1. El marco contextual de la recaudación predial en México

Uno de los temas que actualmente se encuentra en la agenda del Senado de la República en México es la reforma para la modernización de los catastros en México. Se perfila un rol más activo del gobierno federal en materia catastral, esto considerando que los gobiernos de los estados y municipios en México no tienen incentivos para mejorar la recaudación ya que reciben, por medio de los acuerdos de coordinación y vía los ramos presupuestales 28 y 33, la mayor parte de sus ingresos, lo que suma alrededor de 71,1% (^{Banobras, 2013}). Las transferencias a los municipios suman alrededor de 1,4% del producto interno bruto (PIB) (^{Colmenares-Páramo, 2005}).

A manera de contexto, el impuesto predial que se recauda en México es equivalente a 0,3% del PIB comparado con 1,8% que los países miembros de la Organización para la Cooperación y el Desarrollo Económico (OCDE) recaudan, la Unión Europea y América del Norte 2%, y América Latina 0,5% (^{Banobras, 2013}). Además, se estima que el rendimiento del impuesto predial por predio en el país es de $649.78 (^{Santana-Loza, 2006: 213}).

El impuesto predial se considera un impuesto tipo ad valorem y se determina a partir del valor de la propiedad; es calculado por la oficina de catastro y, normalmente, los gobiernos locales son quienes tienen la atribución de administrar los catastros dado que son los que mejor conocen la dinámica del mercado de bienes raíces o inmuebles.

En una encuesta del Instituto para el Desarrollo Técnico de las Haciendas Públicas (Indetec) se encontró que en 572 municipios (24%) la función de administración del catastro es realizada por el estado; 590 municipios (24%) lo administran ellos mismos y 1015, que son 42%, está en manos de institutos catastrales; en 252 casos, que representan 10%, la función es realizada en forma mixta (^{Santana-Loza, 2006: 214}). En términos generales, de los impuestos propios que los gobiernos locales recaudan, que equivalen aproximadamente a 30% del total, el impuesto predial representa 66,2% (^{Banobras, 2013}).

Según los datos de la Secretaría de Hacienda y Crédito Público, en 2011 solamente cuatro entidades federativas recaudaron 55% del monto por concepto de impuesto predial: el Distrito Federal, Quintana Roo, Baja California Sur y Querétaro. El promedio per cápita de recaudación por concepto del predial fue de 205 pesos. La capacidad de recaudación del estado de Chihuahua, donde se localiza Ciudad Juárez, es superior al promedio nacional, ya que se recaudan aproximadamente 300 pesos per cápita.

El Banco Nacional de Obras y Servicios Públicos en el contexto del Plan Nacional de Desarrollo 2013-2018 y la meta nacional de crear un "México Próspero" se ha dado a la tarea de implementar una política de modernización catastral a través de convenios de acuerdo. Actualmente se han incorporado a dicho esfuerzo 93 municipios de nueve estados. Según datos del mismo Banobras, 25 municipios han concluido con sus esfuerzos de modernización y el programa se considera exitoso dado que ha logrado incrementar 50% la capacidad recaudatoria. Los municipios exitosos donde la recaudación se ha incrementado sustantivamente son Colima (86%), Manzanillo (78%), Othon P. Blanco (76%) y Carmen (76%). El costo-beneficio se calcula superior a nueve pesos en los municipios más exitosos; el costo-beneficio significa que por cada peso invertido en la modernización se recaudaron nueve. Uno de los casos más exitosos de modernización catastral es el Distrito Federal, donde se asienta la capital nacional. Aquí la modernización se ha llevado a cabo por medio de la fotogramétrica para mejorar la información y tasas más progresivas en los segmentos más altos de vivienda; la tasa porcentual anual de crecimiento del impuesto predial aumentó de 5,5% de 1991 al 2000 a 7,5% de 2000 a 2008.

No hay duda que la modernización catastral con fines recaudatorios es necesaria; sin embargo, no es suficiente, ésta debe ir acompañada de un análisis y evaluación de los efectos de equidad; es decir, no solamente debe tener una meta de efectividad y eficiencia recaudatoria, sino también de equidad en el impuesto. En la siguiente sección se discute el tema de equidad.

