos. Este paso proporciona los precios marginales implícitos para estas características. La construcción del modelo necesita en primer lugar especificar la metodología para la selección de las variables explicativas y especificar cuál fue la forma funcional utilizada.

3.1 Variables introducidas en el modelo

 3.1.1 La elección de la variable dependiente

Utilizamos el precio de venta de los apartamentos como la variable dependiente. Las razones de esta elección se han explicado anteriormente. Algunos autores, por ejemplo Kong et al. (2007) utilizan el precio por metro cuadrado de espacio habitable como una variable dependiente debido a que el espacio habitable no es una variable exógena. Esta variable también se usa para reducir los riesgos de heterocedasticidad (Des Rosiers, 2001). Elegimos mantener el precio como la variable dependiente y lidiar con los problemas de endogeneidad y heterocedasticidad a través de pruebas estadísticas apropiadas.

Debido a la evolución de los precios inmobiliarios, para hacer un análisis en igualdad de condiciones, debemos tener en cuenta esta evolución. Hay dos opciones: la primera es incluir en el modelo econométrico una variable indicadora para cada año; el segundo en usar un deflactor de precios. La Figura 21 muestra que los precios promedio de los apartamentos aumentaron entre 2004 y 2005. Además, la prueba de igualdad de medios rechaza la hipótesis nula de igualdad de medios entre estos dos años (ver Anexo 8). Esta diferencia en el precio promedio se puede vincular a una muestra diferente entre los dos años (de características diferentes), es decir, un cambio en los precios.

Para determinar el origen de la evolución de los precios, verificamos si, en promedio, las características de los apartamentos en 2004 y 2005 son significativamente diferentes. Las pruebas de igualdad de los promedios realizados para las características intrínsecas de los apartamentos indican que las muestras son relativamente similares (ver Anexo 8). Por lo tanto, el aumento de los precios entre 2004 y 2005 requiere el uso de un deflactor de precios. Dado que existe un índice de precios para el departamento de Maine-et-Loire (datos de notarios – PERVAL), optamos por su uso: por lo tanto, para tener en cuenta el aumento de los precios de los apartamentos observado durante el  año 2005 en el mercado inmobiliario del departamento de Maine-etLoire, desinflamos estos últimos meses al considerar un aumento mensual equivalente de 0.85% (o + 10.7% para el año).

3.1.2 Selección de variables dependientes

Nos enfrentamos a la elección entre muchas variables explicativas para explicar la variación en los precios de los apartamentos. Existen diferentes técnicas estadísticas para determinar las variables relevantes a incluir en el modelo. Debido a la gran cantidad de variables y la existencia de fuertes correlaciones entre algunas, procedemos a una selección de las variables de acuerdo con un procedimiento paso a paso, el método de abajo hacia arriba y el método de arriba hacia abajo (véase la Figura 22).

Métodos de selección de variables La selección de variables de acuerdo con la eliminación progresiva o “eliminación hacia atrás” (método de arriba hacia abajo) consiste en integrar todas las variables en el modelo. Su principio es eliminar las variables paso a paso, es decir, reestimando el modelo después de cada eliminación del modelo completo (Bourbonnais, 2005). La selección de variables de acuerdo con el procedimiento de selección progresiva o “regresión hacia adelante” (método ascendente) consiste en agregar una variable al modelo en cada paso. El primer paso requiere seleccionar la variable explicativa con el coeficiente de correlación simple más alto. Luego, calcule los coeficientes de correlación parcial para las otras variables explicativas y mantenga la variable explicativa cuyo coeficiente es el más alto. Cuando los valores de t de Student de las variables explicativas están por debajo del umbral crítico, la selección de las variables está completa. La selección de variables de acuerdo con el procedimiento de regresión gradual es similar a la selección progresiva. La diferencia es que después de haber incluido una nueva variable explicativa en el modelo, es necesario analizar la t de Student para cada una de las variables explicativas seleccionadas y eliminar aquellas cuya t de Student esté por debajo del umbral crítico. En la práctica, es el procedimiento más utilizado (Bourbonnais, 2005)

Entre las variables disponibles para nosotros, conservamos 19 en el modelo final1 (ver Tabla 13). Las estadísticas descriptivas de las variables se presentan en la Tabla 14.

