Após a publicação de um artigo em um jornal local sobre a média de preços de imóveis na região, a Easton Imóbiliaria recebeu uma notificação do Conselho Local dos Corretores de Imóveis referente a duas queixas que haviam recebido: clientes da empresa alegavam que suas casas foram vendidas abaixo do preço médio para acelerar suas vendas que, naquela época, estavam lentas devido a saturação de imóveis no mercado causada pela crise econômica do estado do Texas.
A primeira casa é em Arlington, tem 4 anos, tem 203 m² e foi vendida por 88.500 dólares. A segunda casa é em Fort Worth, tem 9 anos, tem 172 m² e foi vendida por 79.500. Ambas as casas em questão têm três quartos.
Para analisar se de fato as casas foram subvalorizadas em relação ao preço de mercado irei utilizar a Base de Dados Easton Imolibiaria.xlsx que contém todos os dados de casas vendidas na área de Dallas-Fort Worth nos últimos quatro meses: mês de venda, preço, tamanho da casa, número de quartos, idade da casa, área na DFW em que estava localizada e a imobiliária que vendeu.
library(readxl)
EastonImobiliaria <- read_excel("C:/Users/dsant/Desktop/Base_de_dados-master/EastonImobiliaria.xlsx")
nomes<-c("Mes","Preco","Tamanho","Quartos","Idade","Localizacao","Corretora" )
colnames(EastonImobiliaria)<-nomes
levels(EastonImobiliaria$Corretora)<-c("Outras Imobiliarias","Easton Imobiliaria")
levels(EastonImobiliaria$Localizacao)<-c("Dallas","Fort Worth","Area Metropolitana")
levels(EastonImobiliaria$Mes)<-c("Marco","Abril","Maio","Junho")
head(EastonImobiliaria)
## # A tibble: 6 x 7
## Mes Preco Tamanho Quartos Idade Localizacao Corretora
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 3 172950 174. 3 2 1 0
## 2 3 167250 183. 3 2 1 0
## 3 3 158250 172. 3 2 1 0
## 4 3 150750 210. 4 2 3 0
## 5 3 139050 190. 3 2 2 1
## 6 3 138150 129. 2 2 1 0
Inicialmente cruzei as variáveis Preço x Corretora para comparar a diferença de valores entre a Easton Imobiliária e outras imobiliárias.
library(psych)
describeBy(EastonImobiliaria$Preco,EastonImobiliaria$Corretora)
##
## Descriptive statistics by group
## group: 0
## vars n mean sd median trimmed mad min max range
## X1 1 415 141066.1 22239.58 139950 140549.1 26242.02 99000 190650 91650
## skew kurtosis se
## X1 0.15 -0.95 1091.7
## --------------------------------------------------------
## group: 1
## vars n mean sd median trimmed mad min max range skew
## X1 1 46 130950 19097.96 128100 129422.4 15456.1 99450 176550 77100 0.75
## kurtosis se
## X1 0.04 2815.84
A partir disso, podemos observar que tanto a média ($130950,00 vs. $141066,10) quanto a mediana ($128100,00 vs. $139950,00) dos preços estabelecidos pela Easton Imobiliária estão, em média, abaixo do valor de mercado.
Entretanto, essa média geral, desconsiderando as diversas características de cada casa, não expressa a realidade de forma factível. Portanto, é necessário comparar o valor médio considerando outras variáveis. Com esse objetivo, optei por avaliar a situação de cada casa separadamente, comparando seu valor com casas semelhantes no mercado:
library(psych)
describeBy(EastonImobiliaria$Preco,EastonImobiliaria$Localizacao,mat=TRUE)
## item group1 vars n mean sd median trimmed mad min
## X11 1 1 1 217 152362.7 19618.77 152550 153120.9 21349.44 101550
## X12 2 2 1 147 129485.7 19261.30 124350 127995.4 18013.59 99000
## X13 3 3 1 97 128546.9 16448.43 125850 127388.0 15567.30 99450
## max range skew kurtosis se
## X11 190650 89100 -0.2766679 -0.5250116 1331.809
## X12 184800 85800 0.6668236 -0.3645529 1588.645
## X13 177750 78300 0.6876319 0.1583662 1670.085
library(psych)
describeBy(EastonImobiliaria$Preco,EastonImobiliaria$Idade,mat=TRUE)
