Informe de viviendas
Edibar Mosquera Viveros
2026-02-11
Introducción
Este informe presenta una evaluación del mercado inmobiliario basada en el procesamiento de datos reales de marketing mediante técnicas de análisis multivariado. El objetivo primordial es construir modelos estadísticos que permitan sintetizar la complejidad de la información recogida y descubrir los patrones subyacentes que rigen los precios de las viviendas ofertadas. A través de este análisis, se busca transformar los datos brutos en una estructura comprensible que facilite la interpretación de las tendencias del sector y proporcione conclusiones estratégicas derivadas de los resultados obtenidos.
1. Entendimiento de los datos
Una vez cargada la base debemos saber:
- ¿Cuántos registros y atributos tiene el conjubto de datos?
- ¿De qué tipo son los atributos?
- Obtener una medida de dispersión y centralidad
- Calcular la matriz de correlación de los atributos
Como paso previo al preprocesamiento de los datos, debemos:
- Detectar si hay datos faltantes
- Detectar si hay datos atípicos
- Detectar si hay registros duplicados
library(ggplot2)
library(summarytools)
library(knitr)
library(mice)
library(FactoMineR)
library(factoextra)
library(gridExtra)
library(dplyr)
# devtools::install_github("centromagis/paqueteMODELOS", force = TRUE)
library(paqueteMODELOS)
library(corrplot)
library(tidyverse)
data("vivienda")Cantidad de registros y atributos (filas y columnas)
Todos los atributos tienen la misma cantidad de registros
dim(vivienda)## [1] 8322 13Tipo de datos de cada atributo y estructura general
Se identifican valores faltantes (NA) en el atributo categórico piso. Adicional, la variable estrato está clasificada como dato numérico.
str(vivienda, give.attr = FALSE)## spc_tbl_ [8,322 × 13] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
## $ id : num [1:8322] 1147 1169 1350 5992 1212 ...
## $ zona : chr [1:8322] "Zona Oriente" "Zona Oriente" "Zona Oriente" "Zona Sur" ...
## $ piso : chr [1:8322] NA NA NA "02" ...
## $ estrato : num [1:8322] 3 3 3 4 5 5 4 5 5 5 ...
## $ preciom : num [1:8322] 250 320 350 400 260 240 220 310 320 780 ...
## $ areaconst : num [1:8322] 70 120 220 280 90 87 52 137 150 380 ...
## $ parqueaderos: num [1:8322] 1 1 2 3 1 1 2 2 2 2 ...
## $ banios : num [1:8322] 3 2 2 5 2 3 2 3 4 3 ...
## $ habitaciones: num [1:8322] 6 3 4 3 3 3 3 4 6 3 ...
## $ tipo : chr [1:8322] "Casa" "Casa" "Casa" "Casa" ...
## $ barrio : chr [1:8322] "20 de julio" "20 de julio" "20 de julio" "3 de julio" ...
## $ longitud : num [1:8322] -76.5 -76.5 -76.5 -76.5 -76.5 ...
## $ latitud : num [1:8322] 3.43 3.43 3.44 3.44 3.46 ...Medidas de dispersión y centralidad
Se identifica que hay inmubles con 0 habitaciones o 0 baños, lo cual no es común en la realidad.
descr(vivienda,
stats = c("mean", "med", "sd", "min", "q1", "q3", "max", "IQR", "cv"),
transpose = TRUE)## Descriptive Statistics
## vivienda
## N: 8322
##
## Mean Median Std.Dev Min Q1 Q3 Max IQR CV
## ------------------ --------- --------- --------- -------- --------- --------- --------- --------- ------
## areaconst 174.93 123.00 142.96 30.00 80.00 229.00 1745.00 149.00 0.82
## banios 3.11 3.00 1.43 0.00 2.00 4.00 10.00 2.00 0.46
## estrato 4.63 5.00 1.03 3.00 4.00 5.00 6.00 1.00 0.22
## habitaciones 3.61 3.00 1.46 0.00 3.00 4.00 10.00 1.00 0.40
## id 4160.00 4160.00 2401.63 1.00 2080.00 6240.00 8319.00 4159.00 0.58
## latitud 3.42 3.42 0.04 3.33 3.38 3.45 3.50 0.07 0.01
## longitud -76.53 -76.53 0.02 -76.59 -76.54 -76.52 -76.46 0.02 0.00
## parqueaderos 1.84 2.00 1.12 1.00 1.00 2.00 10.00 1.00 0.61
## preciom 433.89 330.00 328.65 58.00 220.00 540.00 1999.00 320.00 0.76Matriz de correlación de los atributos
No se identifican atributos redundantes. La relación fuerte es de los atributos ID y Longitud (-0.96).