La siguiente tabla (véase la tabla 15) presenta los efectos esperados de las variables utilizadas en el modelo final en comparación con la literatura internacional y francesa (véase Travers, 2007, pp. 379-380). Para las variables de paisaje, dado el pequeño número de estudios que las usan (en particular en áreas urbanas), no podemos determinar un signo a priori.

 

3.2 Elección de la forma funcional

 3.2.1. Enfoque paramétrico versus semi-paramétrico y no paramétrico

La mayor parte del trabajo sobre el método del precio hedónico adopta un enfoque paramétrico. Algunos autores argumentan a favor de enfoques semiparamétricos o no paramétricos (cf. Sheppard, 1997). Le permiten estimar un modelo sin tener que especificar una forma funcional a priori. A pesar de esto, estos enfoques son difíciles de implementar ya que requieren la disponibilidad de una gran cantidad de observaciones. Para los modelos semiparamétricos, es posible adoptar una forma paramétrica para ciertas variables y una forma no paramétrica para otras. En la ciudad de Brest (Francia), Ahamada et al. (2008) presentan un enfoque semiparamétrico para 1.157 observaciones en el que no imponen ninguna restricción sobre la relación entre la distancia a los espacios verde ni sobre las matrices de peso. Esto les permite encontrar una relación lineal y decreciente de hasta 200 m. Debido a la gran cantidad de variables explicativas en nuestra base de datos, optamos por el enfoque paramétrico. Para el resto del trabajo, debemos subrayar de inmediato varios puntos. En la elección de formas funcionales, debemos prestar especial atención a las no linealidades. Napoleón (2005) señala que son características de las variables ambientales, en forma de umbrales o niveles de percepción. Además, integramos medidas de la ecología del paisaje en un modelo económico. El acoplamiento entre los modelos económicos y las métricas del paisaje dificulta la interpretación de los resultados, especialmente porque todavía hay pocos estudios que utilicen indicadores tan detallados (con la excepción de Brossard et al. , 2005; Kong et al., 2007; Napoleón, 2005).

3.2.2 Presentación de las principales formas funcionales

Los resultados obtenidos con el método de fijación de precios hedónicos dependen de la forma funcional elegida. Su elección ha sido objeto de muchas discusiones que, además, aún están abiertas1. En su artículo fundador, Rosen (1974) no ofrece un argumento para una forma funcional particular. Sin embargo, especifica que la forma lineal no permite que se implemente la segunda etapa. La elección de la forma funcional plantea una serie de dificultades, particularmente en el contexto de las estimaciones paramétricas. ¿Cuál es la mejor forma funcional entre la variable dependiente y las variables explicativas?

Esta pregunta se basa en consideraciones teóricas y empíricas. La teoría económica no se pronuncia para una forma funcional particular. Una función de precio hedónico es una relación de equilibrio resultante de las interacciones entre las preferencias individuales de los compradores y las funciones de costo o beneficio de los vendedores.

Lugares ferroviarios convertidos en jardines
Paris.-Parc Sainte Perine

Desde un punto de vista teórico, la única restricción en la forma de la función de precio hedónico es que la primera derivada con respecto a la variable de amenidad ambiental es positiva (negativa) si la amenidad constituye un beneficio (una molestia) (Freeman, 2003). El modelo lineal es la forma funcional más básica. Utilizado por Rosen (1974), establece un vínculo entre el precio de venta de bienes inmuebles, expresado en nivel y las diversas variables explicativas también expresadas en nivel. Para cada variable, se obtiene un coeficiente que representa el precio implícito de la característica. Desde el punto de vista de la interpretación económica, esto significa que un aumento de una unidad en la característica conduce a una variación en el precio de la propiedad igual al coeficiente asociado con la variable, siendo todas las demás cosas iguales. Además, la forma lineal implica que cada argumento de la función hedónica es independiente de los demás.

El modelo lineal es el más fácil de implementar e interpretar, ya que se estima mediante el método de mínimos cuadrados ordinarios. Por otro lado, no es adecuado para el modelado hedónico, en particular porque no permite medir las variaciones en el bienestar después de una modificación de una característica, ya que los precios marginales implícitos calculados son constantes. La función hedónica se puede estimar de acuerdo con un modelo de semi-log del tipo lin-log.