## item group1 vars n mean sd median trimmed mad
## X11 1 1 1 2 121650.0 22485.996 121650 121650.0 23573.34
## X12 2 2 1 17 143629.4 22465.105 150750 143470.0 24462.90
## X13 3 3 1 25 145956.0 23889.844 141900 145992.9 27131.58
## X14 4 4 1 64 142043.0 21547.529 140850 141885.6 25574.85
## X15 5 5 1 70 137792.1 21773.897 132750 136162.5 23684.53
## X16 6 6 1 84 136635.7 24083.210 134775 135430.1 27576.36
## X17 7 7 1 76 136908.6 20366.010 138675 136439.5 25797.24
## X18 8 8 1 62 146104.8 20330.976 147825 146190.0 20459.88
## X19 9 9 1 39 139469.2 21743.171 136350 138777.3 22016.61
## X110 10 10 1 15 143560.0 25457.957 139950 144069.2 29355.48
## X111 11 11 1 5 125910.0 6192.475 128400 125910.0 6004.53
## X112 12 12 1 1 183000.0 NA 183000 183000.0 0.00
## X113 13 13 1 1 149850.0 NA 149850 149850.0 0.00
## min max range skew kurtosis se
## X11 105750 137550 31800 0.00000000 -2.7500000 15900.000
## X12 109950 179700 69750 -0.14204808 -1.4168957 5448.588
## X13 102300 187200 84900 0.01132975 -1.3585671 4777.969
## X14 101400 183750 82350 0.10476769 -1.0116410 2693.441
## X15 102150 187500 85350 0.56514111 -0.6398475 2602.478
## X16 99450 190650 91200 0.33437765 -0.9195893 2627.694
## X17 99000 184800 85800 0.14804743 -0.8596285 2336.142
## X18 103800 184650 80850 -0.08830798 -0.8641436 2582.037
## X19 106350 180750 74400 0.38764812 -1.0853131 3481.694
## X110 102000 178500 76500 -0.05932974 -1.4789748 6573.216
## X111 118800 132450 13650 -0.18179635 -2.1749929 2769.359
## X112 183000 183000 0 NA NA NA
## X113 149850 149850 0 NA NA NA
quatro<-subset(EastonImobiliaria,subset = Idade== "4")
summary(quatro$Preco,mat=TRUE)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 101400 124463 140850 142043 158438 183750
library(psych)
describeBy(EastonImobiliaria$Preco,EastonImobiliaria$Quartos,mat=TRUE)
## item group1 vars n mean sd median trimmed mad min
## X11 1 2 1 60 122977.5 18361.31 117975 120715.6 16123.27 99450
## X12 2 3 1 290 140163.6 21055.43 138750 139666.8 23128.56 99000
## X13 3 4 1 111 149009.5 21531.95 146400 148833.7 28465.92 107700
## max range skew kurtosis se
## X11 178050 78600 0.97844733 0.2300974 2370.434
## X12 187500 88500 0.17414051 -0.8838655 1236.417
## X13 190650 82950 0.06702086 -1.1186896 2043.722
quartos<-subset(EastonImobiliaria,subset = Quartos== "3")
summary(quartos$Preco,mat=TRUE)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 99000 123600 138750 140164 156225 187500
library(psych)
describeBy(EastonImobiliaria$Preco,EastonImobiliaria$Localizacao,mat=TRUE)
## item group1 vars n mean sd median trimmed mad min
## X11 1 1 1 217 152362.7 19618.77 152550 153120.9 21349.44 101550
## X12 2 2 1 147 129485.7 19261.30 124350 127995.4 18013.59 99000
## X13 3 3 1 97 128546.9 16448.43 125850 127388.0 15567.30 99450
## max range skew kurtosis se
## X11 190650 89100 -0.2766679 -0.5250116 1331.809
## X12 184800 85800 0.6668236 -0.3645529 1588.645
## X13 177750 78300 0.6876319 0.1583662 1670.085
library(psych)
describeBy(EastonImobiliaria$Preco,EastonImobiliaria$Idade,mat=TRUE)
## item group1 vars n mean sd median trimmed mad
## X11 1 1 1 2 121650.0 22485.996 121650 121650.0 23573.34
## X12 2 2 1 17 143629.4 22465.105 150750 143470.0 24462.90
## X13 3 3 1 25 145956.0 23889.844 141900 145992.9 27131.58
## X14 4 4 1 64 142043.0 21547.529 140850 141885.6 25574.85
## X15 5 5 1 70 137792.1 21773.897 132750 136162.5 23684.53
## X16 6 6 1 84 136635.7 24083.210 134775 135430.1 27576.36
## X17 7 7 1 76 136908.6 20366.010 138675 136439.5 25797.24
## X18 8 8 1 62 146104.8 20330.976 147825 146190.0 20459.88
## X19 9 9 1 39 139469.2 21743.171 136350 138777.3 22016.61
## X110 10 10 1 15 143560.0 25457.957 139950 144069.2 29355.48
## X111 11 11 1 5 125910.0 6192.475 128400 125910.0 6004.53
## X112 12 12 1 1 183000.0 NA 183000 