Investigación original

Qué mueve realmente al inversionista de Punta Cana

Estos hallazgos provienen del primer estudio doctoral sobre el comportamiento del inversionista en Punta Cana: un modelo que explicó el 57.4% de la intención de inversión. No es opinión. Es evidencia.

Saber más

Mira el video: un resumen de la investigación en 3 minutos

Un estudio doctoral, no una encuesta de ventas

Cómo se hizo la investigación

Los hallazgos de esta plataforma provienen de una investigación doctoral sobre qué mueve realmente la decisión de invertir en bienes raíces en Punta Cana. El estudio encuestó a inversionistas reales y compradores potenciales, y luego analizó sus respuestas con PLS-SEM, un método de modelado de ecuaciones estructurales que se usa en la investigación conductual seria para medir cómo influyen distintos factores en una decisión, y con qué fuerza.

El marco amplía la Teoría del Comportamiento Planificado de Ajzen, el modelo más consolidado de la investigación conductual para explicar decisiones intencionales. Además de los factores clásicos, el modelo incorporó las fuerzas que pesan específicamente en un mercado de inversión turística: percepción de riesgo, incentivos fiscales, exceso de confianza, comportamiento de rebaño y sostenibilidad.

El resultado es un modelo que explicó el 57.4% de la intención de inversión y resistió pruebas predictivas fuera de muestra, un resultado sustantivo para la investigación conductual. En palabras simples: no son opiniones sobre lo que quieren los inversionistas. Son hallazgos medidos y validados estadísticamente sobre lo que mueve la decisión.

Método: PLS-SEM con bootstrapping y validación PLSpredict. Base teórica: Teoría del Comportamiento Planificado extendida (Ajzen, 1991).

Saber más

INVESTIGACIÓN ORIGINAL

Qué mueve realmente al inversionista de Punta Cana

de la intención de inversión explicada por el modelo
0 %
Actitud hacia el mercado (β = 0.363)
# 1
factores conductuales y económicos puestos a prueba
8
estudio doctoral sobre el comportamiento del inversionista en Punta Cana
1 .er

La actitud mueve la decisión. La evaluación global que hace el inversionista de Punta Cana como oportunidad es, por sí sola, el predictor más fuerte de si invierte o no (β = 0.363), más que la presión social, el exceso de confianza o el control percibido.

Los incentivos fiscales funcionan porque generan confianza. Los beneficios tipo CONFOTUR no solo ahorran dinero: moldean una actitud favorable que, a su vez, impulsa la intención. El beneficio fiscal es tan psicológico como financiero.

La conciencia del riesgo forma mejores inversionistas, no inversionistas asustados. Percibir el riesgo no paralizó a los inversionistas: construyó una actitud más informada y una mayor sensación de control (β = 0.570). Los inversionistas que entienden los riesgos se involucran con más criterio.

Lo que no mueve la decisión. La presión social, el comportamiento de rebaño, el exceso de confianza e incluso el atractivo de la sostenibilidad no mostraron un efecto directo significativo. El inversionista de Punta Cana decide por sustancia, no por ruido.

Súmate a nuestra investigación

Tu aporte importa. Al contribuir nos ayudas a reunir información valiosa que dará forma al futuro de la inversión inmobiliaria en Punta Cana. Comparte tus experiencias y conocimientos.

Al enviar este formulario, aceptas nuestros términos y condiciones.

Preguntas frecuentes

Respuestas a las dudas clave sobre el proceso de inversión.
P: ¿Qué es exactamente esta investigación?

R: Es un estudio doctoral que examina qué mueve la decisión de invertir en bienes raíces en Punta Cana. Encuestó a inversionistas y compradores potenciales y analizó sus respuestas con PLS-SEM, un método de ecuaciones estructurales usado en la investigación conductual seria. El modelo explicó el 57.4% de la intención de inversión, un resultado sustantivo para un estudio sobre la toma de decisiones humana.

