Propiedades en alquiler: ¿Es bueno o malo que no encuentre anuncios de alquiler en esa calle?

Question

Estoy estudiando la posibilidad de invertir en propiedades inmobiliarias y de alquiler. Vivo en NYC, y quiero ver propiedades en Syracuse.

Un agente me dio una lista de sus listados y estoy investigando uno de ellos en la Avenida Peck. Estoy intentando hacer una "prueba de Craigslist" (algo que acabo de inventar), en la que cambio de perspectiva y me convierto en el "inquilino" y busco vivienda en esa zona. Sin embargo, cuando busco "peck avenue syracuse housing for rent" no veo ningún resultado.

¿Es una buena señal que significa que esta zona se alquila con facilidad para que no haya listados? ¿O significa que no hay mercado de alquiler en esa zona y que debo mantenerme alejado de ella? Estas dos respuestas son completamente opuestas, así que quiero asegurarme de que no me hago una idea equivocada.

Answer 1

Hay más de una forma de derivar la fórmula de $g_A$ con un crecimiento constante: la siguiente es una forma que encuentro conceptualmente sencilla. Partiendo de su $g_A=\delta L_A A^{\phi-1}$ , diferenciar con respecto al tiempo (utilizando las reglas del producto y de la cadena) y (para un crecimiento constante) poner el resultado a cero:

$$\dot{g_A}=0=\delta[A^{\phi-1}\dot{L_A}+L_A(\phi-1)A^{\phi-2}\dot{A}]$$

Dividiendo por $\delta L_AA^{\phi-1}$ :

$$0=\frac{\dot{L_A}}{L_A}+(\phi-1)\frac{\dot{A}}{A}=n+(\phi-1)g_A$$

$$g_A=\frac{n}{1-\phi}$$

Para el crecimiento de la producción por trabajador, y suponiendo que $L_Y$ como $L$ crece a un ritmo $n$ para que el crecimiento en $Y/L$ equivale al crecimiento de $Y/L_Y$ tenemos:

$$g_y=g_{A^{\sigma}}=\frac{1}{A^{\sigma}}\frac{dA^{\sigma}}{dt}= \frac{1}{A^{\sigma}}\sigma A^{\sigma-1}\dot{A}=\sigma g_A=\frac{\sigma n}{1-\phi}$$

Answer 2

Según la aclaración de su comentario, esto no se debe a que utilice variables de escala, sino a que la variable de escala que utiliza es autodeclarada.

Es bien conocido en la literatura que la autoinformación conduce a la endogeneidad. Véase, por ejemplo: Lindeboom, M., y Kerkhofs, M. (2004). Subjective health measures, reporting errors and endogeneity in the relationship between health and work.

La razón es que cuando las personas informan por sí mismas de algunos resultados, éstos suelen verse afectados por otras variables no observables que no se incluyen en el modelo, lo que constituye una forma de endogeneidad. Por ejemplo, los estudios que miden la felicidad muestran que la felicidad autodeclarada puede variar dependiendo del momento del día/semana/temporada en que se realice la medición.

Además, también puede haber endogeneidad en el sentido más estricto de que los desempleados pueden declarar que no pueden trabajar como una racionalización de su situación de desempleo y, por lo tanto, se obtendría una causalidad invertida en la que el desempleo realmente causa la incapacidad autodeclarada para trabajar a pesar de que la persona realmente sería capaz de trabajar según criterios objetivos medibles (en un modelo en el que se hace una regresión del empleo sobre la capacidad autodeclarada).

Así que no es que haya ningún problema en tener variables de escala. Por ejemplo, tener algún índice del 1 al 10, sino que el problema es que en tu caso la escala se hizo a partir de datos autodeclarados.