Modelo de tenencia y gasto en servicios de vivienda para el Distrito Federal | Debate Económico 10

Compartir en:

Recibido: septiembre 2014

Aceptado: enero 2015

Modelo de tenencia y gasto en servicios de vivienda para el Distrito Federal

Miguel Cervantes Jiménez[1]

José Jaime Pérez Lucio[2]

Resumen

Bajo la noción de que la demanda privada de vivienda en el DF puede modelarse considerando que la decisión de adquirir una vivienda propia es distinta de la decisión de gasto en servicios de vivienda, pero que existe un grado de complementariedad entre ambas, el objetivo del artículo es estimar la curva de demanda privada de vivienda del DF para el año 2010.

Se utiliza el método de selección muestral de Heckman para estimar la primera decisión en la que se evidencia un comportamiento elástico del mercado de compra de vivienda respecto del ingreso monetario de las familias y de algunas variables socio-demográficas. En una segunda etapa de estimación lineal, se evidencia un efecto positivo del gasto en educación sobre el gasto en servicios de vivienda, así como una dependencia de la segunda decisión sobre la primera.

Palabras clave: vivienda, compraventa o arrendamiento de vivienda, fundamentos microeconómicos, modelización econométrica.

Clasificación JEL: C01, C50, D1.

Abstract

Following the hypothesis that holds that the demand function for private housing in the DF can be modeled considering that the decision of acquiring a house is different from that of how much to spend in housing services, but that there is a certain degree of complementarity between them both, the objective of this work is to estimate the demand curve for private housing in the DF for 2010.

The Heckman’s sample selection model will be used to estimate the first stage of the decision tree, which makes evident an elastic behavior in the market respect to the monetary income of the families, as well as to some of the socio-demographic variables. In a second stage of linear estimation, a positive effect of the education expenditure over the housing services expenditure will be evident, as well as a dependency of the second decision on the first one.

Keywords: housing, sale or lease of housing, microeconomic foundations, econometric modeling.

JEL Classification: C01, C50, D1.

Introducción

Julia Hansen, et al., (1996), Bharat Barot (2001), y Ben Arimah (1992), proponen que el dinamismo del sector inmobiliario está determinado en particular por el lado de la demanda; el presente artículo utiliza esta perspectiva.

Las estimaciones realizadas para el caso mexicano, si bien consideran los aspectos estilizados del mercado de vivienda, como son su alta heterogeneidad y baja tasa de depreciación, no tienen usualmente un modelo micro-econométrico suficientemente robusto para considerar la complejidad del problema. A partir del modelo propuesto se pueden distinguir dos segmentos de mercado: viviendas habitadas por sus propietarios y viviendas en alquiler. La demanda se analiza en dos niveles: el primero, responde a la pregunta de poseer o no una vivienda y, el segundo, determina la cantidad de servicios de vivienda a consumir (González, 1997).

La demanda privada de vivienda en el DF puede modelarse considerando que la decisión de adquirir una vivienda propia es distinta de la decisión de gasto en servicios de vivienda, pero existe un grado de complementariedad entre ambas decisiones. La determinación de adquirir bienes inmuebles depende en mayor medida de variables socio-demográficas, mientras que la decisión de gastar en servicios de vivienda depende en mayor medida de variables socio-económicas de los hogares y del tamaño del hogar.

En este contexto, el objetivo del artículo es estimar la curva de demanda privada de vivienda del DF para el año 2010.

El artículo se estructura en tres apartados. En el primero, se describe la evolución reciente del mercado de vivienda del DF; en el segundo, se presentan los fundamentos econométricos para la modelación de la demanda,  y, en el tercero, se estima la función específica que define a la decisión de tenencia de vivienda y a la decisión de gasto en servicios de vivienda de los hogares del DF. Finalmente, se presentan las conclusiones.

1  El mercado capitalino de vivienda

El DF, a pesar de contar con niveles de desarrollo humano comparables con algunas naciones europeas, no escapa a las condiciones de rezago habitacional privativas en el orden nacional. La demanda de compra y de gasto de vivienda depende de variables sociodemográficas y socioeconómicas, sin demérito, como variables relevantes, del precio y el catastro (fundamentalmente fiscal).

1.1      El problema del rezago habitacional

La Comisión Nacional de Apoyo a la Vivienda (CONAVI) plantea que existen dos tipos de rezago habitacional: el de atención de vivienda nueva (cuantitativo) y el de ampliaciones y mejoramientos (cualitativo). Para el periodo 2006-2012, en promedio, en el país se requerían anualmente 633 mil viviendas nuevas y realizar 455 mil mejoramientos. En el DF, el rezago habitacional de vivienda nueva era de 153 mil hogares (7% del total), y el rezago en términos de mejoramiento de vivienda ascendía a sólo 92 mil viviendas (4%). Del total del rezago habitacional del DF, el 62% correspondía a viviendas nuevas, y el 38% restante a mejoramiento.

