Determinar un modelo econométrico que nos permita predecir o identificar precios para los arriendos de locales comerciales identificando cuáles son sus variables más relevantes

Abstract

El presente estudio de investigación desarrolla un modelo predictivo para identificar y estimar los precios de arriendo de locales comerciales en la comuna de Viña del Mar, Región de Valparaíso, durante el período 2025–2026. La investigación se fundamenta en la Teoría de los Precios Hedónicos propuesta por Sherwin Rosen (1974), que establece que el precio de un bien heterogéneo puede descomponerse en el valor implícito de cada uno de sus atributos individuales. La base de datos fue construida manualmente a partir de 500 observaciones recopiladas de las principales plataformas inmobiliarias del país, Portalinmobiliario, Yapo y Chileinmobiliaria, abarcando 13 sectores de la comuna. En su versión actualizada, la base incorpora 19 variables, incluyendo coordenadas geográficas (latitud/longitud), distancia al centro urbano y a nodos comerciales, scores de accesibilidad, flujo peatonal y visibilidad estimados mediante geolocalización, además de las variables estructurales originales. Para la modelización se implementaron dos estrategias complementarias. En primer lugar, se estimó un modelo de Mínimos Cuadrados Ordinarios (MCO) log-lineal hedónico clásico, que alcanzó un R² de 0,820 en escala logarítmica sobre el conjunto de prueba (n=100), con una RMSE logarítmica de 0,424. Este modelo provee coeficientes interpretables que cuantifican el efecto marginal de cada atributo sobre el logaritmo del precio. En segundo lugar, se compararon cuatro algoritmos de aprendizaje supervisado: Ridge, Lasso, ElasticNet y Árbol de Regresión. El Árbol de Regresión con profundidad máxima de 7 nodos fue identificado como el modelo de mejor desempeño en escala original, alcanzando un R² de 0,927 y un Error Porcentual Absoluto Medio (MAPE) de 27,4% en el conjunto de prueba. El hallazgo económico central es consistente en ambas aproximaciones: la superficie del local es el determinante dominante del precio total de arriendo. En el modelo MCO, el coeficiente del logaritmo de la superficie es 0,784, interpretable como una elasticidad precio-superficie próxima a la unidad. En el árbol de regresión, la superficie explica el 90,4% de la varianza del precio. Las nuevas variables de geolocalización, especialmente el score de flujo peatonal y la accesibilidad, aportan señales adicionales estadísticamente relevantes en el modelo MCO, enriqueciendo la explicación económica del componente de localización que en los modelos anteriores permanecía capturado solo mediante variables categóricas de sector y tipo de local.