100% tevredenheidsgarantie Direct beschikbaar na je betaling Lees online óf als PDF Geen vaste maandelijkse kosten
logo-home
Eerder door jou gezocht
Eerder door jou gezocht
logo
Case econometrie $10.49
In winkelwagen
Snel navigeren naar
Voorbeeld
  2.  
  3. Vrije Universiteit Brussel (VUB)
  4.  
  5. Handelsingenieur
  6.  
  7. Econometrie (1019648CNR)

Case uitwerking

Case econometrie

 2 keer verkocht
  • Vak
  • Econometrie (1019648CNR)
  • Instelling
  • Vrije Universiteit Brussel (VUB)

Deze documenten bevatten alle essentiële informatie voor de case Econometrie . Ze omvatten zowel de output die tijdens het examen mag worden gebruikt als alle bijbehorende input. Daarnaast wordt een heldere uitleg gegeven over het verkrijgen van de resultaten, zodat alles duidelijk en begrijpelijk...

[Meer zien]

Voorbeeld 3 van de 19  pagina's

Document informatie

  • 7 januari 2025
  • 19
  • 2024/2025
  • Case uitwerking
  • Andres algaba en nabil bouamara
  • 7-8

Onderwerpen

  • econometrie
  • r studio
  • input en output
  • extra uitleg

Geschreven voor

  • Vrije Universiteit Brussel (VUB)
  • Handelsingenieur
  • Econometrie (1019648CNR)
Alle documenten voor dit vak (17)

Verkoper

avatar-seller
maximilienvanofferen

Voorbeeld van de inhoud

Case econometrie
Economische Literatuur

1. Rosen, S. (1974): Hedonic Prices and Implicit Markets: Product
Differentiation in Pure Competition
o Belangrijkheid: De grondlegger van de hedonische
prijsmethode. Deze paper beschrijft hoe woningkenmerken
(bijv. grootte, locatie) van invloed zijn op prijzen.
o Toepassing: Gebruik variabelen zoals lotSize, bedrooms,
bathrooms, en age als belangrijke kenmerken voor de
woningprijs.
2. Goodman, A. C., & Thibodeau, T. G. (1998): Housing market
segmentation
o Belangrijkheid: Bekijkt het belang van locatie (bijv. buurt,
nabijheid van voorzieningen) en hoe die segmentatie
woningprijzen beïnvloedt.
o Toepassing: Variabelen zoals pctCollege (percentage
bewoners met een collegeopleiding) en landValue zijn mogelijk
belangrijke controlevariabelen.
3. Gyourko, J., & Tracy, J. (1991): The Structure of Local Public
Finance and the Quality of Life
o Belangrijkheid: Onderzoekt de invloed van lokale publieke
goederen (bijv. scholen, infrastructuur) op woningprijzen.
o Toepassing: Locatie-gerelateerde variabelen zoals landValue
of dummies voor regio kunnen hierbij relevant zijn.
4. Cho, S. H., Clark, C. D., Park, W. M., & Kim, S. G. (2009):
Spatial and temporal variation in the housing market values of lot
size and open space
o Belangrijkheid: Benadrukt het belang van perceelgrootte
(lotSize) en open ruimte voor de waardering van woningen.
o Toepassing: Gebruik lotSize als een verklarende variabele,
mogelijk in interactie met locatie-gerelateerde kenmerken.



Mogelijke interactietermen

Met de variabelen in jouw model zijn er verschillende interessante
interacties die je kunt overwegen:

 landValue * livingArea: Mogelijk hebben grotere huizen meer waarde
in dure buurten.
 age * bathrooms: Oudere huizen kunnen meer waard zijn als ze meer
badkamers hebben.
 rooms * heating: De verwarmingsmethode kan belangrijker zijn in
huizen met meer kamers.

,  newConstruction * livingArea:
Nieuwbouw met grotere
woonoppervlakte kan een hogere waarde hebben.




m1 <- c(
+ mean(sampled_data$log_price, na.rm = TRUE),
+ mean(sampled_data$lotSize, na.rm = TRUE),
+ mean(sampled_data$age, na.rm = TRUE),
+ mean(sampled_data$landValue, na.rm = TRUE),
+ mean(sampled_data$livingArea, na.rm = TRUE),
+ mean(sampled_data$pctCollege, na.rm = TRUE),
+ mean(sampled_data$bedrooms, na.rm = TRUE),
+ mean(sampled_data$fireplaces, na.rm = TRUE),
+ mean(sampled_data$bathrooms, na.rm = TRUE),
+ mean(sampled_data$rooms, na.rm = TRUE),
+
+ # Categorische variabelen: percentage berekenen (bijv. percentage
"Ja"/"1")
+ mean(as.numeric(sampled_data$heating == "hot air"), na.rm =
TRUE),
+ mean(as.numeric(sampled_data$fuel == "gas"), na.rm = TRUE),
+ mean(as.numeric(sampled_data$sewer == "public/commercial"),
na.rm = TRUE),
+ mean(as.numeric(sampled_data$waterfront == "Yes"), na.rm =
TRUE),
+ mean(as.numeric(sampled_data$newConstruction == "Yes"), na.rm =
TRUE),
+ mean(as.numeric(sampled_data$centralAir == "Yes"), na.rm = TRUE)
+)
>
> m2 <- c(median(sampled_data$log_price),
median(sampled_data$lotSize), median(sampled_data$age),
median(sampled_data$landValue), median(sampled_data$livingArea),
median(sampled_data$pctCollege), median(sampled_data$bedrooms),
median(sampled_data$fireplaces), median(sampled_data$bathrooms),
median(sampled_data$rooms), median(as.numeric(sampled_data$heating
== "hot air"), na.rm = TRUE), median(as.numeric(sampled_data$fuel ==
"gas"), na.rm = TRUE), median(as.numeric(sampled_data$sewer ==
"public/coomercial"), na.rm = TRUE),
median(as.numeric(sampled_data$waterfront == "Yes"), na.rm = TRUE),
median(as.numeric(sampled_data$newConstruction == "Yes"), na.rm =
TRUE), median(as.numeric(sampled_data$centralAir == "Yes"), na.rm =
TRUE))
> m3 <- c(min(sampled_data$log_price), min(sampled_data$lotSize),
min(sampled_data$age), min(sampled_data$landValue),
min(sampled_data$livingArea), min(sampled_data$pctCollege),
min(sampled_data$bedrooms), min(sampled_data$fireplaces),

