Trabajo reporte inmobiliario Módulo 1;Unidad 1

Reporte de Análisis de Componentes Principales (PCA) para el Mercado de Viviendas Urbanas

Resumen Ejecutivo

El PCA se ha realizado con el propósito de reducir la complejidad de los datos inmobiliarios y destacar las características más influyentes que determinan los precios y la oferta en el mercado de las viviendas en la base de datos. Las cargas de los componentes indican que tanto las características físicas de las propiedades como ciertos indicadores de estatus, como el estrato, juegan roles significativos en la variabilidad de los datos.

Resultados Clave de carga de las variables

• PC1 (58.7% de la variabilidad): Este componente está mayormente influenciado por el número de baños, precio y área construida, lo que sugiere que el tamaño y las características internas de las propiedades, junto con el precio por metro cuadrado, son los diferenciadores más críticos en el valor de mercado.
• PC2 (23.8% de la variabilidad): El Estrato tiene una carga negativa significativa en este componente, lo que podría interpretarse como una dimensión que captura aspectos como la ubicación o el estatus socioeconómico que son inversamente proporcionales a las variables correlacionadas positivamente con PC1.
• PC3 y siguientes: Aunque explican menos variabilidad, capturan otras dimensiones de los datos que no están directamente relacionadas con el tamaño o el valor.

Visualizaciones e Interpretación

• El scree plot valida la importancia de los dos primeros componentes principales, con un descenso marcado después de PC2.

• La representación de las variables en el plano de los componentes principales refleja la relevancia del precio, número de baños y área construida en el mercado inmobiliario, así como la influencia del número de habitaciones y el estrato en el segundo componente principal.

• La gráfica de identificación de puntos extremos indica casos atípicos en el mercado que podrían ser de interés especial, por ejemplo se observa una relación positiva entre el precio, el área construida, el número de baños y habitaciones. Estas relaciones son más evidentes en las viviendas con menos precio, las cuales suelen tener menor área construida, menor número de habitaciones y/o baños. Por el contrario, la relación de estas variables con el precio en el extremo de propiedades más costosas no es tan cercana.

Recomendaciones Estratégicas

1. Análisis de Mercado: El estrato debe ser considerado al desarrollar estrategias de mercado, ya que su correlación inversa con PC2 sugiere un patrón distinto que puede influir en la percepción del valor.
2. Desarrollo Inmobiliario: Aunque el área construida y el precio son primordiales, el número de baños y habitaciones debe ser evaluado cuidadosamente para alinear las ofertas de propiedades con las expectativas y necesidades del mercado.
3. Segmentación de Propiedades: Las propiedades deben segmentarse no solo por precio y tamaño sino también por estrato para abordar de manera efectiva los diferentes segmentos del mercado.

Conclusión

El PCA proporciona una visión profunda de las dinámicas del mercado inmobiliario urbano. Los componentes identificados aquí presentados pueden guiar la toma de decisiones estratégicas para optimizar las inversiones.

Código Utilizado

# Instalación de paquetes (solo una vez)
install.packages("learnr")
install.packages("devtools")
devtools::install_github("dgonxalex80/paqueteMODELOS") # descarga paquete

# Carga de bibliotecas
library(paqueteMODELOS)
library(dplyr)
library(factoextra)
library(mice)
library(ggplot2)
library(ggrepel)
library(tidyverse)
library(cluster)
library(tibble)

# Carga de datos
data(vivienda)
str(vivienda)

# Verificar patrones de datos faltantes
md.pattern(vivienda)

# Calcular la cantidad de datos faltantes por cada variable
missing_values <- sapply(vivienda, function(x) sum(is.na(x)))

# Imprimir los valores faltantes por variable
print(missing_values)

# Eliminar filas con datos faltantes en las variables especificadas
vivienda_clean <- vivienda[!rowSums(is.na(vivienda[c("zona", "estrato", "areaconst", 
                                                     "banios", "habitaciones", "tipo", 
                                                     "barrio", "longitud", "latitud")])), ]

