Paquetes a utilizar

library("foreign")
library("olsrr")
## 
## Attaching package: 'olsrr'
## The following object is masked from 'package:datasets':
## 
##     rivers
library("mctest")
library("GGally")
## Loading required package: ggplot2
## Registered S3 method overwritten by 'GGally':
##   method from   
##   +.gg   ggplot2
library("ggplot2")

Ejemplo: Precios de la vivienda en Albuquerque

Objetivos del estudio

Los agentes inmobiliarios desean usar un modelo de regresión múltiple para justificar el precio de venta de una casa basado en una lista de características deseables que posee la casa. Tales datos son compilados comúnmente por juntas locales de agentes inmobiliarios. Considere un archivo de datos que contiene una muestra aleatoria de 117 ventas de viviendas en Albuquerque, Nuevo México durante el período del 15 de febrero al 30 de abril de 1993, tomado de la Junta de Agentes Inmobiliarios de Albuquerque (1993).

Descripción de datos

Usamos un subconjunto de cinco de las ocho variables para las cuales se proporcionan datos, y 107 de las 117 casas que tienen información sobre las cinco variables.

  • precio: precio de venta en $100’s
  • sqrt: Pies cuadrados de espacio habitable
  • personalizado: esquina: impuestos:
  • custom: Si la casa fue construida con características personalizadas (1) o no (0)
  • corner: Si la casa se encuentra en un lote de esquina (1) o no (0)
  • taxes: Impuestos anuales en $

Investigamos modelos de precio en función de algunos o todos los predictores candidatos sqft, custom, corner e tax. Este ejemplo supone que los impuestos potencialmente determinan el precio. En algunos contextos inmobiliarios, la causalidad podría funcionar en la dirección opuesta: los precios de venta pueden afectar las evaluaciones posteriores de la vivienda y, por lo tanto, la carga fiscal.

Datos

library("HH")
data(houseprice)
head(houseprice)
##   price sqft custom corner taxes
## 1  2050 2650      1      0  1639
## 2  2080 2600      1      0  1088
## 3  2150 2664      1      0  1193
## 4  2150 2921      1      0  1635
## 5  1999 2580      1      0  1732
## 6  1900 2580      0      0  1534