 

La ilustración 1 muestra el mapa del rezago habitacional más actualizado de la CONAVI, con respecto a viviendas nuevas del DF para el año 2000. Las delegaciones Iztacalco, Coyoacán, Benito Juárez y Azcapotzalco son las que gozan de una mejor condición en términos de vivienda; mientras que el sur de la ciudad es el que muestra los mayores niveles de rezago. Los servicios de vivienda también se encuentran heterogéneamente distribuidos en el DF en términos del rezago habitacional cualitativo.

Ilustración 1. Hogares sin rezago habitacional de vivienda nueva en el DF
Fuente: Consejo Nacional para la Vivienda, 2000.

 

1.2      Factores generadores de demanda

La determinación de la decisión conjunta de compra y de gasto de vivienda depende de variables sociodemográficas y socioeconómicas, entre las primeras se encuentran la población, el número de integrantes del hogar, así como la edad, el sexo y la educación del jefe de familia, y, entre las segundas destacan el ingreso familiar y el destino del gasto.

1.2.1          Variables sociodemográficas

La demanda de vivienda está directamente relacionada con la dinámica poblacional y las diferentes variables que la componen. De acuerdo con el Consejo Nacional de Población (Conapo), la tasa media de crecimiento poblacional total anual para el DF en la última década fue de 0.2%, pasando de 8.7 millones en el año 2000, a 8.9 millones de habitantes en 2010. Por una parte, se redujeron la tasa bruta de natalidad de 18.5% a 14.6% y la tasa de mortalidad infantil de 14.9% a 10.7%; por otra parte, la esperanza de vida de la población aumentó, alcanzando 73.8 años para los hombres y 78.8 para las mujeres. Cabe señalar que el Conapo prevé tasas negativas de crecimiento poblacional a partir de 2014, como consecuencia del saldo neto de migración neta interestatal e internacional.

De acuerdo con el Censo de Población y Vivienda 2010, en el DF el 88% de los hogares son familiares, conformados predominantemente por el modelo familiar integrado por el jefe de familia, cónyuge e hijos; seguido por el modelo con uno de los padres y los hijos, y el  modelo de las parejas sin hijos. Resalta la tasa media anual de crecimiento de los hogares unipersonales de 4.7% entre 2005 y 2010, la que está relacionada con el aumento de la población en edad de formar hogares, así como al incremento en la disolución de uniones conyugales, la viudez y la migración.

En los hogares censales del DF, el 69% tiene como jefe de familia una persona del sexo masculino. Sin embargo, al considerar grupos etarios las proporciones cambian: de 12 a 29 años la proporción de jefe de familia es 76% liderados por un hombre y 24% una mujer, de 30 a 59 años las proporciones son 72% y 28% respectivamente; y para los hogares de 60 y más aquellos que son liderados por una jefa de familia equivalen al 42%. En el DF, la tendencia a que la posición de jefe de familia sea ocupada por una mujer se ha incrementado rápidamente desde los años setenta. En 2010 el 31% de los hogares censales se encontraban en esta situación, mientras que en el año 2000 el indicador representaba 26%. Esto se explica, entre otros factores: por la viudez femenina, el aumento de la separación y el divorcio; el incremento en la proporción de madres solteras y por el desplazamiento de mujeres jóvenes procedentes de otra entidades federativas (Lean House Consulting, 2010).

El nivel de educación del jefe de familia es un determinante de la exclusión o inclusión en el sistema hipotecario y, por tanto, de la demanda de vivienda. En el DF, el grado promedio de escolaridad pasó de 8.8 años en 1990 a 10.5 en 2010 (Censo de Población y Vivienda 2010), siendo mayor en los hombres que las mujeres (aunque la diferencia tiende a disminuir).

Según el Censo de Población, la oferta de trabajo en el DF se ha incrementado al 57%, con 71% de la población masculina y 44% de la femenina dispuesta a trabajar o trabajando.

1.2.2          Variables socioeconómicas

El ingreso familiar constituye uno de los determinantes más importantes de los hábitos de consumo y, con ello, de la disponibilidad de flujos para la creación de un patrimonio a través de la adquisición de vivienda. Según Lean House Consulting (2010), el ingreso familiar es el detonante de las condiciones de adquisición de vivienda. De acuerdo con la Encuesta Nacional de Ingreso y Gasto de los Hogares (ENIGH) de 2010, una familia promedio del DF percibía trimestralmente 41 mil pesos de ingreso monetario, dos terceras partes provenientes de actividades laborales subordinadas (principalmente salarios), seguido por la renta de bienes inmuebles (12%) y por las transferencias, de pago de pensiones y jubilaciones, recibo de fondos del exterior, entre otros (18%).

 

Otro factor que influye en las decisiones de compra de vivienda es la distribución del gasto corriente. Los principales rubros a los cuales se destinó el ingreso familiar en el DF durante el 2010, son mayoritariamente: alimentos, bebidas y tabaco (40%), seguido por gastos en transporte y en educación (16%). Los gastos en vivienda, que acompañan a la adquisición de la vivienda, constituyen en promedio el 13% del gasto trimestral de los hogares (4 mil pesos trimestrales en promedio). Los dos últimos gastos con mayor peso en el ingreso son la situación actual del mercado de vivienda.

