Evaluación de la oferta inmobiliaria urbana

Una empresa inmobiliaria líder en una gran ciudad está buscando comprender en profundidad el mercado de viviendas urbanas para tomar decisiones estratégicas más informadas. La empresa posee una base de datos extensa que contiene información detallada sobre diversas propiedades residenciales disponibles en el mercado. Se requiere realizar un análisis holístico de estos datos para identificar patrones, relaciones y segmentaciones relevantes que permitan mejorar la toma de decisiones en cuanto a la compra, venta y valoración de propiedades.

Cargue de librerias y Data

# Cargar paquetes necesarios
library(paqueteMODELOS)
library(paqueteMET)
library(dplyr)
library(ggplot2)
library(FactoMineR)
## Warning: package 'FactoMineR' was built under R version 4.3.2
library(factoextra)
## Warning: package 'factoextra' was built under R version 4.3.2
library(cluster)

# Cargar los datos de la BD Vivienda
head(vivienda)
## # A tibble: 6 × 13
##      id zona    piso  estrato preciom areaconst parqueaderos banios habitaciones
##   <dbl> <chr>   <chr>   <dbl>   <dbl>     <dbl>        <dbl>  <dbl>        <dbl>
## 1  1147 Zona O… <NA>        3     250        70            1      3            6
## 2  1169 Zona O… <NA>        3     320       120            1      2            3
## 3  1350 Zona O… <NA>        3     350       220            2      2            4
## 4  5992 Zona S… 02          4     400       280            3      5            3
## 5  1212 Zona N… 01          5     260        90            1      2            3
## 6  1724 Zona N… 01          5     240        87            1      3            3
## # ℹ 4 more variables: tipo <chr>, barrio <chr>, longitud <dbl>, latitud <dbl>

Preparación de datos:

valores_faltantes <- colSums(is.na(vivienda))
# Mostrar el número de valores faltantes por columna
print(valores_faltantes)
##           id         zona         piso      estrato      preciom    areaconst 
##            3            3         2638            3            2            3 
## parqueaderos       banios habitaciones         tipo       barrio     longitud 
##         1605            3            3            3            3            3 
##      latitud 
##            3
# Eliminar registros donde la columna zona = "NA"
vivienda_rest <- subset(vivienda, zona != "NA")

# Reemplazar NA por 0 en la columna "parqueaderos"
vivienda_rest$parqueaderos <- ifelse(is.na(vivienda_rest$parqueaderos), 0, vivienda_rest$parqueaderos)

# Reemplazar NA por 0 en la columna "piso"
vivienda_rest$piso <- ifelse(is.na(vivienda_rest$piso), 0, vivienda_rest$piso)

# Normalizar valores "Apartamento" y "apto" en la columna tipo
vivienda_rest$tipo <- ifelse(vivienda_rest$tipo == "apto", "Apartamento", vivienda_rest$tipo)

Histogramas

# Configurar el diseño del gráfico
par(mfrow = c(3, 3))  # 3 filas y 3 columnas para 6 histogramas


hist(vivienda_rest$estrato, main = "Estratos", xlab = "estrato", ylab = "Estratificación")

hist(vivienda_rest$preciom, main = "Precios", xlab = "preciom", ylab = "Cantidad")

hist(vivienda_rest$areaconst, main = "Área_construida", xlab = "areaconst", ylab = "Mts2")

hist(vivienda_rest$parqueaderos, main = "Parqueaderos", xlab = "parqueaderos", ylab = "Cantidad")

hist(vivienda_rest$banios, main = "Baños", xlab = "banios", ylab = "cantidad")

hist(vivienda_rest$habitaciones, main = "Habitaciones", xlab = "habitaciones", ylab = "Cantidad")

El análisis de histogramas ofrece una visión de la distribución de los datos y su frecuencia en diferentes valores. Se detectan patrones peculiares en cada variable, indicando una distribución no simétrica. Algunos valores atípicos destacan, señalando posibles fenómenos inusuales o errores de medición. Estos hallazgos subrayan la necesidad de comprender la estructura y comportamiento de los datos.

