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)