De este modo las variables que están relacionadas con la decisión de compra o renta (primera etapa del modelo) son la edad del jefe de familia, sexo, educación, ingreso de la familia, número de integrantes; por otra parte aquellas variables que influyen en el gasto que se realiza en vivienda se encuentran el gasto en alimentos, gasto en transporte, así como el gasto en educación. En conjunto estas variables comprenden los determinantes de la decisión gasto en vivienda.

1.3      El valor de las viviendas y el catastro

En el ámbito nacional, entre 2008 y 2009, la apreciación nominal del precio de la vivienda fue de 3.2% del total de los 35 municipios que son cubiertos por el índice de precios de la Sociedad Hipotecaria Federal. Entre las ciudades con mayores alzas sobresalió la Delegación Cuauhtémoc en el Distrito Federal, además de Tuxtla Gutiérrez, Chiapas; Tuxtepec, Oaxaca; Guadalupe, Zacatecas; y Tepic, Nayarit; con incrementos de entre 7 y 10%.

 

A finales de la década de los noventa se inició en el DF un programa de modernización del catastro que generó un incremento en la recaudación del orden de 25% real en sólo dos años. En 2002 se decidió incorporar en la base para el cobro del impuesto el valor de las rentas, o los valores esperados de ingresos derivados del arrendamiento de los inmuebles. Dadas sus múltiples complicaciones durante la implementación no tuvo mucha aceptación, además de favorecer la vivienda propia por encima de la rentada. El esquema se eliminó en 2008, y la estrategia de recaudación cambió hacia la actualización frecuente de los valores catastrales, por el avalúo de los inmuebles como por los valores unitarios de suelo. La notoria disparidad en los valores de suelo, tanto al interior de las delegaciones como entre ellas, refleja diferencias en el grado de desarrollo económico y el sentido redistributivo de este impuesto (Albo, 2011). La ilustración 2 muestra que en términos de valor catastral, los máximos de grabación corresponden a las delegaciones Miguel Hidalgo y Cuauhtémoc (el mercado de vivienda más activo del DF). Las delegaciones con menor carga tributaria unitaria son Xochimilco, Tláhuac y Milpa Alta.

Ilustración 2. Valor por m2 en zonas comerciales y habitacionales en el DF (miles de pesos corrientes)
Fuente: BBVA Research  (Albo, 2011) con datos de la Secretaría de Finanzas del DF.

2  El modelo de demanda de vivienda

Para describir los determinantes microeconómicos de la tenencia de bienes inmuebles es deseable concentrarse primero en los factores económicos no institucionales, para determinar la dinámica “natural” de la demanda. Henderson e Ionannides (1983) plantean que siempre será posible ampliar el análisis para incluir consideraciones institucionales específicas.

Hay dos enfoques básicos al abordar el problema de la tenencia de vivienda en la literatura. Uno es observar los factores que afectan las decisiones de un consumidor individual, entre ellos resaltan Roland Artle y Pravin Varaiya (1978). El otro enfoque en la literatura teórica es resolver el equilibrio del mercado. Entre estas investigaciones se encuentran Yorman Weiss (1978), Li Mingche (1977) , Mervyn King (1980), Vernon Henderson y Yannis Ioannides (1986) y (1987),  Ben Arimah (1992), Nuzhat Ahmad (1994), Ioannides y Rosenthal (1994), Julia Hansen et al. (1996) y Bharat Barot (2001).

En el caso de México, Leonardo González ( (1997), (2006)) analizó la demanda de vivienda, asumiendo que la propia demanda muestra la simultaneidad en la decisión de consumo del individuo y que el mercado satisface sus necesidades. Su trabajo destaca el papel heterogéneo del mercado en donde la vivienda se percibe como bien de consumo o como un activo de inversión.

Dow y Norton (2003) consideran que al analizar variables dependientes continuas con una gran proporción de ceros (por el uso de variables cualitativas), un obstáculo común es la confusión entre resultados reales (condicionales) y los resultados potenciales (incondicionales). Duan, et al., (1984), proponen modelar en dos etapas. Se distinguen entre variables observables y latentes, los valores de cero para los gastos reales indican que cero unidades monetarias fueron gastadas, lo que genera una solución de esquina sin problema de selección. En contraste, el resultado potencial es una variable latente que se observa sólo en parte en el que los valores nulos indican observaciones que no se han ejecutado todavía. Como los valores potenciales nulos difieren sistemáticamente con los valores observados, Dow y Norton (2003) recomiendan utilizar la corrección de Heckman para eliminar el sesgo de selección.

