Sólo Barcelona, San Sebastián, Madrid y Bilbao exigen un esfuerzo superior al tercio de los ingresos

El encarecimiento de la financiación ha provocado que las familias tengan que hacer un mayor esfuerzo financiero para la compra de una vivienda al tener que dedicar el 23,5% de los ingresos familiares, frente al 20,1% que necesitaban hace un año. Este fenómeno se repite en todas las provincias y capitales españolas, según se desprende de un estudio publicado por idealista realizado cruzando los precios de venta en septiembre de 2022, los costes financieros y la estimación* de ingresos familiares en esa misma fecha.

Esfuerzo por provincias

Madrid es la provincia donde más ha crecido el esfuerzo necesario para comprar una vivienda, al pasar de una tasa del 27,2% de los ingresos familiares en el tercer trimestre de 2021 al 34,5% de este año. Le siguen los incrementos de Barcelona (del 29,4% al 35,6%), Baleares (del 26% al 31,8%), Guipúzcoa (del 34% al 39,1%) y Vizcaya (del 29% al 33,8%).

En el lado opuesto, las menores subidas de la tasa de esfuerzo se encuentran en las provincias de Zamora, que pasó de exigir un 13,4% de los ingresos familiares a un 14,2% en el tercer trimestre de 2022, Lugo (del 12,6% al 13,5%) y Cuenca (del 11% al 12%).

La provincia de Guipúzcoa es la que mayor esfuerzo exige a sus ciudadanos, ya que es necesario destinar el 39,1% de los ingresos familiares al pago de la vivienda. Le siguen Barcelona, con el 35,6%, Madrid (34,5%) y Vizcaya (33,8%), todas por encima del límite marcado por los expertos. Por encima del 25% se encuentran las provincias de Baleares (31,8%), Girona (26,9%), Las Palmas (26,7%), Málaga (26,3%), Álava (26,3%) y Santa Cruz de Tenerife (25,7%),

El menor esfuerzo, en cambio, se da en la provincia de Cuenca, con el 12%. A continuación se sitúan Teruel (12,3%), Lugo (13,5%), Ciudad Real (13,5%), Jaén (13,6%) y Toledo (13,7%).

Capitales

En el caso de las capitales la tendencia es similar. La mayor subida se ha dado en Barcelona, donde ha pasado de 35,4% al 49,7% de los ingresos familiares. Le siguen los incrementos de Madrid (del 32,5% al 41,3%), San Sebastián (del 38,7% al 46,8%), Palma (del 26,3% al 33,3%), Cádiz (del 25,8% al 31,9%), Bilbao (del 31,5% al 37,3%), Málaga (del 22,6% al 27,8%), Valencia (del 21% al 26%) y Sevilla (del 21,5% al 26,1%).

La ciudad de Zamora es en la que menos ha aumentado el esfuerzo necesario para adquirir una vivienda, pasando del 14,8% al 16,1%, seguida de Cáceres, que pasa del 15,1% al 16,6%.

Solo 4 capitales exigen un esfuerzo superior al tercio de los ingresos para comprar una vivienda. Barcelona, con el 49,7%, es la que más recursos familiares absorbe, seguida por San Sebastián (46,8%), Madrid (41,3%) y Bilbao (37,3%). A continuación se sitúan Palma, que se encuentra justo en el límite (33,3%) que recomiendan los expertos, Cádiz (31,9%), Vitoria (30,3%), Ceuta (29,7%), Málaga (27,8%) y Pamplona (27,8%).

La tasa de esfuerzo más baja, por el contrario, se encuentra en Ávila (16%), Zamora (16,1%), Jaén (16,2%), Lugo (16,3%), Cáceres (16,6%), Teruel (17,1%) y Ciudad Real (17,1%).

* 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. Debido a los recientes incrementos de los tipos de interés, se ha actualizado el cálculo teniendo en cuenta el último dato publicado por el BCE.

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: renta media por hogar a nivel municipal y sección censal desde el Atlas de Distribución de Renta de los Hogares (INE, frecuencia anual 2015-2019, link), y renta media por hogar a nivel nacional y por comunidad autónoma de la Encuesta de Condiciones de Vida (INE, frecuencia anual, 2020 último año disponible, link). 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.