# Filtrar solo columnas numéricas
vivienda_num <- vivienda[, sapply(vivienda, is.numeric)]
matriz_cor <- cor(vivienda_num, use = "complete.obs")
#Graficar
corrplot(matriz_cor,
method = "color",
type = "full",
col = colorRampPalette(c("blue", "white", "red"))(200),
addCoef.col = "black",
number.cex = 0.5,
tl.col = "black",
tl.srt = 45,
diag = TRUE)
Datos faltantes por atributo
Se identifica que la varibales piso y parqueaderos tiene un alto porcentaje de datos NA
data.frame(
NAN = colSums(is.na(vivienda)),
Percent = round(colSums(is.na(vivienda)) / nrow(vivienda) * 100, 2)
)## NAN Percent
## id 3 0.04
## zona 3 0.04
## piso 2638 31.70
## estrato 3 0.04
## preciom 2 0.02
## areaconst 3 0.04
## parqueaderos 1605 19.29
## banios 3 0.04
## habitaciones 3 0.04
## tipo 3 0.04
## barrio 3 0.04
## longitud 3 0.04
## latitud 3 0.04Valores atípicos de atributos numéricos
Los boxplots muestran una alta dispersión y presencia de valores atípicos en las variables precio y área construida, lo cual es totalmente factible y esperado en el mercado inmobiliario. Los inmuebles no son bienes homogéneo.
par(mar = c(8,4,4,2))
boxplot(vivienda_num,
las = 2,
main = "Boxplots de atributos numéricos",
col = "blue",
ylim = c(0, 2000))
Resgistros duplicados en el conjunto de datos
sum(duplicated(vivienda))## [1] 12. Preparación de los datos
Se elimina el atributo Id, ya que no será relevante para los análisis posteriores y se convierte el atributo estrato en factor
vivienda$id <- NULL
vivienda$estrato <- as.factor(vivienda$estrato)Se remplazan con la mediana los valores en 0 de los atributos banios y habitaciones, no es comun encontrar inmubles sin estas característica. En ambos casos la mediana de los atributos es equivalente a 3.
vivienda$habitaciones[vivienda$habitaciones == 0] <- 3
vivienda$banios[vivienda$banios == 0] <- 3 Los atributos numéricos con datos faltantes se remplazan con la mediana, los atributos categóricos con datos faltantes se remplazan con la moda
# Identificar columnas categóricas y numéricas
categoricas <- c("piso", "zona", "tipo","barrio", "estrato")
numericas <- sapply(vivienda, is.numeric)
# Función para calcular la moda
moda <- function(x) {
ux <- unique(x[!is.na(x) & x != ""])
ux[which.max(tabulate(match(x, ux)))]
}
# Reemplazar NA en columnas categóricas por la moda
vivienda[categoricas] <- lapply(vivienda[categoricas], function(x) {
moda_valor <- moda(x)
x[is.na(x) | x == ""] <- moda_valor
return(x)
})
# Reemplazar NA en columnas numéricas por la mediana
vivienda[numericas] <- lapply(vivienda[numericas], function(x) {
x[is.na(x)] <- median(x, na.rm = TRUE)
return(x)
})
data.frame(
NAN = colSums(is.na(vivienda))
)## NAN
## zona 0
## piso 0
## estrato 0
## preciom 0
## areaconst 0
## parqueaderos 0
## banios 0
## habitaciones 0
## tipo 0
## barrio 0
## longitud 0
## latitud 0Los valores atípicos identificados en los atributos preciom, areaconst, banios, parqueaderos y habitaciones son estadísticamente extremos; sin embargo, son plausibles en la realidad, considerando el tipo y las características de las viviendas. Por esta razón, no se procedió a imputarlos ni a eliminarlos.
