PERSONAL DE APOYO
ARIAS Federico Carlos
congresos y reuniones científicas
Título:
El valor de la tierra y la vivienda. Análisis con modelo de Regresión Lineal Múltiple (RLM) y Regresión Geográficamente Ponderada (GWR)
Autor/es:
ARIAS FEDERICO CARLOS; OSVALDO DANIEL CARDOZO
Lugar:
Luján
Reunión:
Conferencia; CONFIBSIG; 2019
Resumen:
El problema de investigación se enmarca en el crecimiento que ha experimentado la ciudad de Resistencia desde comienzo del siglo XXI, tanto por el aumento constante de las edificaciones en sentido vertical y como por la ocupación de nuevos sectores principalmente en el norte y sur de la ciudad. Esta situación permite inferir que determinadas áreas se revaloricen provocando la conformación de nuevos patrones de distribución del valor de la tierra, que en forma implícita determina la población que puede acceder a ciertos lugares de la urbe.A partir del problema planteado, el objetivo es analizar el valor de la tierra y la vivienda en la ciudad de Resistencia, identificando las variables internas y externar que influyen en la conformación del valor. La metodología empleada se basó en: a) acceso y relevamiento en sitios web de inmobiliarias y buscadores especializados en la venta de inmuebles -terrenos, casas y departamentos- entre noviembre del año 2016 y marzo de 2017; b) generación de variables internas y externas a las viviendas y terrenos con SIG; c) análisis estadístico por medio de correlación bivariada y generación de modelos de regresión -lineal múltiple y ponderada geográficamente-; d) obtención de los resultados.En los resultados obtenidos se advierte una importante influencia de las variables internas en la conformación del valor. La presencia de baños, presencia de terraza/balcón, distancia al centro comercial y al pavimento son las variables que tienen mayor peso. Con respecto a la metodología empleada, la Regresión Geográficamente Ponderada muestra una mejor performance que la Regresión Lineal Múltiple, además de considerar el efecto de la autocorrelación espacial en el conjunto de datos.