Mô hình hóa giá thuê - sử dụng phương pháp nội suy nào?

Tôi có dữ liệu quốc gia của ~ 1,4 triệu hộ gia đình. Ở đó tôi có thông tin về tiền thuê, kích thước (số phòng và m2) và một số đặc điểm bổ sung của từng hộ gia đình.

Tôi muốn sử dụng dữ liệu này để tạo ra giá thuê cho cả nước và sử dụng thông tin này như một ủy quyền để ước tính giá trị của ~ 1,5 triệu hộ gia đình đang sở hữu hoặc không có thông tin thuê.

Vài câu hỏi ở đây:

Là cách tiếp cận như vậy phù hợp cho loại vấn đề này?

Phương pháp nội suy nào sẽ phù hợp nhất để sử dụng ở đây?

Ngoài ra, có thể lấy thông tin về, ví dụ như quy mô của hộ gia đình không?

Tôi đang sử dụng ArcGIS 9.3 với giấy phép ArcInfo.

Ý tưởng là tốt nhưng việc thực hiện đề xuất có thể quá đơn giản để đáng tin cậy. Giá thuê là một tài sản của hệ thống kinh tế. Bên cạnh việc bị ảnh hưởng bởi vị trí, chúng còn liên quan đến các biến số kinh tế khác theo những cách quan trọng: tình trạng của nền kinh tế địa phương (và quốc gia), giá nhà đất địa phương, vốn khả dụng, tỷ lệ việc làm, v.v. Để làm tốt công việc bạn cần một mô hình kinh tế lượng . Nó có thể có lợi từ việc có một số thuật ngữ độ trễ không gian , nhưng trước khi các biến chứng như vậy được xem xét, bạn cần bao gồm nhiều đồng biến kinh tế này.

Phải nói rằng, khả năng thành công của bạn phụ thuộc vào mối quan hệ giữa dữ liệu bạn có và giá thuê bạn muốn dự đoán. Nếu dữ liệu của bạn là một mẫu đại diện của cả quốc gia và được phân tán theo địa lý - hãy nghĩ về những ngôi nhà như nho khô trên cookie và bạn có dữ liệu về mọi loại nho khô khác trong cookie - thì một mô hình tương đối đơn giản có thể đủ. Nếu dữ liệu của bạn tập trung về mặt địa lý - có thể bạn có thông tin về nho khô ở bên phải của cookie và bạn muốn đưa ra dự đoán cho nho khô ở bên trái - thì vấn đề khó khăn hơn.

Một điểm tốt khởi hành sẽ là để phù hợp với một mô hình kinh tế lượng tuyến tính thông thường của giá thuê đặc điểm hộ gia đình và tổng đặc điểm không gian (chẳng hạn như chính sách nhà nước hoặc thuế quận), tính dư, và bắt đầu khám phá các phần dư không gian (sử dụng variography , không gian hạt nhân smooths , v.v.) để nắm bắt các hiệu ứng địa lý.

Phần mềm phù hợp là có sẵn như là add-ons cho R .

Là một giới thiệu rất nhẹ nhàng về các chủ đề về hồi quy không gian, tôi rất khuyên bạn nên kiểm tra sổ làm việc GeoDa (chương 22 đến 25 sẽ được quan tâm nhất). Ngay cả khi bạn không muốn sử dụng phần mềm, đây là một tổng quan rất toàn diện về hồi quy không gian.

Các hàm hồi quy tích hợp trong ArcMap sẽ xử lý nhiều dữ liệu đó (không phải bất kỳ phần mềm nào cũng có thời gian khó khăn với nhiều điểm đó?)

Tôi đã thấy công việc tương tự được thực hiện cho giá nhà bằng cách sử dụng mô hình hedonic. Xem http://scholar.google.com/scholar?hl=vi&q=hedonic+price+geography để biết ví dụ.