2. La cuestión de equidad en la política fiscal y el impuesto predial

En términos generales, la equidad de cualquier política fiscal se juzga a partir de dos estándares: vertical y horizontal (^{Holcombe, 1983}). Desde la perspectiva de un impuesto predial, lo importante es determinar el grado de progresividad o regresividad del impuesto mismo. Existe una opinión en común entre los expertos: todas las propiedades inmuebles deben ser valuadas de igual manera y pagar un impuesto proporcional acorde a su valor de mercado. La justificación de tener una estructura progresiva del impuesto predial es que aquellas propiedades que más valen consumen una mayor cantidad de los servicios públicos (alumbrado, pavimentación, policía, drenaje) que el gobierno oferta, consecuentemente deben pagar, vía el impuesto predial, por los mismos (^{Levy, 1995}; ^{Slack, 2013}). Además, la inversión pública genera una plusvalía en la propiedad que el gobierno necesita captar por medio del impuesto predial (^{Smolka y Furtado, 2001}).

Es importante diferenciar entre las formas de equidad vertical y horizontal (^{Holcombe, 1983}); en la primera, desde la perspectiva del impuesto predial, existe de manera sistemática una variación entre los valores estimados y los valores de mercado de manera transversal en un rango de valores; es decir, puede darse el caso que propiedades de rangos bajos de manera consistente son valuadas a un precio superior del mercado comparado con propiedades con valores altos que serían subvaloradas (^{Kochin y Parks, 1982}; ^{Allen, 2003}). Cuando estos errores ocurren de manera consistente se concluye que el impuesto predial es regresivo: paga más el que menos tiene. Lo opuesto es verdad si las propiedades en el rango más alto son valoradas consistentemente a un precio superior al del mercado comparativamente con las propiedades de rangos bajos; entonces, lo que se da es un impuesto progresivo.

La inequidad horizontal se define como aquella variación sistemática entre el valor estimado y el precio de mercado de aquellas propiedades que son similares en su valor de mercado; la fuente del error es el propio método de valuación inmobiliaria, que no es capaz de tomar en cuenta los impactos de ciertas propiedades o factores relacionados con características del vecindario (^{Allen y Dare, 2002}). ^{Allen (2003)} también lo define como un impuesto base diferente entre propiedades con un valor de mercado similar.

En términos de las metas o los estándares sobre los cuales se juzga la equidad del impuesto predial en una jurisdicción se señala: el sistema impositivo se considera equitativo siempre y cuando todas las propiedades en la jurisdicción son gravadas en la misma proporción a su valor de mercado; es decir, todas las propiedades, independientemente de su valor o tipo, deben ser gravadas con la misma tasa efectiva (^{Allen y Dare, 2002}).

3. La equidad y el impuesto predial: aspectos estadísticos y econométricos

Los estudios que han analizado y estimado la inequidad del impuesto predial normalmente se fundamentan en análisis de índole estadístico y métodos econométricos de cuadrados mínimos ordinarios. A continuación se explican los más comunes, que son citados por los expertos en el tema.

La propuesta de la Asociación Internacional de Valuadores Inmobiliarios, también conocida como IAAO por sus siglas en inglés, es una forma tradicional de estimar la equidad en el impuesto predial. Esta propuesta se basa en el análisis de los patrones que exhiben los datos del cociente de valuación (CV) que toma en cuenta los valores catastrales de la propiedad i (AV_i) con respecto a los valores de la transacción de mercado de la propiedad i ($V_i).

(1)

La equidad horizontal de esta medida se lleva a cabo analizando la dispersión de los datos del cociente conocido como el coeficiente dispersión. La equidad vertical mide la diferencia CV entre los valores altos y bajos de la muestra o población (^{Parker et al., 2011}).

Por su parte ^{Allen y Dare (2002)} proponen que la equidad horizontal se mida a partir de la diferencia del valor absoluto del cociente de valuación de la propiedad i (CV_i) con respecto a la media aritmética de la zona o unidad espacial de referencia (CV). Aquí se compara la valuación de cada propiedad con respecto a la media de la unidad de análisis.

(2)

(3)

Si CVi ≠CV->0 entonces existe inequidad horizontal

Otro índice es el desarrollado por ^{Sunderman et al. (1990)} que se denomina Porcentaje de Equidad Vertical (PEV) y aquí la variación total es medida por la suma total de los cuadrados de los cocientes de valuación de todas las propiedades, tomando como referencia su media aritmética. El componente vertical se mide por la suma de los cuadrados de la diferencia de los cocientes de valuación entre los casos por arriba y debajo de la mediana.

