Incidencia del delito en los cánones de arrendamiento en la Loma de los Bernal, Medellín - 2017
DOI:
https://doi.org/10.22335/rlct.v12i2.1165Palabras clave:
Lesiones, agresiones, delitos contra las personas, delitos contra la propiedad, criminalidad económica, delincuencia económica, delitos contra el patrimonio socialResumen
La incidencia del crimen en los alquileres de vivienda tradicionalmente ha sido poco analizado en Colombia en razón, entre otros factores, a la poca disponibilidad de información relacionada con el mercado inmobiliario que existe como consecuencia de la baja percepción de seguridad, lo que no permite que este tipo de datos se encuentren a disposición de investigadores y se mantengan de forma continua bajo reserva. Este estudio tiene como objetivo principal establecer una relación funcional entre los cánones de arrendamiento de vivienda en el barrio Loma de Los Bernal, en Medellín, y delitos tales como el hurto de motocicletas y las lesiones personales. Además, ofrece estimaciones porcentuales de la reducción en el valor de los alquileres de vivienda como consecuencia de la comisión de estos crímenes. La técnica empleada fue la de regresiones geográficamente ponderadas. Con este procedimiento es posible obtener resultados con mayores niveles de ajuste cuando se compara con otras metodologías, gracias a que permite ponderar de manera espacial cada uno de los datos obtenidos a partir de la Lonja de Propiedad Raíz de Medellín y Antioquia, así como del portal datosabiertos.gov.co. El principal hallazgo de este trabajo radica en encontrar evidencia matemática de que las lesiones personales y el hurto de motocicletas deterioran el mercado de alquileres de vivienda en el barrio Loma de Los Bernal y tienden a reducir la disposición a pagar de los posibles inquilinos en un 0,77% y un 2,77%, respectivamente, con lo cual estos delitos se constituyen en externalidades negativas que afectan el bienestar de la sociedad.
Descargas
Referencias
Agudelo, J., Duque, J., & Velásquez, H. (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.
Agudelo, J., & Ospina, O. (2020). Property valuation using threedimensional probability distributions. Medellín: Optimal Books.
Agudelo, K., & Martínez, D. (2020). International economics a mathematical approach. Medellín: Optimal Books.
Anselin, L. (1988). Spatial econometrics: methods and models. Dordrecht: Kluwer Academic Publishers.
Basu, S., & Thibodeau, T. (1998). Analysis of spatial autocorrelation in house prices. Journal of Real Estate Finance and Economics, 17, 61-85.
Beaty, J. (1952). Rental real estate often a good investment. Journal of Medical Economics, 5(6), 93-94.
Bitter, C., Mulligan, G., & Dall’erba, S. (2006). Incorporating spatial variation in housing attribute prices: a comparison of geographically weighted regression and the spatial expansion method. Journal of Geographical Systems, 9(1), 7-27.
Buonanno, P., Montolio, D., & Raya-Vílchez, P. (2013). Housing prices and crime perception. Empirical Economics, 45(1), 305-321.
Burnell, J. (1988). Crime and racial composition in contiguous communities as negative externalities. American Journal of Economics and Sociology, 47, 177-193.
Can, A. (1992). Specification and estimation of hedonic house price models. Regional Sciences and Urban Economics, 22, 453-474.
Chasco, C. (2003). Econometría espacial aplicada a la predicción extrapolación de datos microterritoriales. Madrid: Consejería de Economía e Innovación Tecnológica. Comunidad de Madrid.
Dewey, L. & DeTuro, P. (1950). Should I invest in real estate? Journal of Medical Economics, 28(3), 85-93.
Fotheringham, A., Brunsdon, C. & Charlton, M. (2002). Geographically weighted regression: the analysis of spatially varying relationship. West Sussex, GB: John Wiley and Sons.
Lancaster, K. (1966). A new approach to consumer theory. Journal of Political Economy, 74(1), 132-157.
Naroff, J., Hellman, D., & Skinner D. (1980). The Boston experience: estimates of the impact of crime on property values. Growth Change, 11, 24-30.
Martínez, D., & Agudelo, K. (2020). Basic econometrics a mathematical approach, Medellín: Optimal Books.
Martínez, D., & Ospina, O. (2020). Financial instruments a mathematical approach. Medellín: Optimal Books.
Martínez, D., & Ospina, O. (2018). Incidencia de las pandillas en los cánones de arrendamiento de vivienda en Medellín durante 2015. Revista Espacios, 39(13).
Ospina, O., & Agudelo, J. (2020). Infrastructure and lease market in Medellín an analysis using geographically weighted regressions. Colombia: Optimal Books.
Rizzo, M. (1979). The effect of crime on residential rents and property values. The American Economist. 23(1), 16-21.
Rosen, S. (1974). Hedonic prices and implicit markets: product differentiation and pure competition. Journal of Political Economy. 82, 34-55.
Yu, D. (2004). Modeling housing market dynamics in the city of Milwaukee: a geographically weighted regression aproach. Recuperado de http://www.ucgis. org/ucgisfall2004/studentpapers/files/danlinyu.pdf
Publicado
Número
Sección
Licencia
Derechos de autor 2020 Revista Logos Ciencia & Tecnología
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Esta revista provee acceso libre e inmediato a su contenido (https://creativecommons.org/licenses/by-nc-nd/4.0/), bajo el principio de hacer disponible gratuitamente la investigación al público y apoyar a un mayor intercambio de conocimiento global.
