Аннотация
Эта статья сравнивает альтернативные методы учёта пространственной зависимости при прогнозировании цен на жилье. Мы рассматриваем гедонистические методы, которые были описаны в литературе, как хорошие в плане точности прогнозирования на прошлых данных. Поскольку разница в производительности может быть из-за различий в данных, мы сравниваем методы, используя единый набор данных. Методы оценки включают в себя простые МНК, а также двухступенчатые алгоритмы, включающие остатки ближайших соседей на втором этапе, геостатистические модели и модели поверхностных тенденций. Эти модели учитывают субрынке добавлением фиктивных переменных или путем оценки отдельных уравнений для каждого субрынка. Субрынки определены на разных уровнях агрегации. Мы пришли к выводу, что геостатистическая модель с разбивкой переменных субрынка лучше.
Abstract
This paper compares alternative methods for taking spatial dependence into account in house price prediction.
We select hedonic methods that have been reported in the literature to perform relatively well in terms of ex-sample prediction accuracy.
Because differences in performance may be due to differences in data, we compare the methods using a single data set. The estimation methods include simple OLS, a two-stage process incorporating nearest neighbors’ residuals in the second stage, geostatistical, and trend surface models. These models take into account submarkets by adding dummy variables or by estimating separate equations for each submarket. Submarkets are defined at different levels of aggregation. We conclude that a geostatistical model with disaggregated submarket variables performs best.
Статья на ideas.repec.org: ссылка
Полный текст: ссылка