R: Que la actitud (la evaluación global que hace el inversionista de Punta Cana como oportunidad) es el impulsor directo más fuerte de si invierte o no (β = 0.363), por delante de la presión social, el control percibido o el exceso de confianza. En palabras simples: la gente invierte cuando cree de verdad en la oportunidad, no porque otros lo estén haciendo.

R: No en este estudio, y eso nos sorprendió incluso a nosotros. En lugar de paralizar a los inversionistas, percibir el riesgo se asoció con una actitud más informada y una mayor sensación de control sobre el proceso (β = 0.570 sobre el control percibido). Los inversionistas que se enfrentan a los riesgos tienden a decidir con más criterio, no con menos.

R: Un peso significativo, pero indirecto. Los incentivos fiscales no impulsaron la intención por sí solos; moldearon una actitud más favorable, que a su vez impulsó la intención. El beneficio fiscal funciona en parte como una señal psicológica de que el mercado es una oportunidad legítima y respaldada, no solo un renglón de ahorro.

R: Varios que la gente da por decisivos. La presión social (normas subjetivas), el comportamiento de rebaño, el exceso de confianza e incluso el atractivo de la sostenibilidad no mostraron un efecto directo significativo sobre la intención de inversión. El inversionista de Punta Cana de este estudio decidió por sustancia, no por ruido ni por lo que hacían los demás.

P: ¿Cómo se validaron los hallazgos?

R: Además de explicar los datos, el modelo se sometió a pruebas de capacidad predictiva con PLSpredict y CVPAT, métodos que verifican si un modelo puede anticipar resultados en casos con los que no fue construido. El modelo resistió, con una fuerte relevancia predictiva para la intención de inversión (Q² = 0.457). Son resultados medidos y validados, no opiniones.

R: Amplía la Teoría del Comportamiento Planificado (Ajzen, 1991), el marco más consolidado de la investigación conductual para explicar decisiones intencionales. Además de sus factores clásicos, el modelo incorporó fuerzas propias de un mercado de inversión turística: percepción de riesgo, incentivos fiscales, exceso de confianza, comportamiento de rebaño y sostenibilidad.

R: Porque te dice qué mueve de verdad una decisión sólida en este mercado, y qué es solo ruido. Esos hallazgos son la razón por la que esta plataforma se centra en reducir tu riesgo real y aclarar el panorama fiscal, en lugar de empujar urgencia o prueba social. La investigación valida el enfoque: los inversionistas informados deciden mejor.

 

R: Es una tesis doctoral, realizada bajo supervisión académica, defendida y aprobada, por un corredor inmobiliario con licencia que no tiene ninguna propiedad que venderte. Esa independencia es la clave: el objetivo de la investigación, y de esta plataforma, es inteligencia objetiva, no un discurso de ventas.

 

R: En esta página encontrarás un resumen de la metodología y los hallazgos, y la lista completa de referencias se publica aquí por transparencia. Si quieres profundizar en el modelo o en los datos, [join the briefing] y compartiremos más a medida que la investigación se convierta en análisis continuos para inversionistas.

Referencias

Los hallazgos de este sitio se apoyan en 60 fuentes académicas y revisadas por pares.

