Vergara Hincapié, JaimeRuiz Rocha, Maria Camila2025-12-012025-12-012025-11-06http://hdl.handle.net/11349/100009El presente trabajo se desarrolla en el marco de la pasantía realizada en la Sociedad de Activos Especiales (SAE), entidad encargada de la administración y gestión de bienes inmuebles con vocación económica y social. El objetivo principal de esta investigación es estimar el valor de la renta de los apartamentos localizados en la localidad de Usaquén (Bogotá D.C.) mediante la aplicación de un modelo de precios hedónicos, incorporando técnicas de econometría espacial para identificar la influencia de los atributos físicos y de ubicación en el valor del arriendo. Para la construcción de la base de datos se implementaron técnicas de web scraping con el fin de recopilar información del mercado inmobiliario, la cual posteriormente fue georreferenciada y complementada con capas espaciales (shapefiles) que permitieron integrar variables de entorno urbano, accesibilidad y dotación de servicios. Inicialmente, se estimó un modelo de regresión lineal múltiple (OLS) para establecer una línea base y posteriormente se evaluaron diferentes modelos de regresión espacial, seleccionándose finalmente el modelo general de anidación espacial (GNS) por su mejor ajuste y capacidad explicativa frente a la autocorrelación espacial detectada en los residuos. Finalmente, se aplicó un modelo geográficamente ponderado (GWR) con el propósito de identificar la variabilidad espacial de los coeficientes locales y comprender la heterogeneidad espacial del mercado de arriendo en la zona de estudio.This study was conducted as part of an internship at the Special Assets Society (SAE), an entity responsible for the administration and management of real estate with economic and social purposes. The main objective of this research is to estimate the rental value of apartments located in the Usaquén neighborhood (Bogotá D.C.) by applying a hedonic pricing model, incorporating spatial econometric techniques to identify the influence of physical and location attributes on rental value. To build the database, web scraping techniques were implemented to collect information on the real estate market, which was then georeferenced and supplemented with spatial layers (shapefiles) that allowed for the integration of variables related to the urban environment, accessibility, and service provision. Initially, a multiple linear regression model (OLS) was estimated to establish a baseline, and then different spatial regression models (SAR, SEM, SDM, SARAR, and GNS) were evaluated, finally selecting the general spatial nesting model (GNS) for its better fit and explanatory power in the face of the spatial autocorrelation detected in the residuals. Finally, a geographically weighted regression (GWR) model was applied to identify the spatial variability of local coefficients and understand the spatial heterogeneity of the rental market in the study area.pdfspaModelos de precios hedónicosEconometría espacialAutocorrelación espacialModelo GNSModelo GWRRenta inmobiliariabachelorThesisIngeniería Catastral y Geodesia -- Tesis y disertaciones académicasOpenAccessHedonic pricing modelsSpatial econometricsSpatial autocorrelationGNS modelGWR modelReal estate rentalAbierto (Texto Completo)