Autor(es): Batista, Paulo Ricardo Lopes
Data: 2010
Identificador Persistente: http://hdl.handle.net/10773/3640
Origem: RIA - Repositório Institucional da Universidade de Aveiro
Assunto(s): Planeamento urbano; Habitação; Mercado imobiliário; Econometria; Armazenamento de dados; Recuperação da informação
A teoria que sustenta o conceito de preço hedónico permitiu desenvolver uma ferramenta econométrica, simples e eficiente, para estudar o tema habitação a partir da informação associada às transacções no mercado. O desafio, associado à aplicação destes modelos, baseia-se na dificuldade de identificar, a partir dos volumes da informação actualmente existente, quais os atributos efectivamente determinantes para o processo de formação do valor de mercado. A incapacidade de incorporar todos os atributos de uma habitação num modelo explicativo do preço não se deve, exclusivamente, às dificuldades e deficiências já conhecidas do funcionamento de mercado. As fontes de informação tradicionais têm disponibilidades de informação limitadas, reservando um papel chave ao conhecimento prévio do investigador. Este conhecimento é fundamental para o desafio de produzir nova informação ou de a recolher, a partir de dados existentes. Neste desafio, recentes técnicas de análise de dados, fornece ferramentas que complementam a recolha e selecção de atributos relevantes por parte de cada investigador. A partir dos dois casos de estudo apresentados, pode concluir-se que a utilização de ferramentas de data mining permite reduzir, de forma mais eficiente que a utilização exclusiva de conhecimento empírico do investigador, o número de atributos necessários para explicitar a formação do preço da habitação. Com a utilização destas ferramentas de análise de dados, a capacidade explicativa dos modelos, que identificam os determinantes do preço, não é afectada de forma substancial. Em muitos casos é possível melhorar a capacidade explicativa, pela eliminação de atributos que introduzem ruído e inconsistências no modelo econométrico. Noutros casos, demonstra-se que em problemas com maior complexidade, permite reduzir o número de atributos sem uma perda significativa de capacidade explicativa.
The theory, behind the concept of hedonic price, enabled the development of a simple and efficient econometric tool. The challenge in applying hedonic models can be summarized in the identification of the attributes that are crucial to the market value. The inability to incorporate all dwelling’s attributes is not solely due to the difficulties and deficiencies associated with market operations. The traditional sources of information are limited. Prior knowledge plays a key role in the researcher’s work. This is fundamental in the challenge of producing new information and collecting available data. Recent techniques of data analysis provide new tools for collecting and selecting tasks. From the case studies analysed, it is possible to conclude that data mining tools, with focus on the task of feature selection, allow to reduce the number of attributes needed to explain house prices. The explanatory power of hedonic models is not substantially affected, by the use of a less number of attributes. In many cases, you can improve the explanatory power by eliminating attributes that introduce noise and inconsistencies in the econometric model. Concerning more complex problems, new selection algorithms allow reducing the number of required attributes, without a significant loss of the explanatory power.