, min(sampled_data$bathrooms), min(sampled_data$rooms),
min(as.numeric(sampled_data$heating == "hot air"), na.rm = TRUE),
min(as.numeric(sampled_data$fuel == "gas"), na.rm = TRUE),
min(as.numeric(sampled_data$sewer == "public/commercial"), na.rm =
TRUE), min(as.numeric(sampled_data$waterfront == "Yes"), na.rm =
TRUE), min(as.numeric(sampled_data$newConstruction == "Yes"), na.rm
= TRUE), min(as.numeric(sampled_data$centralAir == "Yes"), na.rm =
TRUE))
> m4 <- c(max(sampled_data$log_price), max(sampled_data$lotSize),
max(sampled_data$age), max(sampled_data$landValue),
max(sampled_data$livingArea), max(sampled_data$pctCollege),
max(sampled_data$bedrooms), max(sampled_data$fireplaces),
max(sampled_data$bathrooms), max(sampled_data$rooms),
max(as.numeric(sampled_data$heating == "hot air"), na.rm = TRUE),
max(as.numeric(sampled_data$fuel == "gas"), na.rm = TRUE),
max(as.numeric(sampled_data$sewer == "public/commercial"), na.rm =
TRUE), max(as.numeric(sampled_data$waterfront == "Yes"), na.rm =
TRUE), max(as.numeric(sampled_data$newConstruction == "Yes"), na.rm
= TRUE), max(as.numeric(sampled_data$centralAir), na.rm = TRUE))
> m5 <- c(sd(sampled_data$log_price), sd(sampled_data$lotSize),
sd(sampled_data$age), sd(sampled_data$landValue),
sd(sampled_data$livingArea), sd(sampled_data$pctCollege),
sd(sampled_data$bedrooms), sd(sampled_data$fireplaces),
sd(sampled_data$bathrooms), sd(sampled_data$rooms),
sd(as.numeric(sampled_data$heating == "hot air"), na.rm = TRUE),
sd(as.numeric(sampled_data$fuel == "gas"), na.rm = TRUE),
sd(as.numeric(sampled_data$sewer == "public/commercial"), na.rm =
TRUE), sd(as.numeric(sampled_data$waterfront == "Yes"), na.rm =
TRUE), sd(as.numeric(sampled_data$newConstruction == "Yes"), na.rm =
TRUE), sd(as.numeric(sampled_data$centralAir == "Yes"), na.rm = TRUE))
> databeschrijving <- rbind(m1, m2, m3, m4, m5)
> rownames(databeschrijving) <- c('Gemiddelde', 'Mediaan', 'Minimum',
'Maximum', 'Standaardafwijking')
> colnames(databeschrijving) <- c("log_prijs", "perceelgrootte", "age",
"landValue", "livingArea", "pctCollege", "bedrooms", "fireplaces",
"bathrooms", "rooms", "heating", "fuel", "sewer", "waterfront",
"newConstruction", "centralAir")
> print(databeschrijving)

Dit zijn jouw voordelen als je samenvattingen koopt bij Stuvia:

Bewezen kwaliteit door reviews

Bewezen kwaliteit door reviews

Studenten hebben al meer dan 850.000 samenvattingen beoordeeld. Zo weet jij zeker dat je de beste keuze maakt!

In een paar klikken geregeld

In een paar klikken geregeld

Geen gedoe — betaal gewoon eenmalig met iDeal, creditcard of je Stuvia-tegoed en je bent klaar. Geen abonnement nodig.

Direct to-the-point

Direct to-the-point

Studenten maken samenvattingen voor studenten. Dat betekent: actuele inhoud waar jij écht wat aan hebt. Geen overbodige details!

Veelgestelde vragen

Wat krijg ik als ik dit document koop?

Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.

Tevredenheidsgarantie: hoe werkt dat?

Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.

Van wie koop ik deze samenvatting?

Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper maximilienvanofferen. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor $10.49. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 72056 samenvattingen verkocht

Opgericht in 2010, al 15 jaar dé plek om samenvattingen te kopen

Begin nu gratis

Laatst bekeken door jou

Samenvatting ·

(2)

Literature week 1

Samenvatting ·

(0)

CityReader-Harvey

College aantekeningen ·

(0)

Apuntes biología

$10.49  2x  verkocht
  • (0)
In winkelwagen
Toegevoegd