(4)

Métodos de cuadrados mínimos ordinarios para calcular inequidad

El método de ^{Paglin y Fogarty (1972)} es considerado como nobel para evaluar la equidad vertical en el mercado inmobiliario. El intercepto en la ecuación es el principal indicador para determinar inequidad; el intercepto debe ser estadísticamente significativo diferente a 0 (ecuación 5). Se utilizan el valor evaluado (AV) y el valor de venta ($V) en el modelo. Aquí, si el intercepto es negativo y significativo indica una estructura progresiva, mientras que uno positivo y significativo estadísticamente capta una estructura regresiva (^{Allen, 2003}).

(5)

^{Kochin y Parks (1982)} proponen un modelo logarítmico con el valor de mercado como la variable explicativa y el valor estimado o catastral como dependiente. El argumento es que la relación no es lineal sino tiene una forma logarítmica. Entonces, al transformar las variables en logaritmos naturales se reduce el error y es factible entonces usar una regresión lineal.

(6)

^{Cheng (1974)} utiliza el mismo modelo de ^{Kochin y Parks (1982)} de logaritmos naturales (ecuación 6). La diferencia es que el autor invierte las variables dependiente e independiente argumentando que el valor de venta es un mejor pronóstico del valor catastral (VA). En el modelo se utiliza el coeficiente de la pendiente para determinar si la estructura del impuesto es regresivo (el coeficiente es menor a 1) o progresivo (el coeficiente es mayor a 1).

(7)

El modelo de ^{Bell (1984)} a diferencia de Cheng agrega un término cuadrático en el valor del mercado para tomar en consideración la no linealidad de la función (citado en ^{Sirmans et al. 1995}). En otras palabras el valor cuadrático nos mide la velocidad del cambio; si los valores aumentan o disminuyen a una tasa creciente o decreciente.

(8)

La ^{IAAO (1996)} propone un método en el cual la variable dependiente es el cociente de valuación y el precio del mercado como la variable dependiente. Si el coeficiente es 0 y no significativo indica que no existe inequidad. Aquí, si el valor del coeficiente a₁ es mayor a 0 existe regresividad; pero si el valor es menor a 0 existe progresividad.

(9)

El método desarrollado por ^{Clapp (1990)} está basado en una técnica de cuadrados mínimos ordinarios en dos etapas (two stage). En la primera etapa se utiliza una variable instrumental, Z, que está altamente correlacionada con el valor estimado o de mercado, pero no con los errores del modelo. La variable Z se calcula clasificando los valores evaluados o catastrales (AV) en tres grupos iguales; a los valores del tercio más bajos se les asigna -1 mientras que al tercio más alto 1 y aquellos valores intermedios 0. En la primera etapa la variable instrumental Z se convierte en la variable independiente y el logaritmo natural del AV es la variable dependiente. La segunda etapa consiste en usar los valores pronosticados de la primera etapa como variable independiente en el valor de mercado como dependiente, como se presenta en las ecuaciones 10 y 11. Para determinar la inequidad se utiliza el coeficiente a₁; si el coeficiente es mayor a 1 y es estadísticamente significativo indica que el sistema es regresivo. Mientras que un valor menor a 1 y estadísticamente significativo significa una estructura progresiva.

(10) 1a etapa

(11) 2a etapa

^{Sunderman y sus coautores (1990)} proponen un modelo que incorpora una estructura diferenciada del mercado inmobiliario. La novedoso del método es que el mercado inmobiliario lo segmenta en tres grupos (alto, medio y bajo) con variables dicotómicas (1 y 0). Posteriormente se agrega una variable como un factor interactivo para evaluar si el intercepto de los valores altos y bajos son diferentes al valor medio o grupo de referencia (ecuación 12).

(12)

Donde:

L= valores bajos

H= valores altos

LS (valor de venta del grupo bajo, cero si no pertenece)

LH (valor de venta del grupo alto, cero si no pertenece)

La interpretación de los coeficientes es más compleja; la prueba de hipótesis de no regresividad vertical es que a₀₀ = a₀₁ = a₀₂ = 0. Sin embargo, si a₀₀ >0, el impuesto es regresivo en el rango medio del mercado. Si a₀₀ < 0 el impuesto es progresivo en el rango medio. Los coeficientes para H y L solamente nos dicen si el intercepto de los rangos alto y bajo son diferentes al rango de referencia o medio (^{Sirmans et al, 1995}).