PCA

# Se seleccionan las variables numericas
vivienda_pca <- vivienda_rest %>%
  select(estrato, preciom, areaconst, parqueaderos, banios, habitaciones, longitud, latitud)

# Se estandarizan als variables
estandarizado <- scale(vivienda_pca)

# Se aplica PCA
resultados <- PCA(estandarizado, graph = FALSE)

# Se presentan los resultados de pca
summary(resultados)
## 
## Call:
## PCA(X = estandarizado, graph = FALSE) 
## 
## 
## Eigenvalues
##                        Dim.1   Dim.2   Dim.3   Dim.4   Dim.5   Dim.6   Dim.7
## Variance               3.609   1.503   0.904   0.694   0.436   0.427   0.240
## % of var.             45.117  18.782  11.294   8.671   5.454   5.334   2.998
## Cumulative % of var.  45.117  63.899  75.193  83.865  89.318  94.652  97.649
##                        Dim.8
## Variance               0.188
## % of var.              2.351
## Cumulative % of var. 100.000
## 
## Individuals (the 10 first)
##                  Dist    Dim.1    ctr   cos2    Dim.2    ctr   cos2    Dim.3
## 1            |  2.704 | -1.180  0.005  0.190 |  2.027  0.033  0.562 | -0.735
## 2            |  2.174 | -1.750  0.010  0.648 |  0.764  0.005  0.123 |  0.097
## 3            |  2.072 | -0.891  0.003  0.185 |  1.222  0.012  0.348 |  0.056
## 4            |  2.222 |  1.121  0.004  0.255 |  0.291  0.001  0.017 |  0.346
## 5            |  1.838 | -1.304  0.006  0.503 |  0.053  0.000  0.001 |  1.027
## 6            |  1.700 | -0.719  0.002  0.179 | -0.670  0.004  0.155 | -0.846
## 7            |  1.672 | -1.302  0.006  0.607 | -0.124  0.000  0.005 |  0.235
## 8            |  1.129 |  0.175  0.000  0.024 | -0.493  0.002  0.191 | -0.701
## 9            |  2.532 |  0.347  0.000  0.019 |  1.767  0.025  0.487 |  0.768
## 10           |  2.602 |  0.860  0.002  0.109 |  0.837  0.006  0.103 |  1.997
##                 ctr   cos2  
## 1             0.007  0.074 |
## 2             0.000  0.002 |
## 3             0.000  0.001 |
## 4             0.002  0.024 |
## 5             0.014  0.312 |
## 6             0.010  0.248 |
## 7             0.001  0.020 |
## 8             0.007  0.386 |
## 9             0.008  0.092 |
## 10            0.053  0.589 |
## 
## Variables
##                 Dim.1    ctr   cos2    Dim.2    ctr   cos2    Dim.3    ctr
## estrato      |  0.660 12.081  0.436 | -0.537 19.169  0.288 |  0.233  6.023
## preciom      |  0.882 21.563  0.778 | -0.048  0.153  0.002 |  0.207  4.752
## areaconst    |  0.781 16.908  0.610 |  0.365  8.891  0.134 |  0.001  0.000
## parqueaderos |  0.760 15.988  0.577 | -0.130  1.131  0.017 |  0.183  3.714
## banios       |  0.843 19.667  0.710 |  0.272  4.940  0.074 | -0.101  1.124
## habitaciones |  0.474  6.220  0.224 |  0.706 33.213  0.499 | -0.332 12.188
## longitud     | -0.466  6.005  0.217 |  0.524 18.275  0.275 |  0.095  0.990
## latitud      | -0.238  1.569  0.057 |  0.462 14.228  0.214 |  0.802 71.209
##                cos2  
## estrato       0.054 |
## preciom       0.043 |
## areaconst     0.000 |
## parqueaderos  0.034 |
## banios        0.010 |
## habitaciones  0.110 |
## longitud      0.009 |
## latitud       0.643 |
# Grafica
fviz_eig(resultados, addlabels = TRUE)

El análisis de la proporción de varianza explicada reveló que las dos primeras componentes principales capturan alrededor del 63.9% (45.1% + 18.8%) de la variabilidad total en los datos. Esto significa que estas dos componentes son capaces de explicar casi dos tercios de la variabilidad presente en todo el conjunto de datos. Esta proporción sustancial sugiere que al reducir la dimensionalidad de los datos a través de estas dos componentes principales, aún conservamos una gran parte de la información original contenida en los datos. En otras palabras, aunque hemos reducido la complejidad del conjunto de datos, aún mantenemos una representación significativa de su variabilidad original.