  1. Abdallah, M. H. I., Al-Tamimi, H. A. H., & Duqi, A. (2021). Real estate investors’ behaviour. Qualitative Research in Financial Markets, 13(5), 728-744. https://doi.org/10.1108/QRFM-06-2019-0071
  2. Afshardoost, M., & Eshaghi, M. S. (2020). Destination image and tourist behavioural intentions: A meta-analysis. Tourism Management, 81, Artículo 104154. https://doi.org/10.1016/j.tourman.2020.104154
  3. Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-T
  4. Al-Nahdi, T. S., Nyakwende, E., Banamah, A. M., & Jappie, A. A. (2015). Factors affecting purchasing behavior in real estate in Saudi Arabia. International Journal of Business and Social Science, 6(2), 113-125.
  5. Ayodele, T. O., & Olaleye, A. (2022). Fundamental sources of uncertainty in real estate development: Perspectives from an emerging market. International Journal of Construction Management, 22(14), 2775-2787. https://doi.org/10.1080/15623599.2020.1827182
  6. Banco Central de la República Dominicana. (2023). Informe económico anual.https://www.bancentral.gov.do
  7. Barber, B. M., & Odean, T. (2001). Boys will be boys: Gender, overconfidence, and common stock investment. The Quarterly Journal of Economics, 116(1), 261-292.https://doi.org/10.1162/003355301556400
  8. Blonigen, B. A., & Davies, R. B. (2004). The effects of bilateral tax treaties on U.S. FDI activity. International Tax and Public Finance, 11, 601-622. https://doi.org/10.1023/B:ITAX.0000036693.32618.00
  9. Bosnjak, M., Ajzen, I., & Schmidt, P. (2020). The theory of planned behavior: Selected recent advances and applications. Europe’s Journal of Psychology, 16(3), 352-356.https://doi.org/10.5964/ejop.v16i3.3107
  10. Brunnermeier, M. K., & Julliard, C. (2008). Money illusion and housing frenzies. The Review of Financial Studies, 21(1), 135-180.https://doi.org/10.1093/rfs/hhm043
  11. Chiang, T. C., & Zheng, D. (2010). An empirical analysis of herd behavior in global stock markets. Journal of Banking & Finance, 34(8), 1911-1921.https://doi.org/10.1016/j.jbankfin.2009.12.014
  12. Christensen, P. H., Robinson, S. J., & Simons, R. A. (2022). Institutional investor motivation, processes, and expectations for sustainable building investment. Building Research & Information, 50(3), 276-290. https://doi.org/10.1080/09613218.2021.1908878
  13. Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2.ª ed.). Lawrence Erlbaum Associates. https://books.google.com/books?id=2v9zDAsLvA0C
  14. Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5.ª ed.). SAGE Publications.
  15. Dang, V. H., & Bui, H. V. (2022). Predicting intention to buy real estate for investment in Da Lat city, Vietnam, with an extended theory of planned behavior. Science & Technology Development Journal, 25(2), 2418-2423.https://doi.org/10.32508/stdj.v25i2.3296
  16. Delmendo, L. C. (2024). Dominican Republic’s residential property market analysis 2024. Global Property Guide.https://www.globalpropertyguide.com/latin-america/dominican-republic/price-history
  17. Dunning, J. H., & Lundan, S. M. (2008). Multinational enterprises and the global economy (2.ª ed.). Edward Elgar Publishing.
  18. Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley.
  19. Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50.https://doi.org/10.2307/3151312
  20. Global Property Guide. (2025). Dominican Republic’s property market analysis 2025. https://www.globalpropertyguide.com/latin-america/dominican-republic/price-history
  21. Grum, B., & Kobal Grum, D. (2015). A model of real estate and psychological factors in decision-making to buy real estate. Urbani Izziv, 26(1), 82-91.https://doi.org/10.5379/urbani-izziv-en-2015-26-01-002
  22. Gumasing, M. J. J., & Niro, R. H. A. (2023). Antecedents of real estate investment intention among Filipino Millennials and Gen Z: An extended theory of planned behavior. Sustainability, 15(18), 13714.https://doi.org/10.3390/su151813714
