[EN] This thesis aims to analyze the influence of variables related to the housing price location. Prior to the development of the empirical study, it will develop the theoretical foundations on which it is based. At first, it reviews the literature developments on the theory of value to later expose ground rent and, more specifically, the income of urban land. Its purpose is to determine the value of housing according to existing literature. Within theoretical foundations it develops econometric analysis models to estimate the value of housing.
The empirical study is conducted in the city of Valencia and its urban development history and evolution of prices must be study. This investigation starts at the origin of the Roman city in 138 BC going through the different stages of the urban city. The urban plans of 1946, 1966 and 1988 are also studied as well as the latest amendments in this planning. This research about the housing prices also includes the recent evolution of housing prices in the city of Valencia and a geo-positioned study of the evolution of the population by districts.
The empirical model will start after reviewing the literature of the city using techniques of artificial intelligence, more precisely, artificial neuronal network. This study begins deciding the location variables to be used based on the provided data and the methodological limitations. After several estimations and trails, the model has been developed with the following variables: the distance to the city center, the proximity to the underway and/or tram, the proximity to green areas, the equipment of the neighborhood, the socio-economical level and the percentage of immigrants of the neighborhood.
The next step was to obtain a neural network that allows us to estimate the price of housing. We used the supervised learning and applied an incremental approach, trying different topologies of neural networks based on Multilayer Perceptron. The network (s) has been trained with backpropagation and backpropagation with momentum, with different parameters. The impact of each of the different variables considered location on housing prices is analyzed based on the defined neural network. This study was conducted by estimating the network, the price for different values of the variable under study, data keeping other variables constant.
The result of the study allows us to confirm and validate the hypotheses launched for the variables dealing with the distance to the center, socio-economic and immigration level. In that sense, the price of houses increases as you approach to the center of the city, the higher the socio-economic level of the neighborhood is, the largest housing prices are and the higher the percentage of immigrants of the neighborhood is the lower housing prices. In the variables of proximity to subway and neighborhood facilities a higher price in the subway nearby homes and those located in districts with more equipment but not conclusively for all types of housing. In the case of close to green areas and quality of urbanization a direct relationship between these variables and housing prices cannot be confirmed. In the future, we will try to use a genetic algorithm to check which variables have the greatest impact on price in order to reduce variables to work with those that are most empirically relevant. We will also try to increase the sample, as the network works better if you have more data to process. / [ES] Esta tesis tiene el propósito de analizar la influencia de las variables relativas a la localización de la vivienda en el precio de la misma. Antes de desarrollar el estudio empírico, lo primero es conocer los fundamentos teóricos en los que esta investigación se basa. Así, se comienza con un recorrido por lo desarrollado en la literatura sobre la teoría del valor, entrando posteriormente a exponer la renta del suelo, y más concretamente la renta de suelo urbano, para llegar a explicar cuáles son, según la literatura existente, los determinantes del valor de la vivienda. Se desarrolla, también, los modelos econométricos de análisis utilizados en la estimación del valor de la vivienda.
El estudio empírico se realiza en Valencia, por ello revisamos la historia, el desarrollo urbanístico y la evolución de los precios de la ciudad. Se comienza en el origen de la ciudad romana en el año 138 a.C., y se recorren las distintas etapas urbanísticas. Se analizan, también los planes urbanísticos de 1946, de 1966 y de 1988, así como las últimas modificaciones de este planeamiento. Al tratarse de un estudio de precios de vivienda, se analiza la evolución reciente de precios de vivienda en la ciudad de Valencia y se incluye un estudio geo-posicionado de la evolución de la población por barrios.
Una vez conocida la literatura y la ciudad en la que se desarrolla la investigación comienza el desarrollo del modelo empírico que en nuestro caso, se realiza utilizando técnicas de inteligencia artificial, concretamente una red neuronal artificial. Para iniciar el estudio, lo primero ha sido decidir, en base a los datos de los que disponemos y a las limitaciones de la metodología utilizada, qué variables de localización serían objeto del estudio. Tras diversas estimaciones y pruebas, el modelo se ha desarrollado con las siguientes variables: la distancia al centro de la ciudad, la cercanía al metro, la cercanía a zonas verdes, el equipamiento del barrio, el nivel socio-económico y el porcentaje de inmigrantes del barrio.
El siguiente paso ha sido obtener una RNA que nos permita estimar el precio de la vivienda. Se ha utilizado el aprendizaje supervisado y se ha aplicado un método incremental, probando diferentes topologías de redes neuronales basadas en el perceptrón multicapa. La red ha sido entrenada con retropropagación y retropropagación con momento, con diferentes parámetros. A partir de la RNA, se analiza la repercusión de cada una de las diferentes variables de localización consideradas sobre el precio de la vivienda. Este estudio lo realizamos estimando con la red el precio para distintos valores de la variable objeto de estudio, manteniendo los datos del resto de variables constantes.