# Verificar patrones de datos faltantes
md.pattern(vivienda_clean)

# Seleccionar las variables numéricas para el PCA (excluyendo la primera columna 'id')
viviendaZ <- vivienda_clean %>% 
  select(estrato, areaconst, banios, habitaciones, preciom) %>%
  scale()

# Ver los primeros registros de los datos estandarizados
head(viviendaZ)

# Aplicar PCA
pca_resultado <- prcomp(viviendaZ)

# Ver las desviaciones estándar de los componentes
pca_resultado$sdev

# Ver la matriz de rotación
pca_resultado$rotation

# Utilizar los resultados de tu PCA
# Asumiendo que ya has ejecutado pca_resultado <- prcomp(viviendaZ)

# Crear el gráfico de sedimentación (scree plot)
fviz_eig(pca_resultado, addlabels = TRUE)

# Visualizar la contribución de las variables a los componentes principales
fviz_pca_var(pca_resultado,
             col.var = "contrib", # Colorear por contribuciones al componente principal
             gradient.cols = c("#FF7F00", "#034D94"), # Colores para el gradiente
             repel = TRUE # Evitar solapamiento de texto
)

# Asegúrate de que tienes los índices de los valores máximos y mínimos para 'preciom', 'areaconst', 'banios' y 'habitaciones'
max_preciom_idx <- which.max(vivienda_clean$preciom)
min_preciom_idx <- which.min(vivienda_clean$preciom)

max_areaconst_idx <- which.max(vivienda_clean$areaconst)
min_areaconst_idx <- which.min(vivienda_clean$areaconst)

max_banios_idx <- which.max(vivienda_clean$banios)
min_banios_idx <- which.min(vivienda_clean$banios)

max_habitaciones_idx <- which.max(vivienda_clean$habitaciones)
min_habitaciones_idx <- which.min(vivienda_clean$habitaciones)

# Crear un data frame con las coordenadas PCA y la etiqueta de la variable correspondiente a cada punto extremo
extremos_pca <- data.frame(
  PC1 = pca_resultado$x[c(max_preciom_idx, min_preciom_idx, max_areaconst_idx, min_areaconst_idx, 
                          max_banios_idx, min_banios_idx, max_habitaciones_idx, min_habitaciones_idx), 1],
  PC2 = pca_resultado$x[c(max_preciom_idx, min_preciom_idx, max_areaconst_idx, min_areaconst_idx, 
                          max_banios_idx, min_banios_idx, max_habitaciones_idx, min_habitaciones_idx), 2],
  label = c("Max Preciom", "Min Preciom", "Max Areaconst", "Min Areaconst", 
            "Max Banios", "Min Banios", "Max Habitaciones", "Min Habitaciones")
)

# Crear el gráfico de PCA con etiquetas para los puntos extremos

p <- fviz_pca_ind(pca_resultado, 
                  geom.ind = "point", 
                  col.ind = "grey80", 
                  alpha.ind = 0.5, 
                  pointsize = 1, 
                  repel = FALSE) +
  geom_point(data = extremos_pca, aes(x = PC1, y = PC2, color = label), size = 4) +
  scale_color_manual(values = c("Max Preciom" = "blue", "Min Preciom" = "blue",
                                "Max Areaconst" = "red", "Min Areaconst" = "red",
                                "Max Banios" = "green", "Min Banios" = "green",
                                "Max Habitaciones" = "purple", "Min Habitaciones" = "purple")) +
  geom_label_repel(data = extremos_pca, aes(x = PC1, y = PC2, label = label, fill = label),
                   size = 3.5, box.padding = 0.35, point.padding = 0.5,
                   segment.color = 'grey50') +
  theme_minimal() +
  theme(legend.position = "none")

# Guardar el gráfico en un archivo PDF
ggsave("pca_plot_extremos_completo.pdf", plot = p, width = 12, height = 10)

Reporte de Análisis de Clustering o Agrupamiento para el Mercado de Viviendas Urbanas

Resumen Ejecutivo

El análisis de clustering se ha llevado a cabo para identificar segmentos distintos dentro del mercado inmobiliario urbano, utilizando un enfoque de K-Means para agrupar propiedades con características similares. El proceso ha revelado tres clusters principales que diferencian las propiedades en términos de estrato socioeconómico, precio y ubicación, ofreciendo una perspectiva clara sobre las dinámicas del mercado.