  23. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A primer on partial least squares structural equation modeling (PLS-SEM) (2.ª ed.). SAGE Publications.
  24. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A primer on partial least squares structural equation modeling (PLS-SEM) (3.ª ed.). SAGE Publications.
  25. Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report PLS-SEM. European Business Review, 31(1), 2-24.https://doi.org/10.1108/EBR-11-2018-0203
  26. Henseler, J., Hubona, G., & Ray, P. A. (2016). Using PLS path modeling in new technology research: Updated guidelines. Industrial Management & Data Systems, 116(1), 2-20.https://doi.org/10.1108/IMDS-09-2015-0382
  27. Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115-135.https://doi.org/10.1007/s11747-014-0403-8
  28. Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least squares path modeling in international marketing. Advances in International Marketing, 20, 277-319.https://doi.org/10.1108/S1474-7979(2009)0000020014
  29. Hernández-Sampieri, R., & Mendoza Torres, C. P. (2023). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta (2da ed.). McGraw-Hill Interamericana.
  30. Judge, M., Warren-Myers, G., & Paladino, A. (2019). Using the theory of planned behaviour to predict intentions to purchase sustainable housing. Journal of Cleaner Production, 215, 259-267.https://doi.org/10.1016/j.jclepro.2019.01.029
  31. Kabir, S., Jamal, Z. B., & Kairy, B. (2023). How much to invest for house purchase? The consumer purchase intention perspective of real estate investment decision. International Journal of Housing Markets and Analysis, 17(4), 881-898.https://doi.org/10.1108/IJHMA-10-2022-0151
  32. Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263-291.https://doi.org/10.2307/1914185
  33. Kock, N., & Lynn, G. S. (2012). Lateral collinearity and misleading results in variance-based SEM: An illustration and recommendations. Journal of the Association for Information Systems, 13(7), 546-580. https://doi.org/10.17705/1jais.00302
  34. Liengaard, B. D., Sharma, P. N., Hult, G. T. M., Jensen, M. B., Sarstedt, M., Hair, J. F., & Ringle, C. M. (2021). Prediction: Coveted, yet forsaken? Introducing a cross-validated predictive ability test in partial least squares path modeling. Decision Sciences, 52(2), 362-392.https://doi.org/10.1111/deci.12445
  35. Lieser, K., & Groh, A. P. (2014). The determinants of international commercial real estate investment. Journal of Real Estate Finance and Economics, 48(4), 611-659. https://doi.org/10.1007/s11146-012-9401-0
  36. Lynn, M. R. (1986). Determination and quantification of content validity. Nursing Research, 35(6), 382-385. https://scispace.com/pdf/determination-and-quantification-of-content-validity-2xqxi6h2xb.pdf
  37. Ma, K. V., Dang, N. T., & Bui, H. T. M. (2023). Predicting the determinants of investors’ intention to purchase tourism real estate property: An extended TCP approach. Review of Integrative Business and Economics Research, 12(4), 102-117.
  38. Murray, C., Ween, C., Torres-Romero, Y., & Ramirez, Y. (2020). Real estate in Central America, Mexico and the Caribbean. Routledge.
  39. Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3.ª ed.). McGraw-Hill.
  40. Olapade, D. T., Ayodele, T. O., & Olaleye, A. (2018). Impediments to foreign real estate investment in an emerging market: A tripartite characterization of the Lagos, Nigeria property market. Journal of Property Investment & Finance, 36(5), 479-494. https://doi.org/10.1108/JPIF-12-2017-0084
  41. Škrabić Perić, B., Smiljanić, A. R., & Kežić, I. (2022). Role of tourism and hotel accommodation in house prices. Annals of Tourism Research Empirical Insights, 3(1), Artículo 100036.https://doi.org/10.1016/j.annale.2022.100036
  42. Polit, D. F., & Beck, C. T. (2006). The content validity index: Are you sure you know what’s being reported? Critique and recommendations. Research in Nursing & Health, 29(5), 489-497.https://doi.org/10.1002/nur.20147
