किराए की कीमतों की मॉडलिंग - किस प्रक्षेप विधि का उपयोग करना है?


13

मेरे पास ~ 1,4 मिलियन घरों का राष्ट्रीय डेटासेट है। वहां मुझे किराए, आकार (कमरों और एम 2 की संख्या) और प्रत्येक घर की कुछ अतिरिक्त विशेषताओं के बारे में जानकारी है।

मैं इस डेटा का उपयोग पूरे देश के लिए किराए की कीमतों की सतह बनाने के लिए करना चाहता हूं और शेष ~ 1.5 मिलियन घरों के स्वामित्व वाले या किराए की जानकारी नहीं रखने वाले मूल्यों के आकलन के लिए एक प्रॉक्सी के रूप में इस जानकारी का उपयोग करना चाहता हूं।

सवालों के जोड़े यहाँ:

क्या इस तरह की समस्या के लिए इस तरह का दृष्टिकोण उचित है?

प्रक्षेप का कौन सा तरीका यहां उपयोग करने के लिए सबसे उपयुक्त होगा?

साथ ही, उदाहरण के लिए, घर के आकार के बारे में जानकारी लेना संभव होगा?

मैं ArcGIS 9.3 पर ArcInfo लाइसेंस के साथ हूं।


1
ऐसा लगता है कि कंप्यूटर एडेड मास मूल्यांकन (CAMA) सिस्टम को कुछ ऐसा ही करने की आवश्यकता होगी। मुझे आश्चर्य है कि वे इसे कैसे संभालते हैं। en.wikipedia.org/wiki/Computer_Assisted_Mass_Appraisal
Kirk Kuykendall

जवाबों:


10

विचार अच्छा है लेकिन प्रस्तावित कार्यान्वयन विश्वसनीय होने के लिए बहुत सरल हो सकता है। किराए आर्थिक प्रणालियों की एक संपत्ति है। स्थान से प्रभावित होने के अलावा, वे महत्वपूर्ण तरीकों से अन्य आर्थिक चर से संबंधित हैं: स्थानीय (और राष्ट्रीय) अर्थव्यवस्था की स्थिति, स्थानीय आवास की कीमतें, पूंजी की उपलब्धता, रोजगार दर, आदि। एक अच्छा काम करने के लिए आपको एक अर्थमितीय मॉडल की आवश्यकता होती है । यह कुछ स्थानिक अंतराल की शर्तों से लाभान्वित हो सकता है , लेकिन इससे पहले कि ऐसी जटिलताओं पर विचार किया जाए, आपको इनमें से कई आर्थिक सहसंयोजकों को शामिल करने की आवश्यकता है।

यह कहने के बाद, आपकी सफल होने की क्षमता आपके द्वारा किए गए डेटा और उन किराए के बीच संबंधों पर निर्भर करती है, जिनकी आप भविष्यवाणी करना चाहते हैं। यदि आपका डेटा पूरे देश का प्रतिनिधि नमूना है और भौगोलिक रूप से फैला हुआ है - एक कुकी पर घरों को किशमिश के रूप में सोचें और आपके पास कुकी में हर दूसरे किशमिश के बारे में डेटा है - तो एक अपेक्षाकृत सरल मॉडल पर्याप्त हो सकता है। यदि आपका डेटा भौगोलिक रूप से केंद्रित है - शायद आपको कुकी के दाईं ओर किशमिश के बारे में जानकारी है और आप बाईं ओर किशमिश के लिए भविष्यवाणियां करना चाहते हैं - तो समस्या अधिक कठिन है।

प्रस्थान का एक अच्छा बिंदु घरेलू विशेषताओं और सकल स्थानिक विशेषताओं (जैसे राज्य या काउंटी कर नीतियों) के लिए किराए के पारंपरिक रैखिक अर्थमितीय मॉडल को फिट करना होगा, अवशिष्टों की गणना करें, और अवशिष्टों को स्थानिक रूप से तलाशना शुरू करें ( चर का उपयोग करते हुए , स्थानिक गिरी चिकनी भौगोलिक प्रभावों को पकड़ने के लिए आदि)।

उपयुक्त सॉफ़्टवेयर आर-ऐड के रूप में उपलब्ध है ।


@whubber वैरोग्राफी का वर्णन करने वाले दस्तावेज़ का लिंक मृत प्रतीत होता है। क्या इसे अपडेट करने का मौका है?
रादेक

1
धन्यवाद, @ ब्रैडेक। वेब पर वैरोग्राफी का एक एक्सपोज़र खोजना आश्चर्यजनक रूप से कठिन है जो अभी तक सटीक है और केवल एक सॉफ्टवेयर मैनुअल नहीं है। मैंने हाल ही में पीएचडी थीसिस पाया कि - इसके सार और परिचय से देखते हुए - स्पष्ट और संपूर्ण प्रतीत होता है और अपेक्षाकृत प्रारंभिक बिंदु से शुरू होता है।
whuber

7

स्थानिक प्रतिगमन पर विषयों के लिए एक बहुत ही सौम्य परिचय के रूप में मैं अत्यधिक GeoDa कार्यपुस्तिका (अध्याय 22 से 25 सबसे अधिक ब्याज की होगी) की जाँच करने की सिफारिश करेगा। यहां तक ​​कि अगर आप सॉफ्टवेयर का उपयोग नहीं करना चाहते हैं तो यह स्थानिक प्रतिगमन का बहुत व्यापक अवलोकन है।

क्या आर्कपैम में निर्मित रिग्रेशन फ़ंक्शंस उस बहुत से डेटा को संभालेंगे (ऐसा नहीं कि किसी भी सॉफ्टवेयर में उस कई बिंदुओं के साथ एक कठिन समय होगा?)


3
(+1) 1.4 मिलियन अंक प्रतिगमन के लिए कोई समस्या नहीं है। (उदाहरण के लिए, कम से कम वर्गों के एल्गोरिदम में प्रयास, आमतौर पर चर की संख्या के घन के समानुपाती होता है समीकरणों को स्थापित करने के लिए डेटासेट के माध्यम से केवल एक तेज़ स्कैन की आवश्यकता होती है।) वास्तविक समस्या यह है कि 1.4 मिलियन मामलों में एक अमीर होगा। विस्तृत संरचना: एक अच्छा विश्लेषण अत्यंत श्रम गहन होगा। (यह डेटासेट अर्थशास्त्र में पीएचडी शोध का भार उत्पन्न कर सकता है, मुझे यकीन है।) चाल इसलिए है कि काम के लिए पर्याप्त रूप से सटीक और रक्षात्मक उत्तर प्राप्त करने के लिए केवल उतना ही काम करना है जितना आवश्यक है।
whuber

3

मैंने हेदिक मॉडलिंग का उपयोग करते हुए घर की कीमतों के लिए इसी तरह का काम देखा है। उदाहरणों के लिए http://scholar.google.com/scholar?hl=en&q=hedonic+price+geography देखें ।


2
(+1) मैं सहमत हूं कि हाउस प्राइसिंग के हेडोनिक मॉडल पर साहित्य काफी हद तक इस सवाल पर लागू होता है। मैंने इसे सुझाव देने से मना कर दिया, हालांकि एक व्यक्ति के रूप में जो प्रतिगमन से परिचित नहीं है, उन सभी अर्थशास्त्री के काम को कठिन जान सकता है (मुझे पता है कि मैं कई बार ऐसा करता हूं!) हालांकि यह बुद्धिमानी है कि यह एक अच्छा साहित्य है, विशेषकर सहसंयोजकों की जांच करने के लिए ब्याज की।
एंडी डब्ल्यू
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.