183000.0 0.00
## X113 13 13 1 1 149850.0 NA 149850 149850.0 0.00
## min max range skew kurtosis se
## X11 105750 137550 31800 0.00000000 -2.7500000 15900.000
## X12 109950 179700 69750 -0.14204808 -1.4168957 5448.588
## X13 102300 187200 84900 0.01132975 -1.3585671 4777.969
## X14 101400 183750 82350 0.10476769 -1.0116410 2693.441
## X15 102150 187500 85350 0.56514111 -0.6398475 2602.478
## X16 99450 190650 91200 0.33437765 -0.9195893 2627.694
## X17 99000 184800 85800 0.14804743 -0.8596285 2336.142
## X18 103800 184650 80850 -0.08830798 -0.8641436 2582.037
## X19 106350 180750 74400 0.38764812 -1.0853131 3481.694
## X110 102000 178500 76500 -0.05932974 -1.4789748 6573.216
## X111 118800 132450 13650 -0.18179635 -2.1749929 2769.359
## X112 183000 183000 0 NA NA NA
## X113 149850 149850 0 NA NA NA
nove<-subset(EastonImobiliaria,subset = Idade== "9")
summary(nove$Preco,mat=TRUE)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 106350 122325 136350 139469 157275 180750
library(psych)
describeBy(EastonImobiliaria$Preco,EastonImobiliaria$Quartos,mat=TRUE)
## item group1 vars n mean sd median trimmed mad min
## X11 1 2 1 60 122977.5 18361.31 117975 120715.6 16123.27 99450
## X12 2 3 1 290 140163.6 21055.43 138750 139666.8 23128.56 99000
## X13 3 4 1 111 149009.5 21531.95 146400 148833.7 28465.92 107700
## max range skew kurtosis se
## X11 178050 78600 0.97844733 0.2300974 2370.434
## X12 187500 88500 0.17414051 -0.8838655 1236.417
## X13 190650 82950 0.06702086 -1.1186896 2043.722
quartos<-subset(EastonImobiliaria,subset = Quartos== "3")
summary(quartos$Preco,mat=TRUE)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 99000 123600 138750 140164 156225 187500
Para tornar minha análise ainda mais precisa busquei encontrar o valor médio de venda de casas com exatamente todas as característica das casas vendidas pela Easton Imobiliária:
library(readxl)
EastonImobiliaria <- read_excel("C:/Users/dsant/Desktop/Base_de_dados-master/EastonImobiliaria.xlsx")
nomes<-c("Mes","Preco","Tamanho","Quartos","Idade","Localizacao","Corretora" )
colnames(EastonImobiliaria)<-nomes
levels(EastonImobiliaria$Corretora)<-c("Outras Imobiliarias","Easton Imobiliaria")
levels(EastonImobiliaria$Localizacao)<-c("Dallas","Fort Worth","Area Metropolitana")
quartos<-subset(EastonImobiliaria,subset = Quartos== "3")
qmetro<-subset(quartos,subset = Localizacao== "Area Metropolitana")
quatroaqmetro<-subset(qmetro,subset = Idade== "4")
outrascasa2<-subset(quatroaqmetro,subset = Corretora== "Outras Imobiliarias")
summary(outrascasa2$Preco)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
##
library(readxl)
EastonImobiliaria <- read_excel("C:/Users/dsant/Desktop/Base_de_dados-master/EastonImobiliaria.xlsx")
nomes<-c("Mes","Preco","Tamanho","Quartos","Idade","Localizacao","Corretora" )
colnames(EastonImobiliaria)<-nomes
levels(EastonImobiliaria$Corretora)<-c("Outras Imobiliarias","Easton Imobiliaria")
levels(EastonImobiliaria$Localizacao)<-c("Dallas","Fort Worth","Area Metropolitana")
quartos<-subset(EastonImobiliaria,subset = Quartos== "3")
qFort<-subset(quartos,subset = Localizacao== "Fort Worth")
noveaqfort<-subset(qFort,subset = Idade== "9")
outrascasa1<-subset(noveaqfort,subset = Corretora== "Outras Imobiliarias")
summary(outrascasa1$Preco)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
##
Ao comparar o valor das casas vendidas pela Easton Imobiliária com outras que tenham características semelhantes vendidas por outras imobiliárias é possivel perceber que as casas estão abaixo do valor médio de mercado em todas as avaliações. Portanto, com esses dados é possivel concluir que de fato as casas vendidas pela Easton Imobiliária foram subvalorizadas para que a venda fosse feita mais rápido.