Resultados Clave de Clustering

• Cluster 1: “Casas Asequibles en Zona Centro”: Este grupo consiste principalmente en casas situadas en zonas centrales, caracterizadas por un estrato medio y precios accesibles. Las propiedades de este segmento son atractivas para un mercado que busca viviendas económicas con buenas conexiones urbanas.
• Cluster 2: “Apartamentos Moderados en Zona Centro”: Este segmento agrupa apartamentos también en áreas centrales pero con un precio medio superior, lo que indica una oferta de vivienda que apunta a un mercado con mayor poder adquisitivo, buscando comodidades adicionales o mejor ubicación.
• Cluster 3: “Apartamentos Premium en Zona Oriente”: Representa el estrato más alto con precios significativamente más elevados. Los apartamentos de este cluster se ubican preferentemente en la Zona Oriente, indicando una preferencia por propiedades de lujo o en áreas de alta demanda.

Visualizaciones e Interpretación

• El cluster plot basado en las dos primeras componentes principales refleja una buena diferenciación entre los grupos, validando la consistencia interna de los clusters y su distinción en términos de características de mercado.

• La distribución geográfica de los clusters muestra una clara segregación espacial, con el Cluster 3 agrupando propiedades en la Zona Oriente, sugiriendo un mercado distinto al de los otros dos clusters.

Recomendaciones Estratégicas

1. Enfoque de Marketing Diferenciado: El marketing y la promoción deben ser adaptados a las características de cada cluster para maximizar el impacto y la eficiencia en el alcance al segmento de mercado objetivo.
2. Desarrollo y Renovación Inmobiliaria: Para el Cluster 1 y Cluster 2, que se concentran en la Zona Centro, se deben considerar iniciativas de desarrollo y renovación que alineen las propiedades con las expectativas del mercado en términos de precio y calidad.
3. Inversión y Precios: Para el Cluster 3, las estrategias de inversión deben centrarse en mantener y elevar el estatus de lujo de las propiedades, justificando así los precios premium que el mercado está dispuesto a pagar en la Zona Oriente.

Conclusión

El análisis de clustering ha demostrado ser una herramienta valiosa para entender la segmentación del mercado inmobiliario urbano. Los resultados derivados de este estudio pueden guiar las decisiones estratégicas en diversas áreas, desde el marketing hasta el desarrollo y la inversión inmobiliaria, asegurando que se aborden de manera efectiva las necesidades y preferencias de cada segmento de mercado identificado.

Código Utilizado

# Paso 1: Cálculo de Distancias
dist_vivienda <- dist(viviendaZ, method = 'euclidean')

# Paso 2: Clustering Jerárquico
hc_vivienda <- hclust(dist_vivienda, method = 'complete')

# Visualización del dendrograma
plot(hc_vivienda, cex = 0.6, main = "Dendrograma de Propiedades Residenciales")

#Dado que no existe una adecuada visualización con el denograma en donde se permite identificar un grupo adecuado de clusters se hará un análisis no jerárquico con K means y el número de clusters se decidirá con el método del codo

# Calculamos K-Means para un rango de valores de k y almacenamos la suma de cuadrados dentro de los grupos (total within-cluster sum of squares)
wss <- sapply(1:10, function(k){
  kmeans(viviendaZ, centers = k, nstart = 25)$tot.withinss
})

# Graficamos el método del codo
plot(1:10, wss, type = "b", pch = 19, frame = FALSE, 
     xlab="Número de clústeres K", 
     ylab="Total dentro de la suma de cuadrados (WSS)")