Finalmente se eliminan registros duplicados
vivienda <- vivienda[!duplicated(vivienda), ]
sum(duplicated(vivienda))## [1] 03. Análisis
a. Componentes principales (PCA)
vivienda_n <- vivienda[, sapply(vivienda, is.numeric)]# Atributos numéricos normalizados
viviendaZ = scale(vivienda_n) # datos estandarizados
summary(vivienda_n)## preciom areaconst parqueaderos banios
## Min. : 58.0 Min. : 30.0 Min. : 1.000 Min. : 1.00
## 1st Qu.: 220.0 1st Qu.: 80.0 1st Qu.: 1.000 1st Qu.: 2.00
## Median : 330.0 Median : 123.0 Median : 2.000 Median : 3.00
## Mean : 434.7 Mean : 175.2 Mean : 1.869 Mean : 3.13
## 3rd Qu.: 548.0 3rd Qu.: 229.0 3rd Qu.: 2.000 3rd Qu.: 4.00
## Max. :1999.0 Max. :1745.0 Max. :10.000 Max. :10.00
## habitaciones longitud latitud
## Min. : 1.00 Min. :-76.59 Min. :3.333
## 1st Qu.: 3.00 1st Qu.:-76.54 1st Qu.:3.381
## Median : 3.00 Median :-76.53 Median :3.416
## Mean : 3.63 Mean :-76.53 Mean :3.418
## 3rd Qu.: 4.00 3rd Qu.:-76.52 3rd Qu.:3.452
## Max. :10.00 Max. :-76.46 Max. :3.498summary(viviendaZ)## preciom areaconst parqueaderos banios
## Min. :-1.1434 Min. :-1.0140 Min. :-0.8570 Min. :-1.50912
## 1st Qu.:-0.6517 1st Qu.:-0.6647 1st Qu.:-0.8570 1st Qu.:-0.80045
## Median :-0.3178 Median :-0.3643 Median : 0.1292 Median :-0.09179
## Mean : 0.0000 Mean : 0.0000 Mean : 0.0000 Mean : 0.00000
## 3rd Qu.: 0.3440 3rd Qu.: 0.3762 3rd Qu.: 0.1292 3rd Qu.: 0.61688
## Max. : 4.7485 Max. :10.9665 Max. : 8.0181 Max. : 4.86887
## habitaciones longitud latitud
## Min. :-1.8453 Min. :-3.47449 Min. :-1.98482
## 1st Qu.:-0.4422 1st Qu.:-0.74487 1st Qu.:-0.86381
## Median :-0.4422 Median :-0.07897 Median :-0.03829
## Mean : 0.0000 Mean : 0.00000 Mean : 0.00000
## 3rd Qu.: 0.2594 3rd Qu.: 0.55880 3rd Qu.: 0.80599
## Max. : 4.4686 Max. : 3.76718 Max. : 1.87775Con el fin de evitar que las variables que tiene una escala con valores más grandes afecten las estimaciones realizadas (sesgos) se realiza la estandarización de las variables antes de proceder a realizar el proceso de estimación de los componentes principales.
viviendaZ= scale(vivienda_n[,2:5])
head(viviendaZ) # primeros 6 registros ## areaconst parqueaderos banios habitaciones
## [1,] -0.7345723 -0.8569549 -0.09178938 1.6624437
## [2,] -0.3852873 -0.8569549 -0.80045486 -0.4421917
## [3,] 0.3132828 0.1291580 -0.80045486 0.2593534
## [4,] 0.7324249 1.1152709 1.32554158 -0.4421917
## [5,] -0.5948583 -0.8569549 -0.80045486 -0.4421917
## [6,] -0.6158154 -0.8569549 -0.09178938 -0.4421917prcomp(viviendaZ)## Standard deviations (1, .., p=4):
## [1] 1.5968921 0.8720216 0.6024832 0.5714261
##
## Rotation (n x k) = (4 x 4):
## PC1 PC2 PC3 PC4
## areaconst 0.5439284 0.03875384 -0.6407693 0.54042085
## parqueaderos 0.4310069 0.76228613 0.4767174 0.07676883
## banios 0.5480971 -0.09334458 -0.2170749 -0.80234334
## habitaciones 0.4668667 -0.63930024 0.5612786 0.24144774Elección del número de componentes principales
En este caso el primer componente principal explica el 63.8% de la variabilidad contenida en la base de datos y entre los dos primeros se casi el 80% de los datos (82.8), lo cual indicaría que con solo una variable (CP1) que se obtiene mediante una combinación lineal de las variables se puede resumir gran parte de la variabilidad que contiene la base de datos.