4. Datos y aspectos metodológicos

Ciudad Juárez, en las últimas tres décadas (1980-2010), experimentó un proceso de desarrollo urbano acelerado a raíz de la inversión extranjera directa (IED) en la forma de maquiladora o plantas ensambladoras de capital casi cien por ciento extranjero. Esta IED generó empleo y con ello altas tasas de migración, reflejándose en el crecimiento de la población y la mancha urbana; la población creció, en términos absolutos, de 567,000 habitantes a 1,300,000 de 1980 a 2005; la mancha urbana de 9,300 a 31,246 hectáreas (^{Fuentes-Flores, 2001}).

El crecimiento de la mancha urbana ha generado la necesidad de mejorar no solamente los procesos de gestión del desarrollo urbano, sino también la de modernizar el sistema catastral para mantener actualizados los valores del suelo y, de esa manera, captar recursos que permitan financiar la inversión en equipamiento e infraestructura (^{Peña et al. 2012}).

La mayor parte de los estudios que analizan la equidad del impuesto predial se basan en datos individuales de las propiedades y toman en consideración el valor que el catastro asigna a la propiedad y el valor de venta de la misma; es decir, se espera contar con ambos datos de la propiedad. La accesibilidad de ambos datos no es problemático en países desarrollados tales como Estados Unidos (^{Sirmans et al., 1995}). Sin embargo, la accesibilidad de datos en países en vías de desarrollo es más problemático dado que la información de ventas es escasa o inaccesible. La información sobre las transacciones que los catastros tienen, si existe, están subvaluadas ya que los compradores y vendedores tienen el incentivo de dar información incorrecta que les favorezca para propósitos gravables.

Este estudio se basa en dos fuentes de información: una es la oficina local de catastro y datos del valor de las propiedades en la que se basan para determinar el impuesto predial. Se consideraron 427 predios para este estudio. Esta fuente de información se utilizó para generar los datos de valuación o estimados (AV) que en los diferentes modelos emplean; la otra fuente en venta en los anuncios clasificados es el periódico local El Diario y los sitios de internet de las diferentes empresas de bienes raíces donde se integren.

Los datos sobre el valor de mercado ($V en los modelos) se basan en información del 2011; se recolectaron datos de 427 propiedades.¹

Es importante clarificar que los datos de propiedades de catastro (AV) y los anuncios de venta o mercado ($V) no son los mismos; esto plantea el problema de cómo comparar dos datos disimiles. Los sistemas de información geográfica (SIG) y análisis espacial son una herramienta importante para resolver el problema de contar con fuentes de información diferente. Kriging Ordinario (KO) es una herramienta de análisis espacial, del paquete ArcMap 9.3, que permite resolver el problema de los datos. El KO permite transformar información cartográfica de puntos (x, y) a polígonos de superficie. El KO se basa una técnica de interpolación para hacer pronósticos de valores de datos que no se conocen con base en otros datos, utilizando el concepto de vecinos cercanos y la distancia inversa ponderada (^{Smith de et al. 2007}). Un principio básico de la correlación espacial, basada en la ley de Tobler, es que todo está correlacionado; sin embargo, existe mayor similitud entre las cosas más cercanas; esto significa que el mejor pronóstico del valor de una propiedad es aquél de la propiedad vecina. El método de Krigin Ordinario (KO) se basa en este principio espacial para el pronóstico de los valores de la propiedad, además, es apropiado para datos de tendencias que estiman parámetros en un punto de tiempo, mientras que el Krigin Universal lo es más para datos de superficie dinámica y estudio de tendencias.

El proceso metodológico se explica de mejor manera en el diagrama que a continuación se presenta (Figura 1). El proceso inicia con datos de diferentes fuentes en la forma de puntos de localización de las viviendas basado en ordenadas y coordenadas (x, y). El siguiente paso es aplicar la técnica de KO para transformar los datos (catastrales y venta) de puntos (x, y) a polígonos, tomando como base el mapa de unidades espaciales de los distritos que maneja la oficina de catastro de Ciudad Juárez. Los datos de catastro (AV) y los datos de los anuncios de precios de venta ($V) se unen utilizando la unidad espacial de los distritos de catastro. Finalmente, se procede al análisis estadístico y econométrico. En resumen, la unidad de análisis de equidad no es el predio individuales sino las unidades espaciales o distritos de catastro (N= 299). Los datos AV son el valor pronosticado o promedio de la unidad espacial de cada distrito o unidad catastral. El análisis parte del supuesto que los distritos son unidades espaciales homogéneas; en términos generales los datos se comportan de tal manera por lo que el análisis tiene validez.

Fuente: elaboración propia.

Figura 1 Proceso metodológico. 

