El valor del suelo está determinado por diversos factores. En el caso concreto del suelo urbano, no son solo las características físicas o de construcción las que generan valor en un predio, sino también su ubicación, equipamiento, accesibilidad, densidad, entre otros. En el presente estudio se analiza en qué medida cada una de estas características influye sobre el precio del suelo; y en particular, el valor del suelo habitacional en los municipios del área metropolitana de Monterrey. Estos hallazgos pueden, a priori, justificar diversas acciones de política en el suelo.
Introducción
El suelo urbano posee diferentes usos, los cuales determinan su valor. Desde un punto de vista económico, es evidente que los demandantes del suelo habitacional estarían dispuestos a pagar más si la ubicación, accesibilidad y equipamiento son los que ellos consideran adecuados. Ahora, si el uso fuera industrial se valorarían factores como la dotación de infraestructura de servicios especializados, conexiones multimodales, localización de proveedores, fuentes de consumo, etcétera.
En el presente estudio me centro en los determinantes del valor del suelo urbano, enfocado a usos habitacionales, dentro de los municipios que conforman el área metropolitana de Monterrey (AMM). Para lograrlo es importante conocer su dinámica poblacional, extensión territorial y densidad, con el fin de tener un contexto del área de estudio.
Contexto del AMM
Como se observa en las Tablas 1 y 2, los municipios de Monterrey, Guadalupe y Apodaca son los que mayor población concentran en el estado de Nuevo León. Sin embargo, son los de Juárez y García los que mayores tasas de crecimiento anual promedio han presentado en los últimos 25 años. Un aspecto importante a destacar es que, a partir del año 2000, la tasa de crecimiento anual promedio ha sido mayor en la zona metropolitana de Monterrey (ZMM) que en la del AMM, lo que ha implicado que esta última pasara de congregar 84 % de la población del estado en 1995, a 80 % en el 2020. Dicho en términos poblacionales, mientras que en 1995 la diferencia entre la población de la ZMM y el AMM era de 50 112 habitantes, para el 2020 era de 697 945.
Fuente: Censos de Población y Vivienda, Inegi 2000, 2010 y 2020; Conteos de Población Inegi 1995 y 2005; Encuesta Intercensal Inegi 2015. * El área metropolitana de Monterrey (AMM) está constituida por los municipios de Apodaca, García, Escobedo, Guadalupe, Juárez, Monterrey, San Nicolás, San Pedro y Santa Catarina. ** La zona metropolitana de Monterrey (ZMM), en 1995, estaba constituida por los municipios del AMM, además de Salinas Victoria y Santiago; en 2005 se agrega El Carmen; en 2010 se incorpora Cadereyta Jiménez, y para el 2015 se incluyen Abasolo, Ciénega de Flores, General Zuazua, Pesquería e Hidalgo.
Evidentemente, este crecimiento poblacional fue acompañado de un incremento en la extensión urbana de la ZMM, ya que, mientras en 1995 representaba 42 589 hectáreas (ha), para 2015 eran 101 701 ha. Como consecuencia, la densidad poblacional pasó de 71.34 habitantes por hectárea en 1995, a 46.11 en 2015 (ver Tabla 3).
En general, es posible ver que mientras la población en la ZMM creció 54 % entre 1995 y 2015, el área urbana se incrementó 139 % en este mismo período. Es evidente que este fenómeno generó un crecimiento disperso, motivado por incentivos legales y económicos; lo que, a su vez, distorsionó los valores del suelo, ya que los municipios compitieron de manera unilateral por los desarrollos habitacionales, comerciales, industriales y de servicios, sin considerar un plan de desarrollo conjunto.
El resultado después de 20 años de la modificación al artículo 115 constitucional fue, en el caso de la ZMM, una pérdida de habitantes en los municipios consolidados (ver Tablas 1 y 2) y, por ende, con mayores valores en el suelo, que se trasladaron a municipios periféricos que ofrecían precios menores. No obstante, en el agregado, lo que generó fueron mayores requerimientos de movilidad, deslocalización de equipamiento y fuentes de trabajo, mayores tiempos de traslado, contaminación, entre otros factores.