El modelo Heckit, también conocido como modelo de selección en dos etapas, o modelo Tobit ajustado, consiste de dos ecuaciones, la probabilidad de observar una variable con resultado no nulo  y la media condicionada al subconjunto generado por la función de probabilidad . Aunque el modelo Heckit fue diseñado para estimar , la variable de interés  puede obtenerse mediante la descomposición de la esperanza condicional de y:  De esta manera, los efectos marginales de un cambio en la variable k-ésima  sobre la variable dependiente  es la suma de dos términos:

Ecuación (1)

La primera ecuación del modelo Heckit corresponde al estimador Probit de la probabilidad de tener un resultado positivo (la ecuación de selección) y la segunda ecuación es un estimador de mínimos cuadrados ordinarios de la variable relevante, definida para la sub-muestra con la ecuación condicional:

(2)

(3)

La proporción de Mills invertida es utilizada para estimar , donde  y donde: (4)

3  Estimación econométrica

El modelo se ordena según la categoría de tenencia, considerando un período. Para lograr consistencia en el modelo y para determinar la dinámica “natural” de la demanda de vivienda, no se especifican distintas formas de tenencia ni factores institucionales que puedan influir en el mercado. Asimismo, se asume que un individuo no ha sido racionado del mercado hipotecario, en caso de que decida efectuar gastos en la demanda de vivienda. Por lo tanto, en el modelo Heckit la primera relación alude a la decisión de tenencia, a partir del cual se genera una submuestra, para luego estimar, en una segunda relación, la función de gasto de los individuos. Así pues, las ecuaciones (2) y (3) se pueden modificar, de manera que las ecuaciones relevantes son:

(5)

(6)

En la ecuación (5) se estima una variable latente de decisión de tenencia  que está en función de un conjunto de variables explicativas  y un término aleatorio .  es una variable binaria que toma el valor 1 si la variable latente es mayor que cero , es decir, si el individuo participa en la demanda de vivienda. Complementariamente, en la ecuación (6) se explica el gasto en servicios de vivienda , como dependiente de un conjunto de variables explicativas  y un término aleatorio normalmente distribuido y correlacionado con . La ecuación que se evalúa es la proporción inversa de Mills para .

3.1.        Datos y variables

Los datos utilizados proceden de la ENIGH del año 2010, de la construcción original de variables correspondientes al DF. El interés se centra en la decisión de poseer o no la vivienda que se habita, por lo que se construye la variable dicotómica (PROPIA) que adquiere el valor de uno cuando es propia. La muestra está sesgada hacia las observaciones de vivienda propia, ya que el 60% de los hogares en el DF cumplen con esta característica.

 

La variable de ingreso corresponde a las remuneraciones totales por trabajo (TRABAJO) y al de ingreso total monetario (INGMON), se asume que sólo se podrá ingresar al mercado de vivienda como un comprador neto si se tiene acceso al mercado hipotecario y, por lo tanto, ingresos comprobables. No se considera al ingreso total de los hogares porque se integra al ingreso derivado de la posesión de una vivienda propia, incurriendo en un problema de endogeneidad.

Con la edad de la cabeza de familia se construyen tres variables dummies, relacionadas con los ciclos productivos del individuo (González, 1997). La primera corresponde a los individuos que tienen más de 17 años pero menos de 40 años de edad (HASTA39), la segunda adquiere el valor de uno sólo para los jefes de familia que se encuentran entre los 40 y 60 años de edad (40A60) y la tercera para quienes tienen más de 60 años (60MAS).

La educación se divide en seis distintos grados de escolaridad: el primer grupo lo componen aquellos jefes de familia que sólo pudieron terminar la primaria (EDU1), el segundo los que completaron su educación secundaria (EDU2), el tercero los que terminaron su educación media superior (EDU3), el cuarto los que tienen estudios truncos de licenciatura (EDU4), el quinto los que tienen un título universitario (EDU5), y el sexto los que tienen estudios de posgrado (EDU6).

Para la primera fase de la estimación se considera el número de integrantes de la familia (TAM_HOG) como variable independiente del modelo dicotómico y una variable dicotómica respecto del sexo del jefe de familia (HOMBRE) para analizar posibles fenómenos de influencia de género.

Para la estimación de la ecuación de la segunda fase del modelo Heckit se introducen las variables de gasto de las familias. El gasto de vivienda (VIVIENDA) que se integra por el alquiler declarado e imputado (en caso de propiedad), más el pago del impuesto predial y el gasto de conservación de la vivienda, agua, energía y cuotas de servicios, es tomado como variable dependiente. Adicionalmente se utilizan los cuatro rubros de gasto de los hogares más significativos en el análisis de las variables socio-económicas. Se considera el gasto total en transporte (TRANSPORTE), en educación (EDUCACION), en salud (SALUD) y en alimentos y bebidas (ALIMENTOS).

El cuadro 1 describe estadísticamente las variables que se utilizaron para la regresión econométrica del modelo paramétrico.

