Analisi del Mercato Immobiliare in Texas
Marcoz Moreno
2025-04-18
- Analisi delle variabili
Il dataset contiene variabili di tipo categorico/temporale (città, anno, mese) e variabili quantitative (sales, volume, median_price, listings, months_inventory).
Queste ultime ci permettono di studiare vendite, prezzi e l’efficacia del mercato nel tempo.
str(dati)## 'data.frame': 240 obs. of 8 variables:
## $ city : chr "Beaumont" "Beaumont" "Beaumont" "Beaumont" ...
## $ year : int 2010 2010 2010 2010 2010 2010 2010 2010 2010 2010 ...
## $ month : int 1 2 3 4 5 6 7 8 9 10 ...
## $ sales : int 83 108 182 200 202 189 164 174 124 150 ...
## $ volume : num 14.2 17.7 28.7 26.8 28.8 ...
## $ median_price : num 163800 138200 122400 123200 123100 ...
## $ listings : int 1533 1586 1689 1708 1771 1803 1857 1830 1829 1779 ...
## $ months_inventory: num 9.5 10 10.6 10.6 10.9 11.1 11.7 11.6 11.7 11.5 ...summary(dati)## city year month sales
## Length:240 Min. :2010 Min. : 1.00 Min. : 79.0
## Class :character 1st Qu.:2011 1st Qu.: 3.75 1st Qu.:127.0
## Mode :character Median :2012 Median : 6.50 Median :175.5
## Mean :2012 Mean : 6.50 Mean :192.3
## 3rd Qu.:2013 3rd Qu.: 9.25 3rd Qu.:247.0
## Max. :2014 Max. :12.00 Max. :423.0
## volume median_price listings months_inventory
## Min. : 8.166 Min. : 73800 Min. : 743 Min. : 3.400
## 1st Qu.:17.660 1st Qu.:117300 1st Qu.:1026 1st Qu.: 7.800
## Median :27.062 Median :134500 Median :1618 Median : 8.950
## Mean :31.005 Mean :132665 Mean :1738 Mean : 9.193
## 3rd Qu.:40.893 3rd Qu.:150050 3rd Qu.:2056 3rd Qu.:10.950
## Max. :83.547 Max. :180000 Max. :3296 Max. :14.900Dalla sintesi emerge che:
Le vendite mensili variano da circa 80 a oltre 400 unità.
Il prezzo mediano varia tra 73.800 $ e 180.000 $.
Per quanto riguarda le specifiche città, Bryan-College Station è la città con il valore degli immobili mediamente più alto, mentre Tyler è la città dove avvengono più compravendite.
La città che risulta meno redditizia è Wichita.
- Indici di posizione, variabilità e forma
Si calcolano alcuni indici statistici per misurare la dispersione dei dati.
IQR(dati$sales)## [1] 120IQR(dati$median_price)## [1] 32750IQR(dati$months_inventory)## [1] 3.15skewness(dati$sales)## [1] 0.718104skewness(dati$median_price)## [1] -0.3645529skewness(dati$months_inventory)## [1] 0.04097527Le vendite hanno un intervallo interquartile di circa 120 unità.
I prezzi hanno un intervallo interquartile di circa 32.750 $.
La distribuzione delle vendite risulta più asimmetrica rispetto alle altre variabili.
- Variabili con maggiore variabilità e asimmetria
Per confrontare le variabili in termini di variabilità relativa, si utilizza il coefficiente di variazione (CV).
cv <- function(x){ sd(x) / mean(x) * 100 }
cv(dati$sales)## [1] 41.42203cv(dati$volume)## [1] 53.70536cv(dati$median_price)## [1] 17.08218cv(dati$listings)## [1] 43.30833cv(dati$months_inventory)## [1] 25.06031Il CV più alto si osserva per la variabile sales, indicando che il numero di vendite mensili è la più variabile.
La maggiore asimmetria invece si riscontra ancora nelle vendite, che presentano valori estremi in alcuni mesi.
- Creazione di classi per una variabile quantitativa
Si suddivide la variabile sales in classi da 50 unità.
dati$sales_cl <- cut(dati$sales, breaks = seq(50, 450, 50))
table(dati$sales_cl)##
## (50,100] (100,150] (150,200] (200,250] (250,300] (300,350] (350,400] (400,450]
## 21 72 56 32 34 13 9 3ggplot(dati, aes(x = sales_cl)) +
geom_bar(fill = "steelblue") +
labs(title = "Distribuzione delle vendite per classi", x = "Classi di vendite", y = "Frequenza") +
theme_bw()
gini.index<-function(x){
ni=table(x)
fi=ni/length(x)
fi2=fi^2
J=length(table(x))
gini=1-sum(fi2)
gini.normalizzato=gini/((J-1)/J)
return(gini.normalizzato)
}
gini.index(dati$sales)## [1] 0.998379Le classi mostrano che l’andamento delle vendite si concentra per lo pù tra i 100 e 200 immobili al mese.