  43. Poon, J. (2017). Foreign direct investment in the UK real estate market. Pacific Rim Property Research Journal, 23(3), 249-266.https://doi.org/10.1080/14445921.2017.1372038
  44. Ramasubbian, H., Priyadarsini, K., & Vasuki, M. (2018). Investment decisions in real estate: A theory of planned behavior (TPB) based approach. International Journal of Pure and Applied Mathematics, 119(17), 2377–2381. https://acadpubl.eu/hub/2018-119-17/2/196.pdf
  45. Ringle, C. M., & Sarstedt, M. (2016). Gain more insight from your PLS-SEM results: The importance-performance map analysis. Industrial Management & Data Systems, 116(9), 1865-1886.https://doi.org/10.1108/IMDS-10-2015-0449
  46. Ringle, C. M., Wende, S., & Becker, J.-M. (2024). SmartPLS 4. SmartPLS.https://www.smartpls.com
  47. Sarstedt, M., Ringle, C. M., & Hair, J. F. (2021). Partial least squares structural equation modeling. En C. Homburg, M. Klarmann, & A. Vomberg (Eds.), Handbook of market research (pp. 587-632). Springer.https://doi.org/10.1007/978-3-319-57413-4_15
  48. Sehra, S. K., Godwin, B. J., & George, J. P. (2022). Are expensive decisions impulsive? Young adults’ impulsive housing and real estate buying behavior in India. International Journal of Housing Markets and Analysis, 17(2), 266-286.https://doi.org/10.1108/IJHMA-06-2022-0090
  49. Shmueli, G., Ray, S., Velasquez Estrada, J. M., & Chatla, S. B. (2016). The elephant in the room: Predictive performance of PLS models. Journal of Business Research, 69(10), 4552-4564.https://doi.org/10.1016/j.jbusres.2016.03.049
  50. Shmueli, G., Sarstedt, M., Hair, J. F., Cheah, J.-H., Ting, H., Vaithilingam, S., & Ringle, C. M. (2019). Predictive model assessment in PLS-SEM: Guidelines for using PLSpredict. European Journal of Marketing, 53(11), 2322-2347.https://doi.org/10.1108/EJM-02-2019-0189
  51. Singh, A., Kumar, S., Goel, U., & Johri, A. (2024). Predictors of investment intention in real estate: Extending the theory of planned behavior. International Journal of Strategic Property Management, 28(6), 349-368.https://doi.org/10.3846/ijspm.2024.22234
  52. Škrabić Perić, B., Rimac Smiljanić, A., & Kežić, I. (2022). Role of tourism and hotel accommodation in house prices. Annals of Tourism Research Empirical Insights, 3(1), Artículo 100036. https://doi.org/10.1016/j.annale.2022.100036
  53. Sondari, M., & Sudarsono, R. (2015). Using theory of planned behavior in predicting intention to invest: Case of Indonesia. International Academic Research Journal of Business and Technology, 1(2), 137-141.
  54. Stylidis, D., Shani, A., & Belhassen, Y. (2017). Testing an integrated destination image model across residents and tourists. Tourism Management, 58, 184-195. https://doi.org/10.1016/j.tourman.2016.10.014
  55. Triandis, H. C. (2001). Individualism–collectivism and personality. Journal of Personality, 69(6), 907-924.https://doi.org/10.1111/1467-6494.696169
  56. Trinh, T. H. (2022). Theoretical foundations of real estate market behavior. Cogent Business & Management, 9(1), Artículo 2132590. https://doi.org/10.1080/23311975.2022.2132590
  57. Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124-1131.https://doi.org/10.1126/science.185.4157.1124
  58. Vuković, M. (2024). Generational differences in behavioral factors affecting real estate purchase intention. Property Management, 42(1), 86-104.https://doi.org/10.1108/PM-11-2022-0088
  59. Yanz, Y., & Ming, C. W. (2024). Understanding consumer decision-making in real estate: An integrative analysis using the theory of planned behavior. Journal of Digitainability, Realism & Mastery (DREAM), 3(08), 33-46. https://doi.org/10.56982/dream.v3i08.264
  60. Zhang, L., Wang, H., Tian, X., & Zhang, W. (2020). Understanding consumers’ purchase intention for brownfield redevelopment housing: An extended theory of planned behavior model. Journal of Cleaner Production, 249, 119407.https://doi.org/10.1016/j.jclepro.2019.119407