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


13

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.


1
Có vẻ như các hệ thống Đánh giá hàng loạt hỗ trợ máy tính (CAMA) sẽ cần phải làm một cái gì đó tương tự. Tôi tự hỏi làm thế nào họ xử lý nó. vi.wikipedia.org/wiki/Computer_Assisted_Mass_Appraalu
Kirk Kuykendall

Câu trả lời:


10

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 .


@whubber Liên kết đến tài liệu mô tả variography dường như đã chết. Có một cơ hội để cập nhật nó?
radek

1
Cảm ơn, @radek. Thật đáng ngạc nhiên là rất khó để tìm thấy một giải trình về biến thể trên Web mang tính giới thiệu nhưng chính xác và không chỉ là một hướng dẫn sử dụng phần mềm. Tôi tìm thấy một luận án tiến sĩ gần đây rằng - đánh giá từ sự trừu tượng và giới thiệu của nó - dường như rõ ràng và kỹ lưỡng và bắt đầu từ một điểm tương đối cơ bản.
whuber

7

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?)


3
(+1) 1,4 triệu điểm không có vấn đề gì đối với hồi quy. (Ví dụ, nỗ lực trong các thuật toán bình phương tối thiểu tỷ lệ thuận với khối lập phương của số lượng biến. Thiết lập các phương trình chỉ cần một lần quét nhanh qua tập dữ liệu.) Vấn đề thực sự là 1,4 triệu trường hợp sẽ có sự phong phú và cấu trúc chi tiết: một phân tích tốt sẽ cực kỳ tốn nhiều công sức. (Bộ dữ liệu này có thể tạo ra vô số luận án tiến sĩ về kinh tế, tôi chắc chắn.) Bí quyết do đó là làm thật nhiều công việc cần thiết để có được câu trả lời đủ chính xác và có thể phòng thủ cho nhiệm vụ trong tay.
whuber

3

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.


2
(+1) Tôi đồng ý các tài liệu về mô hình khoái lạc của giá nhà phần lớn được áp dụng cho câu hỏi này. Tôi đã gợi ý từ việc gợi ý nó mặc dù với tư cách là một cá nhân không quen thuộc với hồi quy có thể thấy công việc của tất cả những nhà kinh tế lượng học đang nản chí (tôi biết đôi khi tôi làm điều đó!) Lý thuyết khôn ngoan mặc dù nó sẽ là một tài liệu tốt để kiểm tra lãi.
Andy W
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.