viviendaZ= scale(vivienda_n[,2:5])
res.pca <- prcomp(viviendaZ)
fviz_eig(res.pca, addlabels = TRUE)
El gráfico de variables del PCA muestra que la Dim1 (63.8%) está fuertemente explicada de manera conjunta por área construida, baños y habitaciones, ya que sus vectores apuntan en la misma dirección y con alta correlación positiva, lo que confirma que el tamaño del inmueble y su nivel de dotación estructural son el principal factor de diferenciación del mercado. Por su parte, parqueaderos también contribuye de forma importante, pero se orienta más hacia la Dim2 (19%), lo que indica que esta variable introduce una diferenciación adicional independiente del tamaño tradicional del inmueble. En términos estratégicos, lo más relevante es que el mercado se segmenta principalmente por escala (área y número de espacios internos), mientras que la disponibilidad de parqueaderos funciona como un factor complementario que puede marcar distinción competitiva en ciertos segmentos.
fviz_pca_var(res.pca,
col.var = "contrib", # Color by contributions to the PC
gradient.cols = c("#FF7F00", "#034D94"),
repel = TRUE # Avoid text overlapping
)
Para explicar el sentido de los ejes, se escogen cuatro casos extremos conformados por los siguientes clientes:
Extremo positivo en Dim1 = inmueble más grande (registro 3131)
Extremo negativo en Dim1 = inmueble más pequeño (registro 8133)
Extremo positivo en Dim2 = inmueble con muchos parqueaderos respecto al resto (registro 1751)
Extremo negativo en Dim2 = nmueble con más habitaciones (registro 279)
# vivienda_n[which.max(vivienda_n$areaconst), identifica el registro del valor extremo
datos<- rbind(vivienda_n[3131,], # ok
vivienda_n[8133,],
vivienda_n[1751,],
vivienda_n[279,])
datos <- as.data.frame(datos)
rownames(datos) = c("Inmueble 3131","Inmueble 8133","Inmueble 1751","Inmueble 279")
datos[, c("areaconst", "parqueaderos", "banios", "habitaciones")]## areaconst parqueaderos banios habitaciones
## Inmueble 3131 1745 2 3 2
## Inmueble 8133 30 1 2 3
## Inmueble 1751 1586 10 4 5
## Inmueble 279 750 2 8 10El gráfico del PCA muestra que la mayor parte de la variabilidad de los inmuebles (82.8%) se explica en dos dimensiones, donde la primera (63.8%) está asociada principalmente al tamaño y nivel del inmueble (mayor área, más baños, habitaciones y parqueaderos), convirtiéndose en el eje que más diferencia el mercado. La mayoría de las propiedades se concentran en una zona central, lo que indica un mercado relativamente homogéneo y dominado por inmuebles de características medias; sin embargo, se observan algunos puntos claramente alejados que representan propiedades atípicas, específicamente los inmuebles 1751, 279, 3131 y 8133, los cuales se diferencian por tener áreas muy grandes, un número inusual de habitaciones o parqueaderos, o tamaños extremadamente pequeños. En conjunto, el gráfico evidencia que el tamaño es el principal factor de diferenciación y que existen pocos inmuebles que se apartan significativamente del patrón general.