Grazie all’indice di Gini si può evidenziare che le vendite sono una variabile molto eterogenea.
- Calcolo di probabilità
Si calcolano alcune probabilità di estrazione casuale di una riga dal dataset.
p_beaumont <- mean(dati$city == "Beaumont")
p_march <- mean(dati$month == "3")
p_dec2012 <- mean(dati$month == "12" & dati$year == 2012)
p_beaumont; p_march; p_dec2012## [1] 0.25## [1] 0.08333333## [1] 0.01666667Probabilità che la riga appartenga ad una città specifica (60 su 240): 25%
Probabilità che esca un mese specifico (20 su 240): 8,3%
Probabilità che sia di un mese e di un anno specifico (4 su 240): 1,6%
- Creazione di nuove variabili
Si introducono due nuove variabili:
mean_price: prezzo medio degli immobili (volume / numero vendite).
efficiency: efficacia degli annunci (listings / months_inventory).
dati$mean_price <- (dati$volume * 1e6) / dati$sales
dati$efficiency <- dati$listings / dati$months_inventory
summary(dati$mean_price)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 97010 132939 156588 154320 173915 213234summary(dati$efficiency)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 106.8 140.1 176.0 187.3 236.0 329.3Queste variabili aiutano a capire meglio il valore medio delle case e quanto rapidamente vengono smaltite le inserzioni.
Un locale in un annuncio medio si può stimare che venga venduto in 176 giorni.
- Analisi condizionata
Si calcolano statistiche descrittive per città e anno.
dati %>%
group_by(city, year) %>%
summarize(
mean_sales = mean(sales),
sd_sales = sd(sales),
mean_price = mean(median_price),
sd_price = sd(median_price)
)## # A tibble: 20 × 6
## # Groups: city [4]
## city year mean_sales sd_sales mean_price sd_price
## <chr> <int> <dbl> <dbl> <dbl> <dbl>
## 1 Beaumont 2010 156. 36.9 133117. 13354.
## 2 Beaumont 2011 144 22.7 125642. 9603.
## 3 Beaumont 2012 172. 28.4 126533. 7973.
## 4 Beaumont 2013 201. 37.7 132400 7785.
## 5 Beaumont 2014 214. 36.5 132250 9835.
## 6 Bryan-College Station 2010 168. 70.8 153533. 5474.
## 7 Bryan-College Station 2011 167. 62.2 151417. 3709.
## 8 Bryan-College Station 2012 197. 74.3 153567. 7096.
## 9 Bryan-College Station 2013 238. 95.8 159392. 5429.
## 10 Bryan-College Station 2014 260. 86.7 169533. 7776.
## 11 Tyler 2010 228. 49.0 135175 4782.
## 12 Tyler 2011 239. 49.6 136217. 8505.
## 13 Tyler 2012 264. 46.4 139250 7983.
## 14 Tyler 2013 287. 53.0 146100 6726.
## 15 Tyler 2014 332. 56.9 150467. 8543.
## 16 Wichita Falls 2010 123. 26.6 98942. 10361.
## 17 Wichita Falls 2011 106. 19.8 98142. 10632.
## 18 Wichita Falls 2012 112. 14.2 100958. 12347.
## 19 Wichita Falls 2013 121. 26.0 105000 10383.
## 20 Wichita Falls 2014 117 21.1 105675 12444.- Visualizzazioni con ggplot2
Prezzi mediani per città
ggplot(data = dati, aes(x = city, y = median_price)) +
geom_boxplot(fill = "green") +
labs(title = "Prezzi mediani per città") +
theme_bw()
Volume delle vendite per città e anno
ggplot(data = dati, aes(x = city, y = volume, fill = factor(year))) +
geom_boxplot() +
labs(title = "Volume vendite per città e anno") +
theme_bw()
Vendite per mese e città
library(lubridate)
ggplot(data = dati, aes(x = factor(month), y = sales, fill = city)) +
geom_col(position = "dodge") +
facet_wrap(~year, scales="free", nrow=3) +
labs(title = "Vendite mensili per città e anno",
x = "Mese", y = "Numero di vendite") +
theme_bw()
Vendite nel tempo
# Creazione della variabile data (primo giorno del mese)
dati$date <- ymd(paste(dati$year, dati$month, "01", sep = "-"))
# Line chart delle vendite nel tempo
ggplot(dati, aes(x = date, y = sales, color = city)) +
geom_line(linewidth = 1) +
labs(title = "Andamento delle vendite nel tempo per città",
x = "Data", y = "Numero di vendite") +
theme_bw()
- Conclusioni
I mesi estivi, in particolare agosto, registrano il numero più alto di vendite.
Tra le città, Bryan-College Station ha i prezzi mediani più elevati.
Tyler è la città con il maggior numero di compravendite.
Wichita Falls risulta la meno redditizia.
In generale, l’analisi evidenzia una forte stagionalità e differenze significative tra città, utili per ottimizzare le strategie di mercato.