El precio de venta se expresa en nivel y las variables explicativas en nivel o en logaritmo. La ventaja de esta forma funcional es que permite estimar una relación lineal entre el precio de venta y ciertas características y una relación no lineal entre el precio de venta y otras características. Desde el punto de vista de la interpretación económica, un aumento del 1% en una variable expresada en logaritmo da lugar a un cambio en el precio de venta igual al coeficiente asociado con la variable dividido por 100. La función hedónica también se puede estimar según un modelo tipo semi-log log-lin. El precio de venta se expresa en logaritmo y las variables explicativas se expresan en nivel. En el caso de una variable continua, un aumento de una unidad en la variable conduce a un cambio porcentual en el precio de venta igual a 100 veces el valor del coeficiente asociado con la variable

La función hedónica también se puede estimar de acuerdo con un modelo log-lineal de tipo log-log. Vincula el precio de venta expresado en logaritmo con las variables explicativas también expresadas en logaritmo. La interpretación económica es diferente dependiendo de si las variables son continuas o indicativas. Para una variable continua, un aumento del 1% en la característica provoca un cambio en el precio igual al coeficiente de la variable, y esto en porcentaje. Para las variables binarias, es decir, que toman el valor 0 o 1, la transformación en logaritmo no es posible. Para resolver la cuestión de la forma funcional que se debe retener, hemos optado por una transformación lineal más general de tipo Box-Cox, de la cual las diferentes formas funcionales presentadas anteriormente son casos especiales.

Claves a tener en cuenta al valorar

 3.2.3 Especificación del modelo

Probamos una transformación de la variable dependiente y las variables independientes utilizando una forma de Box-Cox cuya formulación es la siguiente:

∑ ∑ ∑ = = = = + + + + M mm im i K kk ik K k Pi kz ik z D u 1 1 2 1 () 0 1 () 1 2 α α β γ θ λ (6.1)

donde: i = 1, …, 1260 Pi:

precio del apartamento ik z1: las variables cuantitativas transformadas K11 k z2: las otras variables cuantitativas K2 Dm: las variables indicadoras M. Y donde:

(θ) Pi, () 1 λ ik z son las respectivas transformaciones de Box-Cox del precio y las características

k z1. θ θ θ (/) 1 () () Pi = Pi – si θ ≠ 0,) ln (() Pi = Pi θ

de lo contrario

λ λ λ (/) 1 () 1 () z1ik = z ik – si 0 λ ≠,) ln (1 () 1ik ik z = z λ () 1 1 ln () ik ik zz λ = de lo contrario.

las transformaciones se aplican a las variables cuantitativas que miden la distancia de los apartamentos desde sus diferentes características extrínsecas, así como ‘a su número de piezas.

Esta fórmula general se puede ajustar por iteraciones para obtener la mejor transformación posible de acuerdo con el criterio de máxima probabilidad. Le permite estimar los parámetros del modelo con o sin restricciones. Cuando θ y λ se acercan a 0, la relación entre el precio de la vivienda y sus características es logarítmica. Cuando los parámetros están cerca de 1, es lineal. Al final de las pruebas, la forma de Box-Cox más adecuada corresponde a 0 θ = y 0 λ =, es decir, una forma logarítmica doble1. 3.3 Resultados de la estimación 3.3.1 Resultados El modelo estimado explica una gran parte de las variaciones en los precios de los apartamentos (69%) utilizando las variables seleccionadas. Obtenemos los siguientes resultados (ver Tabla 16).

La hipótesis de homocedasticidad de este modelo se verifica en el umbral del 5%: el valor calculado de la prueba de Breusch-Pagan (2.76) es menor que el valor teórico

(χ 2 α = 5% (1) = 3, 84).