Debido a estas externalidades negativas, en años recientes se ha observado un abandono de los desarrollos habitacionales más dispersos, ya que implicaban altos costos de desplazamiento para sus habitantes.
Al tomar en cuenta estos antecedentes, es relevante considerar los aspectos que ayudan a determinar el valor del suelo. Para el caso que nos atañe sería deseable conocer el comportamiento de dichos valores en los 18 municipios que conforman la ZMM. Sin embargo, dado que el crecimiento en los municipios fuera del AMM ha sido relativamente rápido y con desarrollos dispersos, no se cuenta con información suficiente para realizar un análisis estadísticamente válido. Debido a ello, el análisis se enfocará en los nueve municipios que conforman el AMM.
En años recientes se ha observado un abandono de los desarrollos habitacionales más dispersos, ya que implicaban altos costos de desplazamiento para sus habitantes.
Estimación del valor del suelo utilizando un modelo de precios hedónicos
Este modelo permite identificar los determinantes del precio de la vivienda, entre los cuales se encuentran las características físicas, de vecindario y de localización. De una manera posterior a la estimación, la técnica de precios hedónicos permite aislar cuánto del valor comercial de una propiedad es explicado por la cantidad de metros cuadrados (m2) del terreno en el que está construido el inmueble; así como estimar el precio implícito de esta característica (es decir, el precio del metro cuadrado de terreno o valor del suelo).
El modelo de precios hedónicos se basa en el supuesto de que el precio de un bien heterogéneo —como una vivienda, local, o incluso la tierra— se puede descomponer en los precios de sus propias características o atributos. Lo anterior significa que, para un presupuesto dado, cuando elegimos comprar una casa con más metros cuadrados construidos, cerca de vías rápidas y en una zona menos contaminada, es porque implícitamente estamos valorando cada uno de los atributos de la propiedad y le estamos asignando un precio implícito. La suma de todos los precios de las características, multiplicada por la cantidad de dicho atributo, nos da el precio observado del bien.
Cuando la oferta de atributos empata con la demanda por dichos atributos, ocurre una transacción; es decir, la propiedad simultáneamente se vende y se compra, porque la o el comprador valora los atributos de la propiedad en el mismo precio implícito que los ofrece la o el dueño de la propiedad. La técnica de los precios hedónicos consiste en estimar el precio implícito de las características o atributos de la propiedad.
Rosen (1974) especifica que el modelo de precios hedónicos puede ser utilizado en “clases de productos diferenciados que pueden ser descritos como un vector de características medibles”, en el cual los individuos realizan su elección de acuerdo con el bien que mejor satisface sus preferencias. Por lo tanto, a priori, podemos elegir tantas variables como nos sea posible, siempre y cuando conformen parte de la vivienda o del entorno que las rodea y, además, sean medibles. Es claro que la elección de variables dependerá del poder que estas puedan tener en el modelo y no de una cuestión de aleatoriedad.
Autores como Wen et al. (2005) hacen una diferenciación según tres tipos de características:
- Características del vecindario. Incluye el entorno social en el que se encuentra la vivienda. Las variables de vecindario más usadas para explicar el precio de la vivienda son: ingresos de los residentes o índice de marginación urbana, proximidad a hospitales, parques, iglesias, supermercados, bosques, tasa de crimen, calidad del medioambiente y rezago social.
- Características de localización. Son atributos de tipo económico, geográfico y ambiental que no están directamente relacionados con el vecindario. En el caso de la vivienda, algunas de ellas son: condiciones del tráfico, municipio donde está ubicada la vivienda, distancia al centro de negocios.
- Características estructurales. Son todos aquellos atributos físicos de la vivienda, y son los que más relevancia tienen en todo estudio de precios hedónicos. Algunas características consideradas como determinantes del precio de la vivienda son: número de cuartos, baños, metros cuadrados de construcción, metros cuadrados de terreno, espacio de cochera, años de antigüedad, número de pisos, etcétera.