5. Resultados

La Figura 2 muestra los resultados obtenidos una vez que se calcularon ambos valores: catastral (AV) y precio de venta o mercado ($V). Los valores en el mapa son el porcentaje que representa el valor catastral con respecto al precio de venta. Los datos más claros representan una subvaluación mientras que los datos más oscuros son datos sobrevaluados por el catastro. Mientras más cercano a uno el valor indica que el valor catastral y el precio de venta se aproximan (colores grises). Cada polígono en el mapa representa una unidad espacial que la oficina de catastro usa para propósitos propios.

Fuente: elaboración propia.

Figura 2 Valores unidades catastrales. 

Es importante señalar que los datos subvaluados se localizan en su mayoría en la parte norponiente de la ciudad, mientras que los más sobrevalorados se localizan agrupados en diferentes zonas de la ciudad. La explicación es que la zona norponiente se desarrolló en sus orígenes con asentamientos irregulares, pero con el paso de los años han existido mejoras a un ritmo más acelerado que la capacidad de los sistemas catastrales para actualizar sus valores. Los sobrevalorados no se pueden entender sin tomar en cuenta que el año de los datos de precios de venta es 2011, justo cuando la ciudad enfrenta un fenómeno de violencia sin precedentes a causa de la lucha de los carteles de la droga por controlar el flujo en esa zona.

Esas zonas pueden considerarse estables, con habitantes de clase media y alta que, en el contexto de la violencia, emigraron a la ciudad vecina en El Paso, Texas en Estados Unidos o salieron de la ciudad al interior de México ofertando las viviendas a un precio muy por debajo del mercado en condiciones normales. Los catastros siguen evaluando las propiedades sin tomar en cuenta estos factores, lo que implica una consecuente sobrevaloración.

En el Cuadro 1 se muestran las estadísticas descriptivas de ambas variables de interés que son el valor catastral (AV) y el precio de venta ($V) de las unidades espaciales catastrales. Uno de los aspectos importantes a destacar es que el rango de valores es mayor en los datos de precios de venta en comparación con los valores catastrales. Segundo, la media aritmética de los valores de precio de venta es superior al del valor catastral; los valores catastrales son inferiores en 20 por ciento. Esta diferencia no es inusual, ya que los valores catastrales son estimadores del precio de mercado por lo que siempre existirá un mayor error. En total existen 379 unidades espaciales; sin embargo, para propósito de análisis excluimos los extremos por las razones anteriormente expuestas de la sub y sobrevaloración, se enfocan entonces las unidades (299) más estables en términos de sus valores. Este procedimiento aumentó el valor del coeficiente de determinación de 10% a aproximadamente 50% (Cuadro 2).

Cuadro 1 Estadísticos descriptivos. 

Fuente: elaboración propia.

Cuadro 2 Resultados de los modelos. 

Fuente: adaptado de ^{Sirmans et al. 1995}. *significativo al nivel .05, **significativo al nivel .01.

El Cuadro 2 muestra los resultados de los diferentes modelos que se discutieron previamente y que se consideran como los más avanzados para poner a prueba la hipótesis de regresividad en el sistema del impuesto predial. A continuación se discuten los aspectos más importantes a destacar a partir de los resultados de los modelos.

El primer aspecto a destacar y discutir es el coeficiente de determinación o mejor conocido como R cuadrada. Estudios en países avanzados que han replicado los mismos modelos en otros lugares encuentran R cuadradas cercanas a 1 que significa que los modelos tienen un mínimo de error. Por ejemplo, ^{Sirmans y coautores (1995)} en el contexto de Miami, Florida encuentra R cuadradas superiores a 90 por ciento; ^{Allen (2003)} en el caso de Fort Lauderdale, Florida encuentra R cuadradas que van de un mínimo de 4,4% para el modelo IAAO a un máximo de 90% para el modelo de Cheng. Los resultados para Ciudad Juárez encuentran consistencia, dado que el modelo IAAO tiene una R cuadrada de 10% que es la más baja y 52% para el caso del modelo de ^{Sunderman et al. (1990)}; el coeficiente de determinación es consistente alrededor del 50 por ciento.

La diferencia en el coeficiente de determinación entre los casos de países avanzados y el que aquí se estudia se explica en gran medida por la calidad de los sistemas catastrales; los valores de catastros en Estados Unidos en términos generales son una buena proxy de los precios de venta o mercado, en gran parte esa eficiencia se debe a que la información es accesible y los catastros son más profesionales y efectivos. En el caso de Ciudad Juárez los valores catastrales y los valores de precios de venta o mercado presentan un mayor error, lo que significa que se necesita un mayor esfuerzo para mejorar la valuación inmobiliaria y del suelo por medio de la modernización catastral y los métodos de valuación.