Entonces, incluso si prestamos especial atención a las colinealidades en la selección de variables, es aconsejable realizar pruebas posteriores a la estimación. La colinealidad de las variables explicativas es un problema recurrente en la implementación del método de precios hedónicos1. Los valores obtenidos para los factores de inflación de varianza de cada una de las variables explicativas indican que no hay problema de multicolinealidad entre ellos

Finalmente, la prueba Ramsey Reset parece indicar la omisión de variables explicativas relevantes. El valor calculado para esta prueba (6.71) es mayor que el valor teórico

(F (3.1237) = 2.61)

en el umbral del 5%. Estas variables pueden correlacionarse con el término de error y, por lo tanto, conducir a la violación de la condición de exogeneidad.

 3.3.2 Prueba de endogeneidad de las variables explicativas

El examen de un posible problema de endogeneidad es particularmente importante en la implementación del método del precio hedónico (Cavailhès, 2005). Existen tres fuentes principales de endogeneidad de las variables explicativas: la doble causalidad cuando una variable explicativa actúa sobre la variable explicada y viceversa; la existencia de una variable omitida correlacionada con al menos una variable explicativa y los errores de medición de las variables explicativas. En la decisión de comprar un apartamento, puede haber una simultaneidad de elección. Un hogar puede elegir simultáneamente el precio del apartamento y el número de habitaciones, por ejemplo. Esta endogeneidad potencial debe ser examinada por el método de variables instrumentales. Por lo tanto, es necesario definir de antemano los instrumentos correlacionados con las variables explicativas sospechosas de endogeneidad (variables sospechosas de estar correlacionadas con el resto de la función de precio hedónico) y no correlacionadas con el término de error de la función de precio hedónico. Elegimos instrumentos variables como categorías socioprofesionales, origen geográfico, así como su estado civil y su edad. Es necesario estimar el conjunto de ecuaciones auxiliares de todas las variables explicativas. En un segundo paso, es necesario retener los residuos de las variables de las cuales los instrumentos emergen significativos, luego verificar mediante una prueba de Fisher si las variables son endógenas. El problema de la endogeneidad es que si una o más variables explicativas no son exógenas y están correlacionadas con los residuos, los coeficientes obtenidos por OLS son sesgados y no convergentes. En consecuencia, debe utilizarse otro método de estimación: el método de las variables instrumentales.

La prueba de Sargan consiste en hacer una regresión de los residuos de la ecuación hedonista estimada por el método de mínimos cuadrados dobles en todas las variables explicativas consideradas como exógenas y las variables instrumentales1. La hipótesis nula de buena calidad de los instrumentos rechazados

(NR2 = 25.9> χ 2 α = 5% (10) = 18.31),

por lo tanto, nuestros instrumentos están correlacionados con el término de error de la función de precio hedónico . Para resolver este problema, por lo tanto, elegimos hacer las estimaciones de la función del precio hedónico en una submuestra para la cual tenemos el período de construcción de la vivienda (ver Tabla 17). De hecho, la introducción de estas variables nos permite identificar instrumentos de “buena calidad” . Luego tenemos una base de 1,016 observaciones, cuyas nuevas variables no están correlacionadas con las antiguas3. Cabe señalar que las pruebas de igualdad de las medias muestran que la estructura de la submuestra no es significativamente diferente de la muestra inicial.

Con la prueba de Hausman que revela la ausencia de endogeneidad5, reestimamos el modelo en esta nueva muestra por el método de mínimos cuadrados. Los resultados se presentan en el tabla 181. Los coeficientes cambian muy poco en comparación con la estimación de la muestra inicial. Sin embargo, las variables industria y pastizales ya no son significativas. La variable de salud resulta significativa, así como los períodos de construcción. Esta prueba confirma que la omisión de una variable correlacionada con las otras variables explicativas fue la causa de la mala calidad de los instrumentos, ya que estos están correlacionados con las variables relacionadas con el período de construcción de los apartamentos.

