Estudio de la autocorrelación espacial en el mercado inmobiliario comercial de la ciudad de Madrid

• Silvera Vies, Romina Andrea ^[1] ; Debón Aucejo, Ana María ^[1] ; Ribal Sanchis, Francisco Javier ^[1]
  1. [1] Universidad Politécnica de Valencia

     Universidad Politécnica de Valencia

     Valencia, España

     
• Localización: Revista de Estudios Empresariales. Segunda época, ISSN-e 1988-9046, Nº. 2, 2023, págs. 109-126
• Idioma: español
• DOI: 10.17561/ree.n2.2023.7854
• Títulos paralelos:
  • Study of spatial autocorrelation in the commercial real estate market of the city of Madrid
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La disponibilidad de atributos espaciales hace posible la cuantificación del grado de agrupación o aleatoriedad de una variable en el espacio, ofreciendo así útiles aportes en el análisis exploratorio. En particular, el uso de los índices de autocorrelación espacial permite ahondar en la distribución de una variable tanto a escala global (índice de Moran) como local (LISA), así como la identificación de patrones entre unidades espaciales con nexos de vecindad.

    Sin embargo, pese a la vasta utilización de dichos índices en campos como ecología y epidemiología, el empleo de estas técnicas en el análisis de variables en contextos inmobiliarios ha sido limitada, aunque cabe señalar que ayuda a definir la importancia del componente espacial en el valor de un inmueble y si existe una relación clara con los inmuebles del entorno.

    En el contexto del mercado inmobiliario nacional, y dada la importancia del comercio minorista en la ciudad de Madrid, uno de los principales núcleos productivos, es de importancia el uso de dichos índices. Por ello, en este trabajo, se ofrece un análisis exploratorio espacial correspondiente a datos de locales comerciales en venta y alquiler en 2020, período caracterizado por el cierre obligatorio del comercio no esencial y limitaciones posteriores en términos aforo, horario de apertura y cierre.

    Los resultados muestran patrones entre los 21 distritos que conforman la ciudad, base para el estudio de las rentabilidades brutas de los locales comerciales, que a su vez han sido de los productos inmobiliarios con evolución más favorable en el último año.

  • English

    The availability of spatial attributes makes it possible to quantify the degree of clustering or randomness of a variable in space, thus offering valuable contributions to exploratory analysis. Particularly, the use of spatial autocorrelation indices makes it is possible to delve into the distribution of a variable at both global (Moran's index) and local (LISA) scales and identify patterns between spatial units whose neighborhood links are set according to the hypothesis.

    However, despite the extensive use of such indices in fields such as ecology and epidemiology, the use of these techniques in the analysis of variables in real estate contexts has been limited, although it should be noted that it helps to define the importance of the spatial component in the value of a property and whether there is a clear relationship with surrounding properties.

    In the context of the national real estate market, and given the importance of retail trade, specifically in Madrid, the use of such indices is essential. Therefore, this paper offers an exploratory spatial analysis corresponding to data on commercial premises for sale and rent in 2020, a period characterized by the compulsory closure of non-essential trade and subsequent limitations in capacity, opening, and closing hours.

    The results show patterns among the 21 districts that make up the city, serving as a basis for the study of the gross yields of commercial premises, which in turn have been among the real estate products with the most favorable evolution in the last year.

• Referencias bibliográficas
  • Acs, Z. J., Anselin, L., & Varga, A. (2002). Patents and innovation counts as measures of regional production of new knowledge. Research...
  • Anselin, L. (1995). Local Indicators of Spatial Association—LISA. Geographical analysis 27 (2), 93–115. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x
  • Arbia, G., Espa, G., & Giuliani, D. (2015). Analysis of spatial concentration and dispersion. In Handbook of research methods and applications...
  • Barreca, A., Fregonara, E., & Rolando, D. (2021). EPC Labels and Building Features: Spatial Implications over Housing Prices. Sustainability,...
  • Dale, M. R., & Fortin, M. J. (2002). Spatial autocorrelation and statistical tests in ecology. Ecoscience, 9(2), 162–167. https://doi.org/10.1080/11956860.2002.11682702
  • Datar, R. y Harish G. (2019). Hands-on exploratory data analysis with R: become an expert in exploratory data analysis using R packages. 1st...
  • Dubin, R. (2003). Robustness of spatial autocorrelation specifications: some Monte Carlo evidence. Journal of Regional Science, 43(2), 221–248....
  • Gandrud, C. (2020). Reproducible Research with R and RStudio. Chapman & Hall/CRC The R Series. CRC Press. ISBN: 9780429629594. Retrieved...
  • Goodchild, M. F. (1986). Spatial Autocorrelation. 1st edition. Geo Books, Norwich.
  • Goodchild, M. F. (2009). What Problem? Spatial autocorrelation and geographic information science. Geographical Analysis, 41(4), 411–417....
  • Legendre, P. (1993). Spatial Autocorrelation: Trouble or New Paradigm? Ecology, 74(6), 1659–1673. https://doi.org/10.2307/1939924
  • McIlhatton D., McGreal W., Taltavul, P., Adair A., (2016), Impact of crime on spatial analysis of house prices: evidence from a UK city, International...
  • Moran, P. A. P. (1948). The interpretation of statistical maps. J. R. Stat. Soc. Ser. B-statistical Methodol. 10 (2), 243–251. https://doi.org/10.1111/j.2517-6161.1948.tb00012.x
  • Páez, A., Farber, S., & Wheeler, D. (2011). A Simulation-Based Study of Geographically Weighted Regression as a Method for Investigating...
  • Pebesma, E. (2018). Simple Features for R: Standardized Support for Spatial Vector Data. The R Journal, 10(1), 439–446. https://doi.org/10.32614/RJ-2018-009
  • Sanchez Navarro, D. (2012). Una Propuesta Metodológica Para La Definición De Mercados Geográficos Relevantes (A Proposed Methodology for Defining...
  • Siabato, W., & Guzmán-Manrique, J. (2019). La autocorrelación espacial y el desarrollo de la geografía cuantitativa. Cuadernos De Geografía:...
  • Silge, J., Robinson, D. (2017). Text Mining with R: A Tidy Approach. Estados Unidos: O'Reilly Media. https://doi.org/10.5555/3165010
  • Souris, M. (2019). “Epidemiology and geography: principles, methods and tools of spatial analysis”. ISTE. https://doi.org/10.1002/9781119528203
  • Team, R. 2022. R: What is R? Vienna, Austria: R Foundation for Statistical Computing. https://www.r-project.org/about.html/
  • Team, RStudio. 2021. RStudio: Integrated Development Environment for R. Boston, MA: RStudio, Inc. http://www.rstudio.com/
  • Tobler, W. R. (1970). A Computer Movie Simulating Urban Growth in the Detroit Region. Economic Geography, 46, 234–240. https://doi.org/10.2307/143141
  • Waller, L.A., & Gotway, C.A. (2004). Applied Spatial Statistics for Public Health Data. https://doi.org/10.1002/0471662682
  • Wu, G., Guo, W., & Niu, X. (2023). Spillover effect analysis of home-purchase limit policy on housing prices in large and medium-sized...
  • Wulder, M., & Boots, B. (1998) Local spatial autocorrelation characteristics of remotely sensed imagery assessed with the Getis statistic,...
  • Yin, Z., Sun, R., & Bi, Y. (2022). Spatial-Temporal Change Trend Analysis of Second-Hand House Price in Hefei Based on Spatial Network....