Show simple item record

Métodos de aprendizaje estadístico para analizar los precios de la vivienda nueva en Bogotá entre 2008 y 2019 según las características de los inmuebles, de su ubicación y entorno

dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional
dc.contributor.advisorPardo Turriago, Campo Elías
dc.contributor.authorBuitrago Vargas, Nikolás Sebastián
dc.date.accessioned2021-06-11T17:40:40Z
dc.date.available2021-06-11T17:40:40Z
dc.date.issued2021-02
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/79630
dc.descriptiondiagramas, ilustraciones, mapas, tablas
dc.description.abstractSe analizan los precios del metro cuadrado de la vivienda nueva en la ciudad de Bogotá usando información a nivel de inmueble en el periodo 2008-19. Se tiene en cuenta las características de los inmuebles, el proyecto al que pertenecen, su ubicación y entorno. Se segmenta el mercado de acuerdo con los atributos de la vivienda y se pronostican los precios. Se encuentra que el mercado se puede resumir en nueve tipos de inmuebles. El modelo de pronóstico logra explicar el 83.5 por ciento de la varianza de la variable respuesta. Se evidencia que la ubicación es el factor más relevante para definir el precio.
dc.description.abstractIt is analyzed new housing is prices per square meter in Bogotá city using information at property level in the period 2008-19. It is considering properties is characteristics, project that it belongs, their location, and surroundings. The market is segmented regarding home is characteristics and prices are classified. It is found that market can be summarized in nine housing types. Forecasting model explain 83.5 percent response variable is variance. It is evident that location is the most relevant factor to define the price.
dc.format.extent1 recurso en línea (67 páginas)
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.publisherUniversidad Nacional de Colombia
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.ddc310 - Colecciones de estadística general
dc.titleMétodos de aprendizaje estadístico para analizar los precios de la vivienda nueva en Bogotá entre 2008 y 2019 según las características de los inmuebles, de su ubicación y entorno
dc.typeTrabajo de grado - Maestría
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dc.publisher.programBogotá - Ciencias - Maestría en Ciencias - Estadística
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencias - Estadística
dc.identifier.instnameUniversidad Nacional de Colombia
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourlhttps://repositorio.unal.edu.co/
dc.publisher.departmentDepartamento de Estadística
dc.publisher.facultyFacultad de Ciencias
dc.publisher.placeBogotá
dc.publisher.branchUniversidad Nacional de Colombia - Sede Bogotá
dc.relation.referencesAnif (2017), `Cartera de los hogares y sus plazos de colocación'. URL: https: // www. anif. com. co/ Biblioteca/ politica-fiscal/ cartera-de-los-hogares-y-sus-plazos-de-colocacion
dc.relation.referencesBécue-Bertaut, M. & Pagés, J. (2008), `Multiple factor analysis and clustering of a mixture of quantitative, categorical and frequency data', Computational Statistics & Data Analysis 52(6), 3255-3268
dc.relation.referencesBohorquez, M., Santa, F. & Rodríguez, F. (2020), Estadística Espacial y Espacio-Temporal para Campos Aleatorios Escalares y Funcionales. Notas de Clase. Curso estadística espacial
dc.relation.referencesBreiman, L., Friedman, J., Olshen, R. & Stone, C. (1984), Classification and Regression Trees, Chapman and Hall, Boca Raton
dc.relation.referencesCamacol (2019), Prospectiva edificadora. Una visión de corto y mediano plazo, Camacol, Bogotá
dc.relation.referencesCamacol (2020a), Ficha metodológica censo de obras Coordenada Urbana, Reporte técnico, Cámara Colombiana de la Construcción. URL: https: // camacol. co/ coordenada-urbana
dc.relation.referencesCamacol (2020b), Informe de Actividad Edificadora - Febrero de 2020, Reporte técnico, Cámara Colombiana de la Construcción. URL: https: // camacol. co/ informes-de-gestion/ actividad-edificadora
dc.relation.referencesCamacol (2020c), `¿Vivienda para Quién? Análisis georreferenciado sobre las necesidades habitacionales en Colombia'. URL: https: // arcg. is/ 1aniqu
dc.relation.referencesCarriazo, F. & Gomez, J. (2018), `The demand for air quality: evidence from the housing market in Bogotá, Colombia', Environment and Development Economics 23(2), 121-138
dc.relation.referencesCasas, C. (2014), `Subsidies to electricity consumption and housing demand Bogotá', Borradores de Economía pp. 1-28
dc.relation.referencesCediel, V. & Velásquez, C. (2015), `¿Hay una burbuja inmobiliaria en Bogotá? Un estudio por segmentos de mercado', Revista de Economía Institucional 17(32), 223-257
dc.relation.referencesDane (2020a), `Censo Nacional de Población y Vivienda - CNPV - 2018'. URL: http: // microdatos. dane. gov. co/ index. php/ catalog/ 643
dc.relation.referencesDane (2020b), Censo Nacional de Población y Vivienda 2018, Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/demografia-y-poblacion/ censo-nacional-de-poblacion-y-vivenda-2018
dc.relation.referencesDane (2020c), Déficit poblacional, Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/ demografia-y-poblacion/ deficit-habitacional
dc.relation.referencesDane (2020d), `Marco Geoestadístico Nacional (MGN)'. URL: https: // geoportal. dane. gov. co/ servicios/ descarga-y-metadatos/descarga-mgn-marco-geoestadistico-nacional/
dc.relation.referencesDane (2020e), Índice de precios al consumidor (IPC), Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/precios-y-costos/ indice-de-precios-al-consumidor-ipc
dc.relation.referencesDane (2020f), Índice de precios de la vivienda nueva (IPVN), Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/precios-y-costos/ indice-de-precios-de-la-vivienda-nueva-ipvn
dc.relation.referencesDane (2020g), Proyecciones y retroproyecciones de población, Reporte técnico, Departamento Administrativo Nacional de Estadística. URL: https: // www. dane. gov. co/ index. php/ estadisticas-por-tema/demografia-y-poblacion/ proyecciones-de-poblacion
dc.relation.referencesDaniels, H. & Kamp, B. (1999), `Application of MLP Networks to Bond Rating and House', Neural Computing & Applicationsl 8(3), 226-234
dc.relation.referencesDuque, J., Velásquez, H. & Agudelo, J. (2011), `Infraestructura pública y precios de vivienda: Una aplicación de regresión geográficamente ponderada en el contexto de precios hedónicos', Ecos de Economía 15(33), 95-122
dc.relation.referencesEscofier, B. & Pagés, J. (1992), Análisis factoriales simples y múltiples. Objetivos métodos e interpretación, Universidad del País Vasco, Bilbao
dc.relation.referencesEsri (2020a), `ArcGIS Pro'. URL: https: // esri. co/ arcgis-pro/
dc.relation.referencesEsri (2020b), `Unión espacial'. URL: https: // pro. arcgis. com/ es/ pro-app/ tool-reference/ analysis/spatial-join.htm
dc.relation.referencesEsri (2020c), `Zonas de influencia'. URL: https: // desktop. arcgis. com/ es/ arcmap/ 10. 3/ tools/analysis-toolbox/ buffer. htm
dc.relation.referencesGómez, J., Ojeda, J., Rey, C. & Sicard, N. (2015), `Testing for Bubbles in the Colombian Housing Market: A new Approach', Revista Desarrollo y Sociedad (75), 197-222
dc.relation.referencesHABI (2021), `Quiero vender mi casa en 10 días'. URL: https: // habi. co/
dc.relation.referencesHardle, W., Muller, M., Sperlich, S. & Werwatz, A. (2004), Nonparametric and Semiparametric Models, Springer, Berlin
dc.relation.referencesHastie, T., Tibshirani, R. & Friedman, J. (2009), The Elements of Statistical Learning. Data Mining, Inference, and Prediction, Springer, New York
dc.relation.referencesHernadez, G. & Piraquive, G. (2014), `Evolución de los precios de la vivienda en Colombia', Archivos de Economía pp. 1-44
dc.relation.referencesIsaaks, E. & Srivastava, M. (1989), Applied geostatistics, Oxford University Press, New York
dc.relation.referencesLebart, L., Piron, M. & Morineau, A. (2006), Statisitique exploratoire multidimensionnelle. Visualisation et inférence en fouilles de données, Dunod, París
dc.relation.referencesLegis (2011), Guía práctica del crédito de vivienda en Colombia, Legis, Bogotá.
dc.relation.referencesMelo, L., Ramos, J., Parrado, L. & Zarate, H. (2016), `Bonanzas y crisis de la actividad petrolera y su efecto sobre la economía colombiana', Borradores de Economía (961), 1-30
dc.relation.referencesMeyer, D. (2020), `Support Vector Machines. The Interface to libsvm in package e1071 '. URL: https: // cran. r-project. org/ web/ packages/ e1071/ vignettes/ svmdoc.pdf
dc.relation.referencesMeyer, D., Dimitriaduo, E., Hornik, K., Weingess, A., Leish, F., Chang, C. & Lin, C. (2020), `Package e1071 '
dc.relation.referencesMilborrow, S. (2020), `Package rpart.plot'
dc.relation.referencesOcampo, J. (2015), Una historia del sistema financiero colombiano, Portafolio-Asobancaria, Bogotá
dc.relation.referencesPagés, J. (2004), `Multiple Factor Analysis: Main Features and Application to Sensory Data', Revista Colombiana de Estadística 27(1), 1-26
dc.relation.referencesPardo, C. & DelCampo, P. (2007), `Combinación de métodos factoriales y de análisis de conglomerados en R: el paquete FactoClass', Revista Colombiana de Estadística 30(2), 231-245
dc.relation.referencesPardo, C. E. (2020), Estadística descriptiva multivariada, Universidad Nacional de Colombia. Facultad de Ciencias, Bogotá
dc.relation.referencesPark, B. & Bae, J. (2015), `Using machine learning algorithms for housing price prediction: the case of Fairfax County, Virginia housing data', Expert Systems with Applications 42(6), 2928-2934
dc.relation.referencesPérez, J., González, F. & Correa, J. (2020), `Modeling of apartment prices in a Colombian context from a machine learning approach with stable-important attributes', DYNA 87(212), 63-72
dc.relation.referencesR Core Team (2020), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria. URL: https://www.R-project.org/
dc.relation.referencesSalazar, N., Steiner, R., Becerra, A. & Ramírez, J. (2013), `Los efectos del precio del suelo sobre el precio de la vivienda para Colombia', Ensayos sobre Política Económica 31(70), 17-66
dc.relation.referencesScholkopf, B. & Smola, A. (2002), Learning whit Kernels. Support Vector Machines, Regularization, Optimization and Beyond, Massachusetts Institute of Technology, Cambridge
dc.relation.referencesSecretaria Distrital de Ambiente (2020), `Parques Urbanos Bogotá 2018'. URL: https: // www. datos. gov. co/ Ambiente-y-Desarrollo-Sostenible/Parques-Urbanos-de-Bogot-2018/ m7ec-4mnu
dc.relation.referencesTan, P., Steinbch, M. & Kumar, V. (2006), Introduction to data mining, Pearson, Boston
dc.relation.referencesTherneau, T., Atkinson, B. & Ripley, B. (2019), `Package rpart'. URL: https: // cran. r-project. org/ web/ packages/ rpart/ rpart. pdf
dc.relation.referencesTherneau, T. & Atkinson, E. (2019), `An Introduction to Recursive Partitioning Using the RPART Routines'
dc.relation.referencesTransmilenio (2020), `Consulta estaciones troncales'. URL: https: // gis. transmilenio. gov. co/ arcgis/ rest/ services/ Troncal/consulta_ estaciones_ troncales/ MapServer
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.subject.ocdeMercado de la Vivienda
dc.subject.ocdeHousing market
dc.subject.proposalAprendizaje supervisado
dc.subject.proposalMétodos de aglomeración
dc.subject.proposalPrecios de la vivienda nueva
dc.subject.proposalBogotá
dc.subject.proposalGeorreferenciación
dc.subject.proposalSupervised learning
dc.subject.proposalAgglomeration mehods
dc.subject.proposalNew housing prices
dc.subject.proposalBogotá
dc.subject.proposalGeoreferencing
dc.subject.unescoEstadísticas financieras
dc.subject.unescoFinancial statistics
dc.title.translatedStatistical learning methods to analyze new houses is prices in Bogotá from 2008 to 2019 regarding properties is characteristics, their location and surroundings
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2


Files in this item

Thumbnail
Name:
1019083443.2021.pdf
Size:
11.63Mb
Format:
PDF
Description:
Tesis de Maestría en Ciencias - ...
Download
Thumbnail
Name:
license_rdf
Size:
805bytes
Format:
application/rdf+xml
Download

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 4.0 InternacionalThis work is licensed under a Creative Commons Reconocimiento-NoComercial 4.0.This document has been deposited by the author (s) under the following certificate of deposit