Cuadro 1. Estadística descriptiva de las variables utilizadas

Variable Observaciones Media aritmética Desviación estándar Mín Máximo
PROPIA 2,799 0.599 0.490 0 1
TRABAJO* 2,799 28,313 41,520 0 758,307
INGMON* 2,799 40,590 52,026 0 877,380
HASTA39 2,799 0.279 0.448 0 1
A60 2,799 0.474 0.499 0 1
MAS 2,799 0.247 0.431 0 1
EDU1 2,799 0.288 0.473 0 1
EDU2 2,799 0.287 0.452 0 1
EDU3 2,799 0.155 0.362 0 1
EDU4 2,799 0.041 0.199 0 1
EDU5 2,799 0.187 0.390 0 1
EDU6 2,799 0.042 0.200 0 1
TAM_HOG 2,799 3.459 1.792 1 15
LTAM_HOG** 2,799 1.094 0.572 0 2.708
HOMBRE 2,799 0.699 0.458 0 1
VIVIENDA* 2,799 3,999 10,426 0 427,383
LVIVIENDA** 2,747 7.621 1.129 3.399 12.965
TRANSPORTE* 2,799 5,448.855 8842.812 0 312,946
LTRANSPORTE** 2,704 8.172 0.998 3.592 12.654
SALUD* 2,799 1,221.939 6819.819 0 202,691
LSALUD** 1,525 6.124 1.673 1.105 12.219
EDUCACION* 2,799 4,980 12,376 0 155,224
LEDUCACION** 2,042 7.708 1.562 1.394 11.953
ALIMENTOS* 2,799 10,721 8,248 0 89,176
LALIMENTOS** 2,782 9.060 0.685 5.464 11.398

Fuente: elaboración propia con datos de la ENIGH 2010.

* Variable monetaria, expresada en pesos mexicanos corrientes de 2010.

** Variable logarítmica.

Una de las limitantes del presente estudio es que no se considera la información respecto a los precios de las viviendas y a la dimensión espacial de las viviendas, ya que sería necesario tener información del valor del suelo y del capital en cada vivienda (construcción) para que fuera posible introducir un índice que funcionara como regresor (véase Parsons (1986) y King (1976)).

3.2.        Resultados

Existen tres distintos enfoques para seleccionar el mejor modelo que explica un problema de elección discreta (Hayashi, 2000). El primero es el índice de la razón de verosimilitud (LRI), acotado entre cero y uno, que indica la proporción adicional que explica el modelo con respecto a aquel que supone que los coeficientes β son igual a cero (conocido como el R2 de McFadden) ( ). El segundo es la capacidad predictiva del modelo estimado. Sin embargo, en los casos que la muestra está sesgada en sus observaciones hacia algún valor, se pueden obtener predicciones igualmente sesgadas con este indicador. El tercer criterio está relacionado con la significancia del modelo.  En este artículo se utilizaron el primer y el tercer criterio para seleccionar el mejor modelo, utilizando distintas variables explicativas, o diferentes formas funcionales de estas variables. Sólo se presentan las estimaciones relevantes para el análisis de los resultados.

 

El modelo A del cuadro 2 presenta la ecuación teórica original de la primera etapa de la estimación, que corresponde a la estimación del siguiente modelo de variable latente:

(7)

Al estimar la ecuación (7) se obtiene una influencia positiva del incremento porcentual de las remuneraciones por trabajo sobre la probabilidad de adquirir una vivienda, reflejando el efecto ingreso esperado. También se revela un efecto estadísticamente significativo del tamaño del hogar sobre la probabilidad de éxito en el modelo dicotómico: mientras más miembros integren una familia, más alta será su probabilidad de participar en el mercado de compra de vivienda.

A mayor edad y mayor educación, más alta es la probabilidad de adquirir una vivienda – sólo los efectos demográficos son significativos, mientras que la hipótesis subyacente de capital humano es rechazada al 5% de significancia estadística, incluso a través de la prueba de Wald.

Luego de varios ejercicios de regresión, la mejor especificación que explica la decisión de tenencia de vivienda corresponde al modelo explicado por variables demográficas y de capital humano. Los resultados del modelo B en el cuadro 2 se obtienen de regresar a la variable dicotómica PROPIA con las siguientes variables explicativas: logaritmo del ingreso por trabajo (Log(INGMON)), logaritmo del tamaño de la familia (Log(TAM_HOG)), y las variables dicotómicas respecto de educación, edad y sexo del jefe de familia.

Los efectos de las variables de ingreso, tamaño de familia y edad del jefe de familia conservan su significancia estadística y su consistencia con el modelo teórico. Pero el efecto conjunto de las variables explicativas resulta no ser relevante en términos econométricos, pero a diferencia del modelo A, la variable HOMBRE no es significativa ni incluyendo las variables de capital humano, ni retirándolas de la especificación econométrica (esto se evidencia al revisar los resultados del modelo C). Sin embargo, la inclusión explícita de estas variables agrega capacidad explicativa. La inversión que realiza el individuo en capital humano además de explicar la productividad del jefe de familia también explica el tipo de vivienda y el mercado donde se compran los servicios.

