¿La predicción del precio de la vivienda es un problema de regresión o de series temporales?

Question

Tengo un conjunto de datos de los precios de la vivienda desde el año 2000 hasta el 2016 de varias ciudades de Estados Unidos. A partir de esto quiero predecir el precio de casas similares en la fecha actual, ¿es esto mejor abordado como un problema de regresión o como un problema de series de tiempo. Un punto importante es que los datos que tengo hasta ahora son bastante escasos, sólo unos pocos miles de registros.

Answer 1

Mientras que la otra respuesta es correcta en cuanto a que la variable de respuesta puede modelarse como una regresión lineal, usted está tratando con los precios de la vivienda. Por lo tanto, es probable que su conjunto de datos sufra de lo que se denomina heteroscedasticidad inducida por las series temporales .

Lo que esto significa básicamente es que, dado que las viviendas varían en función de su antigüedad, es decir, algunas pueden tener un año de antigüedad y otras más de treinta, habrá una varianza no constante en los residuos.

Si ve este resumen titulado "Heteroscedasticidad en modelos hedónicos de precios de la vivienda" se observará que el uso de Mínimos cuadrados generalizados se indicó para eliminar la heteroscedasticidad con errores de previsión de una desviación estándar menor que la que se obtendría mediante mínimos cuadrados ordinarios estándar.

En resumen, los datos pueden modelarse mediante un análisis de regresión, pero hay que tener cuidado con la heteroscedasticidad y la correlación serial. Además, es posible que su distribución (ejecute un qqPlot para comprobarlo) no sea normal, y su análisis podría ser más útil convirtiendo primero sus datos en una distribución normal mediante una transformación Box-Cox.

Answer 2

No es necesario elegir uno u otro. El precio puede modelarse como una función tanto de sus propios valores pasados como de las variables independientes. Estas últimas pueden tener a su vez valores retardados que ayuden además a predecir el precio.

Answer 3

Su variable de respuesta - precio de la vivienda, y los predictores - año, ciudad. ¿Estoy en lo cierto? Podrías modelar esto como una regresión lineal y predecir el precio de la vivienda.