3.4. Interpretación económica de los resultados

Las características intrínsecas de los apartamentos lógicamente tienen la mayor influencia en la formación de los precios de los apartamentos. La literatura converge sobre este punto (cf. Cavailhès, 2005; Travers, 2007). El precio marginal de una pieza adicional para pasar de 3 a 4 piezas es de € 25,738, un aumento de alrededor del 24% del precio calculado en el nivel promedio de la muestra. Del mismo modo, la posesión de un apartamento equipado con más de un baño conduce a un aumento en el precio de € 32,961, es decir, un aumento de alrededor del 31% en el precio de un apartamento sin esto. característica. En cuanto al efecto de la proximidad de los apartamentos a los espacios verdes, el efecto es positivo y significativo. De hecho, una aproximación de 100 m (resp. 1,000 m) conduce a un aumento de alrededor del 1.3% (resp. 7%) en el precio de venta promedio. Del mismo modo, cuanto mayor sea la densidad de los espacios verdes dentro de un radio de 1,000 m alrededor del apartamento, más se valora (del orden de 1.3% para un aumento del 10% en esta densidad calculada en el nivel promedio de la muestra).

También parece que los hogares residentes prefieren que estos espacios verdes tengan un área más pequeña. Por lo tanto, los hogares prefieren residir en áreas más densas con áreas verdes más pequeñas que en áreas donde el número de áreas verdes es menor pero cuya área es mayor. La forma del espacio verde más cercano no es un criterio significativo en las elecciones residenciales de los hogares. Nuestros resultados también indican que cuando el paisaje se compone de tipos de uso de la tierra (caminos, áreas de césped, espacios verdes, áreas comerciales, etc.) diversificado y distribuido homogéneamente en un radio de 100 y 500 metros respectivamente alrededor El apartamento, el precio de venta de este último aumenta. Incluso si desde un punto de vista teórico, uno pudiera esperar un efecto de la distancia al centro de la ciudad, no aparece en el modelo estimado. Esta variable agrega muchos servicios. Esto explica por qué nuestros resultados indican que acercar los apartamentos al páramo y al viñedo lleva a una caída en el precio promedio de venta.

Finalmente, otras variables no están incluidas en nuestro modelo. Fueron eliminados por el método de regresión paso a paso.

Nueva York.-Central Park

3.5 Límites y perspectivas

Este trabajo tiene varios límites inherentes a la disponibilidad de datos. Los datos disponibles no permiten un inventario exhaustivo de las comodidades o las características del vecindario de las viviendas. Del plan de uso del suelo obtenido de AURA, no es posible distinguir zonas comerciales de zonas industriales. Sin embargo, sentimos que los dos no son percibidos de la misma manera por los hogares: el primero puede valorarse mientras que el segundo puede asociarse con externalidades negativas relacionadas con el ruido, la vista o la contaminación. Entonces, no tenemos la correspondencia entre los distritos y las secciones catastrales. El censo de población realizado por el INSEE proporciona información detallada sobre los distritos de los municipios. Estos datos inframunicipales habrían permitido refinar nuestro análisis. De hecho, según los estudios existentes (por ejemplo, Bono et al., 2007), habría efectos de vecindad según los cuales se llevaría a cabo una “clasificación espacial” entre vecindarios de buena reputación y guetos (Cavailhès, 2009) . Además, es probable que otros factores influyan en la elección de ubicación residencial de los hogares. Estos son, por ejemplo, la delincuencia, la calidad de las escuelas, la calidad del aire, el ruido, el acceso al transporte, el acceso al lugar de trabajo … (cf. Cavailhès, 2005). Estos factores también pueden influir en el valor que los hogares otorgan a los espacios. Por ejemplo, en una aplicación del método de precios hedónicos en la ciudad de Baltimore (Maryland, Estados Unidos), Troy et al. (2009) muestran que el precio implícito de los espacios verdes es más bajo en los vecindarios donde la tasa de criminalidad es alta.

Con respecto a los espacios verdes, incluso si utilizamos criterios distintos de la distancia al espacio verde más cercano, nuestro trabajo no refleja todos los servicios valorados por los hogares. Este problema de medición no es específico de los espacios verdes. Por ejemplo, Brasington y Haurin (2006) se propusieron determinar la influencia de las escuelas en las opciones de ubicación residencial. Llevan a cabo una gran discusión sobre la variable relevante para incluir a las escuelas en el modelo hedonista. En particular, sugieren que el indicador de gasto no es relevante y que otros indicadores, como la tasa de éxito del examen o la relación profesor / alumno, son más apropiados. La cuestión de medir la variable de interés es tan compleja para los espacios verdes: cubren varios objetos (parques, parques infantiles, jardines botánicos, etc.) y ofrecen diferentes servicios (recreativos, económicos, sociales, etc.). ).

