A methodology to compute regional housing price index using matching estimator methods

Abstract

This paper proposes a methodology for a spatial cost index of housing that considers spatial heterogeneity in properties across regions. The index is built by combining three different techniques to reduce the spatial heterogeneity in housing: Quasi-experimental methods, hedonic prices and Fisher spatial price index. Using microdata from the Chilean survey CASEN 2006, it is shown that the quasi-experimental method called Mahalanobis metric within propensity score calipers (MMWPS) leads to a significant reduction in the potential bias. The technique matches dwellings of a particular region with other properties of similar characteristics in the benchmark region (Metropolitan region). Once the houses are matched, a hedonic price model is computed, and a regional housing price matrix is created using Fisher spatial price indices. The paper concludes the existence of price differentials for homogeneous houses across regions in Chile. JEL Classification R21 · C43

Towards Housing Policies That Consider Household’s Preferences: Estimating the Demand for Housing Attributes in Chile

“…The figures show how HS income elasticities differ only marginally across regions with the exception of the Antofagasta Region (II). However, a feasible explanation about this difference is related to the markedly higher housing prices in this region which is found in Paredes (2011) and Paredes and Iturra Rivera (2013). We suspect that the particularly high housing demand in the Antofagasta region is pushing prices up resulting in a significant reduction in the income elasticity for this region.…”

Desarrollo de una base de datos integrada de Censo y encuesta mediante el uso de elementos de inteligencia de negocios y SIG

“…Nuestra propuesta plantea modelizaciones ajustadas a las particularidades de cada área, mediante la técnica de estimación de emparejamiento que busca observaciones en la encuesta que son estadísticamente similares con alguna observación del Censo [15]. Este emparejamiento entre estas observaciones transfiere la ubicación geográfica de los clones censales (observaciones con características similares) a las unidades de la encuesta, con lo que cada observación puede ser asociada a un lugar específico del área muestreada.…”

Estimación de la inflación regional de los precios de la vivienda en Chile

“…Caliendo y Kopeining (2005), Tood (2006) y Paredes (2011) proporcionan una extensa revisión de los distintos métodos de pareo, siendo el más recomendado para los datos de precio de viviendas en Chile, el pareo de Mahalanobis que usa Propensity Scores con Caliper (MMWPS).…”

“…5 Este método inicialmente propuesto por Paredes y Aroca (2008), y luego mejorado por Paredes (2011), se basa en dos etapas: i) Se estima un modelo Probit para calcular la probabilidad de que una vivienda pertenezca al grupo de las tratadas o de las no tratadas, lo que genera una medida continua dependiente de las características de las viviendas, es decir, el Propensity Score. ii) Las viviendas son pareadas considerando la cercanía de una vivienda en la región tratada con otra en la región de control teniendo en cuenta dos criterios: que la vivienda tratada tenga el Propensity Score más cercano a la de control, y que la distancia de Mahalanobis entre las características de la vivienda sea la mínima posible para el conjunto de datos.…”