Machine Learning contributions to Hedonic Pricing Method: assessing heterogeneity and causal inference in willingness-to-pay

Abstract

[spa] Los modelos de precios hedónicos constituyen uno de los métodos más extendidos a la hora de realizar ejercicios de valoración ambiental. Sin embargo, investigación previa ha identificado algunas limitaciones importantes en su aplicación: falta de flexibilidad en la definición de su forma funcional y falta de robustez en cuanto a su interpretación causal. Este trabajo propone la aplicación de algoritmos de Aprendizaje Automático (Machine Learning) para superar estas limitaciones y así proveer de estimadores más robustos referentes a la disposición marginal a pagar (MWTP por sus siglas en inglés) de los individuos por bienes ambientales de interés.

[eng] Hedonic pricing models are one of the most widespread methods for conducting environmental valuation exercises. However, previous research has identified some important limitations in its application: lack of flexibility in the definition of its functional form and lack of robustness in terms of its causal interpretation. This work proposes the application of Machine Learning algorithms to overcome these limitations and, thus, to provide more robust estimators regarding the marginal willingness to pay (MWTP) of individuals for environmental goods of interest.