casos1 <- rbind(res.pca$x[3131,1:2],res.pca$x[8133,1:2]) # CP1
rownames(casos1) = c("3131","8133")
casos1 <- as.data.frame(casos1)
casos2 <- rbind(res.pca$x[1751,1:2], res.pca$x[279,1:2]) # CP2
rownames(casos2) = c("1751","279")
casos2 <- as.data.frame(casos2)
fviz_pca_ind(res.pca, col.ind = "#DEDEDE", gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07")) +
geom_point(data = casos1, aes(x = PC1, y = PC2), color = "red", size = 3) +
geom_point(data = casos2, aes(x = PC1, y = PC2), color = "blue", size = 3)
El biplot muestra que la Dim1 (63.8%) está asociada principalmente con área construida, habitaciones y baños, variables fuertemente correlacionadas entre sí y que representan el tamaño del inmueble. En esta dimensión, las Casas tienden a ubicarse hacia valores más altos, indicando mayores áreas y más espacios, mientras que los Apartamentos se concentran más cerca del origen o en valores menores. La variable parqueaderos también se relaciona positivamente con el tamaño, diferenciando especialmente a las Casas en la Dim2 (19%). La cercanía angular entre las flechas confirma la correlación positiva entre todas las variables estructurales. En conjunto, las Casas muestran mayor variabilidad y asociación con inmuebles de mayor tamaño, mientras que los Apartamentos presentan características más compactas y homogéneas.
library(factoextra)
fviz_pca_biplot(res.pca,
repel = TRUE,
habillage = vivienda$tipo,
col.var = "#034A94", # Variables color
col.ind = c("#DEDEDE", "#034A94") # Individuals color
)
b. Conglomerados
Dado que el dataset contiene más de 8.000 registros, se tomó una muestra representativa de 400 observaciones con el fin de optimizar el rendimiento computacional y reducir los tiempos de procesamiento durante la ejecución de los análisis. Esta decisión facilita una renderización más ágil del archivo RMarkdown.
set.seed(1234)
vivienda_sample <- sample_n(vivienda_n, 400) # selecciona una muestra del dataset
rownames(vivienda_sample) <- paste0("E", 1:nrow(vivienda_sample))
viv_z <- scale(vivienda_sample)
viv_z <- as.data.frame(viv_z)
viv_z[1:5, ]## preciom areaconst parqueaderos banios habitaciones longitud
## E1 -0.7297508 -0.6565838 -0.7168618 -0.78509171 -0.3933114 0.5253162
## E2 -0.8569308 -0.4584833 0.1314954 -0.78509171 -0.3933114 2.4131477
## E3 -0.8251358 -0.7688408 -0.7168618 -0.78509171 -1.1878799 0.4270471
## E4 -0.6820583 -0.4584833 -0.7168618 -0.01727586 0.4012571 1.4659761
## E5 -0.4753908 -0.5773436 -0.7168618 -0.01727586 -0.3933114 0.3187144
## latitud
## E1 -1.1394168
## E2 1.0383504
## E3 -1.1494991
## E4 -0.4622644
## E5 -1.3028432Las distancias correspondientes a los valores estandarizados serán:
Distancias euclidianas
dist(viv_z, method = "euclidean")Distamcias de Manhattan
dist(viv_z, method = "manhattan")Distancias de Minkowski
dist(viv_z, method = "minkowski")Distribución de los individuos por distancias
El gráfico de distribución por distancias segmenta los 400 inmuebles en cuatro clústeres diferenciados principalmente por área construida y precio. El clúster 1 (rojo) concentra la oferta masiva de propiedades pequeñas y económicas, mientras que el clúster 2 (verde) representa un segmento medio con mayor variabilidad de precios. Los clústeres 3 (azul) y 4 (morado) identifican claramente a los valores atípicos o outliers, como el Cliente 1751, que se alejan del grupo principal debido a dimensiones y costos excepcionalmente altos. En conclusión, la visualización confirma que la mayoría del mercado es homogénea, con apenas un puñado de propiedades rompiendo la tendencia hacia el extremo superior del gráfico.
