Una encuesta realizada por la Organización de Consumidores y Usuarios (OCU) entre ciudadanos de las 15 mayores urbes españolas ha situado a Vigo al frente del ranking de la calidad de vida, seguida de Zaragoza y Bilbao. Entre las variables analizadas están la movilidad, la seguridad ciudadana, los servicios de salud y de educación, la contaminación, el mercado laboral, el coste de la vida, la limpieza urbana y también la vivienda.
Hacemos zoom sobre la vivienda, y analizamos la tasa de esfuerzo salarial que las familias tienen que dedicar al pago de la vivienda en propiedad (hipoteca) o al pago de la renta del alquiler en estas ciudades con datos de precios de venta y alquiler procedentes de idealista, el principal marketplace inmobiliario de España, Italia y Portugal, y una estimación de ingresos familiares*.
Según la encuesta de la OCU, los ciudadanos de Zaragoza, Valladolid, Valencia y Córdoba son los que tienen una percepción más positiva sobre la variedad de vivienda, su acceso y su precio. En el computo general, Madrid, Barcelona y Palma ocupan las tres últimas posiciones en cuanto a calidad de vida.
Por la parte del alquiler, en idealista ya analizamos el peso del arrendamiento en el salario medio de las familias en las capitales de provincia, en el que solo ocho ciudades superan la recomendación generalizada de los expertos de no destinar más de un tercio de los ingresos al pago de la renta. Entre ellas se encuentran algunas de las ciudades analizadas en el ranking de calidad de vida de la OCU.
Madrid y Las Palmas de Gran Canaria (36,3%) serían las ciudades que mayor esfuerzo salarial requieren para vivir de alquiler, seguida por Alicante (35,9%), Sevilla (34,7%), por encima de la recomendación de los expertos. Entre un 30% y 33% del salario dedicado a la vivienda en alquiler están, Bilbao (32,8%), Barcelona (32,7%), Murcia (32,6%), Palma (32,4%) Valencia (31%) o Córdoba (30,3%). Por debajo de una tasa de esfuerzo del 30% aparecen Málaga (28,9%), Zaragoza (27,2%), Valladolid (25,5%), Vigo (23%), y Gijón (24%).
Si nos fijamos en la tasa de esfuerzo salarial para pagar la vivienda en propiedad, es decir el peso del pago de la hipoteca en los ingresos familiares, son las grandes capitales las que se llevan el mayor impacto con Palma a la cabeza (38,8%), seguido por Madrid (38,7%), Barcelona (36,4%) y Málaga (32,2%).
De hecho, solo en estas cuatro ciudades y junto a Vigo (28%), el esfuerzo salarial para pagar la vivienda en propiedad es más alto que el dedicado al pago de la renta del alquiler. Es decir, en las otras 10 capitales, supone mayor esfuerzo para las familias pagar la vivienda en alquiler.
Siguiendo con las tasas de esfuerzo en vivienda en compra, aún por encima del 30% se encuentra Las Palmas de Gran Canaria (31%) y Bilbao (30,2%). Entre un 25%-30% aparecen Sevilla, Vigo, Córdoba y Alicante. Y ya por debajo del 25% del suelo dedicado al pago de la hipoteca lo completan Valencia, Gijón, Zaragoza, Valladolid y Murcia.
* Metodología Estimación Renta Neta por Hogar y Tasas de Esfuerzo
La tasa de esfuerzo mide el peso de la vivienda sobre el poder adquisitivo del hogar, por este motivo nuestros cálculos se realizan a partir del valor de la vivienda, sea en compraventa o alquiler, junto con nuestras estimaciones de renta neta familiar. En particular, en el caso del alquiler, medimos la tasa de esfuerzo como la cuota anual de ingresos netos del hogar que se destina al pago del alquiler. De la misma manera, en el caso de la compraventa, la tasa de esfuerzo se calcula como la cuota anual de ingresos netos del hogar que se destina al pago de una hipoteca “típica”, en el sentido que viene estipulada con características medias en términos de duración y tipo de interés.
Los valores en compraventa y alquiler vienen directamente de la fuente de datos idealista, que dispone de precios promedios para cada ciudad. Al contrario, en el caso de la renta neta familiar, a falta de un dato oficial actualizado para cada ciudad, utilizamos nuestra batería de modelos de aprendizaje automático que combinan la información de varias métricas socioeconómicas provenientes de diferentes fuentes (públicas y de idealista). Nuestros modelos de aprendizaje automático son esencialmente de tipo random forest y con gradient boosting (CatBoost), y se entrenan con datos accesibles al público:
España: Ingresos medios por declaración a nivel de código postal para aquellos municipios con una población superior a 100.000 habitantes (Agencia Tributaria, frecuencia anual 2013-2018), renta media por hogar a nivel municipal y sección censal desde el Atlas de Distribución de Renta de los Hogares (INE, frecuencia anual 2015-2017), y renta media por hogar a nivel nacional y por comunidad autónoma de la Encuesta de Condiciones de Vida (INE, frecuencia anual, 2019 último año disponible).<7p>
Dado que las métricas tienen diferencias en términos de muestreo o definición, mantenemos la consistencia entre medidas utilizando modelos satélite: un modelo intermedio que estima el tamaño promedio del hogar, en términos de número de miembros de la familia, a partir del número promedio de habitaciones en una determinada zona. De esta manera podemos convertir la métrica de ingresos por declaración en ingresos por hogar. Una vez entrenados los modelos, se genera la inferencia para poder imputar niveles de renta por hogar sobre otras segmentaciones o ubicaciones.
Nuestros modelos nos permiten obtener una estimación fiable del nivel de renta con relativa rapidez (frecuencia trimestral y sin retraso de publicación) y con un alto nivel de desagregación territorial, obteniendo estimaciones para cada barrio de cada ciudad en España, Italia, y Portugal. Importante, comprobamos y revisamos con periodicidad nuestros modelos para que mantengan siempre un alto nivel de precisión y fiabilidad.
[Fuente: Idealista]