# Usamos fviz_nbclust para una mejor visualización
fviz_nbclust(viviendaZ, kmeans, method = "wss")


# Ejecutar K-Means con 3 clústeres
set.seed(123) # Asegura la reproducibilidad
kmeans_result_3 <- kmeans(viviendaZ, centers = 3, nstart = 25)

# Calcular los coeficientes de Silhouette para las asignaciones de clúster de K-Means con 3 clústeres
silhouette_scores_3 <- silhouette(kmeans_result_3$cluster, dist(viviendaZ))

# Visualizar los coeficientes de Silhouette para 3 clústeres
fviz_silhouette(silhouette_scores_3) + theme_minimal()

# Ejecutar K-Means con 4 clústeres
set.seed(123) # Asegura la reproducibilidad
kmeans_result <- kmeans(viviendaZ, centers = 4, nstart = 25)

# Calcular los coeficientes de Silhouette para las asignaciones de clúster de K-Means
silhouette_scores <- silhouette(kmeans_result$cluster, dist(viviendaZ))

# Visualizar los coeficientes de Silhouette
fviz_silhouette(silhouette_scores) + theme_minimal()


# Ejecutar K-Means con 5 clústeres
set.seed(123) # Asegura la reproducibilidad
kmeans_result_5 <- kmeans(viviendaZ, centers = 5, nstart = 25)

# Calcular los coeficientes de Silhouette para las asignaciones de clúster de K-Means con 5 clústeres
silhouette_scores_5 <- silhouette(kmeans_result_5$cluster, dist(viviendaZ))

# Visualizar los coeficientes de Silhouette para 5 clústeres
fviz_silhouette(silhouette_scores_5) + theme_minimal()


# Ejecutar K-Means con 2 clústeres
set.seed(123) # Asegura la reproducibilidad
kmeans_result_2 <- kmeans(viviendaZ, centers = 2, nstart = 25)

# Calcular los coeficientes de Silhouette para las asignaciones de clúster de K-Means con 5 clústeres
silhouette_scores_2 <- silhouette(kmeans_result_2$cluster, dist(viviendaZ))

# Visualizar los coeficientes de Silhouette para 5 clústeres
fviz_silhouette(silhouette_scores_2) + theme_minimal()

# Calcular criterios para 2 clústeres
k2 <- 2
set.seed(123)  # Asegura la reproducibilidad
kmeans_result <- kmeans(viviendaZ, centers = k2, nstart = 25)

# Calcular la Suma de Cuadrados Dentro del Cluster (SSC)
ssc <- kmeans_result$tot.withinss

# Calcular la Suma de Cuadrados Entre Clusters (SSB)
sst <- sum(apply(viviendaZ, 2, var)) * (nrow(viviendaZ) - 1)
ssb <- sst - ssc

# Imprimir los resultados
cat("SSC:", ssc, "\n")
cat("SSB:", ssb, "\n")

# Calcular criterios para 3 clústeres
k3 <- 3
set.seed(123)  # Asegura la reproducibilidad
kmeans_result <- kmeans(viviendaZ, centers = k3, nstart = 25)

# Calcular la Suma de Cuadrados Dentro del Cluster (SSC)
ssc <- kmeans_result$tot.withinss

# Calcular la Suma de Cuadrados Entre Clusters (SSB)
sst <- sum(apply(viviendaZ, 2, var)) * (nrow(viviendaZ) - 1)
ssb <- sst - ssc

# Imprimir los resultados
cat("SSC:", ssc, "\n")
cat("SSB:", ssb, "\n")

# Calcular criterios para 4 clústeres
k4 <- 4
set.seed(123)  # Asegura la reproducibilidad
kmeans_result <- kmeans(viviendaZ, centers = k4, nstart = 25)

# Calcular la Suma de Cuadrados Dentro del Cluster (SSC)
ssc <- kmeans_result$tot.withinss

# Calcular la Suma de Cuadrados Entre Clusters (SSB)
sst <- sum(apply(viviendaZ, 2, var)) * (nrow(viviendaZ) - 1)
ssb <- sst - ssc