# Se crea grafico de circulo
circulo <- factoextra::fviz_pca_var(resultados,
                                        col.var = "contrib",
                                        repel = TRUE)

# Mostrar el gráfico de círculo de correlación
print(circulo)

La variable “parqueaderos” se encuentra cerca del centro del círculo, lo que sugiere una correlación débil con las primeras componentes principales. Esto implica que esta variable tiene una influencia limitada en las propiedades capturadas por estas componentes.

Por otro lado, las variables “habitaciones” y “baños” están ubicadas en la parte superior derecha del círculo y alejadas del centro. Esto indica una correlación positiva y una contribución significativa a las componentes principales. Sugiere que estas variables tienen un impacto notable en las propiedades representadas por las componentes.

Además, las variables “areaconst”, “preciom” y “estrato” también están alejadas del centro y posicionadas en direcciones diferentes. Esto sugiere que cada una de estas variables contribuye a diferentes aspectos de las propiedades representadas por las componentes principales, mostrando una diversidad en sus influencias.

Analisis de conglomerados

# Seleccionamos las variables numéricas 
variables_num <- vivienda_rest[, c('estrato', 'preciom', 'areaconst', 'parqueaderos', 'banios', 'habitaciones', 'longitud', 'latitud')]

# Normalizamos los datos 
normalizados <- scale(variables_num)

# Resultados
summary(normalizados)
##     estrato           preciom          areaconst        parqueaderos    
##  Min.   :-1.5872   Min.   :-1.1437   Min.   :-1.0138   Min.   :-1.1920  
##  1st Qu.:-0.6156   1st Qu.:-0.6508   1st Qu.:-0.6640   1st Qu.:-0.3876  
##  Median : 0.3560   Median :-0.3161   Median :-0.3633   Median :-0.3876  
##  Mean   : 0.0000   Mean   : 0.0000   Mean   : 0.0000   Mean   : 0.0000  
##  3rd Qu.: 0.3560   3rd Qu.: 0.3228   3rd Qu.: 0.3782   3rd Qu.: 0.4169  
##  Max.   : 1.3276   Max.   : 4.7620   Max.   :10.9822   Max.   : 6.8521  
##      banios          habitaciones        longitud           latitud        
##  Min.   :-2.17847   Min.   :-2.4702   Min.   :-3.47989   Min.   :-1.98516  
##  1st Qu.:-0.77812   1st Qu.:-0.4148   1st Qu.:-0.74572   1st Qu.:-0.86422  
##  Median :-0.07794   Median :-0.4148   Median :-0.08013   Median :-0.03856  
##  Mean   : 0.00000   Mean   : 0.0000   Mean   : 0.00000   Mean   : 0.00000  
##  3rd Qu.: 0.62224   3rd Qu.: 0.2704   3rd Qu.: 0.55844   3rd Qu.: 0.80575  
##  Max.   : 4.82330   Max.   : 4.3813   Max.   : 3.77083   Max.   : 1.87755
#Función para calcular la suma de los cuadrados internos 
calcular_wcss <- function(data, k_max) {
  wcss <- vector("numeric", length = k_max)
  for (k in 1:k_max) {
    model <- kmeans(data, centers = k, nstart = 10)
    wcss[k] <- model$tot.withinss
  }
  return(wcss)
}

# Se establecen varios numeros de cluster y se aplica funcion
k <- 9
iter <- calcular_wcss(normalizados, k)
## Warning: Quick-TRANSfer stage steps exceeded maximum (= 415950)
# Graficamos la curva del codo 
plot(1:k, iter, type = "b", pch = 19, frame = FALSE, xlab = "clústeres", ylab = "Suma de cuadrados internos")

La interpretación del gráfico sugiere que el número ideal de grupos se sitúa alrededor de 4 o 5, dado que más allá de ese punto, la reducción en la suma de cuadrados dentro de los grupos (WCSS) es más pronunciada.

#Se define el numero de cluster en base al grafico del codo
cluster <- 4

# K-means
kmeans <- kmeans(normalizados, centers = cluster, nstart = 10)

# resultado del clustering en data original
vivienda_rest$cluster <- as.factor(kmeans$cluster)

# viviendas por cluster
table(vivienda_rest$cluster)
## 
##    1    2    3    4 
## 3122  925 1099 3173
# Gráfico de barras de viivendas por cluster
ggplot(vivienda_rest, aes(x = factor(cluster))) +  
  geom_bar(fill = "#F67C6D") + 
  labs(title = " viviendas por clúster",
       x = "Clúster",
       y = "Cantidad de viviendas") +
  theme_minimal() +
  geom_text(stat='count', aes(label=..count..), vjust=-0.5)
## Warning: The dot-dot notation (`..count..`) was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(count)` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