Cuadro 2. Selección de tenencia a (propia = 1)

  A B C
LOG(TRABAJO) 0.12  
3.40  
LOG(INGMON) 0.18 0.19
4.92 6.51
TAM_HOG 0.08  
4.48  
LOG(TAM_HOG) 0.17 0.16
3.38 3.28
40A60 0.79 0.80 0.81
12.18 13.27 13.60
60MAS 1.23 1.29 1.31
13.07 16.28 17.71
EDU2 -0.07 -0.07  
-0.86 -1.01  
EDU3 -0.10 -0.12  
-1.08 -1.42  
EDU4 0.04 -0.02  
0.25 -0.12  
EDU5 0.15 0.06  
1.51 0.60  
EDU6 0.06 -0.02  
0.34 -0.16  
HOMBRE -0.08 -0.06 -0.06
-1.23 -1.05 -1.04
Obs 2185 2789 2789
LR 305.06 405.44 402.16
Prob (LR> chi2) 0.0000 0.0000 0.0000
LRI 0.1128 0.1182 0.1169

a Estadístico z en cursivas, calculados con errores estándar estimados de White.

Fuente: elaboración propia.

Dada su mayor relevancia econométrica, revelada por su capacidad explicativa en los términos previamente discutidos, se seleccionan los modelos B y C como los más adecuados, una vez realizadas distintas estimaciones siguiendo las condiciones teóricas y la evidencia empírica previamente descrita.

En términos de esta regresión, la capacidad explicativa del modelo de tenencia depende de las variables demográficas de cada familia, así como del ingreso monetario más que de las remuneraciones por trabajo. Si bien las variables dicotómicas relacionadas con el nivel educativo no son significativas estadísticamente, se conservan en la estimación para incrementar el poder de las pruebas estadísticas de los demás estimadores.

En el modelo Probit, correspondiente a la primera fase de estimación en un modelo Heckit, es posible la existencia de heterocedasticidad. Para verificar este problema se estima el modelo suponiendo que no existe varianza constante en el término aleatorio: . Se obtiene el logaritmo de la función de verosimilitud suponiendo que el vector de coeficientes γ es igual a cero (homocedasticidad) y se contrasta mediante LR[3] (Green, 1981). Se encontró evidencia de heterocedasticidad en la variable edad. La inclusión por grupos de la variable edad elimina la evidencia de variabilidad de la varianza. Ambos modelos son significativos. En el modelo con las variables de educación también existe evidencia de la presencia de heterocedasticidad, pero se corrige con la introducción de estimadores robustos contra heterocedasticidad para errores estándar de White (Hayashi, 2000).

Los efectos marginales se calculan a partir del valor de las medias de cada variable explicativa, y se presentan en el cuadro 3. Se integran los resultados para los modelo B y C, y se toman como asintóticamente idénticos, por lo que no se hace distinción entre ambos al interpretar los resultados. Los efectos marginales se interpretan en términos de una variable latente, tal como el cambio marginal en la probabilidad de ocupar casa propia ante cambios en el valor de la variable explicativa, para la familia promedio.

El nivel de educación dominante del jefe de familia es el de sólo primaria completa, su edad promedio es de cincuenta años y es más probablemente masculino. Se observa que el efecto marginal del ingreso total es estadísticamente significativo y revela que cambios porcentuales en el ingreso total incrementan la probabilidad de adquirir una casa en 6% para la familia capitalina promedio.

Cuadro 3. Efectos marginales a

Modelo B Modelo C
LOG(INGMON) 0.06 0.08
4.73 6.52
LOG(TAM_HOG) 0.06 0.06
3.53 3.28
40A60 0.30 0.29
14.24 14.29
60MAS 0.42 0.41
23.16 23.48
EDU2 -0.01  
-0.38  
EDU3 -0.02  
-0.78  
EDU4 0.02  
-0.78  
EDU5 0.43  
1.41  
EDU6 0.01  
0.27  
HOMBRE -0.03 -0.02
-1.19 -1.04

a Estadístico z en cursivas, calculados con errores estándar estimados de White.

Fuente: elaboración propia.

El efecto marginal del tamaño de la familia tiene un valor positivo y significativo, como se esperaba. Por ejemplo, una familia que originalmente contaba con cuatro integrantes, incrementará su probabilidad de adquirir una vivienda propia en 24% en caso de que se le sume una persona más, mientras que si originalmente era de 3 integrantes, el mismo cambio sólo incrementará en 15%.

Los grupos de edad (40-65 y 65 o más) incrementan significativamente la probabilidad de éxito para la vivienda propia; siendo el segundo grupo el más importante. De esta manera se tiene un efecto incremental análogo respecto de la edad del jefe de familia, como se observó respecto del tamaño del hogar.