# Imprimir los resultados
cat("SSC:", ssc, "\n")
cat("SSB:", ssb, "\n")

# Calcular criterios para 5 clústeres
k5 <- 5
set.seed(123)  # Asegura la reproducibilidad
kmeans_result <- kmeans(viviendaZ, centers = k5, nstart = 25)

# Calcular la Suma de Cuadrados Dentro del Cluster (SSC)
ssc <- kmeans_result$tot.withinss

# Calcular la Suma de Cuadrados Entre Clusters (SSB)
sst <- sum(apply(viviendaZ, 2, var)) * (nrow(viviendaZ) - 1)
ssb <- sst - ssc

#Se decide basandose en todo esto que es mejor 3 clusters

# Elegir el número de clústeres
num_clusters <- 3
# Realizar el clustering K-Means utilizando las dos primeras componentes principales
kmeans_resultado <- kmeans(pca_resultado$x[, 1:2], centers = num_clusters)

# Asignar las etiquetas de clúster al conjunto de datos original
vivienda_clean$cluster <- as.factor(kmeans_resultado$cluster)

# Visualizar los resultados del clustering en un gráfico
fviz_cluster(kmeans_resultado, data = pca_resultado$x[, 1:2])

# Mostrar un resumen de los clústeres
summary(vivienda_clean$cluster)

# Estadísticas para variables numéricas
estadisticas_num <- vivienda_clean %>%
  group_by(cluster) %>%
  summarise(across(where(is.numeric), list(mean = mean, median = median, sd = sd)))

# Estadísticas para variables categóricas
estadisticas_cat <- vivienda_clean %>%
  group_by(cluster) %>%
  summarise(across(where(is.character), ~names(sort(table(.)[length(table(.)):1])[1])))

# Mostrar resultados
print(estadisticas_num)
print(estadisticas_cat)

# Calcular estadísticas descriptivas para variables numéricas
estadisticas_num <- vivienda_clean %>%
  group_by(cluster) %>%
  summarise(across(where(is.numeric), list(mean = mean, median = median, sd = sd)))

# Calcular estadísticas descriptivas para variables categóricas
estadisticas_cat <- vivienda_clean %>%
  group_by(cluster) %>%
  summarise(across(where(is.character), ~names(sort(table(.)[length(table(.)):1])[1])))

# Combinar las estadísticas en una sola tabla
tabla_resumen <- left_join(estadisticas_num, estadisticas_cat, by = "cluster")

# Corregir el nombre de las columnas en 'select' si es necesario
tabla_final <- tabla_resumen %>%
  select(cluster, estrato_mean, preciom_mean, tipo, zona, barrio) %>%
  rename("Estrato Medio" = estrato_mean, 
         "Precio Medio" = preciom_mean, 
         "Tipo de Propiedad Más Común" = tipo, 
         "Zona Más Común" = zona, 
         "Barrio Más Común" = barrio)

# Ver la tabla final
print(tabla_final)

install.packages("sf")
library(sf)

# Asegúrate de que vivienda_clean tenga las columnas latitud, longitud y cluster
# Aquí se asume que las columnas se llaman 'latitud', 'longitud' y 'cluster'

ggplot(data = vivienda_clean) +
  geom_sf(data = st_as_sf(vivienda_clean, coords = c("longitud", "latitud"), crs = 4326), 
          aes(color = factor(cluster))) +
  theme_minimal() +
  labs(title = "Distribución Geográfica de Clusters de Propiedades",
       x = "Longitud",
       y = "Latitud",
       color = "Cluster") +
  coord_sf()  # Utiliza esto si tus datos ya están en un sistema de coordenadas geográficas

Reporte de Análisis de Correspondencia para el Mercado de Viviendas Urbanas

Resumen Ejecutivo

El Análisis de Correspondencia (AC) se ha ejecutado para profundizar en la comprensión de las interacciones entre diferentes categorías de las propiedades inmobiliarias, específicamente en relación con la zona, el estrato y el tipo de vivienda. Esta técnica multivariante proporciona una visualización adecuada de cómo estas categorías categóricas se relacionan entre sí, revelando patrones subyacentes en el mercado inmobiliario urbano que antes no eran fácilmente observables.