# distancia euclidiana
dist_emp <- dist(viv_z, method = 'euclidean')
# Clúster jerárquico con el método complete
hc_emp <- hclust(dist_emp, method = 'complete')
# Determinamos a dónde pertenece cada observación
cluster_assigments <- cutree(hc_emp, k = 4)
# asignamos los clusters
assigned_cluster <- viv_z %>% mutate(cluster = as.factor(cluster_assigments))
# gráfico de puntos
ggplot(assigned_cluster, aes(x = areaconst, y = preciom, color = cluster)) +
geom_point(size = 4) +
geom_text(aes(label = cluster), vjust = -.8) + # Agregar etiquetas del clúster
theme_classic()
El dendrograma muestra la jerarquía de agrupación de los 400 inmuebles, donde la Distancia Euclidiana en el eje vertical revela una clara separación del mercado en dos segmentos principales. El primer grupo (recuadro rojo) es un segmento minoritario de “atípicos” que se desprende prematuramente del resto debido a características extremas, como las observadas en el Cliente 1751 (gran área y 10 parqueaderos). El segundo grupo (recuadro verde) concentra a la gran mayoría de los registros, quienes presentan una alta densidad en la base (entre distancia 0 y 3), lo que indica una oferta inmobiliaria muy homogénea con variaciones mínimas en su configuración estructural. Esta estructura sugiere que, para fines prácticos, el mercado se divide entre una masa estándar masiva y un nicho exclusivo de propiedades con dimensiones fuera de la norma.
plot(hc_emp, cex = 0.6, main = "Dendograma de Empresas", las=1,
ylab = "Distancia euclidiana", xlab = "Grupos")
rect.hclust(hc_emp, k = 2, border = 2:5)
Clasificación de los inmuebles
dendograma <- hclust(dist_emp, method = "average")
grp <- cutree(dendograma, k = 4)
grpElección del número de conglomerados
El gráfico de Agregaciones, basado en las distancias euclidianas, visualiza la progresión del agrupamiento jerárquico de tus datos. Su forma descendente muestra cómo se reducen drásticamente los nodos al inicio, lo que indica que la gran mayoría de los 400 inmuebles son muy similares entre sí y se agrupan rápidamente. La estabilización de la curva hacia la derecha representa a los elementos “atípicos” o outliers, que requieren un “peso” o distancia mucho mayor para ser integrados al grupo principal.
dist_emp <- dist(viv_z, method = "euclidean")
dendograma <- hclust(dist_emp, method = "average")
# plot(dendograma, cex = 0.6, hang = -1)
barplot(sort(dendograma$height, decreasing = TRUE), horiz = TRUE,
main = "Agregaciones (distancias euclidianas)",
col = "lightblue", ylab = "Nodo", xlab = "Peso", xlim = c(0, 2.5))
Un coeficiente de Silhouette promedio de 0.3948 para k = 4 indica que la segmentación de los inmuebles presenta una estructura moderada pero no claramente definida, lo que significa que, aunque los inmuebles tienden a estar más próximos a los de su propio conglomerado que a los de otros grupos, existe cierto solapamiento entre clusters. En términos prácticos, los cuatro conglomerados logran diferenciar parcialmente perfiles de inmuebles (por ejemplo, por precio, tamaño o ubicación), pero las fronteras entre ellos no son muy nítidas, lo que sugiere heterogeneidad interna o características compartidas entre grupos.
library(cluster)
# distancia euclidiana
dist_emp <- dist(viv_z, method = 'euclidean')
# Clúster jerárquico con el método complete
hc_emp <- hclust(dist_emp, method = 'complete')
# Determinamos a dónde pertenece cada observación
cluster_assigments <- cutree(hc_emp, k = 4)
# Calcular el coeficiente de Silhouette
sil <- silhouette(cluster_assigments, dist(viv_z))
sil_avg <- mean(sil[,3])
# Imprimir el coeficiente de Silhouette promedio
cat("Coeficiente de Silhouette promedio k=4 : ", sil_avg)## Coeficiente de Silhouette promedio k=4 : 0.3948325c. Correspondencia
tabla <- table(vivienda$zona, vivienda$estrato)
colnames(tabla) <- c("Estrato3", "Estrato4", "Estrato5", "Estrato6" )
tabla##
## Estrato3 Estrato4 Estrato5 Estrato6
## Zona Centro 105 14 4 1
## Zona Norte 567 406 763 172
## Zona Oeste 54 83 289 769
## Zona Oriente 339 8 2 1
## Zona Sur 380 1594 1670 1040El resultado del test Chi-cuadrado muestra un estadístico X² = 3802.6 con 12 grados de libertad (df = 12) y un p-valor < 2.2e-16, lo que evidencia una diferencia grande entre las frecuencias observadas y las esperadas bajo el supuesto de independencia. Dado que el p-valor es menor al nivel de significancia convencional (α = 0.05), se rechaza la hipótesis nula de independencia, concluyendo que existe una asociación estadísticamente significativa entre las variables.