La forma en que los individuos se apropian de estos espacios difícilmente se puede entender en un modelo económico, ya que se refiere a la percepción de todos. A pesar de esto, sería posible enriquecer nuestro análisis llevando a cabo un trabajo de campo que consiste en identificar las características de los diferentes espacios verdes (presencia de un parque infantil, horario de apertura, floración, etc.). Desde un punto de vista metodológico, son posibles varias extensiones de este trabajo. Se debe evaluar la heterogeneidad y la autocorrelación espaciales (ver Le Gallo, 2002, 2004). La heterogeneidad espacial se refiere al hecho de que existe una diferenciación de los bienes inmuebles de acuerdo con su ubicación geográfica, como los barrios. La autocorrelación espacial implica que los precios de los apartamentos están influenciados por los precios del vecindario o la existencia de una variable omitida espacializada que influiría en los precios de las propiedades.

Chateau d´Angers

Conclusión del capítulo

Los resultados propuestos en este capítulo permiten validar la hipótesis de que los hogares residentes valoran los espacios verdes. Al utilizar el método del precio hedónico, mostramos, por un lado, que los espacios verdes influyen en la elección de la ubicación residencial y, por otro lado, que los hogares valoran las diferentes características. De hecho, no solo buscan la proximidad de un espacio verde, sino que también le dan importancia a su distribución alrededor de su vivienda. Estos resultados son importantes porque nos permiten en el resto de esta tesis considerar el lado de la oferta. Incluso si son específicos de la ciudad de Angers, convergen con los de la literatura existente, como los presentados por Ahamada et al. (2008) en la ciudad de Brest. Al mostrar que existe una demanda efectiva por parte de los residentes de espacios verdes, destacamos la necesidad de comprender las opciones públicas locales. Nuestros resultados también arrojan luz sobre la toma de decisiones públicas. Incluso si solo medimos un valor para uso residencial, sentimos por la literatura existente que el valor de los espacios verdes es más importante que el que calculamos.

Es probable que los hogares asignen otros valores de uso y no uso a estos servicios, que deben medirse utilizando el método de valoración contingente o el método de elección de atributos múltiples. Aún desde la perspectiva del apoyo a la decisión, mostramos que la accesibilidad a un espacio verde no es el único elemento valorado por los hogares. Su distribución espacial es igual de importante. El método de valoración contingente y el método de elección de múltiples atributos enriquecerían nuestro análisis, en particular para determinar los atributos valorados por los hogares, como la presencia de parques infantiles, el tipo de paisajismo, etc.

Conclusión de la parte

La evaluación económica sirve a dos intereses. Permite estimar la contribución de los espacios verdes al bienestar de las personas y proporcionar herramientas de apoyo a la decisión que faciliten la asignación de recursos. El método de precios hedónicos utilizado en esta sección revela que los espacios verdes tienen un valor económico para los hogares residentes. Nuestro análisis proporciona evidencia empírica de que los espacios verdes influyen en las opciones de ubicación de los hogares. La primera conclusión que surge es que los hogares que residen en la ciudad de Angers valoran no solo la proximidad de los espacios verdes, sino también una cierta homogeneidad de su distribución.

Sin embargo, nuestro análisis solo identifica el único valor de uso residencial que los hogares asignan a los espacios verdes. Estos hogares pueden dar valor a los espacios verdes ubicados lejos de sus hogares debido a sus atributos (posibilidades recreativas, áreas de juego, etc.). Además, la literatura sugiere que los no residentes pueden obtener utilidad de los espacios verdes proporcionados por un municipio determinado. Por lo tanto, la implementación de otros métodos de valoración parece necesaria para recomponer el valor económico total de los espacios verdes y comprender el alcance de las externalidades de desbordamiento. Por lo tanto, en esta parte, verificamos la hipótesis según la cual los individuos están dispuestos a pagar por espacios verdes, un consentimiento que se manifiesta en parte en su elección de ubicación residencial. Como hemos establecido que existe una demanda de espacios verdes, el siguiente paso es comprender el proceso de toma de decisiones públicas.