El modelo de precios hedónicos, perfeccionado por Rosen (1974), tiene dos etapas. En la primera de ellas se realizan estimaciones, utilizando como variable dependiente el precio de la vivienda o el inmueble, y como variables independientes todas aquellas características que se consideren que modifican el precio de dicho bien. En la segunda etapa, las estimaciones de la primera etapa son utilizadas para calcular las demandas inversas de las características.
Al modificar los usos de suelo y mejorando las áreas verdes y el equipamiento se genera valor por plusvalías.
Sin embargo, el cálculo de las demandas inversas puede generar problemas de identificación debido a la endogeneidad de precios y, además, una restricción presupuestaria no lineal, para lo cual se sugiere la utilización de instrumentos que cambian de forma exógena la restricción presupuestaria. El problema para ello será la identificación de instrumentos que se puedan defender con cierta credibilidad.
Dichas limitaciones ya han sido superadas en estudios posteriores, utilizando datos de diferentes mercados o utilizando datos a través del tiempo de un solo mercado, lo cual permite argumentar con credibilidad la identificación de funciones para realizar las estimaciones de la segunda etapa.
Tabla 3. Estadísticas descriptivas
Estadísticas descriptivas
Esta base de datos contiene 815 253 observaciones de lotes considerados como uso habitacional. Cabe señalar que se limitaron las observaciones a aquellos lotes comprendidos entre 45 y 3 000 m2, los cuales comprenden 98.9 % de la base original (se excluyeron los demás por la alta dispersión de sus valores).
Las variables nos muestran que, para los municipios del AMM, el valor medio de la vivienda es de 816 788 pesos, en un terreno de 157.66 m2. En promedio, una zona tiene 36 % de área habitacional, 10 % de comercial, 3 % de industrial, 10 % de área verde, 11 % sin uso y 29 % vial (ver Tabla 3).
La densidad promedio es de 61.75 habitantes por hectárea, con una generación diaria de 31 261 viajes. El 30 % de las viviendas está en Monterrey; 3 % en San Pedro; 8 % en Santa Catarina; 9 % en Escobedo; 14 % en San Nicolás; 5 % en Apodaca; 28 % en Guadalupe; 1 % en García; y 3 % en Juárez. Finalmente, 14 % de la población tiene un nivel de marginación Muy bajo; 37 %, Bajo; 29 %, Medio; 15 %, Alto; y 5 %, Muy alto.
Estadísticas descriptivas
En el presente estudio se consideró, para la elección de la forma funcional, los criterios de Akaike y Schwarz. Dichos criterios son los más utilizados en la actualidad para definir cuál es la forma funcional que presenta un mejor ajuste a los datos. Las formas funcionales que se probarán son las siguientes:
- Lineal-lineal
- Lineal-logarítmica
- Logarítmica- logarítmica
- Logarítmica-lineal
- Una mezcla de los anteriores
También es importante mencionar que se utilizó la técnica backwards (hacia atrás) para la selección de variables que presenten un mejor ajuste. Dicha técnica realiza una selección de variables que mejor ajustan y explican a la variable dependiente del modelo que en la presente investigación es la variable precio.
Resultados
LN Valor = β0 + β1*(Constante) + β2*(Habitacional) + β3*(Comercial) + β4*(Industrial) + β5*(Equipamiento) + β6*(Sin uso) + β7*(Vial) + β8*(Densidad) + β9*(LN área) + β10*(LN viajes totales) + β11*(San Pedro) + β12*(Santa Catarina) + β13*(Escobedo) + β14*(San Nicolás) + β15*(Apodaca) + β16*(Guadalupe) + β17*(García) + β18*(Juárez) + β19*(Muy bajo) + β20*(Bajo) + β21*(Alto) + β22*(Muy alto)
Se utilizó el logaritmo natural (LN) en el valor de la vivienda, el área del terreno y en la cantidad de viajes diarios, debido a que son valores altos y con dispersión; de esta forma, al obtener sus logaritmos, sus coeficientes representaron cambios porcentuales y ofrecieron un mejor ajuste del modelo.