Cabe señalar que mientras González (1997), con datos de 1992, encuentra un efecto marginal significativamente positivo respecto de la variable dicotómica del sexo del jefe de familia, revelando una mayor propensión por parte de jefes varones de familia a adquirir una vivienda; en el modelo presente, con datos de 2010, no se encuentra el mismo efecto significativo. Lo que es consistente con la relevancia que ha cobrado la mujer como jefe de familia. A partir de los resultados, se infiere que ante un incremento en el ingreso de un individuo, la probabilidad de que los individuos ocupen esta vivienda sí varía, resultado que también contrasta con el estudio de González (1997), donde el efecto riqueza no es significativo en esta fase de la estimación; aunque cabe mencionar que en dicho estudio se genera una variable de riqueza permanente, ausente en este ejercicio.

En la segunda fase de estimación del modelo Heckit se obtienen dos resultados: las elasticidades del gasto en servicios de vivienda en el mercado de alquiler y de vivienda propia, y la evidencia sobre la simultaneidad de ambas decisiones.

En el mercado capitalino el coeficiente λ es significativo para el alquiler y vivienda propia T=1 y T=0, respectivamente, por lo que se encuentra evidencia de simultaneidad entre el gasto en servicios y la provisión del mercado de alquiler, o sea que los servicios de vivienda que consume cada familia dependen de si se obtienen en mercado de alquiler o de autoconsumo. El valor de este coeficiente λ es mayor cuando se trata de vivienda propia y adquiere un valor negativo, lo cual es coincidente con la evidencia empírica previa. Si el individuo elige proveer sus servicios en el mercado de vivienda propia, el flujo de servicios que éste consume es menor que si los comprara en el mercado de alquiler.

Como se muestra en el cuadro 4, cambios en los gastos en transporte no son relevantes al 5% de significancia, como sí lo son los cambios en el gasto en educación. Se evidencia una complementariedad en el gasto de educación y el gasto de vivienda dada por el signo positivo de su efecto marginal, lo que expresa que si bien no hay un efecto educación en la primera fase de la estimación, sí hay un efecto significativo relacionado con el capital humano en el comportamiento del mercado de vivienda, pero que se evidencia hasta la segunda fase del modelo.

En el mercado capitalino, la elasticidad ingreso del gasto en vivienda, una vez controlando la decisión de compra de vivienda, es positiva y menor a uno. La elasticidad riqueza del mercado de vivienda propia, es menor que aquella del mercado de alquiler. Ante cambios en el ingreso, si el individuo está en el mercado de alquiler, la demanda de servicios de vivienda se incrementará en una mayor proporción que si el individuo habitara vivienda propia.

La elasticidad tamaño de familia-gasto en vivienda es significativa y adquiere un valor negativo para el mercado de compra de vivienda, ante incrementos en el número de integrantes en la familia se observan disminuciones en el gasto de servicios, mostrando que  las familias transitan de consumo en la vivienda hacia servicios generados por un miembro adicional de la misma. El gasto per cápita en servicios de vivienda en la familia es menor y este resultado puede estar relacionado con los gastos de manutención del nuevo miembro.

Finalmente se encuentra evidencia de una relación complementaria significativa con la educación, la salud y la alimentación. Estas elasticidades son menores a uno y cercanas a cero, excepto por los cambios en el gasto en alimentos, que muestra una relación de complementariedad mayor, ante cambios porcentuales en el gasto de alimentos, el gasto de vivienda se incrementará en 0.16% si esa familia participa en mercado de compra de vivienda.

Cuadro 4. Simultaneidad y elasticidades del gasto en vivienda

(propia a 0 1)

Modelo B Modelo C
LOG(INGMON) 0.22 0.24
3.85 4.09
LOG(TAM_HOG) -0.18 -0.16
-3.06 -2.81
LOG(TRASPORTE) 0.07 0.07
1.83 1.83
LOG(EDUCACIÓN) 0.06 0.06
2.96 2.94
LOG(SALUD) 0.09 0.09
5.72 5.81
LOG(ALIMENTOS) 0.16 0.16
3.09 3.17
λ -0.40 -0.32
-3.81 -2.95

a Estadístico z en cursivas, calculados con errores estándar estimados de White.

Fuente: elaboración propia.

 

 

Conclusiones

El DF posee un ritmo de crecimiento poblacional prácticamente nulo con una ligera tendencia decreciente en el futuro. Desde los años setenta ha crecido aceleradamente la tendencia a que el jefe de la familia sea una mujer (viudez femenina, aumento de separaciones, incremento de las madres solteras y patrones migratorios diferenciados de hombres y mujeres). La oferta de trabajo se ha incrementado, aunque la estructura por sexo no se ha modificado significativamente. El componente principal del ingreso total de las familias lo constituye el ingreso monetario, mayoritariamente ingresos por trabajo subordinado. El gasto de las familias se destina fundamentalmente a alimentos, bebidas y tabaco, transporte y educación; los gastos en vivienda constituyen en promedio el 13% del gasto.

El ingreso, tamaño de la familia, la edad de la cabeza de la familia, y aspectos socioculturales (raza y sexo de la cabeza de familia), son determinantes primarios de la adquisición de vivienda. Sin embargo, el efecto de las variables demográficas es ambiguo.

