The use of geostatistics to estimate missing data in a spatial econometric model of housing prices

Abstract

Housing prices have been the subject of many studies, and some of them have tried to determine the influencing structural and location factors through hedonic econometric models. One of the main factors considered in the literature on real estate appraisals is the location of the dwellings. For this reason, this study combines the spatial methodologies of geostatistics and spatial econometrics. On the one hand, this work uses geostatistics to estimate missing data to account for the lack of information in the sampled real estate websites. On the other hand, the explanatory factors of prices are determined through spatial econometrics. The combination of both methods facilitates estimating housing prices in Santa Marta (Colombia), solving the problem of missing data. In the modeling, the problems of spatial heteroscedasticity and multicollinearity are corrected. This combination of methods could be of great interest to company ies and public agencies related to real estate activity, which is sustained by the information available on these real estate websites.

El precio de la vivienda ha sido objeto de estudio en múltiples trabajos, en algunos de los cuales se ha tratado de determinar los factores constructivos y localizativos que influyen en el mismo, aplicando modelos hedónicos econométricos. Uno de los principales factores considerados en la literatura sobre valoración inmobiliaria es la localización de las viviendas, por lo tanto, que se considera pertinente utilizar tanto métodotos geoestadísticos cómo de la economtría espacial. En éste trabajo la geoestadística se utiliza para la estimación de datos faltantes, por la carencia de información en los portales inmobiliarios muestreados. Por otra parte, la econometría espacial se utiliza para determinar los factores explicativos de los precios. La combinación de estos dos métodos ha permitido estimar el precio de la vivienda en Santa Marta (Colombia), resolviendo previamente el problema de los datos faltantes. En el modelado se corrigen los problemas de heteroscedasticidad espacial y multicolinealidad. Esta combinación de métodos puede ser de gran interés para las empresas y organismos públicos relacionados con la actividad inmobiliaria, que se nutren de la información disponible en dichos portales inmobiliarios.