Моделювання рентних цін - який метод інтерполяції використовувати?

У мене є національний набір даних ~ 1,4 мільйона домогосподарств. Там я маю інформацію про оренду, розмір (кількість кімнат та м2) та деякі додаткові характеристики кожного домогосподарства.

Я хотів би використати ці дані для створення поверхових цін на оренду для всієї країни і використовувати цю інформацію як проксі для оцінки значень решти ~ 1,5 мільйона домогосподарств, які перебувають у власності або не мають інформації про оренду.

Пара питань тут:

Чи підходить такий підхід взагалі для подібної проблеми?

Який метод інтерполяції було б найкраще використовувати тут?

Також, чи можна було б взяти інформацію про, наприклад, розмір домогосподарства?

Я перебуваю на ArcGIS 9.3 з ліцензією ArcInfo.

Ідея хороша, але запропонована реалізація може бути занадто спрощеною, щоб бути достовірною. Орендна плата є надбанням економічних систем. Крім того, що вони впливають на місцеположення, вони важливими способами пов'язані з іншими економічними змінними: стан місцевої (і національної) економіки, місцеві ціни на житло, наявність капіталу, рівень зайнятості тощо. Для того, щоб зробити хорошу роботу, вам потрібна економетрична модель . Можливо, буде корисно мати певні просторові відставання , але до того, як такі ускладнення будуть розглянуті, потрібно включити багато цих економічних коваріатів.

Сказавши це, ваша здатність досягти успіху залежить від зв’язків між вашими даними та орендної плати, яку ви хочете передбачити. Якщо ваші дані є репрезентативним зразком для всієї країни і географічно розсіяні - вважайте будинки як родзинки на печиві, і у вас є дані про будь-яку іншу родзинку в файлі cookie - тоді порівняно простої моделі може бути достатньо. Якщо ваші дані географічно орієнтовані - можливо, у вас є інформація про родзинки з правого боку печива, і ви хочете робити прогнози щодо родзинок з лівого боку - тоді проблема є більш складною.

Хорошим пунктом відправлення було б пристосувати звичайну лінійну економетричну модель орендної плати до характеристик домогосподарств та валових просторових характеристик (таких як державна чи окружна податкова політика), обчислити залишки та почати досліджувати залишки просторово (з використанням варіографії , просторової гладкості ядра) тощо) для зйомки географічних ефектів.

Підходять програмне забезпечення доступне в якості доповнення до R .

Як дуже лагідний вступ до тем просторової регресії я дуже рекомендую переглянути робочий зошит GeoDa (найбільші цікаві будуть розділи 22–25). Навіть якщо ви не хочете використовувати програмне забезпечення, це дуже вичерпний огляд просторової регресії.

Чи буде вбудована функція регресії в ArcMap обробляти стільки даних (не те, що будь-яке програмне забезпечення матиме труднощі з такою кількістю очок?)

Я бачив подібну роботу щодо цін на будинки, використовуючи гедонічне моделювання. Див. Http://scholar.google.com/scholar?hl=uk&q=hedonic+price+geography для прикладів.