Para distinguir entre las decisiones de compra y de gasto en vivienda, se coteja la decisión de comprar una vivienda en función de las variables explicativas relevantes, y en una segunda etapa el individuo se plantea el monto a gastar en servicios de vivienda, en función de su primera decisión (existe un grado de complementariedad entre ambas decisiones).

Se considera que la decisión de compra depende mayormente de variables socio-demográficas, mientras que la decisión de gasto se basaba principalmente en variables socio-económicas de los hogares. El tamaño del hogar, además de influir en la decisión de compra de vivienda, también afecta negativamente al nivel de gasto en vivienda que ejerce la familia. El gasto en vivienda es inelástico respecto de los otros rubros del gasto de los hogares, así como del nivel de ingreso, aunque en una menor medida, dado que en el mercado capitalino la elasticidad ingreso del gasto en vivienda es positiva y menor que uno.

 

 

 

 

Referencias

  • Ahmad, N. (1994). A joint model of tenur choince and demand for housing in the City of Karachi . Urban Studies, Vol. 31, No. 10, 1961-1706.
  • Albo, A. (2011). México, situación inmobiliaria. México: BBVA Research.
  • Arimah, B. (1992). An emprical analysis of the demand for housing attributes in a third world city. Land Economics, Vol. 68:4, 366-380.
  • Artle, R., & Varaiya, P. (1978). Life Cycle Consumption and Ownership. Journal of Economic Theory, Vol. 18, 35-58.
  • Barot, B. (2001). An Econometric demand-supply model for Swedish private housing. International Journalof Housing Policy,1, 417-444.
  • Dow, W., & Norton, E. (2003). Choosing Between and Interpreting the Heckit and Two-Part Models dor Corner Solutions. Helath Services & Outcomes Research Methodology, Vol.4, 5-18.
  • Duan, N., et al., . (1984). Choosing between the sample-selection model and the multi-part model . Journal of Business and Economic Statistic, Vol 2, 283-289.
  • González, L. (1997). Estimación de la demanda de vivienda: Tenencia y gasto en servicios. El Mercado metropolitano de México. In El Trimestre Económico, Vol. LXIV (4) (pp. 569-598). Fondo de Culrura Económica.
  • González, L. (2006). Economía y Política de la Vivienda en México. Tesis Doctoral accesible a texto completo en http://www.eumed.net/tesis/2006/lgt/.
  • Green, W. (1981). Sample Selection Bias as a Specification Error . Econométrica, Vol. 53, 785-798.
  • Hansen, J., et al.,. (1996). The Income Elasticity of Demand for Housing: Evidence from concentration curves. Journal of Urban Economics, Vol. 39:2(3), 173-192.
  • Hayashi, F. (2000). Princeton University Press.
  • Henderson, J., & Ioannides, Y. (1983). A model of Housing Tenure Choice. The American Economic Review, vol. 73, no. 1, 98-113.
  • Henderson, V., & Ioannides, Y. (1986). Tenure Choice and the Demand for Housing. Economica, New Series, Vol. 53, No. 210, 231-246.
  • Henderson, V., & Ioannides, Y. (1987). Owner occupancy: Investment vs Consumption Demand. Journal of Urban Economics, Vol. 21, 228-241.
  • Ioannides, Y., & Rosenthal, S. (1994). Estimating the Consumption and Investment Demands for Housing and Their Effect on Housing Tenure Status. The Review of Economics and Statistics, Vol. 76, No. 1, 127-141.
  • King, M. (1976). The Demand for Housing: a Lancastrian Approach . The Southern Journal of Economics, Vol. 43, 1077-1087.
  • King, M. (1980). An Econometric Model of Tenure Choice and Demand for Housing as a Joint Decision. Journal of Public Economics, vol. 14, 137-159.
  • Lean House Consulting. (2010). Estudio de demanda del sector vivienda en México. México: Canaevi.
  • Mingche, L. (1977). A Logit Model of Homeownership. Econometrica, Vol. 45, No. 5, 1081-1097.
  • Parsons, G. (1986). An Almost Ideal Demand System for Attributes. Southern Economic Journal, Vol. 53, 347-363.
  • Weiss, Y. (1978). Capital Gains, Discriminatory Taxes, and the Choice Between Renting and Owning a House . Journal of Public Economics, vol. 10, 45-55.

 

[1] Profesor y jefe del departamento de Teoría Económica y Economía Pública de la Facultad de Economía de la UNAM. E-mail: miguelc@economia.unam.mx.

[2] Licenciado en Economía. E-mail: jjperezlucio@gmail.com

[3] Se utiliza la prueba de la razón de verosimilitud (LR=2(LnL⁄(LnL_0 ))) para determinar cuál es la capacidad explicativa de las variables independientes. Esta prueba se contrasta con respecto al modelo restringido donde los coeficientes son igual a cero.

Compartir en: