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

Vista sencilla de ítem
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.descriptiondiagramas, ilustraciones, mapas, tablasspa
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.spa
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.eng
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Ciencias - Estadísticaspa
dc.format.extent1 recurso en línea (67 páginas)spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameUniversidad Nacional de Colombiaspa
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombiaspa
dc.identifier.repourlhttps://repositorio.unal.edu.co/spa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/79630
dc.language.isospaspa
dc.publisherUniversidad Nacional de Colombiaspa
dc.publisher.branchUniversidad Nacional de Colombia - Sede Bogotáspa
dc.publisher.departmentDepartamento de Estadísticaspa
dc.publisher.facultyFacultad de Cienciasspa
dc.publisher.placeBogotáspa
dc.publisher.programBogotá - Ciencias - Maestría en Ciencias - Estadísticaspa
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-colocacionspa
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), 3255-3268spa
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 espacialspa
dc.relation.referencesBreiman, L., Friedman, J., Olshen, R. & Stone, C. (1984), Classification and Regression Trees, Chapman and Hall, Boca Ratonspa
dc.relation.referencesCamacol (2019), Prospectiva edificadora. Una visión de corto y mediano plazo, Camacol, Bogotáspa
dc.relation.referencesCamacol (2020a), Ficha metodológica censo de obras Coordenada Urbana, Reporte técnico, Cámara Colombiana de la Construcción. URL: https: // camacol. co/ coordenada-urbanaspa
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-edificadoraspa
dc.relation.referencesCamacol (2020c), `¿Vivienda para Quién? Análisis georreferenciado sobre las necesidades habitacionales en Colombia'. URL: https: // arcg. is/ 1aniquspa
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), 121-138spa
dc.relation.referencesCasas, C. (2014), `Subsidies to electricity consumption and housing demand Bogotá', Borradores de Economía pp. 1-28spa
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), 223-257spa
dc.relation.referencesDane (2020a), `Censo Nacional de Población y Vivienda - CNPV - 2018'. URL: http: // microdatos. dane. gov. co/ index. php/ catalog/ 643spa
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-2018spa
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-habitacionalspa
dc.relation.referencesDane (2020d), `Marco Geoestadístico Nacional (MGN)'. URL: https: // geoportal. dane. gov. co/ servicios/ descarga-y-metadatos/descarga-mgn-marco-geoestadistico-nacional/spa
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-ipcspa
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-ipvnspa
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-poblacionspa
dc.relation.referencesDaniels, H. & Kamp, B. (1999), `Application of MLP Networks to Bond Rating and House', Neural Computing & Applicationsl 8(3), 226-234spa
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), 95-122spa
dc.relation.referencesEscofier, B. & Pagés, J. (1992), Análisis factoriales simples y múltiples. Objetivos métodos e interpretación, Universidad del País Vasco, Bilbaospa
dc.relation.referencesEsri (2020a), `ArcGIS Pro'. URL: https: // esri. co/ arcgis-pro/spa
dc.relation.referencesEsri (2020b), `Unión espacial'. URL: https: // pro. arcgis. com/ es/ pro-app/ tool-reference/ analysis/spatial-join.htmspa
dc.relation.referencesEsri (2020c), `Zonas de influencia'. URL: https: // desktop. arcgis. com/ es/ arcmap/ 10. 3/ tools/analysis-toolbox/ buffer. htmspa
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), 197-222spa
dc.relation.referencesHABI (2021), `Quiero vender mi casa en 10 días'. URL: https: // habi. co/spa
dc.relation.referencesHardle, W., Muller, M., Sperlich, S. & Werwatz, A. (2004), Nonparametric and Semiparametric Models, Springer, Berlinspa
dc.relation.referencesHastie, T., Tibshirani, R. & Friedman, J. (2009), The Elements of Statistical Learning. Data Mining, Inference, and Prediction, Springer, New Yorkspa
dc.relation.referencesHernadez, G. & Piraquive, G. (2014), `Evolución de los precios de la vivienda en Colombia', Archivos de Economía pp. 1-44spa
dc.relation.referencesIsaaks, E. & Srivastava, M. (1989), Applied geostatistics, Oxford University Press, New Yorkspa
dc.relation.referencesLebart, L., Piron, M. & Morineau, A. (2006), Statisitique exploratoire multidimensionnelle. Visualisation et inférence en fouilles de données, Dunod, Parísspa
dc.relation.referencesLegis (2011), Guía práctica del crédito de vivienda en Colombia, Legis, Bogotá.spa
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), 1-30spa
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.pdfspa
dc.relation.referencesMeyer, D., Dimitriaduo, E., Hornik, K., Weingess, A., Leish, F., Chang, C. & Lin, C. (2020), `Package e1071 'spa
dc.relation.referencesMilborrow, S. (2020), `Package rpart.plot'spa
dc.relation.referencesOcampo, J. (2015), Una historia del sistema financiero colombiano, Portafolio-Asobancaria, Bogotáspa
dc.relation.referencesPagés, J. (2004), `Multiple Factor Analysis: Main Features and Application to Sensory Data', Revista Colombiana de Estadística 27(1), 1-26spa
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), 231-245spa
dc.relation.referencesPardo, C. E. (2020), Estadística descriptiva multivariada, Universidad Nacional de Colombia. Facultad de Ciencias, Bogotáspa
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), 2928-2934spa
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), 63-72spa
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/spa
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), 17-66spa
dc.relation.referencesScholkopf, B. & Smola, A. (2002), Learning whit Kernels. Support Vector Machines, Regularization, Optimization and Beyond, Massachusetts Institute of Technology, Cambridgespa
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-4mnuspa
dc.relation.referencesTan, P., Steinbch, M. & Kumar, V. (2006), Introduction to data mining, Pearson, Bostonspa
dc.relation.referencesTherneau, T., Atkinson, B. & Ripley, B. (2019), `Package rpart'. URL: https: // cran. r-project. org/ web/ packages/ rpart/ rpart. pdfspa
dc.relation.referencesTherneau, T. & Atkinson, E. (2019), `An Introduction to Recursive Partitioning Using the RPART Routines'spa
dc.relation.referencesTransmilenio (2020), `Consulta estaciones troncales'. URL: https: // gis. transmilenio. gov. co/ arcgis/ rest/ services/ Troncal/consulta_ estaciones_ troncales/ MapServerspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacionalspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.ddc310 - Colecciones de estadística generalspa
dc.subject.ocdeMercado de la Vivienda
dc.subject.ocdeHousing market
dc.subject.proposalAprendizaje supervisadospa
dc.subject.proposalMétodos de aglomeraciónspa
dc.subject.proposalPrecios de la vivienda nuevaspa
dc.subject.proposalBogotáspa
dc.subject.proposalGeorreferenciaciónspa
dc.subject.proposalSupervised learningeng
dc.subject.proposalAgglomeration mehodseng
dc.subject.proposalNew housing priceseng
dc.subject.proposalBogotáeng
dc.subject.proposalGeoreferencingeng
dc.subject.unescoEstadísticas financieras
dc.subject.unescoFinancial statistics
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 entornospa
dc.title.translatedStatistical learning methods to analyze new houses is prices in Bogotá from 2008 to 2019 regarding properties is characteristics, their location and surroundingseng
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TMspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
1019083443.2021.pdf
Tamaño:
11.64 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis de Maestría en Ciencias - Estadística
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
3.87 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias - Estadística