chisq.test(tabla)##
## Pearson's Chi-squared test
##
## data: tabla
## X-squared = 3802.6, df = 12, p-value < 2.2e-16El mapa factorial de Análisis de Correspondencias muestra que la Dimensión 1 (70.03%) explica la mayor parte de la variabilidad, diferenciando principalmente las zonas y los estratos socioeconómicos. Se observa una fuerte asociación entre Zona Oriente y Estrato 3, así como entre Zona Centro y posiciones intermedias positivas en la Dim 1. En contraste, Zona Oeste se relaciona más con Estrato 6, mientras que Zona Sur se aproxima a Estratos 4 y 5, indicando perfiles similares. La cercanía entre puntos sugiere mayor asociación, mientras que la lejanía respecto al origen indica mayor contribución a la explicación de la relación entre variables.
resultados_ac <- CA(tabla)
valores_prop <-resultados_ac$eig ; valores_prop## eigenvalue percentage of variance cumulative percentage of variance
## dim 1 0.32236431 70.032960 70.03296
## dim 2 0.12732444 27.660964 97.69392
## dim 3 0.01061495 2.306076 100.00000El clustering con k = 4 muestra una calidad moderada (Silhouette = 0.3948), indicando separación aceptable pero no óptima entre grupos.El análisis factorial revela que Dim 1 (70.03%) y Dim 2 (27.66%) explican el 97.69% de la variabilidad, por lo que la estructura se interpreta casi totalmente en dos dimensiones.
fviz_screeplot(resultados_ac, addlabels = TRUE, ylim = c(0, 80))+ggtitle("")+
ylab("Porcentaje de varianza explicado") + xlab("Ejes")
Conclusión
El análisis evidencia que el 82.8% de la variabilidad del mercado se explica en dos dimensiones del PCA, donde la Dim1 (63.8%) está determinada por área construida, habitaciones, baños y parqueaderos, confirmando cuantitativamente que el tamaño es el principal factor de diferenciación. El biplot muestra que las Casas se ubican en los valores más altos de esta dimensión, asociándose a mayores áreas y más parqueaderos, lo que estructuralmente las posiciona en segmentos de mayor valor (inmuebles de mayor tamaño y dotación estructural). En contraste, los Apartamentos se concentran cerca del origen o en valores intermedios y bajos de la Dim1, lo que indica menor área y menor número de espacios, reflejando un producto más estandarizado y homogéneo.
La segmentación en 4 clústeres refuerza esta estructura: el clúster 1 concentra principalmente esta oferta masiva de apartamentos pequeños, caracterizados por menor dispersión en precio y tamaño, mientras que los clústeres 3 y 4 agrupan inmuebles atípicos de gran tamaño y precio elevado, como el 1751, evidenciando un segmento reducido pero diferenciado. Además, el Análisis de correspondencias indica que la Dim1 explica el 70.03% de la relación entre zona y estrato, mostrando asociación directa entre Zona Oeste y Estrato 6, y entre Zona Sur y Estratos 4 y 5, es decir, áreas con mayor nivel socioeconómico. En este contexto, los apartamentos ubicados en estas zonas pueden representar una estrategia de inversión intermedia atractiva: aunque estructuralmente son más compactos, su localización en estratos altos puede incrementar su valor relativo. Por tanto, la recomendación es focalizar inversión en zonas de estratos 5 y 6, priorizando Casas para maximizar margen y Apartamentos bien ubicados para asegurar rotación y liquidez.
4. Anexos
Se incluye el código en el documento Rmd como anexo bajo las opciones Show all code - Hide all code