Se aplicó una regresión lineal de Mínimos Cuadrados Ordinarios, se omitieron las variables de uso de suelo de área verde, la variable dummy de Monterrey y el Grado de Marginación Medio (lo anterior con el fin de evitar el problema de multicolinealidad). De esta forma, los resultados obtenidos se deberán interpretar “con respecto a”. Por ejemplo, el valor de un coeficiente de un municipio implicará que es “mayor al de Monterrey” o “menor al de Monterrey”.
Tabla 5. Escenario de cambio de usos de suelo (%)
Existe una relación positiva entre la proporción de área destinada a los usos de suelo habitacional, comercial, 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.
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..
En lo que se refiere al municipio donde se ubica la vivienda, se tiene que, en los municipios de San Pedro y Escobedo, viviendas con características similares tienen un mayor valor con respecto a las ubicadas en Monterrey o San Nicolás (el valor del coeficiente de ambos municipios es igual). Por el contrario, los municipios de Apodaca, Santa Catarina, García y Juárez, poseen viviendas con valores inferiores a los de Monterrey.
Hasta aquí, los resultados, en general, “son los esperados”. Sin embargo, no se estima un modelo para demostrar 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 desarrollo 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 682 009. Si se modificara el uso de suelo, incrementando el área verde y de equipamiento, tal como se muestra en la misma tabla (usos propuestos), el valor de la vivienda se incrementaría en 16 %, con un precio de 788 069 pesos. Si este diferencial se multiplicara por las 250 viviendas del desarrollo propuesto, el resultado sería una generación de valor equivalente a 26 514 868 pesos.
El ejercicio propuesto muestra que, al modificar los usos de suelo, así como mejorando las áreas verdes y el equipamiento, se genera un valor equivalente a 26 000 000 pesos por plusvalía, además de generar un flujo vía impuesto predial (en caso de actualizar los valores catastrales, por la modificación), con lo que se podría justificar e, incluso, financiar este proyecto de áreas verdes y equipamiento.
El ejercicio propuesto muestra que, al modificar los usos de suelo, así como mejorando las áreas verdes y el equipamiento, se genera un valor equivalente a 26 000 000 pesos por plusvalía, además de generar un flujo vía impuesto predial (en caso de actualizar los valores catastrales, por la modificación), 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; en particular, para el caso de las viviendas. Mostramos el impacto para los municipios del AMM, donde se observa en qué magnitud 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 estrategias de urbanización, lo que posibilitaría evaluar la rentabilidad 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 probablemente 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 incremento de 16 % en el valor, es aplicable tanto al valor catastral como al comercial, por lo que la utilidad en términos porcentuales de impacto sí aplica.
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. Ver fuente
Instituto Nacional de Estadística y Geografía (Inegi) (2000). Censo General de Población y Vivienda 2000. Censos y Conteos de Población y Vivienda. Ver fuente
Instituto Nacional de Estadística y Geografía (Inegi) (2010). Censo General de Población y Vivienda 2010. Censos y Conteos de Población y Vivienda. Ver fuente
Instituto Nacional de Estadística y Geografía (Inegi) (2020). Censo General de Población y Vivienda 2020. Censos y Conteos de Población y Vivienda. Ver fuente
Instituto Nacional de Estadística y Geografía (Inegi) (1995). Conteo de Población y Vivienda 1995. Censos y Conteos de Población y Vivienda. Ver fuente
Instituto Nacional de Estadística y Geografía (Inegi) (2005). II Conteo de Población y Vivienda 2005. Censos y Conteos de Población y Vivienda. Ver fuente
Instituto Nacional de Estadística y Geografía (Inegi). (2015). Encuesta Intercensal 2015. Encuestas en Hogares. Ver fuente
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. Ver fuente
Notas
- Está conformada por los municipios de Apodaca, García, Escobedo, Guadalupe, Juárez, Monterrey, San Nicolás, San Pedro y Santa Catarina.
- Estos dos municipios fueron los últimos en incorporarse al AMM, en 1988.
- 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.
- 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.
- 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.
- 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.