# resumen de características por clúster
resumen <- vivienda_rest %>%
  group_by(cluster) %>%
  summarise(promedio_estrato = mean(estrato),
            promedio_preciom = mean(preciom),
            promedio_areaconst = mean(areaconst),
            promedio_parqueaderos = mean(parqueaderos),
            promedio_banios = mean(banios),
            promedio_habitaciones = mean(habitaciones))

# Mostrar tabla resumen
print(resumen)
## # A tibble: 4 × 7
##   cluster promedio_estrato promedio_preciom promedio_areaconst
##   <fct>              <dbl>            <dbl>              <dbl>
## 1 1                   3.85             209.               90.7
## 2 2                   3.95             451.              303. 
## 3 3                   5.73            1074.              390. 
## 4 4                   5.23             429.              146. 
## # ℹ 3 more variables: promedio_parqueaderos <dbl>, promedio_banios <dbl>,
## #   promedio_habitaciones <dbl>

Se han descubierto 4 grupos coherentes dentro del mercado de viviendas residenciales en la ciudad, cada uno con características únicas.

La distribución de las viviendas en estos grupos difiere, lo que indica que hay diversas preferencias y demandas en distintas áreas y estratos socioeconómicos.

Además, se pueden observar patrones evidentes en la relación entre el precio de venta y el tamaño del área construida. Esto podría reflejar tendencias y preferencias particulares de los compradores en cada uno de los grupos identificados.

Analisis de correspondencia

# Creamos un nueva tabla solo con las variables categóricas
categ <- table(vivienda_rest$zona, vivienda_rest$estrato)

resultados_ac <- CA(categ)

El gráfico nos permite identificar y confirmar las siguientes relaciones: La Zona Oeste alberga principalmente el estrato 6. Por otro lado, los estratos 4 y 5 se concentran mayormente en la Zona Sur. Mientras tanto, el estrato 3 se distribuye entre las Zonas Oriente y Centro.

valores_prop <-resultados_ac$eig ; valores_prop
##       eigenvalue percentage of variance cumulative percentage of variance
## dim 1 0.32215213              69.965515                          69.96551
## dim 2 0.12745096              27.680002                          97.64552
## dim 3 0.01084108               2.354483                         100.00000
fviz_screeplot(resultados_ac, addlabels = TRUE, ylim = c(0, 80))+ggtitle("")+
  ylab("Porcentaje de varianza explicado") + xlab("Ejes")

La visualización gráfica obtenida nos ofrece una perspectiva importante sobre cómo se relacionan las variables de estrato y zona en el mercado inmobiliario. Al observar el gráfico, podemos detectar patrones significativos que nos permiten segmentar el mercado de manera más precisa y comprender mejor las preferencias de los compradores en diferentes áreas geográficas.

Este enfoque estadístico refuerza la validez de las tendencias identificadas visualmente y proporciona una base sólida para orientar las decisiones estratégicas en el sector inmobiliario. Al combinar el análisis visual con métodos estadísticos, podemos obtener una comprensión más completa y confiable de la dinámica del mercado y utilizar esta información para tomar decisiones informadas y estratégicas.

Recomendaciones estrategicas

1- Utilizar las variables más importantes identificadas mediante el análisis de componentes principales (PCA) para mejorar la precisión en la valoración de las propiedades. Al centrarse en las variables que tienen una mayor influencia en el valor de una propiedad, se puede realizar una valoración más precisa y fundamentada, lo que es crucial para tomar decisiones de inversión informadas y estratégicas en el mercado inmobiliario.

2- Utilizar los resultados del análisis de agrupamiento para dividir el mercado en segmentos más específicos y homogéneos. Al comprender las características y preferencias de diferentes tipos de propiedades y compradores, se pueden desarrollar estrategias de marketing y ventas más efectivas y dirigidas, lo que ayuda a maximizar el rendimiento y la satisfacción del cliente.

3- Al utilizar el análisis de datos para obtener una comprensión más profunda y cuantificable del mercado inmobiliario, se pueden identificar oportunidades de inversión más rentables y estratégicas. Esto permite a los inversores optimizar sus decisiones de inversión y adaptarse más eficazmente a los cambios en el mercado, lo que les brinda una ventaja competitiva significativa.