Un segundo aspecto a destacar es el resultado con respecto a la hipótesis de regresividad en el sistema predial. De manera consistente, con excepción del modelo de Clapp, las pruebas de hipótesis indican que en Ciudad Juárez la estructura del impuesto predial es de tipo regresivo. Es decir, la estructura es inequitativa dado que los segmentos altos reciben un mejor trato que los segmentos bajos en términos proporcionales o relativos. Con base en los resultados se rechaza la hipótesis de trabajo de no regresividad por la hipótesis alternativa de regresividad. El modelo de ^{Sunderman et al (1990)} es aún más ilustrativo, dado que indica que los segmentos medios² son los que mayor carga impositiva pagan comparado con los segmentos bajos y altos.

Un tercer aspecto importante a destacar es una debilidad en los modelos, ya que miden la regresividad a partir de la comparación entre los valores de catastro y los valores de ventas. Si existe una diferencia significativa, entonces se asume que los impuestos no son los adecuados o están sujetos a errores, además, se parte del supuesto que los valores de catastro determinan el nivel de impuesto. Sin embargo, lo ideal sería saber el valor del pago del impuesto y contrastarlo, ya sea con el valor de catastro o de venta, para ver si existe regresividad. Un sistema progresivo sería aquél cuya tasa es mayor en aquellos segmentos cuya propiedad es más valorada.

A continuación se pone a prueba otro modelo para determinar la regresividad a partir del cálculo del impuesto predial utilizando la fórmula que el municipio de Juárez emplea para determinar el impuesto predial (Cuadro 3). Para cada unidad de análisis catastral se calculó el impuesto potencial aplicando la fórmula del Cuadro 3. Esto ofrece una proxy del impuesto y una estimación de la tasa del mismo.

Cuadro 3 Tabla para cálculo del impuesto predial 2011. 

Impuesto = (calificación real - cuota fija de valor) * tasa/1000 + cuota fija de impuesto.

Fuente: elaboración propia con base en Ley de Catastro del estado de Chihuahua 1995, modificada en 2008, (^{Gobierno del estado de Chihuahua, 2008}).

El modelo es el siguiente:

(13)

Donde

T = impuesto

AV= valor catastral

AV² = valor catastral al cuadrado

Ln = logaritmo natural

La hipótesis que se pone a prueba de no regresividad es que a₂ > 0. El coeficiente a₁ simplemente indica la tasa efectiva de impuesto, mientras que el coeficiente a₂ mide si la tasa aumenta conforme el valor catastral se incrementa. Se utilizan ambos logaritmos para interpretar los coeficientes como la elasticidad o el cambio porcentual (Cuadro 4).

Cuadro 4 Resultados deñ modelo 13. 

a.Dependent Variable: LnIMPUESTO R cuadrado = 1

Fuente: elaboración propia con base en los datos de las tablas de valores de la Ley de Catastro (ver Figura 3).

La Figura 3 presenta en términos porcentuales el impuesto y cómo se distribuye en la ciudad. Esto nos dará un mejor panorama de la regresividad y su distribución espacial. Los datos dividen la ciudad en cuatro grupos o cuartiles; los datos son la proporción del impuesto que se paga con respecto al valor catastral de la zona. La parte poniente, -colores claros-, es la que menos paga y el norponiente, -colores obscuros-, la que más paga, proporcionalmente hablando con respecto al valor catastral.

Fuente: elaboración propia.

Figura 3 Proporción del impuesto predial respecto al valor catastral. 

Los resultados del modelo indican (Cuadro 4) una progresividad según la hipótesis de ^{Paglin y Fogarty (1972)}, ya que el intercepto no es 0 y estadísticamente significativo. Las zonas cuyos valores son inferiores en un cierto rango están exceptuadas del impuesto. Sin embargo, a partir de cierto rango es importante saber si las zonas cuyo valor catastral es más alto pagan un impuesto progresivo. El modelo no puede rechazar la hipótesis de regresividad. El parámetro a₂ es negativo (-.024) y significativo. Esto indica una tasa decreciente conforme los valores catastrales aumentan; es decir, si el valor catastral aumenta 1% la tasa marginal del impuesto disminuye en 0,024 por ciento.