El resultado del estudio nos permite constatar que se cumplen claramente las hipótesis lanzadas para las variables distancia al centro, nivel socio-económico e inmigración, de tal forma que a medida que nos acercamos al centro de la ciudad, el precio de la vivienda aumenta, cuanto mayor es el nivel socio-económico del barrio, mayor es el precio de la vivienda y cuanto mayor es el porcentaje de inmigrantes del barrio, menor es el precio de la vivienda. En las variables cercanía al metro y equipamientos del barrio se puede apreciar un mayor precio en las viviendas cercanas al metro y aquellas situadas en barrios con más equipamientos pero no de forma concluyente para todas las tipologías de vivienda. En el caso de la cercanía a zonas verdes y calidad de la urbanización no podemos afirmar que exista relación directa entre estas variables y el precio de la vivienda. En un futuro, estudiaremos mediante un algoritmo genético qué variables tienen mayor repercusión en el precio, con el propósito de trabajar con aquellas que empíricamente resulten más relevantes. Además, intentaremos aumentar la muestra, pues la red trabaja mejor si cuenta con mayor número de datos para procesar. / [CA] Aquesta tesi té el propòsit d'analitzar la influència de les variables relatives a la localització de l'habitatge en el preu d'aquest. Abans de desenvolupar l'estudi empíric, el primer és conèixer els fonaments teòrics en els quals aquesta recerca es basa. Així, es comença amb un recorregut pel desenvolupat en la literatura sobre la teoria del valor, entrant més tard a exposar la renda del sòl i, més concretament, la renda del sòl urbà, per arribar a explicar quins són, segons la literatura existent, els determinants del valor de l'habitatge. Es desenvolupa, també dins dels fonaments teòrics, els models economètrics d'anàlisi utilitzats en l'estimació del valor de l'habitatge.
L'estudi empíric es realitza en la ciutat de València, per la qual cosa es fa necessari conèixer la història, el desenvolupament urbanístic i l'evolució dels preus de la ciutat objecte d'estudi. Es comença en l'origen de la ciutat romana l'any 138 a. de C. i es recorren les diferents etapes urbanístiques de la ciutat. S'analitzen, també, els plans urbanístics de 1946, de 1966 i de 1988, així com les últimes modificacions d'aquest planejament. En tractar-se d'un estudi de preus d'habitatge, s'analitza l'evolució recent de preus d'habitatge en la ciutat de València i s'inclou un estudi geo-posicionat de l'evolució de la població per barris.
Una vegada coneguda la literatura i la ciutat en la qual es desenvolupa la recerca, comença el desenvolupament del model empíric que, en el nostre cas, es realitza utilitzant tècniques d'intel·ligència artificial, concretament una xarxa neuronal artificial. Per a iniciar l'estudi, el primer ha sigut decidir, d'acord amb les dades de què disposem i a les limitacions de la metodologia utilitzada, quines variables de localització serien objecte de l'estudi. Després de diverses estimacions i proves, el model s'ha desenvolupat amb les variables següents: La distància al centre de la ciutat, la proximitat al metro, la proximitat a zones verdes, l'equipament del barri, el nivell socioeconòmic i el percentatge d'immigrants del barri.
El següent pas ha estat obtenir una xarxa neuronal que ens permeta estimar el preu de l'habitatge. S'ha utilitzat l'aprenentatge supervisat i s'ha aplicat un mètode incremental, provant diferents topologies de xarxes neuronals basades en el perceptró multicapa. La xarxa ha estat entrenada amb retropropagació i retropropagació amb momentum, amb diferents paràmetres. A partir de la RNA definida, s'analitza la repercussió de cadascuna de les diferents variables de localització considerades sobre el preu de l'habitatge. Aquest estudi el vam realitzar, estimant amb la xarxa, el preu per a diferents valors de la variable objecte d'estudi, mantenint les dades de la resta de variables constants.
El resultat de l'estudi ens permet constatar que es compleixen clarament les hipòtesis llançades per a les variables distància al centre, nivell socioeconòmic i immigració, de tal forma que a mesura que ens acostem al centre de la ciutat, el preu de l'habitatge augmenta, com més gran és el nivell socioeconòmic del barri, major és el preu de l'habitatge i com més gran és el percentatge d'immigrants del barri, menor és el preu de l'habitatge. En les variables de proximitat al metre i equipaments del barri es pot apreciar un major preu de l'habitatge properes al metre i les situades en barris amb més equipaments, però no de forma concloent per a totes les tipologies de l'habitatge. En el cas de la proximitat a zones verdes i qualitat d'urbanització, no podem afirmar que existesca relació directa entre aquestes variables i el preu de l'habitatge. En un futur, mitjançant un algorisme genètic, tractarem de comprovar quines variables tenen major repercussió en el preu, amb el propòsit de treballar amb aquelles que empíricament resulten més rellevants. A més, intentarem augmentar la mostra, ja que la xarxa treballa millor amb nombre més gran / Fernández Durán, L. (2016). Análisis del impacto de los aspectos relativos a la localización en el precio de la vivienda a través de Técnicas de Soft Computing. Una aplicación a la ciudad de Valencia [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/63253
| Identifer | oai:union.ndltd.org:upv.es/oai:riunet.upv.es:10251/63253 |
| Date | 02 May 2016 |
| Creators | Fernández Durán, Laura |
| Contributors | Llorca Ponce, Alicia, Valero Cubas, Soledad, Universitat Politècnica de València. Departamento de Organización de Empresas - Departament d'Organització d'Empreses |
| Publisher | Universitat Politècnica de València |
| Source Sets | Universitat Politècnica de València |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/acceptedVersion |
| Coverage | east=-0.3762881000000107; north=39.4699075; name=Pl. de l'Ajuntament - Font, 46002 Valencia, Espanya |
| Rights | http://rightsstatements.org/vocab/InC/1.0/, info:eu-repo/semantics/openAccess |
Page generated in 0.0037 seconds