Resultados Clave del Análisis de Correspondencia

• Distribución de Categorías: La zona, el estrato y el tipo de vivienda muestran una clara asociación entre sí, con algunas zonas que tienden a asociarse con ciertos estratos y tipos de vivienda.
• Contribución de Ejes: El primer eje (Dim1) y el segundo eje (Dim2) explican una significativa proporción de la inercia total, con un 21.1% y 17% respectivamente, lo que indica que estas dos dimensiones capturan las diferencias más importantes en los datos.

Visualizaciones e Interpretación

• La Zona Norte y Zona Oeste presentan una alta concentración de apartamentos, particularmente en estratos más altos, lo que podría indicar una preferencia por viviendas de alta densidad en áreas de mayor estatus socioeconómico.
• Las casas predominan en la Zona Oriente en el estrato 3 y en la Zona Sur se distribuyen más uniformemente a través de los estratos 4 a 6, sugiriendo una oferta diversa que atiende a un amplio espectro socioeconómico.

Recomendaciones Estratégicas

• Segmentación de Mercado Basada en Correspondencia: La segmentación del mercado debe considerar las asociaciones reveladas por el AC, aprovechando la afinidad entre tipos de vivienda, zonas y estratos para dirigir ofertas más personalizadas.
• Estrategias de Precios y Promoción: Las promociones y estrategias de precios pueden ser adaptadas para alinearse con las expectativas y preferencias evidenciadas por las relaciones entre las categorías.
• Oportunidades de Desarrollo: Las tendencias identificadas pueden guiar decisiones de desarrollo y renovación, orientando inversiones hacia áreas y tipos de vivienda con mayor demanda y rentabilidad.

Conclusión

El Análisis de Correspondencia ha proporcionado una valiosa representación visual de las complejas relaciones entre las variables categóricas en el mercado inmobiliario. Estos resultados pueden informar estrategias de negocio más efectivas, alineando las ofertas de propiedades con los patrones específicos y las preferencias de los consumidores revelados a través del análisis.

Código Utilizado

# Convertir las variables en factores
vivienda_clean$estrato <- as.factor(vivienda_clean$estrato)
vivienda_clean$zona <- as.factor(vivienda_clean$zona)
vivienda_clean$tipo <- as.factor(vivienda_clean$tipo)

# Cargar el paquete mice y revisar los datos faltantes
md.pattern(vivienda_clean, rotate.names = TRUE)

# Crear una tabla de contingencia con tres variables
tabla_multidimensional <- table(vivienda_clean$zona, vivienda_clean$estrato, vivienda_clean$tipo)

# Ver la tabla de contingencia multidimensional
print(tabla_multidimensional)

# Realizar un Análisis de Correspondencia Múltiple (ACM) 
# Cargar los paquetes necesarios
library(FactoMineR)
library(factoextra)

# Cargar el paquete FactoMineR para el análisis y factoextra para visualización
library(FactoMineR)
library(factoextra)

# Realizar el Análisis de Correspondencia Múltiple (ACM)
acm_resultado <- MCA(vivienda_clean, graph = FALSE)

# Crear el gráfico con los ajustes deseados
mca_biplot <- fviz_mca_biplot(acm_resultado, 
                              col.var = "red", # Color para las categorías de las variables
                              col.ind = "grey", # Color para los individuos
                              alpha.ind = 0.5, # Transparencia para los individuos
                              repel = TRUE, # Evitar solapamiento de etiquetas
                              gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07"), # Colores para los ejes
                              theme = theme_minimal() # Tema minimalista para el gráfico
) + 
  theme(legend.position = "bottom") # Mover la leyenda abajo

# Guardar el gráfico en un archivo PNG
ggsave("mca_biplot.png", mca_biplot, width = 12, height = 8, units = "in")

#FIN